LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2023, Volumen IV, Número 2 p 2681.
DOI: https://doi.org/10.56712/latam.v4i2.785
Análisis de la relación causal entre el Índice Nacional de
Precios al Productor y el Índice Nacional de Precios al
Consumidor: Caso México
Analysis of the causal relationship between the National Producer
Price Index and the National Consumer Price Index: Mexico Case
Ulises Pérez Figueroa
ulip64@hotmail.com
https://orcid.org/0000-0002-7198-6685
Universidad Autónoma de Guerrero
Acapulco – México
Juan Villagómez Méndez
juanvillagomez2006@yahoo.com
https://orcid.org/0000-0001-8385-8624
Universidad Autónoma de Guerrero
Acapulco – México
Norberto Noé Añorve Fonseca
noeanorve@yahoo.com.mx
https://orcid.org/0009-0002-5992-3603
Universidad Autónoma de Guerrero
Acapulco – México
Artículo recibido: 21 de junio de 2023. Aceptado para publicación: 06 de julio de 2023.
Conflictos de Interés: Ninguno que declarar.
Resumen
Esta investigación tiene como objetivo determinar la relación de causalidad entre el Índice
Nacional de Precios al Productor (INPP) y el Índice Nacional de Precios al Consumidor (INPC) en
México, dentro del período de enero 2004 a octubre 2022. Se estabilizaron las series a través de
las pruebas de Dickey-Fuller Aumentada, para la prueba de cointegración se utilizó el estadístico
de Engle y Granger y para la de causalidad, el de Vectores Autorregresivos. Para la estabilidad
del modelo, se introdujeron variables Dummy en aquellos quiebres estructurales que fueron
sometidos a prueba a través del estadístico de Chow. Los resultados indican que, hay una
relación de causalidad que va del INPP al INPC.
Palabras clave: dickey-fuller aumentada, cointegración engle y granger, vectores
autorregresivos
Abstract
This research aims to determine the causal relationship between the National Producer Price
Index (INPP) and the National Consumer Price Index (INPC) in Mexico, within the period from
January 2004 to October 2022. The series were stabilized at Through the Augmented Dickey-
Fuller tests, the Engle and Granger statistic was used for the cointegration test and the
Autoregressive Vector test for causality. For the stability of the model, dummy variables were
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2023, Volumen IV, Número 2 p 2682.
introduced in those structural breaks that were tested through the Chow statistic. The results
indicate that there is a causal relationship that goes from the INPP to the INPC.
Keywords: augmented dickey-fuller, engle and granger cointegration, autoregressive
vectors
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,
publicados en este sitio está disponibles bajo Licencia Creative Commons .
Como citar: Pérez Figueroa, U., Villagómez Méndez, J., & Añorve Fonseca, N. N. (2023). Análisis
de la relación causal entre el Índice Nacional de Precios al Productor y el Índice Nacional de
Precios al Consumidor: Caso México. LATAM Revista Latinoamericana de Ciencias Sociales y
Humanidades 4(2), 2681–2693. https://doi.org/10.56712/latam.v4i2.785
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2023, Volumen IV, Número 2 p 2683.
INTRODUCCIÓN
El INPC es un indicador que, es elaborado por el Instituto Nacional de Estadística y Geografía
(INEGI), diseñado para medir el cambio promedio de precios durante un determinado tiempo a
través de, una canasta de 120, 454 bienes y servicios cotizados mensualmente en 55 ciudades
representativas de las familias mexicanas. Es uno de los indicadores que más afecta a la
población, se percibe en el incremento de precios y que, pega en los bolsillos de la población. La
última inflación es la que, estamos viviendo aún y que, llegó en octubre del 2022 a 8.41 % anual.
Es de suma importancia conocer su comportamiento porque a partir de ahí, se diseña la política
monetaria del Banco de México, contratos como alquileres de inmuebles y pensiones, es factor
de actualización de créditos fiscales, auxiliar en la determinación de incrementos salariales,
jubilaciones y prestaciones de seguridad social, entre otras (Banco de México, 2002).
