Nota: 0,0

No entendieron el trabajo y terminaron incurriendo en plagio. Particularmente, del

trabajo: Ramajo Hernandez, J., & Márquez Paniagua , M. Á. (2008). Componentes

espaciales en el modelo Shift-share. Una aplicación en las regiones peninsulares de
España. Estadística Española, 247-272. (No importa que este sea citado en la
biobliografía).

Influencia de la geografía en el crecimiento económico regional en Colombia a

partir de la apertura económica (1991-2018)

Arnold Stiven Ramírez Castro*

Andrés Mauricio Cuéllar Ariza*

Resumen

El estudio de la incidencia de la geografía en el crecimiento económico no tomaba

relevancia como variable en los modelos clásicos, es sólo con el surgimiento de
algunos economistas contemporáneos que se comienza el análisis de esta variable
como factor determinante para el crecimiento de las regiones, ya que, error de modelos
clásicos fue considerar la tierra como isotrópica. Así, en Colombia ha surgido la
preocupación de buscar los determinantes que expongan por qué los departamentos
crecen con ritmos tan distintos, y la variable geografía ha evidenciado que entre un
37% a 40% influye en este crecimiento. Además, como estas disparidades se
mantienen con el paso de los años, se busca subrayar su importancia para que se
implementen factores que contrarresten, los factores humanos, las políticas públicas y
la intervención privada eficazmente podrían ayudar a una salida de la trampa de
pobreza y reducido crecimiento regional. Un ejemplo de la disparidad es la muestra de
los dos extremos del crecimiento en el país para el año 2018, por un lado, Chocó que
tuvo un crecimiento económico negativo (-5%) y por el otro lado, Bogotá con el mayor
crecimiento del año (3%), y lo más preocupante, no se ve en un largo plazo un
panorama esperanzador para el departamento portuario.
Palabras clave: Geografía, crecimiento regional y políticas públicas.

Influence of geography on regional economic growth in Colombia since the

economic opening (1991-2018)*

Abstract:

The study of the incidence of geography on economic growth did not take relevance as
a variable in classical models, it is only with the emergence of some contemporary
economists that the analysis of this variable is started as a determining factor for the
growth of the regions, since that, error of classic models was to consider the earth as
isotropic. Thus, in Colombia there has been a concern to look for the determinants that
explain why departments grow at such different rates, and the geography variable has
shown that between 37% and 40% influences this growth. In addition, as these
disparities continue over the years, it seeks to underscore their importance for the
implementation of factors that counteract, human factors, public policies and private
intervention could effectively help a way out of the poverty trap and reduced regional
growth. An example of the disparity is the sample of the two extremes of growth in the
country for the year 2018, on the one hand Chocó that had a negative economic growth
(-5%) and on the other hand, Bogotá with the highest growth of the year (3%), and most
worrisome, a hopeful outlook for the port department is not seen in the long term.

Keywords: Geography, regional growth and public policies.

Introducción

Colombia, un país caracterizado por sus disparidades tanto económicas como sociales,
demuestra que sigue la tendencia de América Latina en concentrar su crecimiento en
una o dos ciudades y rezagando sus demás departamentos, este fenómeno
ampliamente abordado en estudios económicos. No obstante, pocos acreditando la
geografía como obstáculo que provoca este desigual crecimiento económico.

La idea según los factores geográficos argumenta que, en el surgimiento de las propias
naciones o ya sea más recientemente la globalización los países en vía de desarrollo
sólo podrían surgir uno o dos polos de desarrollo que contrarrestará la deficiencia del
resto del país, debido a sus ventajas geográficas que permitieron esto, debido a que,
en un país como Colombia, con gran variedad de zonas geográficas y sin políticas que
vieran lo geográfico como un problema, sólo donde sus retos no influyeran, resultarían
estas economías de escala. Entonces surge la pregunta: ¿Marca la geografía el destino
de las naciones? En parte sí, pero solamente si se ignora su importancia.

Geografía, obstáculo permanente del crecimiento regional colombiano

La determinación del crecimiento de una economía puede interpretarse de diferentes

maneras, las disparidades de éste entre regiones pueden deberse a múltiples
variables, entre las cuales se busca evidenciar la notable relación del entorno
geográfico, este puede influir dentro del crecimiento de una región determinada, en
donde puede llegar a tener efectos tanto positivos como negativos que intervengan
dentro de la competitividad económica y por ende en su crecimiento. Por ello se busca
identificar su grado de influencia, para describir y/o analizar, y hasta sugerir posibles
soluciones que busquen restarles importancia a los obstáculos geográficos.

Resulta bastante interesante tomar este aspecto como método de estudio para el caso
colombiano, debido a que el país es una de las regiones más diversas de América
Latina, además, contemplando que en esta prima las disparidades. Una muestra de ello
es su PIB per cápita, lo que respecta a la frontera mexicana este es de US$7,861, en lo
extenso de la costa pacífica es de US$4,950, en las tierras bajas de la costa atlántica
se estima de US$5,216, en la amazonia de US$5,246, lo que se conoce como tierras
altas tropicales es de US$4,343, y lo que respecta al cono sur es de US$9,712, todo
esto es sólo una breve descripción de las significativas disparidades que respectan a
solamente América Latina, en cuanto a áreas geográficas, por lo cual el crecimiento
económico entre regiones dentro del país varía de manera diferenciada.

Una clara característica del desarrollo económico colombiano es la existencia de

desigualdades en la prosperidad económica de sus regiones. Sin embargo, el país
carece de una política explícita para reducir esas desigualdades regionales. (Banco de
la Republica 2007)
Es por eso que resulta fundamental abordar los problemas de disparidad económica
entre las regiones colombiana desde un punto de vista diferente del que nos ofrece la
corriente económica ortodoxa e incorporando variables exógenas de orden regionales
que pueden llegar a incidir en el desarrollo del país, más aun teniendo en cuenta que
las políticas liberales implementadas a partir de la constitución del 91 no han tenido las
tasas de retorno esperadas, en donde las regiones encargadas de favorecer el
mercado internacional gracias a sus ventajas geográficas y alta inversión en
infraestructura serían las de mayor crecimiento pero la realidad revela que son las
regiones más cercanas a Bogotá (incluyendo la capital) las que más favorecidas se han
visto.

