La Ley de Wagner y el Efecto Baumol - Asociación … Ley de Wagner y el Efecto Baumol Un análisis...

La Ley de Wagner y el Efecto Baumol Un análisis para las provincias argentinas

Carolina Castroff♣

María Victoria Sarjanovich♦

Abstract

This paper is aimed at analysing the evolution of the government sector and the causes of its growth in the Argentine provinces during the period 1990-2001 and the period 1990-2003. Borcherding model is used to assess the Argentine government’s size and by using the panel data technique: fulfillment of the Wagner Law, the Baumol Effect and the Population Effect are analysed.

The estimation shows that the Wagner Law and the Baumol Effect are verified but not the Population Effect. JEL Clasification: H7 C23

Resumen

El objetivo del trabajo es analizar la evolución del sector público y las causas de crecimiento del mismo, en las provincias argentinas, durante el período 1990–2001 y el período 1990-2003. Se utiliza el modelo de Borcherding para la determinación del tamaño del gobierno y mediante la técnica de datos de panel, se analiza el cumplimiento de la Ley de Wagner, el Efecto Baumol, y el Efecto Poblacional. La estimación muestra que se verifica la Ley de Wagner y el Efecto Baumol, no mostrando evidencia del Efecto Poblacional. Palabras Claves: Ley de Wagner, Efecto Baumol, Gasto Público, Datos de panel Clasificación JEL: H7 C23

♣ Instituto de Economía y Finanzas, Facultad de Ciencias Económicas. Universidad Nacional de Córdoba. Av Valparaíso sn, CP: 5000 Córdoba, República Argentina. Dirección de email: [email protected] ♦ Facultad de Ciencias Económicas. Universidad Nacional de Córdoba. Av Valparaíso sn, CP: 5000 Córdoba, República Argentina. Dirección de email: [email protected] Agradecemos al profesor Ernesto Rezk por los comentarios realizados y la ayuda brindada, para lograr una presentación adecuada del trabajo.

Asociación Argentina de Economía Política

Carolina Castroff – María Victoria Sarjanovich noviembre 2006

1

1. Introducción.

Este trabajo analiza la evolución del sector público, principalmente, el comportamiento del gasto público en las provincias argentinas durante el período 1990–2001 y el período 1990-2003. Se intenta determinar cuales son las principales causas de crecimiento del gasto provincial, tomando como referencia para el análisis el marco teórico de la “Ley de Wagner”, el “Efecto Baumol” y el “Efecto Poblacional”. Éstos indican que el avance del gasto público se debe a los aumentos en el ingreso o producto bruto provincial, a los incrementos en los precios de los servicios públicos y al crecimiento poblacional, respectivamente.

La elección de estas variables se debe a que muchos economistas han visto al ingreso como un determinante importante del gasto, y han resaltado la hipótesis de que el tamaño del gobierno aumenta cuando crece el nivel de actividad, pero lo hace a tasas superiores. Este comportamiento, es conocido en la literatura, como la Ley de Wagner. También se sostiene que otro factor influyente es el precio que dan los agentes a los servicios brindados por el gobierno, planteando que la existencia de una elasticidad precio de la demanda de servicios públicos menor a uno, hace que a medida que se incrementan los precios aumente el gasto público, este es el conocido Efecto Baumol. Por último la dimensión de la población, la burocracia, la ilusión fiscal, el proceso electoral y los grupos de presión entre otros, pueden ser determinantes del tamaño del gobierno en una economía particular. De estos últimos, el presente trabajo analiza solo el efecto poblacional, dadas las grandes dificultades que se presentan en la medición de los demás factores.

El interés en distinguir el período 1990-2001 del período 1990-2003 se fundamenta en captar si existen diferencias significativas, teniendo en cuenta el período post crisis, en el cual se verificaron cambios abruptos en las cuentas públicas.

Como se observa en el Gráfico 1, durante los años 2002-2003 el porcentaje de gasto total provincial en relación a la suma de los PBG (Producto Bruto Geográfico) de las 24 jurisdicciones se incrementa notablemente.

Gráfico 1: Gasto total/ PBG

De acuerdo a esto, se espera que la “Ley de Wagner” se verifique, e incluso sea mas fuerte en el período completo que en el periodo restringido hasta el año 2001.

5%

8%

11%

14%

17%

1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003



2

Se considera importante, indagar en el gasto público provincial por dos motivos fundamentales. El primero, porque si bien existen múltiples estudios sobre las cuentas públicas nacionales, es muy escasa la bibliografía relacionada con los aspectos fiscales provinciales para Argentina. Es en esta dirección, donde se cree que el presente trabajo puede generar un aporte importante. En segundo lugar se decide estudiar la evolución del gasto, debido a que durante muchos años el tema casi excluyente en el campo de las Finanzas Públicas era el estudio de la tributación, mientras el gasto público recibía poca atención. Esta observación fue formulada por Samuelson en su clásico artículo “A Pure Theory of Public Expenditure”. Justamente fue a partir de esta obra y de los trabajos de Richard Musgrave y otros importantes autores que la teoría de los bienes públicos recibió su principal impulso.

Para analizar las causas del crecimiento del sector público y verificar el cumplimiento de la Ley de Wagner, el Efecto Baumol, y el Efecto Poblacional, se utiliza el modelo de Borcherding desarrollado para la determinación del tamaño del gobierno y la técnica de datos de panel.

El trabajo se estructura de la siguiente manera: a continuación, se presenta un marco teórico, en éste se incluye la especificación del modelo y las principales teorías que explican el crecimiento del gasto público. Luego, se detalla como fueron obtenidos los datos para la estimación y se presenta la técnica de datos de panel. Exponiendo en esta misma sección los resultados del Test de Hausman, que permiten elegir entre los dos posibles métodos de estimación bajo esta metodología (efectos aleatorios o efectos fijos). Por último se presentan los resultados para los dos paneles estimados, observando si se verifican en cada uno de ellos, los efectos antes mencionados, realizando también comparaciones entre resultados. En la cuarta sección se realizan comentarios y se extraen conclusiones.

2. Marco teórico

2.1 Especificación del Modelo Para analizar las fuentes de crecimiento del gobierno, en particular para las 24

jurisdicciones de Argentina2, se emplea la forma funcional utilizada por Borcherding (1977, 1985) sobre la determinación del tamaño del gobierno3. Ésta, expone que el presupuesto surge de una acción racional en un ambiente democrático, donde la decisión real de mercado es la que corresponde al votante mediano (elector marginal).

Las razones por las cuales crece el gasto público, son las mismas que explican la naturaleza de las funciones del Estado. Al evaluar distintas teorías surgen variables explicativas de este fenómeno, las cuales pueden estar integradas en una función de demanda o de oferta de bienes públicos.

Siguiendo un enfoque de demanda, emergen variables que resaltan las funciones del gobierno, entre estas podemos destacar las funciones de proveer bienes y servicios públicos y corregir las externalidades. Este paradigma tiene lugar dentro de la corriente de la Public Choice y postula que el crecimiento del gasto surge de las características de la demanda de bienes públicos por parte de los individuos.