El INEGI también da seguimiento al comportamiento del INPP, a través de la elaboración de un
indicador que mide la evolución de los precios de una canasta de bienes representativa de la
producción nacional por origen y de acuerdo a su destino, ya sea bienes intermedios y finales.
Los últimos para el consumo, la formación de capital y las exportaciones.
La elaboración del INPP es trascendental para la política económica del país ya que, por el lado
de la oferta es un indicador de las tendencias inflacionarias, es factor de indexación para muchos
contratos públicos y privados. También se emplea en la revisión de algunas tarifas del sector
eléctrico y sirve como herramienta en la elaboración de Cuentas Nacionales, entre otras (Banco
de México, 2003).
Se esperaría que, durante la cadena productiva los efectos inflacionarios dieran inicio en los
precios al productor y que, dichas perturbaciones fueran escalando hacia los precios del
consumidor, el anterior planteamiento indicaría que, la información de los precios al productor
sería de gran importancia para identificar desequilibrios inflacionarios y mejorar los precios del
consumidor; sin embargo, estudios previos hacen pensar que dicho postulado no es tan obvio
como se describe.
De acuerdo con la revisión de la literatura, encontramos el trabajo de Losada & Murcia Arias
(2018) en donde analizan la relación entre el Índice de Precios al Consumidor y el Índice de
Precios al Productor de seis países de América del Sur: Brasil, Colombia, Ecuador, Perú, Paraguay
y Uruguay. En este análisis se utilizan las pruebas estadísticas de causalidad de Toda y
Yamamoto; los datos son anuales y los rangos de estudio para cada país son diferentes. Los
resultados muestran que, no existe evidencia en la relación causal entre el Índice de Precios al
Consumidor y el Índice de Precios al Productor para Brasil, Colombia, Ecuador y Uruguay y en
cambio, hay una relación bidireccional entre estos indicadores para Perú y Paraguay.
Ozpolat (2020) realiza una investigación en donde analiza también la relación entre el Índice de
Precios al Consumidor y el Índice de Precios al Productor para Europa del Este (Bulgaria, Croacia,
República Checa, Hungría, Polonia, Rumania, República Eslovaca, Slovenia y Letonia), los datos
se registran de manera anualizada de 1992 a 2017, los resultados arrojan que, existe una
causalidad bilateral entre los dos indicadores.
En un estudio realizado en Turquía en el que, se investiga la relación causal entre el Índice de
Precios al Consumidor y el Índice de Precios al Productor utilizando series de tiempo mensual
para el período de 2003 a 2013. Los resultados arrojan que existe una relación unidireccional de
largo plazo que va del Índice de Precios al Consumidor al Índice de Precios al Productor (Ulke &
Ergun, 2013).
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2023, Volumen IV, Número 2 p 2684.
Aguirre & Rodríguez (2016) analizan la relación de causalidad entre los precios al productor y al
consumidor para el caso de los países miembros del Tratado de Libre Comercio de América del
Norte (TLCAN), el período de estudio comprende 1957-2011. En este trabajo, se utilizan pruebas
de raíz unitaria y de causalidad. Los resultados muestran que, la causalidad va en ambos
sentidos, es decir, de los precios del productor a los precios del consumidor y de estos últimos a
los primeros.
En un estudio realizado por Donoso (2015) para Colombia y en donde busca encontrar la relación
de causalidad entre el Índice de Precios al Productor y el Índice de Precios al Consumidor para
este país sudamericano usando series estacionalizadas de enero 2003 a marzo 2013 y en donde
aplica la prueba estadística de causalidad de Granger; encuentra que, hay una causalidad
unidireccional entre los dos índices. La respuesta va del Índice de Precios al Productor al Índice
de Precios al Consumidor.
En otro trabajo realizado para Ecuador por Quinde-Rosales & Bucaram-Leverone ( 2017) en
donde se evalúa la relación de causalidad entre el Índice de Precios al Productor y el Índice de
Precios al Consumidor durante el período de enero 1998 a diciembre de 2016, utilizando las
pruebas estadísticas de a Dickey-Fuller Aumentada y la prueba de causalidad de Granger. Los
resultados demuestran una tendencia positiva y estacionalidad en los datos de las variables y
encontrando una bidireccionalidad por parte de ambos índices.
