Traducido del inglés al español - www.onlinedoctranslator.

com

REVISTA DE LA CEPAL 1 0 7 • AGOSTO 2 0 1 2 145

Infraestructura y crecimiento económico en el Perú

Roberto Urrunaga y Carlos Aparicio

Abstracto Este artículo revisa la literatura que analiza la importancia de la infraestructura para el
crecimiento económico y realiza una estimación econométrica para descubrir la
relación entre ambas variables en el caso de Perú. Se utilizan diferentes estimadores
con datos de panel de las 24 regiones del Perú para el período 1980-2009. Los
resultados econométricos confirman que las infraestructuras de servicios públicos
(carreteras, electricidad y telecomunicaciones) son importantes para explicar las
diferencias temporales en el producto regional, de acuerdo con las teorías neoclásicas
de crecimiento exógeno. También se encuentran evidencias de diferencias
significativas en las repercusiones de las diferentes infraestructuras sobre el pib per
cápita en cada región. Como consecuencia,

PALABRAS CLAVE Infraestructura física, carreteras, energía eléctrica, telecomunicaciones, crecimiento económico, desarrollo regional,

producto interno bruto, modelos econométricos, Perú

CLASIFICACIÓN JEL C33, H54, L90, O11, O18, O40, R11

AUTORES Roberto Urrunaga es profesor e investigador principal del Departamento de Economía y del Centro de Investigación de la

Universidad del Pacífico (Lima, Perú). urrunaga_rl@up.edu.pe

Carlos Aparicio es analista del Departamento de Estudios Económicos de la Superintendencia de Bancos,

Seguros y Fondos de Pensiones Privados del Perú y profesor del Departamento de Economía de la Universidad
del Pacífico (Lima, Perú). caparicio@sbs.gob.pe
146 REVISTA DE LA CEPAL 1 0 7 • AGOSTO 2 0 1 2
I
introducción
Como insumo fundamental para las actividades del sector
privado, la infraestructura está directamente relacionada con la
producción y estimula el crecimiento económico. Entre los
estudios que resumen los principales hallazgos sobre esta
relación se encuentran Straub (2008a); González, Guasch y
Serebrisky (2007), y Cárdenas, Gaviria y Meléndez (2005).
El mecanismo clave a través del cual la infraestructura
afecta la producción y el crecimiento económico implica
aumentar la productividad del capital, y este efecto será más
pronunciado cuanto mayor sea la complementariedad entre
la infraestructura y la inversión productiva realizada por las
empresas. Según Straub (2008a), otros mecanismos incluyen
actividades de mantenimiento de infraestructura, que
aumentan junto con la infraestructura misma; costos de
ajuste, que disminuyen como resultado de los menores
costos logísticos generados por las nuevas inversiones;
mayor productividad laboral, resultado de trabajadores con
mejores tecnologías de la información y comunicación (tic's) y
mejores condiciones de salud y educación; y menores costos
de transporte, debido a la explotación de economías de
escala y alcance.
Estudiar la relación entre infraestructura y crecimiento
productivo es particularmente interesante en el
Los autores agradecen a Carlos Cubas y Regina Ruiz por su ayuda en la
producción de este artículo, y a un árbitro anónimo derevisión cepalpor los
comentarios realizados sobre una versión preliminar. Cualquier error u
omisión es responsabilidad exclusiva de los autores.
Yo
Revisión de literatura
1. marco teórico
La Tabla 1 resume los principales estudios que han abordado
la relación entre crecimiento económico e infraestructura.
Existe consenso en ver la inversión en infraestructura pública
como un componente importante del crecimiento económico.
Esto fue verificado inicialmente en la práctica por Aschauer
(1989) y posteriormente corroborado por autores como
Easterly y Rebelo (1993); Canning (1999) y Calderón y
INFRAESTRUCTURA Y CRECIMIENTO ECONÓMICO EN PERÚ • ROBERTO URRUNAGA Y CARLOS APARICIo
caso peruano, dado el vigoroso crecimiento de su economía y
los importantes avances en el desarrollo de infraestructuras
de servicios públicos. En este contexto, la hipótesis principal
de este artículo es que esta infraestructura tiene una gran
repercusión en la producción y el crecimiento económico de
las regiones del Perú. El artículo también considera si existen
diferencias significativas en el aporte de la infraestructura al
desarrollo productivo de las regiones del Perú. Para ello se
utilizan datos de panel que contienen información para las 24
regiones del Perú en el período 1980-2009, bajo diferentes
estimadores econométricos. Dadas las carencias de
información existentes, el artículo trabaja con datos sobre
infraestructuras viarias, de telecomunicaciones y de energía
eléctrica.
La importancia de realizar este tipo de estudios radica
en que Perú y muchos otros países latinoamericanos aún
enfrentan problemas de infraestructura que pueden limitar
sus oportunidades de crecimiento, por lo que es necesario
sensibilizar a las autoridades de los diferentes niveles de
gobierno para agilizar la ritmo de los procesos de concesión e
inversiones en infraestructura pública.
Este artículo está estructurado de la siguiente manera. Después
de la introducción, la sección II revisa la literatura que trata sobre la
relación entre infraestructura y crecimiento económico. A continuación,
la sección III analiza las cuestiones metodológicas pertinentes. En la
sección IV se analizan los resultados obtenidos a partir de los modelos
estimados y en la sección V se exponen las conclusiones y
recomendaciones.
Servén (2004b), y también por Vásquez y Bendezú (2008) para el
caso de Perú. Sin embargo, la discusión no parece centrarse en la
dirección del efecto, sino en su magnitud. Así, por ejemplo, la
revisión de la literatura realizada por Straub (2008a), encontró un
efecto negativo en solo el 6,5% de los estudios, todos los cuales
utilizaron un indicador de infraestructura inadecuado (como se
mostrará a continuación); en cambio, el 37,5% de los estudios
obtuvieron resultados neutros, mientras que el 55,8% de ellos
arrojaron coeficientes positivos.
 REVISTA DE LA CEPAL 1 0 7 • AGOSTO 2 0 1 2
El trabajo pionero de Aschauer (1989) es uno de los
principales estudios que ha encontrado evidencia empírica del
efecto positivo de la infraestructura sobre el producto. Este autor
sostiene que la caída de la productividad del capital en Estados
Unidos en las décadas de 1970 y 1980 reflejó una reducción de la
inversión pública en infraestructura. En particular, el autor
identifica las infraestructuras de transporte (carreteras, puertos y
aeropuertos), energía y saneamiento como las que tienen
mayores efectos sobre la productividad.
El primer paso para embarcarse en una discusión de
la literatura a nivel teórico es proponer una función de
producción que incluya explícitamente las variables de
interés —el stock de infraestructura pública— como lo
hace Straub (2008a):
Y=A(θ,F) .F(k, l, yo(norte)) (1)
dóndeYes la producción agregada,Aes el término de
productividad,k es el stock de capital (excluyendo infraestructura),
Les trabajo yI(norte) es una variable que representa insumos
intermedios en los que la infraestructura pública (norte) es la
variable clave. El nivel de infraestructura está separado dek,
donde suele incluirse, tal queI(norte) refleja el efecto directo de
norte. Al incluir la infraestructura como un factor explicativo deA(
el efecto indirecto denorte), se supone que la infraestructura tiene
un efecto sobre la productividad total de los factores. Todos los
demás factores que pueden afectar el término de productividad
están incluidos en la variableθ.
Teóricamente, es preferible modelar el efecto
directo de la infraestructura a través de los servicios que
brinda I(norte), en lugar de incluirlo directamente en la
función de producción. En primer lugar, como indican
Romp y de Haan (2007), incluir directamente la variable
infraestructura supondría asumir que tiene características
de bien público puro y presta servicios proporcionales a la
cantidad de infraestructura, sin rivalidad ni exclusión en el
consumo. En la práctica, la infraestructura pública no
produce nada por sí misma; simplemente brinda servicios
(como transporte y comunicaciones) que se incorporan
dentro de las funciones de costos de la empresa (Hulten,
Bennathan y Srinivasan, 2006).
En segundo lugar, Pritchett (1996) explica que las
inversiones en infraestructura generalmente no se determinan a
través de mecanismos de mercado, sino que tienden a estar
influenciadas por el marco regulatorio, que generalmente
enfrenta problemas de información imperfecta (Laffont y Tirole,
1993). También son generalmente susceptibles a la interferencia
política (Guasch, Laffont y Straub, 2005), porque en muchos casos
involucran monopolios naturales. Esto significa que las empresas
no pueden tomar decisiones sobre el costo de la cantidad de
infraestructura que utilizan (Duggal, Saltzman y Klein, 1999;
Hulten, Bennathan y Srinivasan, 2006).
INFRAESTRUCTURA Y CRECIMIENTO ECONÓMICO EN PERÚ
147
Además, el efecto indirecto de la infraestructura implica
asumir que su acumulación genera externalidades que elevan
la eficiencia general de la economía. Prud'homme (2005)
argumenta que la infraestructura tiene un efecto similar a la
reducción de tarifas, porque permite aumentar el tamaño del
mercado, lo que lleva a una mayor especialización, una
competencia más intensa, economías de escala y un mercado
laboral efectivo más grande. . Duggal, Saltzman y Klein (1999)
agregan que la infraestructura también tiene un importante
efecto de red. Un ejemplo de ello es la calidad del suministro
eléctrico, que permite utilizar maquinaria más sofisticada
(Hulten, Bennathan y Srinivasan, 2006).
La infraestructura pública también se diferencia del capital
general en otros aspectos. En primer lugar, la infraestructura tiende a
venir en grandes unidades y fracciones de ella no pueden proporcionar
cualquier servicio; por lo tanto, una obra de infraestructura
necesita ser completada para ser útil. En la mayoría de los casos
esto implicará inversiones a gran escala y largos períodos de
espera para recibir los servicios de la infraestructura en cuestión.
En algunos casos, la relación entre la
infraestructura pública y el nivel y variación de la
producción puede ser ambigua, debido a que ciertas
obras de infraestructura se desarrollan
exclusivamente para mejorar el bienestar de un
determinado grupo de población, priorizando la
redistribución por encima de la eficiencia económica.
Además, según Barro y Sala-i-Martin (1990) y Glomm y
Ravikumar (1994), la infraestructura puede llegar a
congestionarse, por lo que su repercusión en la
economía dependerá del nivel de congestión en un
momento dado. No obstante, si el aumento del stock
de infraestructura se produce cuando la
infraestructura existente no está congestionada, no
generará mayores beneficios, ya que no mejorará
significativamente la calidad del servicio.
La productividad de las inversiones en infraestructura
dependerá en gran medida de otros cuellos de botella de la
economía, como la calidad institucional (en particular, los
mecanismos contractuales), el nivel de competencia (empresas
estatales, concesiones, asociaciones público-privadas y otros) y el
mecanismo de aprobación de proyectos.
Otro punto clave de discusión se refiere a la duración de los
efectos de las nuevas infraestructuras, es decir, si los efectos
serían permanentes o temporales. Según Straub (2008b), lo
primero significa asumir que la infraestructura genera suficientes
externalidades para inducir rendimientos constantes a escala en
términos agregados, como en el caso del crecimiento endógeno.
En segundo lugar, suponer que los efectos son temporales
significa que cualquier inversión en infraestructura tendrá un
rendimiento decreciente, por lo que
• ROBERTO URRUÑAGA Y CARLOS APARICIO
148 REVISTA DE LA CEPAL 1 0 7 • AGOSTO 2 0 1 2
Sería aplicable el caso neoclásico de crecimiento exógeno,
donde la infraestructura pública afecta la producción, pero no
la tasa de crecimiento de largo plazo.
Según Mankiw, Romer y Weil (1992), la evidencia
empírica muestra que las variaciones del producto se explican
adecuadamente manteniendo el supuesto de rendimientos
decrecientes a escala del capital. Por tanto, no debe
descartarse la posibilidad de analizar las diferencias de
producción a partir de un modelo de Solow (Solow, 1956).
Por último, desde el punto de vista de las políticas públicas,
es interesante discutir la posibilidad de que exista un punto
óptimo para el stock de infraestructura, que podría encontrarse
fácilmente igualando su costo marginal a sus beneficios sociales.
Sin embargo, calcular el costo de la infraestructura es un gran
desafío.
2. técnicas utilizadas
Si bien la relación teórica entre la inversión en diferentes
tipos de infraestructura pública y el crecimiento del producto
interno bruto (pib) ha sido muy claramente explicada en
numerosos estudios sobre el tema, surgen dificultades al
tratar de expresar esta relación teórica en un modelo
econométrico. Esto se debe principalmente a tres cuestiones:
(i) cómo lidiar con la endogeneidad que existe entre la
inversión en infraestructura y el crecimiento económico; (ii)
qué medida de infraestructura refleja su verdadero efecto
sobre la producción agregada, y luego cómo separar el efecto
de cada tipo de infraestructura sobre la producción; y, por
último, (iii) qué controles adicionales son necesarios para
evitar confundir el efecto de la infraestructura con el de otras
variables vinculadas al entorno económico y político del país.
La Tabla 1 muestra los resultados de los principales
estudios revisados en cuanto a la contribución de la
infraestructura al crecimiento económico. Los primeros
estudios estimaron una regresión lineal simple, basada en
un indicador monetario del gasto en infraestructura; y
muchos autores creen que este enfoque explica por qué
tanto Aschauer (1989) como Munnell (1990) obtienen
elasticidades tan grandes para la infraestructura. Estudios
posteriores, como los de Devarajan, Swaroop y Zou (1996)
y García-Milà, McGuire y Porter (1996), obtienen
resultados inferiores o incluso negativos, utilizando un
modelo de datos de panel con efectos fijos que capturan
las diferencias no observadas entre países. No obstante,
Canning (1999), Calderón y Servén (2004b) y Straub,
Vellutini y Warlters (2008) obtienen coeficientes mayores
para la inversión en infraestructura medida por un
indicador físico. Otros estudios,
INFRAESTRUCTURA Y CRECIMIENTO ECONÓMICO EN PERÚ • ROBERTO URRUNAGA Y CARLOS APARICIo
y crecimiento económico, utilizando el método de Johansen; y
estos autores luego intentan encontrar la relación a corto plazo en
un modelo de corrección de errores (ver tabla 1).
3. la endogeneidad del modelo
Con respecto al primer tema, la mayoría de los estudios
mencionan tres fuentes principales de endogeneidad: la presencia
de efectos fijos no observados en modelos aplicados a muchos
países o regiones; la existencia de una doble causalidad entre la
producción y la inversión en infraestructura; y múltiples
problemas relacionados con variables omitidas en el modelo y
error de medición en las variables de infraestructura.
Tanto Aschauer (1989), que utiliza información
regional de Estados Unidos, como Munnell (1990), que
elabora un panel de varios países, encuentran valores
muy elevados de la elasticidad producto respecto a la
infraestructura (0,31 en el primer caso y 0,54 en el
segundo). segundo). Gramlich (1994) señala que estos
resultados no son consistentes con la realidad, ya que
elasticidades como esas implicarían un retorno marginal
del 100%; en otras palabras, la infraestructura cubriría
totalmente sus costos en un año.
Estudios posteriores como Holtz-Eakin (1994) y García-Milà,
McGuire y Porter (1996), afirman que estos altos resultados
reflejan la omisión de un efecto fijo que captura efectos no
observados entre los países o regiones analizados. Estos estudios
reportan resultados considerablemente más bajos que los
estudios de primera generación. Straub (2008b) revisa 51 estudios
que aplican datos de panel —25 de los cuales incluyen efectos
fijos— y encuentra que, en promedio, la infraestructura tiene un
efecto menor sobre el producto en los estudios que aplicaron
efectos fijos.
La segunda posible manifestación de endogeneidad en
estos modelos es la presencia de causalidad dual entre las
variables de inversión en infraestructura y producto, lo que podría
sesgar al alza los resultados, incluso cuando se incluye
explícitamente un efecto fijo. Lo ideal es poder aplicar una prueba
que indique sin ambigüedades la dirección de la causalidad.
Desafortunadamente, en la mayoría de los casos, esta prueba no
se puede realizar debido a la naturaleza de los datos, por lo que
es necesario encontrar una solución alternativa.
Una primera alternativa es la adoptada por Canning y
Pedroni (2004), utilizando datos de panel. Estos autores
encuentran que la relación a largo plazo y la corrección a
corto plazo entre infraestructura y producción varía entre
países. Como encuentran que ambas variables no son
estacionarias pero están cointegradas, pueden estimar un
modelo de corrección de errores sin incluir restricciones a
priori. Luego, al introducir restricciones en el modelo, se
puede determinar la dirección de la causalidad.
 REVISTA DE LA CEPAL 1 0 7 • AGOSTO 2 0 1 2 149

