Convergencia en el desarrollo

Evidencia para las provincias Argentinas

Nombre y Apellido : Claudio Jesús Robles Alvarez

 Objetivos
• Utilizar el marco teórico de crecimiento neoclásico para estimar el
proceso de convergencia en índicadores de desarrollo a nivel provincial.
• Estimar convergencia sigma y beta absoluta para los siguientes
índicadores de desarrollo de las provincias Argentinas: PBGpc , HDI , Tasa
de alfabetización , mortalidad infantil y esperanza de vida al nacer)
• Estimar convergencia condicional mediante corte transversal y datos de
panel para la variable índice de desarrollo humano(HDI) a nivel
provincial , haciendo énfasis en el impacto de la inversión pública en salud
y educación per cápita y de la coparicipación federal per cápita en la
velocidad de convergencia del índice y en su impacto en el crecimiento
del HDI.
 Introducción
• Los estudios de convergencia surgieron para testear las implicancias teóricas
del modelo de crecimiento neoclásico , en el mismo se afirma que las
economías con un atraso relativo inicial en sus niveles de vida convergen a las
más favorecidas por la presencia de rendimientos decrecientes de capital , los
que garantizan un flow de inversión que refuerza el proceso catch up. (Léase :
los países más pobres con un k menor tienen una tasa de retorno mayor con
lo cual incentivan la inversión)
• Los teóricos de los modelos de crecimiento endógeno niegan la afirmación
anterior , asegurando que externalidades positivas tanto en el capital físico
como humano puede ayudar a las economías a operar con rendimientos
constantes e incluso crecientes de capital , con lo cual no existiría la
propiedad de convergencia sino divergencia.
 Introducción
• En la gran mayoría de los estudios empíricos a nivel internacional se rechaza
la hipótesis de convergencia , con lo cual a priori nos podríamos decantar por
el desarrollo conceptual de los teóricos de crecimiento endógeno. Sin
embargo , la hipótesis de convergencia suele aceptarse al incluir variables que
describan caracteristicas propias de cada país (Tasa de inversión , capital
humano , gasto público , instituciones , crecimiento de la población , etc) ,
este tipo de convergencia suele llamarse convergencia condicional.
• Por otra parte , en el contexto del presente trabajo hay que mencionar que es
más probable encontrar convergencia absoluta al testear el modelo entre
regiones de un mismo país que entre diferentes países , ya que las regiones de
un país suelen ser relativamente mas homogéneas en su nivel tecnológico ,
capital humano , factores estructurales , instituciones , etc y por lo tanto
podría sospecharse que las mismas comparten un estado estacionario común.
 Introducción
• Dado que el Índice de Desarrollo Humano (HDI) tiene componentes
distintos de los ingresos, sería útil explorar la relevancia de la
convergencia para este índice. (Noorbakhsh, 2006)
• El HDI es un índice compuesto de cuatro indicadores y estos reflejan tres
dimensiones principales de desarrollo humano: longevidad, educación y
nivel de vida material. La longevidad se mide por la esperanza de vida ,
la educación por un promedio ponderado de la tasa de alfabetización y
la tasa de matricula (primaria , secundaria y terciaria) con
ponderaciones de dos tercios para el nivel de alfabetización y un tercio
para la matricula , y el ingreso es medido por el logaritmo del ingreso
per capita en usd PPP. (PNUD, 2006, pág. 263).
 Revisión de literatura-Convergencia
Autor Periodo Convergencia Convergencia B Convergencia
B absoluta condicional sigma

Porto (1994) 1953-1980 Se rechaza No se rechaza

Elías (1995) 1884-1953 & Se rechaza Se rechaza
1953-1985

Elías & 1960-1985 No se rechaza No se recaza

Fuentes(1998) (muy leve)

Utera & Koroch 1953-1994 Se rechaza No serechaza No muestra

(1998) tendencia
definida

Willington (1998) 1960-1995 Se rechaza No se rechaza

 Revisión de literatura-Convergencia
Autor Periodo Convergencia B Convergencia B Convergencia sigma
absoluta condicional
Ruso & Delgado 1970-1995 Se rechaza
Figueras et al.(2003) 1980-1998 (se Se rechaza No se rechaza No muestra
trabaja con tendencia clara
series sin filtrar)
Figueras et al. (2004) 1980-1998 (se Se rechaza No se rechaza Se rechaza (DS
trabaja con establa con
series filtradas) tendencia hacía
divergencia)

