Costa Rica: Efectos de la Política Fiscal en la Actividad Económica. VAR Estructural

Transcripción

1 i Costa Rica: Efectos de la Política Fiscal en la Actividad Económica. VAR Estructural Gisella Valverde Obando 1 Dirección General de Hacienda (DGH) Subdirección de Estudios Económicos (SEE) División de Política Fiscal (DPF) Diciembre Elaborado por Gisella Valverde Obando valverdeog@hacienda.go.cr, con la coordinación de Willy H. Chaves Sánchez chavezsw@hacienda.go.cr, Subdirección de Estudios Económicos.

2 ii Contenido Resumen Ejecutivo... iv Abstract... v Introducción... vi Marco Teórico... 7 Planteamiento del Problema... 9 Objetivos Objetivo general Objetivos específicos Justificación Método o Diseño de Investigación Fuente de Datos Resultados Evolución de los Ingresos y Gastos El Modelo VAR Prueba de Estacionariedad de las Variables Prueba de Cointegración de Johansen Número de Rezagos Óptimo Estimación del Modelo VARS Ecuación de los ingresos Ecuación de los gastos Ecuación del Producto Interno Bruto Desarrollo del VARS Inclusión de Restricciones por Shock Impositivo: Inclusión de Restricciones por Shock del Gasto: Función Impulso Respuesta (FIR) del Shock Impositivo Función Impulso Respuesta (FIR) del Shock del Gasto Conclusiones Referencias Bibliográficas... 49

3 iii

4 iv Resumen Ejecutivo En este trabajo se analiza los efectos de la dinámica de la política fiscal en Costa Rica, durante el periodo comprendido entre Utilizando para esto, la técnica de un modelo de vectores autorregresivos de tipo estructural (VARS), como lo hizo Blanchard & Perotti (2002) para la estimación de los multiplicadores fiscales (MF) y evaluar la respuesta de la actividad económica (PIB) ante cambios en la PF (impuestos y gastos) a través de la función impulso respuesta (FIR) y descomposición de la varianza. Los valores estimados del multiplicador fiscal impositivo (MFI) es -0,094849, y el multiplicador del gasto (MFG) es de 0, Los resultados indican que un shock positivo de gasto fiscal tiene un efecto positivo y significativo sobre el PIB desde el tercer trimestre al presentar niveles positivos hasta el período nueve y se estabiliza en el décimo, mientras que un shock positivo de impuestos tiene un efecto negativo sobre la productividad económica desde el tercer trimestre que conserva hasta el séptimo. Efectos que resultan acordes con las expectativas según la evolución de la literatura, donde se presentan efectos favorables sobre el producto ante shock s positivos de gasto fiscal y negativos ante shock s de impuestos; lo anterior a pesar de que nuestra economía es pequeña en comparación con los países sujeto de estudio por parte de Blanchard y Perotti. Finalmente, el multiplicador esperado es reflejo de la política fiscal procíclica adoptada por Costa Rica en el periodo de estudio, causado por los recurrentes déficits y el alto crecimiento de la deuda soberana, que no permiten incrementar el gasto en recesiones, para inducir un crecimiento significativo sobre el nivel de actividad económica.

5 v Abstract This paper analyzes the effects of fiscal policy dynamics in Costa Rica during the period between Using for this, the technique of a model of structural autoregressive vectors (VARS), as Blanchard & Perotti (2002) did for estimating fiscal multipliers (MF) and evaluating the response of economic activity (GDP) to changes in the PF (taxes and expenses) through the impulse response function (FIR) and decomposition of the variance. The estimated values of the fiscal tax multiplier (MFI) is , and the expenditure multiplier (MFG) is The results indicate that a positive shock of fiscal spending has a positive and significant effect on GDP since the third quarter, presenting positive levels until period nine and stabilizing in the tenth, while a positive tax shock has a negative effect on the economic productivity from the third quarter that remains until the seventh. Effects that are consistent with expectations according to the evolution of the literature, where there are favorable effects on the product before positive shock's of fiscal expenditure and negative before shock's of taxes; This is despite the fact that our economy is small compared to the countries under study by Blanchard and Perotti. Finally, the expected multiplier is a reflection of the pro-cyclical fiscal policy adopted by Costa Rica during the study period, caused by recurring deficits and high sovereign debt growth, which do not allow for increased recession spending to induce significant growth on the level of economic activity.

6 vi Introducción La situación fiscal actual de nuestro país, ha sido el resultado de decisiones tomadas durante años, que ha llevado a un crecimiento de los ingresos menor que el de los gastos, y que se ha acrecentado aún más del 2009 en adelante, provocando a un creciente déficit fiscal y una deuda pública que tiende a ser insostenible. Se considera que la Política Fiscal (PF) constituye una herramienta de política económica, con la que se estimula o no la producción de bienes y servicios, por lo que la implementación de medidas que afecten los ingresos y gastos, influyen sobre las principales variables macroeconómicas, como el nivel de producción, empleo, precios, tasas de interés y tipo de cambio. Se considera que el objetivo principal de la PF debe ser el de estimular el crecimiento económico y el pleno empleo, sobre todo mediante medidas anticíclicas a través del control de los ingresos y gastos que tienen un impacto importante sobre la demanda agregada. Nótese, que las medidas anticíclicas tienen limitantes cuando se está en presencia de altos niveles de déficit fiscal o de la razón deuda/pib. En este sentido, resulta pertinente y de gran interés realizar este estudio sobre el efecto de los ingresos y gastos del Gobierno Central en la actividad económica (PIB), a través de la estimación de los multiplicadores fiscales. Se desarrolla para ello un Modelo VAR Estructural bajo el enfoque Blanchard y Perotti 2, que identifica los shocks estructurales aprovechando la existencia de rezagos de implementación y de decisión en la formulación de la PF. 2 Determinan los efectos dinámicos de los cambios en los gastos gubernamentales e impuestos en la actividad económica de los Estados Unidos.

