Espartaco

“Is that to say we are against Free Trade? No, we are for Free Trade, because by Free Trade all economical laws, with their most astounding contradictions, will act upon a larger scale, upon the territory of the whole earth; and because from the uniting of all these contradictions in a single group, where they will stand face to face, will result the struggle which will itself eventuate in the emancipation of the proletariat.”

Karl Heinrich Marx · Marx-Engels Collected Works, Vol. VI, p. 290

28,821 views since December 2020

28,821 visitas desde diciembre de 2020

EnglishEspañol

UNA METODOLOGÍA EMPÍRICA PARA LA DETERMINACIÓN DE LA MAGNITUD DE LAS INTERRELACIONES SECTORIALES DENTRO DE LA MATRIZ INSUMO-PRODUCTO DESDE LOS CUADROS DE PRODUCCIÓN Y USOS PARA EL CASO DE ESTADOS UNIDOS 1997-2019

Marxist Philosophy of Science
Economía política · Métodos cuantitativos
Investigación empírica · Estados Unidos

Medir la interrelación sectorial de la economía estadounidense

Una metodología empírica con cuadros de producción y usos, 1997–2019

La producción social enlaza actividades que, consideradas aisladamente, parecen independientes. Una industria transforma mercancías elaboradas por otras; sus propios productos ingresan, a su vez, en nuevos procesos de producción. Estudiar esa articulación exige conectar el análisis de la estructura económica con instrumentos que hagan observables sus relaciones.

Resumen

Este artículo presenta una estrategia para organizar cuadros anuales de producción y usos en series comparables y construir un indicador descriptivo de asociación entre producción e insumos. El estudio original empleó información del BEA para 71 industrias estadounidenses entre 1997 y 2019, procesamiento en R y dos niveles de ponderación de correlaciones absolutas. Esta edición explicita la notación, distingue productos e industrias y conserva las cifras publicadas como resultados históricos sujetos a verificación.

1997–2019Período de estudio
71Industrias
23Observaciones anuales
por serie completa

01 / MotivaciónEl problema económico

Desde la economía política marxista, el estudio de las ramas productivas adquiere sentido dentro del proceso de reproducción del conjunto social. La división del trabajo multiplica las especializaciones, pero también las conexiones materiales necesarias para que cada actividad pueda sostenerse.

La pregunta que orienta esta investigación es cómo aproximar empíricamente la articulación de la producción utilizando información contable desagregada. Las cuentas insumo-producto ofrecen una base especialmente útil: permiten examinar qué se produce, qué se utiliza como insumo y cómo se distribuyen los usos de las mercancías.

El antecedente teórico central es la discusión de Kuroki sobre la igualación de la tasa de ganancia y la interdependencia técnica, en el volumen editado por Semmler. La referencia corresponde a la publicación de 1986 de las actas de una conferencia celebrada en 1985.[1] Su conexión con un indicador empírico requiere explicar qué relación se observa y cómo se vincula con las categorías del modelo.

La tarea empírica consiste en hacer explícito el vínculo entre una categoría económica y la operación estadística empleada para estudiarla.

Por eso conviene distinguir tres planos: la existencia de flujos productivos, su importancia relativa y la asociación temporal entre sus magnitudes. Se complementan, pero cada uno responde a una pregunta diferente.

02 / Base estadísticaDatos y unidades de análisis

Para leer correctamente los archivos es necesario identificar el marco contable. El BEA distingue las tablas de producción y usos del sistema make–use de las tablas del sistema supply–use. En particular, una tabla de oferta incorpora importaciones y no debe tratarse automáticamente como sinónimo de producción doméstica.[2]

Cuadro 1. Orientación del marco make–use utilizado en esta exposición
ObjetoFilasColumnasContenido
Producción, VIndustrias jProductos kProducción de cada producto por cada industria.
Usos intermedios, UProductos kIndustrias jInsumos de cada producto utilizados por cada industria.
Producción industrial, xUna observación por industriaVectorSuma de la producción de todos los productos de una industria.

Fuente: estructura descrita en el manual de cuentas insumo-producto del BEA. Debe verificarse la orientación de cada exportación antes de operar con sus totales.

