Estudios Sociales 29 - UT LANIClanic.utexas.edu/project/etext/ciad/29/29.pdfprofiles, a weighted...

Estudios

Sociales

Revista de Investigación Científica

Estudios Sociales, Revista de Investigación CientíficaVol. XV, número 29, enero-junio de 2007

Número de reserva al título en derechos de autor 04-2004-062213465300-102

ISSN: 0188-4557

DirectorSergio A. Sandoval Godoy

Asistente de la direcciónLauro Paz

Comité técnico editorialMaría del Carmen Hernández, Ángel Vera, Gloria Cañez,

Patricia Salido, Beatriz Camarena

Coordinador de este númeroLuis Huesca Reynoso

Consejo asesor editorialAlejandro Álvarez Béjar (UNAM, México, D. F.)

Clark Reynolds (Stanford University, EUA)Ernesto Camou Healy (CIAD, A. C., Sonora, México)

Luis Reygadas (UAM-Ixtapalapa, México, D. F.)Guillermo de la Peña (CIESAS, Guadalajara, México) Orlandina de Oliveira Barbosa (CES, México, D. F.)

Rita Schwentesius Rindermann (Universidad Autónoma de Chapingo, México)Enrique Leff (PNUMA, UNAM, México, D. F.)

Nigel Harris (University College London, Inglaterra)Igor de Garine (Centre Matinal de la Recherche Scientifique, Francia)

Sonia Grubits (Universidad Católica Dom Bosco, Brasil)Sergio Boisier (Centro de Análisis y Acción Territorio y Sociedad, Chile)

Marie-Jose Nadal (Universidad de Quebec, Canadá)

Edición: M. C. Lauro Paz. Diseño: Aida Espinosa, CIAD A. C.Portada: “El Incendio” de Mario Moreno Zazueta (Técnica mixta).

Suscripciones o correspondenciaEstudios Sociales es una publicación semestral del Centro de Investigación en Alimentación y Desarrollo, A. C. La respon-sabilidad de los artículos y reseñas es estrictamente de sus autores. Para la reproducción electrónica o impresa de materialespublicados en Estudios Sociales se requiere la autorización expresa de su director. Las colaboraciones deben dirigirse a:[email protected]

Centro de Investigación en Alimentación y Desarrollo, A. C.Carretera al Ejido La Victoria, Km 0.6; Apartado Postal 1735, C. P. 83000

Hermosillo, Sonora, México

Director General del CIAD, A. C.: Alfonso Gardea BéjarCoordinadora de Desarrollo Regional: María del Carmen Hernández Moreno

Teléfono (conmutador CIAD): (662) 289 24 00Teléfono (Coordinación de Desarrollo Regional): (662) 280 04 85, fax: (662) 280 00 55

Correo electrónico: [email protected]

Índices a los que pertenece la revistaRed de Revistas Científicas de América Latina y el Caribe, España y Portugal (Red ALyC)Sistema Regional de Información en Línea para Revistas Científicas de América Latina,

el Caribe, España y Portugal (LATINDEX)Citas Latinoamericanas en Ciencias Sociales y Humanidades (CLASE)

Ulrich’s Periodicals Index (Ulrich’s)Latin American Network Information Center (LANIC)

Universidad de la Rioja (DIALNET)EBSCO Publishing

Í N D I C E

A R T Í C U L O S

Characterization of inequality and poverty in the Republic of Haiti Evans Jadotte

7

Main determinants of tenure choice in Spain:cross-analysis of distinct city sizes

Melchior Sawaya57

Crecimiento, demografía e inmigración: estimación en datos en panelpara la Unión Europea

Guillermo Oglietti 85

Disparidad salarial urbana en México, 1992-2002David Castro Lugo

117

Transferencias directas vs inyecciones sectoriales:un análisis estructural del combate a la pobreza

Gaspar Núñez, Clemente Polo155

Causalidad del precio futuro de la Bolsa de Chicago sobrelos precios físicos de maíz blanco en México

José Alberto Godínez Placencia203

Estudios

SocialesRevista de Investigación Científica

Vol. XV, número 29, enero-junio de 2007

R E S E Ñ A

Soy más que mis manosGabriela García Figueroa

225

Characterization ofinequality and poverty inthe Republic of HaitiEvans Jadotte*

Fecha de recepción: enero de 2006.Fecha de aceptación: marzo de 2006.

* Profesor investigador, Universidad Autónoma de Barcelona. Departamentode Economía Aplicada. E-mail: [email protected]

Enero - Junio de 2007 9

Después de aproximadamente veinteaños de estancamiento económicoacompañado de disturbios políticos, larepública de Haití, exhibiendo un PIB percapita en paridad de poder de compra de1,470 dólares estadounidenses, es ac-tualmente el país más pobre del hemisfe-rio occidental y uno de los más pobres delmundo. El presente trabajo de investi-gación también revela que es el país másdesigual en la región más desigual delmundo, a saber, América Latina y elCaribe (ALC). Amén del carácter endémi-co de la pobreza en este país, el proble-ma de la distribución de la renta puederepresentar un verdadero escollo a lasperspectivas de crecimiento y, por ende,debería constituir una de las principalespreocupaciones de los responsables

After nearly twenty years of stagna-tion and economic decline coupledwith political upheavals, the Repu-blic of Haiti, with a GDP per capita ofapproximately 1,470 USD (expressedin Purchasing Power Parity) in theyear 2000, is at this date the poorestnation in the Western hemisphereand one of the poorest of the world.The present research reveals thatthis country is also where income isworst distributed in the mostunequal region of the world, viz.,Latin America and the Caribbean(LAC). Thus, besides the pervasivenature of poverty, income distribu-tion also emerges as a potentialstumbling block to growth pros-pects and should be of high concern

Resumen / Abstract

E S T U D I O S S O C I A L E S

10 Volumen 15, Número 29

políticos en sus programas de lucha con-tra este flagelo. Para trabajo se utiliza laEncuesta sobre las Condiciones de Vidaen Haití para estimar el estado de lapobreza y la desigualdad para el periodo2000/2001. Los primeros resultadosdestacan, sin sorpresa, que la pobreza esmás generalizada en la zona rural mien-tras la zona metropolitana de PuertoPríncipe acusa las tasas más bajas. Elacceso a ciertos factores de producción,tales como la tierra agrícola, no consti-tuye una vía de escape a la pobreza.También se propone una descomposi-ción de la desigualdad en varios ámbitosvía la estimación de mínimos cuadradosponderados para encuestas complejas.Finalmente, se estima un logit policotómi-co ordenado para investigar la probabili-dad de un hogar de ser pobre o indi-gente.

Palabras clave: República de Haití, desi-gualdad, descomposición en múltiplesfactores, pobreza, estocástico.

for policy makers, let alone be partof a global policy to tackle thepoverty scourge. The presentresearch uses the 2001 Haiti LivingConditions Survey, the most recentmulti-topic survey for the Republicof Haiti, for distributive analysis andabsolute poverty assessment.Preliminary results show that pover-ty, as expected, is more widespreadin the rural area while theMetropolitan area of Port-au-Princeis where the incidence of poverty isthe lowest. Surprisingly, access tophysical productive asset, such asland, does not help the peasantescape poverty. In addition to thederivation of inequality and povertyprofiles, a weighted least squarewith proper design based for strati-fied, multistage, and probabilitycluster sampling is used to additive-ly decompose inequality by multiplefactor components. Also, a poly-chotomous ordered logit is estimat-ed to investigate the risk of beingindigent or poor.

Key words: Republic of Haiti,inequality, multiple factor compo-nents decomposition, poverty, sto-chastic dominance.

Introducción

long with the perennial concern of societies to overcomepoverty, a sudden upsurge and interest for inequality at both the academia anddecision makers levels have been quite conspicuous, especially in the LatinAmerican context after the advent of the so-called 'Washington Consensus'.Digging into the agreed upon idea that the best remedy against poverty is sus-tained growth may be one plausible explanation for this sudden interest. It isirrefutable that the pace of reduction of poverty is contingent upon how growthis distributed. Albeit increase in output may be a necessary condition for pover-ty alleviation, it is far from being sufficient as the poor will hardly benefit froma mere average output increase if, in the presence of 'unduly' unequal distribu-tion of resources, very strong assumptions of spillovers or trickle-down effectsare not made. Certain authors do in fact contend that the poor benefit fromgrowth pari pasu with the rich (see Dollar and Kraay, 2000). However, evidenceto support this contention lacks. In fact, in many Latin American countries theexperience has shown spurt growth with increasing poverty. Were such pictureattributable to inequality, this would then make the latter a concern in its ownright (at least at some 'unsustainable' level) and should be part of a global pol-icy to tackle poverty. Under such conditions, inequality should be an issue even


A

in the realm of any Kuznets' viewpoint of development process or an underly-ing social structure characterized by a strong initial tunnel effect.1

Much analysis can be carried out in that respect for the Republic of Haiti,nevertheless not much work has been done or published so far. Apart from var-ious reports of the UNDP-Haiti program, we have found few papers that attemptto characterize the poverty phenomenon in this country. Pedersen andLockwood (2001) determined a poverty line based on the household incomeand expenditure surveys 1986/1987 and 1999/2000 (in french, Enquête sur lesBesoins de Consommation des Ménages (EBCM I and EBCM II)). Beaulière (2004)used the 1994 Health and Demographic Survey (elaborated by l'Institut Haïtiende l'Enfance) to investigate the potential relation between fertility and poverty.One of his main conclusions is that the impact of poverty on fertility in theRepublic of Haiti is non linear. The author also found that high fertility rate isassociated with low literacy and high poverty, and that farmers are the groupthat exhibits the highest fertility rate. Sletten and Egset (2004) established apoverty profile based on the Haiti Living Conditions Survey, which we will dis-cuss later. Their research yields some important results and sheds much lighton the state of poverty in this Caribbean nation. Of particular importance is theMontas (2005) paper focusing on the macroeconomic causes of poverty in theRepublic of Haiti. To our knowledge, heretofore no work has addressed indetail the issue of income distribution in this country; thus, the presentresearch is the first to thoroughly analyze income distribution in the Republicof Haiti and also to assess the risk or probability of being indigent or poor.While this paper does not pretend to be exhaustive, yet it wishes to contributeto a greater understanding of income inequality and poverty in the Republic ofHaiti. We concentrate on the extent of both inequality and poverty, but we alsoexplore certain key factors contributing substantially to these two phenomena



1 Resorting to the basic principle upon which modern economics is built, viz., the Pareto principle ofimprovement (or Pareto superiority), certain authors (such as Feldstein, 1999) sustain that, unless themarginal utility of the income of the rich is negative in the social welfare function, more inequality maybe good for society as a whole because if the rich earn more the pie susceptible for sharing gets bigger,therefore every society component is a potential winner. However, other authors also point out how highinequality can have a negative impact on growth via its socio-political effects, making it difficult (let aloneimpossible) for policy makers to effectively fight poverty (for further insight in this literature see, Perotti(1993, 1994); Alesina and Perotti (1994); Alesina and Rodrik (1994); Persson and Tabellini (1994); Alesinaand Perotti (1996), and Perotti (1996)).

and make an appraisal of the vulnerability or risk borne by certain populationsubgroups.

This paper is organized as follows. Section 2 sketches out some issues per-taining to complementary inequality indices, the choice of poverty lines andpoverty measures, as well as certain concepts related to the determination ofneeds or household homogenization. In Section 3 we discuss the data, where-as Section 4 presents the empirical results and treats additional statistical andeconometric issues for inequality decomposition and poverty risk assessment.Finally, Section 5 comments certain caveats and concludes.

2. Inequality and poverty measures

2.1 Alternative measures of inequality

Three standard and complementary inequality measures are used for incomedistribution appraisal. The Lorenz curve (L(p)), the Gini coefficient (G), and thegeneralized entropy family indices (GE(2 ) ).2 Let F(y)=I

yf (y)d y be the proba-

bility distribution function of living standards (y), and let the pth quantile of indi-vidual living standard be defined as Q(p)=inf{ y>0|F(y)$p, L(p )0[0,1].Finally, let F be the average living standards. Thus, our complementary meas-ures of inequality of interest can be expressed as follows:

CENTRO DE INVESTIGACIÓN EN ALIMENTACIÓN Y DESARROLLO, A.C.


[1]

[2]

[3]

2 2 is a parameter that captures the income difference sensitivity.

Equations 1, 2, and 3 give the functional forms of the Lorenz curve, the Ginicoefficient, and the generalized entropy family of inequality indices (see,among others, Atkinson (1970), Sen 1973, Kakwani (1980), Cowell (1995) foran overview of the properties and drawbacks of these different measures). Ifthe population is divided into k subgroups, then Equation [3] can be additive-ly decomposed to take account of intra group and inter group inequality as fol-lows:

where i (k) is the share of subgroup k in total population. We deal with pover-ty issues in the next subsection.

2.2 Poverty

Traditional poverty assessment requires at the outset the establishment of awelfare threshold above which any individual will be deemed not poor.Consider x =[x1, x2, ..., xk ] a vector of goods that a household can possibly con-sume, and p =[p1, p2, ..., pk ] another vector of prevailing prices. Thus, for agiven level of utility (Uz) deemed a minimum that guarantees an individual tolead a dignified life, the poverty line, z, can then be defined as follows:

where c(.) is the cost function for that minimum welfare standard or utilitylevel, and >(x) an indicator of individuals preferences exhibited over the spec-trum of goods contained in the vector x. Despite the importance of this deviceto assess deprivation within a society, the debate as to the best availableapproach to setting it continues unabated.3 To make international comparisonsacross LDCs, the World Bank (WB) establishes a standard and rough-and-readypoverty line of constant 1985 US $1 PPP or US $2 PPP per day for low and mid-



3 Sen (1979), Ravallion (1998), Kakwani and Son (2001), and Kakwini (2003) are very good referencesfor both theoretical and empirical approaches to setting poverty lines and their drawbacks.

[4] GE(2 ) := i (k ) GE(k,2 )+ GE(2 )EF(k )

F(F )[ ]2

K

k=1

intra group inequality

inter group inequality

[5]

dle income countries (or indigence and poverty), respectively. Many authorssuggest that any poverty line will be influenced by the current living standardsand should be defined accordingly.4 Thus the line established by the WB istotally arbitrary as that standard on every country may not be sufficient to sat-isfy the country-specific minimum calorie requirements (Kakwani, 2003).Moreover, as countries in different situation are being treated equally underthis approach, such method of setting a poverty line violates the horizontalequity and consistency principles of a poverty line. We use an absolute pover-ty line, as expressed in Equation [5], based on the cost of basic needs (CBN)approach, corrected to allow for variations in the consumer price index for bothfood and non-food items. The result yields a scaled-up indigence and povertylines of HTG 4,845.51 and HTG 6,438.60, respectively. The class of povertyindices considered in this research is the FTG (Foster, Greer, and Thorbecke,1984), as given in [6].

where Y:= [y1, y2, ..., yk ]' is an ordered vector of individual incomes,y i0Ü+ + : = [ 0 , 4 ] , i=1,2,...N. The indicator 1(.) generates binary respons-es 1 or 0 if its argument is, respectively, true or false, and ‘ is a parameter thatcaptures the degree of aversion of society to poverty. Moreover, for ‘ equals 0or 1, [P (z; = 0) and P (z; = 1)], the FTG collapses to the crude povertyindices that are still the mainstay of poverty statistics, viz., the headcount ratioand the poverty gap ratio, respectively. Equation [6] may be decomposed toaccount for the contribution of g mutually exclusive but additively exhaustivepopulation subgroups to overall poverty. This is represented in Equation [7].



4 See in that respect, Kakwani (1984) and (2003), and Ravallion (1998).5 The original poverty line was determined by Pedersen and Lockwood (2001) for the Republic of Haiti.6 HTG stand for Haitian gourde (the national currency).

[6]

[7]

where yh, ng, Yg, and P (Yg; z), are respectively the income of some individual hin any subgroup g, the number of individuals in the subgroup, the vector ofincomes pertaining to g, and the corresponding poverty index. It is straightfor-ward that the portion is the absolute contribution of group g tooverall poverty.

Ordering conditions for this class of indices that allow an analyst to unam-biguously assert the existence of more poverty in one distribution than anoth-er and by the same token check for robustness of the poverty estimates areprovided in the next proposition.

Proposition (Foster and Shorrocks, 1988a, 1988b, 1988c): Given two distri-butions Y AfQ and Y BfQ , and 0Ü*={0}c Ü

+, P(YA;z)#P(YB;z), z0[z-,z+],

with z-$0 and z+<4, ]YAD4+1YB (read Y A4+1-Order dominates YB) over thedomain [0,4).

As is clearly stated by the previous preposition, if unambiguous dominanceis found for some member of the P class dominance relation will ipso factohold for P4+1(though not vice versa). Household homogenization is dealt withnext.

2.3 Household homogenization

Individuals are the entity to whom income nominally accrues, but the benefitsof income typically extend beyond individual level as these are distributedacross various members sharing a same roof. This probably gives good groundfor accepting the household as usual unit of analysis in welfare assessment.Households though typically differ in needs as they exhibit differences in sizeand demographic composition. Thus, consistent distributive and poverty analy-sis calls for allowance to be made for households' respective size and demo-graphic composition. To homogenize and make valid cross households com-parisons in this research, we use a highly refined equivalence scale as given in[8] that these issues into account.



A

[8]

where is are parameters that capture the weight of infants and children of dif-ferent age groups, and $is and *is are other parameters reflecting the respec-tive weights after interaction between age and gender has been accounted for.7

A break-down of the respective weights is given in table A1 in annex).

3. The data and application

The data used in this research come from the "Enquête sur les Conditions deVie en Haïti" (Haiti Living Conditions Survey, acronym in French ECVH-2001).The ECVH-2001 is the first multi-topic household survey with nationally repre-sentative cross-section data and was implemented by the "Institut Haïtien deStatistique et d'Informatique" (the Haitian Statistical Office, (IHSI)) in collabora-tion with the United Nation Development Program-Haiti (UNDP-Haiti) and thetechnical support of "Fafo Institute for Applied Social Science" (Fafo)-Norway.The survey was conducted on approximately 7,800 households during themonths of May through August 2001. Satisfactory responses were recorded for7,186 households, for a total of 33,007 individuals on the roster file. We com-pile all information on household characteristics is according to the householdmain provider of resources aged 15 years or older. Some filters to ensure con-sistency of the point estimates and their standard errors were also carried out.Moreover, since sampling or probability weights are influential on the pointestimates as are clustering and stratification on the standard errors, so whennot accounted for via proper design-based analysis, the former will be incon-sistent while the latter will more likely be biased downward.8 Therefore, fullattention has been given to probability weights, clustering, and stratification.

