DINAMICA DE LA OFERTA AGROPECUARIA ARGENTINA ELASTICIDADES DE

  • Slides: 43
Download presentation
DINAMICA DE LA OFERTA AGROPECUARIA ARGENTINA: ELASTICIDADES DE LOS PRINCIPALES CULTIVOS PAMPEANOS VICTOR BRESCIA

DINAMICA DE LA OFERTA AGROPECUARIA ARGENTINA: ELASTICIDADES DE LOS PRINCIPALES CULTIVOS PAMPEANOS VICTOR BRESCIA DANIEL LEMA INSTITUTO DE ECONOMIA Y SOCIOLOGIA INTA

1. Introducción. 2. Modelización del componente dinámico: 2. 1 Enfoque clásico: Expectativas Adaptativas y

1. Introducción. 2. Modelización del componente dinámico: 2. 1 Enfoque clásico: Expectativas Adaptativas y Ajuste Parcial. 2. 2 Enfoque de cointegración y corrección de errores 3. Dinámica de la oferta agropecuaria: Estimación de elasticidades de los principales cultivos pampeanos. 3. 1 Resultados: · Análisis de Estacionariedad: Augmented Dickey-Fuller (ADF) Unit Root Test. · Regresión de corto plazo y Modelo de corrección de errores. · Tabla de Elasticidades Area: Corto y Largo Plazo. 4. Discusión de resultados. Comentarios finales.

Dinámica de la oferta agropecuaria • Los modelos econométricos de oferta agropecuaria se han

Dinámica de la oferta agropecuaria • Los modelos econométricos de oferta agropecuaria se han formulado en general a partir de series temporales generando estimaciones derivadas de la utilización tanto del modelo desarrollado por Nerlove (1958), o del modelo de Griliches (1960) para estimaciones de oferta agregada.

 • • Enfoque clásico: Expectativas adaptativas y ajuste parcial Xt* = a +

• • Enfoque clásico: Expectativas adaptativas y ajuste parcial Xt* = a + b. Pext (1) Pext - Pex, t-1 = (Px, t-1 - Pex, t-1) Pext = Px, t-1 + ( 1 - ) Pex, t-1 Por sustitución recurrente, puede escribirse: Pext = ( 1 - ) Pex, t-1 (2) Sustituyendo (2) en (1) resulta: Xt= a/ + b/ Px, t-1 + ( 1 - ) Xt-1 (3)

 • Siguiendo una lógica similar a la empleada para el modelo de expectativas

• Siguiendo una lógica similar a la empleada para el modelo de expectativas de precios, se puede escribir: • Xt = X* t + (1 - ) Xt-1 (4) • Donde (0 < < 1) es el coeficiente de ajuste parcial

 • Suponiendo (modelo “naive”) que el precio esperado es el precio rezagado Px,

• Suponiendo (modelo “naive”) que el precio esperado es el precio rezagado Px, t-1 y sustituyendo (4) en (1): • Xt = 1/ a + 1/ b Px, t-1 + (1 - ) Xt-1 (5)

 Enfoque de cointegración y corrección de errores • Este enfoque es mas general

Enfoque de cointegración y corrección de errores • Este enfoque es mas general que el mecanismo de ajuste parcial, ya que permite modelar un espectro mas amplio de ajustes dinámicos. Esto es lo que se pasará a ilustrar a continuación, y lo que constituye el argumento principal de esta presentación

 • Las ecuaciones básicas del modelo de ajuste parcial son: • (7) At

• Las ecuaciones básicas del modelo de ajuste parcial son: • (7) At - At-1 = (A*t - At-1) • (8) P*t - P*t-1 = ß (Pt-1 - P*t-1) • (9) A*t = a 0 + a 1 P*t + a 2 Zt + ut

 • Con el supuesto adicional ß=1 (expectativas de precios ingenuas: P*t = Pt

• Con el supuesto adicional ß=1 (expectativas de precios ingenuas: P*t = Pt -1), se genera la ecuación finalmente estimada: • At = a 0 + a 1 Pt-1 + (1 - ) At-1 + a 2 Zt + ut • (10)

 • Por el otro lado, el enfoque de ECM combina interacciones de corto

• Por el otro lado, el enfoque de ECM combina interacciones de corto y largo plazo entre un grupo de variables. Para estar relacionadas en el largo plazo es necesario que las variables sean del mismo orden de integración y que estén cointegradas.