2 Incluye todas las provincias en su conjunto exceptuando Buenos Aires, en la cual, se considera Capital Federal y Gran Buenos Aires, por un lado, y ciudad de Buenos Aires por otro. 3 Esta Teoría es concebida por Borcherding y Deacon (1972) y por Bergstrom y Goodman (1973).



3

Con la utilización del teorema del votante mediano, el cual establece que las preferencias del votante mediano son las que determinan la proporción de impuestos y de bienes que corresponde a cada individuo, se define una demanda que depende del precio de los bienes y servicios públicos, del ingreso del individuo y de otros factores:

φδη mysAq ~= (1)

Donde: q Es la cantidad de bienes y servicios que captura el elector.

s Valor que da el elector a q . y~ Ingreso personal mediano. m Conjunto de variables de control de política. η Elasticidad precio de la demanda. δ Elasticidad ingreso de la demanda. φ Vector de elasticidades política / social de la demanda por q .

El modelo supone que todos los ciudadanos tienen preferencias similares y sus ingresos se distribuyen alrededor del ingreso del elector marginal. Asume también que la oferta de servicios públicos producidos es perfectamente elástica.

La dificultad de la ecuación (1) es que requiere que q y s sean directamente medibles. Por lo tanto se realizan supuestos simplificadores y se definen estas variables de modo que el modelo sea operacional.

Dado que q es una cantidad subjetiva, ésta puede ser transformada de la siguiente manera:

XqNα= (2)

Donde:

X Cantidad de bienes y servicios producidos por el grupo como un todo. N Tamaño de la población. α Grado de publicness, la cual refleja la confianza de la sociedad acerca de las decisiones que toma el gobierno. Menor valor de α refleja mayor grado de publicness y por lo tanto mayor demanda de bienes y servicios públicos.

Si se considera a s como el precio subjetivo en el margen para el elector por unidad de q , y suponiendo que la oferta de bienes públicos es perfectamente elástica, una forma conveniente para medirlo es:

t p Xs t p Nq

α= = (3)

Donde: p Costo marginal de X .

t Proporción porcentual del costo de X soportado por el votante mediano.



4

Trabajando con las ecuaciones (1), (2) y (3) se obtiene4: 1 1 ( 1)g A p y N t k mη δ αη α η δ φ+ − + −= (4)

Donde: g Proporción del gasto público en el total del ingreso del grupo.

y Ingreso medio del grupo. k Cociente entre el ingreso medio ( y ) y ingreso mediano ( y ).

De esta manera, el tamaño del gobierno depende de los precios de los bienes y servicios públicos, del ingreso medio, del tamaño de la población, de la desigualdad en la distribución del ingreso y del conjunto de variables de control de política.

La ventaja que tiene la ecuación (4) es que permite expresar g en tasa de crecimiento. Para ello, primero se linealiza la ecuación mediante una transformación logarítmica y luego tomando diferencial, se puede expresar la ecuación a estimar, como sigue;

( 1) ( 1) ( 1)g p y N t k mη δ αη α η δ φ= + + − + + − + + + (5)

Otro supuesto del modelo es que el cambio en t es igual (pero con signo contrario) al cambio en la población, en símbolos se tiene que t N= − . Esto se debe a que a medida que la población aumenta, el gasto porcentual soportado por cada uno de los individuos decrece.

Entonces, la ecuación (5) se reescribe como sigue:

( 1) ( 1) ( 1) ( 1)g p y N k mη δ η α δ φ= + + − + + − + + (6)

La ecuación (6) representa la tasa de crecimiento del gasto público. Ésta se utiliza para medir los efectos de cada variable individual en el tamaño del gobierno, lo cual se realiza a través de la utilización de la técnica de datos de panel.

2.2 Ley de Wagner

La teoría económica indica que si los bienes son normales, frente a incrementos del ingreso, aumenta la demanda. Siguiendo esta teoría, los bienes y servicios financiados por el gobierno no son la excepción a la regla. Adicionalmente, no sólo no son la excepción de la regla sino que según la hipótesis de Adolph Wagner – de donde surge la conocida Ley de Wagner – a medida que la sociedad progresa, el gasto público crece más rápido que el producto.

Más específicamente, la Ley de Wagner muestra la relación entre la variación del gasto público y el cambio en el desarrollo económico.

Analizando el modelo se observa que los cambios en el ingreso, sin que exista movimiento de otra variable independiente, afectan a la variable ingresos medios ( y ) y a la distribución de éstos, medido por k .

4 En el apéndice 1 se incluye el desarrollo paso a paso para la obtención de las ecuaciones número 4, 5 y 6.



5

El efecto completo sobre el gasto del gobierno se puede ver a través de:

( 1)y y kg g g y kδ δ= + = − + (7)

Esta ecuación incluye variaciones en el nivel de ingresos y los ajustes por desigualdad en la distribución del mismo. Estos dos factores producen cambios en el gasto público, reflejando la “Ley de Wagner”.

Para resumir, se sabe que para verificar empíricamente la Ley de Wagner en el modelo teórico bajo análisis, se debe observar un 1δ > . Lo que significa que ante el aumento del ingreso en un 1%, el gasto público aumentará en más del 1%. 2.3 Efecto Baumol

El Efecto Baumol parte de la observación de la naturaleza de la tecnología de producción del sector público. La hipótesis básica es que la tecnología del sector público es más trabajo intensiva en relación a la tecnología de producción del sector privado. Además en el sector público es más difícil la sustitución de trabajo por capital, a medida que el costo laboral aumenta.

Considerando constantes todas las variables relevantes para el crecimiento del gasto del gobierno, excepto el precio, el mismo produce el siguiente efecto:

( 1)pg pη= + (8)

La ecuación (8) permite mostrar la existencia del Efecto Baumol. El Estado y el sector privado compiten por la mano de obra, lo que se refleja en una suba en el salario y consecuentemente, en el costo de producción, dando como resultado un precio mayor.

La mayoría de los estudios empíricos realizados reflejan una demanda inelástica de bienes públicos, ésto no debería sorprender, considerando el hecho de que muchos bienes públicos no tienen sustitutos próximos y resultan imprescindibles. Esto implica que un aumento del precio de los servicios públicos genera una pequeña disminución de la demanda por dichos servicios y no disminuye el gasto agregado sobre el producto del sector público sino que lo aumenta.

Con un crecimiento positivo en los precios relativos de los bienes y servicios provistos por el Estado, una condición para que se presente el efecto Baumol es que:

0 1 1 1 0η η< + < ⇒ − < <

Para resumir, para que se verifique el Efecto Baumol la demanda de bienes y servicios públicos debe ser inelástica respecto a los precios, lo que implica que η debe presentar un valor entre – 1 y 0.