Para México, encontramos dos estudios. Está el trabajo de Sidaoui, et al. (2009) en donde analiza
la relación de causalidad entre el Índice de Precios al Productor y el Índice de Precios al
Consumidor entre el período de 1994-2008, utilizando pruebas de cointegración y de causalidad
de Granger. Los resultados muestran que, la información del INPP es útil para mejorar los
pronósticos de la inflación del INPC.
Otra de las investigaciones para México en este tema, es el de Aguirre & Chávez (2012) quienes
analizan la relación entre el Índice Nacional de Precios al Productor y el Índice Nacional de
Precios al Consumidor durante el período enero 1994 a febrero del 2012 y en donde utiliza las
pruebas estadísticas de raíz unitaria de Dickey-Fuller, Phillips-Perron y Lee-Strazicich y pruebas
de causalidad de Granger, Toda y Yamamoto. Los resultados señalan que, tomando en cuenta
cambios estructurales, la causalidad es unidireccional y va del INPC al INPP.
El objetivo fundamental de este estudio es conocer si existe una relación causal del INPP al INPC.
En teoría se esperaría que, la inflación golpeara en un principio al INPP y en un lapso de tiempo
al INPC. Bajo esta lógica, las instituciones gubernamentales encargadas de hacer los
pronósticos, podrían prevenir el alza de precios al consumidor.
MÉTODO
Los datos del INPP e INPC, fueron tomados mensualmente (INEGI, 2023). El año base del INPC
es del 2018 por lo que, fue necesario pasar el año base de esta serie al período 2019, igual que
el INPP. El Software utilizado es el programa Gretl 2021. Para evitar sesgos en la investigación y
evitar relaciones espurias utilizamos la metodología propuesta por Engle y Granger (Engle &
Granger, 1987):
El primer paso que un economista debe afrontar cuando se trabaja con series de tiempo es que,
la mayoría de éstas tienen tendencia y estén afectadas por diferentes circunstancias durante el
proceso. Para resolver este problema, es muy recurrente probar si las series son estacionarias,
estas pruebas son llamadas pruebas de raíz unitaria.
Para el análisis de estacionariedad, en este trabajo utilizamos la prueba Dickey-Fuller Aumentada
(DFA). Esta prueba es una versión más sofisticada de la prueba de DF. Se utiliza para contrastar
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2023, Volumen IV, Número 2 p 2685.
muestras en series de tiempo aumentando valores rezagados de la variable dependiente ∆���� en
donde la hipótesis nula es H0: δ = 0, frente a la hipótesis alternativa H1: δ < 0, a través de la
siguiente regresión (Gujarati & Porter, 2009):
∆���� = ��1 + ��2�� + ������−1 + ∑
��
��=1
����∆����−�� + ����
Donde εt es un término de error puro de ruido blanco y donde ∆Yt−1 = (Yt−1 − Yt−2), ∆Yt−2 =
(Yt−2 − Yt−3).
Interpretándose como:
H0: Existe raíz unitaria.
H1: No existe raíz unitaria.
La regla de decisión es: Se rechaza la hipótesis nula si existe un valor de p que sugiera
significancia.
El segundo paso es la prueba de cointegración Engle y Granger, para ello es requisito
fundamental que, cada serie individual tengan una raíz unitaria I (1) y al hacerse estacionarias
sean del mismo orden y que, una combinación lineal entre ellas sea I (0). Así, la prueba se hace
en dos etapas. La primera involucra una regresión de Mínimos Cuadrados Ordinarios (MCO)
(Noriega & Ventosa, 2006):
���� = �̂� + ẟ̂���� + �̂�t
La anterior regresión captura la relación de largo plazo entre dichas variables. Para la segunda
etapa, los residuales Ût, son usados para contrastar la prueba de Dickey-Fuller Aumentada:
∆�̂��� = ϒ̂�̂��� − 1 + ⴄ̂��
Si la hipótesis ϒ = 1 entonces habrá una raíz unitaria en los residuales, lo anterior nos indica que,
las series Xt y Yt no están cointegradas. En cambio, cuando el estadístico t, el cual se usa para
probar la hipótesis que ϒ < 1, es el valor crítico, los residuales son estacionarios, lo que nos indica
que hay cointegración entre Xt y Yt. En otras palabras, en caso de que, los residuales sean I (0),
no se podrá rechazar la hipótesis nula de no cointegración.