7 7 Marco Teórico La actividad económica del país, es determinada por la demanda agregada (DA), que se encuentra conformada por la demanda: de bienes de consumo (C), de Inversión (I), del Gobierno (G) y de Exportaciones Netas (X-M), lo que se resume a la ecuación: DA = C + I + G + (X M); donde C depende de la renta disponible, I determinado por la producción actual y esperada, tasas de interés e impuestos, G obedece a compras de bienes y servicios del Estado y los ingresos por impuestos, (X-M) lo determina los precios internos - externos y el tipo de cambio. Los desplazamientos en la demanda agregada, son originados por decisiones de política fiscal o de política monetaria, así como por variaciones del tipo de cambio e ingresos del exterior, y cambios en las expectativas futuras en el ingreso o inflación. Teóricamente, el efecto de las modificaciones de Política Fiscal en la DA, depende de los determinantes de la función Consumo; para lo que se dispone dos posiciones bien definidas. En la primera, el consumo es función de la renta permanente 3, por lo que cambios en los gastos o ingresos del Gobierno (PF) no implican cambios en el consumo solo en la propensión al ahorro, donde la DA y la producción no cambian bajo el supuesto de pleno empleo; por lo que la PF no puede ser utilizada como instrumento para un cambio en el nivel de producción (PIB). La segunda posición, asume que la función consumo es determinada por la renta disponible, donde una variación en los gastos del Gobierno o en los impuestos (PF), se traduce en un mayor o menor consumo 4, ya que tienen un efecto directo sobre la renta de los consumidores y la DA de los mismos, induciendo a una cadena de aumentos o bajas del gasto en cascada pero cada vez menores, conocido como efecto multiplicador del Gasto, en condiciones de desempleo 5 de los factores productivos. Adicional al efecto expansivo provocado por un incremento en gastos o reducción impositiva, se presenta un efecto expulsión, que actúa en dirección contraria al anterior, contrayendo el resultado inicial, haciendo que el impacto económico final sea difícil de determinar. El efecto expulsión, es la consecuencia monetaria de un impulso fiscal en los gastos o rebaja impositiva, al inducir a una mayor demanda agregada y estimular una mayor 3 Teoría de la evidencia Ricardiana. 4 Conforme a la teoría Keynesiana. 5 Según teoría económica de Keynes, donde destaca el carácter ascendente de la oferta agregada, en contraposición con la visión clásica de pleno empleo.

8 8 producción, que incita la búsqueda de recursos financieros para continuar expandiendo los niveles de producción, lo que lleva a aumentar las tasas de interés, contraer la inversión y producción, así como a aumentar los precios de bienes y servicios, con lo que se reduce la demanda agregada. El resultado final sobre el PIB, de ambos efectos ante cambios en los gastos o ingresos del Gobierno, se le conoce como multiplicador fiscal del Gasto (MFG) o multiplicador fiscal del Ingreso (MFI). Con él se mide el impacto económico de las intervenciones fiscales o efectividad de la PF sobre el PIB. La evaluación de los MFG y MFI del Gobierno Central, constituye un insumo fundamental para la toma de decisiones de PF, por lo que el tema de los multiplicadores fiscales resulta de gran interés para el Ministerio de Hacienda, dado que no se cuenta con un estudio al respecto, o al menos no se ha ubicado alguno. son: Para el cálculo de multiplicadores fiscales, se han utilizado diferentes técnicas como Simulación de modelos macroeconómicos diseñados para integrar en su formulación, la función global de la economía y simular los efectos de políticas. Estimación econométrica mediante el uso de vectores autorregresivos VAR en donde se utiliza datos reales y se estudia la evolución en el tiempo del movimiento conjunto de un grupo de variables interrelacionadas, donde cada variable se explica por los retardos de las demás variables incluidas en el vector. Regresión econométrica de una función lineal en casos donde las variables fiscales son menos dependientes del ciclo económico. Se han hecho varios estudios sobre los MF a nivel de países desarrollados, utilizando la metodología de vectores autoregresivos estructural (VARS), cuya diferencia radica en la forma de identificar los shocks de PF. En donde, se han identifican cuatro enfoques: el narrativo, el de restricción de signos, el de descomposición de Choleski de la matriz de covarianzas, y el de Blanchard y Perotti (2002). Para los efectos del presente estudio, nos interesa dar seguimiento a un modelo VAR estructural (VARS), similar al propuesto por Blanchard y Perotti, fundamentado en la identificación de los shocks estructurales, y aprovechando la existencia de rezagos de implementación y rezagos de decisión en la formulación de la PF.

9 9 Planteamiento del Problema Uno de los objetivos de la PF es el saneamiento de las finanzas públicas, mediante decisiones de reducción de gastos o aumento de impuestos, bajo el contexto económico actual de déficit fiscal persistente, una deuda en continuo crecimiento con relación al PIB. En circunstancias diferentes se deben impulsar medidas de política fiscal anticíclica, de tal forma que la posición fiscal sea la correcta ante el crecimiento o estancamiento de la economía. Así, al Ministerio de Hacienda le corresponde la implementación de la política fiscal (PF), tanto a nivel de gastos como de ingresos; como por ejemplo impulsar la migración a un impuesto sobre el valor agregado (IVA) de tipo financiero, aplicar un impuesto sobre la renta más progresivo y con componentes de renta global, de combate al fraude fiscal y evaluar el sistema de exoneraciones, entre otros. También, en la parte de gastos, modificar la estructura salarial, en cuanto a fórmulas de incrementos e incentivos salariales, implementación de salarios únicos; reforma de impuestos con destinos específicos para un mayor control del gasto, reducción de la deuda e intereses. El problema de esta investigación, radica en estimar la magnitud de los multiplicadores fiscales de ingreso y gasto-, y su impacto en el producto (PIB); para ello, se recurre a elaborar un modelo VAR de tipo estructural (VARS), siguiendo la metodología de Blanchar y Perotti, donde se asumen dos escenarios: en el primero se produce un shock sobre los ingresos y se analiza sus efectos sobre el gasto, el producto y los mismos ingresos, y en el segundo se produce un shock sobre los gastos y se analiza su efecto sobre los ingresos, el producto y los mismos gastos. El análisis se realiza a través de la función de impulso-respuesta (FIR).

