DESIGUALDAD DE INGRESOS EN INDIA Y OTRAS POTENCIAS

MUNDIALES: ANÁLISIS ECONÓMICO UTILIZANDO DATOS DE

PANEL
Carlos Lugo - ID:1098160

Abril,2023
Introducción
La producció n de un país depende de muchos factores como la fuerza laboral, el uso de los
recursos naturales y la eficiencia en la combinació n de ambos. Esta producció n genera
ingresos o salarios, y como no vivimos en un mundo perfecto donde las personas ganan los
mismos salarios, existe una inequidad y desigualdad en la obtenció n de los mismos
alrededor de todas las economías del mundo.
A pesar de haber tenido avances tecnoló gicos significativos en los ú ltimos 30 añ os y sacado
1000 millones de personas de la pobreza extrema, la parte de los ingresos que le
corresponde a la mediana má s pobre de la humanidad a penas ha cambiado durante el
transcurso de este período incluso con una triplificació n del producto mundial, como
cuenta (Unidas, n.d.).
En el caso específico de la India, contó con mucha prosperidad econó mica, crecimiento
constante y elevado en los añ os 80, pero al comenzar los 90 debido a la toma de préstamos
extranjeros, la India contaba con una balanza de pagos deficitaria y los llevó a una crisis en
el añ o 1990. Para poder recibir préstamos de nuevo, el gobierno no tuvo má s opció n que
liberalizar la economía, donde la reforma econó mica entró en vigencia para junio del 1991.
Desde esta reforma, la India comenzó a crecer de manera explosiva con un incremento en
el PIB de 6-8% por añ o hasta el día de hoy. India es el país mayor productor de leche en el
mundo, también contando con una fuerte producció n de cultivos y amplios acervos de
ganado. También, se puso mucho empeñ o el desarrollo tecnoló gico y técnico del país,
donde se han creado má s de 250 universidades, 1500 instituciones de investigació n y
10,000 institutos de alta educació n. Ya para este pasado 2022 y entrando el 2023, la India
se ha posicionado como la tercera economía má s grande del mundo con proyecciones de
crecimiento hacia el futuro.
Sin embargo, la India enfrenta un grave problema de desigualdad en los ingresos, que
podríamos inferir que se debe a su incremento poblacional. En este trabajo estudiaremos
có mo algunas de las variables econó micas má s usadas como la tasa de desempleo y el PIB
per capita influyen en la desigualdad de los ingresos definidos por el coeficiente de Gini en
la India y otras potencias mundiales. Todo esto lo definiremos y analizaremos en incisos
posteriores.
Planteamiento de la problemática
La desigualdad de los ingresos es una realidad y se refleja en los estudios hechos de manera
anual. Un ejemplo de esto es el Reporta Anual de Desigualdad del FMI. (Stanley, 2022) en la
pá gina web del FMI resumió este reporte. El mismo nos dice que las desigualdades en los
ingresos a nivel global se encuentran en una muy mala posició n y al parecer no dan señ ales
de mejoría al menos en el corto plazo. Culpando en cierto sentido a la pandemia que
atropeyó todas las economías del mundo en el 2020, el artículo presenta datos
interesantes.
Informació n relevante como el hecho de que la mediana má s pobre de la població n mundial
como se mencionaba en la introducció n, a penas poseen 2,900 euros en Paridad de Poder
de Compra por adulto, mientras que el 10% má s rico obtiene increíblemente 190 veces esta
misma cantidad. En terminos porcentuales, el 10% má s rico acapara el 52% de todo el
ingreso mundial y lamentablemente la mediana o mitad má s pobre solo logra conseguir un
8.5%.
En el caso particular de la India, el 1% má s rico de la població n del país asiá tico poseía para
el añ o 2021 má s de 40.5% de todo el ingreso del país. En ese mismo sentido, para el añ o
2022 la cantidad de billonarios (millonarios en miles) pasaron a ser de 102 en el añ o 2020
a ser 162 en el añ o pasado 2022. El informe, Survival of The Richest, se publicó cuando
comenzó el Foro Econó mico Mundial en Davos, Suiza. El informe destacó la gran disparidad
en la distribució n de la riqueza en India, diciendo que má s del 40 % de la riqueza creada en
el país entre 2012 y 2021 había ido a parar a solo el 1 % de la població n, mientras que solo
el 3 % había llegado al 50 % inferior como nos cuenta (Sebastian, 2023).
