Popularidad presidencial y aprobación del gobierno en Lima, 2001 – 2011.
Transcript of Popularidad presidencial y aprobación del gobierno en Lima, 2001 – 2011.
1
Popularidad presidencial y aprobación del gobierno en Lima, 2001 – 2011.
Alejandro Delmar (20054108), Noam López (20061102) y Valerie Tarazona (20064698).
Sumilla:
Usando data mensual de popularidad presidencial y aprobación de gobierno en Lima para el
periodo 2001 - 2011, en este artículo estimamos los efectos causales de los factores económicos
en la popularidad presidencial y en la aprobación del gobierno en Lima. Identificamos el impacto
de los factores económicos en la opinión pública en Lima: 1) Índice de Precios al Consumidor,
2) Salarios Reales, 3) Producto Bruto Interno y 4) Empleo. Evidenciamos que es importante
distinguir los efectos de los factores económicos en la popularidad presidencial, de sus efectos en
la aprobación del gobierno. Dado que las series de popularidad presidencial y la aprobación del
gobierno exhiben periodos con baja volatilidad y algunos periodos con alta volatilidad,
efectuamos modelos econométricos de Heterocedasticidad Condicional Autorregresiva
Exponencial (EGARCH).
Introducción y Marco Teórico :
El voto económico es un campo que junta la Ciencia Política, la Economía y lo hace por medio
de los caminos econométricos. Las investigaciones realizadas tratan de analizar el vínculo entre
el desempeño de la economía y los resultados electorales, es decir, el impacto de las variables
económicas en las decisiones electorales. En ese sentido, han manejado la hipótesis de
receptividad: los electores tienen como responsable de los eventos económicos al gobierno por
lo que lo premian cuando la economía mejora y lo castigan cuando ésta empeora. La
explicación a nivel micro tiene dos vínculos que ameritan ser distinguidos: 1) de la economía a
las percepciones de los electores y 2) de las percepciones al voto (Paldam y Lewis-Beck, 2011:
114-115). Ambos vínculos han sido estudiados tanto con una metodología comparada como con
estudios de caso usando variables económicas prospectivas y retrospectivas y ego trópicas y
socio trópicas. En todos los casos se encuentra significativa la relación pero en algunos el primer
enlace sale debilitado en relación al segundo.
Nosotros buscamos analizar el primer vínculo debido a que éste no ha sido estudiado a
profundidad en nuestro ámbito académico. En ese sentido, buscamos:
2
● Encontrar sustento empírico que apoye la teoría del voto económico.
● Identificar qué tipo de variables económicas tendrían mayor impacto en la percepción de
la ciudadanía.
Estado de la Cuestión :
Como ya hemos mencionado, no existen muchos estudios sobre la relación existente entre la
realidad económica y las percepciones de la ciudadanía. Debido a la escasez de información
disponible, estos estudios abarcan solamente la población limeña.
Uno de los primeros es el realizado por Stokes (1996), en el que analiza el impacto de los
cambios económicos en las percepciones durante el programa de reforma económica
implementado durante el gobierno de Alberto Fujimori. Este estudio enfatiza la capacidad de
agencia de los políticos al modificar las percepciones a través de mensajes y discursos
demostrando que la ciudadanía no premió el aumento de los salarios reales. Esto es inconsistente
con el comportamiento expuesto por la teoría del voto económico, principalmente debido a la
influencia de un razonamiento prospectivo (que evalúa el futuro) antes que retrospectivo (que
evalúa el pasado), en el que los limeños tomaron en cuenta el largo plazo. A pesar de ello, se da
un comportamiento esperado respecto tanto a la inflación como al empleo: el mal desempeño en
estos indicadores implica un futuro mal desempeño del que culpar al gobierno.