2.4 Cambios en la densidad poblacional El cambio en el tamaño de la población, afecta a la dimensión del gobierno directa e

indirectamente. Directamente porque se necesitan más bienes y servicios públicos para satisfacer las necesidades de la mayor cantidad de individuos en la economía; e indirectamente, porque a pesar de que se proporcionará mayor cantidad de bienes públicos; como consecuencia de que existen más ciudadanos, el costo de X soportado por el votante mediano disminuirá.



6

El efecto de un cambio poblacional esta medido por:

( 1) ( 1)Ng Nη α= + − (9)

Se dice que existe efecto poblacional cuando la tasa de crecimiento del gasto público es mayor a la tasa de crecimiento de la población. Es decir

( 1) ( 1) 1η α+ − ≥ .

2.5 Otros factores influyentes en el Gasto Público

Existen otras teorías que explican la dinámica del gasto público en el tiempo, entre las que se encuentran: el Efecto Desplazamiento o Efecto Ratchet, Efecto Burocracia, Ilusión Fiscal, el Efecto Buchanan-Wagner , el Proceso Electoral y los Grupos de Presión.

El efecto de estos conceptos en el tamaño del gobierno se mide a través de:

mg mφ=

Donde el signo de φ indica la influencia de estos efectos en la tasa de crecimiento del gasto. No se plantea en este trabajo una hipótesis determinada del valor que debe asumir este parámetro.

3. Estimación

3.1 Datos utilizados

Las variables utilizadas son: tasa de crecimiento interanual del gasto público corriente provincial, tasa de variación anual de la población para cada una de las provincias, tasa de crecimiento del nivel de ingresos (representado por incremento interanual del el producto bruto geográfico de cada una de las provincias) y tasas de crecimiento de precisos de los servicios públicos (medido a través de la evolución gasto publico provincial en salarios)5.

Los Datos son obtenidos de las siguientes fuentes:

El Producto Bruto Geográfico para el período 1990-2001 también fue tomado de la base de datos Ministerio del Interior Provinfo. Para los años 2002-2003, como consecuencia de que el Ministerio del Interior suspende el cálculo de datos del PGB provincial, se conocen datos para las provincias de Buenos Aires, Córdoba, Santa Fe y Mendoza, las cuales representan aproximadamente un 75% del total del producto. Las fuentes consultadas fueron: Dirección Estadística de Buenos Aires, Gerencia de Estadísticas y Censos de Córdoba, IPEC para Santa fe y D.E.I.E. área de indicadores de coyuntura y Facultad de Ciencias Económicas. Universidad Nacional de Cuyo para Mendoza. Para el resto de las provincias que representan el 25% del producto total se realizaron estimaciones propias en base el desarrollo sectorial y las participaciones de cada una en el total. Si bien estos datos no son calculados de la misma manera para todas las provincias, como lo eran los datos publicados por el Ministerio del Interior para el período 1990-2001, consideramos que dada la dificultad para la obtención de datos homogéneos, esta metodología representa una buena aproximación.

5 En el apéndice 3, se incluyen las tablas con los datos utilizados.



7

La población por provincias se obtuvo de la base de datos del Ministerio del Interior Provinfo. El cálculo se realiza en base a los datos censales de incremento de la población por provincias publicado por el INDEC.

El gasto público provincial, fue tomado de la base de datos publicada por el Ministerio de Economía y Producción de la República Argentina. Secretaria de Hacienda. Dirección Nacional de Coordinación Fiscal con las Provincias.

Los salarios de empleados públicos para cada una de las provincias fueron extraídos de la base de datos publicada por el Ministerio de Economía y Producción de la República Argentina. Secretaria de Hacienda. Dirección Nacional de Coordinación Fiscal con las Provincias.

Siguiendo al modelo de Borherding los datos utilizados son medidos en valores corrientes.

Se utilizaron los programas Stata y E-views para realizar las estimaciones que se presentan a continuación. Los resultados obtenidos por ambos programas son muy similares, no presentando diferencias en las conclusiones.

3.2 Metodología y elección entre efectos fijos y aleatorios. Test de Hausman

Considerando que en el presente trabajo se tienen datos en series de tiempo para cada una de las variables expresadas en tasas de crecimiento (PBG, población, precios y gasto del gobierno) y secciones cruzadas, (cada una de las 24 jurisdicciones), se considera que la metodología adecuada para la estimación es la técnica de datos de panel.

Se estima la ecuación (6) y así se intentará indagar sobre las causales del crecimiento del tamaño del sector público, en el período 1990 – 2001 y en el período 1990-2003 en las provincias de Argentina. El modelo desarrollado anteriormente, esta conformado por un conjunto de datos consistente en observaciones de n unidades de sección cruzada (en este caso 24 provincias) durante T periodos de tiempo (11 años) para el primer caso y (13 años) para el segundo.

Teniendo en cuenta el modelo de Borcherding, planteado con anterioridad, el modelo general, que se corresponde con la técnica de datos de panel es:

( 1) ( 1) ( 1) ( 1)i t it i t i t i t i t i t i tg p y N k m Uω η δ η α δ φ= + + + − + + − + + +

i Cada una de las 24 jurisdicciones tomadas para la estimación. i= 1… 24 t Cada unidad de tiempo 1991, 1992,……….., 2001/2003. t= 1…..11 o t = 1….13 itω Es el vector de interceptos que esta conformado por 24 parámetros.

i tU Perturbación usual en la regresión.

En caso de observar que los efectos fijos son iguales (homogéneos) entre las unidades de sección cruzada, se aplica Mínimos Cuadrados Ordinarios, el cual dará estimadores consistentes y eficientes, pero en caso contrario existen dos procedimientos para estimar el modelo: modelo de efectos fijos o modelo de efectos aleatorios.

La definición de itω y de i tU dependen de si se estima un modelo de datos de panel con efectos fijos o efectos aleatorios. A continuación se expone la elección entre estas dos alternativas, y luego dependiendo del resultado, se plantea el modelo que será estimado.



8

Elección entre efectos fijos y aleatorios

La decisión acerca de la estructura apropiada para el análisis, depende de varios aspectos, entre ellos se destacan: el interés del estudio, la forma de obtención de los datos y la cantidad de datos disponibles.

Con el objetivo de elegir entre la utilización de efectos fijos y efectos aleatorios, existe también, la posibilidad de realizar una prueba econométrica que confirme que la elección del modelo es correcta. La prueba que se realiza es el TEST DE HAUSMAN. Esta prueba permite determinar, si el modelo de efectos aleatorios es mas adecuado para el panel de datos que se esta analizando, indicando si los estimadores son mas eficientes que bajo el uso de modelo del efectos fijos.

Se realiza una prueba Chi cuadrado donde: Ho = las variables explicativas no están correlacionadas con el término de error, y por lo

tanto el modelo de efectos aleatorios es el que mejor explica la relación de la variable dependiente con las explicativas. Obteniéndose estimadores eficientes y consistentes.

H1 = Las variables explicativas si están correlacionadas con el término de error, y por lo tanto, el modelo que mejor ajusta la relación de la variable dependiente con las explicativas es el de efectos fijos, preservando este estimador la propiedad de consistencia.

