¿Existe asimetría en el tamaño de los multiplicadores fiscales en ciclos expansivos y recesivos? Un análisis para la zona euro

UNIVERSIDAD DE SEVILLA DPTO. DE ECONOMÍA E HISTORIA ECONÓMICA GRADO EN ECONOMÍA ¿EXISTE ASIMETRÍA EN EL TAMAÑO DE LOS MULTIPLICADORES FISCALES EN CICLOS EXPANSIVOS Y RECESIVOS? UN ANÁLISIS PARA LA ZONA EURO TRABAJO FIN DE GRADO Desirée Palomo Torres Vº. Bº. de los tutores: Luis Ángel Hierro Recio/ Pedro Atienza Montero Sevilla. Junio de 2017 Resumen: En este trabajo analizamos la asimetría en el impacto del gasto público en el crecimiento económico, para 11 países de la Eurozona para el período 1993-2015, a través de la determinación del tamaño del multiplicador fiscal, distinguiendo entre ciclos expansivos y recesivos, empleando una metodología TSLS. Asimismo, se investiga el efecto de la implantación del euro sobre los multiplicadores fiscales. En nuestro análisis encontramos que el tamaño del multiplicador fiscal del gasto alcanza valores superiores en épocas de recesión (≃2) que de expansión (≃1). Con respecto al impacto del euro no se encuentra un efecto significativo tras su implantación en la Eurozona. Palabras clave: Multiplicador fiscal, Gasto público, Ciclo económico, Eurozona. Clasificación JEL: E32, E62 Abstract: In this paper we analyse the assymmetry in the impact of the decisions adopted in public expenditure on economic growth for 11 countries of the Eurozone considering the period 1993-2015. For this, we will obtain the size of the fiscal multipliers distinguishing between expansive and recessive cycles, using a methodoly TSLS. Also, it investigates the impact of the introduction of the euro on fiscal multipliers. In our analysis, we find that the size of expenditure fiscal multipliers reaches higher values in times of recession (≃2) than expansión (≃1). There is no significant impact of the euro after its implementation in the Eurozone. Keywords: Fiscal multiplier, Public expenditure, Economic cycle, Eurozone JEL Classification: E32, E62 ÍNDICE 1. Introducción............................................................................................1 2. Revisión de la literatura.........................................................................3 3. Metodología y fuente de datos..............................................................16 4. Resultados..............................................................................................20 5. Conclusiones..........................................................................................26 LISTADO DE TABLAS ❖ Tabla 1. Resumen de las investigaciones realizadas con metodología VAR. ❖ Tabla 2. Resumen de las investigaciones realizadas con metodología de modelos DSGE. ❖ Tabla 3. Resumen de las investigaciones realizadas con metodología basada en regresión lineal. ❖ Tabla 4. Descripción de las variables utilizadas. ❖ Tabla 5: Estadísticos descriptivos de las variables utilizadas. ❖ Tabla 6. Estimación del multiplicador fiscal. Distinción entre multiplicadores de expansión y recesión. GFC interactuando con la dummy de contracción. ❖ Tabla 7. Estimación del multiplicador fiscal. Distinción entre multiplicadores de expansión y recesión. GFC interactuando con la dummy de contracción e introducción de la variable dummy euro. ❖ Tabla 8. Estimación del multiplicador fiscal sin distinción entre multiplicadores de expansión y recesión y sin introducción de la variable euro. ❖ ANEXO: Test de estacionariedad. 1 1. INTRODUCCIÓN La reciente crisis financiera mundial, que estalla entre 2007 y 2008, y la posterior Gran Recesión provocaron que en muchas economías sus dirigentes se viesen forzados a aplicar importantes paquetes de medidas fiscales expansivas, acordadas en el seno del G20. No obstante, en la Eurozona, a partir de mediados de 2010 se impusieron políticas de austeridad, en un contexto de preocupación institucional casi única por el déficit público y la estabilidad de precios. La crisis económica mundial que se desencadenó a partir de finales de 2008 era típicamente deflacionista, derivada de insuficiencia de demanda agregada consecuencia de la caída del consumo e inversión privados, como se pone de manifiesto en la caída del nivel de precios en los distintos países. Además, el arsenal de la política monetaria convencional pronto pareció dejar de ser efectiva a medida que los tipos de interés oficiales se acercaban a cero y entrábamos en el terreno de la trampa de la liquidez. En este contexto, era totalmente pertinente bucar en la caja de herramientas keynesiana como se hizo en las Cumbres del G20 de Washington (noviembre 2008) y de Londres (abril 2009). Es decir, después de cuatro décadas de predominio de la Macroeconomía Clásica, parecía resurgir el keynesianismo y, a su albur, el interés académico por el estudio de los multiplicadores fiscales. Dado que el origen de este debate se ecnuentra en las disputas de monetaristas y keynesianos de los años 70, las investigaciones realizadas sobre los multiplicadores fiscales son muy extensas y numerosas, y sus resultados están caracterizados por una amplia variabilidad. Esta literatura empírica se ha centrado fundamentalmente en EE.UU. como país objeto de análisis y, con menor frecuencia, en otros países de la OCDE. Si bien, el paradigma keynesiano parecía haber resurgido como solución de política económica a la crisis económica, a mediados de 2010, a partir sobre todo de la Cumbre del G20 de Toronto (junio 2010), en Europa se empezó a poner en cuestión las políticas fiscales expansivas y se consideró la conveniencia de empezar a poner fin a dichas políticas expansivas. 