Política Monetaria y Ciclos Económicos Regionales en Colombia

(1)

1

42

NOVIEMBRE DE 2012

Documentos CEDE

C E D E

Centro de Estudios sobre Desarrollo Económico

Jorge David Quintero Otero

Andrés González Gómez

Política Monetaria y Ciclos Económicos

Regionales en Colombia

(2)

Serie Documentos Cede, 2012-42

ISSN 1657-7191 Edición electrónica

Noviembre de 2012

Bogotá, D. C., Colombia

Teléfonos: 3394949- 3394999, extensiones 2400, 2049, 3233 infocede@uniandes.edu.co

http://economia.uniandes.edu.co

Ediciones Uniandes

Carrera 1ª Este No. 19 – 27, edificio Aulas 6, A. A. 4976 Bogotá, D. C., Colombia

Teléfonos: 3394949- 3394999, extensión 2133, Fax: extensión 2158 infeduni@uniandes.edu.co

Edición y prensa digital:

Cadena S.A. • Bogotá

Calle 17 A Nº 68 - 92 Tel: 57(4) 405 02 00 Ext. 307 Bogotá, D. C., Colombia www.cadena.com.co

Impreso en Colombia – Printed in Colombia

(3)

1

C E D E

Centro de Estudios sobre Desarrollo Económico

POLÍTICA MONETARIA Y CICLOS ECONÓMICOS

REGIONALES EN COLOMBIA

Jorge David Quintero Otero*

Andrés González Gómez†

Resumen

Este trabajo busca determinar si la política monetaria puede proporcionar una explicación parcial a las diferencias que existen en el comportamiento de los ciclos económicos entre las regiones de Colombia, así como también establecer la importancia que tienen en la explicación de estas diferencias, los canales tradicionales de transmisión sugeridos en la literatura. Utilizando proyecciones directas, siguiendo la propuesta original de Jordà (2005), pero con una adaptación que permite estimar respuestas diferenciales en la actividad económica de las regiones, se encuentra que las acciones inesperadas de la autoridad monetaria no afectan de manera homogénea el ciclo económico en las regiones colombianas, y que la tasa de cambio es el canal de transmisión de la política monetaria que mejor explica estas diferencias.

Palabras clave: choque monetario, proyecciones directas, ciclo económico, regiones

Código JEL: E32, E52, E58, R11

* Estudiante de doctorado, Facultad de Economía, Universidad de Los Andes, Bogotá. Email: jd.quintero22@uniandes.edu.co

†_{Director del Departamento de Modelos Macroeconómicos del Banco de la República, Email:} agonzago@banrep.gov.co

(4)

2

MONETARY POLICY AND REGIONAL BUSINESS CYCLES IN COLOMBIA

Jorge David Quintero Otero*

Andrés González Gómez†

Abstract

The purpose of this study was to determine the differential effects that monetary policy has over the business cycles in the regions of Colombia, and to establish the impact that traditional monetary transmission channels have in explaining such differences. Using direct projections as proposed by Jordà (2005), but with an adaptation that allows to estimate differential responses in the regional economic activity, it was found that monetary policy shocks do not have homogeneous effects on the business cycle of the different regions of Colombia, and also that the exchange rate channel of the monetary transmission best explains such differential effects.

Keywords: monetary shock, direct projections, business cycle, regions

JEL Code: E32, E52, E58, R11

* Doctoral program, School of Economics, Universidad de Los Andes, Bogotá, Colombia. Email: jd.quintero22@ uniandes.edu.co

†_{Director of Macroeconomic Modeling of Banco de la República. Email: agonzago@banrep.gov.co}

(5)

3

Introducción

La literatura empírica ha mostrado que, por lo general, los ciclos económicos fluctúan más en los países en desarrollo que en los países desarrollados (ver, por ejemplo, Kraay y Ventura, 2001; Lane, 2003; y Aguiar y Gopinath, 2007), y que los ciclos económicos a nivel sub-nacional tienden a ser más volátiles que en el agregado nacional (Carlino y Sill, 1997, por ejemplo). Por lo tanto, dadas estas dos regularidades empíricas, cabría esperar que los ciclos económicos en las regiones de los países menos desarrollados sean altamente volátiles.

Por otra parte, varios estudios a nivel internacional han encontrado que una alta volatilidad de la producción está asociada frecuentemente con bajas tasas de crecimiento (ver, por ejemplo, Fatás, 2002), y que los costos de bienestar asociados a las fluctuaciones agregadas son mayores para los países menos desarrollados (Pallage y Robe, 2003). Por consiguiente, la identificación de los factores determinantes del comportamiento diferencial de los ciclos económicos en las regiones, es un tema importante en aras de disminuir las brechas regionales de desarrollo.

Sin duda, las diferencias regionales en el comportamiento de la actividad económica deben ser explicadas en gran medida por un conjunto de factores específicos de cada región. Sin embargo, también es muy probable que este comportamiento asimétrico sea el resultado de ciertas políticas orientadas a incidir en determinadas regiones o sectores, como puede suceder con la política fiscal, o de políticas, que si bien están orientadas para incidir en el agregado nacional, afectan de manera diferencial a las regiones. Este último es el caso de la política monetaria.

La literatura empírica y teórica ha intentado explicar por qué la política monetaria nacional puede conducir a efectos regionales diferentes. La conclusión general es que la política monetaria se transmite a la actividad real, principalmente, a través de cuatro canales (tasa de interés, crédito bancario, hoja de balance y tasa de cambio), y que existen elementos estructurales en las regiones que determinan las condiciones por las cuales estos canales afectan la actividad económica de manera diferencial.

Con el fin de proporcionar una explicación parcial a las diferencias que existen en el comportamiento de los ciclos económicos regionales en Colombia, este trabajo busca determinar si el ciclo económico responde de manera diferente en las regiones de Colombia ante un choque común de política monetaria, y establecer la importancia que tienen en la explicación de estas diferencias los canales tradicionales sugeridos en la literatura.

(6)

4

Precisamente, la identificación empírica de los canales a través de los cuales se transmite la política monetaria de manera diferencial a las regiones ha sido una de las grandes dificultades a las que se ha enfrentado la literatura empírica sobre este tema. El problema radica en que para poder estimar un único modelo de vectores autorregresivos (VAR) estructural, que es la metodología comúnmente utilizada en este tipo de estudios, se deben agrupar las unidades sub-nacionales en un número pequeño de regiones, con lo cual es imposible, posteriormente, determinar de qué depende la respuesta diferente de cada región ante el choque monetario debido a la reducción dramática en el número de observaciones disponibles.

Ante esta dificultad, los trabajos que han intentado identificar los canales de transmisión han optado, de manera alternativa, por estimar modelos VAR estructurales independientes para cada una de las unidades de análisis (territorios) para obtener la respuesta de cada una de ellas ante el choque. Y en una segunda etapa, estiman una regresión de corte transversal con el fin de identificar los factores que determinan las diferentes respuestas de las regiones producto de los choques.

Esta aproximación tiene dos debilidades importantes por el hecho de estimarse modelos independientes para cada unidad de análisis. Por un lado, el choque de política monetaria identificado en cada modelo no es necesariamente el mismo, y por otro lado, estos modelos independientes no incorporan el efecto que sobre la producción de un departamento, tiene el comportamiento de los otros departamentos.

Por esta razón, en este trabajo, se utiliza una metodología alternativa a los VAR estructurales para la estimación de los impulsos respuestas, consistente en el uso de proyecciones directas, siguiendo la propuesta original de Jorda (2005), pero con una adaptación que permite estimar respuestas diferenciales en la actividad económica de las regiones y, también, evaluar la incidencia de los canales tradicionales de la política monetaria en la explicación de dichas diferencias.

Este documento está dividido en seis secciones: en la primera se explican brevemente los canales más importantes de transmisión de la política monetaria identificados en la literatura teórica, así como los elementos estructurales que determinan la importancia de estos canales para incidir sobre la actividad económica. En la segunda sección se presenta un resumen de la literatura empírica previa más relevante sobre las diferencias regionales de la política monetaria en distintos países y los factores determinantes de dichas diferencias. En la tercera se detallan la metodología y los datos utilizados. En la cuarta sección se presentan los resultados encontrados. En la quinta se incluyen unas pruebas de robustez de los resultados anteriores. Y la sexta y última sección contiene las principales conclusiones.