10 10 Objetivos Objetivo general Estimar la magnitud de los multiplicadores fiscales del ingreso y del gasto sobre el producto, a través de la metodología de Blanchar y Perotti, y el efecto entre las mismas variables fiscales. Objetivos específicos Evaluar los efectos dinámicos provocados por las distintas medidas de Política Fiscal en el Producto y entre las mismas variables fiscales de ingresos y gastos-, mediante el desarrollo de un Modelo VAR de tipo estructural, durante el periodo Disponer de una herramienta analítica, que permita valorar las variaciones en las magnitudes de los multiplicadores fiscales en el tiempo. Dar cumplimiento al PAO 2018 de la Subdirección de Estudios Económicos, de la División de Política Fiscal.

11 11 Justificación Al Ministerio de Hacienda como institución pública, le corresponde el diseño e implementación de la política fiscal, lo que requiere prudencia, a fin de no tener efectos indeseables que lleven a pérdida de bienestar económico y social del país. Es fundamental para el Ministerio, contar con un instrumento de medición que le permita estimar los multiplicadores fiscales y su potencial efecto sobre el producto y entre las mismas variables fiscales de ingreso y gasto. La estimación de los multiplicadores fiscales constituye un instrumento fundamental para la toma de decisiones, así como para el diseño de tácticas fiscales específicas, que permitan a quienes formulan la política fiscal representar los beneficios esperados en el producto, por el impulso o aplicación de medidas de política fiscal.

12 12 Método o Diseño de Investigación A pesar, de que el tema de multiplicadores fiscales, ha sido un tema muy analizado en otros países, a lo interno del Ministerio de Hacienda no se ha ubicado ninguna investigación al respecto. Por lo que, resulta de gran interés realizar un estudio sobre los multiplicadores fiscales, desarrollando para ello un modelo multiecuacional de tipo VAR estructural. Sobre este tema, se han planteado diferentes enfoques teóricos y técnicas de estimación, con resultados diversos según el país y sin poder concretizar un resultado único sobre los efectos de la PF sobre el PIB. Existen dos enfoques teóricos contrapuestos, respecto a la respuesta de la función consumo ante un cambio en los ingresos y gastos del Gobierno: uno obedece la posición monetarista y se relaciona con la evidencia Ricardiana, donde el consumo lo determina la renta permanente, por lo que la PF no tiene efecto sobre la producción, el otro relacionado con la posición Keynesiana, donde la renta disponible determina el consumo, y sugiere utilizar la PF para provocar cambios en la producción. Para los fines del presente estudio, interesa utilizar el segundo enfoque teórico, y la técnica de un modelo de vectores autorregresivos de tipo estructural (VARS), como lo hizo Blanchard & Perotti (2002) para la estimación de los multiplicadores fiscales (MF) y evaluar la respuesta del PIB ante cambios en la PF. El desarrollo de este modelo VARS, requiere datos en términos reales, hacer un análisis previo de la evolución en el tiempo del movimiento conjunto de un grupo de variables interrelacionadas; a la vez cada variable es explicada por los retardos de sí misma y por los retardos de las demás variables incluidas en el vector. La formulación básica de un modelo VAR, se describe como: Xt = AYt-1 + Ut Donde: Xt = vector con las variables endógenas, entre las que se incluirán las fiscales. A = matriz de coeficientes. Ut = vector de residuos, con tantos componentes como variables estén incluidas en el vector Xt.

13 13 El uso de vectores autorregresivos permite describir en términos estadísticos, las relaciones dinámicas entre las variables contenidas en el vector Xt. Un modelo VAR S, parte de un sistema de ecuaciones, en el que se tomará como variables endógenas los impuestos netos (T) y gastos totales del Gobierno Central (G), así como el nivel de producción (X t =PIB) y bajo el supuesto de que tanto T como G afectan el PIB (no son independientes). Cada una de las ecuaciones se expresa de la siguiente forma: T t = a 1 x t + a 2 ε t g + ε t t G t = b 1 x t + b 2 ε t t + ε t g Dónde: X t = c 1 t t + c 2 g t + ε t x T t = Ingresos Tributarios G t = Gastos Totales X t = PIB ε t = shocks estructurales en el ingreso (t) y el gasto (g) no observables. Para una estimación econométrica fiable, se requiere establecer la estacionariedad o no de las series de tiempo, y probar que las mismas están cointegradas, 6 lo que indica que no solo se tiene una relación dinámica de ajuste en el corto plazo, sino de largo plazo entre las variables. Se parte de un Modelo de Vectores Autorregresivos (VAR), al que se le aplica las pruebas correspondientes de no estacionariedad y cointegración antes citadas; de cumplir con las condiciones establecidas, se procede a determinar los factores estructurales que se integrarán al VAR. Mediante la estimación de las líneas de regresión, de cada una de las variables incluidas en el sistema de ecuaciones del VAR, se obtienen los valores de los coeficientes, que corresponden a elasticidades y multiplicadores fiscales de las variables respecto al PIB. Para el desarrollo del modelo VAR estructural (VARS), se deben construir las matrices que conforman el sistema de ecuaciones a utilizar; donde de acuerdo a la metodología de Blanchard & Perotti el orden de las ecuaciones es importante. 6 Según Johansen y Juselius, para probar la existencia de una relación de largo plazo entre las variables.