Figueras et al.(2014) 1970-2017 Se rechaza No se rechaza La dispersión del

1970 es muy similar
a la de 2017

Rabanal (2019) 1985-2005 Se rechaza No se rechaza

 Efecto de transferencias federales
Autor País Efecto de En la variable Efecto final

Capello et al. (2013) Argentina Coparticipación pc En índicadores Efecto negativo o nulo

de desarrollo
Grotz (2015) Argentina Autonomía Fiscal y En PBG pc Efecto positivo de la
Coparticipación pc autonomía fiscal y negativo de
la coparticipación pc
Coulombe & Lee Canada Transferencias federales Efecto positivo en la
(1995&1998) convergencia regional

Kaufman et al. (2003) Canada Transferencias federales Efecto positivo en la

convergencia regional
Ramakrishman & Australia Transferencias No hay efecto positivo de las
Cerisola (2004) mismas en la convergencia de
variables económicas
Rangarajan et al. Australia Transferencias Efectos positivos en la
(2004) convergencia económica
regional
 Efecto de transferencias federales
Autor País Efecto de En la variable Efecto final

Martínez-Vazquez Rusia Transferencias federales Efecto negativo en la

& Timofeev (2010) convergencia regiona,
Maciel et al. & De Brasil Transferencias a Pvcias y Impacto positivo en el
oliveira 2008 Municipios proceso de convergencia
regional
Shuanyou & China Transferencias No han facilitado el
Hongxia (2003) , Gubernamentales proceso de convergencia
Heng (2008) , regional
Candelaria et al.
(2009)
Ferreira Dias & Portugal Transferencias centrales No encuentran un efecto
Silva (2004) positivo en la convergencia
regional
 Fuente de datos
• Los datos de índice de desarrollo humano a nivel provincial se
obtienen del informe del programa de las naciones unidas para el
desarrollo (PNUD 2017) “Información para el desarrollo sostenible:
Argentina y la agenda 2030”.
• Los datos de tasa de alfabetización se obtienen del (INDEC).
(Datos de los censos nacionales de población).
• Los datos de mortalidad infantil se obtienen de las estimaciones
de la Dirección de Estadísticas e Información de Salud (DEIS),
Ministerio de Salud de la Nación.(Publicación realizada por la SIDEP).
 Fuente de datos
• Los datos de esperanza de vida al nacer se obtienen (INDEC).
(Estimaciones realizadas en base a los censos nacionales de
población).
• Los datos de coparticipación federal , población e inversión pública
en salud en educación se obtuvieron de la Dirección Nacional de
asuntos Provinciales (Ministerio de economía de la nación).
• PBG base de datos de O. Meloni (2021) , construida en base a índice
de actividad de Muñoz & asociados y PBG de los centros de
estadísticas provinciales.
 Fuente de datos
Variables Fuente Periodo
HDI PNUD 2017. ONU 1996-2016
Tasa de alfabetización INDEC. (Censos) 1991-2010
Mortalidad infantil Deis. Ministerio de salud de la 1991-2018
nación
Esperanza de vida INDEC. (En base a Censos) 1991-2015
Coparticipación federal DNAP. Ministerio de economía de la 1996-2016
nación
Inversión en salud y educación DNAP. Ministerio de economía de la 1996-2016
nación
Producto Bruto Geográfico O.Meloni 2021 (En base a pbg de 1991-2016
estadísticas provinciales y m&asoc)
Población DNAP 1996-2016
 Modelo
• Basado
  en el framework clásico de convergencia de Barro & Sala-i-Martín , la
velocidad de convergencia 𝜷es computada a través del siguiente modelo de
regresión. (Estimación con datos de corte transversal y método no linear least
squares):
• 1) Convergencia absoluta

• 2) Convergencia condicional
 Modelo
•  : Tasa de crecimiento del indicador de desarrollo Y para la provincia i en
el periodo t+T ; t , dónde T es la amplitud del intervalo considerado.
• : Es el logaritmo de la variable de estudio en el periodo inicial del
periodo analizado.
• : Es una contante.
• 𝜷: Es la velocidad de convergencia
• : Es el término de error. (Se lo asume WN).
• : Es un vector de variables que influyen en el crecimiento del indicador
Y en el periodo estudiado.
 Modelo
• Convergencia
  con datos de panel

