Proyecto EMC2

ESTIMACIN DE UN MODELO VAR PARA EL PIB Y LOS
IMPUESTOS EN COLOMBIA (2000 -2015)
SEBASTIAN RIVERA RINCON

CRISTIAN ARIAS GARCA
PROFESOR: ALVARO CHAVES CASTRO
ESCUELA COLOMBIANA DE INGENIERA JULIO GARAVITO

ECONOMETRIA II
BOGOT
INTRODUCCIN
Los economistas han concedido gran importancia a la investigacin de
las causas por las cuales puede haber crecimiento econmico en un
pas. A la hora de establecer esos factores, uno de especial
consideracin es la poltica fiscal y en particular la imposicin o recaudo
tributario. As, en el plano terico, mientras la poltica fiscal no puede
afectar la tasa de crecimiento a largo plazo en los modelos neoclsicos
de crecimiento, si puede desempear un papel determinante en los
modelos de crecimiento endgeno.
El crecimiento econmico inducido por la fiscalidad depende
bsicamente de los efectos de los impuestos sobre las decisiones de los
agentes econmicos respecto al consumo y la inversin, y tambin de
los efectos de las polticas de gasto llevadas a cabo con tales ingresos
tributarios. En principio, una reduccin de impuestos, incrementa la
rentabilidad de la inversin y as fomenta la acumulacin, la innovacin
y el desarrollo y con ello la tasa de crecimiento del PIB. Y lo contrario con
incremento de la carga tributaria. En lo que se refiere a gasto publico
financiado con impuestos, si es productivo, es decir genera mayor
infraestructura, investigacin y desarrollo y capital humano, va mejora
en la educacin y salud, frente a una reduccin impositiva y por tanto
tambin del gasto pblico puede aminorar los niveles de crecimiento.
Por tanto, la estructura tributaria de un pas influye directamente en su
crecimiento econmico y competitividad. A travs de un buen sistema
impositivo, el Estado no solo garantiza la generacin de recursos
suficientes para satisfacer las necesidades de la sociedad y mantener la
estabilidad de las finanzas pblicas, sino tambin moldea los incentivos
privados para invertir, generar empleo y explorar nuevas alternativas de
negocio en nuevos sectores econmicos, influyendo directamente en las
posibilidades de transformacin productiva del pas. Pero un gran
interrogante a lo largo de la teora econmica es si la estructura
tributaria es un factor preponderante en el crecimiento o si bien los
cambios en las tasas de crecimiento (ciclos econmicos) son los que
determinan la composicin del recaudo tributario segn sea necesario
para la economa, es decir un manejo de la poltica ya sea procclica o
anticclica, o si dichas variables no estrechamente correlacionadas.
De esta manera el objetivo de este ensayo es realizar un anlisis terico
y economtrico a travs de un modelo de vectores autorregresivos
(VAR), con el fin de determinan la correlacin entre las tasa de
crecimiento del PIB y las tasas de crecimiento del recaudo tributario en

el caso de la economa colombiana durante el periodo 2000 a 2015,
haciendo especial nfasis en encontrar empricamente la causalidad en
que se pueden afectar dichas variables en Colombia.
MARCO TERICO: UNA BREVE REVISIN LITERARIA
La literatura econmica respecto a la relacin entre el crecimiento
econmico y la poltica tributaria ha tenido fuertes discrepancias, donde
esencialmente hay una divisin analtica entre los modelos neoclsicos
de crecimiento frente a los modelos endgenos y los resultados
derivados de la evaluacin a nivel emprico en diferentes pases.
De acuerdo a los inciales modelos neoclsicos de crecimiento como el
de Solow (1956), que enfatizan que la acumulacin de capital y la tasa
de crecimiento a largo plazo dependen de factores exgenos como el
crecimiento de la poblacin y el progreso tecnolgico, por lo que la
poltica fiscal y el tamao del sector pblico no explicaran diferenciales
permanentes en las tasas de crecimiento, aunque si leves movimientos
en el corto plazo, es decir la poltica fiscal (tributaria y gasto) puede
afectar el nivel de produccin, pero no la tasa de crecimiento en el
estado estacionario.
Frente a estos modelos se encuentran los modelos de crecimiento
endgeno, desarrollados a partir de los trabajos de Romer(1986) con el
modelo AK y Lucas(1988), los cuales amplan el concepto neoclsico de
capital, aadiendo el capital humano, de modo que los rendimientos del
capital ya no son decrecientes y por tanto la tasa de crecimiento a largo
plazo endgena, depender tambin de la inversin en capital humano,
es decir, en educacin y salud y por ende ser relevante la conexin
entre impuestos y oferta de trabajo. Estos modelos coinciden en que el
tipo impositivo sobre el capital ptimo de largo plazo es cero, donde a
travs de simulaciones demuestran en general que la transicin hacia
impuestos indirectos favorece al crecimiento econmico.
Otra aproximacin terica parte de Myles (2009) donde el efecto de una
variacin impositiva sobre el crecimiento econmico depender de dos
efectos: I) el del impuesto sobre las decisiones de los agentes y II) el de
las decisiones sobre el crecimiento. De tal forma que el efecto final del
impuesto puede ser muy reducido si uno de los anteriores lo es. Es decir,
un aumento de cierto tipo de impuesto puede repercutir de forma
importante en una decisin de los agentes, pero dicha decisin puede
tener un efecto muy limitado sobre el crecimiento del PIB. De esta

