Economía informal y convergencia regional en México: 1998 ...
Transcript of Economía informal y convergencia regional en México: 1998 ...
Economía informal y convergencia regional en México:
1998-2018
Tesis presentada por
Luis Angel Velázquez Conti
para obtener el grado de
MAESTRO EN ECONOMÍA APLICADA
Tijuana, B. C., México
2020
CONSTANCIA DE APROBACIÓN
Director de Tesis:
Dr. Noé Arón Fuentes Flores
Aprobada por el Jurado Examinador:
1. Dr. Alejandro Díaz Bautista, lector interno
2. Dr. Jorge Alberto Pérez Cruz, lector externo
DEDICATORIA
Los amigos, son la familia con la que quieres compartir tu vida.
Gracias Lupita, por estar ahí cuando esto era apenas un sueño.
AGRADECIMIENTOS
Agradezco al Consejo Nacional de Ciencia y Tecnología (CONACYT), por haberme otorgado
el apoyo económico que, me permitió terminar mis estudios de maestría. También a El Colegio
de la Frontera Norte (El Colef), por brindarme la oportunidad de formar parte su excelente
programa académico.
Así mismo, quiero agradecer al Dr. Orraca y a la Lic. Gómez por su valioso desempeño,
a cargo de la coordinación de la Maestría en Economía Aplicada. De igual forma, quiero
agradecer a todos los investigadores del Departamento de Estudios Económicos, por su
importante aportación a las clases que impartieron, a lo largo de los dos años que dura el
programa.
Extiendo mi agradecimiento hacía el Dr. Díaz y el Dr. Pérez, por su excelente
participación en el desarrollo de esta tesis. En particular, agradezco al Dr. Fuentes, quien es un
gran profesor e investigador en el área de ciencias económicas y no solo eso, su labor como
asesor es extraordinaria.
Para bien o para mal, gran parte de quien soy, se lo debo a mi familia, mi forma de actuar,
de pensar y de soñar. Pero, el día de hoy me siento orgulloso, de haber alcanzado
satisfactoriamente, una meta más. Por esta razón, mi agradecimiento principal es hacia mi
hermano, Juan Carlos, mi padre, Magdaleno y mi increíble madre, Pilar.
Esta etapa de mi vida la voy a recordar durante muchos años y sobre todo, no olvidaré a
mis amigos. A mis pedantes compañeros economistas, quienes me dieron las mejores clases de
mi vida. A ellos, les agradezco su apoyo fraternal. A los borrachos más simpáticos que conocí
en Tijuana (estudiantes de El Colef), les agradezco esas noches interminables, de risa y
diversión. También agradezco a esas amistades que, convivieron conmigo dentro y fuera de la
escuela, por el soporte emocional que significa contar con ellos. Porque los dos años
transcurridos son una gran experiencia, agradezco todo lo vivido. Las semanas llenas de estrés
y aquellas de completo ocio. Las frustraciones y los momentos de gran optimismo. Porque al
final, me queda un gran deseo, de superar mis límites y seguir soñando.
RESUMEN
Existen diferentes razones por las cuales una entidad federativa podría ser relativamente más
desarrollada que otra, mismas que pueden afectar su velocidad de crecimiento, una de estas
razones es la presencia de actividades económicas no reguladas, esto implica la existencia de
micro negocios que no son productivos, empleos que no incluyen seguridad social, e
intercambio de bienes o servicios que no contribuyen a la recaudación de impuestos. Por este
motivo, el presente trabajo analiza la convergencia económica de las entidades federativas,
tomando en cuenta los diferentes niveles de empleo informal en el país, para el periodo de 1998
a 2018. Diferentes investigaciones sobre el tema, muestran en los años más recientes, que este
proceso se ha reducido, sin embargo, no se había tomado en cuenta el efecto que pueden tener
los altos niveles de economía informal para explicar este suceso. Los resultados de este trabajo
muestran que, la informalidad representa una barrera para disminuir las disparidades regionales.
Debido a que, al considerar este factor y distintas variables asociadas a él, la brecha entre el
estado más rico y el más pobre, se redujo en un 0.6 por ciento anualmente, en 20 años.
Palabras clave: Convergencia económica, economía informal.
ABSTRACT
There are different reasons why a state could be relatively more developed than another, which
can affect its growth rate. One of these reasons is the presence of unregulated economic
activities, which implies the existence of micro businesses that are not productive, jobs that
don´t include social security, and exchange of goods or services that aren´t contribute to tax
collection. For this reason, this study analyzes the economic convergence of the states, taking
into account the different levels of informal employment in the country, for the period from
1998 to 2018. Different investigations on the subject, show in the most recent years, that this
process has been reduced, however, the effect that the high levels of informal economy can have
to explain this event had not been taken into account. The results of this work show that
informality represents a barrier to reducing regional disparities. Because, when this factor and
different variables associated with it are considered, the distance between the richest and poorest
state was reduced by 0.6 percent, in 20 years.
Keywords: Economic convergence, informal economy.
ÍNDICE
INTRODUCCIÓN .................................................................................................................. 2
I. ECONOMÍA INFORMAL EN MÉXICO .............................................................. 4
1.1. Introducción .............................................................................................................. 4
1.2. Concepto de informalidad en México ........................................................................ 6
1.3. Precisiones teóricas ................................................................................................. 11
1.4. La informalidad como determinante del crecimiento económico ............................. 14
II. CONVERGENCIA ECONOMICA ..................................................................... 20
2.1. Introducción ............................................................................................................ 20
2.2. El modelo de crecimiento neoclásico ...................................................................... 21
2.2.1. Función de producción neoclásica .................................................................... 22
2.2.2. Análisis del estado estacionario........................................................................ 26
2.2.3. Análisis de la tasa de crecimiento en el estado estacionario .............................. 28
2.2.4. La velocidad de convergencia .......................................................................... 31
2.3 Tipos de convergencia ............................................................................................ 32
2.3.1 Alcance de la hipótesis de convergencia........................................................... 34
2.4 Evidencia empírica ................................................................................................. 35
2.4.1 Contexto Internacional ..................................................................................... 35
2.4.2 Contexto nacional ............................................................................................ 37
III. ECONOMÍA INFORMAL Y CONVERGENCIA ECONOMICA ....................... 43
3.1 Modelo de convergencia con datos de sección cruzada ............................................ 43
3.2 Modelo de convergencia con datos de panel ............................................................ 45
3.3 Descripción de las variables y fuentes de información ............................................. 48
3.3.1 Identificación de las variable ............................................................................ 50
3.4 Análisis de la economía informal en un modelo de convergencia ............................ 53
3.4.1 Análisis exploratorio ........................................................................................ 53
3.4.2 Estimación del modelo ..................................................................................... 57
3.4.2.1 Con datos de sección cruzada ....................................................................... 57
3.4.2.2 Con datos de panel ....................................................................................... 62
CONCLUSIONES ................................................................................................................ 67
BIBLIOGRAFÍA .................................................................................................................. 70
ANEXOS ................................................................................................................................. i
Anexo 1. PIB per cápita, tasa de informalidad laboral y nivel de pobreza, de las 32 entidades
federativas en el 2018. ............................................................................................................. i
Anexo 2. Nivel de educación y tasa de informalidad laboral, de las 32 entidades federativas en
el 2015 .................................................................................................................................... ii
Anexo 3. PIB per cápita de las 32 entidades federativas en 1980, 1995 y 2000 .......................iii
Anexo 4. Base de datos .......................................................................................................... iv
Anexo 6. Pruebas de homocedasticidad y autocorrelación de modelo de convergencia
condicional estimado por MCO (1998-2018).......................................................................... vi
Anexo 7. Pruebas de Breusch-Pagan y Hausman a las estimaciones con panel de datos ......... vii
Anexo 8. Pruebas de homocedasticidad, autocorrelación y Factor Inflacionario de Varianza
(FIV) para el modelo convergencia condicional, estimado mediante un pooled ( 𝑖 = 32, 𝑇 =2)
............................................................................................................................................. vii
Anexo 9. Prueba de endogeneidad, estimación de: ............................................................... viii
Anexo 10. Base de datos ........................................................................................................ ix
ÍNDICE DE GRAFICAS
Grafica 1.1. Tasa de informalidad laboral en México del 2005 al 2018 .................................... 4
Grafica 1.2. Tasa de informalidad laboral de los 32 estados y de México en el 2018 ............... 5
Gráfica 1.3. Diagrama de dispersión con la tasa de informalidad laboral y el PIB per cápita de
las entidades federativas, en el 2018 ...................................................................................... 17
Gráfica 1.4. Diagrama de dispersión con la tasa de informalidad laboral y nivel de educación
de las 32 entidades federativas, en el 2015 ............................................................................ 18
Gráfica 1.5. Diagrama de dispersión con la tasa de informalidad laboral y nivel de pobreza de
las 32 entidades federativas, en el 2018 ................................................................................. 19
Grafica 2.1. Modelo neoclásico de Solow-Swan .................................................................... 27
Grafica 2.2. El estado estacionario en el modelo neoclásico .................................................. 28
Grafica 2.3. Dinámica de la tasa de crecimiento .................................................................... 30
Grafica 2.4. Convergencia económica regional, de 1980 a 1995 ............................................ 40
Grafica 2.5. Divergencia económica regional, de 1995 al 2000.............................................. 41
Gráfica 3.1. Convergencia económica regional, de 1998 al 2018. .......................................... 54
Gráfica 3.2. PIB per cápita y porcentaje de personas ocupadas sin seguro social en 1998 ...... 56
Gráfica 3.3. PIB per cápita y porcentaje de personas ocupadas sin seguro social en 2018 ...... 57
ÍNDICE DE CUADROS
Cuadro 3.1. Estructura de datos de sección cruzada .............................................................. 43
Cuadro 3.2. Estructura de datos de panel .............................................................................. 45
Cuadro 3.3. Identificación de cada variable .......................................................................... 50
Cuadro 3.4. Coeficiente de correlación entre la variable principal y las variables de control . 53
Cuadro 3.5. Estadísticos principales de la población ocupada sin seguro social y la tasa de
informalidad laboral (TIL), de los 32 estados en 1998, 2008 y 2018. ..................................... 55
Cuadro 3.6. Resultados de la regresión de convergencia absoluta por MCO (1998-2018) ..... 58
Cuadro 3.7. Resultados de la regresión de convergencia condicional por MCO (1998-2018) 59
Cuadro 3.8. Factor de inflación de la varianza (FIV) ............................................................ 61
Cuadro 3.9. Prueba de endogeneidad .................................................................................... 62
Cuadro 3.10. Estimación de un modelo de β-convergencia absoluta (1998-2018), con datos de
panel (32 unidades de sección cruzada) ................................................................................. 63
Cuadro 3.11. Modelo de convergencia condicional de 1998-2018, en un panel (𝑖=32, 𝑇=2) .. 64
2
INTRODUCCIÓN
Pueden existir diferentes definiciones sobre trabajo informal, sin embargo, este concepto se
encuentra muy presente en todos los mexicanos, debido a que significa un estilo de vida y la
mayor fuente de ingresos para muchas familias. Aun así, la informalidad se encuentra ligada a
ciertas condiciones negativas para el desarrollo individual y colectivo de las personas, por eso
la importancia del tema y sus implicaciones. Como menciona la Organización Internacional del
Trabajo (OIT) (2015), la economía informal se refiere a los trabajadores y unidades económicas,
que sus actividades no están incluidas en la legislación, lo que implica: a) están operando fuera
de la ley, b) la ley no es aplicada o c) la ley desincentiva su cumplimiento porque es inapropiado,
burocrática o impone costos excesivos (Galindo y Ríos, 2015).
Distintos estudios muestran que, mientras los ingresos de una economía disminuyen, la
cantidad de empleos informales aumenta (Bacchetta, Ernst, Bustamante, 2009). Como se verá
en esta investigación, esto también ocurre en las entidades federativas. Sin embargo, no es un
hecho cuestionable, más bien, el debate se centra en un tema de causalidad. Algunos autores
argumentan que no es posible definir estadística o teóricamente una dirección causal. En el caso
de México Ross (2013) reconoce que, la informalidad no debe figurar como el factor principal
que deteriora el crecimiento económico. Aunado a esto, hay quienes piensan que la economía
informal trae consigo ciertas ventajas, siendo una alternativa viable para aquellas personas que
no pueden conseguir un trabajo por los medios tradicionales y tampoco logran cubrir sus
necesidades con un solo empleo (Loayza, 2010; Alba, Ribeiro y Mathews, 2012).
Podría ser que todas las partes involucradas en este debate, estén hasta cierto punto, en
lo correcto. Pero, es posible abonar aún más en esta discusión, por eso, esta tesis tiene como
propósito indagar que tan grave puede llegar a ser la economía informal. Siguiendo por un lado
a Levy (2012), quien expone que México está atrapado en un círculo vicioso entre informalidad
y baja productividad, lo cual afecta de manera perjudicial su progreso, manteniendo al país en
una situación de estancamiento. Por el otro, se encuentra Loayza (2009), él explica que si la
cantidad de empleos que no aportan a la recaudación de impuestos, aumenta de forma
considerable, las economías no lograrían invertir adecuadamente sus recursos, afectando en el
largo plazo su desarrollo. Así mismo, habría un uso ineficiente de los servicios públicos.
3
Ser informal implica no tener acceso a un sistema de salud por la relación de trabajo, ni
a un sistema de ahorro para el retiro, lo cual, afecta la calidad de vida de las personas. También,
se encuentran los pequeños negocios que, no registran debidamente su actividad económica ni
a sus trabajadores y por lo general, son empresas que no logran sobrevivir en el corto plazo. La
mayoría de las veces involucran personal poco calificado y un acervo insuficiente de capital,
limitando su posibilidad de desarrollo. Este conjunto de características representan una barrera
para el crecimiento. Sin embargo, esta situación es diferente en los 32 estados de México y por
eso, se convierte en una situación que puede ser analizada desde una perspectiva regional.
Por lo anterior, esta tesis asume como marco principal, la teoría de la convergencia. En
la cual se expone que, las economías más ricas se encuentran cerca de su límite en cuanto a
producción se refiere, significa que su avance será gradualmente más lento, en cambio, aquellas
economías más pobres, que se encuentran lejos de ese límite, deberán avanzar más rápido. Es
por eso, que llegarían a converger en el largo plazo. En el caso de México, hay una brecha
económica marcada entre las regiones (los 32 estados), lo cual implica que, si las disparidades
económicas están disminuyendo, lo hacen muy lento (Esquivel, 1999; Cermeño, 2001; Fuentes,
Díaz, y Martínez, 2003 y Chiquiar, 2004). Este supuesto, resulta relevante porque permite
examinar que factores intervienen en este proceso y es que, aun no se han tomado en cuenta los
niveles de economía informal en un modelo de convergencia económica.
La hipótesis central de esta investigación es la siguiente; debido al proceso desigual de
desarrollo y crecimiento económico de las entidades federativas en los últimos años, su
velocidad de convergencia, para el periodo analizado ha sido muy baja, atribuyéndose en buena
medida, a los altos niveles de informalidad. Por lo tanto, este documento se conforma de tres
capítulos, en el primero se expone el contexto en el cual se encuentra México, en relación a sus
niveles de economía informal y se distingue con precisión los conceptos involucrados. En el
segundo capítulo, se desarrolla el marco teórico de convergencia económica y se expresa,
porque su modelo de crecimiento resulta útil para analizar los avances en términos de
disparidades económicas. En el tercer capítulo, se presenta la metodología y las variables
utilizadas, así como su fuente de información y por último se estima un panel de datos, donde
se muestra que, al considerar la informalidad y otras de sus variantes, la brecha entre el estado
más rico y el más pobre, disminuyó menos de 1% al año, de 1998 al 2018.
4
60%
58%58% 58%
60%59%
60% 60%
59%58% 58%
57% 57% 57%
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
I. ECONOMÍA INFORMAL EN MÉXICO
1.1. Introducción
El efecto de la informalidad difiere en las regiones que se analiza, principalmente, por su
contexto económico, el cual debe considerar por un lado, el grado de desarrollo de una
economía, por el otro, la calidad de sus instituciones, tanto públicas como privadas. Por
ejemplo, en América Latina y el Caribe, la informalidad suele cobrar más importancia, aunque
no es particularmente más elevada con respecto a otros países con ingreso per cápita similar
(Perry, Maloney, Arias, Fajnzylber, Mason, y Savedra, 2007).
Autores como Alba, Ribeiro, y Mathews (2012), mencionan que la informalidad es un
aspecto que se expande de forma global y que actualmente también se muestra en las economías
más avanzadas, como China. No obstante, la economía informal tiene connotaciones negativas
que se acentúan en regiones menos desarrolladas, por ejemplo, “malas condiciones de trabajo,
empresas de baja productividad y falta de cumplimiento en las leyes y normas” (Perry et al,
2007: 1). Al tener la informalidad un carácter de subsistencia, se conforma por “actividades que
no reúnen las condiciones para competir en mercados abiertos” (Ruesga, 2017:160). En México,
el problema cobra mayor importancia porque los niveles de informalidad son muy altos, más de
la mitad de las personas que trabajan, son informales (ver gráfica 1.1).
Grafica 1.1. Tasa de informalidad laboral en México del 2005 al 2018*
Fuente: elaboración propia con datos del INEGI.
*Es el porcentaje de personas ocupadas que son informales.
5
En relación a lo anterior, esta tesis no busca comparar a México con otros países, más
bien, pretende analizar el efecto de la informalidad en el crecimiento económico, dentro de sus
entidades federativas, debido a que, en otras investigaciones se explica que los altos niveles de
empleo informal tienen consecuencias negativas en economías emergentes1. Esto resulta
importante, ya que la informalidad en este país, es muy diversa, también existe una amplia
brecha entre la región más informal y la menos informal, por ejemplo, en el 2018 Oaxaca fue
2.2 veces más informal que Nuevo León (ver gráfica 1.2). Por estas razones, los objetivos de
este primer capítulo son, definir que implica ser informal en el caso de México y aclarar porque
es importante su análisis, en un contexto regional.
Grafica 1.2. Tasa de informalidad laboral de los 32 estados y de México en el 2018
Fuente: elaboración propia con datos del INEGI.
1 En dichas investigaciones se realiza una comparación entre países, sin embargo, México cuenta información para
realizar un estudio por regiones y así probar que, las hipótesis aplicadas a nivel internacional son compatibles
(Loayza, 2005; Perry et al, 2007; Bacchetta et al., 2009; Brandt, 2011).
807978
737272
71686766
64636363
585756
5352
51515049
47454545
434039
373736
0 20 40 60 80 100
Oaxaca
Chiapas
Tlaxcala
Michoacán
Tabasco
Campeche
Yucatán
México
San Luis Potosí
Durango
Sinaloa
Jalisco
Tamaulipas
Sonora
Baja California
Chihuahua
Nuevo León
6
1.2.Concepto de informalidad en México
Este documento busca representar un fenómeno social y económico muy complejo como lo es
la economía informal, debido a que su definición ha ido cambiando a través del tiempo y del
cual existe un amplio debate2. Por ejemplo, Gómez (2007: 49) se refiere a la economía informal
como “un conjunto, no despreciable, de actividades desempeñadas por personas, que tanto ellas
como la forma de hacer lo que hacen no se ajustan a unos parámetros formalmente definidos
por la sociedad y el Estado”. Por su parte, De Soto (1989) menciona que ser informal implica,
por un lado, evadir el pago de impuestos y evitar ciertas normas legales, por el otro, no contar
con la protección y los servicios que el estado puede ofrecer (Loayza, 2008).
El primer término que se utilizó para enmarcar a toda la economía informal fue el de sector
informal, utilizado para referirse a todas las empresas, trabajadores o actividades que operan
fuera de los límites legales o normativos que rigen la actividad económica (De Soto, 1989 en
Loayza, 2010). El problema con esta definición es que, engloba a cualquier persona o negocio
que sea informal, debido a que, cuando se quiso estudiar por primera vez la informalidad, era
más fácil distinguir quienes pertenecían a ella, actualmente no es tan sencillo.
Por lo anterior, es importante explicar algunos conceptos para comprender que es la
economía informal y como será representada en este trabajo. Más aún, como separar a los
empleados formales de los informales y de igual forma a las empresas, en el caso de México.
Primero, para que el objeto de estudio quede claro, se debe diferenciar entre sector informal,
economía subterránea e informalidad laboral. Aunque las tres definiciones se encuentran
relacionadas, hay ciertas distinciones que son clave para el desarrollo de esta investigación.
Según los artículos de Cervantes et al, (2008); Yañez y Alvarado (2016) y Chen (2012),
el concepto de sector informal se originó a partir del esfuerzo realizado por la OIT, para estudiar
las formas de producción y trabajo que se encontraban excluidas (en África), en los años
setentas.
2 Las investigaciones realizadas por Cervantes, Gutiérrez, y Palacios (2008); Yañez y Alvarado (2016) se dedican
a definir que es, la economía informal, más particularmente en el caso de México. Los aportaciones de Bacchetta
et al (2009) y Chen (2012) también profundizan en la misma discusión, pero en un contexto internacional. Así
como ellos, muchos autores han abordado el tema, esta tesis no busca debatir cual es el concepto más adecuado,
más bien, reconoce que las personas o actividades involucradas en la informalidad son muy heterogéneas, por lo
tanto se vuelve un fenómeno difícil de acotar.
7
Uno de los objetivos principales de la definición de sector informal se centraba en poder
estudiar, una parte de la economía que llamaba la atención, porque a pesar de su poca capacidad
tecnológica, falta de organización y estar formada por unidades económicas muy pequeñas, era
capaz de producir bienes y servicios (comerciar con ellos), y también generar empleos. Se
esperaba que este sector fuese absorbido por el sistema de producción formal, de esta manera,
empezaría a disminuir con el tiempo, pero no fue así, se convirtió en un fenómeno económico
y social más complejo (Samaniego, 2008; Chen, 2012).
Por lo tanto, el término “sector informal”, solo hace referencia a una parte de toda la
economía informal, precisamente a los micronegocios urbanos, que no están registrados ante la
autoridad tributaria (INEGI, 2014). La característica principal de estos negocios, es la forma en
la que están organizados, sus actividades no se distinguen de las actividades personales del
dueño. Así mismo, sus activos tampoco son distintos a las propiedades del empresario, ya que
comúnmente son parte de su hogar. También, producen en pequeña escala y sus gastos
productivos, no se separan de los gastos familiares.
Aunque se puede llamar “unidades económicas”, a los pequeños negocios que
pertenecen al sector informal, realmente no son empresas, de hecho, no existe un acta
constitutiva que respalde su actividad económica, esto implica que para obtener financiamiento,
el riesgo lo asuma solamente el dueño, para él significa adquirir una deuda más. De igual forma,
no existen acuerdos formales con proveedores, el emprendedor personalmente busca la manera
de comprar los insumos necesarios. Por último, las relaciones de trabajo (en este sector)
incluyen, siempre o casi siempre, lazos familiares (INEGI, 2014)3.
Cuando se habla de economía informal, es preciso diferenciar entre el tipo de
actividades, que si bien cubren una necesidad, están prohibidas por la ley. Hasta este punto, se
ha descrito lo que en la actualidad se define como sector informal, sin embargo, hay actividades
económicas que, comparten las características para formar parte de esta definición pero, quedan
excluidas por el hecho de ser delictivas, ya que producen un bien o servicio que, su posesión o
adquisición, entraña un delito (INEGI, 2014).
3 Aunque estas características son similares en las actividades agropecuarias (de subsistencia), no pertenecen al
sector informal, porque son objeto de políticas públicas distintas y en muchos países están exentas de impuestos.
Sin embargo, sí forman parte de la informalidad laboral (INEGI, 2014).
