Diplomado en Gestin

Estratgica de las

Finanzas

Pblicas

MTODOS ESTADSTICOS PARA LA ESTIMACIN DE INGRESOS La estimacin o proyeccin de ingresos futuros puede llevarse a cabo mediante diferentes mtodos estadsticos de extrapolacin, entre ellos: sistema automtico, promedios mviles y de suavizacin exponencial, de aumento, economtricos (e.g., mtodo de mnimos cuadrados, modelo de regresin lineal, modelo de correlacin no lineal) y directo. Mtodos de extrapolacin Estiman la recaudacin con base en su evolucin en el tiempo. Es decir, mantienen la premisa de que la recaudacin est determinada por el incremento o decremento de ella en el tiempo. Los clculos de estimacin se proyectan con base en informacin histrica de los ingresos obtenidos en distintos periodos (trimestres, semestres, aos, etc.). Sistema automtico Estima los rendimientos ms probables del ejercicio futuro con base en resultados conocidos del ao anterior. En este mtodo hay que tomar en cuenta que el presupuesto de ingresos se encuentra en ejecucin, por lo cual, no se conoce la recaudacin final del ltimo periodo anterior al que se presupuestar; entonces, se tomar como base los ingresos del penltimo ejercicio fiscal para el periodo que se pretende presupuestar. Cabe sealar que este mtodo fue el primero que se utiliz en la estimacin de ingresos pblicos, aunque en la actualidad no se utiliza, ya que no considera el cambio en las condiciones econmicas que afectan la captacin de ingresos.

Mtodos de promedios
Aunque existen ms mtodos para pronosticar, por simplicidad presentamos solamente dos, que consideramos los ms usuales y sencillos de llevar a cabo. Promedios Mviles Suavizacin Exponencial Estos mtodos pueden utilizarse cuando: a) b) c) Hay informacin disponible de la variable(s) que se est pronosticando. La informacin puede ser cuantificada. Si se considera razonable que el patrn de comportamiento del pasado continuar en el
D.R. Instituto Tecnolgico y de Estudios Superiores de Monterrey, Mxico, 2006

Diplomado en Gestin

Estratgica de las

Finanzas

Pblicas

futuro. Si se cuenta con una base de datos histrica y se quiere pronosticar una variable considerando su comportamiento pasado, entonces podemos utilizar el mtodo de promedios mviles o el mtodo de suavizacin exponencial, que son conocidos tambin como mtodos de series de tiempo1. Mtodo de Promedios Mviles La utilizacin de esta tcnica supone que la serie de tiempo es estable, esto es, que los datos que la componen se generan sin variaciones importantes entre un dato y otro (error aleatorio=0)2, esto es, que el comportamiento de los datos aunque muestren un crecimiento o un decrecimiento lo hagan con una tendencia constante. Cuando se usa el mtodo de promedios mviles se est suponiendo que todas las observaciones de la serie de tiempo son igualmente importantes para la estimacin del parmetro a pronosticar (en este caso los ingresos). De esta manera, se utiliza como pronstico para el siguiente periodo el promedio de los n valores de los datos ms recientes de la serie de tiempo. Utilizando una expresin matemtica, tenemos: El trmino mvil indica que conforme se tienen una nueva observacin de la serie de
Promedio Mvil
Comment [u1]: Serie cronolgica

(n valores de datos ms recientes)

(1)

tiempo, se reemplaza la observacin ms antigua de la ecuacin y se calcula un nuevo promedio. El resultado es que el promedio se mover, esto es, conforme se tengan nuevos datos y se vayan sustituyendo en la frmula, el valor del promedio ir modificndose. No existe una regla especfica que nos indique cmo seleccionar la base del promedio mvil n. Si la variable que se va a pronosticar no presenta variaciones considerables, esto es, si su comportamiento es relativamente estable en el tiempo, se recomienda que el valor de n sea grande. Por el contrario, es aconsejable un valor de n pequeo si la variable muestra patrones cambiantes. En la prctica, los valores de n oscilan entre 2 y 10. El mtodo de promedios mviles es muy til cuando se tiene informacin no desagregada y cuando no se conoce otro mtodo ms sofisticado y que permita predecir con mayor confianza.
Este mtodo permite suavizar la serie de tiempo aunque existen otros mtodos que son ms eficientes en la prediccin.