Los resultados obtenidos de esta prueba se muestran en las tablas 1 y 2, permitiendo los resultados aceptar la hipótesis nula, aceptando el uso de un modelo de efectos aleatorios.

Dado que se estiman dos paneles diferentes, considerando períodos de tiempo distintos, se realiza el test de Hausman para probar la validez de efectos aleatorios en cada uno de ellos.

Resultado del Test de Hausman Tabla 1: Estimación para el período 1990-2001

Test de Hausman Coeficientes

Efectos Variables (β−Β)

Diferencias sqrt(diag(V_β−V_Β))

S.E. β Efectos Fijos y 0.0202023 0.0147492 B Efectos Aleatorios p -0.0099897 0.0083179 n 1.606341 1.905498 β = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic chi2(3) = (β−Β)'[(V_β-V_B)^(-1)](β−Β) 1.93 Prob>chi2 = 0.5880



9

Tabla 2: Estimación para el período 1990-2003

Test de Hausman Coeficientes

Efectos Variables (β−Β)

Diferencias sqrt(diag(V_β−V_Β))

S.E. β Efectos Fijos y 0.0133614 0.0124735 B Efectos Aleatorios p -0.004537 0.0064351 n 1.840522 1.843874 β = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic chi2(3) = (β−Β)'[(V_β-V_B)^(-1)](β−Β) 1.23 Prob>chi2 = 0.7446

De acuerdo con el resultado obtenido la ecuación a estimar será:

( 1) ( 1) ( 1) ( 1)i t i t i t i t i t i t i tg p y N k m Uω η δ η α δ φ= + + + − + + − + + +

Donde

ω Representa la ordenada al origen del modelo, la cual se mantiene constante para todas las 24 jurisdicciones.

i tU Se descompone de la siguiente manera:

i t i itU µ ε= + Siendo: iµ Es el error aleatorio asociado a cada una de las secciones cruzadas. itε Es la perturbación propia de la regresión, que combina las perturbaciones de las series de tiempo y las de las series de corte transversal. 3.3 Evidencia Empírica para las 24 Provincias Argentinas

En esta sección, se presentan los resultados de la estimación del modelo de regresión para el gasto público corriente, siguiendo a Borcherding y utilizando la técnica de datos en panel.



10

3.3.1 Estimación período 1990-2001 A continuación, se presentan los resultados utilizando el panel de datos constituido por

las veinticuatro jurisdicciones, doce períodos de tiempo que se reducen a once como consecuencia de expresar las variables en tasas de crecimiento y tres variables independientes (tasa de crecimiento del ingreso y , tasa de crecimiento de los precios p y tasa de crecimiento poblacionalN ).

La tabla 3 resume los resultados obtenidos para luego explicar cada uno de ellos6.

Tabla 3: Resultados de la estimación de datos de panel para el período 1990-2001

δ−1 δ 1+ η η (1+η) (α−1) R^2 Resultados 0.401408** 1.401408 0.633813** - 0.366187 -0.281645 97.023 * Significativo al 5%, ** Significativo al 1%

Los valores resaltados corresponden a los coeficientes de ,y p y N respectivamente.

Se puede observar que el coeficiente que acompaña al crecimiento poblacional no es significativamente distinto de cero, por lo que se podría decir que no hay evidencia de que el crecimiento poblacional explique el crecimiento del gasto publico en las provincias argentinas.

Ley de Wagner

Como se observa en la tabla 3, en la segunda columna se tiene el valor de δ , siendo este significativamente distinto de 1 dado que 1δ − es significativamente distinto de cero. Además se verifica que es mayor a 1, verificando la presencia de la Ley de Wagner para el total de provincias argentinas en el período 1990-2001.

De este resultado, se sigue que el gasto público crece a una tasa un 40% mayor que el ingreso para el total de las provincias, confirmando el hecho de que el tamaño del sector público respecto al PBI aumenta a medida que aumenta el nivel de ingresos.

Efecto Baumol

La tabla 3 presenta un valor para 1η + significativamente distinto de cero. Comprobando de esta forma que la evolución de los precios de bienes y servicios públicos, es significativa para explicar el comportamiento de la tasa de crecimiento del gasto.

Estimaciones de la elasticidad precio calculada por Borcheding y Deacon (1972) y por Bergstrom y Goodman (1973) asignan al valor de 1η + alrededor de 0.57, comparando con la estimación obtenida, se observa un valor algo mayor (1+η = 0,633813 por lo tanto η = -0.366187), indicando una mayor inelasticidad precio de la demanda por bienes públicos, corroborando la presencia del Efecto Buamol.

6 En el apéndice 6.2.1 se incluye un cuadro con la salida de la estimación completa, indicando los valores estadísticos y los efectos aleatorios para cada una de las provincias. 7 Ver Bergstrom T. C. and Goodman R. (1973), Private demand for public goods, American Economy Review 63, June, 280-296 Ver Borcheding T. E. y Deacon R. T. (1972), The demand for services of non-federal governments, American Economy Review 62, December, 891-901.



11

Efecto Poblacional

En cuanto a este efecto se ve que la reacción del gasto público ante un cambio en la población no es significativa, por lo que no podemos afirmar que el crecimiento poblacional explique el crecimiento del gasto público y por lo tanto, tampoco se puede corroborar el hecho de que el crecimiento del gasto público sea mayor que la tasa de crecimiento poblacional.

3.3.2 Estimación período 1990-2003

En esta sección, se presentan los resultados utilizando el panel de datos para catorce períodos de tiempo, que va desde el año 1990 al año 2003.

En la tabla 4 se resumen los resultados obtenidos para luego pasar a explicar cada uno de ellos, y compararlo con el obtenido en la sección 3.3.18. Tabla 4: Resultados de la estimación de datos de panel para el período 1990-2003

δ−1 δ 1+ η η (1+η) (α−1) R^2 Resultados 0.403388** 1.403388 0.632627** - 0.367373 -0.491977 96.9150 * Significativo al 5%, ** Significativo al 1%

Los valores resaltados corresponden a los coeficientes de ,y p y N respectivamente.

Nuevamente, se puede observar que el coeficiente que acompaña al crecimiento poblacional no es significativamente distinto de cero.

Ley de Wagner

Si observamos la tabla 4, en la segunda columna se tiene el valor de δ , verificándose igual que en le caso anterior que es mayor a 1. Nuevamente se observa la presencia de la Ley de Wagner para el total de provincias argentinas en el período 1990-2003. Adicionalmente, se observa que el valor obtenido para el período 1990-2001 (δ = 1.401408) es levemente inferior al valor obtenido en este período (δ = 1.403388). Mostrando que el impacto del aumento del ingreso sobre la tasa de crecimiento del gasto, es mayor si se consideran los años posteriores a la crisis.

Efecto Baumol

Con respecto al Efecto Baumol, se observa un valor para 1η + significativamente distinto de cero. Comprobando de esta forma que la evolución de los precios de bienes y servicios públicos, es significativa para explicar el comportamiento de la tasa de crecimiento del gasto, alcanzando la misma conclusión que en la tabla 3.

