1. Bienes considerados

Para ofrecer resultados comparables con los obtenidos por ^{Urzúa (2008)}, se analizan los siguientes bienes:¹³

Todos estos bienes, excepto la tortilla de maíz, leche y cerveza combinan varios bienes reportados en la ENIGH en un solo bien compuesto. Es notable que el bien compuesto llamado medicamentos incluya un numero de códigos mucho mayor que los otros bienes considerados (32, comparado con cinco para pollo y huevo o carnes procesadas).

2. Distribuciones de valores unitarios

El Cuadro 1 presenta estadísticas descriptivas de los valores unitarios de los siete bienes analizados. Es probable que, como toda encuesta, las ENIGH contengan errores de captura. Por otra parte, es improbable que algún hogar haya pagado más de 100 pesos por un kilogramo de tortilla de maíz o 945 pesos por un kilogramo de carnes procesadas, como aparece en las bases de datos. Consideramos que es recomendable excluir los valores extremos de los valores unitarios para atenuar las distorsiones al análisis.¹⁴ Asimismo, se debe recalcar que el rango de valores unitarios de la categoría medicamentos es muy amplio, lo que refleja la diversidad de bienes que contiene este bien compuesto, tema al que regresaremos en la sección III.

Fuente: ENIGH (2006).

Cuadro 1: Estadísticas descriptivas de valores unitarios 

1. El método de Deaton

Una descripción detallada del método de Deaton está fuera del alcance del presente trabajo; se refiere al lector interesado a ^{Deaton (1997)}. Sin embargo, parece apropiado presentar una breve descripción del procedimiento. Deaton postula la existencia de una relación estable -por medio de mercados, conglomerados o unidades primarias de muestreo (UPM) en este caso- entre valores unitarios, gasto y precios siendo, por tanto, estimable estadísticamente. En su versión simplificada, esta relación se puede escribir como:

(3)

La ecuación describe una relación lineal entre el logaritmo del valor unitario (υ) del bien i para el hogar h ubicado en el conglomerado c, su gasto total (x), sus características sociodemográficas (z), y el precio del bien i(p).¹⁷

Intuitivamente, conforme aumenta el ingreso del hogar (y por tanto su gasto total) aumentará la calidad del bien consumido y, por ende, el gasto por unidad (valor unitario o υ). Si éste es el caso, el parámetro β será positivo. Asimismo, las características del hogar como la edad de sus integrantes y su nivel de educación suelen afectar las decisiones de consumo, por lo que se incluyen como variables de control. Por otro lado, un aumento en el precio aumenta el valor unitario, pero no uno a uno pues el hogar tiende a consumir bienes de menor calidad cuando éstos son más caros. En este caso, el parámetro Ψ será positivo, pero menor a uno. Finalmente, notamos que si el ingreso y las características sociodemográficas no afectan la calidad del bien adquirido, el valor unitario depende sólo del precio (si α = β = γ = 0). Si además las diferencias en calidad o variedad no desempeñan un papel relevante, Ψ = 1 y el valor unitario es igual al precio.

El segundo supuesto básico del método es la existencia de una relación estable entre la proporción del gasto del hogar h ubicado en el conglomerado c que destina a compras del bien i(lnw _hci ), el gasto total del hogar h ubicado en el conglomerado c(lnx _hc ), las características sociodemográficas del hogar (z _hc ) y el precio de ese bien en dicho conglomerado (p _c ):

(4)

El lado derecho de la ecuación (4) es casi idéntico al de la ecuación (3); la única diferencia es que el error incluye un componente a nivel conglomerado (f). La principal relación de interés aquí es entre el gasto en el bien i(w)y el precio de este bien (p). Uno esperaría observar una relación negativa entre estas dos variables -mientras más caro es el bien, menos se consume-.

A primera vista, las ecuaciones (3) y (4) son imposibles de estimar ya que incluyen los precios, que no son observables, como variable explicativa. Sin embargo, si postulamos que todos los consumidores que viven en un conglomerado enfrentan los mismos precios, podemos estimar estas ecuaciones como desviaciones de las medias en cada conglomerado, logrando que los precios se cancelen. Es decir, en lugar de la ecuación (4), se estima el modelo siguiente:

(5)

que es la ecuación (4) expresada en diferencias de la media de cada variable, donde los términos αi1-αc-1, θlnpc-lnp-c y fc-fc- desaparecen por ser iguales a cero, ya que no varían al interior de cada conglomerado.