8
En ocasiones se utilizan los conceptos de economía subterránea y economía informal
como sinónimos, en este documento no será así, para contener en el primero solo al conjunto de
acciones con implicación económica pero ilegal (actividades delictivas), debido a que requieren
un enfoque distinto para ser analizadas (Cervantes, 2008; Chen, 2012; Yañez y Alvarado, 2016).
Moy (2015) reconoce que la informalidad, en gran medida, no es ilegal, ya que la ilegalidad
radica en la naturaleza del bien. Por ejemplo, son ilegales las actividades que arbitrariamente se
mantienen ocultas, como el tráfico de drogas o la prostitución. Es posible que una parte de estas
actividades se encuentre dentro de la muestra que toma el INEGI (2014) para representar la
informalidad laboral, debido a la metodología que sigue la ENOE, sin embargo, se puede
suponer que es una proporción muy pequeña. El mismo instituto, dentro de su definición de
sector informal no incluye actividades delictivas.
Actualmente, la economía informal no es vista solo como un sector, tampoco incluye
actividades ilícitas, más bien hace referencia a todos los puestos de trabajo que, no brindan
ningún tipo de garantía (INEGI, 2014). Necesariamente, esto lo vuelve un tema importante, las
personas trabajan para obtener un ingreso, pero un empleo debería otorgar más beneficios, en el
caso de México lo ideal sería que, incluya un pre aviso al despido, vacaciones anuales pagadas,
licencia por enfermedad (pagada), ahorro para el retiro y seguro social, sin embargo, la realidad
es otra (La ley, 2014).
En resumen, ser informal significa estar desprotegido en cuanto a la relación laboral se
refiere. En México, por lo menos una de cada dos personas que trabajan se encuentra en dicha
situación, por esto, se vuelve difícil definir la informalidad, el problema resulta ser muy extenso
y como menciona Brandt (2011), este escenario se puede observar en diferentes contextos
dentro del país, aunque se trate del mismo problema, por ejemplo:
Primero, un negocio es informal si no declara su actividad, ni cumple con las leyes
aplicables.
Segundo, las empresas pueden estar registradas y aun así, no cumplir con todas sus
obligaciones.
Por último, hay empresas, normalmente formales y de gran tamaño, que prefieren
contratar trabajadores por cuenta propia, para evitar el pago de impuestos.
9
En el primer punto, el autor describe a las unidades económicas que pertenecen al sector
informal, es decir, tanto su actividad como sus empleados, son informales. En el segundo, existe
el registro formal de un negocio pero, se incumplen parcialmente las obligaciones legales. Un
caso común en México, es cuando un pequeño emprendedor, inicia su empresa (registrada
formalmente), sin afiliar a todos sus empleados al seguro social, porque lo considera un gasto
excesivo. El tercero, se refiere a la contratación de personas que trabajan por honorarios, se les
paga por realizar una actividad específica, durante cierto tiempo, pero no tienen prestaciones
laborales, ni seguro social.
Los tres puntos anteriores presentan una situación de informalidad laboral4, lo cual es
importante, porque muestra que pueden existir diferentes niveles de informalidad. Por esta
razón, el enfoque de la economía informal ya no se basa solamente en las unidades económicas
(sector informal) sino también en las relaciones laborales. Actualmente la informalidad se
presenta en formas muy distintas, Moy (2019), se refiere a ella como “las personas que, a pesar
de tener un vínculo laboral con alguien, este no se reconoce mediante el pago de cuotas al
sistema de seguridad social”. Desde esta perspectiva, se puede decir que la informalidad es muy
amplia. En el último ejemplo que muestra Brandt (2011), los empleados son informales al no
poseer ninguna garantía por su relación laboral, sin embargo, están dentro de una empresa
debidamente establecida. Bajo estas circunstancias, se vuelve difícil distinguir entre lo formal e
informal.
Levy (2018), aunque admite que es complicado diferenciar entre lo formal e informal,
elabora algunas definiciones para ello. En la primera menciona que, se debe tomar como punto
de partida el cumplimiento de una política, en el caso de México, se opta por la regulación de
seguridad social y despido. De esta forma, se puede separar a los trabajadores asalariados de los
no asalariados. Anteriormente se hizo referencia a los segundos (no asalariados), como aquellos
que trabajan por honorarios, en cambio, los primeros reciben un sueldo fijo periódicamente. Los
trabajadores asalariados tienen un contrato, de relación obrero patronal, que les brinda una
mayor protección, los no asalariados, no tienen ninguna garantía, pero las empresas no incurren
en ningún delito al asociarse con ellos.
4 El documento del marco conceptual y metodológico de la ENOE (INEGI, 2014), muestran como la OIT cambió
su enfoque basado en un sector informal a uno más amplio, desde una perspectiva laboral.
10
De esta forma, se puede considerar como informal a quienes son parte de una relación
laboral pero no poseen las garantías de un seguro social, ni la protección contra el despido. Esto
incluye en su gran mayoría a los no asalariados. Aunque cabe mencionar, que solo distinguir
entre quienes cotizan en el seguro social, no es la mejor forma de definir a alguien como
informal, debido a que hay personas que, por la calidad del puesto que tienen, no necesitan
hacerlo, sin embargo, si tienen otras garantías laborales. Tampoco se puede considerar como
formales, a los ejidatarios que practican agricultura de subsistencia y por algún acuerdo especial,
tienen la cobertura del IMSS (INEGI, 2014)
Con la primera definición de Levy (2018), es relativamente fácil separar a un trabajador
formal de uno informal, conociendo solamente si cumple con una política de referencia. No
obstante, hay quienes reciben un salario pero tampoco cuentan con los beneficios de esta
regulación, esta situación, Levy (2018) la reconoce como ilegal.
Teniendo como punto de partida la distinción anterior, se puede clasificar a las
organizaciones, según su informalidad, como:
Plenamente formal; solo trabajadores asalariados, cumpliendo la regulación del
seguro social.
Mixta; trabajadores asalariados y no asalariados, cumpliendo parcialmente la
regulación del seguro social.
Informal y legal; solo trabajadores no asalariados.
Informal e ilegal; trabajadores asalariados pero evadiendo totalmente la regulación
del seguro social. (Levy, 2018)
En resumen, Levy (2018) considera como formales a las personas que, derivado de su
vínculo laboral, reciben los beneficios de la seguridad social. También, asume que la
responsabilidad de que el trabajador reciba esta garantía, es del patrón, sin embargo, reconoce
que la ley permite a las empresas relacionarse con trabajadores no asalariados y por lo tanto, ser
en parte informal, pero legal. Estos últimos no son propiamente “empleados”. Con la última
definición, se puede observar hasta qué grado se combina el trabajo informal con el formal y
esto ocurre en muchas empresas de México (Levy, 2018). Por eso, se puede decir que la
informalidad en el país es heterogénea y difícil de acotar, sin embargo se ha hecho un gran
esfuerzo para ello.
11
Como se mostró en la aportación que hace Levy (2018), se pueden tomar dos caminos
para identificar la informalidad, por el tipo de trabajador o por el tipo de empresa. El segundo
camino es más complejo y como se mencionó anteriormente, el actual enfoque para definir los
límites de una economía informal, es la relación de trabajo. Por lo tanto, la presente
investigación, toma como referencia el término de informalidad laboral, para representar en su
conjunto, a la economía informal. Según el Instituto Nacional de Estadística y Geografía
[INEGI] (2014), así se puede incluir a cualquier persona que trabaja en condiciones de
desprotección laboral, desde aquellos que se desempeñan en empresas formales, los que
pertenecen al sector informal, al servicio doméstico remunerado, hasta quienes practican la
agricultura de subsistencia y también el ambulantaje.
De esta forma, se logra identificar a quienes pertenecen a la informalidad en México, ya
que en la actualidad, no son solamente las personas que trabajan en un ámbito con rezago
tecnológico o educativo, también están los profesionistas que pertenecen a una empresa
plenamente establecida pero no reciben las garantías que por ley, merece un trabajador.
1.3. Precisiones teóricas
Como menciona Ruesga (2017), cualquier fenómeno económico está condicionado al enfoque
adoptado por el investigador, en este sentido, es importante mencionar las principales
diferencias entre las teorías que abordan, el análisis de la economía informal y así, poder optar
por la que mejor se adecua al objetivo del presente documento. Por ejemplo, Bacchetta, Ernst,
y Bustamante (2009), resume las corrientes utilizadas para explicar el origen de la informalidad,
en tres principalmente:
La teoría dual supone que, el sector informal es el segmento inferior de un mercado de
trabajo dual sin vinculación directa con la economía formal. Es un sector residual que
surge del proceso de transformación en una economía en desarrollo y existe porque la
economía formal no puede ofrecer oportunidades de empleo a una aparte de la fuerza
laboral. Con el crecimiento y la transformación de la economía, se espera que la
economía informal sea en última instancia absorbida en su totalidad por el sector formal.
12
La teoría estructuralista menciona que, el sector informal está integrado por pequeñas
empresas y trabajadores no registrados subordinados a grandes empresas capitalistas. El
primero proporciona mano de obra e insumos de bajo costo a las últimas, mejorando así
su competitividad. Según esta corriente, no es probable que el crecimiento elimine las
relaciones de producción informales, que están intrínsecamente asociadas con el
desarrollo capitalista. De acuerdo con esta opinión, las empresas modernas reaccionan a
la globalización introduciendo sistemas de producción más flexibles y recurriendo a la
subcontratación, lo que le permite reducir sus costos.
La teoría legalista dice que, el sector informal está integrado por microempresarios que
prefieren actuar de manera informal para evitar los costos asociados con el registro.
Mientras los costos del registro y otros procedimientos gubernamentales sean mayores
que los beneficios de actuar en el sector formal, los microempresarios preferirán operar
informalmente (Bacchetta et al, 2009).
La investigación realizada por Bacchetta et al (2009) resulta muy completa, porque
explican cuál puede ser la combinación de factores que, impulsa el crecimiento de la economía
informal, según cada teoría, también menciona el mecanismo por el cual se relacionan la
economía formal y la informal. Otra forma de exponer de donde proviene la informalidad, se
encuentra en la investigación de Perry et al (2007), ellos consideran que, existen dos alternativas
por las cuales, una empresa o una persona, puede ser informal, se refieren a la primera como,
“exclusión” y a la segunda, le dan el nombre de “escape”.
La exclusión se refiere a quienes son informales, como resultado de un mercado laboral
segmentado, reglamentaciones complejas para los pequeños negocios, que les impide
formalizarse y también, una excesiva carga fiscal y de regulaciones para las grandes empresas,
que las lleva a operar parcialmente en la informalidad como una forma de defenderse. Esta
rigidez en las normas le impide a las empresas pequeñas crecer y a las más grandes, desarrollarse
con eficiencia (Perry et al, 2007). En resumen, esta situación obliga a las personas y a los
negocios a optar por la informalidad. En sentido contrario, el escape implica una decisión
mayormente razonada y voluntaria, tomada por los individuos, esto significa que;
Muchos trabajadores, empresas y familias escogen su nivel óptimo de adherencia con los mandatos
y las instituciones del Estado, dependiendo del valor que asignen a los beneficios netos relacionados
con la formalidad y al esfuerzo y la capacidad de fiscalización del Estado. Es decir, realizan análisis
13
implícitos de costo-beneficio acerca de si deben o no cruzar el margen pertinente hacia la formalidad,
y con frecuencia, deciden no cruzarlo. Según esta perspectiva, los altos niveles de informalidad son
una consecuencia de que un gran número de empresas y personas optan por no pertenecer a las
instituciones formales, lo cual implica un cuestionamiento de la sociedad a la calidad de los servicios
del Estado y a su capacidad para hacer cumplir las normas. (Perry et al, 2007:2).
Respecto a las investigaciones citadas en este apartado, se puede decir que las teorías
que abordan la economía informal, debaten dos puntos esencialmente, el primero trata de las
razones por las que un individuo opta por ser informal, y la discusión se centra en si la decisión
es voluntaria o no. El segundo punto, se refiere al efecto que tiene la informalidad sobre la
economía formal, este debate analiza si las consecuencias pueden ser positivas o negativas. En
este sentido, el presente estudio se enfoca en la segunda discusión, debido a que, el objetivo
principal es conocer, que implicaciones tienen, los altos niveles de informalidad en el
crecimiento económico de México.
Por lo anterior, se toma como referencia la clasificación que hace Ruesga (2017) en
cuanto a las teorías sobre la economía informal. El autor explica que, se pueden agrupar los
distintos enfoques en dos, el primero es el enfoque clásico, el cuál concibe que la informalidad
puede ir a la par con la economía formal, potencializando a esta última. Bajo esta perspectiva,
se puede incluir a la teoría dual y la teoría estructuralista, debido a que, la primera considera la
economía informal como un sector aislado, al cual no es necesario prestarle mayor importancia,
la segunda cree que la economía informal sirve al sistema de producción capitalista, por lo tanto
su efecto es positivo en términos económicos (Bacchetta et al, 2009).
Según Ruesga, (2017), el segundo enfoque (el de la economía política), habla de una
relación inversa entre la informalidad y las posibilidades de desarrollo y crecimiento que tiene
una economía. La principal razón es que, la recaudación de impuestos disminuye al aumentar
las personas que se emplean informalmente, reduciendo el financiamiento de los servicios
públicos, deteriorando su cantidad y calidad. Esto resulta un problema, porque si el Estado no
puede realizar las inversiones necesarias en infraestructura, las instituciones públicas y privadas
no logran funcionar eficientemente (Loayza, 1996). De esta forma, esta tesis elige dicho
enfoque, considerando que la informalidad si tiene consecuencias negativas.
14
1.4. La informalidad como determinante del crecimiento económico
El primer problema que se surge al hablar de la relación entre crecimiento e informalidad es
responder, ¿qué causa que? Al respecto, Bacchetta et al (2009) mencionan que, la relación entre
la desigualdad en los ingresos y la economía informal, está más que demostrada, sin embargo,
no existe una dirección de causalidad estrictamente definida, si bien una variable aumenta y la
otra disminuye, la asociación de causa y efecto no es concluyente. Seguido, los economistas
buscan identificar causalidad entre sus variables de estudio, Gujarati y Porter (2010) mencionan
que, este asunto es en gran medida filosófico, “en un extremo están quienes opinan que todo es
causa de todo, y en el otro, quien niega la existencia de cualquier clase de causalidad”. En
México existe un gran debate, por un lado están quienes creen que la informalidad es un factor
importante que le impide al país crecer (Levy, 2012; Loayza y Sugawara, 2009), por el otro hay
quienes opinan que, no hay argumentos suficientes para creer que la informalidad provoca bajo
crecimiento (Ross, 2013).
Por su parte, Levy (2012) considera que, la principal causa del pobre crecimiento en
México es la baja productividad, atribuyendo esta última, a la informalidad que no paga
impuestos ni otorga seguridad social. Loayza (2008) y Levy (2018) están de acuerdo en que, la
informalidad se trata de una mala asignación de los recursos. Loayza (2008) menciona que, ser
informal con lleva a la perdida, por lo menos parcial, de ciertas ventajas como la protección
policial y judicial, el acceso al crédito formal y la capacidad para participar en los mercados
internacionales. Desde este punto de vista, se entiende que los altos niveles de informalidad
puedan afectar negativamente las posibilidades de crecimiento y desarrollo del país.
Loayza (1996), explica que el medio por el cual la informalidad provoca bajas tasas de
crecimiento, es a través de la deficiencia que se genera en los bienes y servicios públicos, esto
se debe a la alta cantidad de personas informales, por dos motivos, el primero es que no
contribuyen al financiamiento de estos, ya que no pagan impuestos, el segundo es que aun así,
los utilizan, debido a que, si son públicos no se restringe su uso. Por su parte, Levy (2012)
asegura que, existen muchas pequeñas empresas en México y la mayoría son informales, lo cual
implica que estas no sean productivas, porque invierten poco en tecnología y capacitación, de
esta forma, impiden su crecimiento y a la vez, el del país.
15
Los autores citados en el párrafo anterior, coinciden en que México no está creciendo
económicamente, al igual que Calderón y Hernández (2016) y Ross (2013), aunque estos
últimos explican que el país no acumula suficiente capital, debido a su pobre inversión en el
sector industrial. En particular, Ross (2013) cree que la informalidad no es un factor capaz de
detonar un bajo crecimiento económico, o al menos no es tan relevante para ser considerado
como el único. Levy (2018) y Loayza (2008) exponen que, tal vez el efecto de la economía
informal no sea directo en las tasas de crecimiento, sin embargo es un elemento importante y
debe ser tratado como tal.
Como se mencionó anteriormente, existe un debate respecto a quienes consideran que la
informalidad no siempre se trata de un problema, por ejemplo, De Soto (1989) y Alba, et al
(2012) muestran que, el trabajo informal brinda una fuente de ingresos extra y oportunidades de
empleo a personas que no logran incorporarse al sector formal, o que simplemente el dinero no
les alcanza, Loayza (2010) también menciona la capacidad de este sector para canalizar energías
empresariales, por ello, en muchos países, se identifica por su creatividad, ingenio y
perseverancia.
Visto desde la perspectiva optimista, México tiene una gran oportunidad de crecimiento,
sin embargo, esto no es un reflejo de la realidad, debido a que la mayoría de las empresas en
este país, son pequeñas y muchas de ellas, son informales, el problema es que su rasgo principal,
es su poca productividad (Levy, 2018). No obstante, diferentes investigadores enfatizan las
ventajas de estas unidades económicas, como su poca exigencia de capital y escasa dependencia
tecnológica (Alba y Kruijt, 1995). Aunque esto puede significar una fuente de empleo y una
solución en el corto plazo, si se toma en cuenta un periodo más largo, se puede afectar la
acumulación de riqueza, por la pobre cantidad de capital empleado, y también su poca capacidad
para generar mano de obra calificada, por la falta de conocimiento científico y tecnológico de
las personas ocupadas en la informalidad, perjudicando finalmente el desarrollo del país.
Barro (2002) dice que, tratar de explicar el crecimiento económico solo a partir de
variables mayormente económicas, como la inversión, puede ser una visión reducida, por ello,
en su investigación aborda otras variables, que tienen una interpretación más cualitativa, al estar
relacionadas esencialmente con el desarrollo económico. En este sentido, se puede considerar a
la informalidad como una de esas variables, debido a que, al profundizar en su definición se
16
puede observar una relación cercana con el desarrollo tanto individual como colectivo. Para
entender porque, se presentan los siguientes conceptos:
“La informalidad constituye un conjunto de prácticas productivas y laborales que, al
reproducirse al margen de la legislación y propiciar múltiples afectaciones
socioeconómicas, se convierte en un problema público que requiere de distintos tipos de
intervención del Estado”. (Martínez, 2017: 7).
“Los empleos informales se caracterizan por ser de baja calidad e ingresos, y se agrega
a esto la inestabilidad económica que crean en el individuo por no recibir un salario justo
y fijo para atender sus necesidades primarias. Esto indudablemente afecta las
condiciones de vida de la población, y desencadena un ciclo de pobreza y exclusión
social.” (Pérez, Contreras y Hernández, 2014: 4).
“La economía informal se caracteriza por una menor seguridad en el empleo, ingresos
más bajos, falta de acceso a una serie de prestaciones sociales y escasas oportunidades
de participar en los programas de educación y formación: en resumen, por la ausencia
de elementos esenciales del trabajo decente.” (Bacchetta et al., 2009: 9).
Al analizar diferentes conceptos sobre informalidad, se puede ver su relación cercana
con el desarrollo, ya que, puede afectar la calidad de vida de una persona y también de una
sociedad. Al final, pueden ser distintos los motivos por los cuales un trabajador o una empresa,
son informales, sin embargo cualquiera que sea la razón, detonará en lo mismo, los altos niveles
de economía informal, son reflejo de un malestar social y económico, por esto, se les considera
como una barrera al crecimiento y desarrollo (Perry et al, 2007).
Aunado a lo anterior, trabajos como los de Jiménez (2012) y Loayza (2008), consideran
que la informalidad afecta la productividad de una economía, no solo eso, también tiene
implicaciones negativas en la distribución de los ingresos, el crecimiento y el comercio
internacional (Bacchetta et al, 2011) y en menor medida en los niveles de educación (Brandt,
2011). Por estas razones, la informalidad se considera una característica del subdesarrollo, los
estudios empíricos que abordan este tema, identifican una asociación inversa entre el PIB
(Producto Interno Bruto) per cápita y el empleo informal, en el caso de México se presenta la
misma situación con las entidades federativas, cuando el número de trabajadores informales
aumenta, disminuye el ingreso promedio de las personas (ver gráfica 1.3).
17
Informalidad
Laboral %
PIB per cápita en miles de pesos $
También, los estados con un menor nivel educativo presentan tasas de informalidad más
altas (ver grafica 1.4). De esta forma, se consigue pensar en la economía informal como un
factor que inhibe el crecimiento económico y al estar presente en mayor proporción, puede crear
una brecha considerable entre los niveles de ingresos. En esta investigación se considera que,
dicha situación está presente en el país y se puede observar en el grado de desarrollo de los
estados, en relación a sus niveles de informalidad.
Gráfica 1.3. Diagrama de dispersión con la tasa de informalidad laboral y el PIB per cápita de
las entidades federativas, en el 2018*
Fuente: elaboración propia con datos del INEGI.
*Se utilizó la tasa de informalidad laboral, del segundo trimestre del 2018. Se excluyeron los estados de Campeche,
Ciudad de México y Tabasco, por su elevado PIB per cápita (ver Anexo 1).
30
40
50
60
70
80
90
$- $100 $200 $300
18
Informalidad
Laboral %
Nivel de educación
Gráfica 1.4. Diagrama de dispersión con la tasa de informalidad laboral y nivel de educación
de las 32 entidades federativas, en el 2015*
Fuente: elaboración propia con datos del INEGI.
*Se utilizó la tasa de informalidad laboral, del segundo trimestre del 2015. También se usó un índice que va de
cero a cien, donde cero es el nivel educativo más bajo, es un indicador de bienestar elaborado por el INEGI (ver
Anexo 2).
Como se mencionó, la informalidad está asociada a diferentes indicadores, si estos
identifican una mejora en un sentido social y económico, entonces su relación con el empleo
informal será negativa. Aunque esto no es evidencia suficiente para demostrar un sentido de
causalidad, lo cual no es fácil (Bacchetta, et al. 2011), se puede considerar que, en algún punto
la ocupación informal es tan alta que, dificulta la posibilidad de disminuir la brecha entre los
ingresos de las personas, de hecho, Cruz (2018) menciona que, este problema representa uno
de los principales obstáculos para reducir la pobreza en México. Es posible que ser informal, no
sea la causa directa de ser pobre, sin embargo, suele proporcionar menores ingresos, si a esto se
agrega que los empleos informales están asociados con menores niveles de educación,
difícilmente quien pertenece a la informalidad logra invertir en su capacitación, por lo cual sus
oportunidades de mejorar profesionalmente se ven reducidas, por lo mismo, si la persona se
encuentra en la pobreza, difícilmente podría salir de ella (Cruz, 2018).
30
40
50
60
70
80
90
20 40 60 80
19
Informalidad
Laboral %
Nivel de pobreza
El trabajo realizado por Bacchetta, et al (2011), documenta diferentes investigaciones
que prueban la relación que tiene la economía informal con otras variables, solo que en un
contexto internacional, en este sentido, en este apartado se mostró que, en un contexto regional,
se puede afirmar que las variables siguen la misma tendencia, es decir, en México, la pobreza
aumenta cuando también lo hace la informalidad (ver grafica 1.5), caso contrario con el nivel
de educación y el PIB per cápita. Esto quiere decir que, las hipótesis probadas entre países
respecto a los niveles de economía informal, son compatibles en un panorama regional. Por esta
razón, el objetivo principal de esta tesis es, determinar si los diferentes niveles de informalidad
entre las entidades federativas, afectan su crecimiento económico.