manera, los efectos de la imposicin no son los mismos en todos los
contextos y pases, dado que en la medida en que las consecuencias
sobre las conductas (decisiones) y a su vez sobre el crecimiento pueden
afectar de forma notable.
A nivel terico un tema de gran relevancia es que si el objetivo de los
sistemas tributarios es favorecer al crecimiento econmico, entonces el
criterio normativo que debera regir su diseo, no debera ser otro que la
bsqueda de eficiencia en la asignacin de recursos. Un sistema
tributario es eficiente si evita el dirigismo impositivo, reduciendo al
mximo las interferencias que produce sobre el comportamiento de los
agentes econmicos. Es decir, la eficiencia econmica requiere que los
individuos adopten sus decisiones por razones estrictas de costo y
productividad econmica y no por razones fiscales. No obstante, siendo
esto as, los sistemas tributarios absolutamente neutrales son en
esencia operacionalmente imposibles e incluso indeseables, ya que: I)
Los sistemas tributarios deben cumplir con otras metas de poltica
econmica, como la suficiencia recaudatoria y la justicia distributiva
(Neumark, 1994); II) Existen fallos de mercado que hacen que el sistema
no sea eficiente por s mismo. Por ello, en aras de una mayor eficiencia,
es previsible que se requieran intervenciones en forma disposiciones
regulatorias y distorsiones impositivas que compensen y atenen dichos
fallos.
Los principales anlisis empricos realizados respecto al nivel de relacin
entre el crecimiento del PIB y la recaudacin de impuestos, estn dados
por Vzquez (2009), el cual estima que los ingresos tributarios y la
actividad econmica por propia naturaleza se encuentran altamente
correlacionados, de hecho, los impuestos como ingresos del gobierno
llegan a ser una proporcin significativa del PIB, y se evidencia que
cuando hay crecimiento de la economa hay crecimiento de los
impuestos al mismo tiempo, lo cual quiere decir que la elasticidad entre
los ingresos tributarios y el PIB es cercana a uno, lo cual implica que la
estructura tributaria es capaz de captar la dinmica del crecimiento
econmico.
Seplveda (2008) considera que la elasticidad unitaria entre la
tributacin y el PIB se fundamenta en las caractersticas de un sistema
tributario optimo, es decir, aquel que tiene equidad, neutralidad, justicia,
eficiencia, minimizacin de los costos administrativas de la tributacin y
la facilidad para ejecutar poltica fiscal, donde a medida que el sistema

tributario de un determinado pas cumpla con estas caracterstica se
puede concluir que este se encuentra en un estado adecuado para
recoger los cambios experimentados por el PIB ( pocas de expansin y
recesin econmica), por lo tanto se que un cambio en el PIB produzca
un cambio proporcional en el recaudo tributario.
Osorio (2008) sostiene que durante una depresin econmica el
gobierno debe reducir los impuestos, provocando un mayor gasto por
parte del sector privado, lo cual acarrea un aumento del consumo de los
individuos y una mayor participacin de los inversionistas en el
mercado, y por el contrario, durante una expansin econmica el
gobierno debe incrementar los impuestos y de esa manera no promover
el gasto por parte del sector privado con el fin de evitar presiones
inflacionarias.
De igual manera, en un informe realizado por Freire (2008) se evidencia
que los impuestos y el PIB cuentan con una alta correlacin al tomar
series trimestrales sin desestacionalizar, lo cual es superior al 84% de lo
que concluyen que no existen otros factores que motiven el incremento
del recaudo ms que el crecimiento econmico, es decir, que las
variables PIB y los impuestos presente una reciprocidad infalible.
CASO COLOMBIANO:
Las cargas impositivas afectan en gran medida las decisiones de ahorro,
inversin y consumo de los agentes econmicos. Por esta razn, el
sistema tributario debe procurar ser lo menos distorsionante e intrusivo
posible y as minimizar las prdidas de eficiencia y productividad que
puedan generar.
El sistema impositivo colombiano presenta serios fallos que conducen a
perdidas en el crecimiento nacional. Su estructura aumenta las
distorsiones que influyen en las decisiones econmicas de los agentes
del mercado. En primer lugar, el sistema tributario presenta una
estructura tarifaria ineficiente, que grava en exceso algunas inversiones,
y en algunos casos genera desincentivos, particularmente para
inversionistas y trabajadores violando el principio de eficiencia
econmica consagrado en la Constitucin de 1991. En segundo lugar,
hay una alta complejidad que exacerba los desincentivos, al tiempo que
conlleva al incumplimiento del principio de equidad horizontal y
promueve la baja productividad de los impuestos.
En tercer lugar, cuenta con una base gravable muy pequea, por lo cual
el peso de la financiacin del Estado recae sobre muy pocas personas
naturales y jurdicas, en contrava del principio de equidad vertical
(progresividad).
Este contexto del sistema tributario colombiano es preocupante, donde
gran parte del problema se debe a la cantidad exagerada de reformas
que no dan soluciones satisfactorias. Esto es preocupante en la medida
en las cargas impositivas al aparato productivo influencian las decisiones
de inversin, adems los altos niveles tarifarios son en s mismos
incentivos perversos que llevan a la evasin y elusin de impuestos. La
incongruencia que puede presentarse entre las altas tasas y el nivel
productivo de las empresas estimula a la bsqueda de mecanismo para
evadir o disminuir las responsabilidades tributarias, en detrimento de las
finanzas del Estado y del crecimiento. De otro lado, la alta carga
tributaria incentiva a muchas empresas e individuos a operar en la
informalidad, generando problemas de competencia desleal para las
firmas que si cumplen con sus obligaciones tributarias.
Dado esto el problema ha estado motivado por los inconvenientes
estructurales del sistema tributario, trayendo consigo un aumento del
dficit fiscal y una correlacin mayor entre el PIB y la deuda pblica.
Para esto las autoridades econmicas han efectuado reformas en la
poltica fiscal con el objeto de equilibrarla y sostenerla en el largo plazo,
pero esto se ve afectado por el ciclo econmico, donde esencialmente la
poltica fiscal en Colombia ha sido procclica, es decir que en pocas de
recesin el gobierno reduce los gastos o aumenta los impuestos, frente a
una reduccin de los impuestos en pocas expansivas.
METODOLOGA
Los vectores autorregresivos (VAR) constituyen una herramienta economtrica
de series de tiempo. Los modelos economtricos estructurales, o de la
econometra tradicional, postulan una ecuacin en la que la variable endgena
depende de una o varias variables consideradas exgenas al modelo. En los
modelos VAR, todas las variables son consideradas endgenas, lo que permite
capturar de mejor manera los movimientos de las variables y la dinmica de
sus interrelaciones; Y dado que el trabajo en estudio consiste en indagar la
relacin entre el Producto Interno Bruto (PIB t) e Impuestos (IMPt) en Colombia
para el periodo comprendido entre los aos 2000-2015 para ello se har uso de
la herramienta de los VAR.
Para iniciar el estudio de dicha relacin se establece la hiptesis de que ambos