Así lo demuestran los estudios realizados con el fin de determinar las características de
este fenómeno económico. Por lo que resulta pertinente analizar como las ventajas o
desventajas geográficas pueden llegar a influir en el crecimiento de regiones
determinadas, y como a partir de las políticas públicas se puede llegar a abordar esta
problemática con el fin de disminuir las brechas económicas y brindar un mayor nivel
de desarrollo de las regiones en general.

Además, resulta importante que las políticas públicas fomenten la competencia regional
por medio del fortalecimiento de las virtudes que pueda llegar a ofrecer la geografía, así
como también los cuatro frentes que aborda el Banco de la República; el corredor
portuario, el turismo, un sector agropecuario competitivo y la eficiencia en la
administración pública local.

Lo que se busca mostrar en este artículo es que no se puede hablar de las diferencias
del crecimiento económico regional, sin asociarlo a la geografía. Las regiones
colombianas cada vez aumentan sus disparidades en el ingreso per cápita concluyendo
que estas están lejos de encontrar una convergencia. Por ejemplo, en 1960 el ingreso
per cápita en Bogotá era 1,8 veces mayor que en la región del Caribe y esa diferencia
se incrementó a 2,6 en 1995 [ CITATION Núñ00 \l 9226 ] . Y, aun así, no ha habido de parte
de las autoridades nacionales estimar lo geográfico como causalidad. No debe negarse
que la geografía con sus obstáculos torna importante la cercanía a los mercados y el
tipo de suelo, ya que estas, exponen fuertes relaciones y, además, como ya instalados
las economías de aglomeración como Bogotá es muy difícil considerar que esta a un
largo plazo retroceda, sino más bien que se autoalimente como establecida que es, y
siga aumentado esta brecha regional.

Antecedentes

El estudio del crecimiento económico ha buscado abarcarse desde distintas teorías.

Éste puede definirse como un aumento de la renta o valor de bienes y servicios finales
producidos por una economía por lo regular de un país o una región en un determinado
periodo, naturalmente en un año (Ricoy, 2005). En el caso colombiano se evidencia
una notable disparidad en su crecimiento departamental, y cómo lo han negado
teóricos clásicos y se quiere evidenciar actualmente, es cómo la geografía influye
relevantemente en dichas desigualdades. “Los economistas han tendido históricamente
a menospreciar, o quizás mejor a ‘olvidar’, o a no prestar casi ninguna atención, al
territorio y su relación con las actividades económicas” (Cuadrado, 2012, pág. 8).

Es bien sabido que los economistas clásicos desarrollaron múltiples teorías sobre el
crecimiento económico y sus orígenes. No obstante, la mayoría de las veces apartando
muy claramente la magnitud territorial considerando limitadamente los mercados
nacionales como un absoluto y al espacio entre estos como un conjunto de puntadas
que lo componían. “Las funciones de ‘distancia’ y otros parámetros espaciales admitían
la existencia de ‘discontinuidades’ que resultaban bastante incómodas para poder
razonar en términos de cálculo diferencial” (Cuadrado, 2012, pág. 9).

Con respecto a esta diferencia por parte de los clásicos se evidenció el surgimiento de
unos pocos economistas, en su mayoría germanos y escandinavos, seguidos de
algunos economistas norteamericanos, que si bien se consideraron pioneros del
análisis regional como Hoover, Alonso o Isard en la década de 1950 no figuraron muy
destacados o reconocidos, se tuvo que esperar el reconocimiento de otros economistas
contemporáneos como Robert Barro, Paul Krugman, Robert Lucas, entre otros para
que estos irrumpieran con fuerza en el campo de los estudios regionales y no pasaran
desapercibidos. Y esto se ha ido impulsando para que se deje de ignorar las variables
“exógenas” que cambian la economía. Sorprende, por ejemplo, que incluso en un
campo tan ligado a lo espacial como es el del comercio internacional se desarrollaran
modelos en los que las distancias, los costes de transportes o las ventajas ofrecidas en
determinadas zonas o puntos geográficos, simplemente no figurasen en los modelos
explicativos, o que en todo caso se infravalorasen absolutamente. Algo que las nuevas
teorías del comercio internacional – y de ahí su vinculación a la también llamada
‘Nueva Geografía Económica’ – han tratado ya de corregir [CITATION Mas04 \l 9226 ].

Krugman, uno de los referentes de la nueva geografía económica, galardonado con el

nobel de economía, por "su análisis sobre los patrones comerciales y la localización de
la actividad económica", respalda esta nueva hipótesis con modelos de estrategia en la
práctica, en el libro The Spatial Economy (1999), se propone el modelo centro-periferia,
es como los modelos de 2 × 2 × 2 de los libros de texto sobre teoría del comercio, que
representan un marco introductorio básico para la nueva geografía económica; un
marco que ilustra cómo las interacciones entre rendimientos crecientes a nivel de
empresa, costes del transporte y movilidad de factores, pueden hacer que la estructura
económica espacial aparezca o cambie [ CITATION Fuj99 \l 9226 ].

Pongamos por caso dos sectores productivos (agrícola y manufacturero) y sus

respectivos trabajadores. El sector manufacturero produce variedad de producto
diferenciado horizontalmente; cada producto producido por una empresa diferente con
economías de escala, y el trabajador usado como único input. Por otro lado, el sector
agrario produce un bien homogéneo y utiliza el agricultor como único input. Los
trabajadores tienen la ventaja de desplazarse entre regiones mientras el agricultor es
inmóvil y están distribuidos por igual en ambas regiones. En efecto, el bien agrícola se
transporta sin costes entre las regiones, mientras el comercio interregional de
manufacturas requiere un coste de transporte positivo (con forma de U-invertida o
iceberg). En el modelo, la inmovilidad del agricultor es una fuerza centrífuga, ya que
ellos consumen ambos tipos de bienes. La fuerza centrípeta es más compleja,
implicando causalidad circular. Primeramente, si un mayor número de empresas se
localizan en la región, un mayor número de variedades de bienes se producirán allí.
Entonces, los trabajadores de dicha región (que son consumidores) tienen mejor
acceso a un mayor número de variedades en comparación con trabajadores de la otra
región. Por tanto (manteniéndose el resto constante; ceteris paribus), los trabajadores
de esa región reciben un mayor ingreso, haciendo que más trabajadores emigren hacia
dicha región. En segundo lugar, el incremento de trabajadores (= consumidores)
resultante crea un mayor mercado que el de la otra región, que a su vez deja paso al
efecto de mercado interno familiar en comercio internacional [CITATION Kru80 \t \l 9226 ] .
En otras palabras, surge el incentivo de concretar la producción de cada variedad en
una sola región; debido a los costes de transporte es más rentable la región que ofrece
mayor mercado. Resumiendo, la fuerza centrípeta se genera a través de causalidad
circular de conexiones hacia delante (el incentivo de los trabajadores de estar cerca de
los productores de bienes de consumo) y conexiones hacia atrás (el incentivo de los
productores de concentrarse donde el mercado es mayor). Si las conexiones hacia
delante y atrás son suficientemente fuertes como para superar la fuerza centrífuga
generada por la inmovilidad de los agricultores, la economía terminará tomando un
patrón de centro-periferia en el que toda la manufactura se concentra en una región.