1. Canales de transmisión de la política monetaria

(7)

5

La teoría económica sugiere que la política monetaria afecta la actividad económica en las regiones de manera diferente a través de cuatro canales principales: tasa de interés, crédito

bancario, hoja de balance y tasa de cambio1_.

Según el canal de tasa de interés, una política monetaria contractiva lleva a un aumento en la tasa de interés, lo que incrementa el costo del capital, y esto a su vez origina una disminución en la inversión tanto empresarial como de los hogares, lo que termina por contraer la producción.

La hipótesis del canal de crédito bancario se basa en que los bancos juegan un rol especial en el sistema financiero porque ayudan a resolver problemas de asimetrías de información en los mercados de crédito. Sólo a través de los bancos es que ciertos prestatarios pueden acceder a préstamos. Debido a que no hay sustitución perfecta entre los depósitos bancarios y otras fuentes de recursos, ante una política monetaria expansiva se incrementan las reservas y los depósitos de los bancos, por lo que aumenta la cantidad de recursos disponibles para prestar. Dado que los bancos son los únicos que pueden dar créditos a ciertos agentes que lo requieren, este incremento en la cantidad de fondos disponibles para prestar lleva a un aumento de la inversión, y también posiblemente del consumo, lo que a su vez origina un aumento en la actividad económica.

El canal de hoja de balance también se basa en la presencia de asimetrías de información en los mercados de créditos bancarios. En la medida en que el valor neto de las firmas disminuye, existen mayores problemas de riesgo moral y selección adversa de prestarle a esas firmas, por lo que se disminuyen los préstamos, y por ende, la inversión. Como la política monetaria puede afectar el valor de las firmas -ya que al haber menos dinero en la economía, el gasto en el mercado de acciones puede disminuir, y por lo tanto, también cae el precio de las acciones- entonces la política monetaria puede aumentar los problemas de selección adversa y riesgo moral.

El otro canal que es usualmente considerado en la literatura es el de tasa de cambio. Según este canal, la política monetaria afecta la actividad económica a través del efecto que la tasa de cambio tiene sobre las exportaciones netas. La tasa de cambio se ve afectada por la política monetaria porque un incremento de la tasa de interés hace más atractiva la inversión en activos financieros en el país, lo que origina una apreciación de la tasa de cambio.

Por otra parte, la literatura ha identificado ciertos elementos estructurales que determinan las condiciones bajo las cuales estos canales actúan sobre la actividad económica en las distintas regiones, lo que en últimas explica por qué el tamaño del impacto de la política monetaria es diferente en cada región. Carlino y Defina (1998), por ejemplo, sugieren tres elementos estructurales claves para identificar la importancia de los tres primeros canales, los cuales, posteriormente, han sido la base para evaluar empíricamente la importancia de estos canales en otras economías.

En cuanto al canal de tasa de interés, las decisiones del banco central afectan de manera diferente a cada región porque la elasticidad de la producción ante la tasa de interés es diferente

(8)

6

en cada sector de la economía. Estas diferencias en la tasa de elasticidad a la tasa de interés de cada sector, junto con las diferencias en la importancia relativa de cada sector en las distintas regiones, pueden explicar por qué la política monetaria tiene efectos regionales diferenciales.

Por medio del canal de hoja de balance, diferencias regionales en la proporción de empresas grandes y pequeñas puede llevar a respuestas regionales diferentes ante la política monetaria. La razón es que, por lo general, las firmas pequeñas tienen unos costos de información y de transacción más altos, y por ello deben acudir al crédito bancario para suplir sus necesidades de financiación, mientras que las grandes empresas pueden tener un acceso más fácil a fuentes de financiación no bancarias.

El canal de crédito bancario, por su parte, puede ser muy importante en la explicación de las respuestas diversas de las regiones a la política monetaria si existen diferencias en el tamaño de los bancos regionales. La razón es que la habilidad de los bancos grandes para alterar sus balances y hacer préstamos es mayor que la de los pequeños, ya que, por lo general, tienen más fondos disponibles.

Posteriormente, De Lucio e Izquierdo (1999) y otros trabajos como los de Georgopoulos (2009) y Arnold y Vrugt (2004) consideran una fuente adicional para explicar la importancia del canal de tasa de cambio. Con base en este canal, las respuestas diferenciales ante las acciones del banco central están determinadas por el grado de apertura comercial de las regiones, ya que los movimientos en la tasa de cambio alteran la demanda de los bienes que se venden al extranjero. Por lo tanto, las regiones con mayor grado de apertura experimentarán mayores cambios en sus indicadores de actividad económica, ya que al tener una mayor proporción de su producción dedicada a los mercados internacionales, una variación en la tasa de cambio puede afectar en mayor la actividad económica de esa región, por su mayor efecto sobre la demanda.

Teniendo en cuenta lo anterior, si las regiones tienen respuestas asimétricas ante los choques de la política monetaria es porque existen diferencias significativas entre ellas en estos factores estructurales que hacen que los canales de transmisión de la política monetaria operen con mayor eficacia.

2. Literatura empírica previa

(9)

7

Aunque no tan amplia como la literatura empírica con datos agregados de países, también existe una importante cantidad de trabajos que busca determinar los efectos diferenciales de la política monetaria en las regiones, utilizando datos de unidades sub-nacionales.

El principal referente en este tipo de estudios es el trabajo de Carlino y DeFina (1998), quienes utilizan un modelo VAR estructural con información trimestral para el período 1958 – 1992 en su interés de examinar si los choques de política monetaria tienen efectos simétricos sobre 8 regiones de Estados Unidos. Este artículo también busca proporcionar evidencia de las razones por las cuales las regiones responden de manera diferente ante la política monetaria, para lo cual, en una segunda etapa, estiman un corte transversal donde los impulsos respuestas de la actividad económica ante los choques de la política monetaria se intentan explicar con base en un conjunto de indicadores relacionados con posibles canales de transmisión de la política. Dado que el corte transversal original es muy pequeño (8 observaciones), realizan estimaciones adicionales de modelos VAR estructurales de manera separada para 48 Estados del país, y toman los impulsos respuestas que se obtienen de estas estimaciones como la variable a explicar en el intento de identificar los canales de transmisión.

Los autores encuentran que el tamaño de la respuesta de un Estado a un choque de política monetaria está relacionado positivamente con la participación del sector industrial en el PIB del Estado, lo cual se constituye en evidencia de que existe un canal de tasa de interés. También encuentran que los Estados que tienen una mayor concentración de firmas pequeñas tienden a tener una respuesta ligeramente mayor ante choques de política monetaria que el resto, siendo

esto evidencia de que también existe un canal de hoja de balance2_{. Por último, los resultados}

obtenidos también sugieren que los Estados son menos sensibles a los choques de política monetaria en la medida en que tengan una mayor proporción de bancos pequeños, lo que implica que el canal de crédito bancario en Estados Unidos no opera en el sentido esperado.

Como se discutió en la introducción, una debilidad de esta aproximación es que el choque de política monetaria identificado en cada VAR es diferente, y por lo tanto no se está midiendo la respuesta de cada región ante un mismo choque de política. Así mismo, esta aproximación no permite incorporar el efecto que puede tener sobre la producción de una región, el comportamiento del resto de regiones. Esto sí se lograba en la estimación del VAR regional, pero con el inconveniente de no poder identificar con este modelo los canales de transmisión de la política monetaria debido a la reducción significativa en el número de observaciones.

A partir de este trabajo se han realizado varios estudios que buscan establecer los efectos diferenciales de la política monetaria a nivel regional en distintos países e identificar los canales de transmisión. Muchos de estos trabajos replican la metodología anterior de dos etapas, por lo que coinciden en la misma debilidad metodológica. Dentro de este grupo de trabajos se pueden mencionar los de De Lucio e Izquierdo (1999), Arnold y Vrugt (2004) y Schunk (2004).