se encuentran relacionados y que pueden influirse mutuamente. Dada la
hiptesis se evaluara la relacin entre ambas variables partiendo de un
contexto de vectores autorregresivos como fue mencionado anteriormente. As
la representacin ms adecuada es como sigue
Y t =t + 1 Y t1 ++ p Y t p + p
Por lo tanto:
y t = 0 +b 1 Y t 1+ b2 Y t 2+ b3 Y t3 +b 4 Y t4 + +b p X t p+ 1
z t= 0 +b 1 Y t 1 +b 2 Y t 2+ b3 Y t3 +b 4 Y t 4 ++ b p X t p + 2
En otras palabras, el conjunto de variables que se empleara para desarrollar el
anlisis VAR son:
Yt = PIB real
Xt = Impuestos reales
Para la estimacin emprica del modelo se utiliza una muestra de datos
trimestrales del periodo: 2000(i) a 2015(iii) (63 observaciones). Y para la
construccin del modelo VAR, se optara por la metodologa propuesta por Box
Jenkis (1970), la cual se divide en cuatro etapas: Identificacin, estimacin de
los parmetros, verificacin de los supuestos y el uso del modelo.
ETAPA I-IDENTIFICACIN: Consiste en determinar si la serie de
tiempo es estacionaria y si hay alguna estacionalidad significativa que necesite
ser modelada.
I)
ESTACIONALIDAD
PIB
200,000,000
180,000,000
160,000,000
140,000,000
120,000,000
100,000,000
80,000,000
60,000,000
40,000,000
00
01
02
03
04
05
06
07
08
09
10
11
12
13
14
IMPUESTOS
40,000,000
36,000,000
32,000,000
28,000,000
24,000,000
20,000,000
16,000,000
12,000,000
8,000,000
4,000,000
00
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
Como se puede observar la serie del PIB no presenta indicios de estacionalidad,

sin embargo al analizar la serie de los impuestos es fcilmente visible su
componente estacional, el cual implica fluctuaciones subanuales en este caso
trimestrales que se repiten regularmente de ao en ao, en este caso
especfico se puede estar asociada a factores institucionales como reglas
administrativas en el recaudo de impuestos.Otra forma de ver si una serie
presenta un patrn estacional es a travs de las autocorrelaciones y de su
grfica denominada correlograma. La idea es ver si la serie en el momento t
est correlacionada con ella misma en el momento t-1, de tal manera que si se
observa que hay una alta correlacin de la serie en el momento t con la serie
en el momento t-1 t-2 t-3, etc. podemos decir que la serie presenta
tendencia.
FAC de Impuestos
1
+- 1,96/T^0,5
0,5
0
-0,5
-1
0
10
12
retardo
FACP de Impuestos
1
+- 1,96/T^0,5
0,5
0
-0,5
-1
0
10
12
retardo
Como se puede observar en la funcin de autocorrelacion (FAC) hay presencia

de estacionalidad.
Para llevar a cabo la desestacionalizacin se utiliz el mtodo de medias
mviles, el mtodo de promedios mviles presuponen que tanto la tendencia
como la estacionalidad tienen comportamientos dinmicos con el paso del
tiempo y, por tanto, la estimacin de los componentes se realiza localmente,
de forma que la tendencia en un punto determinado del tiempo se estima
como promedio de las observaciones previas y futuras 1.
1http://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib0
514/Libro.pdf
Impuestos Desestacionalizados
32,000,000
28,000,000
24,000,000
20,000,000
16,000,000
12,000,000
8,000,000
4,000,000
00
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
Como resultado del proceso de desestacionalizacin mediante el mtodo de

medias mviles se observa que el problema de estacionalidad ha sido superado
ahora se pondr a prueba la estacionaridad.
II)
ESTACIONARIEDAD
FAC de ImpustosD
1
+- 1,96/T^0,5
0,5
0
-0,5
-1
0
10
12
retardo
FACP de ImpustosD
1
+- 1,96/T^0,5
0,5
0
-0,5
-1
0
10
12
retardo
A primera vista el correlograma empieza en un valor muy alto y decae muy

lentamente hacia cero lo cual es un indicio de no estacionaridad en la serie,
para comprobar esto se realiza una prueba de raz unitaria Dickey-Fuller
Aumentada (ADF).
NullHypothesis: IMPUSTOSD has a unitroot
Exogenous: Constant, Linear Trend

LagLength: 0 (Automatic - basedon SIC, maxlag=10)
AugmentedDickey-Fuller test statistic

Test criticalvalues:
1% level
5% level
10% level
t-Statistic
Prob.*
-1.504017
-4.121303
-3.487845
-3.172314
0.8172
*MacKinnon (1996) one-sided p-values.
AugmentedDickey-Fuller Test Equation

Dependent V ariable: D(IMPUSTOSD)
Method: LeastSquares
Date: 11/26/15 Time: 00:37
Sample (adjusted): 2000Q2 2014Q4
Includedobservations: 59 afteradjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
IMPUSTOSD(-1)
C
@TREND("2000Q1")
-0.081153
474148.0
40896.52
0.053958
192866.6
23366.75
-1.504017
2.458424
1.750202
0.1382
0.0171
0.0856
R-squared
Adjusted R-squared
S.E. of regression
Sum squaredresid
Log likelihood
F-statistic
Prob(F-statistic)
0.086582
0.053960
461305.1
1.19E+13
-851.6450
2.654085
0.079205
Mean dependentvar
S.D. dependentvar
Akaikeinfocriterion
Schwarzcriterion
Hannan-Quinncriter.
Durbin-Watson stat
433714.9
474278.5
28.97102
29.07665
29.01225
1.902992
Regla de decisin ADF
H 0=La serie de tiempo presenta raiz unitaria ( La series no es estacionaria ) .