Weyland (2000) más bien busca explicar el apoyo a Alberto Fujimori -tanto en los estudios de
popularidad como en el voto obtenido en las elecciones de 1995- a través de las percepciones que
la ciudadanía limeña tiene sobre su trabajo combatiendo el terrorismo y su política económica, es
decir, su interés central es relacionar la aprobación presidencial con periodos de crisis política
mientras analiza el impacto de variables económicas, como la (hiper) inflación y el crecimiento
económico. Los resultados de este estudio apuntan a favorecer el impacto de las variables
económicas por sobre el desempeño del gobierno al eliminar la amenaza que Sendero Luminoso
representaba, lo cual es explicado a través de la relevancia de temas (issue salience) que hace
que popularidad presidencial sea el resultado de la evaluación que los ciudadanos hacen que los
logros presidenciales dentro de diversos asuntos y temáticas tomando en cuenta la notoriedad de
éstos en el tiempo. Así, Weyland argumenta que existe una suerte de paradoja del logro
3
gubernamental en temas relevantes: mientras el gobierno supera amenazas sociales e incrementa
su popularidad, éstas van desapareciendo, lo cual lleva a que sean menos relevantes
disminuyendo la importancia del éxito gubernamental en combatirlas. Como consecuencia de lo
anterior, cuando las cosas vuelven a la normalidad, los ciudadanos pasan a evaluar nuevos
problemas relacionándolos con la capacidad del gobierno en solucionarlos. Esto implica que la
victoria sobre Sendero Luminoso dejó de importar tanto como al inicio del gobierno de Alberto
Fujimori, dando paso a la evaluación de otros temas relacionados con el desempeño del gobierno
en la administración de la economía, imitando un patrón de voto económico.
Buscando profundizar los dos estudios anteriores, Arce y Carrión (2010) estudian el voto
económico buscando explicar la relación causal entre la aprobación presidencial y el desempeño
económico a través de dos variables: inflación y nivel de salarios, en el periodo del 1985 al
2008. Los autores buscan demostrar que la lógica identificada como voto económico se mantiene
en el tiempo a pesar del contexto económico de fines de los 90. Así, refutan y complementan los
estudios que postulan la adopción de una postura ajena al (o desviada del) voto económico
normal durante los periodos de crisis económica en las democracias emergentes1. En ese sentido,
concluyen que durante momentos de crisis la inflación es un factor que determina la popularidad
presidencial premiando el menor grado de inflación y castigando su incremento. En cambio, al
recuperarse la economía los votantes pasan a reclamar un buen desempeño económico a través
de los salarios, premiado su aumento y castigando su disminución, manteniendo la lógica del
voto económico normal.
Para demostrar lo anterior ellos utilizan el modelo EGARCH, una técnica de estimación
econométrica que ha sido empleada en diversos estudios de aprobación y popularidad.
Consideramos que los determinantes del voto económico en un contexto de cierta estabilidad
institucional (al menos en el ámbito electoral) es un aspecto aún no analizado a profundidad. En
ese sentido, en el presente trabajo pretendemos aplicar el mecanismo descrito a un periodo
distinto: el de retorno a la institucionalidad democrática de finales del 2000 a mediados del
2011 que coincide con lo que la literatura ha calificado de recuperación y actualmente muchos
1 Posturas de “exoneración” o “intertemporales” según Stokes (1996, 2001) tomadas por votantes “mareados” o
“confusos” según Reynolds, Palmer y Nordstrom (2001)
4
medios -incluyendo el discurso oficialista- califican de estabilidad (e inclusive bonanza)
económica. Por ello no buscamos contrastar periodos de crisis con periodos de estabilidad dentro
del ámbito económico, sino más bien modelar la variabilidad o volatilidad de dos variables
dependientes distintas: aprobación presidencial y aprobación del gobierno (solo en el caso
limeño). De ese modo, esperamos encontrar los cambios y las continuidades respecto a los
resultados encontrados por Arce y Carrión, extendiendo la hipótesis de los autores al análisis del
gobierno de García: que los votantes, en este caso los encuestados, premian o castigan al
gobierno de turno de acuerdo al desempeño de la economía del país.
A partir de los informes mensuales de opinión pública de IPSOS - APOYO , hemos
sistematizado los datos mensuales de : 1) Aprobación Presidencial , 2) Aprobación Primer
Ministro, 3) Aprobación Presidente del Congreso, 4) Aprobación Ministro de Economía , 5)
Aprobación Alcalde de Lima, 6) Aprobación Congreso , 7) Aprobación Poder Judicial , 8)
Aprobación Gobierno, 9) Análisis Retrospectivo Económico 12 meses , 10) Análisis Prospectivo
Económico 12 meses .
