UNA PROPUESTA METODOLÓGICA PARA LA MODELIZACIÓN ...
Transcript of UNA PROPUESTA METODOLÓGICA PARA LA MODELIZACIÓN ...
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 24 2002
85
UNA PROPUESTA METODOLÓGICAPARA LA MODELIZACIÓN
ESTOCÁSTICA DEL GASTOEN PENSIONES EN
LAS COMUNIDADES AUTÓNOMAS
Juan Gómez García
Fulgencio Buendía MoyaUniversidad de Murcia
José García PérezUniversidad de Almería
En este trabajo se modeliza el gasto en pensiones de las distintascomunidades autónomas del Estado Español por medio de un pro-ceso estocástico log-normal 17-dimensional, solución de una ecua-ción diferencial estocástica (E.D.E.) de Itô en la que se han introdu-cido como factores exógenos en su vector drift los incrementosabsolutos del PIB y de la población de derecho de cada comunidadautónoma. Estudiamos el proceso solución de la E.D.E. y sus carac-terísticas estadísticas, estimando la variable en estudio por mediode los vectores de medias, medianas y modas del proceso, una vezestimados los parámetros del mismo. Efectuamos predicciones delvalor de la variable según el modelo estimado para el horizonte2000-2005, y obtenemos las correlaciones entre los gastos de lasdistintas comunidades autónomas para diferentes momentos.
Palabras clave: proceso logarítmico-normal; factores exógenos;ecuación diferencial estocástica; vector de coeficientes de tenden-cia; gasto en pensiones.
1. INTRODUCCIÓN
La protección social existente en los países de la Unión Europea haexperimentado un gran desarrollo en las dos últimas décadas, no sólo enrelación con la población protegida sino también en cuanto a las presta-ciones que configuran la protección social.
En España, los gastos en protección social también han aumentado deforma notable incluso a una tasa superior a la media europea, si bien es
GOMEZ 24/10/03 18:00 Página 85
JUAN GÓMEZ GARCÍA, FULGENCIO BUENDÍA MOYA, JOSÉ GARCÍA PÉREZ. UNA PROPUESTA METODOLÓGICA PARA...
86
cierto que se partía de niveles inferiores de gasto. Asimismo, cerca del75% según el Anuario de Estadísticas Laborales de 1999, es realizado porel Sistema de la Seguridad Social, y en particular, más de tres cuartas par-tes corresponden a prestaciones económicas, es decir transferenciascorrientes proporcionadas por el Sistema, que tienen como fin cubrir lascargas que para los hogares supone la aparición o existencia de ciertosriesgos o necesidades.
Las prestaciones sociales en dinero provienen de las transferenciasdel Sistema de Seguridad Social a los particulares, los cuales pueden dis-poner libremente de estos recursos, tales como las pensiones de jubila-ción, invalidez, incapacidad transitoria, desempleo u otras prestacionescomo maternidad o ayudas familiares, lo que las diferencia de otras pres-taciones sociales en especie tales como farmacia o asistencia sanitaria através de las cuales el beneficiario recibe la prestación vía servicios.
Las prestaciones sociales se desglosan en: a) prestaciones socia-les de recursos (prestaciones contributivas) y b) bajo condición derecursos (prestaciones no contributivas), estando éstas últimas con-dicionadas, explícita o implícitamente por la legislación de cada país,a que la renta y/o el patrimonio del beneficiario se sitúe debajo de unnivel concreto.
En estos términos, el gasto social en prestaciones sociales en dinerodel Sistema de Seguridad Social en España ha experimentado un creci-miento espectacular en los últimos años, de forma que si en el año 1985alcanzaba los 3,045 billones de ptas., diez años más tarde suponen 8,510billones de ptas.
Los aumentos en términos reales de las pensiones medias, junto a loscambios demográficos y a los aumentos de cobertura, son algunas de lascausas que generalmente se atribuyen a este aumento de los gastos enpensiones en términos reales, según Salas (1988), pp. 210-217, aunqueotros autores, como Jimeno (2000), pp. 22-23 y Monasterio, Sánchez yBlanco (2000), pp. 38-39, citan causas más relevantes en este momento,como fallos en el diseño del sistema de prestaciones que pueden inducira jubilaciones anticipadas o carreras cortas, por ejemplo.
En este contexto en España desde la Constitución de 1978, que crea elEstado de las Autonomías, hemos sido testigos de un intenso proceso dedescentralización tanto del gasto público, derivado del traspaso de com-petencias de la Administración Estatal a las Autonómicas, como del ingre-so público, aunque éste en menor medida.
Basándonos en estas características, intenso crecimiento de los gas-tos sociales en prestaciones económicas de las Administraciones de laSeguridad Social y configuración política de España en un estado deAutonomías, nos planteamos en este trabajo dos cuestiones fundamen-talmente: en primer lugar, modelizar el comportamiento temporal de lavariable volumen de gasto en pensiones del Sistema de Seguridad Socialpor cada Comunidad Autónoma, y en segundo lugar, la estimación de suproyección futura para el periodo 2000-2005 y la detección y medida de
GOMEZ 24/10/03 18:00 Página 86
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 24 2002
87
posibles correlaciones entre los gastos de las diferentes ComunidadesAutónomas. Este último aspecto de los objetivos planteados nos permiti-rá realizar un análisis comparativo del signo de los incrementos del gastoen pensiones entre cada dos comunidades autónomas o de cada una contodas las demás en un mismo momento o en momentos diferentes, talescomo el presente y otro futuro o los dos futuros. Asimismo será posible,utilizando las rectas de regresión mínimo-cuadráticas correspondientes,efectuar predicciones del gasto futuro en pensiones de una C.A. cualquie-ra, condicionado al valor de ese gasto en otra C.A. en el mismo u otromomento.
2. METODOLOGÍA
En la actualidad existe gran interés por los estudios de la conducta delgasto público sobre la base de datos empíricos y hechos históricos, conel fin de descubrir si pueden hacerse generalizaciones acerca de su com-portamiento.
El análisis cuantitativo en este campo ha seguido diferentes líneas quevan desde la identificación de factores causales de la evolución del gastoy predicción de su comportamiento futuro hasta la comparación de nive-les de cobertura del gasto entre países o áreas geográficas diversas.
Los análisis empíricos relativos a la primera de las líneas anterior-mente citadas se manifiestan en una explotación rigurosa de los datos,formulación y contraste de hipótesis y aplicación de técnicas de estima-ción apropiadas.
El trabajo de Camerón (1978), pp. 1243-1261, puede ser representativode otra línea de estudio caracterizada por la ampliación del número devariables explicativas en los análisis del gasto público y por la desagre-gación del gasto en categorías económicas o funcionales homogéneas. Aesa misma línea pertenece el trabajo de Henrekson y Lybeck (1988), pp.213-232, donde se presenta un modelo aplicable a las distintas realidadesnacionales con el objetivo de contrastar las principales teorías explicati-vas del crecimiento del gasto público. Las ecuaciones que utiliza el mode-lo tienen como variables explicativas el grado de urbanización, población,renta per cápita, ratio del deflactor del consumo público sobre el deflac-tor del PIB, relación renta mediana-renta media, grado de apertura de laeconomía, participación de los impuestos directos en los impuestos tota-les, déficit público, empleo público, tasa de paro, tipos de gobierno, coa-liciones de gobierno, etc.
La elección de las variables explicativas y su conocimiento limitan lostrabajos , en el sentido de que considerar unas variables supone obviarotras que pueden tener más influencia sobre la variable en estudio. Encuanto al carácter predictivo de estos modelos, cabe destacar que permi-ten obtener una predicción a corto plazo. Ello es debido a la variación quepueden sufrir las variables que intervienen en él.
GOMEZ 24/10/03 18:00 Página 87
JUAN GÓMEZ GARCÍA, FULGENCIO BUENDÍA MOYA, JOSÉ GARCÍA PÉREZ. UNA PROPUESTA METODOLÓGICA PARA...
88
La metodología estadística utilizada en relación con la estimación deparámetros y contrastes de hipótesis se concreta en el método de losmínimos cuadrados y los estadísticos correspondientes para determinarlos intervalos de confianza.
Otro tipo de modelos que se utilizan en estos estudios son los deseries temporales. En este sentido, y a pesar de que en un principio seconsideraron modelos determinísticos, los últimos trabajos se concretanen analizar series temporales estocásticas [Mures (1991), pp. 22-35]. Unaventaja importante que presentan estos modelos con respecto a los deregresión radica en que no utilizan otras variables, es decir, se analiza ypredice el valor de la variable a partir de su comportamiento observadoen el pasado. Un inconveniente importante es que requieren un periodoamplio de observación en el que no haya cambios estructurales del mode-lo y no es posible determinar a primera vista cual debe ser la especifica-ción adecuada de un modelo de este tipo, ya que pueden existir diferen-tes precisiones del modelo potencialmente razonables. Asimismo, aun-que pueden determinarse intervalos de confianza para las prediccionesgeneradas por el modelo, siempre hay que decidir si podría tener lugaruna modificación estructural significativa que afecte a la determinaciónde la variable en estudio, lo que puede alterar el comportamiento futurode la serie temporal.
3. EL MODELO DE DIFUSIÓN LOG-NORMAL
Si bien la distribución log-normal ha sido utilizada ampliamente desdehace tiempo como modelo probabilístico en diversos campos científicos,las aplicaciones de la difusión estocástica log-normal han tenido hastahace poco un uso más restringido. En general, los procesos de difusiónson importantes por sus aplicaciones y en las últimas décadas la modeli-zación estocástica ha alcanzado gran relieve. En particular, el proceso log-normal ha sido utilizado para modelizar variables, económicas sobretodo, en cuya evolución se pueda formular una hipótesis de cambio pro-porcional al estado del sistema. Es el prototipo de procesos para los movi-mientos de precios especulativos en donde la varianza del logaritmo delprecio crece proporcionalmente al tiempo. Tintner y Sengupta, en su Sto-chastic Economic (1972), pp. 27-65, consideran estos procesos comogobernadores de gran número de fenómenos en los que se trata de estu-diar el comportamiento de una variable económica.
