Universidad Nacional de

San Agustn.

ESTIMACION DE LA CURVA
DE LAFFER PARA EL PERU
1980-2012

Bernedo Fuentes, Ana

Mara.
Huamani Nina, Claudia

PRESENTACION
Para el anlisis de este trabajo se recolectaron
los ingresos tributario de nuestro pas as del
periodo de 1980 a 2012, haciendo un anlisis
anual para ver si las tasas impositivas tiene
alguna influencia sobre las ingresos tributarios,
para esto hacemos uso de la teora sobre la
curva de Laffer, utilizando esta como base
para nuestro anlisis. Entonces en este
documento podremos apreciar la actualidad de
la curva de Laffer en la economa peruana.

Ana Bernedo - Claudia Huamani

TITULO:

ESTIMACION DE LA CURVA DE LAFFER PARA LA

ECONOMIA PERUANA
1980-2012

OBJETIVO:
Determinar si la tasa impositiva
al consumidor es la adecuada
para el incremento de los
ingresos tributarios.

HIPOTESIS
La tasa impositiva actual no es la
correcta para conseguir un punto
mximo
en
los
ingresos
tributarios del pas.

PREGUNTA CENTRAL:
La tasa impositiva al consumidor
es
la
adecuada
para
el
incremento
de
los
ingresos
tributarios?

Ana Bernedo - Claudia Huamani

MODELO

MARCO TEORICO
La curva de Laffer se basa en que al tener un tasa de
impuestos muy alta, esta incentivara a la evasin y
mayor elusin del los impuestos , o si se tuviera una
tasa demasiado baja, entonces el Gobierno no contara
FUENTE: Banco CENTRAL DE Reserva Del Per, Instituto
con los recursos necesarios para poder cumplir con sus
Nacional de Estadstica, Superintendencia de Banca y Seguros,
funciones de estado.
Ministerio de economa y Finanzas.
Entonces la curva de Laffer representa la relacin
existente entre los ingresos fiscales y los tipos
MODELO ECONOMICO
impositivos, mostrando como varia la recaudacin
fiscal al modificar los tipos impositivos. Fue difundida
Ingresos tributarios per capita= f(Ingresos
por el economista Arthur Laffer.
tributarios como porcentaje del PBI al
Al representar los ingresos fiscales en relacin con el
cuadrado,
Ingresos
Tributarios
como
tipo impositivo, si el tipo impositivo es cero, los
porcentaje del PBI.)
ingresos fiscales sern tambin nulos. Si, por el
contrario, los tipos impositivos son del 100%, los
ingresos fiscales tambin se anularn, nadie ofrecera
ni demandara el bien en cuestin. Segn Laffer, entre
MODELO ECONOMETRICO
estos dos puntos extremos, los ingresos en funcin del
tipo primero aumentarn para a continuacin disminuir
hasta llegar a cero. El fundamento matemtico es
elteorema de Rolle en virtud del cual si el ingreso
fiscal es una funcin continua del tipo impositivo,
entonces tiene (al menos) un mximo (ya que se trata
de una funcin siempre positiva) en un punto
intermedio del intervalo, pero no necesariamente en el
centro.
La curva de Laffer muestra que el incremento de los
tipos impositivos no siempre conlleva un aumento de
la recaudacin fiscal. La caracterstica ms importante
de esta curva reside en que indica que cuando el tipo
impositivo es suficiente alto (t* ), si se sube an ms,
los ingresos recaudados pueden terminar
disminuyendo. La disminucin de la oferta del bien
reduce
hasta tal punto los ingresos fiscales que la
Ana Bernedo - Claudia
Huamani
subida del tipo impositivo no compensa la disminucin

RESULTADOS Y CONCLUSIONES

BASE DE
DATOS

TENEMOS QUE TENER EN

CUENTA
Para poder hallar el punto
mximo u optimo de tasa
impositiva
aplicamos
la
siguiente formula.
Adems para evidenciar la
curva de Laffer se espera
tener
los
parmetros
de
regresin
estadsticamente
significativos, el primer beta
consigo positivo y el segundo
con signo negativo, ya que se
esta manera se tendra una
curva en forma de U invertida.