Series de tiempo de Aprobación Presidencial y Aprobación de Gobierno en Lima, 2001 –
2011 :
Las Series de Tiempo se utilizan cuando contamos con datos cuantitativos medidos a intervalos
regulares, que por lo general presentan niveles problemáticos de endogeneidad, dependencia
serial y aleatoriedad. Las series de tiempo nos ayudan a responder preguntas cuantitativas para
las cuáles las datas horizontales son inadecuadas. Una de esas preguntas es , ¿cuál es el efecto
causal dinámico en Y de un cambio en la variable X? Por ejemplo, ¿cuál es el efecto de la
inflación mensual en la aprobación presidencial? Un análisis de series temporales cuantifica las
principales características de los datos y la variabilidad. Las series se pueden descomponer en
tendencias, ciclos, estaciones, y comportamientos irregulares o accidentales.
Como hemos indicado, el problema empírico a estudiar en este artículo es la estimación de los
efectos causales de los factores económicos en la popularidad presidencial y en la aprobación del
gobierno en Lima. Mientras que, en cierto sentido la predicción es solo una aplicación del
análisis de regresión, la predicción es distinta a la estimación de efectos causales. Los modelos
5
que son utilizados para pronosticar no necesitan contar con una explicación causal: “si en la calle
ves a peatones con paraguas podrías pronosticar que va a llover, a pesar de que llevar un
paraguas no cause la lluvia“(Stock y Watson 2007, 526).
Utilizando una serie temporal de datos de aprobación presidencial y aprobación de gobierno que
cubre el periodo de 2001- 2011, tres presidencias en el Perú, evaluamos los efectos de los
factores económicos. Los estudios de opinión pública en el Perú estiman que al parecer las
condiciones económicas no incrementaron el nivel de aprobación de Alejandro Toledo, cuyo
promedio nacional de aprobación mensual nacional fue 18,5% y 19% en Lima (Arce y Carrión
2010, 367). A su vez, a pesar del constante crecimiento del PBI2, la aprobación de García
alcanzo un promedio mensual de 32,7% a nivel nacional y de 39,17% en Lima. En la figura 1.
podemos visualizar el comportamiento de la aprobación presidencial en Lima del 2001 al 2011.
Gráfico 1. Aprobación Presidencial en Lima , 2001 - 2011
Fuente: Elaboración Propia. Eviews
Es interesante contrastar el comportamiento de la aprobación presidencial de Alejandro Toledo
con la aprobación presidencial de Alan García. Como afirman Arce y Carrión: los periodos de
“luna de miel “(variable dummy que busca contrastar los primeros seis meses de un presidente
2 Tasa de crecimiento anual del PBI : 2006 (6,40%);2007(8.00%);2008(9.00%); 2009 (9.80%); 2010 (0.90%) y
2011 (7.80%).
6
con el resto de meses de su mandato) son estadísticamente significativos y con signo negativo
para la presidencia de Alejandro Toledo; mientras que para Alan García los periodos de “luna de
miel” tienen signo positivo, pero no son significativos estadísticamente (2010, 44). Si, además
evaluamos el último año de gobierno Toledo (2005-2006) podemos constatar (ver Gráfico 2) la
importancia del “efecto de salida” que, a pesar de la tendencia particular con bajas tasas de
popularidad durante todo su mandato, su aprobación pasa de 8% en Enero 2005, Enero 2006
(16%), Junio 2006 (45%) para culminar en 38% en Julio 2006.
Gráfico 2. Comparativo de aprobación presidencial de Toledo y García en Lima.