En este trabajo abordamos el estudio del comportamiento de la variableGASTO PÚBLICO EN PENSIONES del sistema de la Seguridad Social, mode-lizándola como un proceso estocástico de difusión logarítmico-normal vec-torial, cuyas componentes son las variables aleatorias que representan elvalor del gasto en las distintas comunidades autónomas. El análisis de laevolución de la variable y la bondad del ajuste obtenido mediante una regre-sión exponencial (ver tabla siguiente) nos permiten aceptar un crecimientoexponencial de la tendencia del proceso y una hipótesis de variación delmismo proporcional a su estado (vector de coeficientes de tendencia decomponentes proporcionales a los correspondientes de la variable).
GOMEZ 24/10/03 18:00 Página 88
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 24 2002
89
Cuadro 1COEFICIENTES DE DETERMINACIÓN DE LOS AJUSTES EXPONEN-
CIALES AL TIEMPO DE LOS VALORES REALES DEL GASTO EN PEN-SIONES DE LAS DISTINTAS C.A.
Independent: TIEMPO
Dependent Mth Rsq d.f. F Sigf b0 b1
C-LEÓN EXP ,952 7 139,81 ,000 189613 ,0591CATALUÑA EXP ,991 7 772,31 ,000 468965 ,0575C-VALENC EXP ,980 7 335,48 ,000 228549 ,0609PA-VASCO EXP ,988 7 590,00 ,000 163244 ,0621ANDALUCI EXP ,981 7 360,92 ,000 357402 ,0702ARAGÓN EXP ,971 7 232,86 ,000 91697,1 ,0603ASTURIAS EXP ,969 7 217,69 ,000 122565 ,0522BALEARES EXP ,974 7 259,75 ,000 46943,9 ,0562CANARIAS EXP ,978 7 311,11 ,000 56579,1 ,0764CANTABRI EXP ,968 7 214,42 ,000 42230,3 ,0567C-MANCHA EXP ,966 7 201,19 ,000 99490,4 ,0619EXTREMAD EXP ,943 7 116,27 ,000 59839,6 ,0633GALICIA EXP ,943 7 116,19 ,000 187847 ,0576MADRID EXP ,927 7 88,32 ,000 344786 ,0403MURCIA EXP ,906 7 67,48 ,000 64358,7 ,0541NAVARRA EXP ,964 7 189,72 ,000 35666,4 ,0602RIOJA EXP ,975 7 272,03 ,000 19179,2 ,0570
Elaboración propia con programa SPSS a partir de los datos del Misterio de Trabajo yAsuntos Sociales (1998).
La metodología resultante de concebir el gasto público como un pro-ceso estocástico log-normal tiene ventajas importantes respecto de la deseries temporales y de la de modelos de regresión, que han sido los enfo-ques más utilizados para analizar esta variable. En efecto, no se precisa laselección de variables explicativas (caso de los modelos de regresión) ola especificación del modelo de series temporales; se mejora la capacidadde predicción del modelo, puesto que no requiere conocer otras variables,y se tiene la posibilidad de introducir variables externas al problema, quesólo dependen del tiempo, y que pueden mejorar la fiabilidad o capacidadpredictiva del modelo. Además, en particular en nuestro estudio, conoce-remos la distribución de la variable en cada momento, permitiéndonos elconocimiento de sus características estadísticas en los tiempos en queinterese la predicción, así como las correlaciones entre las componentescorrespondientes a distintos valores del tiempo.
En los trabajos anteriores en los que se estudia la evolución de ciertasvariables a través de un proceso logarítmico-normal [Gómez y Tintner (1981),
GOMEZ 24/10/03 18:00 Página 89
JUAN GÓMEZ GARCÍA, FULGENCIO BUENDÍA MOYA, JOSÉ GARCÍA PÉREZ. UNA PROPUESTA METODOLÓGICA PARA...
90
pp. 177-193; Gutiérrez et al. (1991), pp. 295-316; Mures (1991), pp. 150-169],se procede planteando las ecuaciones de Kolmogorov asociadas al procesoy dando directamente la función de densidad de transición como solucióncomún de ambas ecuaciones de difusión. Esta metodología no permite dis-poner de la expresión analítica del proceso ni hacer el estudio de sus distri-buciones p-dimensionales [ver, por ejemplo, Buendía-Gómez (1995), pp.311-318 y (1998), pp. 369-370; y Gómez-Buendía (2001), pp. 393-414]
En este trabajo procederemos planteando la E.D.E. (ecuación diferen-cial estocástica) que rige el proceso log-normal multidimensional con fac-tores exógenos, dando su solución y estudiando a partir de ésta todas lascaracterísticas estadísticas del proceso, en particular los momentos de lasdistribuciones p-dimensionales.
4. EL PROCESO DE DIFUSIÓN LOG-NORMAL MULTIDIMENSIONALCON FACTORES EXÓGENOS COMO PROCESO DE ITÔ
4.1. Construcción de la E.D.E. Existencia y unicidad de soluciones
Consideramos la función
(4.1.1)
de componentes
(4.1.2)
donde mij Œ R (i=1, 2,..., n; j=0,1,...,k) y las funciones G1(t),..., Gk (t), llama-
das factores exógenos, pues no dependen del estado del proceso, estándefinidas sobre (0, ∞) y son continuas y acotadas y con valores en R.
Asimismo, consideremos la función matricial
(4.1.3)
con B = (ßij)ij=1, 2,..., n una matriz dada de elementos ßik Œ R, definida positi-va y simétrica.
Como B = (ßij)ij=1, 2,..., n es fijada de antemano, buscamos una matriz ß*(t,x) tal que
(4.1.4)
Entonces planteamos la E.D.E.
(4.1.5)dX t( ) = m t , X t( )( )dt + β∗ t, X t( )( )dW t( )X 0( ) = X
0∈ R +( )n
t ≥ 0
β∗ t , x( ) β∗ t , x( )[ ] t
= β t , x( ) = βij x ix j( )i , j=1,2,...,n
β: 0, ∞[ ) × R +( )n→ M
n ×n R( )β t ,x( ) = β ijx ix j( )
i ,j=1,2,...,n
mi t , x( ) = mi0 + mi
jGj t( )j=1
k
∑
x i i = 1, 2,...,n
m: 0, ∞[ ) × R +( )n→R n
m t, x( )= m10 + m1
jG j t( )j=1
k
∑
x1, m2
0 + m2jG j t( )
j=1
k
∑
x 2 ,⋅ ⋅ ⋅⋅, mn
0 + mnjG j t( )
j=1
k
∑
x n
t
GOMEZ 24/10/03 18:00 Página 90
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 24 2002
91
donde {X(t), t ≥ 0} es un proceso con valores en (R+)n y, naturalmente, W (t)es un proceso Wiener o de movimiento Browniano n-dimensional standard.
Esta ecuación diferencial estocástica tiene sentido y solución única,que es un proceso de difusión [ver teorema de existencia y unicidad desoluciones de una E.D.E en Gihman y Skorohod (1972), pp. 40-43 ó Arnold(1974), p. 143, por ejemplo].
El proceso solución es [Buendía (1998), pp. 268-292]
(4.1.6)
dondeverifica
que es independiente de la matriz ß* (t,x) verificando (4.1.4) utilizada paraplantear (4.1.5), y cuyo vector de coeficientes de tendencia (vector drift)m(t, x) es el dado por (4.1.1), siendo su matriz de difusión
En forma de componentes (4.1.6) se puede expresar
(4.1.7)
4.2. Características estadísticas del proceso
A partir de (4.1.6) obtenemos para los momentos de las distribucionesp-dimensionales conjuntas del proceso {X(t), t ≥ 0}
(4.2.1)
puesto que el proceso {Y(t)=log X(t), t ≥ 0} es, de (4.1.6), un proceso Gaus-siano, aunque no Wiener, con funciones media y covarianza
(4.2.2)
de modo que Y(t) sigue una distribución
(4.2.3)Nn Y0 + m0 −12
diagB
t + mj G j( )
0
t, tB
j=1
k
∑
E Y t( )[ ] = Y0 + m0 −12
diagB
t + mj Gj( )
0
t
j=1
k
∑Cov Y t( ), Y s( )[ ] = Cov sW t( ), sW s( )[ ] = s min t, s( )I[ ]st = min t, s( )B
Cov Y t( )[ ] Cov Y t( ), Y t( )[ ] = tB=
ui = ui1,ui
2 ,..,uin( ) ∈R n , i = 1, 2,..p; Y t( ) = log X t( ), Y0 = log X0
mu1,u2 ,..,upX t
1( ), X t2( ),.., X t
p( )[ ] =
E X1 t1( )[ ]u11
. X 2 t 1( )[ ]u12
.... X n t 1( )[ ]u1n
...... X1 t p( )[ ]u p1
. X 2 t p( )[ ]u p2
.... X n t p( )[ ]upn
= E exp uijY
jt
i( )j=1
n
∑i=1
p
∑
= E exp ui.Y t
i( )i=1
p
∑
Xi t( ) = X 0iexp mi0 −
12
βii
t + mi
j Gj( )0
t
j=1
k
∑ + σ irW r t( )r =1
n
∑
i = 1,2,...,n
b∗ t ,x( ) b∗ t, x( )[ ]t
= b t , x( ) = βij x ix j( )i , j=1,2,...,n
s.st = B = βij( )i , j=1,2,...,nσG j( )
0
t= Gj s( )
0
t
∫ ds,
X t( ) = X0exp m0 −12
diagB
t + mj G j( )
0
t
j=1
k
∑ + sW t( )
GOMEZ 24/10/03 18:00 Página 91
JUAN GÓMEZ GARCÍA, FULGENCIO BUENDÍA MOYA, JOSÉ GARCÍA PÉREZ. UNA PROPUESTA METODOLÓGICA PARA...