Traducido lo anterior:
H0: Las series no están cointegradas.
H1: Las series están cointegradas.
La regla de decisión es: rechazar la hipótesis nula cuando el valor de p es significativo.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2023, Volumen IV, Número 2 p 2686.
El último paso de la metodología de cointegración de largo plazo, es corroborar a través de la
prueba de Engle y Granger.
En donde:
H0: Las series no están cointegradas a largo plazo.
H1: Las series están cointegradas a largo plazo.
La regla de decisión es: rechazar la hipótesis nula cuando el valor de p muestra significancia.
Por último, analizaremos la prueba de causalidad. Una metodología es la de utilizar el modelo de
Vectores Autorregresivos (VAR). Sims (1980) quien es citado por Gujarati & Porter (2009) plantea
las siguientes dos ecuaciones:
���������� = ∑��
��=1 ��������������−�� + ∑��
��=1 ��������������−1 + ��1�� (1)
���������� = ∑��
��=1 ��������������−�� + ∑��
��=1 ����=1����������−�� + ��2�� (2)
Donde, el INPCt e INPPt son el Índice Nacional de Precios al Consumidor (INPC) y al productor
(INPP). La ecuación (1) postula que el INPC actual se relaciona con los valores pasados del INPC
mismo, al igual que con los de INPP, y (2) postula un comportamiento similar para INPPt.
Gujarati & Porter (2009) señalan como resultado los siguientes casos:
● Hay causalidad unidireccional de INPP hacia INPC si los coeficientes αi estimados sobre
la INPP rezagada en (1) son estadísticamente diferentes de cero y el conjunto de
coeficientes δj estimados sobre el INPC rezagado en (2) no es estadísticamente
diferente de cero.
● Hay causalidad unidireccional de INPC hacia INPP si el conjunto de coeficientes αi de
INPP rezagada en (1) no es estadísticamente diferente de cero y el conjunto de
coeficientes δj del INPC rezagado en (2) es estadísticamente diferente de cero.
● Hay causalidad bilateral, cuando los conjuntos de coeficientes de INPP y de INPC son
estadísticamente significativos, diferentes de cero, en ambas regresiones.
● Hay independencia cuando los conjuntos de coeficientes de INPP y de INPC no son
estadísticamente significativos en ambas regresiones.
Para contrastar los 4 casos se parte de la prueba F (Fischer) en donde se rechaza la hipótesis
nula, si el valor de p muestra significancia. Para establecer la longitud máxima de rezagos en las
pruebas de cointegración y en la de Vectores Autorregresivos, se utilizarán los estadísticos de
Akaike, Schwarz y Hannan-Quinn, dando preferencia al criterio de Akaike.
RESULTADOS
Iniciaremos observando el comportamiento de las dos variables. Las dos series tienen una
tendencia ascendente y no parecen desviarse mucho entre sí, lo anterior nos da una señal que,
pueden tener una relación de equilibrio a largo plazo y que, estén cointegradas. Puede apreciarse
que tienen tendencia por lo que, es posible que no sean estacionarias (Figura 1). Para verificar lo
anterior se realizaron las pruebas de raíces unitarias a través del estadístico de Dickey-Fuller
Aumentada. Los resultados para esta prueba indican que, efectivamente las series tienen raíz
unitaria por lo que, son no estacionarias (Tabla 1).
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2023, Volumen IV, Número 2 p 2687.
Figura 1
Tendencias de las series INPP e INPC
Tabla 1
Prueba de Raíz Unitaria
Variable Valor P
INPC 1
INPP 0.9994
Nota: Elaboración propia con base en los datos de la muestra.
