Lenin Camacho Gómez. Servicios; Cuestiones económicas BCE by Lenin Wilmer Camacho Gomez

CUESTIONES ECONÃ&#x201C;MICAS

BANCO CENTRAL DEL ECUADOR

Gerente General Econ. Diego Martínez Vinueza Subgerente General Econ. Rodrigo Landeta Parra Subgerente de Programación y Regulación Econ. Verónica Artola Jarrín CUESTIONES ECONÓMICAS Procesamiento y edición: Banco Central del Ecuador Subgerencia de Programación y Regulación Dirección Nacional de Programación y Regulación Monetaria y Financiera Editor General: Carlos de la Torre Muñoz Coordinador General: Marcelo Arroyo Tello Diagramación e Impresión: V&M Gráficas Jorge Juan N32-36 y Mariana de Jesús - Telf.: (593-2) 320 1171 Tiraje: 250 ejemplares Periodicidad: Semestral ISSN: 2477-9059 Quito - Ecuador Diciembre 2016

∗∗ Los comentarios expuestos en los diferentes artículos son de responsabilidad de los autores y en ningún caso comprometen la posición oficial del Banco Central del Ecuador.

CUESTIONES ECONÓMICAS BANCO CENTRAL DEL ECUADOR

EDITOR GENERAL Carlos de la Torre M.

Director del Instituto de Investigaciones Económicas de la Pontificia Universidad Católica del Ecuador

CONSEJO EDITORIAL Verónica Artola

Subgerente de Programación y Regulación del BCE

Fernando Marín

Funcionario del BCE

Jorge Moncayo

Funcionario del BCE

Wilson Vera L.

Funcionario del BCE

Alberto Ortíz

Director de Investigación Económica del Centro de Estudios Monetarios Latinoamericanos - CEMLA

Jean Francois Ponsot

Profesor titular del Centro de Investigaciones Económicas de Grenoble - Francia

Gustavo Solórzano

Director del Centro de Investigaciones Económicas de la Facultad de Economía y Negocios de la Escuela Superior Politécnica del Litoral

EDITORES ASOCIADOS Gerardo Licandro

Director de Investigaciones Económicas del Banco Central del Uruguay

Enrique Marshall

Vicepresidente del Banco Estado de Chile

Thomas Palley

Miembro del programa de crecimiento económico de la “New America Foundation”

Juan Paz y Miño

Coordinador General del Taller de Historia Económica

Carlos Quenan

Vicepresidente del Instituto de las Américas

Louis-Philippe Rochon

Fundador y co-editor de la revista académica “Review of Keynesian Economics”

Matias Vernengo Co-editor de la revista académica “Review of Keynesian Economics”

José Bohorquez

Decano de la Facultad de Economía, Universidad Tecnológica Empresarial de Guayaquil

Marco Calahorrano Decano de la Facultad de Ciencias, Escuela Politécnica Nacional Jorge Calderón

Decano de la Facultad de Economía y Ciencias Empresariales, Universidad de Especialidades Espíritu Santo

Leonardo Estrada

Decano de la Facultad de Ciencias Sociales y Humanísticas, Escuela Superior Politécnica del Litoral

Eulalia Flor

Coordinadora académica de la Maestría en Gerencia para el Desarrollo, Universidad Andina Simón Bolívar

Santiago Gangotena

Decano del Colegio de Administración y Economía, Universidad San Francisco de Quito

Katalina Barreiro

Decana del Centro de Relaciones Internacionales, Instituto de Altos Estudios Nacionales

Jorge Grijalva

Decano de la Facultad de Ciencias Administrativas, Universidad Técnica de Ambato

Diego Mancheno

Decano de la Facultad de Economía, Pontificia Universidad Católica del Ecuador

Rodrigo Mendieta

Decano de la Facultad de Ciencias Económicas y Administrativas, Universidad de Cuenca

Marco Missaglia

Coordinador del Departamento de Desarrollo, Ambiente y Territorio, Facultad Latinoamericana de Ciencias Sociales

Jorge Moncayo

Coordinador de la Carrera de Economía, Universidad Nacional de Loja

Xavier Ortega

Decano de la Facultad de Ciencias de la Administración, Universidad del Azuay

Wilson Pérez

Coordinador del Doctorado en Economía del Desarrollo, Facultad Latinoamericana de Ciencias Sociales

René Puga

Decano de la Facultad de Ciencias Económicas, Universidad Central del Ecuador

Soraya Rhea

Decana de la Facultad de Ciencias Administrativas y Económicas, Universidad Técnica del Norte

Tangya Tandazo

Directora del Departamento de Economía, Universidad Técnica Particular de Loja

Félix Villegas

Decano de la Facultad Académica de Ciencias Administrativas y Comerciales, Universidad Estatal de Milagro

Nancy Wong

Decana de la Facultad de Ciencias Económicas y Administrativas, Universidad Católica Santiago de Guayaquil

CUESTIONES ECONÓMICAS Vol. 26, Nº 2, 2016

Presentación .................................................................................................................. 7 Introducción ................................................................................................................... 9 ARTÍCULOS Ejercicio de alerta temprana en el sistema ecuatoriano bancario Olga Delgado Del Hierro ........................................................................................................ 13 Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador Alfredo Verdezoto Noboa ......................................................................................................... 65 External shocks on a dollarized economy: an empirical evidence from Ecuador Elena Zambrano Córdova ....................................................................................................... 111 The macroeconomic effects of oil shocks in three Latin American economies Juan Carlos Alarcon Galarza Juan Carlos Molero García Fernando Pérez de Gracia........................................................................................................ 145

PRESENTACIÓN Esta entrega de “Cuestiones Económicas” marca la continuidad de su publicación luego del relanzamiento de hace un año, y evidencia su acogida entre académicos e investigadores, quienes en muchos casos no se han limitado solo a ser sus lectores, sino que han aportado con sus trabajos en atención a las distintas convocatorias realizadas para recopilar investigaciones. Este nuevo número es resultado del riguroso proceso de evaluación y selección de las investigaciones, que garantiza la calidad de los artículos. En este contexto, es importante destacar el trabajo que realizan los pares académicos y el Consejo Editorial al evaluar el elevado número de aportes recibidos, los que alientan a continuar con los esfuerzos que demanda la preparación de cada edición, a la vez que confirman el interés de la comunidad académica nacional e internacional en esta publicación. Es importante también destacar que la publicación de este volumen 26, número 2, coincide con una etapa particular de la vida nacional en la que confluyen un entorno económico complejo, producto de condiciones externas desfavorables y de impactos de fenómenos naturales, y el período electoral para el recambio de las principales autoridades políticas del país. Estos dos factores han encendido el debate económico en los últimos meses y es en ese escenario en el que la argumentación técnica y bien fundamentada se vuelve esencial para elevar el nivel de la discusión económica, evitando la interpretación antojadiza de los hechos. Es precisamente en estos momentos en los que la publicación y difusión de una revista académica adquiere singular importancia, en la medida en que aporta con elementos sólidos para un conocimiento más profundo y certero de la realidad económica nacional y global sobre bases teóricas y conceptuales adecuadas. En este número se presenta un ejercicio de construcción de indicadores financieros que permiten evaluar las vulnerabilidades de los bancos privados, a manera de alertas tempranas frente a potenciales problemas que pondrían en riesgo su estabilidad. También se presenta una propuesta metodológica para evaluación de impactos de la política pública de modernización del ferrocarril en el Ecuador en las poblaciones aledañas a las estaciones ferroviarias. Una tercera contribución son dos estudios de evaluación de impactos externos, particularmente adecuados en el contexto internacional, cuyas condiciones que han afectado a la economía ecuatoriana.

Presentación - Cuestiones Económicas Vol. 26, No. 2:2, 2016

Por otra parte, en el afán de contribuir con evidencia empírica de las limitaciones que implica un régimen monetario dolarizado, un se evalúa si los impactos externos generan mayores costos a la economía ecuatoriana respecto de otros países de la región, y especialmente de los dolarizados. En una tónica similar, el artículo con el que se cierra esta edición evalúa el impacto del precio del petróleo en la actividad económica y las tasas de inflación de Brasil, Colombia y Perú, como referencia de la importancia que tiene esta variable para algunas de las economías de la región, entre las que se encuentra la del Ecuador. Con este contenido esperamos que nuevamente “Cuestiones Económicas” capte el interés y contribuya al análisis académico, reiterando la invitación permanente a la discusión de la problemática en que se inscribe la realidad económica nacional.

Diego Martínez Vinueza Gerente General

INTRODUCCIÓN Con esta entrega, “Cuestiones Económicas” da un nuevo paso en su afán de contribuir con aportes técnicos y sólidos en el conocimiento más profundo de la realidad económica y social del Ecuador como base para elevar el debate sobre su problemática, y así encontrar las mejores soluciones. Para esta ocasión se incluyen cuatro artículos que resultan adecuados en el actual contexto en el que se desenvuelve la economía ecuatoriana. En este sentido, se presenta una propuesta de construcción de indicadores para anticipar posibles quiebras bancarias a partir de variables relevantes y del uso de técnicas estadísticas. A continuación se suman tres trabajos que presentan aportes metodológicos para evaluación de impactos que van desde los positivos, resultantes de las políticas públicas en el bienestar social, pasando por la medición de posibles costos económicos para la economía ecuatoriana debidos a “shocks” externos al no disponer de moneda propia, hasta los efectos en la actividad económica y en la inflación de algunos países, producto de los precios internacionales del petróleo. De esta manera, con estos trabajos se procura contribuir con herramientas y ejemplos que permitan evaluar apropiadamente en una situación económica particular, los efectos de determinadas condiciones, para así establecer diagnósticos adecuados, y en determinados casos, para la realización de acciones dirigidas a la corrección oportuna de potenciales problemas. Es así que el presente volumen inicia con el artículo “Ejercicio de alerta temprana en el sistema bancario ecuatoriano” que propone un ejercicio construcción de varios indicadores financieros de alerta temprana para el sistema de bancos privados del Ecuador. A través de estos indicadores es posible evaluar las vulnerabilidades de los bancos mediante variables que emiten señales en antelación a una posible quiebra bancaria. Este aporte se complementa con la construcción de una distribución de probabilidad de la vulnerabilidad de todo el sistema bancario ecuatoriano, a lo cual se agregó un análisis retrospectivo sobre la capacidad de predicción de los indicadores financieros de alerta temprana de las entidades que cerraron durante los últimos 13 años. Seguidamente, se presenta el trabajo titulado “Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador mediante el método de diferencias en diferencias”, el que mediante la utilización de técnicas econométricas busca medir el impacto socio económico del Proyecto de Modernización de la Empresa de Ferrocarriles del Ecuador en las poblaciones que viven alrededor de las estaciones ferroviarias. El

Introducción - Cuestiones Económicas Vol. 26, No. 2:2, 2016

mérito de este aporte está en su propuesta metodológica para la evaluación de impactos de las políticas públicas. En el estudio se demuestra que un proyecto ferroviario ofrece más que transporte púbico ya que la inversión pública en infraestructura mejora los niveles de vida de la sociedad, y particularmente este proyecto ha tenido un impacto positivo en la población próxima a las estaciones de tren. El tercero de los artículos, “External shocks on a dollarized economy: an empirical evidence from Ecuador” constituye una investigación sobre bases empíricas para contrastar el enfoque teórico de que las economías dolarizadas tendrían mayores problemas que las que disponen de moneda propia para enfrentar “shocks” externos, precisamente por carecer de política monetaria. La investigación en esta línea se ha basado históricamente en el caso panameño ya que en ese país se utiliza al dólar como moneda de curso legal desde 1904. Pero con las dolarizaciones del Ecuador y de El Salvador a inicios de la década de 2000, las posibilidades de evaluar empíricamente esta problemática se tornan más amplias. Por ello, este estudio examina como los términos de intercambio y las remesas de los emigrantes inciden en la economía ecuatoriana de forma comparativa con otras economías dolarizadas y con moneda propia de la región. El objetivo es el de evaluar si los “shocks” externos generan mayores costos a la economía ecuatoriana. Esta edición cierra con el artículo “The macroeconomic effects of oil shocks in three Latin American economies”, en el que también, a través de técnicas econométricas, se evalúa el impacto del precio del petróleo en la actividad económica y las tasas de inflación en Brasil, Colombia y Perú. Este trabajo constituye un importante aporte en términos metodológicos para la evaluación de impactos de origen externo en economías en las que el petróleo es muy relevante entre sus exportaciones, como es el caso del Ecuador. Los resultados confirman una relación directa entre los precios del petróleo y la actividad económica y también evidencian importantes efectos en la estructura de los precios domésticos. “Cuestiones Económicas” reitera con esta entrega su compromiso de aportar al entendimiento de la realidad de la economía ecuatoriana y su inserción en el contexto global, y a constituirse en un referente en el debate económico nacional.

Carlos de la Torre Muñoz Editor General

EJERCICIO DE ALERTA TEMPRANA EN EL SISTEMA ECUATORIANO BANCARIO

CUESTIONES ECONÓMICAS Vol. 26, No. 2:2, 2016

EJERCICIO DE ALERTA TEMPRANA EN EL SISTEMA BANCARIO ECUATORIANO Olga Delgado Del Hierro* Resumen: Este documento presenta un ejercicio de alerta temprana en el sistema de bancos privados del Ecuador. El marco analítico propone el uso de indicadores financieros de diversos tipos que permitan evaluar las vulnerabilidades de los bancos privados. Con este método se obtuvo un grupo de variables que emiten señales ante una posible quiebra bancaria y se construyó la distribución de probabilidad de la vulnerabilidad de todo el sistema bancario ecuatoriano. Finalmente, se incluyó el análisis retrospectivo sobre la capacidad de predicción de los indicadores financieros de alerta temprana en las entidades que salieron del mercado durante los últimos trece años. Palabras clave: ejercicio de alerta temprana, indicadores financieros CÓDIGO GEL: G, G1, G2 Abstract: This paper presents an early warning exercise on the Ecuadorian private banking system. The analytical framework proposes the use of several types of financial indicators to assess vulnerabilities of the private banks. With this method, we obtained a group of variables that show signals for a possible bank failure and we built the probability distribution of the vulnerability of the whole Ecuadorian banking system. Finally, we include a retrospective analysis or back testing of the predictive ability of the early warning financial indicators on the banks that left the market over the past thirteen years. Key words: early warning exercise, financial indicators JEL CODE: G, G1, G2 * Ingeniera en Finanzas con Mención en Negocios Internacionales de la Universidad Internacional SEK y Magíster en Riesgo Financiero de la Escuela Politécnica Nacional. Funcionaria de la Dirección Nacional de Riesgo Sistémico del Banco Central del Ecuador. Se agradecen los valiosos comentarios y sugerencias de Francisco Vásquez (funcionario del IMF), así como de los compañeros de la Dirección Nacional de Riesgo Sistémico del BCE.

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

INTRODUCCIÓN

El sector de bancos privados se conforma por el conjunto de instituciones bancarias debidamente autorizados por la Superintendencia de Bancos del Ecuador, que canalizan recursos del público, en forma de depósitos, para colocarlos en unidades económicas deficitarias, en forma de créditos e inversiones. El objetivo principal es financiar actividades productivas y rentables, capaces de generar empleo y crecimiento económico. Para este fin, los bancos utilizan una serie de recursos humanos, operativos y financieros y asumen un conjunto de riesgos. El éxito de las instituciones bancarias depende de la administración eficaz, eficiente y efectiva de los recursos utilizados y de los riesgos asumidos, situación que se refleja en los estados financieros de las entidades, en la imagen externa proyectada y en los organismos de supervisión. Desde la crisis bancaria ecuatoriana del año 1999, con la dolarización como consecuencia fundamental, el sistema bancario se ha visto fortalecido, aunque ha tenido que enfrentar distintas etapas tanto de auge como de recesión económica. Incluso después de la crisis, muchas entidades financieras se han visto forzadas a cerrar sus puertas, otras han pasado por un proceso de transición, mientras que también han aparecido nuevos integrantes del sistema bancario ecuatoriano. Dado que la crisis bancaria de 1999 marcó duras consecuencias para bancos y clientes, se pretende hacer un ejercicio de alerta temprana para evaluar la fragilidad de estas entidades del sistema financiero ecuatoriano durante los últimos trece años. De la información generada a partir de indicadores financieros claves, se pretende advertir sobre nuevos episodios similares que podrían replicarse en la actualidad. En este contexto, se utilizan indicadores financieros con el fin de efectuar un ejercicio de alerta temprana específico para el sistema bancario ecuatoriano. Mediante este método se examina el comportamiento de varios indicadores financieros, de tal manera que se pueda obtener un grupo de variables que emitan señales ante una posible quiebra bancaria. El ejercicio de alerta temprana es una herramienta útil para evaluar el comportamiento de un banco desde una perspectiva financiera. Este mecanismo relaciona la información financiera en una forma clara y sencilla, de tal suerte que se puedan evaluar los resultados obtenidos y tomar acciones correctivas. Además, facilita un diagnóstico rápido, pues comprende los elementos potencialmente riesgosos de una entidad, como son las colocaciones, el capital, la liquidez, la solvencia, la rentabilidad y la gestión administrativa, entre los indicadores financieros fundamentales.

Olga Delgado Del Hierro - Cuestiones Económicas Vol. 26, No. 2:2, 2016

II.

MARCO TEÓRICO: SISTEMA MACRO/CAMELS

A lo largo de la historia, distintos investigadores han efectuado importantes contribuciones en lo referente a la identificación de variables financieras que puedan alertar sobre posibles crisis bancarias. Autores independientes, así como distintas agrupaciones, han planteado y desarrollado distintas metodologías off-site para la medición del riesgo financiero, basadas en el análisis de la información solicitada a la institución financiera1. Dentro de las técnicas de calificación más conocidas y aplicadas mundialmente se encuentran el sistema MACRO/CAMELS. El sistema de calificación MACRO nació con el propósito de evaluar formalmente la seguridad y solidez financiera de las entidades de ahorro, a fin de identificar, de manera oportuna y confiable, niveles de riesgo relevante. Este método constituye un instrumento para la calificación de riesgo bancario, que proporciona un marco general para la evaluación de la viabilidad financiera y el cumplimiento de las normas prudenciales por parte de las entidades bancarias. MACRO es un acrónimo de las cinco categorías que se utilizan para calificar la situación de cada sociedad de depósito en una fecha determinada, utilizando factores cuantitativos comunes: Management (Manejo), Asset quality (Calidad de activos), Capital (Capital), Risk Management (Administración del riesgo) y Operations (Operaciones) (OTS, 1993, Examinations of Savings and Loan Institutions). Tabla 1: Definición del sistema MACRO SIGLAS

DEFINICIÓN

Manejo administrativo

Calidad del activo

Capital

Administración del riesgo

Resultados operativos

Fuente: OTS

ØØ

La inicial "M" representa el grupo de Manejo que evalúa la capacidad y habilidad gerencial de un banco. En este conjunto se aplican indicadores finan-

1 Apuntes de la asignatura Metodologías Off-Site de la Maestría en Riesgo Financiero de la Escuela Politécnica Nacional.

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

cieros relacionados con la eficiencia administrativa de una entidad, la productividad en términos del gasto administrativo y el grado de financiación de activos productivos con pasivos con costo. ØØ

La sigla "A" se refiere al segmento de Activos que califica la distribución de los activos morosos, la idoneidad de los niveles de provisiones y la capacidad de la gerencia para la administración y recuperación de estos activos.

ØØ

La letra "C" contempla indicadores financieros relacionados con el Capital, que permitan medir la capacidad de un banco para absorber pérdidas o desvalorizaciones de los activos, sin que se afecten los depósitos de los clientes. Se concentra en la suficiencia patrimonial de un banco a través de la medición de la fortaleza del capital con relación a los activos, la proporción de activos en mora, la expansión crediticia y los planes de adquisición de activos fijos.

ØØ

El signo "R" caracteriza a indicadores de medición del Riesgo de un banco. Se suele evaluar el riesgo de liquidez a través de la capacidad de un banco para cumplir con sus obligaciones con fondos propios, así como de afrontar el retiro de depósitos por parte de sus clientes y el vencimiento de sus pasivos por parte de sus prestatarios.

ØØ

Finalmente, la sigla "O" analiza la incidencia de los componentes de rentabilidad en los resultados de la entidad. Bajo este criterio se intenta determinar si la utilidad del banco proviene del negocio de intermediación financiera o se deriva de ingresos ajenos a esta actividad.

Cada uno de los elementos anteriores se califica dentro de una escala de 1 a 5, de manera que se asigna a cada banco una calificación final entre 1 y 5. Una calificación de 1 refleja un fuerte desempeño financiero, significativamente más alto que el promedio del sistema. Una calificación de 2 indica un comportamiento satisfactorio, mejor que el promedio. Una calificación de 3 expresa un desempeño similar o ligeramente inferior a la media. Una evaluación de 4 considera que el comportamiento financiero fue significativamente inferior al promedio, y podría convertirse en serias debilidades para la entidad. Una nota de 5 se considera no satisfactoria, con un desempeño totalmente deficiente y con la necesidad de atención inmediata (FDIC, 2016, FDIC Quarterly Banking Book). El sistema MACRO fue desarrollado y utilizado por los supervisores federales de la Office of Thrift Supervision (OTS por sus siglas en inglés, Oficina de Supervisión de Ahorro) desde 1984 hasta el 15 de abril de 1994. Dentro de las recomendaciones a

Olga Delgado Del Hierro - Cuestiones Económicas Vol. 26, No. 2:2, 2016

la calidad del examen efectuado por la OTS, la General Accounting Office (GAO por sus siglas en inglés, Oficina General de Contabilidad) sugirió que se incluya la condición de un sistema de controles internos de las sociedades de depósito como un elemento crítico separado de los componentes MACRO, para resaltar la importancia de una revisión de control interno de la viabilidad de una sociedad de depósito. Entonces, la OTS convirtió el sistema MACRO y lo reemplazó por CAMEL (GAO, 1993). CAMEL es un acrónimo de las cinco categorías que se utilizan para calificar la situación de cada banco a una fecha determinada utilizando elementos cuantitativos comunes para todos los individuos: Capital adequacy (Suficiencia de capital), Asset quality (Calidad de activos), Management (Manejo), Earnings (Rentabilidad) y Liquidity (Liquidez). En enero de 1997 los supervisores bancarios añadieron el componente "S" para evaluar el riesgo de mercado al que están expuestas las sociedades de depósito (OTS, 1997). Tabla 2: Definición del sistema CAMELS SIGLAS

DEFINICIÓN

Suficiencia de capital

Calidad de activos

Manejo

Rentabilidad

Liquidez

Riesgo de mercado

Fuente: OTS

Al igual que la dinámica del método MACRO, cada uno de los elementos del CAMELS se califica en una escala de 1 a 5, y a cada banco se le asigna una calificación final de 1 a 5. Una evaluación de 1 refleja un mejor desempeño financiero y una nota de 5 el peor (Gilbert, Meyer y Vaughan, 2000). Actualmente, la Federal Deposit Insurance Corporation (FDIC por sus siglas en inglés, Corporación Federal de Seguro de Depósitos) de los Estados Unidos continúa utilizando esta metodología off-site y junto con otros elementos, así como con los resultados de la supervisión in-situ identifica las instituciones con problemas potenciales. Por ejemplo, entre los años 2009 y 2012 aumentó ampliamente el

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

número de instituciones de ahorro (bancos y cooperativas) con problemas latentes, tras los rezagos de la crisis económica estadounidense, mientras que para años recientes, este número ha disminuido considerablemente (FDIC, 2015). Gráfico 1: Número de instituciones “con problemas” 2007–2015

Fuente: FDIC

Tanto la metodología MACRO como la evaluación CAMELS han sido ampliamente utilizadas y adoptadas por varios organismos supervisores a nivel internacional, así como por investigadores particulares. Si bien constituye una herramienta de fácil implementación y lectura como paso preliminar para la evaluación y monitoreo de las entidades financieras, presenta algunas desventajas. En primera instancia, ambos métodos dividen necesariamente a todo el sistema bancario en cinco categorías, esto quiere decir que siempre habrá instituciones cuya evaluación se ubique por encima de la media, así como entidades que se ubiquen por debajo del promedio. Este análisis no siempre resulta adecuado, puesto que todo un sistema bancario en particular puede estar atravesando un período de crisis o recesión, por lo que una calificación de 1 o 2 no necesariamente reflejaría una situación financiera propicia. Al contrario, un sistema bancario solvente y sólido puede estar compuesto por entidades, así mismo, solventes y fortalecidas, por lo que una calificación de 4 o 5 no representaría una situación financiera inadecuada. Una segunda desventaja es que estos métodos no pueden adelantarse e indicar problemas potenciales en las entidades financieras, puesto que son el resultado de un corte transversal, dado que se otorga una calificación a una entidad en una fecha determinada.

Olga Delgado Del Hierro - Cuestiones Económicas Vol. 26, No. 2:2, 2016

III. MARCO METODOLÓGICO 3.1 Metodología utilizada Como una reacción a la crisis financiera mundial, el grupo de países del G-20 encargó al International Monetary Fund (IMF por sus siglas en inglés, Fondo Monetario Internacional), en coordinación con el Financial Stability Board (FSB por sus siglas en inglés, Consejo de Estabilidad Financiera), el establecimiento de un ejercicio de alerta temprana. Desde el año 2008, el IMF efectúa semestralmente estos ejercicios de alerta temprana a las economías emergentes y avanzadas con el objetivo de predecir posibles vulnerabilidades macroeconómicas y financieras que podrían desencadenar una crisis. El marco analítico para los ejercicios de alerta temprana del IMF contempla el uso de indicadores de diversos tipos que permiten evaluar las vulnerabilidades de un país determinado y el diseño de políticas para atenuarlas. Tomando como base esta metodología del IMF, en el presente documento se emplean variables de índole financiera con el fin de efectuar un ejercicio de alerta temprana para el sistema bancario ecuatoriano. Esta práctica examina el comportamiento de varios indicadores financieros de tal manera que se pueda obtener un grupo de variables que emitan señales ante una posible quiebra bancaria. A este grupo de variables se las considera como indicadores de alerta temprana. La fragilidad financiera aumentaría entre mayor sea el número de indicadores que den señales. El enfoque de señales fue aplicado por Rojas-Suárez (1998) y por Kaminsky (1998), entre otros autores. 3.2 Definición de estados El primer paso en el desarrollo del ejercicio de alerta temprana es la definición de los estados en los que pueden estar los bancos sujetos a análisis. En cada período, los bancos están en uno de los dos posibles estados: “insolvencia” ( ) u “operando normalmente” ( ). En la muestra, la probabilidad de insolvencia está dada por y la probabilidad de operar normalmente es . Los bancos que salieron del mercado se clasifican en estado de “insolvencia” desde tres años antes de terminar definitivamente sus operaciones, dado que el objetivo del ejercicio es anticiparse a una posible quiebra bancaria. Caso contrario, se considera que los bancos se encuentran activos u “operando normalmente”, en una etapa estable caracterizada por una baja probabilidad de insolvencia.

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

3.3 Selección de la muestra y dimensión temporal El análisis se aplica a nivel de bancos individuales, en los que se incluye a todos los que operaron entre enero de 2003 y diciembre de 2015. En total la muestra sujeta a análisis incluye a 30 bancos privados: 22 bancos que hasta diciembre de 2015 se encuentran activos y 8 que cesaron operaciones por diversos motivos. Para que sea acertada la predicción, la condición inicial es contar con un número suficiente de bancos que salen del mercado, sea porque entran en insolvencia, se disuelven voluntariamente, se fusionan o son sujetos a planes de acción por parte del organismo de control. Tabla 3: Entidades bancarias sujetas a análisis (Ene-2003 a Dic-2015) BANCOS OPERANDO NORMALMENTE

BANCOS QUE SALIERON DEL MERCADO

Amazonas

Andes (concluida existencia legal)

Austro

Centro Mundo (concluida existencia legal)

Bancodesarrollo

Cofiec (cambio de actividad financiera)

Bolivariano

Lloyds Bank (concluida existencia legal)

Capital

Promerica (disolución voluntaria y anticipada)

Citibank

Sudamericano (en liquidación)

Comercial de Manabí

Territorial (en liquidación)

Coopnacional

Unibanco (fusión por absorción)

Delbank D-Miro Finca Guayaquil Internacional Litoral Loja Machala Pacífico Pichincha Procredit Produbanco General Rumiñahui Solidario Fuente: SBE

Olga Delgado Del Hierro - Cuestiones Económicas Vol. 26, No. 2:2, 2016

La muestra tiene una dimensión temporal entre enero de 2003 y diciembre de 2015, con periodicidad mensual. Este lapso incluye 156 observaciones por entidad, suficientes para evaluar el comportamiento individual y luego condensarlo a todo el sistema de bancos privados. Se trabajó con este período en razón de que a partir de julio de 2002 entró en vigencia un catálogo de cuentas unificado que perdura hasta la actualidad con ciertos cambios que han sido homologados a fin de guardar comparación en el tiempo. Con el propósito de analizar un panorama general, el ejercicio contempla trece años de historia bancaria. Para efectuar el ejercicio de alerta temprana en el Sistema Bancario Ecuatoriano se utilizó la información de los estados financieros que los bancos privados remiten mensualmente a la Superintendencia de Bancos del Ecuador, disponible en su página web. Con la información de balances es posible construir una serie de indicadores financieros homogénea para todas las entidades y en todos los meses de análisis. 3.4 Construcción de indicadores financieros En la construcción de los indicadores financieros que intervienen en el ejercicio de alerta temprana se tomó como base algunos estudios y publicaciones. En primer lugar, se consideró la Guía propuesta por el IMF sobre los Indicadores de Solidez Financiera (IMF, 2006). Este modelo propone y recomienda, tanto para economías avanzadas como emergentes, una lista de indicadores financieros básicos por su facilidad de obtención y cálculo; y otros avanzados pero relevantes para evaluar la situación del sistema financiero de un país. Al definir específicamente un listado de indicadores, esta guía permite comparar los diversos sistemas financieros del mundo bajo los mismos estándares de medida. En el Ecuador, la Superintendencia de Bancos define los indicadores financieros básicos que las entidades bajo su control deben calcular para efectos estadísticos y de supervisión. La Nota Técnica 7 puntualiza la forma de cálculo de estos índices, agrupados según su naturaleza. Además, el organismo de supervisión condensa la información de cada uno de los subsistemas bajo su autoridad, entre los que sobresalen los bancos privados con más del 90% de los activos. Adicionalmente, el Banco Central del Ecuador utiliza una metodología específica para analizar el comportamiento de las entidades financieras privadas (BCE, 2015). Mediante la agregación de algunos indicadores financieros, el BCE evalúa el desempeño financiero de cada una de sus contrapartes, a fin de identificar, de manera oportuna, el grado de vulnerabilidad financiera de cada entidad.

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

Tomando en consideración estos tres esquemas, se definió una amplia batería de indicadores financieros para efectuar el ejercicio de alerta temprana en los bancos privados ecuatorianos. Según los resultados que arrojó el análisis, se escogieron de entre ellos las variables que podrían adelantarse a una crisis bancaria en el Ecuador. 3.5 Estimación de límites La idea general del ejercicio es monitorear la evolución de los indicadores financieros seleccionados y alertar el momento en que se desvíen de cierto límite, constituido como señal de alerta sobre una posible crisis bancaria. Mediante este método no paramétrico se construye una función de distribución acumulada condicionada a cada uno de los estados donde pueden situarse los bancos: “insolvencia” y “operando normalmente”. Gráfico 2: Esquema de las funciones de distribución

Fuente: IMF

La definición del límite para un indicador financiero implica necesariamente un posible error. Si el valor fijado como señal de alerta es muy alto, se perderán todos los períodos de insolvencia; caso contrario, si es muy bajo se clasificarán incorrectamente los períodos estables. Los indicadores de alerta temprana válidos serán aquellos que emitan señales seguidas por un período de insolvencia o, a su vez, no emitan ninguna señal cuando exista un período de estabilidad. Sin embargo, existirán errores en la estimación cuando una variable emita una señal que no sea seguida por un estado de insolvencia (Error tipo I) o cuando una variable no emita una señal y el banco caiga en insolvencia (Error tipo II).

