Upload
others
View
21
Download
0
Embed Size (px)
Citation preview
Ciclos economicos en Bolivia:fluctuaciones sectoriales y regionales
Pablo Cuba Borda*
Department of EconomicsUniversity of [email protected]
Luis Gonzales CarrascoInstituto de Economıa
Pontificia Universidad Catolica de [email protected]
13 de octubre de 2011
[Version preliminar para comentarios]
Resumen
La dinamica de los ciclos economicos regionales y sectoriales en Bolivia y su in-
teraccion con la actividad economica agregada no han sido explorados por falta de
informacion adecuada. Aprovechando una metodologıa reciente para la construccion
de series trimestrales que no se producen con informacion primaria, damos un primer
paso en caracterizar las regularidades empirıricas de los ciclos departamentales para el
perıodo 1980:1 - 2009:4. Extendemos nuestro analisis al estudio de los ciclos economicos
por actividad economica a nivel nacional y complementamos nuestros resultados con un
modelo de ciclos reales con fluctuaciones sectoriales. Encontramos que el ciclo departa-
mental esta altamente sincronizado con el ciclo del producto nacional y que los choques
que generan las fluctuaciones regionales se transmiten de manera asimetrica entre de-
partamentos. En cuanto al ciclo sectorial encontramos regularidades similares. Creemos
que el mecanismo que esta detras de las diferencias en la volatilidad del ciclo departa-
mental tiene que ver con la flexibilidad de los mercados laborales y la composicion de
la actividad sectorial.
Keywords: Ciclos economicos, Metodo Generalizado de Momentos, Modelos de ciclos
reales, Economıa Boliviana.
JEL Classification: —*Agredecemos los valiosos comentarios y sugerencias de XXXXX
1
1. Introduccion
Desde 2004, Bolivia esta experimentado un cambio considerable tanto en el ciclo polıti-
co como economico observado en la identificacion de sus potencialidades y estrategias de
desarrollo economico, e.g. Jemio (2010). La tradicional discusion de apuestas de desarrollo
de sectores productivos se ha conjugado con la dinamica creciente y cada vez mas acentua-
da de las tres regiones en las cuales se circunscribe los nueve departamentos: los andes que
agrupa La Paz, Oruro y Potosı ; los vallles, Cochabamba, Chuquisaca y Tarija; y el llano
con Santa Cruz, Beni y Pando. En este escenario, las pugnas redistributivas tanto de ad-
ministracion polıtica derivada en la discusion autonomica y la distribucion de los ingresos
obtenidos de recursos naturales como hidrocarburos, recursos minerales, tierras de cultivo,
sectores de deforestacion, reservas acuıferas y la transicion de la mano de obra hacia los cen-
tros urbanos mas poblados engrosando las actividades avocadas a los servicios plantean tres
preguntas importantes: 1)Cuales son las caracterısticas del ciclo economico departamental y
sectorial?; 2)Como se relaciona el ciclo economico de los departamentos y los sectores con el
ciclo economico nacional? y finalmente 3)Que shocks son responsables de las dinamicas del
ciclo economico y los comovimientos de los componentes ciclicos?.
En este trabajo analizamos la volatilidad los compontentes cıclicos a nivel sectorial y
departamental con respecto al nivel de producto total. Para este proposito el enfoque cıclico
de las series es abordado sobre las series departamentales y por actividad economica trimes-
tralizadas en Gonzales (2010) para el periodo 1980:1 a 2009:4 descomponiendo en primera
instancia el cıclo y la tendencia y luego calculando los momentos muestrales del ciclo a
traves del Metodo Generalizado de Momentos (GMM), lo que nos permite establecer errores
estandar para realizar inferencia sobre las regularidades empıricas. En estas tres decadas se
han encarado diversos cambios estructurales en el sistema economico boliviano y es de espe-
cial interes entender cual es el comportamiento sectorial y departamental en cada proceso.
La mayor de la crisis observadas en el periodo de analisis es la del tercer trimestre de 1983
y 1986 cuando las tasas de crecimiento cayeron a su menor nivel, registrando un crecimiento
negativo de -2.1 %. La caıda abrupta del precio de los minerales, tasas de interes externas
elevadas, una expansion del gasto traducida en hiperinflacion y la escasez de reservas fueron
los detonantes para la mayor de las crisis en este periodo.
Posteriormente, y con las reformas de estabilizacion descritas en Morales and Sachs (1987),
la economıa empieza un proceso de recuperacion con tasas de crecimiento promedio entre
3 % y 4 % hasta 1999, ano en que son perceptibles algunos efectos de la crisis asiatica en la
economıa. De igual manera, es importante destacar que los primeros anos de la ultima decada
2
Figura 1: Ciclos Economicos en Bolivia 1
log(
y)
Fechas de recesión hasta 2006 unicamente
1990 1992 1994 1996 1998 2000 2002 2004 2006 200815.1
15.2
15.3
15.4
15.5
15.6
15.7
15.8
RecesiónTendenciaPIB
estuvieron marcados por conflictos sociales ligados a la explotacion y comercializacion de los
recursos naturales que desenvocaron en una crisis polıtica profunda donde, entre muchos
aspectos, la discusion de autonomıas regionales y apropiacion de recursos locales fue un
componente determinante en la discusion de polıtica economica (figura 1).
Bolivia, al igual que las economıas de la region, centra su actividad economica en acti-
vidades extractivas como minerıa e hidrocarburos. Pese a los esfuerzos de diversificacion y
capitalizacion de otros sectores productivos a mediados de los 90’s, la concentracion en estos
sectores marco el polo de desarrollo de las regiones que cuentan con estos recursos. El dina-
mismo de la economıa boliviana se puede resumir en el comportamiento de sus tres centros
economicos mas importantes: El departamento de La Paz (que incluye la ciudad de El Alto),
Cochabamba y Santa Cruz que cuentan con las urbes mas pobladas y caracterizan las tres
regiones explicadas anteriormente.
De igual manera, y con igual importancia, se destaca las dinamicas de crecimiento que han
tenido en especial en los ultimos nueve anos departamanetos como Chuquisaca, Tarija, Oruro
1La areas sombreadas corresponden a perıodos identificados como recesiones utilizando los puntos de giroy la metodologıa de indicadores lıderes descrita en Gonzales (2008)
3
y Potosi. Resultado de la bonanza de precios internacionales de hidrocarburos en el caso de
los valles y minerales en el caso de la region andina. Beni y Pando si bien han presentado
dinamicas volatiles en la decada de los 80’s en los ultimos veinte anos han tenido un patron de
crecimiento estable apegado al caracter agropecuario de la regıon. De esta manera, se podrıa
comprender de mejor manera la participacion, crecimiento e incidencia en la produccion total.
Observando el cuadro 4, la participacion de las actividades economicas en el producto a
lo largo de las tres decadas no ha variado significativamente. Sin embargo, se observa una
importante tendencia creciente de participacion en el sector Minerales Metales y no Metales
comandado principalmente por el mayor crecimiento de la minerıa que tuvo un crecimiento
promedio de 14.4 % en los ultimos 5 anos mejorando el promedio negativo del periodo 1998-
2003.
En la estructura del producto, los sectores con mayor participacion son los intensivos en
mano de obra: Agricultura, Manufactura y Servicios que en promedio tienen una participacion
13.4 % y los intensivos en capital: Minerıa, Hidrocarburos y Transporte que representan 11.4 %
del total. Una de las primeras impresiones al momento de analizar los datos muestra que los
sectores intensivos en capital son los que tiene mayor incidencia tanto en el auge 2004-2009
contribuyendo 1.1 puntos porcentuales en promedio al crecimiento y en las rescesiones cayendo
en promedio en 1 punto porcentual como entre el 1981-1985.
Observando la empleabilidad de los factores productivos llama la atencion que sectores
con participacion en el producto como Agricultura y Manufactura hayan tenido tasas de cre-
cimiento menores al 3 % explicando este comportamiento con la expansion del sector publico
que paso de tasas negativas de crecimiento entre 1981 y 1991 a un crecimiento promedio de
4.2 % en los ultimos 5 anos, lo que evidencia el crecimiento del aparto estatal en la economıa.
Una aproximacion a la explicacion de las crisis de los 80’s y finales de los 90’s esta marcada
en principio por la caıda en el crecimiento de la minerıa (-10.8 %) y la construccion (-5.5 %).
Mientras que en los 90’s, se debe exclusivamente al problema de precios internacionales de
la minerıa. La simetrıa entre periodos de desaceleracion es similar a las de expansiones. Por
ejmeplo, en los periodos de mayor crecimiento 1992-1997 y 2004-2009, los sectores intensivos
en capital son los que marcan la tendencia. El sector petroleo crecio 5.2 % en la primera
etapa y 6.3 % en la segunda instancia. La construccion es el sector de mayor volatilidad ya
que en los perıodos de auge marco un crecimiento de 6.4 % y 8.8 % y en las resceciones su
crecimiento esta entorno a tasas negativas y apenas diferentes de cero entorno al 0.3 %.
Contrasatando la dinamica sectorial con la dinamica regional se corrobora el comporta-
miento de la actividad departamental en las tres regiones. En el cuadro 3, se observa que
4
aproximadamente entre el 65 % y 70 % del producto esta concentrado en La Paz, Cocha-
bamba y Santa Cruz. De igual manera, el departamento que aumento su participacion en el
producto es Tarija pasando de 5 % al doble a fin del periodo y, que tanto Oruro y Potosı, son
los que disminuyeron su participacion pese a ser departamentos netamente mineros.
Es importante mencionar que hay una alternacia interesante en epocas de crisis y cre-
cimiento en los departamentos, ya que cuando el total esta en rescesion Chuquisaca y Co-
chabamba, que en promedio representan un cuarto del producto total, pasan a liderar el
crecimiento explicando 0.2 puntos porcentuales del crecimiento esto entre 1981-1985 y con-
tribuyendo casi 1 punto porcentual en periodos de crecimiento. Obteniendo una conjetura
preliminar sobre la naturaleza idiosincratica de los choques.
El resto del documento esta organizado de la siguiente manera. La seccion 2 presenta una
breve revision de la literatura. La seccion 3 describe la metodologıa para la trimestralizacion
de las series del producto departmental. En la cuarta seccion presentamos la metodologıa
estadıstica para el analisis de los ciclos y una corta descripcion del metodo generalizado de
momentos (GMM)2 que utilizamos para la estimacion. En la quinta seccion presentamos
los resultados del analisis de co-movimiento de los ciclos sectoriales y departamentales. En la
seccion 6 desarrollamos un modelo simple de ciclos basado en choques sectoriales y realizamos
un ejercicio numerico. Finalmente la seccion 7 presenta nuestras conclusiones y observaciones
finales.
2. Revision de la Literatura
Desde principios de los 80’s los modelos de ciclos economicos (RBC) han ganado mu-
cho campo en la investigacion economica empleandolos para un sin fin de aplicaciones en la
comparacion de datos reales con la generacion de informacion artificial. Como define Lucas
(1980), los RBC tienen el proposito de hacer una evaluacion de polıtica economica con mo-
delos que logren, en alguna medida, explicar la complejidad real por medio de abstracciones
cuantitativas que minimicen los costos de evaluacion e impacto social para la implementacion
de polıticas economicas que aumenten el bienestar de los ciudadanos.
En este contexto y como senala Rebelo (2005) las tres primeras ideas introducidas en
Kydland and Prescott (1982) sobre i) la posibilidad del estudio de cıclos economicos por
medio de modelos de equilibrio dinamico, ii) la posibilidad de unificacion de la teorıa del
crecimiento precisando que los modelos de cıclos economicos deben tener una consistencia en
2Por sus siglas en ingles
5
el largo plazo y iii) la posibilidad de la comparacion de los regularidades empıricas con los
datos generados por el modelo, permiten el empleo de esta metodologıa para ampliar en este
contexto el estudio de shocks regionales y sectoriales en el agregado como es el caso de este
estudio.
En Bolivia, el trabajo sobre ciclos economicos propuesto por Antelo (1995) inicia la dis-
cusion en el tema analizando y exhibiendo los co-movimientos de variables reales mediantes
un sistema de Vectores Autorregresivos (VAR). Antelo (1995) resalta que son persistentes
los shocks de produccion en las variables reales analizadas y que afectan su comovimiento,
si bien la aproximacion de este enfoque no responde a los modelos RBC debido a que no
desemboca en una especificacion estructural, la evidencia hallada es valida en funcion a que
abarca parte inicial del periodo de analisis de este trabajo.