Gráfica 1.5. Diagrama de dispersión con la tasa de informalidad laboral y nivel de pobreza de
las 32 entidades federativas, en el 2018*
Fuente: elaboración propia con datos del INEGI.
*Se utilizó la tasa de informalidad laboral, del segundo trimestre del 2018. También se usó el porcentaje de personas
en situación de pobreza, es un indicador de bienestar elaborado por el INEGI.
30
40
50
60
70
80
90
20 40 60 80
20
II. CONVERGENCIA ECONOMICA
2.1. Introducción
Desde el inicio, en economía se ha tratado de explicar, ¿por qué algunos países son más ricos
y otros más pobres?, por esto, las teorías del crecimiento económico son tan antiguas como la
ciencia misma, y a su vez, así de importantes (Valdés, 1999; Sala-i-Martin, 2000). Se puede
pensar que esta pregunta surge por la necesidad de entender, que provoca las disparidades
económicas entre las regiones. En este sentido, Sala-i-Martin (2000) afirma que las diferencias
aunque sean pequeñas, en las tasas de crecimiento del ingreso per cápita, generan grandes
diferencias en los niveles de ingresos de las economías (en el largo plazo). Desde esta
perspectiva, para disminuir la brecha entre dos economías, se requiere que la más pobre empiece
a crecer en una proporción mayor, que la más rica, entonces, ambas se estarían acercando hacía
un mismo punto, es decir que, convergen.
El inicio del desarrollo y el crecimiento no afecta a todas las regiones al mismo tiempo. Aquellas
que son pioneras en abandonar la situación de partida divergen de las restantes. No obstante, llegado un punto, los mecanismos desequilibrantes se debilitan. La difusión de los
conocimientos, las técnicas y las tecnologías que favorecen el desarrollo e impulsan el
crecimiento beneficia a un número cada vez mayor de regiones, que abandonan la situación de
estancamiento y progresan a ritmos incluso superiores a los de las pioneras. La divergencia puede
entonces tornarse en convergencia. (Peláez, 2017:5).
En esencia, el proceso descrito por Peláez (2017), es el de convergencia económica, el cual
supone que en algún momento, las zonas más rezagadas son capaces de alcanzar a las más
avanzadas. Este supuesto aunque parece utópico, es importante porque permite comparar los
distintos factores que determinan que una economía sea más rica o más pobre. De esta forma,
la presente investigación propone analizar si los niveles de informalidad en México, están
afectando la posibilidad de convergencia entre las entidades federativas. Para ello, en este
segundo capítulo, se examina el marco teórico de referencia, así como la evidencia empírica que
existe al respecto, es decir, los casos más relevantes que anteceden este trabajo, en un contexto
internacional y nacional.
21
2.2. El modelo de crecimiento neoclásico
Por un momento, se puede dejar de pensar dentro de los límites de la ciencia económica, para
crear una analogía de la siguiente manera, dentro del campo de la física, si se consideran dos
recipientes, uno con agua fría y otro con agua caliente, aumentar la temperatura en la misma
cantidad, no tiene el mismo resultado en ambos, se podrá notar que el agua fría se calentará más
rápido, en cambio en el agua caliente, el efecto será menor. Sucede algo similar con las
economías, un mismo aumento de la producción, tendrá mayor impacto en la más pobre. Es
decir, tanto el líquido caliente como la economía más rica, requieren de más esfuerzo para seguir
avanzando, en parte, esta es la lógica que se emplea en la teoría de la convergencia.
Los economistas usan los modelos como una abstracción de la realidad, para poder
representar específicamente el fenómeno que quieren estudiar. Siendo así, el modelo capaz de
explicar la convergencia económica, se deriva de la teoría neoclásica de crecimiento. Los
principales exponentes de esta hipótesis son Solow (1956) y Swan (1956), el punto central de
su trabajo, es que demuestran, bajo ciertos supuestos, que el crecimiento económico llega a ser
estable en el largo plazo (Valdés, 1999; Sala-i-Martin, 2000; Fuentes et al, 2003). A partir de
ese momento, la tasa de crecimiento siempre será cero y es ahí cuando las economías llegan a
su estado estacionario (convergen).
Aunque existe una tendencia dentro de los economistas a elaborar modelos cada vez más
complejos con el uso de las matemáticas, en ocasiones, ello dificulta que la teoría se pueda
relacionar con el mundo real. El modelo de crecimiento neoclásico ha ido modificando con el
tiempo, sin embargo, el espacio en este documento no alcanzaría para mostrar todos los cambios,
por ello, en esta sección se expone únicamente, los supuestos básicos para poder entender, a
que hace referencia un crecimiento económico estable y como se logra. De forma general, ello
se explica con una función de producción, es decir que, la economía crece a partir de la
combinación de ciertos factores, principalmente capital y trabajo, los cuales, presentan
rendimientos decrecientes, lo que significa que, si los factores aumentan, su productividad será
cada vez menor. Así pues, las economías más grandes, empezarán a crecer a tasas, más
pequeñas, convergiendo con las demás economías (Valdés, 1999; Sala-i-Martin; 2000, Fuentes
et al, 2003).
22
2.2.1. Función de producción neoclásica
Con el fin de simplificar los factores que intervienen en una economía, se debe considera un
país que no tiene comercio exterior y tampoco cuenta con la participación del gobierno, esto se
puede representar en la ecuación 2.1, en la cual se interpreta que, una parte de la producción o
ingreso (𝑌𝑡), se consume (𝐶𝑡) y la otra se invierte5 (𝐼𝑡). Al restar el consumo por ambos lados de
la igualdad, se obtiene 2.2, de ello se debe suponer que, si las personas cuentan con un ingreso
y no lo gastan todo en consumo, ahorran una parte (𝑆𝑡), por conveniencia, se piensa que ese
ahorro lo invierten (Sala-i-Martin, 2000). El subíndice t, indica un periodo en el tiempo.
𝑌𝑡 = 𝐶𝑡 + 𝐼𝑡 (2.1)
𝑌𝑡 − 𝐶𝑡 = 𝑆𝑡 = 𝐼𝑡 (2.2)
La producción de una economía también se puede representar con la siguiente función6:
𝑌𝑡 = 𝐹( 𝐾𝑡 , 𝐿𝑡) (2.3)
Donde 𝐾𝑡, simboliza el capital de trabajo (por ejemplo, maquinaria) y 𝐿𝑡 la cantidad de
trabajadores, esta función debe cumplir con tres criterios para ser considerada neoclásica. El
primero es que la producción debe generar rendimientos constantes a escala, ello significa que,
si aumentan los dos factores en la misma proporción, la producción aumenta de igual forma,
considerando dicha proporción como una constante λ (lambda), se puede expresar la función
2.3 de la siguiente manera, 𝐹( λ𝐾𝑡 , λ𝐿𝑡) = 𝐹λ( 𝐾𝑡, 𝐿𝑡). “Matemáticamente, esta propiedad se
conoce con el nombre de homogeneidad de grado uno” (Sala-i-Martin, 2000:13).
Como se mencionó anteriormente, cada uno de los factores de producción debe presentar
rendimientos decrecientes, siendo este es el segundo criterio. Esta idea debe funcionar con
cualquier producto o servicio, sin embargo, se puede pensar en un pequeño taller de carpintería,
donde se aumenta la cantidad (sin parar) de trabajadores (𝐿𝑡), sin incrementar el espacio o las
5 Como menciona Sala-i-Martin (2000), uno de los principales factores que influyen en las tasas de crecimiento de
los países, es la inversión, por eso, para determinar solamente su efecto en la economía, en la expresión (1) se
excluyen factores como el gasto de gobierno y las exportaciones netas. 6 Se habla de una función, cuando una variable depende de otra, en este caso la producción, 𝑌𝑡 , depende del
capital, 𝐾𝑡 y del trabajo, 𝐿𝑡 .
23
herramientas y maquinas disponibles (𝐾𝑡), en algún punto, los empleados se harán ineficientes,
por lo tanto, su productividad se hará menor, hasta ser negativa. Sucede lo mismo si se aumenta
el capital (𝐾𝑡) pero no el trabajo (𝐿𝑡). Algebraicamente se requiere que, la primera derivada de
cada factor, sea positiva (∂F
∂𝐾> 0,
∂F
∂𝐿> 0) y la segunda negativa (
∂2F
∂𝐾2 < 0,∂2F
∂𝐿2 < 0) 7. Cabe
mencionar que la derivada parcial de la función de producción. representa la productividad
marginal del factor en cuestión (Sala-i-Martin, 2000) 8.
El tercer criterio que se debe cumplir, se conoce como condiciones de Inada, esto implica
que, la productividad marginal de cada factor sea cero, cuando este tiende a infinito. Esto se
expresa de la siguiente manera, cuando el límite de 𝐾𝑡 se acerca a infinito ( lim𝐾→∞
) su
productividad marginal es igual a cero ( ∂F
∂𝐾= 0), en el caso contrario, si el capital tiende a cero
( lim𝐾→0
), su productividad marginal será infinita ( ∂F
∂𝐾= ∞). Esto se puede interpretar de la
siguiente manera, si la cantidad de capital es muy alta, entonces agregar más no tendría mucho
sentido, por eso, un incremento del mismo tiene un efecto cada vez menor. Por el lado opuesto,
si hay poco capital, conviene agregar cada vez más. Lo mismo sucede con el trabajo (𝐿𝑡), (Sala-
i-Martin, 2000; Fuentes et al, 2003).
La función que satisface los tres criterios, es la siguiente:
𝑌𝑡 = 𝐾𝑡𝛼𝐿𝑡
1−𝛼 (2.4)
Donde α (alfa), toma valores entre 0 y 1.
1.- Es homogénea de grado 1, (λ𝐾𝑡)𝛼(λ𝐿𝑡)1−𝛼 = λ𝐾𝑡𝛼
𝐿𝑡1−𝛼
.
2.- La primera derivada respecto a 𝐾𝑡 es ∂F
∂𝐾= α 𝐾𝑡
𝛼−1𝐿𝑡1−𝛼
y si, se calcula la segunda
derivada, se obtiene ∂2F
∂𝐾2 = α (α-1) 𝐾𝑡𝛼−2𝐿𝑡
1−𝛼 = −
α (1−α)𝐿𝑡1−𝛼
𝐾𝑡2−𝛼 , por simetría, se puede
llegar al mismo resultado con 𝐿𝑡, es decir, su primera y segunda derivada, también son
positiva y negativa, respectivamente.
7 Una derivada indica en cuanto cambiaria una función ante un cambio, por mínimo que sea, en sus variables.
8 La productividad marginal de un factor, indica en cuanto aumentaría la producción al añadir una unidad más de
dicho factor.
24
3.- Para comprobar las condiciones de Inada, se tiene que reescribir la derivada parcial
de 𝐾𝑡, como ∂F
∂𝐾=
α 𝐿𝑡1−𝛼
𝐾𝑡1−𝛼 , en ella se puede observar que si el capital (𝐾𝑡) aumenta, la
productividad marginal disminuye (el cociente se hace más pequeño), en caso contrario,
si 𝐾𝑡 se reduce, la productividad marginal incrementa (el cociente se hace más grande).
Condiciones análogas se aplican al trabajo 𝐿𝑡 (Sala-i-Martin, 2000).
Una vez comprobado que, la función de producción es neoclásica, se puede escribir la
ecuación 2.1 como:
𝐹(𝐾𝑡 , 𝐿𝑡) = 𝐶𝑡 + 𝐼𝑡 (2.5).
También es necesario, suponer que las familias destinan una fracción constante de su ingreso al
ahorro, dicha proporción será 𝑠, con valores entre 0 y 1. Por lo tanto, el consumo se puede
indicar de esta forma;
𝐶𝑡 = (1 − 𝑠) 𝑌𝑡 (2.6).
Al sustituir 2.6 en 2.5, se comprueba que el ahorro es igual a la inversión, en una economía
cerrada y sin gasto público (Sala-i-Martin, 2000). Con ello se obtiene la siguiente igualdad;
𝑠𝑌𝑡 = 𝐼𝑡 (2.7).
Si bien, la inversión (𝐼𝑡) la realizan las empresas, lo hacen por dos motivos, para aumentar su
capital y cambiar su maquinaria o equipo, el primer motivo se conoce como inversión neta y se
puede escribir como �̇� = ∂K
∂𝑡 , representa cuanto cambia 𝐾𝑡 en el siguiente instante9. El segundo
motivo se conoce como depreciación (𝐷𝑡), el cual se trata de remplazar las maquinas que se
deterioran. De esta forma se puede expresar la inversión bruta (𝐼𝑡) como;
𝐼𝑡 = �̇� + 𝐷𝑡 (2.8).
Para facilitar este ejercicio, se piensa que la tasa de depreciación del capital es constante y se
indica con δ (delta) y así poder rescribir la ecuación 2.8; 𝐼𝑡 = �̇� + δ𝐾𝑡 , al sustituir este resultado
9 Al igual que en Sala-i-Martin (2000) y Fuentes et al (2003), el punto arriba de la variable, indica cuanto ha
cambiado, a medida que avanza el tiempo.
25
en 2.5, se obtiene 𝐹(𝐾𝑡 , 𝐿𝑡) = 𝐶𝑡 + �̇� + δ𝐾𝑡, si en ello se usa la propiedad de la expresión
2.6, se puede encontrar que, 𝐹(𝐾𝑡 , 𝐿𝑡) = (1 − 𝑠) 𝑌𝑡 + �̇� + δ𝐾𝑡, o lo que es igual, 𝐹(𝐾𝑡 , 𝐿𝑡) =
(1 − 𝑠) 𝐹(𝐾𝑡 , 𝐿𝑡) + �̇� + δ𝐾𝑡, si en esta última expresión, se coloca �̇� del lado izquierdo y
todos los demás elementos del lado derecho, resulta;
�̇� = 𝑠 𝐹(𝐾𝑡 , 𝐿𝑡) − δ𝐾𝑡 (2.9).
Al obtener la ecuación 2.9, se llega a una conclusión importante, si se conoce la cantidad de
capital empleado (𝐾𝑡) y el número de trabajadores (𝐿𝑡), como la tasa de ahorro (𝑠) y la tasa de
depreciación (δ) son constantes, se puede saber cuánto será el aumento de capital en el siguiente
instante (�̇�) (Sala-i-Martin, 2000).
Como el objetivo del modelo de crecimiento neoclásico, es conocer el papel que
desempeña la inversión en el crecimiento del capital físico, se agrega otro supuesto, aunque
poco realista, ayuda con este propósito, se dice que la población total de la economía es igual al
total de trabajadores (𝐿𝑡). Por lo tanto, se puede dividir la ecuación 2.3 por 𝐿𝑡 y se
obtiene, 𝑦 = 𝐹(1
𝐿𝑡𝐾𝑡 ,
1
𝐿𝑡𝐿𝑡)= 𝑓(𝑘𝑡) (2.10), ahora, la función de producción, se encuentran en
términos per cápita y se utilizan las mismas letras pero, en minúsculas. Con esto, se puede volver
a escribir la ecuación 2.9 como, �̇� = 𝑠 𝑓(𝑘𝑡 ) − δ𝑘𝑡. Así, la igualdad queda en términos de 𝐾𝑡,
en donde, la primer parte en el lado derecho de la igualdad, indica la inversión, o lo que es lo
mismo, el ahorro (Sala-i-Martin, 2000).
A esta última expresión le hace falta incluir un factor importante dentro de la hipótesis
neoclásica; la población (𝐿𝑡), crece a una tasa exógena y constante (𝑛). Esta última, se añade
para crear la ecuación fundamental del modelo Solow-Swan, con ella se explica cómo cambia
el capital per cápita desde el presente (tiempo t) hasta el final de los periodos.
�̇� = 𝑠 𝑓(𝑘𝑡 ) − (δ + n)𝑘𝑡 (2.11)
Hay que notar que, dicho cambio depende por un lado, del ahorro de la economía,
𝑠 𝑓(𝑘𝑡 ) y por el otro, del término (δ + n)𝑘𝑡. Es lógico pensar que si el ahorro aumenta, también
lo hará el capital, por eso existe una relación positiva entre ambos, ya que según los supuestos
anteriores, todo lo que se ahorra se invierte. En cambio, el segundo término de la expresión
(2.11) tiene una relación negativa por dos razones, la primera es que, al depreciarse el capital
26
pierde valor, es decir, si aumenta δ disminuye 𝑘𝑡. Hay que recordar que la depreciación,
significa que, la maquinaria tiene una vida útil10. La segunda razón es que, si la población
incrementa, entonces el uso del capital también, por eso se desgasta. Para que esto tenga más
sentido, hay que pensar que sucede si el término 𝑠 𝑓(𝑘𝑡 ) se vuelve cero, es decir nadie invierte
en capital, entonces este factor dejaría de crecer, sin embargo, si el número de personas continúa
aumentando, el capital per cápita disminuye, por esta razón, también es preciso que n, tenga
signo negativo en la expresión 2.11 (Sala-i-Martin, 2000).
2.2.2. Análisis del estado estacionario
La conclusión más relevante que se obtiene a partir de la ecuación fundamental de Solow-Swan
es que, una economía puede llegar a su estado estacionario, esto significa un crecimiento estable
en el largo plazo, para entender porque, se puede representar dicha ecuación en un esquema. En
la gráfica 2.1, se tiene un eje vertical, para los valores que dependen de 𝑘𝑡 y un eje horizontal
con las cantidades de 𝑘𝑡, donde se puede observar la expresión 𝑦 = 𝑓(𝑘𝑡), la cual representa la
producción per cápita y como cumple con las condiciones de una función neoclásica, es una
curva y es cóncava11.
También es necesario representar la función del ahorro, 𝑠𝑓(𝑘𝑡), la cual es muy parecida
a la anterior, debido a que representa una proporción de ella, y como 𝑠 tiene valores entre 0 y 1,
la curva del ahorro estará en todo momento, por debajo de la curva de producción. Recordando
que el ahorro es igual a la inversión, la diferencia entre las dos curvas, así como se indica en la
gráfica 2.1, es igual al consumo (c), debido a que:
𝑦 = 𝑓(𝑘𝑡) = c + i → y − s = c.
Así mismo, la distancia de la curva 𝑠𝑓(𝑘𝑡) con el eje horizontal, indica el ahorro (s) o la
inversión (i). En la gráfica 2.2, se agrega un componente importante, la función (δ + n)𝑘𝑡, la
cual se señala con una línea recta12, debido a que el factor δ + n multiplica al capital (𝑘𝑡), es
10 Cualquier maquina tiene un límite de tiempo para seguir funcionado, a parte conforme avanzan los años, se crean
nuevos y mejores equipos, lo cual disminuye el valor de los más antiguos. 11 Lo que se debe entender es que, 𝑓(𝑘𝑡) se puede dibujar como una curva con pendiente positiva. 12 Esta línea tiene una tendencia positiva por su pendiente δ + n.
27
𝑦 = 𝑓(𝑘𝑡) = c + i
𝑠𝑓(𝑘𝑡) = 𝑖
Funciones de 𝑘𝑡
𝑘𝑡
una combinación lineal. En dicho gráfico se puede notar que las curvas 𝑠𝑓(𝑘𝑡) y (δ + n)𝑘𝑡, se
cruzan en el origen, donde 𝑘𝑡 es igual a cero, lo relevante de ello es que, en esa intersección se
puede imaginar a la curva del ahorro como una línea totalmente vertical, pero la otra tiene una
inclinación δ + n , por eso, esta última se encuentra por debajo, para los valores más cercanos
a cero, sin embargo, como la función 𝑠𝑓(𝑘𝑡) es cóncava, a medida que 𝑘𝑡 se hace más grande,
en algún momento la curva empezará a caer, de hecho, pasa por el punto k𝑡∗, en donde se cruza
con (δ + n)𝑘𝑡. Cuando se cortan ambas curvas, se obtiene 𝑠𝑓(𝑘𝑡) = (δ + n)𝑘𝑡, es decir que la
cantidad que se invierte en nuevo capital es la misma que se deprecia. El estado estacionario se
encuentra en k𝑡∗ , a partir de ahí, el cambio del capital per cápita en el siguiente instante será
cero, �̇� = 0.
La ecuación fundamental de Solow-Swan predice que, no habrá diferencia en el capital
en el siguiente periodo, por lo tanto, la economía ya no puede avanzar. La interpretación
económica es la siguiente, el país invierte solamente en la cantidad precisa para cambiar la
maquinaria que se desgasta, de aquí en adelante, siempre será lo mismo hasta el final de los
tiempos, por eso se dice que el equilibrio es estable en el largo plazo (Sala-i-Martin, 2000).
Grafica 2.1. Modelo neoclásico de Solow-Swan
Fuente: elaboración propia
c
𝑖 = 𝑠
28
Funciones de 𝑘𝑡
𝑘𝑡 𝑘𝑡
∗
Grafica 2.2. El estado estacionario en el modelo neoclásico
2.2.3. Análisis de la tasa de crecimiento en el estado estacionario
Para comprobar que el equilibrio es estable, se requiere analizar cómo podría una economía con
capital diferente al del estado estacionario (𝑘𝑡∗), converger hacía ese punto. Para esto, se necesita
examinar la tasa de crecimiento del capital per cápita (Sala-i-Martin, 2000; Fuentes et al, 2003).
Anteriormente se había denotado el cambio en el capital en un instante de tiempo como �̇�, lo
cual se debe interpretar como, �̇� = 𝑘𝑡+1 − 𝑘𝑡, es decir, solamente señala la diferencia entre el
capital en el tiempo presente 𝑡 y el siguiente periodo en el tiempo 𝑡 + 1. Para que esta diferencia
se pueda considerar una tasa de crecimiento, indicada con la letra 𝛾 (gamma), le hace falta
expresarse como un cociente, para eso, se le divide entre el valor que toma la variable, en el
periodo inicial (𝑘𝑡), de la siguiente forma; 𝑘𝑡+1−𝑘𝑡
𝑘𝑡 . Si se aplica esta lógica a la ecuación 2.11,
se obtiene:
Fuente: elaboración propia
29
�̇�
𝑘𝑡=
𝑠 𝑓(𝑘𝑡 )− (δ+n)𝑘𝑡
𝑘𝑡=
𝑠𝑓(𝑘𝑡 )
𝑘𝑡− (δ + n)𝑘𝑡 = 𝛾𝑘 (2.12).
El resultado en 2.12, muestra el comportamiento de la tasa de crecimiento del capital per
cápita (𝛾𝑘), para simplificar un poco más, el termino 𝑠𝑓(𝑘𝑡 )
𝑘𝑡 , se puede reescribir como una
función modificando la expresión 2.12 de la siguiente forma, 𝛾𝑘 = 𝑠𝑘𝑡
∝
𝑘𝑡− (δ + n) =
𝑠𝑘𝑡 −(1−∝) − (δ + n) (2.13). Aunque en apariencia se podría decir que dicha función es similar
a una de producción neoclásica, como la que se describió en párrafos anteriores, no lo es, tiene
diferencias importantes que sirven para la presente explicación:
1. La función 𝑠𝑘𝑡 −(1−∝)
, es decreciente para todos los valores de 𝑘𝑡, esto es debido a que
el exponente es negativo.
2. Al reescribir la función 𝑠𝑘𝑡 −(1−∝)
como 𝑠𝑘𝑡
∝
𝑘𝑡, se observa que 𝑘𝑡 se encuentra en el
denominador. Por lo tanto, la curva del ahorro ( 𝑠𝑘𝑡 −(1−∝)
) tiende a cero cuando el
capital ( 𝑘𝑡 ) aumenta, si disminuye, tiende a infinito (ver grafica 2.3).