Olga Delgado Del Hierro - Cuestiones Económicas Vol. 26, No. 2:2, 2016

Tabla 4: Matriz de clasificación de indicadores Señales / Bancos

Bancos que salieron del mercado

Bancos operando normalmente

Indicadores que mostraron señales

Indicadores que no mostraron señales

Fuente: IMF

En la matriz anterior se cataloga como A a aquellos indicadores financieros que mostraron señales en los bancos que salieron del mercado, mientras que se clasifica como D a aquellos índices que no mostraron señales en los bancos que operan normalmente. El error está presente en los indicadores catalogados como B y C, en donde C corresponde a aquellos indicadores que no mostraron señales del conjunto de bancos que salieron del mercado y B se refiere a los indicadores que mostraron señales en los bancos que no tuvieron problemas. El límite o señal de alerta para cada indicador financiero se obtiene al minimizar los errores totales (suma de error tipo I y error tipo II) de las funciones de distribución acumulada de los dos estados previamente definidos, salvo un mejor criterio. IV.

PRINCIPALES RESULTADOS DEL EJERCICIO DE ALERTA TEMPRANA

La aplicación de la metodología arrojó el siguiente grupo de indicadores ordenados de acuerdo a un ranking total obtenido para cada indicador en función de la importancia para alertar acerca de una posible quiebra bancaria. La base para la definición de los indicadores de alerta temprana fue la minimización de la sumatoria de los errores tipo I y tipo II (SME), en la cual la variable que presentó el menor error en la estimación de vulnerabilidad es la que posee menor ranking total. De la batería de variables utilizada, se seleccionaron once indicadores financieros que podrían alertar con menor error sobre la presencia de una crisis bancaria en el Ecuador. Los indicadores se ordenaron de acuerdo a su naturaleza en cinco grandes grupos: capital, calidad de activos, gestión administrativa, rentabilidad y liquidez. Se escogió dentro de cada grupo a los primeros dos indicadores que presentaron el menor error de estimación.

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

En la Tabla 5 se presenta la batería de indicadores preliminares que se utilizaron en el ejercicio de alerta temprana. Se encuentran sombreados los indicadores con el menor error de estimación. Tabla 5: Indicadores de alerta temprana Tipo

Capital

Calidad de activos

Indicador financiero

Límite

SME

Cobertura patrimonial de activos improductivos

38%

0.797

Solvencia

11%

0.830

Ratio capital / activos

0.864

Índice de capitalización neta

0.886

Tasa de variación anual de cartera

31%

0.936

Tasa de variación anual de depósitos

29%

0.973

Relación depósitos /cartera

123%

0.591

Porcentaje de activos improductivos

31%

0.680

Cobertura crediticia

144%

0.735

Morosidad de la cartera incluida cartera castigada

14%

0.747

Cobertura de la cartera con patrimonio

0.781

102%

0.647

Eficiencia de activos productivos

0.724

Gasto de personal sobre activo

0.725

Eficiencia operativa

0.771

125%

0.821

Rentabilidad operativa sobre activo

0.609

Rentabilidad sobre el patrimonio

11%

0.631

Rentabilidad sobre el activo

0.706

Margen de tasas

0.716

Tasa de interés implícita

11%

0.819

Eficiencia del negocio

0.827

Rentabilidad de las inversiones

0.935

Rentabilidad de la cartera de crédito

11%

0.941

Manejo administrativo

Gestión

Grado de absorción del margen financiero

Rentabilidad

Olga Delgado Del Hierro - Cuestiones Económicas Vol. 26, No. 2:2, 2016

Tabla 5: Indicadores de alerta temprana Tipo

Liquidez

Indicador financiero

Límite

SME

Índice de liquidez ajustado

26%

0.698

Porcentaje de activos líquidos

23%

0.716

Liquidez estructural de segunda línea

26%

0.783

Índice de liquidez

26%

0.789

Liquidez estructural de primera línea

31%

0.811

Prueba ácida

32%

0.831

Índice de liquidez inmediata

18%

0.848

Fuente: IMF, SBE, BCE

4.1 Indicadores de capital En primer lugar se seleccionaron indicadores de capital con la intención de alertar sobre problemas de capitalización o de solvencia que pudieran presentar los bancos privados. Dentro del ranking del grupo de índices de capitalización, presentaron el menor error de estimación la cobertura patrimonial de activos improductivos y el índice de solvencia, por lo que serían los mejores indicadores financieros de este tipo para alertar sobre un problema de insolvencia. La cobertura patrimonial de activos improductivos mide la cobertura, en términos de patrimonio incluidas las ganancias obtenidas en el ejercicio económico, sobre el total de activos que no generan beneficios para un banco. Entre más alta sea esta relación, menor probabilidad de insolvencia tendrá una entidad. El sistema de bancos privados que se encuentra operando normalmente2 ha mantenido, en promedio3, una cobertura patrimonial de activos improductivos superior al límite estimado. Sin embargo, la distribución de acuerdo a los quintiles señalaría que existen algunas entidades cuyo indicador estuvo por debajo del límite propuesto durante algunos períodos de tiempo, por lo que serían más propensas a presentar algún tipo de problema.

2 Para este y todos los gráficos de este apartado, los resultados se grafican de acuerdo a los quintiles de los bancos que se encuentran operando normalmente, es decir, sin considerar aquellos que salieron del mercado. 3 Se calculó el promedio simple de cada indicador financiero en cada período de tiempo con el objetivo de evidenciar la situación del sistema de bancos privados que se encuentra activo a diciembre de 2015, sin ningún ponderador.

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

Gráfico 3: Distribución de la cobertura patrimonial de activos improductivos (Ene-2003 a Dic-2015)

Fuente: SBE

El índice de solvencia fue propuesto inicialmente por el Comité de Supervisión Bancaria de Basilea que fijó un ratio objetivo de capital sobre activos ponderados por riesgo de por lo menos 8% (BCBS, 1988, p.14). Esta es una norma mínima común adoptada inicialmente por los bancos internacionales de los países miembros, difundida y acogida posteriormente a nivel mundial. En el Ecuador, se calcula como la relación entre el patrimonio técnico constituido y los activos y contingentes ponderados por riesgo. Con el surgimiento del Código Orgánico Monetario y Financiero en 2014 se fijó un límite de 9% para el índice de solvencia, al que deben sujetarse todas las entidades bancarias ecuatorianas; antes del Código este límite lo fijaba la Junta Bancaria. La Superintendencia de Bancos del Ecuador supervisa su cumplimiento. Al igual que el indicador anterior, entre más alta sea esta relación, menor probabilidad de insolvencia tendrá una entidad. El sistema de bancos privados activos ha mantenido, en promedio, un índice de solvencia superior al límite estimado durante los últimos trece años. Una relación alta denotaría entidades sólidas financieramente, capaces de soportar un escenario adverso. No obstante, al analizar la distribución por quintiles, este indicador estaría alertando a algunos bancos ubicados en el quintil inferior que tendrían una mayor probabilidad de insolvencia.

Olga Delgado Del Hierro - Cuestiones Económicas Vol. 26, No. 2:2, 2016

También es importante observar el comportamiento del quintil superior, si bien las entidades ubicadas en este grupo no presentan ninguna señal de alerta. Se aprecia que antes de la crisis financiera mundial de 2008-2009, el ancho de la banda del quintil superior se redujo de manera importante, mientras que durante la crisis esta banda creció de manera significativa como medida de protección ante un riesgo financiero más elevado. Gráfico 4: Distribución del índice de solvencia (Ene-2003 a Dic-2015)

Fuente: SBE

4.2 Indicadores de calidad de activos En segundo lugar, se eligieron indicadores que midan la calidad de los activos con la finalidad de alertar sobre problemas con el deterioro en la calidad de los principales activos, especialmente el crédito. Dentro del ranking del grupo de índices de calidad de activos, presentaron el menor error de estimación el ratio depósitos sobre cartera y el porcentaje de activos improductivos. Estos indicadores serían los mejores de esta clase para alertar sobre un problema de insolvencia. La intermediación crediticia mide la proporción de los depósitos captados del público que financian la cartera de crédito colocada por un banco privado. El ratio depósitos-cartera estaría asociado con una menor probabilidad de insolvencia. Efectivamente, en la medida en que las captaciones financian en menor magnitud

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

al crédito, una entidad bancaria tiene una posición de liquidez estructural más vulnerable. Gráfico 5: Distribución del índice de intermediación crediticia (Ene-2003 a Dic-2015)

Fuente: SBE

El sistema de bancos privados que se encuentra operando normalmente ha mantenido, en promedio, una relación de depósitos sobre cartera superior al límite propuesto. Situación favorable en razón de que evidencia que el financiamiento de la cartera de crédito es a través de los depósitos de los clientes. Pese a este comportamiento adecuado del sistema, existen algunos bancos cuyo indicador de intermediación crediticia estaría presentando señales, especialmente aquellos ubicados en los dos quintiles inferiores de la distribución. El porcentaje de activos improductivos, como su nombre lo indica, mide la proporción de activos que no generan ningún beneficio para el banco, frente al total de activos. Son activos improductivos: el efectivo y las cuentas corrientes, los activos fijos (edificios, terrenos), vehículos, entre otros (SBE, 2015, Nota técnica 7). El porcentaje de activos improductivos estaría asociado a una alta probabilidad de insolvencia de un banco. El sistema de bancos privados que se encuentra operando normalmente ha mantenido, en promedio, un porcentaje de activos improductivos inferior al límite

Olga Delgado Del Hierro - Cuestiones Económicas Vol. 26, No. 2:2, 2016

estimado, lo que indicaría una adecuada proporción entre la cartera colocada (activo productivo) y el efectivo (activo improductivo). Sin embargo, la distribución de acuerdo a los quintiles señalaría que existen algunas entidades cuyo indicador se ubicó sobre el límite propuesto, en especial durante el período 2005-2006 y 20102011. Gráfico 6: Distribución del porcentaje de activos improductivos (Ene-2003 a Dic-2015)

Fuente: SBE

4.3 Indicadores de gestión administrativa En tercer lugar se incorporaron indicadores sobre la gestión de la administración de los bancos privados, dado que el manejo de los recursos humanos y tecnológicos, junto con los procesos y la adecuada toma de decisiones impactarán necesariamente en los estados financieros de la entidad. Dentro del ranking del grupo de índices de gestión administrativa, presentaron el menor error de estimación el manejo administrativo, la eficiencia de los activos productivos y el gasto de personal respecto al activo. Se seleccionaron tres indicadores de este tipo dado que el error mínimo fue casi el mismo entre el segundo y el tercer indicador según el ranking. El manejo administrativo mide la proporción de activos productivos que financian los pasivos con costo, es decir, la eficiencia en la colocación de los recursos captados. Una relación inferior a 100% significa que la cartera e inversiones no son

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

suficientes para cubrir la deuda, por lo que el banco privado no puede hacer frente a sus obligaciones con recursos generados a partir del giro normal del negocio. Entre más alto sea este indicador, menor será la probabilidad de insolvencia de un banco. El sistema de bancos privados, en conjunto, ha mantenido, en promedio, índices de manejo administrativo superiores al límite propuesto durante todo el período de tiempo analizado. Esto quiere decir que los bancos cuentan con activos productivos suficientes en comparación a su pasivo o deuda. A pesar de la situación favorable del promedio del sistema, desde 2003 hasta 2010, existieron algunos bancos, ubicados en el quintil inferior de la distribución del índice, que se ubicaron por debajo del límite estimado incrementando su probabilidad de insolvencia. Gráfico 7: Distribución del manejo administrativo (Ene-2003 a Dic-2015)

Fuente: SBE

La eficiencia de activos productivos mide la proporción del gasto operativo que genera un banco en relación a sus activos productivos netos (restadas las provisiones constituidas). Este indicador representa el nivel de absorción de los egresos operacionales en los activos creadores de ingresos para el banco y estaría asociado a una mayor probabilidad de insolvencia. El sistema de bancos privados activos ha mantenido, en promedio, un índice de eficiencia de activos productivos de alrededor de 10%. Desde el año 2004 hasta 2010 esta relación fue superior al límite de corte establecido, constituyendo una

Olga Delgado Del Hierro - Cuestiones Económicas Vol. 26, No. 2:2, 2016

señal de alerta para todo el sistema. En la distribución de este indicador el quintil superior registra alta volatilidad en virtud de entidades pequeñas con grandes movimientos, expuestas a una mayor probabilidad de insolvencia y a las que se debería monitorear constantemente. El costo de personal implícito en el manejo de activos de un banco, se evalúa a través del gasto de personal sobre el activo promedio. Este indicador de eficiencia administrativa expresa la proporción de desembolsos correspondientes al recurso humano en relación a los activos promedio. En etapas de expansión, un crecimiento exagerado del personal podría desembocar años más tarde en problemas de insolvencia de los bancos privados, además del coste social implícito, por lo que estaría asociado a una mayor probabilidad de insolvencia. Gráfico 8: Distribución de la eficiencia de activos productivos (Ene-2003 a Dic-2015)

Fuente: SBE

El sistema de bancos privados que se encuentra operando normalmente ha mantenido, en promedio, un gasto de personal equivalente al 3% de los activos totales. Esta relación ha sido levemente superior al límite propuesto desde el año 2010 hasta 2015, por lo que constituye una señal de alerta para todo el sistema. En la dis-

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

tribución de este indicador, los bancos que se encuentran ubicados en los dos quintiles superiores registrarían señales de alerta ante posibles problemas de insolvencia. Gráfico 9: Distribución de la proporción del gasto de personal sobre el activo (Ene-2003 a Dic-2015)

Fuente: SBE

4.4 Índices de rentabilidad En cuarto lugar, se integraron indicadores de rentabilidad de los bancos privados para medir los resultados finales de la gestión operativa y administrativa. Dentro del ranking del grupo de índices de rentabilidad, presentaron el menor error de estimación la rentabilidad operativa sobre el activo y la rentabilidad sobre el patrimonio. La rentabilidad operativa sobre activos mide el margen operacional obtenido durante un ejercicio económico como proporción de los activos totales de un banco. El margen operacional comprende el nivel de utilidad o pérdida que genera la gestión operativa, es decir, el margen bruto financiero restado el gasto por provisiones, gastos de operación y el neto entre otros ingresos y otras pérdidas operacionales. No incluye otros ingresos o gastos extraordinarios, impuestos y participación de utilidades a los empleados. Los índices de rentabilidad están asociados a una menor probabilidad de insolvencia.

Olga Delgado Del Hierro - Cuestiones Económicas Vol. 26, No. 2:2, 2016

Gráfico 10: Distribución del índice de rentabilidad operativa sobre activos (Ene-2003 a Dic-2015)

Fuente: SBE

El sistema de bancos privados activos ha mantenido, en promedio, una rentabilidad operativa sobre el activo de entre 1% y 3% desde 2003 hasta el año 2012, luego del cual, por efectos normativos, ese índice disminuyó a alrededor de 1%. Durante los últimos meses del año 2015 el indicador del sistema cayó por debajo del límite propuesto resaltándose una señal de alerta para los próximos años. Algo similar sucedió al observar el quintil inferior de la distribución de esta variable, pues las entidades de este grupo habrían presentado pérdidas desde el año 2013 hasta 2015, situándose muy por debajo del valor del límite planteado. La rentabilidad sobre el patrimonio (ROE por sus siglas en inglés) mide las utilidades o pérdidas generadas por el patrimonio de un banco. Una baja rentabilidad conlleva una mayor probabilidad de insolvencia, dado que además de otorgar pocos beneficios a sus accionistas, el capital que estos invirtieron correría mayor riesgo. En términos de rentabilidad sobre el patrimonio, el sistema de bancos privados activos ha mantenido, en promedio, una rentabilidad superior al 11% entre 2003 y 2008. A raíz de la crisis financiera mundial los resultados obtenidos en conjunto disminuyeron, pero se mantuvieron alrededor de este valor. En el año 2011, una vez culminado el período de crisis, los bancos iniciaron nuevamente una etapa expansiva, pero no con la misma intensidad que en años anteriores. Esta reactivación fue frenada en 2012 por nueva normativa que amplió el aporte del impuesto a la renta de los bancos privados, reduciendo sus utilidades. A partir de allí se observa

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

una reducción en la rentabilidad sobre el patrimonio que se mantiene hasta 2015, inferior también al límite propuesto en esta metodología. Si se observa en el Gráfico 11 la distribución de quintiles, se evidencia una situación similar a la del sistema para los bancos individuales. Los que están ubicados en el quintil inferior han registrado un índice menor al límite propuesto e incluso negativo en algunos casos. Gráfico 11: Distribución del índice de rentabilidad sobre el patrimonio (Ene-2003 a Dic-2015)

Fuente: SBE

4.5 Índices de liquidez En quinto lugar, se añadió también un apartado acerca de índices de liquidez, a pesar de que el deterioro de este indicador es inmediato cuando sucede un episodio de crisis. Dentro del ranking del grupo de índices de liquidez, presentaron el menor error de estimación el índice de liquidez ajustado y el porcentaje de activos líquidos. El índice de liquidez ajustado4 mide la cantidad de recursos disponibles hasta 90 días que tiene un banco para atender el pago del total de las obligaciones con el público. Los índices de liquidez están asociados a una menor probabilidad de insolvencia en razón de que entre mayor cantidad de recursos de mayor disponibilidad 4 El índice de liquidez o prueba ácida mide la disponibilidad de recursos hasta 90 días que cubren los pasivos de corto plazo. El índice de liquidez ajustado considera en el denominador las obligaciones con el público.

Olga Delgado Del Hierro - Cuestiones Económicas Vol. 26, No. 2:2, 2016

tenga una institución, enfrentará de mejor manera un posible retiro de fondos por parte de sus depositantes. Gráfico 12: Distribución del índice de liquidez ajustado (Ene-2003 a Dic-2015)

Fuente: SBE

De acuerdo al Gráfico 12, el sistema de bancos privados activos se caracteriza por mantener, en promedio, altos niveles de liquidez. Se aprecia, por ejemplo, que antes de la crisis financiera mundial, los índices de liquidez ajustados promedio se encontraban en alrededor de 35% y durante el período de crisis crecieron por encima del 50%, resaltando la preferencia por activos líquidos que cubran las necesidades del banco ante un retiro de depósitos. La misma tendencia es evidente en la distribución del índice por quintiles, donde los dos quintiles inferiores sí se encontraron por debajo del umbral propuesto durante algunos períodos de tiempo. El porcentaje de activos líquidos expresa la cantidad de activos líquidos menores a 90 días que tiene un banco frente al total de activos. Dentro de la estructura de activos, es vital conocer cuál es la participación de los recursos más líquidos, puesto que estos fondos servirán para enfrentar posibles retiros de depósitos o necesidades específicas de liquidez. Al igual que en el caso anterior, esta proporción está asociada a una menor probabilidad de insolvencia.

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

De manera similar al caso anterior, el sistema de bancos privados activos se caracteriza por mantener, en promedio, una alta proporción de activos líquidos menores a 90 días sobre el total de activos. El comportamiento de este índice señala que existieron períodos en los cuales los bancos privados operativos registraron activos líquidos cercanos al 35% del total de activos: en 2004 y 2010 específicamente. Al contrario, hay períodos en los que la proporción de activos líquidos fue menor: en 2007 disminuyó hasta 23% y en 2015 hasta 20%. En este último año la participación de activos líquidos ha caído inclusive por debajo del nivel de tolerancia propuesto, constituyéndose en una señal de alerta para los bancos que se encuentran en los dos quintiles inferiores. Gráfico 13: Distribución del porcentaje de activos líquidos (Ene-2003 a Dic-2015)

Fuente: SBE

INCIDENCIA DE LOS INDICADORES DE ALERTA TEMPRANA

Utilizando los indicadores financieros analizados en los apartados anteriores se puede construir una distribución de vulnerabilidad del sistema de bancos privados. En conjunto, estos indicadores de alerta temprana servirán para advertir sobre posibles vulnerabilidades de las entidades bancarias.

Olga Delgado Del Hierro - Cuestiones Económicas Vol. 26, No. 2:2, 2016

La distribución de vulnerabilidad se obtiene al comparar cada uno de los indicadores de alerta temprana de cada banco privado en cada unidad de tiempo con el límite obtenido según la metodología descrita. Cuando el indicador clave dé señal de alerta, se considera que el banco privado se encuentra en un nivel de vulnerabilidad “alto”. Cuando el indicador clave no dé señal de alerta, pero sobrepase un umbral medido como la mediana de la distribución, se considera que el banco está en un nivel de vulnerabilidad “medio”. Caso contrario, cuando el indicador clave no dé ninguna señal de alerta, se considera al banco con un nivel de vulnerabilidad “bajo”. La ponderación de cada variable en el total está dada por la normalización de la sumatoria mínima de errores, bajo la premisa de que el indicador financiero con menor error tendrá un mejor poder predictivo. 5.1 Incidencia conjunta de los indicadores de alerta temprana El Gráfico 14 proporciona una visión general sobre la distribución de vulnerabilidad del sistema de bancos privados desde enero de 2003 hasta diciembre de 2015. De manera mensual se ubica la proporción del número de bancos dentro de cada nivel. Gráfico 14: Distribución de vulnerabilidad total de bancos privados (Ene-2003 a Dic-2015)

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

Como resultado, se puede observar que existió una mayor proporción de bancos altamente vulnerables (color negro) durante el año 2003, el período 2012-2013 e inicios de 2015. Las señales de vulnerabilidad media (color gris claro) fueron más marcadas en los años 2003, 2005, 2007 y especialmente durante el año 2015. Durante estos períodos los bancos ecuatorianos fueron más vulnerables de acuerdo a las señales de alerta que mostraron las variables clave. Adicionalmente, se puede efectuar la representación anterior segmentada por cada tipo de indicador financiero, agrupados según su naturaleza o características similares conforme lo señala la metodología CAMELS y de acuerdo a la Tabla 5. 5.2 Incidencia de los indicadores de capital En primera instancia, se muestra la distribución de vulnerabilidad de los indicadores de capital. Con relación a este grupo de variables, se aprecia que existió mayor concentración de bancos altamente vulnerables (color negro) durante los primeros años de análisis, entre 2003 y 2005. Este resultado está influenciado, en gran medida, por el comportamiento de la distribución del indicador de cobertura patrimonial de activos improductivos (Gráfico 3). De hecho, el sistema de bancos privados registró, aproximadamente, una cobertura de capital de 45% sobre sus activos improductivos durante 2003, dado que gran parte de entidades bancarias se ubicó por debajo del límite establecido. Desde el año 2006 la situación de este y otros indicadores de capital mejora, lo que se refleja en la distribución de vulnerabilidad alta que va disminuyendo con el tiempo, alcanzando un mínimo durante el año 2015, mientras que la vulnerabilidad baja (color gris oscuro) empieza a incrementarse. Este resultado se verifica, en mayor medida, por el comportamiento de los indicadores de solvencia (Gráfico 4). Son muy pocas entidades las que registraron un patrimonio técnico inferior al 10% de sus activos y contingentes ponderados por riesgo durante el año 2015, más bien esta relación ha ido creciendo paulatinamente. Este resultado refleja un sistema bancario sólido y fortalecido financieramente, capaz de absorber con su capital posibles pérdidas que se podrían presentar en el desarrollo normal de sus operaciones. No obstante, cabe mencionar que el crecimiento del índice de solvencia, en la gran parte de los casos en análisis, se produce por una disminución de los activos y contingentes ponderados por riesgo, antes que por un incremento del patrimonio técnico constituido, por lo que se recomienda su monitoreo constante.

Olga Delgado Del Hierro - Cuestiones Económicas Vol. 26, No. 2:2, 2016

Gráfico 15: Distribución de vulnerabilidad de bancos privados en indicadores de capital (Ene-2003 a Dic-2015)

5.3 Incidencia de los indicadores de calidad de activos La distribución de vulnerabilidad de los indicadores de calidad de activos se muestra bastante homogénea en el tiempo. Sin embargo, se destaca cierta prominencia de la vulnerabilidad alta (color negro) durante los años 2003 y 2008-2009, explicada mayoritariamente por un alto porcentaje de activos improductivos durante el año 2003 y por el deterioro de los indicadores de intermediación crediticia en 2008-2009. Los niveles de vulnerabilidad media (color gris claro) y baja (color gris oscuro) se han mantenido relativamente estables, con mejoras visibles durante los años 2006 y 2011. Finalmente, se observa que durante el año 2015 ha disminuido el número de entidades con vulnerabilidad baja, mientras que se ha incrementado el número de bancos con vulnerabilidad media. (Ver gráfico 16)) 5.4 Incidencia de los indicadores de gestión administrativa En lo que respecta a la gestión administrativa, durante los últimos trece años se aprecia una mejora en términos de vulnerabilidad, en especial entre 2004 y 2005. Durante este período aumentó el número de instituciones con vulnerabilidad baja (color gris oscuro) al pasar de 25% a inicios de 2004 hasta cerca de 50% en 2005, aunque también aumentó la brecha de bancos con vulnerabilidad media (color gris claro).

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

Gráfico 16: Distribución de vulnerabilidad de bancos privados en indicadores de calidad de activos (Ene-2003 a Dic-2015)

Efectivamente, durante el año 2003 y 2004 se observa que los bancos que se encontraban en el quintil inferior del indicador de manejo administrativo se ubicaron por debajo del límite fijado por la presente metodología, lo que se traduce en mayor fragilidad en cuestiones de gestión administrativa. Específicamente, se observó mayor variabilidad en los indicadores de eficiencia de activos productivos y de la proporción del gasto de personal con una leve tendencia al alza. Para los años siguientes, la situación de estos indicadores mejoró y se mantuvo en similares términos hasta la actualidad. (Ver gráfico 17) 5.5 Incidencia de los indicadores de rentabilidad Tanto el ROE como el ROA han evolucionado a la par en el sistema de bancos privados del Ecuador. Entre 2003 y hasta el 2006 la mayor parte de entidades bancarias registró indicadores muy superiores al límite señalado y de hecho, el promedio simple del sistema se encontraba casi dos puntos por encima del umbral establecido en la presente metodología. Este resultado se tradujo en bancos privados con baja vulnerabilidad en lo referente a sus indicadores de rentabilidad. Sin embargo, a partir de la crisis financiera internacional, los bancos privados ecuatorianos empiezan a ver reducidas sus ganancias, siendo el año 2010 el que refleja una vulnerabilidad más alta en cuanto a la capacidad de generar beneficios y, por ende, una probabilidad de insolvencia más alta.

Olga Delgado Del Hierro - Cuestiones Económicas Vol. 26, No. 2:2, 2016

Gráfico 17: Distribución de vulnerabilidad de bancos privados en indicadores de gestión administrativa (Ene-2003 a Dic-2015)

Durante el año 2011, la rentabilidad de los bancos empieza a recuperarse y se mantiene estable hasta finales de 2012, cuando la Ley Orgánica de Redistribución de los Ingresos para el Gasto Social elimina el beneficio que tenían los bancos sobre la exoneración de una parte del impuesto a la renta si reinvertían sus utilidades. A partir de entonces y hasta la actualidad, la vulnerabilidad con respecto a los indicadores de rentabilidad se mantiene como alta en alrededor del 40% de los bancos, como moderada en entre 40 y 50% de los bancos y como baja en alrededor del 10%. (Ver gráfico 18) 5.6 Incidencia de los indicadores de liquidez La distribución de vulnerabilidad de los indicadores de liquidez del sistema de bancos privados del Ecuador refleja una clara división entre un nivel de riesgo alto (color negro) y un nivel bajo (color gris oscuro), mientras que muy pocas entidades se distribuyen dentro del grado de vulnerabilidad medio (color gris claro). Existió una alta concentración de bancos que registró baja vulnerabilidad en lo concerniente a los indicadores de liquidez durante los períodos 2004 y 2010-2011, cuya causa es el crecimiento de los índices de liquidez ajustado, así como la proporción de activos líquidos dentro del total de activos. De hecho, el sistema de bancos, en promedio, aumentó su indicador de liquidez ajustado durante estos dos períodos entre 10 y 20 puntos porcentuales, muy por encima del límite que señala la metodología utilizada.

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

Grรกfico 18: Distribuciรณn de vulnerabilidad de bancos privados en indicadores de rentabilidad (Ene-2003 a Dic-2015)

Grรกfico 19: Distribuciรณn de vulnerabilidad de bancos privados en indicadores de liquidez (Ene-2003 a Dic-2015)

Olga Delgado Del Hierro - Cuestiones Económicas Vol. 26, No. 2:2, 2016

Al contrario, durante los años 2007, 2012 y 2015 con mayor profundidad, los indicadores de liquidez de algunos bancos se deterioraron, por lo que su vulnerabilidad fue alta en este tipo de indicadores. Históricamente, en lo que respecta a la liquidez, 2015 ha sido el año más vulnerable de los últimos trece, dado que cerca del 70% de bancos privados registraron una vulnerabilidad alta, en tanto que en tan solo 30% fue baja. De hecho, el promedio simple del sistema también registró una fuerte caída durante este año e inclusive se ubicó por debajo del umbral mínimo recomendable, según el método expuesto, y se mantuvo en esta posición durante varios meses. No obstante, el último trimestre se observó una recuperación, por lo que se esperaría mejore el nivel de riesgo en esta categoría. (Ver gráfico 19) VI. BACKTESTING A continuación se presenta un análisis sobre la validez de los indicadores de alerta temprana en la emisión de señales sobre la presencia de una crisis en las entidades que salieron del mercado durante los últimos trece años. De esta manera se puede medir la efectividad de los indicadores financieros claves (Ver apéndice). ØØ

Con respecto a la cobertura patrimonial de activos improductivos, de los 8 bancos en análisis, 4 registraron un índice inferior al umbral fijado. Años antes de que cerraran definitivamente sus operaciones los bancos Andes, Centro Mundo, Cofiec y Territorial presentaron señales en este indicador financiero.

ØØ

En lo que se refiere al índice de solvencia, de los 8 bancos que salieron del mercado durante los últimos trece años, 4 presentaron indicadores inferiores al límite calculado, años antes de que se desatara la crisis. El caso del Banco Sudamericano es especial porque registró por cerca de ocho años un índice de solvencia del alrededor del 100%, situación atípica dentro del sistema de bancos privados del Ecuador, puesto que significó que el patrimonio técnico constituido cubrió en su totalidad a los activos y contingentes ponderados por riesgo.

ØØ

El índice de intermediación crediticia medido como la relación entre los depósitos y la cartera de crédito habría requerido un monitoreo permanente dado que todos los bancos que salieron del mercado en la última década registraron señales de alerta, aunque con diferentes períodos de duración. El Banco Centro Mundo, por ejemplo, registró señales en este indicador desde

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

el año 2003 hasta que salió del mercado, mientras que Promerica únicamente en algunos meses anteriores al término de operaciones5. ØØ

En lo que respecta al porcentaje de activos improductivos, 4 de los 8 bancos que salieron del mercado en los últimos trece años presentaron un alto porcentaje de estos activos antes de que entraran en crisis: Andes, Cofiec, Sudamericano y Territorial.

ØØ

De los bancos que dejaron de operar se observa que 4 registraron antes de la crisis un pobre manejo administrativo, lo que desencadenaría bajos índices de rentabilidad, a menos que hubieran dispuesto de ingresos extraordinarios que compensaron este desequilibrio.

ØØ

En lo referente a la eficiencia de activos productivos, 6 de los 8 bancos en análisis presentaron señales en este indicador, por lo que su monitoreo constante habría sido imprescindible para advertir sobre posibles debilidades financieras.

ØØ

El registro de un elevado gasto de personal en relación a sus activos totales fue un denominador común en 5 de los 8 bancos que salieron del mercado. Antes de que presentaran problemas, las entidades registraron señales de alerta en esta variable durante algunos meses.

