Relaciones entre los precios de la gasolina de ocho marcas en el norte de la Ciudad de México
Barra lateral del artículo
Contenido principal del artículo
Este documento utiliza un modelo de corrección de error vectorial para obtener la descomposición en componentes permanentes y transitorios de los precios de la gasolina que ofrecen ocho marcas en el norte de la Ciudad de México, a través de un análisis de impulso-respuesta y descomposición de la varianza, a partir de julio 1 de 2018 al 17 de junio de 2020. Los principales hallazgos son que existen múltiples influencias e interdependencias entre los precios de las ocho marcas analizadas. En el corto plazo, se identifican tres patrones en la fijación de precios: a) precios inicialmente explicados por sí mismos pero rápidamente influenciados por el resto de precios, b) precios explicados a lo largo del ciclo principalmente por sus perturbaciones, y c) precios que dependen fuertemente del resto de precios. A largo plazo, estos patrones determinan en consecuencia que existan tres vectores de cointegración entre todos los precios. Los resultados encontrados en el período analizado sugieren que quizás aún sea prematuro para esperar que exista un vector de precios de equilibrio derivado de un mercado competitivo en México.
Akinboade, O.; E. Ziramba & W. Kumo (2008). “The Demand for Gasoline in South Africa: An Empirical Analysis Using Co-integration Techniques. Energy Economics, 3222-3229. https://doi.org/10.1016/j.eneco.2008.05.002.
Bentzen, J. (1994). An empirical analysis of gasoline demand in Denmark using cointegration techniques. Energy Economics, 139-143. https://doi.org/10.1016/0140-9883(94)90008-6.
Cheung, K.-Y., & E. Thomson (2004). The demand for gasoline in China: a cointegration analysis. Journal of Applied Statistics, 533–544. https://doi.org/10.1080/02664760410001681837.
Eltony, M., & N. Mutairi (1995). Demand for gasoline in Kuwait: an empirical analysis using cointegration techniques. Energy Economics, 249–253. https://doi.org/10.1016/0140-9883(95)00006-g.
Engle, R., & C. Granger (1987). Co-integration and error correction: Representation, estimation and testing. Econometrica, 251-276. https://doi.org/10.2307/1913236.
Ferrer, C., & S. Escalante (2014). Demanda de gasolina en la zona metropolitana del Valle de México: análisis empírico de la reducción del subsidio. Revista de Economía del Rosario, 89-117. https://doi.org/10.12804/rev.econ.rosario.17.01.2014.04.
Granger, C. (1980). Testing for causality: A personal viewpoint. Journal of Economic Dynamics and Control 2, 329-352.
Granger, C., & P. Newbold (1974). Spurious regressions in econometrics. Journal of Econometrics 2, 111-120. https://doi.org/10.1016/0304-4076(74)90034-7.
Ibarra Salazar, J., & L. Sotres Cervantes (2008). La demanda de gasolina en México El efecto en la frontera norte. Frontera Norte, 131-156. https://doi.org/10.2307/j.ctv26d8jg.8.
Johansen, S. (1988). Statistical analysis of cointegration vectors. Journal of Economic Dynamics and Control, 231-254. https://doi.org/10.1016/0165-1889(88)90041-3.
___ (2009). Cointegration: Overview and Development. Handbook of Financial Time Series, 671-693. https://doi.org/10.1007/978-3-540-71297-8_29.
Khim, V., & S. Liew (2004). Which Lag Length Selection Criteria Should We Employ? Economics Bulletin, 1-9.
Liew, V. (2004). Which Lag Selection Criteria Should We Employ? Economics Bulletin, 1-8.
Nielsen, B. (2001). Order determination in general vector autoregressions. Economics Papers 2001-W10, Economics Group.
Rao, B., & G. Rao (2009). Cointegration and the Demand for Gasoline. Energy Policy, 3978-3983. https://doi.org/10.1016/j.enpol.2009.04.046.
Reyes, O.; R.,Escalante, & A. Matas (2010). La demanda de gasolinas en México: Efectos y alternativas ante el cambio climático. Economía teoría y práctica, 23-110. https://doi.org/10.24275/etypuam/ne/322010/reyes.
Sims, C. (1980). Macroeconomics and Reality. Econometrica, 1-48.