3. Al calcular la primera y segunda derivada de 𝑠𝑘𝑡 −(1−∝)
, se obtienen ∂ (𝑠𝑘𝑡 )
∂𝑘𝑡=
−(1−∝) 𝑠𝑘𝑡 𝛼−2
y ∂2(𝑠𝑘𝑡 )
∂𝑘𝑡2 = (∝ −1)(∝ −2) 𝑠𝑘𝑡
𝛼−3 . Al recordar que α toma valores
entre 0 y 1, se puede observar que la primera derivada es negativa y la segunda positiva,
por ello la función 𝑠𝑘𝑡 −(1−∝)
es convexa13.
Igual que en el ejercicio anterior, para entender el comportamiento de la tasa de
crecimiento del capital per cápita (𝛾𝑘), es necesario graficar las dos funciones que la componen,
𝑠𝑘𝑡 −(1−∝)
y δ + n, la primera es una curva con pendiente negativa, la segunda, al no depender
de 𝑘𝑡 , es una constante y se representa con una recta horizontal, estas dos líneas se cruzan en
un solo punto (𝑘𝑡∗), y debido a la expresión 2.13, es cuando 𝛾𝑘 = 0. Al observar la igualdad en
2.13, se puede notar que, cuando la curva de ahorro ( 𝑠𝑘𝑡 −(1−∝)
) sea mayor a la curva δ + n, la
tasa de crecimiento será positiva, en caso contrario, será negativa, así como se indica en la
gráfica 2.3. Lo importante aquí, es identificar que sucede cuando 𝑘𝑡 es diferente a 𝑘𝑡∗. Si una
13 Lo que se debe entender es que, se puede dibujar como una curva con pendiente negativa, así como se muestra
en la gráfica 2.3.
30
economía tiene un nivel de capital per cápita (𝑘𝑡) muy cercano a cero, su tasa de crecimiento
(𝛾𝑘) será muy alta, lo que le permite avanzar más rápido al estado estacionario (𝑘𝑡∗). En cambio,
si 𝑘𝑡 es muy grande, su tasa de crecimiento será muy pequeña, incluso negativa, esto provoca
que el capital per cápita disminuya cada vez más, haciendo que también se acerque a 𝑘𝑡∗14. En
los dos casos, la economía converge hacia su punto de equilibrio en el largo plazo y una vez que
llega, su tasa de crecimiento será siempre cero, es decir que ahí se detiene (no crece ni decrece),
por ello se considera estable (Sala-i-Martin, 2000; Fuentes et al, 2003).
Lo anterior tiene mucho sentido al pensar en la ecuación fundamental de Solo-Swan
(2.11), si 𝑠 𝑓(𝑘𝑡 ) > (δ + n)𝑘𝑡, quiere decir que se está invirtiendo en más capital del que se
deprecia, por eso la maquinaria y equipo tienen una tasa de crecimiento positiva, si ocurre lo
opuesto 𝑠 𝑓(𝑘𝑡 ) < (δ + n)𝑘𝑡, el capital per cápita se desgasta más rápido, de lo que la economía
tarda en remplazarlo, por eso la tasa de crecimiento es negativa.
Grafica 2.3. Dinámica de la tasa de crecimiento
14 En el estado estacionario, la tasa de crecimiento del consumo, de la producción y de la población, son iguales.
31
2.2.4. La velocidad de convergencia
Si es cierto que una economía puede llegar a su punto de equilibrio, es relevante preguntar
¿cuánto le falta para lograrlo? Para obtener una respuesta, es necesario conocer la velocidad en
la cual el capital (𝑘𝑡) se acerca al capital del estado estacionario (𝑘𝑡∗), dicha velocidad, Sala-i-
Martin la define como, “el cambio en la tasa de crecimiento cuando el capital aumenta en un
uno por ciento” (2000:44). Para calcular ese cambio, se puede derivar la función de la tasa de
crecimiento per cápita (𝛾𝑘) respecto a 𝑘𝑡, así como se muestra en la expresión 2.14. Se puede
observar que el valor de 𝛽 (beta) es negativo, debido a que, por la teoría de la convergencia, las
economías más ricas (con mayor capital), empiezan a tener tasas de crecimiento cada vez más
pequeñas (Sala-i-Martin, 2000).
𝛽 = −∂(𝛾𝑘)
∂𝑘𝑡 (2.14)
Suponiendo que 𝛽 = −0.05, significa que la economía reduce la brecha que existe entre
𝑘𝑡 y 𝑘𝑡∗ en un 5% cada año, esa es la velocidad en la cual se acerca a su estado estacionario.
Pensar que es posible calcular en cuanto tiempo una región puede llegar a su punto de equilibrio,
es ser muy optimista, por ejemplo, en base a esta suposición, se puede decir que cada año la
distancia disminuye en un 5%, por lo tanto, en 10 años se habría recorrido la mitad del trayecto
(50%). Sin embargo, es difícil de creer que un país deje de crecer económicamente. El fin
realmente práctico de calcular 𝛽 es poder comparar dos regiones o más, por ejemplo, al
considerar dos economías, la primera con un valor 𝛽 de 1.2% y la segunda con 2%, se observa
que la última tiene una velocidad de convergencia mayor, por lo tanto, las disparidades entre el
ingreso per cápita de sus habitantes tienden a ser menores. Identificar los factores que influyen
en el resultado de 𝛽, permite conocer porque una economía crece más rápido (Sala-i-Martin,
2000).
32
2.3 Tipos de convergencia
En el campo empírico de las ciencias económicas, el ingreso de un país se representa con el PIB
per cápita, con ello se permite comparar si una economía es más rica que otra. Al existir una
relación inversa entre la tasa de crecimiento del ingreso y el nivel inicial de ese ingreso, se habla
de 𝛽 convergencia.
Para comprobar dicha hipótesis, se estima una regresión en donde la variable
dependiente es la tasa de crecimiento del PIB per cápita y la dependiente, es el PIB per cápita
del periodo inicial (𝑦𝑡), así como se muestra en la expresión 2.15.
𝑦𝑡+1−𝑦𝑡
𝑦𝑡 = 𝛽0 + 𝛽1 𝑦𝑡 + 𝜀𝑡 (2.15)15
Donde; 𝛽0 es el intercepto, un signo negativo de 𝛽1 indica convergencia y un signo
positivo divergencia, 𝜀𝑡 es el termino error.
Las primeras investigaciones que se realizaron al respecto, usaron un conjunto de datos
de diferentes países, sin embargo encontraron que al hacer la estimación, el coeficiente de 𝛽1
era positivo, por lo cual, la teoría de la convergencia fue duramente criticada, se decía que era
imposible que las economías del mundo llegaran a un mismo punto de equilibrio. No obstante,
economistas como Sala-i-Martin (2000) explican que, los supuestos neoclásicos no predicen que
esto vaya a suceder, debido a que los países tendrían que tener preferencias de consumo, tasas
de ahorro, de depreciación e inversión, muy parecidas, al igual que su capacidad tecnológica y
de producción, lo cual, difícilmente podría pasar en la realidad.
Debido a lo anterior, se propuso delimitar los estudios empíricos a un grupo de regiones
similares, como las provincias de los Estados Unidos, suponiendo que estas, tienen políticas e
instituciones afines. De esta forma Barro y Sala-i-Martin (1992), lograron probar la hipótesis de
convergencia, al obtener un valor negativo de 𝛽1. Cuando esto sucede, se llama 𝛽 convergencia
absoluta. Posteriormente, se llevaron a cabo trabajos del mismo estilo, en diferentes regiones
del mundo (Sala-i-Martin, 2000).
15 Del lado izquierdo de la ecuación se encuentra la tasa de crecimiento, para conocer la velocidad de convergencia,
se utiliza la tasa anualizada, así que se divide entre el número total de años.
33
La convergencia absoluta supone que las regiones son homogéneas y se dirigen a un
mismo estado estacionario, sin embargo, esta situación aún dista de la realidad, principalmente
en los países menos desarrollados. Solo por mencionar un ejemplo, los estados de la República
Mexicana que se encuentran en la frontera con Estados Unidos, se caracterizan por tener mayor
inversión extranjera y un importante sector industrial, en cambio, los estados en la zona sur del
país tienen una actividad económica distinta (Esquivel; 1999, Díaz; 2003 y Fuentes et al; 2003).
Es decir, aún las regiones de una misma nación pueden tener un comportamiento muy diferente,
lo cual significa que este tipo de economías no converjan hacía un mismo equilibrio.
Por esta razón se modifica la ecuación 2.15, agregando un conjunto de variables
explicativas, las cuales sirven para simular que cada región es capaz de llegar a su propio estado
estacionario, no obstante, el proceso por el cual, las economías pobres empiezan a crecer más
que las ricas, aun puede ocurrir y se conoce como 𝛽 convergencia condicional. Esto sucede
cuando se estima una regresión como en 2.16, dejando un numero constante de factores que
están relacionados con la tasa de crecimiento (𝑥1𝑡 + 𝑥2𝑡 + ⋯ + 𝑥𝑛𝑡) y se obtiene un valor
negativo de 𝛽1 (Sala-Martin, 2000).
𝑦𝑡+1−𝑦𝑡
𝑦𝑡 = 𝛽0 + 𝛽1 𝑦𝑡 + 𝛽2𝑥1𝑡 + 𝛽3𝑥2𝑡 + ⋯ +𝛽𝑛+1𝑥𝑛𝑡+ 𝜀𝑡 (2.16)16
Tratar de explicar una tasa de crecimiento solamente por un nivel inicial de PIB per cápita
(como en la ecuación 2.15), significa omitir otras variables que también pueden estar
relacionadas. El trabajo realizado por Sala-i-Martin (2000) muestra que, una estimación de
𝛽1con signo positivo puede cambiar, al incluir otros determinantes del crecimiento económico.
En dicho estudio, se utilizó el nivel de educación, el gasto público, la tasa de ahorro, variables
dicotómicas para identificar a las economías menos desarrolladas y también se consideraron
aspectos sociales, utilizando un índice para el número de asesinatos y otro para los golpes de
estado. Siguiendo esta estrategia, Sala-i-Martin (2000) y Barro (2002) demostraron que,
diferentes países también podían converger, aunque claro, cada uno hacia un punto de equilibrio
distinto.
16 El sub índice 𝑡 indica que, se toma el valor inicial del periodo, en cada variable (𝑥𝑡)
34
2.3.1 Alcance de la hipótesis de convergencia
El supuesto principal que permite a la teoría neoclásica predecir un proceso de convergencia, es
el de rendimientos decrecientes, el cual implica que, mientras los factores de producción
aumentan su productividad disminuye, provocando que en algún punto las economías dejen de
crecer. Sin embargo existen otros factores, que su rendimiento no disminuye con el tiempo,
como el capital humano y la tecnología, porque estos dependen de las habilidades de las
personas, por su capacidad para crear e innovar, la cual no tiene límites. Estos factores son
incluidos en el modelo de crecimiento endógeno, por lo que predice que la tasa de crecimiento
debe ser positiva (Sala-i-Martin, 2000; Moncayo, 2004). Esta conclusión origina un debate entre
dos corrientes teóricas.
Creer que el crecimiento es estable, significa pensar que este ya no cambia, es decir no
aumenta ni disminuye, también significa suponer que algunas tasas de crecimiento ya se
encuentran dadas (son exógenas), como la del progreso tecnológico (Sala-i-Martin, 2000). Por
esta razón, al modelo neoclásico también se le conoce como modelo exógeno de crecimiento.
Empero, existe un corriente de economistas que no está de acuerdo en que esto sea posible, al
afirmar que el crecimiento debe ser sostenido, lo que significa que la economía seguirá
creciendo en el largo plazo, ellos mismos elaboraron su propio modelo, el de crecimiento
endógeno y así mismo su propio concepto, 𝜎 (sigma) convergencia, el cual implica que la
dispersión del ingreso per cápita entre grupos de economías tiende a reducirse en el tiempo
(Romer, 1983; Baumol, 1986; DeLong, 1988 y Heston y Summers, 1991; citados en Sala-i-
Martin, 2000)
Esperar que la dispersión del PIB per cápita entre diferentes regiones, disminuya con el
tiempo, también significa pensar que las zonas más pobres pueden alcanzar a las más ricas. No
obstante, para que la 𝜎 convergencia pueda ocurrir, primero se debe probar la 𝛽 convergencia,
por lo cual, la primera definición es más restrictiva. Al igual que en Sala-i-Martin (2000), en
esta tesis se considera que ambas perspectivas representan una gran aportación a la ciencia
económica, por lo cual no hay necesidad de mostrar cual es más importante. Sin embargo, la 𝛽
convergencia permite incluir otras variables que puedan ser capaces de explicar porque ciertas
economías crecen más que otras.
35
2.4 Evidencia empírica
Existen una amplia cantidad de estudios sobre la convergencia tanto a nivel internacional como
en México, la presente investigación retoma y defiende la importancia que tiene el análisis de
dicho tema, ya que, la convergencia económica se puede ver como algo utópico. Galeano (s.f.)
menciona que la utopía se encuentra en el horizonte, camina dos pasos y ella retrocede dos
pasos. Avanza diez pasos y el horizonte se aleja diez pasos. Por mucho que se avance, nunca se
logra llegar. ¿Para qué sirve la utopía? Para caminar (Tamayo, 2017). En ese sentido, pensar en
que las economías pobres pueden alcanzar a las más ricas, es un gran motivo para seguir
avanzando. El análisis de la convergencia ha significado una gran herramienta para la toma de
decisiones en políticas de desarrollo y crecimiento, pretender que hay una meta a la cual llegar,
permite conocer cuál ha sido el avance, en disminuir las disparidades regionales.
2.4.1 Contexto Internacional
Ante los diferentes estudios que se realizaron en el contexto internacional, se obtuvo que las
regiones de los países tienden a converger en un 2% anual (Esquivel, 1999; Sala-i-Martin, 2000).
Sin embargo, esta condición se cumple principalmente en economías desarrolladas. Es el caso
contrario para América Latina, algunas de sus economías, aunque al principio identifican una
rápida convergencia, después dicho proceso empieza a alentarse y en algunas situaciones, se
torna en divergencia (Acevedo, 2003; Chiquiar, 2004; León, 2013; Muñoz, 2015). Por esta
razón, en los trabajos sobre economías regionales, en lugar de aplicar solamente un modelo de
𝛽 convergencia absoluta, se empezaron a utilizar estimaciones de 𝛽 convergencia condicional,
para explicar porque las regiones de un mismo país, aun teniendo un mismo régimen político y
económico, no podían converger y en caso de que si lo hicieran, identificar que variables
afectaban de manera positiva o negativa este proceso.
En el caso colombiano, Acevedo (2003) señala que existen dos etapas; en la primera, que va
de 1980 a 1990, la brecha entre las regiones más ricas y las más pobres tiende a disminuir, en
cambio; en la segunda etapa, en la década de los 90´s, las disparidades regionales empiezan a
aumentar. En cuanto al análisis de los determinantes, en el periodo completo (1980-2000), se
encontraron “relaciones importantes entre el capital humano, el grado de apertura al comercio
exterior, la estabilidad económica, el nivel de industrialización, y los niveles iniciales de ingreso
36
per cápita de los departamentos, con sus tasas de crecimiento” (Acevedo, 2003:71). Por su parte,
León (2013) afirma que, las investigaciones sobre el proceso de convergencia en los
departamentos de Colombia han sido ambiguos, es decir que, no se observa claramente si las
regiones más pobres están creciendo más que las ricas, así mismo, este autor explica que, en el
periodo de 1975 al 2005 este proceso es lento y casi nulo.
En Ecuador también se presentaron este tipo de investigaciones, Muñoz (2015) menciona
que, del 2007 al 2012 la tasa de 𝛽 convergencia absoluta fue de 1.37% y lo considera un proceso
lento. Lo relevante de este análisis es que, debido a su resultado, estima un modelo de
𝛽 convergencia condicional, para examinar los factores implicados en este proceso, al incluir
todas las variables, dentro de la estimación del modelo, la velocidad de convergencia cantonal
se reduce a 1.12%. También estimó una regresión a la vez, agregando solo una variable para
examinar de forma individual cada factor, encontrando que el índice de analfabetismo, el
número promedio de hijos, la participación del sector agrícola y el porcentaje de remesas,
ralentizan este proceso17. En cambio, cuando se considera solo la proporción de viviendas con
red eléctrica, se obtiene un valor 𝛽 de 2%.
Otro trabajo importante, aunque realizado con 84 países, es el de Barro (2002) donde expresa
que, tratar de explicar el crecimiento a partir de variables principalmente económicas, como la
inversión, significa no tomar en cuenta otros aspectos, por ejemplo, aquellos que se relacionan
con el desarrollo económico. Por ello, el autor considera necesario incluir características que
tienen un origen más cualitativo, como la esperanza de vida, la tasa de fertilidad, condiciones
ambientales, disparidades en los ingresos y también, ciertas dimensiones políticas; democracia,
derechos electorales y corrupción.
Desde esta perspectiva, se puede considerar que siempre es relevante pensar en otros
componentes aún no estudiados dentro de un modelo de convergencia, como el tamaño de la
economía informal. Hasta este momento, no se ha utilizado una variable que represente la
informalidad laboral en este tipo de investigaciones, siendo que es un rasgo particular de los
países en desarrollo y se encuentra fuertemente relacionado con el PIB per cápita, la educación
y los niveles de pobreza.
17 Es decir que Muñoz (2015), estimó un modelo de 𝛽 convergencia condicional para cada variable.
37
2.4.2 Contexto nacional
En el caso de México, uno de los primeros estudios realizado sobre convergencia regional, fue
el de Esquivel (1999). Las principales conclusiones del articulo son; en primer lugar, una
convergencia absoluta del 1.2% anual, desde 1940 hasta 1995, lo cual fue considerado como un
resultado pobre en términos de crecimiento, debido a que el país fue comparado con economías
más desarrolladas. En segundo lugar, la investigación muestra, un sub periodo, de 1940 a 1960,
donde existe un proceso muy rápido de convergencia, sin embargo, este empieza a disminuir en
los años siguientes. Por último, el autor explica que, la migración interna tuvo un efecto directo
y positivo, en el crecimiento económico regional, después de 1960. En el sentido contrario, la
educación post primaria, acentuó la situación de divergencia, esto quiere decir que, las
economías que ya eran más desarrolladas, se vieron favorecidas por una mayor inversión en
capital humano (Esquivel, 1999).
Así como el trabajo de Esquivel (1999) significó un parteaguas, en el tema de la
convergencia en México, también se caracterizó por conseguir información para un periodo
amplio, en particular, muestra datos decenales del PIB estatal, desde 1940. Las investigaciones
posteriores, incluyen, cuando mucho, series a partir de 1970 (Carrillo, 2001; Aguayo, 2004).
Por lo tanto, se afirma que, el proceso más veloz de convergencia (3.2%), presentado en las
entidades federativas, ocurrió de 1940 a 1960 y coincide con la época en que se utilizó el modelo
de; industrialización por sustitución de importaciones (ISI), al cual también se le atribuye el
gran crecimiento económico que tuvo el país en ese entonces (Esquivel, 1999; Aguayo, 2004).
Juan-Ramón y Rivera-Bátiz (1996) consideraron un periodo de 1970 a 1993 para su
estudio e identifican que, en promedio los estados presentaron un alto PIB per cápita, dentro de
los primeros 15 años, por lo cual, de 1970 a 1985, estimaron un valor 𝛽 de 2.4%. Sin embargo,
en los años subsecuentes, se encontró una disminución en la convergencia de los estados. A
partir de ese punto, se empezó a hablar de divergencia económica (Esquivel, 1999; Carrillo,
2001, Fuentes et al, 2003, Aguayo, 2004). Carrillo (2001) afirma que, el desarrollo de México
ha sido regionalmente desequilibrado y pareciera que tiende a agravarse con el tiempo, incluso
la brecha entre las zonas más prosperas y las más pobres se han ensanchado.
38
Debido a lo anterior, los estudios sobre convergencia en el país, buscan aclarar las causas
por las cuales, las disparidades económicas regionales no logran reducirse, para eso, identifican
diferentes escenarios que han afectado el crecimiento de las entidades federativas. Por ejemplo,
Gómez y Ventosa-Santaularia (2009), encontraron “evidencia para afirmar que las reformas
comerciales de mediados de los años ochenta afectaron negativamente el proceso de
convergencia de algunas regiones, sobre todo las más pobres” (Idem, 2009:215). Aunque se
esperaba que, la apertura comercial de México en 1994 lograra efectos positivos para todo el
territorio nacional, no fue así, solo se beneficiaron los estados con el grado más alto de
industrialización, principalmente, los que se encuentran en la frontera con Estados Unidos
(Fuentes y Mendoza, 2003, Chiquiar, 2005; Calderón y Hernández, 2016).
Por su parte, Chiquiar (2005) encuentra que de 1970 a 1985 existe convergencia, al igual
que, en los resultados de Juan-Ramón y Rivera-Bátiz (1996). Sin embargo, posteriormente este
proceso empieza a desaparecer, incluso se torna en divergencia. El autor apunta que, el cambio
en las políticas estructurales de México, proporcionó nuevas fuentes de crecimiento como, el
comercio y flujos de inversión. No obstante, “los ganadores de la liberación comercial
aparentemente fueron los estados inicialmente con, o capaces de atraer, niveles más altos de
capital humano y físico” (Idem, 2005: 258). Para analizar dicha situación, incluye en un modelo
de convergencia condicional, indicadores de escolaridad, infraestructura, tasas de fecundidad y
criminalidad, porcentaje de la población rural y la proporción de fábricas con más de 250
empleados (Idem, 2005).
Los determinantes de crecimiento que analizó Chiquiar (2005), no modificaron en
esencia, los resultados ya conocidos. Sin embargo, cada factor implica algo en particular, por
ejemplo, a partir de 1985, las marcadas diferencias en educación básica, entre los estados pudo
haber inhibido sus tasas de crecimiento (Idem, 2005). Así mismo, las entidades con mayor
actividad agrícola, vieron afectado su desempeño económico. El autor también identificó que
en algunos estados, las fábricas aprovecharon los beneficios de una economía a escala,
incrementaron sus exportaciones. En conclusión, las regiones con más presencia de grandes
empresas, mejor infraestructura y fuerza laboral, estaban en una posición superior a las demás,
para enfrentar con éxito las reformas y en consecuencia, obtuvieron un mayor éxito (Idem,
2005).
39
Fuentes y Mendoza (2003), analizan un periodo de 1980 a 1998, al igual los autores
citados en líneas anteriores, coinciden en que, en la primera mitad del decenio de los 80´s, se
presentó un proceso rápido de crecimiento, sin embargo, después de 1985 esta situación se
revierte. El objetivo principal de dicho estudio, fue evaluar el impacto de la inversión en
infraestructura dentro de los estados, si bien, el efecto al inicio favorece la convergencia, la
dotación de obras públicas, se presenta en mayor proporción entre las regiones más
desarrolladas y en menor medida en las pobres, lo cual provoca una divergencia económica de
las entidades federativas (Fuentes y Mendoza, 2003).
Otros dos factores considerados en investigaciones posteriores, fueron el capital humano
y la Inversión Extranjera Directa (IED). Por un lado, Barceinas y Raymond (2005) encuentran
que, un año extra de educación tiende a llevar asociado un mayor beneficio sobre los salarios,
en las zonas más deprimidas que en las más prósperas, por el otro, Calderón y Tykhonenko
(2007) afirman que los niveles de IED disminuyen el tiempo que tardan los estados de México
en converger.