Habiendo estimado los parámetros γ y β junto con la matriz de varianzas y covarianzas de los residuales u en una primera etapa, se calculan valores unitarios y proporciones de gasto promedio por conglomerado y libres del efecto ingreso según las siguientes expresiones:

(6)

(7)

De estas expresiones, junto con la matriz de varianzas y covarianzas de las u, es posible obtener un valor de Ψ/θ. Mediante algo de álgebra, es posible derivar las elasticidades precio de interés del cociente Ψ/θ.¹⁸

De esta manera, la primera etapa del procedimiento aprovecha diferencias entre hogares en un mismo conglomerado para identificar los parámetros β y γ. La segunda etapa aprovecha las diferencias en precios entre conglomerados para identificar los parámetros Ψ y θ que, a su vez, permiten calcular elasticidades. De esta manera, la estimación se basa en el supuesto de que los precios son uniformes dentro de un conglomerado, pero diversos entre conglomerados. Además, la identificación de las elasticidades requiere de un número suficiente de conglomerados. Pruebas de la certeza del método de Deaton en relación con métodos alternativos han arrojado resultados mixtos (^{Lahatte, et al., 1997}, ^{Gibson y Rozelle, 2005}). En general, parece que el método es apropiado cuando es necesario estimar elasticidades, pero no se cuenta con datos sobre precios. Sin embargo, los resultados pueden ser erróneos debido a la rigidez de la especificación del modelo utilizado.

En los resultados que se presentan a continuación, se estima una versión del modelo ya descrito que incluye los precios de los otros bienes analizados como variables de control adicionales en las ecuaciones (3) y (4). Así, la versión general del modelo permite que existan efectos cruzados de precio; es decir, que un cambio en el precio de la leche afecte, por ejemplo, la demanda por carnes procesadas. Siguiendo a ^{Urzúa (2008)} y ^{Deaton (1990)}, las variables de control sociodemográficas utilizadas son: edad del jefe del hogar, nivel de educación del jefe del hogar, logaritmo del número de habitantes del hogar, proporción de los habitantes del hogar de género femenino entre las edades de 0−12, 13−25, 26−45, 45−65 y más de 65 años de edad, y las mismas variables para habitantes de género masculino.

2. Estimaciones de las elasticidades reportadas en ^{Urzúa (2008)}

El Cuadro 2 presenta las elasticidades precio de la demanda reportadas en ^{Urzúa (2008)} junto con los errores estándar asociados a su estimación.

Fuente: ^{Urzúa (2008)}.

^a Entre paréntesis se presentan errores estándar reportados por ^{Urzúa (2008)}.

Cuadro 2: Elasticidades precio de la demanda reportados por ^{Urzúa (2008)} para el año 2006^a 

Como nota ^{Urzúa (2008)}, las elasticidades estimadas son negativas en todos los casos y los errores estándar son relativamente pequeños. Sin embargo, existen peculiaridades que vale la pena subrayar. La primera es que la elasticidad precio de la demanda por tortilla de maíz en zonas urbanas sea más de cuatro veces mayor que la elasticidad precio de la demanda por tortilla de maíz en zonas rurales, lo que equivale a que ante un aumento de precios, en términos porcentuales, los consumidores urbanos disminuyan cuatro veces más su consumo de ese bien que los consumidores rurales. Esto es sorprendente considerando que fabricar tortillas en casa es una alternativa más común en zonas rurales que en zonas urbanas. También llama la atención que el error estándar de la elasticidad precio de la tortilla de maíz en zonas rurales sea uno de los dos más bajos, y que sea una sexta parte de su valor en zonas urbanas, a pesar de que la estimación en zonas rurales se base en un número menor de conglomerados (más detalle sobre esto en la sección III).

Finalmente, es notable que la elasticidad precio de la demanda reportada para medicamentos sea de las más altas. En muchos de los casos, si no es que en la mayoría, los medicamentos son necesidades y es extraño pensar que su consumo disminuya tan fuertemente ante cambios en sus precios. En las zonas urbanas la elasticidad precio de los medicamentos es 70% mayor que la elasticidad precio de la cerveza o del pollo y casi cuatro veces mayor que la de las carnes procesadas.