¿Por qué ocurre esto? Podemos atribuir la desigualdad de los ingresos a un sinnú mero de
factores distintos. Factores como la segregació n racial al pasar del tiempo, las medidas y
políticas gubernamentales, cambios en los salarios mínimos, globalizació n, cambios en la
tecnología e innovació n de productos, entre otros. Esta desigualdad puede generar
problemas graves, donde se le puede atribuir poder de má s al porcentaje de la població n
má s rica y las economías se convertirían unidimensionales, sin mobilidad econó mica para
una gran porció n de la població n, al igual que deteriorando su bienestar de vida
incrementando el costo de la misma.
Constantemente se utilizan medidas como el coeficiente de Gini y la relació n entre el
ingreso má s alto y el ingreso má s bajo para medir la desigualdad de ingresos en un país o
regió n como se mencionaba anteriormente. En busca de enfrentar este problema
inequitativo, se han propuesto diversas políticas, como la redistribució n de la riqueza a
través de impuestos y transferencias, el aumento del acceso a la educació n y la
capacitació n, y el fortalecimiento de las protecciones laborales.
Revisión de Literatura
En el paper del FMI (Blotevogel, Imamoglu, Kenyi, & Sarr, 2020) se utilizan tres tipos de
variantes de coeficientes de Gini y el Top 10 de la divisió n del ingreso como indicadores de
desigualdad. Estos luego estudian la asociació n empírica entre estos indicadores y los
canales de transmisió n del crecimiento utilizando tres métodos diferentes: estudios de
eventos, regresiones de mínimos cuadrados de promedio ponderado (WALS) y regresiones
de grupos de medias agrupadas (PMG). Econométricamente, cada uno de los tres métodos
aborda un problema desatendido en la literatura sobre desigualdad empírica. En conjunto,
los métodos ponen de relieve la naturaleza contingente de las relaciones empíricas en la
elecció n de un indicador de desigualdad.
Las asociaciones significativas entre la desigualdad de ingresos y los canales de
transmisió n del crecimiento que pueden existir con un indicador de desigualdad en
particular generalmente no se replican cuando se cambia a otro. De hecho, dentro de
(Blotevogel, Imamoglu, Kenyi, & Sarr, 2020) que las relaciones empíricas son má s sensibles
a la elecció n de un indicador de desigualdad particular de un conjunto dado de indicadores
(un Gini particular del conjunto de Gini disponibles) que la elecció n entre diferentes
conjuntos de indicadores de desigualdad (Gini versus participació n en el ingreso Top10).
En otro trabajo de investigació n, (OECD, 2011) se preguntaba si este incremento de la
població n ocurría debido al intercambio integrado entre países o a economías abiertas.
Dentro de sus resultados, este informe encuentra que ni la creciente integració n comercial
ni la apertura financiera tuvieron un impacto significativo en la desigualdad salarial o las
tendencias de empleo dentro de los países de la OCDE. El efecto del comercio sobre la
desigualdad salarial parece neutral incluso cuando solo se consideran los efectos de una
mayor penetració n de las importaciones de las economías emergentes, un hallazgo que va
en contra de la expectativa de que los flujos comerciales deberían reducir los salarios de los
trabajadores en la industria y/o los servicios en los países de la OCDE. . Sin embargo, el
aumento de las importaciones de países de bajos ingresos tiende a aumentar la dispersió n
salarial, aunque solo en países con una legislació n de protecció n del empleo má s débil.
Otra incó gnita que se presentaba en (OECD, 2011) era si los impuestos sobre la renta y los
sistemas beneficiarios o de ayuda social de parte de los gobiernos se vuelven menos
eficientes redistribuyendo el ingreso. Se encontró que a pesar de las ganancias sustanciales
de las personas de altos ingresos en algunos países, los impuestos sobre la renta
desempeñ aron un papel relativamente menor en la moderació n de las tendencias hacia una
mayor desigualdad. La razó n es que las tendencias hacia impuestos sobre la renta má s
bajos, por un lado, y una tributació n má s progresiva, por el otro, tuvieron efectos opuestos
sobre la redistribució n y en parte se anularon entre sí. Finalmente, debido a su estructura
