Marcelo Delajara*
Banco de México, octubre 2011
(versión actualizada, 11 noviembre 2011)
Resumen
Este trabajo extiende a los ciclos de las economías regionales de México el análisis realizado
anteriormente a nivel nacional sobre el grado de sincronización entre los ciclos económicos de
México y Estados Unidos (EUA). Los datos y los métodos utilizados son novedosos y se consideran
los más adecuados para el análisis regional. Como medida del nivel de actividad económica
regional en México utilizamos los índices coincidentes regionales recientemente desarrollados por
el Banco de México, y para EUA utilizamos el índice coincidente que publica el Banco de la
Reserva Federal de Filadelfia. El análisis empírico se realiza en el marco del modelo estructural
lineal de series de tiempo. Encontramos que la correlación entre las perturbaciones de los ciclos de
EUA y de las regiones de México muestra un gradiente regional: ésta es más alta en las regiones del
norte que en el centro y en el sur. Asimismo encontramos que, en las frecuencias del ciclo
económico, la elasticidad de la actividad económica regional en México respecto de la misma
variable en EUA muestra un gradiente regional norte-sur. Nuestro análisis también permitió
identificar las fuentes de las fluctuaciones cíclicas de cada región y la relación que éstas guardan
con las de la economía estadounidense.
Palabras clave: Ciclos económicos, índices coincidentes, regiones, co-movimiento, México, Estados
Unidos.
Códigos JEL: E32, E37, R11
Abstract
This paper extends to Mexican regional business cycles the analysis done previously at the national
level on the degree of synchronization between the business cycles of Mexico and the USA. The
data and methods used in the paper are new and well suited for regional analysis. Regional
economic activity in Mexico is measured using regional coincident indexes recently developed at
Banco de México, while US aggregate economic activity is measured with the national coincident
index of the Federal Reserve Bank of Philadelphia. The framework for the empirical analysis is the
structural linear times series model. We find a regional pattern in the correlation between the
cyclical disturbances in USA and the Mexican regions: it is higher in the north than in the center
and south of the country. We also find that, at business cycle frequencies, the elasticity of Mexican
regional economic activity with respect to the US’s aggregate economic activity exhibits a similar
regional gradient. Our analysis also allows for an identification of the sources of cyclical
fluctuations in each region and of the way they are associated with shocks to US economy.
Keywords: Business cycles, coincident indexes, regions, co-movement, Mexico, United States.
JEL Codes: E32, E37, R11
1
I- Introducción
Los ciclos del PIB México y de Estados Unidos están altamente sincronizados. Ello se debe al
firma del Tratado de Libre Comercio de América del Norte (TLCAN) a mediados de la década
de 1990s. Algunos investigadores han señalado, sin embargo, que el grado de sincronización
cíclica varía entre las regiones de México. Las economías regionales de México se beneficiaron
del TLCAN en proporción directa a sus dotaciones de infraestructura, capital físico y capital
Unidos (EUA, de aquí en más) llevó a las empresas manufactureras mexicanas a concentrarse
geográficamente en la región norte de México, en los estados fronterizos con EUA. Este proceso
habría contribuido a diferenciar a las economías regionales de México por su grado de co-
México y el ciclo económico de EUA. Los estudios previos sobre este tema han utilizado el
económica regional de México: los índices coincidentes regionales recientemente elaborados por
el Banco de México. Para el caso de los Estados Unidos se utiliza el índice coincidente del
2
proporción de la varianza de los ciclos que se puede atribuir a distintas fuentes de fluctuaciones
cíclicas.
En general los estudios previos utilizaron filtros como el de Hodrick y Prescott, o los así
realizan aquí en el marco de un modelo estructural de series de tiempo estimado por el método
de espacio de estados (Harvey, 1989). Este enfoque fue utilizado por el autor en Delajara (2011)
para estudiar el grado de co-movimiento del empleo regional en México durante el ciclo
económico.
Tanto los datos como los métodos utilizados en este trabajo tienen ventajas sobre los
adoptando como medida de la actividad económica indicadores que exante pueden no ser
comparables entre regiones o estados. Por ejemplo, en el caso del empleo, la proporción de la
fuerza laboral que se encuentra en el sector formal es mayor en los estados fronterizos con EUA.
sesgados, dado que las estadísticas no están disponibles para los estados donde el sector es
relativamente menos importante. Así, el uso de los índices coincidentes, que son comparables
entre estados y regiones, constituye una mejora. En el segundo caso, el uso de modelos
estructurales de serie de tiempo permite analizar la relación entre índices coincidentes de estados
Entre los principales resultados destacan los siguientes: En primer lugar, la correlación
entre las perturbaciones de los ciclos de EUA y de las regiones de México se ajusta al patrón
encontrado en estudios anteriores: ésta es más alta en las regiones del norte que en el centro y en
3
el sur. Además encontramos que la elasticidad del componente tendencia-ciclo de los índices
coincidentes de las regiones de México con respecto a la misma variable en EUA también
presenta el mismo gradiente regional norte-sur. Segundo, identificamos las fuentes de las
fluctuaciones cíclicas de cada región y la relación que éstas guardan con las de la economía
EUA como el principal canal que transmisión de los choques de la economía estadounidense a la
mexicana; nuestro estudio parece confirmar ese resultado mayormente para la región norte, y en
menor medida para el resto de las regiones. En el caso de las economías de las regiones centro
norte y centro, la transmisión a éstas de las fluctuaciones económicas de EUA parece realizarse
por canales alternativos. Asimismo, una parte importante de las fluctuaciones cíclicas en el
centro y en el sur no parece estar relacionada con choques a la economía de EUA que se
conocimientos previos sobre el tema; en la sección III se describen los datos y los métodos
II-Antecedentes
En general la literatura reciente sobre la sincronización entre los ciclos económicos de México y
EUA se enfocó en la relación entre las medidas agregadas de la actividad económica de ambos
países, encontrando que los vínculos comerciales crecientes entre los dos países contribuyeron a
4
Torres y Vela (2003) analizaron la correlación entre los componentes cíclicos del PIB en
ambos países y encontraron una correlación contemporánea de 0.46; también encontraron que el
coeficiente para la correlación contemporánea –lo que supondría que el ciclo de México se
adelanta al de los EUA. Sin embargo, el análisis más formal de la relación entre el logaritmo del
componente tendencia-ciclo del PIB mexicano y la medida equivalente para los EUA reveló lo
México respecto de la actividad económica en EUA es alta aunque menor a uno (es igual 0.78);
ii) la causalidad entre los cambios en el nivel de actividad económica va de EUA a México. Los
autores encuentran indicios de que la relación entre los ciclos de ambos países está determinada
esencialmente por las relaciones comerciales entre ellos. En primer lugar, estiman una
elasticidad de 1.31 para la relación entre el componente tendencia-ciclo del PIB mexicano
respecto de las importaciones totales de los EUA (con una causalidad que va de la segunda a la
primera). Segundo, encuentran que las importaciones de EUA provenientes de México tienen
una elasticidad alta respecto de la producción industrial y del PIB de EUA (2.34 y 2.92) y que la
México. Así, las fluctuaciones económicas en México parecen estar esencialmente vinculadas a
Chiquiar y Ramos-Francia (2005) encontraron indicios adicionales que muestran que los
después del TLCAN y que, como consecuencia de ello, el ciclo económico de México se
sincronizó con el de EUA. El aumento en los vínculos productivos se debió al crecimiento del
comercio intra-industrial entre los dos países, lo que produjo un fortalecimiento de la transmisión
México, notablemente China en 2001, afectó los vínculos productivos y el comercio entre
México y EUA; ello sin embargo tuvo un efecto temporal, debido a que el fenómeno llevó a las
Herrera Hernández (2004) aplicó a las series del PIB de México y de EUA una prueba
propuesta por Vahid y Engle (1993) para series cointegradas y concluyó que estas medidas
agregadas de actividad económica tienen una tendencia y un ciclo común, lo que constituye una
economías.