El resultado obtenido (η = -0.367373) es muy similar al que se observa para el período 1990-2001 (η = -0.366187). Se puede decir que el hecho de incluir los años post crisis, no genera grandes diferencias en el efecto que provocan los aumentos de precios sobre el crecimiento del gasto.

8 En el apéndice 6.2.2 se incluye un cuadro con la salida de la estimación completa, indicando los valores estadísticos y los efectos aleatorios para cada una de las provincias.



12

Efecto Poblacional

Al igual que en el caso anterior, esta variable no es significativa.

De acuerdo a un estudio realizado por Alberto Porto, el efecto poblacional es verdaderamente importante. Este autor demuestra que el gasto público provincial per cápita tiene una alta “elasticidad-población” del gasto total: por cada 1% de aumento de la población el gasto provincial ha aumentado 4,4%.

A pesar de que el resultado econométrico muestra que la variable no es significativa, eliminarla no modifica los resultados de los demás parámetro, y a su vez en base al modelo teórico planteado se esperaría que el aumento de la población genere un efecto positivo sobre el nivel de gasto público. Este resultado, puede deberse a que las tasas de crecimiento poblacionales para cada una de las 24 jurisdicciones, publicadas por INDEC, son constantes en todo el período bajo estudio, lo cual puede no corresponderse con la realidad. R2 Ajustado:

Para los dos paneles estimados, la regresión permite explicar aproximadamente el 97% de las variaciones presentadas en la variable dependiente, por lo que se considera que la tasa de crecimiento del ingreso y la tasa de crecimiento de los precios de bienes y servicios públicos son de suma importancia para explicar el tamaño del Estado.

4. Conclusiones

En el presente trabajo se estudiaron las causas de crecimiento del sector público provincial, durante el período 1990-2001 y el período 1990-2003.

Se trabajó a nivel provincial, siendo el objetivo realizar comparaciones y obtener resultados para el conjunto de las 24 jurisdicciones. Para ello y como consecuencia de que la cantidad de habitantes de cada una de las provincias difieren significativamente, se normalizaron las variables con la población, y se obtuvo el gasto y el producto per cápita en cada una de ellas.

Se utilizó la metodología de Datos de Panel, considerándola adecuada para este estudio, ya que hace posible trabajar con series temporales y secciones cruzadas al mismo tiempo. Dentro de esta metodología se trabajo con efectos aleatorios, justificando el uso de los mismos mediante el Test de Hausman.

Se demostró que:

Se cumple la Ley de Wagner para el total de las provincias, en los dos períodos de tiempo considerados. Obteniendo un valor para la elasticidad ingreso del gasto público de =δ 1.401408 para el panel 1990-2001 y un valor de =δ 1.403388 para el caso de 1990-2003. Estos resultados, corroboran lo planteado inicialmente, acerca de que el efecto de incremento del producto sobre el incremento del gasto es mayor cuando se incluye el período post crisis (2002-2003).



13

El coeficiente, que esta relacionado con el Efecto Baumol, resulto significativo, mostrando además el resultado esperado, en los dos paneles estimados. El resultado obtenido para el período 1990-2001 (η = -0.366187) es muy similar al que se observa para el período que considera los años post devaluación (η = -0.367373). Este resultado indica la alta inelasticidad precio de la demanda de servicios públicos, indicando que frente a aumentos de precios, el gasto público se incrementará notablemente.

Respecto al Efecto Poblacional, éste no es significativo en ninguno de los dos casos. Pero a pesar de ello se debe tener en cuenta la importancia de este efecto en un país como Argentina; en el cual hay movimientos migratorios y crecimiento de población, generando mayor demanda de bienes públicos y por lo tanto aumentos en el gasto.

El modelo estimado, permite realizar estimaciones sobre la tasa de crecimiento del gasto público en base a la evolución de los PBG provinciales y de los niveles de precios de servicios públicos, dado el alto nivel explicativo que presenta la estimación, indicado en el valor del 97% del R2 ajustado

Es de amplio conocimiento, que el estudio de las finanzas públicas provinciales en Argentina esta cobrando cada vez mayor importancia. Es por ello que se considera a este trabajo como una fase inicial de un proceso de estudio sobre el tema, y se plantea la posibilidad de continuar profundizando el análisis a través de diversos medios. Entre ellos se propone: ampliar el período de tiempo bajo estudio, probar la significatividad de variables explicativas adicionales, realizar modificaciones en las bases de datos utilizadas, intentando mejorar los datos de crecimiento poblacional, incluir el efecto del gasto de capital, entre otros.

A su vez es importante resaltar que al verificarse la teoría sobre las causas del crecimiento del gobierno, estas variables pueden ser utilizadas como variables de política económica, teniéndolas en cuenta al momento decidir qué política llevar adelante para lograr un tamaño óptimo de gobierno.



14

5. Bibliografía y Referencias

- Baltagi, Badi H. “ Econometric Análisis of Panel Data” . John Wiley & Sons. New York.

- Bergstrom T. C. and Goodman R. (1973), Private demand for public goods, American Economy Review 63, June, 280-296

- Borcheding T. E. y Deacon R. T. (1972), The demand for services of non-federal governments, American Economy Review 62, December, 891-901.

- Borcherding, Thomas E., J. Stephen Ferris y Andre Garzoni., “Grow in the Size of Government since 1970”.

- Borcherding, Thomas E. “The Causes of Government Expediture Growth: a Survey of the U.U. Evidence”. Journal of Public Economics 28 (1985) 359-382. North- Holland Publicado en el Instituto Internacional de Economía Política en su anuario 57. Linz, Autria.

- Bulcio, José Marcos “Causas del Crecimiento del Gasto Público”. Universidad Nacional de Tucumán.

- Bulcio, José Marcos “La Ley de Wagner y El Gasto Público en Argentina” Universidad Nacional de Tucumán. AAEP 2000.

- Cetrángolo Oscar y Gatto Francisco. “Las Provincias en la Crisis Argentina. Algunos elementos para discutir las prioridades de la Cooperación Internacional” CEPAL Bs As.

- Cuenin Fernando Gabriel. “Diferencias regionales en la distribución del ingreso: Argentina 1992-2000”. Documento de Trabajo Nro. 41 Julio 2002. UNLP Dpto. de Economía.

- Dimitris K. Chiristopoulos y Efthymios G. Tizonas (2003), “ Testing the Buchanan-Wagner hipótesis: European evidence from panel unit root and cointegration test”. Kluwer Academic Publishers. Printed in the Netherlandas.

- Greene, Willian H. ANÁLISIS ECONOMÉTRICO. Editorial Prentice Hall. Madrid.

- Kau James B. y Rubin Paul H. , “ The growth of government: sources and limits”. Public Chice 113: 389-402, 2002. Netherlands.

- Mayorga M. Mauricio y Muñoz S. Evelyn. La Técnica de Datos de Panel, una guía para su uso e interpretación. Banco Central de Costa Rica. Septiembre 2000.