En el caso colombiano, se ha producido abundante literatura que documenta patrones

espaciales del producto y dinámicas de crecimiento divergentes. [ CITATION Gal07 \l 9226 ]
halla dependencia espacial de la actividad económica municipal, (Bonet & Meisel, 2002
y 2006) muestran que el final del siglo XX se caracterizó por una polarización del
producto y el ingreso departamental, jugando Bogotá un papel decisivo en este
proceso. Pero concretamente en la determinacion de la relación entre las variables
geográficas y el crecimiento, [ CITATION Núñ00 \l 9226 ] construyeron una base de datos de
variables geograficas que incluyen suelos, el clima y los mapas viales, encontrando que
la geografía afecta el crecimiento económico entre el 35% y el 40%. Se describe que, la
variable geografica como la distancia a los mercados y la calidad de los suelos son de
mayor influencia sobre el crecimiento. La evidencia demuestra que en las ultimas
decadas ha habido una concentracion espacial del crecimiento en Bogotá, el mercado
colombiano más importante. En consecuencia, la geografía afecta el crecimiento a
través de la productividad de la tierra, la disponibilidad de recursos naturales como
agua y rios, la presencia de enfermedades tropicales y la aglomeración.
Diseño Metodológico

El análisis shift-share tradicional descompone en varias partes (shares) las variaciones

o cambios (shifts) que experimenta una magnitud económica referida a un sector
productivo regional integrado en una unidad económica de referencia que es
susceptible de dividirse en varias unidades “regionales”. Asi, este método de análisis
permite desagregar la variación que ha habido en las variables económicas en distintos
componentes, ayudando a explicar las condiciones bajo las que se han producido
dichos cambios [ CITATION Ram08 \l 9226 ].

Varías han sido las criticas al modelo Shift-Share tradicional, que se explicarán más
adelante, por ello, se buscó solventar dicha carencia, presentando una especificación
general de un modelo Shift-Share espacial que, a la vez muestra los efectos del Shift-
Share tradicionales, permitiendo recoger la versión espacial de dichos efectos,
manteniendo a la vez la sencillez de aplicación del modelo original.

Modelo

I. Observación del modelo SHIFT-SHARE: una concisa descripción

metodológica.
El análisis shift-share descompone en varias partes (shares) las variaciones o cambios
(shifts) que experimenta una magnitud económica referida a un sector productivo
regional (o a un conjunto de sectores) integrado en una unidad económica de
referencia que es susceptible de dividirse en varias unidades ‘regionales’.

Así, este método de análisis permite desagregar la variación que ha habido en las
variables económicas en distintos componentes, ayudando a explicar las condiciones
bajo las que se han producido dichos cambios.
En este trabajo, por modelo shift-share estándar se va a entender aquél que, tomando
como base la propuesta de Dunn (1960), divide en dos componentes la diferencia entre
la tasa de crecimiento de una magnitud económica del sector regional i y la tasa de
crecimiento de dicha magnitud para la unidad económica de referencia, que es
generalmente el país o el agregado total en el que se integra dicha región. De esta
forma, la expresión estándar del modelo shift-share, aplicada en el contexto de un
sistema económico regional compuesto por varias regiones y un agregado total (que se
va a denominar nación) vendría dada por:

Xijgi - XijG= Xij (Gi – G) + Xij (gi – Gi)

donde Xij representa el valor de la magnitud económica x correspondiente al sector i en

la región j y para el momento de tiempo inicial; g i y Gi denotan, respectivamente, las
tasas de crecimiento de x en el sector i a nivel regional y nacional; y g y G denotan,
respectivamente, las tasas de crecimiento agregadas de x a nivel regional y nacional.

La identidad anterior se puede expresar únicamente en función de las tasas de

crecimiento como gi – G= [(Gi – G) + Xij (gi – Gi)] es de decir, se divide el cambio neto
(CNi = gi – G) en dos componentes(1):

1) Efecto estructural (proporcional o sectorial comparado), que recoge aquella parte del
cambio neto atribuible a la configuración productiva propia de la región, (Gi-G). Si una
magnitud relativa a un sector regional crece más que la media nacional, podría
deberse, en parte, a un mayor dinamismo de dicho sector a nivel nacional.
2) Efecto diferencial (competitivo o regional comparado), que expresa la parte del
cambio neto que aparece como consecuencia del crecimiento desigual del sector
productivo al nivel regional y nacional, (gi – G). Este efecto se deriva de la existencia de
ventajas (o desventajas) comparativas en dicho sector para la economía regional.

II. Aproximación a la introducción de efectos espaciales

Consideremos la expresión que recoge los componentes clásicos del análisis shift-
share en términos de tasas de crecimiento

gi = G + (Gi – G) + (gi – Gi)

Esta descomposición tradicional sólo considera efectos globales, consecuencia de
factores relacionados con la competencia regional en un contexto nacional. Así, es fácil
verificar que el efecto nacional, el efecto estructural y el efecto regional no están
directamente relacionados con el comportamiento de las economías regionales que
interactúan con la región que se esté analizando.