14 14 En la construcción de las matrices de los coeficientes, se debe tener en cuenta el orden de los shocks - impositivo o de gasto- por lo que el orden del sistema de ecuaciones es determinado por la variable en la que se quiera aplicar el shock. Si el shock es impositivo (la variable ingreso es la que da el cambio inicial) por lo tanto la primer ecuación será la de ingreso y luego las de gasto y PIB, bajo el supuesto de que el coeficiente a2=0 y resolver el sistema de ecuaciones. Si el shock es de gasto la ecuación de G pasa a tomar el primer lugar, seguido de las de ingreso y PIB; el supuesto es que un cambio en el PIB en un trimestre no implica un cambio inmediato en el gasto (mismo trimestre), en este caso se supone b1 =0. Obtenidas las matrices de cada sistema de ecuaciones -de acuerdo al shock utilizado- se estima el modelo VARS, y la función de impulso-respuesta, que permitirá evaluar el potencial impacto de las variables fiscales sobre el producto y el efecto simultaneo entre las variables de estudio. La función impulso-respuesta (FIR) mide la respuesta de las variables del sistema ante cambios en los errores; donde un cambio (shock) en una variable, en el período i afectará directamente a la propia variable y se transmitirá a las otras variables a través de la estructura dinámica que representa el modelo VARS.

15 15 Fuente de Datos Se utilizará como variables endógenas, las series de tiempo con valores trimestrales de: impuestos netos (ingresos tributarios), de gastos totales del Gobierno Central y de los niveles de producción (PIB) para el periodo de estudio. Los montos de las variables fiscales, de ingresos y gastos mensuales se tomaron de la página web del Ministerio de Hacienda, y con dichas series se construyeron las series trimestrales en términos reales. Para el caso de los datos del PIB, se utilizaron los valores trimestrales nominales y reales, del Banco Central de Costa Rica con base 91, desde el 2006 a 2017, así como el deflactor implícito del PIB (Def=(PIBn/PIBr)*100) 7, que se aplicó a las cifras de ingresos y gastos nominales y obtener las series reales conforme la metodología utilizada por Blanchard & Perotti. Además, se recurrió a otras fuentes de información, como Internet que tiene a disposición publicaciones cortas, libros e investigaciones sobre el tema que nos interesa. 7 Es un promedio ponderado de precios de todos los bienes y servicios finales producidos, que demandan los consumidores en una economía determinada.

16 16 Resultados Evolución de los Ingresos y Gastos De previo al desarrollo del modelo VARS, se analiza la evolución de las variables fiscales de -ingresos, gastos, déficit o superávit-, con relación al PIB, para ubicar al lector sobre las condiciones financieras del Gobierno durante el periodo de estudio. Cuadro N 1 Ingresos, Gastos, Déficit Fiscal Como Porcentaje del PIB2012 Año CT IT GT DF ,6% 14,2% 17,1% -2,9% ,4% 13,7% 16,4% -2,7% ,6% 13,9% 16,0% -2,1% ,7% 14,2% 15,2% -1,0% ,7% 15,2% 14,7% 0,6% ,0% 15,5% 15,3% 0,2% ,9% 13,5% 16,8% -3,3% ,7% 14,0% 19,0% -5,0% ,0% 14,2% 18,1% -4,0% ,9% 14,0% 18,3% -4,3% ,2% 14,2% 19,6% -5,4% ,9% 14,0% 19,6% -5,6% ,2% 14,3% 20,0% -5,7% ,4% 14,7% 20,0% -5,3% ,4% 14,5% 20,7% -6,2% Fuente: Ministerio de Hacienda y BCCR.

17 17 Gráfico N 1 Ingresos - Gastos Totales - Déficit Fiscal Como % del PIB (base 2012). Período % 20% 15% IT 10% GT 5% 0% -5% DF -10% Fuente: Ministerio de Hacienda y BCCR. Del cuadro y gráfico N 1 se observa que en los primeros cuatro años del período, a pesar del déficit fiscal, los gastos representaban en promedio un 16,2% del PIB y los ingresos el 14%, para un déficit que iba cayendo de un -2,9% (2003) del PIB a un 1% en el 2006 (no cae sube, revisar). Resaltan los años en crecimiento económico, logrando con ello un superávit del 0,6% y 0,2% del PIB. Con la crisis financiera mundial de finales de 2008, la conducta de las variables fiscales cambió en forma radical, dado que los gastos se incrementan mucho más rápido que los ingresos, pasando de un 14,7% (2007) a un 20,7% (2017), mientras que la participación de los ingresos totales disminuían, iniciando con 15,2% del PIB en el 2007 y llegando al 14,5% en el El peso promedio de los gastos totales para fue de 19,5% del PIB, y el de los ingresos fue del 14,3%; con una carga tributaria promedio del 13,3%. Considerando la política fiscal adoptada por las diferentes Administraciones públicas del país para el período en estudio, tenemos que en la Administración Pacheco ( ), se restringieron los gastos corrientes y de inversión. El crecimiento productivo real promedio, en los cuatro años de su administración fue 6.6%, con una recaudación que pasó de un 13,6% del PIB a un 13,7% del PIB. Se logró contener el gasto, pasando a ser el 15,2% del PIB en el 2006 (17,1% en el 2003). Lo que permitió una baja en