Denotemos por vjkt la producción del producto k realizada por la industria j en el año t, y por ukjt el uso intermedio del producto k por esa industria. Con esta orientación, la producción industrial se obtiene sumando la fila de la industria en el bloque de productos:

xjt = ∑k vjkt (1) Producción bruta de la industria j en el año t.

La fila inferior de totales de una tabla de producción con esta orientación suma productos, mientras que los totales por industria se obtienen por fila. Elegir una posición de la hoja de cálculo sin comprobar su significado puede cambiar la variable analizada.[3]

Las capturas originales identifican cuadros after redefinitions y usos a precios de productor. Al replicar, deben mantenerse la misma base de valoración, clasificación y tratamiento de las redefiniciones en ambos cuadros y a lo largo del tiempo. La actualización de una base estadística puede revisar retrospectivamente sus cifras.

03 / PreparaciónDe las tablas anuales a las series

El trabajo de preparación consiste en alinear identificadores y observaciones. Un año aporta una sección transversal; la sucesión de años permite construir una base con dimensión temporal e industrial. Cada industria dispone entonces de una serie de producción y de una serie por cada categoría de insumo.

  1. Seleccionar cuadros compatibles.

    Identificar la edición de los datos, las unidades monetarias, el nivel de agregación y el tratamiento de las redefiniciones. Separar los bloques productivos de las filas y columnas de totales, valor agregado y demanda final.

  2. Obtener la producción por industria.

    Construir el vector x de cada año a partir de los totales industriales verificados. Mantener los códigos como identificadores; los nombres sirven como descripción.

  3. Reorientar el bloque de usos cuando resulte útil.

    La transposición de U sitúa las industrias en las filas y los productos en las columnas. Facilita combinar registros, pero conserva el significado de cada flujo: cambia su posición, no su naturaleza económica.

  4. Apilar los años y alinear las claves.

    Construir una tabla con una fila por combinación de industria y año. Comprobar que cada combinación aparece una sola vez y que los insumos mantienen la misma clasificación.

  5. Construir las series comparables.

    Para cada industria, reunir la producción y cada insumo sobre los mismos años. Registrar ausencias, ceros, cambios de clasificación y series constantes antes de calcular correlaciones.

  6. Calcular, ponderar y conservar las salidas.

    Guardar los coeficientes con signo, sus valores absolutos, las observaciones utilizadas, los pesos y los indicadores agregados. La validación debe poder rastrear cada resultado hasta sus datos de entrada.

Cuadro 2. Estructura de trabajo, con valores representados simbólicamente
AñoIndustriaProducciónInsumo 1Insumo 2…
1997jxj,1997u1j,1997u2j,1997…
1998jxj,1998u1j,1998u2j,1998…
⋮⋮⋮⋮⋮⋱
2019jxj,2019u1j,2019u2j,2019…

Una serie completa tiene 23 observaciones. Un archivo balanceado con 71 industrias y una fila por industria–año contiene 1.633 filas; el número de columnas depende del bloque de insumos seleccionado.

04 / MediciónLa asociación temporal producto–insumo

Para cada pareja formada por una industria y un producto utilizado como insumo, se calcula la correlación de Pearson entre las dos series. El índice temporal recorre los años comparables; no representa una correlación entre industrias dentro de un solo año.

rjk = corrt(xjt, ukjt) (2) Asociación lineal temporal entre producción industrial y uso del producto k.

El signo distingue movimientos concordantes y opuestos. Para resumir únicamente su intensidad se utiliza ajk = |rjk|. Conviene conservar ambas matrices: un valor negativo de gran magnitud contiene información económica que desaparece al tomar el valor absoluto.

Una serie constante no tiene una correlación de Pearson definida. Un flujo nulo durante todos los años tampoco debe convertirse automáticamente en una correlación igual a cero. Si existen datos faltantes, hay que indicar cuántas observaciones sustentan cada coeficiente y mantener un criterio de comparación explícito.

05 / AgregaciónLos dos niveles de ponderación

La ponderación incorpora la importancia económica de los flujos. En el primer nivel se resume la asociación de cada industria con sus insumos; en el segundo se agregan los resultados industriales.

Primer nivel: composición de los insumos

Sj = ∑k wjk |rjk| (3) wjk ≥ 0 y ∑k wjk = 1 para cada industria j.

