Estimación de la inflaciónlatente en Venezuela

Juan Carlos Bencomo,Hugo Faría,Hugo Montesinos yJosé Roberto Rondón

Est

udio

IES

A N

° 28

Derechos exclusivos2006© IESAHecho el depósito de leyDepósito legal: lf23920063302631ISBN: 980-217-310-X

Para ser publicado como Estudio IESA un texto tiene que ser aprobado por el Comité de Publicaciones. Las opiniones expresadas son del autory no deben atribuirse al IESA, a sus directivos ni a Ediciones IESA. Para cualquier información sobre este estudio, favor dirigirse a EdicionesIESA, Apartado 1640, Caracas, Venezuela 1010-A. Teléfono: 58-212-555.44.52. Fax: 58-212-555-44-45. Dirección electrónica:ediesa@iesa.edu.ve.

Contenido

Resumen................................................................................................................................... 4Introducción............................................................................................................................. 5La inflación latente y su importancia................................................................................. 6

Metodología.............................................................................................................................. 7

Visión general................................................................................................................. 7

Resultados................................................................................................................................ 9

Determinación del orden de integración...................................................................... 9

Análisis de cointegración.............................................................................................. 10

Planteamiento del VAR..................................................................................................... 11

Modelo VARE..................................................................................................................... 11

Comparación entre la inflación observada y latente................................................... 12

Función de impulso-respuesta...................................................................................... 13

Análisis de descomposición de varianza.................................................................... 14

Conclusiones y recomendaciones..................................................................................... 14Bibliografía................................................................................................................................ 21

Estudio IESA

4

ResumenLa variación porcentual del Índice de Precios al Consumidor (IPC) constituye en la práctica el indicadormás utilizado para medir la inflación. Este indicador, sin embargo, presenta algunos problemas. Ademásde errores de medición vinculados al IPC, está el problema de la incongruencia entre la definición deinflación como alza generalizada y sostenida de precios, y la medida tradicional asociada al IPC. Estainvestigación calcula la inflación latente en Venezuela, hoy en día el país latinoamericano con más inflación.La inflación latente es el componente de la inflación tradicional que no impacta la producción real enlargo plazo, siendo congruente con planteamientos de la teoría económica, concretamente con la curvade Phillips vertical. Adicionalmente, refleja más fielmente el crecimiento sostenido en el nivel general deprecios susceptible de ser impactado por la política monetaria. Este indicador es calculado estableciendorestricciones dinámicas sobre un sistema de vectores autorregresivos.

Estudio IESA

5

IntroducciónLa estabilidad en la variación del nivel general deprecios (definición teórica de la inflación) es unode los objetivos primordiales que persigue todoBanco Central a través de la política monetaria, enparticular aquellos cuyo mandato principal esmantener el poder adquisitivo de la moneda.

En la práctica, se emplea la variación porcentualdel Índice de Precios al Consumidor (IPC) como elindicador más representativo del fenómenoinflacionario. Sin embargo, este sólo constituye elpromedio de las variaciones en el costo de unconjunto de bienes y servicios, además de reflejarcierta clase de distorsiones (factores estacionales,cambios en precios relativos, entre otros), las cualespueden traducirse en una medida imprecisa de lainflación. En este sentido, si las autoridadesmonetarias reaccionaran ante estas variaciones, ellopodría generar costos severos sobre el sector realde la economía.

A pesar de sus limitaciones, la variaciónporcentual del IPC constituye en muchos países lamedida más utilizada de inflación. Esto ha llevadoa las instituciones que tienen por responsabilidadsu cálculo, a buscar medidas alternativas queprovean información complementaria de utilidadsobre el proceso inflacionario, a fin de depurarlode variaciones en precios que escapan al controlde la política monetaria. Se desea obtener unindicador más acorde con la definición teórica deinflación como fenómeno monetario de largo plazo,y por lo tanto capaz de ser afectado por la políticamonetaria.

Este trabajo de investigación intenta contribuira la comprensión del fenómeno inflacionariovenezolano (el más alto de Latinoamérica), algenerar un indicador de inflación que haga máseficaz la conducción de la política monetaria. Másespecíficamente, el objetivo es la construcción deun indicador complementario al IPC denominadoinflación latente. Esta se define como la inflaciónque no impacta el ingreso real y, en consecuencia,es compatible con la noción de la clásica dicotomíaentre el sector real y nominal de la economía. Por

lo tanto, la inflación latente obedece a un conceptode teoría económica, compatible con una curvade Phillips vertical, lo que evita formulaciones adhoc presentes en la construcción de medidasalternativas de inflación como el núcleoinflacionario.

El cálculo de la inflación latente se obtienemediante un sistema de Vectores AutorregresivosEstructurales (VARE), el cual es identificadoutilizando restricciones dinámicas sugeridas porBlanchard y Quah (1989). Concretamente,suponemos que la inflación medida por lasvariaciones porcentuales del Índice de Precios alConsumidor está impactada por dos tipos deperturbaciones no correlacionadas. La primeratiene impactos irrestrictos sobre la producción y lainflación, aunque no impacta la inflación latente.La segunda, no impacta el producto en el medianoy largo plazo. La inflación latente calculadacorresponde a este segundo choque que no impactaal producto (Quah y Vahey, 1995).

En nuestro estudio, los resultados obtenidosreflejan de forma congruente la evolución de lainflación. El indicador inflación latente permitióvalidar la correspondencia entre la teoríaeconómica asociada a su cálculo y su relación conla medida de inflación tradicional. Los resultadosasociados al análisis de las funciones de impulso-repuesta y de descomposición de varianza son com-patibles con los planteamientos teóricos y con lasrestricciones identificadoras. Así, encontramos quela inflación latente tiene escaso impacto sobre laproducción, aun en el corto plazo, lo que explicaescasamente menos de un 1 por ciento de lavariación total del error de predicción de laproducción. Adicionalmente, detectamosdiscrepancias entre la inflación latente y la medidatradicional basada en el IPC, lo que sugiere períodosde sobre y subestimación de las presionesinflacionarias capaces de inducir errores en laconducción de la política monetaria.