ØØ

En lo que concierne a la rentabilidad operativa sobre activos, 6 de 8 bancos que dejaron de operar presentaron señales de alerta antes del cese de operaciones. Únicamente Lloyds Bank y Promerica generaron adecuados márgenes de rentabilidad en la gestión operativa antes de salir definitivamente del mercado.

ØØ

En el caso de la rentabilidad sobre el patrimonio, todos los bancos ecuatorianos que salieron del mercado registraron índices inferiores al límite propuesto. En algunos casos particulares inclusive registraron pérdidas antes de que cerraran definitivamente sus operaciones, como el Banco de Los Andes, Centro Mundo, Cofiec y Territorial.

ØØ

Con relación al índice de liquidez ajustado, se registraron señales en cinco de los ocho casos de estudio de los bancos que terminaron operaciones durante la última década. En algunas entidades el índice de liquidez ajustado inclusive

Promerica se fusionó con Produbanco en septiembre de 2014.

Olga Delgado Del Hierro - Cuestiones Económicas Vol. 26, No. 2:2, 2016

registró niveles cercanos a 0. Tal fue el caso del Banco de los Andes y Centro Mundo. ØØ

En referencia al porcentaje de activos líquidos, de los 8 bancos sujetos a análisis, 7 habrían registrado señales de alerta en este indicador antes de su salida definitiva del mercado durante la última década, considerando que la liquidez se presentaba en términos mensuales y este indicador podría deteriorarse en cuestión de días.

VII. CONCLUSIONES Y RECOMENDACIONES 7.1 Conclusiones El ejercicio de alerta temprana constituye una herramienta útil para anticiparse a posibles fragilidades financieras en el sistema bancario ecuatoriano y alertar de manera oportuna mediante un enfoque de señales. La identificación oportuna de niveles de riesgo excesivos contribuye a la definición políticas y estrategias que favorezcan el funcionamiento eficiente, eficaz y competitivo del sistema financiero bancario. Mediante este ejercicio, se obtuvo un grupo de variables capaces de emitir señales ante una posible quiebra bancaria. De una batería de indicadores financieros, se seleccionaron 11 que podrían alertar con menor error sobre la presencia de una crisis bancaria en el Ecuador, sobre la base de los bancos que salieron del mercado durante los últimos trece años. Estos son: • • • • • • • • • • •

Cobertura patrimonial de activos improductivos Índice de solvencia Relación depósitos / cartera Porcentaje de activos improductivos Manejo administrativo Eficiencia de activos productivos Gasto de personal sobre activo Rentabilidad operativa sobre activo Rentabilidad sobre el patrimonio Índice de liquidez ajustado Porcentaje de activos líquidos

Con los indicadores de alerta temprana se construyó una distribución de probabilidad de vulnerabilidad de todo el sistema de bancos privados en el Ecuador. En

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

esta distribución se resaltan los períodos en los cuales los bancos fueron más vulnerables de acuerdo al número de variables clave que mostraron señales de alerta. En conjunto, estos indicadores de alerta temprana servirán para advertir sobre posibles debilidades financieras de las entidades bancarias de forma individual y a nivel de todo el sistema de bancos privados. Finalmente, se incluyó un análisis retrospectivo sobre la capacidad predictiva de los indicadores de alerta temprana en la emisión de señales de vulnerabilidad en los bancos que salieron del mercado durante los últimos trece años. Mediante este análisis se verificó la validez de los indicadores de alerta temprana, puesto que la mayor parte presentó señales anticipadas sobre la vulnerabilidad de estos bancos, que en lo posterior salieron del mercado por diversos motivos. Este documento muestra una guía del comportamiento de los bancos privados en el Ecuador, y pretende advertir sobre aquellos bancos que podrían estarse deteriorando y en qué magnitud o a qué velocidad. Esto nos sirve para efectuar un monitoreo constante tanto a nivel individual como en el sistema en su conjunto. Los mapas de vulnerabilidad también se pueden construir por tamaño, por segmento o por otra característica específica que agrupe a las entidades bancarias a fin de realizar una comparación y análisis más detallado. 7.2 Recomendaciones Considerando que todo modelo puede ser mejorado, se podría trabajar con variables financieras rezagadas que logren anunciar con mayor acierto un período de vulnerabilidad en los bancos privados. Así mismo, se sugiere ensayar con variables compuestas que estarían integradas por las que inicialmente no son significativas en el modelo. Para mejorar los resultados del presente trabajo, se podría incorporar variables del entorno macroeconómico que inciden de una u otra manera en el sistema de bancos privados. Variables macroeconómicas como el comportamiento del Producto Interno Bruto, la variación del precio del petróleo, el índice de inflación, la balanza de pagos, el riesgo país, entre otras, podrían fortalecer el estudio presentado. Si bien el presente trabajo examina el comportamiento de los bancos privados que salieron del mercado, no toma en cuenta el motivo real de su salida. En este sentido, se aconseja incluir variables categóricas en el análisis y no únicamente financieras, a efectos de considerar si los accionistas tomaron medidas para evitar una

Olga Delgado Del Hierro - Cuestiones Económicas Vol. 26, No. 2:2, 2016

posible quiebra en los bancos que estaban en una condición vulnerable. Las acciones de los directivos bancarios no suelen conocerse públicamente, pero de disponer de la información se enriquecería el análisis. Así mismo, el análisis puede presentar mayor certeza con la distinción de bancos que hayan salido del mercado en las mismas condiciones de la economía y bajo el mismo marco supervisor. Una quiebra o salida del negocio puede deberse a iliquidez, insolvencia, baja rentabilidad, etc, situación que podría ser distinta para cada banco. En el marco de esta investigación, se podría utilizar como variable el sector económico al que pertenece cada banco privado o el segmento de crédito al que se dirige mayoritariamente. En el desarrollo de la economía existen sectores que son más sensibles que otros y que están correlacionados negativamente, por lo que una variable clave para un banco que opera en un determinado sector puede ser no relevante para otro banco que dirige sus esfuerzos hacia otro sector. Sería recomendable efectuar un análisis a partir de los resultados obtenidos en este trabajo, en el cual se analice el comportamiento de los indicadores analizados en un periodo más amplio de observación con el objetivo de encontrar una causa más explícita de la quiebra bancaria o de la salida del mercado de algunos bancos privados. Específicamente, se podría replicar el ejercicio para la crisis bancaria de 1999 y contrastar con el escenario planteado en este documento, a fin de identificar las variables financieras que podrían anticiparse a un episodio de crisis y comparar también los límites obtenidos. Se recomienda también ampliar el análisis hacia otros intermediarios financieros, como son los integrantes del sistema financiero popular y solidario, con el fin de comparar tanto los indicadores financieros como los límites calculados. Al constatar las similitudes, es decir, cuando una misma variable dé señales de alerta en ambos sistemas financieros, se podrían tomar medidas correctivas generales y oportunas que minimicen el origen de un riesgo sistémico. Al contrario, el estudio de las diferencias también permitiría tomar medidas particulares para cada grupo de intermediarios financieros y entender con mayor claridad el ámbito de acción de cada uno de ellos. Como paso siguiente, utilizando las mismas fuentes de información, se podrían emplear herramientas estadísticas específicas, como el análisis logístico o los modelos probit y logit, por ejemplo, para calcular la probabilidad de que el sistema de bancos privados ecuatorianos entre en una crisis financiera. Para ello, se podrían

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

simular distintos escenarios a nivel individual y verificar los resultados a nivel global. Esto servirรก como insumo para las autoridades pertinentes, organismos de control y analistas financieros, puesto que permitirรก un adecuado monitoreo y anรกlisis.

Documento recibido: 13/06/2016 Documento aceptado: 18/11/2016

Olga Delgado Del Hierro - Cuestiones Económicas Vol. 26, No. 2:2, 2016

BIBLIOGRAFÍA Asamblea Nacional del Ecuador (2012). Ley Orgánica de Redistribución de los Ingresos para el Gasto Social. Asamblea Nacional del Ecuador (2014). Código Orgánico Monetario y Financiero. Quito. Banco Central del Ecuador (2007). Metodología MACRO, Dirección de Riesgos. Quito. Banco Central del Ecuador (2015).Metodología para medir la vulnerabilidad financiera de las entidades financieras privadas mediante un sistema de alertas tempranas. Cuadernos de Trabajo No. 135, Dirección Nacional de Riesgo Sistémico, Quito. Basilea, C. D. S. B. (1988). Basel I: International Convergence of Capital Measurement and Capital Measurement and Capital Standards. Basilea, C. D. S. B. (2000). Basel II: International Convergence of Capital Measurement and Capital Standards: A Revised Framework–Comprehensive Version. Berg, M. A., Borensztein, M. E., & Pattillo, M. C. A. (2004). Assessing early warning systems: how have they worked in practice? (No. 4-52). International Monetary Fund. Cuadras, C. M. (2007). Nuevos métodos de análisis multivariante. CMC Editions. De Lara Haro, A. (2005). Medición y control de riesgos financieros. Editorial Limusa. Gilbert, R. A., Meyer, A. P., & Vaughan, M. D. (2000). The role of a CAMEL downgrade model in bank surveillance (No. 2000-021). Federal Reserve Bank of St. Louis. Hotelling, H. (1933). Analysis of a complex of statistical variables into principal components. Journal of educational psychology, 24(6), 417. International Monetary Fund (2006). Indicadores de solidez financiera: Guía de compilación. Washington D.C. International Monetary Fund (2015). Course on Early Warning Exercises. Washington D.C.

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

Kaminsky, G., Lizondo, S., & Reinhart, C. M. (1998). Leading indicators of currency crises. Staff Papers, 45(1), 1-48. López Pascual, J., González, S., Pascual, A. J. L., & González, A. S. (1997). Gestión Bancaria: los nuevos retos en un entorno global (No. 332.15/L86g). Pearson, K. (1901). On lines and planes of closest fit to systems of point in space. Philosophical Magazine, 2, 559-572. Rojas-Suarez, L. (1998). Early warning indicators of banking crises: what works for emerging markets?. In January 1998 Meetings of the Allied Social Sciences Association, Chicago. Inter-American Development Bank, Washington DC Samuelson, P. A., & Nordhaus, W. D. (1999). Economía, decimosexta edición. Editorial McGraw-Hill. Superintendencia de Bancos del Ecuador (2015). Nota técnica 7, Boletines financieros mensuales y de series. Superintendencia de Bancos del Ecuador (2015). Notas técnicas de publicación. United States Federal Deposit Insurance Corporation (2016). FDIC Quarterly Banking Graph Book . December 2015, Washington D.C., Recuperado de (https:// www5.fdic.gov/qbp/qbpSelect.asp?menuItem=GRPH). United States General Accounting Office (1993). Thrift Examination Quality, OTS Examinations Do Not Fully Assess Thrift Safety and Soundness. Washington D. C., Recuperado de (http://www.gao.gov/assets/160/152978.pdf) United States Office of Thrift Supervision (1993). Examinations of Savings and Loan Institutions. Washington D. C. United States Office of Thrift Supervision (1997). Comptroller’s Handbook for Interest Rate Risk. Washington D.C. Visauta y Martori. (2003). Análisis estadístico con SPSS para Windows, Estadística multivariante. Volumen II, Segunda Edición , Madrid: Mc Graw Hill.

Olga Delgado Del Hierro - Cuestiones Económicas Vol. 26, No. 2:2, 2016

Apéndice Gráfico 20: Cobertura patrimonial de activos improductivos (Porcentajes)

Fuente: SBE

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

GrĂĄfico 21: Ă?ndice de solvencia (Porcentajes)

Fuente: SBE

Olga Delgado Del Hierro - Cuestiones Econรณmicas Vol. 26, No. 2:2, 2016

Grรกfico 22: Intermediaciรณn crediticia (Porcentajes)

Fuente: SBE

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

Grรกfico 23: Porcentaje de activos improductivos (Porcentajes)

Fuente: SBE

Olga Delgado Del Hierro - Cuestiones Econรณmicas Vol. 26, No. 2:2, 2016

Grรกfico 24: Manejo administrativo (Porcentajes)

Fuente: SBE

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

Grรกfico 25: Eficiencia de activos productivos (Porcentajes)

Fuente: SBE

Olga Delgado Del Hierro - Cuestiones Econรณmicas Vol. 26, No. 2:2, 2016

Grรกfico 26: Gasto de personal sobre activo promedio (Porcentajes)

Fuente: SBE

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

Grรกfico 27: ROA operativo (Porcentajes)

Fuente: SBE

Olga Delgado Del Hierro - Cuestiones Econรณmicas Vol. 26, No. 2:2, 2016

Grรกfico 28: ROE (Porcentajes)

Fuente: SBE

Ejercicio de alerta temprana en el sistema bancario ecuatoriano

GrĂĄfico 29: Ă?ndice de liquidez ajustado (Porcentajes)

Fuente: SBE

Olga Delgado Del Hierro - Cuestiones Económicas Vol. 26, No. 2:2, 2016

Gráfico 30: Porcentaje de activos líquidos (Porcentajes)

Fuente: SBE

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

EVALUACIÓN DEL IMPACTO SOCIO ECONÓMICO DE LA REHABILITACIÓN DEL FERROCARRIL EN EL ECUADOR MEDIANTE EL MÉTODO DE DIFERENCIAS EN DIFERENCIAS

CUESTIONES ECONÓMICAS Vol. 26, No. 2:2, 2016

EVALUACIÓN DEL IMPACTO SOCIO ECONÓMICO DE LA REHABILITACIÓN DEL FERROCARRIL EN EL ECUADOR MEDIANTE EL MÉTODO DE DIFERENCIAS EN DIFERENCIAS Alfredo Verdezoto Noboa* Resumen: Este trabajo busca medir el impacto socioeconómico del Proyecto deModernización de la Empresa de Ferrocarriles del Ecuador, en las poblaciones que viven alrededor de las estaciones ferroviarias. Para calcular dicho impacto, se aplicó un modelo de diferencias en diferencias, considerandocomo población de tratamiento a las personas que viven con mayor proximidad a las estaciones y comogrupo de control a quienes no están dentro del área de influencia de este negocio. Los resultados muestran que la población de tratamiento del 2010 al 2012, en relación con la población de control,pudo incrementar sus ingresos gracias al turismo atraído por la rehabilitación en un promedio del 8.66%. Palabras clave: evaluación de políticas públicas, impacto socio económico, diferencias en diferencias. CÓDIGO JEL: C01, O10. Abstract: In this study, we seek to measure the socio-economic impact of the Modernization Railway Enterprise of the Ecuador Project on population who live around ñprailway stations. In order to measure this impact, we applied a difference in difference model, where the treated population are those who live near to stations and another group are those who live apart from the stations or are not in the treated group. The results show that the treated population from 2010 to 2012, in relation with control * Economista por la Pontificia Universidad Católica del Ecuador y Máster en Desarrollo Económico por la Universidad Carlos III de Madrid, España (Beca Fundación Carolina), se desempeña como Especialista en Estudios Socioeconómicos en el ámbito de las drogas en la Secretaría Técnica de Drogas.

Alfredo Verdezoto Noboa - Cuestiones Econรณmicas Vol. 26, No. 2:2, 2016

population, their income increased thanks to tourism with an average rate of in 8.66%. Keys words: public policies assessment, social economic impact, difference and difference model. JEL CODE: C01, O10.

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

INTRODUCCIÓN

Demostrar que un proyecto ferroviario ofrece más que transporte púbico y que podría mejorar el bienestar socio económico de las personas, es justamente el aporte y la novedad que presenta ésta investigación. Partiendo del hecho que la inversión pública en infraestructura mejora los niveles de vida de la sociedad, tomamos como referencia al proceso de rehabilitación de la línea férrea entre los años 2010 y 20121, pues este proyecto dinamizó la economía de las zonas por donde pasa el tren, especialmente gracias al incremento de turismo. El presente estudio tiene como objetivo principal demostrar, a través de metodologías econométricas, que efectivamente el proyecto ha tenido un impacto positivo en la población. Es importante señalar, como antecedente, el estudio de evaluación de impacto al proyecto denominado “Alta velocidad ferroviaria e integración metropolitana en España: el caso de Ciudad Real y Puertollano” (Universidad de Castilla la Mancha, 2003). Se observó, a través de estadísticas descriptivas, cómo los trenes de pasajeros de alta velocidad influyen en los hábitos de movilidad de los usuarios y el papel de la línea férrea en el proceso de integración de estas ciudades con el área metropolitana de Madrid. Otro caso semejante es el impacto económico en la comunidad valenciana, gracias a la construcción de un corredor ferroviario (Asociación Valenciana de Empresarios, 2011). Utilizando como metodología la matriz insumo-producto de Leontief, se analizó el aporte económico de trenes de carga y pasajeros en otros sectores productivos. En comparación a las investigaciones anteriores, en las que se enfatiza en datos descriptivos y evaluación de la demanda de los servicios ferroviarios, estetrabajo se concentra en aspectos socioeconómicos, para lo cual se toma como variable de interés al ingreso, condicionadoa variables como la edad, nivel educativo, estado civil, zonas donde desempeñan sus funciones (norte, sur y centro), vinculación o no al negocio turístico y si recibe o no el Bono de Desarrollo Humano, el cual es una subvención que el Estado ecuatoriano da a las personas de bajos recursos. El estudio contó con las siguientes fuentes: enel 2010Ferrocarriles del Ecuador aplicó una encuesta conuna muestra representativa de 4,148 casos; para el 2012 la Empresa nuevamente, aplicando el mismo formulario de encuesta que en el 2010, encuesta a 4,085 personas en las mismas zonas. 1 Latsany Phakdisoth and Donghun Kim, (2007) muestran un estudio realizado en Laos, donde se utilizaron datos de panel para medir el flujo de la demanda de turismo, se concluyó que la inversión en infraestructura turística e inversión en transporte, incrementó el flujo de visitantes a ese país.

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

Por otro lado, la fuente secundaria fue obtenida del Instituto Nacional de Estadísticas y Censos del Ecuador (INEC), específicamente de los datos de la Encuesta Nacional de Empleo, Desempleo y Subempleo -ENEMDU- para el tercer trimestre del 2010. Esta investigación se la realiza a nivel nacional y coincide con la misma fecha en que se levantó la encuesta para la población de tratamiento, cubre la extensión del territorio nacional ecuatoriano y, a través de un ejercicio de identificación de los datos útiles para la presente investigación, se llegaron a filtrar 5,428 datos. Respecto a la metodología, aplica el modelo de diferencias en diferencias, puespor la naturaleza y estructura de los datos disponibles resulta la manera más idónea de medir el impacto socioeconómico de este proyecto. Pudo haber sido posible aplicar un método de estimación del impacto mediante Variables Instrumentales. Sin embargo carecemos de una Variable Instrumental adecuada que nos ayude a medir los beneficios en términos de impacto. Por otro lado, se calculó el índice de Giniy Atkinson, útil para analizar la desigualdad en las zonas de tratados y no tratados del proyecto. Los resultados obtenidos indican que hay un impacto positivo en ingresos para los beneficiarios del proyecto de un año a otro equivalente a 8.66%. II.

BREVE HISTORIA DEL FERROCARRIL

Desde su inaguración el 25 de junio de 1908, el ferrocarril ecuatoriano fue construido con la visión de ser un símbolo de unidad nacional, convirtiéndose en eje fundamental para el desarrollo del Ecuador, siendo el responsable de la prestación del servicio de transporte masivo de pasajeros y de carga por vía férrea, abrió las fronteras comerciales de este país a través del incremento de las exportaciones y posibilitó que, por primera vez, se pudiera comercializar internamente entre la región montañosa andina y la costera. Sin embargo, ya bien entrado el siglo XX, las deficientes administraciones de la empresa de ferrocarriles y los gobiernos de turno, quienes consideraron al transporte de carga pesada por vía terrestre como más viable, provocaron un progresivo deterioro del modelo de transporte ferroviario paralelo al de un desarrollo relativo del servicio de transporte por carretera. En 1998 se produjo un leve intento por rescatar al sistema férreo, se adquirieron equipos tractivos y remolcados nuevos (los primeros son las locomotoras y los segundos los vagones) importados de Inglaterra, mas no se tuvo el éxito esperado, pues este proceso no se realizó con una planificación a largo plazo. La tendencia estadística de la participación de los ferrocarriles como modo alternativo para transporte de pasajeros y de carga, se aprecia en la tabla siguiente:

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

Tabla 1: Número de Pasajeros Transportados, tonelaje arrastrado y tasas de crecimiento a nivel nacional Años

Pasajeros Transportados (personas)

Tasa de crecimiento (%)

Tonelaje Arrastrado (kilos)

Tasa de crecimiento (%)

1992

1,168.904

25.91

25.823

38.63

1993

2,619,306

124.08

33,936

31.42

1994

2,899,214

10.69

49,207

45.00

1995

265,528

-90.84

34,323

-30.25

1996

197,855

-25.49

13,799

-59.80

1997

168,440

-14.87

13,308

-3.56

1998

88,881

-47.83

3,122

-76.54

1999

94,029

5.79

1,978

-36.64

2000

117,484

24.94

208

-89.48

2001

77,659

-33.90

808

288.46

2002

113,112

45.65

662

-18.07

2003

70,093

-38.03

333.8

-49.56

2004

44,233

-36.69

428,76

28.51

2005

63,117

42.69

62.12

-85.51

2006

65,142

3.21

16.23

-73.87

2007

40,418

-37.95

9.31

-42.64

2008

36,577

-9.50

0.00

----

Fuente: Estadísticas de Transporte en el Ecuador – 2007, Ministerio de Transporte y Obras Públicas. Estadísticas de Ferrocarriles del Ecuador Empresa Pública

Como podemos observar en la Tabla 1, en 1993 hay un notable crecimiento del transporte de personas (124.08%), como resultado de las maquinarias nuevas adquiridas dos años atrás; no sucede lo mismo con el transporte de carga que apenas alcanza un 31.42%; en cambio, desde 1995, existe una progresiva disminución de pasajeros transportados y tonelaje de carga arrastrado, puesto que quienes se encontraban en el gobierno veían al ferrocarril como poco rentable y tuvieron compromisos políticos con sindicatos de transporte de vías que favorecían sus intereses por encima de la posible eficiencia y rentabilidad que el tren podría ofrecer. Esto hizo que el ferrocarril, en los años posteriores, tienda a deteriorarse con leves recuperaciones en 2000 y 2005, años en los que se pretendió privatizarlo para

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

que hagan uso de él compañías de turismo; en el 2008 los usos a este medio de transporte son prácticamente nulos, colapsando la empresa completamente: perdió sus capacidades técnicas, administrativas y no pudo seguir las tendencias ferroviarias modernas. Además, en este último año, el derecho de vía (la obligación que tienen las personas de no construir carreteras o acueductos debajo de la línea férrea) se ve amenazado por invasiones y agresiones. Este mismo problema surge con otras propiedades como son las estaciones. En el 2010 se decide rehabilitar los ferrocarriles, a través del proyecto denominado “Modernización de la Empresa de Ferrocarriles y Rehabilitación del Sistema Ferroviario Ecuatoriano”. La obra tuvo como fin rescatar este sistema de transporte, dándole un uso turístico; no se ha considerado el transporte de personas ni de carga pesada; en este sentido el proyecto destinó su presupuesto de la siguiente manera: 92% para la obra física (consta la rehabilitación de 446 kilómetros de línea férrea que unió varias ciudades rurales y urbanas desde Quito a Guayaquil, con sus respectivas estaciones férreas que alcanzaron un número de 47); 4% para fortalecer el área de comercialización y desarrollo local, en esta última se buscaba crear emprendimientos y empleos relacionados al turismo; y un 4% para el fortalecimiento y modernización de la empresa, lo cual implicaba la rehabilitación de los espacios físicos de la empresa y la adquisición de nuevos equipos de oficinas. III. METODOLOGÍA 3.1 Modelo de diferencias en diferencias De acuerdo a la naturaleza de las bases de datos y a la necesidad de evaluación del proyecto se aplicará el modelo econométrico denominado diferencias en diferencias, el cual mide el cambio esperado en una variable Y (llámese ingreso, escolaridad, o cualquiera de las variables que permitan conocer el impacto de un proyecto) entre al menos dos períodos: el período posterior y el período anterior a la implementación de una política en el grupo de tratamiento, menos la diferencia esperada en Y en el grupo de control (contrafactual o contrafáctico2) durante el 2 Se entiende como contrafactual o contrafáctico a la población de control. “En términos generales, se requiere cumplir con dos objetivos cruciales al momento de evaluar un programa proyecto: el primero es lograr aislar el efecto de la intervención, y el segundo es crear un contrafactual que responde a la pregunta: ¿Qué hubiera sucedido si no se intervenía? Por lo tanto, presenta la situación sin intervención del programa. De esta manera, se logra comparar entre el grupo que recibe el tratamiento con el contrafáctico o grupo de control”, esta información ha sido tomada de los documentos Conceptuales de la Secretaría Nacional de Planificación y Desarrollo, Documentos Conceptuales, http://www.planificacion.gob.ec/wp-content/uploads/downloads/2012/08/Metodolog%C3%ADa.pdf.

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

mismo período; de esta manera eliminamos el posible sesgo de selección de las variables inobservadas en el tiempo. Se justifica la utilización de este modelo, pues al poseer las bases estadísticas en dos períodos, funcionan como una colección de bases de datos de corte transversal repetidas y donde cada etapa corresponde a un período diferente, es decir que no se observa a la misma persona más de una vez en el tiempo. Pudo haber sido medido el impacto con variables instrumentales pero, como se dijo anteriormente, carecemos de una variable instrumental adecuada. En el caso de este trabajo, la poblaciónde tratamiento son las personas que realizan sus actividades económicas dentro de un perímetro no mayor a 200 metros alrededor de las estaciones, siendo el contrafactual quienes están fuera de este entorno; el tiempo está comprendido entre los años 2010 al 2012; al comparar el grupo de tratamiento, el de control y el tiempo, se verificará si el proyecto de la Empresa de ferrocarriles del Ecuador ha justificado su ejecución en el incremento de los beneficios sociales. La línea férrea fue rehabilitada en su conjunto uniendo las dos principales ciudades del Ecuador, Quito y Guayaquil. Las zonas pobladas a los alrededores de las estaciones se están viendo beneficiadas por esta obra, por ello, quienes más cerca están de las estaciones son consideradas como la población de tratamiento (no más allá de 200 metros); en este sentido, el paso del tren tiene la característica de un experimento natural, es decir que no tuvo una planificación previa de quienes serían los grupos de tratados y no tratados, sino que más bien sigue un comportamiento aleatorio, beneficiando a unos poblados y no favoreciendo a otros. A este tipo de casos se los denomina “experimento natural o cuasi experimento”, el cual es útil para aplicar el método de diferencias en diferencias, pues al existir eventos aleatorios que se construyen de manera natural antes y después del proyecto, se puede evitar lo que se conoce como el “sesgo de selección”. Para explicar de mejor manera la metodología, en el Gráfico 1 se describe el supuesto de tendencias paralelas: Considerando por un lado a la letra D como una variable dummy que toma el valor de 1 cuando es beneficiaria del proyecto y 0 si no lo es; y por otro lado a una variable dependiente o variable de interés Y, la cual permite medir el impacto del proyecto (en el caso de este trabajo el logaritmo del ingreso). La línea de arriba muestra el efecto temporal de la variable ingresos para el grupo de tratados (D=1), inicia en el before ( ) y termina en el after ( ), la línea continua de abajo representa al grupo de control (D=0), de la misma manera la variable comienza en el período anterior a la ejecución del proyecto ( ), termina también en el punto de finalización del proyecto ( ), al comparar las dos líneas se dice que en ausencia del tratamiento ambos grupos tienen una evolución paralela, pero al haber proyecto las dos líneas

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

son diferentes y dicha diferencia es el impacto del proyecto identificado con la letra τ. Como corolario, si no existiera intervención, las dos poblaciones hubieran tenido un camino paralelo en su transición de un año a otro. Gráfico 1: Identificación gráfica de los grupos de tratamiento y control

Fuente: Stock and Watson (2006)

El gráfico anterior puede ser expresado de acuerdo a lo señalado en la Tabla 2, en la que se estructuran los períodos y las poblaciones de tratamiento y control en cada uno de los años. Tabla 2: Estructura del modelo de diferencias en diferencias Período

Tratamiento

Control

t = 2010

Y2010 | D = 1

Y2010 | D = 0

t = 2012

Y2012 | D = 1

Y2012 | D = 0

Fuente: Stock and Watson (2006)

La letra es la variable dependiente (para el caso de esta investigación, es el logaritmo del ingreso), que permite medir el impacto de la política pública, el sub índice nos dice el período que es 2010 para el antes y 2012 para el después. Además una variable dummy representada por la letra D, es 1 si pertenece al grupo de tratamiento y

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

0 al de control, por lo tanto, la variable dependiente está en función de su pertenencia o no a un grupo de tratamiento o control, pero en cada uno de los períodos. Al comparar un modelo de diferencias con otro de diferencias en diferencias, el primero se usa para medir el impacto únicamente en poblaciones de tratados y no tratados; en cambio, en el segundo se adiciona al modelo anterior la variable tiempo, con lo cual se garantiza eliminar el sesgo por selección. Por otro lado, el tiempo está dividido en el período anterior a la implementación de la mejora y posterior a la misma. Por lo tanto, la parte medular de un método de diferencias en diferencias es ubicar adecuadamente los grupos beneficiados y no beneficiados en el tiempo. 3.2 Deducción analítica del modelo Analíticamente el modelo de diferencias en diferencias aplicado a este trabajo es como sigue:

(1)

Es decir, que tomando una variable dependiente como el caso de los Ingresos, verificamos el cambio de un período a otro, tanto para la población de tratamiento como para la de control. La ecuación 1 nos muestra la primera diferencia; en ella observamos el cambio esperado entre el período anterior y el posterior a la implementación del tratamiento en el grupo de tratamiento menos el cambio esperado entre el período anterior y el posterior a la implementación en el tratamiento en el grupo de control; las dos diferenciasson entre los años 2010 y 2012. Con el fin de medir el impacto del proyecto, la ecuación anterior se la debe expresar en términos de una regresión multivariada, siendo el ingresola variable dependiente, y las variables que la explican los años de educación, el estado civil, edad, edad al cuadrado (para conocer los rendimientos marginales de los ingresos con un año más de educación), la actividad económica y la zona geográfica donde la desempeña. No obstante, la particularidad que tiene el modelo de diferencias en diferencias es considerar, además de las variables explicativas, dos variables dummy: 1. La variable dummy de los grupos que forman parte del experimento (sea éste aleatorio o controlado), que expresa 1 si son personas que pertenecen al grupo de tratamiento y 0 si no lo son.

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

2. La otra dummy es el tiempo, toma el valor de 1 si es el año final o ex post (en este caso 2012) y 0 si es el año inicial (para el presente trabajo 2010).

(2)

En la ecuación anterior se especifica un modelo de regresión multivariada, considerando las siguientes variables: Primero, la variable muestra si pertenece al grupo de tratamiento (D=1) o si pertenece al grupo de control (D=0); segundo, la variable es el tiempo, la cual toma el valor de 0 si pertenece al año 2010 y 1 si son del 2012; la X representa a todas las variables que permiten explicar la variable dependiente ; y, cuarto, la interacción de la variable tiempo y la dummy de los grupos , ésta última interacción es la variable de interés que al evaluarla en su significancia estadística estamos básicamente expresando el impacto o no del proyecto3. Al establecer falta de similitud entre poblaciones de tratamiento y control a través de los test de medias, se debe corregir la falta de semejanzas a través de iteraciones entre las variables explicativas que tienen este problema y la variable D (dummy que diferencia entre tratados y no tratados) con el fin de corregir posibles sesgos. En este sentido lo que hacemos es crear un nuevo modelo incluyendo estas iteraciones, de esta manera expresamos la ecuación (3) como sigue:

(3)

Las variables D, t y su iteración, así como aquella que son necesarias para explicar el modelo permanecen. Sin embargo, los estimadores de ajuste permiten evaluar de manera integral la validez del modelo; este estimador es la letra D; se realizan iteraciones por cada variable que no sea semejante de acuerdo al test de media, corrigiendo de esta manera posibles sesgos. IV.