2 Esta singularidad europea justifica que debamos trabajar centrándonos en los países de la Eurozona, ya que es aquí donde se ha impuesto la austeridad fiscal con mayor intensidad a partir de mediados de 2010, sobre todo si tenemos en cuenta la escasez de trabajos empíricos que estiman los multiplicadores en la Eurozona. Los objetivos concretos que nos proponemos para este trabajo son: estimar el multiplicador fiscal del gasto público en los países de la Eurozona para conocer si existe asimetría en períodos expansivos y recesivos de la economía viendo como la introducción del euro afecta a dicha asimetría. Nuestro objeto de estudio, por tanto, se centra en 11 países* de la Zona euro (Alemania, Austria, Bélgica, España, Finlandia, Francia, Irlanda, Grecia, Italia, Países Bajos y Portugal) para el período 1993-2015. Consideramos 11 paises de la Eurozona por falta de datos disponibles para el periodo considerado en los restantes países integrantes. Nuestro trabajo de referencia es Qazizada y Stockhammer (2014). Siguiendo a este trabajo, la metodología utilizada es la de Mínimos Cuadrados Generalizados (GLS en sus siglas en inglés) y Mínimos Cuadrados Ordinarios en dos etapas (TSLS) con el fin de corregir problemas de endogeneidad, ambos tomando tanto efectos aleatorios como efectos fijos para un panel de datos de los 11 países reseñados y para el período 19932015. Emplearemos tres ecuaciones diferentes para obtener las estimaciones, dos de ellas distinguiendo entre expansión y recesión a través de la interacción del gasto con el ciclo económico. En una de éstas, además, se incluirá una variable dummy representativa del período de existencia del euro, y finalmente, en la última ecuación, en la que sólo veremos la relación entre la producción y el gasto sin distinguir el ciclo económico existente. En todas ellas, el crecimiento del PIB aparecerá como la variable dependiente. Sólo muy recientemente algunos autores han investigado el tamaño del multiplicador fiscal distinguiendo entre períodos recesivos y expansivos. Entre ellos destacan, por ejemplo, Christiano et al (2011), que lo hace a través de un modelo neokeyesiano DSGE, Auerbach y Gorodnichenko (2012) o De Cos y Moral - Benito (2013) a través de un enfoque VAR, o bien Turini et al (2012) o Qazizada y Stockhammer (2014) quienes emplean datos de panel en una estimación TSLS. Este trabajo se enmarca en esta rama de la literatura y es de las escasas investigaciones que se centran sólo en los países de la Eurozona. 3 Con respecto a los resultados obtenidos, los multiplicadores fiscales del gasto son positivos, mayores en la regresión TSLS, y alcanzan niveles superiores en periodos recesivos que en periodos contractivos. Con respecto al otro objetivo de este estudio, el impacto de la introducción del euro como moneda común, se aprecia que en los años en los que el euro está en vigor, el crecimiento es ligeramente inferior, pero los resultados no son lo suficientemente significativos como para realizar una afirmación rigurosa. El trabajo se estructura de la siguiente forma: en el apartado 2 se realizará una revisión de la literatura existente tanto teórica como empírica; en el apartado 3 profundizaremos en los datos utilizados y la metodología empleada para el análisis; en el apartado 4 mostraremos y comentaremos los resultados obtenidos, y finalmente, en el apartado 5 daremos las conclusiones obtenidas tras este estudio, realizando una comparación con otras investigaciones análogas. 2. REVISIÓN DE LA LITERATURA En el presente apartado presentamos una revisión bibliográfica sobre estimación del tamaño de los multiplicadores fiscales. Una cuestión muy analizada en los últimos años y caracterizada por la incertidumbre y variabilidad que conlleva la cuantificación de los mismos. Estas diferencias se deben fundamentalmente a las distintas metodologías aplicadas, por un lado, y a las características propias de la economía, por otro, como son el grado de apertura de la economía, el régimen cambiario o, especialmente, el ciclo económico por el que transcurra la economía. Existe una amplia literatura sobre este ámbito de estudio, por ello es necesario realizar una síntesis de la misma. Desde el punto de vista metodológico las diferencias se manifiestan en aspectos tales como las variables seleccionadas para el estudio, el tipo de multiplicador o los distintos métodos empleados. Con respecto a las variables objeto de análisis, la mayoría de las investigaciones utilizan los conceptos en términos netos; algunas también optan por el llamado “ajuste o impulso fiscal”; y muchas otras consideran más adecuado optar por variables menos dependientes del ciclo económico (ver Romer y Romer (2008), FMI (2010), y Ramey (2009)). 4 Asimismo, inciden en los resultados el tipo de multiplicador fiscal seleccionado, que variará en función de si se mide con un impacto inmediato de la actuación fiscal (año, semestre o trimestre) como se aprecia en Blanchard y Perotti (2002) o Romer y Bernstein (2009); o el impacto en un periodo determinado, escenario aplicado por Blanchard y Perotti (2002) o Freedman et al (2009); o el impacto máximo (mide el punto más alto que alcanza el multiplicador en el periodo) como se da no sólo en los anteriores sino también, por ejemplo, en Auerbach y Gorodnichenko (2010); o el impacto acumulado como en el FMI (2010), Cogan et al (2009) o Romer y Berstein (2009). En cuanto a los distintos métodos empleados para el cálculo y cuantificación de los multiplicadores fiscales, tres son las aproximaciones a destacar: modelos de equilibrio general dinamico estocásticos (DSGE), modelos de vectores autorregresivos (VARs), y modelos de regresión de una única ecuación (OLS, TSLS, GMM, …): • Los modelos DSGE integran el funcionamiento global de la economía y proporcionan una simulación de los efectos de las políticas económicas. Presentan diversas formas de comportamiento racional y la política monetaria se configura a partir de la regla de Taylor. Normalmente generan varios resultados, debido a la utilización de diversos modelos para su estimación, como Romer y Berstein (2009), OCDE (2009) o Cwik y Wieland (2010), que utilizan cinco modelos, cuatro de corte neokeynesiano, y uno keynesiano. • A diferencia de los anteriores, los modelos VAR utilizan datos reales y se centran en la evolución de éstos a lo largo del tiempo. Emplean, por lo general, hasta cinco ecuaciones. Las variables en este caso están interrelacionadas y son explicadas por los retardos tanto de ella misma como del resto de las variables; por tanto, los resultados dependen de las variables seleccionadas y omitidas. También dependen de los ciclos económicos, y para evitar que la división de las muestras entre períodos de expansión y recesión conlleve que el número de observaciones sea demasiado pequeño, algunos introducen la regresión no lineal (Fazzari et al, 2012). Además de los modelos SVAR clásicos, se utilizan otros como el TAR, modelo de umbral autorregresivo (Chang y Tong, 1986); el TSVAR en el que los parámetros cambian al superar el umbral (Fazzari et al, 2012); o el STAR, 5 modelos de transición autorregresivos que permiten acomodar el análisis de ecuaciones simultáneas (Auerbach y Gorodnichenko, 2010). El método VAR, sin embargo, presenta inconvenientes tales como la obtención tardía de los resultados (Ramey, 2009) o la no captación de los cambios estructurales del entorno económico de forma adecuada (Alan Auerbach (2009, p. 232); Ilzetzki et al (2013)). • Otros estudios de multiplicadores del gasto utilizan un enfoque de estimación de una sola ecuación. Éstos no suponen el uso de un sistema de ecuaciones como los VAR, ni tampoco establece restricciones teóricas como los modelos DSGE. Este modelo parece funcionar cuando las variables empleadas no mantienen una relación de dependencia con las características propias de la coyuntura económica existente. En este método para evitar el problema de la endogeneidad se puede optar por una estimación TSLS (a través de la introducción de variables instrumentales y la aplicación de MCO en dos etapas permitiendo obtener estimadores consistentes de los parámetros) (Afonso y Fuceri, 2010, Acconcia et al, 2011; Stockhammer y Engelbert, 2014), o bien por un método GMM (Afonso y Alegre, 2011). Dentro de este enfoque se han utilizado de forma amplia datos de panel en los últimos años. Por otra parte, la mayoría de los estudios, con independencia del método empleado, asumen implícitamente un efecto multiplicador lineal, y sólo en los últimos años se han realizado investigaciones de los efectos no lineales. Dentro de estos estudios se distinguen los modelos RSVAR dentro del enfoque VAR (Auerbach y Gorodnichenko, 2012, De Cos y Moral– Benito, 2013), otros de tipo DGSE (Christiano et al, 2011), y finalmente, estimaciones TSLS (Turrini et al, 2012; Reinhart y Rogoff, 2010). En cuanto a los resultados, hemos repasado un total de 51 trabajos, de los que 23 han empleado metodología VAR, 18 modelos macroeconómicos, y 10 modelos de regresión lineal. En todos ellos se ha observado de forma general que: • Las estimaciones de los multiplicadores difieren bastante, desde valores negativos hasta otros superiores a la unidad. 6 • En su mayoría optan por la linealidad, lo cual no permite conocer el valor verdadero del tamaño del multiplicador en situaciones de recesión, momento en que son más pertinentes las medidas discrecionales de política fiscal. • El país más analizado en la literatura es EE.UU. Procedemos a la descripción de la literatura empírica, clasificándola según la metodología empleada. En primer lugar, los trabajos que utilizan el método VAR. Ramey y Shapiro (1999), aplicando un modelo REVA con linealidad para EE.UU. para el período 1947-1996, encontraron una respuesta negativa del consumo privado al gasto público, pero mostraron que la producción se elevaría a tres cuartas partes. Fatah y Mihov (2001) comparan los resultados del VAR con un modelo econométrico estándar de equilibrio optando por la linealidad e incluyendo variables tales como el gasto público, el PIB, los impuestos, los precios, y el salario real. Analizando a EE.UU. en el periodo 1960-1996, obtienen que el multiplicador del gasto oscila entre 0,7 y 1,74. Blanchard y Perotti (2002) fueron los primeros en aplicar la estrategia SVAR a la política fiscal de EE.UU. Realizaron un estudio para 1960-1997 identificando los shocks fiscales a partir de información institucional. Se trataba de un modelo de tres variables, impuestos, gasto y producción, que arrojaba un multiplicador del gasto de 0,9. En Blanchard y Perotti (2004) ampliaron su estudio añadiendo dos variables adicionales, la tasa de interés y los precios. Tras las modificaciones, los resultados fueron de 0,1-0,3. Burnside et al (2004), centrando su análisis en EE.UU. en el período 1947-1995, mostraron que la producción aumentaba mientras que, en el consumo y la inversión, las modificaciones eran mínimas. Perotti (2005) es otro de los autores que dirigió su investigación a EE.UU., pero también a la República Federal de Alemania, Reino Unido, Canadá y Australia para el período 1960-2001. Utilizó dos submuestras: la primera desde 1960 hasta 1979, y la segunda desde 1980 hasta 2001. Empleó variables como el PIB, los impuestos, el gasto, los precios y la inversión pública, y los resultados de los multiplicadores fueron de 1,04 a 1,29 en el primer periodo, y de 0,28 a 0,36 en el segundo. 13 Afonso y Fuceri (2010) utilizan un modelo CCOLS (Cross Country OLS) para 15 países de la UE, y otros tantos de la OCDE (1970-2004), del que se destaca que las transferencias públicas, el consumo y la inversión tienen un impacto negativo en el crecimiento. Afonso et al (2010) emplean un modelo de dos etapas con datos de panel o PLTSL, con no linealidad para 98 países en un periodo comprendido entre 1981 y 2007 que arroja un multiplicador de 0,6-1,1. Considera que los multiplicadores durante recesión y en tiempos normales no son estadísticamente distintos unos de otros. El FMI (2010), realiza un estudio para OCDE (1980-2007) en el que el multiplicador fiscal del gasto se encuentra entre cero y la unidad. Acconcia et al (2011), usan la misma metodología que Afonso et al (2010) aplicando el método a Italia (1990-1999). Aquí el multiplicador oscila entre 1,2 y 1,4. Afonso y Alegre (2011), emplean un modelo GMM para la Unión Europea (1971-2006) en el que se concluye diciendo al aplicar medidas fiscales se genera un impacto negativo sobre el consumo público, pero positivo sobre la inversión pública o el déficit presupuestario. Turrini et al (2012) hacen uso de un modelo TSLS de datos de panel e incluye la no linealidad. Estudian 56 países (1970-2008), y los multiplicadores muestran valores de 0,8 en tiempos normales del ciclo económico y de 0,2 en momentos de crisis económica. Qazizaba y Stockhammer (2014) aplican un TSLS con datos de panel a los países de la OCDE. En este artículo se concluye que los multiplicadores son mayores a la unidad en épocas de recesión e inferiores en épocas de expansión. Kraay (2014) analiza 102 países desarrollados en el periodo 1970-2010 con método OLS y TSLS, y el resultado es que el multiplicador del gasto se sitúa en 0,4. Tabla 3. Resumen de las investigaciones realizadas con metodología basada en regresión lineal. AUTOR Y AÑO PAÍSES Y PERIODO RESULTADOS Romer y Romer (2008) EE.UU. 1950-2006 µ>1 FMI (2008) 21 Econ. Avanz.19702007 0<µ<1 Hall (2009) EE.UU. 1930-2008 µ (PIB) = 0-1 14 µ(Gº) < 0 Afonso y Fuceri (2010) 15 países de la UE; resto de la OCDE. 1970-2004 Crecimiento perjudicial del Gasto Pº Afonso et al (2010) 98 países. 1981-2007 0,6<µ<1,1 FMI (2010) OCDE 1980-2007 0< µ<1 Afonso y Alegre (2011) UE 1971-2006 Impacto negativo en el C. Pº, pero más en I y déf. pprio. Acconcia et al (2011) Italia (1990-1999) 1,2< µ<1,4 Turrini et al (2012) 56 países. 