politica monetaria y distribucion del ingreso,evidencia en america latina

Vista previa del material en texto

POLÍTICA MONETARIA Y DISTRIBUCIÓN DEL INGRESO: 
EVIDENCIAS EN AMÉRICA LATINA 
 
Santiago Espitia Pinzón1 
Asesor: Marc Hofstteter Gascón 
 
 
Resumen 
La relación entre política monetaria y la desigualdad es un tema que poco se ha considerado 
dentro de la literatura económica. Sin embargo, dada la gran importancia de las medidas de las 
autoridades monetarias en el devenir de las economías en la actualidad y de la desigualdad como 
uno de los grandes retos de políticas públicas en la América Latina del Siglo XXI, este un tema 
que debe ser tenido en cuenta. El presente estudio explora los casos de Colombia (2002 a 2016) y 
Perú (2004 a 2016) como una contribución a la literatura. La metodología de identificación es la 
construcción de la Función Impulso-Respuesta a partir del Método de Proyecciones Locales. El 
resultado principal indica la existencia de un impacto significativo de la política monetaria en la 
distribución de los ingresos por rentas a la propiedad, gracias a un crecimiento del peso relativo de 
las rentas sobre las propiedades físicas, frente a las financieras. Además, hay un potencial efecto 
en la distribución de los ingresos totales cuando el choque es de magnitud lo suficientemente 
considerable. El efecto es heterogéneo a lo largo de la distribución de los ingresos, tal que afecta 
principalmente a la parte superior. Por otro lado, no hay evidencia que permita afirmar, de forma 
consistente, la existencia de alguna consecuencia sobre la distribución de los ingresos laborales. 
 
Palabras clave: distribución del ingreso, choques de política monetaria, proyecciones lineales. 
Clasificación JEL: D31, E52, E58. 
 
1 Datos de contacto: estudiante de la Maestría en Economía en la Universidad de los Andes e investigador económico 
en temas sectoriales y macroeconómicos en Latin Trade Group. Economista, Universidad de los Andes. Correo 
electrónico: s.espitia336@uniandes.edu.co. Un agradecimiento especial a Marc Hofstetter por sus consejos, guianza y 
aportes en la construcción de este trabajo de tesis. 
1 
 
1. Introducción 
Según el centro de datos del Banco Mundial y el estudio de la CEPAL (2016), 
Latinoamérica es una de las regiones más desiguales del mundo. En los casos particulares de 
Colombia y Perú, el Coeficiente de Gini pasó de 51.5 a 53.5 entre 1992 y 2014 en el primero de 
los países y de 53.7 a 44.1 entre 1996 y 2015 en el segundo2. Para 2015 la región aún enfrentaba 
una de las mayores desigualdades del mundo en la distribución del ingreso3. Es una problemática 
que se antoja apremiante para los hacedores de política, que incide profundamente en el bienestar 
de los individuos y el desarrollo económico de los países. Así pues, es fundamental el estudio de 
los determinantes más próximos y las herramientas disponibles para combatir este fenómeno. 
 Históricamente, dentro la academia y los distintos centros de investigación económica, se 
ha resaltado la investigación del impacto de diferentes tipos de políticas gubernamentales (fiscal, 
educativa, de salud, entre otras) como determinantes de la distribución de los ingresos entre los 
individuos. Sin embargo, el impacto de la política monetaria en la desigualdad no empezó a ser 
estudiado sino hasta hace menos de una década. Si bien este tipo de política tiene un rol primordial 
en el devenir de la economía de los países, tradicionalmente no se le considera relevante en los 
cambios de las brechas socioeconómicas. Fue solo hasta la controversial política monetaria no 
convencional (llevada cabo por la Reserva Federal en los Estados Unidos durante la crisis 
financiera de 2008) que se inició el estudio del potencial impacto de este tipo de intervenciones -
en particular- y de la política monetaria -en general- sobre las diferentes variables socioeconómicas. 
A raíz de este mismo suceso, el exdirector del banco central estadounidense, Ben Bernanke, 
afirmaba que: 
La política monetaria es un instrumento contundente que definitivamente afecta la 
distribución del ingreso y la riqueza, sin embargo, no es claro si el efecto neto es 
incrementar o reducir la desigualdad. Será necesario llevar a cabo más investigación [en 
 
2 Esta medida tuvo un importante deterioro durante la última década del siglo XX y una notoria recuperación en la 
década entre 2005 y 2015. El resultado de largo plazo es una muy limitada caída (mejora) en las medidas de 
concentración de los ingresos totales. 
3 Según la CEPAL (2016), en Colombia el quintil mayor recibió aproximadamente el 50% de los ingresos totales del 
país en 2015, mientras que el quintil de menores ingresos recibió poco más del 4%. Para Perú, el mismo estudio detalla 
que el quintil superior recibe aproximadamente el 48% de los ingresos y el quintil inferior recibe aproximadamente el 
5%. Esto es un reflejo de lo apremiante que es el problema de desigualdad en estos dos países. 
Para Colombia, trabajos como Granda & Hamann (2015) y Attanasio et al (2003) explican la persistencia de las brechas 
en ingresos y riqueza a factores como la alta informalidad laboral, los retornos crecientes en la educación y la caída 
tendencial de los salarios en sectores intensivos en trabajo no calificado. Para Perú, López (2008) resalta el papel de 
los intereses políticos como una traba a la reducción de la desigualdad y Maldonado y Ríos (2008) posicionan la 
desigualdad de oportunidades como la causa de la desigualdad en ingresos. 
2 
 
el tema] para descifrar y medir los canales por los cuales estos efectos son transmitidos 
(2015, parr. 15, traducción propia). 
Así pues, uno de los banqueros centrales más importantes de la última década reconocía la 
existencia esta relación y, a pesar de considerar que afectar la desigualdad no debería ser un 
determinante del rumbo de la política monetaria, hacía un llamado al desarrollo de estudios al 
respecto. En efecto, durante los últimos años se han publicado múltiples trabajos que han buscado 
esclarecer esta relación a partir de evidencia empírica, principalmente en países desarrollados. 
Respecto al caso de estudio de este trabajo, buscando hacer una aproximación a dilucidar 
el efecto de la política monetaria sobre la desigualdad de ingresos en países en desarrollo, se tendrá 
en consideración los casos de Colombia y Perú. La razón para elegir estos dos países, entre todos 
los de la región latinoamericana, obedece a que eran los únicos con la disponibilidad suficiente de 
datos para el cálculo de las series de desigualdad con la frecuencia necesaria. No obstante, otro 
punto importante es que, ya que los dos operan bajo el régimen de inflación objetivo y son 
economías de características similares, los resultados de cada uno pueden ser considerados una 
validación de los del otro. Ahora bien, particular al caso colombiano, la Sentencia C-481 de 1999 
estipula que, a pesar de que el control de la inflación es la función básica del emisor, no es su único 
objetivo4. Por el contrario, esta entidad debe coordinar sus decisiones con la política económica 
general y “desarrollar el contenido social del Estado”. Es decir, el banco central, entre sus objetivos, 
debe tener en cuenta el impacto que sus acciones puedan tener sobre variables como el desempleo, 
el desempeño económico, la desigualdad, entre otros. Por su parte, el Banco Central de Perú solo 
tiene el mandato constitucional de velar por la estabilidad monetaria5, pero sus resultados aportarán 
a entender la relación general que puede haber entre estas dos variables a nivel regional. 
Así pues, este estudio contribuye a la literatura económica en la medida en que es uno de 
los pocos que indaga en la relación existente entre estas variables en países en desarrollo y el 
primero encontrado para Latinoamérica. Las dos economías se desarrollan en un contexto de muy 
poca profundizacióndel mercado financiero; además, son pequeñas y abiertas, muy dependientes 
-en materia cambiaria y económica- de los vaivenes en los precios internacionales de las materias 
 
4Según el Artículo 373 de la Constitución Política Colombiana de 1991, el Banco de la República estaba en la única 
obligación de velar por el mantenimiento de la capacidad adquisitiva de la moneda del país. Este contenido fue 
reafirmado por la Ley 31 de 1992, tal que la obligación única de la entidad era la de enfocarse en el objetivo del control 
inflacionario. Sin embargo, la Sentencia C-481 de 1999 abrió el espacio para la consideración de variables y metas 
alternativas secundarias que la junta directiva del emisor debía tener presentes en su toma de decisiones. 
5 Según el mismo Banco Central de Reserva del Perú (BCRP, 2016). 
3 
 
primas. Estos factores hacen posible un mayor o menor impacto de las acciones del banco central 
en la desigualdad respecto a los países desarrollados. Por ello, se considera que se está 
desarrollando un aporte que enriquece la discusión académica al respecto. 
 Con esto en mente, este trabajo identifica la existencia y el sentido del impacto de la política 
monetaria en la distribución de los ingresos en Colombia para el periodo 2002 a 2016 y en Perú 
para el periodo 2004 a 2016. A grandes rasgos, los resultados indican que una política contractiva 
conlleva un crecimiento en la concentración de los ingresos por rentas a la propiedad (en adelante, 
Ingresos RALP) de los individuos en ambos países y, por esta vía, si el choque de política monetaria 
es de magnitud considerable, puede llegar a afectar la distribución de los ingresos totales. El canal 
de la composición del ingreso parece ser la vía de transmisión entre las medidas de política 
monetaria y la distribución del ingreso, en la medida en que el efecto se hace observable en uno de 
los tipos de ingreso. Este resultado presenta una heterogeneidad entre los grupos de la distribución: 
parece no afectar el ingreso relativo de los individuos en la parte baja, pero sí incrementar los de la 
parte más alta. Finalmente, no se encuentra ninguna evidencia de un efecto sobre la distribución de 
los ingresos laborales. 
A continuación, se resumen las conclusiones y metodologías de trabajos similares que se 
han desarrollado para otros países. En seguida, se exponen los canales de transmisión que la teoría 
económica propone como posibles conexiones entre la política monetaria y la distribución de los 
ingresos. Luego, se describe la metodología y los datos utilizados para el desarrollo de la 
investigación. Posteriormente, se exponen los resultados obtenidos del ejercicio empírico y, por 
último, se finaliza con la conclusión pertinente. 
 