TABLA 1
resumen de los principales estudios

Estudiar Países evaluados Muestra Infraestructura variable Metodología Elasticidad

Aschauer (1989) Estados Unidos 1949-1985 Gasto público en viejos 0.39

capital no militar

Munnell (1990) Estados Unidos 1947-1988 Gasto público en viejos 0.34

infraestructura

Enlatado (1999) 57 países en desarrollo 1960-1990 Telecomunicaciones Panel de efectos fijos 0.139

Easterly y Rebelo 28 países en desarrollo 1970-1988 Gasto en servicios de transporte 0.16

(1993) y telecomunicaciones

Esfahani y 75 países 1965-1995 telecomunicaciones Ols de 2 etapas 0.091 y

Ramírez (2003) y energía 0.156

Vásquez y Bendezú Perú 1940-2003 Carreteras Cointegración 0.218

(2008)

Rivera y Toledo Chile 1975-2000 Inversión sectorial Cointegración 0.16

(2004) en infraestructura

Sánchez-Robles 57 países 1970-1985 Índice de infraestructura viejos 0.009

(1998)
19 países latinoamericanos 0.012

Devarajan, Swaroop 43 países en desarrollo 1970-1990 Gasto en transporte Cuadro de efectos fijos y - 0.025
y Zou (1996) telecomunicaciones

Calderón y Servén 101 países Índice de infraestructura 1960-2000 Panel de efectos fijos 0.0195
(2004b)
mmm 0.0207

Straub, Vellutini y 92 países emergentes 1971-1995 telecomunicaciones, Panel de efectos fijos 0.028; 0.029 y 0.018
Warlters (2008) carreteras y energía

40 países de bajos ingresos 0,03; -0.043 y 0.028

Duggal, Saltzmann Estados Unidos 1960-1989 Gasto público en Ols, no lineal 0.27
y Klein (1999) caminos y estructuras especificación

García-Milà, Estados Unidos (48 estados) 1971-1983 Gasto público en Panel de efectos fijos - 0.058 y
McGuire y Porter agua, drenaje y - 0.029
(1996) autopistas expresas

Fuente:Elaborado por los autores.

Ols: Mínimos cuadrados ordinarios.

gmm: Método generalizado de momentos.

Rivera y Toledo (2004) y Vásquez y Bendezú (2008)
siguen esta ruta en un intento de identificar la existencia de
una relación de cointegración entre las variables de
infraestructura (norte) y salida (Y). Para ello, en primer lugar,
deben realizar pruebas de raíz unitaria para descartar de
manera efectiva la presencia de un componente de tendencia
o un quiebre estructural en la serie. En ambos casos se
encontró que la variable tenía raíz unitaria.
Otro enfoque posible es resolver un sistema de ecuaciones
simultáneas que incluya una ecuación que explique el pib y otra
que explique la infraestructura. En este caso, el problema
consistiría en identificar la forma funcional de la segunda
ecuación, ya que los componentes que generan la inversión en
infraestructura pueden variar entre países.
Algunos autores han optado por resolver la endogeneidad
tomando las primeras diferencias de los componentes, para ser