Como cada correlación resume varios años, los pesos deben representar una distribución temporal expresamente definida. Se puede elegir un año de referencia, promediar participaciones anuales o calcular participaciones sobre flujos acumulados. Esas opciones pueden producir resultados diferentes.

Una convención posible para una nueva réplica es utilizar participaciones sobre los flujos acumulados del período:

wjk = ∑t ukjt∑t ∑h uhjt (4) Convención ilustrativa de pesos fijos; no se atribuye al script original. Requiere flujos admisibles no negativos y un denominador positivo.

Cuando una correlación no está definida y su insumo tiene peso positivo, debe revisarse la serie o explicitarse la exclusión y la renormalización de los pesos restantes. Eliminar valores ausentes sin ajustar el denominador modifica el indicador.

Segundo nivel: participación industrial

S = ∑j qj Sj (5) qj ≥ 0 y ∑j qj = 1. Debe declararse la variable económica que determina la participación industrial.

Por ejemplo, se podría definir qj como la participación de la producción bruta acumulada de la industria en la producción bruta acumulada de todas las industrias incluidas. Esta elección también debe documentarse y distinguirse de una ponderación por valor agregado.

Las ecuaciones anteriores precisan una familia de indicadores. La aplicación exacta depende de los pesos elegidos y de la cobertura de datos. Con pesos no negativos normalizados, los indicadores sectoriales y globales necesariamente pertenecen al intervalo [0, 1].

06 / Ejemplo didácticoCómo se interpreta la ponderación

Supongamos una industria con dos categorías de insumo. La primera tiene una correlación de 0,90 con la producción y representa el 80 % de sus insumos; la segunda tiene una correlación de −0,20 y representa el 20 % restante.

SA = 0,80 × |0,90| + 0,20 × |−0,20| = 0,76 Ejemplo inventado para explicar la operación; no corresponde a una estimación del BEA.

La media simple de las dos magnitudes sería 0,55. El resultado ponderado es mayor porque la asociación más alta corresponde al insumo de mayor participación. La ponderación expresa una elección económica; su aumento no constituye, por sí solo, una mejora de la evidencia.

Si otra industria obtiene 0,40 y las participaciones industriales son 0,60 y 0,40, respectivamente, el indicador del conjunto es:

S = 0,60 × 0,76 + 0,40 × 0,40 = 0,616 El resultado permanece entre los dos indicadores industriales que se agregan.

07 / Evidencia publicadaResultados y nota de verificación

Las salidas de R reproducidas en la publicación original muestran las siguientes cifras. Se transcriben para conservar la trazabilidad documental; esta edición no recalcula la base ni certifica su reproducción.

Cuadro 3. Cifras reportadas en las capturas de 2021
EtapaValor reportadoLectura documental
Media de correlaciones absolutas0,6837338Resumen previo a las ponderaciones económicas.
Media de los indicadores industriales0,7351034Salida asociada a la primera ponderación.
Agregado con ponderación industrial0,7778624Salida final reportada.

Fuentes: primera salida, segunda salida y salida final de la publicación original.

También debe distinguirse la correlación r del coeficiente de determinación R2. Un promedio de correlaciones absolutas no puede presentarse como proporción de varianza explicada. La relación habitual R2 = r2 corresponde a una regresión lineal simple con intercepto, no a este agregado de múltiples parejas.[4]

Finalmente, calificar una correlación como «fuerte» requiere un criterio contextual. Si se elige 0,70 como referencia descriptiva, su distancia respecto de 0,6837338 es 0,0162662 unidades del indicador. La proximidad a ese umbral no reemplaza la validación del cálculo ni establece una conclusión económica.

08 / DiscusiónInterpretación y alcance

Qué permite estudiar esta estrategia

Una vez validados los datos y los cálculos, el procedimiento permite comparar perfiles industriales de asociación temporal y estudiar cómo cambia su síntesis al introducir ponderaciones económicas. Su utilidad reside también en hacer trazable el paso desde los cuadros contables hasta las series y los indicadores.