El trabajo de investigación está organizado dela siguiente manera: en la primera secciónpresentamos una breve descripción de la inflaciónlatente, justificando la importancia de su cálculo.

Estudio IESA

6

La segunda sección muestra la metodologíautilizada para calcular la inflación latente. Losresultados son mostrados en la tercera sección, lacual también coteja e interpreta la evolución de lavariación porcentual del IPC con la inflación latente,y presenta análisis de funciones de impulsorespuesta y de descomposición de varianzas. Lasconclusiones y recomendaciones del estudio sepresentan en la última sección.

La inflación latentey su importanciaIntentamos determinar la existencia a largo plazode una tasa de inflación independiente defluctuaciones reales, empleando para ello unanálisis multivariable, sin excluir ningúncomponente del índice general. Quah y Vahey(1995), pioneros en este tipo de cálculo,denominan al indicador así obtenido inflaciónlatente.

Como se indicó anteriormente, el IPC poseelimitaciones como medida de inflación, ya que norefleja en su totalidad los movimientos en el nivelgeneral de precios, sólo representa el promedio devariaciones en el costo de un conjunto determinadode bienes y servicios. De acuerdo con Melo yHamann (1998), una buena medida de inflacióndebe reflejar los siguientes aspectos:1. No debe responder a fluctuaciones transitorias

en la oferta de bienes de la economía.2. Debe reflejar adecuadamente la inflación de

demanda de la economía. Es decir, precisamosnosotros, debe reflejar los movimientossostenidos de precios.La determinación de un indicador con estas

características, permitiría analizar las presionesinflacionarias susceptibles de ser afectadas porpolíticas monetarias, aportando información demucho interés para los analistas y autoridadeseconómicas.

Quah y Vahey (1995) proponen una técnicapara obtener un indicador que cumpla con lascaracterísticas expuestas previamente, basados en

una hipótesis económica explícita de largo plazoque sostiene que la inflación es un fenómeno decarácter monetario. Ellos definen la inflaciónlatente como aquel componente de la medidaobservada (IPC) que no tiene impacto a mediano ylargo plazo sobre la producción real. Esto implicala noción comúnmente aceptada de que una vezrenegociados los contratos, los movimientos deprecios tienen efectos fundamentalmente sobre lasvariables nominales (Mateos y Gaytán, 1998). Estainterpretación es compatible con la noción de unacurva de Phillips vertical1.

En su trabajo, Quah y Vahey (1995) suponenque los cambios observados en el IPC estánafectados por dos tipos de perturbaciones, nocorrelacionadas entre sí, que se distinguen por suefecto sobre la producción:1. El primer tipo puede tener un efecto

significativo a mediano y largo plazo sobre elnivel potencial o de largo plazo de la actividadeconómica.

2. El segundo de ellas no tiene impacto en laproducción después de un horizonte fijo detiempo, aun cuando puede tener cierto efectoen horizontes temporales más cortos.De esta forma, los autores definen la inflación

latente como el componente del indicador deinflación observado, asociado sólo con la segundaclase de perturbaciones. Cabe señalar que laclasificación anterior de las perturbaciones nopermite distinguir si se trata de choques de ofertao de demanda. No obstante no deja de tener validezafirmar que la mayoría de los choques de ofertatienen un efecto permanente sobre el producto ylos de demanda un efecto transitorio.

De acuerdo con Quah y Vahey (1995) y Mateosy Gaytan (1998), la inflación latente y sucomparación con el IPC, produce informaciónrelevante sobre el tipo de presiones inflacionariasa que está sujeta la economía. Si los cambios en la

1 Según Melo y Hamann (1998), la literatura internacional presentaevidencia contundente de una alta correlación entre inflación ycrecimiento monetario. No ocurre lo mismo para el grado deasociación entre inflación y crecimiento del producto real en ellargo plazo.

Estudio IESA

7

medida convencional de inflación basada en el IPC

son semejantes a aquellos en la inflación latente,ello indicaría la ausencia de choques de largo plazosobre el producto, y por lo tanto que los mismosobedecen a factores sobre los cuales puede influirla política monetaria.

Por otra parte, es de esperarse que cuandoexisten perturbaciones negativas (positivas) queafectan el nivel de producción de largo plazo, lainflación será superior (inferior) a la inflaciónlatente. Conforme se disipe el efecto sobre lainflación de estas perturbaciones, ésta tenderá aconverger a la inflación latente. Estas compara-ciones permiten una mejor interpretación de lacoyuntura económica.

La principal limitante de este enfoque es quelas perturbaciones que afectan a la medida deinflación y al producto no son directamenteobservables. Como se presentará posteriormente,el cálculo de la inflación latente se obtiene a partirde la instrumentación de un modelo de vectoresautorregresivos estructurales para dos variables(precios y producto). Siguiendo la metodología deQuah y Vahey (1995) que a su vez se nutre deBlanchard y Quah (1989), se identifican lasperturbaciones estructurales y se descompone elIPC en sus componentes latente y no latente.

Metodología

Visión generalComo se señalara en la sección anterior, las dosperturbaciones estructurales que afectan a lainflación y al producto no son observables de formadirecta. En este sentido, Quah y Vahey (1995)calculan un modelo de vectores autorregresivos(VAR) bajo restricciones estructurales (VARE),propuesto originalmente por Blanchard y Quah(1989), a fin de identificar estos elementos ydescomponer la serie observada de inflación en suscomponentes latente y no latente.