Por lo que =0 , a o=0 y a2=0
H a=La serie de tiempo no pres enta raiz unitaria(La serie es estacionaria).
Por lo que <0 , ao 0 y a 2 0
Dado que el valor de
|t cal|=1.50
es menor al valor
|t crit|=3.48
para un nivel
de significancia del 5% se acepta H o, por la cual hay evidencia suficiente que

nos permite pensar que existe una raz unitaria por lo cual la series no es
estacionaria.
Tal como se haba indicado la serie de los impuestos se ha desestacionalizado

requisito fundamental para poder llevar a cabo la identificacin del modelo, sin
embargo, no cumple con el criterio de estacionaridad as que ahora se pondr
a prueba las tasas de crecimiento tanto del PIB como la de los impuestos.
TCPIB
.04
.03
.02
.01
.00
-.01
00
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
A primera vista la serie no presenta componentes estacionales ni de tendencia,

pero para tener total certeza se analizara el correlograma y luego se har una
prueba de raz unitaria.
FAC de TCPIB
+- 1,96/T^0,5
0,3
0,2
0,1
0
-0,1
-0,2
-0,3
0
10
12
retardo
FACP de TCPIB
+- 1,96/T^0,5
0,3
0,2
0,1
0
-0,1
-0,2
-0,3
0
6
retardo
10
12
De la FAC se puede observar que tanto los problemas de tendencia como de

estacionalidad no se presentan en esta serie, ahora se realizar la prueba de
raz unitaria ADF.
NullHypothesis: TCPIB has a unitroot

1% level
5% level
10% level
t-Statistic
Prob.*
-7.457035
-4.124265
-3.489228
-3.173114
0.0000

Dependent Variable: D(TCPIB)
Date: 11/21/15 Time: 17:03
Variable
Coefficient
Std. Error
t-Statistic
Prob.
TCPIB(-1)
C
@TREND("2000Q1")
-1.008121
0.027807
-0.000166
0.135191
0.005442
0.000118
-7.457035
5.109986
-1.402188
0.0000
0.0000
0.1665
R-squared
Adjusted R-squared
S.E. of regression
Sum squaredresid
Log likelihood
F-statistic
Prob(F-statistic)
0.502775
0.484694
0.014852
0.012132
163.3989
27.80690
0.000000
Mean dependentvar
S.D. dependentvar
Akaikeinfocriterion
Schwarzcriterion
Hannan-Quinncriter.
Durbin-Watson stat
-0.000370
0.020690
-5.530995
-5.424420
-5.489482
1.981631
Regla de decisin

H a=La serie de tiempo no pres enta raiz unitaria (La serie es estacionaria).
|t cal|=7.45
mayor al valor
|t crit|=3.48
para un nivel de
significancia del 5% se rechaza Ho, por la cual hay evidencia suficiente que nos
permite pensar que no existe una raz unitaria y por tanto la serie es
estacionaria.
Null Hypothesis: TCPIB has a unit root
Bandwidth: 0 (Newey-West automatic) using Bartlett kernel
Phillips-Perron test statistic

Test critical values:
1% level
5% level
10% level
Adj. t-Stat
Prob.*
-7.457035
-4.124265
-3.489228
-3.173114
0.0000
Residual variance (no correction)

HAC corrected variance (Bartlett kernel)
0.000209
0.000209
Phillips-Perron Test Equation

Dependent Variable: D(TCPIB)
Method: Least Squares
Date: 11/26/15 Time: 21:29
Included observations: 58 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
TCPIB(-1)
C
@TREND("2000Q1")
-1.008121
0.027807
-0.000166
0.135191
0.005442
0.000118
-7.457035
5.109986
-1.402188
0.0000
0.0000
0.1665
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.502775
0.484694
0.014852
0.012132
163.3989
27.80690
0.000000
Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
-0.000370
0.020690
-5.530995
-5.424420
-5.489482
1.981631
Regla de decisin

H a=La serie de tiempo no pres enta raiz unitaria (La serie es estacionaria).
|t cal|=7.45
mayor al valor
|t crit|=3.48
para un nivel de
estacionaria.
Null Hypothesis: TCPIB is stationary
LM-Stat.
Kwiatkowski-Phillips-Schmidt-Shin test statistic
Asymptotic critical values*:
1% level
5% level
10% level
0.080546
0.216000
0.146000
0.119000
*Kwiatkowski-Phillips-Schmidt-Shin (1992, Table 1)

0.000206
0.000206
KPSS Test Equation

Dependent Variable: TCPIB
Date: 11/26/15 Time: 21:30
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
@TREND("2000Q1")
0.027809
-0.000171
0.003753
0.000112
7.410231
-1.528115
0.0000
0.1320
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Regla de decisin
0.039355
0.022502
0.014596
0.012144
166.6918
2.335135
0.132015
Mean dependent var

S.D. dependent var
Schwarz criterion
Durbin-Watson stat
0.022864
0.014763
-5.582774
-5.512349
-5.555283
2.009406
H 0=La serie de tiempo es estacionraia
H a=La serie de tiempo no es estacionaria .
|t cal|=0,080
menor al valor
|t crit|=0,14
para un nivel

nos permite pensar que la serie es estacionaria.
Una vez demostrado que la tasa de crecimiento del PIB es no estacional y
estacionaria se pasa a demostrarlo mismo en la serie de los impuestos
desestacionalizados.
TCIMP
.16
.12
.08
.04
.00
-.04
00
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
A primera vista no se ve que haya problemas con esta serie, pero tal como se
procedi con la tasa de crecimiento del PIB se proceder con la tasa de
crecimiento de los impuestos.
FAC de TCIMP
+- 1,96/T^0,5
0,3
0,2
0,1
0
-0,1
-0,2
-0,3
0
10
12
retardo
FACP de TCIMP
+- 1,96/T^0,5
0,3
0,2
0,1
0
-0,1
-0,2
-0,3
0
10
12
retardo
Como se puede observar no hay ningn patrn que nos permita pensar que
existe estacionalidad o una tendencia, ahora se realizara la prueba de raz
unitaria.
NullHypothesis: TCIMP has a unitroot