18 18 el déficit fiscal a un 1% del PIB (-2,9% en el 2003), pero con una disminución del salario real de los empleados públicos y una inversión pública paralizada. En la Administración Oscar Arias ( ), la economía presenta un crecimiento muy grande en el 2007 del 7.9%, pero en el 2008 el nivel fue del 2,7% efecto de la gran crisis financiera mundial - que se impacta el crecimiento económico de EEUU y otros países europeos-, para el 2009 se presenta un decrecimiento económico del 1% en términos reales, sin embargo, en el 2010 de nuevo crece en un 5%, para un crecimiento real promedio en este período del 3,7%. En el 2007 y 2008, la bonanza económica mundial permitió que tanto los ingresos como gastos lograran equilibrarse las finanzas públicas y reducir deuda. No obstante, dado los efectos negativos esperados sobre la demanda agregada, el Gobierno opta por la aplicación de una política expansiva del gasto, para lo que incremento programas sociales y de educación, ajusto los salarios de profesionales e inversión pública, contemplados dentro del Plan Escudo con el objetivo de sostener la demanda. El incremento en los gastos incrementaran su peso respecto al PIB, razón que alcanzó en promedio para los dos últimos años un 17,9% (en el promedio fue del 15 %). Pero la carga tributaria promedio paso del 14,8% a un 12,8%; lo que consecuentemente desmejoró las finanzas públicas. En la Administración Chinchilla ( ), el país presentaba serios problemas, con una producción desacelerada, un crecimiento automático del gasto producto de decisiones de PF anteriores, así como leyes y convenciones sociales, que limitan la capacidad del Gobierno de reasignar gasto; además de una deuda y pago de intereses en crecimiento. Lo que llevo, a presentar el Proyecto de Ley de Solidaridad Tributaria, para el fortalecer las finanzas públicas, sentando las bases para un crecimiento sostenido a mediano plazo, mediante la mejora en la progresividad del sistema tributario, y obtener con ellos recursos para financiar los gastos públicos, a la vez, de reducir las necesidades de financiamiento y liberar recursos al sector productivo e incrementar el crecimiento económico, pero fracasó su aprobación por intervención de la Sala Constitucional. La carga tributaria promedio se sitúo en 13%del PIB, los gastos en promedio alcanzaron el 18,9% del PIB, superior al 16,4% del periodo administrativo anterior, con una evidente desmejora de las finanzas públicas. En cuanto al crecimiento productivo, se tiene que en promedio fue del 4.2%, mayor al período anterior (3,7%), con un rango entre 4,5% y el 3,5% para los cuatro años.

19 19 La Administración Solis ( ), tardó dos años para enviar varios proyectos al Congreso, para su aprobación y no tuvo éxito. Por lo que, entrega un país sin reforma fiscal, con una recaudación insuficiente, con poco espacio fiscal que compromete los objetivos de crecimiento, estabilidad, empleo, acorde al bienestar social. En general, la situación fiscal ha sido y es complicada, de ahí la urgencia de una reforma fiscal, que contemple reformas impositivas que generen recursos limpios y por el lado de gastos que eviten el crecimiento exponencial de algunos rubros conocidos como disparadores del gasto, a la vez, darle sostenibilidad a la deuda soberana. Parte fundamental de la política fiscal, es la determinación de ingresos y gastos a través del Presupuesto Nacional, lo que permite al Estado controlar la estabilidad económica, atenuar variaciones del ciclo, así como contribuir al crecimiento económico, al pleno empleo, así como a una inflación baja y estable en el tiempo.

20 20 El Modelo VAR Con los modelos VAR, se trata de capturar la dinámica de las series de tiempo, utilizando el instrumental estadístico a disposición, mediante un sistema de ecuaciones con tantas ecuaciones como variables a considerar. Cada variable, se explica por los retardos de sí misma y por los de las demás variables, configurándose el sistema de ecuaciones autorregresivas (VAR), que permite obtener más apropiadamente los movimientos de las variables en relación con los motivos o causas que provocan los cambios de sus interrelaciones de corto plazo, permitiendo generar pronósticos confiables. Sin embargo, es de suma importancia que las series a utilizar no tengan tendencia y que el grado de dispersión sea similar, dado que la medición de las relaciones entre variables a través de las regresiones, podrían parecer (según los indicadores estadísticos) que son significativas, cuando en realidad son espurias 8. En este sentido, la estacionariedad de las variables es de gran relevancia para la especificación de los modelos VAR, a fin de obtener un modelo que responda a la realidad de la conducta de las variables, utilizando para ello las pruebas de raíz unitaria en su determinación. Al mismo tiempo, la cointegración se ha convertido en una propiedad importante en el análisis de series temporales, para asegurar estimaciones acordes a la realidad y la no perdida de información valiosa a largo plazo. Si dos o más series se mueven conjuntamente a lo largo del tiempo y sus diferencias son estacionarias, se considera que están cointegradas, lo que significa equilibrio a largo plazo. Con las pruebas de estacionariedad y cointegración de las variables utilizadas en el Modelo VAR, se pretende evitar que el modelo esté mal especificado y así obtener resultados confiables, con coeficientes útiles tanto para pronósticos como para análisis económico. 8 Las relaciones son falsas, por lo que las estimaciones no corresponden a la realidad.

21 21 1. Prueba de Estacionariedad de las Variables. Para la determinación de la estacionariedad, se aplica la prueba de raíz unitaria ADF (Augmented Dickey-Fuller Unit Root), partiendo de la hipótesis nula: Donde la regla de decisión es: H0 = las variables tienen raíz unitaria no es estacionaria - Se confirma H0 si la probabilidad > 5% = δ (nivel de significancia). - Se rechaza H0 si la probabilidad < 5% = δ (nivel de significancia). La prueba de raíz unitaria se aplica a cada variable, tanto en nivel como en primera diferencia. 1.1 Variable ITR Prueba a Nivel Null Hypothesis: ITR has a unit root Exogenous: Constant Lag Length: 3 (Automatic - based on SIC, maxlag=3) t-statistic Prob.* Augmented Dickey-Fuller test statistic Test critical values: 1% level % level % level *MacKinnon (1996) one-sided p-values. La probabilidad de que ITR tenga raíz unitaria es del 70,23%, mucho mayor que el nivel de significancia del 5%, por lo que se Confirma la Hipótesis H0 = ITR tiene raíz unitaria, lo que significa que no es estacionaria en su nivel. Por lo que, se requiere hacer la prueba de raíz unitaria en primera diferencia.