El Cuadro 3 presenta elasticidades estimadas para el sector urbano en 2006. La primera columna presenta los resultados reportados por ^{Urzúa (2008)}. La segunda presenta nuestro intento de reproducir esos resultados. Aunque las estimaciones puntuales son distintas, las diferencias no son estadísticamente significativas.²⁴ Sin embargo, es aparente que los errores estándar que obtenemos son mayores a los reportados por Urzúa en todos los casos.

Fuente: Cálculos propios; ENIGH 2006, Materiales proporcionados por Urzúa; ^{Urzúa (2008)}.

^a Entre paréntesis se presentan errores estándar calculados con técnicas de remuestreo.

^b Localidades de más de 2 499 habitantes se consideran urbanas.

^{cUrzúa (2008)} no reporta el número de hogares o de UPM en sus estimaciones.

^d Se construyen las variables utilizadas en el análisis de acuerdo con la metodología propia descrita en la sección III.1.

Cuadro 3: Elasticidades precio de la demanda, zonas urbanas, 2006^{a, b} 

Las columnas 3-7 presentan resultados de algunas variantes de la estimación, con base en los tratamientos sugeridos con anterioridad. Para la tortilla de maíz, los resultados son cualitativamente consistentes a través de las especificaciones y en ningún caso podría rechazarse la hipótesis de una elasticidad precio de −1 para este bien. En contraste, vemos dos instancias en las que las elasticidades reportadas para carnes procesadas son positivas, mientras que para medicamentos esto ocurre en cuatro casos. En otros casos, las elasticidades reportadas son consistentemente negativas, pero algo más variables que para la tortilla.

Esta sensibilidad de las estimaciones se debe a dos características de los datos. Por un lado, la alta proporción de hogares que consumen tortilla de maíz se traduce en una relativa abundancia de datos sobre sus valores unitarios y proporciones del gasto total de los hogares (se cuenta con información de 11331 hogares en zonas urbanas y 4578 en zonas rurales). En contraste, sólo 5 598 hogares encuestados en zonas urbanas compraron carnes procesadas en 2006. Por otro lado, la tortilla de maíz es un bien relativamente homogéneo, y la abundancia de datos sobre su compra permite estudiarlo de forma aislada, no como parte de un bien compuesto. En contraste, los medicamentos son sumamente heterogéneos y, por lo mismo, presentan una variedad inverosímil de valores unitarios (véase el Cuadro 1).

El Cuadro 4 reporta resultados análogos a los presentados en el Cuadro 3 para zonas rurales. Una vez más, nuestra reproducción de ^{Urzúa (2008)} no es exacta pero, excepto en el caso de pollo y huevo, no se puede rechazar la hipótesis nula de que las elasticidades que estimamos son iguales a las que estima Urzúa. En el caso de zonas rurales son aún más evidentes los problemas que genera el tamaño de muestra limitado. Las columnas 2 y 3 reportan resultados usando una definición amplia de rural (localidades de menos de 15000 habitantes) mientras que las columnas 4-7 usan una definición más estricta de zona rural (localidades de menos de 2 500 habitantes). Mientras que la base de datos cuenta con 2 474 conglomerados en zonas urbanas, sólo contiene información de 433 o 311 para zonas rurales, dependiendo de la definición utilizada. Como es de esperarse, esto se refleja en errores estándar muy altos. En la mayoría de los casos no es posible decir con confianza si la elasticidad es positiva o negativa.

Fuente: Cálculos propios; ENIGH 2006, Materiales proporcionados por Urzúa; ^{Urzúa (2008)}.

^a Entre paréntesis se presentan errores estándar calculados con técnicas de remuestreo.

^{bUrzúa (2008)} no reporta el número de hogares o de UPM en sus estimaciones.

^c Se construyen las variables utilizadas en el análisis de acuerdo con la metodología propia descrita en la sección III.1.

^{dUrzúa (2008)} define localidades de menos de 15 000 habitantes como rurales. La definición estricta define localidades de menos de 2 500 habitantes como rurales.

Cuadro 4: Elasticidades precio de la demanda, zonas rurales, 2006^a 

En conclusión, encontramos que las estimaciones puntuales son sensibles a cambios menores en el manejo de los datos y el procedimiento de estimación. Además, suelen tener intervalos de confianza amplios de suerte que a final de cuentas no son significativamente diferentes de −1. En particular, la escasez de datos de compras en zonas rurales dificulta la estimación de elasticidades específicas al sector rural.