INFRAESTRUCTURA Y CRECIMIENTO ECONÓMICO EN PERÚ • ROBERTO URRUNAGA Y CARLOS APARICIo

150 REVISTA DE LA CEPAL 1 0 7 • AGOSTO 2 0 1 2
capaz de analizar el efecto de retroalimentación del
crecimiento del producto sobre la inversión en
infraestructura, como lo hacen González, Guasch y Serebrisky
(2007) y Esfahani y Ramírez (2003). En el caso de los datos de
panel, esta diferenciación también ayuda a eliminar el
componente no observado correspondiente a cada uno de los
nortepaíses analizados. No obstante, este enfoque no
permite contrastar la relación de largo plazo que existe entre
las dos variables de interés, e ignora la posibilidad de que la
serie pueda estar cointegrada.
Aschauer (1989) y Calderón y Servén (2004b) utilizan
instrumentos internos como los rezagos en las variables
explicativas de interés. Esta es preferible a la alternativa anterior,
porque estima explícitamente el proceso autorregresivo de la
serie. Esto produce coeficientes robustos: la mayoría de las
investigaciones que utilizan esta metodología obtuvieron
coeficientes similares para la inversión en infraestructura con
respecto a otros tipos de inversión de capital; y sus resultados
también son consistentes con las tasas internas de retorno
reportadas en muchos proyectos de transporte y
telecomunicaciones del Banco Mundial, como lo señalaron
Bandyopadhyay y Devarajan (1993). Estos modelos se estiman en
paralelo utilizando mínimos cuadrados ordinarios (ols) y el
método generalizado de momentos (gmm).
Sánchez-Robles (1998) y Alesina y Perotti (1993) aplican
un procedimiento similar utilizando variables de
infraestructura medidas al inicio del período y variables de
producción medidas al final del período. La solución
representa un concepto similar a la instrumentalización
interna, excepto que la elección de esa instrumentalización es
preferible ya que impone menos condiciones a priori sobre
los instrumentos a utilizar.
Por el contrario, García-Milà, McGuire y Porter (1996)
encuentran que, en este tipo de investigaciones, utilizar un
panel cuadriculado permite ahorrar el paso de la
instrumentalización interna. Esta observación es corroborada
por Straub (2008b), quien muestra que en el caso de estudios
de datos de panel la instrumentalización con valores
rezagados de las propias variables explicativas no cambia los
resultados del modelo.
4. Elección del indicador de infraestructura y
separación de efectos
Todos los estudios revisados incluyeron uno de dos tipos de
indicadores de infraestructura: una medida monetaria de la
inversión en infraestructura pública o un índice físico de
infraestructura relacionado con los servicios que brinda.
Los indicadores del primer tipo se utilizan normalmente
para medir la inversión en capital público. No obstante, este
método no engloba necesariamente las inversiones
INFRAESTRUCTURA Y CRECIMIENTO ECONÓMICO EN PERÚ
en infraestructura pública exclusivamente porque también puede
captar inversiones en edificios estatales y maquinaria estatal. Otra
falla en el primer tipo de indicador es que la participación del
sector privado en la provisión de este tipo de infraestructura es
cada vez más importante (las telecomunicaciones son un claro
ejemplo en Perú), por lo que la medida de capital público sería
insuficiente. Además, medir la cantidad invertida por empresas
privadas en infraestructura pública podría ser difícil, porque las
empresas generalmente tratan de mantener sus estructuras de
costos lo más confidenciales posible. Por último, el costo de
inversión a menudo no está relacionado con la cantidad de
infraestructura que realmente se construye.
La elección de una infraestructura física parece una mejor
alternativa, pero no está exenta de problemas. La evidencia
empírica muestra de manera concluyente que los niveles de
inversión en los diferentes tipos de infraestructura pública están
altamente correlacionados. Esto plantea un dilema: incluir cada
tipo de infraestructura pública por separado invalida el estimador
de mínimos cuadrados al reducir su eficiencia debido a la
presencia de multicolinealidad; pero resumir la información en un
solo indicador hace imposible identificar qué tipo de inversión
pública es la más productiva.
En la práctica, la mayoría de los autores —incluidos
Calderón y Servén (2004b) y Sánchez-Robles (1998)— han
optado por intentar ambos enfoques, estimando en paralelo
una ecuación que incluye un índice agregado de
infraestructura y otras que incluyen un tipo de infraestructura
pública a la vez Las diferencias en los coeficientes de los
distintos tipos de infraestructura pública indican cuál de ellas
es más productiva. En ambos casos, los índices se elaboran
con variables de tres sectores: transporte (longitud de la red
vial en el total del territorio nacional), generación eléctrica
(capacidad de generación de electricidad en términos per
cápita) y telecomunicaciones (número de líneas telefónicas
per cápita); por lo que un aumento en cualquiera de estas
variables elevará el valor del índice.
En el caso del índice de infraestructura, la mayoría de los
autores siguen a Alesina y Perotti (1993), quienes diseñaron un
índice de inestabilidad sociopolítica basado en el método de
componentes principales. Este método pretende resumir la
información aportada por un conjunto de variables altamente
correlacionadas en una única variable (primera componente
principal) que mejor explique la varianza de todas las series
juntas. Para ello, es importante que todas las variables tengan la
misma dirección,1para asegurar una interpretación válida del
componente principal. En este caso, un aumento en el valor del
componente principal implica un aumento en
1La escala de medida y magnitud no sería tan importante porque las
variables se pueden normalizar fácilmente.
• ROBERTO URRUÑAGA Y CARLOS APARICIO
 REVISTA DE LA CEPAL 1 0 7 • AGOSTO 2 0 1 2
inestabilidad política general (la manifestación específica de
la inestabilidad política es irrelevante aquí).
Limao y Venables (2001) utilizan un índice de
infraestructura pública en un modelo que intenta explicar
los costos de transporte. Para construir el índice utilizan
las siguientes variables: kilómetros de camino, kilómetros
de camino pavimentado, kilómetros de vía férrea (los tres
divididos por el área del país) y el número de líneas
telefónicas por persona. Los autores argumentan que las
cuatro variables enumeradas están altamente
correlacionadas y es imposible identificar el efecto de
cada una en los costos de transporte. Optan por utilizar el
promedio lineal de las variables de infraestructura
estandarizadas, lo que significa asumir que los diferentes
tipos de infraestructura pública son sustitutos perfectos
entre sí para una determinada función de servicio de
transporte. Los autores deciden no utilizar el método de
componentes principales,
El estudio de Calderón y Servén (2004b) utiliza información
de América Latina, por lo que es el único estudio en el que se ha
construido un índice de infraestructura para el caso peruano en
este contexto. También vale la pena señalar que ninguno de los
estudios revisados realizó un análisis regional dentro de un país
determinado, a excepción de Vásquez y Bendezú (2008),
precisamente para Perú.
Antes de discutir qué variables adicionales son necesarias
para evitar sobrestimar el efecto de la infraestructura por la
omisión de otras variables relevantes, es necesario decidir cómo
separar los efectos directos e indirectos de la infraestructura
sobre el crecimiento. No hay mucha literatura que intente abordar
este punto directamente. La mayoría de los estudios utilizan una
función Cobb-Douglas que no permite explicar los efectos
indirectos en general. Los métodos de contabilidad del
crecimiento tampoco pueden distinguir tales efectos, porque —
como se discutió anteriormente— no es fácil atribuir un precio al
capital de infraestructura. Dado que la infraestructura es
parcialmente un bien público, su contribución a la producción no
puede estimarse de forma parcial.
De los estudios revisados, el único que modela la
contribución de la infraestructura a través de su efecto indirecto
es Duggal, Saltzman y Klein (1999). Estos autores utilizan un
modelo no lineal e incluyen un índice de infraestructura como
factor adicional del residual de Solow. Ellos encuentran
INFRAESTRUCTURA Y CRECIMIENTO ECONÓMICO EN PERÚ • ROBERTO URRUNAGA Y CARLOS APARICIo
151
un efecto infraestructura positivo de magnitud similar al
encontrado por Aschauer (1989), y que este efecto se
retroalimenta positivamente con el progreso tecnológico.
5. Elección de las variables de control
El último punto de la discusión metodológica se refiere al
papel que juegan las variables de control para la correcta
especificación del modelo. Existen dos tipos de variables que
permiten corregir posibles problemas de especificación: las
variables ficticias, que capturan la presencia de quiebres
estructurales, y las variables relacionadas con el ciclo
económico. Esto es necesario porque muchas veces el efecto
de los parámetros varía en el tiempo, o bien siguen un ciclo
determinado. Esto es particularmente relevante para los
estudios regionales o transversales.
Sobre el primer punto, Rivera y Toledo (2004) y Vásquez
y Bendezú (2008) realizan estudios para detectar la presencia
de un quiebre estructural en los casos de Chile y Perú,
respectivamente. Esto refleja cambios en el tipo de gestión de
las entidades encargadas de realizar inversiones en
infraestructura pública en esos países, ocurridos a principios
de la década de 1990.
Vásquez y Bendezú (2008) también incluyen el ciclo fiscal y
el ciclo exportador como variables de control adicionales, las
cuales se calcularon utilizando el filtro de Hodrick-Prescott, para
eliminar la tendencia de las series fiscal y exportadora,
respectivamente, para explicar las fluctuaciones del pib de corto
plazo. correctamente.
Este procedimiento también es consistente con Canning
(1999), que incluyó una serie de variables ficticias para
controlar la fase del ciclo económico en la que se encontraba
la economía. No obstante, no se debe confundir la variable
utilizada por Canning (1999) con la variable dummy utilizada
por Rivera y Toledo (2004) y Vásquez y Bendezú (2008) para
corregir los quiebres estructurales. La variable utilizada por
Canning (1999) pretende únicamente reflejar la fase del ciclo
económico, la cual está relacionada con las variables del ciclo
fiscal y exportador utilizadas por Vásquez y Bendezú (2008).
Por último, las variables dummy utilizadas por Rivera y Toledo
(2004) y por Vásquez y Bendezú (2008) se relacionan con los
cambios en el tipo de gestión de las obras de infraestructura
pública.
152 REVISTA DE LA CEPAL 1 0 7 • AGOSTO 2 0 1 2
tercero
Consideraciones metodológicas
1. Modelos y métodos de estimación
El punto de partida es la ecuación (1) mostrada en la sección
anterior, que se utiliza para descomponer el stock de capital
en tres componentes: capital físico no infraestructural (C),
capital humano (H) e infraestructura de servicios públicos I(
norte). La nueva expresión es así:
L1−α−β−γ .tuél
Yél
=Ai.Hβt .Cα él él . I(norte)él
γ.
él
donde los subíndices α, β, γ y “1- α - β - γ” reflejan las participaciones
individuales de los factores en la función de producción: capital físico,
capital humano, infraestructura de servicios públicos y mano de obra,
respectivamente. Si la suma de las acciones es 1, la función de
producción tiene rendimientos constantes a escala; si es menor a 1,
hay rendimientos decrecientes a escala, y si es mayor a 1, hay
rendimientos crecientes.
Del mismo modo, los subíndicesiytcorresponder al
individuoi(cada región peruana) en el tiempot. Por último, tuél
es el término de error.
Tomando logaritmos de ambos lados de la ecuación
(2), da la siguiente expresión (que se interpreta en
términos per cápita):
yél=ai+bt+βhél+αcél+γI(norte)+él
tu él
donde los dos primeros términos de la ecuación corresponden a
la productividad total de los factores (A), como indica Canning
(1999):
Aél= αi+bt
De este modo,Aélcomprende αi, que es el factor constante y
específico para cada región (heterogeneidad no observable), ybt,
que es el crecimiento de la productividad, común a todas las
regiones en el períodot.
La estimación de datos de panel con efectos fijos
permitiría a cada región tener su propio nivel de
productividad total de los factores sin necesidad de calcularlo.
De hecho, intentar incluir explícitamente la mejora productiva
podría generar errores de medición al estimar a través del
residual de Solow (1956) de forma convencional.
INFRAESTRUCTURA Y CRECIMIENTO ECONÓMICO EN PERÚ • ROBERTO URRUNAGA Y CARLOS APARICIo
No obstante, es necesario incluirhél, que es el indicador
de capital humano;Cél, el stock de capital físico no
infraestructural, ynorteél, que representa la infraestructura de
servicio público. Dado que este artículo tiene como objetivo
estimar el efecto de tres tipos de infraestructura de servicio
público en el producto per cápita, el términonorteél(que se
deriva del supuestoEn)función) se puede dividir en los
siguientes componentes:
(2)
norteél= miél+ tél+ rél (5)
dóndemiél,télyrélson indicadores que reflejan la
infraestructura eléctrica, de telecomunicaciones
y vial respectivamente, para cada región en cada
momento. Se decidió utilizar únicamente estas
infraestructuras, debido a las carencias de
información del resto de infraestructuras tanto a
nivel regional como en cuanto a sus
características. En primer lugar, no existe
información sobre acceso a agua y saneamiento
en una serie larga a nivel regional. En segundo
lugar, la fuerte centralización de la actividad
portuaria y aeroportuaria en la capital del país
hace que las demás regiones tengan poca
actividad portuaria y aeroportuaria, y es
(3)
insignificante para explicar la producción
regional. La infraestructura ferroviaria tampoco
es muy importante en términos productivos en
comparación con las carreteras y autopistas en
las regiones del Perú. Por último,
Cabe señalar que en esta especificación elEn) la función
se supone lineal. Esto implica que no existen
(4)
complementariedades entre los diferentes tipos de
infraestructura, lo que no es necesariamente cierto para
algunas infraestructuras, como las telecomunicaciones, que
requieren la presencia de energía eléctrica para operar. No
obstante, se asume la relación lineal ya que el objetivo es
analizar la contribución de cada tipo de infraestructura al
crecimiento productivo regional; y estimar otro tipo de
función podría distorsionar los resultados, ya que parte de la
repercusión de cada infraestructura sobre el producto sería
absorbida por otra infraestructura.
La ecuación (3) se transforma luego en la expresión
(6), que es lo que estima este estudio:
 CEPAL REVISIÓN 1 0 7 • AGOSTO 2 0 1 2
yél=Aél+βhél+αcél+ dmiél+λtél+tuél+tuél (6)
Para capturar las posibles repercusiones diferenciadas
de las diferentes infraestructuras sobre el producto per cápita
en las regiones, se construyeron variables ficticias para cada
región y se agregaron las interacciones entre estas variables y
las variables de infraestructura en el modelo.
Este modelo es interesante porque muestra el efecto
temporal de la infraestructura sobre la actividad económica.
Según Straub (2008b) y Mankiw, Romer y Weil (1992), este
tipo de modelo refleja la teoría neoclásica del crecimiento
exógeno, donde la infraestructura afecta la producción pero
no la tasa de crecimiento a largo plazo.