De Lucio e Izquierdo (1999) utilizan datos regionales de España para contrastar los efectos regionales diferentes de una política monetaria homogénea y estudiar las características locales

(10)

8

que explican esas respuestas diferentes. Los modelo VAR estructurales, que estiman con datos trimestrales para cada región durante el período 1978:1 - 1998:1, proporcionan evidencia de que estadísticamente existen respuestas regionales diferentes de las variables reales ante los choques de la política monetaria. Posteriormente, encuentran que la importancia del sector manufacturero, el comercio internacional y el tamaño de las firmas, son los principales factores que explican estas diferencias.

Arnold y Vrugt (2004), por su parte, estiman el impacto de un choque de tasa de interés sobre el producto regional en Alemania durante el período 1970-2000. Utilizando un modelo VAR con datos anuales para cada región obtienen impulsos respuestas que revelan diferencias en la respuesta del producto de 10 provincias alemanas ante choques de política monetaria. Posteriormente, investigan si estas respuestas están relacionadas con características estructurales de las economías regionales como la importancia del sector industrial, el tamaño de las empresas, el tamaño de los bancos y la participación de las exportaciones en el producto regional, encontrando que los efectos diferenciales de la política monetaria están relacionados con la composición sectorial, pero no con el tamaño de las firmas y los bancos, ni tampoco con el comercio exterior.

Por otra parte, Schunk (2004) utiliza modelos VAR estructurales con datos trimestrales para los 48 Estados de Estados Unidos, con el fin de estimar los impactos que han tenido los choques en las tasas de los fondos federales en dos períodos de tiempo: 1959:1 – 1980:4 y 1981:1 – 2003:2, encontrando que la magnitud y las diferencias en la respuesta de los Estados a los choques monetarios disminuyeron de un período a otro. La explicación para este resultado la encuentra en la disminución de la participación relativa del sector manufacturero y de la construcción en la producción total de los Estados, así como la disminución en la variación entre los Estados en la participación de estos sectores en su economía, lo cual argumentan es evidencia de la existencia del canal de tasa de interés.

Dada los problemas de la metodología de modelos VAR independientes para cada región, otra parte de la literatura ha replicado la primera aproximación de Carlino y DeFina (1998), estimando un VAR estructural con agregados regionales. Ante la imposibilidad de estimar un corte transversal para evaluar la importancia de los distintos canales de transmisión, dado el

tamaño reducido de éste3_{, recurren, por lo general, a comparar los resultados de los impulsos}

respuestas con unos hechos estilizados del comportamiento de cada región en indicadores relacionados con estos canales. Es decir, se hace un análisis más descriptivo de la posible relación entre las respuestas diferenciales al choque nacional y los canales de transmisión. En algunos casos, para evaluar la importancia del canal de tasa de interés, comparan los resultados de los impulsos respuestas de las distintas regiones con los impulsos respuestas para distintos sectores económicos obtenidos a partir de las estimaciones adicionales de modelos VAR con datos del comportamiento de la actividad económica por sectores.

Como ejemplo de algunos trabajos de este grupo están los de Owyang y Wall (2005), Georgopoulos (2009), Potts y Yerger (2010). En el primero de ellos, al igual que Carlino y

(11)

9

Defina (1998) se estima un VAR con datos trimestrales para ocho regiones de Estados Unidos, aunque con la diferencia de que se emplea un período de tiempo más amplio (1960 – 2002), ya que el interés principal es determinar si ha habido cambios importantes en las respuestas regionales entre dos sub-períodos de la muestra. Los resultados encontrados muestran que las regiones más afectadas por la política monetaria son diferentes en los dos períodos, y que las diferencias regionales en la amplitud de las recesiones está relacionada con el tamaño de los bancos, mientras que el costo total de la recesión está explicado por la composición sectorial de las economías. Para poder identificar los canales de transmisión de la política monetaria, los autores dividieron las 8 regiones en 19 subregiones, cada una conformada por entre dos y cuatro Estados de una misma región, y estimaron un corte transversal con estas 20 observaciones donde evalúan la incidencia de los distintos canales sobre las respuestas diferenciales en las subregiones.

Los otros dos trabajos evalúan el efecto de los choques de la política monetaria sobre el empleo en las provincias de Canadá utilizando datos mensuales. Georgopolous (2009) utiliza datos entre 1976 y 2000, y encuentra que hay respuestas diferentes en el empleo en cada región ante una contracción monetaria. También realiza un ejercicio adicional de estimar un modelo VAR sectorial, a partir del cual obtiene impulsos respuestas del PIB real en diferentes sectores económicos ante los choques de política. Los resultados de estos impulsos respuesta muestran que los sectores más sensibles son, precisamente, los más importantes en las regiones en los que el empleo es más sensible a la tasa de interés, siendo ésta su principal justificación para afirmar que en Canadá el canal de tasa de interés juega un papel fundamental en la explicación de las respuestas asimétricas en el empleo ante un choque monetario. Utilizando estadísticas descriptivas encuentran que las provincias con mayor grado de apertura exportadora son, por lo general, más afectadas por los choques monetarios, y que el tamaño de las empresas no parece relevante en la explicación de las diferencias regionales en su respuesta ante la política monetaria. Lo anterior da a entender que el canal de tasa de cambio sí es importante en la transmisión de política monetaria a nivel regional, pero no así el canal de hoja de balance.

Potts y Yerger (2010), por su parte, además de trabajar con una serie más amplia (datos mensuales entre 1972:1 y 2007:4), buscan identificar el impacto regional en las provincias de

Canadá de un choque de política monetaria tanto en Canadá como en Estados Unidos. Los

autores encuentran diferencias entre las regiones canadienses en su sensibilidad ante los choques de política monetaria en ambos países. La única explicación a estas diferencias la buscan en la relación de los resultados de los impulsos respuesta con la importancia del sector manufacturero en la economía de cada país, encontrando que sí parece haber una relación entre las respuestas regionales a los choques de política monetaria y la concentración de la industria manufacturera en determinadas provincias.

(12)

10

de los diferentes Estados a los choques de política monetaria sí es diferente. Este artículo intenta también intenta evaluar la incidencia de la estructura económica en la respuesta diferente de las regiones, para lo cual compara unos hechos estilizados relacionados con estos indicadores con el valor de los impulsos respuesta, encontrando que el tamaño de la respuesta está relacionado positivamente con la participación del sector manufacturero en el producto del Estado, lo que toman como evidencia de la existencia del canal de tasa de interés.

Ridhwana, Groot, Rietvelda, y Nijkampa (2011), por su parte, emplean modelos VAR estructurales independientes para medir el impacto de choques de política monetaria sobre el producto en 26 provincias de Indonesia utilizando datos trimestrales para el período 1990-2007. Las funciones de impulso respuesta derivadas de los modelos estimados revelan variaciones sustanciales regionales en la respuesta ante la política monetaria. Los resultados obtenidos muestran también que los efectos diferenciales regionales de la política monetaria están significativamente relacionados con la composición sectorial (especialmente, la participación del sector manufacturero) y el tamaño de las empresas, lo que proporciona evidencia de la relevancia de los canales de tasa de interés y de hoja de balance.

A pesar de la escasa literatura sobre los impactos diferenciales de la política monetaria en las regiones de países en desarrollo, en Colombia se conocen dos antecedentes, como ya se mencionó en la introducción.

El primero de ellos es el de Zuccardi (2002), quien buscó estudiar los efectos sobre los ingresos reales a nivel regional de los cambios en la política monetaria utilizando información trimestral para las siete principales ciudades del país entre 1984 y 2000, y tomando como indicador de política monetaria la tasa de crecimiento de la base monetaria. Se estimaron ocho modelos VAR, uno con información nacional y uno por cada una de las áreas metropolitanas de Bogotá, Medellín, Cali, Barranquilla, Bucaramanga, Manizales y Pasto. El artículo concluye que aunque la respuesta en todas las ciudades no es la misma, no hay diferencias significativas y, por lo tanto, la política monetaria no está asociada con las disparidades a nivel regional.