Fuente: Elaboración Propia. SPSS
¿Igual pero diferente? : Popularidad Presidencial y Aprobación del Gobierno:
Cómo hemos mencionado anteriormente, a partir de los informes mensuales de opinión pública
de IPSOS - APOYO, hemos sistematizado los datos mensuales de: 1) Aprobación Presidencial y
2) Aprobación del Gobierno en Lima. La variable Aprobación Presidencial, perteneciente a la
sección de evaluación de autoridades públicas, es recogida a través de la pregunta ¿Aprueba o
Desaprueba la gestión del presidente de la república..?. Por otro lado la variable Aprobación del
Gobierno, que pertenece a la sección de evaluación de los poderes del estado, es aprehendida
por medio de la pregunta ¿Aprueba o desaprueba la gestión del gobierno de…? Es evidente que
la aprobación presidencial y la aprobación del gobierno siguen un comportamiento similar; sin
embargo, los picos no son tan pronunciados en la aprobación del gobierno.
7
Gráfica 3. Aprobación del Gobierno en Lima , 2001 - 2011
Fuente: Elaboración Propia. Eviews
En un primer nivel de análisis procedemos a sacar una correlación paramétrica de Pearson de
nuestras variables dependientes: la aprobación presidencial y la aprobación de gobierno. El R de
Pearson sale significativo y tiene un coeficiente de 0,974, lo cual aduce una correlación directa
fuerte. Podríamos interpretar este resultado como que ambos niveles de aprobación estarían
relacionados, pero no podemos aducir que uno cause a la otra y tampoco que ambos tienen los
mismos causantes. Para ello utilizaremos un análisis multivariante de series temporales que tiene
requisitos econométricos.
Gráfica 4. Correlación Aprobación Presidencial – Gobierno, distinguido por Gobernante.
Fuente : Elaboración Propia.
8
La relación entre aprobación presidencial y aprobación de gobierno es más directa y significativa
en el periodo de Alejandro Toledo, siendo la relación casi perfecta. Lo que podría estar
indicando una simetría en la identificación de la opinión pública entre la evaluación de
autoridades públicas y evaluación de los poderes del estado. Esta relación empieza a dispersase
durante el gobierno de Alan García, donde la evaluación del presidente adquiere mayor
independencia de la aprobación del gobierno (ver gráfica 4).
Volatilidad de la Aprobación Presidencial y Aprobación de Gobierno.
"Large changes tend to be followed by large changes, of either sign,
and small changes tend to be followed by small changes." (Mandelbrot, 1963).
Los fenómenos -que algunas veces se comportan regularmente mientras que otras, veces no-
ocurren cuando la volatilidad se presenta en clúster (agrupada). Estos fenómenos aparecen en
diversas series de tiempo políticas y económicas (Stock y Watson 2007, 664). Los modelos de
Heteroscedasticidad Condicional Autorregresiva (ARCH) cuantifican el clustering de la
volatilidad, es decir, la heteroscedasticidad condicional. Los modelos ARCH están
específicamente diseñados para modelar y pronosticar la varianza. Las series de popularidad
presidencial y la aprobación del gobierno exhiben periodos con baja volatilidad y algunos
periodos con alta volatilidad. Dado que la volatilidad se presenta en clústers, la varianza de la
popularidad presidencial y aprobación del gobierno puede ser pronosticada.
Los modelos EGARCH, son un tipo de modelos ARCH. Éstos modelan la varianza condicional
de la variable dependiente, dándole mayor fiabilidad a los resultados al controlar la
heterocedasticidad (Maestas y Preuhs: 2000). “Los Modelos EGARCH mejoran nuestra
habilidad de modelar la aprobación presidencial y de gobierno, dado que nos permite acomodar
tanto la conglomeración como la asimetría de la volatilidad, y además por qué nos permite el
uso restringido de valores en los parámetros”. (Arce y Carrión 2010, 369)
Sostenemos que modelar la variabilidad de los datos de series temporales, además de modelar la
media, nos proporciona una oportunidad única para explorar la dinámica de la volatilidad
asociada con los fenómeno políticos (Maestas y Preuhs 2000, 96).
9
Gráfica 5. Volatilidad de la Aprobación Presidencial en Perú, agosto 1985 – junio 2008.
Fuente : Arce y Carrión ( 2010,44).
Podemos afirmar que a comparación con la volatilidad de la aprobación presidencial de agosto
1985 – Junio 2008 (Gráfica 5). Ambas, presidencial y gobierno, son estacionarias, presentan
fluctuaciones estacionales. La aprobación presidencial y de gobierno presentan picos pero con
comportamientos cíclicos distintos.