2. Revisión de literatura 
 No son muchos los trabajos que han desarrollado un análisis empírico del impacto 
distributivo de la política monetaria convencional6. En cambio, los efectos redistributivos de una 
política fiscal es un tema mucho más estudiado dentro de la literatura económica (Davtyan, 2015). 
En cualquier caso, entre los trabajos disponibles, existen algunas alternativas sobre la forma en que 
los autores se han aproximado al entendimiento del problema: desigualdad en ingresos laborales, 
 
6 Alternativamente, existen algunos trabajos como Bullard (2014) y Saiki & Frost (2014) que desarrollan análisis sobre 
el impacto de la política monetaria no convencional en la desigualdad en Estados Unidos y Japón -respectivamente-. 
Entiéndase política monetaria no convencional como aquella que recurre al uso de métodos o herramientas no 
tradicionales dentro del canon de la banca central (por ejemplo, el caso del quantitative easing). 
4 
 
en ingresos totales, en consumo o en riqueza. A continuación, se exponen estos acercamientos 
clasificados según la alternativa seleccionada por cada autor para medir la desigualdad. 
 La forma más frecuente de desarrollar el análisis, en línea con el planteamiento de este 
trabajo, es la medición de la desigualdad en ingresos de los hogares o individuos. Coibion et al 
(2016), Davtyan (2015) y Mumtaz & Theophilopoulou (2015) evalúan el impacto en la distribución 
de ingresos laborales y totales para Estados Unidos -los dos primeros- y Reino Unido -el último-. 
Todos los trabajos construyen sus series de desigualdad a partir de microdatos, tomando como 
medida estándar el Coeficiente de Gini (aunque también utilizan medidas alternativas como 
ejercicio de robustez). Los resultados son mixtos. Coibion et al y Mumtaz & Theophilopoulou 
encuentran que la política monetaria contractiva contribuyó a un deterioro en la distribución de los 
ingresos en todos los casos. No obstante, Davtyan y Coibion et al hace la salvedad de que ese 
resultado se obtiene con datos que potencialmente sub-representan al 1% superior en la muestra de 
ingresos. Cuando se considera la totalidad de los datos, según Davtyan, la política monetaria 
contractiva contribuye con el cierre de las brechas en ingresos totales7. 
Por su parte, Rochon & Rossi (2007) y Sánchez-Fung (2015), estudian el impacto 
únicamente en los ingresos totales. Rochon & Rossi discuten la adopción del esquema de inflación 
objetivo8 y la tendencia de la desigualdad de ingresos de muchos países desarrollados desde 1990. 
Ellos concluyen afirmando la existencia de un impacto negativo generalizado de la adopción de 
este modelo de política monetaria en las brechas de ingresos en estos países, en base a una discusión 
teórica y de análisis descriptivo de datos. En cambio, Sánchez-Fung es el único trabajo empírico 
que desarrolla la temática a partir de los datos de un país en desarrollo: China. Este autor aplica 
una metodología Blinder & Esaki (1978) y encuentra que los choques de política monetaria parecen 
no tener un efecto significativo sobre el Coeficiente de Gini de los ingresos totales. 
 
7 Tanto Coibion et al (2016) como Davtyan (2015) mencionan que las encuestas a hogares tienen el potencial problema 
de sub-representar al top 1% de la distribución. Para hacer frente a este problema, Davtyan utiliza datos públicos de 
declaraciones de impuestos como fuente para poder obtener completar la base de datos que represente a la totalidad de 
la distribución del ingreso. En el caso del presente trabajo, se hace frente a este problema a través del uso de factores 
de expansión en el cálculo de las series de desigualdad, tal como lo hacen las metodologías de medición de la pobreza 
y desigualdad en los dos países que se estudian. 
8 El esquema de inflación objetivo consiste en que el banco central debe fijar una meta explícita de inflación anual, 
con el objetivo de anclar las expectativas de los agentes. Se basa en un sistema de comunicación y transparencia, donde 
la autoridad monetaria no pretende sorprender a los agentes en pro de incentivar el desempeño económico del país, 
sino que se concentra en reducir la volatilidad de los ciclos inflacionarios y económicos, y en incrementar su 
credibilidad ante el público. Para mayor información, es posible consultar Bernanke & Mishkin (1997). 
5 
 
Un segundo acercamiento a la medición de la desigualdad la desarrollan los trabajos que la 
miden a partir de la riqueza total de los individuos. Doepke & Schneider (2006a, 2006b) y 
Domanski et al (2016) estudian diferentes periodos del caso estadounidense. Doepke et al se 
concentran en diferentes episodios de sorpresas inflacionarias y una consecuente reasignación de 
la riqueza, utilizando un modelo de generaciones traslapadas. Domanski et al discuten el efecto de 
la política monetaria expansiva de la Reserva Federal durante la Gran Recesión a través de la 
valoración de los principales activos y pasivos de los hogares estadounidenses. Este grupo de 
trabajos concluyeque la política monetaria expansiva parece tener efectos negativos sobre la 
distribución de la riqueza y resaltan la redistribución entre los deudores netos y ahorradores netos 
como el canal de mayor importancia. Así pues, estos resultados incrementan la pluralidad de 
potenciales canales y direcciones en el efecto neto de las intervenciones de los bancos centrales en 
la desigualdad. 
También, existen algunos acercamientos más particulares al planteamiento del problema. 
Coibion et al (2016) incluye una estimación de la forma en que se afecta la distribución del 
consumo entre los hogares y Auclert (2014), con un propósito diferente, se enfoca en un análisis 
de la redistribución de la riqueza como un canal de transmisión de la política monetaria a las 
variables macroeconómicas. Los dos trabajos se centran en el caso estadounidense. De nuevo, los 
resultados son mixtos: Coibion encuentra efectos adversos en distribución del consumo de la 
política monetaria contractiva, mientras que para Auclert este resultado se obtiene es a partir de 
una inflación no esperada (política expansiva). Más aún, este grupo de autores resalta los canales 
de heterogeneidad en exposición al sistema financiero y heterogeneidad en el portafolio de activos 
de los individuos como los más relevantes en la transmisión de la política. 
En el aspecto metodológico, la alternativa más utilizada entre los autores es el 
planteamiento de un modelo de Vectores Autoregresivos Estructural (SVAR) y la construcción de 
las series de desigualdad a partir de microdatos de ingreso, riqueza y consumo de los hogares 
(Davtyan, 2015; Domanski et al, 2016; Mumtaz & Theophilopoulou, 2015). Sin embargo, se 
establecen como alternativas el uso de generaciones traslapadas (Bullard, 2014; Rochon & Rossi, 
2007) o el método de proyecciones locales (Coibion et al, 2016; Sánchez-Fung, 2015). En todos 
los casos, se hace necesaria la extracción de los choques de política monetaria para evitar problemas 
econométricos de autocorrelación o simultaneidad. Para esto último, lo más común es el 
seguimiento de la metodología utilizada por Romer & Romer (2004). 
6 
 
 
3. Marco teórico: canales distributivos de la política monetaria 
Existen diferentes canales teóricos que predicen un impacto distributivo de los ingresos y 
la riqueza de los hogares. Si se considera una política monetaria expansiva, algunos de ellos 
implican un deterioro en la desigualdad, mientras que otros concluyen un efecto contrario. El 
estándar dentro de la literatura los cataloga en cinco canales (Coibion et al, 2016; Davtyan, 2015; 
Mumtaz & Theophilopoulou, 2015; Saiki & Frost, 2014) 
1. En el canal de la composición del ingreso, los hogares son heterogéneos respecto a sus 
fuentes principales de ingresos. Mientras que el salario puede ser el único ingreso de los 
individuos en la parte baja de la distribución, muchos de los hogares con mayor capacidad 
económica reciben una importante proporción a partir de ganancias o beneficios financieros9. 
Por esta razón, una política monetaria expansiva, con un crecimiento de la actividad financiera, 
puede incrementar desproporcionalmente los ingresos de muchos activos financieros frente a 
los salarios, tal que beneficiará a los hogares de la parte alta de la distribución. En agregado, 
la política monetaria llevará a un crecimiento de la concentración de los ingresos. 
2. En el canal de la segmentación financiera, la exposición de los individuos al mercado 
financiero –es decir, la frecuencia y magnitud los recursos con los que participan el él– hace 
que exista un efecto heterogéneo de la tasa de interés. Ante una política expansiva, con su 
consecuente beneficio en la actividad financiera, redistribuirá el ingreso hacia los agentes más 
conectados al sistema financiero (Ledoit, 2009). Luego, si se considera que este grupo es, 
generalmente, el de los hogares de mayores ingresos, entonces la política expansiva 
incrementará la desigualdad por esta vía. 
3. El canal del portafolio, que actúa en la misma dirección de los casos previos, afirma que 
los hogares de menores ingresos tienden a mantener una mayor proporción de sus activos en 
efectivo o circulante (Erosa & Ventura, 2002). Como consecuencia, una política monetaria 
expansiva que provoque un crecimiento de la inflación afectará de forma más importante la 
riqueza y el poder adquisitivo de estos individuos. En cambio, los hogares de mayores ingresos 
disponen de mejores alternativas bancarias para proteger sus activos de la inflación. El impacto 
 