Nazara y Hewings (2004) sugieren el uso de la variable retardada espacialmente Wg i

en lugar de la habitual G i como una forma sencilla de incorporar estructura espacial
dentro del modelo básico (donde W representa la matriz de interacciones espaciales),
obteniéndose la relación:

gi = G + (Wgi – G) + (gi -Wgi)

Sin embargo, siguiendo este modus operandi se eliminan dos efectos globales, el
efecto estructural y el efecto regional. En el mismo trabajo se propone descomponer los
efectos (Wgi – G) y (gi- Wgi), dando distintas opciones para buscar aquellos efectos
que parezcan más oportunos. Dichos autores presentan dos taxonomías de la
descomposición de la ratio de crecimiento regional en el contexto del modelo no
espacial del shift-share proporcionando seis formas posibles de descomponer el
crecimiento regional; por otra parte, para la versión espacial del shift-share elaboran
otra taxonomía con veinte modelos distintos. De esta forma, con esta gran cantidad de
posibles descomposiciones a utilizar, en Nazara y Hewings (2004) no se logra
presentar un modelo general que permita el cálculo de los distintos efectos de una
forma integrada. En este sentido, la formulación que proponemos en el siguiente
apartado intenta conseguir ese objetivo, a la vez que mantiene la simplicidad del
modelo shift-share estándar.

III. Nueva propuesta del modelo shift-share espacial

Partiendo de la expresión del shift-share tradicional [1], una formulación espacial "pura"
de esta descomposición tradicional vendría dada por

Gi = Wg + (Wgi – Wg) + (gi – Wgi)

donde W define en nuestro caso una matriz de vecindad geográfica (3) con valores
distintos de cero para las regiones espacialmente contiguas(4). Como se puede
observar, la identidad [3] recoge solamente efectos de vecindad espaciales,
substituyéndose los tres términos de la identidad tradicional por sus respectivos
equivalentes espaciales:

- El efecto nacional G tiene como equivalente espacial al término Wg. El supuesto

tradicional de que los sectores regionales deberían crecer a la misma tasa que
los nacionales es substituido por la hipótesis de que su crecimiento tiene que ser
igual al crecimiento medio de las regiones vecinas. Ahora, es la media de
crecimiento de las regiones contiguas la que marcaría un efecto supra-regional,
pero de tipo “local”.
- El efecto estructural (Gi – G) se transforma en su equivalente efecto estructural
local, (Wgi -Wg). Dicho factor sería el cambio atribuible al mayor (o menor)
crecimiento medio del sector i en las regiones vecinas con respecto al
crecimiento medio del agregado de las regiones vecinas. En consecuencia,
expresa la cantidad de cambio que se habría observado como resultado del
mayor (o menor) dinamismo del sector i a nivel de vecindad local. El cambio
estructural local (CEL) permite, al igual que el cambio estructural (CE) del shift-
share tradicional, medir la influencia de sectores de crecimiento rápido o lento
dentro de una economía regional. La diferencia entre ambos efectos estriba en
el hecho de que el CEL adapta el concep to de cambio estructural a un ámbito
de vecindad local, acotando desde una perspectiva espacial la influencia positiva
o negativa de la especialización de la actividad productiva en el sector analizado.
- Finalmente, el efecto diferencial (gi - Gi) − encuentra su homónimo a nivel local
en el término (gi – Wgi), que recogería las ventajas (o desventajas) comparativas
en el sector regional i con respecto a la situación, en términos promedios, de
dicho sector en las regiones vecinas. Dada la importancia que el estudio del
efecto diferencial (ED) ha tenido en los trabajos que han utilizado el shift-share
tradicional, donde ha sido interpretado como un indicador de competitividad
regional, nos parece necesario destacar el valor de incorporar este nuevo efecto
diferencial local (EDL), que aportaría una caracterización del comportamiento
 competitivo de un sector regional con respecto al comportamiento medio del
mismo sector en las regiones vecinas.

Teniendo en cuenta el valor económico de cada uno de los seis efectos mencionados
(globales tradicionales y locales de vecindad), un análisis conjunto de dichos efectos
permitirá enriquecer los análisis derivados de la descomposición del crecimiento
sectorial regional. Así, para lograr combinar los efectos recogidos en las ecuaciones [1]
y [3], la formulación inicial que se plantea en este trabajo es la consideración conjunta
de las dos identidades de crecimiento, lo que conduce a la siguiente descomposición
general:

[G + (Gi – G) + (gi -Gi)] + [Wg + (Wgi- Wg) + (gi- Wgi)]

Sin embargo, dado que en la expresión anterior se están considerando

simultáneamente los términos de la derecha de las ecuaciones [1] y [3], es necesario
cancelar un término (gi) de la parte derecha de la ecuación anterior, por lo que el
término (-gi) debe introducirse en la suma de la parte derecha de la ecuación,
obteniéndose la expresión

[G + (Gi – G) + (gi -Gi)] + [(Wg – gi) + (Wgi- Wg) + (gi- Wgi)]

Substituyendo esta última expresión en la identidad que combina el shift-share

estándar con su versión espacial, se obtiene nuestra especificación final, que viene
dada por la igualdad
(gi – G) + (gi – Wg) = [(Gi – G) + (gi – Gi)] + [(Wgi – Wg) + (gi – Wg)]

En la identidad anterior, junto con los términos tradicionales del shift-share, aparecen
los nuevos términos locales de vecindad que estamos proponiendo y que podemos
caracterizar de la siguiente manera:

a) El cambio neto local –CNL- recogido por el término (gi – Wg), como ya se ha
comentado anteriormente, sería el equivalente, al nivel local, del efecto nacional
del shift-share tradicional, puesto que es el componente que explica el cambio
 debido al área local supra-regional que sirve de referencia al sector regional. El
CNL viene a cuantificar el diferencial de crecimiento existente entre el
crecimiento del sector regional i y el crecimiento medio de las regiones vecinas
convirtiéndose, por tanto, en un indicador del dinamismo de un sector regional
con respecto a los homólogos de las regiones vecinas: si el CNL es negativo, el
sector regional i no está siendo dinámico, puesto que el CNL mide lo que
hubiera ganado el sector si hubiera crecido a la tasa media de las regiones
vecinas; por el contrario, si el CNL es positivo, el sector regional i está siendo
competitivo con respecto al comportamiento medio de todos los sectores
regionales vecinos.
b) El efecto estructural local –EEL-, recogido por (Wgi – Wg), sería el equivalente, a
nivel local, del efecto estructural estándar, recogiendo la parte de cambio que es
atribuible a la particular evolución del sector i al nivel local y capturando, por
tanto, la existencia de diferencias entre la media de crecimiento del sector i en
las regiones adyacentes, y el correspondiente crecimiento medio de las regiones
vecinas. De esta manera, este término expresa el especial dinamismo que
presenta el sector i en las regiones vecinas en comparación con el crecimiento
medio de los agregados totales de las regiones adyacentes y, en consecuencia,
refleja un efecto inducido sectorial que opera a un nivel local.
c) Al componente (gi – Wgi) lo hemos denominado efecto diferencial local – EDL-
ya que evalúa el cambio atribuible a la diferencia existente en el comportamiento
del sector i en una región y el mismo sector en las regiones vecinas. Así, un EDL
positivo (negativo) mide la ventaja (desventaja) del sector i en la región
analizada con respecto al comportamiento medio de los sectores i de las
regiones adyacentes.
En resumen, la especificación shift-share espacial que se propone en este
trabajo,
expresada en términos del cambio neto y del cambio neto local, viene dada por:
CNi + CNLi = [EEi + EDi] + [EELi +EDLi]
Como es obvio, también se podría optar por utilizar separadamente el shiftshare
tradicional y nuestra propuesta del shift-share espacial. De este modo, las identidades
con las que se trabajaría serían las recogidas en las expresiones siguientes