En el artículo se mencionan los distintos canales a través de los cuales, teóricamente, se pueden generar las respuestas diferentes en cada región, y se hace una descripción de la situación de las ciudades en algunos indicadores que hacen referencia a esos canales. Sin embargo, dado que no se encontró respuestas diferenciales de la política monetaria en las regiones, no se realizó asociación alguna entre estas estadísticas descriptivas y los resultados de los impulsos respuesta.

(13)

11

3. Metodología y datos

El resumen anterior de la literatura empírica nacional e internacional más relevante sobre el efecto diferencial de la política monetaria en las regiones evidencia que la estrategia metodológica generalmente empleada en este tipo de estudios consiste en la utilización de modelos VAR estructurales para identificar los choques de política monetaria y obtener impulsos respuestas de un determinado indicador de actividad económica ante dichos choques.

A pesar de tener este punto en común, metodológicamente, la mayoría de los estudios previos se pueden dividir en dos grandes grupos. Por un lado, la metodología general de una parte de la literatura consiste en estimar un modelo VAR independiente para cada una de las regiones de interés, a partir del cual obtienen el impulso respuesta de esa región ante los choques de política monetaria. Posteriormente, en una segunda etapa, estiman una regresión de corte transversal, buscando identificar los factores que explican las diferencias en las respuestas obtenidas por cada región en su respectivo modelo. Las debilidades de este procedimiento son que, al estimarse modelos independientes para cada unidad de análisis, el choque de política monetaria que se identifica no es el mismo en todas las regiones, y tampoco se incorpora el efecto que tiene sobre la producción de un departamento, el comportamiento de la actividad económica en el resto de departamentos.

Por otra parte, el otro grupo de estudios se caracteriza por estimar un único VAR estructural en el que incluyen un indicador de actividad económica para cada una de las regiones. Con ello, logran identificar un choque de política monetaria común a todas las regiones y estiman la respuesta particular de cada región a esos choques. El problema de esta metodología es que, al requerir la estimación de un número importante de parámetros y no disponer, por lo general, de series de tiempo muy amplias, para poder estimar el VAR deben conformar un número reducido de regiones, agregando bajo una misma región varias unidades sub-nacionales en las que se divide política o geográficamente el país. Dado el bajo número de regiones, resulta prácticamente imposible poder identificar, posteriormente, a través de un modelo econométrico, los canales mediante los cuales la política monetaria afecta de manera diferencial a las regiones.

La información disponible a nivel departamental para Colombia4_{hace que una estimación a}

partir de cualquiera de los dos procedimientos anteriores se enfrente a similares problemas. Por lo tanto, para superar esta limitante, en este estudio se utiliza una metodología alternativa a los modelos VAR estructurales para identificar los choques monetarios y obtener los impulsos respuesta, la cual consiste en el uso de proyecciones directas con datos panel. Con la implementación de esta metodología se consigue estimar la respuesta diferencial en tres regiones de Colombia ante un choque común de política monetaria durante el período 2002-2010, y también, evaluar la importancia que tienen, para el caso de las regiones colombianas, tres de los canales que tradicionalmente se han considerado en la literatura como principales transmisores de los efectos de las decisiones del banco central a las regiones.

(14)

12

La metodología empleada se basa en la propuesta original de Jorda (2005), quien, en vez de estimar el sistema completo de ecuaciones del VAR estructural, estima la función de impulso respuesta proyectando la variable de interés, en este caso el indicador de actividad económica, sobre el rezago de las variables que compondrían el VAR.

Esta metodología ha sido empleada en estudios recientes como los de Auerbach y Gorodnichenko (2012) en su estimación del impacto promedio de un choque de política fiscal en varios países de la OECD, y Vargas, et al. (2012) en su intento de estimar los efectos macroeconómicos en Colombia ante choques fiscales y monetarios. Sin embargo, el presente trabajo constituye la primera aplicación de esta metodología en la estimación de los efectos diferenciales en las regiones de un país, lo que implica una leve variación en la especificación del modelo a estimar con respecto a la idea original de Jordà (2005) y las aplicaciones recientes.

Según la propuesta inicial de Jordà (2005), la función de impulso respuesta de una variable ante un choque de política se puede aproximar a partir de la siguiente ecuación:

17 unametodologíaalternativa a los modelos VAR estructuralespara identificar los choques

monetarios y obtener los impulsos respuesta, la cual consiste en el uso de proyecciones directas

con datos panel. Con la implementación de esta metodología se consigueestimar la respuesta

diferencial en tres regiones de Colombia ante un choque común de política monetaria durante

el período 2002-2010, y también, evaluarla importancia que tienen, para el caso de las regiones

colombianas, tres de los canales que tradicionalmente se han considerado en la literatura como

principales transmisores de los efectos de las decisiones del banco central a las regiones.

La metodología empleada se basa en la propuesta original de Jorda (2005), quien, en vez

de estimar el sistema completo de ecuaciones del VAR estructural, estimala función de impulso

respuesta proyectando la variable de interés, en este caso el indicador de actividad económica,

sobre el rezago de las variables que compondrían el VAR.

Esta metodología ha sido empleada en estudios recientes como los de Auerbach y

Gorodnichenko (2012) en su estimación del impacto promedio de un choque de política fiscal

en varios países de la OECD, yVargas, et al. (2012)en su intento de estimar los efectos

macroeconómicos en Colombia ante choques fiscales y monetarios. Sin embargo, el presente

trabajo constituye la primera aplicación de esta metodología en la estimación de los efectos

diferenciales en las regiones de un país, lo que implica una leve variación en la especificación

del modelo a estimar con respecto a la idea original de Jordà (2005) y las aplicaciones recientes.

Según la propuesta inicial de Jordà (2005), la función de impulso respuesta de una

variable ante un choque de política se puede aproximar a partir de la siguiente ecuación:

𝑌𝑌

𝑡𝑡൅ℎ

ൌ

𝛼𝛼

ℎ

൅

𝜳𝜳

ℎ

𝐿𝐿 𝑋𝑋

𝑡𝑡

൅

𝜱𝜱

ℎ

𝑆𝑆

𝑡𝑡

൅

𝑢𝑢

𝑡𝑡

(1)

donde

𝑌𝑌

es la variable de interés, por ejemplo, el indicador de actividad económica,

𝑆𝑆

es el

choque de política, y

𝑋𝑋

un vector de controles.

(1)

donde

Y

es la variable de interés, por ejemplo, el indicador de actividad económica,

S

es el

choque de política, y

X

un vector de controles.

En la anterior ecuación todos los coeficientes varían con el horizonte de tiempo

h

, lo que quiere

decir que se estima una regresión de manera separada para cada horizonte, lo que se conoce

con el nombre de proyección directa. El coeficiente Φ_h mide la respuesta promedio de la variable

de interés

h

períodos después del choque, lo cual es, precisamente, la definición de un impulso

respuesta. La estimación de estos coeficientes se realiza por mínimos cuadrados ordinarios5_.

La principal ventaja de esta metodología con respecto a un VAR estructural es que no requiere estimar las ecuaciones para las otras variables distintas a la variable de interés, razón por la cual se reduce sustancialmente el número de parámetros a estimar y se aumentan los grados de libertad.

La anterior especificación puede ser adaptada fácilmente en caso de contar con datos panel, como lo hacen Auerbach y Gorodnichenko (2012), lo que además permite tener mayor número de grados de libertad y superar las dificultades de disponer de una serie de tiempo muy corta.

En este caso, la respuesta del indicador de actividad económica (

Y

) en el horizonte

h

ante un

choque de política (S) puede serestimada a partir de la siguiente regresión:

18 En la anterior ecuación todos los coeficientes varían con el horizonte de tiempo

ℎ

, lo

que quiere decir que se estima una regresión de manera separada para cada horizonte, lo que se

conoce conel nombre de proyección directa. El coeficiente 𝜱𝜱

ℎ

mide la respuesta promedio de

la variable de interés

ℎ

períodos después del choque, lo cual es, precisamente, la definición de

un impulso respuesta. La estimación de estos coeficientes se realiza por mínimos cuadrados

ordinarios

5

_.

La principal ventaja de esta metodología con respecto a un VAR estructural es que no

requiere estimar las ecuaciones para las otras variables distintas a la variable de interés, razón

por la cual se reduce sustancialmente el número de parámetros a estimar y se aumentan los

grados de libertad.