- Notas de Cátedra de Finanzas Públicas (2004), “Theories of the Public Sector”. FCE-UNC.

- Núñez Miñana, Horacio. Finanzas Públicas. Ediciones Macchi, Buenos Aires.

- Porto Alberto, Gallerazo Aurora y Támola Alejandro, “Comportamiento del Gasto Publico Provincial 1959-2001” Septiembre, 2003. Documento de Federalismo Fiscal Nro. 8. UNLP FCE Depto. de Economía.

- Sosa Escudero Walter. “Econometría de datos en paneles” Universidad de San Andrés y UNLP. Mayo 2004.

- Sosa Escudero Walter. “Tópicos de Econometría Aplicada” UNLP. Septiembre 1999.



15

6 Apéndices

6.1 Obtención de la ecuación a estimar. Por el teorema del votante mediano, se sabe que las preferencias del mismo determinan la cantidad y precios de los bienes que obtendrá cada individuo: 1) Cantidad de bienes capturado por el elector φδη mysAq ~= (A.1) 2) El precio subjetivo en el margen para el elector por unidad de q

αNptqXpts = (A.2)

Donde: q Es la cantidad de bienes y servicios que captura el elector. s Valor que da el elector a q . y~ Ingreso personal mediano. m Conjunto de variables de control de política. η Elasticidad precio de la demanda. δ Elasticidad ingreso de la demanda. φ Vector de elasticidades política / social de la demanda por q . p Costo marginal de X . t Proporción porcentual del costo de X soportado por el votante mediano.

Dado que q es una cantidad subjetiva, esta puede ser transformada de la siguiente manera:

αNXq = (A.3)

Donde: X Cantidad de bienes y servicios producidos por el grupo como un todo, variable observable. N Tamaño de la población. α Grado de publicness, que representa la proporción de bienes públicos en la economía. Cuanto más alto sea este parámetro menos bienes públicos habrá en relación al total producido. Si se realizan las siguientes operaciones se llegará a la ecuación utilizada por el trabajo:

( ) φδηααηδη mktNypAg 111 −+−+= (A.4)

Donde: g Proporción del gasto público en el total del ingreso del grupo. y Ingreso medio del grupo. k Cociente entre el ingreso medio ( y ) y ingreso mediano ( y ). Reemplazando la ecuación (A.2) en la (A.1) se obtiene:

( ) φδηα myNptAq ~= (A.5)



16

Si se multiplica el lado derecho de la ecuación (A.5) por δ

δ

yy

se llega a

( ) φδδαηηηφδ

δηα mkyNptAmyyyNptAq =⎟⎟

⎠

⎞⎜⎜⎝

⎛=

~ (A.6)

Si se divide ambos lados de la ecuación (A.6) por el ingreso medios y~

φδδαηηη mkyNptAyq 1−= (A.7)

Multiplicando y dividiendo por p el lado derecho de (A.7)

pmkyNptA

yq 111 φδδαηηη −+= (A.8)

Se multiplica y divide por NN α

αφδδααηηη

NpNmkyNptA

yq 111 −−++= (A.9)

Se sabe que

αα NpqXpNpt

qXpt

=→/=/ remplazando en la ecuación (A.9)

XpqNmkyNptA

yq /=/ −−++ φδδααηηη 111 (A.10)

Finalmente se despeja y se llega a la ecuación final:

φδηααηηηδ mktNptyAgyNXp 111 −++−== (A.11)

Donde:

g Proporción del gasto público en el total del ingreso del grupo. y Ingreso medio del grupo. k Cociente entre el ingreso medio ( y ) y ingreso mediano ( y ).

La ventaja que tiene la ecuación (A11) es que permite expresar g en tasa de crecimiento. Para ello, primero se linealiza la ecuación mediante una transformación logarítmica en (A.11):

ln ln ( 1) ln ( 1) ln ( 1) ln ln ln lng A p y N t k mη δ αη α η δ φ= + + + − + + − + + + (A.12)

Luego se toma diferencial total a cada lado:

ln ln ( 1) ln ( 1) ln ( 1) ln ln ln lnd g d A d p d y d N d t d k d mη δ αη α η δ φ= + + + − + + − + + +



17

Siendo A una constante ln 0d A = , y x una variable cualquiera, se cumple que

ln dxd x xx

= = donde x es la tasa de crecimiento de x. Se puede expresar la ecuación

(A.12) en términos de tasas de crecimiento como sigue:

( 1) ( 1) ( 1)g p y N t k mη δ αη α η δ φ= + + − + + − + + + (A.13)

Otro supuesto es que el cambio de t es igual (pero con signo contrario) al cambio en la población, en símbolos se tiene que t N= − . Entonces, la ecuación (A.13) se reescribe de la siguiente manera:

( 1) ( 1) ( 1) ( )g p y N N k mη δ αη α η δ φ= + + − + + − + − + +

( 1) ( 1) ( 1 )g p y N k mη δ αη α η δ φ= + + − + + − − + +

( 1) ( 1) ( 1) ( 1)g p y N k mη δ η α δ φ= + + − + + − + + (A.14)

Obteniendo de esta forma la ecuación A.14 que se corresponde con la ecuación número 6 del modelo desarrollado en la sección 2 del trabajo, y es la que se utiliza para la estimación.



18

6.2 Estimación del modelo: datos de panel con efectos aleatorios 6.2.1 Estimación período 1990-2001 Dependent Variable: G? Method: GLS (Variance Components) Sample: 1991 2001 Included observations: 11 Total panel (balanced) observations 264

Variable Coefficient Std. Error t-Statistic Prob. C 0.028613 0.010215 2.801120 0.0055Y? 0.401408 0.040223 9.979467 0.0000P? 0.633813 0.029571 21.43389 0.0000N? -0.281645 0.539132 -0.522406 0.6018

Random Effects _BSAS--C -0.010598 _CATA--C 0.038769

_CHACO--C -0.009927 _CHUBUT--C -0.005415 _CAPFED--C -0.000320

_CBA--C -0.005358 _CORRI--C 0.001891 _ENTRIO--C -0.003772 _FORMO--C 0.012278 _JUJUY--C 0.016742 _PAMPA--C -0.001703 _RIOJA--C 0.016129 _MEND--C -0.005592 _MISIO--C -0.005339 _NEUQ--C 0.006693

_RIONEG--C -0.014036 _SALTA--C 0.011099

_SANJUA--C 0.001083 _SANLUI--C -0.008201

_STACRUZ--C 0.005317 _STAFE--C 0.004065 _SGO--C -0.018274

_TIFUEG--C -0.025725 _TUCUM--C 0.000196

GLS Transformed Regression

R-squared 0.972065 Mean dependent var 0.245018Adjusted R-squared 0.971743 S.D. dependent var 0.558586S.E. of regression 0.093897 Sum squared resid 2.292340Durbin-Watson stat 1.629979 Unweighted Statistics

including Random Effects

R-squared 0.970570 Mean dependent var 0.245018Adjusted R-squared 0.970230 S.D. dependent var 0.558586S.E. of regression 0.096378 Sum squared resid 2.415086Durbin-Watson stat 1.547136