1970-2008 µ=0,8; µ en crisis=0,2 Qazizaba y Stockhammer (2014) OCDE 1979-2011 µ expansión <1 µ recesión >1 Krayy (2014) 102 países desarrollados 1970-2010 µ≃0,4 Fuente: Elaboración propia. Notas: µ es el multiplicador del gasto. En vista de la síntesis realizada se puede observar que los resultados son bastante heterogéneos. Estos resultados no sólo dependen de la metodología utilizada sino también de factores tales como la reacción que tenga la política monetaria ante las medidas adoptadas, la perspectiva sobre el consumo privado, la etapa del ciclo económico, los instrumentos empleados, las relaciones con el exterior, o incluso de la rigidez de los precios y salarios. Refiriéndonos al primero de los factores, que la política monetaria pueda acomodarse, vendrá en función del ciclo de la economía existente, por un lado, y del régimen cambiario, por otro. Así, cuando la economía se encuentra en una etapa recesiva del ciclo resulta más sencilla la adaptación de la política monetaria, al igual que también es más fácil la acomodación cuando los tipos de cambio son fijos. Esta conexión entre los multiplicadores fiscales y la respuesta de la política monetaria podemos verla en Cogan et al (2009), aunque hay muchas otras investigaciones que no consideran significativa la respuesta monetaria para el cálculo del tamaño de los multiplicadores. Otra de las cuestiones que no muchas investigaciones consideran, aunque sí en las más recientes, es el momento del ciclo económico en el que nos situemos, clave para el cálculo 15 del tamaño del multiplicador fiscal. Destacan aquí autores como Auerbach y Gorodnichenko (2009). Atendiendo al consumo agregado, tres son las formas que éste puede presentar, renta disponible, renta permanente o teoría del ciclo de vida. La mayoría de los estudios suelen adoptar una posición intermedia entre la visión ricardiana o el consumo del total del incremento de renta experimentado, considerando que el consumo privado se relaciona con la renta disponible de una forma u otra. Abordan estas cuestiones investigaciones tales como la de Coenen et al (2010) o Galí et al (2007). Otro factor de heterogeneidad de los resultados de los estudios analizados se refiere a los instrumentos fiscales utilizados. En la mayoría de los estudios el multiplicador del gasto es superior al de los impuestos. Por ejemplo, en Perotti (2005). Además, hemos de considerar el tiempo que dura la actuación fiscal, pese a que no existan muchos trabajos que traten este aspecto. Otro factor es el grado de apertura comercial y su incidencia en el multiplicador fiscal, así como la necesidad de la coordinación internacional de las políticas fiscales, pues en un mundo como el actual la toma de decisiones de los Gobiernos no solo afectan al país en cuestión sino también al resto de países. Ilzetzki et al (2011), al que ya nos hemos referido previamente, concluye que los países con menor propensión marginal a importar suelen tener mayores multiplicadores fiscales, siendo éstos coincidentes con las economías más avanzadas. Un último aspecto a tener en cuenta es la rigidez de los precios y salarios, lo cual incide en gran medida en la respuesta a la política fiscal aplicada y, por ello, al tamaño del multiplicador fiscal, como por ejemplo se puede apreciar en la investigación realizada por Coenen et al (2010). En definitiva, son diversos los factores que hemos de considerar a la hora de la estimación del multiplicador fiscal, y es la gran variabilidad de dichos factores los que provocan la amplia variabilidad de los resultados, siendo también importante, como ya hemos descrito, la metodología econométrica empleada, pues dependiendo de ésta obtendremos unos u otros resultados. Tras este análisis se pueden extraer conclusiones tales como que en su mayoría los trabajos utilizan la metodología VAR, la cual arroja una respuesta positiva de la producción ante una modificación del gasto público, por lo general. De forma menos amplia, se emplean también modelos de equilibrio general dinámicos 16 estocásticos de corte neokeynesiano u otros de rasgos similares, de los que se obtiene un tamaño del multiplicador inferior a uno en la mayoría de los casos. Y finalmente, aquellos que utilizan una única ecuación, es decir, modelos de regresión lineal, muestran que el tamaño de los multiplicadores está sujeto al ciclo económico y suele ser mayor en épocas recesivas que expansivas. 3. METODOLOGÍA Y FUENTE DE DATOS El objetivo de este trabajo es obtener el tamaño de los multiplicadores fiscales para la Zona euro, distinguiendo entre períodos de expansión y de recesión. El trabajo al que seguimos es principalmente Qaizada y Stockhammer (2014), quienes realizan una investigación referida a 21 países de la OCDE a través de la técnica econométrica TSLS. Aquí se realizará un estudio semejante, pero para 11 países de la zona euro, concretamente, Alemania, Austria, Bélgica, España, Finlandia, Francia, Grecia, Irlanda, Italia, Países Bajos y Portugal. El periodo estudiado es el de 1993-2015, distinguiendo dentro de éste años de recesión (años 1993, 1995, 1996, 1998, 2001, 2002, 2003, 2008, 2009, 2011 y 2012 con variable cont tomando valor 1) y de expansión (años 1994, 1997, 1999, 2000, 2004, 2005, 2006, 2007, 2010, 2013, 2014 y 2015 con variable no cont tomando valor 0). Las especificaciones del modelo que vamos a utilizar son tres: 1) 𝐺𝑃𝐷𝑖𝑡 =𝐶𝑖 + 𝛽𝐺𝑃𝐷𝑖𝑡−1 + 𝜃𝑋𝑖𝑡,𝑖𝑡−1 + 𝛾𝐶𝑜𝑛𝑡𝑖𝑡 + ∅𝐺𝐹𝐶𝑖𝑡 ∗ 𝐶𝑜𝑛𝑡𝑖𝑡 + 𝛼𝐺𝐹𝐶𝑖𝑡 ∗ (1 − 𝐶𝑜𝑛𝑡𝑖𝑡)+ 𝑢𝑖𝑡 (1) 2) 𝐺𝑃𝐷𝑖𝑡 =𝐶𝑖 + 𝛽𝐺𝑃𝐷𝑖𝑡−1 + 𝜃𝑋𝑖𝑡,𝑖𝑡−1 + 𝛾𝐶𝑜𝑛𝑡𝑖𝑡 + ∅𝐺𝐹𝐶𝑖𝑡 ∗ 𝐶𝑜𝑛𝑡𝑖𝑡 + 𝛼𝐺𝐹𝐶𝑖𝑡 ∗ (1 − 𝐶𝑜𝑛𝑡𝑖𝑡)+ 𝑒𝑢𝑟𝑜𝑖𝑡 + 𝑢𝑖𝑡 (2) 3) 𝐺𝑃𝐷𝑖𝑡 =𝐶𝑖 + 𝛽𝐺𝑃𝐷𝑖𝑡−1 + 𝜃𝑋𝑖𝑡,𝑖𝑡−1 + ∅𝐺𝐹𝐶𝑖𝑡 + 𝑢𝑖𝑡 (3) 17 donde: • 𝐺𝑃𝐷𝑖𝑡: Tasa de crecimiento del Producto Interior Bruto del país i en el momento t. • 𝐺𝑃𝐷𝑖𝑡−1 : Tasa de crecimiento del Producto Interior Bruto del país i en el momento t-1. • 𝐶𝑖: Constante • 𝑋𝑖𝑡,𝑖𝑡−1: Conjunto de variables de control: o INF: Tasa de inflación. o POP: Tasa de crecimiento de la población. o CAT: PIB del país i en paridad de poder adquisitivo con respecto al PIB de EE.UU. o XShock: Tasa de crecimiento del cociente de exportaciones reales entre importaciones reales. o NR: Tipo de interés nominal a corto plazo. o R: Tipo de interés real a corto plazo. o DCP: Crédito doméstico destinado al sector privado expresado como porcentaje del PIB. • 𝐶𝑜𝑛𝑡𝑖𝑡: Variable dummy que indica el ciclo, expansión o recesión, en que se encuentre la economía en un momento t determinado para el país i. Valor igual a 1 significa recesión. • 𝐺𝐹𝐶𝑖𝑡: Tasa de crecimiento del gasto público real final en consumo. • 𝐺𝐹𝐶𝑖𝑡 ∗ 𝐶𝑜𝑛𝑡𝑖𝑡: Tasa de crecimiento del gasto público real final en consumo en años de recesión. • 𝐺𝐹𝐶𝑖𝑡 ∗ (1 − 𝐶𝑜𝑛𝑡𝑖𝑡): Tasa de crecimiento del gasto público real final en consumo en años de expansión. • 𝑒𝑢𝑟𝑜𝑖𝑡: Variable dummy que permite distinguir entre años del periodo con y sin el euro. Valor igual a 1 significa años donde el euro existe. • 𝑢𝑖𝑡: Término error. 