3. Diferencias en elasticidades precio entre los sectores rural y urbano

A continuación, presentamos nuestras estimaciones de las elasticidades precio de los bienes concernidos para los años 2006-2012 que adoptan las correcciones y las alternativas metodológicas descritas en la sección III, así como una estimación que utiliza las cuatro ENIGH (2006, 2008, 2010 y 2012) de manera conjunta. En particular:

El Cuadro 5 presenta resultados de nuestras estimaciones de las elasticidades en zonas urbanas. Todas las elasticidades excepto una son negativas, como uno esperaría. Los errores estándar varían según el tamaño de muestra en cada año, siendo 2008 el año con el mayor número de conglomerados y los menores errores estándar y 2012 el año con el menor número de conglomerados y los mayores errores estándar. La estimación conjunta provee los resultados más precisos -medidos por el valor de los errores estándar, excepto en el caso de la cerveza.

Fuente: Cálculos propios con base en ENIGH 2006, 2008, 2010 y 2012.

^a Entre paréntesis se presentan errores estándar calculados con técnicas de remuestreo.

^b Localidades de más de 14 999 habitantes se consideran urbanas.

Cuadro 5: Elasticidades precio de la demanda por año, zonas urbanas^{a, b} 

El Cuadro 6 presenta nuestras elasticidades estimadas para localidades de menos de 15000 habitantes junto con sus errores estándar. En comparación con los resultados para zonas urbanas, las elasticidades estimadas para zonas rurales muestran más variación entre años y mayores errores estándar. En cinco casos, la elasticidad estimada es positiva aunque los errores estándar en estos casos son mayores a la estimación puntual, indicando que la estimación no es precisa y por tanto el valor no es significativamente diferente de cero. Este resultado es la consecuencia de tamaños de muestra más pequeños.

Fuente: Cálculos propios con base en ENIGH 2006, 2008, 2010 y 2012.

^a Entre paréntesis se presentan errores estándar calculados con técnicas de remuestreo.

^b Localidades de menos de 15 000 habitantes se consideran rurales.

Cuadro 6: Elasticidades precio de las demandas por año, zonas rurales^{a, b} 

En cuanto a la estimación utilizando las cuatro ENIGH de manera conjunta, las elasticidades estimadas son negativas en los seis casos, pero los intervalos de confianza siguen siendo amplios; por ejemplo, la elasticidad estimada conjuntamente para pollo y huevo se ubica dentro de un intervalo que va de −0.91 a 0.0707 con un nivel de confianza de 95%.

La diferencia entre las elasticidades precio de la demanda en zonas rurales y urbanas es, a final de cuentas, una pregunta empírica. La pregunta adquiere importancia para este análisis a la luz de las dificultades ya demostradas en estimar elasticidades para zonas rurales de manera precisa. El Cuadro 7 presenta pruebas estadísticas de la existencia de diferencias entre las elasticidades en zonas urbanas y rurales. En ningún caso se puede rechazar con 95% de confianza la posibilidad de que éstas son iguales. Las pruebas presentadas incluyen a las elasticidades presentadas en ^{Urzúa (2008)} así como las elasticidades estimadas de manera conjunta con información de las cuatro ENIGH 2006-2012.²⁶

Fuente: Cálculos propios con base en ENIGH 2006, 2008, 2010 y 2012; ^{Urzúa (2008)}.

^a Reflejan los resultados de una prueba t. Asteriscos indican el nivel de significancia *** 1%, ** 5% y * 10%.

^b Localidades de menos de 15 000 habitantes se consideran rurales.

Cuadro 7: Pruebas de significancia estadística de diferencias entre zonas, urbanas y rurales^{a, b} 

En conclusión, la evidencia empírica indica que las elasticidades precio de las demandas por los bienes considerados en zonas urbanas no son estadísticamente diferentes de las que prevalecen en las zonas rurales, y que no se cuenta con la capacidad de estimar dichas elasticidades con precisión en estas últimas.²⁷ Por lo tanto, es recomendable estimar las elasticidades sin distinguir entre zonas urbanas y rurales, aprovechando al máximo la información disponible.

