Una evaluación insumo-producto del Decreto Supremo 5716: se sigue el rastro de un aumento del 83% en el precio del diésel a través de la economía boliviana, sector por sector, y se estima lo que implica para la inflación durante el próximo año.
Metodología, en breve:
Resultados, en breve:
A continuación se presentan los resultados centrales de esta investigación. El sustento metodológico completo —la construcción del modelo insumo-producto, la estimación de la elasticidad y la calibración de la velocidad de ajuste de precios— se detalla en la sección de Metodología, más adelante en este documento.
El 18 de septiembre de 2026, el Decreto Supremo 5716 eliminó lo último que quedaba de la subvención al precio del diésel en Bolivia, reemplazando un precio fijo de Bs 9.80 por litro por un mecanismo de paridad de importación que lo llevó de inmediato a Bs 17.95/L, un incremento del 83%. El diésel es un insumo del que depende gran parte del aparato productivo boliviano —transporte de carga, minería, agricultura, construcción, electricidad—, de forma directa o a través de varios eslabones de la cadena de suministro; un cambio de precio de esta magnitud se propaga por la estructura insumo-producto de la economía, una ronda de reajuste de precios a la vez.
Manteniendo todo lo demás constante, el efecto más relevante de esta investigación es que, como resultado de este levantamiento del subsidio, la inflación tendría un incremento adicional de 5.6 puntos porcentuales acumulados en un año. Este resultado se sustenta en evidencia de la literatura internacional y boliviana según la cual las empresas ajustan sus precios, en promedio, unas 6 veces al año. Bajo ese supuesto, las empresas enfrentan primero una ronda de incremento por efecto directo —suben de precio quienes usan diésel como insumo—, y luego rondas adicionales de ajuste porque, a raíz de las rondas previas, varios de sus insumos —no solo el diésel— también se encarecen.
La Figura 1 muestra cómo se acumula este efecto mes a mes entre septiembre de 2026 y septiembre de 2027: el efecto directo de la ronda 1 predomina en el primer mes, y los efectos de las rondas siguientes se distribuyen en el tiempo hasta alcanzar, en el escenario central, un efecto acumulado de 5.6 puntos porcentuales a un año (rango 4.3–6.6 p.p. según la velocidad de ajuste).
Al descomponer el efecto total sector por sector, se separan dos historias muy distintas. Un puñado de sectores es golpeado de forma directa: compran diésel ellos mismos. Casi todos los demás sectores son golpeados solo de forma indirecta: le compran a alguien que compra diésel, o a alguien que le compra a alguien que sí lo hace.
Transporte y almacenamiento es el único sector donde el efecto directo (16.4 puntos porcentuales) domina el total — es, como era de esperar, la actividad más intensiva en diésel de la economía, y el primer eslabón en la cadena de suministro de casi todos los demás sectores. En todos los demás casos la historia se invierte: minería, obras civiles y extracción de petróleo y gas están entre las actividades más golpeadas pese a tener compras directas de diésel modestas o insignificantes — sus aumentos de costos llegan casi enteramente a través de lo que compran al transporte y entre sí. La fabricación de metales comunes es el ejemplo más claro: un efecto directo prácticamente nulo (0.03 p.p.) pero un efecto indirecto de casi 16 puntos porcentuales, que llega enteramente a través de sus proveedores.
El ranking sectorial de la Figura 2 es una fotografía del resultado. La Figura 3 muestra la estructura que lo produce: qué actividades realmente le compran a cuáles, y cómo esa red canaliza el shock hacia afuera desde su origen.
Dos rasgos destacan. Primero, Transporte y almacenamiento tiene la línea punteada más gruesa de regreso a DIÉSEL y algunas de las conexiones grises más densas y gruesas hacia el resto — tanto muy expuesto al diésel directamente como muy conectado con el resto de la economía, exactamente la combinación que lo convierte en el canal dominante de la Figura 2. Segundo, varios de los nodos más oscuros (con mayor sombreado) no tienen ninguna línea punteada hacia DIÉSEL: la fabricación de metales comunes es un ejemplo claro, alcanzada solo a través de sus conexiones grises con otras actividades, nunca de forma directa — una confirmación visual de que el canal indirecto, no el directo, hace la mayor parte del trabajo en este modelo.