18 En cuanto a las variables consideradas, la variable 𝐺𝑃𝐷𝑖𝑡 se obtiene de la base de datos de AMECO como producto interior bruto a precios constantes, obteniéndose con posterioridad la tasa de crecimiento de dicha variable. Es necesaria también esta misma variable con un retardo (𝐺𝑃𝐷𝑖𝑡−1). La variable de control 𝑋𝑖𝑡,𝑖𝑡−1 incluye a la tasa de inflación (INF) que viene expresada en porcentaje y se obtiene a partir del Índice de Precios al Consumo (IPC) en AMECO; la tasa de crecimiento de la población (POP) se ha obtenido de la base de datos de AMECO; el PIB respectivo del país i considerado con respecto al PIB de EE.UU. (CAT), expresado en paridad del poder adquisitivo, tiene como fuente el Banco Mundial; la relación entre exportaciones reales e importaciones reales (Xshock), también dadas en tasa de crecimiento tiene como fuente AMECO; el tipo de interés nominal a corto plazo (NR), y el tipo de interés real a corto plazo (R), ambos tomados de AMECO; y finalmente, el crédito domestico para el sector privado dado como ratio del PIB (DCP) tiene como fuente en el Banco Mundial. La variable (𝐶𝑜𝑛𝑡𝑖𝑡) es una variable dummy representativa de períodos de contracción o recesión obtenida, para cada uno de los 11 países de la muestra, de la base de datos de la Reserva Federal de St. Louis. Con respecto a (𝐺𝐹𝐶𝑖𝑡) es una variable que indica el gasto final real en consumo realizado por las Administraciones Públicas para cada país. También se obtiene de la base de datos de AMECO, y se expresa como tasa de crecimiento. Finalmente, la variable 𝑒𝑢𝑟𝑜𝑖𝑡 es otra dummy que permite distinguir los periodos en los que en estos países estaba implantado el euro, o, por lo contrario, no lo estaba. Tabla 4. Descripción de las variables utilizadas. VARIABLE DEFINICIÓN FUENTE GPD Tasa de crecimiento real del PIB AMECO GFC Tasa de crecimiento del Gasto Real en Consumo Final de las AA.PP. AMECO CONT Distinción entre periodos de contracción y expansión. Una interpretación para la zona euro Reserva Federal del Banco de San Louis. INF Tasa de Inflación (IPC) AMECO 19 Fuente: Elaboración propia. En nuestro trabajo utilizamos la metodología con variables instrumentales TSLS para datos de panel, tanto con efectos aleatorios como con efectos fijos. La variable instrumental utilizada, del mismo modo a como se hace en el trabajo que nos sirve de referencia, Qaizada y Stockhammer (2014), es la misma variable de gasto público utilizada con un retardo. Adicionalmente a la técnica TSLS, la estimación se realizará también mediante Mínimos Cuadrados Generalizados (GLS), con y sin considerar efectos fijos. En las dos primeras ecuaciones introduciremos la distinción entre años con expansión y recesión del ciclo; asimismo, introducimos en la segunda ecuación la variable euro, hechos diferenciador básico respecto al trabajo de referencia, que permite comprobar qué impacto ha generado su implantación sobre el crecimiento económico de los países de la Eurozona, aunque parece ser que los resultados no son estadísticamente significativos probablemente, por la distorsión ocasionada por la crisis, como veremos más adelante. La tercera ecuación es similar a la primera, pero sin distinguir entre años de expansión y recesión. Se ha optado por un método con variables instrumentales TSLS para evitar el problema de la endogeneidad, al igual que hacen Qaizada y Stockhammer (2014) u otros como Turini et al (2012). El multiplicador fiscal del gasto que obtenemos en este trabajo es del tipo impacto inmediato, es decir, mide el efecto que se produce en el mismo periodo en el que se realiza POP Tasa de crecimiento de la población AMECO CAT PIB en PPA del país respectivo con respecto al de EE.UU. Banco Mundial XSHOCK Relación entre exportaciones e importaciones reales AMECO NR Tipo de interés nominal a C/P AMECO R Tipo de interés real a C/P AMECO DCP Crédito doméstico para el Sector Privado como porcentaje del PIB BANCO MUNDIAL EURO Periodos con y sin euro en vigor - 20 la actuación fiscal (hemos considerado periodos anuales). El multiplicador (m) lo definimos de la siguiente manera ∆𝑌 𝑡 ∆𝐺𝑡= 𝑚 (4) Siendo Yt y Gt el PIB y el gasto público del año t. Ahora bien, el coeficiente estimado respecto a la variable GFC en las 3 ecuaciones anteriores es una elasticidad. En efecto si denominamos genéricamente al coeficiente estimado relativo a la variable GFC en las 3 ecuaciones β, tenemos que: 𝛽 = ∆𝑌𝑡 𝑌𝑡 ∆𝐺𝑡 𝐺𝑡 (5) Y, por tanto, el multiplicador m se calcula de la siguiente forma: 𝑚 = 𝛽 ∙ 𝑌𝑡 𝐺𝑡 4. RESULTADOS Como se ha dicho, vamos a emplear la técnica de variables instrumentales TSLS, tanto en efectos fijos como aleatorios, debido a los problemas de endogeneidad entre las variables de producción y gasto público. Para contrastar los resultados también se emplea GLS. No se utiliza una regresión normal tipo OLS para datos de panel dados los problemas de heterocedasticidad, autocorrelación y correlación contemporánea que se han detectado a partir de la aplicación de la prueba modificada de Ward para heterocedasticidad, el test de Wooldridge (2002) para autocorrelación para datos de panel y el test de Pesaran (2004) en el caso de la correlación contemporánea. 21 Por otra parte, para evitar problemas de regresiones espúreas debido a la existencia de no estacionariedad en el panel, hemos aplicado los test de estacionariedad de Levin, Lin y Chu (2002), Im, Pesaran y Shin (2003) y los test tipo Fisher, usando Dickey-Fuller Aumentado (ADF) y Phillips y Perron (PP), de Maddala y Wu (1999) y Choi (2001). En la mayoría de los casos, y, en todo caso, en relación a las variables de interés, GDP y GFC, los resultados de los tests nos dicen que se puede rechazar la hipótesis nula de existencia de raíces unitarias (véase Anexo), de lo que se puede deducir que los paneles son estacionarios y, en consecuencia, no es necesario realizar ningún análisis de cointegración. En la siguiente tabla se muestran los estadísticos descriptivos de las variables incluidas en el modelo, considerándose un total de 253 observaciones: Tabla 5: Estadísticos descriptivos de las variables utilizadas. Variable Media Desv. Estándar Mínimo Máximo GDP 1,9066 3,2161 -9,1325 26,2761 GFC 1,6299 2,4351 -7,0207 10,1737 Cont 0,4704 0,5001 0 1 POP1 0,4590 0,4946 -0,9015 2,92 CAT1 0,0631 0,0625 0,0058 0,2387 INF 1,8046 1,2279 -4,7431 5,9454 XShock1 0,9981 0,1407 0,6129 1,1953 DCP1 88,5892 29,6032 26,6407 172,4112 NR 3,5119 3,3559 -0,0198 24,56 R1 1,7139 2,5532 -2,3152 12,2074 Euro 0,6957 0,4610 0 1 (1-Cont) 0,5296 0,5001 0 1 GFCCont 0,6994 1,8774 -7,0207 10,1737 GFC*(1-Cont) 0,9305 1,9266 -6,4495 9,3418 GFCEuro 1,0201 2,2399 -7,0207 10,1737 Fuente: Elaboración propia. 