En su trabajo, Mendoza y Torres (2002) explican que, de 1995 al 2000 existe un periodo
de divergencia regional. Dentro de su análisis, consideran el efecto que tiene la innovación
tecnológica de los estados, probando que se relaciona positivamente con la tasa de crecimiento
del PIB per cápita, por lo que recomiendan implementar una política que impulse el desarrollo
de patentes de forma uniforme en las regiones del país, como estrategia para disminuir las
disparidades económicas entre los estados.
Afirmar que la brecha entre la región más pobre y la más rica aumenta, significa que un
grupo de economías está creciendo a una velocidad mayor que las demás. En ese sentido, es
importante diferenciar entre las entidades que pertenecen a cierta zona geográfica, por ejemplo,
las que forman parte de la frontera norte (Esquivel, 1999; Fuentes et al, 2003; Chiquiar, 2005).
Al respecto, Díaz y Celaya (2002) analizan un periodo de 1970 a 2001 en donde encuentran
convergencia, empero, al incluir una variable binaria para los estados del norte, junto con un
indicador de corrupción y el nivel educativo, observan un fenómeno de divergencia.
De los trabajos citados en los párrafos anteriores, se puede distinguir que, cuando
evalúan un largo periodo, existen dos etapas, la primera muestra que las regiones más pobres
40
Tasa de crecimiento
anual %
Logaritmo del PIB per cápita de 1980
crecen más que las ricas. Utilizando el PIB estatal que elabora el INEGI, con año base 2013 y
la información de los censos de población, se obtiene una relación inversa entre la tasa de
crecimiento anual del PIB per cápita y el PIB per cápita inicial de las entidades federativas, en
el periodo que va de 1980 a 1995, a favor de un proceso de convergencia (ver la gráfica 2.4).
Este resultado no coincide con los obtenidos por Fuentes et al (2003) y Chiquiar (2005), donde
mencionan que el proceso de divergencia inicia en el ´85, esto se debe a la fuente de información
utilizada, la serie más reciente del PIB, se logró a partir de una extrapolación donde se usaron
datos que no existían en el momento que los autores realizaron su investigación (INEGI, 2019).
En la segunda etapa, de 1995 al 2000, se puede ver un efecto contrario, una asociación
positiva, muestra que las regiones más ricas crecen en proporciones mayores (ver grafica 2.5).
Es el mismo resultado que obtienen Mendoza y Torres (2002), lo cual tiene sentido al pensar en
los comentarios sobre las reformas que se venían planteando desde los 80´s, las cuales tuvieron
un resultado positivo, solamente en las regiones más industrializadas, provocando así un efecto
de divergencia económica. (Chiquiar, 2005; Gómez y Ventosa-Santaularia, 2009).
Grafica 2.4. Convergencia económica regional, de 1980 a 1995
Fuente: elaboración propia con datos del INEGI (ver Anexo 3).
-0.04
-0.03
-0.02
-0.01
0
0.01
0.02
0.03
10 11 12 13 14 15
41
Tasa de crecimiento
anual %
Logaritmo del PIB per cápita de 1995
Grafica 2.5. Divergencia económica regional, de 1995 al 2000
Fuente: elaboración propia con datos del INEGI.
Aunque en la gráfica 2.5 se muestra una tendencia positiva, no es muy clara, por lo tanto,
no es suficiente para asegurar que las disparidades económicas entre los estados han ido en
aumento durante los últimos años, sin embargo, se tendría que esperar mucho tiempo para que
las entidades más pobres alcancen a las más ricas.
Lo anterior, motiva a los investigadores a probar cuales son las diferencias entre regiones
que determinan un proceso de convergencia o divergencia. Aunque, en la mayoría de los casos
se han considerado factores que se relacionan positivamente con el PIB; es decir, se esperaría
que tanto el nivel de educación, el volumen de IED, la innovación tecnológica y la dotación de
infraestructura pública se presenten en mayor medida dentro de los estados. No obstante, existen
características sociales y económicas que también son importantes de considerar pero, tienen un
efecto contrario que suelen distinguir a las economías menos avanzadas.
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
4 4.5 5 5.5 6 6.5
42
Al respecto, el trabajo de Díaz (2003) considera la importancia de las instituciones en
este proceso, utilizando como variable explicativa, el grado de corrupción de las mismas,
normalmente asociado de manera negativa con el crecimiento económico. En este sentido, un
factor que también se corresponde de forma inversa con el PIB, son los niveles de informalidad,
sin embargo, no se ha considerado dentro de un modelo de convergencia regional, y como
mencionan Dougherty y Escobar (2013), las diferencias sustanciales, en términos de empleo
informal en las entidades federativas, pueden ser útiles para explicar su crecimiento económico.
43
III. ECONOMÍA INFORMAL Y CONVERGENCIA ECONOMICA
En este capítulo se analiza si las entidades federativas de México, siguen la trayectoria como
se muestra en otros estudios, donde las regiones con un PIB per cápita más elevado se alejan
de aquellas que son más pobres, o en cambio, esta brecha empieza disminuir, según lo
predicho por el modelo neoclásico de crecimiento. Así mismo, se evalúa el impacto que
tienen los diferentes niveles de economía informal en el proceso de convergencia
económica. Para lograr este objetivo, primero se presenta la metodología empleada, después
los datos utilizados, así como su fuente de información y por último, el análisis de los
resultados.
3.1 Modelo de convergencia con datos de sección cruzada
Para conocer la velocidad de convergencia de un grupo de economías, se emplea el método
de Mínimos Cuadrados Ordinarios (MCO), el cual, tiene como objetivo estimar una función
lineal, para asociar (de la mejor manera), un conjunto ordenado de variables, considerando
una muestra finita de unidades observadas (Gujarati y Porter, 2010). Aunque esta es la forma
más utilizada para realizar un análisis de regresión, implica tomar en cuenta, solamente un
punto en el tiempo, por lo tanto, se usa una estructura de datos de sección cruzada, como se
muestra en el Cuadro 3.1, donde 𝑖, representan el número total de observaciones y z la
cantidad de variables.
Cuadro 3.1. Estructura de datos de sección cruzada
Observaciones Variables
1 x11 x21 … xz1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
𝑖 x1𝑖 x2𝑖 … xzi
Fuente: elaboración propia
44
La ecuación para probar la hipótesis de β-convergencia absoluta, es la siguiente:
ln (𝑦𝑖𝑡0+ 𝑇
𝑦𝑖𝑡0)
𝑇 = 𝛽0 + 𝛽1 ln (𝑦𝑖𝑡0
) + 𝑤𝑖 (3.1)
En la expresión 3.1, la variable 𝑦𝑖𝑡 representa el PIB per cápita de la región 𝑖 en el
periodo 𝑡. El subíndice 𝑇 señala el lapso total en años y 𝑡0 indica el inicio. Es decir, se estima
un modelo en el cual, la variable dependiente es la tasa de crecimiento del ingreso por persona,
entre dos puntos en el tiempo, la variable independiente es el nivel inicial de ese ingreso. Como
se muestra en la igualdad, el termino del lado izquierdo se encuentra dividido por 𝑇, de esta
forma, al estimar el parámetro 𝛽1 se obtiene la velocidad de convergencia anual, también es
importante notar que, se utiliza una transformación logarítmica de las variables, para poder
interpretar de forma adecuada el valor de dicho coeficiente. Si 𝛽1 tiene un signo negativo, indica
convergencia. El componente 𝛽0 expresa el intercepto en la función lineal y 𝑤𝑖 es la parte
estocástica (Esquivel, 1999; Sala-i-Martin, 2000; Fuentes et al, 2003).
Para probar la hipótesis de β-convergencia condicional, solo se requiere agregar una
combinación de variables (𝑥1 + 𝑥2 … + 𝑥𝑧 ), como se muestra en la ecuación 3.2. Este trabajo
no pretende examinar de forma aislada el efecto de la economía informal, para eso, se consideran
también, factores asociados a la informalidad que puedan condicionar su resultado sobre el
crecimiento económico de las regiones.
ln (𝑦𝑖𝑡0+ 𝑇
𝑦𝑖𝑡0)
𝑇 = 𝛽0 + 𝛽1 ln (𝑦𝑖𝑡0
) + 𝛽2 𝑥1𝑖𝑡0 +... +𝛽𝑧+1 𝑥𝑧𝑖𝑡0
+ 𝑤𝑖 (3.2)
Existe una alternativa al modelo 3.1, al realizar una ecuación por el método de Mínimos
Cuadrados No Lineales (MCNL), esto significa un cambio en el coeficiente de 𝛽1, como se
muestra en la expresión 3.3. De acuerdo con Sala-i-Martin (2000), al hacer esto, se obtienen dos
ventajas sobre el modelo lineal, primero, se estima de forma directa la velocidad de la
convergencia (𝛽1), segundo, dicho resultado no se ve afectado por la duración del periodo (𝑇),
por lo tanto, permite comparar lapsos distintos. Así mismo, es posible modificar la expresión
3.2 en 3.4 y obtener el mismo beneficio.
ln (𝑦𝑖𝑡 𝑇
𝑦𝑖𝑡0
) = 𝛽0 𝑇 + (1 - 𝑒𝛽1𝑇) ln (𝑦𝑖𝑡0) + 𝑤𝑖 (3.3)
45
ln (𝑦𝑖𝑡 𝑇
𝑦𝑖𝑡0
) = 𝛽0 𝑇 + (1 - 𝑒𝛽1𝑇) ln (𝑦𝑖𝑡0) + 𝑇𝛽2 𝑥1𝑖𝑡0
+... + 𝑇𝛽𝑧+1 𝑥𝑧𝑖𝑡0 + 𝑤𝑖 (3.4)
Al realizar una regresión por MCNL para obtener 𝛽1, es importante tomar en cuenta que,
la interpretación de su signo cambia, cuando resulta ser positivo, se habla de convergencia, en
caso contrario, existe divergencia. Esto debido a que, dicho parámetro no es lineal y se encuentra
expresado como “ 𝑒𝛽1𝑇” (Esquivel, 1999; Sala-i-Martin, 2000; Fuentes et al, 2003).
3.2 Modelo de convergencia con datos de panel
Estimar un panel, permite principalmente aumentar el número de observaciones, al combinar
la información obtenida por cortes de sección cruzada y series de tiempo. Como mencionan
Calderón, C., y Tykhonenko, A. (2007), esta técnica posibilita resolver el problema ligado a la
heterogeneidad que se presenta al analizar diferentes regiones económicas y por lo tanto, resulta
útil en un modelo de convergencia. El acomodo de datos mediante un panel, se presenta en el
cuadro 3.2, en la cual, las series de tiempo se encuentran apiladas, es decir, se muestran todas
las unidades observadas para un mismo periodo, así hasta llegar al último, donde 𝑡1 indica el
inicio y 𝑡𝑇 el final. La cantidad de unidades observadas es 𝑖 y 𝑧 el número de variables. El
tamaño de la muestra, resulta de multiplicar el número de observaciones (𝑖), por la cantidad de
series temporales (𝑇).
Cuadro 3.2. Estructura de datos de panel
Periodo Unidad Variables
𝑡1
1 x11𝑡1 x2𝑡11
… x𝑧𝑡11
.
.
𝑡1
.
.
𝑖
.
.
x1𝑖𝑡1
.
.
x2𝑡1𝑖
… .
.
… x𝑧𝑡1𝑖
𝑡2
.
.
𝑡𝑇 .
1
.
. 1
.
x11𝑡2
.
.
x11𝑡𝑇
x21𝑡2
.
.
x21𝑡𝑇
… x𝑧1𝑡2
.
.
… x𝑧1𝑡𝑇
𝑡𝑇 𝑖 x1𝑖𝑡𝑇 x2𝑖𝑡𝑇
… x𝑧𝑖𝑡𝑇
Fuente: elaboración propia
46
Con la estructura de datos de panel, también es posible utilizar el método de MCO, lo
cual significa estimar una regresión en donde, se agrupa una combinación de datos de sección
cruzada, debajo de otra combinación y así sucesivamente, dependiendo de cuantos periodos en
el tiempo se están analizando. Por este motivo, se llama regresión agrupada o pooled. Aplicando
esta técnica a un modelo de convergencia, se obtiene la expresión 3.5. El único cambio, en
comparación con la ecuación 3.2, es que, se pueden utilizar diferentes cortes en el tiempo.
ln (𝑦𝑖𝑡+1
𝑦𝑖𝑡) = 𝛽0 + 𝛽1 ln (𝑦𝑖𝑡) + 𝛽2 𝑥1𝑖𝑡 +... +𝛽𝑧+1 𝑥𝑧𝑖𝑡 + 𝑤𝑖𝑡 (3.5)
El problema con la regresión agrupada es que, no permite diferenciar entre las unidades
observadas ni los periodos. Según Montero (2011), esto puede provocar que los parámetros
obtenidos del análisis, se encuentren sesgados debido a que, si no se cuenta con todas las
variables que influyen en el modelo y tampoco se distinguen las características individuales, se
cae un error de especificación. Para resolver esta situación, existen dos alternativas, la primera
es estimar un panel de Efectos Fijos (EF) y la segunda, un panel de Efectos Aleatorios (EA). La
primera opción, significa agregar una constante específica (𝛽) para cada 𝑖, dentro de la
expresión 3.5. Para esto, se pueden emplear ( 𝑖 − 1) variables dicotómicas18, las cuales permiten
diferenciar a cada región, por lo tanto, tienen el mismo valor en todos los periodos, así como se
muestra en la ecuación 3.6.
ln (𝑦𝑖𝑡+1
𝑦𝑖𝑡) = 𝛽𝑖 + 𝛽1 ln (𝑦𝑖𝑡) + 𝛽2 𝑥1𝑖𝑡 +... +𝛽𝑧+1 𝑥𝑧𝑖𝑡 + 𝑤𝑖𝑡 (3.6)
Es posible realizar una regresión del modelo 3.6 por MCO, considerando los efectos
individuales de cada región. Kmenta (1986) señala que, se utiliza el método de Efectos Fijos
porque no se han podido incluir variables explicativas relevantes que no cambian con el tiempo
(Gujarati y Porter, 2010). Sin embargo, también pueden existir factores que si cambien con el
tiempo pero, tienen un valor distinto para cauda unidad (𝑖) y también se están ignorando. Esta
omisión se puede atribuir al componente estocástico, lo cual implica que, 𝑤𝑖𝑡 = 𝑣𝑖 + 𝑢𝑖𝑡,
donde 𝑢𝑖𝑡 es el error de predicción asociado a las series de tiempo y también a las unidades
observadas, en cambio 𝑣𝑖 solo se relaciona con las regiones (Mayorga, M. y Muñoz, E., 2000;
Montero, 2011).
18 Se agregan 𝑖 − 1 variables dicotómicas, para evadir la trampa de multicolinealidad (Gujarati y Porter, 2010).
47
La ecuación 3.5 tiene un intercepto común (𝛽0) y la ecuación 3.6 tiene un intercepto
distinto para cada región (𝛽𝑖), la desviación de uno respecto al otro, se expresa con el termino
𝑣𝑖 , y se puede incorporar a la parte aleatoria del modelo, de esta forma se estima un panel de
Efectos Aleatorios, como se muestra en la expresión 3.7. Sin embargo, tratar de utilizar el
método de MCO, no es la mejor alternativa para poder separar el termino 𝑤𝑖𝑡 en dos (𝑣𝑖 , 𝑢𝑖𝑡) y
por lo tanto, no permite obtener los parámetros más eficientes. Para resolver dicha situación, se
debe recurrir a la técnica de Mínimos Cuadrados Generalizados (MCG)19 (Mayorga, M. y
Muñoz, E., 2000; Gujarati y Porter, 2010; Montero, 2011).
ln (𝑦𝑖𝑡+1
𝑦𝑖𝑡) = 𝛽𝑖 + 𝛽1 ln (𝑦𝑖𝑡) + 𝛽2 𝑥1𝑖𝑡 +... +𝛽𝑧+1 𝑥𝑧𝑖𝑡 + 𝑣𝑖 + 𝑢𝑖𝑡 (3.7)
La diferencia entre los efectos fijos y aleatorios consisten en que, los primeros
consideran las características individuales como invariantes en el tiempo, por eso se utiliza 𝛽𝑖,
lo cual, según algunos autores, resulta más útil al analizar un panel donde se encuentran todos
los individuos del universo, por ejemplo, las regiones de un país. En el caso contrario, donde se
tiene una muestra extraída de forma aleatoria, como en una encuesta, es mejor pensar que los
rasgos individuales pueden cambiar con el tiempo y utilizar 𝑣𝑖 (Mayorga y Muñoz, 2000;
Gujarati y Porter, 2010; Wooldridge, 2010; Montero, 2011).
Aunado a lo anterior, sería lógico estimar un modelo de convergencia, usando un panel
de Efectos Fijos, sin embargo, como mencionan Mayorga y Muñoz (2000), esta alternativa
podría ser contraproducente si se cuentan con pocos periodos de tiempo y muchas unidades
observadas. En este documento se busca realizar un análisis que va de 1998 a 2018 (20 años),
lo cual parece ser una amplitud temporal adecuada, lo cual significa analizar tasas de
crecimiento de año con año. Aunque no es el mejor enfoque para un estudio de convergencia,
se requiere examinar plazos más largos.
Una alternativa, es disminuir la serie de tiempo, por ejemplo, dividirla en 4 y así, obtener
tasas de crecimiento cada 5 años. En ese sentido, el tamaño de la muestra es de 128
observaciones, 32 unidades de sección cruzada (por las entidades federativas) y 4 periodos. Esta
19 Utilizar MCG es mejor cuando, un modelo presenta heterocedasticidad, es decir, el término estocástico (𝑤𝑖𝑡) no
tiene una varianza constante, por ejemplo, al querer estimar la ecuación 3.7 por MCO.
48
situación cambia la perspectiva para elegir qué tipo de panel estimar, como menciona
Wooldridge (2010), tomar esta decisión resulta un gran debate pero, es posible recurrir a
distintas pruebas estadísticas.
Al contar con datos de panel, hay que considerar si la especificación del modelo, está
dejando fuera efectos individuales que pueden ser importantes. Para resolver esta cuestión existe
la prueba de Breusch-Pagan, donde la hipótesis nula es que, la varianza de 𝑣𝑖 es cero, si esto es
cierto, no es necesario pensar que existen características asociadas a las unidades (𝑖) que, se
deban tomar en cuenta. Por lo tanto, una regresión agrupada por MCO será consistente. En el
caso contrario, es necesario decidir entre EF y EA. Para ello, se utiliza a la prueba de Hausman,
la cual compara ambas opciones, donde la hipótesis nula está a favor de un panel de Efectos
Aleatorios utilizando MCG, porque ofrece estimadores más consistentes (Mayorga y Muñoz,
2000; Gujarati y Porter, 2010; Wooldridge, 2010; Montero, 2011).
3.3 Descripción de las variables y fuentes de información
El objetivo principal de esta investigación es incorporar el efecto de la economía informal dentro
del proceso de convergencia económica de las entidades federativas. La variable que mejor
representar dicha característica, es la tasa de informalidad laboral (TIL), se calcula como el
porcentaje de personas ocupadas que son informales. La Encuesta Nacional de Ocupación y
Empleo (ENOE)20, se encarga de recoger este tipo de información, hogar por hogar y de manera
trimestral, desde el 2005. Sin embargo, como menciona Loayza (2008), un crecimiento de corto
plazo, podría no verse afectado por los niveles de informalidad, por lo tanto, es conveniente
utilizar un periodo más amplio.
Un aspecto importante de la TIL es que, distingue principalmente si las personas
encuestadas tienen acceso al seguro social por su relación de trabajo. Desde esta perspectiva,
una variable que también es útil para representar a la economía informal, es la proporción de
personas ocupadas que no cuentan con acceso al seguro social. Esta información se encuentra
20 El objetivo general de la ENOE es garantizar que se cuente con una base de información estadística sobre las
características ocupacionales de la población a nivel nacional, así como con una infraestructura sociodemográfica
que permita profundizar en el análisis de los aspectos laborales (INEGI, 2005:6).
49
disponible desde 1998 para los 32 estados. Antes de la ENOE, existía la Encuesta Nacional de
Empleo (ENE), la cual se levantó de 1996 hasta el 200421. El INEGI (2008), logró homologar
estas dos encuestas (al menos en un 90%), para obtener series unificadas, de este resultado se
obtiene la base de datos para la presente investigación22.
El ingreso de cada estado, se representa con el Producto Interno Bruto y se utilizan datos
anuales (con año base 2013), disponibles en el Banco de Información Económica (BIE) del
INEGI. Para obtener esta variable en términos per cápita, se emplean las cifras de la población
total que se ofrecen a partir de la homologación entre la ENE y la ENOE. Las variables que se
mencionan a continuación, también se obtienen de la combinación entre ambas encuestas y se
consideran únicamente los resultados obtenidos del segundo trimestre en cada año23.
Un modelo de β-convergencia condicional incluye diferentes determinantes del
crecimiento, para simular que cada región puede llegar a un punto de equilibrio distinto en el
largo plazo. La intención de esta tesis es considerar como elemento principal, los diferentes
niveles de informalidad que se presentan en las regiones, empero, hay otras características
económicas y sociales que pueden influir en dicho factor. Por este motivo, se toman en cuenta
algunos elementos asociados a la economía informal como variables de control en el modelo de
convergencia:
La tasa de desempleo: se refiere al porcentaje de la Población Económicamente Activa
(PEA) que no trabajó siquiera una hora durante la semana de referencia pero, manifestó
su disposición de hacerlo. Es una de las principales causas para incidir en la
informalidad.
El nivel de educación: medido por el promedio de años de escolaridad de la PEA. Una
escolaridad mayor incrementa la productividad laboral, por consiguiente, hace que las
ganancias formales sean potencialmente mayores, reduciendo la informalidad (Loayza
y Sugawara, 2009).
La participación laboral femenina: muestra la proporción de personas ocupadas que son
mujeres. Algunos autores consideran que, por su condición de vulnerabilidad como
21 En 1997 y 1996, no hay información completa para los 32 estados. 22 A partir del 2005, se incorpora un cambio en las series unificadas, la edad para trabajar cambia de 14 a 15 años. 23 Se utiliza la información del segundo trimestre, porque es el único periodo disponible para 1998, 1999 y el 2000.
50
sostén de familia, las mujeres están mayormente involucradas en actividades de trabajo
informal (Alba, et al, 2012).
La edad promedio de la PEA: Una composición demográfica con una población más
joven puede aumentar la informalidad, al hacer que la supervisión sea más costosa,
también complica los procesos de capacitación y adquisición de destrezas (Loayza y
Sugawara, 2009).
El nivel de empleo: medido por la proporción de personas ocupadas en cada sector
económico, para controlar la heterogeneidad por actividad productiva en las regiones
(Dougherty y Escobar, 2013).
Una variable dicotómica para distinguir entre las entidades que son parte de la frontera
norte, la zona fronteriza con EE.UU. presenta un mejor nivel económico en comparación
con las demás regiones y por lo tanto, un menor nivel de informalidad.
La tasa de ocupación en el sector informal (TOSI): es la proporción de personas
ocupadas, en micronegocios urbanos que no se encuentran registrados.
La participación de las microempresas: es la proporción de personas ocupadas que, se
encuentran en empresas con menos de 10 trabajadores. Aunque un pequeño negocio se
encuentre registrado, es posible que no todos sus empleados lo estén. Las microempresas
están ligadas al empleo informal y a su vez, a una baja productividad (Levy, 2018).
3.3.1 Identificación de las variables
De acuerdo con el modelo de convergencia, para la tasa de crecimiento del PIB per cápita y su
nivel inicial, es preciso utilizar su transformación logarítmica. Respecto a las demás variables,
se optó por hacer lo mismo y usar su logaritmo natural, para disminuir su varianza y que se
encuentren en la misma escala. En el cuadro 3.3, se muestra como se calculó cada una de ellas.