Son pocos los estudios sobre la sincronización entre los ciclos de la economías regionales
de México y el ciclo económico de los EUA; aquí destacamos los resultados encontrados por
Cuevas et al. (2003) y Mejía Reyes y Campos Chávez (2011). Los primeros, con información
mensual sobre el número de trabajadores asegurados en el Instituto Mexicano del Seguro Social
(IMSS) para el período 1990-2001 encontraron que en la mayoría de las regiones mexicanas – la
excepción es la región Sur- las fluctuaciones del empleo están altamente correlacionadas con las
del empleo nacional y con las del empleo en los Estados Unidos; también encontraron que el
grado de correlación ha aumentado después de la puesta en marcha del TLCAN (Cuevas et al.,
2003). Los segundos analizaron datos del componente cíclico de la producción manufacturera a
manufacturera de los EUA; encuentran que los estados cuyas economías presentan una mayor
correlación con el ciclo de los EUA son los estados de Baja California, Nuevo León, Jalisco y
6
México y el Distrito Federal (todos ellos con una importante contribución de la actividad
y San Luis Potosí. Los autores destacan que Querétaro, Aguascalientes y San Luis Potosí son
producción por maquila ha sido fundamental en la sincronización del ciclo de estos estados con
el ciclo económico de EUA. Sin embargo, los dos estudios regionales mencionados no ofrecen
III.1 Datos
La medida de actividad económica regional para México utilizada en este trabajo es el índice
coincidente regional (ICR). El ICR es un índice coincidente compuesto, disponible para las
cuatro regiones de México analizadas en este trabajo, que fue diseñado recientemente por el
Banco de México con base en la metodología del NBER y del Departamento de Comercio de los
EUA. Según esta metodología el índice coincidente se construye a partir del promedio de las
variaciones mensuales de sus variables componentes ajustadas por volatilidad, de manera que la
variación mensual del índice es igual a dicho promedio. En el caso del ICR las variables
componentes son medidas regionales previamente desestacionalizadas del empleo formal, las
Para una discusión sobre la construcción de las medidas regionales de las variables mencionadas
7
ver Banco de México (2011). El promedio del ICR para las cuatro regiones del país, ponderado
por el PIB de cada región, presenta puntos de giro similares a los del Indicador Global de
por lo que en conjunto los ICR brindan una buena descripción de la dirección de los cambios en
la producción nacional. Cabe señalar que las variaciones del ICR no son comparables en
magnitud con las del PIB regional; el objetivo del indicador es señalar la dirección de los
cambios en el nivel de actividad económica regional y estimar la magnitud de los mismos con
En el caso del índice coincidente de EUA, éste se basa en la metodología sugerida por
índice se estima a partir de un modelo dinámico de factores usando el filtro de Kalman. Los
desempleo, las horas promedio trabajadas en el sector manufacturero, y el salario real y los pagos
de sueldo (Crone y Clayton-Matthews, 2005). Este índice fue originalmente diseñado para
en la que se basan los índices coincidentes regionales de México), por otro índice que tuviera
sustento en un modelo probabilístico. Cuantitativamente ambos índices son similares, tal como
lo demostraron los mismos autores; en particular, ambos coinciden determinar los mismos
puntos de giro del ciclo económico para la economía de EUA – la principal diferencia entre ellos
es que el índice compuesto del Departamento de Comercio muestra una tendencia y una
economía de EUA y de las regiones mexicanas desde enero 2003 a diciembre 2010 (Gráfica 1):
i) entre 2003 y 2007, los índices crecen reflejando la expansión económica del periodo; ii) en
8
2008 y en la primera parte de 2009, el índice coincidente de EUA muestra la caída asociada con
muestran para el caso de México una caída de la actividad económica durante un periodo
relativamente más corto; asimismo destaca la mayor volatilidad del índice de la región norte con
relación al resto de los índices regionales; iii) durante la segunda parte de 2009 y el 2010, los
índices muestran que la recuperación fue más vigorosa en las regiones de México, especialmente
Gráfica 1
Índice Coincidente de EUA e Índices Coincidentes Regionales de México
(Índice enero 2003=100)
140
130
120
110
100
90
03 04 05 06 07 08 09 10
EUA
Norte
Centro Norte
Centro
Sur
Fuente: Banco de México y Federal Reserve Bank of Philadelphia.
III.2 Métodos
de un modelo estructural de las series de tiempo de los índices. La forma general multivariada
9
del modelo es la siguiente [véase Harvey (1989), Harvey y Koopman (1997), Durbin y Koopman
(2001) y Carvalho y Harvey (2005) para la presentación y discusión original del modelo]:
Sea y t = ( y1t , , y N t )' el vector de los índices coincidentes (en logaritmo, ajustados por
varianza-covarianza de los componentes irregulares de las series del indicador (en el caso de los
modelos univariados los componentes son series de escalares en lugar de vectores). La tendencia
consiste en la aplicación del filtro de Kalman para la obtención de los valores filtrados y
suavizados del vector de estados (compuesto por el nivel y la pendiente de la tendencia, así como
por el ciclo) y, a partir de ellos -de manera iterativa y mediante un proceso de optimización
componentes de las series se realiza de manera directa y simultánea; i.e., no es necesario primero
filtrar la tendencia para luego estimar un modelo para el componente cíclico estacionario, como
10
en el método tradicional de Box-Jenkins. También es importante señalar que los modelos
estructurales tienen una representación equivalente en términos de los modelos ARIMA, y que
por lo tanto son más generales que éstos últimos [ver Durbin y Koopman (2001) y Commandeur
Para la estimación del modelo se utilizó el módulo STAMP 8 del paquete computacional
OxMetrics 5 (Koopman et al, 2006): STAMP tiene una interface en Windows que permite al
componentes de las series de tiempo, así como los supuestos sobre las matrices de varianza-
del filtro de Kalman a las ecuaciones del modelo en su notación espacio-estado; STAMP fue
En primer lugar estimamos una versión univariada del modelo estructural para cada ICR y
para el índice coincidente de los EUA. De estas estimaciones obtenemos los componentes
cíclicos cuya correlación cruzada sirve para analizar la correlación entre los ciclos regionales y el
de EUA a distintos rezagos y adelantos. Para la identificación de los ciclos asumimos que la
tendencia de los índices sigue una trayectoria aleatoria con deriva (random walk with drift, en
inglés); ello implica imponer ζ t = 0 , t = 1, , T , por lo que la tendencia viene dada por la expresión
11
respecto de la actividad económica en los EUA. Como veremos en la próxima sección, los
componentes tendencia-ciclo de los índices coincidentes de las distintas regiones y de los EUA
siguen procesos estocásticos que difieren en algunos casos entre ellos en el grado de integración,
por lo que no es posible estimar regresiones por MCO entre ellos. Para resolver este problema,
del índice coincidente de los EUA. Por último, este modelo univariado se aplica a los índices
descomponer los índices coincidentes en tendencia y ciclo asumiendo que las perturbaciones
(choques) a la tendencia y al ciclo pueden estar correlacionadas entre las economías consideradas
(como ya se mencionó, éstas son las cuatro regiones de México y EUA). En el caso multivariado
también asumimos que la tendencia de los índices coincidentes sigue una trayectoria aleatoria
con deriva – por lo que, como ya se mencionó, la tendencia viene dada por la expresión
ψ t cos λ sin λ ψ κ
ψ * = ρ − sin λ ⊗ I N *t −1 + *t , t = 1, , T , donde ψ t y ψ *t son vectores
t cos λ ψ t −1 κ t
covarianzas de las perturbaciones cíclicas. Uno de los supuestos cruciales de este tipo de
12
modelos es que los ciclos estimados son “similares”, en el sentido de que el factor de
convergencia o parámetro de persistencia ρ (con ρ < 1 ) y la duración del ciclo 2π / λ son los
mismos en todas las economías consideradas; sin embargo, los ciclos crucialmente difieren entre
Como se discutirá más adelante, en la sección IV, los resultados obtenidos de la estimación
del modelo multivariado bajo el supuesto de que los ciclos son similares no resultan enteramente
permitiendo que las propiedades básicas de los ciclos varíen de una economía a otra. En este
caso se asume que el vector de los componentes cíclicos, ψ t = (ψ 1t , ,ψ N t )' , se modela como
se supone que las matrices de los coeficientes son diagonales, y ∑κ es la matriz NxN de
las perturbaciones de los ciclos ∑κ , y a partir del análisis de ésta se determina: i) el grado de
comovimiento entre los ciclos, con base en los coeficientes de correlación entre las
ciclo común o a choques regionales específicos que se propagan (la condición necesaria para la
2
Se puede probar que la especificación trigonométrica con dos variables del componente cíclico es la versión
estocástica de la función circular ψ t = α cos λ t + β sin λ t , con ψ 0 = α y ψ 0* = β , para t = 1, , T . Si
bien es posible agregar un componente irregular a la función circular y así generar fluctuaciones, la amplitud y la
fase de los ciclos resultantes, que vienen determinadas por los parámetros α y β , se mantendrían constantes. En
cambio, la versión trigonométrica con dos variables permite obtener ciclos con amplitud y fase variables.