Bajo los supuestos de esta metodología, serealiza la identificación de las perturbaciones

estructurales2, mediante la imposición derestricciones estadísticas que suponen que ambostipos de perturbación son independientes.Adicionalmente, se establece que éstas sedistinguen por su efecto sobre la producción.Mientras que el primer shock pudiera tener unimpacto en el mediano y largo plazo sobre laproducción, la perturbación número dos secaracteriza por no tenerlo, aunque sí pudiera afectardicha producción en horizontes menores. En estecontexto, la inflación latente se define como aquelladerivada sólo de la segunda clase de perturbación3.

En el cálculo del componente latente y nolatente, la metodología de Quah y Vahey (1995)emplea información sobre variables de precios yproducción. Para este trabajo de investigación seutilizaron el Índice de Precios al Consumidor y elÍndice de Volumen de la Producción Industrial,respectivamente. Fue necesario aplicar técnicas deempalme de series al índice de volumen, ya quedurante el lapso de estudio existieron diferentesaños base4.

Descripción de la metodología para elcálculo de la inflación latente5

Definiendo Y y P en logaritmos naturales como laproducción y los precios, y suponiendo que Y y Pson series integradas de orden uno, I(1), y no estáncointegradas, se calcula un modelo VAR estructural,que expresado en forma de promedio móvil bivariable:

2 Cuando se define un modelo VAR de dos variables, el vector deltérmino de error et contiene dos componentes. En el caso delos modelos VARE, ciertas restricciones estructurales definen otrovector de errores εt, compuesto por dos elementos, definidos eneste trabajo como primer ε1t y segundo tipo de perturbaciones ε2t.

3 Es necesario señalar que bajo la especificación impuesta en elVARE, la propia definición de inflación latente constituye una delas condiciones de identificación.

4 Una especificación de la técnica de empalme utilizada sepresenta en el anexo 1.

5 El desarrollo que se presenta en este apartado está basado enEnders (2004). Un análisis más riguroso se encuentra en Meloy Hamann (1997).

∑∑∞

=−

∞

=− +=∆

0,212

0,111 )()(

kkt

kktt kckcY εε

∑∑∞

=−

∞

=− +=∆

0,222

0,121 )()(

kkt

kktt kckcP εε

Estudio IESA

8

En forma más compacta:

)',( ,2,1 ttt εεε = es un vector ruido blanco, convarianzas constantes y ( )ijC L polinomios en eloperador de rezago L. Por ejemplo:

Por razones de conveniencia, supongamos quela matriz de varianzas y covarianzas de los erroresestructurales es igual a la matriz identidad.

Para utilizar la metodología de Blanchard yQuah, por lo menos una de las variables debe serno estacionaria, en virtud de que variables I(0) notienen componentes permanentes. Sin embargo,para usar la metodología ambas variables debenser estacionarias, de ahí que las estemosrepresentando en primeras diferencias.

La clave para descomponer la serie de preciosen sus componentes permanentes y estacionarioses suponer que un choque tiene un efectotransitorio y otro permanente sobre la producción.Precisamente esta dicotomía es lo que permite laidentificación del VAR estructural (las innovacionesestructurales) a partir del VAR expresado en formareducida o VAR estándar. Concretamente, supone-mos que el choque ε2t no tiene un impacto perma-nente sobre la producción, por lo tanto, el efectoacumulado de ε2t sobre la secuencia ∆Y es cero.Concretamente, debe cumplirse:

En virtud de que esto es cierto para cualquierrealización de ε2, debe cumplirse

Considerando que las innovaciones estruc-turales transitorias y permanentes no son observa-bles, el problema consiste en calcularlas a partir

de un VAR expresado en forma estándar. Dado quelas variables son estacionarias, sabemos que lasiguiente representación existe:

Donde Aij(k) es un polinomio en el operadorde rezago L y e1t y e2t son errores de media cero,varianza constante e individualmente nocorrelacionados serialmente pero correlacionadoscontemporáneamente.

El elemento clave para la identificación delVARE es que los residuos del VAR normal o estándarson términos compuestos de las innovaciones ε1ty ε2t. Considerado que ambas representaciones sonequivalentes, debe cumplirse:

En forma matricial:

Si los coeficientes fuesen conocidos, sería posible recobrar las

innovaciones ε1t y ε2t a partir de los residuos e1t ye2t. Sin embargo, dada la expresión matricial arriba

y la restricción de largo plazo ∑∞

=

=0

12 0)(k

kc , se

obtienen cuatro restricciones que permiten

identificar a los cuatro cij(0). Los residuos del VAR

permiten calcular Var (e1), Var (e2), y Cov (e1, e2),las cuales dado (2) y en virtud de que[ ] 0. 21 =ttE εε y la normalización de la matriz de

varianzas y covarianzas de εt , adoptan la siguienteforma:

Restricción 1:

=

∆∆

t

t

t

t

LLCLLC

PY

2

1

2221

1211 .)(C )()(C )(

εε

....)3()2()1()0()( 311

211111111 ++++= LCLCLCCLC

∑∞

=− =

0,212 0)(

kktkc ε

∑∞

=

=0

12 0)(k

kc

+

∆∆

=

∆∆

−

−

t

t

t

t

t

t

ee

PY

LLALLA

PY

2

1

1

1

2221

1211 .)(A )()(A )(

=

t

t

t

t

cc

ee

2

1

2221

1211

2

1 .)0(c )0()0(c )0(

εε

212

2111 )0()0()( cceVAR +=

(2) )0()0(y )0()0( 22212122121111 tttttt ccecce εεεε +=+=

Estudio IESA

9

Restricción 2:

Restricción 3:

La restricción 4 viene dada por el supuesto deque ε2 no tiene impacto sobre la secuencia

tY∆

enel largo plazo. Específicamente:

donde: DLLAI =− )( por tanto:

En consecuencia:

En virtud de (2) y haciendo uso de que lasecuencia ε2t no tiene impacto de corto plazo enYt y considerando sólo los términos relevantes, esdecir, los que contienen ε2t.