• Donde: es el crecimiento del HDI en el sub periodo t+T;t ,es el

logaritmo del HDI inicial en cada sub periodo , es un efecto individual
invariante en el tiempo , es un shcok termporal invariable por
provincia , es una consante , un set de variables que impacten en el
crecimiento del HDI en el sub periodo estudiado , es el término de
error
 Modelo
• Variables (Xt)
• Inversión en salud y educación pero cápita : Se considera dicha
variable en la regresión apegados a la literatura de crecimiento
económico que destaca la relación positiva entre inversión y
crecimiento. En este contexto , resulta interesante estimar el efecto de
la inversión en salud y educación pero cápita dado que contempla la
inversión en 2 de las 3 variables del HDI. Por otra parte , resulta
intrigante ver su efecto dada la escacez de trabajos empíricos de
crecimiento a nivel Argentino que cuenten con variables de inversión
(ya sea tasa o per cápita) como control en regresiones de
convergencia.
 Modelo
• Federalismo Fiscal
• Los canales por los cuales el federalismo fiscal impacta en el
desarrollo económico distan mucho de estar claros. Entre las distintas
versiones de destacan las siguientes :
• 1ra generación de federalismo fiscal : Argumentan que la
descentralización fiscal genera una competencia entre jurisdicciones
para captar tanto empresas como individuos , con esto se genera una
asignación eficiente de los recursos a nivel provincial incentivando el
crecimiento ( Oates ; Field).
 Modelo
• 2da generación de federalismo fiscal : La descentralización fiscal no
genera eficiencia per se , se necesitan de ciertas condiciones para que
dicha competencia jurisdiccional incentive la eficiencia y el
crecimiento. Una de estas es la autonomía fiscal y la otra es una baja
dependencia de transferencias gubernamentales.
• En el presente trabajo se estimará el efecto en la convergencia en el
HDI de la coparticipación federal de impuestos pc , dejando el efecto
de la autonomía fiscal sobre la convergencia para investigaciones
futuras.
 Modelo
•  Otro parámetro interesante es popularmente conocido como “half-
life”, este indicador nos dice en cuantos años estarán las provincias a
la mitad del camino hacía el estado estacionario , y se calcula con la
siguinte fórmula :

• Por último , se estimará la convergencia sigma con el coeficiente de

variación de cada variable , un cv decreciente índica convergencia
sigma y uno creciente lo controraio.
Resultados: Convergencia absoluta
Crecimiento Crecimiento Crecimiento Crecimiento Crecimiento
HDI PBGpc T. Alf. EVN MI
Período 1996-2016 1991-2016 1991-2010 1991-2015 1991-2018
Log(HDI 1996) -0.0196***
(0.00421)
Log(PBGpc 1991) -0.00471**
(0.000564)
Log(EVN 1991) -0.0256***
(0.00476)
Log(MI 1991) -0.0184***
(0.00462)
Constant -0.000637 0.0610*** 0.133*** 0.113*** 0.0210
(0.00110) (0.0195) (0.00257) (0.0203) (0.0148)
Observations 23 24 24 24 24
R-squared 0.509 0.181 0.992 0.567 0.420
Velocidad de convergencia & Half Life
ß 0.0249*** 0.00501* 0.0418*** 0.0396*** 0.0255**
(0.00693) (0.00242) (0.00125) (0.0123) (0.00918)
T 20 25 19 24 27
Half Life 27.84 años 138.35 años 16.6 años 17.5 años 27.18 años
Standard errors in parentheses
*** p<0,01 **p<0,05 *p<0,1
Gráficos
Gráficos
Gráficos
Gráficos
 Gráficos
Convergencia Absoluta
PBG pc