VARIABLES Y DATOS ÚTILES PARA LA APLICACIÓN DEL MÉTODO DE DIFERENCIAS EN DIFERENCIAS

4.1 Variables utilizadas en el modelo Los cambios intertemporales de tratados y no tratados se verán evaluados a través del ingreso, variable que, además, nos permite comprender la oferta laboral existente en las zonas influenciadas por el proyecto (Universidad del Rosario, 2007). 3 Los detalles matemáticos que demuestran que la variable modelo se encuentran en el Anexo 1 de este trabajo.

, permite medir el impacto del

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

En ese sentido, seanalizará los factores que determinan el ingreso en las zonas evaluadas. Al respecto Becker (1964) establece que la educación es un elemento correlacionado a la productividad e ingreso, tampoco se puede dejar de incluir al género como un elemento que explica los salarios; en este sentido, Tansel (2000) menciona la diferencia de ingresos entre hombres y mujeres y la probabilidad de pertenecer a un sector económico u otro si es mujer, también la oferta laboral se halla relacionada a un proceso de decisión del hogar. Además, se considera en estas base de datos la edad, edad al cuadrado (para medir los efectos marginales que la edad tiene sobre los ingresos), estado civil. Por otro lado, considerandoque las áreas aledañas a las estaciones del ferrocarril generan movimiento económico gracias al turismo atraído por el tren, se deben considerar las zonas geográficas (norte, sur, litoral o centro) y cómo estas definen el ingreso. Existe evidencia en la que se confirma que las característica del área y la ubicación de un bien turístico en un sitio u otro juega un papel fundamental (Rémy Prud’homme, 2008, p.15). Este autor realizó un estudio en el que analiza el impacto socioeconómico del turismo en las zonas que son consideradas como patrimonio de la humanidad para la UNESCO Entre otras, utiliza como variables explicativas la cercanía o no a un centro turístico a 50 kilómetros de la costa, si es una zona montañosa o ribereña, el hecho de disfrutar de clima agradable, etc. Debido a que el impacto del proyecto está relacionado al turismo, también se especifica en el modelo si la persona encuestada está o no vinculada a este sector productivo. Al respecto podemos mencionar la trascendencia de la economía del turismo y cómo varios proyectos en países en vías de desarrollo como Marruecos que, desde 1960 busca en el turismo una fuente de ingresos y apoyo a sectores pobres, aprovechando al máximo sus potencialidades. En este sentido Ezaidi y Kabbachi (2007) describen cómo Marruecos ha publicitado el turismo de salud de sus aguas termales y cómo estos ingresos colaboran a la lucha contra la pobreza y extrema pobreza. También puede observarse el caso de Botswana, país que ha definido al turismo como un instrumento de política pública para disminuir el nivel de pobreza a través de la promoción de su cultura, la cual es difundida en sus visitantes (Jarkko Saarinen and Haretsebe Manwa, p.47, 2008). En otras zonas de Latinoamérica como en Argentina, concretamente en la Quebrada Humahuaca, también se ha fomentado el turismo comunitario con la finalidad de mejorar el nivel de vida en las zonas rurales (Korstanje, Universidad de Palermo, 2015). No existen consensos entorno al conocimiento de cuánto el turismo aporta al PIB de los países desarrollados y en vías de desarrollo, pero es verdad que todos los

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

investigadores consideran que este sector productivo ha crecido a nivel mundial y que, en muchos casos, ha contribuido positivamente a combatir la pobreza4. Finalmente, es importante señalar que el elemento pobreza ha sido controlado en este modelo considerando si la persona analizada recibe o no el Bono de Desarrollo Humano, el cual es una subvención que da el Estado a las personas en situación de pobreza. 4.2 Datos para la identificación de las poblaciones de tratamiento y control En el año 2010, mientras la rehabilitación de la línea férrea entre Quito y Guayaquil alcanzaba un avance de obra del 3% y con la finalidad de medir la situación socioeconómica de las comunidades aledañas a las estaciones del tren, Ferrocarriles del Ecuador tomóuna muestra estadística a 4,148 personas ubicadas en las mismas provincias donde se hallaba en ejecución el proyecto de rehabilitación del sistema ferroviario: Imbabura, Pichincha, Cotopaxi, Tungurahua, Chimborazo, Cañar y Guayas. En ese año se encuestó sobre las condiciones de aquellas 4,148 personas: edad, género, ingreso promedio, estado civil, años de educación, si está empleado o subempleado, si recibe o no subvenciones del Estado como el Bono de Desarrollo Humano, etc. y se enfocó en las personas en edad de trabajar, así como a jefas o jefes de hogar; a través de esta encuesta se definió al grupo de tratamiento: aquellas familias y establecimientos comerciales y negocios que han sido encuestados alrededor de la línea férrea y se han beneficiado directa o indirectamente del proyecto turístico de la Empresa de Ferrocarriles. De esta manera, la distancia es importante en la conformación del contrafactual, siendo la población de control quienes se encuentran en cualquier otro sitio que no sea cercano a las estaciones, es decir aquellas que están a más de 200 metros. Es común establecer a la distancia como un elemento diferenciador entre las poblaciones de tratados y controles. Wooldridge (2010) toma un ejemplo real 4 De acuerdo con el Department for International Development (1999), el turismo es el 2% del PIB y el 5% del valor de las exportaciones en 11 de los 12 países con mayor número de pobres (que viven con menos de 1 dólar al día), por ello buscar políticas públicas que fomenten el turismo comunitario puede ser una herramienta eficaz para el desarrollo y la lucha contra la pobreza, contribuyendo a la “reconstrucción” de las zonas rurales y urbanas debilitadas, siempre y cuando se lleve a cabo en procesos de “pro pobres”. La información ha sido tomada de la siguiente página web: https:// www.gov.uk/government/publications?page=2.

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

con el que se busca medir la devaluación de los precios de las viviendas mientras más cercanas se encuentran a un incinerador de basura. Se concluye que entre los períodos de 1978 y 1982, las casas cercanas al incinerador se devaluaron en un 6%, lógicamente, en este caso, el modelo ha capturado y controlado todos los aspectos que influyen en el precio de una casa, tales como los años de su construcción, metros cuadrados, número de habitaciones y de baños, entre otros. Para el año 2010 no se pudo contar con el contrafactual, es decir con el grupo de comparación5, por lo cual a este grupo se estructuró a partir de la base de datos de la Encuesta Nacional de Empleo, Desempleo y Subempleo -ENEMDU- para el tercer trimestre del 2010. Esta investigación se la realiza a nivel nacional y coincide con la misma fecha en que se levantó la encuesta para la población de tratamiento; cubre la extensión del territorio nacional ecuatoriano, investiga a 6,876 familias conformadas, posee 84,774 observaciones y son estadísticas oficiales proporcionadas por el Instituto Nacional de Estadísticas y Censos del Ecuador -INEC-. En esta base se puede visualizar el perfil social, demográfico y económico de la población total, en edad de trabajar, ocupada, desocupada, inactiva y del subempleo en el área urbana y rural del país, a través de variables de carácter general como: sexo, edad, parentesco, nivel de instrucción, asistencia escolar, afiliación al seguro social, ingresos, entre otros. De aquí se filtraron las poblaciones que coincidan con las del tratamiento, se tomó al grupo poblacional que cumpla con semejantes características en edad, estado civil, ingresos, etc. y de este ejercicio de identificación 5,428 datos. Por otro lado, entre noviembre y diciembre de 2012 cuando se completó el 98% de la obra (la cual incluye la totalidad de las estaciones y el 95% de la línea férrea), Ferrocarriles del Ecuador aplicó una nueva encuesta con el mismo contenido que la del 2010 a 4,085 personas y en las mismas zonas geográficas. No obstante, en esta ocasión se diferenció de quienes viven cerca de las estaciones (3,256 personas) de quienes no lo están (829 personas), siendo el primero el grupo de tratamiento y el segundo de control. Los dos grupos eran similares en sus aspectos socioculturales. Se tomaron de manera aleatoria, por lo cual se pudo evitar el sesgo de selección. En los dos períodos de tiempo fueron encuestadas a diferentes personas, por lo cual no se trata de datos de panel. Considerando las bases tanto de tratamiento y control en los dos períodos de tiempo, se poseen 13,659 observaciones. Es importante resaltar que, pese a no poseer una base de tratados pura, que explique la situación ex ante en el proyecto para el año 2010 (pues se la tomó con 5 Que posean características socio culturales muy parecidas a la población de tratamiento y que sea para el año 2010,

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

un avance del 3%), no se considera a esto una limitante a la investigación, por las siguientes razones: primero, el avance en obra del proyecto no fue significativo; segundo, al medir el impacto a través de la variable de interés, en el caso de que fuera positivo o negativo nos indica, cuál es el mínimo o máximo nivel positivo o negativo de impacto del proyecto; y tercero, existen estudios en las que se demuestra la factibilidad de la medición de los posibles impactos que pudieran existir, aún si no se tuviera una base de datos de tratamientos antes de la ejecución de cualquier programa.6 V.

ESTADÍSTICAS DESCRIPTIVAS

La Tabla 3 que se observa a continuación tiene dos grandes partes: en el área (A) se encuentra el análisis descriptivo de las variables que se usarán en el modelo, tanto de las poblaciones de tratamiento como las de control, para el 2010 (ex ante) y para el 2012 (ex post). Y en la parte (B) se realiza un test de medias comparando la igualdad o no de dichas variables. En la misma Tabla 3, en el área (A), considerando la variable género para el año 2010, se observa en las poblaciones de tratamiento que el 46.72% son hombres y el 53.28% mujeres; y en el mismo año, en los controles, hay más hombres (46.26%) que mujeres (53.74%). Los porcentajes de la distribución de género para el 2012 son semejantes 51.51% para tratados y 52.33% para controles en el caso de mujeres; en cambio, los hombres tienen 48.49% en el grupo de tratamiento y 47.67% en el grupo de control, es decir la muestra está equilibrada en la participación de género. Continuando con el análisis de la Tabla 3, observamos que las edades en las que más se concentra la población están comprendidas entre 25 y 50 años, lo cual coincide con la etapa de las personas en edad de trabajar. Este patrón de distribución coincide en los dos años, tanto en tratados como no tratados. A nivel de educación, el grupo de tratamiento del 2010 está polarizadoen personas con nivel básico y medio completo por un lado y superior por otro; en cambio, los controles para el mismo año muestran tomas de todos los niveles educativos. Esto puede deberse a que las muestras de tratamientos y controles del 2012 y tratamientos del 2010 fueron tomadas únicamente a los alrededores de la línea férrea. Estas personas se dedican en muchos casos a empleos generados por el turismo pero de 6 Nótese que inclusive podemos aplicar difference and difference cuando el estado de los tratados es inobservado, en este sentido el trabajo de Irene Botosaru y Federico Gutiérrez (2015) presentan la posibilidad de construir dicha población, pese a que ésta haya sido inobservada en el período anterior a la ejecución de la política, o lo que es lo mismo, cuando sólo se posee las observaciones de tratamientos y controles en un sólo período.

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

Tabla 3: Composición socio económica de las poblaciones de tratamiento y control en los años 2010 y 2012 Análisis Descriptivo (A)

Test de Medias (B)

2010

Genero

Nivel Educativo

Estado Civil

Edades

BDH Sector Turismo

2012

Tratamiento

Control

H0: (D==1 & t==0) - (D==0 & t==0) =0

H0: (D==1 & t==1) - (D==0 & t==1) =0

Variable

Tratamiento (%)

Control (%)

Tratamiento (%)

Control (%)

Hombre

46.72

46.26

48.49

46.67

t = 1.8236

t = 1.902

Mujer Básico incompleto Básico completo Media incompleta Media completa

53.28

53.74

51.51

52.33

Pr = 0.0670

Pr = 0.0482

43.63

43.2

27.4

17.73

2.3

t = 4.9326

t = -6.3488

9.14

39.82

17.76

Superior

16.55

27.6

72.6

82.27

Pr = 0.0000

37.84

38.14

42.08

39.93

t = 0.2015

t = -1.1202

Pr = 0.0707

Pr = 0.2627

t = 6.9356

t = -5.3478 Pr = 0.0000

Casado o Unión Libre Otro

62.16

61.86

57.92

60.07

18-24

16.47

11.07

15.05

15.04

25-35

29.43

22.55

31.6

29.71

36-50

28.56

30.01

35.52

38.14

51-60

14.28

16.53

10.54

10.15

61+

11.26

19.84

7.28

6.97

Pr = 0.0000

10.59

11.77

6.33

4.34

t = -1.8158

t = 1.1612

89.41

88.23

93.67

95.66

Pr = 0.0347

Pr = 0.0307

6.34

6.21

7.31

8.69

t = 0.2699

t = 1.9578

93.66

93.79

92.69

91.31

Pr = 0.3936

Pr = 0.0458

Fuente: Encuestas elaboradas por FEEP entre 2010-2012 y base de datos del INEC en 2010

manera informal: ventas ambulantes o comidas, generalmente poseen pocos años de educación, sucede lo contrario con las personas que manejan negocios u hoteles, pues ellos poseen más años de educación. Se puede demostrar que las personas pobres y extremadamente pobres tienen múltiples actividades laborales, entre las que cuentan negocios ambulantes (Banerjee y Duflo, P.10, 2006). A este hecho se añade la rehabilitación de las estaciones, lo cual atrae aún más el comercio informal. Por tal motivo también, como una estrategia de controlar el factor pobreza, se consideran a las familias que reciben y que no reciben el Bono de Desarrollo Humano, el cual es una subvención que da el Estado para las personas que viven en estado de pobreza. En la muestra se observa que cada vez son menos quienes lo reciben de un año a otro, no obstante es difícil establecer

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

si esto obedecea a una mejora en el nivel de vida de las familias o al retiro del apoyo del Estado de este recurso. Para verificar técnicamente la diferencia o no de las variables, en la parte (B) de la Tabla 3, levantamos un test de hipótesis para las variables de tratamiento y control. Sus resultados se encuentran expresados en la parte derecha de la tabla. Se asume como hipótesis nula que la diferencia entre variables de tratamiento y control para cada año es cero, de esta manera se establecerían que dichas variables son iguales; la t de studenty la p-value nos ayudan a evaluar la veracidad de la hipótesis nula, cuando sus valores estén o no en área de aceptación y rechazo al 95% de nivel de confianza.Los resultados muestran que las variables de género son iguales para el año 2010 (t de student de -1.82) y para el año 2012 (t de student de -1.90); en el caso del nivel educativo las muestras son muy diferentes, para el año 2010 (t de student de 4.93) y para el 2012 (la t es igual a -6.3488).; En el caso del estado civil existe homogeneidad en los dos períodos de estudio en los 2 grupos, en el 2010 (t igual a 0.2015) y en el 2012 (t igual a -1.12); las edades son muy disímiles, pues en el 2010 la t de student es de 6.93 y en el 2012 de -5.34; la distribución del Bono de Desarrollo Humano muestra valores de igualdad pues en el 2010 la t de student es de -1.81 y en el 2012 de 1.16; finalmente, el sector turístico también son iguales con una t de student de 0.2699 en el 2010 y 1.95 en el 2012. Por lo tanto las variables de edad y educación podrían causar sesgos al momento de realizar el análisis deregresión multivariadaaplicando el modelo diferencias en diferencias, impidiendo conocer si realmente hubo impacto del proyecto. Por ello, en el apartado siguiente, también se considerará un modelo que incluyan iteraciones de la edad y educación con la variable dummy D (grupo de tratamiento o control). La Tabla 4, muestra el nivel educativo de las personas que están vinculadas al sector turístico y, por ende, al proyecto de rehabilitación del ferrocarril. En este sentido, los que poseen educación superior son quienes más participan con un 42.20%, luego las personas con educación básica incompleta con un 35.93%, media completa con un 18.13%, media incompleta 2.97% y, finalmente, quienes tiene educación básica incompleta con un 0.77%. Estos resultados permitirán vincular, en lo posterior, con la distribución de ingresos. Dado que el coeficiente que se tomará para medir el impacto es el ingreso; a continuación en la Tabla 5 se detalla cómo se lo distribuye entre tratados y no tratados en los dos años analizados, considerando las zonas en las que el proyecto se ha ejecutado:

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

Tabla 4: Nivel educativo de las personas que se dedican al sector turístico Variable

Nivel Educativo

Pertenecer sector turístico

Básico incompleto

35.93%

Básico completo

0.77%

Media incompleta

2.97%

Media completa

18.13%

Superior

42.20%

Total

100%

Fuente: Encuestas elaboradas por FEEP entre 2010-2012 y base de datos del INEC en 2010

Tabla 5: Promedio de ingresos en las poblaciones de tratamiento y control en dos períodos según la zona de influencia del proyecto 2010

Ubicación

2012

Variable

Tratamiento ($)

Control ($)

Tratamiento ($)

Control ($)

Centro

373.30

421.39

436.31

465.80

Litoral

384.42

321.03

366.99

298.50

Norte

372.39

185.33

715.26

425.92

Matriz

505.48

535.20

428.39

445.78

Sur

274.64

211.26

Fuente: Encuestas elaboradas por FEEP entre 2010-2012 y base de datos del INEC en 2010

Miramos que la zona donde mayores ingresos se perciben es la norte, lo cual halla explicación en el hecho de que son sitios con alto atractivo turístico en el Ecuador. En la Tabla número 6 se pueden observar los ingresos promedios de las zonas que se dedican al sector turístico, tanto de la población de tratamiento y control en los dos años de análisis: Efectivamente, de acuerdo a la Tabla 6 miramos que existen mayores ingresos por turismo en la zona norte, pero si buscamos observar el efecto total de los ingresos por turismo es interesante relacionar los datos anteriores de la siguiente manera: se restan los promedios de ingresos entre tratados del año 2012 y 2010 (C-A), de igual manera se restan los controles en los mismo períodos (D-B) y finalmente buscamos

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

el efecto total; restamos los resultados de tratados y controles en los dos períodos y obtenemos el cuadro siguiente: Tabla 6: Promedio de ingresos por turismo en las poblaciones de tratamiento y control en las zonas de influencia del proyecto 2010

Ubicación

2012

Variable

A Tratamiento ($)

B Control ($)

C Tratamiento ($)

D Control ($)

Centro

490.57

472.04

460.52

553.75

Litoral

404.13

268.32

340.38

231.25

Norte

330

180

548.76

Matriz

477.32

597.46

424.35

483.42

Sur

226.56

221.56

Fuente: Encuestas elaboradas por FEEP entre 2010-2012 y base de datos del INEC en 2010

Siguiendo el método de evaluación de impacto, se considera en la Tabla 7 que el efecto total es la última columna. Se la interpreta como el cambio de ingresos promedio entre las poblaciones de tratamiento y control considerando los años 2010 y 2012. Se observa que los ingresos por turismo disminuyeron en promedio 111,75 dólares en la zona Centro; 26,66 dólares en el Litoral y 5,31 dólares en el Sur; únicamente en la zona norte miramos un efecto positivo en ingresos por turismo con 398,76 dólares7. Por tal razón, en el modelo econométrico se considerará como variable explicativa al ingreso, pues de acuerdo a los análisis descriptivos, a través de esta variable las poblaciones están siendo beneficiadas con el proyecto.

7 Al respecto cabe mencionar que existe una relación del crecimiento económico de los países con el aumento del flujo turístico extranjero, siempre y cuando el país pueda incrementar las facilidades de infraestructura y comunicaciones a los visitantes foráneos. Así lo muestra el estudio realizado por Samina Khalil y Mehmood Khan Kakar (2008), se concluye que en Pakistán existió un aumento del turismo internacional gracias a la intervención del Estado mediante políticas públicas que aprovecharon el crecimiento económico. Usando el concepto y métodos de cointegración y el Test de causalidad de Granger, el estudio exploró las relaciones dinámicas en el corto y en el largo plazo las condiciones de equilibrio. Los resultados fueron similares cuando se aplicó el mismo modelo para España: El crecimiento del turismo aumenta el crecimiento de la economía en el corto plazo, y la combinación de los resultados apuntaban a una causalidad bidireccional para el crecimiento económico y el crecimiento del turismo que es necesario para el desarrollo del turismo en un país con expansión económica.

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

Tabla 7: Efecto total de ingresos por turismo en las poblaciones de tratamiento y control en las zonas de influencia del proyecto Diferencias entre años

Efecto total ($)

Variable

Tratados ($)

Controles ($)

((D=1 y t=1)-(D=1 y t=0)-(D=0 y t=1)-(D=0 y t=0))

Centro

-30.05

81.71

-111.76

Litoral

-63.74

-37.07

-26.67

Norte

218.76

-180

398.76

Matriz

-52.97

-114.04

61.07

Sur

-226.56

-221.25

-5.31

Ubicación

Fuente: Encuestas elaboradas por FEEP entre 2010-2012 y base de datos del INEC en 2010

VI. MODELO DE DIFERENCIAS EN DIFERENCIAS APLICADO AL CASO EN PARTICULAR 6.1 Análisis de los resultados De acuerdo a los datos descritos anteriormente y con el fin de medir el impacto entre controles y tratados de un año a otro, se ha generado una regresión multivariada, en la que se toma el logaritmo de los ingresos como variable dependiente. Además, consta de una variable edad, edad al cuadrado que permita conocer el efecto en el ingreso por el aumento de esta; una variable dummy de género, siendo 1 si es hombre y 0 si es mujer. Se debe destacar en el método de diferencias en diferencias las interacciones entre las variables y el tiempo. Este es el caso del coeficiente género que es multiplicado por el tiempo. Esta mide la diferencia salarial entre hombres y mujeres de un año a otro (del 2010 al 2012); se considera además una variable dummy para estado civil siendo 1 si es casado o unión libre y 0 otra; una variable de años de educación; una variable dummy que es uno si recibe el bono de desarrollo humano y cero si no recibe, con su correspondiente interacción con el tiempo; una variable dummy de ubicación geográfica siendo 1 si vive en el Norte y 0 si vive en cualquier otra zona, también se la relaciona con el tiempo; finalmente, una variable dummy que es 1 si la persona se desarrolla en el sector turístico y 1 si trabaja en cualquier otro sector. Adicionalmente, se consideran las variables del método aquí aplicado: la letra D es una dummy que toma el valor de 1 si representa a la población de tratamiento y 0 si no lo es; una variable de tiempo que significa 0 si pertenece al año 2010 y 1 si es del año 2012, además de la interacción del tiempo y las poblaciones (D*t), siendo esta

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

la que nos ayuda a conocer si realmente existió impacto. En el caso de la Tabla 8, se establecen tres modelos: en el primero solo se consideran las variables que son condición necesaria (mas no suficiente) del modelo de diferencias en diferencias, la D, t y su iteración D*t, el segundo además de las variables antes mencionadas considera otras que explican los ingresos (condición necesaria y suficiente); y el tercer modelo incluye iteraciones de las variables que no son semejantes y que podrían causar sesgos en los resultados (condición necesaria y suficiente, pero ajustada). El primer modelo solo considera las variables útiles para medir el impacto D, t y su iteración D*t; se observa que los parámetros no son estadísticamente significativos y la r cuadrada es muy baja, de apenas un 0.86%. En cambio, en el segundo modelo, al incluir los coeficientes que explican el ingreso, se ve que los signos y los parámetros, además de ser individual y globalmente significativos, con una r cuadrada de 27.51%, son los esperados: por el aumento de un año en la edad, el ingreso se incrementa en un 3.38%; el parámetro de la edad al cuadrado es negativo, pues por cada año que aumenta el ingreso es marginalmente menor; en género, los hombres perciben mayor salario que las mujeres correspondientes a un 22.01%, sin embargo, esta diferencia disminuye en un 6.55%, si consideramos la interacción del tiempo en el lapso comprendido entre el 2010 y 2012; otro resultado común es encontrar que las personas casadas tienen mayores ingresos que las que no lo son. En este modelo dicha diferencia se da en un 13.65%; con relación a los años de educación, un año más implica un aumento del ingreso en 6.99%; mientras tanto hay un 74.70% de personas que no reciben el Bono de Desarrollo Humano y esta diferencia aumenta aún más entre los años 2010 y 2012 con un 33.82%. Considerando las áreas geográficas, las personas ubicadas en la zona norte perciben más ingresos perciben con un 34.77% en relación con quienes están en otras zonas; considerando al turismo, las personas que se dedican a trabajar en este sector poseen ingresos de 5.76% en relación a quienes no lo hacen. Considerando las variables D, t y su interacción D*t, tenemos que la población de tratamiento supera a los ingresos percibidos a la población de control en 8.43%, aunque en el 2012 exista una disminución del 19.60% con respecto al 2010. Finalmente el proyecto tiene un impacto positivo en ingresos de 9.67%, demostrándose, de esta manera, que la creación de este proyecto ha sido una política pública adecuada. Ahora bien, como se pudo observar en la Tabla 3, cuando comparamos las poblaciones de tratamiento y control en sus diferentes variables, pudimos ver a tra-

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

vés del test de medias que no existen semejanzas en las variables educación y edad, por ello se aplica un tercer modelo que sirva para corregir este problema usando iteraciones de dichas variables con la variable D, es decir con aquella que nos permite saber si es o no beneficiaria del proyecto; de esta forma ajustaremos el modelo de diferencias en diferencias. De acuerdo a los resultados observados en la última columna de la Tabla 7, vemos que los signos y los parámetros son los esperados, además de ser individual y globalmente significativos, con una r cuadrada de 27.54%. Miramos los siguientes resultados: con el incremento de un año en la edad , el ingreso también aumenta en 3.61%; el parámetro de la edad al cuadrado es negativo, pues por cada año que aumenta el ingreso es marginalmente decreciente; en relación al género, los hombres perciben mayor salario que las mujeres correspondientes a un 22.17%; otro dato lógico es el de las personas casadas con mayores ingresos con respecto a las que no lo son; en este modelo dicha diferencia se da en un 13.41%;la variable educación nos dice que por cada año de estudios los ingresos se incrementan en 6.97%, además se añade la iteración de educación con la D y su resultado es -0.023%; la variable Bono de Desarrollo Humano, nos habla que un 74.99% de personas no poseen esta subvención y la iteración con el tiempo nos habla que de un año a otro el bono aumentó en un 34.63%. En relación a la ubicación de los beneficiarios del proyecto, las personas que se encuentran en la zona norte son las únicas que perciben ingresos positivos con un 34.72% en relación con quienes están en otras zonas; en este modelo la variable turismo nos dice que hay un incremento en ingresos de quienes están en este sector equivalente a 5.72%. Considerando el parámetro D tenemos que la población de tratamiento supera a los ingresos promedio percibidos por la población de control en 18.45%, aunque de acuerdo al parámetro t del tiempo en el 2012 exista una disminución en ingresos del 18.91% con respecto al 2010. Finalmente, el proyecto, considerando la variable de interés y que permite medir su relevancia, esta es la iteración de D*t, observamos que tiene un impacto positivo en ingresos en un promedio de 8.66%, la cual no difiere demasiado de la obtenida en el modelo anterior. Sin embargo la r cuadrada mejoró y los estadísticos t de student también disminuyeron. Por lo tanto, el efecto definitivo del proyecto nos dice que por cada dólar las poblaciones beneficiadas incrementan sus ingresos en 8.66%, esto entre los años 2010 y 2012.

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

Tabla 8: Funciones del logaritmo de ingresos Variable

Modelo 1

Edad Edad^2 Género Género*t Estado Civil Años de educación

Modelo 2 0.0338

0.0361

(0.00249)

(0.0026)

-0.31 (-0.00002) 0.220105

-0.0003 (0.00002) 0.2217

(0.01546)

(0.01666)

-0.0655

-0.0652

(0.03242)

(0.02989)

0.1365

0.1341

(0.01453)

(0.0145)

0. 06992

0.0697

(0.00164)

(0.0016) -0.0023

Años de educación*D

(0.0009)

Bono de Desarrollo Humano Bono de Desarrollo Humano*t Ubicación Norte Ubicación Centro Ubicación Sur Turismo D T D*t Constante

Modelo 3

-0.7470

-0.7499

(0.028)

(0.027)

0.3382

0.3463

(0.0728)

(0.058)

0.3477

0.3472

(0.0318)

(0.0309)

-0.0989

-0.0998

(0.0142)

(0.0145)

-0.22631

-0.2271

(0.04141)

(0.0414)

0.05763

0.0572

(0.02703)

(0.027)

0.1107

0.08435

0.1845

(0.0189)

(0.0150)

(0.04181)

0.0639

-0.1960

-0.18917

(0.0343)

(0.0377)

(0.03432)

0.0446

0.09678

0.0866

(0.0405)

(0.0380)

(0.03530)

5.56750

40.354

3.964292 (0.06419)

(0.0124)

(0.0563)

Observaciones

13654

r^2

0.0086

0.2751

0.2754

39.66

383.45

324.00

0.00000

0.0000

p Valor

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

VII. ANÁLISIS DE LA DISTRIBUCIÓN DE LOS INGRESOS EN TÉRMINOS DE IMPACTO A continuación, usando las mismas bases de datos con las que se generó el modelo de diferencias en diferencias calculado en el apartado anterior, desarrollaremos un análisis de la distribución de los ingresos en términos de impacto, para lo cual se calcula el índice de Gini y Atkinson para los grupos de beneficiados y no beneficiados del proyecto entre los años 2010 y 2012; las dobles diferencias entre ellos da como resultado indicadores de distribución de la renta, es decir nos muestra cómo el proyecto pudo ayudar a mejorar la equidad en las zonas de estudio. 7.1 Índice de Gini El índice de Gini de la expresión (4) está en función de la distribución de los ingresos para cada una de ellas, sus resultados son útiles a la hora de evaluar la distribución de los ingresos; la manera que este se calcula es a través de la relación de los porcentajes acumulados de ingresos y de poblaciones:

(4)

Este índice, que es siempre un número entre 0 y 1, nos dice que mientras más se acerca a la unidad el grupo de análisis es más inequitativo. 7.1.1 Cálculo del Índice de Gini en términos de impacto En el siguiente apartado se calcula el índice de Gini y Atkinson, teniendo como base la agrupación de los ingresos según lo que muestra la Tabla 9: La tabla siguiente se ha obtenido de acuerdo a los criterios generales de clasificación de pobreza y extrema pobreza en el Ecuador, según lo establecido por el Instituto Nacional de Estadísticas y Censos del Ecuador (INEC) 8, La primera fila es de las personas extremadamente pobres y quienes viven con menos de 32.28 dólares; la segunda fila considera pobres a quienes tienen ingresos comprendidos entre 32.28 y 57.29 dólares; el tercer margen es de quienes poseen rentas medias comprendidas entre 340 y 1,500 dólares, siendo los 340 dólares el mínimo vital en

8 Instituto Nacional de Estadísticas y Censos del Ecuador, Medidas de Pobreza y Extrema Pobreza por Ingresos, Resumen Ejecutivo; Quito, 2014.