de tasa relativamente uniforme, las contribuciones a la seguridad social se redistribuyeron
muy poco. Cuando existían límites má ximos de cotizació n, es posible que incluso hayan
sido regresivos.
Por ú ltimo pero no menos importante, tenemos en otro trabajo de investigació n del FMI
(Cerra, Lama, & Loayza, 2021) un estudio que tiene como pregunta de hipó tesis principal si
existe un trade-off o un intercambio entre el incremento ascendente y reducir la
desigualdad y la pobreza. Mencionando los trabajos de Kuznets y Kaldor donde se
estudiaron la relació n compleja que existe entre la desigualdad salarial y el crecimiento ha
recibido atenció n de otros economistas, como es mi caso particular.
Existe un crecimiento desbalanceado en las economías del mundo. Por una variedad de
razones, diferentes sectores, industrias, regiones y empresas pueden crecer a diferentes
tasas. Muchas de las fuentes de crecimiento, incluida la tecnología y el comercio, podrían
mejorar el crecimiento en algunos sectores econó micos má s que en otros. El crecimiento
desigual produce rendimientos desiguales. Cuando algunos sectores prosperan pero otros
se quedan atrá s, no es probable que el crecimiento aumente los ingresos
proporcionalmente.
El desarrollo econó mico puede implicar un crecimiento desequilibrado que incide en la
desigualdad. Por ejemplo, (Kuznets, 1955) postuló que la desigualdad evoluciona como una
funció n en forma de “U” invertida donde la desigualdad inicialmente aumenta y finalmente
disminuye. En las etapas iniciales de desarrollo, algunos trabajadores migran de la
agricultura rural al sector manufacturero urbano de rá pido crecimiento. Dentro de los
resultados que presentaremos posteriormente, veremos que en algunos de los países
estudiados si se presentan curvas de Kuznets.
Metodología y Datos
En este trabajo queremos buscar qué relació n hay entre la desigualdad econó mica
representada por el coeficiente de gini y las variables de crecimiento como el crecimiento
poblacional, las tasas de desempleo y el ingreso per cá pita. En este caso el coeficiente de
gini sería la variable dependiente y las demá s mencionadas anteriormente en conjunto con
una variable dummy que representa si el país es India o no estudiaremos este fenó meno de
desigualdad. El modelo econométrico sería el siguiente:
GINIit= β0 + β1PPL_GROWTHit + β2log(GDP_PER_CAPITA)it + β3UNEMPLOYMENTit +
β4dummy_indiait + uit
Los datos utilizados provienen de (Data, 2023). En este caso, se utilizaron datos de los 6
países con mayor producció n econó mica en el mundo actualmente (Estados Unidos, China,
Japó n, Alemania, Reino Unido, India respectivamente), durante el período del 1960-2021,
siendo esto una base de datos de panel, donde la India ocupa el sexto lugar segú n (Silver,
2022). En esta base de datos hay un total de 372 observaciones en 8 variables distintas.
Dentro de la base datos hecha manualmente a partir de los datos provenientes de (Data,
2023), se incluyeron variables como la inflació n mas no se utilizaron en la creació n del
modelo. Otro factor a observar es que dentro de los datos de (Data, 2023) a pesar de ser de
confianza, hubo un problema de datos faltantes especialmente en el coeficiente de Gini para
el país de la India, por lo que se recurrió a hacer una imputació n simple para resolver este
conflicto. Por ende, se advierte que el modelo hecho en este trabajo no es totalmente
exacto, pero nos da un estimado de lo que ocurre en la realidad.
GINIit representa la variable dependiente siendo esta el coeficiente de Gini a través del
tiempo. β1PPL_GROWTHit es la variable del crecimiento poblacional con su estimador. Lo
mismo para las variables β2log(GDP_PER_CAPITA)it , β3UNEMPLOYMENTit ,
β4dummy_indiait que vendrían siendo las variables con los estimadores del PIB per cá pita
en su logaritmo natural, la tasa de desempleo y la variable dummy que obtiene un valor de
“1” si es la India y de “0” en la data utilizada. Como conocemos uit representaría el error en
el modelo.
ggplot(data = Datatde, aes(YEAR, GINI, colour = COUNTRY)) + geom_point()+
ggtitle("Coeficientes de GINI 1960-2020 por país") +
xlab("Años") + ylab("GINI") +
geom_smooth(method = "lm", se=FALSE)