Esta expresión debe anularse para cualquierrealización de ε2t , por tanto la restricción (4)

es:

El cálculo del residuo latente resulta de laaplicación de la siguiente ecuación:

Para los detalles asociados al cálculo de lainflación latente véase el anexo 3.

Resultados

Determinación del orden de integraciónPara la determinación del orden de integración delas variables se aplicó la prueba aumentada deDickey-Fuller; en el período comprendido entreenero de 1991 y febrero 2005, se determinó que elIPC y el Índice de Volumen de la ProducciónIndustrial Desestacionalizado, expresados enlogaritmos, son I(1), tal como se presenta en loscuadros 1 y 3:

Cuadro 1Test de Dickey-Fuller

Logaritmo del Índice de Precios alConsumidor

1991:01 – 2005:02

Null Hypothesis: LNIPC has a unit root

Exogenous: Constant

Lag Length: 1 (Automatic based on SIC, MAXLAG=13)

t-Statistic Prob.*

Augmented Dickey-Fullertest statistic -2.332920 0.1629

Test critical values: 1% level -3.4694515% level -2.878618

10% level -2.575954

*MacKinnon (1996) one-sided p-values.Fuente: Cálculos propios.

222

2212 )0()0()( cceVAR +=

)0()0()0().0().( 2212211121 cccceeE tt ++=

ttttttt eLLAIXeXLAIeLXLAX 1])([ )]([ )( −−=∴=−∴+=

−

−

=

−

−=

∆∆

+∞

=

∞

=

+

+∞

=

∞

=

+

∑∑

∑∑t

t

k

kk

k

k

k

k

t

t

t

t

ee

LkaLka

LkaLka

D

ee

LLALLALLALLA

DPY

2

1

1

011

0

121

1

0k12

0

122

2

1

1121

1222

)(1 )(

)( )(11

)(1 )()( )(11

+

−=∆ ∑∑

∞

=

+∞

=

+

02

1121

0

122 .)()(11

kt

kt

k

kt eLkaeLka

DY

1 1

22 12 2 12 22 20 0

1 ( ) (0) ( ) (0) 0k kt t

k ka k L c a k L cε ε

∞ ∞+ +

= =

− + = ∑ ∑

22 12 12 22

0 01 ( ) (0) ( ) (0) 0

k ka k c a k c

∞ ∞

= =

− + = ∑ ∑

ititit cce −−− += ,212,111,1 )0()0( εε

ititit cce −−− += ,222,121,2 )0()0( εε

Estudio IESA

10

Cuadro 2Test de Dickey-Fuller

Diferencia Logarítmica del Índice dePrecios al Consumidor

1991:01 – 2005:02

Null Hypothesis: DLNIPC has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic based on SIC, MAXLAG=13)

t-Statistic Prob.*

Augmented Dickey-Fuller

test statistic -4.316616 0.0006

Test critical values: 1% level -3.469451

5% level -2.878618

10% level -2.575954

*MacKinnon (1996) one-sided p-values.Fuente: Cálculos propios

Cuadro 3Test de Dickey-Fuller

Logaritmo del Índice de Volumen de laProducción Industrial Desestacionalizado

1991:01 – 2005:02

Null Hypothesis: LVOL_SA has a unit root

Exogenous: Constant

Lag Length: 2 (Automatic based on SIC, MAXLAG=13)

t-Statistic Prob.*

Augmented Dickey-Fuller

test statistic -2.313772 0.1689

Test critical values:1% level -3.469691

5% level -2.878723

10% level -2.576010

*MacKinnon (1996) one-sided p-values.Fuente: Cálculos propios.

Cuadro 4Test de Dickey-Fuller

Diferencia Logarítmica del Índice delVolumen de la Producción Industrial

Desestacionalizado1991:01 – 2005:02

Null Hypothesis: D(LVOL_SA) has a unit root

Exogenous: Constant

Lag Length: 1 (Automatic based on SIC, MAXLAG=13)

t-Statistic Prob.*Augmented Dickey-Fuller

test statistic -13.82448 0.0000

Test critical values: 1% level -3.469691

5% level -2.878723

10% level -2.576010*MacKinnon (1996) one-sided p-values.Fuente: Cálculos propios.

En el caso de la Diferencia Logarítmica delÍndice de Precios al Consumidor (DLNIPC), lahipótesis nula de la existencia de una raíz unitariaes rechazada al 1 por ciento de significación, comoindica el cuadro 3. Es decir, la inflación (medidacomo la tasa de crecimiento del IPC en términoslogarítmicos) es estacionaria. En lo que conciernea la diferencia del Logaritmo del Índice delVolumen de la Producción Industrial Desestacio-nalizado, el rechazo de la hipótesis nula al 1 porciento también sugiere la estacionariedad ointegración de orden cero, I(0), de esta serie.

Análisis de cointegraciónEl análisis de cointegración en el marco de modelostipo VAR, permite inferir la existencia de relacionesestables a largo plazo entre las variables que loconforman. Específicamente, se dice que dosvariables están cointegradas si al considerarse deforma conjunta existen combinaciones linealesentre ellas que reflejen comportamientos estables(estacionarios), aun cuando individualmente seanno estacionarias. Las pruebas de cointegración deEngle y Granger (1987), Johansen (1988), Stock yWatson (1988) y Johansen y Juselius (1990), sonlas más empleadas para la determinación de este

Estudio IESA

11

tipo de comportamiento. En general, la existenciade cointegración entre dos variables requiere quela combinación lineal exhiba un orden deintegración inferior al de las variables. Másprecisamente, un vector de variables I(d) estácointegrado de orden (d,b), expresado como CI(d,b), si existe una combinación lineal que es I(d-b) siendo b positiva.