4. Empirical results and discussion

4.1 Anatomy of income distribution

Inequality in the Republic of Haiti is among the highest in the world. At a 95per cent confidence level the estimated Gini coefficient lies within the interval;our best point estimate is 0.6457. As can be observed from table 1 below, the



7 Superscripts F and M stand for female and male, respectively.8 See Cochran (1977), Lee, Forthofer and Lorimor (1989), Duclos (2002), and Araar and Duclos (2004)

for further analysis on sampling design and techniques of distributive and poverty analysis.

Republic of Haiti ranks the second highest unequal country in the world afterNamibia, according to available data; the Republic of Haiti also surpassesBrazil, which has been traditionally the most unequal country in the LatinAmerican and Caribbean (LAC) region. This result is consistent with the figuresdisplayed in table 2, where large disparities between the top 20 per cent andthe bottom 20 per cent of the population are observed: more than 68 per centof total income goes to the highest quintile, while less than 1.5 per centaccrues to the lowest 20 per cent. Inequality of land ownership though is notas high as one might have expected taking into account measured landinequality for other countries of the region.9 Sletten and Egset (2004) contendthat land distribution in the Republic of Haiti is more egalitarian than in othercountries of the area because of the specificities of Haiti's independence warand the development of the Haitian state.10



9 Gini for land ownership for the region is on average 0.8. Gini for the Republic of Haiti is 0.66, whilethe Dominican Republic for instance registers a Gini index of 0.74 (see Mora-Báez, 2003).

10 Egset (2004) "Rural Livelihoods" (in Egset and Lamaute-Brisson (eds.): Living Conditions in Haiti(forthcoming), Port-au-Prince: IHSI), provides further insights on this issue.

Table 1. Gini index for selected countries and regions

Namibia Republic of Haiti* Brazil LACSub-Saharan AfricaSouth-Asia

0.700.650.600.490.470.32

Source: World Bank, World Development Indicators 2001, except for *, author's

own calculations based on the ECVH-2001. Note: weighted and proper design

based data. Those indices should be taken cautiously as direct comparison may

not be possible on account of different methodologies that may be used to provide

those estimates.

Table 3 and both panels (a) and (b) of figure 1 below also give evidence ofdifferent levels of inequality among residential areas. In general more inequal-ity is registered in the urban area than in the rural one, albeit the former con-tributes less to global inequality than the latter. However, the difference ininequality between the rural area and the metropolitan area of Port-au-Prince(MA of PaP) may be regarded as inconclusive since at least one crossing of theLorenz curve has been observed.11 Noteworthy, no re-ranking of residential isobserved heedless of the approach used to measure inequality.

At regional level, Département du Nord-Est is where income distribution ismostly skewed with an estimated Gini of 0.70; while Sud-Est, Centre and Nord-Ouest are the least unequal regions (see table A2 in annex for Gini estimatesby Département). Although Département de l'Ouest registers a relatively lowinequality level, it is the region that contributes the most to overall inequalitywith a relative contribution of approximately 51%, followed by Artibonite withmore than 11%. Inequality decomposition in table A3 also gives fairly the sameresults as to the intensity of inequality within the different Départements.



11 It would probably be interesting to estimate generalized Lorenz curves (GLC) to assess welfare lev-els between these areas, but this is not our purpose in this paper.

Table 2. High and low inequality countries

Republic of Haiti* HondurasBoliviaParaguay Brazil

Source: World Bank, World Development Indicators 2001, except for *, author's own calculations based on the

ECVH-2001. Note: weighted and proper design based data.

1.51.61.91.9 2.6

1.51.61.91.9 2.6

68.061.861.860.763.0

31.435.733.335.936.8

Slovak Republic JapanAustriaCzech RepublicBulgaria

High InequalityCountries

Low InequalityCountries

Lowest

20%

Highest

20%

Lowest

20%

Highest

20%



Table 3. Gini coefficient by area of residence

Source: Author's own calculations based on the ECVH-2001, standard errors are in parenthesis. Note: weighted

and proper design based data.

National All Urban MA of PaP Semi-Urban Rural

0.65(0.0122)

0.65(0.0221)

0.57(0.0208)

0.64(0.0160)

0.56(0.0116)

Fig.1 Lorenz Curves illustrating Lorenz dominance by area of residence



Socio-demographic characteristics and inequality

Gender does not seem to reveal any significant difference in inequality. Boththe Gini scalar and decomposition by generalized entropy underscore negligi-ble difference between these two groups. This finding may be seen peculiar asone would expect to observe substantial difference in average living standardof the two groups, but since we are dealing with total income such result isquite plausible. As will be further put into relief, remittances is one of the fac-tors contributing much to inequality, and female-headed households not onlyare the typical recipients12 but also receive relatively more in terms of bulk oftransfers. Hence, this may be operating as an 'income equalizing factor'between male and female-headed households. Notwithstanding the afore-mentioned, households whose main provider is male contribute more toinequality than their female counterparts. Inter-group inequality for agecohorts and labor market status of main provider also cast negligible differ-ences. One salient feature of labor market status of the main provider is thatinequality is basically explained by what may be regarded as "earnings inequal-ity" since, as measured by the first Theil index (GE(1)), the contribution of the'employed' within this group is more than 74%. But given the structure of theRepublic of Haiti's labor market this interpretation should be moderate since itis estimated that between 70 and 80 per cent of the labor force is absorbed bythe informal sector.13 In reference to age cohorts, main providers aged 26through 40 along with those aged 41 through 54 contribute the most to totalinequality. This probably corroborates the previous result since those age cat-egories are the most common in the labor market.

Inequality within education groups, as is evidenced in table A3, is fairly sim-ilar while estimation of group contribution is revealed somewhat ambiguous.14

As can be observed from the table, the group with no education contributesmore to inequality while the account for the post-secondary and university

12 60 per cent of female-headed households receive remittances as opposed to roughly 40 per centof their male counterparts that do.

13 See Doura (2001) and especially Lamaute (2002) for discussions on labor market structure and theinformal sector economy in the Republic of Haiti.

14 One should be cautious here when making direct comparison among groups, given the existenceof positive correlation between the generalized entropy index and the sample size.



groups is insignificant for 2 = 0. This tendency would eventually reverse as thesensitivity to income differences is increased. But as expected, between-groupinequality is substantial with approximately 16 per cent of the total. This sug-gests that policies that aim at reducing inequality should focus on breachingthe gap between the different groups with special emphasis being put on basiclevels of educational attainment. In reference to economic sector, hotels, com-merce and restaurants and the sector that includes other services explainmuch of the inequality for all levels of 2 considered. Meanwhile, agriculture,fishing and extractive industries display one of the lowest contributions.

4.1.1 Statistical and econometric issues:decomposing inequality by various factor components

Instead of decomposing inequality in one dimension (as is done in the previ-ous section), it is sometimes very useful and informative to posit an income-generating-function equation to account separately for the role of multiplecovariates in the level of inequality from a single survey. Many methodologieshave been proposed for such endeavor but a literature survey herein would gobeyond the scope of the present research. So, the reader is referred to variouspapers from Fields et al. (1998), and Fields (2002, 2004) and the literaturetherein for a review of different methodologies and their limitations. In thispaper we follow Fields' (2002) methodology to additively decompose inequali-ty for a set of covariates.

Let yi be the income of individual i, then the income-generating-functionmay be expressed as follows:

where xij are covariates that capture individual characteristics, and * and yj areparameters to be estimated; finally, i is the traditional error term for which theusual iid hypothesis applies.15

15 In our context, subsumed in this assumption is that proper correction for clustering is accountedfor.

[9]



Equation [14] may be rewritten as

where

and

By taking the variance of [11a] and after some manipulations and assump-tions16 the inequality measure of interest is reached on the left-hand side andthe contribution of each covariate on the right hand side. The results will bevalid for any inequality index that satisfies the anonymity and continuity prop-erties and for which the index is null when all individuals have the averageincome, i.e. I(F, F, ..., F)=0. The entropy family indices, the Gini index, amongother relative inequality indices, fall under such category. After further manip-ulations of Equation [11] we get the exact contribution of each covariate, as isrepresented in Equations [12] and [13]:

A standard Mincer-type equation is discarded for this analysis since we areinterested in measuring total income inequality. Accordingly, the dependentvariable is log of total income including self-consumption and barter. The set

[10a]

[10b]

[10c]

16 See Shorrocks (1982) for the underlying assumptions.

[11]

[12]



of covariates are treated in a discrete fashion, in particular to relax the assump-tion of constant marginal returns to education and by that better captures thebetween educational levels earnings differentials. A weighted least squareusing the household weight and size as inflation factors is performed to ensureconsistency of the parameters estimates. Given the population heterogeneity(e.g. substantial variability across strata), additional corrections to account forsurvey design, i.e. stratification and clustering, are also introduced for efficien-cy (see Carrington, Eltinge and McCue (2000) for the issues involved in suchtask).

The regression results are presented in table 5 and White-Huber-Eicker(Sandwich) standard errors are used to derive factor relative contribution toinequality. Parameters estimates from the regression will not be fully discussedhere, but the signs are as expected (except for age profile). It is worth mention-ing that, as one would forecast, education is positively correlated with incomeand is highly significant; agricultural land ownership, contrary to what onewould hope for a country of agricultural vocation, only seems to be making adifference at generating higher income when the stretch of land possessed islarger than 10,000 square meters (1 ha).17

The regression results show clearly that inequality is basically explained bythree factors: a) big disparity in income generating capability among geo-graphic departments (basically between Département de l'Ouest and the restof the country), accounting for 41 per cent; b) the difference in (proxy) of earn-ings structure by educational level, the contribution of which is approximately32 per cent; and c) the difference between households who receive remittancesfrom relatives abroad and those who do not, accounting for more than 16 percent of overall inequality.18

On light of such findings, policy implications are straightforward. Althoughit is manifest that there exist dramatic infrastructure deficits all over the Haitianterritory, programs that aim at reducing inequality should focus on decentral-

17 As can be observed from the results in table 5, legitimacy of this dummy is "rejected" by the datasince its coefficient (by the robust t-Stat = Estimate/Robust Sdt.) is not significantly different from zero;nonetheless in the rural area possession larger than 10,000 square meters does make a difference atgenerating higher income (results for the rural area are not reported here).

18 The value of R2 (0.32) is typical of income or earnings equations and can be considered here asacceptable, nonetheless it should be pointed that the real contributions of these variables may be some-what lower given the relative low value of R2.



ization by providing the geographic departments, other than Département del'Ouest, with more and better infrastructures as well as greater access to serv-ices in order to help these geographic regions converge with Département del'Ouest; without discarding of course the necessity to improve and regulateinvestments made for such purpose in that Département, in particular the MAof PaP. Besides helping reduce inequality, policies of that kind could also haveconsiderable spillovers such as stemming the demographic exodus leading toa population crowding in the MA of PaP; an exodus that has as corollary demo-graphic imbalances with the potential perverse effects this may have on thecountry's balanced growth and development prospects if we consider the core-periphery pattern (in terms of economic activities and government services)that already exists between the MA of PaP and the remaining geographicaldepartments of this country.

As it is accustomed to setting the task and aim of education policy to pro-mote less inequality via increased (and judicious) investment in this sector,public policy can foster what we could call 'acceptable' or 'justifiable' inequalityrelated to education. That is, a level of inequality that could be construed bysociety as 'fair' after adjustment for differences in levels of education complet-ed is made.19 In turn, remittance recipients are among the less affected by per-vasive poverty. While this group contributes substantially to inequality, policyinterventions, such as taxing transfer recipients more heavily than othergroups would have to be investigated further in order to avoid potential count-er-productive effects since, as the data reveal, there is a positive correlationbetween remittances and the level of human capital within the household. Inany event, our stance towards inequality is not to consider it as an evil per se,though there are certain levels of inequality that can only be a hindrance togrowth and development prospects. Examples and evidence that explain howhigh levels of inequality (with the ensuing distributional conflict) fosters all sortof instability (e.g. riots, macroeconomic instability, class conflicts, coup-d'états,etc.) within a society abound. The Republic of Haiti exemplifies the case forsuch contention.

19 One method proposed in the literature for such analysis has been advanced by Podder and Tran-Nam (2003).



Table 5. Results of income function. Depvar:

Log of per adult equivalent (WHO-scale) income

Obs 7157 Pop size 8074008Number of Strata 9 P > F 0.0000Number of PSUs 496 R2 0.3161 Estimate

0.36950.79721.9094

-0.0366-0.13410.08180.1429-0.1268

-0.4044-0.24510.5815

-0.5038-0.1527-0.11250.05080.2522

-0.5429-0.7374-1.6303-0.7830-0.5636-0.7146-0.8277-0.84168.2474

Robust Std.†

0.04690.07430.1746

0.06160.06120.07290.07070.0346

0.07980.04680.0473

0.13800.07440.07570.07580.0861

0.10470.10320.13970.14540.10480.11580.11030.13440.1009

Deff20

2.06483.24232.2546

1.47631.36541.47491.11871.5616

2.38791.50232.2409

3.86962.44122.78762.50452.9764

3.20903.67572.86628.79983.73334.73533.80534.30883.1313

Contribution (pj)

0.3212

0.0029

0.01120.0318

0.16300.0595

0.4103

1.0000

Education(Reference: No education)Primary***Secondary***Post-secondary or higher***Age profile(Reference: Age 15-25)26-40 41-55**55-65>65**Gender (1 if Female)*** Labor market status(Reference employed)Unemployed (according to ILO)*** Inactive***Transfer (1 if household receives transfers from abroad)***Agricultural Land Ownership (area in sq.meters) (Reference: No land)1-1000***1001-5000**5001-1000010001-25000>25000***Geographic Department(Reference: Ouest)Sud-Est***Nord***Nord-Est***Artibonite***Centre***Sud***Grande-Anse***Nord-Ouest***InterceptTotal

†Heteroskedasticity-robust standard errors are in the third column. Wald test revealed joint significance for all dum-

mies within a category. *** implies significance at p < 0.0005, and ** p < 0.025; no asterisks implies no significance.

20 The design effect (Deff) arises from the deviation between the variance of the complex surveydesign (F2

complex) and the variance under assumptions of simple random sampling (F2SRS). Since

F 2complex=F 2

SRS[1+D (ñ -1) ] , thus Def f=F 2complex/F 2

SRS=[1+D (ñ -1) ] , where D and ñ are theintra-cluster correlation coefficient and the average cluster size, respectively. Accordingly, Deff > 1 isindicative of a downward bias of the unweighted and OLS standard error for not accounting for the prop-er design of the survey since it is unlikely that all elements within the clusters are equal (see Lee,Forthofer, and Lorimor (1989) and Deaton (1997) for further discussion).



4.2 Anatomy of poverty and robustness of ordinal comparisons

This section focuses on poverty estimates and rankings. As will be soon evi-denced, indigence and poverty estimates go in line with published statisticscomparing, by almost all standards, the Republic of Haiti with Sub-SaharanAfrican countries.

From the thresholds specified above, our best indigence and poverty pointestimates are, 0.65980[0.6338,0.6858] and 0.74350[0.7182,0.7689],respectively. All estimates that we will discuss briefly are presented in tables A4and A5 in annex.21 As can be observed, except for Département de l'Ouest(where Port-au-Prince is located), all regions display indigence and povertyrates well above national level. Figure 2 below gives evidence of the robustnessof this result for poverty estimation; it can clearly be seen that all regions arestochastically dominated by Département de l'Ouest.22 Although poverty inci-dence seems to be higher in Nord-Est than any other geographic department,this result is not robust to the choice of poverty line since no clear dominanceis found between this region and Artibonite, Grande-Anse and Nord-Ouest(albeit for low level of welfare, from zero through 5,000 gourdes, the (cen-sored) distribution function curve of the former is everywhere above those ofthe latter). Accordingly, we may consider that poverty rates are not too differ-ent among these geographic departments. However, accounting for deepnessand severity of poverty, we may conclude that the poor are mostly concentrat-ed in Nord-Est and Nord-Ouest. Thus policies devised to tackle this scourgeshould pay particular attention to these two regions, along with Départementde l'Ouest and Artibonite, which contribute the most to overall poverty.

21 Only poverty estimates are discussed in this paper. The results for indigence estimates for differentpopulation subgroups show the same trend as poverty. Detailed statistics for indigence can be obtainedunder request.

22 Such finding probably justifies the popular neologism "The Republic of Port-au-Prince", in that thebulk of important activities, whether economic, political or cultural, take place in Port-au-Prince.

As is illustrated below in figure 3 (panels a, b and c) stochastic dominancetests (at either 1st, 2nd or 3rd-order) underscore much ambiguity between semi-urban and rural areas, so there is no evidence that households in the formerfare less well than those in the latter. In any account, poverty is more wide-spread in rural than in semi-urban area. By panel (a) it remains clear howeverthat there is more poverty in these two areas than in the MA of PaP. As expect-ed, the MA of PaP registers the lowest level of poverty with a contribution of 13per cent, while the rural area accounts for approximately 68 per cent of over-all poverty.



Fig. 2 Illustration of poverty dominance by Département

Fig. 3 Illustration of poverty dominance by area of residence

Headship does not seem to reveal much difference in the incidence ofpoverty, nonetheless in no case should this be construed as if female and maleenjoyed the same level of welfare since, in the context of developing countriessuch as the Republic of Haiti, it is most likely that decisions of intra-householdallocation for providing stock of human capital to the offspring are biasedtowards boys. Hence, it is most likely to observe household investment in (say)schooling and health care to be less important for girls. Moreover, as can beobserved from panel (a) in figure3 below, no 1st-order stochastic dominance isregistered; male-headed households only start dominating their female coun-terparts at 2nd-order, which is an indication of how deep and severe23 povertyis within the latter group of households.



23 Severity is an implication of second order stochastic poverty dominance sketched in the aboveproposition, since male-headed households will automatically poverty dominate their female counterpartsat third order.

The data also disclose the usual negative correlation between human capi-tal (understood here as years of schooling) of main provider and poverty inci-dence; 87% of households whose main provider has no educational back-ground are poor. This group also accounts for about two-thirds of overallpoverty. Poverty incidence decreases monotonically as main provider's level ofeducation increases, making in the end the contribution of household's mainprovider with post-secondary or university level of studies negligible. Theseresults are not surprising and are very robust. Figure 5 below gives account ofthe robustness and dominance pattern among educational levels.