Wooldridge, J. (2010). Introducción a la econoemtría: un enfoque moderno. Ciudad de México: Cengage Learning.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Contenido principal del artículo
Este documento utiliza un modelo de corrección de error vectorial para obtener la descomposición en componentes permanentes y transitorios de los precios de la gasolina que ofrecen ocho marcas en el norte de la Ciudad de México, a través de un análisis de impulso-respuesta y descomposición de la varianza, a partir de julio 1 de 2018 al 17 de junio de 2020. Los principales hallazgos son que existen múltiples influencias e interdependencias entre los precios de las ocho marcas analizadas. En el corto plazo, se identifican tres patrones en la fijación de precios: a) precios inicialmente explicados por sí mismos pero rápidamente influenciados por el resto de precios, b) precios explicados a lo largo del ciclo principalmente por sus perturbaciones, y c) precios que dependen fuertemente del resto de precios. A largo plazo, estos patrones determinan en consecuencia que existan tres vectores de cointegración entre todos los precios. Los resultados encontrados en el período analizado sugieren que quizás aún sea prematuro para esperar que exista un vector de precios de equilibrio derivado de un mercado competitivo en México.
Akinboade, O.; E. Ziramba & W. Kumo (2008). “The Demand for Gasoline in South Africa: An Empirical Analysis Using Co-integration Techniques. Energy Economics, 3222-3229. https://doi.org/10.1016/j.eneco.2008.05.002.
Bentzen, J. (1994). An empirical analysis of gasoline demand in Denmark using cointegration techniques. Energy Economics, 139-143. https://doi.org/10.1016/0140-9883(94)90008-6.
Cheung, K.-Y., & E. Thomson (2004). The demand for gasoline in China: a cointegration analysis. Journal of Applied Statistics, 533–544. https://doi.org/10.1080/02664760410001681837.
Eltony, M., & N. Mutairi (1995). Demand for gasoline in Kuwait: an empirical analysis using cointegration techniques. Energy Economics, 249–253. https://doi.org/10.1016/0140-9883(95)00006-g.
Engle, R., & C. Granger (1987). Co-integration and error correction: Representation, estimation and testing. Econometrica, 251-276. https://doi.org/10.2307/1913236.
Ferrer, C., & S. Escalante (2014). Demanda de gasolina en la zona metropolitana del Valle de México: análisis empírico de la reducción del subsidio. Revista de Economía del Rosario, 89-117. https://doi.org/10.12804/rev.econ.rosario.17.01.2014.04.
Granger, C. (1980). Testing for causality: A personal viewpoint. Journal of Economic Dynamics and Control 2, 329-352.
Granger, C., & P. Newbold (1974). Spurious regressions in econometrics. Journal of Econometrics 2, 111-120. https://doi.org/10.1016/0304-4076(74)90034-7.
Ibarra Salazar, J., & L. Sotres Cervantes (2008). La demanda de gasolina en México El efecto en la frontera norte. Frontera Norte, 131-156. https://doi.org/10.2307/j.ctv26d8jg.8.
Johansen, S. (1988). Statistical analysis of cointegration vectors. Journal of Economic Dynamics and Control, 231-254. https://doi.org/10.1016/0165-1889(88)90041-3.
___ (2009). Cointegration: Overview and Development. Handbook of Financial Time Series, 671-693. https://doi.org/10.1007/978-3-540-71297-8_29.
Khim, V., & S. Liew (2004). Which Lag Length Selection Criteria Should We Employ? Economics Bulletin, 1-9.
Liew, V. (2004). Which Lag Selection Criteria Should We Employ? Economics Bulletin, 1-8.
Nielsen, B. (2001). Order determination in general vector autoregressions. Economics Papers 2001-W10, Economics Group.
Rao, B., & G. Rao (2009). Cointegration and the Demand for Gasoline. Energy Policy, 3978-3983. https://doi.org/10.1016/j.enpol.2009.04.046.
Reyes, O.; R.,Escalante, & A. Matas (2010). La demanda de gasolinas en México: Efectos y alternativas ante el cambio climático. Economía teoría y práctica, 23-110. https://doi.org/10.24275/etypuam/ne/322010/reyes.
Sims, C. (1980). Macroeconomics and Reality. Econometrica, 1-48.
Wooldridge, J. (2010). Introducción a la econoemtría: un enfoque moderno. Ciudad de México: Cengage Learning.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.