4. Diferencias en elasticidades precio a lo largo del tiempo

Dada la existencia de cuatro ENIGH, es importante determinar si el comportamiento de los consumidores (medido por las elasticidades precio estimadas) ha cambiado durante el periodo 2006-2012. El Cuadro 8 presenta nuestras estimaciones de elasticidades precio de la demanda para cada encuesta sin diferenciar entre zonas urbanas y rurales por las razones señaladas con anterioridad. En general, aunque no en todos los casos, los errores estándar son menores que para zonas urbanas; éste es el caso para todos los bienes en la estimación conjunta. Una vez más, los resultados para 2012 son los menos precisos debido a su menor tamaño de muestra. Hay una ganancia sustancial en precisión al hacer una estimación conjunta, aprovechando los 12 394 conglomerados disponibles.

Fuente: Cálculos propios con base en ENIGH 2006, 2008, 2010 y 2012.

^a Entre paréntesis se presentan errores estándar calculados con técnicas de remuestreo.

Cuadro 8: Elasticidades precio de las demandas por año, todos los hogares^a 

Algunos de los resultados parecen apoyar la hipótesis de que los hogares mexicanos se volvieron más sensibles a los precios durante la reciente crisis financiera mundial y sus secuelas. Las elasticidades estimadas son mayores en 2008 y 2010 para la tortilla de maíz, las carnes procesadas y la cerveza.

Sin embargo, no todas las elasticidades estimadas son consistentes con esta hipótesis; por ejemplo, el pollo y huevo muestran el patrón opuesto.

Para determinar la medida en la cual las diferencias en elasticidades a lo largo del tiempo son estadísticamente significativas, el Cuadro 9 presenta resultados de pruebas estadísticas de las diferencias entre elasticidades a lo largo de los años. En seis de las 36 comparaciones reportadas las diferencias son estadísticamente significativas al nivel de confianza de 95%. En particular, la elasticidad precio de la demanda por tortillas de maíz es mayor en 2008 y 2010 que en 2006 y 2012. Asimismo, la demanda por carnes procesadas es significativamente más elástica en 2006 comparado con 2008 (aunque sólo a un nivel de confianza de 90%) y 2010. Es notable que no se registren diferencias significativas entre 2006 y 2012.

Fuente: Cálculos propios con base en ENIGH 2006, 2008, 2010 y 2012; ^{Urzúa (2008)}.

^a Reflejan los resultados de una prueba t. Los asteriscos indican el nivel de significancia *** 1%, ** 5% y *10%.

Cuadro 9: Pruebas de significancia estadística de diferencias entre elasticidades entre años^a 

En términos generales, la evidencia no apoya la hipótesis de un patrón sistemático de cambio estructural. En el contexto del estudio actual, en el que las diferencias entre años no son de interés central, parece prudente aprovechar la riqueza de datos de la estimación conjunta para así llegar a las estimaciones de elasticidades más precisas posible.

1. El nexo entre elasticidades, estructura de mercado y poder de mercado

En ^{Urzúa (2008)}, el modelo de competencia imperfecta utilizado es un modelo Cournot simétrico con bienes homogéneos. Es decir, el ejercicio descansa sobre los supuestos de que hay K productores idénticos (mismo tamaño, mismos costos) que venden bienes idénticos. Además, el modelo supone que dichos productores determinan las cantidades que quieren producir y dejan que sea el mercado el que fije el precio. El modelo también supone que los productores maximizan sus utilidades de corto plazo, sin considerar factores dinámicos como podría ser la entrada de nuevos competidores en el futuro.

Bajo estos supuestos, el nexo entre la elasticidad precio de la demanda, la estructura de mercado y el margen de ganancia se puede escribir de la siguiente manera (^{Tirole, 1988: 219}):

(8)