Fig. 4 Illustration of poverty dominance according to gender of household's main provider

Moreover, the association of lack of education and poverty is probably anindication of the Republic of Haiti's poor record of educational attainment24

given that approximately 84% of the population (about 88% of the poor) dwellin households whose main provider has 6 or fewer years of education. Adultequivalent income is about thirteen times larger in households whose mainprovider has post-secondary or university study level than in those for whichthe main provider is illiterate. Thus, it goes without saying that education isone key element in fighting poverty.

The previous assertion is more readily understood in the context of the fol-lowing figures: although considerable progress has been made in the field ofliteracy under the constitutional government stemmed from the 2000 elec-tions, there is still a lot of ground to cover. Roughly one half of the populationhas access to education, 76 per cent of the students, whose families are steer-ing south and west to cover the outrageously onerous expenses on education,attend private schools that constitute 89 per cent of the totality of schools allover the territory. Concurrently, 58 per cent of the school enclosures are notproperly designed to their true purpose, while only 15 per cent of the teachersare qualified to a level deemed adequate by the Haiti Ministry of Education.Despite this bleak picture, public spending on education represents roughly1.5 per cent of GDP compared to approximately 4 per cent spent by public sec-tor in other low income countries of the region for the same purpose.



Fig. 5 Illustration of poverty dominanceaccording to schooling of main provider

24 Or could there be a dual causality in operation?

The Republic of Haiti, along with Afghanistan and Somalia, is one of thethree countries in the world with more daily calorific deficit per inhabitant, thusat this stage of pervasive misery where the indigence rate is 66 per cent (i.e.two-thirds of the population cannot make ends meet, let alone to feed them-selves to their hunger), should the Haitian State continue to delegate to the pri-vate sector the responsibility of providing basic education (to wit, primary andsecondary levels) to the masses, with the financial burden for the families,inadequate school enclosures and under-qualified teachers this entails, thevicious circle of poverty-lack of education and low literacy-poverty could onlyperpetuate, and its corollary is the tearing of this country society's fabric andthe dismantlement its citizenship; these are two phenomena under which clawspeople living in Bel-Air, Cité Soleil, La Fossette, Raboteau (among others) arealready.25 In that vein, sound policies should be devised and well implementedin order provide the most deprived in the Republic of Haiti with a key element,to wit education, to better take advantage of income-earning opportunities.26

Contrary to what one would expect according to life-cycle or permanentincome hypothesis, differences in poverty estimates among age categories ofmain provider are negligible. On account of conventional wisdom from theafore-mentioned hypothesis, an additional evidence that would be construedas peculiar is that households whose main provider is over 65 years have thehighest adult equivalent income. This finding is similar to what other authorsfound for certain countries in the region. For instance, Ferreira, Lanjouw andNeri (2003) suggest, as one of their interpretations for such 'peculiar' finding inBrazil, an excessively generous (and regressive) pension system in operation.Hoffman's (2001), and Bourguignon, Ferreira and Leite's (2002) explanationsalso go in that line. Such appreciation though could not apply to the Republicof Haiti as state pension system is virtually nonexistent. Székely (1998) alsofound for Mexico that age of head of household is irrelevant in explainingpoverty. In the context of various African countries, Kaboré (2000) suggeststhat life cycle effects vanish as they are internalized by community support,



25 These are slums where the majority of poor are concentrated in the MA of PaP and other major cities,such as Cap-Haïtien and Gonaïves. For instance, it is estimated that about one million people, of whom thevast majority are vegetating below the indigence line, live in Cité Soleil (Northwest of Port-au-Prince).

26 Though it should be emphasized here that primary and secondary education are the levels where thegovernment has a key role to play.

which implies a certain socialization (or collectivization) of individual income,and hence consumption. In light of these findings, life-cycle hypothesis doesnot seem to be well supported by available evidence in the context of theRepublic of Haiti and less-developed countries in general.

As to the household structure, famille nucléaire (i.e. biological parents plusthe children), single-parent family, and extended family are those for whichhigher indigence and poverty estimates are registered, although there is noclear stochastic dominance among these three. But probably the most strikingevidence from the data is the inability of agricultural land-owners to escapepoverty even in the rural area despite the country's agricultural vocation.27 Atnational level, 78 per cent of agricultural land-owners are indigent while 87 percent of them are poor.28 Concurrently, those estimates for no agricultural land-owners are, respectively, 50 and 58 per cent, and land-ownership only startsmaking a difference at reducing poverty when the stretch of land possessed is10,000 square meters or more. Figure 4 below gives evidence of the robust-ness of these results.



Fig. 6 Illustration of poverty dominance according toagricultural land ownership

27 According to recent data from the Bank and the IMF the agricultural sector employs about two-thirdsof the labor force, while it contributes to approximately twenty seven per cent of GDP (see the World BankHaiti data, 2003).

28 Economic sector of main provider of resources also reveals that agriculture, fishing, and extractiveindustry are the activities where indigence and poverty incidence is the highest.

Those estimates are fairly similar at rural level. However, rural indigenceand poverty rates should be taken cautiously since we are using the samepoverty line as in the national case, while it is most likely that prices for agri-cultural products are lower for rural-dwellers, where the bulk of food is pre-sumably produced and therefore certain costs, such as transportation costswhich city-dwellers face, may diminish or at best be eliminated. Since no pricedata are available in the ECVH-2001 we could not treat urban and rural areasdifferently to account for potential differences in price. Sensitivity analysis, cor-recting the national line below, revealed considerable decrease in indigenceand poverty rates for the rural area. The next section discusses this issue.

4.2.1 Sensitivity analysis

Tables 5 and 6 below present indigence and poverty estimates based ondietary adult equivalent income using the recommended allowance per day(WHO) scale, adult equivalent income using the standard (1982) OECD scale, percapita income (which does not account for potential economies of scales thatcould operate within the household), and adult equivalent income based on theequivalence elasticity for an g equal to 0.75.



As can be observed from the tables, the OECD lowers respective indigenceand poverty rates by approximately 6.5 and 4 per cent, while the equivalenceelasticity (g=0.75) scale decreases those rates by 8 and 5 per cent, in thesame order. The converse is true for per capita income, which does not accountfor potential economies of scale within the household. The increase in that caseis about 11 and 7 per cent for indigence and poverty, respectively. As a firstobservation though, we note that indigence is more sensitive to the equivalencescale used than is poverty and of all the estimates severity [P(z ; =2)] is themost sensitive to a scale change. Second, the OECD and the equivalence elas-ticity (g=0.75) scales may not be capturing the specific weights of children andthe weights stemmed from interaction between age and gender, giving thisway more importance to the level of economies of scale than is actually takingplace within the household and therefore underreporting the scope of depriva-tion. On the contrary, per capita income, by not making allowance foreconomies of scales (partly because of its tacit ethical stance of neutrality todemographic composition), may be inflating the needs of certain householdmembers and thereby increasing indigence and poverty incidence, in particu-lar when there are many children and female within the household. In anyevent, we do not believe there exists large scope for economies of scales with-



Table 5. Sensitivity of indigence estimates to the choice of equivalence scales

Source: Author's own calculations based on the ECVH-2001. Note: weighted data.

per capita WHO-scale OECD Equivalence Elasticity(g = 0.75 )

P (z; =0)P (z; =1)P (z; =2)

0.620.360.25

0.660.390.28

0.740.460.34

0.610.350.25

Table 6. Sensitivity of indigence estimates to the choice of equivalence scales


per capitaWHO-scale OECD Equivalence Elasticity(g = 0.75 )

P (z; =0)P (z; =1)P (z; =2)

0.710.440.32

0.740.470.35

0.800.540.41

0.700.430.31

in Haitian households since, as is evidence by the high indigence incidence, itis quite plausible to assume that the bulk of expenses has to be done on food,which does not leave much room for other expenses since discretionaryacquisitive power is most likely very low for a typical household. Food in turnis not a public good, nonetheless, given certain characteristics of the Haitiansociety, mutual aid and an extended kinship system could be operating atmicro-level as a quasi-perfect substitute for the dysfunctional state pensionand social security system, and inexistence of employment benefits, givingplace to the possibility of food sharing, even among non family members.Consequently, the more 'conservative' results from the recommended dietaryallowances per day (WHO-scale) seem to be more plausible and appropriate inour context.

Indigence and poverty rates reported in this research rely on Perdersen andLockwood's (2001) poverty line, scaled up to account for variations in con-sumer price index. Nonetheless, had there been price data from the ECVH-2001 survey, calibration to derive 'more accurate' indigence and povertythresholds could have been performed and differential treatment could havebeen given to urban, semi-rural, and rural areas. Hence, further sensitivityanalysis implemented at both national and rural levels discloses indigence andpoverty rates to be fairly sensitive to the choice of the respective lines.




+5%+10% -10% -5%

IndigencePoverty

-3.60%-2.99%

0.66%

0.39%

1.86%1.05%

-1.70%-1.28%

Table 7. Sensitivity of national indigence and poverty rates topercentage changes in the threshold

Source: Author's own calculations based on the ECVH-2001. Note: weighted and proper design based data.

-10%-25% -15% +10%

IndigencePoverty

-5.59%-4.21%

-10.66%-8.45%

-3.75%-2.99%

3.29%2.30%

Table 8. Sensitivity of rural indigence and poverty rates topercentage changes in the threshold

As can be observed from table 6, at national level, increasing the thresholdby 10 percentage points elevates indigence and poverty rates by more than 3and 2 per cent, respectively. A similar decrease in the threshold gives approx-imately the same results, although the decrease in those rates is slightly moreaccentuated. As is evidenced from table 7, these observations are not differentat rural level. It is thus suggested by these findings that in the distribution ofper adult equivalent income (by the WHO-scale standard) few individuals areconcentrated around both the indigence and the poverty lines at national andrural levels. The previous assertion means that any marginal change in thepoverty (or indigence) line would not have great impact on the estimates. Inother words, the effort to be exerted to tackle this scourge must be swift andsteady.

4.2.2 Vulnerability assessment: risk of being indigent and poor

In the previous sections we tried to document the incidence of indigence andpoverty in different segments of the population. As the results are based on apre-established threshold, consequently the measures are simply capturingthe contemporary status of a household's well-being. However, as is suggest-ed by Chaudhuri (2003), if we think of poverty (and by extension indigence) tobe a stochastic phenomenon, where today's poor may not be tomorrow's poor(and vice versa), then this type of ex-post analysis in the previous sections,although it presents a clear picture in terms of identifying and quantifying thisphenomenon, may not be of great relevance for devising forward-looking anti-poverty policies. Thus, instead of adopting a static approach to that matter,knowing how the income (or consumption) prospects of a household or certainpopulation subgroup are likely to evolve over time (i.e. an ex-ante analysis) issometimes of greater interest.

An analysis of this caliber requires at the very outset the explicit specifica-tion of the underlying data-generating process for (say) the deprivation index.The regression techniques generally used in such case are non linear modelsto capture the impact of each covariate on the dependent variable, the out-comes of which are of discrete choice.29 The categorization we make to esti-



29 There is contention that such specification does not make full use of the information available in thedata since some of it is lost because of the dichotomization (in our case polychotomization), but it is alsobelieved that predictive power of the covariates is better assessed via such technique.

mate the probability of being indigent or poor mandates the use of a multino-mial or a polychotomous ordered logit. We adopt the latter alternative toimpose legitimate ranking on the outcomes since the latent variable is bothdiscrete and ordinal (see Borooah 2002 for further discussion), where it takesthe values 1, 2 or 3 if a household is non poor, poor or indigent, respectively.Multinomial logit would fail to account for the ordinal nature of the dependentvariable and thus not employ all the information available in that variable (Liao,1994).

Specification of the polychotomous ordered logit:

Suppose we can estimate the probability of being indigent or poor using thefollowing latent regression:

Let the thresholds for poverty and indigence be respectively 21 and 22 theparameters to be estimated along with the $s via maximum likelihood meth-ods (it is straightforward that 21<22, and that both are superior to zero). Thenlet y* be the unobserved latent variable defined as follows:

The probabilities of y taking the values 1, 2 and 3 are

where is the logistic cumulative distribution function.30 Consequently, it isassumed that the error terms follow a logistic distribution. Thus, the orderedlogit is given by:



[13]

[14]

[15a]

[15b]

[15c]

30 This specification is slightly different from Greene's (2000) in that the first threshold, is set to zero inGreene while in Stata the threshold absorbs the intercept term.

As usual, the marginal effects of the covariates on the probabilities are notequal to the coefficients (Greene, 2000: 876). Such marginal effects of varia-tions in the covariates are given as follows:

The specification of [18] is appropriate for continuous independent vari-ables. As is clearly demonstrated in Borooah (2002), for binary determinantsthe effect should be analyzed by comparing the probabilities that result whenthe dummy variable takes one value with the probabilities that are the conse-quence of it taking the other value, the values of the other variables remainingunchanged between the two comparisons.31 Results from the regression arereported in tables 8 and 9 below. The model fits the data quite well and showscompliance with the irrelevance of independent alternative (IIA) hypothesis byfailing to accept the null hypothesis of non systematic difference in the coeffi-cients of the full and the restricted models (results for the Hausman test is intable 9 below).32 Moreover, except for certain estimates associated with age(26-40, 55-65, and >65) and agricultural land possession (>25,000 square



[16a]

[16b]

[16c]

[17a]

[17b]

[17c]

31 Accordingly, since we are dealing with dummy variables only, the (i =1, 2, 3) transcriptionis purely conventional and should be read in this case as the change in predicted probabilities instead ofpartial derivative; the change in expected probability is calculated at the mean.

31 See Booroah (2002) and Greene (2000) for issues related with ordered and multinomial discretechoice models and the IIA hypothesis.

meters) all other coefficients are significantly different from zero. Altogether, aspresented in table 8 below, probabilities of falling into the categories of nonpoor, poor, and indigent are 0.25, 0.08, and 0.67 respectively.

As expected, risk of being indigent or poor decreases exponentially as thelevel of education increases. By the sign of these coefficients we can infer that,ceteris paribus, higher education is associated with a lower risk of being indi-gent or poor and consequently a higher probability of being non poor. If theindigence risk of a household whose main provider has completed primaryeducation is 32 per cent, for someone who has post-secondary or higher edu-cation this risk collapses to 0.07 per cent. Columns 4 through 6 in table 9 givethe marginal effects (the expected change) on the probability of being in oneof the three categories defined above. The results disclose the importance ofhuman capital in reducing the vulnerability to 'deprivation'. On average, beingeducated increases the probability of being non poor by 32 per cent while itdecreases probability of indigence by 34 per cent. Notwithstanding the jointsignificance of the age profile dummies, not much though can be inferred fromthis variable.

As is discussed in several studies, data most of the time disclose a feminiza-tion of the poverty phenomenon. In the previous ex-post analysis, first orderdominance test between female and male main provider was inconclusive,meaning that poverty rate between these two groups was not very different.However, the logistic regression results reveal that on average females bearhigher risk than males. Having female as main provider increases the risk ofa household to be in indigence by approximately 6 per cent, while it decreas-es the probability of being non poor by about 5 per cent. This bleaker picturefor households whose main providers are female may be due largely to tworeasons. Firstly, women participate less in the labor market than men.Secondly, they are by far less educated than men.33 Moreover, the difference in



Table 9. Overall probability of being non poor, poor, or indigent(calculated as mean of predicted individual probabilities)

P ( y = 0 ) 0.2484P ( y = 1 ) 0.0826P ( y = 2 ) 0.6690

33 Although participation in the labor market is one necessary condition to prevent someone from livingin an abject state, it is far from being sufficient. There may well be factors within the labor market that tac-itly exclude certain groups from the process of generating higher incomes.



Table 10. Polychotomous ordered logit estimates

Observation 7157Wald P2(29)=1079.87; Prob>P2= 0.0000Log pseudo-likelihood = -4960.0083 Pseudo R2=0.1661Hausman IIA (29)=61.19; Prob>P2= .0004 Estimate

-0.760-1.316-2.591

0.1490.273

-0.005-0.0060.276

0.4470.405

-0.795

0.9440.6080.5790.305

-0.140

1.7551.5970.5421.6691.509

0.8990.9362.1091.0430.9480.9020.8781.234

0.8731.403

Robust Std.†

0.0850.1050.362

0.1330.1390.1520.1590.077

0.1390.1000.085

0.1730.1110.1080.1190.119

0.1230.1430.1610.1110.142

0.1390.1220.2010.1150.1230.1240.1310.137

0.1700.171

Deff20

2.0282.8792.226

1.4991.4511.6471.0721.595

2.6441.5842.332

0.6870.6420.4060.5700.672

1.5931.5382.2072.1482.146

2.1612.6181.4994.2312.5372.9962.7012.164

1.0181.030

Education(Reference: No education)Primary***Secondary***Post-secondary or higher***Age profile(Reference: Age 15-25)26-40 41-55**55-65>65**Gender (1 if main provider is female)*** Labor market status(Reference employed)Unemployed (according to ILO)*** Inactive***Transfer (1 if household receives remittances)***Agricultural Land Ownership (area in sq. meters) (Reference: No land)1-1000***1001-5000**5001-1000010001-25000>25000***Household Type(Reference: Single)Famille nucléaire***Single-parent family***Couple***Large family***Complex family***Geographic Department(Reference: Ouest)Sud-Est***Nord***Nord-Est***Artibonite***Centre***Sud***Grande-Anse***Nord-Ouest***(Thresholds)2122

0.1370.2630.569

-0.024-0.0430.0010.001

-0.045

-0.065-0.0610.145

-0.118-0.087-0.083-0.0470.024

-0.234-0.174-0.075-0.257-0.174

-0.115-0.121-0.186-0.135-0.120-0.117-0.114-0.142

0.0330.044

-0.016

-0.007-0.0130.0000.000

-0.013

-0.022-0.0200.034

-0.046-0.030-0.029-0.0150.007

-0.079-0.071-0.027-0.073-0.068

-0.044-0.045-0.082-0.050-0.046-0.044-0.043-0.057

-0.170-0.307-0.553

0.0310.057

-0.001-0.0010.058

0.0880.081

-0.179

0.1630.1170.1120.062

-0.030

0.3130.2450.1020.3300.243

0.1580.1670.2680.1850.1650.1600.1570.199

MC ( y=1)M x

MC ( y=2)M x

MC ( y=3)M x

labor market participation may in fact be the corollary of the former having lesshuman capital than the latter, or may simply be due to disguised gender dis-crimination.34 As is rightly suggested by Lipton (1994), certain cultural arrange-ments may also inhibit women to escape deprivation, as for example largeshare of domestic commitments which prevents them from seizing new andprofitable work opportunities as readily as men.