CNi = (gi – G) = [(Gi – G) + (gi – Gi)] = [EEi + EDi]

CNLi= (gi – Wg) = [(Wgi – Wg) + (gi -Wgi)] = [EELi + EDLi]

Independientemente de que se opte por trabajar con la identidad [5] o con su versión
desagregada (identidades [6] y [7]), hay un aspecto conceptual que es necesario
resaltar: los efectos tradicionales (EE y ED) operan más allá de las regiones
adyacentes, refiriéndose a relaciones globales y el nivel geográfico de resolución es
‘máximo’, dado que se consideran todas las regiones dentro del sistema; sin embargo,
los nuevos efectos espaciales que se proponen (EEL y EDL) proporcionan un análisis
más localizado, que tiene en cuenta la influencia de la localización geográfica como el
factor relevante a la hora de explicar los cambios que ocurren en el crecimiento de un
sector regional determinado. Aunque se entiende que la proximidad espacial no es una
condición necesaria para admitir la influencia de las regiones vecinas en el cambio
sectorial de una región, sí parece razonable considerar la hipótesis de que la
proximidad geográfica tenga efectos significativos en dicho cambio sectorial regional.
Así, los efectos espaciales dan una perspectiva local, complementaria a los procesos
globales asociados con las influencias existentes dentro de un sistema global. De este
modo, mientras que el shift-share tradicional da el diagnóstico global, posibilitando
analizar en qué medida la diferencia entre el crecimiento de un sector regional concreto
y la media del agregado nacional se debe a factores estructurales o a factores
residuales (5), la especificación del shift-share espacial ofrece un diagnóstico similar,
pero al nivel local de vecindad geográfica.

Aplicación a los departamentos de Colombia

Para ilustrar la contribución que supone la nueva formulación espacial del modelo Shift-
Share con repescto a la tradicional, se va a aplicar dicha técnica al estudio de los
sectores industriales manufactureros de los departamentos. La aplicación se organiza
como sigue. En el siguiente subapartado se comentan los datos utilizados. En la
segunda sección, y dado que la composición de la actividad económica se va
modificando a lo largo del tiempo, se utiliza un shift-share espacial dinámico, con el
objetivo de obtener los distintos efectos a lo largo del tiempo y poder llevar a cabo un
análisis exploratorio de la relación existente entre los mismos a la hora de explicar la
evolución regional a lo largo del periodo examinado.

Datos

En la aplicación empírica se ha trabajado con dactos sectoriales para el valor añadido

bruto -VAB de los 33 departamentos de Colombia. Por consiguiente, las regiones
consideradas son: Amazonas (AM), Antioquia (AN), Arauca (AR), Atlántico (AT),
Bogotá D.C (BOG), Bolívar (BL), Boyacá (BY), Caldas (CL), Caquetá (CQ), Casanare
(CAS), Cauca (CAU), Cesar (CS), Chocó (CH), Córdoba (COR), Cundinamarca (CUN),
Guainía (GN), Guaviare (GV), Huila (HUI), La Guajira (GUJ), Magdalena (MGD), Meta
(MET), Nariño (NÑ) Norte de Santander (NS), Putumayo(PUY),Quindío (QD), Risaralda
(RS),San Andrés, Providencia y Santa Catalina (Archipiélago) (SPC), Santander (SAN),
Sucre(SUC), Tolima, (TOL), Valle del Cauca (VLC), Vaupés (VP) y Vichada (VCD). La
fuente de los datos ha sido utilizada de datos de DANE, de donde se obtuvieron los
datos del VAB a precios de mercado en millones de pesos constantes en base 1991
para el periodo 2005-2018. Aunque la base del DANE permite trabajar con una
desagregación de 21 ramas productivas, y con el objetivo de evitar una extensión
excesiva del artículo, se ha optado por analizar solamente el sector manufacturero de
bienes (K).

Resultados para el caso estático

En la Tabla 1 se exponen los resultados obtenidos para los componentes tradicionales

del shift-share y para los componentes nuevos derivados del shift- share espacial. En
este primer caso se muestra la versión estática, tomando como base referencial el año
2005, y como año final 2018. Los comentarios se referirán a las regiones con los
cambios netos más positivos o más negativos, con el objeto de explicar las condiciones
bajo las cuales se ha producido dicho cambio.
Tabla 1 RESULTADOS DEL SHIFT-SHARE TRADICIONAL (CN, CE Y CD) AMPLIADOS CON LOS COMPONENTES ESPACIALES (CLN, CEL
Y CDL). ANÁLISIS PARA EL SECTOR INDUSTRIAL MANUFACTUREROO (K) DE LOS 33 DEPARTAMENTOS DE COLOMBIA 2005-2018