La investigación parte de la Matriz Insumo-Producto de Bolivia para 2023, de carácter público: una tabla de 44 productos × 39 actividades económicas que registra, para ese año de referencia, cuántos millones de bolivianos (MMBs) gastó cada actividad comprando cada producto como insumo intermedio. Dentro de esa estructura, el producto agregado «Refinación del petróleo y otros combustibles» se apertura en los productos específicos de gasolina y diésel, cada uno distinguido además por origen —nacional o importado—, con base en coeficientes técnicos de uso de estos combustibles propios de cada industria, elaborados a partir de distintas fuentes de información. Esta apertura es la que permite simular un cambio de precio que afecta específicamente al diésel, sin alterar el resto de los derivados del petróleo.
La simulación avanza en rondas discretas, replicando el mecanismo de traspaso de costos de un modelo de precios de tipo Leontief:
En esta ecuación, Pi(n) es el precio del producto i después de la ronda n; a(i) es la actividad económica cuyo crecimiento de costos se asume que ese producto sigue —por construcción, la actividad que produce ese mismo bien—; y CIa(n-1) es el gasto total en consumo intermedio de la actividad a después de la ronda n-1, es decir, cuánto le cuesta en total a esa actividad comprar el conjunto de sus insumos, sumando las 44 líneas de producto. El término ga(n-1) es entonces el crecimiento porcentual de ese costo entre la ronda n-2 y la ronda n-1: la señal de costos más reciente que la actividad a recibió, y que traslada a su propio precio de venta. Tras actualizar todas las filas, la tabla completa se vuelve a sumar y el proceso se repite para la siguiente ronda.
ga(n-1) se calcula, en cada ronda, contra la ronda inmediatamente anterior, no contra la línea base original. Esto es lo que hace que la especificación sea incremental: cada ronda traslada únicamente el costo adicional que ella misma generó, sin volver a aplicar el crecimiento que rondas previas ya incorporaron a los precios. La implicancia es directa para la precisión de la estimación: como cada ronda sucesiva aporta solo el incremento marginal restante sobre una base cada vez mayor, su contribución se reduce ronda a ronda, y la serie converge a un valor finito y estable en lugar de crecer sin límite. La tabla siguiente compara esta especificación con una alternativa que acumula el crecimiento de costos desde la base original en cada ronda, para el mismo escenario de precios:
| Ronda | Incremental (adoptada) | Acumulada desde la base |
|---|---|---|
| 1 | 1.30% | 1.30% |
| 2 | 2.48% | 2.48% |
| 3 | 3.49% | 4.83% |
| 4 | 4.31% | 9.55% |
| 5 | 5.00% | 19.62% |
| 6 | 5.60% | 44.04% |
| 7 | 6.15% | 120.46% |
| 8 | 6.65% | 523.79% |
El crecimiento del consumo intermedio total se traduce en una cifra de inflación mediante un único parámetro de elasticidad:
Aquí, CIn es el consumo intermedio total de toda la economía —la suma de la tabla completa— después de la ronda n, CI0 es esa misma suma en la línea base original, y ε es la elasticidad que traduce el crecimiento porcentual del consumo intermedio agregado, del lado de los costos, en un número de inflación, del lado de los precios al consumidor. El resultado, πn, es la inflación acumulada atribuible al shock hasta la ronda n.