A mas de una decada, los trabajos de Meneses (2009) y Valdivia and Yujra (2009) en-
tregan aproximaciones formales al empleo de modelos RBC como forma de modelacion de la
economıa boliviana. De igual manera, la propuesta de calibracion de parametros bayesiana
para un modelo simple a nivel agregado son las contribuciones mas importantes pese a la
existencia importante de supuestos de comportamiento que restringuen su comparabilidad
con otros estudios.
El trabajo de Vargas (2010), comprendido en el periodo 1990 a 2006, es un aporte de este
tipo de modelos que propone la agragacion del sector fiscal en la modelacion y la incorporacion
de cuatro shocks estocasticos: productividad, crecimiento del dinero, consumo de gobierno y
variacion en alıcuotas impositivas. Consigue evidenciar el moderamiento de la volatilidad del
producto y confirma la persistencia de los shocks propuesta primeramente por Antelo (1995).
Mas recientemente Machicado, Estrada, and Flores (2010) y Aliaga, Villegas, and Rubin de
Celis (2011), continuan la senda iniciada por Vargas (2010) explorando las caracteristicas del
cıclo economico con regularidades en el comportamiento de la polıtica fiscal y la imposicion
de transferencias y expansion de gasto junto a las implicancias de la inversion tanto publica
y privada que permiten ampliar el ambito de la discusion en cuanto al crecimiento economico
y el bienestar en Bolivia.
En este contexto, el aporte del presente trabajo a la literatura en discusion viene marcado
en tres ambitos: 1) El empleo y calculo de series de alta frecuencia trimestral por sectores y
regiones desde el primer trimestre de 1980, al igual que las presentadas por Gonzales (2010),
ampliando el analisis con la incorporacion de la crisis de inicios de los 80’s. Una caracteristica
no menor de los trabajos citados es la restriccion y disponibilidad de datos ya que a excepcion
de Antelo (1995), con series anuales, los demas trabajos emplean datos trimestrales para el
6
periodo 1990.1 a 2009.4. 2) El segundo ambito, el enfoque sectorial, permite contrastar los
resultados de trabajos anteriores analızan el comportamiento de las actividades de produccion
con la posibilidad de observacion y desagregacion de los sectores y su relacion con dinamicas
locales y externas.
De la misma forma, y elaborando una primera aproximacion al comportamiento economi-
co regional y la discusion de administraciones autonomicas 3) el ambito regional en el que
se inscribe este documento entrega resultados de regularidades empıricas de los nueve depar-
tamentos que permiten el analisis del comportamiento de las regiones en fases del ciclo de
auge como el comprendido entre marzo de 1993 a diciembre de 1999 o diciembre de 2005 a
diciembre del 2009. En contraste, las crisis experimentadas en marzo de 1981 y diciembre
de 1986 o marzo de 1991 y diciembre de 1992, son algunos de los episodios en que con di-
ferente volatilidad las regiones responden con dinamicas propias heredadas de su actividad
productiva.
3. Metodologıa de trimestralizacion de cuentas nacio-
nales
Una de las primeras restricciones que se enfrenta al momento de analizar los shocks
sectoriales de Bolivia es la disponibilidad de la informacion en alta frecuencia. Para superar
este obstaculo se emplea la metodologıa explicada por Gonzales (2010) obteniendo de tal
manera las series en forma trimestral y permitiendo la observacion de eventos en lapsos de
tiempo mas cortos.
Se asume que el periodo anual se divide en k periodos intra-anuales y que ademas estos
k periodos deben ser necesariamente enteros, vale decir que no se cuentan periodos relativos
al interior del ano.
Considerando que la serie de interes cubre un periodo de m anos y cuenta con n = mk
valores, sus componentes son representados en un vector z = {z1, z2, z3, , zn}. Por otro lado,
se asume que existe una serie de m valores con los totales anuales y, se la representa como
y = {y1, y2, y3, , ym}.
El problema planteado trata de ajustar el vector z de la forma mas reducida para obtener
un vector x = {x1, x2, x3, , xm} por un metodo que:
Minimice la distorsion de la serie original en alguna medida
7
Cumpla la condicion aditiva de los k periodos interanuales igualando a la observacion
anual total.
Denton (1971) especifica la siguiente funcion de penalidad p(x, z) y plantea la eleccion
minimizando de la misma de la siguiente manera:
Tk∑(t−1)k+1
xt = yT T = 1, 2, . . . ,m (1)
La funcion de penalidad es representada por (x − z)′A(x − z) que expresa la diferencia
cuadratica entre la serie original y la serie ajustada. A es una matriz no singular simetrica
de dimension nxn como se muestra mas adelante.
Se considera la minimizacion del problema con esta ecuacion de penalidad propuesta en
el lagrangiano:
L = (x− z)′A(x− z)− 2λ′(y −B′x) (2)
Donde λ es igual a:
λ = [λ1, λ2, . . . , λm]′ (3)
La matriz B es definida como la matriz transicion en la cual la frecuencia es ajustada a
los datos, en este caso de forma trimestral. La matriz A es una matriz identidad que permite
que se este minimizando la suma de cuadrados de las diferencias de los valores observados y
estimados.
Por otro lado, la solucion de penalizacion y minimizacion es obtenida a partir de la
derivacion de L en (2) con respecto a x y λ igualandolas a cero para posteriormente resolver
el sistema. Asimismo, el vector de discrepancia entre y y z es expresado como r = y − B′zsimplificando la solucion con:
(x
λ
)=
(A B
B′ 0
)−1(A 0
B′ I
)(z
r
)(4)
En (4) la matriz I es la matriz identidad mxm y 0 es la matriz nula de mxm. Resolviendo
8
se tiene que:
x = z + Cr (5)
donde:
C = A−1B(B′A−1B)=1 (6)
Evidenciando que los valores ajustados son iguales a los valores originales ajustados por
una combinacion lineal de las discrepancias de los totales anuales. Logrando de esta manera
resolver el problema planteado al encontrar un vector que minimiza la discrepancia entre la
serie objetivo y referencia.
3.1. Trimestralizacion del PIB departamental
Los datos disponibles para esta estimacion son unicamente publicados en forma anual en
el caso de la produccion departamental. Para el PIB nacional se cuenta con una serie oficial
publicada por el Instituto Nacional de Estadıstica (INE) desde 1990 en frecuencia anual y
trimestral.
Son dos las fuentes de referencia para la construccion de las series anuales departamenta-
les. La unidad de Analisis de Polıtica Social y Economica (UDAPE) publica en los primeris
anos de su compendio estadıstico el PIB departamental para Bolivia en frecuencia anual y
presenta a su vez en frecuencia trimestral el producto interno bruto agregado desde marzo
de 1980 hasta diciembre de 1989. Esta serie esta expresada en millones de bolivianos de 1980
para lo cual se efectua un proceso de empalme de series de datos y ası poder estandarizar las
series a precios de 1990.
La otra fuente de informacion es la publicada por el INE, que presenta las series departa-
mentales en forma anual y las series del producto agregado en frecuencia trimestral y anual.
Cabe resaltar que ademas la informacion del INE cuenta con la posibilidad de desagregacion
de tipo de actividad en el caso de las series tanto trimestrales como anuales de producto
nacional; y solamente la disponibilidad del producto por tipo de gasto para el PIB nacional
en frecuencia anual y trimestral.
La tecnica de empalme y estandarizacion de la base de comparacion intertemporal es
hecha a traves de los cambios trimestre a trimestre de las series a precios constantes. Esto
debido a que se observa un alta dinamica de aceleracion de los precios en la epoca de los 80’s
9
marcados por la hiperinflacion de 1985-86.
Tanto en el cuadro 6 como en el cuadro 7 se comprueba la robustez de los datos despues
de la aplicacion del algorıtmo de trimestraliozacion ya que sus momentos de distribucion son
insesgados y respetan tanto tendencia, ciclo y nivel de las series originales, habilitandolos con
los requerimiento de agregacion en caso de una composicion anual. De igual manera, y como
otro criterio de evaluacion de las series, se observa la presencia de raiz unitaria mediante el test
ADF concluyendo que son estacionarias en diferencias propiedad importante en la modelacion
dinamica. En el cuadro 8 y cuadro 9 se muestra los resultados del test concluyendo que las
series trimestrales tanto sectoriales como departamentales son integradas de orden uno.
4. Metodologıa para el analisis de comovimientos
En esta seccion analizamos las propiedades estadısticas del componente cıclico del produc-
to a nivel departamental y por sectores de actividad economica. Para extraer el componente
cıclico de la serie (yt) utilizamos el filtro Hodrick and Prescott (1997) (HP) para calcular el
componente tendencial yτt y construimos el componente cıclico yct como el residuo:
yct = yt − yτt (7)
Donde yτt satisface:
mınyτt
{T∑t=0
(yt − yτt )2 + λT∑t=0
[(yτt+1 − yτt )− (yτt − yτt−1)
]2}(8)
El parametro λ controla el grado de no-linealidad del componente tendencial. Con λ→∞la tendencia es lineal. Utilizamos un valor de λ = 1600 consistente con datos en frecuencia
trimestral.
Si bien el filtro HP ha sido cuestionado debido a que el parametro λ = 1600 que se
utiliza con frecuencia en el estudio de ciclos economicos en los Estados Unidos puede no
reflejar la verdadera amplitud del ciclo cuando el filtro se aplica a otras economıas. Una
alternativa es estimar el parametro λ de manera endogena como en Marcet and Ravn (2003),
sin embargo mantenemos λ = 1600 y presentamos resultados complementarios usando los
filtros propuestos por Christiano and Fitzgerald (2003) (CF) y Baxter and King (1995) (BK).
10
Filtros CF y BK
Los filtros (CF) y (BK) son dos versiones que implementan una aproximacion al filtro
de bandas (band-pass) optimo, para lo cual las series son transformadas y analizadas en su
dominio de frecuencia. La ventaja de los filtros de bandas es que elimina movimientos de alta
y baja frecuencia en las series, y por lo tanto pueden remover fluctuaciones de caracter tran-
sitorio. Para ambos filtros removemos fluctuaciones que tienen una frecuencia menor a 4.5
trimetres y mayores a 32 trimestres. El filtro BK ademas de remover las mismas frecuencias
que el filtro CF, tambien suaviza las series usando ventanas moviles de 12 trimestres. Los re-
sultados obtenidos con estos filtros son presentados en la siguiente seccion para complementar
los resultados obtenidos con el filtro HP.
Una vez obtenido el componente cıclico podemos pasar a estudiar sus caracterısticas
utilizando la metodologıa de Kydland and Prescott (1998) para describir las regularidades
empıricas del ciclo desde una perspectiva neoclasica. Nos interesan tres elementos fundamen-
tales:
1. La amplitud del ciclo en el sentido de cuan prolongados son los cambios en el nivel de
la actividad economica.
2. El grado de comovimiento entre el producto agregado y el producto a nivel sectorial y
departamental; en este sentido deseamos concentrar la mayor parte de nuestra atencion
para establecer la pro o contraciclicidad de la actividad en estos niveles y los mecanismos
que propagan sus fluctuaciones.
3. Por ultimo, el grado de adelantamiento o desface entre la produccion sectorial y depar-
tamental con respecto al producto total.
Para poder describir las regularidades utilizamos un procedimiento estadıstico basado en
los siguiente momentos:
Volatilidad
La desviacion estandar nos da una medida de la volatilidad del componente cıclico en el
sector o departamento correspondiente y el objetivo es reflejar la amplitud del ciclo economi-
co. Una serie con mayor volatilidad tiene fluctuaciones mas prolongadas ya que sus desvia-
ciones con respecto al componente tendencial son mayores.
σ(yc) =√(
E [yct − µyc ]2) (9)
11
Volatilidad Relativa
Para tener una referencia de la volatilidad entre sectores y departamentos con respecto
al componente cıclico del producto agregado definimos la volatilidad relativa como la razon
entre la volatilidad del componente cıclico del sector yc con respecto a la volatilidad del
componente cıclico del PIB total zc:
σ(yc, zc) =σ(yc)
σ(zc)(10)
Correlacion Cruzada
Para estudiar la ciclididad y el grado de desface entre los componentes cıclicos utilizamos
el coeficiente de correlacion cruzada de la serie xct con relacion al ciclo del PIB agregado zct
x(t+ j) ≡ ρ(xct , zct+j) =
Cov(xct , zct+j)
σ(xct)σ(zct+j)(11)
Para analizar el co-movimiento fijamos j = 0, si x(t) > 0 el ciclo de la serie xt se mueve
en la misma direccion que el ciclo agregado y la llamamos procıclica. En caso contrario si
x(t) < 0 la denominamos contracıclica.