En el caso que nos ocupa, los supuestos necesarios para que esta ecuación sea cierta no se cumplen. En primer lugar, los productores no son idénticos entre sí, sino que varían en tamaño y eficiencia. Por ejemplo, Bachoco reportó 14 988 millones de pesos de ventas en México en 2006 mientras que la cifra comparable para Pilgrim’s Pride fue de tan sólo 4527 millones de pesos.^{28 Urzúa (2008)} reporta que Gruma produce dos terceras partes de la harina de maíz que se vende en México, mientras que los demás productores de harina de maíz y de nixtamal son de menor escala. Los productores, además, venden productos diferentes los unos a los otros. Por ejemplo, las cervezas del Grupo Modelo (por ejemplo, Corona) son distintas en su sabor e imagen a las de la Cervecería Cuauhtémoc Moctezuma (por ejemplo, Sol). Inclusive si uno considera el caso de la leche entera pasteurizada en cartones de un litro, un bien aparentemente homogéneo, es razonable pensar que un consumidor puede tener preferencia por una marca y que estaría dispuesto a pagar un poco más por un litro de leche Lala que por un litro de leche Alpura (o viceversa); es decir, los bienes son diferenciados. También es probable que las decisiones de negocio que toman estas empresas involucren los precios a los que venden sus productos y no sólo la cantidad que piensan producir. Finalmente, es claro que las consideraciones dinámicas pesan sobre estas decisiones.

A pesar de que los supuestos del modelo Cournot son poco realistas, el modelo es popular por su sencillez y elegancia. Inclusive, la relación entre estructura de mercado y rentabilidad que predice el modelo se ha examinado en una larga serie de estudios bajo el paradigma Estructura-Conducta-Desempeño. Sin embargo, a pesar de que la relación es intuitiva y un gran número de economistas han intentado documentarla, no se ha logrado establecer una relación consistente y robusta (^{Schmalensee, 1989}).

En conclusión, el modelo Cournot simétrico utilizado en el artículo de ^{Urzúa (2008)} se basa en supuestos irrealistas y la relación que predice entre estructura de mercado y márgenes no cuenta con evidencia empírica a su favor. Esto sugiere que debemos ser escépticos al considerar los márgenes que se calculan de acuerdo con la ecuación (8).

2. Apreciación de estructuras de mercado

Es evidente que el número de empresas K es un elemento central de la ecuación (8). Sin embargo, en ^{Urzúa (2008)} el parámetro K no se deriva de una fuente de información que pueda ser auditada, sino de “datos conocidos acerca de las estructuras industriales que privan entre los productores de los siete bienes bajo estudio” (^{Urzúa, 2008: 38}).

En tres casos (refrescos, jugos y agua; cerveza; y medicinas), a pesar de haber varias empresas en el mercado, ^{Urzúa (2008)} supone que el mercado es monopólico. En los casos de cerveza y medicinas, el supuesto es de “un cartel” (Urzúa, 2008: 39) es decir que el Grupo Modelo y la Cervecería Cuauhtémoc Moctezuma tienen un acuerdo -que no ha sido ni identificado ni perseguido en los últimos 15 años- para fijar precios y en general eliminar la competencia. En el caso de refrescos, jugos y agua, se toma la declaración de FEMSA como empresa dominante en el mercado de bebidas carbonatadas (es decir que excluye explícitamente los jugos y las aguas),²⁹ como razón suficiente para caracterizar al mercado como monopólico. No se presenta evidencia alguna para hacer estas afirmaciones, y los supuestos sobre la estructura de mercado efectiva tergiversan los cálculos de pérdida de bienestar.

En el caso de la tortilla de maíz, ^{Urzúa (2008)} no caracteriza el mercado constituido por más de 85000 tortillerías,³⁰ sino que, sin explicación alguna, se refiere a los productores de los insumos principales utilizados para tal efecto: harina de maíz y nixtamal. Si bien la existencia de poder de mercado corriente-arriba, entre productores de insumos al producto final, se puede traducir en precios mayores del bien final, esta relación depende de varios factores como, por ejemplo, el poder de mercado de las tortillerías.³¹ Para inferir el margen de ganancia en esta situación, sería necesario un modelo de la relación vertical entre tortilleros y productores de harina de maíz y nixtamal junto con un análisis de la estructura de mercado y dinámica competitiva entre tortillerías. Esta observación también aplica a los otros productos, ya que ninguna de las compañías mencionadas vende directo al consumidor.

También en el caso de la tortilla de maíz, ^{Urzúa (2008)} supone que todos los productores de harina de maíz (Cargill, MINSA y GRUMA) tienen la misma política de precios; asimismo, supone que todos los productores de nixtamal actúan como una sola empresa. La marcada asimetría entre empresas que es evidente en este mercado es inconsistente con el supuesto de simetría en el que descansa el modelo utilizado.