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

el Ecuador y, en el último margen están las personas con renta alta que ganan entre 1,500 y 7,000 dólares mensuales. Tabla 9: Clasificación de las rentas para el cálculo de los indicadores de distribución de la renta Niveles de renta ($ mensuales) Extremadamente pobres

32.28

Pobres

32.28

57.29

Media baja

57.29

340

Media alta

340

1,500

7,000

Alta

Fuente: Encuestas elaboradas por FEEP entre 2010-2012 y base de datos del INEC en 2010

Luego se calcula el índice de Gini expresado en términos de la evaluación de impacto; la primera diferencia es para poblaciones de tratamiento pero en diferentes años; la segunda diferencia corresponde a las poblaciones de control también en los períodos comprendidos entre el 2012 y 2010:

(5)

Al aplicar la fórmula (5) obtenemos los resultados expuestos en la Tabla número 10 El índice de Gini para las poblaciones de tratamiento en el 2010 es de 34.53%, para el mismo año la población de control es del 36.29%; por otro lado en el 2012 la población de tratamiento es del 27.69% y la de control del 31.36%. Tabla 10: Medición del índice de Gini como efecto de la política pública 2010

2012

Gini en términos de impacto

Tratamiento

34.53%

27.69%

-6.85%

Control

36.29%

31.36%

-4.93%

Efecto total entre las dos poblaciones y el tiempo

-1.91%

Fuente: Encuestas elaboradas por FEEP entre 2010-2012 y base de datos del INEC en 2010

Aplicando la fórmula (5) obtenemos los resultados expuestos en la Tabla 10. En ella realizamos la primera diferencia restando el Gini del 2012 para los tratados que corresponde a 27.69% menos 34.53% del 2010. Su resultado es de -6.85%, lo cual significa que la inequidad bajó entre la población de tratamiento de un año a otro en este porcentaje; la segunda diferencia corresponde al grupo de los controles

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

de un año a otro y se lo calcula restando 31.36% menos 36.29%, su resultado es de -4.93%, lo que significa que de un año a otro la inequidad bajó en este porcentaje en la población de control. El efecto total -1.91%, que está al final de la Tabla 9, es la resta de -6.85% a -4.93%. En primera instancia se podría concluir que, en términos de impacto, el proyecto hizo que disminuya la inequidad en la distribución de las rentas en1.91%. Gracias al Gráfico 2 observamos la evolución del índice de Ginia nivel nacional en Ecuador desde el 2007 hasta junio del 2014: existe una tendencia a la baja. En el 2007 este era del 55.08% y en diciembre del 2010 (año en el cual se tomó la primera muestra para realizar este trabajo) era de 51.87%. Al comparar la Tabla 10 con el Gráfico 2 del INEC, vemos que en esta tabla la población de tratamiento (Gini de 34.53%)y de control (Gini de 36.29%) tienen ponderaciones menores al Gini a nivel nacional que para diciembre de 2010 es de 50.46%. Gráfico 2: Índice de Gini de Ecuador a nivel nacional por años

Fuente: Instituto Nacional de Estadísticas y Censos del Ecuador, INEC

Además, en el Gráfico 2 vemos que el índice de Gini para diciembre del 2012 es de 47.05% comparándolo nuevamente con nuestros resultados obtenidos en la

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

Tabla 10, tratados (27.69%) y controles (31.36%), vemos que estos últimos son bajos y continúan siendo menores que el Gini a nivel nacional9, incluso han disminuido en relación al 2010. Este hecho se explica por dos razones: uno, las poblaciones de tratamiento y control siguen la tendencia nacional de disminución de la desigualdad ydos, efectivamente, el proyecto tuvo un impacto positivo en términos de mejora de los niveles de distribución de la renta. 7.1.2 Análisis del índice de Gini de acuerdo a la distribución porcentual de ingresos entre las poblaciones A continuación, tomamos las distribuciones porcentuales acumuladas de ingresos y de poblaciones, tanto en el 2010 como en el 2012 para las poblaciones de tratamiento y control, con la finalidad de conocer por qué disminuyó la desigualdad en término de impacto y cuáles fueron los grupos de ingresos que más influyeron en dicha disminución. Tabla 11: Porcentaje acumulado de la renta y los ingresos para el año 2010 de la población de tratamiento Distribución de la Renta de tratados 2010 Porcentaje acumulado de la Población

Porcentaje acumulado de la Renta

0.675

0.020

1.905

0.120

60.468

21.280

97.926

83.964

100

Fuente: Encuestas elaboradas por FEEP en 2010

9 Los resultados de este trabajo son consistentes con la tendencia histórica en varias sociedades, considerando al índice de Gini entre 0 y 1, siendo 1 alta y 0 baja desigualdad, “con un coeficiente de Gini de 0.19, la distribución de los ingresos del trabajo percibida en los países escandinavos de los años 1970-1980 no distaba mucho de la igualdad absoluta. A la inversa, con un coeficiente de Gini de 0.85 el reparto de los capitales observado en Europa en la bella Época no estaba lejos de la desigualdad absoluta”; con esta aclaración definimos las razones cuando se define un índice de Gini de ingresos por trabajo es alto y en otras cuando es bajo. Siguiendo al mismo autor, a la luz de la experiencia en su trabajo, advierte que “el coeficiente de Gini varía aproximadamente entre 0.2 y 0.4 para las distribuciones de los ingresos del trabajo observadas en la práctica en diferentes sociedades, entre 0.6 y 0.0 para las de la propiedad del capital y entre 0.3 y 0.5 para la desigualdad del ingreso total” (Pickety, 2014, p. 280).

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

Para el año 2010, usando la base de datos de la Empresa de Ferrocarriles para la población de tratamiento, miramos en la Tabla 11 cómo los bajos porcentajes de la población (primera columna) perciben también bajos porcentajes de renta (segunda columna); en cambio, los porcentajes más altos de la primera también perciben altos porcentajes de la segunda; esa es la razón por la cual el índice de Gini es bajo (34.53%), evidenciando un equilibrio en la distribución de la renta. En el mismo año 2010, pero usando la base de datos obtenida del INEC para los controles, en la Tabla 12 hacemos el mismo análisis comparativo anterior de la población acumulada versus porcentaje acumulado de la renta: Tabla 12: Porcentaje acumulado de la renta y los ingresos para el año 2010 de la población de control Distribución de la Renta de controles 2010 Porcentaje acumulado de la Población

Porcentaje acumulado de la Renta

1.142

0.031

10.096

0.704

62.509

18.168

95.707

69.399

100

100.0

Fuente: Base de datos de 2010 del INEC

Se observa en la Tabla 12 que el porcentaje acumulado de la renta y población no poseen una distribución equilibrada del ingreso: por ejemplo, el 95.7% de la población percibe el 69.39% de la renta; y si comparamos a este mismo nivel en la Tabla 10, el 97.92% de la población posee el 83.96% de los ingresos. Con ello se explica por qué en la población de control para el 2010 el índice de Gini sea de 36.29% y es mayor que el obtenido con los tratados en este mismo período de tiempo. Por ende, la población de tratamiento posee mejor distribución en el ingreso que la de control en el 2010. Ahora hacemos el mismo análisis para las poblaciones tratadas del 2012. En la Tabla número 13 miramos los siguientes resultados: En el caso del grupo de tratamiento para este año tenemos un índice de Gini igual a 27.69%, muy por debajo de los anteriores cálculos, esto se debe a que los

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

Tabla 13: Porcentaje acumulado de la renta y los ingresos para el año 2012 de la población de tratamiento Distribución de la Renta de tratados 2012 Porcentaje acumulado de la Población

Porcentaje acumulado de la Renta

3.250

0.086

5.469

0.250

44.000

12.842

99.563

96.941

100

Fuente: Encuestas elaboradas por FEEP en 2012

porcentajes acumulados de poblaciones y rentas están distribuidas de manera muy pareja, el 99.56% de la población posee el 96.94% del ingreso, es decir durante el período 2010 y 2012 existe una disminución de la inequidad en la distribución de la renta en los grupos de tratados. 2012:

Finalmente, en la Tabla 14 analizamos la población de control para el año

Tabla 14: Porcentaje acumulado de la renta y los ingresos para el año 2012 de la población de control Distribución de la Renta de controles 2012 Porcentaje acumulado de la Población

Porcentaje acumulado de la Renta

3.619

0.099

7.238

0.374

48.130

14.172

99.156

93.905

100

Fuente: Encuestas elaboradas por FEEP en 2012

En este caso el índice de Gini es de 31.36%, posee una distribución de sus ingresos muy semejante que explica que el índice de Gini sea bajo. Por lo tanto, se concluye que en términos de impacto existe mejora en la distribución de los ingresos, pero se debe saber quiénes están siendo más beneficiados con esta mejora, si las personas con mayores o menores rentas. No obstante, para poder visualizar esto, se

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

debe usar un indicador que permita diferenciar entre rentas altas y bajas, para esto usaremos el índice de Atkinson. 7.2 Índice normativo de Atkinson La familia de índices de desigualdad de Atkinson ( ) constituye el enfoque normativo a la desigualdad de la renta. En 1970, Atkinson argumentó que tras la utilización de los índices objetivos tradicionales de desigualdad se ocultaban necesariamente juicios de valor que sería mejor desvelar directamente en términos de una función de bienestar social que incorporará explícitamente las propiedades normativas que se considerasen deseables. Así, Atkinson propone una familia de índices relativos de desigualdad cuyas expresiones son: ; α=1

(6)

(7)

Las expresiones (6) y (7), tienen la característica de contener al parámetro α, susceptible de ser interpretado como un "coeficiente de aversión a la desigualdad", la letra representa el ingreso, n la población y µ la media de ingresos. En la ecuación (6) vemos el índice de Atkinson para alfa igual a 1 y la ecuación (7) se la usa para un valor de alfa igual a 0.5. Este índice mide la sensibilidad ante transferencias a distintos niveles de renta, al aumentar α crece el peso que se otorga a las transferencias en la cola baja de la distribución (personas con menores rentas) y decrece el peso de las realizadas en la cola alta de la misma (personas con mayores rentas), encontrándose los valores más utilizados entre 0.5 y 1. Los valores adoptados por estos índices se pueden entender como la proporción de la renta a la que se estaría dispuesto a renunciar a cambio de la igualdad distributiva. A mayor valor del índice, mayor el grado de la desigualdad, tomando valores en el rango alfa [0.1]. La Tabla 15 se muestra los resultados del índice de Atkinson, obtenidos de las bases de datos para grupos de tratamiento y control para los años 2010 (tratados tomada de la base de datos de FEEP y control base de datos del INEC) y 2012 (base de datos de FEEP para tratados y controles): En la primera fila hacemos uso de la fórmula (6) para un valor de alfa igual a 1 (se considera el peso a la cola más baja o de menores ingresos), y en la segunda

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

fila se aplica la fórmula (7) con un valor alfa igual a 0.5 (el mayor peso es para la cola más alta o de quienes poseen más renta). Al comparar los dos resultados vemos que la población de tratamiento en el 2010, con un alfa igual a 1 tiene un Atkinson del 22.89%, mientras que para los tratados en ese mismo año es del 19.19%, esto implica que las poblaciones de tratamiento con ingresos más bajos son más inequitativas que los tratados con mayores ingresos; este mismo patrón de desigualdad se repite para controles del 2010 y controles y tratados del 2012; también estos valores se puedenexpresar diciendo que las poblaciones con menores ingresos son más inequitativas que las poseedoras de mayores rentas. Tabla 15: Medición del índice de Atkinson para poblaciones de tratamiento y control en el 2010 y 2012 2010

2012

Tratamiento

Control

Tratamiento

Control

Atkinson α=1

22.89%

39.01%

30.78%

34.51%

Atkinson α=0.5

19.19%

21.43%

14.12%

16.46%

Fuente: Encuestas elaboradas por FEEP entre 2010-2012 y base de datos del INEC en 2010

Además, se observa que los grupos de tratados son más equitativos comparados con los controles, tanto en el año 2010 como en el 2012 y para un alfa igual a 1 y 0.5. Por ejemplo, la población de tratamiento con un alfa igual a 1 del 2010 tiene un índice de Atkinson igual a 22.89%, en cambio para el mismo año el grupo de control es de 39.01%. Para analizar el efecto del impacto aplicamos la fórmula (8) para alfa 1 y 0.5, de esta manera observaremos el efecto total de un período a otro para la población de tratamiento y control:

(8)

La fórmula (8) explica el Atkinson en términos de impacto. La primera diferencia es el Atkinson de tratados entre el 2012 y 2010; la segunda diferencia corresponde al Atkinson para controles con los mismos períodos de tiempo. La Tabla 16 nos indica el índice de Atkinson con un valor de alfa igual a 1, tanto para la población de tratamiento y control; tenemos los siguientes resultados:

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

Se debe interpretar el efecto total del Atkinson de acuerdo a lo establecido en la Tabla 16, para ello nuevamente aplicamos la fórmula (8). La primera diferencia es la resta de los Atkinson de los tratados entre períodos, es decir 22.89% menos 30.78% su resultado es 7.89%; luego restamos el Atkinson de los controles entre los mismo períodos 39.01% menos 34.51%, cuyo resultado es -4.50%. El impacto final es la resta de las dos diferencias anteriores, es decir 7.89% menos -4.74%, el resultado dice que hubo un incremento en la desigualdad para las poblaciones más pobres en 12.39%. Tabla 16: Medición del índice de Atkinson para alfa igual a 1 2010

2012

Variación anual del Atkinson

Tratamiento

22.89%

30.78%

7.89%

Control

39.01%

34.51%

-4.50%

Efecto total entre las dos poblaciones y el tiempo

12.39%

Fuente: Encuestas elaboradas por FEEP entre 2010-2012 y base de datos del INEC en 2010

Ahora consideraremos tratados y controles en los dos períodos, pero con un alfa de 0.5, es decir aplicando un mayor peso a los ingresos más altos: Tabla 17: Medición del índice de Atkinson para alfa igual a 0.5

Tratamiento Control

2010

2012

Variación anual del Atkinson

19.19%

14.12%

-5.08%

21.43%

16.46%

-4.97%

Efecto total entre las dos poblaciones y el tiempo

-0.10%

Fuente: Encuestas elaboradas por FEEP entre 2010-2012 y base de datos del INEC en 2010

En la primera fila de la Tabla 17 observamos la población de tratamiento para el año 2010 con un Atkinson de 19.19%, éste se resta del 14.12% para el mismo grupo pero en el año 2012 y su resultado es una disminución igual a 5.08%; luego la segunda diferencia consiste en la resta de los controles entre el 2012 y 2010, es decir 21.43%, menos 16.46%, siendo el resultado una disminución de la desigualdad equivalente a -4.97%. El efecto total, la resta de las dos diferencias -5.08%

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

menos -4.97% tiene como resultado -0.10%, el cual es interpretado como una disminución de la inequidad entre tratados y no tratados, pero para las personas con mayores ingresos. En consecuencia, elproyecto ha permitido incrementar el bienestar de las personas con rentas más altas; en cambio los grupos con ingresos bajos no mejoraron la distribución de sus ingresos. Este hecho corrobora lo observado en las estadísticas descriptivas anteriores, donde mostramos a las personas con mayor nivel educativo dedicadas al sector turístico (Tabla 4), además se sabe que mientras mayor es el nivel educativo mayores son los ingresos. VIII. CONCLUSIONES Y RECOMENDACIONES La principal contribución de este estudio es definir cómo, a través de metodologías econométricas muy difundidas, como es el caso del modelo de diferencias en diferencias, podemos evaluar una política pública de mejora al Bienestar Social en las poblacionesaledañas a las estaciones del tren. Parecería que este tipo de proyectos no tienen impacto social, pues al rehabilitar un ferrocarril la primeraidea que aparece es su obra física (sus rieles, vagones y locomotoras). Sin embargo, la evidencia que aquí se expone demuestra todo lo contrario. El proyecto de rehabilitación del tren cobra relevancia al ser acompañado de políticas deapoyo a la creación de empleos vinculados al turismo. Pero para verificar su trascendencia debe medirse su impacto, a través del modelo de diferencias en diferencia que, si bien es un método muy conocido, es útil para verificarel impacto positivo en ingresos del grupo focal (o de tratamiento) en relación al grupo de control. Comparando el primer grupo con el segundo, se establece que han mejorado sus ingresos desde el año 2010 al 2012 en un 8.66%, éste es un resultado estadísticamente significativo e indica que proyectos de infraestructura que fomentan el turismo, tienen efectos positivos en las poblaciones beneficiadas. Al comprobarse, a través de los tests de medias, que las variables educación y edad no eran completamente homogéneas (supuesto muy importante en evaluación de impacto), se ha corregido esta deficiencia mediante iteraciones de la variable D con las variables que tenían este problema; el resultado fue favorable porque el modelo se ajustó, las desviaciones estándar disminuyeron y la r cuadrada aumentó. Otro aporte que presenta esta investigación es el de abordar los impactos de las políticas públicas en relacióna la mejora de ladistribución de los ingresos en los grupos de tratamiento. Es ese sentido se ha calculado el índice de Gini en términos

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

de impacto, éste muestra que el proyecto de rehabilitación de la línea férrea entre Quito y Guayaquil, tuvo un efecto positivo en la distribución de los ingresos entre población de tratados y no tratados, puesto que la desigualdad disminuyó desde el 2010 al 2012 en -1.91%. Este hecho se debe a que los porcentajes acumulados de poblaciones y rentas están distribuidas de manera muy pareja. Además, al aplicar el índice de Atkinson en la distribución de ingresos para las poblaciones más pobres, los resultados sugieren que este grupo, en términos de impacto, entre los años 2010 y 2012, disminuyeron el grado de equidad en 12.39%, es decir el proyecto no ayudó a las colas más bajas de las rentas a ser más equitativas. Por el contrario, cuando se realiza el mismo análisis, pero para personas con rentas más altas, el índice de Atkinson nos dice que la distribución de los ingresos mejoraron en 0.10%, con esto evidenciamos que el proyecto ha permitido incrementar la mejora de la distribución de los ingresos pero a las poblaciones con ingresos superiores. Siendo una debilidad de este trabajo no poseer un before puro, es decir al no tener datos de corte transversal tomados antes de la iniciación del proyecto, sino cuando el mismo avanzó en un 3%, resulta importante probar con un método alternativo que incluya un modelo aleatorio como base de datos before y que sea anterior a la ejecución del proyecto, esto es factible de acuerdo a recientes investigaciones realizadas por Botosaru y Gutiérrez (2015), donde a través del Método Generalizado de Momentos se ha logrado medir el impacto de políticas públicas sin poseer una base ex ante, los resultados serían de utilidad para compararlos con los obtenidos en esta investigación. Adicionalmente, es recomendable, que en futuros análisis se considere la actualización de la base de datos de corte transversal, se la incluya como un nuevo período en las ya existentes y se analice la evolución del impacto al largo plazo. Al articular un proyecto de rehabilitación del tren a la mejora de las actividades turísticasen zonas rurales, se ha definido una política pública favorable, pues ha permitido mejorar los ingresos de las personas que poseen negocios y emprendimientos a los alrededores de las estaciones y, de cierta manera, ha colaborado en la mejora de la distribución de los ingresos. Por lo tanto, este trabajo investigativo recomienda replicar políticas públicas semejantes en otras rutas y lugares donde se pueda sacar provecho de los entornos turísticos, dando énfasis en el apoyo a personas con escasos recursos económicos y con menor grado de educación.

Documento recibido: 22/06/2015 Documento aceptado: 18/11/2016

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

BIBLIOGRAFÍA Asociación Valenciana de Empresarios. (2011). Estudio del impacto económico de las inversiones del corredor ferroviario mediterráneo en la comunidad valenciana. Altés, C. (2006). El turismo en América Latina y el Caribe y la experiencia del BID. Inter-American Development Bank. Banerjee, A. V., & Duflo, E. (2007). The economic lives of the poor. The journal of economic perspectives, 21(1), 161-165. Bernal, R., Peña, X., Josse, C., Cuesta, F., Navarro, G., Barrena, V., ... & Saito, J. (2011). Guía práctica para la evaluación de impacto (No. 361.25 B517). Universidad de Los Andes, Bogotá (Colombia). Botosaru, I., & Gutierrez, F. H. (2014). Difference-in-Differences When Treatment Status is Observed in Only One Period. Available at SSRN 2377483. Gertler, P. J., Martínez, S., Premand, P., Rawlings, L. B., & Vermeersch, C. M. (2011). Impact Evaluation in Practice; La Evaluación de Impacto en la Práctica. World Bank Publications. Guataquí, J. C., García, A. F., & Rodríguez, M. (2009). Estimaciones de los determinantes de los ingresos laborales en Colombia con consideraciones diferenciales para asalariados y cuenta propia. Documentos de Trabajo, 70, 1-22. Khandker, S. R., Koolwal, G. B., & Samad, H. A. (2010). Handbook on impact evaluation: quantitative methods and practices. World Bank Publications. Medina, H. (2001). Consideraciones sobre el índice de Gini para medir la concentración del ingreso. CEPAL. Phakdisoth, L., & Kim, D. (2007). The determinants of inbound tourism in Laos. ASEAN Economic Bulletin, 24(2), 235-237. Piketty, T., & Cazenave, E. (2014). El capital en el siglo XXI. Fondo de Cultura Económica.

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

Prud’homme, R., Gravari-Barbas, M., Jacquot, S., Talandier, M., Nicot, B. H., & Odzirlik, B. (2008). Les impacts socio-économiques de l’inscription d’un site sur la liste du patrimoine mondial: trois études. Unpublished report prepared for the UNESCO World Heritage Committee. Available from the author of this study. Ravallion, M. (2005). Evaluating anti-poverty programs. World Bank Policy Research Working Paper Series. Saarinen, J., & Manwa, H. (2008). Tourism as a Socio-Cultural Encounter: Host-Guest Relations in Tourism Development in Botswana. Botswana Notes and Records, 43-53. Stock, J. H., & Watson, M. W. (2003). Introduction to econometrics (Vol. 104). Boston: Addison Wesley. Ureña, J. M., Menéndez, J. M., Guirao, B., Escobedo, F., Rodríguez, F., Coronado, J. M., ... & Martínez, Á. (2005). Alta velocidad ferroviaria e integración metropolitana en España: el caso de Ciudad Real y Puertollano. EURE (Santiago), 31(92), 87-104. Wooldridge, J. M. (2015). Introductory econometrics: A modern approach. Nelson Education.

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

ANEXOS Anexo 1: Deducción Analítica del estimador de Impacto del Programa por Mínimo Cuadrados Ordinarios en el Modelo de Diferencias en Diferencias

Tenemos el estimador de Impacto en primera diferencia del Proyecto denominado , ésta es una variable dummy que toma el valor de 1 si es población de tratamiento (población focal) y cero si no lo es, puede ser estimada a través del parámetro β1 en la siguiente ecuación:

Despejamos el término de error y luego resolvemos el problema de minimización con el fin de conocer los estimadores de MCO β0 y β1.

Adicionalmente definimos N como el tamaño total de la muestra, es el número total de individuos tratados y es el número de individuos de control, en consecuencia tenemos:

Por otra parte, definimos como el promedio muestral de la variable de resultado; es el promedio de la variable de resultado en el grupo de los tratatados y es el promedio de la variable de resultado en el grupo de control:

100

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

La condición de primer orden para el intercepto β0 se calcula como sigue:

Las condición de primer orden para la pendiente β1 se calcula como sigue:

Reemplazando (c) en (d) tenemos:

101

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

Reemplazando (b) en (e) tenemos:

La ecuación (f) nos muestra la pendiente de la ecuación (a), en este caso es la diferencia promedio entre población de tratamiento y control en el período ex ante, es decir es la línea de base o tiempo t=0. Por lo tanto, también se la puede expresar de la siguiente manera:

La ecuación (g) está expresando en términos de tiempo y de tipo de población la ecuación (f), es decir es el valor esperado de la variable dependiente en el tiempo t=0, pero en la población de tratamiento; y es nuevamente el valor esperado de la variable en el tiempo t=0, pero en la población de control. Ahora bien, para establecer el período t=1, seguimos todos los pasos anteriores (desde el paso a hasta el f), utilizando un modelo MCO con poblaciones de tratamiento y control, se deduce la ecuación a la que denominaremos Y:

Por ende el modelo de diferencias en diferencias resulta de la diferencia entre la ecuación (g) y (h):

Reordenando la ecuación anterior tenemos:

102

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

La ecuación (j) representa el modelo de evaluación de impacto y muestra dos diferencias: la de poblaciones de tratamiento y control en períodos ex ante y ex post, estando representada dicha diferencia por el parámetro en la siguiente ecuación:

La ecuación (K) representa el modelo de diferencias en diferencias siendo el parámetro la variable de interés y que ha sido utilizada para medir el efecto total de la política pública en dos períodos de tiempo, comparando la población de tratamiento y control.

103

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

Anexo 2: Prueba de multicolinealidad para el modelo 3 VIF (a)

1/VIF (b)

Edad

Variable

37.53

0.026646

Edad^2

34.46

0.029021

9.56

0.1046

Años de educación*D

8.95

0.111775

5.44

0.183871

Dxt

4.99

0.20059

Género*t

2.44

0.410256

Género

1.53

0.654088

Bono de Desarrollo Humano

1.48

0.675935

Bono de Desarrollo Humano*t

1.33

0.749746

Años de educación

1.29

0.775191

Norte

1.19

0.842002

Centro

1.16

0.863691

Estado Civil

1.11

0.900426

Sur

1.08

0.924474

0.998505

Turismo Promedio VIF

7.16

Pese a que en presencia de multicolinealidad los estimadores pueden ser Mejores Estimadores Lineales Insesgados (es decir óptimos y eficientes), los errores estándar de los coeficientes estimados tienden a ser sobreestimados, facilitando que se acepten a uno o más regresores. En este sentido, en la tabla anterior, a través del factor inflador de varianza, se mide la velocidad con la cual se incrementan las varianzas y las covarianzas de los estimadores y si esta velocidad está sobre estimando los errores estándar, puede analizarse. En la columna (a) del cuadro anterior mirados los VIF de cada una de las variables del modelo 3, las cuales no pasan de 39, considerándose, por lo tanto, que las variables independientes son combinación lineal de otras variables independientes. Alternativamente, en la columna (b), se observa el índice de Tolerancia (1/VIF), siendo aceptado un índice de tolerancia de hasta 0.33; miramos que ninguna de estas variables sobre pasa dicho número, por lo cual se concluye que no hay multicolinealidad.

104

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

Anexo 3: Prueba para detectar heterocedasticidad en el modelo 3

Fuente: Encuestas elaboradas por FEEP entre 2010-2012 y base de datos del INEC en 2010

El gráfico anterior hace una relación de los residuos con los valores ajustados de la variable dependiente; al relacionarlos, lo que se pretende es verificar un posible patrón de comportamiento, que en caso de existir comprobaría la presencia de heterocedasticidad. Al no haber tal patrón definido se evidencia homocedasticidad, considerándose que la varianza de los residuales es constante.

105

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

Anexo 4: Prueba kdensity para detectar normalidad en los errores del modelo 3

Fuente: Encuestas elaboradas por FEEP entre 2010-2012 y base de datos del INEC en 2010

El gráfico anterior compara la función de densidad de los residuales con una función de densidad normal, se puede observar un leve apuntalamiento y asimetría en los residuales. Sin embargo, existe un ajuste favorable a que los residuos tiendan a tener un comportamiento normal, lo cual favorece a un insesgamiento de los parámetros observados en el modelo 3.

106

Evaluación del impacto socio económico de la rehabilitación del ferrocarril en el Ecuador

Anexo 5: Prueba para detectar normalidad en los errores a través de cuantiles para el modelo 3

Fuente: Encuestas elaboradas por FEEP entre 2010-2012 y base de datos del INEC en 2010

Esta comprobación gráfica de normalidad contrasta cuantiles de los residuos (eje de las absisas) contra cuantiles de una distribución normal (en el eje de las ordenadas) cuanto más cerca esté de la línea continua de 45 grados, más cerca están los residuos de seguir un comportamiento normal. En este caso observamos que los cuantiles de los residuos no están muy distantes de asemejarse a los cuantiles de la distribución normal, comprobándose que efectivamente existe la posibilidad que los residuos tengan una distribución normal.

107

Alfredo Verdezoto Noboa - Cuestiones Económicas Vol. 26, No. 2:2, 2016

Anexo 6: Criterio de Akeike y Bayesiano para los tres modelos Modelo (a)

Observaciones (b)

Grados de libertad (c)

Criterio de Akeike (AIC) (d)

Criterio Bayesiano (BIC) (e)

13,654

36,488.1

36,518.19

13,654

32,238.32

32,358.67

13,654

32,233.51

32,361.38

El cuadro anterior muestra en la columna (a) los tres modelos usados en esta investigación, en la (b) el número de observaciones usadas, en la (c) los grados de libertad y en las columnas (d) y (e) los criterios de Akeike y Bayesiano, respectivamente. Los dos criterios nos permiten establecer la pérdida de información que existe en cada uno de los modelos, por lo tanto, mientras menos información se pierda es mejor el modelo. Considerando que los dos criterios no testean bajo un rango establecido de confianza la fiabilidad de los modelos, sino que simplemente deja entrever cuál modelo aporta más información para explicar la variable dependiente, es evidente que el tercero es el mejor de los tres modelos establecidos en esta investigación.

108

EXTERNAL SHOCKS ON A DOLLARIZED ECONOMY: AN EMPIRICAL EVIDENCE FROM ECUADOR

CUESTIONES ECONÓMICAS Vol. 26, No. 2:2, 2016

EXTERNAL SHOCKS ON A DOLLARIZED ECONOMY: AN EMPIRICAL EVIDENCE FROM ECUADOR Elena Zambrano Córdova*

Abstract: Theory suggests that countries within a dollarized regime will have problems responding to external shocks, since these countries lack of monetary policy. Empirical research on this issue is based mainly on the case of Panama, as the country adopted dollarization in 1904. However, since 2000 Ecuador, a very vulnerable economy to external disturbances through its dependence on oil exports and personal remittances, adopted the regime as well. In order to contribute to the empirical evidence about one disadvantage of the dollarized regime, this work examines how changes in terms of trade and personal remittances affect the economy of Ecuador in comparison to the other dollarized and non-dollarized countries in the region. The aim is to test if whether external shocks result in greater costs to the Ecuadorian economy. Performing an EGLS panel model, the findings suggest that these externals shocks have not led to major repercussions to Ecuador in comparison with the entire region. Furthermore, within the dollarized countries, changes in terms of trade leads to higher costs to Panama and El Salvador than to Ecuador. Furthermore, between these two countries and, even the overall region, a “resource curse” seems to be present. Key words: external shocks, dollarization, terms of trade, resource curse JEL CODE: E6, F4

Economista de la Universidad Técnica Federico Santa María y Máster en Ciencias Económicas y Empresariales por la Erasmus University of Rotterdam.

111

Elena Zambrano Córdova - Cuestiones Económicas Vol. 26, No. 2:2, 2016

INTRODUCTION

Exchange rate regimes play an important role in open macroeconomic models. This is the case in the Mundell-Fleming model where “the behaviour of an economy depends on the exchange-rate system it has adopted”. Within the different types of systems, not all of them allow the economies to react appropriately to external shocks. According to the theory, the adjustment process in this kind of setting will be more “costly”, in terms of growth, wages or unemployment, in the case of fixed exchange rate regimes. For example, in the case of a demand shock that leads to a decrease in the exports of a country, a flexible exchange rate regime could help to offset the negative impact on the economy. The fall in the exports will translate into a fall in the demand for national currency; consequently it will turn out into the depreciation of the exchange rate. This depreciation will help to increase the exports since now the products become “cheaper” to the outside market and the exporter now receives more domestic currency for every unit of foreign currency. Notwithstanding, in the case of a fixed exchange rate, the adjustment mechanism will be different: it will be done through a reduction in wages and prices, or even an increase in unemployment. Within the types of fixed exchange rate regimes, the more severe or extreme case is dollarization. In this case a country gives up its national currency and adopts a foreign one as legal tender, typically the US dollar; this is called “official or full dollarization”. There is also the case of “partial or de facto dollarization”, that is when the country maintains its national currency, but transactions can also be made in foreign currency, leading the country to a bi-currency system. (Quispe-Angoli and Elena, 2006). The current literature on the topic is more extensive in the case of partial dollarization, since more countries maintain this regime. Research on full dollarization is more limited and focus mainly on the experience of one single country: Panama. The latter principally because the country adopted dollarization a long time ago -since 1904- and is very important in terms of international trade due to its Canal. Nevertheless, there is another dollarized country within the Latin-American region that also deserves to be a subject of study, especially for to have more empirical evidence on one of the disadvantages of the exchange rate system: the difficulty to accommodate external shocks. This country is Ecuador; a country that regardless of not having as many years dollarized system as Panama, it is a more representative economy in comparison to other independent countries that also use

112

External shocks on a dollarized economy: an empirical evidence from Ecuador

another nationÂ´s currency1. Furthermore, an important reason is that the country on one hand lacks of monetary and exchange rate policy as an instrument to adjust the economy, but on the other hand, presents a strong dependence on revenues -oil exports and personal remittances- highly vulnerable to external circumstances. Ecuador adopted the US dollar as legal currency in January 2000, after undergoing its major financial and economic crisis. After adopting dollarization the country gained some level of stability and economic progress: As illustrated in Figures #1, #2 and #3 (see Appendix), GDP growth, inflation, and unemployment have presented important improvements. But despite the latter, the country present, some particular characteristics that combined with a dollarized system, can exacerbate the fact of not having monetary policy to react to external shocks. First, Ecuador depends heavily on oil exports: they represent about fifty percent of its total exports and, on average, 30% of the total incomes of the state budget during the past six years2. According to Acosta (2009), the importance is such that a single reduction of one dollar in the price of the Ecuadorian oil barrel translates into a net decrease of fiscal revenues of approximately 57.8 millions of dollars. Notwithstanding, the problem with this particular commodity is the volatility of its price, especially in times of economic turmoil (see Figure #4 in Appendix). This volatility translates into variability in terms of trade of the country, affecting the purchasing power of its exports, and hence the real level of income. Second, it is a country with a large population of emigrants abroad3, therefore, received an important flow of capital due to the personal remittances sent by the immigrants to their families that still live in the country (see Figure #5 in Appendix). Several Ecuadorian economists such as Alberto Acosta, Rafael Correa4, Carlos Larrea, among others, consider that remittances sent by the emigrants were one of the principal factors that helped boost the economy after de financial crisis and helped to sustain dollarization. For an overview of the importance of the remittances for the country, during 2007, which was the year with the highest peak of remittances was registered, they represent about 6.5% of GDP, 10.2% of the householdsâ&#x20AC;&#x2122; consumption and 59.9% of the non-oil exports (Banco Central del Ecuador, 2007). 1 Small city-states as Monaco, San Marino or Andorra. 2 According to Ecuador Â´s Central Bank statistics and information of capital flows and income of central government budget. December 2014. 3 Herrera et al. (2005) reports that 837.062 Ecuadorians left the country during the period 19972004 and have not returned. 4 Actual president of Ecuador.