19

6.2.2 Estimación período 1990-2003 Dependent Variable: G? Method: GLS (Variance Components) Sample: 1991 2003 Included observations: 13 Total panel (balanced) observations 312

Variable Coefficient Std. Error t-Statistic Prob. C 0.032658 0.009705 3.365071 0.0009Y? 0.403388 0.036633 11.01146 0.0000P? 0.632627 0.027051 23.38680 0.0000N? -0.491977 0.510622 -0.963486 0.3361

Random Effects _BSAS--C -0.005728 _CATA--C 0.018547

_CHACO--C -0.003567 _CHUBUT--C -0.005810 _CAPFED--C -0.000687

_CBA--C -0.002416 _CORRI--C 0.002420 _ENTRIO--C -0.001230 _FORMO--C 0.010232 _JUJUY--C 0.010586 _PAMPA--C -0.003481 _RIOJA--C 0.005677 _MEND--C -0.003833 _MISIO--C -0.004195 _NEUQ--C -0.001692

_RIONEG--C -0.007880 _SALTA--C 0.006588

_SANJUA--C 0.003530 _SANLUI--C -0.004545

_STACRUZ--C 0.004197 _STAFE--C 0.001067 _SGO--C -0.007776

_TIFUEG--C -0.012131 _TUCUM--C 0.002129

GLS Transformed Regression

R-squared 0.970128 Mean dependent var 0.214704Adjusted R-squared 0.969837 S.D. dependent var 0.520669S.E. of regression 0.090428 Sum squared resid 2.518569Durbin-Watson stat 1.762290 Unweighted Statistics

including Random Effects

R-squared 0.969447 Mean dependent var 0.214704Adjusted R-squared 0.969150 S.D. dependent var 0.520669S.E. of regression 0.091452 Sum squared resid 2.575934Durbin-Watson stat 1.723045



20

6.3 Datos Utilizados Tabla 6.3.1: Población en miles de personas.

provincias/años 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003

Buenos Aires 12.572 12.595 12.713 12.832 12.953 13.074 13.197 13.320 13.445 13.571 13.699 13.827 13.957 14.088

Catamarca 262 264 271 277 284 290 297 304 312 319 327 335 343 351

Chaco 836 840 853 867 881 895 909 924 939 954 969 984 1.000 1.016

Chubut 352 357 362 368 373 379 384 390 396 401 407 413 419 425

CABA 2.991 2.965 2.946 2.927 2.907 2.888 2.869 2.850 2.832 2.813 2.795 2.776 2.758 2.740

Córdoba 2.764 2.767 2.795 2.824 2.853 2.883 2.913 2.943 2.973 3.004 3.035 3.067 3.099 3.131

Corrientes 792 796 808 821 834 847 861 874 888 902 916 931 946 961

Entre Ríos 1.021 1.020 1.033 1.046 1.060 1.073 1.087 1.101 1.115 1.129 1.144 1.158 1.173 1.188

Formosa 393 398 406 415 423 432 440 449 458 467 477 487 496 506

Jujuy 508 512 522 531 540 550 560 570 580 591 601 612 623 634

La Pampa 258 260 264 267 271 275 279 283 287 291 295 299 304 308

La Rioja 217 221 227 233 240 246 253 260 267 275 282 290 298 306

Mendoza 1.408 1.412 1.428 1.444 1.461 1.477 1.494 1.511 1.528 1.545 1.562 1.580 1.597 1.615

Misiones 778 789 805 821 838 855 873 891 909 927 946 966 985 1.005

Neuquén 378 389 397 405 413 421 429 438 447 456 465 474 484 493

Río Negro 500 507 511 516 520 525 529 534 539 543 548 553 558 563

Salta 856 866 885 905 925 946 967 988 1.010 1.033 1.056 1.079 1.103 1.128

San Juan 528 529 537 546 555 564 573 582 591 601 610 620 630 640

San Luis 283 286 294 301 309 317 325 333 341 350 359 368 377 387

Santa Cruz 157 160 163 167 170 174 177 181 185 189 193 197 201 205

Santa Fe 2.799 2.798 2.818 2.838 2.858 2.878 2.898 2.918 2.939 2.959 2.980 3.001 3.022 3.043

Santiago del Estero 672 672 684 697 709 722 735 749 762 776 790 804 819 834

Tierra del Fuego 65 69 72 75 78 81 84 87 90 94 97 101 105 109

Tucumán 1.139 1.142 1.160 1.179 1.198 1.217 1.236 1.256 1.276 1.297 1.317 1.339 1.360 1.382



21

Tabla 6.3.2: Salario medio público provincial provincias/años 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 Buenos Aires 224 602 779 882 960 842 857 880 1008 1003 981 1070 1017 998 Catamarca 122 381 610 733 919 926 914 972 949 963 839 868 869 904 Chaco 200 574 864 935 972 999 989 1039 1053 1065 1078 1127 1127 1151 Chubut 196 668 1048 1183 1047 973 963 1062 1056 1047 1052 1067 1214 1440 Ciudad de Buenos Aires 274 696 1171 1128 1147 1105 1195 1213 1150 1151 1170 1260 1240 1261 Córdoba 219 651 921 1052 1152 1111 1053 1199 1255 1315 1277 1104 1144 1154 Corrientes 141 438 706 741 778 742 704 832 866 880 955 936 945 950 Entre Ríos 184 519 841 1032 909 983 887 888 926 966 928 964 954 965 Formosa 162 677 701 741 776 814 820 853 869 889 888 909 873 898 Jujuy 198 588 705 789 938 965 1013 883 974 974 929 948 882 920 La Pampa 190 548 831 906 984 1022 1032 1012 1007 1019 1004 1028 1014 1103 La Rioja 221 683 812 929 950 992 853 982 979 1023 1027 1038 997 1011 Mendoza 163 563 885 1017 1043 1053 1069 906 958 916 890 945 884 1034 Misiones 164 436 695 844 806 853 861 924 904 958 947 959 931 974 Neuquén 215 694 1006 1162 1188 1128 982 981 1073 1150 1175 1227 1240 1484 Río Negro 240 588 815 1012 1104 1107 958 959 1047 987 944 910 923 889 Salta 184 585 791 859 895 954 924 898 935 972 904 879 846 887 San Juan 174 601 661 786 1010 1107 846 940 1066 1042 1097 1139 1135 1136 San Luis 180 567 884 905 1044 899 863 892 865 913 987 1023 1029 1235 Santa Cruz 300 679 842 1185 1148 1393 1245 1279 1262 1305 1435 1459 1459 1442 Santa Fe 216 604 853 986 1022 950 962 986 996 1047 1031 1022 998 1120 Santiago del Estero 155 479 652 947 1047 922 883 851 875 899 925 966 940 915 Tierra del Fuego 279 1065 1856 2094 2175 2061 1983 2118 2316 2121 1802 1851 1821 1964 Tucumán 197 450 641 780 802 821 864 907 871 915 887 983 933 931