Remittances, which represent roughly one third of the country's GDP,35

appear to have a positive impact on people's 'well being' (despite its substan-tial contribution to inequality). Households who do not receive transfers (bothin kind and in cash) from relatives abroad fare less well than those who do andthe prospects of the former group are gloomier. Apart from the fact that remit-tances alone give households greater command over consumption goods,there can also be depicted some other direction of causality. Contingencytables (not reported here) indicate that remittance recipients have higher stockof human capital relative to non recipients. Thus, on account of the ability ofthis factor (human capital) to reduce vulnerability to indigence or poverty, forhousehold within that category the odds against being non poor should be(and are in fact) slim. As is reported in the logistic regression results (table 9above), being a remittance recipient reduces the risk of being indigent byabout 18 per cent while it increases the probability of being in the non poorcategory. Accordingly, policies to target and provide education subsidy to fam-ilies non beneficiaries of this kind of transfers (and who have proven to be inneed) should be desirable.

Various studies emphasize the strong link between landlessness and pover-ty, in that agricultural land possession should confer lower deprivation inci-dence than landlessness (for empirical evidence in Indian villages see Lanjouwand Stern, 1991). Evidence of such link is rather mixed. Besides, as isadvanced by Delgado, Matlon, and Reardon (1991), landlessness may well beconstrued as a proxy for greater ability to work in non-farm sector which yieldshigher return. While an analysis of this factor would be more appropriate if itwere held at rural level, given the high proportion of households who possess



34 This last issue is investigated in a subsequent study as it is beyond the scope of the present research.35 Transfers made by the Haitian Diaspora to their relatives amount to roughly 1 billion US dollars, while

actual GDP is 3.4 billion.

land all over the territory,36 the regression results at national level give a fairlygood approximation of the problems pertaining to the group of land-ownersand these results may be extrapolated to the rural zone (the signs of the coef-ficient estimates are the same in rural area, but with different significancelevel). In the context of the present study, contrary to what is emphasized inmost studies, land-owners are more likely to be deprived. This finding mayseem somewhat surprising given the structure of the Haitian economy. Thenthe question to beg is why in a country of agricultural vocation such as theRepublic of Haiti farmers (and especially peasants) cannot escape poverty.

One element of answer could be found by looking at the agrarian structureor 'efficient' plot size. According to the Food and Agriculture Organization (FAO,1995), to be able to make a living a typical family in the Haitian context wouldnecessitate between 2.5 to 3 hectares of arable land, meanwhile close to 60per cent of land-owners have less than one hectare (10,000 square meters)and about 83 per cent possess less than 3 hectares. Doura (2001: 81) alsoreports an average exploitation scale of 1.4 hectares with a tendency of theseexploitation scales to diminish through out time. This is due to the continuingparceling out, attributable in part to the equal sharing of bequest imposed onheirs, low productivity and languishing acquisitive power of, in particular, therural poor. Concurrently, the typical family structure for the group of land-own-ers is either famille nucléaire or large family. This means that production canonly be made at subsistence level to feed a large amount of mouths.37 The typeof technology available to farmers is a determining factor on the farm's pro-ductivity. While less than 1 per cent of the farms use mechanical irrigation,more than 70 per cent of them depend on rainfalls; also, less than 37 per centof farmers use fertilizers.38 These findings are indicating that, albeit anotheragrarian structure is in order, policy makers should be cautious about thedirection of agrarian reform. In such context, a sound agrarian reform wouldprobably require that attention be paid not just to equity but also to how effi-



36 More than 60 per cent of household do possess agricultural land (See table A6 in annex).37 As a matter of fact, subsistence agriculture is prevalent, with more than 80 per cent of cultivated land

on small plots les than 0.65 hectares (see Doura, 2001: 67).38 It would also be very useful to have series of data in order assess the change in farmers' welfare after

the liberalization process that started in the early 1980s when import quotas and tariffs on agriculturalgoods (in particular rice) were basically brought down to zero, leaving farmers in the impossibility to com-pete with 'subsidized' imports.

ciently land can be used after any land redistribution program has been imple-mented. Public Sector would then accompany such policies with others capa-ble of fostering an environment that promotes, especially in the rural area,investment in employment generating activities with potential higher returnsthan in the agricultural sector.

As to the household structure, famille nucléaire and large family display thehighest vulnerability to indigence and poverty. As compared to single familiesthe risk of being indigent is 31 and 33 per cent higher for famille nucléaire andlarge family, respectively. Similarly, their probability of being non poordecrease by 23 and 26 per cent, in the same order. Results for geographicdepartment go in line with previous finding. Nord-Est and Nord-Ouest are thegeographic regions most vulnerable to this scourge.

5. Concluding remarks and caveats

This research attempted to document the extent of inequality and poverty inthe Republic of Haiti adopting as theoretical basis a monetary approach. Itallowed putting into relief different characteristics of indigent and poor house-holds while it also pinpointed key factors contributing to the high level ofinequality and those influencing the risk of being indigent and poor. In anyaccount, and in light of recent political developments, what the ECVH-2001reveals may be euphemistic as of the publication of the present research since,after the 36 per cent contraction that the Haitian economy has experiencedfrom 1986 to 2000, it is estimated that GDP per capita has again registeredsome 10 per cent decline in the wake of the 2000 presidential elections up tonow. This means that the picture may even be bleaker since it is most proba-ble that the situation of the most vulnerable have worsened.

Being at this date the poorest country in the Western hemisphere, theRepublic of Haiti also displays the highest level of inequality in the mostunequal region of the world. In general, less inequality is registered in ruralarea than in urban zone, while indigence and poverty are more acute in the for-mer. Albeit poverty is more widespread in the rural area, there is no evidencethat the semi-urban area fares better or worse than the rural one because sto-chastic poverty dominance test between them is inconclusive. While contem-porary indigence and poverty status of female and male-headed households



(or having female or male as main providers) is fundamentally similar, the for-mer bear higher risk than the latter, so forward-looking anti-poverty policiesshould account for this fact and create incentives for greater participation ofwomen in the labor market as well as providing them with greater human cap-ital as a means to 'equalize' their opportunity within the labor market. One ofthe salient points of this research, which confirms most of Beaulière's (2004),and Sletten and Egset's (2004) findings, is the inability of agricultural land-owners (in particular rural peasants) to escape poverty. This group also showshigh vulnerability and, although we could enumerate many factors contribut-ing to this matter, probably the most significant is the type of technology avail-able to them, the 'inefficiency' of the exploitation scale available to most ofthem, and their low level of literacy.

No definite assertion can be put forward in terms of the correlation betweeninequality and poverty, though it is noteworthy that Département du Nord-Est,where indigence and poverty rates are the highest along with greater vulnera-bility, is also the most unequal.39 Moreover, the factors contributing the most toinequality are regional disparities (disparity due basically to the differencebetween Département de l'Ouest and the rest of the country), education, andremittances. The first two, viz., regional disparities and education, are thedomain where policy makers' role may be crucial. The high contribution ofregional disparities to overall inequality points to the wisdom that balanced lev-els of infrastructure and access to services among the different Départementsshould be among policy priorities, while it goes without saying that provisionfor basic education to the majority of Haitians should be the top priority andconstitute the bulk of Public Sector budget.

Finally, the debate about the influence of inequality on a country's growthprospects, and hence its potential ability to reduce poverty, is still gatheringmomentum. Examples and evidence that explain how high levels of inequality,and therefore distributional conflict, fosters all sort of instability (riots, classconflicts, macroeconomic instability, coup-d'états, etc.) within a society aboundand the Republic of Haiti exemplifies the case for such contention. Althoughdata are not available to carry out a rigorous analysis and certify such interac-tions for this country, we would like to urge that Cap-Haïtien, Fort Liberté,



39 Nonetheless, land distribution there is the second least unequal after Département du Centre.

Gonaïves, and Port-au-Prince, chief-towns of Départements du Nord, Nord-Est,Artibonite, and Ouest, respectively, are the hottest spots and traditional epi-centers of this country's class conflicts and political upheavals. 'Incidentally'they also register the highest levels of inequality (see table A2 in annex).40

Whether there is a direction of causality or not from this rough-and-readyobservation, inequality, although it should not be construed as an evil per se,should be a concern in its own right for policy makers in the Republic of Haitiand be part of a national policy to tackle poverty and by the same token stemthe tearing of this country's society fabric and the subsequent dismantlementof its citizenship. Were the ongoing political developments to disclose a struc-turally unfair distribution of resources, one possible way to take direct action inthat sense is the design and enforcement of a progressive tax regime that trulyreflects and expresses the sense and spirit of distributive and social justice,while simultaneously making heed of efficiency.



39 There exists another strand in the literature that associates class conflicts and political upheavals with'polarization', a concept that is different from (though not incompatible with) inequality (see among others,Esteban and Ray, 1994 & 1999; Wolfson, 1994; Gradín, 2000; and Duclos, Esteban, and Ray, 2003).Polarization in the Republic of Haiti is investigated in a forthcoming paper.

Annex



Table A1. World Health Organization Equivalence Scales

Population group Adult EquivalentInfant 0-0.5 0.22

Infant 0.5-1 0.29

Child 1-3 0.45

Child 4-6 0.62

Child 7-10 0.69

Male 11-14 0.83

Male 15-18 0.98

Male 19-50 1.00

*Male 25-50 1.00

Male 51+ 0.79

Female 11-14 0.72

Female 15-18 0.74

Female 19-24 0.76

Female 25-50 0.76

Female 51+ 0.66

Table A2. Gini index by Département

Ouest 0.60 (0.0171)

Sud-Est 0.52 (0.0209)

Nord 0.65 (0.0283)

Nord-Est 0.70 (0.0480)

Artibonite 0.65 (0.0331)

Centre 0.53 (0.0364)

Sud 0.55 (0.0232)

Grande-Anse 0.56 (0.0176)

Nord-Ouest 0.52 (0.0261)

Equivalence scales based on information from "Recommended Dietary Allowances,

revised - Food & nutrition Board, National Academy of Sciences and Energy and

Protein Requirements. Report of a Joint FAO/WHO/UNU Expert Consultation.

Technical Report Series 724, World Health Organization. Geneva 1985

Source: Author's own calculations based on the ECVH-2001. Note: weighted and

proper design based data. Standard errors are in parentheses.



Total Country

DépartementOuest

Sud-Est

Nord

Nord-Est

Artibonite

Centre

Sud

Grande-Anse

Nord-Ouest

Between-group Inequality

Residential areaMA of PaP

Semi-Urban

Rural

Between group inequality

GenderFemale-Headed households

Male-Headed households


Age group15-25

26-40

41-54

55-65

0.87(0.0348)

0.73 (0.0459)

0.51 (0.0457)

0.86 (0.0860)

1.07 (0.1522)

0.85 (0.0913)

0.53 (0.0729)

0.62(0.0603)

0.69 (0.0535)

0.57 (0.0584)

0.15(0.0025)

0.65 (0.0474)

0.88 (0.0671)

0.64 (0.0277)

0.19(0.0077)

0.88 (0.0379)

0.86 (0.0415) 0.0018

(0.0000)

0.80 (0.0614)

0.86 (0.0427)

0.92 (0.0589)

0.86 (0.0729)

Table A3. Generalized entropy decomposition by groups and sectors

2 = 0 2 = 1 2 = 2Absolute

shareAbsolute

shareAbsolute

share

0.27(0.0202)

0.03 (0.0038)

0.09 (0.0119)

0.04 (0.0092)

0.12 (0.0158)

0.04 (0.0057)

0.05 (0.0063)

0.06 (0.0096)

0.03 (0.0035)

0.15 (0.0153)

0.16(0.0197)

0.38 (0.0232)

0.41 (0.0189)

0.47 (0.0233)

0.07 (0.0064)

0.33 (0.0181)

0.28 (0.0197)

0.11 (0.0102)

0.87(0.0434)

0.70(0.0523)

0.50 (0.0418)

0.86 (0.1012)

1.01 (0.2071)

1.10 (0.1524)

0.57 (0.0995)

0.57(0.0615)

0.59 (0.0573)

0.51 (0.0597)

0.15(0.0022)

0.61(0.0534)

0.90 (0.0938)

0.64 (0.0454)

0.21(0.0040)

0.88 (0.0480)

0.85 (0.0509) 0.0019

(0.0000)

0.75 (0.0798)

0.79 (0.0411)

0.94(0.0858)

0.92 (0.0893)

0.44(0.0377)

0.02 (0.0029)

0.06(0.0150)

0.01 (0.0053)

0.10 (0.0257)

0.03(0.0072)

0.03(0.0040)

0.03 (0.0052)

0.01 (0.0018)

0.32 (0.0348)

0.12 (0.0230)

0.22 (0.0278)

0.38 (0.0256)

0.49(0.0356)

0.06 (0.0106)

0.33 (0.0242)

0.28(0.0358) 0.1161

(0.0191)

2.15(0.2346)

1.34 (0.1827)

0.86(0.0879)

1.97 (0.4604)

2.31(0.8931)

6.01(1.3379)

1.17 (0.3469)

1.03 (0.280)

1.20 (0.3526)

0.90 (0.1988)

0.15(0.0040)

1.04 (0.1479)

2.72 (0.7048)

1.92 (0.4773)

0.25(0.0035)

2.33 (0.3302)

2.02 (0.2485) 0.0019

(0.0000)

1.73 (0.4880)

1.57(0.1644)

2.86 (0.4952)

2.39 (0.3443)

1.44 (0.2168)

0.02 (0.0044)

0.10 (0.0407)

0.01 (0.0069)

0.34 (0.1417)

0.04 (0.0174)

0.02(0.0084)

0.03(0.0106)

0.01(0.0027)

1.24 (0.2109)

0.28 (0.0997)

0.38 (0.1215)

0.94 (0.1419)

1.21 (0.1752)

0.15 (0.0530)

0.68 (0.0898)

0.79 (0.1842)

0.29 (0.0754)



> 65


EducationNo Education

Primary

Secondary

Post-Secondary and University


Agricultural Land OwnershipYes

No


Economic SectorAgriculture, Fishing, Extractive Industry

Manufacture, Electricity, Construction

Commerce, Hotels, Restaurants

Community and domestic services

Other Services


Labor Market StatusEmployed

Unemployed (according to the ILO)

Inactive and non-working population


0.88 (0.0688) 0.0014

(0.0000)

0.68 (0.0279)

0.72 (0.0363)

0.67 (0.0481)

0.66 (0.0816) 0.1891

(0.0108)

0.60 (0.0254)

0.91 (0.0458) 0.1405

(0.0005)

0.56(0.0331)

0.67(0.0624)

0.90 (0.0594)

0.76 (0.0766)

0.94 (0.0439)

0.09(0.0028)

0.85(0.0414)

0.95 (0.0707)

0.93 (0.0518) 0.0029

(0.0001)

Table A3. Generalized entropy decomposition by groups and sectors

2 = 0 2 = 1 2 = 2Absolute

shareAbsolute

shareAbsolute

share

0.11 (0.0102)

0.08 (0.0070)

0.37 (0.0167)

0.19 (0.0113)

0.12 (0.0104)

0.01 (0.0024)

0.34 (0.0181)

0.40 (0.0232)

0.17 (0.0146)

0.05 (0.0052)

0.25 (0.0175) 0.0348

(0.0041) 0.27

(0.0155)

0.60 (0.0301)

0.09 (0.0089)

0.18 (0.0122)

0.92(0.1126) 0.0014

(0.0000)

0.68 (0.0470)

0.64 (0.0365)

0.61 (0.0610)

0.49(0.0644) 0.2423

(0.0159)

0.60(0.0458)

0.80(0.0510) 0.1342

(0.0023)

0.59(0.0803)

0.59 (0.0660)

0.89 (0.0702)

0.68 (0.0856)

0.84 (0.0513)

0.09(0.0028)

0.88 (0.0537)

0.74 (0.0639)

0.89(0.0630)0.0027

(0.0001)

0.1161 (0.0191)

0.08 (0.0166)

0.20 (0.0223)

0.16 (0.0144)

0.20 (0.0263)

0.06 (0.0104)

0.18 (0.0230)

0.55 (0.0394)

0.09 (0.0196)

0.05 (0.0083)

0.34(0.0398)

0.07 (0.0116)

0.22 (0.0203)

0.64 (0.0461)

0.07 (0.0098)

0.15 (0.0166)

2.87(0.7869) 0.0014

(0.0000)

2.01 (0.5062)

1.15(0.1320)

1.10 (0.2085)

0.57 (0.1076)0.4096

(0.0330)

1.60 (0.4811)

1.59 (0.1937) 0.1343

(0.0041)

2.14 (0.9349)

1.00 (0.2071)

1.99 (0.2813)

1.29 (0.3166)

1.83 (0.3349)

0.09(0.0032)

2.24 (0.2730)

1.36 (0.4098)

2.15 (0.3547) 0.0026

(0.0001)

0.29 (0.0754)

0.25 (0.1007)

0.33 (0.1048)

0.28 (0.0441)

0.67 (0.1604)

0.46 (0.1042)

0.27 (0.1005)

1.75 (0.2282)

0.18 (0.0965)

0.11 (0.0311)

1.04 (0.2142)

0.29 (0.0889)

0.44 (0.0985)

1.71 (0.2396)

0.14 (0.0468)

0.30 (0.0670)



Table A4. Indigence decomposition by group and sector

Total Country

DépartementOuest

Sud-Est

Nord

Nord-Est

Artibonite

Centre

Sud

Grande-Anse

Nord-Ouest

0.66(0.0133)

0.45 (0.0272)

0.77(0.0293)

0.76 (0.0307)

0.89 (0.0346)

0.78 (0.0257)

0.73(0.0329)

0.78 (0.0283)

0.76 (0.0261)

0.83 (0.0287)

C (z;%=0) Contribution

0.25 (0.0219)

0.07 (0.0090)

0.12 (0.0131) 0.0513

(0.0082) 0.16

(0.0213) 0.08

(0.0107) 0.10

(0.0097) 0.10

(0.0140) 0.07

(0.0073)

0.39(0.0111)

0.22 (0.0177)

0.43 (0.0241)

0.49 (0.0260)

0.68(0.0456)

0.50(0.0383)