La aplicación de la metodología de Quah yVahey (1995) exige que las dos series, aunque

exhiban tendencias estocásticas, no estén cointe-gradas. Para la determinación de la existencia o node cointegración, se aplicó el test de Johansen almodelo VAR construido a partir del Índice de Preciosal Consumidor y del Índice de Volumen deProducción Industrial Desestacionalizado expre-sados en forma logarítmica. Los resultados sepresentan en el siguiente cuadro donde no sedocumentan vectores de cointegración.

Cuadro 5Test de Johansen sobre el modelo VAR construido con información de los logaritmos del

Índice de Precios al Consumidor y del Índice de Volumen de Producción IndustrialDesestacionalizado (1991:01 – 2005:02)

Date: 07/16/05 Time: 23:41Sample: 1991M01 2005M02Included observations: 165Series: LVOL_SA LNIPC Lags interval: 1 to 4Selected (0.05 level*) Number of Cointegrating Relations by Model

Data Trend: None None Linear Linear Quadratic

Test Type No Intercept Intercept Intercept Intercept InterceptNo Trend No Trend No Trend Trend TrendTrace 0 0 0 0 0Max-Eig 0 0 0 0 0

*Critical values based on MacKinnon-Haug-Michelis (1999)

Planteamiento del VARLuego de establecer el orden de integración, seconstruyó un modelo VAR para el crecimiento delÍndice de Precios al Consumidor (DLNIPC), y ladiferencia del logaritmo del Índice de Volumen dela Producción Industrial Desestacionalizado(DLVOL_SA), el cual incluyó tres rezagos, tresvariables dicotómicas y una constante6.

La selección del número de rezagos óptimo sebasó en los criterios de Akaike y Schwarz, el análisis

de las raíces inversas de los polinomios característicosy la prueba de raíz unitaria sobre los residuos, a fin deestablecer si son estacionarios. Un detalle de losresultados obtenidos se presenta en el anexo 2.

Modelo VAREObtenido el modelo VAR, se incorpora la restricciónde identificación, donde la inflación latentecorresponde a aquellos cambios en el IPC que noafectan al producto en el largo plazo, luego de unhorizonte temporal determinado. A partir de lametodología expuesta anteriormente, se calculó elcomponente latente del IPC7.

6 Específicamente se incorporó una dummy referida a la variableprecios en mayo de 1996, a objeto de considerar el crecimientoatípico de la inflación en ese mes, como consecuencia del levan-tamiento del control de cambios y de precios en abril de ese año.De forma similar se introdujeron dos variables dummy vinculadasal indicador de volumen en diciembre de 2002 y febrero de 2003,con la finalidad de evitar distorsiones conse-cuencia de laparalización nacional de actividades a partir del mes de diciembre.

7 Una limitación presente en el cálculo empírico de este indicador,es que los residuos estructurales identificados representan elcambio en la inflación latente. Como se señaló anteriormente,en el anexo 3 se detalla la metodología empleada para larecuperación y obtención del índice latente.

Estudio IESA

12

Comparación entre la inflaciónobservada y latenteEl siguiente gráfico presenta los resultados delcálculo anualizado de la inflación latente y sucomparación con la evolución anual del Índice dePrecios al Consumidor.

El comportamiento de la inflación latente hastael año de 1995 se comporta erráticamentereflejando probablemente el impacto de lacondición inicial, (ver anexo 3), los generalizadoscontroles de precios y en particular el shock de lacrisis bancaria. A partir de 1995, la comparaciónentre la inflación latente y la inflación medida porlas variaciones porcentuales del IPC, podemosobtener las siguientes conclusiones.

Período 1996-2001En general, la inflación latente superó al nivel

observado del IPC, situación que denota laexistencia de shocks positivos sobre el producto.El año de 1997 se caracterizó por una fuertedesinflación. A partir de 1998 la inflación latentesuperó a la medida por el IPC, no obstante, ambas

medidas tienden a estabilizarse con una ligeratendencia a desacelerarse. Esta desaceleración escongruente con la menor tasa de depreciaciónexperimentada por el bolívar frente al dólar. Deacuerdo con la teoría, este escenario de la inflaciónlatente superando a la medida, es de carácter tem-poral al disiparse los efectos positivos, el crecimien-to en el IPC debe converger a la inflación latente, locual comienza a ocurrir a partir del año 2002.

Período 2002-2004Ambos indicadores muestran un compor-

tamiento similar. No obstante, la inflación medidapor el IPC tiende a desacelerarse, lo cual es expli-cable por la existencia de controles de precios ylos choques favorables asociados al mayor preciodel petróleo. La inflación latente tiende a acelerarsea partir del 2004. Este comportamiento es com-patible con el fuerte crecimiento experimentadopor los agregados monetarios como consecuenciadel control de cambios, el cual ha disminuidosensiblemente los flujos de dólares hacia el exte-rior por concepto de la cuenta capital.

Gráfico 1INFLACIÓN LATENTE

Fuente: Banco Central de Venezuela. Cálculos propios.