9 La CEPAL (2016) expone cómo los ingresos laborales y las transferencias representan aproximadamente el 99% de 
los ingresos totales del quintil de menores ingresos tanto en Colombia como en Perú. En cambio, en el quintil de 
mayores ingresos, las rentas a la propiedad representan entre un 6% y 9% del total de sus ingresos. 
7 
 
relativo sería asimétrico entre estos grupos y la política –de nuevo– tendría efectos adversos 
en términos de desigualdad. 
4. Por su parte, el canal de la redistribución del ahorro establece que la caída en las tasas 
de interés, propias de una política monetaria expansiva, beneficiará a los prestatarios en 
detrimento de los ahorradores (Doepke et al, 2006a). La concepción estándar implica que los 
individuos de la parte alta en la distribución de ingresos son ahorradores netos, mientras que 
los de la parte baja son deudores netos. Entonces, la política tendría un efecto favorable a la 
reducción de la desigualdad por esta vía. 
5. El último es el canal de la heterogeneidad de ingresos. Según este, el salario –la 
principal fuente de ingresos para la mayoría de los hogares- responde de forma asimétrica a 
las fluctuaciones de la economía. Ante caídas o crecimientos importantes del desempleo, este 
indicador tiende a variar desproporcionalmente más dentro de los grupos de menores ingresos 
(Carpenter & Rogers, 2004). Por consiguiente, una política monetaria expansiva, que 
contribuya al desempeño económico y caídas en el desempleo, hará que los hogares de menor 
capacidad económica se vean más beneficiados. Las intervenciones expansivas del emisor 
tendrían un efecto favorable para la distribución del ingreso. 
De forma alterna, Nakajima (2015) clasifica los canales según el criterio del medio de 
transmisión de la política: la inflación o el ingreso. El canal de la inflación constaría de los descritos 
previamente como el portafolio y la redistribución de los ahorros. En cambio, el canal de los 
ingresos estaría compuesto por el de la segmentación financiera, la composición de los ingresos y 
el de la heterogeneidad de ingresos (Davtyan, 2015). El gran problema de esta clasificación 
alternativa es que en los dos canales propuestos es difícil afirmar cuál es el efecto neto de la política 
monetaria sobre la distribución de los ingresos, como es posible ver en la Tabla 1, que expone, de 
forma resumida, cada uno de los canales de transmisión hasta aquí expuestos. 
Así pues, con lo anterior en mente, es posible ver cómo la teoría económica predice efectos 
de las acciones del emisor sobre la distribución tanto de la riqueza como de los ingresos en la 
economía. El efecto neto es, a priori, ambiguo. Sin embargo, sí se puede concluir que la política 
monetaria tiene una relación activa con la desigualdad; serán, entonces, las condiciones 
económicas, políticas, culturales o institucionales en cada país las que podrían determinar que uno 
o varios canales puedan tener un efecto dominante. 
8 
 
 
 
4. Metodología 
A continuación, se describen (1) los datos iniciales, (2) la construcción de medidas de la 
desigualdad en distribución de ingresos, (3) la metodología de estimación de los choques de política 
monetaria y (4) el método de identificación del impacto distributivo de la política monetariaen los 
dos países. Para el segundo y tercer punto se reportan algunos resultados, como los pasos previos 
a la estimación de la relación de interés. Además, en el cuarto punto se incluye una breve discusión 
sobre los puntos a favor y en contra de la metodología utilizada (Proyecciones Lineales) frente a 
su principal alternativa en la literatura (los modelos VAR Estructural). 
4.1 Datos 
Para el desarrollo de la medición del impacto de la política monetaria en la distribución de 
ingresos en Colombia y Perú es necesario el uso tanto de microdatos de ingresos y características 
de los individuos de cada país, como de series macroeconómicas de relevancia. El primero de estos 
grupos es tomado a partir de las encuestas a hogares que desarrolla el departamento estadístico de 
cada país. En el caso colombiano, se utilizan los datos de la Misión para el Empalme de las Series 
de Empleo, Pobreza y Desigualdad (MESEP) para los años 2002 a 2005 y 2008 a 2016, que se 
obtienen del Departamento Administrativo Nacional de Estadística (DANE). En el caso peruano, 
se utiliza la Encuesta Nacional de Hogares (ENAHO) en su metodología actualizada para los años 
entre 2004 y 2016, que provee el Instituto Nacional de Estadística e Informática (INEI). 
En cuanto a los datos macroeconómicos, para la estimación de los choques de política 
monetaria se utilizan las series mensuales de: tasa de interés del banco central (Tasa de Intervención 
del Banco de la República en Colombia y Tasa de Referencia de la Política Monetaria del Banco 
Central de Reserva del Perú), un índice de la actividad económica agregada (Indicador de 
Seguimiento a la Economía (ISE) del DANE en Colombia y el Índice Mensual de la Producción 
9 
 
Nacional del INEI en Perú10), el Índice de Precios al Consumidor (IPC) de cada banco central11, 
M1 como el agregado monetario de referencia, el EMBI+ elaborado por JP Morgan para cada país 
y los precios internacionales del petróleo WTI de la Federal Reserve Economic Data (FRED). Este 
conjunto de datos se obtuvo con periodicidad mensual para el periodo 2001-1 a 2016-12 en 
Colombia y 2003-11 a 2016-12 en Perú12. Además, para la evaluación de la bondad de los choques 
de política monetaria estimados, se utilizan las series trimestrales de: PIB a precios constantes, M1, 
una medida de tasa de interés de mercado (promedio de CDT a 90 días para Colombia y Tasa de 
Interés Pasiva Promedio en Moneda Local (TIPMN) para Perú) y la tasa de desempleo promedio, 
todas tomadas de las series estadísticas de los bancos centrales de cada país para el periodo 2002-
1 a 2016-4 en Colombia y 2004-1 a 2016-4 en Perú. Las series que no se obtuvieron 
desestacionalizadas desde su fuente original fueron procesadas con el método de ajuste X12-Arima. 
4.2 Medición de la desigualdad en los ingresos 
Ahora bien, a partir de los microdatos se construyeron medidas alternativas de desigualdad 
en ingresos laborales, RALP y totales, con una frecuencia trimestral. La razón de construir series 
de desigualdad propias a partir de microdatos de ingresos, en lugar de utilizar series existentes, 
obedece a la no disponibilidad de series de alta frecuencia (menor a un año) entre las fuentes 
oficiales. Dado que en estos países las medidas de política monetaria son tomadas, por lo general, 
de forma mensual, se buscó hacer el ejercicio con datos de desigualdad con la mayor frecuencia 
posible13, tal que se hacía necesaria su medición. Además, el uso de los microdatos permitía el 
cálculo de todas las medias alternativas y de los datos de ingresos relativos que se utilizan en el 
presente trabajo a partir de una misma fuente, cosa que no hubiera sido posible en caso de usar la 
serie ya construida. 
 
10 Esta serie está empalmada con el Índice Mensual de Producto Interno Bruto Mensual, también del INEI, antes del 
año 2012. 
11 En Perú, se utiliza el Índice General de Precios al Consumidor de Lima, que es la principal medida utilizada por la 
autoridad monetaria de este país. 
12 El limitante de este periodo fue la disponibilidad del EMBI+ para cada país. En el caso peruano, se pudo obtener la 
serie desde 2003-11 sin ninguna interrupción hasta 2016-12. En cambio, para Colombia fue necesario empalmar el 
EMBI+ para los meses previos a 2003-10 con la serie de CDS a 5 años que se obtuvo de Bloomberg, pues este periodo 
no estaba disponible entre los datos del EMBI+ que fue posible obtener. 
13 No obstante, utilizar datos de frecuencia mensual no se consideró como un procedimiento óptimo en la medida en 
que las encuestas a hogares están diseñadas para obtener estimaciones de desigualdad anuales. En la medida en que 
aumenta la frecuencia de la serie de desigualdad, potencialmente se incluye una variabilidad en los datos propia del 
ejercicio de construcción de las encuestas, que conllevaría problemas de eficiencia en las estimaciones. 
10 
 