Para medir el grado de adelantamiento miramos a j 6= 0 si el valor mas alto ocurre en
x(t− j) > 0 entonces la serie es procilica y se adelante al ciclo del producto j-perıodos. Si el
valor mas alto ocurre en x(t + j) > 0 entonces la serie es procıclica y esta rezagada con el
ciclo del producto en j-perıodos.
Debido a que vamos a estimar momentos poblacionales usando una muestra de datos, de-
bemos definir exactamente que significa que el estadıstico x(t+ j) sea diferente de cero. Para
esto calculamos errores estandar utilizando GMM. Consideramos que x(t + j) es significati-
vamente diferente de cero si el intervalo de confianza IC (x(t), sx) no incluye al numero cero
dentro de dos desviaciones estandar sx. A continuacion describimos brevemente el proceso
de estimacion.
4.1. Estimacion via GMM
La practica tradicional para calcular estadisticos de comovimientos se reduce a presentar
las contrapartes muestrales sin proveer una manera sistematica de evaluar la significancia
estadıstica de los valores obtenidos. Sin embargo, existen varias alternativas para calcular
12
la incertidumbre de dichos estadısticos. Por ejemplo, den Haan (1996) propone calcular co-
rrelaciones condicionales utilizando los errores de pronostico de un modelo VAR en forma
reducida. Alternativamente se puede generar una serie de estadısticos de comovimientos uti-
lizando tecnicas de dominio de frecuencia similares a las del filtro BK.
Nosotros preferimos aplicar el estimador GMM a la definicion estandar de los estadısticos
de comovimientos utilizados en la literatura, lo nos permite realizar una estimacion directa de
sus errores estandar. La principal ventaja radica en que no necesitamos modelar la estructura
dinamica de los componentes cıclicos o aproximar su dominio de frecuencia para extraer los
estadısticos de comovimientos. No solo la implementacion del estimador GMM es mas simple
sino que la estimacion es robusta a la naturaleza de heteroscedasticidad y autocorrelacion de
las series analizadas y no requiere de supuestos distribucionales.
Detalles del estimador GMM
El estimador GMM esta basado en la idea de explotar restricciones de ortogonalidad para
recuperar el valor de parametros poblacionales. En general podemos definir la condicion de
momento poblacional como:
E(h(θ, wt)) = 0 (12)
Donde la funcion h(θ, wt) es un vector r×1 de funciones de momentos poblacionales, θ es
un vector de a×1 parametros, y wt es un vector h×1 de observaciones obtenido en el periodo
t. Las condiciones de ortogonalidad en (12) se obtienen de las condiciones de momentos de
los estadısticos que deseamos calcular.
Podemos definir las condiciones de ortogonalidad muestrales como:
g(θ) =1
T
T∑t=1
h(θ, wt) (13)
Luego, utilizando (13) podemos aprovechar el simple hecho que los momentos muestrales
deberıan ser iguales a los momentos poblaciones cuando (13) esta evaluado en el verdadero
vector de parametros. El estimador GMM desarrollado por Hansen and Singleton (1982)
utiliza esta logica para estimar el vector de parametros θ a traves de la minimizacion de la
siguiente forma cuadratica.
mınθQ(θ) = g(θ)′Wg(θ) (14)
13
Donde W es una matriz de ponderaciones que ayuda a determinar la importancia de cada
una de las restricciones muestrales en la minimizacion de la funcion objetivo. Un resulta-
do importante discutido en Adda and Cooper (2003) indica que la eleccion de la matriz de
ponderaciones no afecta las propiedades de convergencia del estimador GMM. Sin embar-
go, Hansen and Singleton (1982) demuestran que existe una matriz de ponderaciones que
minimiza la varianza asintotica del estimador.
Un resultado util del estimador GMM es que el parametro θ tiene una distribucion asin-
totica normal, lo que nos permite implementar pruebas de hipotesis de manera directa. Para
obtener este resultado no es necesario realizar ningun supuesto auxiliar sobre la distribu-
cion del verdadero parametro poblacional lo que nos otorga un mayor grado de flexibilidad
y robustez al momento de realizar la estimacion. Para ser especıficos en la distribucion del
estimador GMM es:
θ ∼ N
(θ,
Σ
T
)(15)
En (15) Σ es el estimador muestral de la matriz de varianza-covarianza dado por: Σ =
(DW−1D′)−1. La matriz W es la matriz de ponderacion optima que debe ser estimada y
donde los vectores D pueden obtenerse a traves de su contraparte empırica:
D′ =∂g(θ)
∂θ′
∣∣∣∣θ=θ
(16)
Matriz de ponderacion optima (W)
Cuando el proceso generador de datos de (12) es independiente e identicamente distribui-
do, la matriz de podenraciones optimas esta dada por la inversa de la matriz de covarianza
asıntotica W = S−1. Un estimador consistente de esta matriz esta dado por:
S =1
T
T∑t=1
[h(θ, wt)h(θ, wt)′] (17)
Sin embargo para poder incorporar procesos generadores de datos que no cumplen con el
supuesto de Hansen y Singleton, se puede modificar el estimador de la varianza utilizando la
correccion propuesta por Newey-West:
14
S = Γ0 +
q∑v=1
[1− v
q + 1
](Γv + Γ′v
)(18)
Donde Γv = 1T
∑Tt=v+1[h(θ, wt)h(θ, wt−v)
′] es la matriz de autocovarianza muestral de
orden vth y q es el parametro de truncamiento que define el numero de rezagos optimos que
elimina la autocorrelacion en el proceso generador de datos.
Ilustracion
Si deseamos estimar un momento poblacional como la media µ de una serie para la cual
tenemos yt, t = 1, . . . T observaciones, podemos definir la siguiente funcion que define la
condicion de ortogonalidad para encontrar el parametro µ:
h(µ, yt) = µ− yt (19)
Entonces podemos escribir:
g(µ) ≡ 1
T
T∑t=1
h(µ, yt) = µ− 1
T
T∑t=1
yt (20)
Y podemos proceder a obtener un estimado del parametro µ explotando la condicion de
ortogonalidad µ− yt = 0.
5. Resultados
Esta seccion presenta el resultado de los comovimientos departamentales y regionales. An-
tes de proceder a la estimacion de los momentos del ciclo es necesario remover el componente
estacional de las series trimestrales. Para tal proposito utilizamos el programa informatico
X12-ARIMA provisto por el departamento de estadıstica de los Estados Unidos, (Census
Bureau). En la mayor parte de las series usamos una especificacion {(1 0 0)(0 1 1)}e incluimos efectos calendario comunes. Tambien realizamos la transformacion logarıtmica
antes de aplicar el filtro estacional. En cada serie primero identificamos valores extremos si
es necesario.
Una vez eliminado el efecto estacional utilizamos el filtro HP sobre la serie en logaritmos
para construir la tendencia. En el apedice la Figura 2 ilustra el componente cıclico de los
15
diferentes sectores de actividad con relacion al componente cıclico del producto, expresados
en desviaciones porcentuales con respecto a la tendencia de cada serie.
Tambien utilizamos los filtros CF y BK para extraer el ciclo de la actividad economica
sectorial y departamental. En la figura 3 se muestra una comparacion del componente cıclico
departamental obtenido con los tres filtros y la figura 4 presenta la comparacion para los
sectores de actividad economica. Visualmente se puede comprobar que el filtro HP presenta
mayor volatilidad que los filtros de bandas debido a que no esta disenado para remover
fluctuaciones de alta frecuencia. Sin embargo los tres filtros coinciden en capturar la dınamica
del ciclo en los diferentes departamentos y sectores. En este sentido creemos que nuestros
resultados no dependen crucialmente del tipo de filtro, hecho que verificamos al final de esta
seccion.
A continuacion presentamos los resultados del analisis de comovimientos usando como
referencia los ciclos obtenidos con el filtro HP. Posteriormente repetimos el ejercicio con los
otros dos filtros.
5.1. Resultados a nivel departamental
En el cuadro 1 presentamos un resumen de los resultados a nivel departamental. Lo
primero que hay que notar es la prociclidad del componente cıclico del producto regional con
el producto nacional. La correlacion contemporanea entre el componente cıclico del producto
departamental y nacional es positiva para todos los departamentos y claramente significativa
con excepcion de Beni. El departamento de Cochabamba presenta la respuesta contemporanea
mas fuerte, seguido de Santa Cruz y Oruro. Potosı y Pando presentan las respuestas de menor
magnitud, pero aun ası son significativas en el sentido estadadıstico usual.
En terminos de la fase del ciclo departamental casi todos los departamentos tiene un ciclo
coincidente con el del producto nacional. El ciclo del departamento de Beni, aparenta estar
rezagado entre dos o tres trimestres al ciclo del producto, sin embargo el coeficiente de corre-
lacion cruzada es apenas significativo. Este resultado es un tanto sorprendente porque a-priori
esperabamos encontrar que el ciclo economico de los departamentos cuya contribucion al cre-
cimiento del producto suele ser mayor muestren un cıclo economico adelantado al del PIB
nacional. Sin embargo, el hecho que no existe un patron de desfase cıclico estarıa indicando
la presencia de choques comunes que afectan a todas las regiones en similar direccion.
En cuanto a la volatilidad del componente cıclico departamental observamos lo siguiente.
Existen tres grupos de departamentos. Aquellos cuya volatilidad es bastante similar a la del
16
ciclo nacional, entre ellos Cochabamba que tiene la menor volatilidad tanto absoluta como
relativa, seguido por La Paz, Santa Cruz y por ultimo Chuquisica que presenta una volatilidad
aproximadamente 1.5 veces mayor a la volatilidad del ciclo del producto. El segundo grupo de
departamentos esta compuesto por Oruro, Potosı y Tarija con un componente cıclico que es
aproxidamente dos veces mas volatil que el componente cıclico agregado, por ejemplo Tarija
tiene un ciclo que es es 2.4 veces mas volatil que el nacional. El ultimo grupo, en el que se
encuentran Beni y Pando, se caracteriza por tener el componente cıclico mas volatil. Con
una desviacion estandar tres veces mayor a la del componente cıclico de Bolivia.
Cuadro 1: Ciclo economico a nivel departamentos: 1980.1 - 2009.4
Correlacion cruzada
Variable (x) a SD( %) b Relativa c x(-1) x x(+1)Bolivia 1.916 1 -0.12 1 -0.12
(0.267) (0) (0.144) (0) (0.144)Chuquisaca 2.91 1.518 -0.107 0.652 -0.061
(0.327) (0.165) (0.087) (0.093) (0.097)La Paz 2.479 1.294 -0.208 0.633 -0.216
(0.2) (0.127) (0.146) (0.091) (0.148)Cochabamba 1.949 1.017 -0.25 0.835 -0.259
(0.263) (0.055) (0.131) (0.046) (0.115)Oruro 3.785 1.975 0.053 0.671 0.12
(0.283) (0.236) (0.109) (0.055) (0.118)Potosi 4.648 2.425 -0.021 0.504 0.059
(0.631) (0.207) (0.073) (0.094) (0.095)Tarija 4.642 2.422 0.14 0.603 0.127
(0.358) (0.367) (0.121) (0.065) (0.123)Santa Cruz 2.524 1.317 -0.069 0.789 -0.065
(0.334) (0.143) (0.162) (0.059) (0.159)Beni 6.099 3.183 -0.153 0.122 -0.276
(1.157) (0.653) (0.07) (0.187) (0.094)Pando 6.126 3.197 0.034 0.334 -0.099
(0.849) (0.422) (0.086) (0.129) (0.089)
a Todos los momentos fueron estimados utilizado el metodo GMM.Los numeros en parentesis son los errores estandar calculados usan-do el metodo delta.
b Desviacion estandarc Corresponde a la desviacion estandar de la serie (x) con relacion a
la serie del PIB agregado.
Los resultados anteriores son interesantes porque nos dan una nocion sobre los mecanismos
de transmicion de los choques a nivel de los departamentos. Por una parte los departamento
17
mas grandes presentan cıclos economicos menos volatiles. Mientras que los mas pequenos
tienen un componente cıclico hasta tres veces mayor que el del producto nacional. Hay dos
posibles explicaciones que podemos ofrecer. Primero, si los choques que afectan a los depar-
tamentos son de caracter idiosincratico, entonces los departamentos mas grandes estarıan
expuestos a perturbaciones mas pequenas y quiza menos frecuentes. Esto podrıa estar re-
lacionado a la composicion de su actividad economica y el tamano relativo de los sectores
productivos en cada departamento. Sin embargo, la presencia de choques idiosicraticos no es
suficiente para explicar el comovimiento contemporaneo en el ciclo de los departamentos, a
no ser que exista algun mecanismo de transmisicion a traves de la estructura de correlacion
de dichas innovaciones.