1% level
5% level
10% level
t-Statistic
Prob.*
-6.412466
-4.124265
-3.489228
-3.173114
0.0000

Dependent Variable: D(TCIMP)
Date: 11/21/15 Time: 17:04
Variable
Coefficient
Std. Error
t-Statistic
Prob.
TCIMP(-1)
C
@TREND("2000Q1")
-0.848310
0.036788
-0.000373
0.132291
0.009226
0.000214
-6.412466
3.987534
-1.743909
0.0000
0.0002
0.0868
R-squared
Adjusted R-squared
S.E. of regression
Sum squaredresid
Log likelihood
F-statistic
Prob(F-statistic)
0.428405
0.407620
0.025844
0.036736
131.2706
20.61101
0.000000
Mean dependentvar
S.D. dependentvar
Akaikeinfocriterion
Schwarzcriterion
Hannan-Quinncriter.
Durbin-Watson stat
-0.000745
0.033579
-4.423124
-4.316550
-4.381611
2.012514
Regla de decisin

|t cal|=6.41
mayor al valor
|t crit|=3.48
para un nivel de
estacionaria.
PHILLIPS-PERRON
Null Hypothesis: TCIMP has a unit root
Phillips-Perron test statistic

Test critical values:
1% level
5% level
10% level
Adj. t-Stat
Prob.*
-6.395481
-4.124265
-3.489228
-3.173114
0.0000

Phillips-Perron Test Equation
0.000633
0.000612
Dependent Variable: D(TCIMP)

Date: 11/26/15 Time: 21:31
Variable
Coefficient
Std. Error
t-Statistic
Prob.
TCIMP(-1)
C
@TREND("2000Q1")
-0.848310
0.036788
-0.000373
0.132291
0.009226
0.000214
-6.412466
3.987534
-1.743909
0.0000
0.0002
0.0868
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.428405
0.407620
0.025844
0.036736
131.2706
20.61101
0.000000
Mean dependent var

S.D. dependent var
Schwarz criterion
Durbin-Watson stat
-0.000745
0.033579
-4.423124
-4.316550
-4.381611
2.012514
Regla de decisin

|t cal|=6.39
mayor al valor
|t crit|=3.48
para un nivel de
estacionaria.
Null Hypothesis: TCIMP is stationary
LM-Stat.
Kwiatkowski-Phillips-Schmidt-Shin test statistic
Asymptotic critical values*:
1% level
5% level
10% level
*Kwiatkowski-Phillips-Schmidt-Shin (1992, Table 1)
0.064908
0.216000
0.146000
0.119000

0.000649
0.000649
KPSS Test Equation

Dependent Variable: TCIMP
Date: 11/26/15 Time: 21:32
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
@TREND("2000Q1")
0.045616
-0.000497
0.006663
0.000198
6.845843
-2.507447
0.0000
0.0150
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.099345
0.083544
0.025917
0.038287
132.8183
6.287289
0.015034
Mean dependent var

S.D. dependent var
Schwarz criterion
Durbin-Watson stat
0.031209
0.027073
-4.434517
-4.364092
-4.407026
1.678714
Regla de decisin
H 0=La serie de tiempo es estacionraia
H a=La serie de tiempo no es estacionaria .

|t cal|=0,064
menor al valor
|t crit|=0,14
para un nivel

nos permite pensar que la serie es estacionaria.
MODELO VAR PARA EL PIB Y LOS IMPUESTOS
Ahora se cuenta con dos series no estacionales, sin tendencias y estacionarias,
as el proceso mostrado de forma matricial de la siguiente forma
[ ][ ][ ][ ] [
][ ][ ]
yt
b
b b
y
b b
y
= 1 + 11 12 + t1 ++ p11 p 12 + t p + 1
xt
b1 b21 b 22 x t 1
b p 21 b p 22 xt p 2
El paso siguiente en esta etapa es definir el orden del vector autorregresivo

cantidad de rezagos a incluir- esta decisin se toma fundamentado en los
criterios
de
informacin
de
Akaike,
Schwartz
y
Hannan-Quin
VAR LagOrderSelectionCriteria
Endogenous variables: TCPIB TCIMP
Exogenous variables: C
Date: 11/26/15 Time: 08:54
Sample: 2000Q1 2014Q4
Includedobservations: 54
Lag
LogL
LR
FPE
AIC
SC
HQ
0
1
2
3
4
5
273.2096
276.8481
281.8679
283.3435
284.1292
286.2105
NA*
6.872611
9.110021
2.568600
1.309517
3.314675
1.49e-07
1.51e-07
1.45e-07*
1.60e-07
1.81e-07
1.95e-07
-10.04480
-10.03141
-10.06918*
-9.975684
-9.856636
-9.785573
-9.971135*
-9.810412
-9.700850
-9.460021
-9.193641
-8.975246
-10.01639*
-9.946180
-9.927130
-9.776813
-9.600945
-9.473062
* indicateslagorderselectedbythecriterion
LR: sequentialmodified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaikeinformationcriterion
SC: Schwarzinformationcriterion
HQ: Hannan-Quinninformationcriterion
Siguiendo el criterio Akaike el nmero de rezagos adecuado es dos (L=2).