0.40 (0.0215)

0.49 (0.0319)

0.49 (0.0252)

0.51 (0.0372)

0.21 (0.0202)

0.07 (0.0085)

0.13 (0.0147)

0.07(0.0111)

0.17 (0.0210)

0.07 (0.0097)

0.11 (0.0113)

0.11(0.0151)

0.07 (0.0078)

0.28(0.0109)

0.14 (0.0139)

0.29(0.0209)

0.37 (0.0232)

0.57 (0.0432)

0.37 (0.0397)

0.27(0.0168)

0.36(0.0314)

0.37 (0.0236)

0.38(0.0365)

0.19 (0.0202)

0.06 (0.0083)

0.13 (0.0157)

0.08 (0.0132)

0.18 (0.0216)

0.06 (0.0091)

0.11 (0.0127)

0.11 (0.0169)

0.07 (0.0085)

C (z;%=1) Contribution C (z;%=2) Contribution

Total Country

DépartementOuest

Sud-Est

Nord

Nord-Est

Artibonite

Centre

Sud

Grande-Anse

Nord-Ouest

0.74(0.0129)

0.55(0.0296)

0.84 (0.0233)

0.83 (0.0280)

0.93 (0.0284)

0.87 (0.0157)

0.83 (0.0248)

0.86(0.0213)

0.84(0.0248)

0.90 (0.0189)


0.27 (0.0229)

0.07 (0.0084)

0.11(0.0125)

0.05 (0.0076)

0.16 (0.0221)

0.08 (0.0102)

0.10 (0.0092)

0.10 (0.0140)

0.06 (0.0069)

0.47(0.0112)

0.29 (0.0197)

0.53(0.0239)

0.57 (0.0262)

0.74(0.0420)

0.58(0.0333)

0.50(0.0222)

0.57 (0.0292)

0.56 (0.0245)

0.60 (0.0325)

0.23(0.0207)

0.07 (0.0085)

0.12 (0.0139)

0.06 (0.0099)

0.17(0.0209)

0.07 (0.0099)

0.11 (0.0104)

0.10 (0.0150)

0.07(0.0073)

0.35(0.0104)

0.19 (0.0158)

0.37 (0.0221)

0.44 (0.0242)

0.63 (0.0433)

0.45(0.0379)

0.35(0.0188)

0.43 (0.0308)

0.44(0.0238)

0.46 (0.0356)

0.20(0.0201)

0.07(0.0084)

0.13(0.0149)

0.07 (0.0117)

0.18 (0.0210)

0.07(0.0095)

0.11 (0.0115)

0.11 (0.0157)

0.07 (0.0079)


Table A5. Poverty decomposition by group and sectors



Table A5. Poverty decomposition by group and sectors

Residential areaMA of PaP

Semi-Urban

Rural

GenderFemale-Headed households

Male-Headed households

Age group15-25

26-40

41-54

55-65

> 65

EducationNo Education

Primary

Secondary

Post-Secondary and University

Agricultural Land OwnershipYes

No

Labor Market StatusEmployed

Unemployed

Inactive and non-working population

0.41 (0.0315)

0.81 (0.0195)

0.85(0.0102)

0.76 (0.0153)

0.73(0.0140)

0.71 (0.0275)

0.72(0.0173)

0.76 (0.0160)

0.77 (0.0182)

0.76 (0.0175)

0.87(0.0085)

0.69 (0.0211)

0.49(0.0277)

0.20(0.0532)

0.87(0.0080)

0.58 (0.0232)

0.4(0.0132)

0.70(0.0330)

0.78 (0.0195)


0.13(0.0157)

0.19 (0.0217)

0.68 (0.0270)

0.47 (0.0098)

0.53(0.0098)

0.08 (0.0052)

0.37 (0.0086)

0.32 (0.0080)

0.14 (0.0073)

0.10(0.0050)

0.64 (0.0137)

0.24 (0.0093)

0.12 (0.0085)

0.00 (0.0016)

0.66(0.0189)

0.34 (0.0189)

0.70 (0.0138)

0.09 (0.0073)

0.20 (0.0111)

0.20 (0.0178)

0.54(0.0206)

0.55 (0.0134)

0.49 (0.0129)

0.45 (0.0123)

0.44(0.0221)

0.45(0.0143)

0.50(0.0137)

0.48(0.0148)

0.48(0.0172)

0.57 (0.0111)

0.42 (0.0156)

0.25 (0.0168)

0.07 (0.0212)

0.56 (0.0120)

0.35 (0.0182)

0.45 (0.0118)

0.47(0.0264)

0.52 (0.0169)

0.10 (0.0120)

0.21(0.0233)

0.70(0.0265)

0.48(0.0105)

0.52 (0.0105)

0.08 (0.0053)

0.37 (0.0093)

0.33 (0.0089)

0.13 (0.0073)

0.10 (0.0052)

0.67 (0.0132)

0.23 (0.0097)

0.10 (0.0074)

0.00 (0.0009)

0.67 (0.0187)

0.33 (0.0187)

0.69 (0.0148)

0.10 (0.0083)

0.22(0.0119)

0.13(0.0129)

0.41 (0.0204)

0.41 (0.0139)

0.36 (0.0119)

0.33 (0.0114)

0.32 (0.0197)

0.33 (0.0130)

0.38 (0.0127)

0.35(0.0140)

0.35 (0.0171)

0.44 (0.0118)

0.31(0.0135)

0.17(0.0130)

0.04 (0.0146)

0.41 (0.0128)

0.26 (0.0156)

0.33 (0.0110)

0.36 (0.0242)

0.40 (0.0155)

0.082 (0.0105)

0.21 (0.0246)

0.70 (0.0270)

0.48 (0.0113)

0.52 (0.0113)

0.08(0.0057)

0.36 (0.0104)

0.33 (0.0099)

0.13 (0.0076)

0.10 (0.0056)

0.68 (0.0134)

0.23 (0.0102)

0.09 (0.0072)

0.00 (0.0008)

0.68 (0.0194)

0.32 (0.0194)

0.68 (0.0154)

0.10 (0.0091)

0.22 (0.0126)




Table A6 Population share (percentage) by group and sector

DépartementOuestSud-EstNordNord-EstArtiboniteCentreSudGrande-AnseNord-Ouest

Residential areaMA of PaPSemi-UrbanRural

GenderFemale-Headed householdsMale-Headed households

Age group15-2526-4041-5455-65> 65

EducationNo EducationPrimarySecondaryPost-Secondary and University

Agricultural Land OwnershipYesNo

Labor Market StatusEmployedUnemployed (According to ILO)Inactive and non-working population

Economic SectorAgriculture, Fishing, Extractive IndustryManufacture, Electricity, ConstructionCommerce, Hotels, RestaurantsCommunity and domestic servicesOther Services

Household TypeSingleFamille nucléaireSingle-parent CoupleLarge familyComplex family

RemittancesYesNo

Total

Frequency

1,952565744 404918585683705601

9991,5314,627

3,3533,804

6052,5031,9931,068988

4,2081,7791,076

94

4,3672,790

4,851625

1,681

2,308431

1,845267

2,306

6531,929832348

2,695700

1,6255,532

7157

Population share

27.277.89

10.405.64

12.838.179.549.858.40

13.9621.3964.65

46.8553.15

8.4534.9727.8514.9213.80

58.8024.8615.031.31

61.0238.98

67.788.73

23.49

32.256.02

25.783.73

32.22

9.1226.9511.624.86

37.669.78

22.7177.29

100.00

Cumulative

27.2735.1745.5651.2164.0472.2181.7591.60100.00

13.9635.35100.00

46.85100.00

8.4543.4371.2786.20100.00

58.8083.6598.69100.00

61.02100.00

67.7876.51100.00

32.2538.2764.0567.78100.00

9.1236.0847.7052.5690.22100.00

22.71100.00

100.00

References

Alesina, A. and Perotti, R. (1994) "The Political Economy of Growth: A CriticalSurvey of the Recent Literature", The World Bank Economic Review, 8,3, 351-371.

(1996) "Income Distribution, Political Instability, and Investment",European Economic Review, 40:1203-1228.

Alesina, A and Rodrik, D. (1994) "Distributive Politics and Economic Growth",Quaterly Journal of Economics, 106: 407-444.

Araar, A. and Duclos, J.Y. (2004) Poverty and Equity: Measurement, Policy,and Estimation with DAD, Université Laval, CIRPEE.

Atkinson, T. (1970) "On the Measurement of Inequality", Journal ofEconomic Theory, 2: 244-263.

Beaulière, A. (2004) Pauvreté et Fécondité en Haïti, Centre d´Economie duDéveloppement, Université Montesquieu-Bordeaux IV.

Borooah, V. (2002) "Logit and Probit: Ordered and Multinomial Models".Sage University Paper, 138. Series: Quantitative Applications in theSocial Science.

Bourguignon, F., Ferreira, F., and Leite, P. (2002) Beyond the Oaxaca-Blinder: Accounting for Differences in Household Income Distributions,Mimeo, PUC-Rio.

Carrington, W., Eltinge, J. and McCue, K. (2000) An Economist's Primer onSurvey Analysis, Center for Economic Studies. U.S. Bureau of Census,CES 00-15.

Chaudhuri, S. (2003) Assessing Vulnerability to Poverty: Concepts,Empirical Methods and Illustrative Examples, Department ofEconomics, Columbia University.

Cochran, W. G. (1977) Sampling techniques, 3rd Ed. New York: John Wileyand Sons.

Cowell, F. (1995) Measuring Inequality, Prentice Hall, Harvester Wheatsheaf.Deaton , A. (1997) The Analysis of household Surveys: A Microeconometric

Approach to Development Policy, The John Hopkins University Press. Delgado, C., Matlon, P., Reardon, T. (1991) "Coping with Household-Level

Food Insecurity in Drought Affected Areas of Burkina Faso", WorldDevelopment, 16(9): 1065-1074.

Dollar, D. and Kray, A. (2000) Growth is Good for the Poor, World BankDevelopment Research Group, Mimeo.

Doura, F. (2001) Economie d'Haïti: Crise, Dépendance et Développement,Volume 1, éditions DAMI, Montréal.

Duclos, J.Y. (2002) "Sampling Design and Statistical Reliability of Povertyand Equity Analysis Using DAD", Université Laval, CIRPEE.



Duclos, J-Y., Esteban, J., and Ray, D. (2003) Polarization: Concepts,Measurement, Estimation, CIRPEE, Working Paper 03-01.

Esteban, J., and Ray, D. (1994) "On the Measurement of Polarization",Econometrica, 62: 819-851.

(1999) "Conflict and Distribution", Journal of Economic Theory, 87:379-415.

Feldstein, M. (1999) "Reducing Poverty, Not Inequality", Public Interest No.137.

Ferreira, F. Lanjouw, P., and Neri, M. (2003) A Robust Poverty Profile forBrazil Using Multiple Data Sources, Paper presented at LACEA 2000 andANPEC 2001 meetings.

Fields, G., Leary, J., López Calva, L., and Pérez de Rada, F. (1998)Education's Crucial Role in Explaining Labor Income Inequality inUrban Bolivia, Cornell University Paper.

Fields, G. (2002) Accounting for Income Inequality and Its Change: A NewMethod, with Application to the Distribution of Earnings in the UnitedStates, Forthcoming: Research in Labor Economics.

(2004) Regression-based Decompositions: A New Tool forManagerial Decision Making, Department of Labor Economics, CornellUniversity.

Foster, J., Greer, T, and Thorbecke, E. (1984) "A Class of DecomposablePoverty Measures", Econometrica, 52 (3): 761-766.

Foster, J. and Shorrocks, A. (1988a) "Poverty Orderings and WelfareDominance", Social Choice and Welfare, 5: 179-198.

(1988b) "Poverty Orderings", Econometrica, 56: 173-177.(1988c) "Inequality and Poverty Orderings". European Economic

Review. Papers and Preceeding, 32: 654-662.Gradín, C. (2000) "Polarization by Sub-populations in Spain 1973-91",

Review of Income and Wealth, 46: 457-474.Greene, W. (2000) Econometric Analysis, Prentice Hall, 4th edition.Hoffman, R. (2001) Desigualdade no Brasil: A Contribuição das

Aposentadorias UNICAMP, Instituto de Economia, mimeo.Kaboré, S. (2000) Modélisation des Déterminants du Statut de la Pauvreté,

de la Profondeur de la Pauvreté et du Niveau de Vie dans les Ménagesau Burkina Faso, MIMAP.

Kakwani, N. (1980) Income Inequality and Poverty: Methods of Estimationand Policy Applications, A World Bank Research Publication.

(1984) "Issues in Measuring Poverty", Advances in Econometrics,Vol. 3: 253-282. Basmann and Rohdes, Eds.

(2003) "Issues in Setting Absolute Poverty Lines", ADB Poverty andSocial Development Papers No. 3.



Kakwani, N. and Son, H. (2001) "On Specifying Poverty Lines", ADB PovertyForum. Manila: ADB.

Lamaute, N. (2002) L'économie informelle en Haïti: de la reproductionurbaine à Port-au-Prince, Editions l'Harmattan.

Lanjouw, P., Stern, N. (1991) "Poverty in Palanpur", World Bank EconomicReview, 5 (1): 23-55.

Lee,E. S., Forthofer, R. N., and Lorimor, R.J. (1989) "Analyzing ComplexSurvey Data", Sage University Paper, 71, Series: Quantitative Applica-tions in the Social Science.

Liao, T. F. (1994) "Interpreting Probability Models: Logit, Probit, and Othergeneralized Linear Models", Sage University Paper, 101, Series:Quantitative Applications in the Social Science.

Lipton, M (1994) Growing Points in Poverty Research: Labor Issues,Institute of Development Studies. Sussex University.

Montas, R. (2005) La pauvreté en Haïti: Situation, causes et politiques desortie, LC/MIEX/R.879, ECLAC document.

Mora-Báez, J. (2003) "Agricultural Growth and Poverty Reduction", Roles ofAgriculture Project International Conference, Rome, Italy.

Pedersen, J. and Lockwood, K (2001) Determination of a Poverty Line forHaiti, Fafo Institue of applied Studies.

Perotti, R (1993) "Political Equilibrium, Income Distribution and Growth",Review of Economis Studies, 60:755-76.

(1994) "Income Distribution and Investment", European EconomicReview, 38:827-35.

(1996) "Growth, Income Distribution, and Democracy: What the DataSay". Journal of Economic Growth (1) 149-187.

Persson, T. and Tabellini, G. (1994) "Is Inequality Harmful for Growth?"American Economic Review, 84(3):600-21.

Podder, N. and Tran-Nam, B. (2003) Human Capital and EarningsInequality: Some Considerations of Distributive Justice with anIllustration from Australia, Paper prepared for the World Institute ofDevelopment Economics Research Conference on Inequality ad HumanWell-Being, Helsenky.

Ravallion, M. (1998) Poverty Lines in Theory and Practice, LSMS WorkingPaper 133, World Bank.

Sen, A. K. (1973) On Economic Inequality, Oxford: Clarendon Press. (1979) "Issues in the Measurement of Poverty", Scandinavian Journal

of Economics, 81, 2: 285-307.Sletten, P. and Egset, W. (2004) Poverty in Haiti, Fafo Institute of Applied

Studies, Fafo Paper, No. 31.



Shorrocks, A. (1982) "Inequality Decomposition by Factor Components",Econometrica, 50(1), 193-211.

Székely, M (1998) The Economics of Poverty, Inequality and WealthAccumulation in Mexico, St. Anthony's Series. Macmillan Press.

Wolfson, M.C. (1994): "When inequalities diverge", American EconomicReview, 84:2, 353-358.

World Bank (2001) The World Bank Poverty Analysis Initiative. WashingtonD.C., USA.

World Bank Haiti Data 2003. See webpage: <http://www.worldbank.org/ht.>




Main determinants oftenure choice in Spain:cross-analysis of distinctcity sizesMelchior Sawaya Neto*

Fecha de recepción: agosto de 2006.Fecha de aceptación: septiembre de 2006.

* Doctor en Economía, Departmento de Economía Aplicada, UniversidadAutónoma de Barcelona, España.E-Mail: [email protected]



La mayoría de los gobiernos diseñanpolíticas de vivienda homogéneas paratodo el territorio nacional sin considerardiferencias en las preferencias económi-cas de los hogares localizados en ciu-dades con distintos tamaños. El proble-ma con esta práctica radica en que loshogares localizados en las grandes ciu-dades probablemente presentan restric-ciones presupuestarias más fuertes queaquéllos de localidades más pequeñas,dado los mayores niveles de precios devivienda y peores condiciones de accesi-bilidad presentes en las ciudadesgrandes. Con el fin de analizar estas cues-tiones fue desarrollado un grupo de mo-delos de elección discreta con vistas arepresentar las preferencias de los hoga-res en ciudades españolas de distintos

Many governments design homoge-neous housing policies for thewhole country without consideringdifferences in economic preferencesof households living in cities withdistinct sizes. The problem with thispractice is that households in largerlocalities may face stronger budget-ary restrictions than those living insmaller ones because of higherhousing prices and worse affordabil-ity conditions. To deal with this issuea set of tenure choice models areestimated to represent the house-holds´ preferences in Spanish citiesof different sizes: big, medium orsmall localities. The results showinteresting differences in parameterestimates for groups usually object

Resumen / Abstract



tamaños: grandes, medias y pequeñas. Elresultado demuestra interesantes diferen-cias en los parámetros estimados paragrupos que suelen ser objetos de políticasde vivienda, tales como los hogarescomandados por personas jóvenes ocompuestos por una única persona. Lano consideración de dichas diferencias enparámetros puede causar serios proble-mas de no participación en programas degobierno

Palabras clave: decisión en la elección detenencia, indicadores de accesibilidad,diferencias en los parámetros estimados,y ciudades de distintos tamaños.

of public policy such as younghousehold heads and single mem-ber families. Disregarding these dif-ferences can cause serious prob-lems of non-participation in govern-ment programs.

Key words: tenure choice decision,affordability indicators, differencesin parameters estimates and citieswith distinct sizes.

Introducción

he main purpose of this work is to extend the knowledgeabout the determinants of housing tenure choice in Spain. Thus, distinct geo-graphical sub-divisions will be employed in the analysis, such as: the wholecountry and large, medium and small city markets. The aim is to investigatethe most relevant causes that make an individual or household select a deter-mined sort of tenure and understand how the parameter estimates differ with-in equations. The methodological procedure of using cities with increasingsizes allows the study of tenure choice in environments with great differencebetween important parameters, due to the fact that housing prices, income,and demographic variables may differ substantially as the cities changes theirsizes.