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1

1992

M05

1992

M08

1992

M11

1993

M02

1993

M05

1993

M08

1993

M11

1994

M02

1994

M05

1994

M08

1994

M11

1995

M02

1995

M05

1995

M08

1995

M11

1996

M02

1996

M05

1996

M08

1996

M11

1997

M02

1997

M05

1997

M08

1997

M11

1998

M02

1998

M05

1998

M08

1998

M11

1999

M02

1999

M05

1999

M08

1999

M11

2000

M02

2000

M05

2000

M08

2000

M11

2001

M02

2001

M05

2001

M08

2001

M11

2002

M02

2002

M05

2002

M08

2002

M11

2003

M02

2003

M05

2003

M08

2003

M11

2004

M02

2004

M05

2004

M08

2004

M11

var ipc anual var lat anual

Estudio IESA

13

Función de impulso-respuesta

Response to Structural One S.D. Innovations

Los gráficos 2-5 muestran las funciones deimpulso respuesta inducidas por los shocks nolatente (shock 1) y latente (shock 2) sobre laproducción e inflación. Se observa que laperturbación latente (gráfico 3) presenta unimpacto ligero sobre la producción que tiende aestabilizarse rápidamente. La velocidad de ajusterápida es coherente con la restricción identificadora,la cual establece que las perturbaciones latentesson neutrales sobre el producto. Es más, la ausenciade impactos sobre el producto es compatible conla existencia de una curva de Phillips vertical.

La perturbación no latente (gráfico 2) tiene unefecto acumulado sustancialmente mayor sobre el

producto y le toma más tiempo para estabilizarse.Este resultado es compatible con la noción de queshocks transitorios de oferta explican innovacionesen la producción y su comportamiento.

Las dos perturbaciones impactan diferente-mente la inflación. El impacto de la perturbaciónlatente (gráfico 5) es muy acentuado sugiriendoque un aumento de la cantidad de moneda tieneuna incidencia contemporánea sobre la evoluciónde los precios. El efecto del shock no latente, quepuede interpretarse como una innovacióntransitoria de oferta, es ligero y tiende aestabilizarse con relativa rapidez (gráfico 4), lo cuales compatible con la hipótesis de que perturba-

Gráfico 2 Gráfico 3

-.02

-.01

.00

.01

.02

.03

.04

.05

5 10 15 20 25 30 35 40 45 50

Response of DLVOL_SA to Shock1

-.02

-.01

.00

.01

.02

.03

.04

.05

5 10 15 20 25 30 35 40 45 50

Response of DLVOL_SA to Shock2

Gráfico 4 Gráfico 5

-.004

-.002

.000

.002

.004

.006

.008

.010

5 10 15 20 25 30 35 40 45 50

Response of DLNIPC to Shock1

-.004

-.002

.000

.002

.004

.006

.008

.010

5 10 15 20 25 30 35 40 45 50

Response of DLNIPC to Shock2

Estudio IESA

14

ciones no latentes introducen ruido sobre lainflación y no la afectan en el largo plazo.

Análisis de descomposiciónde varianzaLa descomposición de la varianza del error depredicción indica la proporción de la variación deuna secuencia debido a sus propias perturbaciones,y las ocasionadas por perturbaciones de la otrasecuencia (variable). En el cuadro 5, se observaque la contribución explicativa de la perturbaciónlatente al volumen de producción essistemáticamente menor que el del choque nolatente. Es más, la contribución del choque latentees pequeña, nunca mayor al 5 por ciento. Por elcontrario, el choque latente explica una altaproporción de la variación de la inflaciónobservada (cuadro 6), mientras que la perturbaciónno latente nunca explica más del 10 por ciento dela variación de la inflación observada. Estosresultados son consistentes con los planteamientosantes señalados, relativos al papel que juegan lasperturbaciones latentes y no latentes en la evoluciónde la producción y la inflación.

Cuadro 5Variance Decomposition of DLVOL_SA:

Period S.E. Shock_NLAT Shock_LAT

1 0.048989 98.579240 1.420760

2 0.051749 94.380620 5.619375

3 0.052312 92.379130 7.620870

4 0.052455 92.374110 7.625886

5 0.052554 92.257300 7.742696

10 0.052600 92.171750 7.828248

20 0.052600 92.171540 7.828455

30 0.052600 92.171530 7.828466

40 0.052600 92.171530 7.828466

50 0.052600 92.171530 7.828466

100 0.052600 92.171530 7.828466

200 0.052600 92.171530 7.828466

300 0.052600 92.171530 7.828466

Cuadro 6Variance Decomposition of DLNIPC: Period S.E. Shock_NLAT Shock_LAT

1 0.009230 12.267410 87.732590

2 0.010908 13.880540 86.119460

3 0.011579 14.171110 85.828890

4 0.012197 13.000120 86.999880

5 0.012623 12.871570 87.128430

10 0.013554 12.348840 87.651160

20 0.013803 12.217030 87.782970

30 0.013816 12.210230 87.789770

40 0.013817 12.209870 87.790130

50 0.013817 12.209850 87.790150

100 0.013817 12.209850 87.790150

200 0.013817 12.209850 87.790150

300 0.013817 12.209850 87.790150

Conclusiones yrecomendacionesEl concepto teórico de inflación está referido a laevolución sostenida en el nivel general de precios.En la práctica, el crecimiento porcentual del IPC esla medida de inflación más utilizada. No obstante,este indicador sólo constituye el promedio de lasvariaciones en el costo de un conjunto de bienes yservicios para un consumidor típico, además deestar influenciado por factores estacionales,irregulares y cíclicos, cambios en precios relativos,entre otros, los cuales pueden traducirse en unadefinición errónea de la inflación.