22 Prueba en Primer Diferencia: Null Hypothesis: D(ITR) has a unit root Exogenous: Constant Lag Length: 3 (Automatic - based on SIC, maxlag=3) t-statistic Prob.* Augmented Dickey-Fuller test statistic Test critical values: 1% level *MacKinnon (1996) one-sided p-values. 5% level % level Lo que significa que la variable ITR, es estacionaria en primera diferencia (no tiene raíz unitaria), ya que la probabilidad es del 3,88 % < 5% de significancia propuesto, por tanto se rechaza H Variable GTR 1.2.1Prueba a Nivel Donde la regla de decisión es: H0 = las variables tienen raíz unitaria - Se confirma H0 si la probabilidad > 5% = δ (nivel de significancia). - Se rechaza H0 si la probabilidad < 5% = δ (nivel de significancia). Null Hypothesis: GTR has a unit root Exogenous: Constant Lag Length: 3 (Automatic - based on SIC, maxlag=3) t-statistic Prob.* Augmented Dickey-Fuller test statistic Test critical values: 1% level % level % level *MacKinnon (1996) one-sided p-values. Tenemos que GTR a nivel no es estacionaria ya que tiene raíz unitaria, al presentar una probabilidad de 79,04% > 5%.

23 Prueba en primera diferencia de GTR: Null Hypothesis: D(GTR) has a unit root Exogenous: Constant Lag Length: 3 (Automatic - based on SIC, maxlag=3) t-statistic Prob.* Augmented Dickey-Fuller test statistic Test critical values: 1% level % level % level *MacKinnon (1996) one-sided p-values. La prueba nos indica que se rechaza la hipótesis nula H0, por tanto GTR en primera diferencia es estacionaria. 1.3 Variable PIB Prueba a Nivel Null Hypothesis: PIB_R91 has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=3) t-statistic Prob.* Augmented Dickey-Fuller test statistic Test critical values: 1% level % level % level *MacKinnon (1996) one-sided p-values. El PIB al igual que las variables anteriores, a nivel tiene raíz unitaria o sea que no es estacionaria, al mostrar Prob*=78,87% >5%.

24 Prueba en Primer Diferencia Null Hypothesis: D(PIB_R91) has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=3) t-statistic Prob.* Augmented Dickey-Fuller test statistic Test critical values: 1% level % level % level *MacKinnon (1996) one-sided p-values. Esta variable, al igual que las dos anteriores en primera diferencia muestra ser estacionaria, aun cuando a nivel no lo es por tener raíz unitaria. 2. Prueba de Cointegración de Johansen. El método de S. Johansen (1988 y 1991), ha sido una herramienta muy utilizada para probar la existencia de cointegración entre las variables, siempre y cuando se cumplan con la condición de no sean estacionarias a nivel, pero si en primera diferencia. Con la aplicación de la prueba ADF, se logró verificar que las variables utilizadas en el modelo VAR cumplen con la condición propuesta por S.Johansen, por lo que se procede a realizar la prueba de cointegración. Se parte de un sistema de tres ecuaciones con el que se establece la conducta de las tres variables a considerar (ITR, GTR, PIB_r91); teniendo tres posibilidades para la Hipótesis nula: 1. H0 = Ninguna de las ecuaciones están cointegradas (None*). 2. H0 = Al menos una ecuación está cointegrada (at most 1). 3. H0 = Al menos dos ecuaciones están cointegradas (at most 2). Donde la regla de decisión será: O bien: - Se confirma H0 Si el estadístico de traza < Critical Value. - Se confirma H0 Si la probabilidad (Prob**) > 5%.

25 25 El resultado de aplicar la prueba de S. Johansen se observa a continuación: Date: 11/05/18 Time: 11:40 Sample (adjusted): 2006Q3 2017Q4 Included observations: 46 after adjustments Trend assumption: Linear deterministic trend Series: ITR GTR PIB_R91 Lags interval (in first differences): 1 to 1 Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05 No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * At most At most Trace test indicates 1 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values Conforme a la regla de decisión anterior se confirma la hipótesis nula de que al menos hay una ecuación de cointegración. Lo que significa, que las variables del VAR se mueven juntas en el tiempo y por tanto se puede utilizar un VAR con restricción, ya que el modelo incluiría tanto la dinámica del ajuste en el corto plazo al ocurrir un shock no esperado que desequilibra el sistema, así como el restablecimiento del equilibrio en el largo plazo. Al respecto, el software Eviews disponible no cuenta con la opción de modelar un VAR con restricción (VECM) de tipo estructural, por lo que se construye un VAR sin restricción de tipo estructural.

26 26 3. Número de Rezagos Óptimo A partir de las pruebas anteriores, se determina el número de rezagos óptimo, aplicando la prueba de Criterios de Selección del Orden de Retardo del VAR, del que se obtuvo: VAR Lag Order Selection Criteria Endogenous variables: LOG(ITR) LOG(GTR) LOG(PIB_R91) Exogenous variables: C Date: 11/05/18 Time: 12:04 Sample: 2006Q1 2017Q4 Included observations: 43 Lag LogL LR FPE AIC SC HQ NA 5.06e e e e * 1.41e * * e-08* * * indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion De acuerdo a los criterios anteriores, se determina que el número de rezagos óptimo a aplicar es de cuatro, donde el mayor número de estadísticos coinciden (LR, SC, HQ). La tabla siguiente muestra los resultados del VAR sin restricción, utilizando las variables: itr, gtr, pib_r91, en términos reales y logarítmicos para el período

27 27 VAR sin Restricción: Vector Autoregression Estimates Date: 11/06/18 Time: 10:38 Sample (adjusted): 2007Q1 2017Q4 Included observations: 44 after adjustments Standard errors in ( ) & t-statistics in [ ] LOG(ITR) LOG(GTR) LOG(PIB_R91) LOG(ITR(-1)) ( ) ( ) ( ) [ ] [ ] [ ] LOG(ITR(-2)) ( ) ( ) ( ) [ ] [ ] [ ] LOG(ITR(-3)) ( ) ( ) ( ) [ ] [ ] [ ] LOG(ITR(-4)) ( ) ( ) ( ) [ ] [ ] [ ] LOG(GTR(-1)) ( ) ( ) ( ) [ ] [ ] [ ] LOG(GTR(-2)) ( ) ( ) ( ) [ ] [ ] [ ] LOG(GTR(-3)) ( ) ( ) ( ) [ ] [ ] [ ] LOG(GTR(-4)) ( ) ( ) ( ) [ ] [ ] [ ] LOG(PIB_R91(-1)) ( ) ( ) ( ) [ ] [ ] [ ] LOG(PIB_R91(-2)) ( ) ( ) ( ) [ ] [ ] [ ] LOG(PIB_R91(-3)) ( ) ( ) ( ) [ ] [ ] [ ] LOG(PIB_R91(-4)) ( ) ( ) ( ) [ ] [ ] [ ]