Esta especificación utiliza el estimador ols y el
estimador de variables instrumentales (IV) a través
del método gmm, asumiendo un modelo agrupado
(estimado a través del estimador IV-gmm). Estos
estimadores no consideran la endogeneidad entre
las variables y la heterogeneidad no observable
que existe entre regiones; pero vale la pena
incluirlos para evaluar la robustez de los resultados
econométricos obtenidos. Además, este modelo se
estima a través del estimador mco para un modelo
de datos de panel estático, que sí incorpora
heterogeneidad no observable. En cambio, no se
estima a partir del estimador intragrupo (de efectos
fijos), ya que elimina la heterogeneidad no
observable del modelo. Es importante controlar la
heterogeneidad no observable bajo esta
especificación, porque captura las repercusiones de
la productividad en la producción.
Para realizar un análisis más completo, también se
estimaron modelos en diferencias para identificar el efecto de las
diferentes infraestructuras en el crecimiento económico regional.2
Δyél= ΔAél+ζΔhél+ηΔCél+ ψΔ
(7)
miél+ωΔtél+φΔrél+ Δtuél
Este modelo se estima a través de mco, IV-gmm,
mínimos cuadrados generalizados (gls) (efectos aleatorios) y
el estimador intragrupo (efectos fijos). Esto último se justifica
porque el modelo se estima en forma de diferencia; por lo
tanto, se estima un modelo que no considera el componente
no observable específico de cada
2Como las variables están expresadas en logaritmos, estimar el modelo en
diferencias significa que la variable dependiente se convierte en el
crecimiento del producto regional per cápita y los coeficientes estimados
serían las elasticidades.
INFRAESTRUCTURA Y CRECIMIENTO ECONÓMICO EN PERÚ • ROBERTO URRUNAGA Y CARLOS APARICIo
153
región, relacionado con la productividad. Además, estimar el
modelo en diferencias elimina posibles raíces unitarias
relacionadas con las variables utilizadas en la especificación.
Es importante señalar que al eliminar el componente de
productividad en esta especificación, se pierde la principal
explicación del crecimiento económico bajo los modelos
neoclásicos de crecimiento exógeno. Así, este modelo estaría
evaluando indirectamente si el crecimiento productivo de
largo plazo de las regiones es endógeno3y si la
infraestructura tiene un efecto significativo.
También se estiman modelos de panel dinámico con la
variable dependiente rezagada como variable explicativa,
estimada tanto por diferencia como por sistema gmm:
Δyél=αΔyél-1+AΔél+ζΔhél+ηΔCél+
(8)
ψΔmiél+ωΔtél+φΔrél+ Δtuél
El gmm en forma de diferencia aplicado a modelos de
panel dinámico permite controlar por endogeneidad
potencial en las variables explicativas —ya que
instrumentaliza las variables en función del primer y segundo
rezago de las variables utilizadas en la estimación— y tener
en cuenta la persistencia potencial de la variable dependiente
(Arellano y Bond, 1991; Arellano y Bover, 1995; Blundell y
Bond, 1998). Esto es importante para evaluar un modelo de
crecimiento endógeno.
Bajo este estimador, se asumen diferentes conjuntos de
condiciones para momentos que involucran diferentes niveles
y diferencias de las variables explicativas como instrumentos
adicionales. Esto sigue las recomendaciones hechas por
Ashauer (1989) y Calderón y Servén (2004b) de utilizar un
proceso de variables instrumentales internas para estimar la
relación entre infraestructura y crecimiento económico. El
estimador bajo gmm es el siguiente:
dMGM= (ΔX'ZWnorteZ'ΔX)-1ΔX'ZWnorteZ'ΔY (9)
En esta expresión,Zes la matriz de instrumentos,
Xes la matriz de variables explicativas,Yes la variable
dependiente del modelo, yWnortees el positivo-
⎡1 ⎤−1
∑(Zi'Δv̂iΔv̂iZi)⎥ .Este último
norte
matriz de pesos definidos⎢ '
⎣⎢norte
i=1 ⎦⎥
expresión incluye el Δv̂i, que son las estimaciones formadas por
las primeras en diferencias de los residuos obtenidos a partir de
un estimador consistente previo. Respectivamente, dMGMes un
estimador de dos etapas.
3Probar esta hipótesis de manera más efectiva requiere un cambio en la
especificación del modelo para eliminar la presencia de rendimientos decrecientes a
escala de los factores de producción.
154 REVISTA DE LA CEPAL 1 0 7 • AGOSTO 2 0 1 2
Según Blundell y Bond (1998), el modelo gmm en primeras
diferencias es sesgado e inexacto en muestras finitas cuando las
variables rezagadas de la serie están débilmente correlacionadas
con las primeras diferencias subsiguientes, por lo que los
instrumentos para las ecuaciones en primera diferencia son débil.
En consecuencia, estos autores imponen restricciones adicionales
al modelo para obtener un mayor número de condiciones de
momento. La explotación de las condiciones de momento
adicionales en algunos casos puede generar un aumento
significativo en la eficiencia y la reducción del sesgo de selección
(Blundell y Bond, 1998). Por lo tanto, también es útil estimar el
modelo a través del sistema gmm, que incluye una mayor
cantidad de instrumentos.
Para evaluar la validez de los instrumentos a partir del uso
del estimador gmm (en forma de diferencia y sistema) se utiliza la
prueba de Sargan —contrastando la especificación utilizada para
probar la validez de las restricciones que sobreidentifican las
variables instrumentales. La hipótesis nula de esta prueba es la
falta de correlación entre los instrumentos y los residuos en el
modelo de primeras diferencias.
Por último, también se debe realizar una prueba de
correlación serial (Arellano y Bond, 1991). Bajo la hipótesis nula de
ausencia de correlación serial entre los errores de estimación, se
debería encontrar una correlación negativa significativa en los
residuos de la ecuación en forma de primera diferencia y ninguna
correlación de segundo orden en estos residuos. La especificación
de panel dinámico utilizada solo será válida si ambas condiciones
se cumplen simultáneamente.
2. Datos y variables
El estudio consideró datos de las 24 regiones del Perú en
el período 1980-2009. Se utilizaron fuentes de
información oficiales: Instituto Nacional de Estadística e
Informática (inei), Organismo Supervisor de la Inversión
Privada en Telecomunicaciones (osiptel), Ministerio de
Energía y Minas (minem) y Ministerio de Transportes y
Comunicaciones (mtc), aunque en En algunos casos, se
incluyeron supuestos y estimaciones de los propios
autores para completar la serie de datos.
Según el modelo, las variables de infraestructura
necesarias para la estimación son el número de líneas
telefónicas en servicio (fijas y móviles) como indicador de la
infraestructura de telecomunicaciones; potencia eléctrica
instalada como indicador del sector eléctrico; y un indicador
de caminos asfaltados o pavimentados, como porcentaje del
total de caminos existentes en cada región.
Para que las estimaciones reflejen la verdadera repercusión de la
infraestructura en el producto, las variables deben ajustarse por
posibles problemas de escala. Por ejemplo, las diferencias en el
tamaño de la población entre regiones justificarían una mayor
INFRAESTRUCTURA Y CRECIMIENTO ECONÓMICO EN PERÚ • ROBERTO URRUNAGA Y CARLOS APARICIo
número de líneas telefónicas en las regiones más pobladas, sin que ello
signifique una mayor capacidad relativa para prestar un servicio y, por
tanto, no se traduzca en una mayor tasa de crecimiento o tamaño de la
producción. Del mismo modo, una mayor longitud de la red vial en
regiones más grandes no significaría necesariamente una mayor
productividad de este indicador en comparación con otras regiones.
Como resultado, la serie del valor del producto bruto —
que se utiliza como proxy del pib— se dividió por la población
de la región. Esta es la variable dependiente utilizada
habitualmente en este tipo de estudios y ha sido incluida en
logaritmos. Asimismo, los indicadores de telecomunicaciones
y electricidad se expresan en términos per cápita para cada
región.
El indicador de infraestructura de transporte
se construyó como el cociente entre el logaritmo
de la longitud de la vía asfaltada o pavimentada
dividido por el área de la región, para corregir de
escala, y el logaritmo de la longitud de la red vial
total también corregida de escala. Este es un
indicador de capacidad relativa que tiene en
cuenta no solo las diferencias en el área, sino
también la diferencia en la calidad de la red vial.
Este indicador no se utiliza en otros estudios,
que en su lugar utilizan el logaritmo de las
carreteras asfaltadas o pavimentadas dividido
por la superficie del país en cuestión. Se eligió
este indicador dada la baja variación que
presenta el nivel de las vías (totales y asfaltadas)
en relación a las áreas de las regiones peruanas
en la última década.
Las otras variables utilizadas, para fines de control, son
la población económicamente activa (pea) ajustada por
capital humano, y el stock de capital no infraestructural. La
primera variable se puede estimar a través de la pea con
escolaridad secundaria, superior o ambas, o bien con años de
escolaridad promedio, que es la medida más utilizada en
estudios internacionales. Este artículo utilizó ea con
escolaridad media o superior, debido a la falta de estadísticas
oficiales sobre el promedio de años de escolaridad de la ea en
cada región. También se utiliza como indicador alternativo a
la pea en niveles, si la pea con escolaridad secundaria no es
significativa bajo algunas especificaciones. Ambos
indicadores se estandarizaron dividiéndolos entre la
población de la región.
En el caso del stock de capital no infraestructural se
utilizó la variable proxy construida por Vásquez y Bendezú
(2008) para 1973 y 1993, y se utilizó su metodología para
construir esta variable para 2007 con base en el Cuarto
Censo Nacional realizado por inei La metodología
propuesta por estos autores consiste en
 REVISTA DE LA CEPAL 1 0 7 • AGOSTO 2 0 1 2
recopilar el valor de los activos fijos de las empresas
comerciales e industriales (costo inicial, revalorización y
depreciación acumulada) a nivel regional. La serie
regional para los años intercensales se construyó de
acuerdo con el patrón de inversión de cada región.
No obstante, como esta serie incluye inversión privada
en electricidad, telefonía y caminos (lo que podría sesgar los
resultados del modelo estimado), estos componentes fueron
depurados de la misma. Para ello se estimó un modelo a
través de mco, para el cual la variable dependiente es el stock
de capital estimado, y las variables explicativas son las tres
variables de infraestructura elegidas. El residual de esa
estimación se utiliza como variable proxy del capital no
infraestructural, luego de dividirlo por la población y
expresarlo en forma logarítmica.
Para que los coeficientes estimados sean insesgados y
eficientes, las respectivas variables deben ser estacionarias y no
mostrar ningún quiebre estructural. Para detectar estos
problemas se realizaron las pruebas de Levin, Lin y Chu (2002) e
Im, Pesaran y Shin (2003), ambas desarrolladas en Cameron y
Trivedi (2009). Estas pruebas utilizan la hipótesis nula de que
todos los datos de panel tienen una raíz unitaria. La prueba de
Levin, Lin y Chu asume un solo parámetro autorregresivo para
todos los datos del panel, en otras palabras, una raíz unitaria
común para todos los individuos (regiones); por lo que rechazar la
hipótesis nula podría significar que algunas regiones en realidad
tienen series que muestran una raíz unitaria, mientras que otras
regiones tienen la misma serie, pero con un comportamiento
estacionario. La especificación de la prueba para la existencia del
intercepto individual para cada observación, pero sin tendencia,
requiere que el número de periodos crezca más rápidamente que
el de las regiones, por lo que la razón de regiones a periodos
tiende a cero, utilizando pruebas de Dickey-Fuller aumentadas
para cada región. Por tanto, rechazar la hipótesis nula (al 5% de
significación) significa aceptar que en ningún caso existe una raíz
unitaria común para todos los individuos.
Además, como recomienda Canning (1999), para probar la
estacionariedad promedio de la serie se utilizó una prueba más
potente que la aumentada de Dickey-Fuller, mediante el
procedimiento secuencial de Dolado, Jenkinson y Sosvilla-Rivero
(1990)4aplicado a cada serie para cada individuo (región). En esta
prueba de Im, Pesaran y Shin (2003) también se usó la prueba de
Dickey-Fuller, pero se promediaron las estadísticas t, de modo que
la estadística t resultante representa el promedio de tendencias
estocásticas independientes.5
4Tomado de Canning (1999).
5En otras palabras, permite la posibilidad de que los paneles no tengan
raíces unitarias comunes.
INFRAESTRUCTURA Y CRECIMIENTO ECONÓMICO EN PERÚ
155
de una distribución con valor esperado y varianza conocida
para una serie no estacionaria. Aunque esta prueba también
está diseñada para datos de panel en los que hay más
períodos de tiempo que individuos, también se muestra muy
potente en paneles cortos (Canning, 1999).
Los resultados de la aplicación de las pruebas no son
determinantes para rechazar la hipótesis nula de no
estacionariedad con respecto a todas las variables. Esto es lógico
en un contexto donde algunas infraestructuras, como la telefonía
móvil, han tenido avances significativos en la última década en las
regiones peruanas. Esta sería una de las principales limitaciones
de las estimaciones. No obstante, como los modelos en términos
de nivel no incluyen la variable dependiente rezagada, esta no
sería una restricción relevante. Además, los modelos en
diferencias eliminan la raíz unitaria, resolviendo el problema
directamente.
3. hechos estilizados de la economía peruana
El crecimiento económico sostenido alcanzado por la economía
peruana en la última década ha sido el más alto de la región y uno
de los más altos a nivel mundial. Este crecimiento se debe
principalmente a las reformas de mercado implementadas en la
década de 1990, y ha permitido una reducción significativa de la
pobreza en el Perú.
Sin embargo, uno de los principales problemas que
persiste en la economía peruana es que la producción y el
desarrollo económico se concentran en Lima y en las
principales regiones costeras. Esto refleja que los
esfuerzos por descentralizar la actividad productiva y
promover el desarrollo en la sierra y selva han sido
insuficientes. En 2009, Lima concentraba el 47% del valor
bruto de la producción del país, seguida de Arequipa, La
Libertad y Piura con el 5,2%, 4,4% y 3,7%,
respectivamente. Por ello, uno de los principales desafíos
que enfrenta la economía peruana para la próxima
década es garantizar que el desarrollo productivo llegue a
las regiones más alejadas de la capital.
Sin embargo, algunas regiones han logrado un crecimiento
económico sostenido gracias al desarrollo de actividades
productivas como la agroindustria (por ejemplo Ica y
Lambayeque, que tienen muy buenas condiciones climáticas y
rendimientos agrícolas superiores a la mayoría de los países del
mundo) y la minería y los hidrocarburos ( en particular Cusco con
el proyecto de gas natural Camisea). Así, el crecimiento económico
experimentado por las regiones del Perú ha sido diferenciado,
dando como resultado grandes disparidades en el pib per cápita
corriente entre regiones (ver gráfico 1).
Este desarrollo económico diferenciado está estrechamente
relacionado con la presencia relativa de infraestructuras públicas
en cada región. Visualización de varias regiones
• ROBERTO URRUÑAGA Y CARLOS APARICIO
156 REVISTA DE LA CEPAL 1 0 7 • AGOSTO 2 0 1 2