Cuadro 3.3. Identificación de cada variable*
Nombre Descripción
ss 𝑙𝑛
𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑜𝑐𝑢𝑝𝑎𝑑𝑎 sin 𝑠𝑒𝑔𝑢𝑟𝑜 𝑠𝑜𝑐𝑖𝑎𝑙
𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑜𝑐𝑢𝑝𝑎𝑑𝑎
des 𝑙𝑛
𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑒𝑠𝑒𝑚𝑝𝑙𝑒𝑎𝑑𝑎
𝑃𝐸𝐴
51
edu ln ( 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑎ñ𝑜𝑠 𝑑𝑒 𝑒𝑑𝑢𝑎𝑐𝑖ó𝑛)
pfem 𝑙𝑛
𝑃𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛 𝑓𝑒𝑚𝑒𝑛𝑖𝑛𝑎 𝑜𝑐𝑢𝑝𝑎𝑑𝑎
𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑂𝑐𝑢𝑝𝑎𝑑𝑎
edad 𝑙𝑛 (𝐸𝑑𝑎𝑑 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑙𝑎 𝑃𝐸𝐴)
prim 𝑙𝑛
𝑃𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛 𝑜𝑐𝑢𝑝𝑎𝑑𝑎 𝑒𝑛 𝑒𝑙 𝑠𝑒𝑐𝑡𝑜𝑟 𝑝𝑟𝑖𝑚𝑎𝑟𝑖𝑜
𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑂𝑐𝑢𝑝𝑎𝑑𝑎
sec 𝑙𝑛
𝑃𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛 𝑜𝑐𝑢𝑝𝑎𝑑𝑎 𝑒𝑛 𝑒𝑙 𝑠𝑒𝑐𝑡𝑜𝑟 𝑠𝑒𝑐𝑢𝑛𝑑𝑎𝑟𝑖𝑜
𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑂𝑐𝑢𝑝𝑎𝑑𝑎
terc 𝑙𝑛
𝑃𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛 𝑜𝑐𝑢𝑝𝑎𝑑𝑎 𝑒𝑛 𝑒𝑙 𝑠𝑒𝑐𝑡𝑜𝑟 𝑡𝑒𝑟𝑐𝑖𝑎𝑟𝑖𝑜
𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑂𝑐𝑢𝑝𝑎𝑑𝑎
FN Esta variable toma valor de 1 para los estados, Baja
California, Baja California Sur, Chihuahua,
Coahuila, Durango, Nuevo León, Sinaloa, Sonora y
Tamaulipas. Para los demás, es igual a 0.
tosi 𝑙𝑛
𝑃𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛 𝑜𝑐𝑢𝑝𝑎𝑑𝑎 𝑒𝑛 𝑒𝑙 𝑠𝑒𝑐𝑡𝑜𝑟 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑙
𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑂𝑐𝑢𝑝𝑎𝑑𝑎
micro 𝑙𝑛
𝑃𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛 𝑜𝑐𝑢𝑝𝑎𝑑𝑎 𝑒𝑛 𝑚𝑖𝑐𝑟𝑜𝑛𝑒𝑔𝑜𝑐𝑖𝑜𝑠
𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑂𝑐𝑢𝑝𝑎𝑑𝑎
Fuente: elaboración propia. *La transformación logarítmica se utilizó únicamente para las estimaciones del modelo.
Como se mencionó anteriormente, la economía informal incluye no solo a las empresas
que se encuentran fuera de norma, también pertenecen aquellos trabajadores que, siendo parte
de una organización formal carecen de seguridad y certidumbre en cuanto a sus garantías
laborales se refiere. Por lo tanto, se vuelve un fenómeno amplio y difícil de representar. Esta
situación implica que, el efecto que la informalidad puede causar en el crecimiento económico
no se pueda contener únicamente con una variable y por ello, es necesario considerar otros
factores. Con el porcentaje de personas ocupadas sin seguro social (ss), se puede incorporar
dentro del modelo de convergencia económica, los niveles de economía informal en cada región.
Sin embargo, dentro del modelo también se añaden aquellas variables que teóricamente tienen
un impacto en la informalidad.
52
El modelo de convergencia busca explicar el crecimiento económico de un periodo, a
partir del valor inicial de otras variables. En la última sección de este documento, se estima un
modelo de convergencia mediante un panel, considerando dos tasas de crecimiento, de 1998 al
2008 y del 2008 al 2018. Por lo tanto, en las variables independientes se consideran los valores
de 1998 y 2008, respectivamente. Antes de elegir la combinación adecuada de factores, es
importante conocer cómo se comportan, en relación a la variable principal. En el cuadro 3.4, se
muestra el grado de asociación que tienen entre sí, en las primeras dos columnas se indica el
coeficiente de correlación con la población ocupada sin seguro social y en la última columna,
con la tasa de informalidad laboral (TIL). Esto último, con el fin de evidenciar que, la
informalidad se encuentra bien representada con la variable ss.
Sobre los coeficientes de correlación, se puede notar que los valores más altos son de las
variables edu y prim. Los estados que tienen en promedio, más años de escolaridad, presentan
menores niveles de informalidad. Así mismo, donde la actividad económica del sector primario
muestra mayor presencia, la cantidad de trabajadores sin seguro social aumenta. Esta condición
fue la misma, en 1998 y en el 2008. También se puede concluir que, los estados en el norte del
país, han mostrado los porcentajes más bajos de empleo informal, así como aquellos que
presentan una mayor participación en el sector secundario. Sucede algo similar con el sector de
servicios, esto posiblemente se deba a que México concentra gran parte de su fuerza laboral, en
dicha actividad. Naturalmente, la variable tosi aumentó su coeficiente de correlación en los 10
años, ya que representa una parte importante de toda la economía informal. En el mismo periodo,
donde aumentó el empleo en los micro negocios, aumentó también la informalidad (el
coeficiente de correlación pasó de 0.25 a 0.49).
De acuerdo con el Cuadro 3.4, la tasa de desempleo se encuentra relacionada de forma
negativa con la informalidad. Aunque se esperaba un resultado distinto, en el caso de México
más de la mitad de los trabajadores son informales y eso no significa que estén desempleados.
Contario a la teoría de Loayza y Sugawara (2009), en las entidades federativas donde la edad
promedio de los trabajadores aumenta, también lo hace la informalidad. Por último, la
participación femenina muestra una correlación positiva, como se menciona en Alba, et al
(2012), es posible que las mujeres se inclinen mayormente por el trabajo informal.
53
Si bien, son importante todos los factores ya mencionados, podría ser un inconveniente
estimar un modelo con todas las variables, porque se encuentran fuertemente relacionadas. Esta
situación puede afectar los coeficientes obtenidos en la regresión. Por ejemplo, la participación
de cada estado en el sector primario, podría generar un efecto parecido en el modelo de
convergencia, sin embargo, se busca conocer, con certeza, el impacto de la informalidad en el
crecimiento económico regional y no el de otra variable.
Cuadro 3.4. Coeficiente de correlación entre la variable principal y las variables de control*
Fuente: elaboración propia con datos del INEGI. *No se utilizó la transformación logarítmica de las variables. Se
utilizaron las 32 entidades federativas.
3.4 Análisis de la economía informal en un modelo de convergencia
3.4.1 Análisis exploratorio
La hipótesis neoclásica plantea que, en algún punto sobre el largo plazo, las economías llegaran
a converger, para que esto suceda, las disparidades en términos económicos deben disminuir
con el tiempo. La evidencia a favor de este comportamiento, es una relación inversa entre un
ingreso inicial y el aumento en dicho ingreso. Analizando el caso de México, se puede observar
que, entre 1998 y el 2018, existe un proceso de convergencia, como se indica en la gráfica 3.1,
donde los estados más pobres presentan mayores tasas de crecimiento24.
24 Las tasas de crecimiento son anuales, se calculó el crecimiento de cada estado entre 1998 y el 2018, en
porcentajes y después se dividió entre el número de años (20).
Variable 1998 (ss) 2008 (ss) 2008 (TIL)
edu -0.85 -0.81 -0.82
prim 0.83 0.83 0.82
FN -0.66 -0.71 -0.69
terc -0.61 -0.61 -0.65
sec -0.57 -0.40 -0.35
tosi 0.48 0.68 0.72
des -0.48 -0.48 -0.45
edad 0.40 0.32 0.33
pfem 0.36 0.33 0.33
micro 0.25 0.49 0.48
54
Tasa de crecimiento
anual %
Logaritmo del PIB per cápita de 1998
Gráfica 3.1. Convergencia económica regional, de 1998 al 2018
Fuente: elaboración propia con datos del INEGI.
En estudios anteriores, se identificó un efecto de divergencia entre las entidades
federativas distinta (Mendoza y Torres, 2002; Chiquiar. 2005). No obstante, al utilizar un
periodo más reciente, se observa una relación de convergencia. Por ejemplo, en 1998 el tercer
estado con mayor PIB per cápita (Tabasco), era 10 veces más rico que la entidad más pobre
(Colima). Después, este cociente disminuyó, en el 2018 Nuevo León superaba 9 veces a
colima25. Por un lado, es posible que la brecha económica se esté acotando, por el otro, es
necesario conocer cuáles han sido los avances y que factores determinan este proceso.
Para obtener una respuesta, se debe realizar una estimación de la velocidad de
convergencia entre las entidades federativas. Empero, existe un fenómeno económico y social
estrechamente relacionado con el nivel de ingresos de las 32 regiones, como lo es, la economía
informal y al ser considerado, puede influir de forma significativa en los resultados.
25 En 1998 y el 2018, colima fue el estado más pobre. Entre los dos periodos, el tercer estado más rico, paso de ser
Tabasco a Nuevo León. Como se muestra en la gráfica 3.1, existen dos entidades alejadas de las demás, en términos
de PIB per cápita, la Ciudad de México y Campeche, son la primera y la segunda región más rica, respectivamente.
-4%
-3%
-2%
-1%
0%
1%
2%
3%
4%
9 11 13 15 17
55
La informalidad es una característica económica y social que se encuentra distribuida de
forma heterogénea en todo el país. En el Cuadro 3.5, se muestran los principales estadísticos de
dicha variable, así como su cambio entre dos décadas. En 1998, en promedio el 65% de los
trabajadores no contaban con seguridad social y el estado con el porcentaje más alto (Chiapas),
superaba por casi dos veces, al que menos porcentaje tenía (Coahuila). Aunque en el 2008,
Oaxaca y Baja california, pasaron a ser el primero y el último lugar en informalidad
respectivamente, las posiciones relativas no tuvieron un cambio significativo. Si no, hasta el
2018, en donde la brecha entre los dos extremos se amplió, Oaxaca superaba por más del doble
a Nuevo León. La desviación típica, una medida de dispersión entre los 32 estados, cambió de
0.12 a 0.136 en los últimos 10 años.
También es importante notar que los estados del norte, ocuparon los lugares más bajos
de informalidad en todo el periodo, en contraste, los que se encuentran en el sur tienen los
lugares más altos. Aunque en México, el empleo se ubica en mayor proporción en el sector
terciario, la participación de una entidad federativa en cualquiera de los otros dos sectores,
determinará en gran medida su desarrollo y crecimiento económico. Los estados de la frontera
norte son los más industrializados, en cambio los que se encuentran en el sur, practican más la
agricultura. Estas disparidades regionales, también se pueden ser observadas a partir de los
distintos niveles de economía informal, por ello, su importancia en un modelo de convergencia.
Cuadro 3.5. Estadísticos principales de la población ocupada sin seguro social y la tasa de
informalidad laboral (TIL), de los 32 estados en 1998, 2008 y 2018.
Año 1998 2008 2018
Variable
Población
ocupada sin seguro social
Población
ocupada sin seguro social
Tasa de
informalidad laboral
Población
ocupada sin seguro social
Tasa de
informalidad laboral
Media 0.655 0.633 0.580 0.617 0.566
Desviación t. 0.122 0.120 0.121 0.136 0.135
Valor mínimo 0.457 0.433 0.392 0.393 0.356
Valor máximo 0.891 0.830 0.799 0.840 0.804
Fuente: elaboración propia con datos del INEGI.
56
Población ocupada sin seguro social %
En la gráfica 3.2, se muestra el PIB per cápita de los estados y el porcentaje de personas
ocupadas sin seguro social en 1998, mientras el primero se encuentra ordenado de mayor a
menor, parece que el segundo empieza a aumentar, es decir, se muestran mayores niveles de
economía informal donde existen menores ingresos. Esta tendencia es aún más clara para el
2018 (ver grafica 3.3). Aunque la brecha entre la región más rica y la más pobre, cambió su
proporción de 10 a 9, es una diferencia mínima en 20 años. En el sentido contrario, la relación
entre el estado con más trabajadores sin seguro social y el que menos tiene, aumentó de 1.95 a
2.14 veces, en el mismo periodo. Durante este tiempo, el vínculo entre la informalidad y el PIB
per cápita no solo se ha mantenido, actualmente es más fuerte, motivo por el cual, este elemento
podría ser decisivo en el proceso de convergencia económica.
Gráfica 3.2. PIB per cápita y porcentaje de personas ocupadas sin seguro social en 1998*
-100% -50% 0% $- $50 $100 $150 $200 $250
ColimaChiapasOaxaca
GuerreroZacatecas
MichoacanPuebla
MexicoHidalgoTlaxcala
GuanajuatoNayarit
YucatanSan LuisVeracruzMorelosDurangoCoahuila
SinaloaAguascalientes
JaliscoTamaulipasChihuahuaQueretaro
Quintana RooBaja California Sur
SonoraBaja California
Nuevo LeonTabasco
Fuente: elaboración propia con datos del INEGI. *Se excluyeron los estados de Campeche y Ciudad de México.
PIB per cápita en miles de pesos $
57
Fuente: elaboración propia con datos del INEGI. *Se excluyeron los estados de Campeche y Ciudad de México.
PIB per cápita en miles de pesos $ Población ocupada sin seguro social %
Gráfica 3.3. PIB per cápita y porcentaje de personas ocupadas sin seguro social en 2018*
3.4.2 Estimación del modelo
3.4.2.1 Con datos de sección cruzada
Para conocer la velocidad en la que convergen los estados de México en el periodo analizado,
se estima un modelo como en la ecuación 3.1, donde 𝑦𝑖𝑡0 y 𝑦𝑖𝑡 𝑇
, representan el PIB per cápita
en 1998 y en el 2018, respectivamente. La tasa de crecimiento se indica con la variable G20 y
el ingreso inicial con I98. Los resultados de la estimación se presentan en el cuadro 3.6.
-100% -50% 0% $- $50 $100 $150 $200 $250 $300
ColimaChiapasOaxaca
GuerreroTlaxcalaMexicoHidalgo
MichoacanNayaritPuebla
ZacatecasVeracruzMorelosDurangoCoahuilaYucatan
GuanajuatoSinaloa
San LuisTamaulipas
JaliscoBaja California
Quintana RooAguascalientes
ChihuahuaTabascoSonora
QueretaroBaja California Sur
Nuevo Leon
58
Cuadro 3.6. Resultados de la regresión de convergencia absoluta por MCO (1998-2018)
Observaciones: 32
Variable dependiente: G20
Método de estimación: MCO
Coeficiente Desv. Típica Estadístico t valor p
const 0.0795 0.0228 3.476 0.0016 ***
I98 −0.0061 0.0019 −3.154 0.0036 ***
R-cuadrado 0.2489 Valor p (de F) 0.0036 Coeficientes significativos al 99%***, al 95%** y al 90%*
Fuente: elaboración propia con el software Gretl.
El coeficiente de la variable independiente es de -0.0061, con un signo negativo, indica
convergencia, como se había mostrado en el análisis exploratorio, sin embargo es un valor muy
pequeño, el cual implica que, las disparidades económicas de las 32 regiones, disminuyen
anualmente en un 0.6%, es decir, a una velocidad muy lenta. En este tipo de regresiones, donde
se asocia una tasa de crecimiento con un PIB per cápita inicial y se utiliza únicamente datos de
sección cruzada, el ajuste del modelo no suele ser muy elevado, en esta ocasión el R-cuadrado
es de 25%, desde esta perspectiva, muestra un valor adecuado (Esquivel, 1999; Sala-i-Martin,
2000; Fuentes et al, 2003).
Así mismo, se puede notar que, tanto la constante como la variable explicativa, son
significativas al 99%. Por lo cual, el coeficiente de convergencia es estadísticamente distinto de
cero y la relación observada en la gráfica de dispersión (3.1), es correcta. Los estados más pobres
presentaron un mayor crecimiento de 1998 al 2018, en favor de la teoría neoclásica. Sin
embargo, el resultado no es favorable para México, ya que el proceso de convergencia es lento.
Como explican Ross (2013), Calderón y Hernández (2016), el desempeño económico del país,
no ha sido el mejor en los últimos años. Por lo tanto, es lógico pensar que esta situación se vea
reflejada en las entidades federativas.
De acuerdo con Sala-i-Martin (2000), la especificación de un modelo como en la
ecuación 3.1, puede ser incompleta ya que existen características importantes que pueden
distinguir a las diferentes economías entre si y no se están tomando en cuenta. Por esta razón es
mejor estimar una regresión como la 3.2., un modelo de β-convergencia condicional. Esta
59
opción también permite conocer que impacto tienen ciertos factores, en el proceso para
disminuir las desigualdades en relación a los niveles de PIB per cápita. Siguiendo a Barro
(2002), en esta investigación se optó por incluir una variable asociada principalmente con el
desarrollo de las regiones. En el caso de México la economía informal se encuentra vinculada
en gran medida con la pobreza y como mencionan Loayza (2008) y Levy (2018), su impacto
negativo en la recaudación de impuestos, impide que tanto las instituciones públicas como
privadas funcionen eficientemente, afectando finalmente el crecimiento. En el largo plazo, la
informalidad limita el progreso del país y en el peor escenario, podría significar un retroceso.
En el cuadro 3.7, se muestran los resultados de incluir este nuevo componente en un
modelo de convergencia, así mismo se agrega un conjunto de variables para controlar
diferencias importantes ligadas al empleo informal. Por ser un factor amplio y diverso, es
posible que la variable elegida no logre representar el problema en su totalidad. Por este motivo,
se amplía el número de variables.
Cuadro 3.7. Resultados de la regresión de convergencia condicional por MCO
(1998-2018)
Observaciones: 32
Variable dependiente: G20
Método de estimación: MCO
Coeficiente Desv. Típica Estadístico t valor p
const 0.1143 0.0378 3.021 0.0056 ***
I98 −0.0070 0.0021 −3.317 0.0027 ***
ss −0.0226 0.0130 −1.741 0.0934 *
sec 0.0047 0.0074 0.6287 0.5350
pfem 0.0374 0.0277 1.347 0.1897
des −0.0014 0.0054 −0.2724 0.7875
R-cuadrado 0.4190 Valor p (de F) 0.0108 Coeficientes significativos al 99%***, al 95%** y al 90%*
Fuente: elaboración propia con el software Gretl. En el Anexo 4, se muestra la base de datos utilizada.
Como se puede observar, existe un cambio en el coeficiente de I98 pero, no muestra un
efecto distinto como divergencia, pues se esperaba que la informalidad lograra un impacto
mayor. En cambio, hay un ligero aumento, ahora la velocidad en la que disminuyen las
disparidades económicas de las entidades federativas, es de 0.7%.
60
Sin embargo, hay que considerar que sigue siendo un porcentaje pequeño, es decir, una
vez que la ecuación de convergencia se encuentra especificada correctamente y se incluyen
factores asociados a la economía informal, el proceso sigue siendo lento. Al agregar más
variables, el R-cuadrado aumentó a 40%. La constante y el coeficiente del ingreso inicial (I98),
siguen siendo significativos al 99%, así mismo, el porcentaje de personas ocupadas sin seguro
social (ss) es estadísticamente distinto de cero, con un 90% de confianza, y como era de
esperarse, tiene un signo negativo. Otro indicador importante es el estadístico F, al obtener un
valor de p bajo (0.01), muestra que tiene sentido haber incluido las demás variables para mejorar
el poder explicativo del modelo. Por lo tanto, se puede atribuir a la informalidad, el pobre
desempeño de las entidades federativas, hablando en términos de crecimiento económico26.
Realizar una regresión con datos de sección cruzada, limita el número de observaciones,
por tal motivo, se debe escoger con cuidado la cantidad de variables regresoras. Esto implica,
no elegir más factores asociados a la informalidad de los debidos, porque se encuentran
relacionados entre sí y se podría caer en un error al sobre representar alguna de estas
características, alterando su signo o coeficiente27. Por esta razón, se eligieron solo 3 variables,
que en este caso condicionan de la mejor manera el efecto de la informalidad (sec, pfem, des).
Continuando con el análisis del Cuadro 3.5; la proporción de personas ocupadas en el
sector secundario (sec), tiene un impacto positivo en la tasas de crecimiento. Como mencionan
Ross (2013), Calderón y Hernández (2016), las economías más industrializadas, crecen más
rápido. Considerar este determinante en el modelo de convergencia, significa conocer qué
regiones se especializan en mayor medida en dicho sector y también, permite explicar las
diferencias importantes en términos de trabajo informal. En cuanto a la variable que representa
el desempleo (des), es lógico pensar que tenga un signo negativo, ya que, si aumenta la cantidad
de las personas en paro, se reduce la capacidad producción en el país. Al mismo tiempo, esta
situación, es un motivo para incurrir en la informalidad.
26 En el 2008, Loayza estimó un modelo, en donde la variable dependiente es la tasa de crecimiento del pib per
cápita y la explicó a través de variables proxy de la informalidad. También agregó como variable condicional el
PIB per cápita inicial, empero, no mostró importancia en dicho coeficiente. Su objetivo no era probar la hipótesis
neoclásica de convergencia, más bien, era exponer el efecto negativo del empleo informal en el crecimiento. 27 La variable edu, fue descartada por su alto grado de correlación, con la variable ss. Así mismo, la variable prim,
distorsionaba el efecto de la economía informal en el modelo de convergencia, por lo tanto, también se excluyó. Se
hizo lo mismo en la estimación con datos de panel.
61
Por último, la participación laboral femenina (pfem), se encuentre asociada teóricamente
con la informalidad, porque las mujeres, jefas del hogar, requieren de un empleo más flexible.
Sin embargo, se relaciona de forma positiva con el crecimiento económico. Dicho resultado se
puede explicar debido a que, existe una tendencia en el mercado de trabajo y en el ámbito
empresarial, donde el tema sobre la equidad de género, empieza a cobrar mayor importancia y
la brecha comienza a disminuir, derivando en un beneficio social y económico.
Como ya se mencionó, las variables seleccionadas poseen un grado importante de
relación entre sí, en particular con la proporción de personas ocupadas sin seguro social (ss).
Por tal motivo, se debe cuidar, el no permitir una situación donde las variables independientes
presenten una fuerte relación lineal. Para examinar que esta condición no se cumpla, se obtiene
el Factor de Inflación de la Varianza, a partir del modelo convergencia condicional. Si este
indicador es mayor a 10, existen problemas de multicolinealidad (Gujarati y Porter, 2010).
Como se puede observar en el cuadro 3.8, este no es el caso.
Cuadro 3.8. Factor de inflación de la varianza (FIV)
Fuente: elaboración propia con el software Gretl.