Adicionalmente, esta especificación permite la inclusión de un parámetro de persistencia para que tanto la
estimación como los pronósticos del componente cíclico sean estables y convergentes (Harvey y Koopman, 1997).
El supuesto de ciclos similares facilita la descomposición de las series y la identificación del ciclo, debido a que se
reduce el número de parámetros a estimar y se agiliza la convergencia del algoritmo numérico iterativo utilizado
en la estimación. Este supuesto constituye, por otro lado, una limitación ya que elimina cualquier causalidad entre
los ciclos regionales; por ello, para el análisis de la correlación entre los ciclos (Cuadro 2 de este papel) utilizamos
componentes cíclicos estimados a partir de modelos univariados.
13
presencia ciclos comunes es que la matriz de varianza-covarianza de las perturbaciones tenga
rango menor a N ; véase Carvalho y Harvey, 2005, y Commandeur y Koopman, 2007); y iii) la
proporción de la varianza de los ciclos que está asociada a ese ciclo común, si lo hubiera, o al
IV-Resultados
logaritmo de los índices sigue una trayectoria aleatoria con deriva; sin embargo, los resultados de
la estimación indican que una tendencia determinística se ajusta mejor a los índices coincidentes
analizados (Gráfica 2, a-e). 4 Los ciclos estimados se ajustan muy bien a las fases del ciclo
3
Dicha proporción se obtiene de un análisis de componentes principales (ACP). El ACP consiste en la
diagonalización EDE ' de la matriz de varianza-covarianzas de las perturbaciones del ciclo ∑κ , donde E es la
matriz característica y D la matriz diagonal con los valores característicos. Los componentes principales de las
perturbaciones estimadas son, simplemente, los vectores característicos de las referidas matrices de covarianzas,
mientras que el valor característico asociado indica la varianza de las perturbaciones explicada por cada uno de
ellos. Sea ei j el elemento de la matriz característica asociado con la economía i y el componente principal j , y
sea d j el valor característico asociado con dicho componente principal; con N componentes principales tenemos
σ i2 = ∑ j ei2j d j
N
que es la varianza del ciclo en la economía i , por lo que la proporción de la varianza explicada
por el componente principal j es ei2j d j σ i2 (Carvalho y Harvey, 2005).
4
En términos del modelo de la sección III, la varianza estimada de las perturbaciones en el nivel de la tendencia no
fue estadísticamente distinta de cero en los índices coincidentes de EUA y de las regiones norte, centro norte y
centro. En el sur, si bien dicha varianza fue estadísticamente mayor a cero, la tendencia resultante exhibió un
comportamiento muy similar al de la serie original, en consecuencia, el componente cíclico estimado presentó dos
características que lo invalidan como tal: i ) su valor no fue estadísticamente significativo; ii) las fases de
expansión y recesión no fueron congruentes con las fechas del ciclo económico de esa región estimadas por los
autores utilizando métodos alternativos, como el algoritmo de Bry y Boschan (1971) o el signo de la variación
mensual del componente tendencia-ciclo –para éste último enfoque véase García-Ferrer y Bujosa-Brun (2000). Por
otro lado, en el caso del sur ambos modelos, con tendencia estocástica y determinística, pasan las pruebas de
independencia de los errores pero no las de homocedasticidad y normalidad, siendo el criterio de información de
Akaike muy similar en ambos casos (la diferencia entre modelos en términos de dicho criterio es -0.7E2).
14
económico en México y EUA (Gráfica 2, a-e). En todos los casos se observa una fase de
expansión desde 2003 hasta 2007; un pico de la actividad económica en 2008 (en EUA hacia el
inicio del año y en las regiones norte, centro norte y centro de México unos meses después); un
periodo recesivo en 2008-2009; y una recuperación desde la segunda parte de 2009 (inicialmente
EUA, mayor en el norte, similar en centro y menor en el centro norte. Los resultados también
señalan que la recuperación observada desde 2010 fue relativamente más vigorosa en México
que en EUA, especialmente en el norte y el centro de México. En el sur, los resultados indican
que la recesión comenzó durante el tercer trimestre de 2008, 1 o 2 trimestres después que en el
resto de las regiones y en los EUA; la recuperación habría iniciado también más tarde y habría
sido modesta en el sur, con relación a la experimentada por las otras regiones.
Gráfica 2
Índice Coincidente de EUA e Índices Coincidentes Regionales de México
(Logaritmo)
(a) EUA
Tendencia Ciclo
5.10 0.06
0.04
5.05
0.02
5.00 0.00
-0.02
4.95
-0.04
4.90
-0.06
4.85 -0.08
03 04 05 06 07 08 09 10 03 04 05 06 07 08 09 10
Ciclo
Índice Tendencia
15
(b) Norte
Tendencia Ciclo
4.90 0.08
4.85 0.06
4.80 0.04
0.02
4.75
0.00
4.70
-0.02
4.65
-0.04
4.60
-0.06
4.55 -0.08
4.50 -0.10
4.45 -0.12
03 04 05 06 07 08 09 10 03 04 05 06 07 08 09 10
Tendencia Ciclo
4.90 0.05
4.85 0.04
4.80 0.03
4.75 0.02
0.01
4.70
0.00
4.65
-0.01
4.60
-0.02
4.55
-0.03
4.50 -0.04
4.45 -0.05
03 04 05 06 07 08 09 10 03 04 05 06 07 08 09 10
16
(d) Centro
Tendencia Ciclo
4.90 0.06
4.85
0.04
4.80
0.02
4.75
4.70 0.00
4.65 -0.02
4.60
-0.04
4.55
-0.06
4.50
4.45 -0.08
03 04 05 06 07 08 09 10 03 04 05 06 07 08 09 10
(e) Sur
Tendencia Ciclo
4.85 0.06
4.80 0.05
0.04
4.75
0.03
4.70
0.02
4.65 0.01
4.60 0.00
-0.01
4.55
-0.02
4.50
-0.03
4.45 -0.04
03 04 05 06 07 08 09 10 03 04 05 06 07 08 09 10
Fuente: Estimaciones basadas en estadísticas del Banco de México y Federal Reserve Bank of Philadelphia.
17
El modelo estructural univariado utilizado para estimar la tendencia y el ciclo en las
economías consideradas pasa en general las pruebas de diagnóstico de los errores (Cuadro 1). El
criterio más importante para la aceptación del modelo estimado es el de independencia (ausencia
importantes (Harvey, 1989). Un resultado poco satisfactorio es que el modelo estimado para
EUA no parece cumplir totalmente con el criterio de independencia, pero si lo hacen los modelos
de las regiones de México. Para una discusión más detallada sobre la naturaleza e importancia de
componente cíclico de los índices coincidentes de EUA y de las regiones mexicanas para
analizar el grado de correlación que muestran entre ellos. El coeficiente de correlación simple
entre el valor del ciclo regional en t y el ciclo de EUA en t+n se muestra en el Cuadro 2.
Cuadro 1
Pruebas de Diagnóstico del Modelo Estructural Univariado del Índice
Coincidente de EUA y de los Índices Coincidentes Regionales de México
Independencia Homosc. Normalidad
Región
r(1) r(24) Q(19) DW H(31) N
Fuente: Estimaciones con base en estadísticas del Banco de México y del Federal Reserve Bank of
Philadelphia.