92
Nos interesan especialmente los siguientes momentos de las distribu-ciones bidimensionales y unidimensionales del proceso:
1) Para
(4.2.4)
2) Los momentos marginales cualesquiera de las distribuciones unidi-mensionales, o sea de la variable X(t) general del proceso.
Para
(4.2.5)
3) Los casos particulares del anterior
3.1) Para
(4.2.6)
3.2) Para
(4.2.7)
Para la matriz función covarianza del proceso se tiene
Cov X t( ), X s( )[ ] = Cov Xi t( ), X j s( )[ ]( )i ,j=1,2,..,n
E X i t( )[ ] = X0i exp mi0t + mi
j Gj( )0
t
j=1
k
∑
i =1, 2,...,n
p = 1 y u1 = u = 0,0,..1i
, 0,..0
E Xi t( )[ ] 2
= X 0i( ) 2exp 2mi
0t + 2 mij G j( )
0
t+ βiit
j=1
k
∑
i = 1, 2,..,n
p = 1 y u1 = u = 0,0,..2i
,0,..0
mν1,ν2,...,νnX t( )[ ] = E X 1 t( )[ ]ν1
. X 2 t( )[ ]ν2.... Xn t( )[ ]νn
= E exp u ⋅ Y t( )[ ]{ }= exp u ⋅ log X
0+ m0 − 1
2diagB
t + mj G
j( )0
t
j=1
k
∑
+ 1
2u Bt( )ut
= X 01ν1.X 02
ν2 .LX 0nνnexp u ⋅ m0 −
12
diagB
t + mj G j( )
0
t
j=1
k
∑
+12
tuBut
p = 1 , u1 = u = ν1, ν2 ,..,νn( ) y t 1 = t
E X i t( )X j s( )[ ] = expY
0i+ m
i0 − 1
2β
ii
t + m
ir G
r( )0
t+ 1
2β
iit +Y
oj
r =1
k
∑+ mj
0 −12
βjj
s + mj
r Gr( )0
s+
12
β jjs + βijmin t ,s( )r =1
k
∑
= X 0iX 0jexp mi0t +mj
0s + mir Gr( )
0
t+ mj
r Gr( )0
s
r =1
k
∑ + βijmin t , s( )
p = 2, u1 = 0,0,..,1i
,0,..,0
y u2 = 0, 0,..,1
j
,0,.., 0
GOMEZ 24/10/03 18:00 Página 92
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 24 2002
93
(4.2.8)
y para la matriz de varianzas-covarianzas de la variable n-dimensonal X(t)
(4.2.9)
En particular, para las varianzas marginales de X(t)
(4.2.10)
La matriz función de correlaciones del proceso será
(4.2.11)
y la matriz de correlaciones de la variable n-dimensional X(t)
(4.2.12)
que, como se ve, no dependen de los coeficientes de tendencia del pro-ceso ni, por tanto, de los factores exógenos.
ρij t( ) = Corr X i t( ), X j t( )[ ] =Cov X
it( ), X
jt( )[ ]
Var Xi t( )[ ]Var X j t( )[ ]=
=exp β
ijt( ) −1
exp βii t( ) −1[ ]1
2 exp βjj t( ) − 1[ ]1
2i, j = 1,2,...,n
ρij t ,s( ) =Corr X i t( ), X j s( )[ ] =Cov X
it( ), X
js( )[ ]
Var X i t( )[ ]Var X j s( )[ ]=
exp βijmin t, s( )[ ]−1
exp βii t( ) −1[ ]1
2 exp βjj s( ) −1[ ]i, j = 1,2,..,n
12
Var Xi t( )[ ] = X 0i2 exp 2mi
0t + 2 mij G j( )
0
t
j=1
k
∑
× exp βiit( ) −1[ ] i = 1,2,...,n
Cov X i t( ), X j t( )[ ] =E Xi t( ) ⋅ X j t( )[ ]−E X i t( )[ ]E X j t( )[ ]= Xoi X0j exp mi
o + mj0( )t + mi
r +mjr( ) Gr( )
o
t
r =1
k
∑
× exp βijt( ) −1[ ] i, j = 1,2,...,n
Cov X i t( ), X j s( )[ ] =E Xi t( )X j s( )[ ] −E Xi t( )[ ]E X j s( )[ ]= X 0iX 0jexp mi
0t + mj0s + mi
r Gr( )0
t+m j
r Gr( )0
s
r =1
k
∑ + βijmin t ,s( )
−X 0iexp mi0t + mi
r Gr( )0
t
r =1
k
∑
X 0 jexp mj
0s + mjr Gr( )
0
s
r =1
k
∑
= X 0iX 0 jexp mi0t +mj
0s + mir Gr( )
0
t+mj
r Gr( )0
s
r =1
k
∑
exp βij min t, s( )[ ]−1{ }i, j = 1,2,...,n
GOMEZ 24/10/03 18:00 Página 93
JUAN GÓMEZ GARCÍA, FULGENCIO BUENDÍA MOYA, JOSÉ GARCÍA PÉREZ. UNA PROPUESTA METODOLÓGICA PARA...
94
Para las modas y medianas de los procesos componentes {Xi (t), t ≥ 0 },teniendo en cuenta las expresiones de estas medidas para los procesoslog-normales unidimensionales [Buendía (1998), p.184], las fórmulas(4.1.6), (4.1.7) y (4.2.3) y las distribuciones marginales del procesoLN(n,k,m) {X (t), t ≥ 0 }, se tiene
(4.2.13)
4.3. La densidad de transición del proceso
De (4.1.6) deducimos también, para la función de densidad de tran-sición del proceso log-normal n-dimensional con k factores exógenos{X (t), t ≥ 0 } [Buendía (1998), pp. 238-239 y 288-289]
(4.3.1)
(4.3.2)
Los momentos condicionados por X(t0) = x0 Œ (R+)n del procesoLN(n,k,m) son los momentos ordinarios del proceso {X(t, t0, x0), t ≥ t0} con
obteniéndose
(4.3.3)
mν1,ν2 ,...,νnX t( ) / X t 0( ) = x 0[ ] = E X1 t( )[ ]ν1
. X 2 t( )[ ]ν2.... X n t( )[ ]νn
/ X t 0( ) = x0
= E exp u ⋅ Y t ,t 0 , y0( )[ ]{ }= exp u ⋅ logx
0+ m0 − 1
2diagB
t − t
0( )+ mj Gj( )
t0
t
j=1
k
∑
+ 12
u B t − t0( )[ ]ut
= x 01ν1.x 02
ν2 .Lx 0nνnexp
u. m0 − 12
diagB
t − t
0( ) + mj Gj( )
t0
t
j=1
k
∑
+12
u B t − t 0( )[ ]ut
X t,t 0 , x0( ) = x0exp m0 −12
diagB
t − t 0( ) + mj Gj( )
t 0
t
j=1
k
∑ + σ W t( ) − W t 0( )[ ]
Q = logx − logx 0 − m0−
12
diagB
t − t 0( ) − mj Gj( )
t0
t
j=1
k
∑
t
B t − t 0( )[ ]−1
× logx − log x0 − m0−
12
diagB
t − t 0( ) − mj G j( )
t0
t
j=1
k
∑
p x,t / x 0 ,t 0( ) = p y,t / y0 ,t 0( ) 1x 1x 2 ⋅ ⋅ ⋅ x n
=1
x ii=1
n
∏
2π( )n
2 det B t − t 0( )[ ]{ } 12
exp −12
Q
Moda X i t( )[ ] = X0i exp mi0 −
32
βii
t + mi
j Gj( )0
t
j=1
k
∑
Mediana Xi t( )[ ] = X0i exp mi0 −
12
βii
t + mi
j Gj( )0
t
j=1
k
∑
GOMEZ 24/10/03 18:00 Página 94
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 24 2002
95
de donde podemos obtener inmediatamente el vector de medias condi-cionadas por X(t0) = x0, la matriz de varianzas-covarianzas condicionadaso la matriz de correlaciones condicionadas de la variable X(t).
4.4. Estimación de parámetros
En las condiciones prácticas usuales para conducir la inferencia enprocesos, esto es, suponiendo que el muestreo es equidistante en el tiem-po, que los factores exógenos Gi(t) son conocidos sólo en los tiemposmuestrales del proceso y que en cada intervalo [ta-1, ta] los factores exó-genos son constantes, es decir, en cada intervalo
se tendría, para intervalos de amplitud unidad .
Entonces, centrándonos en el caso de dos factores exógenos G1 (t) yG2 (t), los estimadores de los vectores paramétricos m0, m1 y m2 satisfa-cen las siguientes ecuaciones, obtenidas por el método de máxima vero-similitud [Palacios (1995), pp. 121-123]:
(4.4.1)
de donde se obtienen m̂0, m̂1 y m̂2.
La matriz ^B estimada de B se obtiene a partir de los estimadores
m̂0,m̂1 ym̂2 :
(4.4.2)
En las condiciones establecidas al principio, una vez estimados losparámetros del proceso, en las expresiones de los momentos y medidasde posición a estimar pondremos .