La anterior especificación puede ser adaptada fácilmente en caso de contar con datos

panel, como lo hacen Auerbach y Gorodnichenko (2012), lo que además permite tener mayor

número de grados de libertad y superar las dificultades de disponer de una serie de tiempo muy

corta.En este caso, la respuesta del indicador de actividad económica (𝑌𝑌) en el horizonte h ante

un choque de política (

𝑆𝑆

) puede serestimada a partir de la siguiente regresión:

𝑌𝑌

𝑖𝑖ǡ𝑡𝑡൅ℎ

ൌ

𝛼𝛼

ℎ

൅

𝜳𝜳

ℎ

𝐿𝐿 𝑋𝑋

𝑖𝑖ǡ𝑡𝑡

൅

𝜱𝜱

ℎ

𝑆𝑆

𝑡𝑡

൅

𝑢𝑢

𝑖𝑖𝑡𝑡

(2)

donde

𝑖𝑖

hace referencia a las unidades de análisis (por ejemplo, departamentos),

𝑡𝑡

se

refiere al tiempo,y 𝑋𝑋

𝑖𝑖ǡ𝑡𝑡

es el vector de variables de control.La estimación del coeficiente 𝜱𝜱

ℎ

se

puede interpretar como la respuesta promedio de las unidades que componen el panel

ℎ

períodos adelante ante el choque de política.

5_{Ver detalles en Jordà (2005).}

(2)

donde i hace referencia a las unidades de análisis (por ejemplo, departamentos),

t se refiere al tiempo, y X_{i, t} es el vector de variables de control. La estimación

del coeficiente Φ_h_{se puede interpretar como la respuesta promedio de las}

unidades que componen el panel

h

_{períodos adelante ante el choque de política.}

(15)

13

Sin embargo, como el primer objetivo de este trabajo es determinar cómo difieren las respuestas de las regiones ante un mismo choque de política monetaria, se modifica la especificación de Auerbach y Gorodnichenko (2012) (ecuación 2), y se incluyen unas variables de interacción del choque con variables dummy que indican la región a la que pertenece el departamento.

Políticamente, Colombia se divide en 32 departamentos y el Distrito Capital. Sin embargo, en este estudio no fueron considerados los denominados nuevos departamentos (9 en total), por tratarse de departamentos poco poblados y con poca participación en la producción total

na-cional6_.

Todos estos departamentos con excepción de San Andrés y Providencia hacen parte de dos de las regiones en que las tradicionalmente se ha dividido geográficamente el país: la región Amazonía y la región Orinoquía.

Los 24 departamentos restantes, que son los analizados en este trabajo, pueden ubicarse dentro de las otras tres regiones geográficas en las que se divide Colombia: los departamentos de La Guajira, Cesar, Magdalena, Sucre, Bolívar, Córdoba y Atlántico conforman la región Caribe; los departamentos de Valle del Cauca, Nariño, Cauca y Chocó integran la región Pacífica, mientras que el resto de departamentos (Boyacá, Caldas, Caquetá, Cundinamarca, Antioquia, Risaralda, Quindío, Tolima, Huila, Meta, Santander, Norte de Santander y el Distrito Capital) pueden

ubicarse dentro de denominada región Centro Andina7_.

Teniendo en cuenta la anterior división regional, el modelo a estimar es el siguiente:

20 𝑌𝑌

𝑖𝑖ǡ𝑡𝑡൅ℎ

ൌ

𝛼𝛼

ℎ

൅

𝜳𝜳

ℎ

𝐿𝐿 𝑋𝑋

𝑖𝑖ǡ𝑡𝑡

൅

𝜱𝜱

ℎ

𝑆𝑆

𝑡𝑡

൅

𝛱𝛱

𝐶𝐶ℎ

𝐷𝐷𝑢𝑢𝑚𝑚𝑚𝑚𝑦𝑦𝐶𝐶𝑎𝑎𝑟𝑟

𝑖𝑖𝑡𝑡

൅

𝛱𝛱

𝑃𝑃ℎ

𝐷𝐷𝑢𝑢𝑚𝑚𝑚𝑚𝑦𝑦𝑃𝑃𝑎𝑎𝑐𝑐

𝑖𝑖𝑡𝑡

൅

𝜱𝜱

𝐶𝐶ℎ

𝑆𝑆

𝑡𝑡

𝐷𝐷𝑢𝑢𝑚𝑚𝑚𝑚𝑦𝑦𝐶𝐶𝑎𝑎𝑟𝑟

𝑖𝑖𝑡𝑡

൅

𝜱𝜱

𝑃𝑃ℎ

𝑆𝑆

𝑡𝑡

𝐷𝐷𝑢𝑢𝑚𝑚𝑚𝑚𝑦𝑦𝑃𝑃𝑎𝑎𝑐𝑐

𝑖𝑖𝑡𝑡

൅

𝑢𝑢

𝑖𝑖𝑡𝑡

(3)

Al estimar esta ecuación para cada horizonte

ℎ

, los coeficientes de interés serán

𝜱𝜱

𝐶𝐶ℎ

y

𝜱𝜱

𝑃𝑃ℎ

, los cuales indican, tomando a la región Centro Andina como la región base, qué tan

diferente es la respuesta de los departamentos de las regiones Caribe y Pacífica con respecto a

la región Centro Andina ante un choque positivo de política monetaria.

La técnica anterior implica la definición de un choque de política monetaria exógeno

𝑆𝑆

𝑡𝑡

,

el cual debe cumplir con los criterios de no anticipación y no depender contemporáneamente

del producto. El procedimiento para la estimación de estos choques de política monetaria se

describe en la sección 3.1.

Por otra parte, otro objetivo del trabajo, como se comentó anteriormente, es determinar

si las posibles respuestas asimétricas de la actividad económica en las regiones de Colombia

ante los choques están asociadas con diferencias existentes entre los departamentos en

indicadores relacionados con los canales de transmisión de la política monetaria más

reconocidos por la literatura.

Para ello, el procedimiento seguido es estimarun modelo similar al de la ecuación 3, que

permite mostrar las diferencias en las respuestas regionales, pero en este caso las variables

dummy de región son remplazadas por indicadores que tienen que ver con el estado de cada

departamento en variables relacionados con los canales de transmisión, y son estos indicadores

los que se interactúan con los choques monetarios.

Los indicadores empleados son muy cercanos a los propuestos normalmente en la

literatura. En el caso del canal de tasa de cambio, el indicador utilizado fue la participación de

las exportaciones en el PIB de cada departamento cada año. La idea es que los departamentos

Al estimar esta ecuación para cada horizonte h, los coeficientes de interés serán ˜Φ_C_h y ˜Φ_P_h , los

cuales indican, tomando a la región Centro Andina como la región base, qué tan diferente es la respuesta de los departamentos de las regiones Caribe y Pacífica con respecto a la región Centro Andina ante un choque positivo de política monetaria.

La técnica anterior implica la definición de un choque de política monetaria exógeno S_t , el cual debe

cumplir con los criterios de no anticipación y no depender contemporáneamente del producto. El procedimiento para la estimación de estos choques de política monetaria se describe en la sección 3.1.

6_{Los nuevos departamentos son los antiguos territorios nacionales, los cuales fueron elevados a la categoría} de departamentos con la Constitución de 1991. Son ellos: Arauca, Amazonas, Casanare, Guainía, Guaviare, Putumayo, San Andrés y Providencia, Vaupés y Vichada. En 2010 estos departamentos participaban en conjunto con el 3,5% del total de la producción nacional y en ellos habita el 2,8% de la población de Colombia.

(16)

14

Por otra parte, otro objetivo del trabajo, como se comentó anteriormente, es determinar si las posibles respuestas asimétricas de la actividad económica en las regiones de Colombia ante los choques están asociadas con diferencias existentes entre los departamentos en indicadores relacionados con los canales de transmisión de la política monetaria más reconocidos por la literatura.

Para ello, el procedimiento seguido es estimar un modelo similar al de la ecuación 3, que permite mostrar las diferencias en las respuestas regionales, pero en este caso las variables dummy de región son remplazadas por indicadores que tienen que ver con el estado de cada departamento en variables relacionados con los canales de transmisión, y son estos indicadores los que se interactúan con los choques monetarios.