*/ Indica rechazo de la hipótesis nula correspondiente. Para r(1) y r(24) el valor crítico es ± 0.2041;
para Q(19) el valor crítico es 30.14; el valor crítico para la prueba de normalidad es 5.99; por último,
el valor crítico para H(31) es 1.822. Un valor del estadístico Durbin-Watson menor a 1.6 señala
autocorrelación en el componente irregular.
18
La correlación contemporánea entre los ciclos regionales de México y el de EUA es alta
(mayor a 0.9). El ciclo económico de las regiones norte, centro norte y centro alcanza su mayor
correlación con el ciclo de EUA rezagado 1-3 meses, mientras que en el caso del sur la
correlación más alta corresponde ciclo de EUA adelantado 2 periodos (Cuadro 2). El resultado
anterior pareciera indicar que el ciclo de la región sur está rezagado respecto del ciclo de EUA,
Torres y Vela (2003) también encontraron que el ciclo de la economía mexicana parecería
adelantarse un trimestre al de los EUA; asimismo, Mejía Reyes y Campos Chávez (2011)
encontraron que el ciclo económico del estado de Baja California parece adelantarse al de los
EUA. Torres y Vela (2003) muestran sin embargo que la causalidad va de los cambios en la
dos países.
Aquí asumimos entonces que la causalidad va del ciclo de EUA a los ciclos regionales en
México y, por ello, del análisis de las correlaciones presentadas en el Cuadro 2 simplemente
concluimos que en todas las regiones de México el ciclo económico está altamente
correlacionado con el de EUA. Este resultado no concuerda, sin embargo, con lo encontrado en
estudios previos para el caso del sur, donde se destacaba (e.g. Cuevas et al., 2003) que las
variaciones del empleo en el sur no están correlaciones con las de EUA o que la mayor
correlación sólo se observa en algunos estados manufactureros (Mejía Reyes y Campos Chávez,
2011).
19
Cuadro 2
Correlación entre los Ciclos de los Índices Coincidentes Regionales
de México en t y el Ciclo del Índice Coincidente de EUA en t+n
EUA (t+n)
Región (t)
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
Norte 0.69 0.75 0.80 0.84 0.88 0.91 0.93 0.95 0.96 0.96 0.95 0.93 0.90
Centro
0.75 0.79 0.84 0.87 0.90 0.93 0.94 0.95 0.95 0.95 0.93 0.91 0.88
Norte
Centro 0.74 0.79 0.83 0.86 0.89 0.91 0.93 0.94 0.94 0.93 0.92 0.90 0.87
Sur 0.90 0.93 0.95 0.96 0.97 0.96 0.95 0.94 0.92 0.89 0.86 0.82 0.77
Fuente: Estimaciones con base en estadísticas del Banco de México y del Federal
Reserve Bank of Philadelphia.
No obstante, en lo que sigue veremos que sí existe un gradiente regional en la relación entre los
esencialmente, no por el grado de correlación entre los ciclos, sino por el grado de reacción de la
actividad económica regional ante cambios en la misma variable en EUA, lo que también se verá
reflejado en la volatilidad de los ciclos regionales con relación a la volatilidad del ciclo
económico en EUA.
Torres y Vela (2003) recurrieron al análisis de regresión para estimar la relación entre los
componentes tendencia-ciclo del PIB de México y EUA: estimaron la elasticidad del primero
respecto del segundo en 0.78, y no pudieron rechazar la hipótesis de que la causalidad va del
Para replicar el análisis de Torres y Vela (2003) para el caso de los índices coincidentes de
EUA y de las regiones de México, re-estimamos los modelos estructurales univariados discutidos
en la sección anterior, pero en lugar de descomponer las series en tendencia, ciclo y error,
20
que la tendencia sigue una trayectoria aleatoria con deriva. El análisis de raíz unitaria de las
series estimadas mostró, sin embargo, que el componente tendencia-ciclo de los índices
coincidentes de EUA y de la región Norte siguen un proceso I(2), mientras que los
correspondientes a las regiones Centro Norte, Centro y Sur siguen un proceso I(1). Asimismo, el
análisis reveló que los componentes tendencia-ciclo de los índices coincidentes de EUA y la
región Norte no están cointegrados, mientras que los índices coincidentes de las otras regiones sí
lo están.
Debido a los problemas de consistencia que se podrían derivar del análisis de regresión de
regionales respecto del índice coincidente de EUA utilizando una versión del modelo estructural
univariado. En ésta el componente tendencia-ciclo de cada región depende de dos factores no-
componente tendencia-ciclo de EUA. Este modelo es conocido en la literatura como the local
level model with explanatory variable (ver Durbin y Koopman, 2001, y Commandeur y
Koopman. 2007), y nos permite estimar la relación entre las variables de interés sin importar si
estatales de México respecto del mismo índice para EUA se muestra en el Cuadro 3, junto con
las pruebas de diagnóstico de los errores de los modelos estimados. Los modelos estimados
La elasticidad estimada para las regiones norte, centro, centro norte y sur es 1.44, 0.94,
0.76 y 0.62, respectivamente (Cuadro 3). Estos resultados están de acuerdo con los resultados de
21
estudios previos que indican una mayor reacción de la actividad económica en el norte a los
cambios en la actividad económica en EUA con relación al resto de las regiones. Los modelos
estimados para los índices coincidentes de los estados también pasan mayoritariamente estas
pruebas, con excepción de algunos estados del sur y centro norte, y presentan el mismo gradiente
norte-sur; la elasticidad promedio para los estados del norte, centro, centro norte y sur es 1.05,
mayor a 1, en color negro aquellos donde la elasticidad está entre 0.75 y 1, y en gris donde
En la primera categoría están los estados de Chihuahua, Baja California, Nuevo León,
Coahuila --en el norte, y San Luis Potosí -en el centro norte; en la segunda están
Tamaulipas –en el norte, Aguascalientes –en el centro norte, y Querétaro, Tlaxcala y Puebla
– en el centro.