La segunda hipotesis, es la presencia de choques agregados que afectan a todos los depar-
tamentos de manera simultanea, lo cual es consistente con los resultado previos con respecto a
la concordancia de los ciclos departamentales. Sin embargo, estos choques agregados se trans-
miten de manera asimetrica a los diferentes departamentos. Esto significa que debe existir un
mecanismo de amplificacion que genere heterogeneidad en el dinamica del producto regional.
De no ser ası un choque agregado deberıa afectar el componente cıclico no solo en la misma
direccion sino tambien en magnitudes similares. Dado que observamos que la volatilidad del
ciclo es diferenciada entre grupos de departamentos nos preguntamos, Que elemento del en-
torno puede ser responsable de amplificar fluctuaciones agregadas?, nuestra conjetura es que
el canal responsable de esta asimetrıa es el mercado laboral. Por ejemplo, en los departa-
mentos mas grandes con sectores productivos mas articulados y diversos, el mercado laboral
deberıa ser mas eficiente y por lo tanto podrıa absorber fluctuaciones agregadas con mayor
facilidad y por lo tanto reducir la volatilidad del componente cıclico. Por el contrario, en
departamentos mas pequenos, en los cuales los sectores productivos se encuentran concentra-
dos en pocas actividades y donde los mercados laborales tienen menor densidad no podran
responder facilmente a cambios en la productividad de la economıa y por lo tanto sus ciclos
deberıan ser mas volatiles como observamos en los datos. Cuan relevante es el mecanismo que
hemos descrito y cual es la verdadera naturaleza de las fluctuaciones departamentales es una
pregunta cuantitativa que dejamos abierta para futuras investigaciones, pero que tratamos
de explorar superficialmente en la siguiente seccion.
5.2. Resultados a nivel sectorial
Proseguimos el analisis a nivel de los diferentes sectores de actividad economica. Utiliza-
mos la clasificacion del INE y seguimos la presentacion existente en las cuentas nacionales
18
por tipo de actividad economica. En el cuadro 2 presentamos los momentos estimados para
el componente cıclico de los diferentes sectores a nivel nacional. Estas series son elaboradas
directamente por el INE y no fueron sometidas al algoritmo de trimestralizacion. Sin embar-
go, las series de PIB por actividad economica bien pueden utilizarse para construir cuentas
trimestrales por actividad economica para cada departamento; hemos realizado este paso
pero reservamos los resultados para un analisis complementario que se viene realizando.
Cuadro 2: Ciclo economico a nivel sectorial: 1980.1 - 2009.4
Correlacion cruzada
Variable (x) a SD( %) c Relativa b x(-1) x x(+1)PIB 1.916 1 -0.12 1 -0.12
(0.267) (0) (0.144) (0) (0.144)Agricultura 3.768 1.966 -0.003 0.332 -0.049
(0.692) (0.416) (0.132) (0.067) (0.117)Minerales Met.& no Met. 7.765 4.052 0.046 0.393 0.146
(0.96) (0.487) (0.077) (0.087) (0.085)Petroleo 4.766 2.487 0.065 0.54 0.094
(0.451) (0.408) (0.103) (0.069) (0.104)Mineria 4.87 2.541 0.08 0.587 0.169
(0.584) (0.221) (0.081) (0.071) (0.097)Manufactura 2.631 1.373 -0.121 0.592 -0.252
(0.272) (0.16) (0.12) (0.099) (0.106)Electricidad 2.572 1.342 -0.226 0.579 -0.233
(0.246) (0.158) (0.131) (0.069) (0.145)Construccion 6.949 3.626 0.027 0.384 0.093
(1.025) (0.643) (0.101) (0.103) (0.124)Comercio 4.083 2.13 -0.131 0.38 -0.116
(0.8) (0.456) (0.131) (0.14) (0.104)Transporte 2.566 1.339 -0.083 0.756 -0.063
(0.286) (0.146) (0.196) (0.043) (0.188)Serv. Adm. Pub 4.191 2.187 -0.078 0.483 -0.025
(0.945) (0.269) (0.09) (0.122) (0.112)
a Todos los momentos fueron estimados utilizado el metodo GMM. Los numerosen parentesis son los errores estandar calculados usando el metodo delta.
b Desviacion estandarc Corresponde a la desviacion estandar de la serie (x) con relacion a la serie del
PIB agregado.
A nivel de sectores de actividad tambien encontramos que los diferentes sectores son en su
mayorıa procıclicos. La respuesta contemporanea mas fuerte se presenta en el sector de trans-
porte, seguido por manufactura, minerıa, electricidad y petroleo. Los sectores de agricultura,
19
comercio y construccion tiene una respuesta mas moderada. En terminos de volatilidad del
componente cıclico resalta lo siguiente, las actividades primarias como las extractivas tienen
un componente cıclico que presenta mayor variabilidad que actividades menos dependientes
en la utilizacion de recursos naturales (e.g. manufactura). La volatilidad relativa del sector de
minerıa es 2.5 veces que la del producto totall un resultado similar se observa en el sector de
extraccion de petroleo. Cuando se considera ambos sectores combinados (petroleo y minerıa)
la volatilidad en el componente cıclico de las actividades extractivas es hasta 4 veces mayor
que la del ciclo nacional. El sector de construccion se coloca en segundo lugar en terminos de
volatilidad relativa, con un ciclo que es aproximadamente 3.5 veces mas volatil que el ciclo
agregado. Los sectores menos volatiles son el sector de transporte, manufactura y electrici-
dad. Los sectores de agricultura, comercio y administracion publica tienen una volatilidad
intermedia con un componente cıclico hasta dos veces mas volatil que el ciclo del producto.
Los resultados evidencian que los ciclos sectoriales estan sigficativamente coordinados
con el cıclo agregado y que existe dispersion en terminos de la volatilidad. Nuevamente cabe
preguntarse que tipos de choques estan detras de esta dinamica? La presencia de un solo
choque agregado bien podrıa explicar los movimientos contemporaneos mas no podrıa dar
una explicacion con respecto a las diferencias en la volatilidad relativa. Si consideramos la
presencia de choques sectoriales podrıamos pensar que sectores como minerıa y petroleo estan
sujetos a choques mas volatiles, lo que explicaria la magnitud de sus fluctuaciones relativas.
Para poder desentranar la naturaleza de estos choques y determinar su relevancia empırica
es necesario usar un modelo que incorpore ambos elementos.
Resumen
En su conjunto los resultados a nivel sectorial y departamental resaltan dos hechos im-
portantes sobre el ciclo economico. Primero, las fluctuaciones cıclicas son considerables en
todos los departamentos y en todos los sectores, resalta la mayor volatilidad en departamen-
tos pequenos y en sectores de la actividad extractiva y la construccion. Esto implica que
existe una vulnerabilidad intrınseca de la economıa a los movimientos cıclicos originados es
estas dimensiones. Como se observa en los cuadros 4 y 5 la estructura economica del paıs en
terminos de produccion y empleo no ha cambiado sustancialmente en los ultimos 30 anos.
En segundo lugar, con una estructura productiva dependiente de la extraccion de mate-
rias primas los cambios cıclicos en estos sectores se amplifican y transmiten al resto de la
economıa. Por otra parte, el crecimiento del empleo en el sector de la construccion genera una
mayor vulnerabilidad debido a la volatilidad de la actividad economica en este sector. Los
sectores con menor volatilidad como el de manufactura, ofrecen un mecanismo para reducir
20
la vulnerabilidad de la economıa ante las fluctuaciones economicas. La falta de diversifica-
cion de las actividades generadoras de empleo es una fuente de inestabilidad que no puede
pasarse por alto. El canal a traves del cual se transmiten los choques sectoriales y sus efectos
dependen primordialmente de la composicion de la actividad economica.
5.3. Robustez
Filtros alternativos
Uno de los elementos que podrıa invalidar nuestra caracterizacion de los ciclos departa-
mentales y sectoriales es el uso del filtro para extraer el componente cıclico de las series.
Repetimos los ejercicios utilizando los dos filtros Christiano-Fitzgerald (CF) y Baxter-King
(BK). Primero notamos que el filtro HP recupera un cıclo mas volatil, sin embargo captura
los mismos perıodos de contraccion y expansion que los filtros de bandas figuras 3 y 4.
Para ayudar a la comparacion visual de los resultados en la figura 11 presentamos las
volatilidades relativas de los componentes cıclicos con respecto al producto usando los tres
filtros descritos en este estudio. El panel (a) contiene las volatilidades relativas del ciclo
departamental con respecto al ciclo agregado. La volatilidad relativa capturada con el filtro
CF es mucho mayor con respecto a los resultados obtenidos con el filtro HP y BK. Por
ejemplo, se concluye que el ciclo de La Paz es dos veces mas volatil que el ciclo del producto
cuando se usa el filtro CF, mientras que el filtro HP nos indicarıa que es aproximadamente
1.2 veces mas volatil. Sin embargo, la caracterizacion cualitativa se mantiene con cualquier de
los filtros. Los departamentos del eje troncal (Cochabamba, La Paz, Santa Cruz) son menos
volatiles que los departamentos extractivos (Oruro, Potosı, Tarija), quedando Pando y Beni
como los mas volatiles.
En el panel (b) presentamos los resultado de volatilidad relativa para el ciclo sectorial.
Nuevamente los resultados son similares independientemente del filtro que sea utilizado. Los
sectores de construccion, minerıa, petroleo y agricultura son los de mayor volatilidad relativa.
Mientras que los sectores de manufacturas, electricidad y transporte presentan una volatilidad
relativa considerablemente menor.
De igual manera repetimos el ejercicio de estimacion de comovimientos utilizando los com-
ponentes cıclicos obtenidos con los filtros alternativos. En las figuras 5, 6 y 7 presentamos las
correlaciones cruzadas del ciclo departamental con el componente cıclico del producto agre-
gado. Para facilitar el analisis presentamos bandas de confianza a dos desviaciones estandar
calculadas usando el estimador GMM. Los resultados con los filtros CF y BK capturan el
21
mismo comovimiento y coincidencia contemporanea en todas las series. La unica excepcion
ocurre cuando usamos el filtro CF con el departamento de Beni y encontramos que su ciclo
esta claramente rezagago entre 3 a 4 trimestres con el ciclo del producto. Este resultado no
se obtiene tan claramente cuando utilizamos el filtro HP o el filtro BK.
Por ultimo repetimos el ejercicio para el analisis de los ciclos sectoriales. Las figuras 8, 9
y 10 presentan las correlaciones cruzadas del ciclo sectorial con el del producto agregado. Los
resultados con los filtros CF y BK son cualitativamente similares a los obtenidos con el filtro
HP. Todos los sectores presentan un comovimiento contemporaneo y procıclico. La mayor
diferencia ocurre al identificar el desfase en el sector de manufactura. Los resultados del filtro
HP indican que este sector responde de manera procıclica y contamporanea, sin embargo
cuando usamos el filtro CF obtenemos que el ciclo de manufacturas rezaga al ciclo agregado
en tres o cuatro trimestres y tiene una respuesta contracıclica. Lo que nos estarıa indicando
que el sector manufacturas reacciona con mayor lentitud con respecto a movimientos en la
actividad agregada, sin embargo resulta contra intutitivo pensar que la actividad de este
sector se mueve en direccion opuesta a la del ciclo del producto agregado. El filtro BK genera
el mismo restultado que el filtro HP, un sector de manufacturas procıclico y con respuesta
contemporanea significativa al ciclo agregado.
Perıodo de analisis
La segunda dimension en la cual verificamos la solidez de nuestros resultados es la se-
leccion de la muestra. Debido a que el perıodo 1980-1990 incluye una variedad de eventos
extremos, siendo la hiperinflacion de 1982-1985 el episodio mas conocido. Nos preocupa que
la volatilidad generada durante esta etapa sea lo suficientemente fuerte como para ser la
princicpal causa de la dispersion en terminos de volatilidad relativa que documentamos para
los sectores y departamentos.
Por otra parte la inestabilidad polıtica y el proceso de ajuste hacia una economıa de
mercado inducen una serie de fluctuaciones adicionales en la actividad economica que no
necesariamente corresponden al ciclo economico que se observa normalmente. Procedemos
a repetir el analisis para el subperiodo 1990:1 - 2009:4. Los resultado generales se mantie-
nen virtualmente inalterados. Los cuadros 12 y 13 presentan los resultados detallados de la
estimacion de los momentos de interes y las correlaciones cruzadas para dicho subperiodo.