8.5 9 9.5 10 10.5 11

Log (PBG pc 1991)
 Convergencia condicional (HDI)
Crecimiento HDI
Log(HDI) -0.0251*** -0.0154*** -0.0189***
(0.00405) (0.00430) (0.00571)
Log(Inversión pub.pc) 0.000881***
(0.000299)
Log(coparticipación pc) 0.000508** 0.000308
(0.000226) (0.000310)
Constant -0.00777*** -0.00286* -0.00252
(0.00260) (0.00141) (0.00146)
ß 0.0348*** 0.0184*** 0.0238**
(0.00812) (0.00620) (0.00919)
Half Life (T) 19.91 años 37.67 años 29.12 años
Observations 23 23 23
R-squared 0.657 0.608 0.625
Dummy NO NO SI
Standard errors in parentheses
*** p<0,01 **p<0,05 *p<0,1
Convergencia condicional (HDI) con datos de panel (FE)
Crecimiento HDI
Período de 5 años
Log(HDI 0) -0.175*** -0.108***
(0.0379) (0.0163)
Log(Inversión Pública pc) 0.00437* 0.00921***
(0.00221) (0.00165)
Constant -0.0687*** -0.0792***
(0.0171) (0.0142)
Observations 94 94
R-squared 0.656 0.332
Number of groups 24 24
ß 41.58% 15.53%
FE Provincia y Tiempo Provincia
Half Life 1,68 años 4,46 años
34.54 17.61
Hausman/Chi2
(p value=0.0000) (p value=0.0001)
Gráficos
Gráficos
 Convergencia sigma
HDI 1996 2001 2006 2011 2016
CV 3.094 3.119 3.067 2.625 2.154
Brecha (Max/Min) 1.156 1.149 1.134 1.099 1.087
TA 1991 2001 2010
CV 2.742 1.969 1.252
Brecha (Max/Min) 1.11 1.082 1.053
EVN 1991 2001 2010 2015
CV 1.758 2.035 1.419 1.161
Brecha (Max/Min) 1.065 1.085 1.061 1.051
MI 1991 2001 2010 2018
CV 22.013 29.085 23.132 17.749
Brecha (Max/Min) 2.184 3.01 2.543 2.133
PBGpc 1991 1996 2001 2006 2011 2016
CV 90.292 79.906 80.213 74.787 71.25 70.909
Brecha (Max/Min) 12.032 8.702 8.674 8.815 7.564 7.124
Gráficos
Gráficos
Gráficos
Gráficos
Gráficos
 Conclusiones
• Estimando la convergencia absoluta para el índice de desarrollo
humano y diversos indicadores de desarrollo mediante corte
transversal , se acepta la hipótesis de convergencia absoluta en todos
los indicadores , con una velocidad de convergencia que se encuentra
entre 2,5% anual y 4,2% anual dependiendo la variable considerada.
(Salvo el PBGpc que converge a solamente el 0,5% anual). Estas
velocidades de convergencia implican una transición al estado
estacionario de menor duración que la habitualmente estimada (de
35 años de half life).
 Conclusiones
• Estimando convergencia condicional en el índice de desarrollo
humano mediante corte transversal , se obtiene que la inversión
pública en salud y educación per cápita impacta positiva y
significativamente en el crecimiento de dicho índice. Por otra parte ,
al incluir esta variable la velocidad de convergencia se incrementa de
2,49% a 3,48% anual.
• Tambíen estimando la convergencia condicional para dicho índice
incluyendo como variable explicativa la coparticipación federal de
impuestos per cápita la velocidad de convergencia del índice se
reduce de 2,49% a 2,38% anual y dicha variable no reporta
significancia estadística.
 Conclusiones
• Se estima convergencia condicional (T=5) mediante datos de panel
con efectos fijos , tanto con EF por provincia como con EF por
provincia y tiempo.
• En el modelo con EF por provincia se observa una velocidad de
convergencia de 15,53% anual y un efecto positivo y altamente
significativo de la inversión pública en salud y educación per cápita.
• Mientras que en el modelo con EF por provincia y tiempo se observa
una velocidad de convergencia de 41,58% anual (tomar con recaudos.
Barro 1995) , mientras que la inversión pública en salud y educación
per cápita disminuye su significancia estadística al 10% lo que es
consistente con Grotz (2015).
 Conclusiones
• En cuanto a convergencia sigma , solo la tasa de alfabetización
presenta una marcada convergencia sigma en todo el periodo
considerado , mientras que las demás variables presentan una
divergencia-estancamiento en la década de 1990’s (resultado
consistente con Capello et al.(2013)) y convergencia en la década de
los 2000.
• Por último hay que destacar que para todas las variables la brecha
entre la provincia con mayor y la de menor desarrollo se reduce en el
tiempo.
Líneas para investigaciones futuras

• Agregar al análisis el efecto de la autonomía fiscal en la convergencia

en el desarrollo a nivel sub nacional.
• También agregar al análisis conceptos de convergencia espacia.
• Sumar controles adicionales que colaboren a la estimación de
convergencia condicional.
 MUCHAS GRACIAS

CONTACTO
Nombre y Apellido : Claudio Jesús Robles Alvarez
Correo electrónico : jesusrobles3500@gmail.com
Fecha : 17/11/2021

usuario

Jesús Robles
jesusrobles824