Qué comprobaciones fortalecerían la inferencia

  • Precios y tendencias. Revisar cuánto de la asociación entre magnitudes monetarias responde a variaciones de precios o tendencias comunes. Según la pregunta, contrastar niveles, series deflactadas, tasas de crecimiento o especificaciones temporales justificadas.
  • Dependencia temporal y estabilidad. Examinar autocorrelación, observaciones influyentes y posibles rupturas. Los contrastes estadísticos deben respetar la estructura temporal de los datos.
  • Decisiones de agregación. Comparar pesos y cobertura, conservar la información de los signos y documentar el tratamiento de los productos vinculados al propio sector.
  • Contenido estructural. Contrastar el indicador con medidas basadas en flujos y requerimientos productivos. La coincidencia temporal y la intensidad técnica de un vínculo son dimensiones distintas.

Estas comprobaciones son extensiones propuestas. No se presentan como pruebas ya realizadas en el estudio de 2021.

Las correlaciones entre series con tendencias pueden inducir interpretaciones engañosas; las técnicas de series temporales ayudan a distinguir esos movimientos de relaciones más estables.[4] Asimismo, la producción bruta incorpora los insumos intermedios dentro de una identidad contable. Esa conexión debe formar parte de la interpretación económica del resultado.

La relación con la discusión marxista

La investigación empírica puede contribuir al debate sobre reproducción, competencia y articulación de las ramas productivas. Para conectar este indicador con la dinámica de la tasa de ganancia, hay que justificar el paso entre la asociación observada y la interdependencia técnica pertinente para el modelo.

El caso estadounidense ofrece un ámbito de investigación relevante. Su análisis no establece por sí solo una regularidad universal ni verifica todas las condiciones de un resultado teórico sobre estabilidad. La comparación con otros períodos, países y medidas estructurales permitiría evaluar la generalidad de la hipótesis.

La fuerza de una investigación aumenta cuando sus datos, sus operaciones y el alcance de sus conclusiones pueden examinarse por separado.

El aporte que conviene desarrollar es una estrategia reproducible para organizar información productiva y someter una hipótesis de articulación económica a examen. La revisión del cálculo publicado y las pruebas de robustez constituyen los siguientes pasos para consolidar esa contribución.

09 / MaterialesReplicación y trazabilidad

El archivo de materiales enlazado al final corresponde al recurso facilitado por los autores en la entrada original. Para una réplica completa conviene conservar tanto los archivos descargados como las transformaciones que produce el código.

  1. Registrar el origen: fecha de descarga, edición, cuadros, unidades, valoración y códigos industriales y de productos.
  2. Verificar la alineación: claves únicas, cobertura anual, cambios de clasificación y correspondencia entre producción y usos.
  3. Auditar los coeficientes: variación de las series, número de observaciones, valores ausentes y rango de cada correlación.
  4. Auditar las ponderaciones: definición temporal, denominadores positivos, pesos no negativos y suma igual a uno en cada nivel.
  5. Publicar las salidas: matrices con signo y en valor absoluto, pesos, resultados sectoriales y agregado final, junto con la versión de R y sus paquetes.

Los controles de rango son especialmente útiles: un indicador de la forma descrita debe permanecer entre cero y uno. Si una salida incumple esa propiedad, corresponde detener la interpretación y localizar la operación que la genera.

10 / FuentesReferencias y lecturas

Fuentes de esta edición
  1. [1] Kuroki, R. (1986). The equalization of the rate of profit reconsidered. En W. Semmler (Ed.), Competition, instability, and nonlinear cycles (pp. 35–50). Springer. Registro editorial. Conferencia celebrada en marzo de 1985; año de publicación corregido según el editor.
  2. [2] U.S. Bureau of Economic Analysis. (s. f.). Guide to the interactive industry input-output accounts tables. Consultar guía.
  3. [3] U.S. Bureau of Economic Analysis. (2006). Concepts and methods of the U.S. input-output accounts. Manual metodológico.
  4. [4] Hyndman, R. J., & Athanasopoulos, G. (2021). Forecasting: Principles and practice (3.ª ed.). OTexts. Capítulo 7: modelos de regresión con series temporales. Consultar capítulo.
  5. [5] U.S. Bureau of Economic Analysis. (s. f.). Input-output. Acceso a los cuadros y a las correspondencias de códigos. Consultar datos.
Bibliografía del debate y fuentes consignadas en la publicación original

Se conserva como orientación bibliográfica del artículo de 2021; las obras enumeradas no se presentan como una revisión exhaustiva del estado actual de la investigación.