Regiones Sector Total CN ESTÁNDAR

K G CNK CE CD
AM 0,0 0,0 0,0 0,0 0,0
AN 0,5 1,1 0,9 0,5 0,4
AR 0,0 0,0 -0,1 0,0 0,0
AT 0,1 0,3 0,3 0,2 0,1
BOG 0,8 1,8 1,2 0,9 0,5
BL 0,1 0,2 -0,1 0,0 0,1
BY 0,1 0,1 0,1 0,2 0,0
CL 0,1 0,1 0,1 0,1 0,0
CQ 0,0 0,0 0,0 0,0 0,0
CAS 0,0 -0,1 0,1 0,0 0,0
CAU 0,0 0,1 0,1 0,1 0,0
CS 0,0 0,2 0,1 0,0 0,1
CH 0,0 0,0 0,0 0,0 0,0
COR 0,1 0,1 0,1 0,0 0,0
CUN 0,1 0,3 0,2 0,2 0,2
GN 0,0 0,0 0,0 0,0 0,0
GV 0,0 0,0 0,0 0,0 0,0
JUI 0,0 0,0 0,1 0,0 0,0
GUJ 0,0 0,1 0,0 0,0 0,0
MGD 0,0 0,0 0,0 0,0 0,0
MET 0,1 0,3 -0,2 0,1 -0,2
NÑ 0,0 0,2 0,1 0,1 0,1
NS 0,0 0,2 0,1 0,0 0,1
PUY 0,0 0,0 0,0 0,0 0,0
QD 0,0 0,1 0,0 0,0 0,0
RS 0,1 0,1 0,1 0,0 0,0
SPC 0,0 0,0 0,0 0,0 0,0
SAN 0,1 0,4 0,6 0,0 0,1
SUC 0,0 0,1 0,0 0,0 0,0
TOL 0,0 0,1 0,1 0,0 0,0
VLLC 0,3 0,9 0,5 0,3 0,2
VCD 0,0 0,0 0,0 0,0 0,0
VP 0,0 0,0 0,0 0,0 0,0

Tabla 2 RESULTADOS DEL SHIFT-SHARE TRADICIONAL (CN, CE Y CD) AMPLIADOS CON LOS COMPONENTES ESPACIALES (CLN, CEL
Y CDL). ANÁLISIS PARA EL SECTOR INDUSTRIAL MANUFACTURERO (K) DE LOS 33 DEPARTAMENTOS DE COLOMBIA 2005-2018

REGIONES EFECTOS ESPACIALES

 CLN CEL CDL
AM 0,0 0,0 0,0

AN -0,1 0,5 1,1

AR 0,0 -0,1 0,0

AT 0,0 0,0 0,2

BOG 0,5 0,9 1,5

BL 0,0 0,1 0,3

BY 0,0 0,1 0,2

CL -0,1 0,0 0,0

CQ 0,0 0,0 0,0

CAS 0,1 0,1 0,3

CAU 0,0 0,1 0,1

CS 0,1 0,1 0,2

CH 0,1 0,1 0,0

COR 0,0 0,0 0,0

CUN 0,0 0,3 0,5

GN 0,0 0,0 0,0

GV 0,0 0,0 0,0

JUI 0,0 0,1 0,1

GUJ 0,0 0,0 0,1

MGD 0,1 0,0 0,0

MET 0,7 0,8 0,9

NÑ 0,0 0,0 0,1

NS 0,0 0,0 0,0

PUY 0,1 0,1 0,0

QD 0,0 0,0 0,1

RS 0,0 0,0 0,0

SPC 0,0 0,0 0,0

SAN 0,0 0,4 0,3

SUC 0,0 0,0 0,0

TOL 0,0 0,0 0,1

 VLLC 0,1 0,2 0,4

VCD 0,0 0,0 0,0

VP 0,0 0,0 0,0

Se puede apreciar cómo los cambios netos positivos mayores los han obtenido Bogotá
(1,2) y Antioquía (0,9), mientras que las regiones que han tenido un peor
comportamiento con respecto al agregado departamental han sido Arauca (-0,1) y Meta
(-0,2). Del examen general de los componentes tradicionales resalta el buen
comportamiento del sector K con respecto al agregado total, ya que, al ser el efecto
estructural –EE- positivo, la tasa de crecimiento media del sector K a nivel agregado ha
sido superior al crecimiento medio del agregado total. Sin embargo, en los casos de
Vaupes, Vichada, Sucre y demás, este mayor dinamismo sectorial no se ha visto
compensado por la buena evolución del sector K al nivel regional, puesto que dichas
regiones muestran efectos diferenciales negativos. No ha ocurrido lo mismo en el resto
de regiones, cuyos sectores K han crecido más que las respectivas medias regionales
(cambios diferenciales positivos). Desde el examen de los componentes tradicionales,
los resultados anteriores se explican por el valor que toma el efecto diferencial –ED-
puesto que el EE es positivo en todos los casos. Efectivamente, el ED es negativo (y
mayor en valor absoluto que el EE) en el caso de Vaupes, Vichada y Sucre, lo cual
muestra desventajas comparativas a nivel global. En el resto de regiones el ED es
positivo, lo cual indica la existencia de ventajas comparativas en este sector a nivel
global.

Ahora se trata de tener en cuenta la localización geográfica a la hora de detectar

patrones de comportamiento que expliquen las disparidades existentes entre las
diferentes regiones peninsulares españolas. De este modo, se va a estudiar el cambio
debido al área local supra-regional que sirve de referencia a cada uno de los sectores
regionales K. Como el cambio neto local –CNL- cuantifica el diferencial de crecimiento
existente entre el crecimiento del sector regional K y el crecimiento medio de las
regiones vecinas, dicho elemento es un indicador del mayor o menor dinamismo de
dicho sector regional con respecto a los sectores de las regiones vecinas.
Como se aprecia en la Tabla 1, las cifras para el cambio neto local –CNL- indican que
el sector K mostró para casi todas las regiones un crecimiento superior al crecimiento
medio de sus regiones vecinas (CNL positivo), excepto en los casos de Bolivar, Meta o
Arauca, que poseen un CNL negativo. De esta forma, para las regiones con CNL
positivo el sector K ha sido competitivo con respecto al comportamiento medio de todos
los sectores regionales vecinos. Al igual que en el caso del CN, el orden de mayor a
menor del CNL está encabezado por Bogotá. La novedad es que el segundo lugar ya
no está ocupado por Antioquia (que ocupa el cuarto lugar), sino por Valle del Cauca.
Como puede apreciarse, el hecho de considerar referencias locales hace que los
efectos estructurales y diferenciales se vean adaptados a la nueva área de referencia,
abriéndose nuevas perspectivas de análisis. Por ejemplo, en el caso de Meta, mientras
que su cambio neto global era negativo, el CNL es positivo, lo que indica un mejor
comportamiento del sector K del meta que la media de sus regiones vecinas. Este
hecho se explica por la existencia de factores locales que permiten una mejor evolución
del sector K a nivel de vecindad espacial (efecto estructural loca positivo) y que
compensan las desventajas del sector K madrileño con respecto a la media de los
homólogos sectores K de las regiones vecinas (efecto diferencial local negativo).