FIGURA 1
Perú: Crecimiento acumulado del pib, 2001-2009
(Variación porcentual del pib real, a precios de 1994)

Ica 103.8
ayacucho 79,9
Cuzco 79.3
La Libertad 72,9
Arequipa 69.0
San Martín 65,0
lima 62.4
madre de dios 60.4
Piura 60.0
Perú 59.1
amazonas 59.1
Apurímac 53.1
Tumbes 52.2
Ancash 51.6
Ucayali 51.4
Lambayeque 46.6
Moquegua 46.3
Puno 44.0
Junín 39.8
Cajamarca 39.3
Tacna 38.4
Loreto 36.6
Pasco 33.1
Huánuco 32,0
Huancavelica 20.8

Fuente:elaborado por los autores sobre la base de datos del Instituto Nacional de Estadística e Informática (inei).

pib: producto interior bruto.

grandes disparidades en el acceso a los diferentes tipos de
infraestructura, lo que constituye uno de los principales
obstáculos para el crecimiento económico en las localidades más
alejadas del país (ver figura 2).
Existe una correlación positiva entre los diferentes
tipos de infraestructura y el producto per cápita
en las distintas regiones del Perú, particularmente en el caso
de las infraestructuras de telecomunicaciones y energía
eléctrica. Por lo tanto, vale la pena analizar esta relación
utilizando técnicas econométricas para encontrar qué tipo de
infraestructura tiene el mayor efecto sobre la producción
regional y el crecimiento económico.

INFRAESTRUCTURA Y CRECIMIENTO ECONÓMICO EN PERÚ • ROBERTO URRUNAGA Y CARLOS APARICIo

 REVISTA DE LA CEPAL 1 0 7 • AGOSTO 2 0 1 2 157

FIGURA 2
Perú: pib per cápita y stock de infraestructura, 2009

Energía eléctrica

9 000 Arequipa
Tacna
Ica
Per cápitaPIB(nuevos soles a precios de 1994)
8 000 Pasco

7 000 Ancash
madre de dios
6 000
La Libétad
5 000
Lambayeque Junín
Ucayali Piura
4 000 Cuzco
San Martín Loreto
3 000 Puno
amazonas
2 000
Huánuco
1 000

0
0.0000 0.0001 0.0002 0.0003 0.0004 0.0005 0.0006 0.0007
Megavatios per cápita

Carreteras

9 000
Per cápitaPIB(Nuevos soles a precios de 1994)

Arequipa
8 000 Ica
Tacna
7 000 Pasco
Ancash
6 000 madre de dios
La Libétad
5 000
Piura Lambayeque Junín
4 000 Cuzco
Ucayali
San Martín Tumbes
3 000 Loreto Puno ayacucho
amazonas
2 000 Apurímac
Huánuco
1 000

0
0.000 0.050 0.100 0.150 0.200
Kilómetros de vías / Área territorial

telecomunicaciones
9 000
Per cápitaPIB(Nuevos soles a precios de 1994)

Tacna
8 000 Ica
Pasco
7 000 Arequipa
madre de dios
6 000 Ancash

5 000 Junín La Libétad

4 000 Ucayali
Cuzco
Lambayeque
Loreto Piura Tumbes
3 000 amazonas
San Martín
Puno
2 000 ayacucho
Apurímac Huánuco
1 000

0
0.000 0.000 0.000 0.001 0.001 0.001 0.001 0.001
Líneas telefónicas en servicio (fijas y móviles) per cápita

Fuente:elaborado por los autores sobre la base de datos del Instituto Nacional de Estadística e Informática (inei), el Organismo Supervisor
de la Inversión Privada en Telecomunicaciones (osiptel), el Ministerio de Energía y Minas (minem) y el Ministerio de Transportes y
Comunicaciones ( mtc).
Lima se excluye para no distorsionar la relación existente.

pib: producto interior bruto.