## `geom_smooth()` using formula 'y ~ x'

Prueba de Hausman
Previo a iniciar el aná lisis con la regresió n oficial, se hizo una prueba de Hausman para
detectar la endogeneidad de los regresores o de las variables independientes en este
modelo de regresió n de datos de panel. De manera siguiente obtuvimos que:
dummy_india <-as.factor(ifelse(Datatde$COUNTRY == "INDIA", 1, 0))
Prueba_Hausman<- GINI~PPL_GROWTH+GDP_PER_CAPITA+UNEMPLOYMENT+dummy_india
Within<- plm(Prueba_Hausman, data = Datatde, model = "within")
Random<- plm(Prueba_Hausman, data = Datatde, model = "random")
phtest(Within,Random)

##
## Hausman Test
##
## data: Prueba_Hausman
## chisq = 132.31, df = 3, p-value < 2.2e-16
## alternative hypothesis: one model is inconsistent

Ya que el p value es mayor que 0.05, debemos de rechazar la hipó tesis nula de que los
efectos individuales no está n correlacionados con las variables. Dicho esto, la
recomendació n sería utilizar un modelo de efectos fijos para estudiar el fenó meno de la
desigualdad de ingresos.

Modelo Oficial
model1<- plm(GINI~(PPL_GROWTH)+log(GDP_PER_CAPITA)+UNEMPLOYMENT+dummy_india,
data =Datatde , model = "within")
summary(model1)

## Oneway (individual) effect Within Model

##
## Call:
## plm(formula = GINI ~ (PPL_GROWTH) + log(GDP_PER_CAPITA) + UNEMPLOYMENT +
## dummy_india, data = Datatde, model = "within")
##
## Balanced Panel: n = 6, T = 62, N = 372
##
## Residuals:
## Min. 1st Qu. Median 3rd Qu. Max.
## -4.11020 -1.32813 -0.36596 1.20885 5.83433
##
## Coefficients:
## Estimate Std. Error t-value Pr(>|t|)
## PPL_GROWTH 0.389078 0.246985 1.5753 0.1161
## log(GDP_PER_CAPITA) 1.411110 0.098383 14.3431 <2e-16 ***
## UNEMPLOYMENT -0.047100 0.060940 -0.7729 0.4401
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Total Sum of Squares: 2234.7
## Residual Sum of Squares: 1266
## R-Squared: 0.43347
## Adj. R-Squared: 0.42098
## F-statistic: 92.5807 on 3 and 363 DF, p-value: < 2.22e-16

stargazer::stargazer(model1, type = "text")

##
## ===============================================
## Dependent variable:
## ---------------------------
## GINI
## -----------------------------------------------
## PPL_GROWTH 0.389
## (0.247)
##
## log(GDP_PER_CAPITA) 1.411***
## (0.098)
##
## UNEMPLOYMENT -0.047
## (0.061)
##
## -----------------------------------------------
## Observations 372
## R2 0.433
## Adjusted R2 0.421
## F Statistic 92.581*** (df = 3; 363)
## ===============================================
## Note: *p<0.1; **p<0.05; ***p<0.01

Al correr la regresió n, pudimos darnos cuenta de muchos resultados interesantes.