Con excepción de Yucatán y Quintana Roo, todos los estados del sur tienen una
elasticidad menor a 0.4; siendo ésta estadísticamente igual a cero en Guerrero, Chiapas,
22
Cuadro 3
Relación entre los Componentes Tendencia-Ciclo de los Índices Coincidentes de los
Estados y Regiones de México y del Índice Coincidente de EUA
Pruebas de Diagnóstico
Elasticidad
Región / Estado Independencia Homosc. Normalidad
β r(1) r(24) Q(23) DW H(31) N
Norte 1.4403 0.0532 0.0205 28.84 1.82 1.447 2.35
C hihuahua 1.3911 0.0441 -0.0507 23.82 1.89 1.237 2.59
Baja C alifornia 1.1345 -0.0358 -0.0270 19.13 2.02 1.879 * 3.21
Nue vo Le ón 1.0923 0.0578 -0.0366 26.01 1.76 1.460 0.64
C oahuila 1.0589 0.0320 0.0325 20.43 1.90 2.614 * 4.64
T amaulipas 0.9485 0.0013 -0.1083 27.58 1.97 1.050 0.40
Sonora 0.6889 0.0557 -0.1143 21.93 1.78 1.404 1.17
Centro Norte 0.7565 -0.0534 -0.0795 19.74 1.79 1.864 * 1.28
San Luis Potosí 1.1081 -0.0624 0.0879 21.77 1.99 1.512 0.13
Aguascalientes 0.7837 -0.0107 -0.2024 43.03 * 2.00 1.445 1.38
Jalisco 0.6170 0.0864 -0.0871 21.59 1.63 1.569 2.35
Nayarit 0.5649 0.1502 -0.1283 25.76 1.53* 1.314 7.52 *
Baja California Sur 0.5472 0.1245 -0.1621 25.01 1.72 2.302 * 3.01
Durango 0.4794 † 0.1202 -0.0744 23.39 1.74 0.353 * 26.03 *
Colima 0.4160 † 0.2613 * -0.0907 14.71 1.36* 1.039 4.68
Sinaloa 0.4035 0.4502 * -0.1559 69.46 * 0.95* 1.978 * 0.86
Michoacán 0.3335 † 0.2634 * -0.0257 30.33 1.36* 2.809 * 6.62 *
Zacatecas 0.1962 † 0.5243 * 0.0435 230.41 * 0.82* 4.469 * 4.67
Centro 0.9402 -0.0711 -0.1754 39.52 * 1.95 1.169 0.42
Querétaro 0.7802 -0.0246 -0.1767 32.31 1.77 0.935 0.63
T laxcala 0.7661 -0.0005 -0.0783 26.72 1.97 1.157 3.42
Puebla 0.7548 0.0444 0.0437 26.64 1.83 1.058 4.16
Hidalgo 0.7338 0.0138 -0.1152 17.27 1.88 1.325 2.36
Distrito Federal 0.6906 0.1398 -0.1150 24.89 1.60 2.983 * 16.92 *
Estado de México 0.6880 -0.0285 0.0069 24.13 1.88 1.548 0.67
Morelos 0.5006 0.2413 * -0.1909 42.49 * 1.46* 1.664 1.01
Guanajuato 0.4962 0.0963 -0.0858 24.92 1.68 1.474 1.70
Sur 0.6213 -0.0298 -0.0401 24.76 1.91 2.333 * 14.61 *
Yucatán 0.5910 0.2159 * -0.0788 34.89 1.30* 3.915 * 2.26
Quintana Roo 0.5388 0.0804 -0.0623 24.56 1.82 3.937 * 72.93 *
Guerrero 0.3301 † 0.1969 -0.1596 43.49 * 1.57* 3.326 * 2.52
T abasco 0.3246 0.6012 * -0.1847 137.28 * 0.66* 3.231 * 4.18
Oaxaca 0.3225 0.5721 * -0.0265 95.28 * 0.82* 3.177 * 2.37
Chiapas 0.2838 † 0.3263 * -0.1338 41.86 * 1.24* 1.939 * 0.28
Veracruz 0.2739 † 0.1344 -0.1682 19.82 1.61 1.207 9.91 *
Campeche 0.2574 † 0.3849 * -0.1971 77.57 * 1.08* 0.916 1.50
Fuente: Estimaciones con base en estadísticas del Banco de México y del Federal Reserve Bank of Philadelphia.
†/ La elasticidad no es estadísticamente distinta de cero al 1%.
*/ Indica rechazo de la hipótesis nula correspondiente. Para r(1) y r(24) el valor crítico es ± 0.2041; para Q(23) el
valor crítico es 35.17; el valor crítico para la prueba de normalidad es 5.99; por último, el valor crítico para H(31)
es 1.822. Un valor del estadístico Durbin-Watson menor a 1.6 señala autocorrelación en el componente irregular.
23
Los resultados presentados en el Cuadro 3 no concuerdan totalmente con los resultados de Mejía
Reyes y Campos Chávez (2011) quienes, como se mencionó al comienzo de este documento,
estos autores encontraron que los estados donde el ciclo de las manufacturas tiene mayor
vinculación con el de EUA son Baja California, Nuevo León, Jalisco y el Distrito Federal.
También figuran, aunque con correlaciones moderadas, Querétaro, el Estado de México, y los
estados de Aguascalientes, Coahuila, Puebla y San Luis Potosí. De los distritos mencionados,
Jalisco, Distrito Federal y Estado de México resultan con una vinculación relativamente baja en
nuestro estudio basado en los índices coincidentes; por otro lado, Chihuahua, Tamaulipas y
Tlaxcala, que aparecen con una vinculación alta o media alta en el Cuadro 3, no fueron
Los resultados discutidos hasta aquí parecen indicar que, por un lado, los ciclos regionales
en México guardan una correlación contemporánea alta con el ciclo de EUA aunque, por otro, la
económica de EUA varía de manera significativa entre las regiones de México. Ello nos lleva a
considerar la posibilidad de que los ciclos de las regiones mexicanas estén generados por las
mismos choques que generan el ciclo de la economía de EUA pero que tienen distinta amplitud o
mencionada en la sección anterior, en la cual los ciclos tienen las mismas propiedades esenciales,
estructural multivariado para los índices coincidentes de las cuatro regiones mexicanas y EUA
24
bajo el supuesto de ciclos similares pasa en general las pruebas de diagnóstico de los errores
(Cuadro 4).
El resultado referente a que los estadísticos de las pruebas de diagnóstico para el caso de
EUA sean idénticas (hasta el cuarto decimal) a los obtenidos en el modelo univariado para esa
región; ello parece indicar que la descomposición tendencia-ciclo del índice coincidente de EUA
no se altera significativamente cuando ésta se condiciona a los procesos que siguen los índices
coincidentes en México. Por el contrario, los estadísticos de las pruebas de diagnóstico para las
Cuadro 4
Pruebas de Diagnóstico del Modelo Estructural Multivariado con Ciclos Similares del
Índice Coincidente de EUA y de los Índices Coincidentes Regionales de México
Independencia Homosc. Normalidad
Región
r(1) r(24) Q(19) DW H(31) N
Fuente: Estimaciones con base en estadísticas del Banco de México y del Federal Reserve Bank of
Philadelphia.
*/ Indica rechazo de la hipótesis nula correspondiente. Para r(1) y r(24) el valor crítico es ± 0.2041;
para Q(19) el valor crítico es 30.14; el valor crítico para la prueba de normalidad es 5.99; por
último, el valor crítico para H(31) es 1.822. Un valor del estadístico Durbin-Watson menor a 1.6
señala autocorrelación en el componente irregular.
que la tendencia estimada para el índice coincidente de EUA es determinística, igual al resultado
de la estimación univariada de esta serie, la tendencia estimada para los índices coincidentes
25
Gráfica 3
Índice Coincidente de EUA e Índices Coincidentes Regionales de México
Tendencia (Logaritmo)
4.90 5.08
4.85 5.06
4.80 5.04
4.75
5.02
4.70
5.00
4.65
4.98
4.60
4.55 4.96
4.50 4.94
4.45 4.92
03 04 05 06 07 08 09 10
Norte
Centro Norte
Centro
Sur
EUA
Fuente: Estimaciones con base en estadísticos del Banco de México y del Federal Reserve
Bank of Philadelphia.
Nota: El eje izquierdo corresponde a las regiones de México y el eje derecho a EUA.
modelo univariado, los ciclos estimados para las regiones de México cambian de manera
significativa: tienen ahora una trayectoria muy similar al del ciclo de EUA, pero exhiben
común, muy similar al ciclo de EUA, y del que los ciclos regionales difieren sólo en términos de
volatilidad.
26
Gráfica 4
Índice Coincidente de EUA e Índices Coincidentes Regionales de México
Ciclos Similares
(Desviación de la Tendencia)
0.08
0.06
0.04
0.02
0.00
-0.02
-0.04
-0.06
-0.08
-0.10
03 04 05 06 07 08 09 10
EUA
Norte
Centro Norte
Centro
Sur
Fuente: Estimaciones con base en estadísticas del Banco de México y del Federal Reserve
Bank of Philadelphia.
muestra la varianza de las perturbaciones del ciclo en cada región, y fuera de la diagonal la
covarianza de las perturbaciones cíclicas entre las regiones). En primer lugar se encuentra que la
varianza de las perturbaciones cíclicas es mayor en el norte con relación al resto de México,
seguida en magnitud por la varianza de las perturbaciones cíclicas en EUA. En coherencia con
los valores de las elasticidades presentadas en el Cuadro 3, las perturbaciones de los ciclos del
norte presentan la mayor covarianza con las perturbaciones del ciclo de los EUA; le siguen en
27
Cuadro 5
Ciclos del Índice Coincidente de EUA y de los Índices Coincidentes Regionales de México
Varianza-Covarianza de las Perturbaciones Cíclicas (Ciclos Similares)
Centro
EUA Norte Centro Sur
Norte
EUA 1.312
Centro
0.886 1.216 0.598
Norte
Hernández (2004) encontró un ciclo común en el PIB de México y de EUA; este resultado
parecería ahora extenderse a los índices coincidentes de EUA y de las regiones de México. El
cíclicas parece identificar este ciclo común con el primer componente principal; éste último
explica el 100 por ciento de la varianza de las perturbaciones cíclicas conjunta (Cuadro 6).