Por su parte, el uso de estos datos alternativos de ingresos de los hogares responde, por un 
lado, a que como los datos de ingresos son calculados a partir de encuestas, la variable de ingresos 
laborales tiene la ventaja de ser conocida por los individuos de forma más certera que sus ingresos 
totales o las rentas. Entonces, los resultados que se obtienen a partir de esta medida no están sujetos 
a un potencial problema de error de medición en la variable independiente. Sin embargo, es 
importante resaltar que los ingresos laborales son sólo una parte de los ingresos para muchos 
hogares, por lo que un acercamiento que utilice sólo estos datos, sería un ejercicio incompleto con 
un alcance muy limitado. Por su parte, como se discutió en la sección anterior, algunos de los 
canales de transmisión de la política monetaria actúan a través del sistema financiero, tal que 
entender cómo se afecta la distribución de las rentas al capital y la propiedad es otro punto de gran 
valor para poder dilucidar cómo esta política puede afectar la distribución. Finalmente, la serie de 
desigualdad en los ingresos totales tiene la utilidad de permitir una aproximación al efecto agregado 
de la política monetaria en la concentración de los ingresos en el país. 
Ahora bien, respecto a las alternativas de medición de la distribución o concentración de 
los ingresos, se utiliza el Coeficiente de Gini (en adelante Gini) como el caso base. Este indicador 
tiene la ventaja de ser la forma estándar de medición de la desigualdad en las discusiones políticas 
y académicas; asimismo, hace posible la comparación de los resultados del trabajo con los 
expuestos en la anterior revisión de literatura. Por su parte, las otras medidas que se construyen a 
partir de los datos de ingresos, como ejercicio de robustez, son: (1) la desviación estándar y (2) la 
diferencia entre los percentiles 90 y 10, en ambos casos del logaritmo de los ingresos14. El uso de 
la variable en logaritmos, con la complicación de obligar la eliminación de todos los valores iguales 
a cero, obedece a una intención de reducir la sensibilidad de las medidas a los outliers. Así pues, 
las series alternativas de desigualdad no son tan dependientes del cambio en ingresos de los hogares 
en lo más alto de la distribución, sino que responden al comportamiento agregado. 
Para el caso peruano, estas medidas son calculadas a partir de los microdatos de la ENAHO 
con periodicidad trimestral desde 2004-1 hasta 2016-3. En la Gráfica 1(a) es posible ver la 
comparación entre el Gini de los ingresos totales calculado y la serie anual obtenida de las bases 
de datos del Banco Mundial, que sirve como un punto de comparación para evaluar la veracidad 
 
14 Una razón adicional que motivó el uso de estas dos medidas de la desigualdad sobre otras alternativas, es que son 
las más difundidas en la literatura presentada previamente como medidas de robustez. Con el objetivo de hacercomparables los resultados finales de este trabajo con los obtenidos hasta el momento en la literatura general al 
respecto, se deciden mantener estas mismas medidas. 
11 
 
de la serie propia. Para el caso colombiano, los datos disponibles de la MESEP permiten hacer el 
cálculo de las series de desigualdad trimestralmente entre 2002-1 a 2005-4 y 2008-1 a 2016-3. Con 
el objetivo de completar estas series y hacer posible una estimación con un periodo de tiempo 
aceptable de la relación entre la política monetaria y la desigualdad, se utiliza el método de 
suavizamiento exponencial Holt-Winters15. Para obtener un buen ajuste de los datos proyectados, 
dado que este es un periodo de cambio de tendencia en la serie de desigualdad (como se puede ver 
en la Gráfica 1b, en el Gini tomado del Banco Mundial para Colombia), se hace la estimación de 
los ocho trimestres tanto de atrás hacia adelante (con los datos de 2002 a 2005) y de adelante hacia 
atrás (con los datos de 2008 a 2016) y se obtiene el promedio de las dos proyecciones para cada 
trimestre como el dato a considerar. La Gráfica 1(b) compara el resultado final de la proyección en 
el Coeficiente de Gini de los ingresos totales con la serie anual del Banco Mundial. 
 Si bien las series propias calculadas no logran un ajuste perfecto con las oficiales reportadas 
por cada país al Banco Mundial16, se considera que logran capturar la esencia del movimiento 
general de la desigualdad, por lo que son series que pueden ser utilizadas para el objetivo del 
presente trabajo. Ahora bien, la gráfica 2 compara el comportamiento del Gini de los ingresos 
 
15 El uso de Holt-Winters y no de la metodología Box-Jenkins, que puede ser considerada como una más completa, 
obedece a la limitación en la cantidad de observaciones para la proyección. Como la metodología Box-Jenkins exige 
una mayor cantidad de observaciones para obtener resultados más consistentes, pero solo se dispone de una cantidad 
limitada de estas, se considera que el uso de Holt-Winters es una alternativa razonable en este caso. 
16 Una potencial razón para este ajuste imperfecto puede ser el uso de los factores de expansión anual reportados en 
las encuestas para el cálculo de las series trimestrales. La ficha técnica de cada una de las encuestas especifica que los 
el objetivo de ellas es la construcción de series anuales, por lo que cualquier cálculo que busque obtener series de 
mayor frecuencia tendrá que tolerar ese problema de la variabilidad adicional el uso de estos factores puede implicar. 
Sin embargo, dado que no se disponía de los datos ni las metodologías necesarias para hacer un cálculo propio de 
factores expansión trimestral, se procedió a utilizar la mejor aproximación que se disponía que es ese factor anual. 
12 
 
totales (Gini total) con el Gini de los ingresos laborales (Gini laboral) y RALP (Gini RALP) en los 
dos países. En los dos casos, el Gini total muestra ser menor y tener una menor volatilidad, el Gini 
laboral se ubica en medio de los otros dos y el Gini RALP es el mayor y más volátil. La explicación 
del mayor valor de estas dos medidas frente al Gini total obedece a los individuos que no disponen 
de estos tipos de ingresos en particular, pero sí de alguno o algunos de los otros, tal que entran a 
sumar al agregar los ingresos totales17. A partir de esto, el resultado obtenido parece tener un 
comportamiento intuitivo. 
 En cuanto a las medidas de desigualdad alternativas, que se utilizarán para comprobar la 
robustez de los resultados, sus comportamientos están reportados en la Gráfica A1, en el apéndice 
1. La correlación entre estas medidas alternativas y el Gini del caso base se reportan en la Tabla 
A1 del mismo apéndice. Cada una de las series de desigualdad construidas fueron 
desestacionalizadas usando el método de ajuste X12-Arima antes de ser utilizadas en la estimación 
de la relación entre la política monetaria y la distribución del ingreso. 
Finalmente, un ejercicio de robustez adicional consistió en utilizar una medida de la 
desigualdad residual o no explicada. Concretamente, los ingresos de los individuos tienen algunos 
determinantes a nivel microeconómico (edad, nivel de estudios, estado civil, sexo, región o 
departamento de habitación y estado de ocupación18). En este ejercicio se controla cada forma de 
 
17 Un ejemplo es el caso de los individuos que no disponen de ingresos laborales, ni de ingresos financieros, pero sí 
tienen algún ingreso por transferencias (bien sea del gobierno o de algún privado). Como consecuencia, estos 
individuos no tendrán ingresos financieros o laborales, tal que el Gini de cada uno de estos crecerá. 
18 Puntualmente, como controles se incluyó: la edad, el cuadrado de la edad, variables dicotómicas del nivel de estudios 
más alto alcanzado, el sexo, variables dicotómicas de la región o el departamento en el que vive la persona dentro del 
país, variables dicotómicas del estado civil y una dicotómica de si la persona es ocupada o no. El uso de estas variables 
como controles se decidió a partir de lo desarrollado por Muñoz (2004) como determinantes del ingreso a nivel micro. 
13 
 
ingresos por este conjunto de variables. Luego, se toma el residuo -la porción del ingreso que no 
explican las características individuales- y se usan para construir un Gini Residual19. Este caso no 
se utiliza como el base del estudio porque al hacer estos controles se puede estar anulando el efecto 
de algunos de los canales de transmisión. Por ejemplo, a partir de la teoría del ciclo vital, los 
jóvenes se caracterizan por ser deudores netos y los mayores por ser ahorradores netos (Coibion et 
al, 2016). Entonces, al controlar por la edad se puede estar anulando el canal de la redistribución 
del ahorro descrito en el marco teórico. 
4.3 Medición de los choques de política monetaria 
Un segundo paso previo al ejercicio empírico de estimación del impacto redistributivo de 
la política monetaria, es la identificación de los choques de política monetaria. Este paso consiste 
en la obtención de la serie de cambios mensuales en la tasa de referencia de política monetaria de 
cada país controlando por los efectos anticipados relacionados a la coyuntura económica y las 
expectativas de los agentes. Por consiguiente, este proceso resulta en la determinación de una serie 
de política monetaria exógena de movimientos resultantes de relaciones endógenas entre las 
variables macroeconómicas, como lo plantean Romer & Romer (2004)20. 
 Para la estimación de los choques de política monetaria (CPM) de Colombia y Perú, se 
siguió la metodología utilizada por Quintero (2015). A través de la estimación de un Vector Auto-
Regresivo (VAR, por sus siglas en inglés) de la forma: 
Forma estructural: 𝐴𝑍𝑡 = 𝐵(𝐿)𝑍𝑡−1 + 𝑒𝑡 (1) 
Forma reducida: 𝑍𝑡 = 𝐶(𝐿)𝑍𝑡−1 + 𝑢𝑡 (2) 
 Variables endógenas: 𝑍𝑡 = [𝑂𝑡, 𝑌𝑡, 𝑃𝑡, 𝐸𝑡 , 𝑅𝑡 , 𝑀𝑡] (3) 
Donde 𝑂𝑡 es el precio internacional del petróleo como un indicador del precio de las materias 
primas, 𝑌𝑡 es el indicador de actividad económica agregada mensual, 𝑃𝑡 es el índice de precios al 
consumidor, 𝐸𝑡 es el EMBI+ como indicador de riesgo país, 𝑅𝑡 es la tasa de interés de política 
monetaria y 𝑀𝑡 es M1 como una medida de la cantidad de dinero en la economía. El método de 
 