5. APLICACIÓN
Aunque la modelización estocástica se ha usado con éxito en ciertoscampos científicos (biología, marketing , finanzas) son escasos los estu-dios macroeconómicos en los que se haya utilizado difusiones multidi-
Gi( )o
t= Giα
α =1
t
∑
B̂ =1
n − 1⋅
log xα − log xα −1 − m̂1G1α − m̂2G 2α[ ]t. logxα − log xα −1 − m̂1G1α − m̂2G 2α[
α =2
n
∑
m̂0 = m̂0 − 12
diagB̂ = 1n
log xα − logx α −1 − m̂1G1α −m̂2G
2α[ ]α= 2
n
∑
m̂1 G1α2
α =2
n
∑
= logxα − log xα −1 − µ̂0 − m̂2G 2α[ ]
α =2
n
∑ G1α
m̂2 G2α2
α =2
n
∑
= log xα − logxα −1
− µ̂0 − m̂1G1α[ ]G2α
α =2
n
∑
Gi t( )tα −1
tα
∫ dt =Giα
Gi tα( ) =Giα i = 1,2,.., k( )
GOMEZ 24/10/03 18:00 Página 95
JUAN GÓMEZ GARCÍA, FULGENCIO BUENDÍA MOYA, JOSÉ GARCÍA PÉREZ. UNA PROPUESTA METODOLÓGICA PARA...
96
mensionales o en los que se haya modelado conjuntamente variablesendógenas con otras variables exógenas controlables externamente. Eneste apartado, mostramos las posibilidades de esta metodología paraexplicar y predecir los valores de diecisiete variables macroeconómicas:Gasto en pensiones en la Comunidad Autonómica i, i=1,2,...17, que com-prende las pensiones contributivas de invalidez e incapacidad, jubilación,viudedad, orfandad, a favor de familiares y las pensiones no contributi-vas. Se dispone de información de tales gastos para el periodo 1986-1995.
Sea un proceso estocástico dieci-siete-dimensional donde Xi(t) representa el gasto público en pensiones enla Comunidad Autónoma i en el año t. Como se ha indicado antes, el aná-lisis de la evolución de las variables y la bondad del ajuste obtenidomediante una regresión exponencial para cada una de ellas nos permitenaceptar un crecimiento exponencial de la tendencia del proceso y unahipótesis de variación del mismo proporcional a su estado, y por ellosuponer que X(t) satisface una E.D.E. del tipo (4.1.5). Aplicando los resul-tados teóricos obtenidos en los apartados 4.2, 4.3 y 4.4 se estiman losparámetros del vector de coeficientes de tendencia y la matriz de difusión,la solución de la E.D.E., así como sus características más importantes(valor esperado, mediano, modal, varianza) para cada t y también losvalores de la función de correlación para cada proceso marginal en dife-rentes instantes de tiempo y para el proceso diecisiete-dimensional en elmismo o diferentes tiempos.
Como se ha señalado en la parte teórica, los resultados obtenidos allíse pueden utilizar para efectuar predicciones sobre valores futuros deX(t). Asimismo, verificaremos que eligiendo adecuadamente factores exó-genos controlables se mejora la bondad del ajuste y que esto constituyeun procedimiento de control de los valores futuros del proceso [puedeverse, por ejemplo, en Barea, Carpio, Domingo y otros, (1996), un análisisde las causas del crecimiento del gasto en pensiones]. Se han ensayadocomo factores exógenos los siguientes: Producto Interior Bruto Regional(PIBR), Población Total de Derecho, Renta per Cápita y sus incrementosabsolutos y relativos y se ha seleccionado los incrementos absolutos delPIBR y de la Población Total de Derecho. (En el apartado siguiente pro-porcionamos el criterio de selección). Los valores correspondientes serecogen en los cuadros 1 y 2 siguientes.
Cuando se quiere efectuar predicciones en tiempos donde los factoresexógenos no son conocidos hay que predecirlos formulando alguna hipó-tesis sobre tales valores. Ejemplos de hipótesis posibles, entre otrasmuchas, son:
1) El factor exógeno crece a una tasa igual a la media en el periodoconocido o en un subperiodo final.
2) El factor exógeno crece a una tasa igual al máximo de las tasas enperiodo conocido.
3) El factor exógeno crece a una tasa igual al mínimo de las tasas enperiodo conocido.
X(t),t ≥ 0} ={ (X1(t), X2 (t){ ,...,X17(t)), t ≥ 0}
GOMEZ 24/10/03 18:00 Página 96
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 24 2002
97
Cuadro 1INCREMENTO DEL PIBR EN MILLONES DE PESETAS DE 1986
Año 1987 1988 1989 1990 1991 1992 1993 1994 1995
Andalucía 284.073 256.878 148.387 299.041 136.236 32.306 -109.200 116.074 152.252Aragón 45.194 79.798 76.491 44.051 20.121 12.416 -21.470 16.827 50.627Asturias 18.930 39.613 36.467 -5.052 20.466 35.280 -30.668 14.573 18.189Baleares 52.887 33.955 18.210 69.985 29.697 22.150 2.713 25.374 35.351Canarias 83.057 76.952 59.279 -882 14.231 51.567 15.925 44.503 38.989Cantabria 20.969 49.087 34.245 197 -3.546 9.175 -9.540 13.384 9.507Cast-León 114.245 72.570 90.235 49.627 -4.199 18.377 39.852 54.529 41.084Cast-La Mancha 103.340 104.677 92.157 43.634 26.121 14.993 -65.990 21.074 26.796Cataluña 332.250 383.344 361.548 399.568 224.783 104.275 -80.583 207.481 250.564Com.Valenciana 212.037 153.283 143.952 156.616 129.620 -20.182 -87.146 70.708 136.467Extremadura 55.541 43.951 21.568 15.280 29.269 10.252 -8.563 10.970 12.212Galicia 72.411 103.072 98.146 -6.839 57.355 28.526 -13.217 48.897 43.073Madrid 276.062 229.715 259.037 163.075 191.809 -4.449 -69.203 129.825 182.284Murcia 42.181 26.042 51.934 63.833 -27.362 8.245 -2.430 24.238 17.343Navarra 51.612 14.937 51.221 17.384 -4.029 -11.182 -9.216 16.474 18.154País Vasco 42.531 76.484 139.902 37.777 42.548 -45.905 -40.832 20.568 82.178La Rioja 6.396 13.540 10.846 50.483 8.468 7.104 -1.927 5.998 8.883
Fuente: Elaboración propia a partir de los datos de la Contabilidad Regional de España (I.N.E.).Nota: En la actualidad, el I.N.E. todavía no dispone de los datos definitivos sobre el PIBRpara los años posteriores a 1995.
Cuadro 2INCREMENTO DE POBLACIÓN POR COMUNIDAD AUTÓNOMA
Año 1987 1988 1989 1990 1991 1992 1993 1994 1995
Andalucía 45.453 41.457 39.574 40.080 40.410 38.132 35.838 33.140 31.630Aragón -1.959 -2.361 -2.400 -2.768 -2.047 -1.165 -1.421 -1.941 -2.121Asturias -4.259 -5.469 -6.100 -6.084 -4.499 -3.188 -3.797 -4.708 -5.348Baleares 6.703 11.098 12.544 7.422 4.050 4.402 2.930 2.778 3.915Canarias 13.875 17.373 16.146 9.980 8.701 11.689 11.907 12.973 14.007Cantabria 835 517 335 162 -118 -309 -429 -173 30Cast-León -5.529 -9.179 -12.255 -14.310 -10.711 -7.391 -7.629 -6.787 -6.120Cast-La Mancha -1.253 -3.192 -3.942 -2.272 2.175 5.554 6.278 6.773 7.274Cataluña 8.277 10.567 11.547 8.594 5.345 4.982 2.965 -1.086 -2.157Com.Valenciana 16.267 17.579 19.886 19.482 14.953 10.814 9.678 9.609 9.976Extremadura -69 -2.635 -5.576 -5.392 -1.561 1.590 2.410 2.858 2.895Galicia -12.311 -13.267 -13.241 -11.831 -6.199 -846 -589 -2.031 -2.963Madrid 25.559 24.164 22.388 18.678 16.388 18.878 16.744 9.869 7.343Murcia 7.771 7.491 7.822 7.565 7.224 7.619 7.275 6.917 6.788Navarra -25 5 395 406 917 1.456 1.155 1.164 1.335País Vasco -5.478 -10.380 -12.102 -11.198 -7.472 -5.455 -6.196 -6.909 -7.364La Rioja 558 594 236 201 84 -522 -834 -680 -433
Fuente: Elaboración propia a partir de las Proyecciones y Estimaciones Intercensales dePoblación (I.N.E.)Nota: Hasta 1990 son datos estimados. A partir de 1991 los incrementos se refieren apoblaciones proyectadas a partir del censo de 1991.
GOMEZ 24/10/03 18:00 Página 97
JUAN GÓMEZ GARCÍA, FULGENCIO BUENDÍA MOYA, JOSÉ GARCÍA PÉREZ. UNA PROPUESTA METODOLÓGICA PARA...
98
4) El factor exógeno se mantiene constante con valores iguales a laúltima observación.
5) El factor exógeno se predice mediante modelos de regresión.
En este trabajo se ha considerado para el primer factor exógeno, quelos incrementos absolutos del PIBR se mantienen constantes e iguales alincremento medio en el subperiodo 1991-1995, y para el factor exógeno“incremento absoluto de población” se han utilizado las proyecciones delINE para el horizonte de predicción considerado.