ETAPA II - ESTIMACIN DE LOS PARAMETROS: Se busca
coeficientes que mejor se ajustan al modelo seleccionado
obtener los
MODELO VAR
===============================
TCPIB = C (1,1)*TCPIB (-1) + C(1,2)*TCPIB(-2) + C(1,3)*TCIMP(-1) + C(1,4)*TCIMP(-2) + C(1,5)
TCIMP = C (2,1)*TCPIB (-1) + C(2,2)*TCPIB(-2) + C(2,3)*TCIMP(-1) + C(2,4)*TCIMP(-2) + C(2,5)
VAR: COEFICIENTES
===============================
TCPIB = - 0.102*TCPIB(-1) - 0.184*TCPIB(-2) + 0.111*TCIMP(-1) + 0.164*TCIMP(-2) + 0.020
TCIMP = 0.210*TCPIB(-1) + 0.012*TCPIB(-2) + 0.143*TCIMP(-1) + 0.035*TCIMP(-2) + 0.018
Vector AutoregressionEstimates
Date: 11/26/15 Time: 09:39
Standard errors in ( ) & t-statistics in [ ]
ETAPA
III
DE
LOS
Consiste
en
mediante el ensayo,
estimado se ajusta a
de
un
proceso
estacionario.
PRUEBA
DE
TCPIB
TCIMP
TCPIB(-1)
-0.102453
(0.13208)
[-0.77567]
0.210992
(0.24499)
[ 0.86124]
TCPIB(-2)
-0.184093
(0.13051)
[-1.41056]
0.012924
(0.24207)
[ 0.05339]
TCIMP(-1)
0.111848
(0.07280)
[ 1.53642]
0.143416
(0.13503)
[ 1.06213]
TCIMP(-2)
0.164221
(0.07301)
[ 2.24944]
0.035400
(0.13541)
[ 0.26142]
0.020430
(0.00469)
[ 4.35514]
0.018836
(0.00870)
[ 2.16481]
R-squared
Adj. R-squared
Sum sq. Resids
S.E. equation
F-statistic
Log likelihood
Akaike AIC
Schwarz SC
Mean dependent
S.D. dependent
0.151220
0.085929
0.010267
0.014051
2.316094
164.8445
-5.608580
-5.429365
0.022343
0.014697
0.051370
-0.021601
0.035321
0.026062
0.703977
129.6308
-4.373010
-4.193795
0.029471
0.025785
Determinantresidcovariance (dofadj.)
Determinantresidcovariance
Log likelihood
Akaikeinformationcriterion
Schwarzcriterion
AUTOCORRELACIN:
1.33E-07
1.10E-07
294.8002
-9.992989
-9.634559
VERIFICACIN
SUPUESTOS:
comprobar el modelo
si
el
modelo
las especificaciones
univariado
Autocorrelations with 2 Std.Err. Bounds

Cor(TCPIB,TCPIB(-i))
Cor(TCPIB,TCIMP(-i))
.4
.4
.2
.2
.0
.0
-.2
-.2
-.4
-.4
1
10
11
12
Cor(TCIMP,TCPIB(-i))
10
11
12
10
11
12
Cor(TCIMP,TCIMP(-i))
.4
.4
.2
.2
.0
.0
-.2
-.2
-.4
-.4
1
10
11
12
De las graficas de los correlogramas se puede percibir que la mayora de las

barras caen dentro del intervalo de confianza, lo cual nos permite pensar en
una ausencia de autocorrelacion sin embargo para tener mas certeza se
realizan los Test de Autocorrelacion LM y Portmanteau.
VAR Residual Serial Correlation LM Tests

NullHypothesis: no serial correlation at
lagorder h
Date: 11/26/15 Time: 09:20
Sample: 2000Q1 2014Q4
Lags
LM-Stat
Prob
1
2
3
4
5
6
7
8
9
10
11
12
6.507776
2.485517
2.148438
2.173611
4.039199
1.731464
5.664220
7.205438
1.662847
3.247852
3.649108
6.347658
0.1643
0.6472
0.7085
0.7039
0.4007
0.7850
0.2257
0.1254
0.7975
0.5172
0.4556
0.1746
Probsfromchi-squarewith 4 df.
Regla de decisin
H 0 : Ausencia de autocorrelacion
H a : Hay auntocorrelacion
Dado que probabilidad asociada es mayor al nivel de significacin del 5% hay
evidencia que nos permite pensar que hay ausencia de autocorrelacion.
Para contar con una 100% de certeza de ausencia de autocorrelacion se realiza
por ltimo el Test Portmanteau.
VAR Residual PortmanteauTestsforAutocorrelations
NullHypothesis: no residual autocorrelations up tolag h
Date: 11/26/15 Time: 09:20
Sample: 2000Q1 2014Q4
Lags
Q-Stat
Prob.
Adj Q-Stat
Prob.
Df
1
2
3
4
5
6
7
8
9
10
11
12
0.448418
0.958260
2.918635
5.229479
9.514183
11.28697
16.81343
23.70537
25.29405
28.52803
32.10061
37.02234
NA*
NA*
0.5715
0.7328
0.6585
0.7914
0.6651
0.4785
0.6118
0.6430
0.6546
0.6051
0.456425
0.984807
3.054092
5.539340
10.23603
12.21738
18.51755
26.53470
28.42126
32.34332
36.77022
43.00441
NA*
NA*
0.5488
0.6987
0.5953
0.7289
0.5534
0.3266
0.4423
0.4498
0.4330
0.3438
NA*
NA*
4
8
12
16
20
24
28
32
36
40
*The test isvalidonlyforlagslargerthanthe VAR lagorder.
Regla de decisin
H 0 : Ausencia de autocorrelacion
H a : Hay auntocorrelacion
Dado que probabilidad asociada es mayor al nivel de significacin del 5% hay
evidencia que nos permite pensar que hay ausencia de autocorrelacion.
PRUEBA DE NORMALIDAD:
VAR Residual NormalityTests
Orthogonalization: Cholesky (Lutkepohl)
NullHypothesis: residuals are multivariate normal
Date: 11/26/15 Time: 09:39
Sample: 2000Q1 2014Q4
Component
Skewness
Chi-sq
df
Prob.
1
2
-0.156617
1.095330
Joint
0.233024
11.39759
1
1
0.6293
0.0007
11.63062
0.0030
Component
Kurtosis
Chi-sq
df
Prob.
1
2
2.208633
6.600469
1.487372
30.78802
1
1
0.2226
0.0000
32.27539
0.0000
Joint
Component
Jarque-Bera
df
Prob.
1
2
1.720396
42.18562
2
2
0.4231
0.0000
Joint
43.90601
0.0000
Regla de Decisin
H 0 : Residuos son normales vs H a : Residuos no son normales