19 El apéndice 1 detalla más cómo se hizo el cálculo de este Gini Residual. 
20 Autores, en este trabajo, de la metodología de identificación de choques de política monetaria más utilizada entre 
los estudios expuestos en la revisión de literatura del presentetrabajo. Sin embargo, contrario al caso estadounidense, 
en América Latina las proyecciones que utilizan los bancos centrales para tomar las decisiones de política monetaria 
no son públicas. Como esta es una de las variables básicas para poder aplicar esta metodología, se tuvo que buscar una 
forma de aproximación alternativa a la estimación de los choques. 
14 
 
identificación utilizado fue la Descomposición de Cholesky. El apéndice 2 discute más 
detalladamente el ordenamiento de las variables en la descomposición, los test estadísticos 
aplicados para la construcción y evaluación de la calidad del VAR de cada país, y describe cómo 
afectan los CMP estimados a las principales variables macroeconómicas. Ahora bien, la serie de 
CMP se calcula de forma mensual, y no trimestral -que es la frecuencia en que están las series de 
desigualdad construidas previamente-, debido a que en los dos países la toma de decisiones de 
política monetaria tiene lugar de forma mensual. Como consecuencia, se considera que se obtiene 
una mejor medida de los CMP si se hace su estimación siguiendo esta misma frecuencia. Luego, 
una vez hecha la estimación mensual, se agregó trimestralmente la serie, tal que el resultado es un 
choque de política monetaria neto en cada periodo21. La gráfica 3 ilustra este resultado de la serie 
de CMP de cada país, que tienen un comportamiento consistente con lo estimado por Quintero 
(2015). 
4.4 Identificación de la relación entre política monetaria y distribución del ingreso 
Finalmente, el ejercicio propiamente empírico con el que se buscó dilucidar el impacto de 
la política monetaria en la distribución de los tipos de ingresos, consiste en la utilización el método 
de proyecciones locales –siguiendo de cerca el trabajo de Coibion et al (2016)–. Sin embargo, vale 
la pena hacer primero una breve discusión metodológica en torno a las razones para utilizar esta 
estrategia de identificación en comparación a la opción más difundida en la literatura sobre este 
 
21 Es decir, la serie es el resultado neto trimestral de cada CPM individual mensual. La agregación consiste, 
básicamente, en la suma del valor mensual de la serie para los tres meses que componen cada trimestre con una ligera 
ponderación según la cantidad de días de cada mes. Se considera que es posible hacer esta agregación en la medida en 
que, como es un resultado neto de los choques, su transmisión a la actividad económica sigue en proceso. 
15 
 
tema, los SVAR. Luego de la discusión metodológica, se expone en detalle la forma en que se 
estimó la relación entre los CPM y las series de distribución del ingreso. 
4.4.1 Discusión metodológica: Proyecciones Locales frente a modelos VAR 
El trabajo pionero en la discusión entre los VAR y las proyecciones locales es Jordà (2005). 
Este autor motivó la construcción de funciones impulso-respuesta (IRF) a partir de la segunda 
estrategia y resaltó algunas de las ventajas que tienen frente a los tradicionales modelos VAR. 
Posterior a su trabajo, la discusión se ha difundió dentro de la literatura, con argumentos a favor y 
en contra de las proyecciones locales. Si bien no existe una posición concluyente al respecto, 
algunas de las ventajas de esta metodología son particularmente importantes en la identificación 
que se desarrolla en este trabajo. 
La razón principal para hacer uso del método de proyecciones locales (MPL) es la 
posibilidad de estimar de forma relativamente eficiente una relación macroeconómica en un 
contexto en el que no se conoce claramente cuál es el Proceso Generador de Datos (PGD) de su 
dinámica (Jordà, 2005; Ronayne, 2011; Meier, 2005; Shea, 2013). La estimación de modelos VAR 
y los IRF resultantes depende fundamentalmente de una especificación correcta del sistema 
estructural que determine las relaciones entre los datos. En los casos en que se estima un VAR (o 
SVAR) a partir de un PGD equivocado, los resultados son -en principio- sesgados e ineficientes. 
Este problema es particularmente importante en la relación entre política monetaria y desigualdad, 
porque no se conoce con precisión el sistema estructural que la determina y cualquier sistema de 
ecuaciones que se proponga sería arbitrario. 
Por el contrario, el MPL permite hacer una estimación de las IRF que no está definida por 
una forma funcional particular. Para cada horizonte de proyección esta metodología hace una 
estimación diferente, tal que no fuerza a que la relación entre las variables esté definida 
puntualmente y le permite variar considerablemente de periodo a periodo (Shea, 2013). Como 
consecuencia, los IRF resultantes no son susceptibles a tener una mala especificación del PGD y 
el resultado no será sesgado por ese paso previo. Además, en su propuesta, Jordà (2005) presenta 
como ventajas adicionales de los MPL que: pueden ser estimados con los métodos básicos de 
regresión disponibles en cualquier paquete estadístico; la inferencia analítica conjunta a partir de 
sus resultados es muy sencilla y práctica; y se ajustan con facilidad a especificaciones flexibles que 
pueden ser imprácticas en un entorno multivariado. 
16 
 
Es decir, el MPL tienen numerosas ventajas que lo convierten en una alternativa natural en 
la identificación de relaciones de tipo macroeconómico en un entorno multivariado. Sin embargo, 
autores como Meier (2005) y Killian & Kim (2009) resaltan cómo un potencial problema de la 
metodología es la eficiencia de los intervalos de confianza. Si las series de tiempo que se disponen 
son de un horizonte de tiempo corto (una cantidad de observaciones limitada), entonces los 
intervalos de confianza pierden gran parte de la eficiencia estadística. Al respecto, Meier (2005) y 
Ronayne (2011) muestran que, cuando la cantidad de observaciones crece, los resultados del MPL 
y de un SVAR -con un sistema estructural definido apropiadamente- son homólogos. 
En el presente caso de estudio, el utilizar datos trimestrales para un periodo de 15 años en 
Colombia y de 13 años en Perú permite pensar que, si bien sería deseable que fuera mayor, se 
dispone de una cantidad suficiente de observaciones para que el problema de ineficiencia de los 
resultados del MPL esté en un rango aceptable. En particular, el costo que esto podría implicar no 
anula el beneficio que conlleva el poder generar los IRF de la relación entre los CPM y la 
desigualdad en este contexto de desconocimiento del PGD subyacente a la relación entre estas 
variables. Así pues, este es un punto a tener en cuenta sobre el alcance de los resultados del trabajo, 
pero que se considera como la mejor entre las dos opciones disponibles. 
4.4.2 Método puntual de identificación de la relación de interés 
Ahora bien, el sistema de ecuaciones que se estima para encontrar la relación de los CPM 
con las series de desigualdad y otros agregados macroeconómicos, tal como el que plantean 
Coibion et al (2016), es el siguiente: 
𝑥𝑡+ℎ − 𝑥𝑡+ℎ−1 = 𝑐
(ℎ) + ∑ 𝛼𝑗
(ℎ)
𝐽
𝑗=1
(𝑥𝑡−𝑗 − 𝑥𝑡−𝑗−1) + ∑ 𝛽𝑖
(ℎ)
𝑒𝑡−𝑖
𝑅𝑅
𝐼
𝑖=1
+ 𝑢𝑡+ℎ (2) 
ℎ = 0, … , 𝐻 
Donde 𝑥𝑡 es cada una de las medidas de desigualdad o las variables macroeconómicas utilizadas 
en cada IRF, 𝑒𝑡
𝑅𝑅 es el valor del choque de política monetaria estimado previamente y 𝑢𝑡 es el 
término de error, cada uno para su respectivo periodo t. La serie resultante de {𝛽�̂�
(ℎ)
}
ℎ=0
𝐻
 es el 
parámetro de interés para la identificación de la relación entre las variables. A partir de este se 
construyen los IRF acumulados que permiten ver la relación de forma dinámica, tal que las 
simulaciones se harán con un choque contractivo inicial (subida en la tasa de interés) en la política 
monetaria de un valor igual a su desviación estándar. 
17 
 
Como lo propone Shea (2013), la estimación de las ecuaciones del MPL se desarrolla por 
MCO. Se estima cada periodo de proyeccióncomo una ecuación diferente (cada ℎ = 0, … , 𝐻) en 
función del mismo conjunto de variables explicativas. En seguida, los coeficientes encontrados se 
utilizan en la simulación de la identificación de la relación dinámica entre las variables. Como el 
caso base de aproximación, difiriendo ligeramente con los propuestos por Coibion et al, se utilizan 
los valores I=16, J=2, H=16 para Colombia e I=12, J=2, H=12 para Perú22. Se desarrolló la 
estimación con horizontes de proyección (valores para I y H) menores, sin cambios significativos. 
Sin embargo, se reporta solo el caso con la mayor cantidad de rezagos, con el objetivo de poder 
hacer la proyección al mayor periodo posible, manteniendo una cantidad de grados de libertad 
adecuada, de nuevo con miras a hacer frente al potencial problema en la eficiencia. Por último, los 
intervalos de confianza de los IRF son reportados siguiendo a Coibion et al (2016), que reportan 
límites con 1 y 1.65 desviaciones estándar y a partir de errores estándar que se construyen siguiendo 
a Driscroll-Kray (1998), para controlar por correlación serial y de sección cruzada a través de los 
horizontes de proyección23. 
5. Resultados 
 5.1. Calidad de los CPM 
En un primer momento, se exponen los resultados de la estimación por MPL del impacto 
de los CPM sobre el PIB trimestral, la tasa de desempleo promedio trimestral, el IPC de final de 
trimestre y una medida de tasa de interés comercial trimestral promedio. La gráfica 4 expone los 
IRF acumulados para Perú y la Gráfica 5 para Colombia. 
En conjunto, estos resultados muestran ser consistentes con los efectos que deberían tener 
los choques de política monetaria sobre cada una de estas variables macroeconómicas. Un choque 
contractivo tiene un efecto negativo en la actividad económica en los dos países. En el caso de 
 