113

Elena Zambrano Córdova - Cuestiones Económicas Vol. 26, No. 2:2, 2016

However, as these two variables have the power to boost the economy, they can also pull it down. In this line, the aim of the present this work to test whether changes in terms of trade and personal remittances levels have been more “costly” to Ecuador in comparison to the other dollarized and non-dollarized countries in the region. To do so, following the work of Edwards (2001), I use a fixed-effect panel regression model, base on data from 17 Latin-American countries for the period 2000-2013. This time frame and geographical selection is chosen since Latin America is the region with most of the officially dollarized countries in the world, and they share characteristics related to the shock variables: exports based mainly on primary products and large amounts of immigration. Furthermore, since 2000 two of the three dollarized countries adopted the regime -El Salvador and Ecuador-. The results suggest that during its dollarized period, external shocks did no lead to major negative repercussions to the Ecuadorian economy in comparison to the overall region of Latin America. Furthermore, among the three dollarized countries, changes in terms of trade have bigger impacts on the economies of Panama and El Salvador, despite the fact that they do not rely so much on the exports of one single product, as is the case of Ecuador with oil. Regarding personal remittances, the results did not show evidence to confirm that changes in this variable have stronger impacts on the economy of El Salvador, even with large amounts of remittances received with respect to its GDP. These findings, as the ones of Edwards (2001) for the case of Panama, bring empirical evidence to the theory of fixed exchange rates, in the costs that a country incurs when abandoned its local currency to adopt a dollarized regime. Furthermore, this study attempts to be the first empirical work to study the effect of external shocks within the Ecuadorian economy, in a comparative perspective with other countries of the region. Finally, the paper is structured as follows: Section 2 introduces some previous studies on the topic of dollarization based mainly on the experience of Panama, Section 3 explains the three proposed hypotheses of the thesis, Section 4 illustrates the empirical strategy used to test the hypothesis, Section 5 describe the selected data, Section 6 provides the main estimation results and finally, Section 7 the conclusions.

114

External shocks on a dollarized economy: an empirical evidence from Ecuador

II.

LITERATURE REVIEW

Giving up national currencies could seem like a very extreme measure. However, for countries with a history of repeated currency crisis such as Latin-American countries, this measure can prove to be necessary sometimes. Therefore, economists claim that dollarization can help these countries providing macroeconomic stability through several channels: a lower inflation rate, fiscal discipline as the central bank cannot act as “lender of last resort”, a decrease in domestic interest rates, facilitates financial international integration, increase amounts of investments, among others. However, there is a downside to such a policy: loss of flexibility in macroeconomic policy management to react to external shocks, the loss of the lender of last resort to be able to respond to financial system emergencies, loss of seigniorage, among others (Duncan, 2003). Meanwhile, there is an extensive literature on “unofficial” or partial dollarization5, academic research on the economic performance and the experience itself of officially dollarized countries is somehow limited. However one country did receive some attention from the academic community: Panama. This country adopted the regime since 1904 and has an important geopolitical attribute, the Canal Zone. For example, Bogetic (2000) shows that Panama´s financial system, with a significant presence of foreign banks, was the responsible for counteracting the potential effects of the major shocks that the country suffered since 19706. The author states that the withdrawal of domestic deposits was, in most of the cases, offset by an increase of domestic credit by private banks. This massive presence of foreign banks can be attributed to the country´s geographic position and in particular to the Canal Zone. Furthermore, he argues that even Panama´s macroeconomic performance has been solid during the last couple of decades, there has been no systematic banking crisis in the country. The focus on Panama´s financial sector plus a dollarized economy continues in other papers. Moreno-Villalaz (1999) focuses on financial integration, explained as the “indifference of banks between allocating their resources in the local or foreign market” in the paper. He argues that financial integration leads to a competitive macroeconomic market (economic stability, adjust to shocks without 5 See Agénor & Khan, 1996; Savastano, 1996; Clements & Schwartz, 1993 for some examples. 6 In 1970 a banking law was introduced, liberalizing the financial market of the country, which facilitated the entrance of foreign banks.

115

Elena Zambrano Córdova - Cuestiones Económicas Vol. 26, No. 2:2, 2016

major disequilibrium, low-interest rates, among others). Even though this financial integration cannot be achieved by a dollarized regime alone, it facilitates the way to accomplish it. He concludes that Panama´s experience should serve as an example for other countries, especially Latin-American ones, who should consider a unified currency as a feasible exchange rate system. Regarding empirical studies in the topic, Goldfajn and Olivares (2001) performed a VAR analysis on Panama, Costa Rica and Argentina to compare the effect of external confidence shocks and real shocks on the following domestic variables: growth, interest rates, and RER7. The authors chose the J.P. Morgan´ Latin Emerging Market Bond Index Plus (EMBI) as a proxy for the confidence in Latin American Countries and an index of industrial production of industrial countries in order to represent the world´s level of activity. Their results show that an external confidence shock affect more the activity level of Costa Rica and Argentina rather than Panama by looking at the variance decomposition analysis. One possible explanation for their findings according to the paper could be that “the credibility gained in a dollarized economy may contribute to insulate the economy from adverse shocks”. On the other hand, a real shock seems to affect more the level of economic activity of Panama and Costa Rica than Argentina. One conclusion from this results is that the adoption of a rigid exchange regime such as full dollarization could help to minimize the effect of a confidence shock, while this does not need to be the case for a real shock. Another empirical study regarding accommodation of external disturbances under dollarization is the one performed by Edwards (2001). Even though the author states that first he wanted to use data from more dollarized countries, that was not possible and ended performing the investigation on Panama since the country was the only one with complete data for all the variables of interest. He focuses on how external shocks affected the dollarized economy, choosing as shocks´ variables the current account reversals and terms of trade shocks and investigate their impact on economic growth. As Goldfajn and Olivares (2001), he made the analysis in a comparative perspective -emerging markets and Latin-American countries- but he used a panel data from 1970-1998. Edwards (2001) findings suggest that external shocks have affected in a major way -in terms of lower GDP growth- to Panama in comparison to the other countries. One of his conclusions is that empirically, we know very little about the costs and benefits of dollarization. Finally, with respect to the Ecuadorian case, the empirical analyses are very scarce yet. One of these is the one published by Soto (2008), in which he argues 7

Real Exchange Rate.

116

External shocks on a dollarized economy: an empirical evidence from Ecuador

that even though dollarization has brought economic growth and stability to the country, the labor market has not reacted in the same way. Using an econometric model to analyze the impact of GDP growth, real wages, the cost of capital and real exchange rate on employment during the period 1991-2006 he found that even economic growth has impulse labor demand, it has had at the same time a negative impact on employment creation. The latter because of the increase of real minimum wages and the decrease of the price of imported intermediate goods and the cost of capital. He argues that this has brought a “substitution effect” for labor force towards production processes that rely more on capital and technology. III. HYPOTHESES This work aims to establish if external shocks channeled to the economy through terms of trade and personal remittances, have a greater impact on Ecuador than the other dollarized and non-dollarized countries of the region. To do so, I decide to test the following hypothesis: First Hypothesis H0: External shocks affect more the economy of Ecuador than the rest of Latin-American countries H1: External shocks do not affect more the economy of Ecuador than the rest of Latin-American countries The theory explained in the previous sections tell us that due to the lack of monetary policy for an exchange rate adjustment in a situation of terms of trade shock, the Ecuadorian economy should suffer more than the non-dollarized economies of the region. In other words, it should impact more the economic growth of the country. Besides of not having own currency to offset this kind of shocks, Ecuador is a country that depends heavily on one single export product –oil-, which price is very unstable, and on the remittances sent by the immigrants outside the country in order to maintain the liquidity of the economy. Summarizing the argument for the first hypothesis to test: A combination of a dollarized economy plus a non-diversified export sector and a strong dependence on personal remittances, made Ecuador suffer more when external shocks hit the economy.

117

Elena Zambrano Córdova - Cuestiones Económicas Vol. 26, No. 2:2, 2016

Second Hypothesis H0: Among the dollarized economies of the region, terms of trade changes will impact harder to Ecuador H1: Among the dollarized economies of the region, terms of trade changes will not impact harder to Ecuador Third Hypothesis H0: Among the dollarized economies of the region, changes in personal remittances will affect more to El Salvador H1: Among the dollarized economies of the region, changes in personal remittances will affect more to El Salvador Even though the three countries share the same fixed exchange rate regime, each one has different macroeconomic characteristics that could translate into output different results, especially in periods of economic crisis and external disturbances. In the case of Panama for example, the country has a massive presence of foreign banks that help to maintain the level of liquidity and domestic credit in case that economic problems arise. In the case of this country, there is also another particular aspect that makes it more resilient in difficult times: As Edwards (2001) mentions in his paper, the International Monetary Fund (IMF) has always been willing to help the country in difficult periods, in several times. This kind of “considerations” are clearly not for all the countries per se. The author argues that Panama´s stability is of great importance for the United States, because on its territory lies the Canal of Panama. In the case of El Salvador, personal remittances also constitute an important currency income; even more than Ecuador. After suffering two decades of armed civil conflict, El Salvador has a large amount of population living and working in the United States; accordingly to Teodora Ramos et al. (2013), there is 2.8 million of salvadoreños living outside the country. And 90% of this amount live in the United States. This resported amounts are important if we consider that El Salvador´s population is about 6.5 million of people. In this vein, the remittances sent by the immigrants seems to be transcendental for the dollarized economy: As expose on Figure #6 (see Appendix) while in 2006 for

118

External shocks on a dollarized economy: an empirical evidence from Ecuador

example, personal remittances as percentage of GDP represented for El Salvador 18.77%, during the same year for Ecuador was 6.26% and for Panama 0.91%. Therefore, I expect that trade of terms changes affects in greater magnitude to Ecuador, and personal remittances to El Salvador. This will be tested in the second and third hypothesis. IV.

EMPIRICAL STRATEGY

In order to test the hypotheses explained in the previous section, I need to regress GDP per capita growth on the selected shock variables of terms of trade and personal remittances along with standard control variables commonly used in growth equation’s models. Moreover, since I am working with a dataset of several countries, is important to consider a methodology that allows for heterogeneity between them, and this is possible with a panel fixed or random effect model. According to Gujarati (2004) it is appropriate to use a fixed effect model when this time-invariant heterogeneity or unobserved effect could be correlated with one or more regressors, or when the error term could also be correlated with the control variables included in the model. In this work an individual or unobserved characteristic of a specific country could be related to the explanatory variables; for example Bolivia´s particular characteristic of not having access to the ocean could affect the level of foreign trade or the amount of government expenditure in a certain region of the country. If I decide to use a random effect model, this correlation could lead to endogeneity problems. Furthermore, random effect models assume the use of a random sample of cross-section units, which is not the case neither. Considering a fixed effect model and following Edwards’ (2001) selection of explanatory variables, my regression equation is set as follows:

GROWTH T,J = βJ + β1 INVT,J + β2 EDUT,J + β3 GOV_CONST,J + β4 OPENNESST,J + β5 TOTT,J + β6 PER_REMITTT,J + ξT,J

(1)

Where βJ captures the individual effect of country j, “GROWTH” is growth of GDP per capita in the country j during the year t, “INV” is the ratio of Gross Capital Formation/GDP, “EDU” the ratio of Government Expenditure on Education/GDP, “GOV_CONS” the ratio of Government Consumption/GDP

119

Elena Zambrano Córdova - Cuestiones Económicas Vol. 26, No. 2:2, 2016

and “OPENNESS” the index that capture the level of foreign trade –exports plus imports/GDP-. Finally as external shocks´ variables “TOT” is the terms of trade index of relative price of exports to imports, “PER_REMITT” the level of personal remittances, and ξ the error term. The main interest of this analysis, for testing the hypothesis explained in the previous section, is the coefficients of terms of trade and personal remittances. They have to be as accurate as possible in order to have an unbiased estimate of the effects of the external shocks on output growth. If the objective is to have an unbiased estimator, problems of endogeneity or omitted variable bias should not arise. Therefore, according to Keller (2006), including this “standard” control variables of growth regressions, and country-specific constants, help to reduce potential problems with omitted variables. Now, in order to analyze the coefficients of personal remittances and terms of trade for the case of Ecuador, Panama and El Salvador, a dummy variable for each country is added to the model of eq. (1). The following equations are used to test each of the hypothesis: First hypothesis

GROWTH T,J = βJ + β1 INVT,J + β2 EDUT,J + β3 GOV_CONST,J + β4 OPENNESST,J + β5 TOTT,J + β6 PER_REMITTT,J + β7 DUMMY ECUADOR*TOTT + β8 DUMMY ECUADOR * PER_REMITTT + ξT,J

(2)

The hypothesis claims that β7 and β8 are significant and the values larger than β5 and β6, respectively. Second hypothesis

GROWTH T,J = βJ + β1 INVT,J + β2 EDUT,J + β3 GOV_CONST,J + β4 OPENNESST,J + β5 TOTT,J + β6 PER_REMITTT,J + β7 DUMMY ECUADOR*TOTT + β8 DUMMY PANAMA*TOTT + β9 DUMMY EL SALVADOR*TOTT + ξT,J 120

(3)

External shocks on a dollarized economy: an empirical evidence from Ecuador

The hypothesis claims that β7, β8 and β9 are significant and the value of β7 larger than the other two betas. Third hypothesis

GROWTH T,J = βJ + β1 INVT,J + β2 EDUT,J + β3 GOV_CONST,J + β4 OPENNESST,J + β5TOTT,J + β6 PER_REMITTT,J + β7 DUMMY ECUADOR* PER_REMITTT + β8 DUMMY PANAMA*PER_REMITTT + β9 DUMMY EL SALVADOR* PER_REMITTT + ξT,J

(4)

The hypothesis claims that β7, β8 and β9 are significant and the value of β9 larger than the other two betas. Regarding the sign of the coefficients of terms of trade and personal remittances, in the case of the first one, as common in the literature, I expect the coefficient to be positive: this means that a positive term of trade shock –an increase of price exports relative to imports- will have a positive impact on the GDP per capita. In the case of negative shock, the impact will be negative as well. Nevertheless, in the case of the personal remittances, the coefficient could be positive or negative. I assume this since there is still a debate about its impact on economic growth in the current literature -theoretical and empirical investigations-. According to Catrinescu, et al. (2006), in some countries remittances have increased national disposable income, alleviated poverty and provided capital to households. Despite their findings of a positive relationship between remittances and growth, the authors state that there is also evidence that it has been harmful to economic growth, especially in the medium and longer term: increase of inflation, reduce labor market participation rates or even by an appreciation of the exchange rate. In this vein, Chami, et al. (2005) found a negative relationship between the two variables of interest, and concluded that it seems that remittances has not provided capital to strength economic development, it has served as a compensation for poor economic performance. Before performing the estimation of the equations, there are two more problems that I consider important to review. First, in order to check for multicollinearity among the independent variables, I perform a correlation matrix as shown in Table #1 (see Appendix). The results suggest that there is no presence of multicollinearity.

121

Elena Zambrano Cรณrdova - Cuestiones Econรณmicas Vol. 26, No. 2:2, 2016

Second, I check for non-stationarity of the variables to avoid spurious results. A non-stationary variable is not mean-reverting and, therefore, contains unit roots. Applying two different methods for panel unit root tests, according to the results of Table #2 (see Appendix), the presence of non-stationary variables is weak: only terms of trade and government consumption are dubious since only in one of the two tests applied both present unit root. A common solution to correct for non-stationarity is taking the first difference of the variable -integrated of order one, I(1)- (Verbeek, 2012). Even the presence of non-stationary variables is somehow dubious, as a robustness check, all the results will also be reported in first differences for the case of the two variables mentioned before. Finally since I work with an unbalanced panel dataset, following Edwards (2001) estimation method for these cases, I use a feasible generalized least squares procedure (FGLS) or also called estimated generalized least square (EGLS) to estimate equations (2), (3) and (4). The GLS is a more accurate and efficient OLS estimator since it weight each observation according to its error variance; i.e. observations that provide the most (least) precise information about the parameters of the model are the ones that receive the higher (smallest) weights (Verbeek 2012). GLS estimator can be computed only if we know the form of the variance of the error term and how it vary with the independent variable. In practice, is not common to know it, so it is estimated (EGLS). The estimation is made by assuming some model for heteroskedasticity; in the present model the assumption is the presence of crosssection heteroskedasticity. 4.1 Alternative estimation method According to Caselli et al. (1996) a fixed effect specification leads to a reduction of degrees of freedom in the model. As an alternative estimation method for equations (2), (3) and (4), and as a robustness checks for the results of the previous explained method, I eliminate the fixed effect specifications. Instead, in order to control for heterogeneity between the countries of the sample, I include the variable of initial level of GDP per capita -2000- for each country. V.

DATA DESCRIPTION

For the empirical analysis, I use data from all Latin-American countries8 from the period 2000 until 2013. Furthermore, the main source of the dataset is 8

Excluding the Caribbean countries, Suriname and Guyana.

122

External shocks on a dollarized economy: an empirical evidence from Ecuador

the World Development Bank Indicators and all the variables present an annual frequency. The list of the included countries is the following: Mexico, Argentina, Bolivia, Brazil, Chile, Colombia, Ecuador, Paraguay, Peru, Uruguay, Venezuela, Costa Rica, El Salvador, Guatemala, Honduras, Nicaragua, and Panama. In line with the existing literature, my dependent variable in the previous equations is defined as GDP per capita as a measure of economic growth. For the independent variables, a brief explanation of each one is as follows: ØØ

Investment.- Gross capital formation/GDP, both variables expressed in current USD dollars.

ØØ

Education.- As a proxy for human capital, Edwards (2001) used the variable of secondary education attainment, which for the selected period of analysis, the data was quite incomplete. Notwithstanding, finding a complete data set for education variables of Latin-American countries turned out to be a complicated task. Following previous empirical works (Awaworyi Churchill, et al. 2015; Baldacci, et al. 2008; Keller, 2006) on regressing education on growth´s equations and the availability of the current data, the selected variable is government expenditure on education/GDP.

ØØ

Government Consumption.- General government final consumption expenditure/GDP, both variables expressed in current USD.

ØØ

Openness.- To measure the level of foreign trade of the countries, the McKinnon’s Openness Parameter (McKinnon, 1963) is include: (total exports + total imports)/GDP. The three variables are measured in current USD.

ØØ

Terms of Trade.- This variable is measured as the Export Value Index9/ Import Value Index X 100. If the result is above 100, terms of trade of the country have improved; meaning that for each unit of export sold, it can buy more units of import. An improvement means a rise in a country´s real income level, measured as the purchasing power of its exports in world markets (Reinhart and Ostry, 1992). Moreover, if it is below 100, they are getting worse, and the country should experience a decrease in real income.

9 Export values are the current value of exports (f.o.b.) converted to U.S. dollars and expressed as a percentage of the average for the base period (2000). In the case of the import vale index will be the same methodology but with the current value of imports (c.i.f.). Both are reported by the World Development Bank Indicators as well.

123

Elena Zambrano Córdova - Cuestiones Económicas Vol. 26, No. 2:2, 2016

It is important to clarify that I decide to use terms of trade as one of the variable sources of shocks, since according to Backus and Crucini (1998), “large part of the variability of terms of trade is associated with extreme movements in oil prices.” The oil market is by far the biggest and the most relevant commodity market worldwide. Its price volatility not only affect the disposable income of oil export countries, it also has the power to affect different sectors of the economy worldwide. The latter due to its substitutability properties -increase demand for other energy commodities, for example-, or since it is used as an input for the production of many other commodities. A very important propagation channel for its price variations is that it is used for most of the transportation activities (Coudert, et al. 2013). Nevertheless, the magnitude of impact in terms of lower economic growth in each country is what I want to capture through the terms of trade variable. ØØ

Personal Remittances.- Personal remittances, received/GDP, both variables expressed in current USD.

ØØ

Initial level of GDP.- The alternative estimation method use GDP per capita of 2000, since this is the starting year of the elect sample.

VI. RESULTS This section exposes the results of a Panel EGLS for equations (2), (3) and (4), with and without the fixed effect specification –alternative estimation method-, and including the first difference of the non-stationary variables detected before –terms of trade and government consumption-. First, Table #3 and #4 (see Appendix) illustrates the results including only dummies for Ecuador –eq. (2)-, in order to test the first hypothesis. The first finding is that only the alternative estimation method result’s show significant coefficients for the dummy variables of Ecuador with the interaction of terms of trade and personal remittances. But once applied the first difference to the model, the results change; the coefficients are no longer significant. In this line, the first hypothesis is rejected: External shocks do not affect more the economy of Ecuador than the rest of Latin-American countries. In the case of the second hypothesis, Table #5 and Table #6 (see Appendix) show the regression’s result of eq. (3). In this case the application of the first difference to the two methods lead to the same consistent result: terms of trade coefficients of Panama and El Salvador are significant and both with negative sign. Even the value of each of it did not change as much between the two methods: from (-5.39)

124

External shocks on a dollarized economy: an empirical evidence from Ecuador

to (-5.31) in the case of terms of trade of El Salvador, and for Panama from (-2.19) to (-2.05). Moreover, in the case of the coefficient of Ecuador, it is not significant. Therefore, the second hypothesis is also rejected: Among the dollarized economies of the region, terms of trade changes will not impact harder to Ecuador. For the test of the third hypothesis, eq. (4) regression’s result are expose on Table #7 and #8 (see Appendix). In this case again, the results with the application of the first difference to the non-stationary variables change completely the coefficient’s significance. Consequently, the final results show that none of the coefficients of the three countries are significant. Hence, the third hypothesis is rejected as well: Among the dollarized economies of the region, changes in personal remittances will not affect more to El Salvador. Besides the testing of the three hypothesis, the regression’s results lead to analyze also the following findings: In all the presented results, the coefficient for the overall region of personal remittances (Log_Remittances) always remains significant and with a positive sign. This confirm the importance of this capital inflows to a region with a large history of immigration due to its financial and social crisis in the last couple of decades. But the evidence shows that the impact to the economies has been positive. Furthermore, for the testing of the second hypothesis, the sign of the significant coefficients for Panama and El Salvador appear as negative. Even the variable of the overall region (Log_Terms_Of_Trade) when its coefficient is significant, always has a negative sign. This mean that an increase in the relative price of the exports to imports in each country, will lead to a GDP per capita decrease; i.e. when the purchasing power of the exports increase, it impacts in a negative way to the country´s income. Even though the most common view of the existing literature of terms of trade suggest that it has a positive impact on economic growth, but a few empirical works that confirm the opposite. Hadass and Williamson (2001) argue that an improvement in terms of trade had a different impact on primary-product exporting countries and manufacturers exporting countries. They conducted a country-specific panel database with countries of the center and periphery from 1870-1940 to analyze the impact of relative price shocks on the individual economies. The study found that an improvement in terms of trade had asymmetric effects on economic performance in the center and periphery: primary-product countries’ improvement on terms of trade is mainly caused by the increase of the commodity price in which they based its exports. They argue that these are rich countries in natural resources, but that suffer the famous “Dutch Disease” or resource curse.

125

Elena Zambrano Córdova - Cuestiones Económicas Vol. 26, No. 2:2, 2016

They conclude that while on the countries of the center an improvement in terms of trade reinforced industrialization, in the periphery is the opposite, it leads to a de-industrialization and strength even more the resource curse. The works of Sachs and Warner (2001, 1995) also confirm these findings on country’s natural resourcebased exports, which is the case of most of the Latin-American countries of the selected sample. Finally, a summary of all the results concerning the variables of terms of trade and personal remittances -significance and signs- for the three dollarized countries, regarding the three hypothesis to test, are exposed on Table #9. Table # 9 Fixed Effect-First Difference

Fixed Effect Ecuador

Significance

Sign

Significance

Sign

Initial GDP-First Difference

Initial GDP Significance

Sign

Dummy_Ecuador* Log_Remittances

–

Dummy_Ecuador* Log_Terms_Of_Trade

–

Significance

Sign

–

Terms of Trade Dummy_Ecuador* Log_Terms_Of_Trade

–

Dummy_El_Salvador* Log_Terms_Of_Trade

–

Dummy_Panama* Log_Terms_Of_Trade

–

Personal Remittances Dummy_Ecuador* Log_Terms_Of_Trade

–

Dummy_El_Salvador* Log_Terms_Of_Trade Dummy_Panama* Log_Terms_Of_Trade

* Significant at 10% level; ** Significant at 5% level

126

External shocks on a dollarized economy: an empirical evidence from Ecuador

VII. CONCLUSIONS The literature on fixed exchange rate regimes states that countries that lack of monetary policy will have problems in order to accommodate external shocks. For example, they do not have the capacity to depreciate/appreciate their currencies in order to offset this kind of disturbances. Within this type of regime, dollarization is known as the more extreme case since it represents to abandon national currency in order to adopt US dollars as legal currency. There are not so many countries in the world that have adopted an officially dollarized regime. Therefore, the empirical evidence that support its benefits/ costs is not very extensive. Within these few studies, most of them are based on the experience of Panama, since the country has more than 100 years with the dollar as legal currency. Notwithstanding, since 2000 two other Latin-American countries adopted dollarization as well: Ecuador and El Salvador. Ecuador present two particular characteristics that could exacerbate one of the disadvantages of not having own currency: the difficulty to react and adjust the economy against external disturbances. These characteristics are the strong dependence on oil exports and personal remittances, variables highly exposed to external shocks. In this vein, in order to contribute to the empirical evidence of one disadvantage of the dollarized regime, by studying a country very vulnerable to external shocks, this work examines how changes in terms of trade and personal remittances affect the economy of Ecuador in comparison to the other dollarized and non-dollarized countries in the Latin-American region. The objective is to test if whether externals shocks result in greater costs -in terms of lower GDP per capita growth- to the Ecuadorian economy. Performing an EGLS panel regression on a growth equation -including the shocks variables representing by terms of trade and personal remittances- for 17 Latin-American countries for the period 2000-2013, the results lead to find no evidence of greater costs for Ecuador in terms of lower economic growth in comparison with the entire region. Within the dollarized countries, changes in terms of trade lead to higher costs on Panama and El Salvador than in Ecuador. Between these two countries, and even the overall region, a â&#x20AC;&#x153;resource curseâ&#x20AC;? seems to be present as improvements in terms of trade leads to a decrease in GDP per capita growth.

127

Elena Zambrano Córdova - Cuestiones Económicas Vol. 26, No. 2:2, 2016

To conclude, these findings did not provide empirical evidence to confirm that the lack of monetary policy in order to offset external shocks has been more “costly” for a country like Ecuador within the Latin-American region. Future researchers can test if the current results holds if the dataset is extended to more comparison groups as the OPEC10 countries, for example, or to the entire American continent, including the United States.

Documento recibido: 31/05/2016 Documento aceptado: 18/11/2016 10 Organization of Petroleum Exporting Countries

128

External shocks on a dollarized economy: an empirical evidence from Ecuador

REFERENCES Abrego, L., Flores, E., Pivovarsky, A., & Rother, B. (2006). Ecuador: Selected Issues. IMF Country Report, (06/103). Acosta, A., López Olivares, S., & Villamar, D. (2005). El aporte de las remesas para la economía ecuatoriana. Ponencia en la Reunión de expertos sobre migración internacional y desarrollo en América Latina y el Caribe, Naciones Unidas, México, 30. Acosta, A. (2009). Ecuador: un pais maniatado frente a la crisis?. Friedrich Ebert Stiftung. Agenor, P. R., & Khan, M. S. (1996). Foreign currency deposits and the demand for money in developing countries. Journal of Development Economics, 50(1), 101-118. Awaworyi Churchill, S., Yew, S. L., & Ugur, M. (2015). Effects of Government Education and Health Expenditures on Economic Growth: A Meta-analysis. Siew Ling and Ugur, Mehmet, Effects of Government Education and Health Expenditures on Economic Growth: A Meta-Analysis. Baldacci, E., Clements, B., Gupta, S., & Cui, Q. (2008). Social spending, human capital, and growth in developing countries. World development, 36(8), 1317-1341. Banco Central del Ecuador. (2007). Publicaciones de Banca Central. Caselli, F., Esquivel, G., & Lefort, F. (1996). Reopening the convergence debate: a new look at cross-country growth empirics. Journal of economic growth, 1(3), 363-389. Caselli, F., Esquivel, G., & Lefort, F. (1996). Reopening the Converge Debate: A new look at Cross-Country Growth Empirics. Journal of Economic Growth. Catrinescu, N., Leon-Ledesma, M., Piracha, M., & Quillin, B. (2009). Remittances, institutions, and economic growth. World Development, 37(1), 81-92 Crucini, M. J., & Backus, D. K. (1998). Oil Prices and the Terms of Trade. National Bureau of Economic Research. Chami, R., Fullenkamp, C., & Jahjah, S. (2003). Are immigrant remittance flows a source of capital for development?