Dado que la probabilidad conjunta asociada al JB (Prob =0.00) es menor al
nivel de significancia trabajado aqu (= 5%) se rechaza la hiptesis H 0, as que
hay evidencia suficiente que nos permite pensar que no hay normalidad en los
residuos. Para corregir este problema se proceder a graficar los residuos,
luego se identificaran los grandes variaciones y en tales periodos se
modelararan con variables dummy, donde el modelo VAR ser estimado con la
variable dummy como exgena.
Residuos de TCIMP
.10
.08
.06
.04
.02
.00
-.02
-.04
-.06
00
01
02
03
04
05
06
07
08
09
10
11
12
13
14
Como se puede observar las mayores variaciones o impulsos se presentaron en

los aos 2010 y 2011, pero como aun se desconoce los trimestres en los cuales
se dan los impulsos se recurre a observar los valores de la serie
En esta serie se encontr que los mayores impulsos se dieron en los trimestres
2010Q2 y 2011Q2, as que en estos periodos es recomendable insertar los 1 en
la variable dummy dcor, creada especficamente para solucionar el problema
de normalidad.
Luego de estimar el modelo VAR con la variable dcor como variable exgena y
realizar el test de normalidad se obtuvo lo siguiente.
VAR Residual NormalityTests

Orthogonalization: Cholesky (Lutkepohl)
NullHypothesis: residuals are multivariate normal
Date: 11/26/15 Time: 10:08
Sample: 2000Q1 2015Q3
Component
Skewness
Chi-sq
df
Prob.
1
2
0.210425
-0.317236
0.420649
0.956067
1
1
0.5166
0.3282
1.376716
0.5024
Joint
Component
Kurtosis
Chi-sq
df
Prob.
1
2
2.995318
3.157357
5.21E-05
0.058808
1
1
0.9942
0.8084
Joint
0.058860
Component
Jarque-Bera
df
Prob.
1
2
0.420702
1.014875
2
2
0.8103
0.6020
Joint
1.435576
0.8380
0.9710
Regla de decisin
H 0 : Residuos son normales vs H a : Residuos no son normales

Dado que la probabilidad conjunta asociada al JB (Prob = 0,8380) es mayor al
nivel de significancia trabajado aqu (= 5%) se acepta la hiptesis H 0 , as que
hay evidencia suficiente que nos permite pensar que hay normalidad en los
residuos.
PRUEBA DE HETEROCEDASTICIDAD:
VAR Residual HeteroskedasticityTests: No Cross Terms (onlylevels and squares)
Date: 11/26/15 Time: 10:31
Sample: 2000Q1 2015Q3
Joint test:
Chi-sq
df
Prob.
23.36571
24
0.4983
Individual components:
Dependent
R-squared
F(8,48)
Prob.
Chi-sq(8)
Prob.
res1*res1
res2*res2
res2*res1
0.202893
0.063425
0.144108
1.527221
0.406322
1.010232
0.1729
0.9114
0.4411
11.56490
3.615231
8.214168
0.1717
0.8901
0.4128
Regla de decisin:
H 0 :Varianza de los errores es homocedastica vs H a : Varianza de los err ores es heterocedastica

Dado que la probabilidad asociada a la prueba conjunta es mayor al nivel de
significancia de 5% no se rechaza Ho, lo cual nos permite deducir que la
varianza de los errores es homocedastica (constante).
RACES INVERSAS DEL POLINOMIO AUTORREGRESIVO VAR:

Roots of CharacteristicPolynomial
Endogenous variables: TCPIB TCIMP
Exogenous variables: C
Lagspecification: 1 2
Date: 11/26/15 Time: 10:39
Root
Modulus
0.347346 - 0.134347i
0.347346 + 0.134347i
-0.324394 - 0.151633i
-0.324394 + 0.151633i
0.372423
0.372423
0.358083
0.358083
No rootliesoutsidetheunitcircle.
VAR satisfiesthestabilitycondition.
Dado que todos los valores de Modulos (Eigenvalues) son menores a 1, todos
caen dentro de crculo unitario, por esta razn se dice que el sistema es estable
y estacionario.
Inverse Roots of AR Characteristic Polynomial
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
ETAPA IV USO DEL MODELO VAR

I.
CAUSALIDAD DE GRANGER
VAR GrangerCausality/Block ExogeneityWaldTests
Date: 11/26/15 Time: 10:49
Sample: 2000Q1 2014Q4
Dependent variable: TCPIB

Excluded
Chi-sq
df
Prob.
TCIMP
8.760566
0.0125
All
8.760566
0.0125
Dependent variable: TCIMP

Excluded
Chi-sq
df
Prob.
TCPIB
0.741732
0.6901
All
0.741732
0.6901
Para el primer cuadro

La probabilidad asociada al test de causalidad de Granger (Prob= 0,0125) es
menor al nivel de significancia (=5%) rechazo H0, por lo cual se concluye que
TCPIB explica la TCIMP.
Para el segundo cuadro
La probabilidad asociada al test de causalidad de Granger (Prob= 0,6901) es
mayor al nivel de significancia (=5%) acepto H0, por lo cual TCIMP no explica
TCPIB.
Como resultado del test de causalidad de Granger se encontr una relacin
unidireccional que va desde el PIB a los Impuestos. De esta forma los
cambios en TCPIB son lo que actan como causa y provocan efectos sobre
TCIMPT, lo que indica que esta ltima variable tomara el papal de variable
dependiente.
II.
FUNCIONES IMPULSO RESPUESTA
La Funcin Impulso-Respuesta (FIR) traza la respuesta de las variables

endgenas contemporneas y futuras a una innovacin en una de ellas,
asumiendo que esa innovacin desaparece en los periodos subsiguientes y que
todas las otras innovaciones permanecen cambio (Cavaliere, 2003)
Response to Cholesky One S.D. Innovations 2 S.E.