22 El valor de I se refiere a la cantidad de rezagos de choques de política monetaria se tienen en consideración a la hora 
de estimar el impacto sobre la desigualdad. J es la cantidad de periodos que cada variable que afecta la política 
monetaria puede ayudar a explicarse a sí misma. H es la cantidad de periodos que se proyectarán. Si bien Coibion et 
al utilizan I=20, J=2 y H=20, en este caso de estudio los valores de I y H son menores. Se incluyó la mayor cantidad 
posible de rezagos, con el objetivo de poder hacer la proyección de mayor horizonte temporal posible manteniendo el 
mejor nivel posible de eficiencia en los resultados. Shea (2013) expone que es necesario incluir un rezago por cada 
periodo que se desee proyectar al hacer uso de MPL. En Colombia, la serie de 15 años permitía proyectar hasta un 
periodo de 4 años que permitiera mantener un valor adecuado de grados de libertad en la estimación. Para el caso 
peruano, la serie de 13 años permitía hacer una proyección a un periodo de 3 años de los IRF. 
23 Dadas las limitaciones de extensión del trabajo, no fue posible explicar más en detalle el MPL. Para profundizar en 
el funcionamiento del MPL y la forma de construcción de los IRF es posible encontrarlos en Shea (2013). Para 
comprender el proceso de construcción de los intervalos de confianza, consultar Discroll-Kray (1998). 
18 
 
Perú, el efecto negativo se presenta muy rápidamente y se estabiliza aproximadamente un año y 
medio después, mientras que en Colombia el efecto inicial parece ser positivo, pero se vuelve 
negativo rápidamente y parece estabilizarse aproximadamente dos años después. En esta variable, 
los resultados son consistentes con los presentados por Quintero (2015), con la única diferencia de 
que en Colombia el efecto parece adquirir la tendencia hacia la estabilización más tardíamente. En 
cuanto a la tasa de desempleo, el efecto también es el más intuitivo: el choque contractivo lleva al 
crecimiento de la tasa de desempleo. En ambos países esta variable crece con fuerza a partir del 
tercer trimestre y en el largo plazo el efecto tiende a desaparecer o deja de ser estadísticamente 
significativo. 
El impacto en las tasas de interés comerciales aparece muy rápidamente en Perú y con un 
par de trimestres de rezago en Colombia, en ambos casos con tendencia al crecimiento. Luego, 
cerca de dos años después, el efecto en Perú pierde significancia estadística, mientras que en 
Colombia el efecto parece mantenerse por un mayor periodo, desapareciendo en el tercer año. Por 
último, el efecto en el IPC tiene un regazo de un par de trimestres en Perú, para luego llevar la serie 
a adquirir una tendencia a la baja y estabilizarse en valores negativos, de modo que refleja cierto 
grado de histéresis. En el caso colombiano, el IPC empieza a caer desde el trimestre posterior al 
choque y mantiene esta tendencia hasta aproximadamente un año y medio después, luego empieza 
un camino de contra-tendencia y termina por desaparecer el efecto menos de tres años después de 
haber sucedido el choque. 
Todos estos resultados muestran ser consistentes con la intuición y los consensos existentes 
en la Teoría de Política Monetaria sobre cómo un CPM debe afectar a cada una de estas variables. 
19 
 
Al respecto, Christiano, Eichembaum & Evans (1999), uno de los trabajos clásicos en estimación 
de CPM, expone como efectos comunes de un CPM contractivo: una subida en las tasas de interés 
y caídas en los agregados monetarios, el PIB, el empleo y varias medidas de los salarios. El único 
resultado que no es completamente consistente con las conclusiones de estos autores es el efecto 
sobre el IPC: si bien cumple con la dirección esperada, Chistiano, Eichembaum & Evans afirman 
que la transmisión del efecto debería suceder mucho más lentamente. No obstante, la generalidad 
de las relaciones permite pensar que los CPM obtenidos tienen una calidad lo suficientemente 
buena como para ser utilizados en la estimación del impacto sobre la desigualdad. 
 5.2. Caso base: CPM y Coeficientes de Gini 
 Una vez se determinó que los CPM tienen la relación esperada con las variables 
macroeconómicas, ya es posible empezar a discutir sobre su impacto sobre la distribución de los 
ingresos. La primera medida a considerar es el caso base de este trabajo: el Gini de cada una de los 
tres tipos de ingresos (laborales, RALP y totales). La Gráfica 6 ilustra los IRF acumulados tanto 
para Perú como para Colombia. 
 Como es posible ver, en el frente de la distribución de ingresos laborales, los CPM parecen 
implicar un rápido crecimiento de la concentración en el caso colombiano. Es un impacto 
transitorio, que alcanza su máximo tres trimestres luego del choque, incrementando el cambio en 
20 
 
la concentración en 0.002 puntos del Gini (0.14 desviaciones estándar de la serie), para desaparecer 
estadísticamente a partir del cuarto trimestre y mantener un comportamiento volátil en torno a cero 
de ahí en adelante. En el caso peruano, la relación es en la dirección contraria, pues se reduce el 
cambio en la concentración en 0.001 puntos del Gini (0.067 desviaciones estándar de la serie) dos 
trimestres después de sucedido el choque y desaparece estadísticamente a partir del tercer trimestre. 
En los dos casos el impacto es muy transitorio y refleja consistencia en desaparecer en el mediano 
plazo. A grandes rasgos se podría concluir una relación acotada (de magnitud limitada) de los 
choques de política monetaria con la distribución de los ingresos en el corto plazo, mientras que, 
en el largo plazo, los determinantes de la distribución de los salarios y otras bonificaciones 
salariales estarían guiados por políticas públicas de tipo más estructural (regulación laboral o fiscal) 
y no por la política monetaria, que es carácter más coyuntural24. 
Para obtener una mejor idea del efecto de los CMP con el Gini laboral en sus niveles (vale 
la pena recordar que los IRF muestran el efecto sobre la serie en diferencias), la Gráfica 6 incluye 
una tablapara cada país que describe el comportamiento de cada Gini asumiendo que su nivel 
inicial es 0.5 al momento del choque25. En Colombia hay un incremento de 0.0021 puntos del Gini 
al final del primer año, pero su nivel regresa a los valores iniciales durante el segundo año; en 
adelante, el cambio es muy volátil (si bien termina el cuarto año en 0.002 puntos arriba, esto ocurre 
en medio de una tendencia a la baja). En el caso peruano, la serie empieza con una caída 0.001 
puntos del Gini laboral el primer semestre, que desaparece al terminar el primer año; después inicia 
una tendencia a la baja hasta acumular una caída de 0.004 puntos, cambia de tendencia y al final 
del tercer año el efecto acumulado una reducción de 0.002 puntos del Gini, con una tendencia 
ascendente. Como en el caso del efecto de la serie en diferencias, hay un comportamiento volátil y 
de magnitud acotada de la serie del Gini laboral tanto en Colombia como en Perú. 
En lo relacionado a la distribución de los ingresos RALP, los CPM muestran tener un 
impacto mucho más relevante en los dos países. En Colombia el impacto empieza a ser significativo 
 
24 Podría existir una relación de largo plazo si se evalúa el efecto que han tenido cambios estructurales en la forma de 
hacer política monetaria. Por ejemplo, la adopción del sistema de inflación objetivo o el cambio de objetivo de inflación 
podría tener alguna relación de más largo plazo con la distribución de ingresos laborales (o de cualquiera de los otros 
tipos). No obstante, este punto está fuera de los propósitos de este trabajo. 
25 Estos valores incluyen el comportamiento inercial de la primera diferencia del Gini que se incluyó en la ecuación 
(2) (sección 4.4.2), en donde la serie se comporta como un AR(2). Es decir, para cada periodo calcula, además del 
choque contractivo de una desviación estándar del CPM en el periodo inicial, el efecto que tienen los cambios en los 
dos periodos anteriores que son derivados también de ese choque inicial. De ahí que es posible evidencias algún rezago 
de cómo cambian los niveles en comparación a cómo cambia la serie en diferencias. 
21 
 
dos trimestres después del choque contractivo, en Perú lo es desde el cuarto trimestre 
aproximadamente. La relación se muestra creciente desde ese momento en los dos países, con una 
relevancia estadística parcialmente consistente; es decir, no para todos los trimestres. La tendencia 
general permitiría afirmar que la política monetaria contractiva llevaría a un crecimiento del 
cambio en la concentración de las rentas a la propiedad, tal que el Gini RALP acelera su 
crecimiento hasta en 0.015 puntos -aproximadamente 0.53 desviaciones estándar de la serie en Perú 
y 0.7 en Colombia- en un plazo de entre dos y dos años y medio después del choque. La mayor 
magnitud del impacto en Colombia, en términos de desviaciones estándar, implicaría una mayor 
transmisión de la política monetaria a los retornos de los diferentes activos físicos y financieros, 
tal que está en la capacidad relativa de afectar más considerablemente la desigualdad de los 
ingresos RALP para los estándares de este país. 
Ahora bien, en la transformación del impacto a la serie de Gini RALP en los dos países en 
sus niveles, este comportamiento de crecimiento se refleja con mayor consistencia. En Colombia, 
el choque causa un crecimiento máximo sobre el Gini de 0.117 puntos transcurridos tres años, 
luego de seis meses de crecimiento progresivo. En Perú, el efecto acumulado tres años después es 
de 0.164 puntos de crecimiento en el Gini. Así pues, en ambos países el Gini RALP crece en valores 
considerables, lo que permite afirmar una gran importancia de la política monetaria en la 
distribución de los ingresos RALP. 
Por último, el efecto sobre la distribución de los ingresos totales refleja un comportamiento 
similar en los dos países. Los IRF permiten ver que en ninguno de los dos casos hay significancia 
estadística en esta relación. No obstante, a diferencia de los resultados sobre el Gini laboral, los 
valores son en su mayoría positivos. Esto último sería consecuencia del considerable impacto que 
hay sobre los ingresos RALP y su no significancia se entendería por el poco peso relativo que 
tienen estos dentro de los ingresos totales, tal como lo describe la Tabla 226. En cualquier caso, este 
resultado implica que no existirían evidencias de un efecto significativo de la política monetaria 
sobre el cambio en la distribución de los ingresos totales. 
El análisis de los valores del impacto transformados a niveles sobre el Gini total permite 
sostener contundentemente la conclusión para Perú: el Gini total, en sus niveles, fluctúa en torno a 
0.5, el valor inicial, a lo largo de los tres años, tal que no habría ningún efecto observado. En el 
 