It is interesting to stress that the knowledge of consumers' preference is afundamental factor to the success of any housing policy. In theoretical terms,it is very plausible that the housing consumers' economical preferences differamong cities of distinct sizes: the utility functions, used to describe prefer-ences, may be affected unevenly by the same explanatory variable dependingin which environment the consumer is located. For instance, monetary vari-ables seems to impact more on the probabilities of homeownership of people


T

living in big cities than those living in small or medium localities. Thus, if acountry is thinking about implementing housing policies it may be interestingfirstly to know the differences in preferences of possible housing consumersobject of policy.

In theoretical terms some assumptions will be tested, introduced by theneoclassical housing economic theory, regarding the importance of relativeprices and income in the determination of which sort of tenure to choose.Following the aforementioned theory, the relative price difference among therental and property sectors flow prices is the main mechanism upon which thedecision makers take or base their housing choices. Nevertheless, it is impor-tant to stress that not only relative prices affects the demand for housing andtenure choice but also other affordability variables play an important role.

Affordability indicators are variables or series designed to represent variousaspects of the demand for property or rental houses such as the ability of hous-ing consumer to save money in order to face the required down payments andclosing costs needed to obtain mortgage loans. They represent a combinationof monetary variables which traditionally appears alone in demand equations.Thus, some important indicators, employed by this sort of analysis are: 1) thehousing expenditure to income ratio; 2) the stock price to income ratio.

Thus, the goals of this work can be summarized by: 1) The empirical analysis of the main factors that affects the tenure choice

in Spain; 2) The study of regional differences in parameters. The work starts with a characterization of some basic theoretical results

regarding the main features of the demand for housing services and their con-nection with the tenure choice decision. Secondly, the discrete choice modelwill be introduced and discussed. Finally, the empirical analysis of the tenurechoice equations will be delineated.

2. The demand of housing services,Tenure choice and affordability indicators

The main objective of this section is to discuss how essential features of hous-ing demand and tenure choice modelling are commonly treated in the litera-ture. Also, the role of affordability indicators in tenure choice and demand



analysis will be debated. As usual, in any demand analysis, the characterizationof the model depends on the specification of the utility function and the budg-et constrains: these expressions assume some special features in this market,see (Deaton and Muellbauer, 1991, pp. 97-108) and (Olsen, 1986, pp. 989-995), following the durable properties of the housing good.

Starting with the utility function, the options of the consumer are aggregat-ed into two broad groups of commodities, h (housing services) and X (a com-posite index of other goods). The period in which decisions can be made areextended to the life cycle of the households (L periods) and, usually, separabil-ity statements about present and future consumption are employed:

The intertemporal budget constrain states that total consumption of hous-ing and other commodities cannot exceed the labour income and financial orreal assets of the individuals during their whole life:

The consumer problem for this intertemporal case is:

Making use of the weak intertemporal separability assumption, the indirectutility function (q1) for the first period can be represented as:

The above representation of the indirect utility function incorporates asexplanatory variables current and expected prices of housing services and ofthe composite good, wealth components (labour income and assets income)and life expectancy. However, this general representation, although bringsimportant analytical insights, is fairly abstract since it does not specify how the



[1]

[2]

[3]

[4]

exogenous variables interact upon the utility function or how it is the function-al form of the expression.

The previous model can as well be used to explain tenure choice.Nevertheless, for this new theoretical issue the households have to solve morethan one maximization problem: they have to compare the utility as renterswith the utility as property owners. Both forms of tenancy allow differing pat-terns of expenditure and savings through the life-cycle of the housing con-sumer. Thus, the households have to choose the best of the maximums of theirpossible life consumption patterns. For this reason, an intertemporal model isthe most appropriated theoretical approach in dealing with this problem aswell.

The neoclassical theory of housing economics gives a considerable impor-tance to the role of relative prices in the tenure choice decision. Some authors,see (Fallis, 1985, pp. 37-42), even defend that the tenure choice modelling isonly relevant in situations in which the assumptions of perfect markets and nogovernment are relaxed. These assumptions, when dropped, allow the differ-ence in equilibrium between the rental and the property flow prices. The pres-ence of the government may provoke changes in relative prices through taxsubsidies, such as those related to the income tax payments, which benefit oneform of tenancy in relation to another.

Besides relative prices there are other monetary factors that also influencethe tenure choice decision of housing consumers: for instance, the total levelof income and wealth limit the capacity of the housing consumer to raise thedown payment and the mortgage monthly payments. Therefore, affordabilityrelated issues are very important not only in demand analysis but also intenure choice considerations. This means that monetary variables such asincome, flow prices and stock prices produce jointly different impacts in thetenure choice decision. This issue will be further treated in the formalization ofthe representative utility function in section 3.3.

3. Tenure choice modelling

3.1. Explanatory variables 3.1.1. Owner-occupied and rental flow housing prices

There have been estimated two hedonic price equations (not shown): one forthe rental and another for the property market. The explanatory variables used



for both equations can be classified into the following groups of attributes:building attributes, neighbourhood attributes and city attributes.

3.1.2. The stock price of housing and affordability measures

The demand for housing services in the property markets depends not only onflow prices, those paid every period by the household, but also on the stockprice of the dwellings. This happens because usually financial institutions onlygrants a share of the total amount required to purchase a house: they oftenrequire a down payment and closing costs to the housing consumer thatranges from 20% to 50% of the total value of the dwelling.

Table 1, introduces some relevant affordability measures to be used asexplanatory variables in the subsequent estimations. The housing expenditureto income ratios takes considerable amounts of 18% for rented dwellings andalmost 17% for owned properties. It is interesting to note that the empirical dif-ference between the ratios is not very large. A second consideration, related tothe distribution of the flow house prices, is that a variation in their values doesnot mean a change in the tenure status of the housing consumer. For instance,when the price of a rent rises it is very plausible that the tenant will search foranother rental dwelling rather than looking for an owned property. Therefore,the role of prices in this context in not straightforward since its increment doesnot always mean a reduction in the probability of the actual housing consumertenure status.



Table 1. Affordability Measures for the Spanish Market

Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis

Source: The source of the raw data, used in the construction of the descriptive statistics, was the "Encuesta de

Presupuestos Familares - EPF/90-91".

Hous. Expenditure (Owner)

Total Expenditure

Hous. Expenditure (Renter)

Total Expenditure

Years required to buy a

dwelling with current income

0.1877880.1806030.3991210.0539180.0516170.8237203.982582

0.1664230.1620530.3816310.0674730.0352720.8410484.428343

5.8587444.98114151.167940.5522663.5136762.73668216.89535

In terms of the role of the dwellings stock price, it is expected that its incre-ment provokes the postponement of the demand for owned dwellings: sincethe time required raising the capital for the down payment increases propor-tionally to the price of the stock. Table 1 shows that on average the Spanishhousehold needed almost 6 years of labour income to buy a house and almost2 years to raise the capital for the down payment (supposing a down paymentof 40% of the value of the housing stock). These figures do not seem veryrestrictive, being probably one of the reasons for the high ownership rate foundon the Spanish Market.

3.1.3. Permanent income

The major part of the theorists consider that the relevant measure of income,to be used in housing demand analysis, is one which depends on long termfactors that can presumably impact over financial, fiscal and demographicattributes over the life-cycle of the household. This measure is known as thepermanent income variable. It often represents, in empirical terms, the currentincomes conditional mean, in which the informational set is composed by vari-ables which denote capital and human wealth and life-cycle attributes. The ideais to generate an income variable depending only on durable factors in whichthere are no role for transitory components. Authors such as (Borsch-Supan,1987, pp. 105-115), have estimated this variable by this last procedure, hisspecification can be formally depicted as:

Where t represents the age of the housing consumer, HWt denotes humanwealth at age t (education, professional experience, employment status and soon) and At denotes financial and real assets at age t. This work has used a sim-ilar expression to generate the permanent income variable.

3.1.4. Social-demographic variables

The age of the head of the household (in linear and square form) is usuallyemployed as an explanatory variable in tenure choice equations to describedifferences in consumption during the life cycle. A second demographic vari-able regularly employed is a dummy for young household heads that have not



[5]

received a house as a heritage from their parents. A final variable is the dummydesign to track households composed by only one member with less than sixtyfive years old.

3.1.5. Mobility of the working force

As mentioned by (DiPasquale and Wheaton, 1996, pp. 186-188), householdsthat move more frequently may find cheaper to rent. The reason to choose therental sector may be related to the high transactions associated with buying anew home: to become an owner it is required the payment of fees for lawyers,insurers, financial institutions and so on. There is also the cost of intermedi-aries that helps in the difficult match process of searching for a new home. Onthe other hand, for the renter the only typical transaction cost is, besides thesearching process, one or two months of security deposits. The variable usedto approach the impacts of moving is the qualification of the household as amigrant in the last five years from another province of the country.

3.1.6. Saving behaviour

The saving behaviour is tracked by two variables: the existence of financialassets in the portfolio of households and the percentage of expenditures withno essential goods measured by the proportion of expenditures destined toleisure activities. The former variable may produce two effects in the demandfor housing: first, it influences the budget constrain in a life-cycle perspective,and, secondly, it influences the share of resources that is saved in each periodby households. On the other hand, the latter variable also produces two effects;it acts over the time preferences of households' consumption patterns and rep-resents potential resources that can be destined to raising savings.

3.2. The random utility model

A housing consumer, an individual or a household, labelled n, faces a choiceamong 2 alternatives: to rent or to own a dwelling. In order to decide whichalternative to pick up, it is assumed that each consumer has a utility functionfor each choice option that summarizes a ranking of preferences betweenalternatives. Further, it is assumed that the housing consumer behaves in arational form, choosing the alternative that provides the largest utility.





The utility function is not observed by the researcher, which has to build amodel to describe it. The researcher observes some attributes of the alterna-tive, such as its prices, and/or some individual characteristics of the housingconsumer, like their income or demographic variables and tries to use thisinformation in the best way possible to describe the choice behaviour of theeconomic agent. The function made up by the observed variables, is known inthe literature, see (McFadden, 1978, pp. 75-96), as the representative utilityand is depicted as: Vnj=V(ang, in) where (ang) represents the alternative attrib-utes and the (in) the characteristics of the decision maker. However, theseobserved variables represent by no means the totality of factors that influencethe demand for housing, very likely there are other parameters and variablesnot observed by the researcher point of view that influences the demand.

Thus, total utility is the summation of the representative utility and an errorterm designed to track all the aspects not observable from the researcher per-spective: Unj=Vnj + gnj. As the researcher does not know the value of gnj, thisvector has to be treated as random with a respective joint density functionf (gnj). The present work will use a binary model that is derived from theassumption that the differences in error terms are distributed as a logistic dis-tribution.

3.3. The modelling of the representative utility function

The specification of any discrete choice model has to respect some issuesregarding identification of parameters estimates. The fact that only the differ-ences in error terms matters produces consequences in the sort of parametersthat can be identified by these models. The utility function, that summarizesthe behavioural decision process, has an arbitrary scale that needs some sortof normalization in order to be exactly determined. In other words, in the spec-ification of the utility function the only variables that can be present are thosethat depict differences between alternatives, see (Train, 2001, chapters 2-3).

[6]



The specification chosen employs a linear in parameters modelling of therepresentative utility. This follows from the generality of this kind of specifica-tion that can approach non-linear relations quite well. Another aspect thatdeserves mention is the inclusion of alternative-specific and demographic vari-ables in only one of the equations, since only this sort of relative parameter canbe measured in discrete choice models.

The representative utility for both forms of tenure are depicted in equa-tion(6). It can be seen that the property sector option is a function of theowner-occupied housing flow price to income ratio, the stock price to incomeratio, the property of capital assets by the households, the age of the head ofthe household and the average space proportionate by the dwelling. Thus, thisspecification presents different interrelations between monetary magnitudessuch as: income, flow and stock prices. The income variable appears in variousforms in the equations: first, it appears interacting with the stock price and thehousing expenditure of owners and renters, this sort of formulation allows themodelling of non-random taste variation such as those originated from the factthe richer households are lesser affected by affordability issues than poorerones; second, income appears alone in the representative utility of the proper-ty sector, this is intended to track the effects on demand of financial institutionsrequirements with regard to liquidity of the mortgage borrower.

Moving now to the rental sector, besides the housing price to income ratio,it appears as explanatory variables the migration status of the household (if ithas moved or not from other province in the last five years), the proportion ofincome expended with leisure activities, the qualification of households with ahead younger than 40 years old and who has not inherited a house as a giftfrom their parents and, finally, one variable to track if the household is com-posed by a single member younger than 65 years old who has not received ahouse as a heritage as well.



3.4. The logit model

Equation(7) depicts the logit probabilities as a function of both representativeutilities introduced in equation(6):

The rental sector probabilities can be generated by replacing the respectivenumerator in the above expression. For purposes of estimation of parameters,equation (7) can be used in the following way: A (P ni) yni, where yni=1 if thedecision maker chooses alternative i and it is 0 otherwise. So, this expressionjust represents the probability of the chosen alternative. If the researcher hasthe possibility to work with a exogenous sample, one that is collected based onfactors exogenous to the choice being analyzed, then each household/individ-ual can be treated independently from others households/individuals, the like-lihood and log-likelihood function of this choice situation becomes:

4. Empirical results

4.1. Geographic differences and the scale parameter

In the estimations below, it will be used differing geographical regions in theanalysis, such as large, medium and small cities, that can hypothetically differin their overall scale of error variance. This fact is important, since the level ofvariance is intrinsically related to the level of utility. In other words, setting thelevel of the variance automatically sets the value of the utility: if Unj=Vnj + g ismultiplied by 8 then U*

nj=8Vnj + 8g and the variance of the new error term,g*=8g, becomes Var (8g)=82Var (g).

[7]

[8]

If the variance of the unobserved factors differs by a significant amount,among different regions, the estimated coefficients have to be corrected inorder to make the results comparable. For instance, the model for large andsmall cities becomes:

An equivalent model can be generated in which both variances assume thesame value. This can be achieved by normalizing the scale of one of the equa-tions and dividing the other by the square root of the ratio of variances =Var (gsmall)/Var (g l arge):

Therefore, the division of one of the equations by the square root of theratio of variances causes the equality of the variance of the whole data set. Theparameter can be estimated along with other parameters of the representa-tive utility by maximum likelihood procedures. In the Spanish case, the scaleparameter for large, medium and small cities is depicted in table 2. The ratiosare very close to one, meaning that the original estimated results are a goodrepresentation of the true parameters.



Table 2. The Scale Parameter, test of hypothesis of the ratio of variances

Note: *The scale parameter has been estimated in separated equations: one with data from medium

and large cities and another for small and large cities.

Small Cities/Large Cities* Medium Cities/Large Cities

Ratio of Variances Standard Errort-assymptotic statistic under

(H0: Ratio of Variances =1)

1.0224810.06048

0,37

1.0707320.09525

0,74

[9]

[10]



[12]

4.2. The level of probabilities and elasticities

In order to properly measure the marginal effect of the explanatory variablesover probabilities, it has been calculated the partial derivative of the logit prob-ability in relation to the explanatory variables of the two tenure choice equa-tions:

If representative utility is linear in the explanatory variable with coefficient$ then the above marginal effect becomes $x(Powner*Prenter). Otherwise, ifthe explanatory variable in the representative utility is log transformed then thederivative assumes the form (Powner*Prenter). It is interesting to notice thatthese derivatives are bigger when the probabilities are closer to 0.5. In otherterms, the derivative is larger when the doubt about the choice is greater. Thisfact produces important consequences to the Spanish case in which the esti-mated probabilities of being an owner, for the national data set, is very high,85.42% in relation to the probability of being a renter 14.57%. This trend isaggravated when the size of the cities are smaller since the tenure choice divi-sion becomes more extreme as the city gets smaller, as can be seen in table3. The probabilities have been measured using the method of sample enumer-ation in which the individual choice probabilities of each observation are aver-aged over decision makers. The weight represents the reciprocal of the prob-ability that the decision maker was selected into the sample.

The results to be depicted in the subsequent sections, the estimatedparameters and the elasticities, are influenced by this property of the logitfunctions. Since the marginal impacts are a function of the level of probabili-ties and the elasticities are function of marginal effects these last aggregatedmeasures are impacted as well by the level of the probabilities

[11]

$xx



4.3. Stylized facts

The first striking feature, about the parameter estimations in table 4 and elas-ticities in table 5, is the confirmation of the broad stylized facts about tenurechoice already found in other works in the literature: that the incidence ofhomeownership rises with the age of the head of the household at a deceler-ated rate and that the homeownership rate rises with the level of permanentincome. The trend about the age variable can be checked in table 4 by notic-ing that the parameter for the linear term is positive and for the quadratic termis negative. In terms of the income variable it is more interesting to look at theelasticities in table 5 where it can be confirmed that as the income variableincreases the ownership rate is positively impacted in all geographical setsanalyzed.

Another evidence found is that the housing flow price to income ratio pro-voke disproportional impacts for owned and rented dwellings. In other words,as cited by (Fallis, 1985, pp. 37-42), the relative price of housing services underdifferent tenure does affect the choice.

Table 3. Tenure Choice - Estimated Probabilities - Logit Model - EPF(90-91)

Source: The raw data and population weights used to estimate the probabilities were drawn from the

the main Spanish Household Survey known as "Encuesta de Presupuestos Familiares" 90/91.

Owner

Estimated Probabilities (Spain) Estimated Household Populations Estimated Probabilities (Big Cities) Estimated Household Populations Estimated Probabilities (Medium Cities) Estimated Household Populations Estimated Probabilities (Small Cities) Estimated Household Populations

0.854210 9.519.688 0.807526 4.629.074 0.873622 2.177.032 0.926064 2.704.083

Renter

0.145790 1.624.751 0.192474 1.103.341 0.126378 314.928 0.073906 215.892

Total

1 11.144.439

1 5.732.415

1 2.491.960

1 2.919.975



4.4 Flow prices, stock prices and income

Looking at the elasticities of the ownership probability, in relation to the mon-etary variables, the first striking feature is the relative stronger impact of thehousing flow prices to income ratio in the homeownership rate: the impact istwo to four times larger in magnitude than those found for the rented houses.These figures suggest that as households become more indebted, in terms ofhousing expenditures, they prefer to consume housing services as owners.This interpretation is corroborated by the marginal impact of the proportion ofexpenditure in leisure activities: the increment in this latter variable provokesa decreasing in the probability of being an owner. More intuitively, householdsthat have a great preference for spending in leisure activities also have a

Table 4. Estimated Coefficients of Tenure Choice Equations

Source: see data appendix for a complete description of the explanatory variables employed.