Una serie de tiempo es un conjunto de observaciones respecto a una variable, medidas en puntos sucesivos en el tiempo o a lo largo de periodos sucesivos de tiempo. Un anlisis de una secuencia de datos se conoce como anlisis de series de tiempo de una variable. 2 El error aleatorio muestra el grado de confiabilidad con que se van a comportar los datos. La variacin del error puede ser de 0 a 1, en donde, un error aleatorio=0 muestra una total confiabilidad del comportamiento de los datos y un error aleatorio=1 muestra que los datos no son confiables en su comportamiento.
D.R. Instituto Tecnolgico y de Estudios Superiores de Monterrey, Mxico, 2006

Diplomado en Gestin Suavizacin Exponencial

Estratgica de las

Finanzas

Pblicas

Otro mtodo para realizar un pronstcico es el mtodo de suavizacin exponencial. A diferencia de los promedios mviles, este mtodo pronostica otorgando una ponderacin a los datos dependiendo del peso que tengan dentro del clculo del pronstico. Esta ponderacin se lleva a cabo a travs de otorgarle un valor a la constante de suavizacin, , que puede ser mayor que cero y menor que uno. Para nuestro ejemplo, utilizamos un valor de = 0.8, por ser ste el que mejor ajusta al pronstico a los datos reales. El mtodo de suavizacin exponencial supone que el proceso es constante, al igual que el mtodo de promedios mviles. Esta tcnica est diseada para atenuar una desventaja del mtodo de promedios mviles, en donde los datos para calcular el promedio tienen la misma ponderacin. De manera particular, esta tcnica considera que las observaciones recientes tienen ms valor, por lo que le otorga mayor peso dentro del promedio. La suavizacin exponencial utiliza un promedio mvil ponderado de los datos histricos de la serie de tiempo como pronstico; es un caso especial de promedio mvil en donde se selecciona un solo valor de ponderacin3. El modelo bsico de suavizacin exponencial se presenta a continuacin:

Ft+1 = Yt + (1 - )Ft Donde:

(2)

Ft+1 = Pronstico de la serie de tiempo para el periodo de t + 1. Yt = Valor real del periodo anterior al ao a pronosticar. Ft = Valor real del periodo anteanterior al ao a pronosticar. = Constante de suavizacin (0 1). La utilizacin de esta ecuacin implica algunas especificaciones. El clculo de Ft+1 est ligado con los 2 periodos anteriores. En otras palabras, el pronstico de suavizacin exponencial en determinado periodo es (Ft+1) = al valor real de la serie de tiempo en el periodo anterior (Yt) X la constante de suavizacin (), + 1 - la constante de suavizacin () X el periodo anteanterior (Ft). Ft+1 = Yt + (1 - )Ft (2)

A pesar de que la suavizacin exponencial nos da un pronstico que es un promedio ponderado de todas las operaciones pasadas, no es necesario guardar todos los datos del pasado a fin de calcular el pronstico para el periodo siguiente. De hecho, una vez seleccionada la
La ponderacin se determina considerando el peso que se le asigna al valor ms reciente de la serie. Los pesos o ponderaciones para los dems valores se determinan automticamente, hacindose ms pequeos conforme las observaciones se alejan del presente.
D.R. Instituto Tecnolgico y de Estudios Superiores de Monterrey, Mxico, 2006
3

Diplomado en Gestin

Estratgica de las

Finanzas

Pblicas

constante de suavizacin , slo se requiere de dos elementos de informacin para calcular el pronstico. La ecuacin (2) muestra que con un dado, podemos calcular el pronstico para el periodo t + 1 simplemente conociendo los valores reales y pronosticados de la serie de tiempo para el periodo t, es decir, Yt y Ft. La eleccin de la constante de suavizacin es crucial en la estimacin de pronsticos futuros. Si la serie de tiempo contiene una variabilidad aleatoria sustancial, se preferir un valor pequeo como constante de suavizacin. La razn de esta aseveracin es que gran parte del error del pronstico es provocado por la variabilidad aleatoria, por lo que un valor pequeo de permite un pronstico mejor. Por el contrario, para una serie de tiempo con una variabilidad aleatoria relativamente pequea, valores ms elevados de la constante de suavizacin tienen la ventaja de ajustar con rapidez los pronsticos cuando ocurren errores de pronstico y permitiendo, por lo tanto, que el pronstico reaccione con mayor rapidez a las condiciones cambiantes. En la prctica, el valor de est entre .01 y .90.
AO IN GRESO S TO TAL ES EGRESOS TO T A LES
PR O N S T IC O D E S U A VIZ ACI N EX PO N EN CIA L D E LO S IN G RES O PR O N S T ICO D E S U AV IZ A CI N EX PO N E N CIA L D E LO S EGRES OS