26 Describe la composición promedio de los ingresos totales según las categorías en que se separaron en este trabajo 
durante el periodo de estudio completo de cada uno de los países. 
22 
 
caso de Colombia, el comportamiento del Gini total en sus niveles apoya la otra intuición: a lo 
largo de los cuatro años posteriores al choque el Gini total mantiene valores superiores a 0.5, 
llegando a incrementar hasta 0.0044 puntos siete semestres después del choque, pero con un 
comportamiento muy volátil, que hace dudar de su consistencia. De nuevo, los valores positivos se 
explicarían por el fuerte crecimiento del Gini RALP, pero su poca consistencia por el poco peso 
relativo que tienen estos dentro de los ingresos totales. 
 
 Así pues, este caso base indicaría que la política monetaria tiene una relación de corto plazo 
y acotada en magnitud con la distribución de los ingresos laborables, en dirección a la 
concentración en el caso colombiano y a la desconcentración en el caso peruano. Como se verá en 
la siguiente subsección, este resultado no demuestra gran consistencia al considerar las medidas de 
distribución de los ingresos de robustez, luego el resultado agregado llevaría a concluir la no 
existencia de un efecto neto sobre la distribución de los ingresos laborales. Por su parte, el efecto 
sobre las rentas a la propiedad y el capital sería mucho más significativo y de mayores magnitudes; 
en los dos países con tendencia a la concentración. Al respecto, una primera aproximación intuitiva 
sería que la subida de tasas de interés de los bancos centrales tiene efectos heterogéneos en los 
elementos que componen la categoría de ingresos RALP y afectan su concentración. Una discusión 
más detallada de este punto se desarrolla en la sección 5.5 del presente documento. Finalmente, 
vale la pena recalcar que el impacto sobre estos retornos a la propiedad no parece tener la magnitud 
suficiente para poder afectar significativamente la distribución de los ingresos totales, cosa que se 
entiende del poco peso que tienen los ingresos RALP en la composición de los ingresos totales de 
los hogares. Además, en lo relacionado a ingresos RALP y totales, los resultados de los dos países 
muestran una gran robustez entre ellos, tal que son validadores del efecto de la política monetaria 
en la desigualdad en economías con sus características. 
 5.3. Robustez 
 5.3.1. CPM y medidas alternativas de desigualdad 
23 
 
Como se expuso previamente, se estimó el efecto de los CPM sobre la desviación estándar 
y la diferencia entre el percentil 90 y el 10 del logaritmo de los ingresos de los individuos. La 
Gráfica 7 expone estos resultados para Colombia y la Gráfica 8 lo hace para Perú. Estas Gráficas 
no incluyen las tablas que describen el cambio de las series en sus niveles debido a que, como son 
medidas poco utilizadas y menos intuitivas, no se considera que hagan un gran aporte a la 
comprensión del resultado. 
En cuanto a los ingresos laborales, en Colombia el resultadoindica grandes volatilidades y, 
como regla general, una no significancia del efecto. En Perú, hay un resultado contrario al base: 
parece haber una significancia transitoria positiva en los primeros trimestres. No obstante, se 
mantiene firme el que su magnitud y duración sean limitadas. En el agregado, la falta de robustez 
del resultado frente al caso base y la magnitud limitada, impide afirmar la existencia de alguna 
relación observable entre la política monetaria y la distribución de los ingresos laborales en estos 
dos países. 
Con respecto a los ingresos RALP, el comportamiento en Perú muestra una gran 
consistencia frente a lo encontrado con el Gini: hay un efecto de deterioro de la distribución de 
ingresos RALP a partir del tercer o cuarto trimestre posterior al choque contractivo, que luego 
parece estabilizarse y desaparece aproximadamente 10 trimestres después. En Colombia la 
desigualdad de ingresos RALP tiene un comportamiento inicial creciente -al igual que en el caso 
base- que mantiene su tendencia, sin indicios de estabilización, a lo largo de todo el horizonte de 
24 
 
proyección -diferente al caso base. A grandes rasgos, se sostiene la conclusión general del deterioro 
en la distribución de los ingresos RALP en ambos países, con una significancia estadística muy 
consistente en todas las medidas de desigualdad. 
Por último, para Colombia el resultado en los ingresos totales refleja que para las dos medias 
alternativas la relación muestra ser significativa -diferente a lo encontrado con el Gini total-, 
aunque su consistencia es parcial cuando se considera el nivel más exigente del intervalo de 
confianza. Vale la pena resaltar que las magnitudes del efecto en los ingresos totales son reducidas 
en comparación a los valores sobre los RALP. Luego, se podría afirmar que hay indicios a favor 
de una de la intuición expuesta previamente: a través del efecto en la distribución de los ingresos 
RALP, la política monetaria podría a afectar a los ingresos totales. De nuevo, como el efecto no es 
consistente en todos los periodos, se puede pensar que esa relación con los ingresos totales se vería 
solo en los casos en que el choque de política monetaria sea de una magnitud lo suficientemente 
grande. Por el lado de Perú, el resultado de estas medidas alternativas secunda lo encontrado en el 
caso base: no hay un efecto significativo en los ingresos totales. 
 5.3.2. CPM y Distribución del Ingreso Residual 
 Otra de las aproximaciones de robustez se hizo evaluando el impacto de los CPM sobre el 
Gini Residual. En este caso se trata de explorar cómo la política monetaria puede afectar la 
distribución de la parte de los ingresos que no está explicada por las características individuos. La 
25 
 
Gráfica 9 expone los IRF obtenidos para los Gini Residuales de cada uno de los tipos de ingresos 
que se consideran. 
 En comparación con los resultados base, los Gini Residuales parecen seguir 
comportamientos similares. En lo relacionado a los ingresos laborales, se mantiene la conclusión 
de no haber ninguna relación estadísticamente significativa entre los CPM y su distribución en 
ninguno de los dos países. Esto no solo se puede ver en el efecto sobre la serie en diferencias, sino 
que sobre los niveles del Gini residual laboral también hay una relación volátil y centrada en el 
valor inicial (en este caso de 0.25). 
Por el contrario, sobre los ingresos RALP el efecto del deterioro de su distribución se 
mantiene. Al respecto, la diferencia se vería en las magnitudes: en los dos países el impacto máximo 
en la primera diferencia de la desigualdad de los ingresos RALP llegaría a ser de aproximadamente 
una desviación estándar de la serie de cada país (0.023 en Perú y 0.01 en Colombia). Sumado a 
esto, el impacto sobre el nivel de la serie del Gini residual RALP refleja ese crecimiento sostenido 
en el caso colombiano, tal que alcanza a acumular un aumento de 0.02 puntos del Gini luego de 
ocho semestres. En Perú el efecto muestra un crecimiento inicial del Gini, alcanza un máximo 
crecimiento de 0.024 tres semestres después y luego adquiere una lenta tendencia hacia el punto 
inicial. Así pues, el efecto máximo sobre el Gini en sus niveles duplica lo encontrado para los dos 
países en el caso base. Esto permite pensar que la política monetaria es un determinante aún más 
importante de la parte residual de los ingresos RALP que de los generales del caso base. 
26 
 
 Finalmente, el impacto sobre el Gini residual total expone un comportamiento muy 
diferente entre los dos países. Mientras que en Colombia no hay ninguna relación estadística 
relevante, en Perú se hace más evidente un efecto adverso en la distribución de los ingresos totales, 
que es estadísticamente significativo en la mayoría de los trimestres. Este comportamiento queda 
plasmado en los niveles en los dos países: en Colombia el comportamiento es volátil y centrado en 
el valor inicial, en Perú la tendencia es consistente al crecimiento del Gini residual total, hasta 
acumular 0.006 puntos de crecimiento seis semestres después. En este caso la consistencia con el 
caso base es mucho menor, pero siguen presentándose indicios de que puede haber un efecto 
limitado de un CPM sobre el Gini total, tal como se ha intuido previamente. 
 5.4. CPM e ingresos relativos de individuos en la parte más alta y la más baja de la 
distribución 
 Un paso adicional para poder entender quiénes son los más afectados en la redistribución 
del ingreso que hace la política monetaria, siguiendo lo hecho por Coibion et al (2016), es ver la 
relación entre los CPM y los ingresos relativos de los individuos de la parte más alta y baja de la 
distribución. La Gráfica 10 expone los IRF acumulados para Perú y la Gráfica 11 para Colombia, 
considerando el impacto del choque contractivo en las razones entre ingresos del percentil 10 y del 
90 con respecto al 50 en cada uno de los tres tipos de ingresos27. 
 