129

Elena Zambrano Córdova - Cuestiones Económicas Vol. 26, No. 2:2, 2016

Christiansen, L., Prati, A., Ricci, L. A., & Tressel, T. (2010, June). External balance in low-income countries. In NBER International Seminar on Macroeconomics 2009 (pp. 265-322). University of Chicago Press Clements, B., & Schwartz, G. (1993). Currency substitution: The recent experience of Bolivia. World Development, 21(11), 1883-1893 Coudert, V., Couharde, C., & Mignon, V. (2015). On the impact of volatility on the real exchange rate–terms of trade nexus: Revisiting commodity currencies. Journal of International Money and Finance, 58, 110-127. Cordova, E. Z. External shocks on a dollarized economy: an empirical evidence from Ecuador. Duncan, R. (2003). Exploring the implications of official dollarization on macroeconomic volatility. Documentos de Trabajo (Banco Central de Chile), (200), 1-40. Economics Online. (s.f.). Recuperado el 30 de Septiembre de 2015, de http://www. economicsonline.co.uk/Global_economics/Terms_of_trade.html Edwards, S. (2001). Dollarization and economic performance: an empirical investigation (No. w8274). National Bureau of Economic Research. Flodén, M. (2010). The Open Economy Revisited: The Mundell-Fleming Model and the Exchange-Rate Regime. finns på kurswebben som Floden_Chapter12. pdf. Goldfajn, I., Olivares, G., Frankel, J., & Milesi-Ferretti, G. M. (2001). Full dollarization: the case of Panama [with Comments]. Economía, 1(2), 101-155. Gujarati, D. N. (2009). Basic econometrics. Tata McGraw-Hill Education. Hadass, Y. S., & Williamson, J. G. (2001). Terms of trade shocks and economic performance 1870-1940: Prebisch and Singer revisited (No. w8188). National Bureau of Economic Research. Herrera, G., Espinosa, M. C. C., & Torres, A. (2005). La migración ecuatoriana: transnacionalismo, redes e identidades. Flacso-Sede Ecuador. Keller, K. R. (2006). Investment in primary, secondary, and higher education and the effects on economic growth. Contemporary Economic Policy, 24(1), 18-34

130

External shocks on a dollarized economy: an empirical evidence from Ecuador

Lenzner, R. (2013). The Recessions of 1973,1980,1991,2001,2008 Were Caused By High Oil Prices. Forbes. Mansfield, E. D., & Reinhardt, E. (2008). International institutions and terms of trade volatility. Typescript, Emory University. Mundell, R. (2001). On the history of the Mundell–Fleming model. Keynote speech. International Monetary Fund Staff Papers Special, (47). McKinnon, R. I. (1963). Optimum currency areas. The American Economic Review, 53(4), 717-725. Moreno-Villalaz, J. L. (1998). Lessons from the monetary experience of Panama: A dollar economy with financial integration. Cato J., 18, 421. Moreno-Villalaz, J. L. (2005). Financial integration and Dollarization: The case of Panama. Cato J., 25, 127. Quispe-Agnoli, M., & Whisler, E. (2006). Official dollarization and the banking system in Ecuador and El Salvador. Economic Review-Federal Reserve Bank of Atlanta, 91(3), 55. Ogaki, M., Ostry, J. D., & Reinhart, C. M. (1996). Saving behavior in low-and middle-income developing countries: a comparison. Staff Papers, 43(1), 38-71 Sachs, J. D., & Warner, A. M. (1995). Natural resource abundance and economic growth (No. w5398). National Bureau of Economic Research. Sachs, J. D., & Warner, A. M. (2001). The curse of natural resources. European economic review, 45(4), 827-838. Savastano, M. M. A. (1996). Dollarization in Latin America: Recent evidence and some policy issues. International Monetary Fund. Soto, R. (2008). Dollarization, Economic Growth, and Employment. Santiago. Teodora Ramos, E., Campos Moran, S., Jasmin Bolaños, H., & Calles Minero, C. (2013). Perfil Actual de la Persona Migrante en El Salvador. Universidad Tecnológica del El Salvador.

131

Elena Zambrano Cรณrdova - Cuestiones Econรณmicas Vol. 26, No. 2:2, 2016

Verbeek, M. (2008). A guide to modern econometrics. John Wiley & Sons.

132

External shocks on a dollarized economy: an empirical evidence from Ecuador

Appendix Figures

Notes: Annual Growth Rate at constant prices Source: Comisión Económica para América Latina y el Caribe CEPAL

Notes: Variations of CPI, anual averages Source: Comisión Económica para América Latina y el Caribe CEPAL

133

Elena Zambrano Córdova - Cuestiones Económicas Vol. 26, No. 2:2, 2016

Notes: Average annual rate Source: Comisión Económica para América Latina y el Caribe CEPAL

Notes: Average annual prices Source: U.S. Energy Information Administration

134

External shocks on a dollarized economy: an empirical evidence from Ecuador

Notes: Current USD, Thousands Source: World Development Indicators

Source: World Development Indicators

135

Elena Zambrano Cรณrdova - Cuestiones Econรณmicas Vol. 26, No. 2:2, 2016

Tables Table # 1: Variables in main regression-Panel unit root tests Method: Levin. Lin &Chu*

Series

Method: Im. Pesaran and Schin W-Stat**

Statistic

P-value

Statistic

P-value

-575.712

0.0000

-462.117

0.0000

Log Government Consumption

-1.5823

0.0568

-0.8892

0.1869

Log Government Expenditure on Education

-196.965

0.0000

-31.5922

0.0000

Log Investment

-3.2869

0.0005

-1.7653

0.0388

Log Openness

-2.9983

0.0014

-1.682

0.0463

Log Personal Remittances

-3.4739

0.0003

-3.0103

0.0003

Log Terms of Trade

-2.4651

0.0068

-1.3566

0.0874

Growth GDP per capita

Variables in robustness check-Panel unit root tests Method: Levin. Lin &Chu*

Series

Method: Im. Pesaran and Schin W-Stat**

Statistic

P-value

Statistic

P-value

Log Concentration Index

-0.8598

0.1949

-0.0579

0.4769

Log Exportations

-4.1749

0.0000

-2.6018

0.0046

Log Exports/Imports

-2.3749

0.0088

-2.0116

0.0221

* Null hypothesis: Unit Root (assumes common unit root process) ** Null hypothesis: Unit Root (assumes individual unit root process)

Table # 2 Log_Government_ Consumption

Log_Government_ Expenditure_ Education

Log_Government_ Consumption

Log_Government_ Expenditure_ Education

Log_ Investment

Log_ Openness

Log_ Remittances

Log_Terms_ Of_Trade

-0.27530136

-0.032694759

0.149856738

0.267630667

-0.103730522

-0.27530136

0.014812794

0.018207902

-0.087622695

0.083415544

Log_Investment

-0.032694759

0.014812794

0.124955202

-0.095273684

-0.313220029

Log_Openness

0.149856738

0.018207902

0.124955202

0.248830057

-0.116367762

Log_Remittances

0.267630667

-0.087622695

-0.095273684

0.248830057

-0.239079179

Log_Terms_Of_ Trade

-0.103730522

0.083415544

-0.313220029

-0.116367762

-0.239079179

136

External shocks on a dollarized economy: an empirical evidence from Ecuador

Table # 3: Dependent Variable: Growth of GDP Per Capita Sample: 2000 2013 Coefficients and Significance

Coefficients and Significance (1st Dif)

Constant

3.5223 (0.0001)**

1.1029 (0.0125)**

Log_Government_Consumption

0.12 (0.0230)**

Independent Variables

0.0740 (0.1429)

Log_Government_Consumption (1st Dif) Log_Government_Expenditure_Education

0.2159 (0.1522)

0.1475 (0.1618)

Log_Investment

-0.0359 (0.8681)

0.0036 (0.9806)

Log_Openness

0.7738 (0.0001)**

0.2539 (0.1286)

Log_Remittances

0.0758 (0.0000)**

0.0838 (0.0000)**

Log_Terms_Of_Trade

-0.6548 (0.1209) -0.9118 (0.0000)**

Log_Terms_Of_Trade (1st Dif) Dummy_Ecuador*Log_Terms_Of_Trade

-3.1199 (0.1996) 0.6432 (0.1354)

Dummy_Ecuador*Log_Terms_Of_Trade (1st Dif) -0.4633 (0.2761)

-0.3882 (0.2308)

152

139

0.5709

0.5778

Durbin Watson Statistics

1.811

1.962

R-squared-Unweighted Statistics

0.2856

0.308

Durbin Watson Statistics

1.833

1.9763

Dummy_Ecuador*Log_Remittances Observations R-squared-Weighted Statistics

GLS cross-section-weights; * significant at 10% level; ** significant at 5% level cross-section-fixed effect specification

137

Elena Zambrano Cรณrdova - Cuestiones Econรณmicas Vol. 26, No. 2:2, 2016

Table # 4: Dependent Variable: Growth of GDP Per Capita Sample: 2000 2013 Independent Variables Log_Initial_GDP Log_Government_Consumption

Coefficients and Significance

Coefficients and Significance (1st Dif)

0.0769 (0.0000)**

0.0386 (0.0002)**

0.0548 (0.2527) 0.0470 (0.4143)

Log_Government_Consumption (1st Dif) -0.0713 (0.4207)

0.0184 (0.7972)

Log_Investment

0.2992 (0.0245)**

0.1886 (0.1059)*

Log_Openness

0.1714 (0.0272)**

0.119 (0.0692)*

Log_Remittances

0.0632 (0.0000)**

0.0719 (0.0000)**

Log_Terms_Of_Trade

-0.4708 (0.0684)*

Log_Government_Expenditure_Education

-0.8521 (0.0000)**

Log_Terms_Of_Trade (1st Dif) Dummy_Ecuador*Log_Terms_Of_Trade

-1.2902 (0.0111)** 0.6849 (0.3739)

Dummy_Ecuador*Log_Terms_Of_Trade (1st Dif) Dummy_Ecuador*Log_Remittances Observations R-squared-Weighted Statistics Durbin Watson Statistics R-squared-Unweighted Statistics Durbin Watson Statistics

-1.2902 (0.0111)**

-0.011 (0.7632)

152

139

0.3043

0.4378

1.63

1.73

0.2025

0.2294

1.68

1.77

GLS cross-section-weights; * significant at 10% level; ** significant at 5% level cross-section-fixed effect specification

138

External shocks on a dollarized economy: an empirical evidence from Ecuador

Table # 5: Dependent Variable: Growth of GDP Per Capita Sample: 2000 2013 Coefficients and Significance

Coefficients and Significance (1st Dif)

Constant

3.9414 (0.0000)**

1.5139 (0.0008)*

Log_Government_Consumption

0.0986 (0.1065)*

Independent Variables

0.0111 (0.8380)

Log_Government_Consumption (1st Dif) Log_Government_Expenditure_Education

0.2597 (0.0728)*

0.2434 (0.0246)**

Log_Investment

-0.0109 (0.9621)

-0.0297 (0.8442)

Log_Openness

0.7234 (0.0001)**

0.3508 (0.0297)**

Log_Remittances

0.0743 (0.0000)**

0.0805 (0.0000)**

Log_Terms_Of_Trade

-0.5881 (0.2229) -0.7442 (0.0007)**

Log_Terms_Of_Trade (1st Dif) Dummy_Ecuador*Log_Terms_Of_Trade

-4.4495 (0.0400)** 0.4924 (0.5437)

Dummy_Ecuador*Log_Terms_Of_Trade (1st Dif) Dummy_El_Salvador*Log_Terms_Of_Trade

-0.6894 (0.8325) -5.396 (0.0023)**

Dummy_El_Salvador*Log_Terms_Of_Trade (1st Dif) Dummy_Panama*Log_Terms_Of_Trade

0.3224 (0.7758) -2.1967 (0.0568)**

Dummy_Panama*Log_Terms_Of_Trade (1st Dif) Observations R-squared-Weighted Statistics Durbin Watson Statistics-Weighted Statistics R-squared-Unweighted Statistics Durbin Watson Statistics-Unweighted Statistics

152

139

0.5977

0.6214

1.8

1.99

0.2805

0.3328

1.82

GLS cross-section-weights; * significant at 10% level; ** significant at 5% level cross-section-fixed effect specification

139

Elena Zambrano Cรณrdova - Cuestiones Econรณmicas Vol. 26, No. 2:2, 2016

Table # 6: Dependent Variable: Growth of GDP Per Capita Sample: 2000 2013 Independent Variables Log_Initial_GDP Log_Government_Consumption

Coefficients and Significance

Coefficients and Significance (1st Dif)

0.0678 (0.0001)**

0.0388 (0.0002)**

0.042 (0.3784) -0.0119 (0.8346)

Log_Government_Consumption (1st Dif) -0.003 (0.9734)

0.0282 (0.6732)

Log_Investment

0.4774 (0.0012)**

0.1669 (0.1202)

Log_Openness

0.1706 (0.0413)**

0.1202 (0.0505)**

Log_Remittances

0.0538 (0.0001)**

0.0728 (0.0000)**

Log_Government_Expenditure_Education

Log_Terms_Of_Trade

-0.1526 (0.5812) -0.8107 (0.0000)**

Log_Terms_Of_Trade (1st Dif) Dummy_Ecuador*Log_Terms_Of_Trade

-0.0584 (0.4396) 0.5134 (0.4992)

Dummy_Ecuador*Log_Terms_Of_Trade (1st Dif) Dummy_El_Salvador*Log_Terms_Of_Trade

0.154 (0.0299)** -5.3166 (0.0192)**

Dummy_El_Salvador*Log_Terms_Of_Trade (1st Dif) Dummy_Panama*Log_Terms_Of_Trade

-0.0613 (0.4898) -2.0587 (0.0659)*

Dummy_Panama*Log_Terms_Of_Trade (1st Dif) Observations

152

139

0.3246

0.4606

1.65

1.75

R-squared-Unweighted Statistics

0.2027

0.2607

Durbin Watson Statistics-Unweighted Statistics

1.7619

1.81

R-squared-Weighted Statistics Durbin Watson Statistics-Weighted Statistics

GLS cross-section-weights; * significant at 10% level; ** significant at 5% level

140

External shocks on a dollarized economy: an empirical evidence from Ecuador

Table # 7: Dependent Variable: Growth of GDP Per Capita Sample: 2000 2013 Coefficients and Significance

Coefficients and Significance (1st Dif)

Constant

3.6743 (0.0000)**

1.2888 (0.0224)**

Log_Government_Consumption

0.1226 (0.0349)**

Independent Variables

0.0879 (0.1085)*

Log_Government_Consumption (1st Dif) Log_Government_Expenditure_Education

0.1888 (0.1964)

0.1416 (0.2870)

Log_Investment

-0.061 (0.7721)

0.0165 (0.9275)

Log_Openness

0.729 (0.0000)**

0.2692 (0.1457)

Log_Remittances

0.08 (0.0000)**

0.0822 (0.000)**

Log_Terms_Of_Trade

-1.0255 (0.0112)** -0.8648 (0.001)**

Log_Terms_Of_Trade (1st Dif) -0.7282 (0.0581)**

-0.4206 (0.2523)

-0.0524 (0.9550)

1.4858 (0.1190)

0.5108 (0.0063)**

0.0985 (0.8903)

152

139

0.6078

0.5682

Durbin Watson Statistics-Weighted Statistics

1.86

1.9597

R-squared-Unweighted Statistics

0.301

0.3144

Durbin Watson Statistics-Unweighted Statistics

1.9108

1.9777

Dummy_Ecuador*Log_Remittances Dummy_El_Salvador*Log_Remittances Dummy_Panama*Log_Remittances Observations R-squared-Weighted Statistics

GLS cross-section-weights; * significant at 10% level; ** significant at 5% level cross-section-fixed effect specification

141

Elena Zambrano Cรณrdova - Cuestiones Econรณmicas Vol. 26, No. 2:2, 2016

Table # 8: Dependent Variable: Growth of GDP Per Capita Sample: 2000 2013 Coefficients and Significance

Coefficients and Significance (1st Dif)

Log_Initial_GDP

2.2111 (0.0024)**

0.0431 (0.0001)**

Log_Government_Consumption

0.081 (0.1934)**

Independent Variables

0.0494 (0.3764)

Log_Government_Consumption (1st Dif) Log_Government_Expenditure_Education

0.205 (0.2770)

0.0246 (0.7431)

Log_Investment

0.1966 (0.3891)

0.2707 (0.0283)**

Log_Openness

0.3279 (0.2473)

0.1355 (0.0662)*

0.0607 (0.0009)**

0.0631 (0.000)**

Log_Remittances Log_Terms_Of_Trade

0.8329 (0.1283) -0.7379 (0.0003)**

Log_Terms_Of_Trade (1st Dif) Dummy_Ecuador*Log_Remittances

-0.6833 (0.0951)*

-0.0096 (0.7934)

Dummy_El_Salvador*Log_Remittances

0.5762 (0.5395)

-0.1366 (0.1592)

Dummy_Panama*Log_Remittances

0.3794 (0.0760)*

0.0093 (0.7698)

Observations

149

139

R-squared-Weighted Statistics

0.4987

0.4237

Durbin Watson Statistics-Weighted Statistics

1.8706

1.7542

R-squared-Unweighted Statistics

0.2992

0.2578

Durbin Watson Statistics-Unweighted Statistics

1.9814

1.847

GLS cross-section-weights; * significant at 10% level; ** significant at 5% level cross-section-fixed effect specification

142

THE MACROECONOMIC EFFECTS OF OIL SHOCKS IN THREE LATIN AMERICAN ECONOMIES

CUESTIONES ECONÓMICAS Vol. 26, No. 2:2, 2016

THE MACROECONOMIC EFFECTS OF OIL SHOCKS IN THREE LATIN AMERICAN ECONOMIES* Juan Carlos Alarcon Galarza* Juan Carlos Molero García** Fernando Pérez de Gracia***

Abstract: In this paper we study the impact of oil price shocks on real economic activity and inflation rates in three Latin American economies (Brazil, Colombia and Peru) using a Vector AutoRegressive (VAR) model over the period 1991:M01-2014:M01. We also consider different oil shock specifications. We find a strong and prolonged increase in inflation in Brazil after an oil price shock and a negative effect with respect to economic growth. We find less significant results for Colombia and Peru that can be explained by the distorted pass-through of oil price shocks to domestic prices. Keywords: oil price shocks, economic growth, inflation, Brazil, Colombia, Peru, VAR JEL CODE: F31, F41, Q43

* Catedrático de Economía de la Universidad de Navarra (España), Departamento de Economía. ** Licenciado en Economía, Máster en Economía y Finanzas por la Universidad de Navarra, se desempeña como profesor en la Universidad de los Hemisferios. *** Profesor Asociado de Economía en la Facultad de Economía y Administración de Empresas de la Universidad de Navarra en Pamplona (España).

145

Juan Carlos Alarcon - Juan Carlos Molero - Fernando Pérez de Gracia Cuestiones Económicas Vol. 26, No. 2:2, 2016

INTRODUCTION

Non-OECD countries in 2014 accounted for more than half of total world oil consumption. Consumption of oil in South and Central America have increased almost 20% in the last 5 years, from 2010 until 2015 oil consumption increased by 1 million of barrels per day, reaching around 7 million of barrels per day in 2014 (Annual Energy Outlook, 2014). Production has experienced as well an increase but of a smaller amount: 0.6 million of barrels per day, an increase of around 13% in 5 years, reaching approximately 8.5 million of barrels per day in 2014 (Annual Energy Outlook, 2014). According to the World Bank, in recent years GDP average growth rates in Latin-American economies have been around 2% and 2.5%, far from the rates of 5% growth in the period 2003-2012 (World Bank, 2015). Among others, the main reasons are the decreasing commodities prices, the slower Chinese economy and lower investments. There is strong evidence of poor growth in resource-rich countries called sometimes the “natural resource curse”. The experience shows that in LatinAmerica this has been a big issue in the post-world war II period and nowadays is a major structural problem (Sachs and Warner, 2001). There is an imperious need for countries understand and deal with this dependence problem in order to attain a more sustainable development (World Bank, 2006). Developing countries oil demand is steadily increasing and exporters often face a hidden but important problem that arises by focusing too much on the production of oil and not letting other important industries mature. The volatility of oil prices is increasing and price shocks are becoming more and more common, leaving countries severely exposed to these variations. Due to the importance of oil for the global economy, oil shocks are a topic that should be carefully addressed by both oil importing and exporting countries. In this paper we study the impact of oil price shocks on the real economic activity and the inflation rates in three relevant economies in Latin America (Brazil, Colombia and Peru). Brazil was the largest oil producer in South America in 2014, while Colombia was the third. Peru in 2014 was the sixth oil exporter economy in South America. These three countries together accounted in 2014 for 37% of the total oil production of Central and South America (Annual Energy Outlook, 2014). On the consumption side in 2013 Brazil was the largest consumer of oil in Central and South America, accounting alone for 42.3% of total oil consumption in Central and South America. Colombia and Peru were the fifth and sixth oil

146

The macroeconomic effects of oil shocks in three Latin American economies

consumers, respectively. The three countries together accounted for 50.1% of total oil consumption in Central and South America (Annual Energy Outlook, 2014). We analyze three of the most important oil producers and consumers in Latin America; therefore we can have a broad view of how oil shocks affect the region. Previous empirical literature has tried to address oil shocks effects in South-American countries (Hausmann, 1997; Maghyereh, 2004; Sanchez and Villamil, 2012; Calvacanti and Jalles, 2013 and Casselli, 2013). Hausmann (1997) analyzes negative shocks in the Venezuelan case. Maghyereh (2004) deals with 22 developing countries, using 3 South American small economies explores the relationship of oil shocks with the stock markets. Sanchez and Villamil (2012) use a VAR framework to analyze the effect of shocks for macroeconomic variables only for Colombia. Calvacanti and Jalles (2013) analyze the case of Brazil and the US without allowing for nonlinear oil shocks specifications. Casselli (2013) studies the impact of oil shocks on growth in Brazil at a municipal level. We are therefore the first study that analyzes three major oil exposed countries including net oil importers and net oil exporters, focusing in South America and allowing for nonlinearities in the oil shocks specifications. We apply a Vector AutoRegressive (VAR) model over the period 1991:M01â&#x20AC;&#x201C;2014:M01. The contribution of the paper we present is the study of the economic effect of oil shocks to three of the most important oil consuming economies Latin America, having in our sample the largest producer and consumer in Central and South America such as Brazil. We use a VAR model to analyze, using a long time span and monthly data (which includes periods with largest oil volatility in history) the effects of oil price shocks on macroeconomic variables such as inflation and economic growth. The methodology applied involves the use a VAR model to measure the consequences of an oil price shock to two main economic factors: inflation and economic growth. We take into account interest rates and exchange rates; the intuition behind this is that changes in commodities prices, which will lead to an inflationary pressure (a case of an increase in the oil price), will affect output through a reduction in the productivity of any given amount of capital. At the same time, an increase in the volatility of shocks will also have an adverse impact on the economy as shown in Ferderer (1996). We propose different oil measures transformations in order to allow for nonlinear relationships as shown in Cunado and Perez de Gracia (2005). We proceed to apply a cointegration and Granger causality tests on the oil, inflation and economic growth relationships using monthly data from 1991-2014. To our knowledge, this is the first study which analyzes the impact of oil price shocks in these countries taking into account the severe shock suffered in late 2008, and how these countries were affected afterwards. With respect to previous literature we differentiate from previous studies by allowing nonlinear oil specifications as

147

Juan Carlos Alarcon - Juan Carlos Molero - Fernando PĂŠrez de Gracia Cuestiones EconĂłmicas Vol. 26, No. 2:2, 2016

proposed firstly in Hamilton (1996); using a broad data set our analysis is made in light of the changes these countries have suffered from respect to their position as net oil exporters and importers. The main results of our analysis are as follows. First, we find a significant positive effect of an oil price shock to inflation in Brazil and a significant negative effect with respect to economic growth. This goes in accordance with the literature where in net oil-importing countries higher oil prices lead to inflation, increase input costs, reduce non-oil demand and diminish investment. Second, for Colombia we find an increase in economic growth after an oil shock when we allow for nominal specifications, and also a decrease in inflation. Finally, for Peru with respect to inflation we obtain a positive and persistent relationship, and for economic growth we find as well a significant positive relationship. The paper is structured as follows. In section 2 we review the literature on oil shocks, economic growth, and inflation. In section 3 we describe the data set, and we present the proxy variables of oil shocks that we will use. In section 4 we present the methodology and the empirical analysis. Section 5 includes the concluding remarks and some policy recommendations. II.

LITERATURE REVIEW ON OIL PRICES AND ECONOMIC ACTIVITY

There is vast literature covering the relationship between oil price shocks and macroeconomic variables. Rasche and Tatom (1981) analyze the theoretical mechanisms by which aggregate supply will be affected raising prices and declining output. The effect on the aggregate demand, differentiating by oil exporter or importer position is also analyzed. Hamilton (1983) shows that small disruptions in the supply of primary commodities, such as energy, could be the source of fluctuations in aggregate employment and can have large effects on real output. Davis and Haltiwanger (2001) show how employment growth responds asymmetrically to oil price shocks, and they trigger considerable job reallocation activity. According to Killian (2008a), the traditional view of oil price shocks has been that they act as aggregate supply shocks in a traditional textbook model or as technology shocks in a modern dynamic stochastic general equilibrium model. All in all, and despite some important advances, the nature of this supply channel of transmission and its quantitative importance remains an open issue. Nevertheless, some authors (e.g., Lee et al., 1995; Hooker, 1996; and Hamilton, 1996) find strong evidence that oil prices no longer Granger cause many US

148

The macroeconomic effects of oil shocks in three Latin American economies

macroeconomic variables using data after 1973. A number of potential explanations are explored in Hooker (1996) sample stability issues, oil prices endogeneity and the fact that linear and symmetric specifications misrepresent the form of the oil price interaction. These results had potentially important implications for the large body of research which utilize oil prices as an instrumental or explanatory variable. Finally, Hamilton (1996) proposes that a non-linear relation is present and applies transformations to deal with this issue. Later, Hooker (2002) finds that, since around 1980, oil price changes seem to affect inflation only through their direct share in a price index, with little or no passthrough into core measures, while before 1980 oil shocks contributed substantially to core inflation. Accordingly, the empirical theory is broad and various studies find that oil shocks affect inflation and output. Starting by finding evidence of a nonlinear relationship between oil price changes and GDP growth, Hamilton (2003) states that oil price increases are much more important than oil price decreases, and increases have significantly less predictive content if they simply correct earlier decreases. Cologni and Manera (2008) use a structural cointegrated VAR model for the G-7 countries in order to study the direct effects of oil price shocks on output and prices, and the reaction of monetary variables to external shocks. They find that according to the estimated coefficients of the structural part of the model, for all countries, except Japan and the UK, the null hypothesis of an influence of oil prices on the inflation rate cannot be rejected. Inflation rate shocks are transmitted to the real economy by increasing interest rates. Their impulse response analysis suggests, for most countries, the existence of an instantaneous, temporary effect of oil price innovations on prices. Impulse response functions indicate different monetary policy reactions to inflationary and growth shocks. The simulation exercises, directed to estimate the total impact of the 1990 oil price shock, indicate that for some countries a significant part of the effects of the oil price shock is due to the monetary policy reaction function. In the cause of the US, Killian (2008b) finds that exogenous oil supply shocks caused a sharp drop in US real GDP growth after five quarters, rather than an immediate and sustained reduction in economic growth. They also find an increase in inflation measured by CPI after three quarters. Hamilton and Herrera (2004) find evidence in favor of the longer lag length employed by previous research. They show that under this specification, even the aggressive Federal Reserve policies proposed by Bernanke et al. (1997) would not have succeeded in averting an economic downturn. Hamilton (2009) analyzes the relationship between oil shocks and recessions stating that the experience of 2007-08 should be added to the list of

149

Juan Carlos Alarcon - Juan Carlos Molero - Fernando Pérez de Gracia Cuestiones Económicas Vol. 26, No. 2:2, 2016

recessions to which oil prices appear to have made a material contribution, specially caused by a strong demand confronting stagnating world production. Blanchard and Gali (2007) utilize a VAR framework to analyze the effect of an oil price shock containing six variables: the dollar price of oil (expressed in log differences), CPI inflation, GDP deflator inflation, wage inflation, the log changes in GDP, and employment. Estimates are reported for two different sample periods: 1970:1-1983:4 (1960:1–1983:1 for the United States) and 1984:1–2005:4. Blanchard and Gali (2007) find that for the pre-1984 period, where oil price experienced the highest increase until then, CPI inflation shifts up immediately, and remains positive for a protracted period. The response of GDP deflator inflation and wage inflation is similar, though more gradual. Output and employment decline persistently, albeit with a lag. Finally, the responses of the same variables in the post-1984 period are considerably more muted, thus suggesting a weaker impact of oil price shocks on the economy. Regarding works focused on Latin American economies, Alaimo and Lopez (2008) analyze potential causal link from oil prices to oil and energy intensities, using a simple trivariate panel VAR model for 13 Latin American countries. They find that behind the lack of a causal relationship from oil prices to oil and energy efficiency, there is a limited pass through from oil prices to retail price at the pump. They suggest that indeed in most Latin American countries the pass-through is not complete, and hence that oil price increases may not be creating the appropriate incentives in the region (World Bank, 2006). Sanchez and Villamil (2012) analyzed in a VAR framework the effect of oil shock in macroeconomics variables in Colombia finding little evidence that oil shocks affect growth measured using GDP and inflation. Uribe and Ulloa (2011) find also a significant increase of inflation more than growth for Colombia using a SVAR framework. Nunnenkamp (1982) find insignificant effects of oil price rises in growth in the long run for non-oil developing countries during 1970´s (NOPECs)1. Kim and Willet (2000) find that oil supply shocks have substantial effects on inflation and growth for industrial countries, while lower effects for developing countries. Mendoza and Vera (2010) analyze the case of a net oil exporter such as Venezuela finding results that suggest that oil shocks have had positive and significant effects on output growth in Venezuela during the period 1984:1-2008:3. In line with previous findings for other countries, they suggest that the Venezuelan economy is more responsive to 1 NOPECs comprise those Third World economies which are either net oil importers or whose oil exports constitute only a minor share in their external trade.

150

The macroeconomic effects of oil shocks in three Latin American economies

increases in oil prices than to unexpected decreases. Hausmann (1997) also analyzed the Venezuelan case focusing on the negative shocks. Calvacanti and Jalles (2013) find for Brazil that oil import dependence rate has decreased substantially, oil shocks do not seem to have a clear impact on output growth and they account for a very small fraction of the Brazilian inflation and output growth rate volatility. Within the wide literature on oil shocks, the novelty of the paper we present is the application of a VAR model to analyze, using a long time span and monthly data, the effects of oil price shocks on macroeconomic variables such as inflation and economic growth in 3 large Latin American countries: Brazil, Colombia and Peru. The use of 3 of the largest countries in the region by population and GDP gives our analysis a robust significance. III. DESCRIPTION OF THE DATASET 3.1 Countries selection Several factors were taking into account when selecting the countries for our study. The first and most important were data availability. The second factor was the comparability of the selected countries in terms of oil production and oil consumption. According to Annual Energy Outlook (2014), the comparison between the countries relating oil production and consumption is as follows. Oilâ&#x20AC;&#x2122;s production in thousands of barrels per day in 2014 was 1016 for Colombia, 180 for Peru and 2950 for Brazil. Respectively, oil consumption was 324, 226, and 3003 thousands of barrels per day in that year. According to these results, we have a big net oil exporter (Colombia) and 2 net oil importers (Brazil and Peru) for our research which will give us a deep analysis of how the oil shocks affect three different countries in Latin America. 3.2 Sample period As we mentioned before, one of the most important issues with LatinAmerican countries is the availability of the data. In our data set, all variables start in January 1991 and ends on April 2014 for all the variables. All variables are taken from the International Financial Statistics from the International Monetary Fund and Federal Reserve Bank of St. Louis. The sample period of the variables and the sources of them are summarized in Table 1.

151

Juan Carlos Alarcon - Juan Carlos Molero - Fernando Pérez de Gracia Cuestiones Económicas Vol. 26, No. 2:2, 2016 Table 1: Variable description and sources Variable

State

Source

Crude oil price ( UK Brent)

Logs

Fed. Res of Bank of St. Louis

Crude oil price (WTI)

Logs

Fed. Res of Bank of St. Louis

Peru–Exchange rate

Logs

International Financial Statistics

Peru -Interest rate

Levels

International Financial Statistics

Peru – CPI

Levels

International Financial Statistics

Peru – IPI

Logs

International Financial Statistics

Colombia–Exchange rate

Logs

International Financial Statistics

Colombia -Interest rate

Levels

International Financial Statistics

Colombia – CPI

Levels

International Financial Statistics

Logs

International Financial Statistics

Colombia IPI Brazil–Exchange rate

Logs

International Financial Statistics

Brazil -Interest rate

Levels

International Financial Statistics

Brazil – CPI

Levels

International Financial Statistics

Brazil – IPI

Logs

International Financial Statistics

Notes: CPI stands for Consumer Price Index and IPI stands for Index of Industrial Production.