Gráfica 6. Volatilidad de la Aprobación Presidencial y Volatilidad de la Aprobación del en Lima 2001-2011.
Fuente: Elaboración Propia. Eviews
10
Fuente: Elaboración Propia. Eviews
Como variables económicas hemos incluido, además de las variables trabajadas por Arce y
Carrión como inflación y salarios reales, el índice de empleo, el índice de precios al consumidor
y el PBI. Escogemos estos tres indicadores que usan información agregada porque recogen
información que incide en la percepción ciudadana. En particular apostamos por el índice de
empleo y el índice de precios al consumidor debido a que indican directamente el desempeño en
la economía familiar. El primero terminaría afectando los ingresos, el nivel adquisitivo; el
segundo, la orientación del gasto y la especulación. En cuanto al PBI lo recogemos debido a que
Ray Fair lo considera dentro de su análisis y le resulta significativo. Nosotros quisimos probar si
conseguía algún nivel de explicación.
Hemos construído nuestra base de datos con las siguientes variables.
● La variable Empleo Lima Metropolitana es un índice con base mayo medida
mensualmente. La información recogida es en base a la Encuesta Nacional de Variación
Mensual de Empleo de Empresas de 10 y más trabajadores del sector privado elaborada
por el Ministerio de Trabajo y Promoción del Empleo.
● La variable Remuneración Mínima Vital mensual está en soles con periodo base de 1994.
El INEI almacena información desde 1962 y el organismo que la actualiza es también el
Ministerio de Trabajo y Promoción del Empleo.
11
● La variable Índice de Precios al Consumidor con base 2009 es recogida de manera
mensual por el Instituto Nacional de Estadística Metropolitana.
● La variable Ínflación la obtuvimos del Sistema Subregional de Información Estadística de
la Secretaría General de la Comunidad Andina de Naciones.
● La variable Producto Bruto Interno la hemos sacado de la sección de estadísticas del
Banco Central de Reserva del Perú que dispone información de indicadores económicos y
otros basados en encuestas.
Los modelos autorregresivos integrados de medias móviles (ARIMA) tienen a la variable
endógena (o dependiente) que es explicada por las observaciones a periodos anteriores. Si el
modelo es univariante, la endógena de un periodo t es explicada por s observaciones de ella
misma; para un modelo multivariante serían las observaciones de las variables exógenas las que
terminarían explicando. Para que podamos utilizar este modelo debemos tener en cuenta la
estacionalidad (si la varianza es constante o no y si la media es constante o no.
Para aplicar este modelo podemos hacer uso de paquetes estadísticos como el SPSS o el E-views.
El SPSS dispone de un modelador experto que simplifica los pasos puesto que trata de acomodar
a través de su algoritmo el modelo que mejor se ajusta a la tendencia y las variables que mejor
estiman el modelo. En el E-views es necesario trabajar paso a paso validando lo que encontremos
con pruebas estadísticas como el Dickey-Fuller para evaluar la estacionalidad o el test
Potmanteau para ver si los residuos están correlacionados.
Procedemos a ver el correlograma de nuestras variables dependientes para ver cómo se
comportan. Nuestro modelo 1 trabajará con la aprobación a la presidencia como endógena y
nuestro modelo 2 con la aprobación del gobierno.
12
Gráfica 7. Correlogramas de la Aprobación Presidencial y Volatilidad de la Aprobación del en Lima 2001-
2011.
Fuente: Elaboración Propia.
En la correlación parcial no existe estacionalidad si todas las barritas están dentro de las bandas
que trabajan al 95% de confianza. El primer retardo siempre sobrepasa, lo ideal es ver los
siguientes. Vemos que para 30 retardos solo el cuarto en cada uno estaría saliendo de las bandas.
Dado que utilizaremos el modelador experto no será necesario filtrar ya que este puede asumir
como no la estacionalidad.
En los siguientes cuadros presentamos los estadísticos del modelo y podemos comprobar que nos
sale significativo nuestro modelo 2 (que tiene como variable dependiente a la aprobación del
gobierno) y que el modelo 1 no lo es. En los parámetros del modelo detectamos que la variable
índice de empleo terminaría siendo el único predictor significativo tanto sin retardos como con
dos retardos.