27 Estas series también fueron desestacionalizadas utilizando la metodología X12-Arima. 
27 
 
 En el frente de los ingresos laborales, los resultados de esta aproximación confirman 
definitivamente que la política monetaria no tiene efecto consistente alguno en se distribución ni 
en Colombia ni en Perú. En ninguno de los dos países hay una relación estadísticamente 
significativa en los ingresos relativos ni de los individuos d la inferior de la distribución, ni de los 
de la parte superior. Incluso al considerar los cambios de las series en sus niveles, se ve que los 
valores son volátiles en torno al punto inicial, tal que no hay un efecto observable. 
 Por su parte, los ingresos relativos RALP reflejan un comportamiento mucho más 
interesante. En Perú, los CPM no afectan significativamente el ingreso RALP relativo en la parte 
baja de la distribución (ni en las diferencias, ni en la transformación a niveles), pero si lleva a una 
concentración y una tendencia al crecimiento en la parte alta de la distribución. Al respecto, la 
relación entre los percentiles crece en 1.5 puntos porcentuales en sus niveles (pasa de 1.15 a 1.165) 
y se estabiliza allí a partir del segundo año; esto significa que el CPM causa una variación de la 
relación en sus niveles igual a 0.67 desviaciones estándar de la serie. En Colombia, el deterioro de 
la distribución se ve reflejado en ambos casos: los individuos de la parte baja sufren una caída en 
sus ingresos relativos, mientras que de la parte superior gozan del efecto contrario. No obstante, al 
revisar el impacto transformado a los niveles, en la parte baja de la distribución no hay una relación 
clara, ya que la serie es volátil y a lo largo de los cuatro años regresa en más de una ocasión al valor 
inicial. En la parte alta, los valores sí son consistentemente mayores al efecto inicial; si bien no 
reflejan un crecimiento tan fuerte como eldel caso peruano, pues solo llegan a crecer hasta en 0.37 
28 
 
puntos porcentuales, para los estándares de este país, es un valor tan importante como el peruano, 
pues representa 0.56 desviaciones estándar de la serie. El efecto agregado en los dos casos se 
resumiría en que un choque contractivo incrementa la concentración de los ingresos, 
principalmente al afectar a la parte alta de la distribución en los dos países, aunque en Colombia 
hay indicios que de también puede afectar al empeorar la situación de quienes están en la más baja. 
 En el caso de los ingresos totales relativos, los resultados son similares en los dos países. 
El choque contractivo no refleja tener ninguna significancia estadística en el comportamiento del 
ingreso relativo total de los individuos en la parte baja de la distribución, pero sí hay significancia 
parcial en la parte superior. Ahora bien, en esa parte de la distribución la magnitud del crecimiento 
que se observa es limitada si se compara con las magnitudes vistas en el caso de los ingresos 
relativos RALP. Es decir, si bien hay una relevancia estadística parcial, esto puede no implicar un 
cambio lo suficientemente grande en la distribución de los ingresos totales como para afectar las 
medidas de concentración. De ahí que se encuentre este efecto parcial en la parte alta de los ingresos 
relativos totales, pero no un efecto consistente en todas sus medidas de concentración. Ahora bien, 
esto sería otro indicio a favor de la intuición expuesta antes: la política monetaria afecta la 
distribución de los ingresos totales en la parte alta de la distribución que, según la magnitud del 
CPM, podría llegar a causar un leve crecimiento en su concentración y un deterioro en las medidas 
de desigualdad de los ingresos totales. De nuevo, considerando el efecto notable que hay sobre los 
ingresos relativos RALP, el impacto en los ingresos totales sería por la vía del crecimiento de la 
concentración de este tipo de ingresos. 
 5.5. Composición de los ingresos RALP y canal de transmisión 
 Por último, para entender mejor cómo afecta la política monetaria la distribución de los 
ingresos en este par de países, vale la pena explorar más detalladamente qué efecto tiene sobre la 
composición de los ingresos RALP. Además, esto permitirá detallar mejor cuál es el posible canal 
de transmisión entre las dos variables de interés. La Tabla 3 describe, a partir de los datos de las 
encuestas a hogares con las que se construyeron las series de desigualdad, la composición promedio 
(durante el periodo estudiado para cada país) de los ingresos RALP. 
 
 Así pues, es posible ver que el componente de mayor peso es el de las rentas -que incluye 
arriendos tanto de bienes inmuebles como de maquinaria-, con una diferencia muy considerable 
frente al peso de retornos financieros. Esto difiere de lo que sucede en países desarrollados, en 
29 
 
donde la mayor profundización del mercado financiero permite que las utilidades y los intereses 
tengan un peso mucho mayor en los ingresos totales (y dentro de los RALP). Ahora bien, la Gráfica 
12 expone el efecto que tiene un choque de política monetaria contractivo en la participación de 
las rentas a la propiedad física (arriendos) dentro de los ingresos RALP. 
 Como lo expone la visión tradicional de la Composición del Ingreso expuesto previamente, 
que se relaciona con el canal de Hoja de Balance de transmisión de la política monetaria a la 
actividad económica real (Quintero, 2015), una política monetaria contractiva reduce el retorno de 
los activos financieros por el menor dinamismo que ocasiona en el mercado financiero y la caída 
del valor de estos activos. En línea con esta premisa, la política monetaria contractiva incrementa 
el peso relativo de las rentas de la propiedad física (arriendos), como se ve en la Gráfica 12 de 
forma muy consistente, tanto en Colombia como en Perú. En el primer país el impacto se hace 
significativo aproximadamente seis trimestres después y se mantiene en el largo plazo; en cambio, 
en el segundo la significancia se ve en el corto plazo, pero desaparece aproximadamente 11 
trimestres después. 
 Ahora bien, al acoplar este resultado con todo lo discutido previamente, el crecimiento de 
la concentración de los ingresos RALP, fruto de una política monetaria contractiva, se haría 
efectivo principalmente en los ingresos por rentas a la propiedad física, cuyo peso relativo crece -
en magnitudes muy considerables- frente a las rentas financieras. Luego, serán los dueños del 
30 
 
capital físico, cuyo arriendo se podría considerar inelástico a la baja (como la mayoría de los precios 
no financieros) hacia quienes se redistribuiría el ingreso RALP en periodos de contracción 
monetaria. En cambio, las rentas de tipo financiero sí caerían, siguiendo la teoría tradicional. 
Ahora bien, al hablar puntualmente del canal de transmisión, esta estructura de los ingresos 
RALP da pie para proponer un canal alternativo, no incluido dentro de la visión tradicional de la 
literatura, es está construida a partir de lo estudiado en países desarrollados. Como se dijo antes, 
en los países en desarrollo las rentas al capital físico ocupan una proporción considerablemente 
mayor de los ingresos RALP y explicarían, en buena medida, el porqué del crecimiento en la 
concentración de este tipo de ingresos como resultado de un CPM contractivo. Así pues, se propone 
el canal de la heterogeneidad de las rentas como la vía por la cual la política monetaria se relaciona 
con la distribución de los ingresos en los países en desarrollo; la intuición sería la expuesta antes: 
un CPM contractiva afecta de forma diferente a las rentas financieras frente a las rentas a la 
propiedad física, en la medida en que reduce el peso relativo de las primeras, está redistribuyendo 
los ingresos hacia el pago al capital físico, cuyos precios son relativamente inelásticos a la baja. 
Ahora bien, este canal explicaría la transmisión de los CPM a la desigualdad en ingresos RALP, 
los cuales, según la magnitud del impacto, tendrían o no un efecto observable en la desigualdad de 
los ingresos totales. 
6. Conclusiones 
 Desde el Quantitative Easing llevado a cabo por la Reserva Federal durante la Crisis 
Financiera de 2008, debido a las críticas sobre el potencial crecimiento de la concentración de 
ingresos que pudo causar, se acrecentó la importancia de estudiar la relación entre la política 
monetaria y la desigualdad. En los últimos años se han llevado a cabo diferentes estudios que han 
evaluado su existencia y dirección, pero que se han concentrado en países desarrollados. Dado lo 
apremiante del problema de la desigualdad en América Latina y la relevancia en el devenir 
económico de las medidas de los bancos centrales en los países de la región con moneda propia, 
este trabajo buscó hacer un aporte a la literatura del tema con un enfoque en países en vía de 
desarrollo, aportando resultados que permiten enriquecer la discusión sobre la adopción de medidas 
de política monetaria. 
 El trabajo evaluó la existencia y la dirección de esta relación en Colombia y Perú, dos países 
de características similares y que tienen un mismo esquema de política monetaria, tal que los 
resultados de cada uno son, en cierta medida, una validación externa lo encontrado para el otro. A 
31 
 
partir de la construcción de medidas de desigualdad propias, con base en las encuestas a hogares 
de cada país, y con estimaciones de choques de política monetaria con un modelo VAR a la 
Quintero (2015), se utilizó el Método de Proyecciones Lineales como método de identificación de 
la relación entre las variables de interés. Se consideró el uso de este método, en lugar del más 
difundido SVAR, en la medida en que permite estimar de forma relativamente eficiente una 
relación en la que no se conoce con certeza el Proceso Generador de Datos que describiría el 
modelo que relaciona