Otro aspecto importante a tomar en cuenta, es el debate filosófico que resulta del problema
de causalidad entre el crecimiento y la economía informal. Lo cual significa que la variable ss,
no sea propiamente exógena, por lo tanto se explicaría dentro del modelo y no fuera de él,
causando un problema de especificación. Para probar si esto es cierto, se emplea la prueba de
Hausman de endogeneidad, descrita por Gujarati y Porter (2010), que consiste en estimar dos
regresiones, la primera es de la siguiente forma, 𝑠𝑠 = 𝛽0 + 𝛽1 𝐼98 + 𝛽2 sec + 𝛽3 𝑝𝑓𝑒𝑚 +
𝛽4 𝑑𝑒𝑠 + 𝑢𝑖, de la cual se extrae el termino estocástico (𝑢𝑖) y se utiliza en la segunda regresión
junto a la variable que se cree es endógena (ss), para explicar a la tasa de crecimiento (G20). Si
el componente 𝑢𝑖 es significativamente distinto de cero, la variable que representa a la economía
Variable FIV
I98 1.326
ss 2.085
sec 1.803
pfem 1.305
des 1.574
62
informal, es endógena. Sin embargo, en el cuadro 3.9, se puede ver que no es así y por lo tanto,
no existe ningún problema.
Cuadro 3.9. Prueba de endogeneidad
Observaciones 32
Variable dependiente: G20
Método de estimación: MCO
Coeficiente Desv. Típica Estadístico t valor p
const 0.0115 0.0068 1.675 0.1046
ss 0.0088 0.0148 0.5938 0.5573
𝑢𝑖 −0.0314 0.0214 −1.465 0.1537
Fuente: elaboración propia con el software Gretl (ver Anexo 5).
Al estimar ambos modelos, el de β-convergencia absoluta y β-convergencia condicional,
por MCNL, se obtienen los mismos resultados, únicamente el coeficiente de I98 varía, pero
muy poco. Esta técnica se suele utilizar cuando se comparan periodos con diferente
temporalidad, sin embargo, este no es el caso. También se realizaron pruebas de autocorrelación
y homocedasticidad, arrojando resultados aceptables (ver Anexo 6).
3.4.2.2 Con datos de panel
Existen dos alternativas para estimar un modelo de convergencia, la primera es por medio de un
corte transversal, como se hizo anteriormente. La segunda, es mediante un panel. En el primer
caso, la variable dependiente es la tasa de crecimiento entre dos periodos, sin embargo, dicha
tasa se divide entre el número total de años, porque se quiere conocer en promedio cual es la
tasa de convergencia anual. No por eso, es lo mismo estimar un panel donde cada año represente
un periodo. Nótese que, en la primera alternativa la especificación del modelo, contiene
cualquier efecto de largo plazo, ocurrido en el periodo completo. En cambio, en un panel donde
las series temporales son anuales, la variable dependiente, reflejaría solamente un efecto cíclico,
muy reducido. Si esto ocurre, tampoco se podría observar el impacto real de la economía
informal sobre el crecimiento. Para entender esta situación, se realizaron tres regresiones
distintas, con datos de panel, en cada una la temporalidad es diferente (ver Cuadro 3.10).
63
Cuadro 3.10. Estimación de un modelo de β-convergencia absoluta (1998-2018), con
datos de panel (32 unidades de sección cruzada)
Coeficientes significativos al 99%***.
Fuente: elaboración propia con el software Gretl.
En el cuadro 3.8, se presentan los resultados de estimar un panel para un modelo de
convergencia absoluta, de 1998 al 2018. Utilizar esta técnica implica observar a las entidades
federativas de México, en distintos periodos. En la columna A, se incluyeron 20 series de tiempo
y se utilizó una ecuación similar a la 3.7, donde 𝑦𝑖𝑡 representa el ingreso per cápita en el año 𝑡
y 𝑦𝑖𝑡+1, en el año siguiente. En la columna B, se consideran cuatro periodos, por lo tanto hay
una tasa de crecimiento para cada uno (1998-2003, 2003-2008, 2008-2013, 2013-2018). Se
efectuó un cambio a la variable dependiente, de la siguiente forma ln(
𝑦𝑖𝑡+1𝑦𝑖𝑡
)
𝑇, donde 𝑇 es igual a
5, siendo la longitud de cada sub periodo. En la última columna (C) se incluyen solamente dos
periodos, 1998-2008 y 2008-2018. Es decir, para cada tasa de crecimiento, 𝑇 es igual a 10. En
B y C, se estimó una regresión agrupada, parecida a la expresión 3.5.
Lo importante del punto anterior es notar que, el R-cuadrado aumenta, en cuanto el
número de periodos disminuye, esto se debe a que, las pequeñas tasas de crecimiento, no se
logran asociar de forma adecuada con el ingreso inicial (I0). No tiene sentido utilizar un modelo
que tiene muy poco poder explicativo. En las dos primeras columnas, aunque se agreguen más
variables, la bondad de ajuste del modelo no sería suficiente. Por esta razón es preferible utilizar
únicamente dos tasas de crecimiento, de 10 años cada una, para el modelo de convergencia.
(A) (B) (C)
Series de tiempo: 20 4 2
Método de estimación: MCG Pooled Pooled
const 0.0754*** 0.0751*** 0.0755***
I0 −0.0058*** −0.0058*** −0.0058***
R-cuadrado 0.0182 0.0778 0.1573
64
En los tres casos se realizó la prueba de Breusch-Pagan, y solo en la columna A se
rechazó la hipótesis nula en donde estimar un pooled es una mejor opción, por lo cual se usó el
método de EA. Es decir que, únicamente en el panel donde se incluyen 20 series tiempo, se
identificó que la varianza de 𝑣𝑖 es distinta de cero, por lo tanto, hay factores individuales que no
se están observando y deben tomarse en cuenta. Respecto a la opción de EF, en ningún caso los
estimadores fueron eficientes (ver Anexo 7). También se debe notar que, en el cuadro 3.10,
todos los coeficientes de I0, indican una velocidad de convergencia de 0.6%, siendo consistentes
con los resultados obtenidos de la estimación con datos de sección cruzada.
Para continuar con el análisis, se efectuó una regresión como en la expresión 3.5, para
un modelo de β-convergencia condicional. Con esta alternativa, se aumenta el número de
observaciones a 64, por lo que es posible considerar un conjunto mayor de variables de control,
como se muestra en el cuadro 3.11. Empero, utilizar todas las que se encuentran disponibles
podría generar problemas en la estimación de los parámetros, debido a que una característica se
encuentre sobre representada. De hecho, las variable sec y des, presentaban signos contrarios a
los observados anteriormente y desde un punto de vista teórico no mostraba algún sentido. Por
este motivo, se excluyeron. Se puede decir que, la elección de las variables fue la correcta,
debido a que no existen problemas de multicolinealidad, las pruebas de diagnóstico son
aceptables y la variable ss es propiamente exógena (ver Cuadros A3.5 y A3.6).
Cuadro 3.11. Modelo de convergencia condicional de 1998-2018, en un panel (𝑖=32, 𝑇=2)
Variable dependiente: G10
Método de estimación: Pooled
Coeficiente Desv. Típica Estadístico t valor p
Const 0.1022 0.1556 0.6566 0.5142
I0 −0.0058 0.0020 −2.786 0.0073 ***
ss −0.0326 0.0175 −1.862 0.0680 *
pfem 0.0572 0.0241 2.368 0.0214 **
tosi −0.0137 0.0165 −0.8315 0.4093
terc −0.0120 0.0164 −0.7344 0.4658
micro 0.0175 0.0224 0.7797 0.4389
FN −0.0053 0.0053 −1.007 0.3185
edad 0.0004 0.0418 0.01031 0.9918
R-cuadrado 0.3310 Valor p (de F) 0.003 Coeficientes significativos al 99%***, al 95%** y al 90%*
Fuente: elaboración propia con el software Gretl. En el Anexo 10, se muestra la base de datos utilizada.
65
En los resultados obtenidos del modelo de convergencia condicional, mediante un panel
se puede notar que, la participación femenina (significativa al 95%) sigue teniendo el mismo
efecto en la tasa de crecimiento28. Así mismo la variable que representa la edad promedio de la
PEA también tiene un signo positivo. Se puede pensar que, al contratar empleados jóvenes se
requiere invertir en su capacitación por lo cual, las empresas prefieren profesionistas con mayor
experiencia. Es decir, si la edad aumenta, podría asociarse a un personal mejor calificado,
disminuyendo la informalidad y provocando de forma indirecta, un efecto positivo en la
economía regional, al aumentar la productividad de sus empresas.
La variable micro, que representa la proporción de personas ocupadas en los negocios
de menor tamaño, también tiene un signo positivo. Esto se puede atribuir a la teoría neoclásica
de convergencia, si se piensa de la siguiente manera; los estados con más micronegocios, tienen
menos capital físico y humano disponible. Por esta razón, un aumento de su producción tendrá
un impacto mayor en las tasas de crecimiento. Es decir que, estas regiones se encuentran más
lejos del estado estacionario y por eso avanzan más rápido, en comparación con las que tienen
empresas más grandes. Bajo la misma lógica, la variable FN tiene un signo negativo, los estados
de la frontera norte crecen a tasas más pequeñas, debido a que se encuentran más
industrializados, por lo tanto, se puede imaginar que están más cerca de su estado estacionario.
Respecto a la variable utilizada para la ocupación en el sector informal (tosi), tiene un
signo negativo, ya que representa el mismo fenómeno que la población ocupada sin seguro
social (ss) pero, en una escala menor. De igual forma, la participación de cada estado en el sector
terciario (terc), afecta negativamente su crecimiento. Como apuntan Ross (2013), Calderón y
Hernández (2016), el país ha seguido una tendencia hacia aumentar este tipo de empleos, lo cual
no agrega valor a las actividades productivas. Por último, al incrementar la informalidad (ss)
disminuye el crecimiento, esta variable muestra ser significativa al 90%. Así mismo un valor
bajo del estadístico F, muestra que tiene sentido, incluir en su conjunto todos los factores
mencionados. También es importante notar que, mediante la estimación de un panel, el R-
cuadrado es de 33% y la velocidad de convergencia, indicada en el coeficiente de I0
(estadísticamente diferente de cero al 99%), sigue siendo de 0.6%.
28 Las variables de control se indican con 𝑥𝑖𝑡, es decir, toma el valor inicial para cada sub periodo. La variable
dependiente es la tasa de crecimiento cada diez años (G10).
66
Aunque en este capítulo se evidencia un proceso de convergencia de las entidades
federativas, la velocidad en la cual disminuyen sus disparidades ha sido lenta, debido a que la
brecha entre la región más rica y la más pobre no alcanza a reducirse ni en un 1% al año, desde
1998. El resultado sigue siendo el mismo al considerar como variable principal, los niveles de
economía informal en cada estado. Por lo cual, se puede atribuir a este fenómeno y a las
características que se le vinculan, el pobre avance en términos de crecimiento económico
regional. Es decir, estimar un modelo de β-convergencia condicional mediante un panel, permite
incluir variables que distinguen a cada entidad federativa, mostrando que, aquellos factores que
se relacionan a la informalidad limitan su desarrollo, impidiendo que se logren mejores
resultados.
67
CONCLUSIONES
En un principio, la economía informal hacía referencia solamente, a un conjunto de
personas que, su actividad económica, no estaba dentro de los estándares establecidos por la
sociedad y el gobierno. Dicha actividad, cobró mayor fuerza cuando se incorporaron pequeños
negocios, capaces de comerciar bienes y servicios. Sin embargo, esta situación se identificó
como un problema, porque operaban al margen de la legalidad. Esto no quiere decir que, la
informalidad deba vincularse con actos delictivos. Más bien, se encuentra fuera de norma,
porque no contribuye con el pago de impuestos. Se esperaba que este fenómeno disminuyera
pero, no fue así. En la actualidad, la economía informal, es característica de los países en
desarrollo, como México.
La definición de informalidad se tornó amplia, debido a que, se puede incluir dentro de
ella, a la persona que no tiene un puesto fijo para vender sus mercancías pero, también al
profesionista que trabaja por honorarios en una empresa. Lo que une a estos dos extremos, es la
relación laboral de cada uno, la cual excluye garantías importantes, como un fondo de ahorro
para el retiro o acceso al seguro social. Aunque en un principio, dichas circunstancias
representen un problema individual, en el futuro se convierten en una preocupación social. Por
ello, la economía informal se encuentra asociada a bajos niveles de ingresos y de educación. Es
decir, en aquellas regiones donde la informalidad se acentúa, se forma una barrera para el
crecimiento y el desarrollo económico.
Como objetivo principal, la presente investigación incorporó dentro de un modelo de
convergencia económica, un nuevo determinante. El modelo se encuentra respaldado en la teoría
neoclásica de crecimiento, su principal sustento se encuentra en los factores de producción, los
cuales presentan rendimientos decrecientes. Esto quiere decir que, mientras hay un aumento
cada vez mayor de los factores, la producción tiene un aumento cada vez menor. Como se
explica en el capítulo dos, este supuesto implica que, si un país sigue incrementando su capital,
su riqueza seguirá aumentando pero, en proporciones cada vez más pequeñas. De acuerdo con
la teoría, este incremento, en el largo plazo será cero.
68
Lo anterior, permite que diferentes economías puedan converger. Significa que los países
más ricos empiecen a crecer a tasas más pequeñas, en comparación con los más pobres. En
términos económicos, la convergencia habla de una disminución en las disparidades. Aunque
existe un amplio debate sobre el tema, el enfoque principal de esta tesis fue, mostrar el valioso
aporte teórico, de la convergencia. Pensar que las economías pueden, en algún punto igualar sus
ingresos, conlleva fijar una meta a la cual llegar. Cuando se consideran diferentes países, podría
ser una situación poco factible. Empero, utilizar regiones más homogéneas para una análisis de
convergencia económica, resulta útil.
En el caso de México, hay una brecha marcada entre la entidad federativa con el PIB per
cápita más alto y la que menos PIB per cápita tiene. Si las tasas de crecimiento de ambas
entidades, empiezan a converger, las marcadas disparidades económicas, podrían disminuir. Sin
embargo, como se argumenta en esta investigación, no basta, con que las economías se acerquen
entre sí, es importante que lo hagan rápido. Por esta razón, es necesario conocer qué factores,
pueden intervenir en este proceso. Los niveles de economía informal, son regionalmente
distintos en el país, es notorio que, aquellos estados en donde las condiciones económicas son
relativamente mejores, el empleo informal disminuye, situación contraria en los estados con
menor progreso económico.
Debido a lo anterior y a lo expuesto en el capítulo tres, la informalidad puede considerase
como una variable que, representa en gran medida el desarrollo económico de los 32 estados.
Empero, su impacto no es positivo en el proceso para disminuir las disparidades económicas,
en particular, si se logran incluir más componentes. Como la participación laboral femenina, la
actividad de los distintos sectores económicos, el desempleo, la proporción de micronegocios,
la edad promedio de los trabajadores, la tasa de ocupación en el sector informal y también,
distinguir entre los estados de la frontera norte. De esta forma, se incorpora un nuevo
determinante dentro del modelo de convergencia. Como se muestra en los resultados de este
documento, la velocidad en la cual, las entidades federativas disminuyen sus disparidades
económicas, es muy baja para el periodo de 1998 al 2018. La brecha entre la región más pobre
y la más rica, apenas se redujo en 0.6% al año.
69
A pesar de que la informalidad no es el único motivo por el cual el país no logra aumentar
sus tasas de crecimiento, si representa una impedimento para mejorar esta situación. Por lo tanto,
es importante que cobre mayor importancia, en particular desde una perspectiva regional. Para
entender porque, el modelo de convergencia es una excelente herramienta. Sin importar que la
teoría neoclásica afirme que distintas regiones podrán igualar sus ingresos en el futuro
(suposición algo optimista), permite conocer, con el paso del tiempo, cual ha sido el avance en
reducir las diferencias económicas. Así mismo, brinda la oportunidad de identificar qué
elementos están contribuyendo en el proceso o por el contrario, limitan que las regiones menos
desarrolladas alcancen a las demás, como lo es la economía informal.
70
BIBLIOGRAFÍA
Acevedo, S. (2003). Convergencia y crecimiento económico en Colombia 1980-2000. Ecos de
Economía: A Latin American Journal of Applied Economics, 7(17), 51-78.
Aguayo Téllez, E. (2004). Divergencia regional en México, 1990–2000. Ensayos: Revista de
economía, 23(2), 30-42.
Bacchetta, M., Ernst, E. y Bustamante, J. (2009). La globalización y el empleo informal en los
países en desarrollo. Oficina Internacional del Trabajo y la Secretaría de la Organización
Mundial del Comercio. Suiza.
Barceinas, F. y Raymond, J. (2005). Convergencia regional y capital humano en México, de los
años 80 al 2002. Estudios Económicos, Vol. 20, N° 2(40), pp. 263-304.
Barro, R. J. (2002). Cantidad y calidad del crecimiento económico. Economía chilena, vol. 5,
no. 2.
Barro, R. J. y Sala-i-Martin, X. (1992). Convergence. Journal of political Economy, 100(2),
223-251.
Brandt, N. (2011). Informality in Mexico.
Calderón Villarreal, C. y Tykhonenko, A. (2007). Convergencia regional e inversión extranjera
directa en México en el contexto del TLCAN, 1994-2002. Investigación económica, 66(259),
15-41.
Calderón, C. y Hernández, L. (2016). Cambio estructural y desindustrialización en México.
Panorama Económico, vol. 12, N° 23, pp.153-190.
Carrillo, M., M. (2001). La teoría neoclásica de la convergencia y la realidad del desarrollo
regional en México. Problemas Económicos del Desarrollo, Vol. 32, N°127, pp. 107 - 134.
Celaya, D y Díaz Bautista, A. (2002). Crecimiento, instituciones y convergencia en México
considerando a la frontera norte. Estudios fronterizos, 3(6), 33-62.
Cervantes Niño, J. J., Gutiérrez Garza, E. y Palacios, L. (2008). El concepto de economía
informal y su aplicación en México: factibilidad, inconvenientes y propuestas. Estudios
demográficos y urbanos, 23(1), 21-54.
Chen, M. (2012). La economía informal: definiciones, teorías y políticas. Londres: Secretariado
del Commonwealth.
Chiquiar, D. (2005). Why Mexico's regional income convergence broke down. Journal of
development Economics, 77(1), 257-275.
Cruz, J, N. (2018). “La fragilidad de la reducción de la pobreza y la desigualdad en América
Latina: desde una visión socioeconómica 1980-2015”. En Tomo, I. I. AMÉRICA LATINA Y EL
MUNDO DEL SIGLO XXI: PERCEPCIONES, INTERPRETACIONES E INTERACCIONES
(pp.215-226).
71
Díaz-Bautista, A. (2003). Los determinantes del crecimiento económico: comercio
internacional, convergencia y las instituciones. Plaza y Valdés.
Dougherty, S. y Escobar, O. (2013). The Determinants of Informality in Mexico's States. OECD
Economics Department Working Papers, No. 1043, Paris: OECD Publishing.
Esquivel, G. (1999). Convergencia regional en México, 1940-1995. El trimestre económico,
725-761.
Fuentes, N. A. y Mendoza, E. (Eds.). (2003). “Convergencia e infraestructura”. En Fuentes et
al. Crecimiento con convergencia o divergencia en las regiones de México: asimetría centro-
periferia. Plaza y Valdés.
Fuentes, N. A., Díaz-Bautista, A. y Martínez-Pellégrini, S. E. (Eds.). (2003). Crecimiento con
convergencia o divergencia en las regiones de México: asimetría centro-periferia. Plaza y
Valdés.
Galindo, Mariana y Viridiana Ríos (2015) “Informalidad” en Serie de Estudios Económicos,
Vol. 1, Agosto 2015. México DF: México ¿Cómo Vamos?
Gómez Naranjo, L. G. (2007). La informalidad en la economía, algo incuestionable. Semestre
Económico, 10(19), 47-67.
Gómez, M. y Ventosa-Santaulària, D. (2009). Liberación comercial y convergencia regional del
ingreso en México. El Trimestre Económico, 215-235.
Gujarati, D. y Porter, D. (2010). Econometría (quinta edición). México: Editorial Mc. Graw
Hill.
INEGI. (2008). Info laboral. Homologación de la serie de indicadores estratégicos ENE-ENOE.
Documento técnico.
INEGI. (2014). La informalidad laboral. Encuesta Nacional de Ocupación y Empleo. Marco
conceptual y metodológico.
Jiménez Restrepo, D. M. (2012). La informalidad laboral en América Latina: explicación
estructuralista o institucionalista. Cuadernos de Economía, 31(58), 113-143.
Juan-Ramón, V. H. y Rivera-Batiz, L. A. (1996). Regional growth in Mexico: 1970-93. Fondo
Monetario Internacional, enero.
La ley. (2014, Junio). El empleo informal vs. el empleo ilegal. La ley. Recuperado de
https://laley.pe/art/1487/el-empleo-informal-vs-el-empleo-ilegal
León, G. (2013). Crecimiento y convergencia económica: una revisión para Colombia. Revista
Dimensión Empresarial, vol. 11, Núm. 1, pp. 61-76.
Levy, S. (2012, Noviembre). Seguridad social universal: Un camino para México. Nexos.
Recuperado de https://www.nexos.com.mx/?p=15047
Levy, S. (2018). Esfuerzos mal recompensados: la elusiva búsqueda de la prosperidad en
México. Inter-American Development Bank.
72
Loayza, N. (2008). Causas y consecuencias de la informalidad en el Perú. Revista Estudios
Económicos, 15(3), 43-64.
Loayza, N. (2010). Globalización e informalidad: Dos retos para el desarrollo y la
integración. Las múltiples caras de la globalización, 116-125.
Loayza, N. V. (1996). The economics of the informal sector: a simple model and some empirical
evidence from Latin America. In Carnegie-Rochester Conference Series on Public Policy (No.
45, pp. 129-162).
Loayza, N. y Sugawara, N. (2009). El sector informal en México: Hechos y explicaciones
fundamentales. El Trimestre Económico, 887-920.
Martínez Soria, J., Ruiz Durán, C., Ruesga Benito, S., Rosales Reyes, M., Cazes, S. y Falco, P.
(2017). Informalidad: implicaciones legislativas y políticas públicas para reducirla.
Martínez, J. (2017). “Introducción”. En Martínez Soria, et al. Informalidad: implicaciones
legislativas y políticas públicas para reducirla (pp.7-14).
Mathews, G., Ribeiro, G. L. y Vega, C. A. (Eds.). (2012). Globalization from below: the world's
other economy. Routledge.
Mayorga, M. y Muñoz, E. (2000). La técnica de datos de panel una guía para su uso e
interpretación. Banco Central de Costa Rica. Departamento de investigaciones económicas.
Mendoza, J. y Torres, V. (2002). Innovación tecnológica y crecimiento regional en México,
1995-2000. Revista Mexicana de Economía y Finanzas Nueva Época REMEF (The Mexican
Journal of Economics and Finance), 1(3).
Moncayo, E. (2004). El debate sobre la convergencia económica internacional e interregional:
enfoques teóricos y evidencia empírica. eure (Santiago), 30(90), 7-26.
Montero. R (2011): Efectos fijos o aleatorios: test de especificación. Documentos de Trabajo
en Economía Aplicada. Universidad de Granada. España
Moy, V. (2015, Septiembre). Lo informal y lo ilegal. El financiero. Recuperado de
https://www.elfinanciero.com.mx/opinion/valeria-moy/lo-informal-y-lo-ilegal
Moy, V. (2019, Noviembre). Apuntes sobre empleo. Milenio. Recuperado de
https://www.milenio.com/opinion/valeria-moy/peras-manzanas/apuntes-sobre-empleo
Muñoz, R. M. (2015). La hipótesis de la convergencia condicional en Ecuador: un análisis a
nivel cantonal. Retos: Revista de Ciencias de la Administración y Economía, 5(9), 13-25.
Peláez, O. (2017). DEPENDENCIA TEMPORAL Y CONVERGENCIAS SINCRÓNICA Y
DIACRÓNICA EN EL IDH DE LAS ENTIDADES FEDERATIVAS DE MÉXICO, 1950-
2010.