Otra aproximación que, nos puede brindar un acercamiento en el comportamiento de las dos
series es el Filtro de Hodrick-Prescott, este filtro extrae y separa los elementos tendenciales y
cíclicos de las series de tiempo y obteniendo una serie suavizada (Figura 2). Se puede apreciar
que, a partir del año 2008 los movimientos del ciclo para la variable INPP son antes que el ciclo
del INPC. Es decir, hay un seguimiento en los movimientos de los precios al consumidor a los
precios al productor.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2023, Volumen IV, Número 2 p 2688.
Figura 2
Comportamiento suavizado de las series INPP e INPC
Para evitar relaciones espurias entre las dos series, el siguiente paso es llevar a cabo la prueba
de cointegración Engle y Granger. Las series deben ser estacionarias del mismo orden, ser
integradas en sus niveles I (0) y por último, deben ser cointegradas. Los resultados se muestran
en la tabla número 2. En la prueba de estacionariedad, las raíces unitarias para las dos series, se
rechaza la hipótesis nula si el valor de p muestra significancia. Observamos que, nuestras
variables son estacionarias en I (2). La prueba a los residuales de Mínimos Cuadrados Ordinarios
(MCO) es I (0) en sus niveles por lo que, hay señales de cointegración. Para corroborar lo anterior
efectuamos la prueba de cointegración Engle y Granger y con un óptimo de rezagos de 1, como
se especifica en la tabla 3. El resultado señala que, nuestras series están cointegradas.
Tabla 2
Prueba de Estacionariedad y Cointegración
Variable Prueba de estacionariedad Orden Prueba a los
residuos
Prueba de
cointegración
INPC p = 5.931e-19 I(2) p = 1.482e-05
I(0)
p = 0.002102
INPP P = 3.989e-15 I(2)
Nota: Elaboración propia con base en los datos de la muestra.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2023, Volumen IV, Número 2 p 2689.
Tabla 3
Selección del orden de retardos para la prueba de Cointegración
RETARDOS LOG.VEROS P(RV) AIC BIC HQC
1 -252.47202 2.559129* 2.657394* 2.598887*
2 -249.80768 0.25520 2.572353 2.736129 2.638617
3 -248.01756 0.46578 2.594233 2.823519 2.687003
4 -242.49182 0.02599 2.579127 2.873923 2.698402
5 -241.03633 0.57283 2.604320 2.964626 2.750101
6 -238.22805 0.22967 2.616119 3.041936 2.788405
7 -232.48030 0.02152 2.598815 3.090142 2.797607
8 -228.12565 0.06879 2.595304 3.152141 2.820601
9 -226.61274 0.55351 2.619928 3.242275 2.871731
10 -225.08148 0.54742 2.644371 3.332229 2.922680
11 -218.81325 0.01378 2.621913 3.375281 2.926727
12 -215.06561 0.11192 2.624412 3.443290 2.955732
13 -209.16415 0.01888 2.605586 3.489974 2.963411
14 -204.92981 0.07584 2.603265 3.553164 2.987596
15 -199.04519 0.01915 2.584606 3.600015 2.995442
16 -195.78165 0.16309 2.591898 3.672817 3.029239
17 -189.53899 0.01408 2.569693 3.716122 3.033540
18 -189.00647 0.89978 2.604024 3.815964 3.094377
19 -186.04712 0.20530 2.614328 3.891778 3.131186
20 -185.77383 0.96881 2.651226 3.994186 3.194590
21 -183.37969 0.30972 2.667126 4.075596 3.236995
22 -181.04232 0.32233 2.683587 4.157568 3.279963
23 -174.81420 0.01426 2.661527 4.201018 3.284408
24 -162.18194 0.00004 2.576059 4.181060 3.225445
En el último paso, llevamos a cabo la prueba de causalidad. Antes, identificamos los quiebres
estructurales que, para nuestro período de estudio fueron tres (2008, 2017 y 2020) (Figura 3),
dichos quiebres fueron sometidos a la prueba de Chow. Sólo el período del 2017 no pasó la
prueba de choque estructural; derivado de lo anterior, introducimos una variable artificial dummy
para darle estabilidad a nuestro modelo al utilizar los Vectores Autorregresivos. El número de
rezagos óptimos para nuestro modelo es de 22, como se describe en la tabla 4. La prueba de
especificación de los residuales de nuestro modelo, cumple ligeramente con el supuesto de
normalidad de los residuos y no existe autocorrelación (Tabla 5).