N IVEL DE AHO RRO

19 9 0 1991 19 9 2 19 9 3 19 9 4 19 9 5 19 9 6 19 9 7 19 9 8 19 9 9 2000 2001 2002 2003

16 3 3 0 5 2 0 19 8 6 3 18 7 7 4 405554 440775 437164 537194 704574 10 0 5 7 4 5 12 3 5 6 6 5 12 9 5 5 3 5 117 6 13 3 12 7 16 5 5 119 5 2 3 7

162370 189498 318776 412658 4 6 110 5 4 3 9 7 19 540698 705373 945202 1484561 1712623 16 3 4 3 6 6 16 4 3 2 2 2 1636137 16 3 3 0 5 19 4 2 5 0 293869 383217 429263 435584 5 16 8 7 2 667034 938003 117 6 13 3 1271655 119 5 2 3 7 1256371 16 2 3 7 0 18 4 0 7 2 2 9 18 3 5 388493 446583 4 4 10 9 2 520777 668454 889852 13 6 5 6 19 1643222 16 3 6 13 7 16 4 18 0 5 935 10 17 7 2034 -5 2 7 6 -17 3 19 -5 5 0 8 -3 9 0 5 -14 2 0 4 8 15 0 -18 9 4 8 7 -3 7 15 6 8 -4 4 0 9 0 0 -3 8 5 4 3 4

CUADRO

Utilizando la ecuacin 2, sustituimos los valores correpondientes para hacer el pronstico para el ao 1992. Sutituyendo valores nos quedara: Fingresos 1992 = 0.8 (201986) + (1 0.8)(163305) Fegresos 1992 = 0.8 (189498) + (1 0.8)(162370) El mismo procedimiento se realiza para el resto de los aos y obtenemos los resultados que aparecen en el cuadro 2. Una vez que se calculan los
D.R. Instituto Tecnolgico y de Estudios Superiores de Monterrey, Mxico, 2006

Diplomado en Gestin

Estratgica de las

Finanzas

Pblicas

pronsticos de ingresos y egresos, la diferencia entre stos nos da el ahorro, que aparece en la ltima columna del mismo cuadro. Podemos observar que el pronstico se ajusta ms a los datos reales que en el caso de los promedios mviles. Este mtodo nos permite realizar un pronstico ms confiable que el caso anterior. Claramente se observa que el pronstico tiene mejor ajuste y la diferencia entre los valores reales y los pronosticados es mnima. Por lo tanto, este mtodo es una mejor opcin que los promedios mviles para predecir el comportamiento futuro de los ingresos y egresos. Mtodo de aumento En este mtodo se aplica la tasa de variacin observada en los ltimos periodos fiscales sobre sus recaudaciones respectivas. La estimacin se puede realizar de las siguientes maneras: a) b) c) El promedio de las diferencias resultantes entre las recaudaciones de un ao y otro, se agrega a la recaudacin del ltimo ao. Estima la recaudacin para un prximo ejercicio fiscal en funcin de la tasa de variacin observada en los ltimos aos. Media Geomtrica. Estimacin a travs de la tasa media de variacin, la cual se aplica cuando no se tenga la informacin sobre los montos de ingresos de algn periodo intermedio, dentro del nmero de ejercicios fiscales considerados.

a) Estimacin con base en el promedio de las diferencias resultantes entre las recaudaciones de distintos periodos. Diferencia Anual en la Recaudacin Aos Recaudacin 1995 $13000,000 1996 $22500,000 1996-1995= $ 22500,000 - $ 13000,000 = $ 9500,000 1997 $29500,000 1997-1996= 29500,000 22500,000 = 7000,000 1998 $50500,000 1998-1997= 50500,000 29500,000 = 21000,000 1999 $53720,000 1999-1998= 53720,000 50500,000 = 3220,000 $ 40720,000

Promediando el total de diferencias entre el nmero de ellas $ 40720,000 /4 = $ 10180,000

D.R. Instituto Tecnolgico y de Estudios Superiores de Monterrey, Mxico, 2006

Diplomado en Gestin

Estratgica de las

Finanzas

Pblicas

Si este incremento lo agregamos a la recaudacin de 1999, podemos obtener la estimacin de la recaudacin para el ao 2000