5.1. Estimación del modelo y predicción
Utilizando las expresiones (4.4.1) se obtienen las siguientes estimacionesde los parámetros m̂0, m̂1 ym̂2 que aparecen en el cuadro 3 siguiente
Cuadro 3PARÁMETROS ESTIMADOS
Parámetros m̂0 m̂1 m̂2 ß̂ii m̂0
Andalucía -8,5517979E-03 -2,8393467E-08 2,1181654E-06 4,5476648E-04 -8,3244147E-03Aragón 1,5339947E-03 -1,3384672E-08 -2,8136814E-05 3,0888834E-04 1,6884389E-03Asturias 7,4986612E-03 -9,5706479E-08 -8,7899587E-06 5,4489084E-04 7,7711066E-03Baleares 2,1701673E-02 2,9250885E-07 3,3598716E-06 1,0490537E-03 2,2226200E-02Canarias 1,2607376E-03 -1,4854431E-06 1,0001802E-05 1,9472387E-03 2,2343569E-03Cantabria 5,1713664E-02 -3,2113619E-07 3,5661864E-05 3,8868261E-03 5,3657077E-02Cast-León -1,3584363E-02 1,0765854E-08 -7,7407406E-06 2,7897730E-04 -1,3444874E-02Cast-La Mancha 4,9260098E-02 2,4722787E-07 -1,5809962E-06 3,3378650E-03 5,0929031E-02Cataluña 3,3485165E-02 2,8936773E-08 2,1424789E-06 1,5724627E-03 3,4271396E-02Com.Valenciana 4,8110239E-05 -1,2004641E-07 4,8960009E-06 1,2870581E-04 1,1246314E-04Extremadura 4,3673871E-02 3,7635641E-07 -8,1218694E-06 2,5132718E-03 4,4930507E-02Galicia 4,0623863E-02 -6,4958686E-07 -5,8586288E-06 3,6417791E-03 4,2444753E-02Madrid 1,2339603E-02 5,4302205E-08 1,3915698E-06 2,1263177E-03 1,3402762E-02Murcia -7,4832941E-03 4,1040076E-07 7,1794471E-06 9,7148944E-04 -6,9975494E-03Navarra 3,7170169E-02 1,1654289E-06 6,7777003E-06 2,1793367E-03 3,8259838E-02País Vasco 1,3453139E-03 -2,9308384E-07 -8,3327350E-06 3,3377672E-04 1,5122022E-03La Rioja 3,8652312E-02 9,9368575E-07 8,9965160E-06 2,0746950E-03 3,9689660E-02
Nota: Con las estimaciones de m1 y m2 obtenemos la matriz B estimada (3.4.2), y a par-tir de ella el vector m0 estimado.
Como estimación del gasto en pensiones en cada comunidad se utili-zará la media o valor esperado, la mediana o la moda de cada procesocomponente (gasto correspondiente en cada comunidad autónoma). En elcuadro 4 se recogen los valores reales de gasto para el periodo estudia-do, así como las medias, modas y medianas estimadas.
GOMEZ 24/10/03 18:00 Página 98
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 24 2002
99
Para comparar los ajustes obtenidos para cada elección de factoresexógenos y seleccionar finalmente los indicados se ha utilizado comoindicador el error promedio relativo (EPR), promedio de los cocientespor el gasto real de las diferencias en valor absoluto entre la media esti-mada y dicho gasto real, expresado porcentualmente. (En los cuadros4 se da también el error relativo máximo de la media estimada, EMR,para cada C.A., en los años en que son conocidos los valores reales). Seincluyen también, después del cuadro 4 los gráficos del comporta-miento de los valores reales y estimados para algunas de las comuni-dades autónomas en el periodo 1987-1995, que se han seleccionado atítulo de ilustración.
Una vez modelizada la variable de interés podemos realizar predic-ciones bajo las hipótesis detalladas anteriormente acerca de los facto-res exógenos. En el cuadro 4 se recogen predicciones para el periodo1996-2005.
Los cuadros 5 y 6 muestran los valores de la función de correlación delproceso para t = 2000 y para (t, s) = (2000,2005).
Comentario.- Como el proceso multidimensional
{logX (t) = (logX1 (t); logX2 (t),..., logX17 (t)), t ≥ 0}
es Gaussiano, sus distribuciones bidimensionales son normales, y si noexiste asociación lineal entre las variables logXi (t), logXj (s); t, s ≥ 0,tampoco la hay de ningún otro tipo funcional. En este caso, esta pro-piedad se transmite a las variables Xi (t), Xj (s); t, s ≥ 0. Esto significaque las correlaciones bajas las interpretaremos prácticamente comoindependencia.
En el cuadro 5, de correlación solamente espacial, observamos queAndalucía y Castilla-León, por ejemplo, presentan correlaciones negativascon la mayoría de las demás C.A. Esto significa, en los casos en que seanaltas (cuando son bajas, como And.-Bal., And.-Cant., And.-Gal., etc. o C.M-And., C.M.-Murcia, etc., como hemos señalado antes, no existe relaciónde dependencia de ningún tipo), que en el año 2000, si en las demás C.A.se hubiera producido gastos superiores al estimado en una cantidad ∆Gentonces en estas dos C.A. disminuiría el gasto respecto del estimado encantidades que se calcularían a partir de las rectas de regresión mínimocuadráticas correspondientes, que se obtienen a partir de (4.2.8)-(4.2.10).Asimismo, si tomamos, por ejemplo, el par País Vasco-Cantabria, con uncoeficiente de correlación 0,907, interpretamos que si en el País Vasco seprodujera un incremento del gasto estimado de ∆G, entonces en Canta-bria el gasto estimado experimentaría un incremento del mismo signo∆G’ que calcularíamos a partir de la recta de regresión mínimo cuadráticaPaís Vasco-Cantabria para el año 2000. En definitiva, en los casos de lacorrelaciones altas entre dos C.A., podemos estimar los valores en una deellas condicionados a valores dados de la otra distintos del estimado enlos cuadros 4.
GOMEZ 24/10/03 18:00 Página 99
JUAN GÓMEZ GARCÍA, FULGENCIO BUENDÍA MOYA, JOSÉ GARCÍA PÉREZ. UNA PROPUESTA METODOLÓGICA PARA...
100
Cu
ad
ro 4
VA
LO
RE
S R
EA
LE
S,
ES
TIM
AD
OS
Y P
RE
DIC
CIO
NE
S (
en
millo
nes d
e p
eseta
s d
e 1
986)
Añ
o19
8719
8819
8919
9019
9119
9219
9319
9419
9519
9619
9719
9819
9920
0020
05
Comu
nidad
Autón
oma
Valor
es Re
ales y
Estim
ados
Predic
cione
s
Anda
lucía
Gasto
378.3
6240
3.277
435.8
8548
0.069
519.8
7355
8.712
606.9
6161
8.993
642.6
42Me
dia39
4.429
423.9
5845
5.284
487.3
5952
4.478
563.3
6860
4.632
641.1
0667
6.915
716.6
8375
6.752
797.3
6984
0.285
885.9
121.1
51.93
8EP
REM
RMo
da39
4.160
423.3
8045
4.353
486.0
3152
2.693
561.0
6760
1.751
637.6
1767
2.772
711.8
1175
1.095
790.8
6883
2.866
877.4
921.1
37.10
52,9
35,3
3Me
diana
394.3
4042
3.765
454.9
7348
6.916
523.8
8356
2.600
603.6
7063
9.941
675.5
3171
5.055
754.8
6179
5.196
837.8
0488
3.096
1.146
.972
Arag
ónGa
sto94
.915
101.0
8910
9.225
120.6
2912
8.203
136.2
0614
1.177
146.8
0215
1.343
Media
95.13
910
1.737
108.9
1711
7.868
125.0
3312
9.396
134.9
4114
2.724
151.6
5516
1.210
172.4
4518
5.218
199.3
5721
4.250
309.5
03EP
REM
RMo
da95
.095
101.6
4310
8.765
117.6
5012
4.744
129.0
3713
4.504
142.1
9615
1.023
160.4
6417
1.569
184.1
9119
8.160
212.8
6530
6.790
2,04
5,00
Media
na95
.124
101.7
0510
8.866
117.7
9512
4.937
129.2
7713
4.795
142.5
4815
1.444
160.9
6117
2.153
184.8
7519
8.958
213.7
8730
8.596
Astur
iasGa
sto12
6.366
135.1
1214
1.178
153.0
1116
4.071
172.6
1418
1.384
183.0
7018
8.451
Media
125.3
0913
2.004
139.8
7314
8.780
155.6
8416
0.813
168.0
6117
6.282
185.8
8419
5.959
206.8
7221
8.597
231.0
2624
4.037
321.0
50EP
REM
RMo
da12
5.207
131.7
8913
9.530
148.2
9415
5.049
160.0
2616
7.102
175.1
3318
4.522
194.3
6420
5.020
216.4
6422
8.584
241.2
6031
6.103
3,47
7,35
Media
na12
5.275
131.9
3213
9.759
148.6
1815
5.472
160.5
5016
7.740
175.8
9818
5.429
195.4
2620
6.253
217.8
8423
0.209
243.1
0831
9.393
Balea
resGa
sto48
.706
51.94
655
.172
59.13
564
.074
67.49
271
.912
72.27
574
.864
Media
49.77
753
.356
57.20
861
.211
63.99
866
.843
69.07
671
.822
75.18
278
.407
81.73
985
.190
88.78
992
.554
113.9
71EP
REM
RMo
da49
.698
53.18
956
.938
60.82
763
.496
66.21
568
.319
70.92
374
.125
77.18
380
.336
83.59
686
.991
90.53
711
0.614
2,02
3,94
Media
na49
.751
53.30
057
.118
61.08
363
.830
66.63
368
.823
71.52
174
.828
77.99
781
.269
84.65
588
.186
91.87
711
2.841
Cana
rias
Gasto
60.74
665
.486
70.79
376
.427
83.21
789
.960
104.1
0110
0.248
109.8
95Me
dia58
.397
62.11
366
.995
74.29
079
.527
82.98
491
.498
97.72
910
6.337
116.5
3512
7.217
138.5
7615
0.899
164.2
3524
7.559
EPR
EMR
Moda
58.22
761
.751
66.41
173
.427
78.37
481
.542
89.64
695
.472
103.5
7811
3.180
123.1
9413
3.803
145.2
7715
7.654
234.1
945,2
512
,11Me
diana