En conclusión, ^{Urzúa (2008)} no ofrece evidencia empírica respecto a las estructuras de los mercados en los que se venden los bienes bajo estudio. Este elemento, crucial para los cálculos de pérdida de bienestar, no recibe la debida atención, por lo que debilita completamente las afirmaciones posteriores respecto a las posibles pérdidas de bienestar.

1. Pérdida en excedente del consumidor

La primera columna de los Cuadros 10 y 11 transcribe los resultados presentados en ^{Urzúa (2008)} mientras que la segunda columna muestra nuestra reproducción de estos resultados, utilizando los parámetros presentados en ^{Urzúa (2008)}. Como se aprecia, los resultados son cercanos y no difieren en más de 4% excepto por los últimos dos deciles.

Fuente: Cálculos propios con datos del Banco de Mexico; ENIGH 2006, 2008, 2010 y 2012; ^{Urzúa (2008)}.

^a Localidades de más de 2 499 habitantes se consideran urbanas.

^b Como proporción del gasto en los siete bienes analizados en ^{Urzúa (2008)}. Reportados en Urzúa (2008).

^c Como proporción del gasto en los siete bienes analizados en ^{Urzúa (2008)}. Estas estimaciones utilizan las elasticidades reportadas por Urzúa (2008).

^d Como proporción del gasto en los siete bienes analizados en ^{Urzúa (2008)}. ^{Urzúa (2008)} no eleva el número de empresas al cuadrado. Sólo se corrige el error algebraico. Estas estimaciones utilizan las elasticidades reportadas por ^{Urzúa (2008)}.

^e Como proporción del gasto en seis de los siete bienes analizados en ^{Urzúa (2008)}; se excluye medicamentos del denominador. Utilizando estimaciones propias de elasticidades, excluyendo medicamentos y usando los datos de 2006, 2008, 2010 y 2012. Se ajustan ingreso y gasto por inflación.

^f Utilizando estimaciones propias de elasticidades, excluyendo medicamentos y expresando la pérdida como proporción del gasto total en lugar de gasto en los bienes considerados. Incluye los datos del 2006, 2008, 2010 y 2012. Se ajustan ingreso y gasto por inflación.

Cuadro 10: Pérdida en excedente al consumidor por decil de ingreso, zonas urbanas^a 

Fuente: Cálculos propios con datos del Banco de Mexico; ENIGH 2006, 2008, 2010 y 2012; ^{Urzúa (2008)}.

^a Localidades de más de 2 500 habitantes se consideran rurales.

^b Como proporción del gasto en los siete bienes analizados en ^{Urzúa (2008)}. Reportados en ^{Urzúa (2008)}.

^c Como proporción del gasto en los siete bienes analizados en ^{Urzúa (2008)}. Estas estimaciones utilizan las elasticidades reportadas por ^{Urzúa (2008)}.

^d Como proporción del gasto en los siete bienes analizados en ^{Urzúa (2008)}. ^{Urzúa (2008)} no eleva el número de empresas al cuadrado. Sólo se corrige el error algebraico. Estas estimaciones utilizan las elasticidades reportadas por ^{Urzúa (2008)}.

^e Como proporción del gasto en seis de los siete bienes analizados en ^{Urzúa (2008)}; se excluye medicamentos del denominador. Utilizando estimaciones propias de elasticidades, excluyendo medicamentos y usando los datos de 2006, 2008, 2010 y 2012. Se ajustan ingreso y gasto por inflación.

^f Utilizando estimaciones propias de elasticidades, excluyendo medicamentos y expresando la pérdida como proporción del gasto total en lugar de gasto en los bienes considerados. Incluye los datos del 2006, 2008, 2010 y 2012. Se ajustan ingreso y gasto por inflación.

Cuadro 11: Pérdida en excedente al consumidor por decil de ingreso, zonas rurales^a 

La tercera columna presenta los resultados de nuestra reproducción cuando se corrige un error algebraico en el artículo de ^{Urzúa (2008)}; el número de empresas en el denominador de la ecuación (11) debe elevarse al cuadrado, cosa que no se hizo en ^{Urzúa (2008)}.³² Como se aprecia, esta corrección tiene un efecto importante sobre los valores presentados: en promedio disminuyen 45%.