Sin embargo, en el caso de Arauca y Vaupés, el diagnóstico a nivel local es el mismo

que a nivel global, puesto que también exhiben una falta de dinamismo con respecto a
la media de crecimiento de las correspondientes regiones vecinas (CNL negativos).
Esta falta de dinamismo viene explicada por la existencia de desventajas comparativas
a nivel local (efecto diferencial local negativo), ya que las tres regiones exhiben efectos
estructurales locales positivos (existen factores estructurales a nivel local que
favorecen el desarrollo de este sector).

También se puede extraer alguna conclusión adicional del análisis comparado de los
cambios globales y locales. Así, desde el año 1997 hasta el 2004 se observa que la
pauta general es que el EEL supera al EE. Esto indicaría que, en lo que concierne a
estos sectores, la configuración de la estructura productiva en Bogotá D.C es más
favorable a nivel local que a nivel global. En otras palabras, la contribución de la
especialización regional al crecimiento de estos sectores es mayor a nivel de vecindad
local que a nivel global. Por el contrario, y en lo que concierne a los ED y al EDL, se
observa que la pauta general en los últimos años para el sector K bogotano ha sido que
el ED supere al EDL. Esto advierte del hecho de que el sector K bogotano es más
competitivo a nivel global que a nivel local.

Finalmente para el año 2018 el PIB nacional es 978.477 miles de millones de pesos, a
precios corrientes. Los departamentos con mayor PIB son Bogotá D. C. y Antioquia con
250.576 y 141.756 miles de millones de pesos, respectivamente. El PIB nacional
presentó un crecimiento de 2,6% en el año 2018r con respecto al año 2017. Los
departamentos que presentan crecimientos por encima del nacional son Bogotá D.C.
con 3,0%, Antioquia con 3,5% y Valle del Cauca con 3,1%. Por su parte, los
departamentos que presentan crecimientos por debajo del nacional son Cundinamarca
con 2,3%, Santander con 2,2% y Bolívar con 1,9%. Los departamentos de Chocó (-
5,7%), Cesar (-1,3%) y La Guajira (-1,0%) registran crecimiento negativo en su
Producto Interno Bruto.

los resultados implican que la actividad económica debió concentrarse en la capital del
país debido a sus fuerzas centrípetas desarrolladas desde los años 80, la altitud hasta
cierto nivel influye en resultados positivos ante este crecimiento, más allá de cierta
altura, se torna negativo. La relevancia de los suelos torna a ser importante, ya que los
municipios que poseen buenos suelos no sólo crecen más rápido, sino que tienen
mayores ingresos per cápita.
A comienzos de la década de los setenta, estar lejos de Bogotá no era sinonimo de
bajos ingresos. De hecho, su diferencia con la periferia en el crecimiento economico no
era tan relevante. Sin embargo, esta situación cambió en pocos años y cómo lo
muestra la ilustración 2, entre más lejos esté el departamento de Bogotá, menor será la
participación de éste. Este cambio se explica por las economias de escala, los costos
de transporte y la integración de las regiones más apartadas de Colombia. Los
departamentos que más sufrieron en las ultimas decadas fueron los perteneciente a la
region del caribe, ésta tendencia continuó incluso durante la decada de la apertura y
liberalización comercial que supuestamente debía incentivar el desarrollo de puertos y
regiones limitrofes.
 p pr
DEPARTAMENTOS 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
COLOMBIA 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0
Amazonas 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1
Antioquia 15,1 15,0 15,1 14,4 14,2 14,0 13,8 13,9 13,8 14,0 14,3 14,6 14,5 14,5
Arauca 1,1 1,1 1,0 1,2 1,0 1,0 1,0 0,9 0,8 0,7 0,6 0,5 0,5 0,5
Atlántico 4,0 4,0 4,2 4,1 4,1 3,9 3,8 4,0 4,1 4,2 4,4 4,5 4,4 4,4
Bogotá D. C. 26,6 26,3 26,2 25,6 26,1 25,7 24,7 24,7 24,8 25,0 25,7 25,6 25,7 25,6
Bolívar 3,3 3,4 3,4 3,4 3,3 3,4 3,5 3,5 3,6 3,5 3,5 3,6 3,6 3,6
Boyacá 2,4 2,4 2,6 2,7 2,6 2,7 2,8 2,7 2,7 2,7 2,8 2,7 2,7 2,7
Caldas 1,8 1,8 1,8 1,7 1,7 1,6 1,5 1,5 1,5 1,5 1,6 1,6 1,6 1,6
Caquetá 0,4 0,4 0,4 0,4 0,4 0,4 0,3 0,4 0,4 0,4 0,4 0,4 0,4 0,4
Casanare 2,3 2,2 1,9 2,1 1,8 1,9 2,3 2,4 2,4 2,2 1,7 1,4 1,4 1,6
Cauca 1,5 1,5 1,5 1,5 1,5 1,6 1,5 1,6 1,6 1,7 1,8 1,9 1,8 1,8
Cesar 1,9 1,9 1,9 2,1 2,1 2,0 2,1 2,1 1,9 1,8 1,8 2,0 2,1 2,1
Chocó 0,4 0,4 0,3 0,4 0,4 0,5 0,6 0,5 0,4 0,4 0,4 0,5 0,4 0,4
Córdoba 1,8 1,8 1,9 1,7 1,7 1,7 1,6 1,6 1,6 1,7 1,7 1,7 1,7 1,7
Cundinamarca 5,8 5,6 5,7 5,7 5,8 5,8 5,7 5,7 5,7 5,7 6,0 6,2 6,1 6,0
Guainía 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
Guaviare 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1
Huila 1,8 1,7 1,7 1,8 1,7 1,8 1,8 1,8 1,7 1,8 1,7 1,7 1,6 1,6
La Guajira 1,2 1,2 1,2 1,4 1,4 1,3 1,3 1,3 1,1 1,1 1,1 1,1 1,2 1,1
Magdalena 1,3 1,2 1,2 1,3 1,4 1,3 1,3 1,3 1,3 1,3 1,3 1,4 1,3 1,3
Meta 2,4 2,5 2,5 3,2 3,4 4,3 5,8 5,9 5,9 4,9 3,8 3,0 3,3 3,6
Nariño 1,5 1,6 1,5 1,5 1,5 1,4 1,4 1,4 1,4 1,4 1,5 1,6 1,5 1,5
Norte de Santander 1,5 1,6 1,6 1,6 1,7 1,6 1,5 1,5 1,5 1,5 1,6 1,6 1,6 1,5
Putumayo 0,3 0,3 0,4 0,4 0,5 0,5 0,6 0,6 0,6 0,6 0,4 0,4 0,4 0,4
Quindío 0,8 0,9 0,8 0,8 0,8 0,8 0,8 0,8 0,8 0,7 0,8 0,8 0,8 0,8
Risaralda 1,6 1,7 1,6 1,6 1,6 1,5 1,5 1,4 1,5 1,5 1,6 1,6 1,6 1,6
San Andrés, Providencia y Santa Catalina (Archipiélago) 0,1 0,1 0,2 0,1 0,2 0,1 0,1 0,1 0,1 0,2 0,2 0,2 0,2 0,2
Santander 5,5 5,6 5,7 6,0 5,7 6,0 6,1 6,0 6,1 6,7 6,5 6,4 6,3 6,5
Sucre 0,7 0,7 0,7 0,7 0,8 0,7 0,7 0,7 0,8 0,8 0,8 0,8 0,8 0,8
Tolima 2,3 2,3 2,3 2,4 2,3 2,2 2,2 2,2 2,1 2,2 2,2 2,2 2,2 2,1
Valle del Cauca 10,3 10,4 10,5 10,1 10,3 10,0 9,4 9,4 9,3 9,5 9,7 9,9 9,8 9,7
Vaupés 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0
Vichada 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1