Ese parámetro se estimó mediante un modelo de Vectores de Corrección de Errores (VECM), ajustado a las series anuales de consumo intermedio e inflación de fin de periodo de Bolivia, 1988–2024 (37 observaciones).1 Ambas series resultan integradas de orden uno —condición necesaria para que una relación de cointegración entre ellas tenga sentido—, y la relación de largo plazo estimada implica
Este es el valor central de ε utilizado en todas las estimaciones de este documento. La siguiente tabla resume ese resultado junto con un contraste de especificación más simple —una regresión MCO contemporánea, sin mecanismo de corrección de error ni relación de largo plazo—, que arroja una elasticidad menor pero del mismo signo y orden de magnitud:
| Especificación | Elasticidad | Error estándar | Detalle |
|---|---|---|---|
| VECM — relación de largo plazo (central) | 0.487 | 0.014 | IC 95%: [0.460, 0.515] |
| MCO contemporáneo (contraste) | 0.335 | 0.072 | R² = 0.391, n = 36 |
La robustez de esta estimación debe leerse en su propio contexto. Con 37 observaciones anuales, la prueba de cointegración de Johansen que sustenta la especificación VECM se ubica en el límite de la significancia convencional al 5% (estadístico de traza de 15.47 frente a un valor crítico de 15.49), y deja de ser significativa si se incorpora una tendencia lineal determinística. Además, 29 de esos 37 años de consumo intermedio son series retropoladas a partir de una base de cuentas nacionales más antigua, no cifras oficiales medidas directamente.1 Estas son limitaciones reales de trabajar con información histórica limitada para este propósito específico —no se identificó, en la revisión realizada, otra estimación directa de esta elasticidad para Bolivia con la cual contrastar el resultado—, y se señalan como tales en lugar de omitirse. Dicho esto, el diagnóstico de autocorrelación residual del modelo no muestra problemas (Ljung-Box, p>0.8 en los primeros tres rezagos), y el coeficiente de ajuste indica que es la inflación, y no el consumo intermedio, la que se mueve para restablecer la relación de largo plazo —consistente con una lectura de costos que empujan precios, y no en sentido inverso—. Como ε es la única cantidad aleatoria del modelo —el crecimiento del consumo intermedio de cada ronda es un número fijo para un escenario de precios dado—, su intervalo de confianza se propaga de forma exacta hacia πn, sin necesidad de simulación: son las bandas sombreadas de la Figura 1, una por escenario.
Esta es la decisión de modelización genuinamente abierta, y en la que esta investigación invierte más esfuerzo en fundamentar empíricamente en vez de asumir. Una «ronda» de traspaso solo tiene sentido si corresponde a algo real: un conjunto de empresas que observa un nuevo aumento de costos y decide reajustar sus precios. ¿Cuánto tiempo toma eso, para los sectores que efectivamente trasladan un shock de combustibles a través de la cadena de suministro?
La evidencia más directamente relevante es el propio estudio de microdatos de precios de Bolivia: Palmero Pantoja y Chacón Rendón (2011), con datos desagregados del IPC (1991–2008) y la metodología de la Red de Persistencia Inflacionaria del Eurosistema.2 A nivel de toda la economía, los precios bolivianos se ajustan aproximadamente 8 veces al año — rápido, impulsado por alimentos y vestimenta. Pero Transporte y Comunicaciones, la categoría más cercana al sector que realmente hace el trabajo en esta cascada, es la que se ajusta con menor frecuencia en todo su conjunto de datos: cerca de 3 veces al año, aproximadamente una vez cada cuatro meses. Una calibración DSGE distinta del Banco Central de Bolivia ubica el parámetro de rigidez de precios relevante a nivel macro en una cadencia similar (∼1.6 trimestres).3
Con unos cuatro meses por cada oleada de reajuste, en una ventana de un año caben cerca de tres oleadas de este tipo después del shock inicial. Esta investigación adopta la ronda 6 como estimación central a un año, delimitada por la ronda 4 (ajuste más lento) y la ronda 8 (ajuste más rápido) como cotas baja y alta — una banda deliberadamente más amplia de lo que justificaría por sí sola la estimación puntual de la literatura, ya que la inflación de dos dígitos que atraviesa Bolivia actualmente es exactamente el régimen en el que se sabe que la fijación de precios se acelera.4 Ningún artículo cuenta directamente rondas discretas de reajuste insumo-producto; esto es una traducción deliberada de la evidencia de frecuencia de ajuste a las unidades propias del modelo, no la cita de un número único, y vale la pena ser explícito al respecto.