Como era de esperar, las volatilidad de los componentes cıclicos es mucho menor una vez que
se remueven las observaciones del perıodo 1980-1989. La desviacion estandar del producto
agregado disminuyo aproximadamente 0.4 puntos porcentuales. Sin embargo la volatilidad
relativa al ciclo del producto aumento para la mayorıa de los departamentos con excepecion
22
de Cochabamba. Esto se debe a que urante el subperiodo 1990-2009, la volatilidad de los
departamentos no se redujo tanto como la volatilidad del ciclo del producto agregado.
6. Un Modelo de Ciclos Reales con Productividad Sec-
torial
En esta seccion construimos un modelo simple de fluctuaciones economicas impulsadas por
choques de productividad sectorial. Nuestro objetivo es el de proveer un marco analıtico para
entender las fuerzas detras de los movimientos sectoriales y poder reconciliar la teorıa con las
regularidades empıricas que presentamos en la seccion anterior. Procedemos de la siguiente
manera, primero presentamos los detalles del modelo y luego realizamos un ejercicio numeri-
co para analizar si el mecanismo de choques sectoriales puede reproducirse observando los
datos. El objetivo no es crear un modelo completo de la actividad sectorial, sino simplemente
estudiar un posible mecanismo de transmision y amplificacion del ciclo economico.
Para analizar la importancia de los shocks sectoriales al ciclo economico, modificamos el
modelo de ciclos reales (RBC) para incorporar dos sectores cuyo capital es diferenciado y
que la productividad en cada sector evoluciona de manera separada. La produccion total es
igual a la suma de la produccion en cada uno de los sectores: yt = y1t + y2
t , donde yi denota
la produccion del sector i de la economıa.
Asumimos que la tecnologıa en cada sector es la misma, la unica diferencia entre sectores
es la evolucion de la productividad sectorial lo que ocasionara que cada sector acumule un
nivel de capital diferente. En esta version de dos sectores para facilitar la notacion denotamos
los diferentes tipos de capital como kt y ht. La funcion de producion en cada sector es Coob-
Douglas aumentada por una variable de productividad sectorial que evoluciona exogenamente
θit.
y1t = f(kt, θ
1t ) = θ1
t kαt (21)
y2t = f(ht, θ
2t ) = θ2
thαt (22)
Consideremos el problema del planificador central de esta economıa en la que no existen
impuestos ni participacion del gobierno.
23
max{ct,kt+1,ht+1}∞t=0
E0
∞∑t=0
βtlog(ct) (23)
s.t.
ct + kt+1 + ht+1 = (1− δ)(kt + ht) + θ1t k
αt + θ2
thαt (24)
logθ1t+1 = ρ1logθ1
t + ε1t+1 (25)
logθ2t+1 = ρ2logθ2
t + ε2t+1 (26)
εi ∼ N(0, σ2i ) i = 1, 2
En este modelo sin distorciones es facil mostrar la equivalencia entre la solucion del
planificador central y el de la economıa descentralizada, lo que facilita la caracterizacion de
las condiciones de equilibrio.
Podemos re-escribir el problema secuencial en forma recursiva:
V (k, h; Θ) = maxc,k+,h+
{u(c) + βEΘ+|ΘV (k+, h+; Θ+)
}(27)
s.t. c+ k+ + h+ = (1− δ)(k + h) + θ1kα + θ2hα (28)
Las condiciones de primer orden de este problema son estandar:
k+ : −u′(c) + βEΘ+|ΘVk(k+, h+; Θ+) = 0 (29)
h+ : −u′(c) + βEΘ+|ΘVh(k+, h+; Θ+) = 0 (30)
Las condiciones Benveniste-Scheinkman con respecto a las variables de estado endogenas
son similares a las del modelo neoclasico de un solo sector:
Vk(k, h; Θ) = u′(c)[1− δ + f ′(k, θ1)
](31)
Vh(k, h; Θ) = u′(c)[1− δ + f ′(h, θ2)
](32)
Combinando las expresiones (31) y (32) con las condiciones de primer orden obtenemos
24
dos ecuaciones de Euler que controlan las decisiones de acumulacion intertemporal de capital
en cada sector de la economıa:
u′(c) = βEΘ+|Θu′(c+)
[1− δ + f ′(k+, θ1,+)
](33)
u′(c) = βEΘ+|Θu′(c+)
[1− δ + f ′(h+, θ2,+)
](34)
De las ecuaciones (33) y (34) se observa que en equilibrio el retorno esperado, dado por
el producto marginal del capital, en cada sector debe ser el mismo; de no ser ası existiran
posibilidades de mover capital entre sectores que generarıan un mayor nivel de producto.
Dada la evolucion de las variables exogenas, el equilibrio en esta economıa queda carac-
terizado por las expresiones (33), (34) y (28).
6.1. Resultado ejercicio numerico
[A Completar]
7. Conclusiones
En este documento estudiamos las caracterısticas del ciclo econonomico de Bolivia a nivel
de departmentos y sectores de actividad economica. Las series del PIB departamental fueron
construidas en base a las cuentas nacionales publicadas por el INE y series de referencia
de frecuencia trimestral. Tambien aplicamos la metodologıa estandar para el analisis de ci-
clos economicos en base al estudio de correlaciones cruzadas y momentos de segundo orden,
refinamos la estimacion de estos estadısticos utilizando el estimador GMM. A nivel depar-
tamental nuestro principal resultado es la estrecha respuesta contemporanea entre el ciclo
departamental y el ciclo del PIB. Por otra parte encontramos evidencia de que la trasmicion
de las fluctuaciones cıclicas entre departamentos es asımetrica. A nivel sectorial evidenciamos
un resultado similar, la mayorıa de los sectores de actividad economica responden contem-
poraneamente a las fluctuaciones del PIB total. Por otra parte, el componente cıclico de
los sectores extractivos y de materias primas presentan una volatidad mucho mayor que la
del producto. Interpretamos este resultado como una vulnerabilidad a traves de la cual los
ciclos sectoriales se transmiten al resto de la economıa. La menor volatilidad del sector ma-
25
nufactura nos indica que la mejor alternativa para reducir la volatilidad de la economıa es la
diversificacion de la produccion y las actividades generadoras de empleo en Bolivia.
26
Referencias
Adda, J. and R.W. Cooper. 2003. Dynamic economics: quantitative methods and applications.
The MIT Press.
Aliaga, J., H. Villegas, and R. Rubin de Celis. 2011. “Ciclos economicos e inversion en
Bolivia.” Tech. rep., Instituto de investigacion Socioeconomicas.
Antelo, Eduardo. 1995. “Ciclos Economicos Reales en Bolivia.” Tech. rep., Unidad de Analisis
de Politicas Sociales y Economicas (UDAPE).
Baxter, M. and R. King. 1995. “Measuring Business Cycles Approximate Band-Pass Filters
for Economic Time Series.” NBER Working Papers .
Christiano, L. and T Fitzgerald. 2003. “The Band pass filter.” International Economic
Review .
den Haan, W.J. 1996. “The comovements between real activity and prices at different business
cycle frequencies.” Working Paper 5553.
Denton, F.T. 1971. “Adjustment of monthly or quarterly series to annual totals: an approach
based on quadratic minimization.” Journal of the American Statistical Association :99–
102.
Gonzales, L.E. 2008. “Sistema de Indicadores Lıderes en Bolivia.” Documento de trabajo,
Unidad de Analisis de Politicas Sociales y Economicas (UDAPE).
———. 2010. “Trimestralizacion de la serie del PIB departamental y mensualizacion de
la seri PIB nacional de Bolivia.” Tech. rep., Unidad de Analisis de Politicas Sociales y
Economicas (UDAPE), La Paz, Bolivia.
Hansen, L.P. and K.J. Singleton. 1982. “Generalized instrumental variables estimation of
nonlinear rational expectations models.” Econometrica: Journal of the Econometric Society
:1269–1286.
Hodrick, R.J. and E.C. Prescott. 1997. “Postwar US business cycles: an empirical investiga-
tion.” Journal of Money, Credit, and Banking :1–16.
Jemio, L.C. 2010. “Ciclos politicos y ciclos economicos en America Latina.” Tech. rep.,
institute for advanced development studies.
Kydland, F.E. and E.C. Prescott. 1982. “Time to build and aggregate fluctuations.” Econo-
metrica: Journal of the Econometric Society :1345–1370.
27
———. 1998. “Business cycles: real facts and a monetary myth.” Real business cycles: a
reader .
Lucas, R. 1980. “Methods and problems in Business Cycle Theory.” Tech. Rep. 12/80,
Journal of money, credit and banking.
Machicado, C.G., P. Estrada, and X. Flores. 2010. “Public expenditure policy in Bolivia:
Growth and welfare.” Tech. Rep. 04/10, Institute for Advanced Development Studies.
Marcet, A. and M.O. Ravn. 2003. “The HP-Filter in Cross-Country Comparisons.” Working
Paper Department of Economics and Business Universitat Pompeu Fabra .
Meneses, M. 2009. “Fluctuaciones macroeconomicas y mecanismos de propagacion un test
de ciclos economicos en la economıa boliviana.” Tech. rep., Banco Central de Bolivia.
Morales, J.A. and J.D. Sachs. 1987. “Bolivia’s Economic Crisis.” Tech. Rep. 07/87, Instituto
de Investigaciones Socio Economicas.
Rebelo, S. 2005. “Real Business Cycle models: Past, Present and Future.” Tech. rep.,
Northwestern University, NBER y CEPR.
Valdivia, D. and P. Yujra. 2009. “Identificacion de ciclos economicos en Bolivia.” Documento
de trabajo, 2do Encuentro de Economistas(BCB).
Vargas, J.P. 2010. “Analisis del crecimiento y ciclos economicos: Una aplicacion general para
Bolivia.” Tech. Rep. 13, Banco Central de Bolivia.
28
Apendice
Cuadro 3: Estructura, crecimiento e incidencia del producto departamental de Bolivia
Participacion promedio ( %)
Bolivia CHU LPZ CBA ORU PTS TJA SCZ BNI PND
1980-1985 100 6.5 28.9 17.0 7.8 8.5 4.9 23.1 2.9 0.41986-1991 100 6.9 27.8 18.0 5.5 6.0 5.1 26.1 4.0 0.71992-1997 100 5.7 27.5 17.8 5.9 5.5 5.0 28.1 3.7 0.81998-2003 100 5.3 24.0 17.9 6.1 5.1 6.1 30.8 3.8 0.92004-2009 100 4.8 23.6 16.6 5.2 5.7 10.0 29.6 3.6 1.0
Crecimiento promedio ( %)
Bolivia CHU LPZ CBA ORU PTS TJA SCZ BNI PND
1981-1985 -2.1 0.6 -2.0 1.0 -8.6 -7.4 -2.1 -0.7 -0.3 3.51986-1991 3.2 2.4 2.8 2.1 2.9 3.7 4.8 5.2 6.8 10.61992-1997 4.3 1.5 2.0 5.5 7.7 0.8 6.0 7.3 3.9 8.01998-2003 2.4 1.5 2.7 1.6 -2.1 3.6 9.8 1.8 2.2 3.92004-2009 4.6 3.6 4.1 3.2 7.4 10.4 8.9 3.5 3.9 5.5
Incidencia promedio ( %)
Bolivia CHU LPZ CBA ORU PTS TJA SCZ BNI PND
1981-1985 -1.93 0.04 -0.58 0.17 -0.67 -0.63 -0.10 -0.16 -0.01 0.011986-1991 3.64 0.16 0.78 0.38 0.16 0.22 0.24 1.35 0.27 0.071992-1997 4.67 0.09 0.54 0.97 0.46 0.04 0.30 2.06 0.14 0.061998-2003 2.32 0.08 0.65 0.28 -0.13 0.18 0.60 0.55 0.08 0.042004-2009 4.77 0.17 0.97 0.53 0.39 0.59 0.89 1.03 0.14 0.05
29
Cuad
ro4:
Est
ruct
ura
,cr
ecim
iento
ein
ciden
cia
del
pro
duct
op
orac
tivid
adec
onom
ica
Part
icip
aci
on
pro
medio
(%
)
PIB
Agr
cM
et-N
oMet
Pet
Min
Man
fE
lec
Con
stC
omT
ran
Fin
Ser
A.P
Otr
s
1980
-198
510
013
.812
.53.