Significance: (***) stands for significant at 99% level of significance; (**) stands for significant at 95% level of significance;

(*) stands for significant at 90% level of significance; (+) stands for significant at 80% level of significance.

Equation Code: The number in parenthesis after the explanatory variables represents the equation in which the variable

is participating: (1) property sector; (2) rental sector.

Spain

Property Sector VariablesSpecific Constant (1)

Ln ( ) (1)

Ln ( ) (1)

Ln(income) Capital Assets (1) Age (1) Age2 (1) Log(m2/members)

Rental Sector Variables

Ln ( ) (2)

Migrant (2) Log (expenditure in leisure activities) (2) Youth without inheritance (2) Single Person Household (2) Likelihood ratio indexAvg. log likelihood

-13.61***

4.8673***

-0.0126

1.2220***0.1902***0.1122***-0.0011***0.3901***

-1.6484***

-0.5303***-0.0738***-0.2768***-0.5454***

0.1716-0.3327

Big CitiesPop>50.000

-16.04***

4.9622***

-0.2172**

1.4579***0.2076***0.1349***-0.0012***0.1733***

-1.0610***

-0.3419**-0.0390+

0.3038***0.05880.1675-0.3982

Medium Cities\50.000>Pop

>10.000

-24.67***

5.2483***

-0.0518

1.9526***0.0368

0.1595***-0.0014***0.3209***

-1.6490***

-0.6515***-0.1279***0.2651*

-0.7252**0.1726-0.3065

Explanatory Variables Small Cities Pop < 10.000

-14.34***

4.4791***

0.0339

1.0784***0.2634*

0.1553***-0.0013***0.4519***

-2.2221***

-1.0278***-0.1114**-0.0474-0.02560.1619-0.2134

housing price ownerincome

stock price income

housing price renterincome



greater preference for consuming housing services as a renter. This may hap-pen because renters do not need to save large proportions of their income inorder to face the required down payments and closing costs needed in the con-sumption of owned dwellings. Nevertheless, as the housing expenditureincreases, less is available for leisure and part of the incentive to hold a houseas a renter is missed.

Another important factor for financial institutions is the capacity of house-holds to raise the resources needed to pay the down payment and closingcosts of the mortgage loan. These costs are a function of the stock price of thehouse, usually a percentage ranging from 15 to 40% of the total value. In termsof estimation results, the stock price, at the national level, behaves as expect-

Table 5.

Note: The elasticities have been calculated following equation 12.

House Price OwnerIncome0.709615Leisure

-0.010765

House Price OwnerIncome

0.955164Leisure

-0.007511


0.663269Leisure

-0.016163


0.331168Leisure

-0.008242

Elasticities of Ownership Probabilities - Spain

House Price RenterIncome

-0.240315Single pers. hous.

-0.002317



0.000338



-0.003088



-2.91E-05

Stock PriceIncome

-0.001838Youth without gift

-0.015738

Stock PriceIncome


0.012775

Stock PriceIncome


0.007668

Stock PriceIncome

0.002510Youth without gift

-0.000636

Income0.178153Migrant

-0.005659


-0.004244


-0.006190


-0.007664

Elasticities of Ownership Probabilities - Big Cities

Elasticities of Ownership Probabilities - Medium Cities

Elasticities of Ownership Probabilities - Small Cities



ed being a factor that creates a barrier in the consumption of housing servic-es through the property sector market. This effect, though, is not so severe ascan be checked by the small marginal effect found for this variable, the param-eter in the logit equation, for the national data set, is not significantly distinctfrom zero. The impact of the stock price seems to be stronger as the priceincreases over some threshold, see the analysis for the housing market of bigcities.

4.5. The rental sector-migration,young heads and single person families demand

The mobility of persons between regions of the country is one of the main fac-tors to explain the preference of some housing consumers for rentingdwellings. As commented before, this preference is associated with the lowertransaction costs that face renters in relation to owners. This stylized fact, iscorroborated by the estimations above, in which the fact of having migratedfrom other provinces in the last five years produces a positive marginal effectin the probability of renting for all the different regions studied.

Another factor that impulses the demand for renting dwellings seems to berelated to the purchase power of the households: therefore, being the head ofthe household a young person that has not received a house as an inheritanceor being a single person family enhances the probability of being a renter.

4.6. The housing market in big cities

The first remarkable feature of the housing market in big cities is the strongerlevel of probability elasticities in relation to other geographical divisions. Ascommented before, this is in part due to the more even tenure choice distribu-tion found in large cities, the estimated probabilities, presented in table 3, are0.807526 for the property sector and 0.192474 for the rental sector.

Other relevant characteristic is the stronger relative impact of the housingflow price to income ratio found for owned occupied dwellings in relation to therental market: this ratio has a magnitude of 4,68 much bigger than the onefound in the remaining regions. This fact indicates a tendency for more indebt-ed households to become owners in big cities. The behaviour of the parame-ters used to measure the influence of young heads and the single member



family corroborate the assertive: both are positive for this geographical sub-division, meaning that even these segments, that suffer relative more fromaffordability problems, have a greater tendency to search for propertydwellings.

Another distinctive feature of the referred market is the importance of thestock price as an inhibitor factor in the demand for ownership. In no other geo-graphical sub-division this factor is so relevant: the elasticity in relation to thenumber of years required to buy a house is of -0.041806, a magnitude much

Fig. 1 - Distribution of small, medium and big cities in Spain



higher than those found in other regions. The impact of the stock price is lowerthan the impact of housing flow prices because financial institutions havemechanisms, such as the enlargement of terms of payment and the reductionof down payments, to alleviate the amount of repayment required each monthfor the amortization of the mortgage loan. However, if the increase in the stockprice is very strong even those mechanisms could not be sufficient to alleviatethe requirements of savings to buy a house.

Fig. 2 - Distribution of small, medium and big cities in the Autonomous Community of Madrid

4.7. The housing market in medium cities

In medium cities, the impact of the housing flow price to income ratio forowned occupied houses in relation to the rental sector is much weaker than inbig cities. The ratio reaches the magnitude of only 3.18. This find suggests thatrelative flow prices are less important for this region sub-division. The patternfollowed by the leisure variable also helps to explain this trend. In mediumcities, the probability elasticity in relation to the leisure share in total consump-tion is stronger than the elasticity found in big cities and in the whole country.

A peculiar feature of medium city market is the weaker importance of thestock prices in the demand for ownership. Its impact is much smaller than theone found in big cities. This may indicates that the smaller the cities are, theless valuated is the urban soil and, therefore, houses are cheaper causing lessimpact on the demand for property dwellings.

A final remark refers to two aspects related to the rental sector: first, theeffect of being a single member family in the probability elasticity of ownershipis again negative oppositely to what happens in big cities; second, the impactof being a migrant from other provinces is strengthen in this sub-region.

4.8. The housing market in small cities

As expected, small city markets are characterized by the lowest impact of mon-etary variables over choice probabilities. In this region sub-division the impacton the housing flow price to income ratio in the property market is only 2,01times higher than those found in the rental market. Furthermore, income hasthe weakest impact of all.

The stock price provokes a positive impact on the demand for propertydwellings. This corroborates the urban economic theory in which land pricesdecreased in the border of cities as well as in less urbanized locations.

Finally, the rental sector, of this region sub-division, is the one that mostresembles the pattern followed by the national data set. The four variables thatmost contribute to the probability of being a renter (leisure expenditures, beinga single person household, being a head of a family that has not received ahouse in inheritance and being a migrant from other province of the country)have all their proper sign.





5. Conclusions

The work confirmed, in the Spanish case, the broad stylized facts about tenurechoice: that the homeownership increases with income and age of the head ofhouseholds. Also, it was found support to the importance of relative prices inthe tenure choice decision as defended by the neoclassical theory. Theseresults are robust on different data sets for the various city sizes studied in thiswork.

The work stressed the relevance of affordability indicators in the determina-tion of economical preferences of households. Thus, the role of monetary vari-ables in the determination of the housing tenure choice was object of intenseresearch. The mentioned variables entered the discrete choice model in aninteractive way: for instance, it was employed the housing flow price to incomeratio and the stock price to income ratio as explanatory variables. The stockprice behaved as a homeownership inhibitor is large cities in which its valuesstarted to become excessively high.

An important result of the work was the finding of a positive correlationbetween leisure expenditures and household's preferences of being a renter.This fact is corroborated by economic theory that in principle considers possi-ble that some households may find lifetime utility higher as a renter than as anowner. The election of being a renter implicitly means a given pattern of expen-diture and saving during the whole life of the consumer.

Another concern of the study was the differences between parameter esti-mates in cities with three distinct populations: lower than 10.000 inhabitants,between 10.000 and 50.000 and more than 50.000. The results have shed lighton important dissimilarities that may produce great impacts in terms of policyactions in the sector. For instance, the impact of relative prices in tenure choicedecisions are significant distinct among different city sizes. This is a veryimportant result since the magnitude of the parameters used to track the effectof relative price in the logit equation is considerably bigger than the remainingparameters. Moreover, the impact of variables such as the youth of the head ofthe household, which has not inherited a house, over the probability of home-ownership increases as the city gets smaller. This latter phenomenon also hap-pens with the migrant status of the households, as the city gets smaller thepositive impact on the probability of being a renter increases.

The comparative results among cities of distinct sizes have to be analyzedwith caution. Aggregated results, such as marginal effects and elasticities, arefunctions of the current level of probability choices. This fact has a great impor-tance in the Spanish case in which the market shares of the rental and proper-ty sector are very extreme. The major part of discrete choice models, includinglogit models, have a sigmoid shape that give more relevance to changes inrepresentative utility of consumers experiencing a greater level of uncertaintyin their choice. Thus, since in the Spanish case there is a considerable prefer-ence for homeownership, it is more difficult to implement politics to foster thedemand of housing in the rental sector.

A final remark is that the work found a variable pattern in the probability ofchoosing a determined tenure status for differing sort of households. Theyoung heads and the single member family groups seemed to behave differ-ently depending on their share of housing expenditures in their total budgetsand the size of the city in which they were living. These groups are more will-ing to be owners as the city gets larger and to engage into the rental marketin the opposite situation. Many politicians defend the focus in these segmentswhen designing housing policies without paying attention to the aforemen-tioned differences in preferences. This can cause serious problems of non-par-ticipation in government programs.

Data appendix:variables employed in the tenure choice equations

The original source of all the data employed is the "Encuesta de PresupuestosFamiliares - 90/91, the main Spanish Household Survey.HOUSE PRICE OWNER - represents the flow housing price paid periodically in theproperty market. The measure has been corrected by hedonic price proce-dures.HOUSE PRICE RENTER - Is the flow housing price paid periodically in the rentalmarket. The measure has also been corrected by hedonic price procedures. STOCK PRICE - This series was generated with data from the Ministry ofDevelopment (Ministerio del Fomento): this public organism publishes a quar-ter series of the square meter housing stock prices for various city and regionsof the country. In order to generate the final series, it has been multiplied the



square meter prices by the dimension of the dwelling, also depicted in squaremeters, present in the EPF (90-91). INCOME - Is the permanent income measure calculated as mentioned in thetext. CAPITAL ASSETS - Is a binary variable that reflects whether the household holdsfinancial assets or not: (1) if it does; (0) if it does not. AGE - Is the age of the head of the household. M2/MEMBERS - Represents the division of the square meter size of the dwellingby the number of household members. EXPENDITURES IN LEISURE ACTIVITIES - Represents the share of total expenditurespend in leisure activities. YOUTH WITHOUT INHERITANCE - Is a dummy variable that represents if the head ofthe household has less than 40 years and at the same time has not inheriteda house. SINGLE PERSON HOUSEHOLD - A dummy variable for the kind of household: (1)Single Person Household with the head with less than 65 years old; (0) otherhouseholds.



References

Borsch-Supan, A. (1987) Econometric Analysis of Discrete Choice WithApplications on the Demand for Housing in the U.S. and West Germany,Lecture Notes in Economics and Mathematical Systems, Springer-Verlag, Managing Editors: M. Beckman and W. Krelle, pp. 105-115.

Bover, O. and Velilla, P. (2001) Precios hedónicos de la vivienda sin carac-terísticas: el caso de las promociones de vivienda nuevas, Bank ofSpain, Servicio de Estudios Económicos, no 73.

Deaton, A. and Muellbauer, J (1991) Economics and Consumer Behaviour,Cambridge University Press, pp.97-108.

Dispaquale, D. and Wheaton, W. C. (1996) Urban Economics and Real StateMarkets, Prenctice Hall, pp. 186-188.

Dulce Tello, R.M. (1995) "Un modelo de elección de tenencia de viviendapara España", Moneda y Crédito, 201, pp. 127-152.

Fallis, G. (1985) Housing Economics, Butterworths Toronto, pp. 37-42. Gonzáles Páramo, J.M. and Onrubia, J. (1992) "El gasto público en vivienda

en España, Hacienda Pública Española, no 120/121, pp. 189-231. Herderson, J.V. and Ionnides, V.M. (1983) “A Model of Housing Tenure

Choice”, American Economic Review, 73 (1), pp - 98-113. Mayer, C.J. and Engelhardt, G.V. (1996) “Gifts, Down Payments, and Housing

Affordability, Journal of Housing Research. Vol. 7(1), pp. 59-77. McFadden, D. (1978) “Modelling the Choice of Residential Location”, in A.

Karlquist, L. Lundquist, F. Snickars and J. Weibull, Spatial InteractionTheory and Planning Methods, pp. 75-96.

Olsen, E.O. (1986) “The Demand and Supply of Housing Service: A CriticalSurvey of the Empirical Literature”, in: Handbook of Regional and UrbanEconomics, Volume II, Chapter 25, Edited by E.S. Mills, pp. 989-1022.

Train, K.E. (2001) Discrete Choice Methods with Simulation, CambridgeUniversity Press.



Crecimiento, demografíae inmigración: estimación en datos enpanel para la UniónEuropeaGuillermo Oglietti*Agradezco las valiosas recomendaciones de loscatedráticos J. Oliver Alonso y J. L. RaymondBara, y el consejo de M.L.A. Marzetta, sin loscuales, las debilidades de este trabajo, que sonde mi absoluta responsabilidad, habrían sidoaún mayores

Fecha de recepción: septiembre de 2006.Fecha de aceptación: noviembre de 2006.

* Candidato a Doctor en Economía Aplicada por la Universidad Autónoma deBarcelona.E-mail: [email protected]


Este trabajo analiza el impacto de los fac-tores demográficos, en especial, la inmi-gración, sobre el crecimiento económico.Se fundamenta en un modelo de cre-cimiento basado en la demanda. Se pro-pone que el crecimiento demográfico y lainmigración significan un aporte en térmi-nos de demanda de bienes de consumoy capital que expande las oportunidadesde mercado y estimula la inversióngenerando un salto en el ritmo de cre-cimiento de estado estacionario. La esti-mación en datos en panel para 14 paíseseuropeos encuentra un efecto ligera-mente negativo en el corto plazo, que escompensado con holgura por el efectopositivo a mayor plazo. Asimismo, la inmi-gración muestra en todas las especifica-

This research, grounded in ademand-side model of economicgrowth, propose that inmigrationmeans a growing demand of con-sumer and capital goods thatexpands market opportunities andinvestment, generating a jump inthe steady state rate of growth. Apanel data applied to 14 europeancountries, finds a small negativeeffect of demographics on econom-ic growth, reversed by far due to thelarge long run positive impact.Moreover, in every estimated espec-ification, inmigration shows a posi-tive but not robust relation withgrowth.

Resumen / Abstract



ciones formuladas una relación positiva,aunque no robusta, con el crecimiento.

Palabras clave: crecimiento económico,población, inmigración, teoría keyne-siana, teoría neoclásica, datos en panel,Unión Europea.

Key words: economic growth, popu-lation, immigration, keynesian theo-ry, neoclassical theory, panel data,European Union.

Introducción

a ley de los rendimientos decrecientes es una idea muypoderosa en economía. Es la que desde Malthus a nuestros tiempos predo-mina cuando se analiza el impacto demográfico sobre el crecimiento económi-co.1 En efecto, en el seno de la teoría persiste la idea de que, como consecuen-cia de los rendimientos decrecientes, el crecimiento poblacional reduce la pro-ductividad del trabajo.

Esta interpretación, sin embargo, está siendo abiertamente desafiada amedida que aumenta el número de quienes entienden que el crecimientopoblacional puede tener un impacto positivo sobre el crecimiento per capita.La experiencia de muchos países de rápido crecimiento parece apuntar en estesentido. Así lo sugieren las investigaciones de Bloom et al. (1999) y Bloom yWilliamson (1998) que le atribuyen unas tres cuartas partes del 'milagro' delcrecimiento asiático a impactos demográficos que supieron aprovechar. Laexperiencia de los países occidentales de rápido crecimiento en la última déca-da, también podría tener una gruesa raíz demográfica impulsándolos, aunque


L

1 Por crecimiento económico se entiende el crecimiento del producto per capita o por ocupado, y nola variación anual del PIB, es decir, es una medida de la productividad aparente por trabajador.

en este caso, el impacto es, sobretodo, generado por la inmigración. En efec-to, si bien el rol de EE.UU. como destino de migraciones internacionales es delarga data, también es cierto que desde la década de los noventa se ha ace-lerado notablemente el ingreso de inmigrantes (en los noventa, se han alcan-zado los mayores ingresos desde que se restringió la libre movilidad aplican-do un régimen de cuotas desde 1921). Comparte este rasgo con Irlanda yEspaña, los países de mayor crecimiento de la Unión Europea entre 1990 y2005, que pasaron de ser grandes emisores de migrantes hasta bien entradoslos 90, a recibir, en un lapso muy breve, grandes contingentes de inmigrantesen relación a su población, que han alterado profunda y rápidamente la estruc-tura demográfica interna.

Más de 400.000 inmigrantes, sobre una población actual de cinco millones,ingresaron a Irlanda entre 1992 y 2004. En España las estimaciones másrecientes señalan el ingreso de casi 3.4 millones de inmigrantes desde 1992,sobre una población total de 43 millones en 2005. A su vez, sobresale la ace-leración del fenómeno, ya que a mitad de la década entraban unos 60/70 milinmigrantes anuales, y en los últimos años, el número habría superado elmedio millón promedio anual, hasta alcanzar una cifra estimada en 700.000en 2005. Por su parte, en EE.UU. el fenómeno es igualmente fuerte.