13
Tabla 1. Modelos 1 y 2 con la técnica ARIMA.
Model Statistics
Model Number of
Predictors
Model Fit
statistics
Ljung-Box Q(18) Number of
Outliers
Stationary R-
squared
Statistics DF Sig.
apropresidencia-
Model_1
1 .072 23.070 18 .188 0
aprogobierno-Model_2 1 .080 29.907 18 .038 0
Tabla 2. Parámetros estimados para los modelos 1 y 2.
ARIMA Model Parameters
Estimate SE t Sig.
apropresidencia-
Model_1
apropresidencia Square
Root
Difference 1
srealima Square
Root
Delay 7
Numerator Lag
0
1.238 .412 3.008 .003
Difference 1
aprogobierno-
Model_2
aprogobierno Square
Root
Difference 1
empleolima Square
Root
Delay 5
Numerator Lag
0
1.516 .598 2.536 .013
Difference 1
Denominator Lag
2
-.597 .206 -2.894 .005
Fuente: Elaboración Propia. Eviews
Lo presentado se circunscribe a la los modelos que representan las vinculaciones de la economía
en la política. Nosotros hemos trabajado el vínculo economía-percepciones ya que proponemos
que el desempeño económico termina afectando la valoración de los gobernantes y de sus
instituciones. Con la base de datos que hemos podido armar encontramos sustento empírico de
que las valoraciones (aprobación al presidente y aprobación al gobierno) han variado de manera
muy parecida pero que tienen diferentes causantes. Debido a que nuestro modelo 2 es el válido
14
podemos hacer extensiva las conclusiones que Weyland y Carrión y Arce hicieron
respectivamente: que otras variables económicas saldrían a flote si es que no hay problemas de
inflación. En nuestro caso, debido a que inflación no sale significativa y sí la variable empleo,
podemos decir que en un contexto más estable que antes, con un crecimiento económico
constante en los últimos años, parece dar pie a que la gente califica el desempeño del gobierno
(más no del presidente) en función a si tiene empleo o no.
7) Bíbliografía:
ARCE, Moisés y CARRIÓN, Julio (2010) : ”Presidential Support in a Context of Crisis and
Recovery in Peru, 1985-2008,” Journal of Politics in Latin America 2, 1 (2010): 31-51.
ARCE, Moisés y CARRIÓN, Julio (2010) : "Economía y política en la opinión pública: Un
análisis de la popularidad presidencial en el Perú," La iniciación de la política: El Perú en
perspectiva comparada, Carlos Meléndez y Alberto Paniagua, eds. Lima, Fondo Editorial de la
Pontificia Universidad Católica del Perú.
COHEN, JEFFREY (2004) : “Economic Perceptions and Executive Approval in Comparative
Perspective” .Political Behavior, Vol. 26, No. 1 (Mar., 2004),
DOWNS, Anthony (1957) : “An Economic Theory of Democracy”. Nueva York : Harper &
Row.
FAIR, Ray C. (1996) : “Econometrics and Presidential Elections”.Journal of Economic
Perspectives.Volume 10, Number 3 - Summer 1996- Páginas : 89 - 102.
FAIR, Ray C. (2002) :” Predicting Presidential Elections and Other Things”. Stanford Business
Book. Standford, California.
15
LEWIS-BECK, Michael y PALDAM, Martin (2000). “Economic voting: an introduction”.
Electoral Studies 19, 113 - 121.
MAESTAS, Cherie y PREUHS, Robert (2000) : “Modeling Volatility in Political Time Series”.
Electoral Studies 19 (2000) 95-100.
NGURAH AGUNG, I GUSTI (2009) : Time Series Data Analysis Using EViews.John Wiley &
Sons (Asia) Pte Ltd.
STOKES, Susan (1996) : “Economic Reform and Public Opinion in Peru, 1990-
1995”.Comparative Political Studies 1996 29: 544
STOCK, James H. y WATSON, Mark W. (2007) :“Introduction to Econometrics”. Segunda
Edición. Pearson Education, Inc