INFRAESTRUCTURA Y CRECIMIENTO ECONÓMICO EN PERÚ • ROBERTO URRUNAGA Y CARLOS APARICIo

158 REVISTA DE LA CEPAL 1 0 7 • AGOSTO 2 0 1 2
IV
Análisis de resultados
Los modelos estimados han considerado simultáneamente
indicadores para los sectores de energía, transporte y
telecomunicaciones, como también lo hicieron Canning (1999;
Calderón y Servén (2004b) y Vásquez y Bendezú (2008), sin
embargo, este artículo no ha controlado por la etapa del ciclo
económico en el que se encuentra la economía regional, a
diferencia del primer estudio mencionado que utiliza
controles para corregir ese efecto, y del segundo estudio, que
utiliza una media móvil de cinco años, el modelo se probó con
la inclusión de la dummy variables temporales, pero estas
resultaron no significativas.
1. Modelos en niveles
El primer grupo de modelos utiliza el producto per cápita como
variable dependiente y se estima en niveles, lo cual es consistente
con la teoría neoclásica del crecimiento exógeno y evalúa los
efectos temporales de la infraestructura sobre el producto. Estos
modelos reportan la presencia de un efecto positivo y significativo
para todas las infraestructuras sobre el producto regional per
cápita. Además, la relación prevalece con todos los diferentes
estimadores utilizados, mostrando que los resultados son
robustos (no hay cambio de signo y la magnitud de los
coeficientes es similar entre especificaciones).
Para estos modelos, la pea educada no fue
significativa, pero sí la pea total, con el coeficiente más
alto. Esto muestra la importancia de este insumo en la
producción regional, en comparación con otros
factores productivos (capital físico, capital humano e
infraestructuras) (ver cuadro 2).
El stock de electricidad per cápita tiene el mayor efecto
sobre la producción per cápita regional. Este resultado es lógico
porque la electricidad está relacionada directamente con la
actividad productiva, mientras que las telecomunicaciones están
mucho más ligadas a la productividad del trabajador. Además, el
auge de las telecomunicaciones en el Perú es un fenómeno de la
última década, por lo que sus repercusiones se diluirían cuando la
evaluación se realice en un horizonte más amplio.
También es importante señalar que tanto el stock de
electricidad como el stock de telecomunicaciones tienen un efecto
mayor en la producción regional que el capital no infraestructural.
Esto sugeriría que los stocks de infraestructura diferenciados per
cápita en las regiones de Perú explican claramente las diferencias
en el producto per cápita regional. Así, si las autoridades políticas
toman medidas para reducir la actual
INFRAESTRUCTURA Y CRECIMIENTO ECONÓMICO EN PERÚ • ROBERTO URRUNAGA Y CARLOS APARICIo
brechas de infraestructura entre las regiones, se puede avanzar
en la reducción de las disparidades productivas.
Si bien el coeficiente del indicador de stock vial no es
comparable con los coeficientes de las otras formas de
infraestructura, esta infraestructura explica gran parte de las
diferencias en la producción regional. Uno de los principales
problemas a nivel regional es la falta de caminos y carreteras
para acercar los mercados a estas localidades. Por lo tanto, es
importante priorizar la inversión en esta infraestructura.
Cada tipo de infraestructura explica el producto per
cápita de cada región de manera diferente. Esto puede
deberse a las diferencias en la calidad de la infraestructura
regional, el capital humano de cada región (que no se
controla en el modelo, porque la eap no resultó significativa),
y otras diferencias socioeconómicas o políticas que podrían
obstaculizar la el correcto funcionamiento de las
infraestructuras en determinadas regiones. Estas diferencias
explican cómo algunas regiones pueden mostrar efectos
mayores o menores que el promedio de las diferentes
infraestructuras en su producción respectiva.
2. Modelos en diferencias
El segundo grupo de modelos utiliza como variable dependiente
la diferencia del producto per cápita, en función de las diferencias
en las variables explicativas del modelo. Una de las principales
ventajas de esta especificación es que elimina las raíces unitarias
que se encuentran en la serie. Frente a esto, una de las principales
desventajas es la pérdida de ajuste de los modelos a través del
tiempo (dentro del grupo R2), aunque existe un ajuste moderado
entre regiones (entre-grupos R2) considerando que se trata de un
modelo de datos de panel estimado en diferencias.
Este resultado es consistente con los hallazgos de Mankiw,
Romer y Weil (1992), quienes argumentan que la evidencia
empírica respalda los modelos neoclásicos de crecimiento
exógeno. Esto explica el buen ajuste de los modelos expresados
en niveles, frente a los expresados en diferencias. La pérdida de
ajuste puede explicarse por la falta de controles regionales (las
variables dummy para cada región resultaron insignificantes) y
por la eliminación de la heterogeneidad no observable del modelo
(expresando el modelo en diferencias, haciéndolo invariante en el
tiempo). Cuando el modelo se estima en diferencias, esta última
está directamente ligada a la regional.
 REVISTA DE LA CEPAL 1 0 7 • AGOSTO 2 0 1 2 159

TABLA 2
Modelo en logaritmos del pib per cápita

Variable Datos almacenados Datos almacenados Panel estático Variable Datos almacenados Datos almacenados Panel estático
(estimador de mínimos cuadrados) (IV - mmm (estimador gls) (estimador de mínimos cuadrados) (IV - mmm (estimador gls)
estimador) estimador)

Constante 10.9779*** 10.8915*** 10.9084*** telecomunicaciones

(0.1243) (0.1470) (0.3199) (continuado)

Iniciar sesión [ Capital regional] 0.0607*** 0.0591*** 0.0543 Registro [indicador de telecomunicaciones] - 0.0900*** - 0,0956*** - 0,0744***
(0.0123) (0.0117) (0.0379) * Madre_de_Dios (0.0110) (0.0119) (0.0230)

Iniciar sesión [eap] 1.3737*** 1.2960*** 1.4260*** Registro [indicador de telecomunicaciones] - 0,1397*** - 0,1405*** - 0,1358***
(0.1281) (0.1464) (0.3023) *Pasco (0.0078) (0.0076) (0.0115)

Registro [indicador de telecomunicaciones] 0.0590*** 0.0591*** 0.0589***

Electricidad
*Piura (0.0143) (0.0141) (0.0144)

Registro [Indicador de electricidad] 0.1268*** 0.1265*** 0.1139*** Registro [indicador de telecomunicaciones] 0.0470*** 0.0460*** 0.0569***
(0.0091) (0.0089) (0.0206) *Puno (0.0080) (0.0077) (0.0129)

Registro [Indicador de electricidad] 0.0705*** Registro [indicador de telecomunicaciones] - 0,0646*** - 0,0655*** - 0,0581***
* amazonas (0.0202) * San_Martin (0.0174) (0.0168) (0.0123)

Registro [Indicador de electricidad] 0.0101*** 0.0112*** 0.0132*** Registro [indicador de telecomunicaciones] - 0,2243*** - 0,1801*** - 0,2245***
* Apurímac (0.0038) (0.0038) (0.0051) * Tacna (0.0106) (0.0209) (0.0219)

Registro [Indicador de electricidad] 0.0478*** 0.0475*** 0.0541***

Transporte
* Cajamarca (0.0136) (0.0131) (0.0112)

Registro [Indicador de electricidad] 0.0223*** 0.0220*** 0.0242*** Registro [ Indicador de transporte] 0.0395*** 0.0385*** 0.0331**
* Cuzco (0.0030) (0.0030) (0.0029) (0.0055) (0.0054) (0.0156)

Registro [Indicador de electricidad] 0.0163*** 0.0171*** 0.0201*** Registro [indicador de transporte] - 0,2428***
* Huánuco (0.0036) (0.0034) (0.0068) * amazonas (0.063)

Registro [Indicador de electricidad] - 0,1226*** - 0,1160*** - 0,1184*** Registro [indicador de transporte] - 0,4364*** - 0,4309*** - 0,4908***
*Ica (0.0452) (0.0442) (0.0398) * Cajamarca (0.1493) (0.1444) (0.1423)

Registro [Indicador de electricidad] - 0,0935*** - 0,0964*** - 0,0972*** Registro [indicador de transporte] 0.6401** 0,5926** 0.6207***
*Moquegua (0.0068) (0.0069) (0.0152) *Ica (0.2959) (0.2895) (0.2616)

Registro [Indicador de electricidad] 0.0389*** 0.0381*** 0.0421*** Registro [indicador de transporte] - 1.3135*** - 1.3913*** - 1.3060***
* San Martín (0.0067) (0.0065) (0.0078) *Lima (0.1973) (0.2112) (0.2890)

Registro [indicador de transporte] - 0,3007*** - 0,3002*** - 0,2927***

telecomunicaciones
*Piura (0.0613) (0.0603) (0.0212)

Registro [indicador de telecomunicaciones] 0.0757*** 0.0786*** 0.0680*** Registro [indicador de transporte] - 0,0838***
(0.0077) (0.0078) (0.0178) * Tacna (0.0344)

Registro [indicador de telecomunicaciones] - 0,0951*** - 0,0986*** - 0,0938*** Número de observaciones 480 480 480
* arequipa (0.0107) (0.0112) (0.0142) R2 0.9411 0.9414

Registro [indicador de telecomunicaciones] - 0,0332*** - 0,0345*** - 0,0326***

Dentro del grupo R2 0.6133
* Huánuco (0.0100) (0.0097) (0.0108)
Entre-grupos R2 0.9922

Registro [indicador de telecomunicaciones] - 0,0954*** - 0,0934*** - 0,0827*** R promedio2 0.9431

* Loreto (0.0104) (0.0103) (0.0259)

Fuente:elaborado por los autores sobre la base de datos del Instituto Nacional de Estadística e Informática (inei), el Organismo Supervisor
de la Inversión Privada en Telecomunicaciones (osiptel), el Ministerio de Energía y Minas (minem) y el Ministerio de Transportes y
Comunicaciones ( mtc); e información de Vásquez y Bendezú,Ensayos sobre el rol de la infraestructura vial en el crecimiento económico
del Perú, Lima, Consorcio de Investigaciones Económicas y Sociales (cies)/Banco Central de Reserva del Perú (bcrp), 2008.
pib: producto interior bruto. ep: población económicamente activa. Log: logaritmo. Ols: Mínimos cuadrados ordinarios. gls:
mínimos cuadrados generalizados.
Estimador de variables instrumentales (IV) a través del método generalizado de momentos (gmm).
Errores estándar entre paréntesis (robusto).
* p<0,10, ** p<0,05, *** p<0,01

INFRAESTRUCTURA Y CRECIMIENTO ECONÓMICO EN PERÚ • ROBERTO URRUNAGA Y CARLOS APARICIo

160 REVISTA DE LA CEPAL 1 0 7 • AGOSTO 2 0 1 2

productividad según la especificación del modelo, que capturaría
las principales diferencias en el crecimiento económico regional.
Esto también indicaría que la infraestructura, el capital humano y
el capital físico no infraestructural en parte no explican las
diferencias en el crecimiento regional a largo plazo.
Esta evidencia también sugiere que otros factores son más
importantes para explicar las diferencias. Uno de ellos podría ser
la casi inexistente descentralización de la producción. Además, la
presencia de proyectos de hidrocarburos, minería o
agroexportación en algunas regiones también
explicar las diferencias. Las actividades productivas relacionadas
con estos sectores han sido impulsadas durante los últimos años
debido a los altos precios internacionales de ciertos productos
agroexportadores, hidrocarburos y minerales. Todo esto sugiere
que la infraestructura no tendría un efecto a largo plazo sobre la
actividad económica o sobre el crecimiento económico a largo
plazo (ver tabla 3).
Al igual que en el caso de los modelos expresados en niveles,
los modelos en diferencias reportan la presencia de un efecto positivo
y significativo de todas las infraestructuras en la región.