98.
716
.71.
34.
17.
57.
211
.216
.29.
419
86-1
991
100
15.8
9.5
4.3
5.2
16.5
1.6
3.1
8.6
9.1
10.5
10.6
14.7
1992
-199
710
015
.19.
94.
15.
816
.81.
93.
48.
710
.011
.09.
513
.619
98-2
003
100
14.3
9.4
4.8
4.6
16.5
2.0
3.6
8.4
10.9
13.4
9.1
12.4
2004
-200
910
014
.011
.36.
44.
816
.92.
02.
98.
210
.811
.49.
013
.6C
reci
mie
nto
pro
medio
(%
)
PIB
Agr
cM
et-N
oMet
Pet
Min
Man
fE
lec
Con
stC
omT
ran
Fin
Ser
.A.P
Otr
s
1981
-198
5-2
.12.
7-6
.91.
9-1
0.8
-5.6
4.3
-5.5
0.6
4.0
-2.7
-3.6
6.9
1986
-199
13.
23.
12.
93.
03.
44.
55.
4-0
.26.
25.
10.
9-3
.66.
819
92-1
997
4.3
3.2
3.7
5.2
2.7
3.9
8.1
6.4
3.5
6.2
7.3
3.1
1.9
1998
-200
32.
42.
62.
25.
7-1
.02.
32.
50.
21.
83.
33.
22.
83.
520
04-2
009
4.6
2.0
9.4
6.3
14.4
5.2
4.0
8.8
4.4
4.9
3.2
4.2
3.9
Inci
denci
apro
medio
(%
)
PIB
Agr
cM
et-N
oMet
Pet
Min
Man
fE
lec
Con
stC
omT
ran
Fin
Ser
.A.P
Otr
s
1981
-198
5-1
.90.
4-0
.90.
1-0
.9-0
.90.
1-0
.20.
10.
3-0
.3-0
.60.
719
86-1
991
2.9
0.5
0.3
0.1
0.2
0.7
0.1
-0.0
0.5
0.5
0.1
-0.4
1.0
1992
-199
74.
10.
50.
40.
20.
20.
70.
20.
20.
30.
60.
80.
30.
319
98-2
003
2.5
0.3
0.2
0.3
-0.1
0.4
0.1
0.0
0.1
0.4
0.4
0.3
0.4
2004
-200
94.
60.
41.
10.
40.
70.
90.
10.
30.
40.
40.
40.
40.
5
30
Cuad
ro5:
Est
ruct
ura
,cr
ecim
iento
del
emple
oy
pro
duct
ivid
adm
edia
por
acti
vid
adec
onom
ica
Part
icip
aci
on
pro
medio
porc
entu
al
del
em
ple
o
Tot
alE
mple
oA
grc
Met
-NoM
etM
anf
Ele
cC
onst
Com
Tra
nF
inSer
.A.P
1980
-198
510
045
.34.
59.
20.
43.
37.
95.
60.
922
.919
86-1
991
100
43.7
2.8
7.5
0.2
3.3
9.6
5.9
1.3
25.7
1992
-199
710
042
.72.
39.
90.
25.
611
.85.
72.
319
.519
98-2
003
100
35.5
2.2
11.7
0.3
6.9
16.2
6.0
2.9
18.2
2004
-200
910
029
.71.
312
.50.
48.
021
.35.
63.
118
.1C
reci
mie
nto
pro
medio
(%
)
Tot
alE
mple
oA
grc
Met
-NoM
etM
anf
Ele
cC
onst
Com
Tra
nF
inSer
.A.P
1981
-198
53.
02.
0-1
.3-4
.51.
0-2
.59.
25.
67.
87.
019
86-1
991
3.0
3.5
1.7
8.9
3.4
16.6
4.1
0.7
19.2
-2.4
1992
-199
72.
6-1
.52.
66.
16.
35.
810
.47.
25.
42.
719
98-2
003
2.7
-1.7
9.2
4.9
17.3
8.4
9.6
1.1
7.2
2.1
2004
-200
95.
00.
54.
76.
27.
08.
55.
13.
29.
710
.3C
reci
mie
nto
pro
medio
(%
)
Pro
dct
vdd
Med
iaA
grc
Met
-NoM
etM
anf
Ele
cC
onst
Com
Tra
nF
inSer
.A.P
1981
-198
5-4
.5-1
.5-5
.90.
32.
6-3
.1-1
1.4
-1.0
-1.2
-10.
819
86-1
991
-1.9
-1.0
5.6
-5.2
2.8
-8.9
-0.7
4.1
-15.
25.
619
92-1
997
1.3
4.6
3.1
-1.6
6.1
4.5
-6.3
0.2
-0.3
2.1
1998
-200
35.
34.
87.
1-1
.7-5
.3-1
1.3
-6.7
2.2
-1.6
0.7
2004
-200
9-5
.92.
67.
6-0
.4-2
.61.
8-1
.50.
50.
6-6
.9
31
Cuadro 6: Tasas de crecimiento promedio anual por departamento
Series trimestralizadas
1980-1985 1986-1991 1992-1997 1998-2003 2004-2006
Bolivia Desagregado -1.916 2.749 4.096 2.474 4.282Chuquisaca 1.056 2.204 0.534 1.460 3.476La Paz -2.875 2.409 3.292 1.506 2.329Cochabamba 1.637 1.335 4.966 1.418 3.746Oruro -8.359 0.890 6.470 0.050 0.603Potosi -5.122 -0.022 1.292 3.015 2.051Tarija -2.855 5.030 4.164 8.481 18.246Santa Cruz -0.528 4.561 5.359 3.414 3.521Beni 0.500 6.061 2.880 2.538 4.319Pando 5.781 9.310 5.337 5.453 5.286
Series observadas
1980-1985 1986-1991 1992-1997 1998-2003 2004-2006
Bolivia Original -2.017 1.790 4.113 2.473 4.303Chuquisaca 1.056 2.204 0.534 1.460 3.476La Paz -2.875 2.409 3.292 1.506 2.329Cochabamba 1.637 1.335 4.966 1.418 3.746Oruro -8.359 0.890 6.470 0.050 0.603Potosi -5.122 -0.022 1.292 3.015 2.051Tarija -2.855 5.030 4.164 8.481 18.246Santa Cruz -0.528 4.561 5.359 3.414 3.521Beni 0.500 6.061 2.880 2.538 4.319Pando 5.781 9.310 5.337 5.453 5.286Bolivia Desagregado 0.101 0.959 -0.017 0.001 -0.021Err. Agregacion 5.003 3.438 0 0 0
32
Cuadro 7: Calidad de las series trimestralizadas
Desagregado Uma Usb Ucc MSE d
Bolivia 0.002241 0.000072 0.000734 0Chuquisaca 0.000052 0.000034 0.001421 0La Paz 0.000001 0.000000 0.001211 0Cochabamba 0.004040 0.000005 0.000471 0Oruro 0.009800 0.000191 0.004910 0Potosi 0.007111 0.000141 0.003671 0Tarija 0.000088 0.000845 0.006921 0Santa Cruz 0.000001 0.000080 0.001651 0Beni 0.008611 0.000748 0.007831 0Pando 0.005721 0.002321 0.010111 0
a Proporcion de Sesgob Proporcion de la Varianzac Proporcion de la Covarianzad Error cuadratico medio MSE = 1
T−1
∑Tt=2(ρt −
at)2 ρt = xt
zt−1− 1 at = zt
zt−1− 1
33
Cuadro 8: Test ADF de raız unitaria (p-values)
Sectores economicos
Constante Constante y TendenciaNiveles Primeras Dif. Niveles Primeras Dif. Conclusion
PIB 1.00 0,00∗∗∗ 0.90 0,00∗∗∗ I(1)Agrc 0.99 0,00∗∗∗ 0.02 0,00∗∗∗ I(1)Met-NoMet 0.36 0,01∗∗ 0.57 0,01∗∗ I(1)Pet 0.88 0,00∗∗∗ 0.53 0,00∗∗∗ I(1)Min 0.99 0,00∗∗∗ 0.79 0,00∗∗∗ I(1)Manf 1.00 0,00∗∗∗ 0.33 0,00∗∗∗ I(1)Elec 0.99 0,00∗∗∗ 0.91 0,00∗∗∗ I(1)Const 0.93 0,00∗∗∗ 0.54 0,00∗∗∗ I(1)Com 0.99 0,00∗∗∗ 0.51 0,00∗∗∗ I(1)Tran 1.00 0,00∗∗∗ 0.93 0,00∗∗∗ I(1)Ser. A. P. 0.94 0,00∗∗∗ 0.97 0,00∗∗∗ I(1)
Rechazo de hipotesis nula al ***1 %,**5 % y *10 %
Cuadro 9: Test ADF de raız unitaria (p-values)
Regiones
Constante Constante y TendenciaNiveles Primeras Dif. Niveles Primeras Dif. Conclusion
CHU 1.00 0,00∗∗∗ 0.97 0,00∗∗∗ I(1)LPZ 0.99 0,00∗∗∗ 0.92 0,00∗∗∗ I(1)CBA 0.99 0,00∗∗∗ 0.83 0,00∗∗∗ I(1)ORU 0.93 0,00∗∗∗ 0.36 0,00∗∗∗ I(1)PTS 0.95 0,09∗∗ 0.96 0,02∗∗ I(1)TJA 0.99 0,01∗∗ 0.90 0,01∗∗∗ I(1)SCZ 0.99 0,00∗∗∗ 0.21 0,00∗∗∗ I(1)BNI 0.97 0,00∗∗∗ 0.00 0,00∗∗∗ I(1)PND 0.99 0,00∗∗∗ 0.12 0,00∗∗∗ I(1)
Rechazo de hipotesis nula al ***1 %,**5 % y *10 %
34
Cuad
ro10
:C
iclo
econ
omic
oa
niv
eldep
arta
men
tos:
1980
.1-
2009
.4(D
etal
lado)
Cor
rela
cion
cruza
da
Var
(x)
SD
(%
)R
elat
ive
x(-
5)x(-
4)x(-
3)x(-
2)x(-
1)x
x(+
1)x(+
2)x(+
3)x(+
4)x(+
5)B
oliv
ia1.
916
10.
090.
07-0
.072
0.22
1-0
.12
1-0
.12
0.22
1-0
.072
0.07
0.09
(0.2
67)
(0)
(0.0
73)
(0.0
77)
(0.1
15)
(0.1
23)
(0.1
44)
(0)
(0.1
44)
(0.1
23)
(0.1
15)
(0.0
77)
(0.0
73)
Chuquis
aca
2.91
1.51
8-0
.051
-0.0
43-0
.122
0.11
1-0
.107
0.65
2-0
.061
0.19
30.
047
0.19
0.22
1(0
.327
)(0
.165
)(0
.106
)(0
.117
)(0
.063
)(0
.135
)(0
.087
)(0
.093
)(0
.097
)(0
.1)
(0.1
23)
(0.1
05)
(0.0
97)
La
Paz
2.47
91.
294
0.07
40.
033
-0.0
860.
082
-0.2
080.
633
-0.2
160.
043
-0.1
66-0
.043
-0.0
01(0
.2)
(0.1
27)
(0.1
09)
(0.0
99)
(0.0
87)
(0.0
97)
(0.1
46)
(0.0
91)
(0.1
48)
(0.1
22)
(0.0
98)
(0.0
79)
(0.0
71)
Coch
abam
ba
1.94
91.
017
0.07
10.
023
-0.1
450.
114
-0.2
50.
835
-0.2
590.
1-0
.149
0.03
20.
075
(0.2
63)
(0.0
55)
(0.0
51)
(0.0
61)
(0.1
35)
(0.1
12)
(0.1
31)
(0.0
46)
(0.1
15)
(0.1
36)
(0.1
09)
(0.0
78)
(0.0
7)O
ruro
3.78
51.
975
-0.0
160.
001
-0.0
240.
156
0.05
30.
671
0.12
0.25
70.
068
0.09
70.
086
(0.2
83)
(0.2
36)
(0.0
85)
(0.0
91)
(0.0
79)
(0.1
13)
(0.1
09)
(0.0
55)
(0.1
18)
(0.0
97)
(0.0
97)
(0.0
87)
(0.0
79)
Pot
osi
4.64
82.
425
-0.0
67-0
.049
-0.0
910.
076
-0.0
210.
504
0.05
90.
223
0.10
70.