Las estimaciones anteriores aíslan un único canal: el traspaso mecánico de mayores costos de diésel hacia otros precios de la economía. Ese canal se debe situar dentro de una discusión más amplia sobre la justificación técnica de retirar un subsidio generalizado al consumo de combustibles. Un precio regulado sostenido de forma persistente por debajo de su costo de reposición genera, entre otros efectos, incentivos al arbitraje hacia mercados vecinos: hacia agosto de 2026, la Agencia Nacional de Hidrocarburos (ANH) situaba el precio de referencia de importación del diésel en torno a Bs 20/L, frente al precio regulado de Bs 9.80/L vigente hasta antes de la reforma.5 Esa brecha es consistente con la propia estimación de la ANH de que, a fines de 2025, cerca del 30% del combustible subvencionado se contrabandeaba fuera del país en lugar de consumirse genuinamente a nivel doméstico, con un costo fiscal estimado del orden de USD 600 millones anuales.6
Esta evidencia se enmarca en un argumento más amplio: los subsidios generalizados y no focalizados a los combustibles tienden a ser costosos desde el punto de vista fiscal, distorsivos sobre las decisiones de consumo, y regresivos en términos absolutos —los hogares de mayores ingresos, que consumen más litros, capturan una proporción mayor del gasto fiscal total en subsidio que los hogares de menores ingresos, incluso si estos últimos destinan una proporción mayor de su ingreso al gasto en combustibles—. Bajo esa lectura, un subsidio generalizado protege litros consumidos, no necesariamente a los hogares que se busca proteger.5 La corrección del precio, en ese marco, es técnicamente consistente con eliminar una distorsión de mercado, en la medida en que los efectos distributivos sobre los hogares vulnerables se atiendan mediante instrumentos mejor focalizados —transferencias vinculadas a criterios de elegibilidad técnicos, construidos sobre registros administrativos existentes, para lo cual ya existe potencial financiamiento multilateral—, en lugar de mediante el subsidio generalizado al precio.5
Conviene ser explícito sobre el alcance de lo que se presenta en este documento: una estimación técnica de los efectos agregados y por actividad económica de un cambio de precio —como la que aquí se muestra— no se constituye en una verdad absoluta sobre lo que efectivamente ocurrirá, dada la incertidumbre propia de cualquier ejercicio de esta naturaleza. Se trata, en cambio, de un insumo que coadyuva a la previsibilidad en la planificación de los agentes económicos —hogares y empresas— frente a los posibles incrementos de costos en los insumos y en la inflación en un horizonte de un año.
La estructura de consumo intermedio de la economía boliviana hace que un cambio de precio del diésel se transmita más allá de las tarifas de transporte y los recibos de combustible, alcanzando actividades sin exposición directa relevante a través de sus relaciones de compra y venta con otros sectores. Esta investigación traza esa transmisión directamente a través de la Matriz Insumo-Producto, con un parámetro de elasticidad estimado a partir de datos bolivianos y un supuesto explícito, y documentado, sobre la velocidad de reajuste de precios. La estimación central —del orden de 5.6 puntos porcentuales de inflación adicional en un horizonte de un año, concentrada en transporte, minería, construcción y extracción— es una cifra específica y contrastable, que los próximos meses de datos efectivos del IPC podrán evaluar directamente. Como se señaló, esta cifra es un insumo para la planificación de los agentes económicos, sujeto a las limitaciones de datos y de especificación descritas a lo largo del documento, y no una predicción exacta. El canal que este documento deja deliberadamente de lado —y que, según la evidencia disponible, es de una magnitud comparable o mayor— es el efecto de la misma reforma sobre la actividad económica agregada y las cuentas fiscales, que corresponde a un ejercicio de modelización distinto del que aquí se presenta.
| 1 | Inflación anual de fin de periodo, INE Bolivia; consumo intermedio empalmado 1988–2024 a partir de dos tablas de PIB por el enfoque de producción del INE (bases contables 1990 y 2017), retropolado hacia atrás para 1988–2016. |
| 2 | Palmero Pantoja, M. & Chacón Rendón, N. (2011). «Dinámica de ajuste de precios en Bolivia: Un análisis con micro-datos». Revista de Análisis, Banco Central de Bolivia, 14(1), 79–113. |
| 3 | Jemio Hurtado, V. F. (2021). «Reglas de política monetaria en tiempos de estabilidad y volatilidad». Revista de Análisis, Banco Central de Bolivia, 35(1), 9–74. |
| 4 | Gagnon, E. (2009). «Price Setting during Low and High Inflation: Evidence from Mexico». Quarterly Journal of Economics, 124(3), 1221–1263. |
| 5 | Bolivar Rosales, O. (2026). «No diésel subsidiado, sí apoyo focalizado». Brújula Digital, 4 de septiembre de 2026. |
| 6 | Agencia Nacional de Hidrocarburos (ANH), citada en Infobae, 19 de nov. de 2025; El País (Tarija), 28 de nov. de 2025. |