Cuadro 6
Ciclos del Índice Coincidente de EUA y de los Índices Coincidentes Regionales de México
Componentes Principales de las Perturbaciones Cíclicas (Ciclos Similares)
Re gión 1 2 3 4 5
28
Los pesos (normalizados) en el primer componente principal de las perturbaciones cíclicas de
EUA, norte, centro norte, centro y sur son 23.0, 43.6, 10.9, 16.0 y 6.2 por ciento,
respectivamente. Así, las perturbaciones de los ciclos de EUA y del norte explican más del 65
por ciento de la varianza conjunta de las perturbaciones del ciclo en las economías consideradas.
Utilizando estos pesos y los ciclos estimados (que se mostraron en la Gráfica 4) estimamos el
ciclo asociado al primer componente principal; éste coincide con el ciclo económico estimado
para EUA (Gráfica 5). Dado que el ciclo asociado con el primer componente principal es
idéntico al ciclo de EUA, y que éste explica el 100 por ciento de la variabilidad de las
encuentran otras fuentes de fluctuación que expliquen la varianza de las perturbaciones en cada
Gráfica 5
Ciclo del Índice Coincidente de EUA y del Primer Componente Principal
(Ciclos Similares)
0.08
0.06
0.04
0.02
0.00
-0.02
-0.04
-0.06
-0.08
-0.10
03 04 05 06 07 08 09 10
Ciclo
Primer componente principal
29
Cuadro 7
Ciclos del Índice Coincidente de EUA y de los Índices Coincidentes Regionales de México
Proporción de la Varianza de las Perturbaciones Cíclicas por Componente Principal, bajo
el Supuesto de Ciclos Similares
Re gión 1 2 3 4 5 Suma
Los resultados de la estimación del modelo multivariado con ciclos similares son
insatisfactorios por dos razones: i) el modelo estimado para el índice coincidente de EUA no
pasa tres de las cuatro pruebas de independencia (Cuadro 4); ii) la imposición de ciclos similares
arroja resultados extremos: se estima que todas las regiones de México comparten un ciclo
común -idéntico al de EUA, y que éste explica el 100 por ciento de la varianza de las
perturbaciones cíclicas regionales. Por ello, en la subsección que sigue reestimamos el modelo
multivariado pero no imponemos los ciclos similares; asumimos, en cambio, que cada economía
tiene un ciclo que está caracterizado por un proceso AR(2), aunque permitimos que las
La segunda estimación del modelo multivariado arroja un mejor diagnóstico para la serie
del componente irregular de los índices coincidentes analizados; en particular, no se rechazan las
pruebas de independencia del componente irregular del modelo para el índice de EUA (que
30
norte, centro norte y centro tampoco se rechazan las pruebas de homocedasticidad y normalidad
(Cuadro 8).
Cuadro 8
Pruebas de Diagnóstico del Modelo Estructural Multivariado con Ciclos AR del Índice
Coincidente de EUA y de los Índices Coincidentes Regionales de México
Independencia Homosc. Normalidad
Región
r(1) r(24) Q(19) DW H(31) N
Fuente: Estimaciones con base en estadísticas del Banco de México y del Federal Reserve Bank of
Philadelphia.
*/ Indica rechazo de la hipótesis nula correspondiente. Para r(1) y r(24) el valor crítico es ± 0.2041;
para Q(19) el valor crítico es 30.14; el valor crítico para la prueba de normalidad es 5.99; por
último, el valor crítico para H(31) es 1.822. Un valor del estadístico Durbin-Watson menor a 1.6
señala autocorrelación en el componente irregular.
La tendencia estimada por el modelo para los índices coincidentes sigue una trayectoria
aleatoria con deriva, tanto en las regiones de México como en EUA, validando de esta manera el
supuesto bajo el que se había realizado la descomposición de las series (Gráfica 6). Ello
contrasta con los resultados de las secciones IV.1 y IV.3, donde la estimación arrojó tendencias
En contraste con los resultados del análisis basado en los modelos univariados, la
correlación entre las perturbaciones de los ciclos de EUA y de las regiones de México presenta
un gradiente norte-sur: para las regiones norte, centro norte, centro y sur, dicha correlación es
0.61, 0.64, 0.28 y 0.23 (Cuadro 9). La economía del norte de México es la que muestra un
previa a la recesión 2008-2009 (Gráfica 7), aunque la primera exhibió una mayor caída durante
dicha recesión. En cambio, el ciclo del sur exhibió una contracción ligera durante ese periodo.
31
Gráfica 6
Índice Coincidente de EUA e Índices Coincidentes Regionales de México
Tendencia (Logaritmo)
4.85 5.07
4.80 5.05
4.75 5.03
4.70 5.01
4.65 4.99
4.60 4.97
4.55 4.95
03 04 05 06 07 08 09 10
Norte
Centro Norte
Centro
Sur
EUA
Fuente: Estimaciones con base en estadísticos del Banco de México y del Federal Reserve
Bank of Philadelphia.
Nota: El eje izquierdo corresponde a las regiones de México y el eje derecho a EUA.
Gráfica 7
Índice Coincidente de EUA e Índices Coincidentes Regionales de México
Ciclos AR (Desviación de la Tendencia)
0.08
0.06
0.04
0.02
0.00
-0.02
-0.04
-0.06
-0.08
-0.10
03 04 05 06 07 08 09 10
EUA
Norte
Centro Norte
Centro
Sur
Fuente: Estimaciones con base en estadísticas del Banco de México y del Federal Reserve
Bank of Philadelphia.
32
Con respecto a las varianzas y covarianzas de las perturbaciones cíclicas, el orden de
magnitud de éstas no cambia mucho respecto el modelo con ciclos similares. La varianza de las
magnitud por las del centro y sur del país (Cuadro 9). En coherencia con los valores de las
elasticidades presentadas en el Cuadro 3, las perturbaciones de los ciclos del norte presentan la
mayor covarianza con las perturbaciones del ciclo de los EUA; le siguen en orden de
importancia, las del centro norte, del centro y del sur (Cuadro 9).
Cuadro 9
Ciclos del Índice Coincidente de EUA y de los Índices Coincidentes Regionales de México
Varianza-Covarianza / Correlación de las Perturbaciones Cíclicas (Ciclos AR)
Centro
EUA Norte Centro Sur
Norte
Centro
1.239 2.501 2.189 0.480 0.414
Norte
subsección anterior, cuando asumimos ciclos similares (Cuadro 10). El primer componente
principal explica 67.5 por ciento de la variabilidad conjunta de las perturbaciones cíclicas de las
economías consideradas; mientras que el segundo componente principal explica un 14.9 por
ciento adicional. Aun el tercer y el cuarto componente principal explican una proporción
33
significativa de la variabilidad conjunta de dichas perturbaciones (8.8 y 7.3 por ciento,
respectivamente).
Cuadro 10
Ciclos del Índice Coincidente de EUA y de los Índices Coincidentes Regionales de México
Componentes Principales de las Perturbaciones Cíclicas (Ciclos AR)
Re gión 1 2 3 4 5
de EUA, norte, centro norte, centro y sur de México son 4, 64, 5, 17 y 10 por ciento,
respectivamente. Así, las perturbaciones cíclicas del norte explican la mayor parte de las
fluctuaciones asociadas con primer componente principal. Utilizando estos pesos y los ciclos
principal; éste coincide con el ciclo económico estimado para el norte (Gráfica 8).
asociada a los componentes principales revela la existencia de varias fuentes para los choques
que afectan a las economías consideradas. El ciclo asociado al primer componente principal, que
explica el 67.5 por ciento de la variabilidad del conjunto, explica a su vez el 94 por ciento de la
varianza de las perturbaciones cíclicas en el norte, el 58 por ciento en el centro y algo menos del
40 por ciento en los EUA y las regiones centro norte y sur (Cuadro 11). Dada la composición de
la producción en las regiones de México se puede especular que el choque mencionado podría
34
estar relacionado con cambios en las condiciones económicas que afectan a la producción y
el comercio de manufacturas entre México y EUA como el principal canal que transmisión de los
Gráfica 8
Ciclo del Índice Coincidente de la Región Norte y del Primer Componente Principal
(Ciclos AR)
0.08
0.06
0.04
0.02
0.00
-0.02
-0.04
-0.06
-0.08
-0.10
03 04 05 06 07 08 09 10
Ciclo
Primer componente principal
Fuente: Estimación con base en los resultados presentados en la Gráfica 7 y el Cuadro 10.