22

Tabla 6.3.3: Producto Bruto Geográfico en Millones de Pesos provincias/años 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 Buenos Aires 24440 63827 79558 90164 98059 95598 97166 1E+05 1E+05 99621 95492 89763 81800 89688 Catamarca 340,5 813,4 918,8 1055 1151 1120 1140 1313 1913 1962 1915 1819 1551 1555 Chaco 898,1 2003 2548 2697 2639 2640 2732 2828 2885 2876 2697 2455 2431 2836 Chubut 1081 2643 3310 3758 4144 4140 4259 4449 4567 4627 4494 4326 3918 4199 Ciudad de Buenos Aires 16216 43031 54939 61638 67131 65620 68828 74490 76674 72872 70624 65650 55364 58060 Córdoba 5040 13159 16524 18942 20626 20101 20998 23733 22767 21669 20909 19167 18403 19152 Corrientes 888,3 2250 2525 2767 2855 2795 2858 2988 3080 2942 2822 2628 2580 2987 Entre Ríos 1365 3301 4411 4937 5336 5218 5460 5788 6019 5756 5511 5064 4675 5108 Formosa 251,6 640,1 764,3 846 921,6 907,9 935 963,4 988,2 947,2 905,6 850 940,4 1197 Jujuy 554,2 1334 1448 1486 1608 1571 1628 1698 1743 1687 1632 1519 1579 1917 La Pampa 557,4 1456 1814 2060 2351 2352 2449 2527 2592 2612 2526 2274 2042 2168 La Rioja 508,1 1338 1651 1880 2046 1980 2048 2185 2216 2124 2027 1854 1575 1572 Mendoza 1854 4572 5641 6465 6962 6772 7131 7411 7437 7207 7267 6603 6175 7132 Misiones 1093 2841 3526 3975 4319 4212 4364 4553 4630 4453 4282 3968 3506 3660 Neuquén 873,1 2375 3202 3480 3867 4073 4663 4865 4188 4857 5719 5188 4761 5171 Río Negro 1226 2998 3460 3724 3981 3920 4007 4114 4237 4055 3882 3575 3352 3719 Salta 1074 2984 3079 3472 3765 3666 3763 3933 4033 3882 3726 3464 3275 3663 San Juan 689,7 1790 2236 2539 2782 2723 2800 2913 2976 2815 2746 2579 2399 2642 San Luis 1168 3051 3741 4126 4462 4295 4196 4357 4491 4274 4137 3845 3362 3469 Santa Cruz 623,1 1610 2046 2382 2653 2656 2707 2802 2893 2823 2773 2707 2753 3284 Santa Fe 5762 14993 17941 19873 21740 21159 21770 23156 23602 22490 21573 20009 18522 19685 Santiago del Estero 356,1 912,9 1141 1298 1420 1386 1407 1467 1504 1441 1380 1285 1359 1672 Tierra del Fuego 553,1 1466 1089 1313 1275 1264 1262 1299 1340 1291 1254 1163 1393 1868 Tucumán 1159 3088 3653 4151 4502 4393 4574 4815 4935 4706 4569 4265 4123 4707



23

Tabla 6.3.4: Gasto público corriente por provincias. Millones de Pesos. provincias/años 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003Buenos Aires 1386 3789 5192 6036 6745 6716 7394 8134 9362 10075 10257 10459 9786 11095Catamarca 87,9 242,9 318,2 403,1 458,9 401,1 405,3 468,5 471,9 498,3 461,9 491,5 466,7 521,4Chaco 140,8 401,2 586,4 647,2 660,7 739,7 723,7 790 863,6 939,1 967,3 977,1 905,5 1063Chubut 72,99 247,5 356,9 425,5 418,7 433,6 439,4 450,3 488,1 524,1 511,8 511,8 552,5 730,1Ciudad de Buenos Aires 526,9 1446 2353 2564 2446 2451 2691 2727 2637 2808 2911 2922 2833 3209Córdoba 387,5 1151 1628 2080 2214 2031 1868 2073 2193 2232 2216 2631 2430 2882Corrientes 105,5 319,6 489,7 537,4 581,4 576,5 532,3 658,9 721,3 733 695,8 696,5 645,3 748,8Entre Ríos 178 512,3 752,9 822,5 924,5 957,9 935,9 952,2 1021 1111 1174 1239 1122 1304Formosa 106,1 370,1 418,4 490,7 506,8 509,8 527,5 567 577,7 653 660,8 683,1 587,1 700 Jujuy 130,1 307,2 365,5 499,4 554,7 590,7 546,7 570,3 635,5 649,6 655,3 698,6 628,2 737,3La Pampa 62,74 185,7 279,6 342,8 355,8 349,7 369,3 404,9 410,3 446,6 428,9 428,5 448,2 525,5La Rioja 100 279,8 374,9 436,2 466,1 501,6 500,7 488,3 528 582,2 568,4 551,8 532,9 590,2Mendoza 166,6 511,8 836,7 1076 1090 1091 1102 1178 1276 1303 1337 1320 1331 1630Misiones 99,29 271,4 438,9 542,1 543,8 545 667,1 671,3 685,5 769,2 781,2 768,3 718,4 845,5Neuquén 125,3 383,8 548,4 689,8 707,2 799,5 702,6 726,8 848,7 989,5 1037 1038 1056 1464Río Negro 121,3 315,6 455,5 667,6 616,6 666,8 641,8 653,4 654,1 687,3 713,1 694,8 669 780,7Salta 156,6 485,9 629,9 681,8 698,6 718,7 687,5 747,3 770,2 810,8 828,1 808,8 738 845,8San Juan 97,94 314,8 397,1 560 698,4 652,8 499,9 590,4 625,5 659,3 715,8 698 651,8 676,9San Luis 50,62 151,4 232,8 268,2 310,1 281,8 264,4 276,6 274,7 302,4 346,5 422,8 412 493,6Santa Cruz 98,01 242,6 275 319,6 373,1 461,7 502,1 552,7 584,8 605,9 657,3 656 652,4 711,1Santa Fe 420,4 1165 1577 1854 1944 2027 1945 2097 2281 2416 2419 2371 2426 2842Santiago del Estero 89,53 315,3 481,7 598,2 635,2 535,2 525,2 608,9 662,8 646,6 661,2 641,3 663,3 709,1Tierra del Fuego 35,23 136,7 203,4 237,9 292,4 324,8 272,5 305,5 342,3 338,2 342,3 360,3 361,3 449,3Tucumán 171,2 449,9 624,2 697,1 790,1 834,3 867,4 913,6 914,6 962 947,2 1054 991,6 1060

Date post:	19-Sep-2018
Category:	Documents
Upload:	buikhanh
View:	215 times
Download:	0 times

La Ley de Wagner y el Efecto Baumol - Asociación … Ley de Wagner y el Efecto Baumol Un análisis...

Documents