Conjuntamente las variables utilizadad en el modelo si fueron significativas para explicar
una variació n en la variable independiente, mas sin embargo, la variable UNEMPLOYMENT
que indica las tasas de desempleo no mostró relevancia de manera individual en el modelo.
La historia es diferente en el caso del crecimiento poblacional (PPL_GROWTH) y el PIB per
cá pita (log(GDP_PER_CAPITA)), cuales mostraron significancia en el modelo de manera
individual.
Analizando estos resultados, podemos determinar que a una mayor tasa de crecimiento
poblacional en los países seleccionados, implica un aumento en su coeficiente de Gini, a
pesar de no tener significancia como tal. Lo recíproco ocurre en el caso del PIB per cá pita,
donde mientras mayor es el nivel del PIB per cá pita, aumenta el coeficiente de Gini en los
países seleccionados. Estos resultados los podemos asociar con el paper de (Sitthiyot,
2016), donde en el mismo se establece que si hay una relació n positiva entre el logaritmo
natural de la població n y el coeficiente de Gini, al igual que en el nuestro má s no
significativo.
Por otro lado, en el caso del PIB per cá pita podemos asociarlo a la curva de Kuznets
(Kuznets, 1955) y al paper desarrollado por (Smith, 2021). En (Smith, 2021), existe una
relació n negativa entre el PIB per cá pita en su logaritmo natural y la desigualdad de los
ingresos utilizando el coeficiente de Gini, sin embargo, algunos resultados hechos en otras
investigaciones muestran que es posible que algunos países experimenten má s desigualdad
a medida que se realiza la transició n de una població n agricola a urbana, como es el caso de
la India.
ggplot(data = Datatde, aes(GDP_PER_CAPITA, GINI, colour = COUNTRY)) +
geom_line()+
ggtitle("Relación PIB Per Capita y Coeficiente de GINI por país") +
xlab("PIB Per Capita") + ylab("GINI") +
geom_smooth(method = "lm", se=FALSE) + geom_point()

## `geom_smooth()` using formula 'y ~ x'

Si nos fijamos en el grá fico anterior, podemos ver que en países como China, Reino Unido y
Estados Unidos hay cierta forma de U invertida en la relació n de la desigualdad de los
ingresos y el crecimiento econó mico como establecía (Kuznets, 1955).En el caso de la
variable dummy (dummy_india), no mostró tener significancia alguna por lo que no
aparece en la tabla de resultados.

Prueba de Heteroscedasticidad Breusch-Pagan

bptest(model1)

##
## studentized Breusch-Pagan test
##
## data: model1
## BP = 37.021, df = 4, p-value = 1.783e-07
Como podemos presenciar en los resultados de la prueba de heteroscedasticidad de
Breusch-Pagan, al tener un p value menor a lo requerido para aceptar la hipó tesis nula de
que el modelo es homoscedastico, rechazamos dicha hipó tesis y podemos concluir que sí
hay evidencia de heteroscedasticidad en el modelo. Por ende, se va a recurrir a hacer lo
siguiente.

Modelo robusto a la heteroscedasticidad

model1_robusto<-coeftest(model1, vcov. = vcovHC(model1, type = "HC1"))
summary(model1_robusto)

## Estimate Std. Error t value Pr(>|t|)

## Min. :-0.0471 Min. :0.1522 Min. :-0.30944 Min. :0.001043
## 1st Qu.: 0.1710 1st Qu.:0.2896 1st Qu.: 0.08273 1st Qu.:0.318099
## Median : 0.3891 Median :0.4269 Median : 0.47489 Median :0.635154
## Mean : 0.5844 Mean :0.4661 Mean : 1.15692 Mean :0.464455
## 3rd Qu.: 0.9001 3rd Qu.:0.6231 3rd Qu.: 1.89009 3rd Qu.:0.696161
## Max. : 1.4111 Max. :0.8193 Max. : 3.30530 Max. :0.757167

Dados estos resultados, podemos observar que hay cambios en las desviaciones está ndar
de las variables, mas no hay variació n en los estimates.