58.34
061
.992
66.80
074
.002
79.14
182
.501
90.87
796
.971
105.4
0911
5.405
125.8
6213
6.966
149.0
0116
2.011
243.0
21
Canta
bria
Gasto
43.69
946
.542
49.75
953
.871
57.69
660
.918
65.21
765
.090
67.38
1Me
dia44
.868
47.46
850
.132
53.19
855
.959
58.22
560
.687
63.36
566
.726
70.36
873
.948
77.53
381
.254
85.19
010
7.222
EPR
EMR
Moda
44.60
746
.917
49.26
351
.972
54.35
156
.223
58.26
060
.478
63.31
566
.383
69.35
572
.294
75.32
378
.512
95.97
92,7
46,9
5Me
diana
44.78
147
.284
49.84
052
.786
55.41
857
.550
59.86
762
.388
65.56
969
.014
72.38
475
.746
79.22
782
.903
103.3
35
GOMEZ 24/10/03 18:00 Página 100
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 24 2002
101
Cu
ad
ro 4
VA
LO
RE
S R
EA
LE
S, E
ST
IMA
DO
S Y
PR
ED
ICC
ION
ES
(en
millo
nes d
e p
eseta
s d
e 1
986)
(co
nti
nu
ació
n)
Añ
o19
8719
8819
8919
9019
9119
9219
9319
9419
9519
9619
9719
9819
9920
0020
05
Comu
nidad
Autón
oma
Valor
es Re
ales y
Estim
ados
Predic
cione
s
Casti
lla y
León
Gasto
194.3
5920
6.982
225.0
5725
1.141
268.2
7527
8.435
289.4
1729
9.482
307.0
83Me
dia19
0.584
202.0
4321
9.394
241.9
5025
9.343
270.9
9928
3.767
295.2
5330
5.577
316.2
3732
8.571
342.4
7135
7.396
372.7
0046
2.323
EPR
EMR
Moda
190.5
0420
1.874
219.1
1924
1.545
258.8
0127
0.319
282.9
3729
4.266
304.4
2931
4.916
327.0
6234
0.755
355.4
5737
0.523
458.6
622,2
63,6
6Me
diana
190.5
5720
1.987
219.3
0224
1.815
259.1
6227
0.772
283.4
9029
4.924
305.1
9431
5.796
328.0
6734
1.898
356.7
4837
1.973
461.1
00
Castil
la-La
Manch
aGa
sto10
2.916
109.3
9611
9.514
131.9
4914
1.018
149.7
1715
4.736
160.8
9916
6.153
Media
105.2
2911
4.205
123.7
1013
2.059
139.3
7914
5.919
149.5
6615
6.518
163.8
9517
0.721
177.9
2918
5.521
193.4
4120
1.705
248.9
61EP
REM
RMo
da10
4.703
113.0
6712
1.866
129.4
4013
5.933
141.6
0014
4.415
150.3
7315
6.673
162.3
8416
8.395
174.7
0318
1.252
188.0
5022
6.369
2,37
4,40
Media
na10
5.054
113.8
2412
3.092
131.1
8013
8.221
144.4
6514
7.829
154.4
4216
1.451
167.8
9617
4.693
181.8
4318
9.290
197.0
4624
1.190
Catal
uña
Gasto
494.3
2752
0.244
550.3
2459
7.356
633.8
6867
4.912
711.9
1673
7.026
769.2
74Me
dia50
6.250
541.8
7458
0.858
619.4
0165
2.610
684.6
7471
1.400
738.9
1576
6.691
793.4
8281
9.145
844.2
4486
9.718
896.3
091.0
36.90
9EP
REM
RMo
da50
5.057
539.3
2457
6.762
613.5
8464
4.959
675.0
5269
9.750
725.1
0375
0.587
774.9
8579
8.165
820.6
8384
3.455
867.1
9599
1.466
2,32
5,55
Media
na50
5.852
541.0
2357
9.489
617.4
5665
0.049
681.4
5170
7.495
734.2
8276
1.285
787.2
6881
2.091
836.3
1686
0.874
886.4
971.0
21.53
5
Com.
Valen
ciana
Gasto
238.8
6125
4.860
271.2
3729
7.287
317.4
1433
9.312
358.4
8336
6.751
380.8
95Me
dia24
0.331
257.1
8527
8.659
300.8
7131
8.762
336.9
4735
7.053
371.1
3038
3.418
400.3
4941
6.595
432.5
8944
9.072
466.4
3656
0.912
EPR
EMR
Moda
240.2
8425
7.085
278.4
9730
0.639
318.4
5533
6.557
356.5
7037
0.558
382.7
5239
9.577
415.7
1143
1.588
447.9
4646
5.177
558.8
590,9
82,7
4Me
diana
240.3
1525
7.152
278.6
0530
0.794
318.6
6033
6.817
356.8
9237
0.939
383.1
9640
0.091
416.3
0043
2.255
448.6
9646
6.016
560.2
27
Extre
madu
raGast
o60
.971
65.73
372
.442
80.56
486
.509
91.39
895
.136
97.27
799
.305
Media
61.65
466
.981
73.90
381
.225
86.99
590
.172
92.19
094
.604
97.09
899
.605
102.3
7010
5.302
108.3
2511
1.409
128.0
76EP
REM
RMo
da61
.422
66.47
873
.072
80.00
985
.370
88.15
689
.789
91.79
493
.859
95.92
098
.212
100.6
4510
3.144
105.6
8211
9.223
1,76
3,10
Media
na61
.577
66.81
373
.625
80.81
886
.450
89.49
591
.383
93.65
896
.006
98.36
110
0.965
103.7
2610
6.570
109.4
6712
5.054
Galici
aGa
sto19
3.992
209.0
9422
0.668
240.6
2425
4.350
269.7
7330
4.531
289.0
1229
8.514
Media
199.6
4021
0.552
222.7
3925
0.185
260.7
8726
8.426
283.4
5628
9.929
299.3
0531
1.064
324.1
4533
8.376
353.4
4236
9.030
459.4
13EP
REM
RMo
da19
8.553
208.2
6421
9.118
244.7
7725
3.761
259.7
7127
2.822
277.5
3228
4.945
294.5
2830
5.241
316.9
0732
9.212
341.8
6041
4.122
2,12
6,92
Media
na19
9.277
209.7
8722
1.525
248.3
6925
8.424
265.5
0927
9.866
285.7
3729
4.440
305.4
5131
7.717
331.0
6334
5.173
359.7
4244
3.791
GOMEZ 24/10/03 18:00 Página 101
JUAN GÓMEZ GARCÍA, FULGENCIO BUENDÍA MOYA, JOSÉ GARCÍA PÉREZ. UNA PROPUESTA METODOLÓGICA PARA...
102
Cu
ad
ro 4
VA
LO
RE
S R
EA
LE
S, E
ST
IMA
DO
S Y
PR
ED
ICC
ION
ES
(en
millo
nes d
e p
eseta
s d
e 1
986)
(co
nti
nu
ació
n)
Añ
o19
8719
8819
8919
9019
9119
9219
9319
9419
9519
9619
9719
9819
9920
0020
05
Comu
nidad
Autón
oma
Valor
es Re
ales y
Estim
ados
Predic
cione
s
Madri
dGa
sto35
1.589
388.2
2240
6.187
382.9
7241
2.140
442.0
0645
3.994
477.6
1850
2.391
Media
365.5
1738
7.926
411.3
4843
1.682
452.2
8547
0.475
486.2
3450
3.143
520.2
9453
5.328
549.9
2356
4.312
578.8
9259
3.821
671.2
07EP
REM
RMo
da36
4.353
385.4
6040
7.431
426.2
1044
5.129
461.5
5847
5.498
490.4
6850
5.571
518.5
2353
0.964
543.1
2155
5.380
567.8
8963
1.740
5,58
12,72
Media
na36
5.129
387.1
0241
0.038
429.8
5044
9.887
467.4
8448
2.628
498.8
8251
5.340
529.6
6654
3.529
557.1
5857
0.946
585.0
4865
7.785
Murci
aGa
sto65
.150
69.62
476
.234
84.27
690
.850
94.81
598
.169
98.88
099
.207
Media
66.91
770
.875
76.05
081
.851
84.65
189
.088
93.11
898
.148
103.0
6210
7.649
112.2
7711
7.026
121.9
8612
7.140
155.8
91EP
REM
RMo
da66
.819
70.66
975
.718
81.37
684
.037
88.31
392
.173
97.01
010
1.719
106.0
9211
0.492
114.9
9811
9.697
124.5
7315
1.634
3,36
6,82
Media
na66
.884
70.80
675
.939
81.69
384
.446
88.82
992
.802
97.76
710
2.612
107.1
2711
1.679
116.3
4612
1.218
126.2
7915
4.459
Nava
rraGa
sto36
.285
39.15
044
.100
46.53
950
.089
52.54
154
.628
56.57
259
.234
Media
37.70
039
.859
44.07
946
.864
48.76
650
.508
52.32
555
.859
59.81
762
.852
65.99
269
.251
72.66
776
.252
96.90
2EP
REM
RMo
da37
.577
39.60
043
.649
46.25
647
.976
49.52
751
.142
54.41
758
.083
60.83
163
.661
66.58
769
.643
72.84
191
.067
2,16
4,22
Media
na37
.659
39.77
243
.935
46.66
148
.501
50.17
951
.928
55.37
459
.234
62.17
165
.206
68.35
171
.645
75.09
894
.917
País V
asco
Gasto
172.0
6418
2.600
196.1
2621
1.695
224.5
8023
9.018
261.3
6026
4.493
277.8
97Me
dia17
0.792
182.3
7019
3.909
210.8
4822
1.948
235.7
7225
1.633
265.3
4427
5.839
292.3
5231
0.808
331.2
1235
3.294
376.5
6952
2.183
EPR
EMR
Moda
170.7
0618
2.187
193.6
1821
0.426
221.3
9323
5.064
250.7
5326
4.284
274.5
9929
0.892
309.1
0132
9.228
351.0
0237
3.939
517.2
391,0
83,7
2Me
diana
170.7
6318
2.309
193.8
1221
0.707
221.7
6323
5.536
251.3
4026
4.990
275.4
2529
1.865
310.2
3833
0.550
352.5
2937
5.690
520.5
30
La Ri
ojaGa
sto19
.859
21.14
722
.631
24.57
426
.186
28.02
828
.865
30.00
830
.787
Media
19.90
421
.102
22.24
224
.377
25.59
826
.697
27.51
828
.627
29.93
431
.204
32.51
633
.870
35.28
436
.761
45.14
5EP
REM
RMo
da19
.842
20.97
222
.035
24.07
525
.202
26.20
326
.925
27.92
329
.107
30.24
831
.422
32.62
933
.885
35.19
442
.553
2,44
4,75
Media
na19
.883
21.05
922
.173
24.27
625
.465
26.53
127
.318
28.39
129
.655
30.88
232
.147
33.45
134
.811
36.23
144
.264
Fuen
te: E
labo
raci
ón p
ropi
a a
part
ir d
e lo
s da
tos
del M
inis
teri
o de
Tra
bajo
y A
sunt
os S
ocia
les
(199
8): P
roye
cto
de P
resu
pues
tos
de la
Seg
urid
ad S
ocia
l,M
inis
teri
o de
Tra
bajo
y A
sunt
os S
ocia
les
(var
ios
años
). La
ser
ie h
a si
do d
efla
ctad
a en
func
ión
del I
PC d
e 19
86, s
egún
los
dato
s de
l IN
E.EP
R: E
rror
pro
med
io r
elat
ivo
en ta
nto
por
cien
to. L
as p
redi
ccio
nes
para
el p
erio
do 1
996-
2005
se
han
obte
nido
baj
o la
hip
ótes
is d
e qu
e lo
s in
crem
en-
tos
abso
luto
s an
uale
s de
l PIB
R s
on c
onst
ante
s e
igua
les
al in
crem
ento
med
io e
n lo
s añ
os 1
991-
1995
. Res
pect
o a
los
incr
emen
tos
anua
les
de p
obla
-ci
ón e
ntre
199
6 y
2005
, han
sid
o ca
lcul
ados
a p
artir
de
las
proy
ecci
ones
de
pobl
ació
n re
aliz
adas
por
el I
.N.E
par
a es
e pe
riod
o.EM
R: E
rror
máx
imo
rela
tivo
en ta
nto
por
cien
to.