185
0.19
1(0
.631
)(0
.207
)(0
.099
)(0
.099
)(0
.081
)(0
.126
)(0
.073
)(0
.094
)(0
.095
)(0
.104
)(0
.107
)(0
.074
)(0
.077
)T
arij
a4.
642
2.42
20.
065
0.11
0.10
60.
264
0.14
0.60
30.
127
0.21
80.
028
0.00
7-0
.011
(0.3
58)
(0.3
67)
(0.0
84)
(0.0
8)(0
.075
)(0
.087
)(0
.121
)(0
.065
)(0
.123
)(0
.088
)(0
.08)
(0.0
72)
(0.0
68)
San
taC
ruz
2.52
41.
317
0.1
0.07
8-0
.036
0.19
5-0
.069
0.78
9-0
.065
0.20
3-0
.043
0.05
40.
056
(0.3
34)
(0.1
43)
(0.0
59)
(0.0
56)
(0.1
37)
(0.0
94)
(0.1
62)
(0.0
59)
(0.1
59)
(0.1
1)(0
.119
)(0
.071
)(0
.079
)B
eni
6.09
93.
183
0.18
40.
155
0.03
80.
079
-0.1
530.
122
-0.2
76-0
.126
-0.1
72-0
.031
0.03
7(1
.157
)(0
.653
)(0
.103
)(0
.104
)(0
.106
)(0
.112
)(0
.07)
(0.1
87)
(0.0
94)
(0.1
55)
(0.0
99)
(0.0
99)
(0.0
9)P
ando
6.12
63.
197
0.06
0.09
50.
054
0.20
70.
034
0.33
4-0
.099
-0.0
4-0
.167
-0.1
04-0
.109
(0.8
49)
(0.4
22)
(0.1
15)
(0.1
06)
(0.1
16)
(0.0
82)
(0.0
86)
(0.1
29)
(0.0
89)
(0.1
18)
(0.0
69)
(0.0
94)
(0.1
02)
aT
odos
los
mom
ento
sfu
eron
esti
mad
osut
iliza
doel
met
odo
GM
M.L
osnu
mer
osen
pare
ntes
isso
nlo
ser
rore
ses
tand
arca
lcul
ados
usan
doel
met
odo
delt
a.b
Des
viac
ion
esta
ndar
cC
orre
spon
dea
lade
svia
cion
esta
ndar
dela
seri
e(x
)co
nre
laci
ona
lase
rie
del
PIB
agre
gado
.
35
Cuad
ro11
:C
iclo
econ
omic
op
orse
ctor
de
acti
vid
ad19
80.1
-20
09.4
(Det
alla
do)
Cor
rela
cion
cruza
da
Var
(x)
SD
(%
)R
elat
ive
x(-
5)x(-
4)x(-
3)x(-
2)x(-
1)x
x(+
1)x(+
2)x(+
3)x(+
4)x(+
5)P
IB1.
916
10.
090.
07-0
.072
0.22
1-0
.12
1-0
.12
0.22
1-0
.072
0.07
0.09
(0.2
67)
(0)
(0.0
73)
(0.0
77)
(0.1
15)
(0.1
23)
(0.1
44)
(0)
(0.1
44)
(0.1
23)
(0.1
15)
(0.0
77)
(0.0
73)
Agr
ic3.
768
1.96
6-0
.037
-0.0
23-0
.095
0.15
7-0
.003
0.33
2-0
.049
-0.0
06-0
.07
-0.0
03-0
.094
(0.6
92)
(0.4
16)
(0.0
99)
(0.0
81)
(0.1
16)
(0.0
81)
(0.1
32)
(0.0
67)
(0.1
17)
(0.0
83)
(0.0
91)
(0.0
94)
(0.0
87)
MM
M.
7.76
54.
052
-0.0
06-0
.001
-0.0
270.
083
0.04
60.
393
0.14
60.
251
0.16
60.
175
0.16
4(0
.96)
(0.4
87)
(0.0
93)
(0.0
95)
(0.0
83)
(0.1
1)(0
.077
)(0
.087
)(0
.085
)(0
.082
)(0
.088
)(0
.07)
(0.0
77)
Pet
r4.
766
2.48
70.
060.
054
0.00
80.
172
0.06
50.
540.
094
0.22
0.05
60.
038
0.01
2(0
.451
)(0
.408
)(0
.082
)(0
.085
)(0
.077
)(0
.096
)(0
.103
)(0
.069
)(0
.104
)(0
.066
)(0
.082
)(0
.081
)(0
.089
)M
in4.
872.
541
0.04
10.
049
0.00
40.
165
0.08
0.58
70.
169
0.31
80.
167
0.16
80.
144
(0.5
84)
(0.2
21)
(0.0
98)
(0.1
02)
(0.0
85)
(0.1
21)
(0.0
81)
(0.0
71)
(0.0
97)
(0.0
79)
(0.0
99)
(0.0
74)
(0.0
89)
Man
f2.
631
1.37
30.
266
0.24
20.
106
0.21
2-0
.121
0.59
2-0
.252
-0.0
2-0
.219
-0.0
910.
008
(0.2
72)
(0.1
6)(0
.092
)(0
.083
)(0
.101
)(0
.125
)(0
.12)
(0.0
99)
(0.1
06)
(0.1
33)
(0.0
82)
(0.1
)(0
.083
)E
lec
2.57
21.
342
0.03
8-0
.006
-0.1
140.
044
-0.2
260.
579
-0.2
330.
017
-0.1
89-0
.069
0.01
4(0
.246
)(0
.158
)(0
.129
)(0
.118
)(0
.075
)(0
.106
)(0
.131
)(0
.069
)(0
.145
)(0
.121
)(0
.091
)(0
.093
)(0
.087
)C
ons
6.94
93.
626
-0.0
46-0
.044
-0.0
680.
073
0.02
70.
384
0.09
30.
182
0.08
70.
114
0.10
2(1
.025
)(0
.643
)(0
.078
)(0
.07)
(0.0
73)
(0.0
79)
(0.1
01)
(0.1
03)
(0.1
24)
(0.0
98)
(0.0
85)
(0.0
63)
(0.0
67)
Com
4.08
32.
130.
136
0.11
0.01
90.
069
-0.1
310.
38-0
.116
0.10
4-0
.013
0.06
60.
12(0
.8)
(0.4
56)
(0.1
09)
(0.0
79)
(0.0
78)
(0.1
16)
(0.1
31)
(0.1
4)(0
.104
)(0
.079
)(0
.105
)(0
.076
)(0
.076
)T
ran
2.56
61.
339
0.05
40.
034
-0.0
540.
149
-0.0
830.
756
-0.0
630.
17-0
.078
-0.0
070.
007
(0.2
86)
(0.1
46)
(0.0
86)
(0.0
76)
(0.1
3)(0
.085
)(0
.196
)(0
.043
)(0
.188
)(0
.102
)(0
.098
)(0
.08)
(0.0
83)
Ser
.AP
4.19
12.
187
-0.0
43-0
.036
-0.1
040.
064
-0.0
780.
483
-0.0
250.
171
0.07
60.
192
0.2
(0.9
45)
(0.2
69)
(0.1
03)
(0.1
04)
(0.1
2)(0
.128
)(0
.09)
(0.1
22)
(0.1
12)
(0.1
27)
(0.1
13)
(0.0
69)
(0.0
75)
aT
odos
los
mom
ento
sfu
eron
esti
mad
osut
iliza
doel
met
odo
GM
M.
Los
num
eros
enpa
rent
esis
son
los
erro
res
esta
ndar
calc
ulad
osus
ando
elm
etod
ode
lta.
bD
esvi
acio
nes
tand
arc
Cor
resp
onde
ala
desv
iaci
ones
tand
arde
lase
rie
(x)
con
rela
cion
ala
seri
ede
lP
IBag
rega
do.
36
Cuad
ro12
:C
iclo
econ
omic
oa
niv
eldep
arta
men
tos:
1990
.1-
2009
.4(D
etal
lado)
Cor
rela
cion
cruza
da
Var
(x)
SD
(%
)R
elat
ive
x(-
5)x(-
4)x(-
3)x(-
2)x(-
1)x
x(+
1)x(+
2)x(+
3)x(+
4)x(+
5)B
oliv
ia1.
359
10.
062
0.08
80.
042
0.24
0.02
21
0.02
20.
240.
042
0.08
80.
062
(0.1
01)
(0)
(0.1
09)
(0.1
06)
(0.0
92)
(0.1
06)
(0.1
54)
(0)
(0.1
54)
(0.1
06)
(0.0
92)
(0.1
06)
(0.1
09)
Chuquis
aca
2.18
51.
608
-0.1
81-0
.132
-0.1
59-0
.026
-0.1
430.
51-0
.045
0.18
0.16
20.
271
0.29
1(0
.283
)(0
.256
)(0
.102
)(0
.08)
(0.0
85)
(0.0
92)
(0.0
92)
(0.0
91)
(0.0
94)
(0.0
96)
(0.1
5)(0
.141
)(0
.16)
La
Paz
1.98
91.
463
0.18
80.
150.
033
0.04
8-0
.215
0.37
2-0
.328
-0.1
62-0
.228
-0.1
23-0
.111
(0.1
7)(0
.154
)(0
.143
)(0
.129
)(0
.092
)(0
.091
)(0
.09)
(0.1
7)(0
.115
)(0
.134
)(0
.097
)(0
.092
)(0
.084
)C
och
abam
ba
1.65
71.
219
0.13
0.17
80.
114
0.24
50.
042
0.83
30.
012
0.18
30.
030.
097
0.08
3(0
.143
)(0
.107
)(0
.099
)(0
.094
)(0
.088
)(0
.096
)(0
.105
)(0
.026
)(0
.112
)(0
.107
)(0
.099
)(0
.11)
(0.1
04)
Oru
ro3.
222
2.37
1-0
.086
-0.0
52-0
.041
0.10
30.
077
0.57
20.
204
0.31
40.
224
0.21
90.
156
(0.3
09)
(0.2
02)
(0.0
97)
(0.1
17)
(0.1
13)
(0.1
33)
(0.1
47)
(0.0
88)
(0.1
34)
(0.1
05)
(0.1
02)
(0.0
99)
(0.0
97)
Pot
osi
3.28
52.
417
-0.1
24-0
.13
-0.1
7-0
.094
-0.1
870.
236
-0.1
240.
026
-0.0
150.
045
0.06
7(0
.404
)(0
.344
)(0
.112
)(0
.102
)(0
.085
)(0
.087
)(0
.111
)(0
.111
)(0
.128
)(0
.118
)(0
.12)
(0.0
86)
(0.1
08)
Tar
ija
4.50
63.
315
0.05
90.
113
0.15
50.
258
0.19
50.
488
0.18
70.
239
0.12
10.
036
-0.0
25(0
.484
)(0
.357
)(0
.103
)(0
.104
)(0
.11)
(0.1
21)
(0.1
47)
(0.1
12)
(0.1
34)
(0.1
08)
(0.0
9)(0
.096
)(0
.101
)San
taC
ruz
2.19
61.
616
-0.0
21-0
.002
0.01
80.
223
0.16
10.
80.
192
0.28
0.07
90.
070.
039
(0.4
42)
(0.2
47)
(0.1
02)
(0.0
78)
(0.0
92)
(0.1
01)
(0.1
81)
(0.0
4)(0
.203
)(0
.128
)(0
.095
)(0
.114
)(0
.129
)B
eni
2.08
71.
535
0.03
60.
071
0.00
10.
084
-0.1
160.
511
-0.1
260.
082
0.03
30.
155
0.20
5(0
.203
)(0
.199
)(0
.112
)(0
.1)
(0.0
98)
(0.1
05)
(0.0
82)
(0.0
89)
(0.0
76)
(0.0
87)
(0.0
96)
(0.1
19)
(0.1
32)
Pan
do
2.95
22.
172
-0.1
14-0
.019
0.01
30.
145
0.04
40.
483
0.02
20.
130.
039
0.05
0.04
6(0
.199
)(0
.196
)(0
.129
)(0
.133
)(0
.128
)(0
.116
)(0
.109
)(0
.089
)(0
.116
)(0
.109
)(0
.103
)(0
.114
)(0
.101
)
aT
odos
los
mom
ento
sfu
eron
esti
mad
osut
iliza
doel
met
odo
GM
M.L
osnu
mer
osen
pare
ntes
isso
nlo
ser
rore
ses
tand
arca
lcul
ados
usan
doel
met
odo
delt
a.b
Des
viac
ion
esta
ndar
cC
orre
spon
dea
lade
svia
cion
esta
ndar
dela
seri
e(x
)co
nre
laci
ona
lase
rie
del
PIB
agre
gado
.