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2023, Volumen IV, Número 2 p 2690.
Figura 3
Prueba de CUSUM para identificar Cambios Estructurales
Tabla 4
Selección del Orden de Retardos para la Prueba de Causalidad
RETARDOS LOG. VEROS P(RV) AIC BIC HQC
1 -331.70319 3.397032 3.528965 3.450423
2 -308.02744 0.00000 3.200274 3.398173 3.280361
3 -295.40350 0.00004 3.114035 3.377900* 3.220817
4 -289.35673 0.01667 3.093567 3.423399 3.227045
5 -283.36809 0.01752 3.073681 3.469479 3.233854
6 -279.47594 0.09981 3.074759 3.536524 3.261628
7 -268.37085 0.00018 3.003709 3.531439 3.217273
8 -265.04029 0.15492 3.010403 3.604100 3.250663
9 -255.53129 0.00078 2.955313 3.614976 3.222269
10 -242.06283 0.00002 2.860628 3.586258 3.154280
11 -229.38134 0.00004 2.773813 3.565410 3.094160*
12 -224.79718 0.05703 2.767972 3.625534 3.115014
13 -220.18701 0.05582 2.761870 3.685399 3.135608
14 -217.79512 0.31021 2.777951 3.767446 3.178385
15 -204.45996 0.00002 2.684600 3.740061 3.111729
16 -202.22764 0.34676 2.702276 3.823704 3.156101
17 -197.02655 0.03417 2.690266 3.877660 3.170786
18 -196.06835 0.75113 2.720684 3.974044 3.227899
19 -194.07863 0.40880 2.740786 4.060113 3.274698
20 -191.90889 0.36201 2.759089 4.144382 3.319696
21 -185.36699 0.01087 2.73367 4.184930 3.320973
22 -175.65198 0.00065 2.676520* 4.193746 3.290518
23 -175.16531 0.91381 2.711653 4.294845 3.352347
24 -170.19530 0.04145 2.701953 4.351112 3.369342
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2023, Volumen IV, Número 2 p 2691.
Tabla 5
Pruebas de Especificación
Prueba Resultado
Normalidad de residuales p = 0.07432
Autocorrelación P= 0.5860
Nota: Elaboración propia con base en los datos de la muestra.
Los estadísticos para la prueba de causalidad se encuentran en la tabla 6. El resultado señala
que, hay una relación unidireccional del INPP al INPC. Se puede observar que, para el caso INPP
no causa a INPC, lo anterior indica que, se rechaza la hipótesis nula, al nivel de p= 0.0008, lo que
indica que, el INPP ayuda en los pronósticos del INPC.
Tabla 6
Prueba de Causalidad
Prueba de Causalidad Probabilidad
INPC no causa a INPP 0.1687
INPP no causa a INPC 0.0008
Nota: Elaboración propia con base en los datos de la muestra.
DISCUSIÓN
Los altos índices inflacionarios que se han presentado en México en los últimos meses, hacen
pensar en este estudio como de gran relevancia para la política monetaria del país que, como
cualquier otra nación pretenda mantener índices inflacionarios bajos. Conocer la relación de
causalidad entre el índice de Precios al Productor y el índice de Precios al Consumidor entonces
es de gran interés.
Para el caso de México sólo encontramos los trabajos relacionados con este tema el de Sidaoui
et al. (2009) y el de, Aguirre & Chávez (2012). El primero señala que, la causalidad va del INPP a
INPC, en segundo introduce cambios estructurales en su modelo y los resultados van del INPC a
INPP. El desarrollo de nuestro trabajo abarca 3 choques estructurales: la crisis financiera del
2008, la crisis del 2017 provocada por el incremento de precios de energéticos entre ellos,
gasolina y gas y la crisis que inició en el 2020 como consecuencia de la pandemia y de la Guerra
Rusia-Ucrania.