Response of TCPIB to TCPIB
Response of TCPIB to TCIMP
.020
.020
.015
.015
.010
.010
.005
.005
.000
.000
-.005
-.005
-.010
-.010
1
10
Response of TCIMP to TCPIB
10
10
Response of TCIMP to TCIMP
.04
.04
.03
.03
.02
.02
.01
.01
.00
.00
-.01
-.01
1
10
En primera instancia se analizara la respuesta de la TCPIB a cambio en TCIMP,

para un rango de diez trimestres como se puede ver, un aumento de los
impuestos eleva el PIB, en los tres primeros trimestres se tiene el efecto ms
significativo, posteriormente su efecto se reduce hasta no tener ningn
impacto sobre el nivel del PIB, cabe resaltar que en un principio se esperaba
que la incidencia de una mayor tributacin tuviese un impacto negativo como
lo predice la teora keynesiana sin embargo como se acaba de ver no siempre
sucede esto.
Ahora se analiza la causalidad que
Response of TCPIB to Cholesky

One S.D. Innovations
.016
.012
.008
.004
.000
-.004
1
TCPIB
10
10
TCIMP
Response of TCIMP to Cholesky

One S.D. Innovations
.030
.025
.020
.015
.010
.005
.000
-.005
1
5
TCPIB
TCIMP
CONCLUSIONES:
En general la principal conclusin del anlisis emprico en relacin con la teora
econmica es que la causalidad del crecimiento econmico y los impuestos
viene dada por una relacin unidireccional donde el PIB es el que afecta la
estructura tributara para el periodo analizado en Colombia, pero hay que tener
claro que el sistema tributario es deficiente con mltiples fallos y distorsiones.
Adems el periodo de anlisis tuvo un contexto particular donde el dficit de
ingresos del Estado frente al nivel de gasto, estuvo sustentado por el choque
petrolero por el aumento de los precios internacionales que favoreci las
finanzas pblicas del gobierno y sustento la debilidad de la estructura
tributaria.
Pero a luz del contexto econmico actual, con cadas significativas del precio
del petrleo y de la economa China y la actual depreciacin del tipo de
cambio, el contexto tributario nacional tiene que actuar ms que nunca como
sustento para el crecimiento, si bien el segundo da el direccionamiento de la
poltica tributaria colombiana por el ciclo econmico, es de vital importancia
tener un sistema optimo que capture la dinmica del crecimiento y genere
mayores incentivos para los agentes de la economa, promoviendo los
principios constitucionales.
La invitacin es entonces a repensar nuestro sistema tributario y promover una

reforma tributaria verdaderamente estructural que le sirva a Colombia para
salir de la crisis fiscal pero tambin para proyectarse hacia el futuro como un
pas con tasas de crecimiento del PIB que conduzcan al desarrollo. Una reforma
cuya conveniencia no slo se mida en trminos de recaudo sino por fomento a
la inversin y el crecimiento econmico, una reforma que contribuya a
ampliacin de la clase media y que mejore nuestros ndices de redistribucin
de riqueza.
BIBLIOGRAFA:

Proyecto EMC2

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Proyecto EMC2

Uploaded by

Copyright:

Available Formats

ESTIMACIN DE UN MODELO VAR PARA EL PIB Y LOS

IMPUESTOS EN COLOMBIA (2000 -2015)

SEBASTIAN RIVERA RINCON

PROFESOR: ALVARO CHAVES CASTRO

ESCUELA COLOMBIANA DE INGENIERA JULIO GARAVITO

crecimiento del PIB y las tasas de crecimiento del recaudo tributario en

tener un efecto muy limitado sobre el crecimiento del PIB. De esta

la facilidad para ejecutar poltica fiscal, donde a medida que el sistema

Para iniciar el estudio de dicha relacin se establece la hiptesis de que ambos

Como se puede observar la serie del PIB no presenta indicios de estacionalidad,

Como se puede observar en la funcin de autocorrelacion (FAC) hay presencia

Como resultado del proceso de desestacionalizacin mediante el mtodo de

A primera vista el correlograma empieza en un valor muy alto y decae muy

Exogenous: Constant, Linear Trend

AugmentedDickey-Fuller test statistic

*MacKinnon (1996) one-sided p-values.

AugmentedDickey-Fuller Test Equation

Regla de decisin ADF

H 0=La serie de tiempo presenta raiz unitaria ( La series no es estacionaria ) .

de significancia del 5% se acepta H o, por la cual hay evidencia suficiente que

Tal como se haba indicado la serie de los impuestos se ha desestacionalizado

A primera vista la serie no presenta componentes estacionales ni de tendencia,

De la FAC se puede observar que tanto los problemas de tendencia como de

AugmentedDickey-Fuller test statistic

*MacKinnon (1996) one-sided p-values.

AugmentedDickey-Fuller Test Equation

H 0=La serie de tiempo presenta raiz unitaria ( La series no es estacionaria ) .

Dado que el valor de

Phillips-Perron test statistic

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction)

Phillips-Perron Test Equation

Mean dependent var

H 0=La serie de tiempo presenta raiz unitaria ( La series no es estacionaria ) .

*Kwiatkowski-Phillips-Schmidt-Shin (1992, Table 1)

Residual variance (no correction)

KPSS Test Equation

Mean dependent var

H 0=La serie de tiempo es estacionraia

H a=La serie de tiempo no es estacionaria .

Dado que el valor de

de significancia del 5% se acepta H o, por la cual hay evidencia suficiente que

AugmentedDickey-Fuller test statistic

*MacKinnon (1996) one-sided p-values.

AugmentedDickey-Fuller Test Equation

H 0=La serie de tiempo presenta raiz unitaria ( La series no es estacionaria ) .

Phillips-Perron test statistic

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction)

Phillips-Perron Test Equation

Dependent Variable: D(TCIMP)

Mean dependent var

H 0=La serie de tiempo presenta raiz unitaria ( La series no es estacionaria ) .

Residual variance (no correction)

KPSS Test Equation

Mean dependent var

H 0=La serie de tiempo es estacionraia

H a=La serie de tiempo no es estacionaria .

de significancia del 5% se acepta H o, por la cual hay evidencia suficiente que

El paso siguiente en esta etapa es definir el orden del vector autorregresivo

Siguiendo el criterio Akaike el nmero de rezagos adecuado es dos (L=2).

Autocorrelations with 2 Std.Err. Bounds

De las graficas de los correlogramas se puede percibir que la mayora de las