TABLA 3
Modelo en diferencias de crecimiento del pib per cápita

Variable Datos almacenados Panel estático Panel estático Panel dinámico Panel dinámico
(IV-gmm (estimador gls) (dentro del grupo (estimador gmm) (sistema gmm
estimador) estimador) estimador)

Constante - 0,0288*** - 0,0272*** - 0,0613*** - 0.0155 - 0,0831**

(0.0074) (0.0062) (0.0107) (0.0382) (0.0406)

Δ Log [pib per cápita (t-1)] - 0,1299*** - 0,1805***

(0.0287) (0.0574)

Δ Log [eap con capital humano] 0.4666** 0.4097*** 1.5109*** 0.3319 2.2662*
(0.2193) (0.1542) (0.3781) (1.2691) (1.3284)

Δ Log [capital regional] 0.1050*** 0.1067*** 0.1173** 0.0955* 0.1278**

(0.0324) (0.0421) (0.0444) (0.0510) (0.0560)

Δ Log [indicador de electricidad] 0.0911*** 0.0919*** 0.0997*** 0.0889*** 0.1129***

(0.0247) (0.0322) (0.0341) (0.0274) (0.0286)

Δ Log [indicador de telecomunicaciones] 0.1209*** 0.1224*** 0.1204*** 0.0831*** 0.1141***

(0.0220) (0.0244) (0.0278) (0.0307) (0.0354)

Δ Log [indicador de transporte] 0.0463* 0.0464*** 0.0574*** 0,0921*** 0.0871***

(0.0275) (0.0288) (0.0303) (0.0168) (0.0176)

Número de observaciones 717 717 717 693 695

R2 0.0748 – – – –

Dentro del grupo R2 – 0.0787 0.0862 – –

Entre-grupos R2 – 0.1190 0.1085 – –

R promedio2 – 0.0749 0.0609 – –

Estadística de Sargan – – – 1.00 1.00

Arellano-Bond (prueba de – – – 0.0006 0.0009

autocorrelación de primer orden)

Arellano-Bond (prueba de – – – 0.4604 0.7371

autocorrelación de segundo orden)

Fuente:Elaborado por los autores sobre la base de datos del Instituto Nacional de Estadística e Informática (inei), el Organismo Supervisor
de la Inversión Privada en Telecomunicaciones (osiptel), el Ministerio de Energía y Minas (minem) y el Ministerio de Transportes y
Comunicaciones ( mtc); e información de Vásquez y Bendezú,Ensayos sobre el rol de la infraestructura vial en el crecimiento económico
del Perú, Lima, Consorcio de Investigaciones Económicas y Sociales (cies)/Banco Central de Reserva del Perú (bcrp), 2008.

Errores estándar entre paréntesis

(robusto). p<0,10; **p<0,05; ***p<0,01.
gls: mínimos cuadrados generalizados.
Estimador de variables instrumentales (IV) a través del método generalizado de momentos (gmm).

INFRAESTRUCTURA Y CRECIMIENTO ECONÓMICO EN PERÚ • ROBERTO URRUNAGA Y CARLOS APARICIo

 REVISTA DE LA CEPAL 1 0 7 • AGOSTO 2 0 1 2
crecimiento. Además, esta relación prevalece en todos los diversos
estimadores utilizados, lo que demuestra que los resultados son robustos.
Estos modelos también encuentran que el crecimiento rezagado
del producto per cápita tiene un efecto significativo en el crecimiento
contemporáneo, pero con un signo negativo. Esto refleja el hecho de
que varias regiones no tienen un crecimiento sostenido, lo que sugiere
la necesidad de desarrollar más la infraestructura regional para
eliminar los obstáculos al crecimiento sostenido. En particular, se
deben tomar medidas para evitar el crecimiento económico regional en
función de proyectos aislados, que se rigen por la volatilidad de los
precios en los mercados internacionales.
En estos modelos, la PEa educada fue significativa, lo que
demuestra que el capital humano es importante para el crecimiento
económico regional a largo plazo. No obstante, dado que el nivel
educativo promedio de la población en las regiones es más bajo, este
factor aún no es tan importante como cabría esperar.
V
Conclusiones y Recomendaciones
Este estudio muestra que las infraestructuras de servicios públicos
son importantes para explicar las disparidades en el producto per
cápita regional en Perú, lo cual es consistente no solo con la
teoría, sino también con la mayoría de los estudios realizados en
numerosos países.
La evidencia avala la presencia de diferencias
significativas en las repercusiones de las diferentes
infraestructuras —principalmente eléctricas y de
telecomunicaciones— sobre el producto per cápita de
cada región, lo que puede explicarse por diferencias en la
calidad de la infraestructura regional. En consecuencia,
las autoridades políticas deben centrarse en aumentar la
cantidad y mejorar la calidad de las infraestructuras y
mantenerlas adecuadamente.
No obstante, la evidencia no es concluyente en cuanto a la
incidencia de la infraestructura en el crecimiento económico
regional de largo plazo. Otros factores serían más importantes
para explicar las diferencias: el capital humano, el progreso
tecnológico, la descentralización productiva, entre otros. En
consecuencia, para que la infraestructura tenga repercusiones de
largo plazo en el crecimiento regional, se requieren políticas
complementarias para reducir las brechas regionales.
La principal implicación política que surge del análisis es la
necesidad de perseverar en el desarrollo de la infraestructura de
servicios públicos. Las autoridades deberían acelerar los procesos
de concesión pendientes y permitir la iniciativa privada
INFRAESTRUCTURA Y CRECIMIENTO ECONÓMICO EN PERÚ • ROBERTO URRUNAGA Y CARLOS APARICIo
161
En estos modelos se invierte la importancia relativa de las
infraestructuras, siendo ahora las telecomunicaciones las que
explican la mayor parte de los efectos sobre el crecimiento
económico. Esto refleja que las telecomunicaciones están más
ligadas a la productividad del trabajador (capital humano), que es
un determinante del crecimiento regional de largo plazo; el
desarrollo de proyectos de electricidad estaría mucho más
relacionado con las variaciones de corto plazo en la producción
regional. En todo caso, las variables de electricidad y
telecomunicaciones tienen repercusiones sobre el crecimiento
regional similares a las del capital no infraestructural.
Por último, el indicador vial explica gran parte de las
diferencias en el crecimiento regional; y el desarrollo de esta
infraestructura es más importante para reducir las disparidades
en el crecimiento a largo plazo entre regiones que para explicar
las brechas temporales en la producción regional.
que requieren algún grado de cofinanciación, obviamente
siempre que el proyecto muestre beneficios económicos y sociales
superiores a sus costos. De igual forma, los diferentes niveles de
gobierno deberán destinar recursos presupuestarios para la
ejecución o financiamiento de este tipo de proyectos mayores a
los aprobados previamente por el Sistema Nacional de Inversión
Pública.
Una región puede disfrutar de un crecimiento más rápido y
un mayor nivel de producción per cápita si invierte recursos de
manera oportuna y eficiente para mejorar sus infraestructuras de
carreteras, telecomunicaciones y electricidad. Es entonces
injustificable que el Perú tenga un grupo de gobiernos regionales
y municipales con muy bajos niveles de ejecución presupuestaria,
principalmente en infraestructura, y que muchos de ellos se
encuentren precisamente en las zonas más deprimidas del país.
No obstante, los resultados numéricos deben usarse
con cautela debido a problemas de calidad de la información
a nivel regional. Por ello, se deben realizar mayores esfuerzos
para revisar la información actualmente disponible, y
producir y procesar la información que se ha identificado
como necesaria para obtener resultados más confiables. Esto
plantea un desafío adicional para las autoridades, o más
específicamente para las instituciones que producen y
manejan las estadísticas, aunque, como potenciales usuarios
de la información, las universidades y centros de
investigación también deberían comprometer su apoyo.
(Original: español)
162 REVISTA DE LA CEPAL 1 0 7 • AGOSTO 2 0 1 2

Apéndice
Estadísticas de las variables utilizadas

Variable Variabilidad Significar Estándar Mínimo Máximo Número de

desviación observaciones

PIB per cápitaa Promedio 3 907.8 2 455,9 1 216,2 16 133,3 928

Entre grupos 2 229,4 1 638.0 10 447.8
Dentro de grupos 1 108.8 - 4 639.0 9 593.3
ap per cápita Promedio 0 312.0 0 043.5 0 230.7 0 478.3 903
Entre grupos 0 034.6 0 255.8 0 407.2
Dentro de grupos 0 027.1 0 221.4 0 443.7
eap con educación secundaria Promedio 0 154.6 0 075.6 0 028.3 0 398.3 890
o superior per cápitaa Entre grupos 0 059.4 0 073.7 0 295.9
Dentro de grupos 0 048.3 0 057.3 0 354.1
Capital regional no Promedio 0 000.3 0 000.6 0 000.1 0 002.9 812
infraestructural per cápita Entre grupos 0 000.6 0 000.0 0 002.3
Dentro de grupos 0 000.1 - 0 000.9 0 001.0
Electricidad per cápitab Promedio 0 090.2 0 199.1 0 000.2 1 393.2 823
Entre grupos 0 054.1 0 013.5 0 237.4
Dentro de grupos 0 191.8 - 0 103.3 1 246.0
Telecomunicaciones per cápitaC Promedio 0 002.4 0 007.9 0 000.0 0 119.8 888
Entre grupos 0 004.6 0 000.1 0 023.1
Dentro de grupos 0 006.5 - 0 018.7 0 099.1
Transported Promedio 0 432.9 0 558.6 0 000.7 3 977.8 742
Entre grupos 0 525.9 0 001.3 2 640.3
Dentro de grupos 0 215.3 - 1 007.9 1 770.4

Fuente:elaborado por los autores sobre la base de datos del Instituto Nacional de Estadística e Informática (inei), el Organismo Supervisor
de la Inversión Privada en Telecomunicaciones (osiptel), el Ministerio de Energía y Minas (minem) y el Ministerio de Transportes y
Comunicaciones ( mtc); e información de Vásquez y Bendezú,Ensayos sobre el rol de la infraestructura vial en el crecimiento económico
del Perú, Lima, Consorcio de Investigaciones Económicas y Sociales (cies)/Banco Central de Reserva del Perú (bcrp), 2008.

aSoles a precios de 1994.

bMegavatios.
CLíneas fijas y móviles.
dIndicador de calidad entre el stock de redes viales.
pib: producto interior bruto. ep: población económicamente activa.