28 28 C ( ) ( ) ( ) [ ] [ ] [ ] R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent Determinant resid covariance (dof adj.) 7.15E-09 Determinant resid covariance 2.50E-09 Log likelihood Akaike information criterion Schwarz criterion

29 29 Estimación del Modelo VARS Las medidas de política fiscal, forman parte de las herramientas macroeconómicas a disposición del gobierno para coadyuvar en el cumplimiento de objetivos macroeconómicos como: el crecimiento económico, estabilidad interna y externa de los precios, así como de resultados sociales sostenibles. El uso de estas medidas, resultan fundamentales para reactivación económica y mejoramiento de oportunidades de los agentes económicos. Una herramienta útil para el análisis y diseño de la política fiscal, son los multiplicadores fiscales del gasto o de los ingresos. El disponer de una metodología consistente en el tiempo, para el cálculo de multiplicadores fiscales adecuados y precisos, es fundamental para la toma de decisiones y el diseño de estrategias fiscales específicas, dado que permite establecer los efectos esperados de un cambio en el gasto y/o ingresos público en el producto y en las mismas variables fiscales. A efectos de estimar los multiplicadores fiscales antes citados, se recurre a un modelo VARS estructural (SVAR por sus siglas en inglés), de la forma utilizada por Blanchard y Perotti (2002). Los VARS se definen como un sistema de dos o más series de tiempo, que admite la consideración de rezagos de las variables objeto de estudio, a la vez de la interacción dinámica que pueda existir entre ellas, agregando al modelo un esquema de identificación que permite introducir restricciones entre variables endógenas y exógenas. Utilizando la estimación del VAR anterior con los datos trimestrales de: ingresos ITR, gastos GTR y el producto interno bruto PIB_r91, para el período , se procede a estimar el modelo VARS, según el sistema de ecuaciones siguiente: T t = a 1 x t + a 2 ε t g + ε t t G t = b 1 x t + b 2 ε t t + ε t g Dónde: T t = Ingresos Tributarios G t = Gastos Totales X t = PIB X t = c 1 t t + c 2 g t + ε t x

30 30 ε t g = shock en gasto ε t t = shock en impuesto (ingreso) ε t x = shock en el PIB a 1 = elasticidad del (PIB) respecto a los impuestos (T). b 1 = elasticidad del (PIB) respecto a los gastos (G). a 2 = coeficiente del shock de gasto con relación a los impuestos b 2 = coeficiente del shock impositivo con relación a los gastos c 1 = multiplicador fiscal del ingreso. c 2 = multiplicador fiscal del gasto. Se genera el impuesto y el gasto en su forma reducida de la forma: t t = t t a 1 x t Bajo el supuesto de que b 1 = 0 Luego: g t = g t b 1 x t = g t El supuesto de que b 1 = 0, es porque el PIB no afecta el gasto en el mismo trimestre. t t y g t son variables instrumentales que pueden estar correlacionados entre sí, pero no con ε t x y se utilizan para estimar c 1 y c 2 Se deben identificar los shocks fiscales de dos maneras: 1. Shock Impositivo: supone que los impuestos se impulsan primero, con lo que a 2 = 0 y se estima b Shock de Gasto: suponer que el gasto se decide primero, con lo que b 2 = 0 y se estima a 2. Para modelar los dos shocks fiscales se requiere primero ajustar las ecuaciones de regresión de los ingresos, el gasto y del producto, del sistema de ecuaciones anterior.

31 31 1. Ecuación de los ingresos. T t = a 1 x t + a 2 ε t g + ε t t La ecuación anterior estima el coeficiente a 1 que es la elasticidad del PIB con respecto a los tributos los datos están en términos reales y en logaritmos. 9 Se ajustaron varias ecuaciones con diferentes periodos de muestra y con variables dinámicas, donde la ecuación final es la siguiente: Tabla N 1 Regresión de ITR Mejorada Dependent Variable: LOG(ITR) Method: Least Squares Date: 08/09/18 Time: 10:54 Sample: 2010Q1 2017Q4 Included observations: 32 Convergence achieved after 22 iterations MA Backcast: 2009Q4 Variable Coefficient Std. Error t-statistic Prob. C LOG(PIB_R91) MA(1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Inverted MA Roots 1.00 La ecuación queda definida como: LOG(ITR) = *LOG(PIB_R91) +[MA(1)= , BACKCAST=2010Q1,ESTSMPL="2010Q1 2017Q4"] Nótese, que el coeficiente estimado a 1 = 1.25 corresponde a la elasticidad del PIB respecto a los impuestos, es significativo y tiene el signo correcto. 9 Utilizando Eviews.

32 32 2. Ecuación de los gastos G t = b 1 x t + b 2 ε t t + ε t g Tabla N 3 Regresión de los Gastos (GTR) Dependent Variable: LOG(GTR) Method: Least Squares Date: 11/05/18 Time: 14:01 Sample: 2010Q1 2017Q4 Included observations: 32 Variable Coefficient Std. Error t-statistic Prob. C LOG(PIB_R91) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) La ecuación es definida como: LOG(GTR) = *LOG(PIB_R91) Regresión, que puede ser utilizada para estimar los gastos totales. El coeficiente estimado b 1 = corresponde a la elasticidad del PIB respecto a los gastos, es significativo y tiene el signo correcto.