El ciclo asociado al segundo componente principal, que explica el 14.9 por ciento de la
variabilidad del conjunto, es responsable del 55 por ciento de la varianza de las perturbaciones
cíclicas en el sur y 23 por ciento de las del centro. Así, la mayor parte de variabilidad de las
perturbaciones del ciclo del sur está asociada a un choque que afecta a la economía del centro,
pero no a las de EUA y de las regiones norte y centro norte de México. Este choque específico a
las economías del centro y del sur podría estar asociado con alteraciones reales, fiscales, o
35
Los componentes tercero y cuarto explican 51 por ciento de la varianza de las
cíclicas en el centro y el centro norte. Estos choques podrían asociarse -otra vez teniendo en
cuenta la composición del producto regional, con alteraciones en los mercados financieros, en el
primer caso, y con cambios en las condiciones de producción y comercio de otras manufacturas,
Cuadro 11
Ciclos del Índice Coincidente de EUA y de los Índices Coincidentes Regionales de México
Proporción de la Varianza de las Perturbaciones Cíclicas por Componente Principal, bajo
el Supuesto de Ciclos AR
Re gión 1 2 3 4 5 Suma
IV.4.1 Discusión
entre los ciclos económicos de EUA y de las regiones de México que se ajusta a nuestras
expectativas. En primer lugar, la correlación entre las perturbaciones de los ciclos de EUA y de
las regiones de México sigue el patrón encontrado en estudios anteriores: ésta es más alta en las
regiones del norte que en el centro y en el sur. Segundo, los ciclos económicos de EUA se
transmiten a las economías regionales de México a través de diversos canales, lo que parece ser
36
coincidentes de EUA y del sur de México (Cuadro 8); b) si bien el grado de correlación entre las
perturbaciones cíclicas de las economías consideradas no es alto (Cuadro 9), los valores propios
puede llevar a considerar que el rango de esa matriz no sea en efecto completo y que, por lo
En las secciones siguientes presentamos los resultados de análisis adicionales del modelo
que nos permitieron, tanto resolver el problema de las pruebas de diagnóstico y lograr una mejor
estimación del modelo, como afinar el resultado de esta sección referente a las fuentes distintas
de los choques que afectan por un lado a la región sur y por otro al resto de las regiones.
de la sección anterior para el caso de los índices coincidentes de EUA y del sur (Cuadro 8) puede
estructurales de series de tiempo mediante la inspección visual de las gráficas de los residuos
auxiliares (Harvey y Koopman, 1992). Los residuos auxiliares son estimaciones suavizadas de
las perturbaciones del componente irregular y del nivel de la tendencia y luego normalizadas o
estandarizadas por sus correspondientes varianzas. Cuando los valores de esta serie se alejan
significativamente de cero indican la presencia de irregularidades en los datos; por ello los
residuos auxiliares del componente irregular y del nivel de la tendencia pueden ser considerados,
respectivamente, una prueba-t de la hipótesis nula de que no hay valores extremos y quiebres
37
El análisis de los residuos auxiliares en la estimación del modelo de la sección IV.4
permitió identificar, en los índices coincidentes de EUA, norte, centro norte, centro y sur,
intervalo de confianza del 95 % correspondiente a una prueba-t de dos colas, se espera que en
aproximadamente n/20 casos los residuos excedan los límites del intervalo por puro azar. En
El número posible de valores extremos y de quiebres estructurales es, en todos los casos,
menor o igual a 5, el número de veces que se pueden encontrar valores fuera de los límites por
azar; ello con excepción del índice del sur, donde encontramos 6 posibles quiebres estructurales.
De hecho, uno de ellos, correspondiente a mayo de 2009, excede por mucho los límites del
intervalo de confianza. Recordemos que el brote de influenza AH1N1 que afectó a México en
abril de 2009 tuvo un impacto particularmente negativo sobre el turismo internacional, del que la
economía de la región sur depende en un mayor grado que el resto de las regiones.
modelo estructural del índice coincidente del sur, la que toma el valor 1para el periodo que va de
distintos de cero en el sur. En cambio, en el norte destaca, luego de dicha estimación, un posible
valor extremo en mayo de 2010; en esa fecha se observa un pico de actividad que señala el fin de
38
periodo asociado con los problemas de deuda en Europa y Estados Unidos (Si la serie del índice
coincidente de EUA fuera más larga, en lugar de un valor extremo tal vez estaríamos en
presencia de un quiebre estructural). Así, en una segunda reestimación del modelo incluimos
una variable de intervención en la serie de EUA que toma el valor 1 en mayo de 2010 y 0 el resto
del tiempo; los resultados indican que ambas intervenciones son significativas y que la
estimación del modelo ahora pasa las pruebas de homocedasticidad y normalidad de los errores
Cuadro 12
Pruebas de Diagnóstico del Modelo Estructural Multivariado
con Ciclos AR e Intervenciones del Índice Coincidente de EUA y de los Índices
Coincidentes Regionales de México
Independencia Homosc. Normalidad
Región
r(1) r(24) Q(19) DW H(30) N
Fuente: Estimaciones con base en estadísticas del Banco de México y del Federal Reserve Bank of
Philadelphia.
*/ Indica rechazo de la hipótesis nula correspondiente. Para r(1) y r(24) el valor crítico es ± 0.2041;
para Q(19) el valor crítico es 30.14; el valor crítico para la prueba de normalidad es 5.99; por
último, el valor crítico para H(30) es 1.84. Un valor del estadístico Durbin-Watson menor a 1.6
señala autocorrelación en el componente irregular.
Nota: Las intervenciones realizadas controlan por un valor extremo en el índice coincidente de
EUA de mayo de 2010, y por un quiebre estructural de la tendencia del índice coincidente del sur
en mayo de 2009; el coeficiente (valor-p) es 0.003 (< 0.01) en el primer caso, y -0.022 (< 0.01) en
el segundo.
Bajo esta especificación del modelo, sin embargo, las correlaciones entre las
perturbaciones cíclicas de los índices coincidentes siguen un patrón muy distinto que el que
resultó de la estimación original de la sección IV.4: las correlaciones cruzadas son ahora muy
altas (cercanas a 1) entre las perturbaciones cíclicas de EUA, norte, centro norte y centro,
mientras que las correlaciones cíclicas de todas estas regiones con las del sur son cercanas a cero
39
(Cuadro 13). Asimismo, el análisis por componentes principales muestra ahora dos componentes
principales importantes; el primero explica 63.9 por ciento y el segundo el 36.1 por ciento de la
Cuadro 13
Ciclos del Índice Coincidente de EUA y de los Índices Coincidentes Regionales de México
Varianza-Covarianza / Correlación de las Perturbaciones Cíclicas (Modelo con ciclos AR e
intervenciones)
Centro
EUA Norte Centro Sur
Norte
Centro
1.135 3.809 1.698 1.000 0.285
Norte
Estos resultados -a los que se suma el referente a que los valores propios en la
cero (no mostrados aquí), nos llevan a considerar otra vez la posible existencia de un ciclo
común, aunque ahora en las fluctuaciones cíclicas de EUA y las regiones norte, centro norte y
centro de México, por un lado, y en las fluctuaciones cíclicas de EUA y del sur, por otro.
Con base en los resultados de la especificación de la sección IV.5 (Cuadro 13) estimamos
40
entre los ciclos de los índices coincidentes de EUA y de las regiones norte, centro norte y centro
(modelo 1), mientras que en el segundo estudiamos el comovimiento cíclico entre EUA y el sur
agregó un más para controlar por un valor extremo en la serie del índice coincidente del centro
norte, la que se detectó en el análisis de los residuos auxiliares en una estimación preliminar.