Bibliografía
Alesina, A. y R. Perotti (1993), “Distribución del ingreso, inestabilidad política,
e inversión”,Documento de trabajo de nber, No. 4486, Cambridge,
Massachusetts, Oficina Nacional de Investigación Económica.
Arellano, M. y S. Bond (1991), “Algunas pruebas de especificación para
datos de panel: evidencia de Monte Carlos y una aplicación a las
ecuaciones de empleo”,Revisión de Estudios Económicos, vol. 58,
No. 2, Wiley Blackwell.
Arellano, M. y O. Bover (1995), “Otra mirada al instrumental
estimación variable de modelos de componentes de error”,
Diario de Econometría, vol. 68, No. 1, Ámsterdam, Elsevier.
Aschauer, D. (1989), “¿Es productivo el gasto público?”,Diario
de Economía Monetaria, vol. 23, No. 2, Ámsterdam, Elsevier.
Bandyopadhyay, S. y S. Devarajan (1993), “Using project rates
de retorno para informar las decisiones de asignación del sector”,
Washington, DC, Banco Mundial, inédito.
Barro, R. y X. Sala-i-Martin (1990), “Finanzas públicas en modelos de
crecimiento económico",Documento de trabajo de nber, No. 3362,
Cambridge, Massachusetts, Oficina Nacional de Investigación
Económica. Blundell, R. y S. Bond (1998), “Condiciones iniciales y momento
Restricciones en modelos dinámicos de datos de panel”,Diario de
Econometría, vol. 87, No. 1, Ámsterdam, Elsevier.
Calderón, C. y L. Servén (2004a), “Tendencias en infraestructura en Latinoamérica
América, 1980-2001”,Documentos de trabajo, N° 269, Santiago de
Chile, Banco Central de Chile, septiembre.
(2004b), “Los efectos del desarrollo de infraestructura en el
crecimiento y la distribución del ingreso”,Documentos de trabajo, N°
270, Santiago de Chile, Banco Central de Chile, septiembre. Cameron,
C. y P. Trivedi (2009),Microeconometría usando Stata,
Texas, Stata Press.
Canning, D. (1999), “Contribución de la infraestructura al agregado
producción",Documento de trabajo de investigación de políticas, No. 2246,
Washington, DC, Banco Mundial.
Canning, D. y E. Bennathan (2000), “La tasa social de retorno de
inversiones en infraestructura”, Documento de trabajo sobre investigación de
políticas, No. 2390, Washington, DC, Banco Mundial.
Canning, D. y P. Pedroni (2004), “El efecto de la infraestructura en
long run economic growth”, noviembre, inédito. Cárdenas,
M., A. Gaviria y M. Meléndez (2005), “La infraestructura
de transporte en Colombia”, agosto, inédito. Davis, D. (1998), “El
mercado interno, el comercio y la estructura industrial”,
Revisión económica estadounidense, vol. 88, No. 5, Nashville,
Tennessee, Asociación Económica Estadounidense, diciembre.

INFRAESTRUCTURA Y CRECIMIENTO ECONÓMICO EN PERÚ • ROBERTO URRUNAGA Y CARLOS APARICIo

 REVISTA DE LA CEPAL 1 0 7 • AGOSTO 2 0 1 2
Devarajan, S., V. Swaroop y H. Zou (1996), “La composición de
gasto público y crecimiento económico”,Revista de
economía monetaria, vol. 37, nº 2-3, Ámsterdam, Elsevier.
Dolado, J., T. Jenkinson y S. Sosvilla-Rivero (1990), “Cointegration
y pruebas de raíz unitaria”,Revista de Estudios Económicos, vol.
4, nº 3, Wiley.
Duggal, V., C. Saltzman y L. Klein (1999), “Infraestructura y
productividad: un enfoque no lineal”,Diario de Econometría, vol.
92, No. 1, Ámsterdam, Elsevier.
Easterly, W. y S. Rebelo (1993), “Política fiscal y economía
crecimiento: una investigación empírica”,Revista de economía
monetaria, vol. 32, No. 4, Ámsterdam, Elsevier. Esfahani, H. y M.
Ramírez (2003), “Instituciones, infraestructura
y crecimiento económico”,Revista de Economía del Desarrollo,
vol. 70, No. 2, Ámsterdam, Elsevier.
Estache, A. y M. Fay (2007), “Debates actuales sobre infraestructura
política",Documento de trabajo de investigación de políticas, No. 4410, Washington,
DC, Banco Mundial, noviembre.
Fay, M. y M. Morrison (2005),Infraestructura en América Latina
y el Caribe: desarrollos recientes y desafíos clave,
Washington, DC, Banco Mundial.
García-Milà, T., T. McGuire y R. Porter (1996), “The effect of
reconsideración del capital público en las funciones de producción a nivel
estatal”, Revista de Economía y Estadística, vol. 78, No. 1, Cambridge,
Massachusetts, The mit Press.
Glomm, G. y B. Ravikumar (1994), “Inversión pública en
infraestructura en un modelo de crecimiento simple”,Revista de
Dinámica Económica y Control, vol. 18, No. 6, Ámsterdam,
Elsevier. González, J., J. Guasch y T. Serebrisky (2007), “América Latina:
Abordar los altos costos logísticos y la infraestructura deficiente para
el transporte de mercancías y la facilitación del comercio”, Consulta de
San José 2007, Banco Mundial, agosto.
Gramlich, E. (1994), “Inversión en infraestructura: un ensayo de revisión”,
Revista de Literatura Económica, vol. 32, No. 3, Nashville,
Tennessee, Asociación Económica Estadounidense.
Guasch, J., J. Laffont y S. Straub (2005), “Infraestructura
concesiones en América Latina: renegociaciones dirigidas por los gobiernos”,
Documento de trabajo de investigación de políticas, No. 3749, Washington, DC,
Banco Mundial.
Holtz-Eakin, D. (1994), “El capital del sector público y la productividad
rompecabezas",Revista de Economía y Estadística, vol. 76, No. 1,
Cambridge, Massachusetts, The mit Press.
Hulten, C. (1996), “Capital de infraestructura y crecimiento económico:
Qué tan bien lo usas puede ser más importante que cuánto
tienes”,Documento de trabajo de nber, No. 5847, Cambridge,
Massachusetts, Oficina Nacional de Investigación Económica.
Hulten, C., E. Bennathan y S. Srinivasan (2006), “Infraestructura,
externalidades y desarrollo económico”,Revisión económica del
Banco Mundial, vol. 20, No. 2, Washington, DC, Banco Mundial.
Im, K., MH Pesaran y Y. Shin (2003), “Prueba de raíces unitarias
en paneles heterogéneos”,Diario de Econometría, vol. 115, No. 1,
Ámsterdam, Elsevier.
Laffont, J. y J. Tirole (1993),Una teoría de los incentivos en la contratación
y Reglamento, Cambridge, Massachusetts, The mit Press. Levin, A.,
Cap. Lin y Ch. Chu (2002), “Pruebas de raíz unitaria en datos de panel:
Propiedades asintóticas y de muestras finitas”,Revista de
Economía Política, vol. 108, No. 1, Ámsterdam, Elsevier.
Limao, N. y A. Venables (2001), “Infraestructura, geografía
desventaja, costos de transporte y comercio”,Revisión económica del Banco
Mundial, vol. 15, No. 3, Washington, DC, Banco Mundial. Limi, A. (2008),
“Efectos de la mejora de la calidad de la infraestructura en los negocios
costos: Evidencia de datos a nivel de empresa”,Documento de trabajo de
investigación de políticas, No. 4581, Washington, DC, Banco Mundial, marzo.
INFRAESTRUCTURA Y CRECIMIENTO ECONÓMICO EN PERÚ • ROBERTO URRUNAGA Y CARLOS APARICIo
163
Loayza, N., P. Fajnzylber y C. Calderón (2002),Económico
Crecimiento en América Latina y el Caribe: hechos estilizados,
explicaciones y pronósticos, Washington, DC, Banco Mundial,
junio.
Mankiw, G., D. Romer y D. Weil (1992), “Una contribución a la
empíricos del crecimiento económico”,La revista trimestral de
economía, vol. 107, No. 2, Cambridge, Massachusetts, The mit
Press, mayo.
Mia, I., J. Estrada y T. Geiger (2007),Evaluación comparativa nacional
Atractivo para la inversión privada en infraestructura
latinoamericana, Foro Economico Mundial.
Munnell, A. (1990), “¿Por qué ha disminuido el crecimiento de la productividad?
Productividad e inversión pública”,Revisión económica de Nueva
Inglaterra, Boston, Banco de la Reserva Federal de Boston, enero-
febrero.
Nadiri, M. Ishaq y T. Mamuneas (1994), “Infraestructura y servicios públicos
inversiones en I+D y el crecimiento de la productividad de los factores en las
industrias manufactureras de EE. UU.”Documento de trabajo de nber, No.
4845, Cambridge, Massachusetts, Oficina Nacional de Investigación
Económica, agosto.
Noriega, A. y M. Fontela (2005), “Infraestructura pública y
crecimiento económico en México”, Universidad de Guanajato/
Centro de Investigación y Docencia Económicas (CIDE), abril,
inédito.
Pritchett, L. (1996), “Cuidado con las P y las Q. El costo de lo público
la inversión no es el valor del capital público”,Documento de trabajo
de investigación de políticas, No. 1660, Washington, DC, Banco
Mundial. Prud'homme, R. (2005), “Infraestructura y desarrollo”,Anual
Conferencia del Banco Mundial sobre Economía del Desarrollo,
2005: Lecciones de la experiencia, F. Bourguignon y B. Pleskovic
(eds.), Washington, DC, Banco Mundial/Oxford University Press.
Rivera, J. y P. Toledo (2004), “Efectos de la infraestructura pública
sobre el crecimiento de la economía, evidencia para Chile”,
estudios de economia, vol. 31, Santiago, Chile, Universidad de
Chile.
Romp, W. y J. de Haan (2007), “Public capital and economic
crecimiento: una encuesta crítica”,Perspektiven der Wirtschaftspolitik,
vol. 8, Blackwell Publishing.
Sánchez-Robles, B. (1998), “Inversión en infraestructura y crecimiento:
Algunas evidencias empíricas”,Política Económica Contemporánea,
vol. 16, No. 1, Fountain Valley, Asociación Económica Occidental
Internacional.
Solow, R. (1956), “Una contribución a la teoría del crecimiento económico”,
Revista trimestral de economía, vol. 70, No. 1, Oxford,
Oxford University Press.
Straub, S. (2008a), “Infraestructura y crecimiento en países en desarrollo
países: Avances recientes y desafíos de la investigación”,Documento de
trabajo de investigación de políticas, No. 4460, Washington, DC, Banco
Mundial, enero.
(2008b), “Infraestructura y desarrollo: una evaluación crítica
de la literatura a nivel macro”,Documento de trabajo de
investigación de políticas, No. 4590, Washington, DC, Banco
Mundial, abril.
Straub, S., C. Vellutini y M. Warlters (2008), “Infraestructura y
crecimiento económico en el Este de Asia”,Documento de trabajo de
investigación de políticas, No. 4589, Washington, DC, Banco Mundial, abril.
Urrunaga, R. (2010), “Relevancia de la infraestructura y análisis de
los sobrecostos que genera su déficit”,apuntes, No. 65, Lima,
Universidad del Pacífico, enero.
Vásquez, A. y L. Bendezú (2008),Ensayos sobre el rol de la
infraestructura vial en el crecimiento economico del peru, Lima,
Consorcio de Investigación Económica y Social (cies)/ Banco
Central de Reserva del Perú.