Page 23 - IDITEC 2020

Nº 9 – Año 2020 IDITEC ISSN: 2525-1597

puede aplicar un modelo empírico VAR, lo cual se realiza en la siguiente sección. Además, siguiendo a
Bertola y Drazen en los datos del caso de Argentina se encuentra que el consumo privado y consumo
público se mueven en forma muy parecida (ver apéndice, sección A), por lo que sería correcto aplicar la
metodología del VAR.

4. MODELO EMPÍRICO Y RESULTADOS
Debido a que se busca caracterizar los efectos de gastos de gobierno e impuestos sobre el producto y
consumo privado, la utilización de un modelo VAR sería adecuada ya que para estimar los efectos de una
variable es necesario incluir la otra. Los modelos VAR presentan algunas características que los hacen
especialmente adecuados para estimar efectos a medio y largo plazo de políticas públicas. Permiten tener
en cuenta cómo cambios en una variable influye sobre el comportamiento de otras en el corto, medio y
largo plazo. Esto tiene una importancia clave cuando se intenta estimar el impacto de determinadas
políticas fiscales debido a que, como consecuencia de que se produce un cierto retardo entre la decisión
política (aumentar impuestos, reducir inversión, etc.), su implementación, y su impacto económico, puede
ocurrir que los efectos producidos en el corto plazo sean de magnitud y/o signos distintos a los obtenidos
al considerar un mayor periodo de tiempo. Además, en los modelos VAR se consideran como endógenas
todas las variables incluidas y por tanto todas están interrelacionadas. Así, las variables referentes al gasto
público afectan al producto, a los precios y también a la recaudación impositiva, y a su vez el producto va
a incidir sobre la inflación y también sobre el volumen de gasto público e impuestos, y éstos también
inciden sobre el PIB, los precios y el gasto público, efectos todos ellos que se producen en el tiempo.

En el trabajo se utiliza el enfoque planteado por Blanchard y Perotti (2002), en el que se incluye las
variables referidas al gasto público y a los impuestos y dado que ambas variables que afectan al PIB y al
consumo no son independientes una de la otra, implica que para estimar los efectos producidos sobre el
producto y consumo privado por una de ellas es también necesario incluir la otra. De esta forma, el
modelo empírico considera las siguientes variables: gasto de gobierno: Gt (GG), recaudación de
impuestos netos de subsidios Rt (R), consumo privado Ct (C) y producto Yt (PBI), donde todas estas
variables están medidas en millones de pesos a precios de 1993 y ajustadas estacionalmente. (En el
apéndice A se detallan las series y las fuentes de datos). Las series del producto, consumo y de gastos de
gobierno en general presentan una tendencia creciente. La Recaudación Nacional de impuestos muestra
una proporción del PBI estable para la última década, siendo su valor promedio para el período 1970.1-
2003.2 de 17.3%.

El primer paso para estimar un modelo VAR es estudiar la estacionariedad de las series empleadas.
Utilizando el test de raíces unitarias de Dickey-Fuller (apéndice B) se encontró que las variables PBI, GG,
C y R son estacionarias I(0) alrededor de una tendencia lineal, por lo que es conveniente estimar el
modelo VAR en niveles. Luego, para determinar la especificación del modelo se presentan los siguientes
análisis. El test de rezagos óptimos presentado en el apéndice C, concluye que el número de rezagos de
las variables endógenas que deben incluirse en el modelo son 2. En el apéndice D se presentan los tests de
causalidad de Granger y en la siguiente tabla se muestran los valores p para el test de Wald para la
hipótesis nula de que el conjunto de los coeficientes de los rezagos de cada variable es nulo:
Variable Dependiente
Regresor
PBI C GG R
PBI - 0.005 0.0619 0.2857
C 0.3087 - 0.6964 0.4516
GG 0.5577 0.6370 - 0.2187
R 0.0620 0.2185 0.2958 -
Se observa que el PBI ayuda a pronosticar al consumo y al gasto de gobierno y que la recaudación
impositiva ayuda a pronosticar al PBI.
En el apéndice E se presenta la descomposición de las varianzas para cada una de las variables con un
horizonte de pronóstico de hasta 1 año o 4 trimestres. En el caso del PBI los shocks sobre las variables
PBI, C, GG y R explican el 96.5%, 0.82%, 0.97% y 1.71% respectivamente de la varianza de sus
pronósticos 4 trimestres hacia delante. En el caso de C los shocks sobre las variables PBI, C, GG y R
explican el 75.08%, 22.38%, 0.99% y 1.54% respectivamente de la varianza de sus pronósticos 4
trimestres hacia delante. En el caso del GG los shocks sobre las variables PBI, C, GG y R explican el
61.64%, 24.09%, 12.90% y 1.37% respectivamente de la varianza de sus pronósticos 4 trimestres hacia
delante. En el caso de R los shocks sobre las variables PBI, C, GG y R explican el 8.33%, 1.86%, 2.95%
y 86.86% respectivamente de la varianza de sus pronósticos 4 trimestres hacia delante. A partir de estas

20