33 33 3. Ecuación del Producto Interno Bruto. X t = c 1 t t + c 2 g t + ε t x Para estimar la ecuación del PIB (X t = c 1 t t + c 2 g t + ε t x ), se requiere el uso de variables instrumentales, de los ingresos y gastos, dada la simultaneidad de las ecuaciones. 3.1 Variables Instrumentales Las variables instrumentales se definen como el error entre los valores observados y los estimados por las ecuaciones del ingreso y del gasto, tal y como se indicó en apartados anteriores. t t = t t a 1 x t g t = g t b 1 x t = g t Tomando en cuenta, el supuesto hecho anteriormente de que b 1 = 0, dado que el producto no afecta el gasto en el mismo trimestre. Al estimar la ecuación de regresión del PIB del sistema de ecuaciones propuesto inicialmente, se obtendría los valores de los coeficientes c 1 y c 2, que son los multiplicadores del ingreso y gasto del Gobierno. Para ello se utilizan las variables en términos logarítmicos (gtr, itr, pibr), así como las variables instrumentales, mediante el método de regresión en dos etapas; el cual es el adecuado cuando se tienen simultaneidad de las variables en un sistema de ecuaciones. De igual manera que en el ajuste de las ecuaciones anteriores, se estimaron varias regresiones y cuyo resultado final se indica en la tabla siguiente, donde se obtiene un R- cuadrado =0,976 y un DW =2,04.

34 34 Tabla N 4 Regresión del PIB Dependent Variable: LOG(PIB_R91) Method: Two-Stage Least Squares Date: 11/08/18 Time: 14:06 Sample: 2010Q1 2017Q4 Included observations: 32 Convergence achieved after 20 iterations Instrument specification: ITRINST GTRINST Constant added to instrument list Lagged dependent variable & regressors added to instrument list Variable Coefficient Std. Error t-statistic Prob. C LOG(ITR) LOG(GTR) AR(1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Sum squared resid Durbin-Watson stat J-statistic Instrument rank 6 Prob(J-statistic) Inverted AR Roots.96 Con una ecuación de la forma: LOG(PIB_R91) = *LOG(ITR) *LOG(GTR) + [AR(1)= ] Donde se obtiene el valor del multiplicador fiscal del Ingreso (MFI): Y el multiplicador fiscal del Gasto (MFG) es: MFI = c 1 = MFG = c 2 = Se considera que los multiplicadores fiscales (MF) no deben ser muy altos, porque la carga tributaria (CT) en nuestro país es baja, hay un alto porcentaje de exoneraciones que erosionan la base imponible y los gastos de capital como porcentaje del PIB son relativamente bajos Todo lo anterior para estimar los multiplicadores fiscales, luego se estima el shock.

35 35 4. Shocks Impositivo y del Gasto sobre el PIB. Un shock fiscal se refiere a un aumento (disminución) exógeno de los impuestos o del gasto del gobierno, que no es anticipado por el sector privado. El no ser un cambio predecible o anticipado, es de gran relevancia cuando se desea emplear la política fiscal como herramienta para suavizar fluctuaciones de corto plazo y aliviar las consecuencias de otro tipo de shocks que pueda presentar la economía, ya que los planes de gasto e impuestos del gobierno, son internalizados en las decisiones de inversión y ahorro de las familias. Para determinar la respuesta del producto ante un shock fiscal, se elaboran funciones de impulso respuesta (FIR), a partir del VAR estructural en su forma matricial. 4.1 Shock Impositivo. Conforme a la propuesta de Blanchard y Perotti (2002), el orden del sistema de ecuaciones es importante, de acuerdo al shock que se va a aplicar primero. Por tanto, la primera ecuación del sistema es determinada por el shock a aplicar; como se trata de un shock impositivo, la primera ecuación será la de los ingresos T t, luego la de G t y X t, con un sistema de ecuaciones como el siguiente: T t = a 1 x t + a 2 ε t g + ε t t G t = b 1 x t + b 2 ε t t + ε t g X t = c 1 t t + c 2 g t + ε t x Al ser un shock impositivo se supone que: a 2 = 0, b 1 = 0 y b 2 se estima. La formulación en términos matriciales queda así: Matriz A Vect. error Matriz B Vect. Shock 1 0 a c 1 c 2 1 u t t u t g u t x = b ε t t ε t g ε t x Los valores de los coeficientes son: a 1 = 1. 25, c 1 = c 2 =

36 36 En Eviews se crean las matrices del sistema de ecuaciones con los coeficientes estimados de a 1, c 1 y c 2 ; obteniendo la matriz A y B descrita en las tablas N 5 y N 6, que a continuación se presenta: Tabla N 5 Matriz A Last updated: 08/10/18-14:44 Last updated: 08/10/18-14: Tabla N 6 Matriz B Last updated: 08/10/18-15:15 Last updated: 08/10/18-15: na Shock del Gasto De acuerdo a Blanchard y Perotti, cuando el shock es en el gasto la posición de la ecuación G t pasa a ocupar el primer lugar, luego T t y X t, para un sistema de ecuaciones como el que a continuación se tiene. G t = b 1 x t + b 2 ε t t + ε t g T t = a 1 x t + a 2 ε t g + ε t t X t = c 1 t t + c 2 g t + ε t x Al ser un shock de gasto se supone: a 2 se estima, b 1 = 0 y b 2 = 0.

37 37 Lo que en términos matriciales es dado por: Matriz C Vect. error Matriz D Vect. Shock g u t g ε t 0 1 -a1 t u t = a t ε t -c 2 -c 1 1 x u t x ε t Los valores de los coeficientes son: a 1 = 1. 25, c 1 = c 2 = Se crea las matrices C y D, con ayuda de Eviews, que se tienen en las tablas 7 y 8: Tabla N 7 Matriz C Last updated: 08/13/18-10:33 R R R Tabla N 8 Matriz D Last updated: 08/13/18-10: na