  • Cockshott, P., & Cottrell, A. (2005). Robust correlations between prices and labor values. Cambridge Journal of Economics, 309–316.
  • Cockshott, P., Cottrell, A., & Valle Baeza, A. (2014). The empirics of the labour theory of value: Reply to Nitzan and Bichler. Investigación Económica, 115–134.
  • Cockshott, P., Cottrell, A., & Zachariah, D. (2019). Against the Kliman theory. Documento enlazado en el original.
  • Kliman, A. (2002). The law of value and laws of statistics: Sectoral values and prices in the US economy, 1977–97. Cambridge Journal of Economics, 299–311.
  • Kliman, A. (2005). Reply to Cockshott and Cottrell. Cambridge Journal of Economics, 317–323.
  • Kliman, A. (2014). What is spurious correlation? A reply to Díaz and Osuna. Journal of Post Keynesian Economics, 345–356.
  • Mindrila, D., & Balentyne, P. (s. f.). Scatterplots and correlation. University of West Georgia. Apuntes enlazados en el original.
  • Nabi, I. (2021). Sobre la metodología del U.S. Bureau of Economic Analysis para la redefinición y reasignación de productos en la matriz insumo-producto de Estados Unidos. Entrada relacionada.
  • Sánchez, C., & Ferràndez, M. N. (2010). Valores, precios de producción y precios de mercado a partir de los datos de la economía española. Investigación Económica, 87–118.
  • Sánchez, C., & Montibeler, E. E. (2015). La teoría del valor trabajo y los precios en China. Economia e Sociedade, 329–354.
  • U.S. Bureau of Economic Analysis. (2021). The make of commodities by industries, after redefinitions; The use of commodities by industries, after redefinitions (producers’ prices). Cuadros utilizados en el estudio original.
  • Zachariah, D. (2006). Labour value and equalisation of profit rates: A multi-country study. Indian Development Review, 4, 1–20.
Código y datos originales ↗

Recurso enlazado por los autores en la publicación de 2021.
Economía política · Evidencia empírica · Replicación


Descubre más de Marxist Philosophy of Science

Suscríbete para recibir las últimas entradas en tu correo electrónico.

Follow the blogSeguí al blog

Comments

2 respuestas a “UNA METODOLOGÍA EMPÍRICA PARA LA DETERMINACIÓN DE LA MAGNITUD DE LAS INTERRELACIONES SECTORIALES DENTRO DE LA MATRIZ INSUMO-PRODUCTO DESDE LOS CUADROS DE PRODUCCIÓN Y USOS PARA EL CASO DE ESTADOS UNIDOS 1997-2019”

  1. […] Nabi, I., & B.A., A. (1 de Abril de 2021). UNA METODOLOGÍA EMPÍRICA PARA LA DETERMINACIÓN DE LA MAGNITUD DE LAS INTERRELACIONES SECTORIALES DENTRO DE LA MATRIZ INSUMO-PRODUCTO DESDE LOS CUADROS DE PRODUCCIÓN Y USOS PARA EL CASO DE ESTADOS UNIDOS 1997-2019. Obtenido de El Blog de Isadore Nabi: https://marxianstatistics.com/2021/04/01/una-metodologia-empirica-para-la-determinacion-de-la-magnit… […]

  2. […] NABI, I., & B.A., A. (1 de Abril de 2021). UNA METODOLOGÍA EMPÍRICA PARA LA DETERMINACIÓN DE LA MAGNITUD DE LAS INTERRELACIONES SECTORIALES DENTRO DE LA MATRIZ INSUMO-PRODUCTO DESDE LOS CUADROS DE PRODUCCIÓN Y USOS PARA EL CASO DE ESTADOS UNIDOS 1997-2019. Obtenido de EL BLOG DE ISADORE NABI: https://marxianstatistics.com/2021/04/01/una-metodologia-empirica-para-la-determinacion-de-la-magnit… […]

Leave a Comment/Deja un Comentario