Los indicadores empleados son muy cercanos a los propuestos normalmente en la literatura. En el caso del canal de tasa de cambio, el indicador utilizado fue la participación de las exportaciones en el PIB de cada departamento cada año. La idea es que los departamentos que más exportan deben verse afectados en mayor medida que el resto, si la tasa de interés afecta la tasa de cambio y ésta a su vez incide notablemente en las exportaciones.

Para determinar la importancia del canal de tasa de interés se utilizaron dos indicadores: la participación conjunta de los sectores industrial y construcción en el PIB departamental, y la participación del sector minero en el PIB del departamento. Aunque el primero de estos dos indicadores es el que usualmente se utiliza en la literatura, se decidió también contemplar la participación de la minería en el PIB, por ser éste un sector de mucha importancia en algunos departamentos y también intensivo en capital, y por lo tanto, en teoría altamente sensible a las variaciones en la tasa de interés.

En cuanto al canal hoja de balance, se construyó una variable dummy que permite diferenciar los departamentos con alto porcentaje de empresas pequeñas y medianas de aquellos con alto porcentaje de empresas grandes. Con base en la información del Censo del 2005 es posible hacer una distribución del total de empresas en un departamento entre grandes, medianas y pequeñas, y asignarle un valor de 1 durante los nueve años de la muestra (2002-2010) a aquellos departamentos con alto porcentaje de empresas pequeñas y medianas (más del 95%) y 0 de lo contrario. Mantener el mismo valor para un departamento a lo largo de los nueve años de estudio se justifica en el hecho de que la composición de empresas por tamaño en un departamento no varía fuertemente en el corto plazo y, por lo tanto, se puede esperar que durante el período de análisis los departamentos con alta concentración de empresas pequeñas y medianas sean siempre los mismos. Este supuesto es aún más aceptable debido a que el dato disponible corresponde a un año ubicado cerca de la mitad del período de análisis (2002-2010).

(17)

15

3.1 Estimación del choque de política monetaria

Siguiendo a Vargas et. al. (2012) la estimación de los choques de política monetaria para Colombia en cada momento del tiempo t se calculó a partir de la diferencia entre el valor

observado de la tasa de interés de política monetaria en el tiempo t (it) y el valor esperado de

esta variable dado el conjunto de información disponible en el tiempo t –1. Es decir:

22

3.1 Estimación del choque de política monetaria

Siguiendo a Vargas et. al. (2012) la estimación de los choques de política monetaria para Colombia en cada momento del tiempo se calculó a partir de la diferencia entre el valor observado de la tasa de interés de política monetaria en el tiempo t y el valor esperado de esta variable dado el conjunto de información disponible en el tiempo−ͳ ȁΩ−ͳ ͺ. Es decir:

ൌ − ȁΩ−ͳ (4)

Si se tiene en cuenta que en un modelo VAR con identificación recursiva, un choque de política monetaria es un movimiento inesperado de la tasa de interés de política monetaria, que además es ortogonal al conjunto de información del mercado, el error de pronóstico de la ecuación anterior puede servir como proxy de los choques de política. La razón de ello es que, por una parte, por definición, las variables observadas por el banco central no pueden reaccionar de manera contemporánea al choque de política monetaria, por lo que el choque es ortogonal al conjunto de información de la autoridad monetaria, y por otro lado, el error de pronóstico estimado a partir de la ecuación (4) se puede interpretar como un movimiento en la tasa de política en el período no predicho por los agentes con base en el conjunto de información disponible en el período −ͳ.

Suponiendo que el banco central sigue una regla de política basada en expectativas, dentro de las variables del conjunto de información, además de las variables de inflación y el producto real que hacen parte de una regla de Taylor estándar, deben incluirse también otras

8_{Dado que la tasa de interés de política monetaria que fija el Banco de la República es un múltiplo de 0,25, la tasa} de interés estimada es redondeada a un múltiplo de este número antes de restarla al valor observado de la tasa de interés para obtener el choque de política monetaria.

(4)

Si se tiene en cuenta que en un modelo VAR con identificación recursiva, un choque de política monetaria es un movimiento inesperado de la tasa de interés de política monetaria, que además es ortogonal al conjunto de información del mercado, el error de pronóstico de la ecuación anterior puede servir como proxy de los choques de política. La razón de ello es que, por una parte, por definición, las variables observadas por el banco central no pueden reaccionar de manera contemporánea al choque de política monetaria, por lo que el choque es ortogonal al conjunto de información de la autoridad monetaria, y por otro lado, el error de pronóstico estimado a partir de la ecuación (4) se puede interpretar como un movimiento en la tasa de política en el período t no predicho por los agentes con base en el conjunto de información disponible en el período t –1.

Suponiendo que el banco central sigue una regla de política basada en expectativas, dentro de las variables del conjunto de información, además de las variables de inflación y el producto real que hacen parte de una regla de Taylor estándar, deben incluirse también otras variables que pueden ser indicadores útiles del comportamiento futuro de la inflación y el producto.

Teniendo en cuenta lo anterior, para la estimación de los choques de política monetaria se consideraron también dentro del conjunto de información la meta anual de inflación, la depreciación nominal del peso colombiano, la tasa de crecimiento del crédito y la tasa de inflación de Estados Unidos. Adicionalmente, dado que la tasa de interés es una variable que presenta una alta persistencia, también se incluyeron como variables explicativas los dos últimos rezagos de esta variable.

Para que el choque de política monetaria cumpla con la definición anterior, se requiere que el

conjunto de información Ωt-1 no incluya variables que no son observadas en el tiempo t –1. Por

lo tanto, dado que la información del PIB trimestral en Colombia se conoce generalmente un trimestre después del trimestre en que se produjo, en la estimación se incluyó el valor de esta variable en el período t –2. Para las demás variables se incluye su valor en el tiempo t –1.

La estimación de

23

variables que pueden ser indicadores útiles del comportamiento futuro de la inflación y el producto.

Para que el choque de política monetaria cumpla con la definición anterior, se requiere que el conjunto de información Ω−ͳ no incluya variables que no son observadas en el tiempo

−ͳ. Por lo tanto, dado que la información del PIB trimestral en Colombia se conoce generalmente un trimestre después del trimestre en que se produjo, en la estimación se incluyó el valor de esta variable en el período −ʹ. Para las demás variables se incluye su valor en el tiempo −ͳ.

La estimación de −ͳ ȁΩ−ͳ se aproximó utilizando también proyecciones directas.

Es decir:

−ͳ ȁΩ−ͳ ൌ∝Ͳ൅∝ͳ −ͳ, (5)

donde−ͳ es un vector que contiene las variables que hacen parte de Ω−ͳ. La

estimación de ∝Ͳ y ∝ͳ se realizó por Mínimos Cuadrados Ordinarios (MCO).

Para obtener la secuencia de choques monetarios se llevó a cabo un ejercicio de “rolling” en el que se estimó con la información disponible en −ͳy se comparó con el valor real de

. La muestra inicial comprendió el período 1995:2 – 2001:4 (27 observaciones) y con ella se

se aproximó utilizando también proyecciones directas. Es decir:

23

variables que pueden ser indicadores útiles del comportamiento futuro de la inflación y el producto.

Para que el choque de política monetaria cumpla con la definición anterior, se requiere que el conjunto de información Ω−ͳ no incluya variables que no son observadas en el tiempo

−ͳ. Por lo tanto, dado que la información del PIB trimestral en Colombia se conoce generalmente un trimestre después del trimestre en que se produjo, en la estimación se incluyó el valor de esta variable en el período −ʹ. Para las demás variables se incluye su valor en el tiempo −ͳ.

La estimación de −ͳ ȁΩ−ͳ se aproximó utilizando también proyecciones directas.

Es decir:

−ͳ ȁΩ−ͳ ൌ∝Ͳ൅∝ͳ −ͳ, (5)

donde−ͳ es un vector que contiene las variables que hacen parte de Ω−ͳ. La

estimación de ∝Ͳ y ∝ͳ se realizó por Mínimos Cuadrados Ordinarios (MCO).