DIAGRAMA DE DISPERSIN DEL ITR

Diagrama de dispersion
.003025

.0025

.003

Ingreso Tribitario real per capita

.002475
.002374

.002
.0015

itr

.00161

.001
.0005

.002084
.001963

.002078
.001925
.001773

.001754
.001688
.001626
.001469 .001472

.001509

.000918

.001176
.001057
.001045
.000994
.000996
.000982
.000964
.000904
.000896
.000892
.000874
.000858

.000706
.000676
.000633
.000548
.000529

1980

1990

Aos

2000

Autoras: Ana Bernedo y Claudia Huamani

Ana Bernedo - Claudia Huamani

2010

Diagrama en barras de las ITR

Ingreso Tributario real per capita

.0005

.001

.0015

itr

.002

.0025

.003

Diagrama de dispersion

1980

1990

Aos

2000

Autoras: Ana Bernedo y Claudia Huamani

Ana Bernedo - Claudia Huamani

2010

Ingreso tributario
.003

Diagrama de Dispersion y Covarianza

100
200
300
INGRESOS TRIBUTARIOS AL CUADRADO

400

Dado que los puntos de dispersin

en la grafica ITR-IT se presentan en
el cuadrante uno y dos y tres ; se
puede entonces decir que hay una
relacin directa.
Ingreso tributario
Diagrama de Dispersion y Covarianza

Dado que los puntos de dispersin

en la grafica ITR-IT2, se presentan
en el cuadrante uno y tres; se
puede entonces decir que hay una
relacin directa.

.001

.0015

itr

DIAGRAMA DE DISPERSIN
DEL ITR Y DEL IT2

.002

.0025

.003

.0005

.0005

.001

.0015

itr

.002

.0025

DIAGRAMA DE DISPERSIN
DEL ITR Y DEL IT

10

Ana Bernedo - Claudia Huamani

12

IT %

14

16

18

Primera
Regresin

Los valores de t nos

muestran
la
importancia
de
las
variables del modelo,
en nuestro caso a mas
importante
seria
la
variable de porcentaje
de ingresos de acuerdo
al PBI al cuadrado.

Este valor nos muestra la

fiabilidad
de
que
nuestras
variables
independientes
expliquen
nuestro
ingreso
tributario. Vemos que p<0.05
entonces el modelo muestra una
relacin
estadsticamente
significativa entre las variables.

Vemos
que
la
probabilidad p es mayor
a
0.05.
Entonces En nuestro caso vemos
decimos
que
las que el modelo explica
en
63.86% de la
variables
independientes no son varianza en el nivel de
ingresos
tributarios
estadsticamente
significativas
en
la reales per capita.
Ana
Bernedo
Claudia
Huamani
explicacin de nuestra

ESTACIONALIDAD

En la prueba de
Dicker Fuller,
vemos que las
variables son
estacionales,
pero podramos
conseguir una
estacionalidad
perfecta.

 GRAFICOS DE LAS
VARIABLES: Vemos
que no son tan
estacionales
grficamente.

LOG LOG

Vemos que la variable Lnit

nos sale como omitida, por
lo que no podemos tomar el
modelo.

Este valor nos muestra la fiabilidad de que

nuestras variables independientes expliquen
nuestra variable dependiente. Vemos que
0<0.05 entonces el modelo muestra una
relacin estadsticamente significativa entre
las variables. Es decir si existe una relacin
significativa entre nuestras tres variables.

Vemos que la probabilidad p

en la mayora de los casos es
menor a 0.05. Entonces
decimos que las variables
independientes
son
estadsticamente
significativas
en
la
explicacin de la variable
Ana Bernedo - Claudia Huamani
dependiente.