La cuarta columna presenta nuestras estimaciones utilizando nuestra propia estimación de elasticidades. La pérdida estimada es aun menor en este caso: el valor estimado por Urzúa es más del doble. Esta diferencia es atribuible a los factores siguientes:

Primero, no se incluye la pérdida de bienestar por el supuesto poder de mercado en medicamentos ya que, como discutimos en la sección III, no es posible estimar la elasticidad precio de la demanda para este conjunto de bienes de manera confiable. Sin embargo, al excluir el gasto en medicamentos también del denominador de las proporciones de gasto, el efecto neto es pequeño.

Segundo, las elasticidades que estimamos son mayores en valor absoluto a las que presenta ^{Urzúa (2008)} en tres de los seis casos restantes para zonas urbanas (carnes procesadas, leche y cerveza) y en cuatro de los seis casos para zonas rurales (tortillas de maíz, carnes procesadas, leche y cerveza). La diferencia en la elasticidad precio de la tortilla es particularmente importante para el cálculo de la pérdida de bienestar en zonas rurales tanto por la marcada diferencia como por la frecuencia con la que este bien forma parte de la canasta de consumo de los hogares. Por razones análogas, la diferencia en las elasticidades precio de la leche utilizadas explican gran parte de la discrepancia.

La quinta columna de los Cuadros 10 y 11 presenta la pérdida en bienestar como proporción del gasto total de los hogares en lugar del gasto únicamente en los bienes analizados. Esta medida alternativa del impacto del poder de mercado sobre el bienestar es más informativa que la que presenta ^{Urzúa (2008)} por varias razones. En primer lugar, pone en contexto la importancia de las cifras involucradas para el presupuesto total de los hogares. Además, medir la pérdida en bienestar como proporción del gasto en los siete bienes analizados puede generar resultados contraintuitivos y contraproducentes. Por ejemplo, en el caso de la primera medida, el efecto del poder de mercado en leche para un hogar en el que la leche representa 15% de su gasto trimestral se juzgaría igual al impacto sobre un hogar para el que la leche representa 1% de su gasto trimestral, siempre y cuando el gasto de estos hogares en los otros seis bienes fuera proporcional al gasto en leche. En cambio, la última medida juzgaría el impacto sobre el primer hogar como 15 veces mayor que el impacto sobre el segundo. Vemos que la pérdida en bienestar así medida representa entre 0.8 y 2.1% del gasto total de los hogares.

2. Pérdida en excedente del consumidor relativa al decil más alto

Las primeras dos columnas del Cuadro 12 muestran que los hogares de menores ingresos se ven más afectados por el supuesto ejercicio de poder de mercado que los hogares de mayores ingresos. Sin embargo, en contraste con los resultados de ^{Urzúa (2008)}, encontramos que la disparidad del efecto del ejercicio de poder de mercado sobre el bienestar es más pronunciado en zonas urbanas que rurales, siendo la pérdida de bienestar del primer decil de ingreso 2.468 veces mayor al del décimo decil en zonas urbanas, mientras que dicha proporción es de sólo 1.930 en zonas rurales. Además, encontramos que la pérdida en bienestar para los deciles de ingreso más bajos es menor en zonas rurales que en zonas urbanas, mientras que esta relación se invierte para los deciles de ingreso más altos. Estos resultados son más intuitivos e informativos porque el peso relativo de los alimentos en el consumo de los hogares disminuye con el ingreso, llevando a una relación monotónica inversa entre el ingreso y la pérdida de bienestar como proporción del gasto total. Sin embargo, como es probable que los hogares rurales recurran con mayor frecuencia a la producción casera y al autoconsumo, su pérdida relativa es menor. De hecho, el propio ^{Urzúa (2008: 24-25)} documenta que la proporción de hogares que registran compras de los bienes analizados es menor en zonas rurales que en zonas urbanas para cada uno de los siete bienes analizados. Por otro lado, conforme aumenta el ingreso de los hogares, es probable que éstos prefieran comprar sus alimentos y que tengan más opciones en zonas urbanas que rurales, explicando así que la pérdida sea mayor en zonas rurales para hogares de ingreso mayor al mediano.

Fuente: Cálculos propios con datos de ENIGH 2006, 2008, 2010, y 2012.

^a Localidades de más de 2 499 habitantes se consideran urbanas.

^b Localidades de menos de 2 500 habitantes se consideran rurales.

Cuadro 12: Pérdida en excedente al consumidor relativa por decir de ingreso