Para obtener la secuencia de choques monetarios se llevó a cabo un ejercicio de “rolling” en el que se estimó con la información disponible en −ͳy se comparó con el valor real de

. La muestra inicial comprendió el período 1995:2 – 2001:4 (27 observaciones) y con ella se , (5)

donde Xt-1 es un vector que contiene las variables que hacen parte de Ωt-1. La estimación de ∝0

(18)

16

Para obtener la secuencia de choques monetarios se llevó a cabo un ejercicio de “rolling” en

el que se estimó it con la información disponible en t –1 y se comparó con el valor real de it La

muestra inicial comprendió el período 1995:2 – 2001:4 (27 observaciones) y con ella se obtuvo el choque de política para el trimestre 2002:1. Posteriormente, el conjunto de información fue actualizado y la muestra expandida trimestre a trimestre hasta 2010:3 para obtener los choques hasta el período 2010Q4. De esta forma, en la estimación del choque de este último trimestre se empleó una muestra de 62 observaciones.

3.2 Datos

Si bien la estimación de los choques de política monetaria a nivel nacional para el período 2002-2010 se pudo realizar con datos trimestrales, dado que en Colombia no se dispone de series económicas trimestrales para los departamentos, para evaluar la incidencia de los choques de política monetaria en las regiones se emplearon series anuales, durante el mismo período, de un indicador de actividad económica para los 24 departamentos, y de una medida anualizada de los choques, obtenida de una forma sencilla a partir de las estimaciones trimestrales.

Si bien el uso de datos anuales puede pensarse como una debilidad de esta trabajo comparado con sus antecedentes, el uso de la metodología de proyecciones directas combinada con datos panel, en vez de los usuales modelos VAR estructurales, hace que, en últimas, el número de grados de libertad bajo esta aproximación sean significativamente superiores a los de los estudios previos para Colombia, e incluso que los de la mayoría de los trabajos realizados a nivel internacional, además de que se puede disponer de un mejor indicador de actividad económica para las regiones.

Precisamente, el indicador de actividad económica departamental empleado fue la tasa de crecimiento anual del componente cíclico del logaritmo del PIB departamental a precios constantes de 2005 tomado del sistema de Cuentas Nacionales Departamentales del DANE, el mismo indicador mencionado en la introducción para destacar la alta variabilidad que existe en el comportamiento de las economías regionales en Colombia.

La serie anual de choques, por su parte, se obtuvo sumando los choques estimados para los cuatro trimestres de cada año siguiendo la metodología descrita en la sección 3.1.

Al estimar una regresión con datos de crecimiento anual de la actividad económica como

variable dependiente y la suma de choques del año como variable explicativa, el coeficiente Φ_h

en la ecuación (2) se interpreta entonces como el impacto que genera un choque acumulado anual del 1% en la tasa de interés sobre la tasa de crecimiento anual de la actividad económica

h

años adelante. Es decir, si h=0, el coeficiente Φ_h mide el impacto que generan el acumulado

(19)

17

Las variables de control incluidas fueron dos: una es la tasa de depreciación anual y la otra es el comportamiento de la actividad económica en el resto de departamentos de la misma región, es decir, la tasa de crecimiento anual del componente cíclico del PIB de la región a la que pertenece el departamento excluyendo el PIB de dicho departamento.

A pesar de que el indicador de actividad económica empleado en este trabajo se mide anualmente, la estimación de la respuesta de la actividad económica ante los choques de política monetaria no es factible estimarla únicamente cada año, sino que también es posible hacerlo de manera trimestral. Esto es así dado que se dispone de datos trimestrales de los choques y se pueden combinar los choques de la última parte de un año con los primeros choques del año siguiente, y evaluar el impacto que esta medida tiene sobre el indicador de actividad económica. Por ejemplo, al sumar los resultados de los 2 últimos choques trimestrales

de un año t más los dos primeros choques trimestrales del año t+1, y estimar el impacto que

estos tienen sobre la tasa de crecimiento anual del componente cíclico del PIB en el año t+1, se está obteniendo una medida de la respuesta del crecimiento anual de la actividad económica ante los choques registrados medio año (dos trimestres) atrás. De la misma forma, si la anterior medida de choques se compara con la tasa de crecimiento del período t+2, se obtiene la respuesta de la actividad económica ante los choques registrados un año y medio (6 trimestres) atrás. Un razonamiento similar se hace para obtener los resultados en los demás trimestres.

Por otra parte, para evaluar la incidencia de los canales tradicionales de transmisión de la política monetaria a las regiones se utilizaron los siguientes datos: para obtener la participación de las exportaciones en el PIB se tomaron los datos del valor de las exportaciones de cada departamento del Sistema Estadístico de Comercio Exterior de la Dirección de Impuestos y Aduanas Nacionales (DIAN); la participación de la industria, la construcción y la minería en el PIB departamental se obtuvieron del Sistema de Cuentas Nacionales departamentales del DANE y, por último, el porcentaje de empresas pequeñas y medianas en el departamento se calculó dividiendo el número de empresas con 500 empleados o menos sobre el total de empresas reportadas en el Censo de 2005, sin considerar las empresas con 10 empleados o menos.

4. Resultados

4.1 Choques de política monetaria, 2002-2010

(20)

18

Gráfico 2. Choques trimestrales de política monetaria, 2002-2010

27

Fuente: Cálculos delos autores

Cuando el choque de política monetario es positivo, quiere decir que la tasa de interés fijada por el Banco de la República para dicho período superó las expectativas que tenían los agentes económicos. En la gráfica se observa que durante todo el período ha habido una combinación de choques positivos y negativos. Sin embargo, en los años 2002 y 2003 se presentaron choques negativos de importante magnitudque dominaron a los choques positivos, mientras que en 2006, 2008 y 2010 los choques positivos, aunque no fueron muy grandes, si fueron más frecuentes que los choques negativos. En los otros años los choques negativos y positivos parecieron contrarrestarse entre sí.

4.2 Respuesta de la actividad económica regional ante la política

monetaria

A partir de la serie anterior de choques trimestrales, se sumaron para cada año los choques de los 4 trimestres y se estimó el impacto de esta medida de choques anuales sobre el crecimiento del PIB en 24 departamentos de Colombia, según la especificación de la ecuación 1, con el fin de obtener la respuesta de la actividad económica ante la política monetaria durante los dos años siguientes a la ocurrencia de los choques.

-0,0250 -0,0200 -0,0150 -0,0100 -0,0050 0,0000 0,0050 0,0100 0,0150 0,0200 m ar -0 2 jun -0 2 sep -0 2 dic -0 2 m ar -0 3 jun -0 3 sep -0 3 dic -0 3 m ar -0 4 jun -0 4 sep -0 4 dic -0 4 m ar -0 5 jun -0 5 sep -0 5 dic -0 5 m ar -0 6 jun -0 6 sep -0 6 dic -0 6 m ar -0 7 jun -0 7 sep -0 7 dic -0 7 m ar -0 8 jun -0 8 sep -0 8 dic -0 8 m ar -0 9 jun -0 9 sep -0 9 dic -0 9 m ar -1 0 jun -1 0 sep -1 0 dic -1 0 Punt os porce nt ual es

Fuente: Cálculos de los autores

Cuando el choque de política monetario es positivo, quiere decir que la tasa de interés fijada por el Banco de la República para dicho período superó las expectativas que tenían los agentes económicos. En la gráfica se observa que durante todo el período ha habido una combinación de choques positivos y negativos. Sin embargo, en los años 2002 y 2003 se presentaron choques negativos de importante magnitud que dominaron a los choques positivos, mientras que en 2006, 2008 y 2010 los choques positivos, aunque no fueron muy grandes, si fueron más frecuentes que los choques negativos. En los otros años los choques negativos y positivos parecieron contrarrestarse entre sí.

4.2 Respuesta de la actividad económica regional ante la política monetaria

A partir de la serie anterior de choques trimestrales, se sumaron para cada año los choques de los 4 trimestres y se estimó el impacto de esta medida de choques anuales sobre el crecimiento del PIB en 24 departamentos de Colombia, según la especificación de la ecuación 1, con el fin de obtener la respuesta de la actividad económica ante la política monetaria durante los dos años siguientes a la ocurrencia de los choques.