 • Supóngase que At y Pt están cointegradas, siendo del mismo orden. La

• Supóngase que At y Pt están cointegradas, siendo del mismo orden. La relación de largo plazo entre ellas se expresa como: • (11) At = a 0 + a 1 Pt + vt <==> (12) vt = At - a 0 - a 1 Pt

 • Dado que At y Pt están cointegradas, digamos de orden 1, el

• Dado que At y Pt están cointegradas, digamos de orden 1, el término vt será estacionario y existe una representación del tipo ECM para estas dos variables (Teorema de Representación de Granger), que se expresa como:

– D At = b 0 + b 1 D Pt - l vt-1

– D At = b 0 + b 1 D Pt - l vt-1 (13) – Reemplazando vt-1 por su expresión en (12) (vt = At - a 0 - a 1 Pt ), se tiene: – D At = b 0 + b 1 D Pt - l (At-1 - a 0 - a 1 Pt-1) (14)

– Recordando que, por operador diferencia, – D At=At-At-1 y D Pt=Pt-Pt-1, se obtiene:

– Recordando que, por operador diferencia, – D At=At-At-1 y D Pt=Pt-Pt-1, se obtiene: At = (b 0 + a 0 l) + b 1 Pt + (1 - l) At-1 – (b 1 - a 1) Pt-1 (15)

– Compare los modelos (15) y (10). Coincidirán – obviando variables exógenas adicionales como

– Compare los modelos (15) y (10). Coincidirán – obviando variables exógenas adicionales como Ztsólo si el término para Pt es omitido de la especificación ECM At = a 0 + a 1 Pt-1 + (1 - ) At-1 + a 2 Zt + ut (10) At = (b 0 + a 0 l) + b 1 Pt + (1 - l) At-1 – (b 1 - a 1) Pt-1 (15)

– lo que demuestra que el modelo de ajuste parcial está anidado dentro del

– lo que demuestra que el modelo de ajuste parcial está anidado dentro del modelo ECM, el que constituye una especificación mas general del problema. – Por otra parte, el supuesto (verificable) del ECM es que todas sus variables son series estacionarias, lo que genera resultados correctos cuando el modelo es estimado por MCO.

La estimación del Modelo ECM – El modelo de corrección de errores queda especificado

La estimación del Modelo ECM – El modelo de corrección de errores queda especificado en su versión mas simple por medio de la ecuación (11) presentada mas arriba, donde se modela la relación de largo plazo entre el área cultivada y el precio del commodity bajo estudio, esperándose a priori un valor positivo para a 1: • (11) At = a 0 + a 1 P t + vt

– La versión dinámica del modelo de corto plazo para la oferta se presenta

– La versión dinámica del modelo de corto plazo para la oferta se presenta en primeras diferencias en la expresión (13), donde l representa el desequilibrio con repecto al largo plazo, el que será corregido parcialmente cada período: – (13) D At = b 0 + b 1 D Pt - l vt-1

 • El proceso de estimación sigue en su primera etapa la rutina correspondiente

• El proceso de estimación sigue en su primera etapa la rutina correspondiente al análisis de cointegración • Primero debe evaluarse la estacionariedad de las series, es decir, verificar la ausencia de raíces unitarias. El orden de cointegración de las series se examina por medio del test aumentado de Dickey-Fuller (ADF), tanto para los niveles como para las primeras diferencias de las series.

Lo que sigue es la validación del proceso de cointegración propuesto para el par

Lo que sigue es la validación del proceso de cointegración propuesto para el par de variables {At ; Pt}. Para ello, siguiendo la metodología de Engle and Granger (1991) se prueba –vía los tests ADF- si los residuos mínimo-cuadráticos de la estimación de la ecuación (11) son estacionarios, o sea I(0). En este caso la hipótesis nula es de no cointegración y lo que se espera es su rechazo.