GOMEZ 24/10/03 18:00 Página 102
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 24 2002
103
Cu
ad
ro 5
CO
RR
ELA
CIO
NE
S E
N E
L A
ÑO
2000
An
d.
Ara
g.
Ast
.B
al.
Can
.C
ant.
C-L
C-M
Cat
.C
.Val
.E
xt.
Gal
.M
ad.
Mu
r.N
av.
P. V
as.
Rio
ja
And.
10,
554
0,45
40,
049
0,48
1-0
,125
0,60
3-0
,236
-0,2
990,
453
-0,3
31-0
,067
-0,6
720,
775
-0,2
010,
499
-0,3
9Ar
ag.
0,55
41
0,66
50,
285
0,26
30,
319
0,11
0,30
20,
181
0,37
0,21
90,
184
-0,3
320,
602
0,31
50,
110
0,28
4As
t.0,
454
0,66
51
0,74
0,59
30,
614
-0,1
80,
469
0,44
40,
639
0,44
50,
615
-0,0
190,
590,
627
0,41
40,
457
Bal.
0,04
90,
285
0,74
10,
520,
891
-0,7
980,
798
0,81
90,
334
0,81
10,
895
0,22
60,
164
0,86
70,
535
0,77
6Ca
n.0,
481
0,26
30,
593
0,52
10,
311
-0,1
0,05
60,
104
0,39
40,
116
0,64
80,
193
0,33
0,31
20,
907
0,11
8Ca
nt.
-0,1
250,
319
0,61
40,
891
0,31
11
-0,7
90,
951
0,92
20,
164
0,95
60,
878
0,17
60,
011
0,95
10,
340
0,92
7C-
L0,
603
0,11
-0,1
8-0
,798
-0,1
-0,7
91
-0,8
18-0
,88
0,05
9-0
,889
-0,7
46-0
,529
0,49
1-0
,773
-0,1
54-0
,871
C-M
-0,2
360,
302
0,46
90,
798
0,05
60,
951
-0,8
181
0,96
80,
131
0,98
0,72
30,
09-0
,106
0,88
0,12
60,
933
Cat.
-0,2
990,
181
0,44
40,
819
0,10
40,
922
-0,8
80,
968
10,
230,
980,
760,
16-0
,254
0,82
40,
162
0,89
3C.
Val.
0,45
30,
370,
639
0,33
40,
394
0,16
40,
059
0,13
10,
231
0,09
90,
179
-0,2
560,
262
0,06
40,
268
-0,0
21Ex
t.-0
,331
0,21
90,
445
0,81
10,
116
0,95
6-0
,889
0,98
0,98
0,09
91
0,79
80,
228
-0,2
250,
889
0,15
20,
953
Gal.
-0,0
670,
184
0,61
50,
895
0,64
80,
878
-0,7
460,
723
0,76
0,17
90,
798
10,
389
-0,0
40,
847
0,61
60,
774
Mad
.-0
,672
-0,3
32-0
,019
0,22
60,
193
0,17
6-0
,529
0,09
0,16
-0,2
560,
228
0,38
91
-0,3
710,
366
0,02
90,
391
Mur
.0,
775
0,60
20,
590,
164
0,33
0,01
10,
491
-0,1
06-0
,254
0,26
2-0
,225
-0,0
4-0
,371
10,
106
0,28
7-0
,13
Nav.
-0,2
010,
315
0,62
70,
867
0,31
20,
951
-0,7
730,
880,
824
0,06
40,
889
0,84
70,
366
0,10
61
0,29
20,
948
P. Va
s.0,
499
0,11
00,
414
0,53
50,
907
0,34
0-0
,154
0,12
60,
162
0,26
80,
152
0,61
60,
029
0,28
70,
292
10,
103
Rioj
a-0
,39
0,28
40,
457
0,77
60,
118
0,92
7-0
,871
0,93
30,
893
-0,0
210,
953
0,77
40,
391
-0,1
30,
948
0,10
31
GOMEZ 24/10/03 18:00 Página 103
JUAN GÓMEZ GARCÍA, FULGENCIO BUENDÍA MOYA, JOSÉ GARCÍA PÉREZ. UNA PROPUESTA METODOLÓGICA PARA...
104
Cu
ad
ro 6
CO
RR
ELA
CIO
NE
S E
NT
RE
LO
S A
ÑO
S 2
000 Y
2005
An
d.
Ara
g.
Ast
.B
al.
Can
.C
ant.
C-L
C-M
Cat
.C
.Val
.E
xt.
Gal
.M
ad.
Mu
r.N
av.
P. V
as.
Rio
ja
And.
0,85
80,
475
0,38
90,
042
0,41
2-0
,106
0,51
7-0
,202
-0,2
560,
389
-0,2
83-0
,058
-0,5
750,
664
-0,1
720,
428
-0,3
34Ar
ag.
0,47
50,
858
0,57
0,24
40,
225
0,27
30,
094
0,25
80,
155
0,31
80,
188
0,15
7-0
,284
0,51
60,
270,
094
0,24
3As
t.0,
389
0,57
10,
858
0,63
40,
507
0,52
4-0
,155
0,40
10,
380,
548
0,38
10,
526
-0,0
160,
506
0,53
70,
356
0,39
1Ba
l.0,
042
0,24
50,
634
0,85
70,
445
0,76
1-0
,608
0,68
20,
702
0,28
70,
694
0,76
50,
194
0,14
0,74
20,
459
0,66
4Ca
n.0,
413
0,22
60,
508
0,44
60,
856
0,26
5-0
,085
0,04
80,
089
0,33
80,
099
0,55
40,
165
0,28
30,
267
0,77
80,
101
Cant
.-0
,107
0,27
40,
526
0,76
40,
266
0,85
4-0
,678
0,81
30,
790,
141
0,81
80,
751
0,15
10,
009
0,81
40,
291
0,79
4C-
L0,
517
0,09
4-0
,155
-0,6
07-0
,085
-0,6
750,
858
-0,6
99-0
,754
0,05
1-0
,76
-0,6
37-0
,453
0,42
1-0
,662
-0,1
32-0
,746
C-M
-0,2
020,
259
0,40
20,
684
0,04
80,
813
-0,7
020,
855
0,82
90,
133
0,83
90,
617
0,07
7-0
,091
0,75
30,
108
0,79
9Ca
t.-0
,256
0,15
50,
381
0,70
20,
089
0,78
7-0
,755
0,82
80,
857
0,19
70,
839
0,64
90,
137
-0,2
170,
705
0,13
90,
765
C.Va
l.0,
389
0,31
80,
548
0,28
60,
337
0,14
0,05
10,
112
0,19
70,
858
0,08
40,
153
-0,2
190,
225
0,05
50,
230
-0,0
18Ex
t.-0
,284
0,18
80,
382
0,69
60,
099
0,81
7-0
,763
0,83
80,
840,
085
0,85
60,
682
0,19
6-0
,193
0,76
10,
131
0,81
6Ga
l.-0
,058
0,15
80,
528
0,76
80,
555
0,75
-0,6
40,
618
0,65
10,
153
0,68
30,
854
0,33
3-0
,035
0,72
50,
528
0,66
2M
ad.
-0,5
76-0
,285
-0,0
160,
194
0,16
40,
151
-0,4
540,
077
0,13
7-0
,22
0,19
50,
333
0,85
6-0
,318
0,31
30,
024
0,33
5M
ur.
0,66
50,
516
0,50
60,
140,
283
0,00
90,
421
-0,0
9-0
,217
0,22
5-0
,192
-0,0
34-0
,318
0,85
70,
090,
246
-0,1
11Na
v.-0
,173
0,27
00,
538
0,74
30,
267
0,81
3-0
,663
0,75
20,
706
0,05
50,
761
0,72
40,
314
0,09
0,85
60,
250
0,81
2P.