En este trabajo de investigación se define,calcula y analiza una medida alternativa deinflación, complementaria al Índice de Precios alConsumidor, denominada inflación latente, la cualse define como el crecimiento de los precios queexistiría en ausencia de choques al producto delargo plazo. Esta noción es compatible con laexistencia de la curva de Phillips vertical al largoplazo. Para obtener este indicador, se emplea lametodología propuesta por Quah y Vahey (1995),

Estudio IESA

15

bajo el supuesto de que los cambios en el IPC sonafectados por dos clases de perturbación. El primertipo (perturbaciones no latentes) afectan elproducto real del mediano al largo plazo, mientrasque el segundo, perturbación latente, no lo impactaen el largo plazo. En este contexto, el componentelatente de la inflación se asocia a aquel aumentode precios que se obtendría en ausencia de laprimera clase de perturbaciones.

No obstante, debe señalarse que los cálculos yresultados presentados son susceptibles de serampliados. Específicamente, en el caso de lainflación latente, limitaciones de carácterestadístico imposibilitaron el empleo del IndicadorMensual de Actividad Económica (IGAEM),calculado mas no publicado por el Banco Centralde Venezuela, el cual comprende una proporción

representativa (80 por ciento) del total de lasactividades productivas desarrolladas en el país,en términos del Producto Interno Bruto (PIB). Porotra parte, pudiesen incorporarse nuevas variablese imponer restricciones adicionales a la estructuradinámica del VAR.

Finalmente, si bien el cálculo de la inflaciónlatente contribuye a la comprensión del fenómenoinflacionario venezolano, consideramos que debeser de interés para las autoridades responsables dela toma de decisiones de política económicacontinuar el análisis de estas y otras medidascomplementarias. Un indicador complementarioque incrementaría nuestro entendimiento delfenómeno inflacionario es el cálculo de la llamadainflación permanente o de largo plazo. Esto debeser objeto de investigación futura.

Estudio IESA

16

ANEXO 1DESCRIPCIÓN DE LA METODOLOGÍA PARA EL EMPALME DE LA SERIE DEL ÍNDICE DE

VOLUMEN DE LA PRODUCCIÓN INDUSTRIAL

El indicador de volumen empleado en el cálculo de la inflación latente (Índice de Volumen de la ProducciónIndustrial), experimentó modificaciones en lo que respecta al año base utilizado como referencia para supresentación. Específicamente, la información disponible desde 1991 hasta 1996 estaba expresada entérminos del año base 1992, y de allí en adelante del año base 1997. Por tal motivo, fue necesario aplicartécnicas de empalme que permitiesen expresar la totalidad de la serie en función de la base más reciente.El empalme es el procedimiento a través del cual se efectúa un “enganche” entre las bases consideradas,dividiendo el índice correspondiente a la base anterior entre el índice expresado en términos de la nuevabase, para el período “t”. En el caso de este trabajo, se seleccionó el mes de enero de 1997 como pivote,al ser el primer período asociado al nuevo año base.

El resultado de este cociente, conocido como “coeficiente de empalme”, se utilizó para dividir todoslos índices de la base 1992, obteniéndose de esta manera la serie empalmada, la cual debe expresarexactamente las mismas variaciones reflejadas en la serie original.

1001997,97

1001992,97

=

==enero

enero

IPCIPC

coef

Estudio IESA

17

ANEXO 2CRITERIOS PARA LA SELECCIÓN DEL MODELO VAR

1. Criterio de información de Akaike y Schwarz:Ambos penalizan la inclusión de rezagos no significativos en la especificación del modelo:

nSRC

nkCIA ln2+= ; n

SRCnnkCIS ln.ln +=

donde:k= número de rezagos (incluyendo la intersección)n= número de observacionesSRC= suma de los residuos al cuadradoAl comparar varios modelos, se prefiere aquel con un menor valor para ambos.

VAR Lag Order Selection Criteria

Endogenous variables: DLVOL_SA DLNIPC

Exogenous variables: C DUM_P DUM_V12 DUM_V2

Date: 07/16/05 Time: 23:22

Sample: 1991M01 2005M02Included observations: 157

Lag LogL LR FPE AIC SC HQ

0 658.9995 NA 8.58e-07 -8.292988 -8.137255 -8.229739

1 756.9501 188.4145 2.59e-07 -9.489810 -9.256212* -9.394938

2 766.4935 18.11425 2.42e-07 -9.560427 -9.248962 -9.433930*

3 771.9031 10.13008 2.37e-07* -9.578384* -9.189053 -9.420263

4 775.7039 7.020536 2.38e-07 -9.575846 -9.108649 -9.386101

5 778.1557 4.466288 2.43e-07 -9.556123 -9.011060 -9.334754

6 779.4822 2.382647 2.51e-07 -9.522066 -8.899137 -9.269073

7 780.2659 1.387820 2.62e-07 -9.481095 -8.780300 -9.196477

8 780.6285 0.632652 2.75e-07 -9.434757 -8.656096 -9.118516

9 781.4827 1.469131 2.86e-07 -9.394684 -8.538157 -9.046819

10 782.0096 0.892604 2.99e-07 -9.350440 -8.416047 -8.970950

11 788.0724 10.11756 2.92e-07 -9.376718 -8.364458 -8.965604

12 794.4034 10.40393* 2.84e-07 -9.406413 -8.316287 -8.963675

* indicates lag order selected by the criterionLR: sequential modified LR test statistic (each test at 5% level)FPE: Final prediction errorAIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion

Estudio IESA

18

Se decidió tomar el número de rezagos sugerido por el criterio de información de Akaike (3), ya que entérminos generales el criterio de Schwarz tiende a subestimar el número de rezagos.

2. Inversa de las raíces de los polinomios AR característicosEsta herramienta del programa econométrico EViews reporta la inversa de las raíces asociadas a lospolinomios AR característicos. Si el modelo VAR especificado es estable a largo plazo (estacionario), todaslas raíces deben tener módulos menores a la unidad.