22 Los resultados obtenidos de las 3 ecuaciones a estimar, antes explicadas, se muestran en las tres Tablas siguientes: Tabla 6. Estimación del multiplicador fiscal. Distinción entre multiplicadores de expansión y recesión. GFC interactuando con la dummy de contracción. Fuente: Elaboración propia NOTAS: ***, **, y *, significan que los coeficientes son significativos al 1%, 5% y 10% respectivamente. Entre paréntesis figuran los p-valores. GLS GLS EFECTOS FIJOS TSLS TSLS EFECTOS FIJOS 𝑮𝑷𝑫𝒊𝒕−𝟏 0.554*** (0.000) 0.444*** (0.000) 0.441*** (0.003) 0.379** (0.043) 𝑪𝒐𝒏𝒕𝒊𝒕 -1.467*** (0.000) -1.346*** (0.000) -1.921*** (0.000) -2.127*** (0.000) 𝑮𝑭𝑪𝒊𝒕 ∗ 𝑪𝒐𝒏𝒕𝒊𝒕 0.182*** (0.000) 0.172*** (0.000) 0.423* (0.089) 0.369 (0.283) 𝑮𝑭𝑪𝒊𝒕 ∗(𝟏 − 𝑪𝒐𝒏𝒕𝒊𝒕) 0.142*** (0.000) 0.067 (0.138) 0.404 (0.186) 0.192 (0.674) POP1 -0.241* (0.087) -0.656*** (0.003) -0.599 (0.188) -1.607** (0.015) CAT1 -4.064*** (0.000) -5.668 (0.425) -5.955** (0.022) -23.597 (0.171) INF -0.181*** (0.008) -0.236*** (0.008) -0.118 (0.416) -0.082 (0.620) Xshock1 2.667*** (0.000) 0.500 (0.651) 3.709*** (0.004) -1.874 (0.539) DCP1 -0.011*** (0.000) -0.023*** (0.000) -0.012* (0.056) -0.024* (0.050) R1 -0.009 (0.800) -0.056 (0.182) -0.011 (0.871) -0.119 (0.134) 𝑪𝒊 0.261 (0.599) 4.621* (0.059) -0.449 (0.781) 8.337** (0.043) R2 0.5048 0.3342 WALD CHI2 758.58 (0.0000) 567.77 (0.0000) 254.61 (0.0000) 431.43 (0.0000) MULTIPLICADOR EN RECESIÓN 0.8759*** 0.8279*** 2.0359* 1.9059 MULTIPLICADOR EN EXPANSIÓN 0.6905*** 0.3258 1.9646 0.9337 29 BIBLIOGRAFÍA Acconcia, A., Corsetti, G. y Simonelli, S. (2011): “Mafia and Public Spending: evidence for the fiscal multiplier from a quasi-experiment”. CEPR Discussion Paper nº 8305. Afonso, A. y Alegre, J.G. (2011). “Economic growth and budgetary components: a panel assesment for the EU”. Empirical Economics, 41(3), pp. 703-723. Aleksandra Maatsch (2014). “Are we all austerians now? An analysis of national parliamentary parties' positioning on anti-crisis measures in the eurozone”. Journal of European Public Policy, 21:1, 96-115, DOI: 10.1080/13501763.2013.829582. Disponible online en: http://dx.doi.org/10.1080/13501763.2013.82958 (consulta 16 mayo 2017). AMECO (Base de datos). Disponible online en: http://ec.europa.eu/economy_finance/ameco/user/serie/SelectSerie.cfm Angrist, J.P., y Pischke, J. (2008). Mostly Harmless Econometrics. An empiricist’s Companion. Princeton University Press. Auerbach, A. y Gorodnichenko, Y. (2012). “Fiscal Multipliers in Recession and Expansion, en Fiscal Policy after the Financial Crisis. Editado por AlbertoAlesina y Francesco Giavazzi”. University of Chicago Press, pp. 63-98. Disponible online en (consulta de 16 mayo 2017): http://www.nber.org/chapters/c12634 Banco Mundial (Base de datos). Disponible online en: http://datos.bancomundial.org/indicator/NY.GDP.PCAP.PP.KD http://datos.bancomundial.org/indicador/FS.AST.PRVT.GD.ZS Barrel. R, Dawn. H, Hurst. J. (2012). “Fiscal multipliers and prospects for consolidation”. OCDE Journal: Economic Studies Vol. 2012/1. Disponible online (consulta dd 16 mayo 2017) en http://dx.doi.org/10.1787/19952856 Baum. A, Poplawsk-Ribeiro, M., y Weber, A. (2012). “Fiscal Multipliers and the state of economy”. FMI Working Paper WP/12/286. 30 Blanchard, O. y Leigh, D. (2013). “Effects of fiscal policy in Deep recessions simple and hopefully credible empirical evidence: Growht Forecast Errors and Fiscal Multipliers”. American Economic Review, 103 (3), pp.117-120 Blanchard, O. y Perotti, R. (2002). “An empirical characterization of the Dynamic effects of changes in government spending and taxes on output”. The Quarterly Journal of Economics, 117 (4), pp. 1329-1368. Born, B., Juessen, F., y Müller, J. (2013). “Exchange rates regimes and fiscal multipliers”. Journal of Economics Dynamics & Control,37, pp.446-465 Burriel, P., de Castro F., Garrote D., Gordo E., Paredes J. y Pérez J. (2010). “Fiscal Multipliers in the Euro Area”. Revista de Economía y Estadística, Cuarta Época, Vol. 48, No. 2 (2010), pp. 7-27 Cerón. J. (2012). “Los multiplicadores fiscales: Una revisión de la literatura empírica”. Revista de Economía Mundial, 34, pp. 175-209. Christiano, L., Eichenbaum, M., y Rebelo, S. (2011). “When is the government spending multiplier large?” Journal of Political Economy, 119(1), pp.78-121. De Castro, F, Gordo, E., y Pérez, J.J., (2010). “La política fiscal discrecional en tiempos de crisis”. Banco de España: Presupuesto y Gasto Público, 59/2010, pp. 83-102. De Cos, P. y Moral – Benito, E. (2013). “Fiscal Multipliers in Turbulent Times.: The case of Spain”. Banco de España Working Paper No.1309. Galí, J. y Perotti, R. (2002). “Fiscal Policy and Monetary Integration in Europe”. CEPR Discussions Papers, vol. 3933 Gechert, S. y Will, H., (2012). “Fiscal Multipliers: A meta regression analysis”, IMK Working Paper 97-2012, Macroeconomic Policy Institute. Hemming. R, Kell. M, y Manfouz. S. (2012). “The effectiveness os fiscal policy in stimulating economic activity”. A review of the literature. FMI Working Paper WP/02/208. Ilzetzki, E., Mendoza, E. y Vegh, C.A (2013). “How big (small) are fiscal multipliers?” Journal of Monetary Economics, 60 (2), pp. 239-254. Ilzetzki, E., y Vegh, C.A. (2008). “Procyclical fiscal policy in developing countries: truth or fiction?” NBER Working Paper No.14191. 