Pérez, R. Q., Contreras, M. Y. y Hernández, K. C. (2014). Determinantes de la informalidad
laboral: un análisis para Colombia. Investigación y desarrollo, 22(1), 126-145.
73
Perry, G., Maloney, W., Arias, O., Fajnzylber, P., Mason, A. y Saavedra-Chanduvi, J. (2007).
Informalidad: escape y exclusión. Estudios del Banco Mundial sobre América Latina y el
Caribe.
Ross, J. (2013). Algunas tesis equivocadas sobre el estancamiento económico de México. El
Colegio de México AC.
Ruesga Benito, S. (2017). “Tendencias y políticas recientes en el ámbito internacional en
materia de informalidad”. En Martínez Soria, et al. Informalidad: implicaciones legislativas y
políticas públicas para reducirla (pp.169-223).
Samaniego, N. (2008). El crecimiento explosivo de la economía informal. Economía
unam, 5(13), 30-41.
Tamayo, J. (2017). “Destierro y despertar de la utopía: Reflexiones para tiempos de crisis”. En
La utopía, motor de la historia simposio internacional con motivo del quinto centenario de
«utopía» de Tomás moro. (pp. 145-159). Recuperado de
http://sgfm.elcorteingles.es/SGFM/FRA/recursos/doc/Libros/1712069125_306201791744.pdf
Valdés, B. (1999). Economic growth: Theory, empirics and policy. Edward Elgar Publishing.
Sala-i-Martin, X. (2000). Apuntes de crecimiento económico. Antoni Bosch Editor.
Vega, C. A. y Kruijt, D. (1995). La utilidad de lo minúsculo: informalidad y microempresa en
México, Centroamérica y los países andinos (Vol. 125). Colegio de México, Centro de Estudios
Históricos.
Wooldridge, J. (2010). Introducción a la econometría: Un enfoque moderno (4ª edición ed.).(M.
Hano Roa y E. Hernan DBorneville, Trans.) México: Cengage Learning.
Yañez, R. C. y Alvarado, A. N. (2016). Análisis del concepto de empleo informal en
México. Análisis Económico, 31(78), 125-144.
i
ANEXOS
Anexo 1. PIB per cápita, tasa de informalidad laboral y nivel de pobreza, de las 32 entidades
federativas en el 2018*.
Entidad federativa PIB per cápita Tasa de informalidad
laboral %
Nivel de pobreza
Aguascalientes 174093.07 42.8 26.2
Baja California 153777.20 39.6 23.3
Baja California Sur 209946.86 39 18.1
Campeche 558626.71 63.9 46.2
Chiapas 31492.28 78.2 22.5
Chihuahua 185455.06 36.7 30.9
Ciudad de México 4127029.60 50 76.4
Coahuila 114344.51 36.7 26.3
Colima 28356.23 50.5 30.6
Durango 110916.05 51.8 37.3
Guanajuato 122741.93 53 43.4
Guerrero 67060.89 78.6 66.5
Hidalgo 91573.10 72.7 43.8
Jalisco 149822.74 49.2 28.4
Edo. de México 90133.21 57.5 42.7
Michoacán 91883.62 70.6 46
Morelos 101417.19 65.9 50.8
Nayarit 93504.71 62.8 34.8
Nuevo León 250340.29 35.6 14.5
Oaxaca 64228.45 80.4 66.4
Puebla 94459.63 72 58.9
Querétaro 198158.63 45 27.6
Quintana Roo 169364.67 47.2 27.6
San Luis 132555.26 56.3 43.4
Sinaloa 129516.58 50.5 30.9
Sonora 189996.46 44.8 28.2
Tamaulipas 189169.22 45.4 53.6
Tlaxcala 137009.57 72.1 35.1
Veracruz 74949.62 67.5 48.4
Yucatán 99238.35 63.1 61.8
Zacatecas 117897.37 63.3 40.8
Fuente: elaboración propia con datos del INEGI. *El nivel de pobreza, es un indicador de bienestar, con valores
del 0 al 100.
ii
Anexo 2. Nivel de educación y tasa de informalidad laboral, de las 32 entidades federativas en
el 2015*
Entidad federativa Nivel de educación Tasa de informalidad
laboral %
Aguascalientes 42.5 43.67
Baja California 44.8 40.15
Baja California Sur 48.4 40.40
Campeche 40.6 61.02
Coahuila 42.9 35.07
Colima 43.7 54.40
Chiapas 28.1 78.84
Chihuahua 40.3 36.04
Ciudad de México 58.8 51.28
Durango 36.9 55.98
Guanajuato 31.5 58.30
Guerrero 32.5 79.50
Hidalgo 35.2 71.60
Jalisco 39.8 50.13
Edo. de México 42.8 59.28
Michoacán 30.3 71.13
Morelos 40.9 66.37
Nayarit 40.8 62.08
Nuevo León 47 36.89
Oaxaca 27.7 80.00
Puebla 35.5 72.41
Querétaro 42 45.18
Quintana Roo 44.4 47.27
San Luis Potosí 36.4 58.25
Sinaloa 47 50.90
Sonora 46.7 45.37
Tabasco 42.3 63.66
Tamaulipas 42.5 47.32
Tlaxcala 39 73.22
Veracruz 35.2 68.10
Yucatán 38.1 62.33
Zacatecas 31.4 66.02
Fuente: elaboración propia con datos del INEGI. *El nivel de educación es un indicador de bienestar, con valores
del 0 al 100.
iii
Anexo 3. PIB per cápita de las 32 entidades federativas en 1980, 1995 y 2000
Entidad federativa PIB per cápita en
1980
PIB per cápita en
1995
PIB per cápita en
el 2000
Aguascalientes 98279.1 92709.0 115315.7
Baja California 195216.0 136122.5 182958.9
Baja California Sur 183203.1 139784.2 165758.2
Campeche 1289722.9 1111280.5 1270175.6
Coahuila 140674.7 131002.5 172995.0
Colima 116865.3 111444.7 129647.5
Chiapas 76069.5 62004.3 62336.8
Chihuahua 96910.1 92863.2 122336.0
Ciudad de México 154171.3 202559.0 252885.2
Durango 76933.5 80656.3 95307.5
Guanajuato 75824.0 70940.1 87062.4
Guerrero 65963.7 56244.0 59797.9
Hidalgo 73390.0 65614.4 81338.5
Jalisco 115749.8 104333.9 130886.4
Edo. de México 82890.6 66684.5 81017.0
Michoacán 59270.6 60733.7 74124.3
Morelos 100055.1 79218.0 96528.1
Nayarit 73009.0 74038.8 85360.4
Nuevo León 151613.3 151058.9 197364.2
Oaxaca 59041.4 53852.4 58352.5
Puebla 63481.9 58179.8 76360.8
Querétaro 134709.8 116846.5 152250.5
Quintana Roo 295343.1 139931.4 150923.7
San Luis Potosí 77021.5 75312.6 93993.8
Sinaloa 99841.4 97416.2 111447.4
Sonora 146327.5 145957.4 190206.9
Tabasco 244977.1 206373.4 216396.3
Tamaulipas 105040.6 104880.4 137863.7
Tlaxcala 86264.7 70873.4 87748.4
Veracruz 76423.0 83622.7 89354.2
Yucatán 82666.0 76896.0 95363.6
Zacatecas 46536.1 60975.2 65008.1
Fuente: elaboración propia con datos del INEGI
.
iv
Anexo 4. Base de datos*
Entidad federativa
I98 I18 ss sec pfem edu
Aguascalientes 106984.05 174093.07 0.5181 0.3186 0.3650 8.4
Baja California 173472.71 153777.20 0.4612 0.3536 0.3660 8.6
Baja California Sur 158390.09 209946.86 0.5162 0.2039 0.3730 8.6
Campeche 1261629.58 558626.71 0.6952 0.1878 0.3770 7.3
Chiapas 28110.40 31492.28 0.8910 0.1187 0.3860 5.4
Chihuahua 144520.37 185455.06 0.4654 0.3753 0.3740 8.2
Ciudad de México 3928634.96 4127029.60 0.5144 0.2378 0.3870 10.3
Coahuila 97820.12 114344.51 0.4565 0.3874 0.4000 8.9
Colima 22391.68 28356.23 0.6214 0.1921 0.3950 8.2
Durango 94541.18 110916.05 0.6166 0.2390 0.4120 7.6
Guanajuato 81512.32 122741.93 0.6878 0.3544 0.4090 6.9
Guerrero 58418.08 67060.89 0.8042 0.1535 0.4090 6.5
Hidalgo 78787.78 91573.10 0.7709 0.2634 0.4370 6.7
Jalisco 122574.19 149822.74 0.6728 0.3028 0.4100 7.8
Edo de México 78683.82 90133.21 0.6655 0.3167 0.4290 8.3
Michoacán 68561.26 91883.62 0.8351 0.2108 0.4310 6.5
Morelos 94220.99 101417.19 0.7084 0.2323 0.4340 8.1
Nayarit 82361.42 93504.71 0.7755 0.1614 0.4250 7.6
Nuevo León 180229.15 250340.29 0.4783 0.3521 0.4470 9.2
Oaxaca 54446.32 64228.45 0.8166 0.1777 0.4430 5.9
Puebla 70881.01 94459.63 0.7146 0.3207 0.4180 7.2
Querétaro 145677.88 198158.63 0.5899 0.3130 0.4200 8.2
Quintana Roo 157590.59 169364.67 0.5401 0.1746 0.4370 8.2
San Luis 87498.13 132555.26 0.6837 0.2866 0.4140 7
Sinaloa 101609.80 129516.58 0.5961 0.1853 0.4260 8.5
Sonora 173296.39 189996.46 0.5813 0.2733 0.3940 8.8
Tabasco 221786.45 189169.22 0.7918 0.1899 0.3770 7.1
Tamaulipas 125626.41 137009.57 0.5771 0.2788 0.3970 8.2
Tlaxcala 80562.93 74949.62 0.7074 0.3838 0.4480 8.2
Veracruz 90241.51 99238.35 0.7910 0.1798 0.4440 6.6
Yucatán 87177.83 117897.37 0.6706 0.2602 0.4750 7.1
Zacatecas 66167.84 96837.92 0.7407 0.2070 0.4700 6.8
v
Entidad federativa
des FN terc tosi micro edad prim
Aguascalientes 0.0360 0 0.5619 0.2100 0.3258 33.8 0.1190
Baja California 0.0300 1 0.5755 0.2080 0.2866 33.4 0.0708
Baja California Sur 0.0330 1 0.6340 0.1850 0.2892 34.1 0.1621
Campeche 0.0230 0 0.5218 0.2290 0.2784 35.8 0.2903
Chiapas 0.0190 0 0.3308 0.2060 0.2398 34.0 0.5502
Chihuahua 0.0300 1 0.4750 0.1840 0.2527 35.0 0.1497
Ciudad de México 0.0550 0 0.7583 0.2840 0.3894 35.8 0.0027
Coahuila 0.0490 1 0.5112 0.2210 0.3170 34.5 0.1007
Colima 0.0270 0 0.6235 0.2480 0.3482 35.2 0.1842
Durango 0.0270 1 0.4790 0.2170 0.2988 34.3 0.2812
Guanajuato 0.0270 0 0.4763 0.3130 0.4261 34.6 0.1693
Guerrero 0.0140 0 0.5109 0.2650 0.3115 35.7 0.3356
Hidalgo 0.0410 0 0.4402 0.2980 0.4001 36.0 0.2955
Jalisco 0.0360 0 0.5461 0.2930 0.4158 34.0 0.1508
Edo de México 0.0600 0 0.6001 0.3290 0.4362 34.5 0.0812
Michoacán 0.0150 0 0.4638 0.3220 0.4218 35.7 0.3254
Morelos 0.0240 0 0.6175 0.3180 0.4378 36.1 0.1500
Nayarit 0.0230 0 0.5637 0.3030 0.4295 36.0 0.2749
Nuevo León 0.0390 1 0.5959 0.2220 0.3474 34.3 0.0516
Oaxaca 0.0190 0 0.4275 0.2600 0.3567 36.3 0.3948
Puebla 0.0190 0 0.4387 0.2840 0.3510 35.4 0.2386
Querétaro 0.0350 0 0.5462 0.2440 0.3366 34.5 0.1404
Quintana Roo 0.0160 0 0.7028 0.2060 0.2918 33.1 0.1217
San Luis 0.0170 0 0.4906 0.2850 0.3620 37.0 0.2225
Sinaloa 0.0360 1 0.5592 0.2410 0.3650 34.8 0.2551
Sonora 0.0510 1 0.5280 0.2260 0.3533 35.0 0.1975
Tabasco 0.0330 0 0.4856 0.2300 0.2926 33.8 0.3242
Tamaulipas 0.0480 1 0.5955 0.2590 0.3447 35.5 0.1256
Tlaxcala 0.0390 0 0.4532 0.3440 0.4106 34.6 0.1621
Veracruz 0.0290 0 0.4636 0.2630 0.3629 36.3 0.3566
Yucatán 0.0180 0 0.5461 0.2800 0.3723 36.6 0.1936
Zacatecas 0.0250 0 0.4674 0.2330 0.3303 34.5 0.3256
Fuente: elaboración propia con datos del INEGI. *I18 es el PIB per cápita en el 2018, las demás variables son del
segundo trimestre de 1998, ninguna está convertida en logaritmo.
vi
Anexo 5. Prueba de endogeneidad estimación de:
𝑠𝑠 = 𝛽0 + 𝛽1 𝐼98 + 𝛽2 sec + 𝛽3 𝑝𝑓𝑒𝑚 + 𝛽4 𝑑𝑒𝑠 + 𝑢𝑖
Coeficientes significativos al 99%***, al 95%** y al 90%*
Fuente: elaboración propia con el software Gretl.
Anexo 6. Pruebas de homocedasticidad y autocorrelación de modelo de convergencia
condicional estimado por MCO (1998-2018)
Fuente: elaboración propia con el software Gretl.
Observaciones: 32
Variable dependiente: ss
Método de estimación: MCO
Coeficiente Desv. Típica Estadístico t valor p
const 0.0684 0.5601 0.1221 0.9037
I98 −0.0413 0.0305 −1.348 0.1890
sec −0.2899 0.0958 −3.025 0.0054 ***
pfem 0.7422 0.3854 1.926 0.0647 *
des −0.0618 0.0802 −0.7706 0.4476
Contraste de heterocedasticidad de White - Hipótesis nula: No hay
heterocedasticidad con valor p de 0.0761
Contraste de autocorrelación hasta el orden 1 -Hipótesis nula: No
hay autocorrelación con valor p de 0.0466
vii
Anexo 7. Pruebas de Breusch-Pagan y Hausman a las estimaciones con panel de datos
Panel A ( 𝑖 = 32, 𝑇 =20)
Contraste de Breusch-Pagan - Hipótesis nula: Varianza del error específico a la unidad = 0
con valor p de 0.0281
Contraste Hausman- Hipótesis nula: Los estimadores de MCG son consistentes con valor p
de 0. .3522
Panel B ( 𝑖 = 32, 𝑇 =4)
Contraste de Breusch-Pagan - Hipótesis nula: Varianza del error específico a la unidad = 0
con valor p de 0.8809
Contraste Hausman- Hipótesis nula: Los estimadores de MCG son consistentes con valor p
de 0.5178
Panel C ( 𝑖 = 32, 𝑇 =2)
Contraste de Breusch-Pagan - Hipótesis nula: Varianza del error específico a la unidad = 0
con valor p de 0.4067
Contraste Hausman- Hipótesis nula: Los estimadores de MCG son consistentes con valor p
de 0.6886
Fuente: elaboración propia con el software Gretl.
Anexo 8. Pruebas de homocedasticidad, autocorrelación y Factor Inflacionario de Varianza
(FIV) para el modelo convergencia condicional, estimado mediante un pooled (𝑖= 32, 𝑇=2)
Fuente: elaboración propia con el software Gretl.
Variable FIV
I0 1.666
ss 5.265
terc 3.011
edad 1.573
pfem 1.706
tosi 4.894
edad 1.573
FN 2.739
Contraste de heterocedasticidad de White - Hipótesis
nula: No hay heterocedasticidad con valor p de 0.0423
Contraste de autocorrelación hasta el orden 1 -Hipótesis
nula: No hay autocorrelación con valor p de 0.2742
viii
Anexo 9. Prueba de endogeneidad, estimación de:
𝑠𝑠 = 𝛽0 + 𝛽1 𝐼0 + 𝛽2 terc + 𝛽3 𝑝𝑓𝑒𝑚 + 𝛽4 𝑑𝑒𝑠 + 𝛽5 𝑒𝑑𝑎𝑑 + 𝛽6 𝑡𝑜𝑠𝑖 + 𝛽7 𝐹𝑁
+ 𝛽8 𝑚𝑖𝑐𝑟𝑜 + 𝑢𝑖𝑡
Coeficientes significativos al 99%***, al 95%** y al 90%*
Fuente: elaboración propia con el software Gretl.
Observaciones 64
Variable dependiente: G10
Método de estimación: MCO
Pooled
Coeficiente Desv. Típica Estadístico t valor p
const 0.0087 0.0047 1.857 0.0681 *
ss 0.0025 0.0096 0.2636 0.7930
𝑢𝑖𝑡 −0.0523 0.0357 −1.465 0.1480
Coeficiente significativos al 90%*
Fuente: elaboración propia con el software Gretl.
Observaciones: 64
Variable dependiente: ss
Método de estimación: MCO
Pooled
Coeficiente Desv. Típica Estadístico t valor p
const −1.1485 0.6920 −1.659 0.1026
I0 −0.0157 0.0096 −1.634 0.1079
terc −0.3429 0.0652 −5.252 0.0 ***
edad 0.5492 0.1861 2.951 0.0046 ***
tosi 0.1940 0.0740 2.621 0.0113 **
pfem 0.0363 0.1136 0.3196 0.7504
FN −0.1209 0.0190 −6.353 0.0 ***
micro −0.1342 0.1047 −1.281 0.2054
ix
Anexo 10. Base de datos*
Entidad federativa
I08 ss sec pfem edu
Aguascalientes 131110.4 0.5267 0.2942 0.395 9.8
Baja California 147706.7 0.4330 0.2974 0.369 9.6
Baja California Sur 180805.0 0.4595 0.2087 0.373 9.9
Campeche 1073494.4 0.6540 0.2075 0.342 8.7
Chiapas 28794.9 0.8235 0.1421 0.358 7
Chihuahua 163325.3 0.4570 0.3053 0.365 9
Ciudad de México 3896740.5 0.5587 0.2007 0.417 10.8
Coahuila 104849.9 0.4651 0.3358 0.435 9.8
Colima 23055.0 0.6040 0.1800 0.436 9.2
Durango 101955.5 0.5572 0.2330 0.462 9.1
Guanajuato 92647.3 0.6654 0.3380 0.46 8
Guerrero 61682.0 0.7973 0.1911 0.455 7.7
Hidalgo 80311.0 0.7874 0.2438 0.45 8.2
Jalisco 127597.3 0.6128 0.2936 0.437 9.1
Edo de México 79844.9 0.6179 0.2893 0.453 9.2
Michoacán 77329.1 0.7906 0.2389 0.458 7.6
Morelos 96963.4 0.7335 0.2231 0.438 9
Nayarit 93106.3 0.6822 0.1925 0.437 9.2
Nuevo León 223914.1 0.4492 0.3336 0.413 10
Oaxaca 59642.4 0.8300 0.2057 0.406 7.2
Puebla 82083.8 0.7992 0.2666 0.427 7.8
Querétaro 156700.5 0.5554 0.3204 0.398 9.3
Quintana Roo 161569.4 0.5473 0.1629 0.419 9.3
San Luis 105824.7 0.6680 0.2439 0.449 8.7
Sinaloa 113691.2 0.6045 0.1931 0.411 9.3
Sonora 166283.6 0.5385 0.2736 0.405 9.8
Tabasco 216124.6 0.6650 0.2063 0.4 9.2
Tamaulipas 149528.0 0.5121 0.2969 0.454 9.6
Tlaxcala 72579.9 0.7517 0.3423 0.458 9.2
Veracruz 93131.7 0.7168 0.2000 0.458 7.9
Yucatán 100476.1 0.6601 0.3031 0.467 8
Zacatecas 85748.4 0.7266 0.1975 0.48 8.2
x
Entidad federativa
des terc tosi micro edad prim
Aguascalientes 0.049 0.6506 0.262 0.3824 36.3 0.0544
Baja California 0.028 0.5847 0.171 0.3451 36.9 0.0555
Baja California Sur 0.028 0.7033 0.18 0.3424 36.2 0.0858
Campeche 0.022 0.5957 0.233 0.3518 38.1 0.1949
Chiapas 0.018 0.4631 0.223 0.3105 37.1 0.3939
Chihuahua 0.041 0.5546 0.173 0.3302 38.7 0.0911
Ciudad de México 0.054 0.7889 0.272 0.4146 39.3 0.0070
Coahuila 0.048 0.6060 0.249 0.3707 37.5 0.0491
Colima 0.022 0.6841 0.18 0.3790 37.5 0.1293
Durango 0.039 0.5950 0.219 0.3420 37.6 0.1668
Guanajuato 0.039 0.5355 0.3 0.4136 36.5 0.1235
Guerrero 0.011 0.5377 0.338 0.4191 38.3 0.2706
Hidalgo 0.028 0.5227 0.3 0.3985 38.2 0.2293
Jalisco 0.03 0.6109 0.269 0.4422 36.3 0.0872
Edo de México 0.044 0.6536 0.334 0.4383 37.1 0.0529
Michoacán 0.027 0.5552 0.321 0.4596 37 0.2022
Morelos 0.023 0.6411 0.362 0.4677 38.5 0.1349
Nayarit 0.025 0.6204 0.28 0.4050 38.1 0.1842
Nuevo León 0.042 0.6462 0.237 0.3454 36.8 0.0171
Oaxaca 0.019 0.4881 0.383 0.4207 39.3 0.3046
Puebla 0.029 0.4830 0.33 0.4336 37.7 0.2456
Querétaro 0.034 0.5980 0.226 0.3757 36.5 0.0810
Quintana Roo 0.026 0.7750 0.247 0.3966 35.5 0.0563
San Luis 0.027 0.5544 0.242 0.3743 38.6 0.1981
Sinaloa 0.026 0.6104 0.21 0.3722 38.1 0.1894
Sonora 0.039 0.6040 0.225 0.3680 38 0.1068
Tabasco 0.039 0.6148 0.259 0.3463 36.2 0.1757
Tamaulipas 0.043 0.6232 0.229 0.3746 37.6 0.0673
Tlaxcala 0.053 0.5093 0.377 0.4678 37.4 0.1469
Veracruz 0.02 0.5634 0.255 0.3749 39.2 0.2355
Yucatán 0.023 0.5768 0.314 0.4344 37.2 0.1187
Zacatecas 0.039 0.5363 0.236 0.3880 37.6 0.2631
Fuente: elaboración propia con datos del INEGI. *I08 es el PIB per cápita en el 2008, las demás variables son del
segundo trimestre de 2008, ninguna está convertida en logaritmo.
El autor es Ingeniero en Gestión Empresarial por el Instituto Tecnológico de Ciudad Madero.
Egresado de la Maestría en Economía Aplicada de El Colegio de la Frontera Norte.
© Todos los derechos reservados. Se autorizan la reproducción y difusión total y parcial por
cualquier medio, indicando la fuente.
Forma de citar:
Velázquez Conti, L. Angel (2018). “Economía informal y convergencia regional en México:
1998-2018”. Tesis de Maestría en Economía Aplicada. El Colegio de la Frontera Norte, A.C.
México. 69 pp.