37
Cuad
ro13
:C
iclo
econ
omic
op
orse
ctor
de
acti
vid
ad19
90.1
-20
09.4
(Det
alla
do)
Cor
rela
cion
cruza
da
Var
(x)
SD
(%
)R
elat
ive
x(-
5)x(-
4)x(-
3)x(-
2)x(-
1)x
x(+
1)x(+
2)x(+
3)x(+
4)x(+
5)P
IB1.
359
10.
062
0.08
80.
042
0.24
0.02
21
0.02
20.
240.
042
0.08
80.
062
(0.1
01)
(0)
(0.1
09)
(0.1
06)
(0.0
92)
(0.1
06)
(0.1
54)
(0)
(0.1
54)
(0.1
06)
(0.0
92)
(0.1
06)
(0.1
09)
Agr
2.37
11.
744
0.13
0.11
50.
142
0.20
50.
046
0.36
4-0
.124
-0.0
84-0
.213
-0.0
84-0
.1(0
.217
)(0
.184
)(0
.168
)(0
.169
)(0
.14)
(0.1
)(0
.088
)(0
.13)
(0.1
3)(0
.148
)(0
.107
)(0
.116
)(0
.101
)M
MM
.5.
928
4.36
1-0
.092
-0.1
14-0
.122
-0.0
53-0
.067
0.22
70.
057
0.13
30.
058
0.01
5-0
.02
(1.1
35)
(0.9
01)
(0.1
1)(0
.111
)(0
.089
)(0
.086
)(0
.095
)(0
.071
)(0
.112
)(0
.109
)(0
.116
)(0
.102
)(0
.099
)P
et5.
152
3.79
0.08
10.
123
0.13
70.
239
0.21
10.
493
0.22
50.
242
0.08
4-0
.05
-0.1
15(0
.556
)(0
.418
)(0
.096
)(0
.086
)(0
.101
)(0
.116
)(0
.135
)(0
.105
)(0
.116
)(0
.094
)(0
.091
)(0
.113
)(0
.116
)M
in3.
279
2.41
20.
009
0.01
20.
004
0.13
20.
092
0.57
30.
20.
282
0.09
9-0
.038
-0.1
22(0
.423
)(0
.304
)(0
.102
)(0
.107
)(0
.101
)(0
.122
)(0
.135
)(0
.076
)(0
.121
)(0
.085
)(0
.099
)(0
.104
)(0
.107
)M
anf
1.71
31.
261
0.18
50.
205
0.14
20.
249
0.00
40.
705
-0.1
30.
057
-0.0
570.
041
0.05
2(0
.125
)(0
.125
)(0
.116
)(0
.095
)(0
.1)
(0.0
9)(0
.072
)(0
.07)
(0.0
77)
(0.1
)(0
.084
)(0
.103
)(0
.1)
Ele
c2.
044
1.50
40.
142
0.18
50.
104
0.13
-0.1
290.
457
-0.2
67-0
.137
-0.2
27-0
.108
-0.0
73(0
.289
)(0
.239
)(0
.09)
(0.0
93)
(0.0
88)
(0.0
96)
(0.1
09)
(0.1
02)
(0.0
89)
(0.0
92)
(0.0
7)(0
.112
)(0
.111
)C
ons
7.61
25.
6-0
.124
-0.1
-0.0
670.
063
0.13
0.38
10.
255
0.27
80.
203
0.17
60.
127
(1.2
71)
(0.7
61)
(0.1
17)
(0.1
02)
(0.0
93)
(0.1
11)
(0.1
65)
(0.1
61)
(0.1
87)
(0.1
44)
(0.1
07)
(0.0
88)
(0.1
01)
Com
1.53
81.
131
0.09
50.
127
0.10
50.
266
0.01
40.
83-0
.071
0.10
7-0
.07
0.00
60.
01(0
.096
)(0
.085
)(0
.157
)(0
.154
)(0
.122
)(0
.105
)(0
.124
)(0
.034
)(0
.088
)(0
.109
)(0
.093
)(0
.122
)(0
.122
)T
rans
1.79
11.
317
0.10
80.
148
0.12
0.26
40.
084
0.81
90.
065
0.21
60.
065
0.13
0.09
8(0
.241
)(0
.118
)(0
.108
)(0
.115
)(0
.117
)(0
.132
)(0
.2)
(0.0
42)
(0.1
92)
(0.1
31)
(0.0
95)
(0.0
95)
(0.1
05)
Ser
vA
P1.
375
1.01
2-0
.017
0.09
5-0
.032
0.07
2-0
.25
0.66
7-0
.312
-0.0
35-0
.103
0.11
90.
146
(0.0
95)
(0.0
91)
(0.1
13)
(0.1
03)
(0.0
96)
(0.0
91)
(0.1
35)
(0.0
69)
(0.1
32)
(0.1
13)
(0.0
97)
(0.0
99)
(0.1
03)
aT
odos
los
mom
ento
sfu
eron
esti
mad
osut
iliza
doel
met
odo
GM
M.
Los
num
eros
enpa
rent
esis
son
los
erro
res
esta
ndar
calc
ulad
osus
ando
elm
etod
ode
lta.
bD
esvi
acio
nes
tand
arc
Cor
resp
onde
ala
desv
iaci
ones
tand
arde
lase
rie
(x)
con
rela
cion
ala
seri
ede
lP
IBag
rega
do.
38
Figura 2: Ciclos por sectores economicos
82 87 93 98 04 090.15
0.1
0.05
0
0.05De
sv. %
de la
tend
encia
PIB Agric.
82 87 93 98 04 09
0.15
0.1
0.05
0
0.05
0.1
Desv
. % de
la te
nden
cia
PIB Mineria
82 87 93 98 04 09
0.1
0.05
0
0.05
0.1
Desv
. % de
la te
nden
cia
PIB Petroleo
82 87 93 98 04 09
0.08
0.06
0.04
0.02
0
0.02
0.04
Desv
. % de
la te
nden
cia
PIB Manuf.
82 87 93 98 04 09
0.08
0.06
0.04
0.02
0
0.02
0.04
0.06
Desv
. % de
la te
nden
cia
82 87 93 98 04 09
0.150.1
0.050
0.050.1
0.150.2
Desv
. % de
la te
nden
cia
82 87 93 98 04 09
0.1
0.05
0
0.05
0.1
0.15
Desv
. % de
la te
nden
cia
82 87 93 98 04 09
0.05
0
0.05
Transporte y PIB
Desv
. % de
la te
nden
cia
PIB Electr. PIB Constr.
PIB Comercio PIB Transp.
39
Figura 3: Comparacion Filtros: Departamentos
82 87 93 98 04 0910
5
0
5
Chuquisaca
Desv. %
HP CF BK
82 87 93 98 04 09
642024
La Paz
Desv. %
HP CF BK
82 87 93 98 04 09
5
0
5
Cochabamba
Desv. %
HP CF BK
82 87 93 98 04 0910
5
0
5
Oruro
Desv. %
HP CF BK
82 87 93 98 04 0920
15
10
5
0
5
Potosi
Desv. %
HP CF BK
82 87 93 98 04 0910
5
0
5
10Tarija
Desv. %
HP CF BK
82 87 93 98 04 09
5
0
5
Santa Cruz
Desv. %
HP CF BK
82 87 93 98 04 0920
10
0
10
20Beni
Desv. %
HP CF BK
82 87 93 98 04 0920
10
0
10
Pando
Desv. %
HP CF BK
40
Figura 4: Comparacion Filtros: Sectores
82 87 93 98 04 0915
10
5
0
5
Agricultura
Desv. %
HP CF BK
82 87 93 98 04 09
10
5
0
5
10Petroleo
Desv. %
HP CF BK
82 87 93 98 04 09
15
10
5
0
5
10Mineria
Desv. %
HP CF BK
82 87 93 98 04 09
5
0
5
Manufactura
Desv. %
HP CF BK
82 87 93 98 04 09
5
0
5
Electricidad
Desv. %
HP CF BK
82 87 93 98 04 09
10
0
10
20
Construccion
Desv. %
HP CF BK
82 87 93 98 04 09
10
5
0
5
10
15
Comercio
Desv. %
HP CF BK
82 87 93 98 04 09
5
0
5
Transporte
Desv. %
HP CF BK
82 87 93 98 04 09
20
10
0
10Serv. Adm Pub
Desv. %
HP CF BK
41
Figura 5: Correlaciones cruzadas con el ciclo agregado: Departamentos - HP
5 0 51
0.5
0
0.5
1chq hp
5 0 51
0.5
0
0.5
1lpb hp
5 0 51
0.5
0
0.5
1cbb hp
5 0 51
0.5
0
0.5
1oru hp
5 0 51
0.5
0
0.5
1pts hp
5 0 51
0.5
0
0.5
1tja hp
5 0 51
0.5
0
0.5
1scz hp
5 0 51
0.5
0
0.5
1bni hp
5 0 51
0.5
0
0.5
1pnd hp
42
Figura 6: Correlaciones cruzadas con ciclo agregado: Departamentos - CF
5 0 51
0.5
0
0.5
1chq cf
5 0 51
0.5
0
0.5
1lpb cf
5 0 51
0.5
0
0.5
1cbb cf
5 0 51
0.5
0
0.5
1oru cf
5 0 51
0.5
0
0.5
1pts cf
5 0 51
0.5
0
0.5
1tja cf
5 0 51
0.5
0
0.5
1scz cf
5 0 51
0.5
0
0.5
1bni cf
5 0 51
0.5
0
0.5
1pnd cf
43
za
Figura 7: Correlaciones cruzadas con el ciclo agregado: Departamentos - BK
5 0 51
0.5
0
0.5
1chq bk
5 0 51
0.5
0
0.5
1lpb bk
5 0 51
0.5
0
0.5
1cbb bk
5 0 51
0.5
0
0.5
1oru bk
5 0 51
0.5
0
0.5
1pts bk
5 0 51
0.5
0
0.5
1tja bk
5 0 51
0.5
0
0.5
1scz bk
5 0 51
0.5
0
0.5
1bni bk
5 0 51
0.5
0
0.5
1pnd bk
44
Figura 8: Correlaciones cruzadas con el ciclo agregado: Sectores - HP
5 0 51
0.5
0
0.5
1Agricultura hp
5 0 51
0.5
0
0.5
1Petroleo hp
5 0 51
0.5
0
0.5
1Mineria hp
5 0 51
0.5
0
0.5
1Manufactura hp
5 0 51
0.5
0
0.5
1Electricidad hp
5 0 51
0.5
0
0.5
1Construccion hp
5 0 51
0.5
0
0.5
1Comercio hp
5 0 51
0.5
0
0.5
1Transporte hp
5 0 51
0.5
0
0.5
1Serv Adm Pub hp
45
Figura 9: Correlaciones cruzadas con el ciclo agregado: Sectores - CF
5 0 51
0.5
0
0.5
1Agricultura cf
5 0 51
0.5
0
0.5
1Petroleo cf
5 0 51
0.5
0
0.5
1Mineria cf
5 0 51
0.5
0
0.5
1Manufactura cf
5 0 51
0.5
0
0.5
1Electricidad cf
5 0 51
0.5
0
0.5
1Construccion cf
5 0 51
0.5
0
0.5
1Comercio cf
5 0 51
0.5
0
0.5
1Transporte cf
5 0 51
0.5
0
0.5
1Serv Adm Pub cf
46
Figura 10: Correlaciones cruzadas con el ciclo agregado: Sectores - BK
5 0 51
0.5
0
0.5
1Agricultura bk
5 0 51
0.5
0
0.5
1Petroleo bk
5 0 51
0.5
0
0.5
1Mineria bk
5 0 51
0.5
0
0.5
1Manufactura bk
5 0 51
0.5
0
0.5
1Electricidad bk
5 0 51
0.5
0
0.5
1Construccion bk
5 0 51
0.5
0
0.5
1Comercio bk
5 0 51
0.5
0
0.5
1Transporte bk
5 0 51
0.5
0
0.5
1Serv Adm Pub bk
47
Figura 11: Volatilidad Relativa
0
1
2
3
4
5
6
7
Chuq
uisaca
La Paz
Cochabam
ba
Oruro
Potosi
Tarija
Santa Cruz
Beni
Pand
o
HP CF BK
(a) Departamentos
0
1
2
3
4
5
6
7
Agg
Met & No Met
Petr
Minr
Manuf
Elect
Constr
Comer
Trans
Serv.Ad.Pu
b
HP CF BK
(b) Sectores
48