$ 53720,000 + 10180,000 = $63900,000 Recaudacin esperada para el ao 2000.

b) Estimacin en base a la tasa de variacin en el tiempo. Media Geomtrica
AOS 1995 1996 1997 1998 1999 RECAUDACIN $ 13 000,000 22500,000 29500,000 50500,000 53720,000 TASA DE VARIACION 1996 1995 = 22500,000 - 13000,000 1997 1996 = 29500,000 - 22500,000 1998 1997 = 50500,000 - 29500,000 1999 1998 = 53720,000 - 50500,000 X 100 / 13000,000 X 100 / 22500,000 X 100 / 29500,000 X 100 / 50500,000 = = = = 73.07% 31.11% 71.18% 6.37%

M . G = n ( x1)( x 2 )( x 3)( xi ) M.G = Media Geomtrica n = Nmero de Periodos x n = Tasas de Variacin.

M .G.= 4 (7307)(3111)(7118)(6.37) . . . M .G.= 4 1'030,71010 . M .G.= 3186% .

Aplicando esta tasa a la recaudacin de 1994, obtenemos el incremento esperado en la recaudacin para el ao 2000 $ 53720,000 x .3186 = $17836.00 $ 53720,000 + $17836.00 = $ 70835,192.00 Recaudacin estimada para el ao 2000. c) Estimacin a travs de la tasa media de variacin En el caso de que se carezca de informacin sobre la recaudacin especfica de un periodo intermedio de los considerados se puede obtener una tasa de cambio promedio, aplicando la siguiente formula.

r=n

Pn 1 Po

r = Tasa de cambio porcentual observada en la recaudacin en un perodo de

D.R. Instituto Tecnolgico y de Estudios Superiores de Monterrey, Mxico, 2006

Diplomado en Finanzas pblicas para la competitividad y el desarrollo tiempo determinado. n = nmero de aos comprendidos en el periodo observado. Po = Ingresos esperados al finalizar el periodo. Pn = Ingresos obtenidos al inicio del periodo total a analizar

r=4

53'720,000 1 13'000,000

r = 4 4.1312 1 r = 1.4257 1
r = .4257 = Tasa de variacin promedio $ 53720,000 x .4257 = 22872,133 $ 53720,000 + 22872,133 = 76,592,133 Recaudacin estimada para el ao 2000.

Mtodos economtricos
Mediante el uso de este mtodo es factible medir el grado de confiabilidad de la relacin existente entre variables tributarias, econmicas y administrativas. As por ejemplo, si se aplicara un aumento en un impuesto, se producira una transferencia de recursos del sector privado al sector pblico. Con la aplicacin de mtodos economtricos es factible medir, con base en datos para un perodo de tiempo, la relacin existente entre la recaudacin y las modificaciones en la estructura del impuesto. El clculo de la recaudacin estar en funcin del nivel de las tasas que se apliquen; de la base imponible del tributo; y del efecto conjunto de ambos, sobre las variables tributarias que se estn afectando. De igual forma, es factible medir futuros niveles de recaudacin con base en cambios en variables, tales como cambios en el Producto Interno Bruto, Consumo Privado, Sueldos y Salarios, etc. Igualmente, podran realizarse estimaciones vinculando el monto de las recaudaciones a variables representativas del grado de eficiencia de la administracin tributaria, como por ejemplo porcentajes de evasin, estructura administrativa dedicada a la recaudacin, nmero de empleados, etc.
Comment [u2]: Indica cun seguros podemos estar de que el proceso seguido resulte en valores que representen verdaderamente la poblacin. Se usa ms comnmente con intervalos de confianza. En sentido probabilstico, si tuviramos una confiabilidad del 95%, decimos que si repitiramos el proceso muchas veces, en cerca del 95% de las veces obtendramos resultados que reflejan verdaderamente la realidad. Cerca del 95% de los intervalos as construidos contendran el valor desconocido del parmetro. Comment [u3]: Base gravable

D.R. Instituto Tecnolgico y de Estudios Superiores de Monterrey, Mxico, 2006

Diplomado en Finanzas pblicas para la competitividad y el desarrollo Algunos modelos economtricos que se pueden aplicar son los siguientes:
Modelo de Regresin Lineal Mtodo de Mnimos Cuadrados Modelos de Correlacin no Lineal.