Vas.
0,42
80,
094
0,35
50,
458
0,77
70,
29-0
,132
0,10
80,
139
0,23
0,13
0,52
60,
024
0,24
60,
251
0,08
8Ri
oja
-0,3
350,
244
0,39
20,
665
0,10
10,
792
-0,7
470,
798
0,76
5-0
,018
0,81
60,
661
0,33
5-0
,111
0,81
20,
088
0,85
6
GOMEZ 24/10/03 18:00 Página 104
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 24 2002
105
Comentario.- En el cuadro 6 la correlación es espacio-temporal. Vemosen la diagonal del cuadro que cada C.A presenta alta correlación positivade la v.a. Gasto-2000 con la v.a Gasto-2005. En el caso del País Vasco esacorrelación es 1 y además la fila y la columna del País Vasco coincidenexactamente, por lo que las correlaciones (País Vasco2000-ComunidadX2005) y (Comunidad X2000-País Vasco2005) son las mismas. En losdemás casos las correlaciones [Xi (2000) - Xj (2005)] y las [Xj (2000) - Xi (2005)]son muy parecidas, así que cada fila y su correspondiente columna sólodifieren en el último dígito. Esto es debido a que las correlaciones diago-nales son altas. De modo que, en cada C.A., podemos utilizar las rectas deregresión 2000-2005 como hemos dicho para el cuadro 5. Y lo mismo entrecada dos C.A para las que se observe que presentan correlación 2000-2005alta, como Extremadura-CastillaM. La fórmula (4.2.11) explica que fuera dela diagonal del cuadro no abunden las correlaciones muy altas, pues elintervalo temporal 2000-2005 es de gran amplitud.
6. COMENTARIOS FINALES Y CONCLUSIONES
Los factores exógenos introducidos en el vector de coeficientes detendencia del proceso log-normal vectorial utilizado como modelo se hanseleccionado, como hemos establecido anteriormente, después de ensa-yos empíricos, como los que producen menor error medio relativo de losvalores estimados respecto de los valores reales en el periodo en queestos son conocidos. Ciertamente pueden ensayarse otras técnicas deselección, como la de regresión múltiple, rechazando las variables hipo-téticamente explicativas que contribuyan en menor porcentaje a la expli-cación de la variable en estudio.
Por otra parte los factores exógenos seleccionados se han introducidode forma lineal respecto de los parámetros, y los mismos en cada com-
Figura 1. Castilla y León
185000
205000
225000
245000
265000
285000
305000
325000
1987 1988 1989 1990 1991 1992 1993 1994 1995
Gasto real Medi
Figura 2. Cataluña
450000
500000
550000
600000
650000
700000
750000
800000
1987 1988 1989 1990 1991 1992 1993 1994 1995
Gasto real Medi
Figura 3. Comunidad Valenciana
220000
240000
260000
280000
300000
320000
340000
360000
380000
400000
1987 1988 1989 1990 1991 1992 1993 1994 1995
Gasto real Medi
Figura 4. País Vasco
160000
180000
200000
220000
240000
260000
280000
300000
1987 1988 1989 1990 1991 1992 1993 1994 1995
Gasto real Medi
GOMEZ 24/10/03 18:00 Página 105
JUAN GÓMEZ GARCÍA, FULGENCIO BUENDÍA MOYA, JOSÉ GARCÍA PÉREZ. UNA PROPUESTA METODOLÓGICA PARA...
106
ponente del proceso. Además, sólo se han introducido en el vector decoeficientes de tendencia y no en la matriz de difusión. Por tanto, puedenconsiderarse posibles variaciones del modelo desde distintos puntos devista: por la selección de los factores exógenos y número de ellos, por laforma funcional en que se introducen estos respecto de los parámetros,por la consideración de distintos factores exógenos en las componenteso por la posibilidad de afectar la matriz de difusión con factores exógenos,y siempre de forma que se mantenga el carácter log-normal del procesosolución de la correspondiente E.D.E. y quede asegurada la existencia yunicidad de las soluciones de ésta. Cabe ensayar para cada variaciónintroducida el ajuste con los valores reales, suponiendo resuelto el pro-blema de estimación de parámetros en cada modelo. Podría así mejorar-se la bondad del ajuste del modelo y su capacidad predictiva.
Además, hacemos observar que las características estadísticas delmodelo se han obtenido todas de la expresión de la solución de la E.D.E.,sin necesidad de efectuar suposiciones fuertes como, por ejemplo, que lafunción de densidad de transición es solución común y única de las ecua-ciones de Kolmogorov asociadas, ni tener que dar directamente dichasolución, para a partir de ahí deducir que el proceso es log-normal.
Las aproximaciones a los valores reales obtenidas por las estimacio-nes de las medias, por ejemplo, del proceso mejoran las obtenidas por lasmetodologías anteriormente utilizadas referidas en el apartado 1, por loque es esperable que las predicciones sobre valores futuros de la variable17-dimensional GASTO EN PENSIONES sean más fiables.
Las tablas de la función de correlación del proceso, posibles en nues-tro estudio gracias a que se consideran por primera vez para los procesoslogarítmico normales las distribuciones finito dimensionales y no sólo lade la variable general del proceso o distribución unidimensional delmismo, nos permiten comparar la evolución del gasto real o del previstode cada Comunidad Autónoma en un cierto momento con el de todas lasdemás en el mismo o diferentes años, y disponer toda esa informaciónresumida para los momentos seleccionados.
REFERENCIAS BIBLIOGRÁFICAS
Arnold, L. (1974): Stochastic Differential Equations: Theory and Applica-tions, John Wiley& Sons, Nueva York.
Barea, J.; Carpio, M.; Domingo, E. et al. (1996): “Escenarios De evolucióndel gasto público en Pensiones y desempleo en el horizonte 2020”,Documento de trabajo, Fundación BBV.
Buendía, F. (1998): Contribución al estudio de los procesos estocásticos dedifusión logarítmico-normales como procesos de Itô, Tesis doctoral,Universidad de Murcia.
GOMEZ 24/10/03 18:00 Página 106
REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 24 2002
107
Buendía, F. y Gómez, J.(1995): “Estudio del proceso estocástico logarítmico-normal unidimensional con factores exógenos como solución de unaecuación de Itô”, IX Reunión Asepelt-España, Santiago de Compostela.
Buendía, F. y Gómez, J.(1998): “El proceso estocástico de difusión logarít-mico-normal vectorial como proceso de Itô”, XXIV Congreso Nacionalde Estadística e Investigación Operativa, Almería.
Cameron, D. R. (1978): “The expansion of the public economy: A compara-tive analysis”, American Political Science Review, vol. 72, pp.1243-1261.
Gihman y Skorohod (1972): Stochastic Differential Equations, Springer-Verlag, Nueva York.
Gómez, J. y Buendía, F. (2001): “Una generalización de los procesos estocás-ticos log-normal y de Gompertz como procesos de Itô”, Qüestiió. Qua-derns d’Estadística i Investigació Operativa, vol. 25, nº 3, pp. 393-414.
Gómez, L. y Tintner, G. (1981): “The application of diffusion processes inproblems of developmental economic planing: a case study (Colom-bia)”, en Studies in Economic Theory and Practice, North-Holland,Amsterdam, pp. 177-193.
Gutiérrez, R.; Angulo, J. M.; Gonzalez, A.; Perez, R. (1991): “Inference inlog-normal multidimensional diffusion processes with exogenous fac-tors: Applications to modelling in economics”, Applied StochasticModels and Data Analysis, vol. 7, pp. 295-316.
Henrekson y Lybeck. (1988): “Explaining the growth of government in Swe-den: A disequili-brium approach”, Public Choice, vol. 57, pp. 213-232.
Jimeno, J. F. (2000): “El sistema español de pensiones: previsiones degasto y medidas de reforma”, Hacienda Pública Española, monográ-fico XXX aniversario, pp. 22-23.
Monasterio, C.; Sánchez, I. y Blanco, F. (2000): “La reforma del sistema depensiones: el Pacto de Toledo y su desarrollo posterior”, HaciendaPública Española, monográfico XXX aniversario, pp. 38-39.
Mures, M. J. (1991): Procesos estocásticos log-normales multivariantes.Aplicación a la modelización del gasto público en España, Tesis doc-toral., Universidad de Granada.
Palacios, M. A. (1995): Procesos estocásticos de difusión. Aplicacioneseconómicas, Tesis doctoral, Universidad de Murcia.
Salas, R. (1988): “Proyecciones del gasto en pensiones del sistema de laSeguridad Social 1980-2010”, Papeles de Economía Española, vol. 37,pp. 210-217.
Tintner, G. y Sengupta, J. K. (1972): Stochastic Economics, AcademicPress, Nueva York.
GOMEZ 24/10/03 18:00 Página 107
JUAN GÓMEZ GARCÍA, FULGENCIO BUENDÍA MOYA, JOSÉ GARCÍA PÉREZ. UNA PROPUESTA METODOLÓGICA PARA...
108
ABSTRACT
In this article the pension expenditures in different autonomousregions of Spain is modelled through a log-normal 17-dimensio-nal stochastic process, that is the solution of an Itô stochastic dif-ferential equation (S.D.E.), where the PIB and the census of popu-lation in each autonomous region have been introduced as exo-genous factor in the drift vector. We analyze the S.D.E. solutionprocess and its statistical characteristics, estimating the variableunder consideration through mean, median and mode vectors inthe process, once its parameters have been estimated. We makepredictions about the variable value through the estimated modelfor the 2000-2005 temporal range and the correlation coefficientsbetween the expenditures of the autonomous regions are obtai-ned for different years.
Key words: log-normal process, exogenous factor, stochastic dif-ferential equation, drift vector, expenditure on pensions.
GOMEZ 24/10/03 18:00 Página 108