También es posible explorar si la cointegración resultante es determinística o estocástica. Para ello

También es posible explorar si la cointegración resultante es determinística o estocástica. Para ello se incluye y omite alternativamente un término de tendencia en la ecuación (11). Cuando se lo incluye, la representación toma la forma definida en (11 a): – (11 a) At = a 0 + a 1 Pt + a 2 TIME + vt

– La segunda etapa del proceso de estimación se corresponde con el componente de

– La segunda etapa del proceso de estimación se corresponde con el componente de Corrección de Errores. Esto equivale a estimar el modelo referenciado en (13). – (13 a) D At = b 0 + b 1 D Pt + l vt-1 + et

– De estar expresadas la variables en logaritmos, el coeficiente b 1 representa la

– De estar expresadas la variables en logaritmos, el coeficiente b 1 representa la elasticidad precio de corto plazo de la oferta, medida en este caso por área bajo cultivo. El coeficiente l del término de corrección de errores (esperado negativo) mide el ajuste hacia la relación de largo plazo entre At y Pt. – (13 a) D At = b 0 + b 1 D Pt + l vt-1 + et

– Esto equivale a razonar que si en la relación en niveles (11) se

– Esto equivale a razonar que si en la relación en niveles (11) se desarrolla un shock aleatorio vt positivo, en el sentido de impulsar At por encima de su sendero esperado, la ecuación en diferencias (13 a) –básicamente el Modelo de Corrección de Errores- tomará en cuenta dicho desvío corrigiendo hacia abajo dado el signo negativo esperado para el coeficiente l que acompaña a vt-1. – (13 a) D At = b 0 + b 1 D Pt + l vt-1 + et

Resultados: Análisis de Estacionariedad: Augmented Dickey-Fuller (ADF) Unit Root Test Estimación del ECM

Resultados: Análisis de Estacionariedad: Augmented Dickey-Fuller (ADF) Unit Root Test Estimación del ECM

Tabla de Elasticidades Area: Corto y Largo Plazo Variable Producto Precio Maíz Precio Trigo

Tabla de Elasticidades Area: Corto y Largo Plazo Variable Producto Precio Maíz Precio Trigo Precio Soja Precio Girasol Precio Novillo Maíz CP LP 0. 43 1. 26 - 0. 31 - 0. 79 Trigo CP LP 0. 38 0. 77 - 0. 028 - 0. 49 - 0. 28 - 0. 08 Soja CP LP - 0. 24 - 0. 60 0. 24 0. 63 Girasol CP LP 0. 42 0. 51

EXPORTACIONES AGROPECUARIAS ARGENTINAS ELASTICIDADES PRECIO (EPE) DE CORTO PLAZO DE LA OFERTA de EXPORTACION.

EXPORTACIONES AGROPECUARIAS ARGENTINAS ELASTICIDADES PRECIO (EPE) DE CORTO PLAZO DE LA OFERTA de EXPORTACION. PRODUCTO EPD ( ) y% (1 -y)% EPE 0. 11 0. 31 70. 0 30. 0 1. 09 0. 33 0. 31 70. 0 30. 0 1. 82 Trigo 0. 38 0. 10 35. 8 64. 2 0. 65 Maíz 0. 43 0. 10 36. 0 64. 0 0. 73 Soja 0. 24 0. 50 2. 6 97. 4 0. 26 Girasol 0. 42 0. 50 21. 8 78. 2 0. 68 Carne Vacuna 0. 14 0. 35 88. 0 12. 0 3. 73 Oferta Agropecuaria Agregada EPO ( )

EXPORTACIONES AGROPECUARIAS ARGENTINAS VALOR DE LAS EXPORTACIONES ADICIONALES ANTE MEJORES PRECIOS ESCENARIO 1: Q

EXPORTACIONES AGROPECUARIAS ARGENTINAS VALOR DE LAS EXPORTACIONES ADICIONALES ANTE MEJORES PRECIOS ESCENARIO 1: Q y P promedios 97/98 – 99/00 Qd P EPE P Qe $ PRODUCTO [mill. Ton] [u$s/Tn] [%] [u$s/Tn] [mill. Ton] [mill. u$s] Trigo 14. 181 103. 19 35. 8 0. 65 10 1. 362 65. 776 Maíz 16. 549 89. 08 36. 0 0. 73 5 0. 816 40. 600 Soja 19. 646 171. 32 2. 6 0. 26 15 6. 450 122. 934 6. 265 186. 18 21. 8 0. 68 0. 467 42. 571 Girasol 12