(21)

19

Tabla 1. Impacto promedio de un choque de política monetaria sobre los departamentos de Colombia

28

La tabla1 contiene los resultados de dicha estimación, la cual se realizó por Mínimos Cuadrados Generalizados (MCG).Allí se puede observar que, antes del primer año, un choque positivo de política monetaria no genera efectos significativos sobre el crecimiento del componente cíclico del PIB en los departamentos de Colombia. La más probable explicación para este resultado es el hecho de que los cambios en la tasa de interés de intervención del Banco de la República no se traducen instantáneamente en cambios en las tasas de interés del sistema financiero, y estas a su vez tampoco afectan de manera inmediata el sector real de la economía.

Tabla 1.Impacto promedio de un choque de política monetaria sobre los departamentos de Colombia

Variable dependiente: crecimiento del componente cíclico del PIB

h=0 h= ¼ h= ½ h= ¾ h=1 h=1 ¼ h=1 ½ h=1 ¾ h=2

Choque _(0.107)-0.043 _(0.127)0.145 _(0.098)0.143 _(0.093)0.033 -0.220* _(0.123) -.653*** _(0.199) -.616*** _(0.124) -.412*** _(0.080) -.400*** _(0.123)

Depreciación _(0.023)-0.031 0.058** _(0.027) 0.048** _(0.024) _(0.026)0.048* _(0.027)0.020 -.108*** _(0.036) -0.053** _(0.023) -0.048** _(0.023) _(0.027)-0.043 Crecimiento

resto región 0.571*** (0.098) (0.114) 0.216* (0.113) 0.180 (0.113) 0.195* (0.112) 0.208* (0.114) -0.053 (0.116) 0.103 (0.102) -0.090 (0.109) -0.113 Constante _(0.002)-0.001 _(0.002)0.001 _(0.002)0.001 _(0.002)0.001 _(0.002)0.000 _(0.003)-0.000 _(0.003)-0.001 _(0.003)-0.000 _(0.003)-0.001

Observaciones 216 192 192 192 192 168 168 168 168

Errores estándar en paréntesis

* Significativo al 10%, ** Significativo al 5%, *** Significativo al 1%

Sólo un año (4 trimestres) después de registrados los choques, la actividad económica parece mostrar una respuesta negativa ysignificativa (una disminución de 0,22 puntos porcentuales), como se puede apreciar en la columna 5 (h=1).En todos los trimestres del año siguiente, el crecimiento cíclico del PIB responde de manera negativa y estadísticamente significativa ante los choques de política monetaria, siendo las respuestas más fuertes las que se presentan 5 y 6 trimestres (h= 1 ¼ y h = 1 ½) después de los choques, cuando la actividad económica disminuye en más de 0,6 puntos porcentuales.

Sólo un año (4 trimestres) después de registrados los choques, la actividad económica parece mostrar una respuesta negativa y significativa (una disminución de 0,22 puntos porcentuales), como se puede apreciar en la columna 5 (h=1). En todos los trimestres del año siguiente, el crecimiento cíclico del PIB responde de manera negativa y estadísticamente significativa ante los choques de política monetaria, siendo las respuestas más fuertes las que se presentan 5 y 6 trimestres (h= 1 ¼ y h = 1 ½) después de los choques, cuando la actividad económica disminuye en más de 0,6 puntos porcentuales.

(22)

20

Tabla 2. Impactos diferenciales de la política monetaria en las regiones de Colombia

29

El segundo modelo estimado (tabla 2, sección A) fue una variación de la especificación anterior en la que el choque de política monetaria interactúa con una variable dummy que indica la región a la que pertenece el departamento. Como los 24 departamentos analizados se clasificaron en 3 regiones (Pacífica, Caribe y Centro Andina) se incorporaron dos variables dummy: una (dummypacifico) que adopta el valor de 1 para los departamentos de la región Pacífica y 0 para el resto de departamentos, y otra (dummycaribe) que adopta el valor de 1 para los departamentos de la región Caribe y 0 de lo contrario. La categoría base es, por lo tanto, la región Andina.

Tabla 2.Impactos diferenciales de la política monetaria en las regiones de Colombia

Sección A

h=0 h= ¼ h= ½ h= ¾ h=1 h=1 ¼ h=1 ½ h=1 ¾ h=2

Choque _(0.128)0.003 0.332** _(0.160) 0.337*** _(0.127) _(0.125)0.132 _(0.158)-0.138 -0.711*** _(0.226) -0.541*** _(0.153) -0.343*** _(0.110) _(0.161)-0.209

Dummy Caribe _(0.005)-0.002 _(0.006)0.000 _(0.006)0.000 _(0.006)-0.003 _(0.005)-0.004 _(0.007)-0.008 _(0.006)-0.008 _(0.006)-0.009 -0.011** _(0.005)

Dummy Pacifico _(0.005)-0.001 _(0.007)-0.001 _(0.007)-0.001 _(0.007)-0.002 _(0.006)-0.002 _(0.008)-0.002 _(0.007)-0.002 _(0.007)-0.002 _(0.007)-0.003 Choques x

dummycaribe (0.231) -0.107 -0.743*** (0.274) -0.899*** (0.232) -0.534** (0.213) -0.455* (0.250) (0.275) 0.346 (0.248) 0.048 (0.174) -0.075 -0.485** (0.214) Choques x

dummypacífico (0.254) -0.131 (0.311) -0.189 (0.264) -0.092 (0.236) 0.090 (0.296) -0.058 (0.320) -0.043 (0.023) -0.354 (0.195) -0.218 (0.285) -0.286 Depreciación _(0.023)-0.034 0.058** _(0.027) 0.060*** _(0.023) 0.055** _(0.026) _(0.028)0.015 -0.106*** _(0.036) -0.053** _(0.023) -0.048** _(0.023) -0.045* _(0.025) Crecimiento resto

región 0.551*** (0.100) (0.113) 0.215* 0.289** (0.114) 0.257** (0.119) (0.113) 0.179 (0.117) -0.097 (0.125) 0.050 (0.107) -0.112 (0.100) -0.103 Constante _(0.002)-0.001 _(0.003)0.001 _(0.003)0.001 _(0.003)0.002 _(0.003)0.002 _(0.004)0.002 _(0.004)0.002 _(0.004)0.003 _(0.004)0.003

Observaciones 216 192 192 192 192 168 168 168 168

Sección B

h=0 h= ¼ h= ½ h= ¾ h=1 h=1 ¼ h=1 ½ h=1 ¾ h=2

Choque _(0.128)0.006 0.328** _(0.160) 0.332*** _(0.128) _(0.125)0.128 _(0.158)-0.137 -0.729*** _(0.226) -0.565*** _(0.154) -0.345*** _(0.110) _(0.161)-0.203

Dummy costa _(0.004)-0.001 _(0.005)-0.000 _(0.005)-0.000 _(0.005)-0.002 _(0.005)-0.003 _(0.006)-0.006 _(0.005)-0.006 _(0.005)-0.006 -0.008* _(0.005) Choques x

dummycosta (0.188) -0.134 -0.503** (0.232) -0.546*** (0.202) (0.180) -0.265 (0.218) -0.287 (0.235) 0.190 (0.204) -0.124 (0.149) -0.137 -0.409** (0.201) Depreciación _(0.023)-0.032 0.055** _(0.027) 0.053** _(0.024) _(0.027)0.047* _(0.028)0.015 -0.106*** _(0.037) -0.053** _(0.023) -0.047** _(0.023) -0.045* _(0.026) Crecimiento resto

región 0.556*** (0.098) (0.113) 0.200* 0.237** (0.115) (0.117) 0.195* (0.114) 0.174 (0.114) -0.053 (0.119) 0.125 (0.102) -0.073 (0.103) -0.114 Constante _(0.002)-0.001 _(0.003)0.001 _(0.003)0.001 _(0.003)0.002 _(0.003)0.002 _(0.004)0.002 _(0.004)0.002 _(0.004)0.003 _(0.004)0.003

Observaciones 216 192 192 192 192 168 168 168 168