Roots of Characteristic Polynomial

Endogenous variables: DLVOL_SA DLNIPC Exogenous variables: C DUM_P DUM_V12 DUM_V2 Lag specification: 1 3Date: 07/16/05 Time: 23:24

Root Modulus

0.863260 0.863260

-0.399031 - 0.413605i 0.574713-0.399031 + 0.413605i 0.574713-0.021866 - 0.440303i 0.440846-0.021866 + 0.440303i 0.440846 0.264573 0.264573

No root lies outside the unit circle.

VAR satisfies the stability condition.

3. Estacionariedad de los residuosPara que el modelo VAR especificado se considere representativo, los residuos de la regresión deben serruido blanco. Por tal motivo, se aplicó el test de Dickey-Fuller sobre los residuos de la inflación y ellogaritmo del índice de volumen de la producción industrial; rechazándose la hipótesis de la existencia deraíz unitaria al 5 por ciento de significancia, tal como se presenta en los siguientes cuadros de salida:

Estudio IESA

19

Test Dickey-FullerResiduos de inflación del modelo VAR

1991:04 – 2005:02Null Hypothesis: RES_IPC has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic based on AIC, MAXLAG=13)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -11.076155 0.000000

Test critical values: 1% level -3.470178

5% level -2.878936

10% level -2.576124

*MacKinnon (1996) one-sided p-values.Fuente: Cálculos propios.

Test Dickey-FullerResiduos de LNVOL_SA del modelo VAR

1991:04 – 2005:02Null Hypothesis: RES_VOL has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic based on AIC, MAXLAG=13)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -13.13224 0.0000

Test critical values: 1% level -3.470179

5% level -2.878937

10% level -2.576124

*MacKinnon (1996) one-sided p-values. Fuente: Cálculos propios.

Estudio IESA

20

ANEXO 3CONSTRUCCIÓN DEL IPC LATENTE A PARTIR DE LOS RESIDUOS ESTRUCTURALES

Basados en los residuos estructurales asociados a la definición de inflación latente y obtenidos a partir dela ecuación (2) especificada en la sección “Metodología”, a continuación se describe el procedimientoutilizado para el cálculo del IPC latente de cada período:

1. En el período “t”, el residuo estructural latente representa la diferencia entre la inflación observaday la inflación latente calculada:

Λ

−= ttt ipclatdipcdslat lnlnRe (1)

2. De la relación anterior, puede conocerse la inflación latente calculada:

ttt slatipcdipclatd Relnln −=

Λ(2)

3. A partir de la ecuación (2), puede especificarse la inflación latente calculada como una diferencialogarítmica:

1ln −

Λ

−= ttt LnipclatLnipclatipclatd (3)

En este punto, no se conoce el logaritmo del IPC latente correspondiente al período “t-1”. Se supone queel mismo es igual al logaritmo del IPC observado:

11 −− = tt LnipcLnipclat (4)

Sustituyendo (4) en (3), se obtiene el logaritmo del IPC latente del período “t”:

Λ

−

Λ

+= ttt ipclatdLnipcLnipclat ln1(5)

Finalmente, el IPC latente del período “t” resulta de la integración del resultado de la ecuación (5).Para el período “t+1”, se sigue la misma metodología especificada en las ecuaciones (1) y (2), sustituyendoel logaritmo del IPCt observado de la ecuación (3) por el cálculo del logaritmo del IPCt latente, obtenidomediante la ecuación (4).

Estudio IESA

21

BibliografíaÁlvarez, L. y M. de los Llanos Matea (1999): “Underlying Inflation Measures in Spain”. Documento deTrabajo, N° 991. Madrid: Banco de España.

Banco Central de Venezuela (varios años): Informe Económico. Caracas: BCV.

Blanchard, O. y D. Quah (1989): “The Dynamic Effects of Agregate Demand and Supply Disturbances”.American Economic Review, 79.

Blanco, E. y B. Reyes (1999): “Inflación Subyacente”, Documento de Trabajo, N° 19. Caracas: Banco Centralde Venezuela.

Enders, W. (2004): Applied Econometric Time Series, segunda edición. John Wiley.

Engle, R. y C. Granger (1987): “Cointegration and Error-Correction: Representation, Estimation andTesting”. Econometrica, 55.

Espasa, A. y J.R. Cancelo (1993): Métodos cuantitativos para el análisis de la coyuntura económica. Madrid:Alianza Editorial.

Fermín, Z. y E. Paracare (2000): “Un indicador mensual de actividad económica (IGAEM)”. Documento detrabajo, N° 22. Caracas: Banco Central de Venezuela.

Johansen, S. (1988): “Statistical Analysis of Cointegrating Vectors”. Journal of Economics Dynamics andControl, 12.

Johansen, S. y K. Juselius (1990): “Maximum Likelihood Estimation and Inference on Cointegrationwith Application to the Demand for Money”. Oxford Bulletin of Economics and Statistics, 52.

Mateos, C. y A. Gaytán (1998): “Medidas alternativas de inflación”. Serie Documentos de Investigación.Documento No. 9802. México: Banco de México.

Melo, L. y F. Hamann (1997): “Inflación básica: Un análisis basado en VAR estructurales”. Documento deTrabajo. Colombia: Banco de la República.

Quah, D. and S.P. Vahey (1995): “Measuring Core Inflation”. The Economic Journal. September, 1130-1143.

Stock, J. y M. Watson (1988): “Testing for Common Trends”. Journal of the American Statistical Association,83.

Valverde, A.C., E. Salas y J.C. Solano (2002): “Aspectos conceptuales sobre series de tiempo: Nocionesbásicas”. DIE / 02/ 2002 NT. Costa Rica: Banco Central de Costa Rica.