3.3 Variables ØØ

Industrial production: We use industrial production as a proxy for real economic activity,2 following Sadorsky (1999) and Park and Ratti (2008).

ØØ

Inflation rate: We use CPI as a measure of the increase in prices of the economy.

ØØ

Interest rates: We include the nominal interest’s rates for each country based on Bernanke et al. (1997) to take into account the indirect effect of oil price shocks on real economic activity due to the Central Bank’s response to higher oil prices. We use money market interest rates and short term interest rates.

ØØ

Oil prices: We use both West Texas Intermediate (WTI) expressed in $ US per barrel and UK Brent also in $ US per barrel in nominal and real terms. We define real oil prices for each country as nominal oil prices multiplied by the exchange rate (local currency units per $US) and deflated by the CPI of every country.

2 For Colombia and Peru we use proxies of Manufacturing Index for Brazil Industrial Production Index available.

152

The macroeconomic effects of oil shocks in three Latin American economies

Following Hamilton (1996, 2003), we propose the following oil shock net oil price increases (NOPI), defined as the monthly percentage change in real oil price levels from the past 12 and 36 months high: ))], (1)

))] (2)

where oil is the logarithm of oil prices. In this paper, we define oil in both nominal and real terms and also using WTI and UK brent. Hamilton (1996, 2003) argues that if one wants a measure of how unsettling an increase in the price of oil is likely to be for the spending decisions of consumers and firms, it seems more appropriate to compare the current price of oil with where it has been over the previous years, rather than during the previous quarter alone. A significant relationship between this variable and economic activity implies that a â&#x20AC;&#x153;certainâ&#x20AC;? oil price increase will cause a decrease in economic activity, while a price increase in a period of high volatility is less likely to cause it. IV.

METHODOLOGY AND EMPIRICAL ANALYSIS

4.1 Unit root tests The results of unit root tests for the IPI, interest rates and oil prices for the South American economies are presented in this section. Consumer Price Index (CPI) and interest rates are expressed in levels, the rest of the variables are expressed in logs. We use two alternative unit root tests: Augmented Dickey-Fuller (ADF, Dickey and Fuller, 1981) test, and the Phillips-Perron (Phillips and Perron, 1988) test using the Bartlett Kernell spectral estimation. The test is in levels and in first differences. The results are included in Table 2, they suggest that all series, IPI, nominal short term interest rates and oil prices do not reject the null hypothesis, and are therefore integrated of order I(1). The ADF test is the classical unit root test, widely used in the economic but with some drawbacks; it has been proven to be ineffective when there is a negative and large Moving Average component (Schwert, 1987). Therefore, we also perform the Phillips Perron test in levels and in first differences. The results, shown in Table 2, suggest that all series, IPI, nominal short term interest rates and oil prices do not reject the null hypothesis, and hence are integrated at I(1). In summary, the results show that all the three variables: IPI, interest rates and oil prices are integrated of order one I(1) (i.e., stationary in first differences). There are some previous related studies that

153

154

-1.318

Brazil

-1.689**

-1.483*

Colombia

Brazil

Real UK Brent

-1.967**

Peru

Real WTI

-4.618***

-1.414

Colombia

Brazil

-3.139**

Peru

Interest rate

0.574

-0.369

Colombia

Constant

Peru

Real IPI

-1.983*

-2.069*

-3.865**

-5.018***

-2.271

-4.106***

-3.896

-1.036

-1.779

Constant and linear trend

Original

ADF

-17.440***

-12.871***

-12.140***

-19.158***

-11.819***

-6.073***

-18.222***

-8.164***

-5.296***

Constant

-17.428***

-12.875***

-12.119***

-19.124***

-11.816***

-6.245

-18.203***

-8.174***

-5.398***

Constant and linear trend

First differences

Table 2: Unit root test

-1.519*

-1.720

-1.566*

-4.519***

-1.494

-4.939***

-1.301

-1.029

-0.693

Constant

-2.029*

-2.019*

-3.232*

-4.976***

-2.395

-5.203***

-4.152

-2.181

-4.362

Constant and linear trend

Original

-17.422***

-12.862***

-12.105***

-20.817***

-12.052***

-32.633***

-18.170***

-31.261***

-38.431***

-17.414***

-12.863***

-12.083***

-20.772***

-12.045***

-36.987***

-18.151***

-31.256***

-45.681***

Constant and linear trend

First differences Constant

PP test

Juan Carlos Alarcon - Juan Carlos Molero - Fernando Pérez de Gracia Cuestiones Económicas Vol. 26, No. 2:2, 2016

-1.689

-1.483*

Colombia

Brazil

-1.375

Colombia

Brazil

-1.207

Colombia

Brazil

-3.493

-3.804

-1.984*

-2.069

-3.846**

Constant and linear trend

Original

ADF

-11.206***

-11.398***

-17.440***

-12.870***

-12.322***

Constant

-11.199***

-11.389***

-17.428***

-12.875***

-12.302***

Constant and linear trend

First differences

-0.727

-0.881

-1.519*

-1.720**

-1.502*

Constant

-2.566

-3.154

-2.029*

-2.019

-2.924**

Constant and linear trend

Original

-11.0109***

-11.4347***

-17.422***

-12.862***

-12.107***

-10.900***

-11.424***

-17.414***

-12.863***

-12.084***

Constant and linear trend

First differences Constant

PP test

Notes: CPI stands for Consumer Price Index, IPI stands for Index of Industrial Production. Oil 1: Spot Oil Price: West Texas Intermediate Dollars per Barrel. Oil 2: Commodity Prices, Crude Oil (Petroleum), UK Dated Brent US Dollars per Barrel.*, **, ***, denote 10%, 5%and 1% levels of significance respectively.

-1.207

Peru

Nominal UK Brent

-1.375

Peru

Nominal WTI

-1.720**

Constant

Peru

Table 2: Unit root test

The macroeconomic effects of oil shocks in three Latin American economies

155

Juan Carlos Alarcon - Juan Carlos Molero - Fernando Pérez de Gracia Cuestiones Económicas Vol. 26, No. 2:2, 2016

confirm the unit root in oil prices and macroeconomics variables as Cologni et al. (2008), Cunado and Perez de Gracia (2005), Park and Ratti (2008) among others. 4.2 Cointegration tests Once we proved that all the relevant variables contained a unit root, we tested for cointegration (Johansen and Juselius, 1990), using both the trace and the maximum eigenvalue tests. The results reported in Table 3 show no strong evidence for the rejection of the null of no cointegration for Brazil and Colombia, whereas for Peru evidence for rejection of the null can be found. Similar results found in (Lescaroux and Mignon, 2008). Following Clements and Hendry (1995) and Hoffman and Rasche (1996) where unrestricted VAR is superior in terms of forecast variance to a restricted VECM at short horizons, and by Naka and Tufte (1997) that the performance of unrestricted VARs and VECMs for impulse response analysis over short-run is nearly identical, we will run unrestricted VARs for each countries of study. Table 3. Cointegration tests

Brazil

Colombia

Peru

r=0

r≤1

r≤2

(i)

(ii)

(i)

(ii)

(i)

(ii)

53.572

76.371

20.048

35.652

4.7314

11.206

Max- Eigen Stat

33.523**

40.719**

15.317

24.445

3.41

7.796

Trace Statistic

58.482***

69.366*

28.372

38.935

7.6745

17.066

Max- Eigen Stat

30.113**

30.431

21.131

21.868

4.627

12.461

Trace Statistic

323.960***

342.244***

52.186***

70.434***

11.953

25.872**

Max- Eigen Stat

271.777***

271.81***

40.232***

40.491***

14.264

19.387**

Trace Statistic

Notes: Selected variables are crude oil prices, CPI, Consumer Price Index; IPI, Index of Industrial Production and interest rates. R= number of cointegrating vectors. *, **, *** denote the level of rejection of the null hypothesis at the 10%, 5% and 1% levels of significance, respectively. The tests are perform using the null of no cointegration against the alternative of cointegration. Akaike Criterion used to determine lags. We allow for deterministic trend in the data, (i) allow for intercept and no trend, (ii) allows for intercept and trend in CE.

4.3 Model and results The empirical model estimated in this paper has already been used in the context of oil prices and economic activity by Hamilton (1983), Mork (1989), Bernanke et al. (1997) and Cunado and Perez de Gracia (2013) among many others, and it is based on the VAR methodology proposed by Sims (1980).

156

The macroeconomic effects of oil shocks in three Latin American economies

A VAR model of order p, where the order p represents the number of lags, that includes k variables, can be expressed as:

(3)

where is a column vector of observation on the current values of all variables in the model (exchange rates, interest rates and oil prices); is k x k matrix of unknown coefficients; is a column vector of deterministic constant terms; is a column vector of errors with the following properties,

where is not serially correlated but may be contemporaneously correlated and is the variance-covariance matrix with non-zero off-diagonal elements. Given a VAR(p) model of I(1) variables, there always exists an error correction representation of the form:

(4)

where Δ is the first difference operator; yt-i is a vector of error correction terms; П is the matrix denoting the speed of adjustment toward the equilibrium and rank (П) = r, the number of cointegration vectors, which in our case, and based on the previous results, we assume it is equal to 1, β0 is a column vector of deterministic constant terms and the column vector of errors, satisfy the same conditions as the in equation (1). We analyze the impact of oil shocks on economic growth and inflation rates by examining impulse response functions. The ordering of the variables in the basic VAR implies that monetary policy shocks are independent of contemporaneous disturbances to the other variables as in Park and Ratti (2008). Figures 1-4 show the impulse response functions (IRFs) of the IPI and CPI to a one standard deviation structural innovation in oil price and interest rates. The dashed line indicates two standard deviation confidence interval of the estimated impulse response function while the black line indicates the impulse response functions to a one-standard deviation structural innovation in oil price to IPI and CPI.

157

Juan Carlos Alarcon - Juan Carlos Molero - Fernando PĂŠrez de Gracia Cuestiones EconĂłmicas Vol. 26, No. 2:2, 2016

It is important to analyze these results considering two main effects. (a) Supply side effect: As an input in the production function of firms, a sharp increase in crude oil prices will lead to rising production costs which, in turn, would lower output. (b) Demand side effect: Higher oil prices would affect the disposable income of agents and hence their consumption. If the country is a net oil importer (exporter), its disposable income declines (increases) in the face of higher crude oil prices, thus lowering (raising) its consumption. In addition, oil prices may lower investment by raising the production cost of firms, World Bank (2006). We can observe that the effect of an oil shock on inflation seems to have a positive effect for Brazil that lasts around 6 to 12 months when we use real oil prices, we then observe a mean reverting process, especially noticeable is the case when we use nominal $US prices. When we allow for 36 month lags we find that effect on impact is much larger than in the other cases but the shock permanence is shorter of around 8 months. This goes in accordance with World Bank (2006). For Colombia, there is a negative effect with oil shock and then a reverting process especially noticeable when we allow for 12 lags in both nominal and standard oil specifications. This may be caused because of the lack of a proper process of passthrough of increase in oil prices to gasoline prices shown in the CPI. This happens because of subsidies and government pricing decisions for domestic gasoline prices when oil prices are high as in Alaimo and Lopez (2008). This fits perfectly the literature as in Pinzon (2011) where they measure using WTI oil price shocks to CPI using a VAR framework and find that there is a slight negative effect until the second moth to then experience and increase to return to the mean at the sixth month. For Peru, we have a negative effect when we measure it in 12 lags as in the previous case. When we allow for 36 lags the effect is not clear. The same explanation will apply for the degree to which higher oil prices translate into higher consumer prices is a key policy decision for governments as shown in World Bank (2006). Salas (2009) shows that the majority of changes to inflation are explained by internal demand shocks. Noticeable is the case of Brazil fitting conventional wisdom rather well and in accordance with studies such as Cunado and Perez de Gracia (2005). Because one of the effects of a monetary shock given by the interest rates is to cause an appreciation of the exchange rate, it is important to observe the effect of the monetary policy shock on exchange rates and therefore on the inflation, we perceive the importance of the role of the interest rates, as noted in Cologni and Manera (2008). Oil price regulation along with monetary policy play a key role in this relationship. In the absence of regulation, a positive US monetary disturbance, for example, would be expected to raise the nominal dollar price of oil and US consumer prices to the

158

The macroeconomic effects of oil shocks in three Latin American economies

same extent, leaving the real price of oil unaffected as shown in Gillman and Nakov (2009). Figure 1: Generalized impulse response functions to oil price shocks using WTI Economic activity BRAZIL

COLOMBIA REAL NOPI 12 LAGS

PERU

REAL NOPI 36 LAGS

NOMINAL NOPI 12 LAGS

NOMINAL NOPI 36 LAGS

Note: Black line represents impulse response functions of economic activity to oil price. Dotted lines indicate twostandard deviation confidence interval of the estimated impulse response functionactivity to oil price. Dotted lines indicate two-standard deviation confidence interval of the estimated impulse response function.

159

Juan Carlos Alarcon - Juan Carlos Molero - Fernando Pérez de Gracia Cuestiones Económicas Vol. 26, No. 2:2, 2016

Figure 2: Generalized impulse response functions to oil price shocks using UK brent Economic activity BRAZIL

COLOMBIA REAL NOPI 12 LAGS

PERU

REAL NOPI 36 LAGS

NOMINAL NOPI 12 LAGS

NOMINAL NOPI 36 LAGS

Note: Black line represents impulse response functions of economic activity to oil price. Dotted lines indicate twostandard deviation confidence interval of the estimated impulse response function.

160

The macroeconomic effects of oil shocks in three Latin American economies

Figure 3: Generalized impulse response functions to oil price shocks using WTI Inflation rate BRAZIL

COLOMBIA REAL NOPI 12 LAGS

PERU

REAL NOPI 36 LAGS

NOMINAL NOPI 12 LAGS

NOMINAL NOPI 36 LAGS

Note: Black line represents impulse response functions of economic activity to oil price. Dotted lines indicate twostandard deviation confidence interval of the estimated impulse response function.

161

Juan Carlos Alarcon - Juan Carlos Molero - Fernando Pérez de Gracia Cuestiones Económicas Vol. 26, No. 2:2, 2016

Figure 4: Generalized impulse response functions to oil price shocks using UK brent Inflation rate BRAZIL

COLOMBIA REAL NOPI 12 LAGS

PERU

REAL NOPI 36 LAGS

NOMINAL NOPI 12 LAGS

NOMINAL NOPI 36 LAGS

Note: Black line represents impulse response functions of economic activity to oil price. Dotted lines indicate twostandard deviation confidence interval of the estimated impulse response function.

162

The macroeconomic effects of oil shocks in three Latin American economies

Concerning the economic growth, in the case of Brazil we can observe that for real definitions of the IPI we detect a decrease of the IPI on impact when we use the standard oil specification, which lasts around 3 months. Higher oil prices would lead to a decline in the volume of imports. At the household level, higher oil prices would lead to real income losses and, hence, to a drop of the domestic demand. For Colombia we also observe a negative reaction the first 3 months, returning afterwards to the mean, and there is a light increase in the IPI before converging. This may be because of not perfect pass-through of the increase in oil prices to IPI measured by manufacturing. In Peru we can observe an increase at the hit that lasts around 2 to 4 months until returning to the mean, the downfall is significant when we use standard oil specifications, to then return to the mean around the fourth month. The same distorted pass-through of oil price increases to IPI may arise in the opposite way as in Colombia not allowing the increase in gasoline prices to affect economic growth (Alaimo and Lopez, 2008). Studies find asymmetric effects for economic growth in Colombia the evidence shows that the net impact on the price shocks has been positive in terms of reduction of costs in the imported components for national production but negative impacts where generated in terms of energy costs, productive activities replacement and sectorial exports as shown in Perilla (2010). Gonzales (2006) shows that economic growth depends mainly on private investment and abundance of natural resources and the dependence of these has been reducing gradually. The small size of the shocks coincides with the small impact of oil shocks on economic activity and growth as in Curcio and Vilker (2014). As we argued before, Peru and Brazil are net oil importers; analyzing the impulse response functions, using the framework of Koop et al. (1996) of the respective countries, we observe a similar behavior firstly with respect to the economic growth measured by the IPI. Brazil being a net oil importer country shows that a price shock in oil will allow a slight decrease of the IPI in the short run, if we allow for nonlinearities, although the magnitude is not too big. This goes in accordance with the literature. Mory (1993) showed that increases and decreases in real oil prices have asymmetric effects on output and other macroeconomic variables from 1951 to 1990. Peru being a net importer as Brazil suffers a slight increase in the IPI, to then return to the mean as in Lee et al (1995). Historical structure of the country can explain this behavior as well as the presence of subsidies that donâ&#x20AC;&#x2122;t allow the transmission to the Industrial Production Index, measured by the Manufacturing Index can also disturb this relationship. Gately and Huntington (2002) and Dargay et al. (2007) find that energy demand in OECD countries responds to changes in oil prices but

163

Juan Carlos Alarcon - Juan Carlos Molero - Fernando PĂŠrez de Gracia Cuestiones EconĂłmicas Vol. 26, No. 2:2, 2016

find mixed effects for non-OECD countries. They argue that the low response to crude oil prices in most Non-OECD countries may reflect government interventions designed to avoid pass-through to final consumers. The use of clean energy has been a considerable change in Latin American countries and this reduces a large portion of the use of fossil fuels and their exposure to shocks and indeterminacy as in Wen and Aguiar-Conraria (2006). Therefore, since also a relationship between GDP and oil prices has been diminishing as shown in Hamilton and Herrera (2004) our results fit what is expected in the literature. In the case of Colombia, a net oil exporter, we found as well an increase in the IPI after the shock and allowing for nominal oil specifications. Having a peak at around 3 months, corresponding with the finding obtained by Uribe and Ulloa (2011). The slight negative effect may be due to the difficulty of transmission of gains to the Industrial Production Index measured by the Manufacturing Index as well. These results go in accordance with the results shown in Mork (1989), Berument et al. (2010). Rahman and Serletis (2010) also show that monetary policy reinforces the effects of oil shocks on output and contributes also to the asymmetric response of output to oil price shocks. In sum, the results obtained in this paper show that the oil price shocks have an important effect on real economic variables in the short run as noticed in Cunado and Perez de Gracia (2005) although the effects are differently significant among countries. We find a positive and significant effect on inflation in Brazil whereas for Peru and Colombia we find significant effects on economic growth. These results go in accordance to the sectorial composition dimensions of each country. They are consequent as well with the reduction of use of fossil fuels in the provision of energy. They are in conformity with government policies that regulate gasoline prices in order to avoid the pass through to consumers to regulate inflationary pressures. This regulation deters the increase of costs related to oil to the industries as shown in World Bank (2006), therefore, companies are more competitive in international markets and this will encourage an increase in exports. V.

CONCLUDING REMARKS

The main contribution of this paper it to have studied three of the major oil exposed economies in South and Central America and obtain consistent results with the literature and allowing for nonlinear specification of oil shocks. These three countries account for 37% of the total oil production of Central and South America. The case of Brazil that alone accounts for 42.3% of oil consumption in the region is of special interest since it is a major player and shown reactions to oil shocks in

164

The macroeconomic effects of oil shocks in three Latin American economies

accordance to what has been analyzed in the literature. Inflationary pressure will be an issue when we observe oil price increases. Governments should be able to control in an optimal way how this prolonged and significant increase in prices is handled. The extent to which Brazil is exposed to oil price shocks and how commodities are affected can create negative spillovers to the region since Brazil is the main exporter of manufactured products. Peru and Colombia are strong emerging economies where the oil price regulation is an important issue to analyze. In line with Calvacanti and Jalles (2013) we find a strong significant and prolonged result that shows an increase in inflation in Brazil after an oil price shock, a consistent result for net oil importers as in Blanchard and Gali (2007). Higher oil prices would affect the disposable income of agents and hence their consumption. Its disposable income declines in the face of higher crude oil prices, thus lowering its consumption. In addition, oil prices may lower investment by raising the production cost of firms as in World Bank (2006). For Colombia and Peru, the result is not very significant in accordance with Uribe and Ulloa (2011) and Blanchard and Gali (2007). In the case of Peru, also a net oil importer, the transmission or pass-through of an increase of oil price to core CPI shown as an increase in the price of gasoline is limited because of the presence of subsidies as explained in World Bank (2006), although a gradual elimination was implemented in 2012 still this explains why the consumer does not seem affected by oil price increases. Regarding economic growth, measured using IPI, we observe significant negative results for Brazil this is in accordance with seeing oil as an input in the production function of firms, a sharp increase in crude oil prices will lead to rising production costs which, in turn, would lower output. The size of the drops is in accordance to what is found in World Bank (2006). The results of IPI are not significant for Colombia, in line with Killian (2008b). We do not observe a strong increase in Colombia, this lack of the expected behavior may be due to the measure we used as a proxy of IPI: Manufacturing Index. This may create distortions in the measure and may not allow, together with monetary policies that control domestic demand, the correct pass-through of oil increase to IPI measures as stated in World Bank (2006). For Peru we observe an increase in the economic growth, we can find that this relationship holds because of domestic oil price control that is used as a protectionary measure as explained above. This allows industries not to be severally affected by oil price shocks, because of the subsidy their prices are more competitive in world markets and this encourages an increase in exports. We should not forget that the three countries are oil producers and the variation on the level of consumption

165

Juan Carlos Alarcon - Juan Carlos Molero - Fernando PĂŠrez de Gracia Cuestiones EconĂłmicas Vol. 26, No. 2:2, 2016

has changed and will change but also that these three countries account for more than half of oil consumption in South and Central America. In sum, this paper shows that oil price shocks have an important effect on real economic variables in the short run as noticed in Cunado and Perez de Gracia (2005). The sectorial composition and the share of the economy dependent directly and indirectly of oil, and it should be analyzed in more depth, in order to attain a better understanding of economic alterations caused by oil shocks. We expect to analyze in future research the issue of non-stationarity of interest rates. It is important to take into account price stickiness and how commodities prices react more rapidly to oil increases than decreases as in Lee et al (1995). Moreover, the correct diversification of the economy, regarding oil production dependency, still continuous to be a necessary issue to attain in the medium-long run.

Documento recibido: 30/08/2015 Documento aceptado: 18/11/2016

166

The macroeconomic effects of oil shocks in three Latin American economies

REFERENCES Alaimo, V., & Lopez, H. (2008). Oil intensities and oil prices: evidence for Latin America. World Bank Policy Research Working Paper Series, Vol. Annual Energy Outlook (2014). Energy Information Administration (EIA)., International Energy Statistics database, www.eia.gov/ies. DOE/EIA-0383(2014) (Washington, DC: May 2014). Bernanke, B. S., Gertler, M., Watson, M., Sims, C. A., & Friedman, B. M. (1997). Systematic monetary policy and the effects of oil price shocks. Brookings papers on economic activity, 1997(1), 91-157. Berument, M. H., Ceylan, N. B., & Dogan, N. (2010). The impact of oil price shocks on the economic growth of selected MENA countries. The Energy Journal, 149-176. Blanchard, O. J., & Gali, J. (2007). The Macroeconomic Effects of Oil Shocks: Why are the 2000s so different from the 1970s? (No. w13368). National Bureau of Economic Research. Cavalcanti, T., & Jalles, J. T. (2013). Macroeconomic effects of oil price shocks in Brazil and in the United States. Applied Energy, 104, 475-486. Caselli, F., & Michaels, G. (2013). Do oil windfalls improve living standards? Evidence from Brazil. American Economic Journal: Applied Economics, 5(1), 208-238. Clements, M. P., & Hendry, D. F. (1995). Forecasting in cointegrated systems. Journal of Applied Econometrics, 10(2), 127-146. Cologni, A., & Manera, M. (2008). Oil prices, inflation and interest rates in a structural cointegrated VAR model for the G-7 countries. Energy economics, 30(3), 856-888. Cunado, J., & De Gracia, F. P. (2005). Oil prices, economic activity and inflation: evidence for some Asian countries. The Quarterly Review of Economics and Finance, 45(1), 65-83. Curcio, S., & Vilker, A. (2014). Impacto de las variaciones de precios de las commodities exportadas en la economía real de los países de América Latina. Revista de investigación en modelos financieros, 1.

167

Juan Carlos Alarcon - Juan Carlos Molero - Fernando Pérez de Gracia Cuestiones Económicas Vol. 26, No. 2:2, 2016

Davis, S. J., & Haltiwanger, J. (2001). Sectoral job creation and destruction responses to oil price changes. Journal of monetary economics, 48(3), 465-512. Dargay, J. M., Gately, D., & Huntington, H. G. (2007, August). Price and income responsiveness of world oil demand, by product. In Energy Modeling Forum Working Paper EMF OP (Vol. 61). Dickey, D. A., & Fuller, W. A. (1981). Likelihood ratio statistics for autoregressive time series with a unit root. Econometrica: Journal of the Econometric Society, 1057-1072. Federal Reserve Bank of St. Louis (2015). FRED Economic Data. https://research. stlouisfed.org/fred2/. Last access: 24 August, 2015. Ferderer, J. P. (1997). Oil price volatility and the macroeconomy. Journal of macroeconomics, 18(1), 1-26. Gately, D., & Huntington, H. G. (2002). The asymmetric effects of changes in price and income on energy and oil demand. The Energy Journal, 19-55. Gillman, M., & Nakov, A. (2009). Monetary effects on nominal oil prices. The North American Journal of Economics and Finance, 20(3), 239-254. Gonzales, E. J. R., & de Proyectos breves, C. Crecimiento económico y desarrollo sustentable: el rol de los recursos naturales en la economia peruana: 1970-2005. Hamilton, J. D. (1983). Oil and the macroeconomy since World War II. The Journal of Political Economy, 228-248. Hamilton, J. D. (1996). This is what happened to the oil price-macroeconomy relationship. Journal of Monetary Economics, 38(2), 215-220. Hamilton, J. D. (2003). What is an oil shock?. Journal of econometrics, 113(2), 363-398. Hamilton, J. D., & Herrera, A. M. (2004). Oil shocks and aggregate macroeconomic behavior: the role of monetary policy: a comment. Journal of Money, Credit, and Banking, 36(2), 265-286. Hamilton, J. D. (2009). Causes and Consequences of the Oil Shock of 2007-08 (No. w15002). National Bureau of Economic Research.

168

The macroeconomic effects of oil shocks in three Latin American economies

Hausmann, R. (1995). Dealing with negative oil shocks: the Venezuelan experience in the eighties. Hoffman, D. L., & Rasche, R. H. (1996). Assessing forecast performance in a cointegrated system. Journal of Applied Econometrics, 11(5), 495-517. Hooker, M. A. (1996). What happened to the oil price-macroeconomy relationship?. Journal of monetary Economics, 38(2), 195-213. Hooker, M. A. (2002). Are oil shocks inflationary?: Asymmetric and nonlinear specifications versus changes in regime. Journal of Money, Credit, and Banking, 34(2), 540-561. International Monetary Fund (2015). International Financial Statistics (IFS), http:// elibrary-data.imf.org/DataExplorer. Last Acces: 24 August, 2015 Johansen, S., & Juselius, K. (1990). Maximum likelihood estimation and inference on cointegrationâ&#x20AC;&#x201D;with applications to the demand for money. Oxford Bulletin of Economics and statistics, 52(2), 169-210. Kilian, L. (2008a). The economic effects of energy price shocks. Journal of Economic Literature, 46(4), 871-909. Kilian, L. (2008b). Exogenous oil supply shocks: how big are they and how much do they matter for the US economy?. The Review of Economics and Statistics, 90(2), 216-240. Kim, S., & Willett, T. D. (2000). Is the negative correlation between inflation and growth real? An analysis of the effects of the oil supply shocks. Applied Economics Letters, 7(3), 141-147. Koop, G., Pesaran, M. H., & Potter, S. M. (1996). Impulse response analysis in nonlinear multivariate models. Journal of econometrics, 74(1), 119-147. Lee, K., Ni, S., & Ratti, R. A. (1995). Oil shocks and the macroeconomy: the role of price variability. The Energy Journal, 39-56. Lescaroux, F., & Mignon, V. (2008). On the influence of oil prices on economic activity and other macroeconomic and financial variables. OPEC Energy Review, 32(4), 343-380. Maghyereh, A. (2006). Oil price shocks and emerging stock markets: A generalized VAR approach. In Global Stock Markets and Portfolio Management (pp. 55-68). Palgrave Macmillan UK.

169

Juan Carlos Alarcon - Juan Carlos Molero - Fernando Pérez de Gracia Cuestiones Económicas Vol. 26, No. 2:2, 2016

Mendoza, O., & Vera, D. (2010). The asymmetric effects of oil shocks on an oil-exporting economy. Cuadernos de economía, 47(135), 3-13. Mork, K. A. (1989). Oil and the macroeconomy when prices go up and down: an extension of Hamilton’s results. Journal of political Economy, 97(3), 740-744. Mory, J. F. (1993). Oil prices and economic activity: is the relationship symmetric?. The Energy Journal, 151-161. Naka, A., & Tufte, D. (1997). Examining impulse response functions in cointegrated systems. Applied economics, 29(12), 1593-1603. Nunnenkamp, P. (1982). The impact of rising oil prices on economic growth in developing countries in the seventies. Kyklos, 35(4), 633-647. Park, J., & Ratti, R. A. (2008). Oil price shocks and stock markets in the US and 13 European countries. Energy economics, 30(5), 2587-2608. Perilla, J. (2010). El impacto de los precios del petróleo sobre el crecimiento económico en Colombia. Revista de Economía del Rosario, 13(1). Phillips, P. C., & Perron, P. (1988). Testing for a unit root in time series regression. Biometrika, 75(2), 335-346. Pinzón, H. Y. R. (2011). Estudio del fenómeno de inflación importada vía precios del petróleo y su aplicación al caso colombiano mediante el uso de modelos var para el periodo 2000-2009. Estudios Gerenciales, 27(121), 79-97. Rahman, S., & Serletis, A. (2010). The asymmetric effects of oil price and monetary policy shocks: A nonlinear VAR approach. Energy Economics, 32(6), 1460-1466. Rasche, R. H., & Tatom, J. A. (1981, January). Energy price shocks, aggregate supply and monetary policy: the theory and the international evidence. In Carnegie-Rochester Conference Series on Public Policy (Vol. 14, pp. 9-93). North-Holland. Sachs, J. D., & Warner, A. M. (2001). The curse of natural resources. European economic review, 45(4), 827-838. Sadorsky, P. (1999). Oil price shocks and stock market activity. Energy Economics, 21(5), 449-469.

170

The macroeconomic effects of oil shocks in three Latin American economies

Salas, J. (2009). ¿Qué explica las fluctuaciones de la inflación en el Perú en el periodo 20022008?: Evidencia de un análisis VAR estructural. Banco Central de Reserva del Perú, Revista Estudios Económicos, 16, 9-36. Sánchez Villamil, E. Shocks del precio del petróleo y su impacto en el crecimiento y la inflación de la economía colombiana/Shocks of oil prices and its impact in the growth and inflation of the colombian economy (Doctoral dissertation, Universidad Nacional de Colombia). Sims, C. A. (1980). Macroeconomics and reality. Econometrica: Journal of the Econometric Society, 1-48. Uribe Gil, J., & Ulloa Villegas, I. M. (2011). Otro País Exportador Neto de Petróleo y sus Reacciones Macroeconómicas ante Cambios del Precio: Colombia. Universidad del Valle-CIDSE. Schwert, G. W. (1987). Effects of model specification on tests for unit roots in macroeconomic data. Journal of Monetary Economics, 20(1), 73-103. Wen, Y., & Aguiar-Conraria, L. (2008). A note on oil dependence and economic instability. Macroeconomic Dynamics, 12(05), 717-723. World Bank (2006). Assessing the Impact of Higher Oil Prices in Latin America. Jointly prepared with the Latin American and the Caribbean Region, Office of the Chief Economist and Economic Policy Sector. World Bank (2015). Latin America and Caribbean Overview: http://www. worldbank.org/en/region/lac/overview. Last access: August 10, 2015.

171