Resultados
Los resultados de nuestro modelo fueron interesantes, con cierto parentezco y relació n a
algunas teorías econó micas como la vista en (Kuznets, 1955). En primer lugar, al hacer una
prueba de Hausman para comprobar si hay heterogeneidad en las variables
independientes, obtuvimos que era mejor utilizar un modelo de Efectos fijos ya que se
rechazó la hipó tesis nula de que los efectos no está n correlacionados con las variables.
Luego, corrimos nuestra regresió n donde pudimos ver semejancias con la teoría de Simon
Kuznets (Kuznets, 1955) y la forma de U invertida en un grá fico que relaciona el
crecimiento econó mico con la desigualdad en los ingresos. También, encontramos que ni el
desempleo ni el crecimiento poblacional afecta como tal o produce un cambio en el
coeficiente de Gini a diferencia de los niveles de PIB per cá pita.
Es interesante mostrar que a pesar de que la India ha sido uno de los países con mayor
crecimiento poblacional en el mundo, dicho crecimiento no afecta la desigualdad que hay
en sus ingresos, donde como mencionabamos en incisos anteriores el 1% má s rico de la
població n del país asiá tico poseía para el añ o 2021 má s de 40.5% de todo el ingreso del
país.
Continuando con nuestro aná lisis, obtuvimos que al realizar una prueba de
heteroscedasticidad de Breusch-Pagan para nuestro modelo, sí se presentaron rasgos
fuertes de heteroscedasticidad por lo que se recurrió a robustizar el modelo seleccionado.
Ya con los resultados de el modelo robusto, obtuvimos que hay pequeñ as variaciones en las
desviaciones está ndar de cada una de las variables, pero que sus estimates y significancia
en el modelo no variaron a pesar de esta estandarizació n.
Conclusión
En conclusió n, fenó menos como el crecimiento poblacional y las tasas de desempleo en esta
selecció n específica de países y en el modelo utilizado, no tienen relevancia alguna ni
afectan el coeficiente de Gini. Sin embargo, pudimos ver resultados interesantes con
respecto a la teoría de Simon Kuznets (Kuznets, 1955) y la curva que relaciona la
desigualdad de los ingresos con el crecimiento econó mico, mostrado en el grá fico en el
inciso de Metodología y Datos.
La India actualmente es el país mayor poblado del mundo y si hay fuertes niveles de
desigualdad en los ingresos. Como mencionaba anteriormente, la base de datos utilizada
fue ajustada por imputació n simple al tener un problema fuerte de datos faltantes de la
fuente (Data, 2023). Dicho esto, los resultados del modelo utilizado y aná lisis puede no ser
completamente eficiente ni exacto, mas tiene cierta semejancia con algunos otros trabajos
de investigació n que estudian el mismo problema.

Bibliografía
Las Naciones Unidas: https://www.un.org/es/un75/inequality-bridging-divide
Stanley, A. (2022, marzo). Global Inequalities. Retrieved from International Monetary Fund
(Fondo Monetario Internacional):
https://www.imf.org/en/Publications/fandd/issues/2022/03/Global-inequalities-Stanley
Sebastian, M. (2023, enero 16). Richest 1% own 40.5% of India’s wealth, says new Oxfam
report. Retrieved from BBC News: https://www.bbc.com/news/world-asia-india-
64286673
Blotevogel, R., Imamoglu, E., Kenyi, M., & Sarr, B. (2020). Measuring Income Inequality and
Implications for Economic Transmission Channels. IMF Working Paper.
OECD. (2011). An Overview of Growing Income Inequalities in OECD Countries: Main
Findings. Why Inequality Keeps Rising.
Cerra, V., Lama, R., & Loayza, N. (2021). Links Between Growth, Inequality, and Poverty: A
Survey. IMF Working Paper.
Kuznets, S. (1955). Economic Growth and Income Inequality. The American Economic
Review, 30.
Data, W. B. (2023). Retrieved from World Bank Data: https://data.worldbank.org/
Silver, C. (2022, septiembre 1). The Top 25 Economies in the World. Retrieved from
Investopedia: https://www.investopedia.com/insights/worlds-top-economies/
Sitthiyot, T. (2016). On Income Inequality and Population Size. Thammasat Review of
Economic and Social Policy Volume 2, Number 2.
Smith, M. S. (2021). Relationship between GDP per Capita and Income Inequality. Georgia
Institute of Technology.