Dicha intervención corresponde a una variable dummy que toma el valor 1 en abril de 2004 y 0
el resto del tiempo en el modelo estructural de la serie del centro norte. El fenómeno puede estar
asociado con el episodio del brote de la influenza AH1N1, al registrarse un nivel inusualmente
alto de actividad un mes antes del impacto negativo que tuvo la epidemia en la actividad turística
de la región.
covarianza de las perturbaciones cíclicas de rango 1. Es decir, se asume que existe un ciclo
subyacente, que se asocia con el ciclo de EUA, en las fluctuaciones cíclicas de las regiones; los
ciclos económicos en las regiones diferirían entonces de aquel en niveles y en razón del
componente irregular. La relación entre los ciclos de las regiones de México y el ciclo de EUA
Harvey y Koopman (1997) y Koopman et al. (2006); por lo tanto, en el modelo 1 la matriz de
NxK con variables dummies definidas como ya se indicó más arriba, y Λ es una matriz NxN
de los coeficientes; el resto de los componentes ya fueron definidos antes en la sección III.
41
En ambos modelos los resultados pasan óptimamente las pruebas de independencia más
importantes -los estadísticos r(1), Q y DW no superan los valores críticos en ningún caso, y en el
caso de EUA el estadístico r(24) no rechaza la hipótesis nula de independencia al 10 por ciento
14).
Cuadro 14
Pruebas de Diagnóstico del Modelo Estructural Multivariado
con Ciclos AR, Factores Dinámicos e Intervenciones del Índice Coincidente de EUA y de
los Índices Coincidentes Regionales de México
Independencia Homosc. Normalidad
Región
r(1) r(24) Q(19) DW H(30) N
Fuente: Estimaciones con base en estadísticas del Banco de México y del Federal Reserve Bank of
Philadelphia.
*/ Indica rechazo de la hipótesis nula correspondiente. Para r(1) y r(24) el valor crítico es ± 0.2041; para
Q(19) el valor crítico es 30.14; el valor crítico para la prueba de normalidad es 5.99; por último, el valor
crítico para H(30) es 1.84. Un valor del estadístico Durbin-Watson menor a 1.6 señala autocorrelación en el
componente irregular.
Nota: Las intervenciones realizadas en el modelo 1 controlan por valores extremos en los índices
coincidentes de EUA, en mayo 2010, y en la región centro norte, en abril 2009: los coeficientes (valor-p) son
0.003 (< 0.01) y 0.014 (< 0.01), respectivamente. En el modelo 2 se controla por el valor extremo en el índice
coincidente de EUA de mayo de 2010, y por un quiebre estructural de la tendencia del índice coincidente del
sur en mayo de 2009; los coeficientes (valor-p) son 0.003 (< 0.01) y -0.022 (< 0.01), respectivamente.
Los vectores con los pesos relativos de los ciclos son Θ = [1.00, 2.86, 1.26, 1.22]' en el
primer caso, y Θ = [1.00, 0.34]' en el segundo. Así, si reducimos la influencia que tienen los
choques a la economía de EUA sobre los ciclos económicos de las regiones norte, centro norte y
42
regiones centro norte y centro. De la misma manera, se confirma el resultado encontrado antes
sobre la reacción relativamente más débil de la economía del sur a las fluctuaciones económicas
de EUA cuando asumimos que la relación entre las fluctuaciones cíclicas de ambas economías
V-Conclusión
El análisis de los índices coincidentes de EUA y de las regiones de México, presentado en este
documento, parece confirmar la hipótesis referente a que las economías regionales de México
tienen distintos grados de comovimiento cíclico con la economía estadounidense, y que las
fuentes de los choques a las economías regionales difieren entre ellas en lo que respecta al grado
de dependencia que tienen con las fuentes de las fluctuaciones de la economía de EUA.
perturbaciones de los ciclos de EUA y de las regiones de México se ajusta al patrón encontrado
en estudios anteriores: ésta es más alta en las regiones del norte que en el centro y en el sur.
regiones de México con respecto a la misma variable en EUA, estimada en la sección IV.2,
Segundo, los resultados de la estimación de la sección IV.4 parecen sugerir que los ciclos
canales. Los choques que explican una mayor proporción de la varianza de las perturbaciones
norte, centro norte y centro del país. En la sección IV.6, bajo el supuesto de la existencia de un
ciclo común en las fluctuaciones cíclicas de EUA y de estas tres regiones, se estiman los
parámetros que caracterizan la relación entre los ciclos de las economías mencionadas.
43
Encontramos nuevamente que el ciclo de la economía del norte es el que responde en mayor
Por último, también en el contexto del modelo estimado en la sección IV.4, encontramos
que la mayor parte de variabilidad de las perturbaciones del ciclo del sur está asociada a un
choque que afecta a la economía del centro, pero no a las de EUA y de las regiones norte y
centro norte de México. Este choque específico a las economías del centro y del sur podría estar
la sección IV.6 estimamos la relación entre los ciclos económicos de EUA y de la región sur bajo
economías. Los resultados confirman lo encontrado en las secciones previas, que el impacto
sobre la economía del sur del ciclo de la economía de EUA es mucho menor que el estimado
Así, este estudio confirma, a la vez que mejora y cualifica, los resultados de estudios
previos sobre la sincronización cíclica entre las economías regionales de México y la economía
regional, pareciera indicar la existencia de más de una fuente para las fluctuaciones económicas
en las regiones de México. Tomando como punto de partida el resultado referente a la pluralidad
44
Bibliografía
Banco de México (2011). “Reporte sobre las Economías Regionales, Enero-Marzo 2011”,
www.banxico.org.mx
Bry, G. y C. Boschan (1971). Cyclical Analysis of Time Series: Selected Procedures and
Computer Programs, NBER, New York.
Carvalho, V.M. y A.C. Harvey (2005). “Growth, cycles and convergence in US regional time
series”, International Journal of Forecasting, 21, 667-686.
Chiquiar, D. y M. Ramos-Francia (2008). “Una Nota acerca de la Relación de Largo Plazo entre
las Industrias Manufactureras de México y Estados Unidos”, Documento de Investigación N°
2008-08, Banco de México.
Commandeur, J.J.F. y S.J. Koopman (2007). An Introduction to State Space Time Series
Analysis, Oxford University Press.
Durbin, J. y S.J. Koopman (2001). Time Series Analisys by State Space Methods, Oxford
University Press.
García-Ferrer, A., Bujosa-Brun, M. (2000). “Forecasting OECD industrial turning points using
unobserved components models with business survey data”, International Journal of Forecasting,
16, 207-227.
Harvey, A.C. (1989). Forecasting, Structural Time Series Models and the Kalman Filter,
Cambridge University Press.
45
Harvey, A.C. y S.J. Koopman (1997). “Multivariate Structural Time Series Models”, in C. Heij,
J.M. Schumacher, B. Hanzon y C. Praagman (Eds.), System Dynamics in Economic and
Financial Models, John Wiley & Sons.
Herrera Hernández, J. (2004). “Business Cycles in Mexico and The United States: Do They
Share Common Movements?”,Journal of Applied Economics, 7, 303-323.
Koopman, S.J., A.C. Harvey, J.A. Doornik y N. Shephard (2006). STAMP 8, Structural Time
Series Analyser and Modeller and Predictor, Timberlake Consultants Ltd.
Mejía Reyes, P. y J. Campos Chávez (2011). “Are the Mexican States and the United States
Business Cycles Synchronized? Evidence from the Manufacturing Production”, Economía
Mexicana, Nueva Época, 20:79-112.
Stock, J.H. y M.W. Watson (1989). “New Indexes of Coincident and Leading Economic
Indicators”, NBER Macroeconomics Annual, 4:351-394.
Torres, A. y O. Vela (2003). “Trade integration and synchronization between the business cycles
of Mexico and the United States”, North American Journal of Economics and Finance, 14:319-
342.
Vahid, F. y R.F. Engle (1993). “Common trends and common cycles”, Journal of Applied
Econometrics, 8, 341-360.
46