Ilustración 2 Participación porcentual del Producto Interno Bruto por departamento

Fuente: DANE, cuentas nacionales.

Conclusiones

Las variables geográficas calculadas para la determinación de las disparidades del

crecimiento económico respaldan la teoría aplicada acerca de polos de desarrollo,
economías de aglomeración, y economías a escala, como lo es Bogotá, esta desde los
años 80 se ha tornado una ciudad con fuerzas centrípetas que atraen la industria de
todo el país dejando rezagados los demás departamentos. La geografía, como el tipo
de suelo y la cercanía a los mercados demuestran que han hecho surgir a Bogotá
como único foco central, que para cálculos del DANE abarcaba el 23% del PIB
nacional.

En nuestro modelo utilizado que es el shift-share abarcamos como variable la industria

manufacturera para demostrar las disparidades que surgen con la geografía, esta que
va provocando concentraciones de economías, Bogotá demostrando ser la de mayor
crecimiento económico, dejando a otros como Arauca y Vaupés hasta con nula o
negativa expansión económica. No es de negarse que aun falta bastante respaldo
teórico y matemático para hacer aun más fuerte nuestros resultados que exponen un
respaldo a la geografía para demostrar que sí influyó en el surgimiento de las propias
industrias, y a las economías con barreras, las rezago respecto a las demás.

Bibliografía

Bonet, J., & Meisel, A. (2002). "La convergencia regional en Colombia: Una visión de
largo plazo, 1926-1995". Bogotá: Colección de Economía Regional, Banco de la
República.

Bonet, J., & Meisel, A. (2006). “Polarización del Ingreso per cápita departamental en
Colombia, 1975-2000”. Centro de Estudios Económicos Regionales (CEER),
Cartagena.

Cuadrado, J. (1998). Convergencia regional en España: hechos, tendencias y

perspectivas. Barcelona.

Cuadrado, J. (2012). ¿Es tan 'nueva' la 'Nueva Geografía Económica'? Sus

aportaciones, sus límites y su relación con las políticas. Madrid: Instituto
Universitario de Análisis Económico y Social (IAES).

Dixit, A. K., & Stiglitz, J. E. (1977). Monopolistic competition and optimum product
diversity. American Economic Review, 67: 297-308.
Fujita , M., & Krugman, P. (1999). The spatial economy: Cities, regions and
international trade. Cambridge MA.: MIT Press.

Gallup , J., Gaviria, A., & Lora, E. (2003). AMÉRICA LATINA: ¿CONDENADA POR SU
GEOGRAFÍA? Bogotá: Alfaomega Colombiana S.A.

Galvis , L. A. (2007). "La topografía económica de Colombia". Bogotá: Colección de

Economía Regional, Banco de la República.

Krugman, P. (1980). Scale economics, product differentiation and the pattern of trade.
American Economic Review., 27: 41-55.

Krugman, P., & Fujita, M. (2004). La nueva geografía económica: pasado, presente y
futuro. Asociación Española de Ciencia Regional., 177-206.

Núñez M., J., & Sanchez T, F. (2000). La geografía y el desarrollo económico en

Colombia: una aproximación municipal . Desarrollo y Sociedad, 43-85.

(2011). Pobreza y desigualdad. Chile: Fyrma Gráfica .

Ramajo Hernandez, J., & Márquez Paniagua , M. Á. (2008). Componentes espaciales

en el modelo Shift-share. Una aplicación en las regiones peninsulares de
España. Estadística Española, 247-272.

Regiones: nuevo mapa económico. (1999). Obtenido de Dinero:

https://www.dinero.com/caratula/edicion-impresa/articulo/regiones-nuevo-mapa-
economico/12956

Ricoy, C. (2005). La teoría del crecimiento económico de Adam Smith. Economía y

desarrollo.

Sanchez T., F., & Núñez M. , J. (2000). La geografía y el desarrollo económico en

Colombia: una aproximación municipal. . Desarrollo y sociedad.

Cuadrado, J. (1998). Convergencia regional en España: hechos, tendencias y

perspectivas. Barcelona.
Cuadrado, J. (2012). ¿Es tan 'nueva' la 'Nueva Geografía Económica'? Sus
aportaciones, sus límites y su relación con las políticas. Madrid: Instituto
Universitario de Análisis Económico y Social (IAES).

Gallup , J., Gaviria, A., & Lora, E. (2003). AMÉRICA LATINA: ¿CONDENADA POR SU
GEOGRAFÍA? Bogotá: Alfaomega Colombiana S.A.

(2011). Pobreza y desigualdad. Chile: Fyrma Gráfica .

Regiones: nuevo mapa económico. (1999). Obtenido de Dinero:

https://www.dinero.com/caratula/edicion-impresa/articulo/regiones-nuevo-mapa-
economico/12956

Ricoy, C. (2005). La teoría del crecimiento económico de Adam Smith. Economía y

desarrollo.

Sanchez T., F., & Núñez M. , J. (2000). La geografía y el desarrollo económico en

Colombia: una aproximación municipal. . Desarrollo y sociedad.