Anlisis de Regresin El anlisis de regresin implica que se determine una relacin entre una variable dependiente (ingresos) y una variable independiente (por ejemplo impuestos). Este mtodo implica la verificacin de la relacin de las variables asociadas con la teora econmica. El esquema 1 muestra el proceso que debe seguirse cuando se utiliza una regresin.
Figura 1. Descripcin Esquemtica de los pasos que supone la utilizacin del Anlisis de Regresin
Teora o modelo econmico

Informacin previa

Modelo economtrico o enunciado de la teora econmica en forma verificable empricamente

Datos

Prueba de cualesquiera de las hiptesis sugeridas por el modelo

Uso del modelo para predicciones y polticas

Estimacin del modelo

La frmula general de regresin entre la variable dependiente y y la variable independiente x est dada como Y = b0 + b1x + b2x+...+ bnx +

donde b0, b1... bn son parmetros desconocidos. El error aleatorio tiene una media cero y una desviacin estndar constante. La forma ms simples del modelo de regresin supone que la variable dependiente vara linealmente con el tiempo, es decir Y* = a + bx (3)

La constante a y b se determinan de los datos de la serie de tiempo con base en el criterio de los mnimos cuadrados ordinarios (MCO), que busca minimizar la suma del cuadrado de las
D.R. Instituto Tecnolgico y de Estudios Superiores de Monterrey, Mxico, 2006

Diplomado en Finanzas pblicas para la competitividad y el desarrollo diferencias entre los valores observados y estimados4. Esto quiere decir que utilizando MCO obtenemos la funcin lineal ptima que garantiza la mejor estimacin de las variables que queremos pronosticar. Haciendo las manipulaciones algebraicas, se obtiene la siguiente solucin:
a =

Y b X
n n

(5 )

b =

n XY - X Y n X - ( X)

(4 )

En estas ecuaciones se muestra que primero tenemos que calcular el valor de b para despus poder calcular el valor de a.

Una vez que se tienen calculados los valores de a y b, tenemos que establecer si los valores encontrados son vlidos5. Para hacerlo, necesitamos calcular el coeficiente de correlacin, r, que nos ayudar a establecer la validez de las variables estimadas. El ndice r se calcula de acuerdo con la siguiente ecuacin:
r= n x ( x) n y ( y)

Donde 1 r . Si r = 1, entonces ocurre un ajuste lineal perfecto entre x y y. En general, entre ms cercano sea el valor de r a 1, mejor ser el ajuste lineal. Si r = 0, entonces y y x pueden ser independientes. Realmente, r = 0 es slo una condicin necesaria pero no suficiente para la independencia, ya que es posible que dos variables dependientes arrojen una resultado r = 0. Cualquiera de las opciones que presentamos anteriormente, nos ayuda a elaborar un pronstico confiable de las variables que vamos a considerar para determinar el pronstico de los ingresos futuros de un municipio. La eleccin depender, como ya lo sealamos, de las condiciones de cada ayuntamiento. Sea cual sea el mtodo que se elija, se podr establecer un pronstico adecuado de las variables que se consideren.

La suma del cuadrado de las desviaciones entre los valores observados y los valores estimados est dado por: S = (yi a bxi) Los valores de a y b se determinan al resolver las siguientes condiciones necesarias para la minimizacin de S, es decir, S/a = -2 (yi a bxi) = 0 S/b = -2 (yi a bxi)xi = 0 5 Cuando utilizamos el mtodo de mnimos cuadrados ordinarios, decimos que los valores de a y b son vlidos para cualquier distribucin probabilstica de yi.
D.R. Instituto Tecnolgico y de Estudios Superiores de Monterrey, Mxico, 2006

Diplomado en Finanzas pblicas para la competitividad y el desarrollo Sin embargo, una limitacin para la aplicacin de este mtodo es la falta de informacin estadstica adecuada, y el costo de obtenerla, por parte de las Tesoreras Municipales, para la aplicacin de modelos economtricos.

Anlisis del mtodo directo

Existe un modelo intermedio que vincula en cierta medida al modelo del mtodo de aumento, el cual pretende incorporar en forma directa, el anlisis de la recaudacin en el tiempo y el comportamiento esperado de las variables que afectan la base impositiva de los ingresos. Este mtodo demanda un conocimiento de la estructura de cada ingreso, en lo que hace a la base imponible y sus tasas.

D.R. Instituto Tecnolgico y de Estudios Superiores de Monterrey, Mxico, 2006