Realizamos la prueba Chow para los tres choques estructurales y sólo el período de 2017 no
pasó. Introducimos una variable artificial al modelo y los resultados de nuestro trabajo arrojan
que, hay una relación de causalidad unidireccional que va del INPP al INPC. Incluso probamos
introduciendo tres variables artificiales y el resultado no cambió. Lo anterior, nos permite afirmar
que, el INPP contempla un alto contenido predictivo sobre el INPC.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2023, Volumen IV, Número 2 p 2692.
REFERENCIAS
Aguirre, M. G., & Chávez, J. C. (2012). Relación de causalidad entre el índice de precios del
productor y el índice de precios del consumidor incorporando cambios estructurales. El caso
México. Contaduría y Administración, 59(2), 179-196. Obtenido de
https://dialnet.unirioja.es/servlet/articulo?codigo=5205430
Aguirre, M. G., & Rodríguez, J. C. (2016). Analisis de la relacion de causalidad entre el indice de
precios del productor y del consumidor incorporando variables que capturan el mecanismo de
transmision monetaria: El caso de los paises miembros del TLCAN. EconoQuantum, 13(1), 73-
95. Obtenido de http://www.redalyc.org/articulooa?id=125043459004
Banco de México. (2002). El Índice Nacional de Precios al Consumidor: Características y
Actualización de su Base al Año 2002. Obtenido de
file:///C:/Users/ECONOMIA/Documents/INPC%20BANCO%20DE%20M%C3%8BXICO.pdf
Banco de México. (2003). El Índice Nacional de Precios al Productor: Características y
Actualización de su Base a Diciembre de 2003. Obtenido de
https://www.snieg.mx/DocAcervoINN/documentacion/inf_nvo_acervo/SNIE/PRECIOS/INPP_A
ntesLEY/INPPcaracteristicas2003.pdf
Donoso, S. V. (1 de enero de 2015). Universidad de la Sabana. Obtenido de
http://hdl.handle.net/10818/12955
Engle, R. F., & Granger, C. (1987). Cointegración y corrección de errores: representación,
estimación y prueba. Econométrica, 55(2), 251-276. doi:https://doi.org/10.2307/1913236
Gujarati, D. N., & Porter, D. C. (2009). Econometría. Mc Graw Hill.
INEGI. (2023). Temas, Precios. Obtenido de https://www.inegi.org.mx/temas/
Losada, O. H., & Juan Pablo Murcia Arias, J. C. (2018). Relationship between the Consumer Price
Index and the Producer Price Index for Six South American Countries. Apuntes del CENES, 37(66),
39-74. doi:https://doi.org/10.19053/01203053.v37.n66.2019.6601
Noriega, A. E., & Ventosa-Santaularia, D. (2006). Cointegración Espuria: La Prueba de Engle-
Granger bajo la Presencia de Cambios Estructurales. Banco de México.
Ozpolat, A. (2020). Causal Link Between Consumer Prices Index and Producer Prices Index: An
Evidence From Central and Eastern European Countries (CEECs). ADAM AKADEMI Sosyal
Bilomler Dergisi, 10(2), 319-332. doi:10.31679/adamakademi.594508
Quinde-Rosales, V., & Bucaram-Leverone, R. (2017). Relación de causalidad entre el índice de
precios al productor y el índice de precios al consumidor: Caso Ecuador. Actualidad
Económica(93), 5-14. Obtenido de http://revistas.unc.edu.ar/index.php/acteconomica/index
Sidaoui, J., Capistrán, C., Chiquiar, D., & Ramos-Francia, M. (2009). Una Nota Acerca del Contenido
Predictivo del INPP Respecto a la Inflación del INPC: El Caso de México. Banco de México.
Sims, C. A. (1980). Macroeconomics and Reality. Econometrica, 48(1), 1-48.
doi:https://doi.org/10.2307/1912017
Ulke, V., & Ergun, U. (2013). The Relationship between Consumer Price and Producer Price Indices
in Turkey. MPRA Paper(59437), 1-18. Obtenido de https://mpra.ub.uni-muenchen.de/59437/
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, julio, 2023, Volumen IV, Número 2 p 2693.
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, publicados
en este sitio está disponibles bajo Licencia Creative Commons .