31 Hausman, J.A. (1978). “Specification Test in Econometrics”. Econometrica, 46 (6), pp. 1251-1271 Konzelman. J. (2014). “The political economics of austerity”. Cambrigde Journal Economics 38, p. 701-191. Kraay, A., (2012). “Government spending multipliers in developing countries: evidence from lending by oficial creditors”. American Economic Journal: Macroeconomics pp. 170-208. Disponible online en (consulta 16 mayo 2017): http://dx.doi.org/10.1257/mac.6.4.170 Mertens. K, y Ravn. O (2014). “A reconciliation of SVAR and narrative estimates of tax multipliers”. Journal of Monetary Economics,68, pp.1-19. Montero. R (2013). “Variables no estacionarias y cointegración. Documentos de Trabajo en Economía Aplicada. Universidad de Granada. España Owyand, T., Ramey, A. y Zubairy, S. (2013). “Are government spending multipliers greater during periods of slack? Evidence from TwentiethCentury Historical Data”. American Economic Review, 103(3) pp.129-134. Disponible online en (consulta 16 mayo 2017): http://dx.doi.org/10.1257/aer.103.3.129 Perotti, R. (2005). “Estimating the effects of fiscal policy in OECD countries”. CEPR Discussion Paper No. 4842. London: Center for Economic Policy Research. Persyn, D., y Westerlind, J. (2008). “Error correction base cointegration test for panel data”. The Stata Journal 8, 2, pp. 232-241. Reserva Federal del Banco de St. Louis (base de datos). Disponible online en https://fred.stlouisfed.org/ Riera-Crichton. D, Vegh. C, y Vuletin. G. (2015). “Procyclical and countercyclical fiscal multipliers: Evidence from OECD countries”. Journal of International Money and Finance 52, pp. 15-31. Spilimbergo, A., Symansky, S. y Schindler, M. (2009). “Fiscal Multipliers”. FMI Staff Position Note SPN/09/11 Turrini, A., Roeger, W., y Szekely, I.P. (2012). “Banking crisis, output loss and fiscal policy”, Centre for Economic Policy Research, 58(1) pp. 181-219. 32 Qazizada, W. y Sotckhammer, E. (2014). “Government spending multipliers in contraction and expansion”. Economic Discussion Papers, 2014-2. Kingston University, London. Zezza. G. (2012). “The impact of fiscal austerity in the Eurozone” Review of Keynesian Economics, pp.37-54. 33 ANEXO Tal y como se observa en las estimaciones siguientes, los resultados obtenidos al realizar los distintos test de estacionariedad a las diferentes variables indican, de forma general, que se rechaza la hipótesis nula de la existencia de raíces unitarias, pues el p-valor es inferior al 5%, y, por tanto, aceptamos la presencia de paneles estacionarios, no siendo necesario el análisis de cointegración. No obstante, existen casos en los que las variables no presentan estacionariedad en la mayoría de los test como ocurre en CAT1, XShock1, DCP1 o POP1. Por otro lado, existen variables como NR, cuyos test indican el rechazo de la hipótesis nula en todo caso, y, por tanto, la existencia de estacionariedad a excepción del test de HarrisTzavalis. 1. TEST DE ESTACIONARIEDAD PARA GDP: • Levin-Lin-Chu unit-root test for gdp Ho: Panels contain unit roots Number of panels = 11 Ha: Panels are stationary Number of periods = 23 ---------------------------------------------------------------------------- Statistic p-value ------------------------------------------------------------------------------ Unadjusted t -11.1928 Adjusted t* -2.7513 0.0030 • Im-Pesaran-Shin unit-root test for gdp Ho: All panels contain unit roots Number of panels = 11 Ha: Some panels are stationary Number of periods = 23 ---------------------------------------------------------------------------- Statistic p-value 1% 5% 10% ------------------------------------------------------------------------------ t-bar -3.6192 -2.690 -2.530 -2.450 t-tilde-bar -2.7170 Z-t-tilde-bar -5.5785 0.0000 • Fisher-type unit-root test for gdp based on augmented Dickey-Fuller tests Ho: All panels contain unit roots Number of panels = 11 Ha: At least one panel is stationary Number of periods = 23 ----------------------------------------------------------------------------- Statistic p-value 34 ------------------------------------------------------------------------------ Inverse chi-squared (22) P 105.8008 0.0000 Inverse normal Z -6.2375 0.0000 Inverse logit t (59) L* -7.7704 0.0000 Modified inv. chi-squared Pm 12.6334 0.0000 • Hadri LM test for gdp Ho: All panels are stationary Number of panels = 11 Ha: Some panels contain unit roots Number of periods = 23 ------------------------------------------------------------------------------ Statistic p-value ------------------------------------------------------------------------------ z 6.4763 0.0000 • Harris-Tzavalis unit-root test for gdp Ho: Panels contain unit roots Number of panels = 11 Ha: Panels are stationary Number of periods = 23 ----------------------------------------------------------------------------- Statistic z p-value ------------------------------------------------------------------------------ rho 0.4683 -4.0894 0.0000 2. TEST DE ESTACIONARIEDAD PARA GFC: • Levin-Lin-Chu unit-root test for gfc Ho: Panels contain unit roots Number of panels = 11 Ha: Panels are stationary Number of periods = 23 ------------------------------------------------------------------------------ Statistic p-value ------------------------------------------------------------------------------ Unadjusted t -10.7356 Adjusted t* -3.5519 0.0002 • Im-Pesaran-Shin unit-root test for gfc Ho: All panels contain unit roots Number of panels = 11 Ha: Some panels are stationary Number of periods = 23 ------------------------------------------------------------------------------ Statistic p-value 1% 5% 10% ------------------------------------------------------------------------------ t-bar -3.6051 -2.690 -2.530 -2.450 t-tilde-bar -2.6996 Z-t-tilde-bar -5.5038 0.0000 • Fisher-type unit-root test for gfc based on augmented Dickey-Fuller tests Ho: All panels contain unit roots Number of panels = 11 Ha: At least one panel is stationary Number of periods = 23 ------------------------------------------------------------------------------ 35 Statistic p-value ------------------------------------------------------------------------------ Inverse chi-squared (22) P 104.9803 0.0000 Inverse normal Z -5.8396 0.0000 Inverse logit t (59) L* -8.2844 0.0000 Modified inv. chi-squared Pm 12.5098 0.0000 • Hadri LM test for gfc Ho: All panels are stationary Number of panels = 11 Ha: Some panels contain unit roots Number of periods = 23 ----------------------------------------------------------------------------- Statistic p-value ------------------------------------------------------------------------------ z 11.8966 0.0000 • Harris-Tzavalis unit-root test for gfc Ho: Panels contain unit roots Number of panels = 11 Ha: Panels are stationary Number of periods = 23 ------------------------------------------------------------------------------ Statistic z p-value ------------------------------------------------------------------------------ rho 0.4642 -4.1622 0.0000 3. TEST DE ESTACIONARIEDAD PARA POP1: • Levin-Lin-Chu unit-root test for pop1 Ho: Panels contain unit roots Number of panels = 11 Ha: Panels are stationary Number of periods = 23 ------------------------------------------------------------------------------ Statistic p-value ------------------------------------------------------------------------------ Unadjusted t -8.5928 Adjusted t* -3.5747 0.0002 • Im-Pesaran-Shin unit-root test for pop1 Ho: All panels contain unit roots Number of panels = 11 Ha: Some panels are stationary Number of periods = 23 ------------------------------------------------------------------------------ Statistic p-value 1% 5% 10% ------------------------------------------------------------------------------ t-bar -1.7414 -2.690 -2.530 -2.450 t-tilde-bar -1.4570 Z-t-tilde-bar -0.1931 0.4234 • Fisher-type unit-root test for pop1 based on augmented Dickey-Fuller tests Ho: All panels contain unit roots Number of panels = 11 Ha: At least one panel is stationary Number of periods = 23 36 ------------------------------------------------------------------------------ Statistic p-value ------------------------------------------------------------------------------ Inverse chi-squared (22) P 17.2263 0.7508 Inverse normal Z 1.8570 0.9683 Inverse logit t (59) L* 1.9618 0.9727 Modified inv. chi-squared Pm -0.7197 0.7641 • Hadri LM test for pop1 Ho: All panels are stationary Number of panels = 11 Ha: Some panels contain unit roots Number of periods = 23 ------------------------------------------------------------------------------ Statistic p-value ------------------------------------------------------------------------------ z 23.0247 0.0000 • Harris-Tzavalis unit-root test for pop1 Ho: Panels contain unit roots Number of panels = 11 Ha: Panels are stationary Number of periods = 23 ------------------------------------------------------------------------------ Statistic z p-value ------------------------------------------------------------------------------ rho 0.8861 3.2855 0.9995 4. TEST DE ESTACIONARIEDAD PARA CAT1: • Levin-Lin-Chu unit-root test for cat1 Ho: Panels contain unit roots Number of panels= 11 Ha: Panels are stationary Number of periods = 23 ------------------------------------------------------------------------------ Statistic p-value ------------------------------------------------------------------------------ Unadjusted t -6.3284 Adjusted t* -1.1394 0.1273 • Im-Pesaran-Shin unit-root test for cat1 Ho: All panels contain unit roots Number of panels = 11 Ha: Some panels are stationary Number of periods = 23 ------------------------------------------------------------------------------ Statistic p-value 1% 5% 10% ------------------------------------------------------------------------------ t-bar -1.5016 -2.690 -2.530 -2.450 t-tilde-bar -1.3971 Z-t-tilde-bar 0.0630 0.5251 • Fisher-type unit-root test for cat1 based on augmented Dickey-Fuller tests 37 Ho: All panels contain unit roots Number of panels = 11 Ha: At least one panel is stationary Number of periods = 23 ------------------------------------------------------------------------------ Statistic p-value ------------------------------------------------------------------------------ Inverse chi-squared (22) P 6.4791 0.9995 Inverse normal Z 3.0169 0.9987 Inverse logit t (59) L* 2.9718 0.9979 Modified inv. chi-squared Pm -2.3399 0.9904 • Hadri LM test for cat1 Ho: All panels are stationary Number of panels = 11 Ha: Some panels contain unit roots Number of periods = 23 ------------------------------------------------------------------------------ Statistic p-value ------------------------------------------------------------------------------ z 27.6276 0.0000 • Harris-Tzavalis unit-root test for cat1 Ho: Panels contain unit roots Number of panels = 11 Ha: Panels are stationary Number of periods = 23 ------------------------------------------------------------------------------ Statistic z p-value ------------------------------------------------------------------------------ rho 0.8680 2.9655 0.9985 5. TEST DE ESTACIONARIEDAD PARA INF: • Levin-Lin-Chu unit-root test for inf Ho: Panels contain unit roots Number of panels = 11 Ha: Panels are stationary Number of periods = 23 ------------------------------------------------------------------------------ Statistic p-value ------------------------------------------------------------------------------ Unadjusted t -11.4105 Adjusted t* -3.4218 0.0003 • Im-Pesaran-Shin unit-root test for inf Ho: All panels contain unit roots Number of panels = 11 Ha: Some panels are stationary Number of periods = 23 ------------------------------------------------------------------------------ Statistic p-value 1% 5% 10% ------------------------------------------------------------------------------ t-bar -3.1775 -2.690 -2.530 -2.450 t-tilde-bar -2.6601 Z-t-tilde-bar -5.3349 0.0000 38 • Fisher-type unit-root test for inf based on augmented Dickey-Fuller tests Ho: All panels contain unit roots Number of panels = 11 Ha: At least one panel is stationary Number of periods = 23 ------------------------------------------------------------------------------ Statistic p-value ------------------------------------------------------------------------------ Inverse chi-squared (22) P 57.2864 0.0001 Inverse normal Z -4.4107 0.0000 Inverse logit t (59) L* -4.4832 0.0000 Modified inv. chi-squared Pm 5.3196 0.0000 • Hadri LM test for inf Ho: All panels are stationary Number of panels = 11 Ha: Some panels contain unit roots Number of periods = 23 ------------------------------------------------------------------------------ Statistic p-value ------------------------------------------------------------------------------ z 4.5697 0.0000 • Harris-Tzavalis unit-root test for inf Ho: Panels contain unit roots Number of panels = 11 Ha: Panels are stationary Number of periods = 23 ------------------------------------------------------------------------------ Statistic z p-value ------------------------------------------------------------------------------ rho 0.3046 -6.9800 0.0000 6. TEST DE ESTACIONARIEDAD PARA XShock1: • Levin-Lin-Chu unit-root test for xshock1 Ho: Panels contain unit roots Number of panels = 11 Ha: Panels are stationary Number of periods = 23 ------------------------------------------------------------------------------ Statistic p-value ------------------------------------------------------------------------------ Unadjusted t -6.2027 Adjusted t* -0.1065 0.4576 • Im-Pesaran-Shin unit-root test for xshock1 Ho: All panels contain unit roots Number of panels = 11 Ha: Some panels are stationary Number of periods = 23 ------------------------------------------------------------------------------ Statistic p-value 1% 5% 10% ------------------------------------------------------------------------------ t-bar -1.8993 -2.690 -2.530 -2.450 t-tilde-bar -1.6942 Z-t-tilde-bar -1.2071 0.1137