En nuestro caso vemos

que el modelo explica
en
54.36% de la
varianza en el nivel de
ingresos
tributarios
reales per capita.

LOG LIN

Vemos que el signo de

nuestra variable it es
negativo y de it2 positivo,
por lo que el grafico nos
saldra en forma de U.

Este valor nos muestra la fiabilidad de

que nuestras variables independientes
expliquen nuestra s ventas. Vemos que
p<0.05 entonces el modelo muestra una
relacin estadsticamente significativa
entre las variables.

Vemos que la probabilidad p en

algunas variables es mayor a 0.05.
Entonces decimos que hay variables
independientes
que
no
son
estadsticamente significativas en la
explicacin de ITR.
Ana Bernedo - Claudia Huamani

En nuestro caso
vemos que
el
modelo explica en
59.44%
de
la
varianza en el nivel
de
ingreso
tributario real per
capita.

PRIMERA DIFERENCIA

gen ITRD1=D.itr
gen
IT2D1=D.IT2
gen itD1=D.it

REGRESION
CON 1RA
DIFERENCIA

Vemos que el signo de

nuestra variable it es
negativo y de it2 positivo,
por lo que el grafico nos
saldra en forma de U.

Este valor nos muestra la fiabilidad de

que nuestras variables independientes
expliquen nuestra s ventas. Vemos que
p<0.05 entonces el modelo muestra una
relacin estadsticamente significativa
entre las variables.

Vemos que la probabilidad p en

algunas variables es mayor a 0.05.
Entonces decimos que hay variables
independientes
que
no
son
estadsticamente significativas en la
explicacin de ITR.
Ana Bernedo - Claudia Huamani

En nuestro caso
vemos que
el
modelo explica en
69.61%
de
la
varianza en el nivel
de ventas.

PRIMERA DIFERENCIA EN LOGARITMO

gen LnITRD1=D.LnITR
gen LnIT2D1=D.LnIT2
gen LnitD1=D.Lnit

1RA
DIFERENCIA
EN
LOGARITMO

Vemos que el signo de

nuestra variable it es
positivo y de it2 negativo,
por lo que el grafico nos
saldra en forma de U
invertida.

Este valor nos muestra la fiabilidad de

que nuestras variables independientes
expliquen nuestra s ventas. Vemos que
p<0.05 entonces el modelo muestra una
relacin estadsticamente significativa
entre las variables.

Vemos que la probabilidad p

en la constante en mayor a
0.05.Mientras que las dems
si, Entonces decimos que las
variables independientes son
estadsticamente
significativas en el itr.
Ana Bernedo - Claudia Huamani

En nuestro caso vemos

que el modelo explica
en
53.24% de la
varianza en el nivel del
ITR.

 Grficos de las
variables: Vemos
que
en
estos
grficos
la
estacionalidad ya
se ve mas clara.

MODELO ELEGIDO
REGRESION 1RA DIFERENCIA
EN LOGARITMO

Supuesto de
especificacin

HO: EL modelo esta bien

especificado.
H1: el modelo no esta bien
especificado

Como 0.0637>0.05, entonces aceptamos la hiptesis nula y

decimos que el modelo
Esta bien especificado, es decir las variables independientes
cumplen en explicar
bien el modelo.

SUPUESTO de HOMOCEDASTICIDAD

Dado que 0.9346>0.05 se acepta la hiptesis nula,

los trminos del error tienen
Igualdad de varianzas. Hay homocedasticidad.

Supuesto de Auto
correlacin

Dado que 1,199 se acerca a 2 podemos afirmar

que NO EXISTE AUTOCORRELACION

Supuesto de normalidad

Hallando la curva LAFER peruana

1980 -2012
Para hallar el punto
mximo
de
recaudacin, se deriva
los ingresos tributarios
reales
per cpita respecto a
los ingresos tributarios
como porcentaje del
PBI