Unos 16 millones de inmigrantes habrían ingresado entre 1992 y 2004,registro que representa una notable aceleración respecto a los promediosanuales vigentes desde que se limitó el ingreso en 1921. La disminución delparo a mínimos históricos y el aumento de la tasa de actividad, también fuerongrandes consecuencias de este periodo de intenso crecimiento que Irlanda,España y EE.UU. disfrutan desde la década del noventa. La tensión del merca-do de trabajo en estos casos indica que podrían haberse agotado las fuentesnativas de donde la economía extrae oferta de trabajo, frente a lo cual, la inmi-gración adquiere un papel protagónico.

Este trabajo intenta analizar el efecto de la demografía, en especial la inmi-gración, sobre el crecimiento económico. El sustento teórico que guía el tra-bajo se fundamenta en un modelo de crecimiento basado en la demanda, queincluye el crecimiento demográfico como fuente adicional de demanda, através de los efectos indirectos relacionados con su aporte en términos de con-sumo y demanda de bienes de capital. Se hace, además, una digresión que



lleva a reinterpretar los resultados que se derivan del procedimiento de ajustepropuesto en Bloom y Williamson (1998) para corregir las regresiones queemplean como variable endógena al crecimiento per capita en lugar del creci-miento por ocupado. Se lleva a cabo, también, un ejercicio econométrico dedatos en panel para 14 países de la Unión Europea, donde se obtiene que elavance demográfico, incluyendo la inmigración, podría generar un crecimien-to de estado estacionario superior. Aunque la relación encontrada puede noser robusta, en el sentido de que no necesariamente se verificará al examinarotros periodos o muestras de países, permite cuestionar la idea ampliamenteaceptada de que el crecimiento poblacional o la inmigración son perjudicialespara los países receptores.

La sección siguiente contiene un resumen sobre diferentes enfoques teóri-cos empleados para analizar el impacto demográfico de la inmigración. En lasección 2.1. se propone un modelo de crecimiento basado en la demanda, decarácter postkeynesiano, que incorpora el efecto potencial sobre el crecimien-to generado por la demanda. En la sección 2.2. se muestra la base teórica quejustifica la estimación empírica proponiendo, una reinterpretación de losparámetros hallados en las estimaciones de Bloom y Williamson (1998), mientrasque en la sección 3, antes de concluir, se presenta el ejercicio econométrico.

1. Una inspección teórica sobre el impactodemográfico y de la inmigración sobre el crecimiento

Una corriente relativamente reciente, que cuenta con el destacado aporte deBloom y Williamson, recomienda distinguir entre el crecimiento de lapoblación y el de la fuerza de trabajo, porque generan impactos opuestossobre el crecimiento: el primero es negativo y representa la carga en términosde dependientes de la población (menores a 16 y mayores a 64 años), mien-tras que el segundo es positivo, y refleja la contribución demográfica a la fun-ción de producción (ver sección 2.2 para un mayor detalle). Esta corrientetiene su origen en el análisis del profundo cambio demográfico, conocidocomo la 'transición demográfica', desencadenado tras la difusión alrededor delglobo de los sistemas sanitarios modernos. Por su similitud con el impactodemográfico provocado por la inmigración, conviene detenerse en forma



sucinta en este fenómeno, que al igual que la inmigración, provoca un cambiotransitorio en los ritmos de crecimiento de la población y de la oferta de tra-bajo.

En una primera fase de la transición demográfica, el desplome de la mor-talidad infantil y el aumento de la esperanza de vida, eleva la proporción dedependientes respecto al total de activos en los dos extremos de la pirámidedemográfica (babyboomers y ancianos). El efecto sobre la economía esambiguo. El crecimiento demográfico, -especialmente de la parte baja de lapirámide-,2 puede estimular el crecimiento desde el lado de la demanda, sinembargo, la elevada tasa de dependientes difícilmente permitirá que laeconomía pueda disponer del ahorro suficiente para expandir la oferta.3 Enuna segunda fase, cae la tasa de natalidad y el grueso de los babyboomersingresa al mercado de trabajo, por lo que la economía disfruta plenamente delestímulo de la demanda, a través del consumo, la creación de hogares y lademanda de viviendas, y una abundancia de ahorro interno explicada por labaja proporción de dependientes. En una última fase, una vez que los baby-boomers se retiran del mercado de trabajo, la tasa de dependientes vuelve aaumentar con el envejecimiento, el crecimiento demográfico se estabiliza, ydesde el punto de vista del crecimiento económico, la insuficiencia de ahorropodría representar una restricción al crecimiento y, por otro lado, la economíaya no disfruta del estímulo que para la demanda agregada representa el incre-mento demográfico.

En estos términos, la inmigración genera una especie de 'transicióndemográfica acelerada', porque no se requieren más que unos pocos añospara cambiar la proporción entre activos y dependientes. Además, frente a un



2 Existe evidencia que señala que la tasa de dependientes menores (población de 0 a 15años/población), puede estar positivamente correlacionada con el crecimiento debido, posiblemente a queanticipa un crecimiento demográfico cuando esa cohorte ingrese al mercado de trabajo. En este sentido,Barlow (1994) encuentra un impacto positivo de la tasa de fertilidad rezagada sobre el crecimiento percapita, indicando que la población dependiente de un periodo pasado explica el crecimiento actual. Por elcontrario, Bloom y Williamson (1998) hallan una relación negativa entre el crecimiento de la economía yel de la población menor a 15 años.

3 Este no sería el caso aplicable a países que disponen de una financiación internacional casi ilimita-da, como son los casos analizados empíricamente en este trabajo. En este sentido, la inversión puedesuperar durante un periodo de tiempo extenso el ahorro interno disponible, tal como viene sucediendoen países como España, Irlanda y EE.UU. que están mostrando déficits seculares de la cuenta corriente.

crecimiento demográfico basado en la inmigración, la mayor tasa de actividadde estos respecto a los nativos, significa que la aceleración de la poblaciónactiva será mayor, y mayor, por lo tanto, será el impacto positivo sobre el creci-miento económico. Este resultado es consecuencia de que la pirámidedemográfica de los inmigrantes está muy concentrada en torno a las edadesmás activas, entre 30 y 45 años.

Existen otros enfoques, no enfrentados con la 'transición demográfica', quese concentran en efectos particulares de la inmigración que convienendestacarse. Entre ellos, la 'dilución del capital', señala que el ingreso de inmi-grantes diluye el stock de capital por habitante, elevando la rentabilidad delcapital y reduciendo el salario. El efecto final según Borjas (1994), es distribu-tivo, ya que las ganancias de los propietarios del capital podrían incluso supe-rar las pérdidas de los trabajadores. De todos modos, este es un ejercicio deestática comparativa que no tiene en cuenta los efectos indirectos derivadosde la inmigración. Uno de ellos, es que la dilución de capital estimula un incre-mento de la inversión para recomponer la relación estructural entre las dosvariables, que se traduce en una aceleración, transitoria o permanente -segúnse tenga en consideración un modelo de crecimiento neoclásico o endógeno,del crecimiento per capita. A su vez, la revalorización bursátil generada por lamayor rentabilidad del capital, podría amortiguar las pérdidas de los traba-jadores en los países desarrollados donde los trabajadores colocan sus aho-rros en activos financieros, como es habitual en los países anglosajones y delcentro de Europa. En los países del mediterráneo, donde las familias destinanel grueso de su ahorro a la adquisición de la vivienda familiar, la revalorización



Gráfica 1. Fases de la transición demográfica

de la vivienda asociada a la dilución del capital inmobiliario que provoca elingreso de inmigrantes, también puede beneficiarlos, como es el caso de laeconomía española.4 Generalizando, la dilución de capital beneficia a quienesposeen activos, financieros o reales, y perjudica a quienes no los poseen. Así,el efecto distributivo de la inmigración es de esperar que sea menos perjudi-cial en países desarrollados donde una buena parte de los trabajadores tam-bién son propietarios. De todos modos, de acuerdo a este argumento los efec-tos serían serían transitorios, hasta que se recupere la proporción de capitalpor trabajador. De hecho, es difícil constatar que la inmigración ha deprimidolos salarios reales de la economía, porque habitualmente es altamente pro-cíclica y las entradas se producen cuando la economía y los salarios están cre-ciendo. Desde un punto de vista microeconómico, la contrapartida del efecto'capital dilution', es que bajo el paradigma de la teoría del ciclo vital, la menorrelación ingreso-riqueza de los inmigrantes, constituye un desequilibrio queprocuran corregir con un elevado nivel de ahorro. Finalmente: "La evidenciasugiere que la inmigración ayudó a esti-mular el incremento en el stock decapital y la relación capital-trabajo, gracias al aumento tanto de la oferta, comoen la demanda de capital" (Carter y Sutch, 17:1997).5

Es una evidencia ampliamente corroborada que el flujo de inmigrantes estáestrechamente sincronizado con el crecimiento de la economía.6 Los flujosinmigratorios se dirigen a regiones que presentan un mercado de trabajo reca-lentado, caracterizado por un rápido crecimiento del empleo y el desplome dela tasa de paro en el país receptor (Oliver (2006)). Es poco habitual, sin embar-go, encontrar trabajos que incorporen el efecto de la 'oportunidad' de la inmi-gración sobre el mercado de trabajo. En efecto, si una economía atraviesa unperiodo de rápido crecimiento, las presiones sobre el mercado de trabajo y el



4 Oliver J. comunicación personal.5 La vivienda es uno de los bienes de capital afectados por una dilución del capital derivada del ingre-

so de inmigrantes (disminuye el stock de vivienda per capita). El aumento del precio del m2 refleja la reva-lorización de este bien de capital, y la dilución tiende a corregirse a medida que las empresas y las fami-lias aumentan la inversión en construcción, las primeras incentivadas por la mayor rentabilidad y lassegundas porque buscan alcanzar un stock de vivienda semejante al de la población nativa.

6 De hecho, durante el periodo de libre movilidad de inmigrantes que caracterizó a EE.UU. hasta 1921y a muchos países sudamericanos hasta bien entrado el siglo xx, la inmigración respondió muy rápida-mente a la demanda de trabajo. La presencia de regulaciones, sin embargo, tiende a independizar el ciclode las migraciones (Carter y Sutch 1997).

aumento salarial resultante pueden llegar a ahogar el estímulo inicial. Estefenómenpuede ser relevante en economías pequeñas con mercados carteliza-dos y problemas de inflación estructural. En este sentido, la inmigración ofreceuna rápida y puntual herramienta para moderar la espiral inflacionaria desen-cadenada por las presiones salariales. En efecto, como los migrantes se diri-gen a las regiones y ramas de actividad que tienen los mercados de trabajomás tensionados, contribuye a aliviar carencias puntuales de oferta de traba-jadores, sin perjudicar el desarrollo del resto de sectores y regiones. Así, porcitar un ejemplo español, si bien la inmigración puede haber contenido elaumento salarial en la construcción en la ciudad de Madrid, sector y región conuna demanda de trabajo que excede la oferta con creces, difícilmente esta con-tención se haya traducido en un menor aumento salarial en el sector financieromadrileño, o en el sector de la construcción en la menos desarrollada regiónde Extremadura.

Desde un punto de vista estrictamente productivo, si la economía seencuentra en pleno empleo y requiere aumentar su oferta de trabajo paraenfrentar un periodo de rápida expansión, el crecimiento vegetativo de lapoblación requiere que transcurran un mínimo de 16 años desde que lasfamilias toman la decisión de ampliar su número hasta que sus hijos ingresanal mercado de trabajo. Así, el ingreso de inmigrantes constituye un aporteinmediato que significa, en términos neoclásicos, una ganancia de flexibilidaddel sistema productivo, que permite aprovechar oportunidades de inversiónque no necesariamente podrían ser disfrutadas con un crecimiento endógenode la oferta de trabajo. De no contar con el aporte de inmigrantes, la economíadebería basar su crecimiento en ganancias de productividad. Como el creci-miento de la productividad no es una consecuencia inevitable ni instantánea(en el sentido de que no necesariamente se producirá, ni con rapidez), y segu-ramente el sistema productivo necesita un cierto periodo para hacerlo, la inmi-gración ofrece una herramienta para paliar, al menos transitoriamente, lasnecesidades del mercado de trabajo (Oliver, 2006).

Desde otro ángulo, la inmigración constituye un canal de difusión de tec-nologías entre países que puede contribuir positivamente a la actividad inno-vadora. En un conciso trabajo, Becker et al. (1999) investiga la relación entreel crecimiento del producto y de la población, sosteniendo que "grandespoblaciones estimulan una mayor especialización del trabajo e inversiones en



conocimiento [...]. La relación neta entre una mayor población y el ingreso percapita depende del grado en que el estímulo del mayor capital humano y laexpansión del conocimiento sea más fuerte que los retornos decrecientes". Eneste mismo sentido apuntan el clásico trabajo de Boserup (1965) sobre elpapel de la presión demográfica en la productividad de la agricultura, y Simón(1989·a) que sostienen la tesis de que la población es un disparador del cam-bio técnico. Naturalmente este enfoque está enfrentado con el malthusiano,para el que la tecnología determina el crecimiento demográfico.

Desde el ángulo del stock de capital humano, suele ser habitual, aunqueno es una regularidad empírica, que los inmigrantes tengan un nivel educati-vo superior al de los nativos, al punto que Kuznets (1971) destacó que la im-portación de capital humano era uno de los impactos positivos generados porla inmigración. De todos modos, aunque así no sea, debe tenerse en cuentaque el nivel educativo es uno de los argumentos en una función de capitalhumano, que incluye, además, la experiencia y, especialmente, una variable noobservada, que es el entrepreneurship y la destreza individual.7 Estos dos últi-mos y la experiencia, son los factores que más contribuyen a explicar el nivelde ingreso familiar. En este sentido, el ánimo a saltar las numerosas barreras,legales y sociales, que implica la migración, señalan de por sí, una tenacidadde ánimo que destacaría positivamente en una ecuación minceriana desalarios si pudiera ser estimado.

Desde otra perspectiva, puede agregarse que cualquiera que sea el niveleducativo del trabajador, para el país receptor no ha significado ningún costogenerarlo. Otro de los efectos de la inmigración relacionados con el capitalhumano, consiste en el hecho de que la inmigración contribuye a amortiguarel fenómeno de la 'sobreducación' en el país receptor. En efecto, el hecho deque los inmigrantes habitualmente ocupen los peores puestos de trabajo, opuestos inferiores a la jerarquía correspondiente a su nivel educativo (Oliver yOglietti, 2003), sirve para empujar a los trabajadores nativos sobreeducados,hacia puestos de trabajo más acordes con sus niveles educativos.8



7 En este sentido, Simon (1989·b) apunta, por ejemplo, que la propensión de los inmigrantes a iniciarnuevos emprendimientos es mayor que la de los nativos.

8 El ejemplo que por antonomasia refleja este efecto es el numeroso colectivo de mujeres inmigrantesque en la ciudad de Madrid se dedican al servicio doméstico, permitiendo que las familias nativas, especial-mente sus mujeres, se liberen de las tareas domésticas e ingresen masivamente al mercado de trabajo.

En este trabajo se rescata otro enfoque, que no es antagónico con los ante-riores pero parte de diferentes premisas. A diferencia del modelo neoclásicopara el que la población contribuye al crecimiento sólo como un factor más enla función de producción, en este trabajo se propone una extensión de unmodelo de crecimiento basado en la demanda (Oglietti 2005·a) que permiteincluir el doble impacto de la inmigración, a través de la oferta de ahorro, porun lado, y como estímulo a la demanda de bienes de consumo y capital, porel otro. Ambos efectos son incorporados a través de un modelo que tiene a lademanda como desencadenante del crecimiento y al ahorro como restricción.

Los modelos de crecimiento económico basados en la demanda (Palley1997, Oglietti 2005a y b), ponen el énfasis de la aportación demográfica en supapel como generador de oportunidades de inversión (a través de la inno-vación y la demanda), sin dejar de ponerlo, en su adición a la oferta de traba-jo y al ahorro. La demografía no solamente contribuye al crecimiento a travésde la ampliación de la fuerza de trabajo. Una población en crecimiento se tra-duce en mayores ventas y expectativas de ventas, que estimulan el crecimien-to a través de la ampliación de la capacidad productiva y el incremento de laproductividad total de los factores impulsado por una mayor escala de produc-ción. Madrick (2002), hace una buena defensa del papel del mercado comoestímulo al crecimiento económico y el mismo Adam Smith señalaba que eltamaño del mercado, conformado por la combinación de ingreso y población,es uno de los factores que puede limitar la división del trabajo. Cabe destacar,sobre todo, la compatibilidad entre los modelos de crecimiento endógeno y elmodelo de crecimiento basado en la demanda (Palley 1996).

Tanto la contribución de la inmigración en términos de mercado que per-mite aumentar la escala de producción,9 como su potencial aporte a la ofertade capital humano, constituyen los pilares sobre los que se basa la teoría delcrecimiento endógeno. En este sentido, este tipo de enfoque es compatiblecon la vertiente de modelos de crecimiento endógeno que incorporan los con-ceptos de 'rendimientos crecientes' y 'learning by doing' en la función de pro-



9 Es posible que el tamaño de la población y el crecimiento per capita estén relacionados con unaforma funcional cuadrática. Las desventajas de congestión relacionadas con una excesiva densidaddemográfica, o un incremento de los usos superior al de creación de los recursos naturales, podrían neu-tralizar las externalidades positivas. La tesis del Club de Roma apuntan en este sentido, mientras queSimon (1998) entre otros, señalan que el ritmo de generación de recursos históricamente acompañó elcrecimiento demográfico.

ducción. En estos modelos, el aumento de la productividad es un subproduc-to derivado de otras actividades, habitualmente la misma inversión en capitalfísico o la producción (De La Fuente 1995).

2. Impacto demográfico sobre el crecimientoen un modelo basado en la demanda

2.1. El exceso de demanda como generadorde oportunidades de innovación e inversión

Partiendo de una función de producción Cobb-Douglas intensiva:

donde A es la productividad total de los factores, k el cociente capital-trabajo,e y el producto por trabajador.

La función de inversión que explica el crecimiento del stock de capital queplanean las firmas y es igual a:

donde I es la inversión por trabajador y z representa la propensión a invertiragregada, que es una función creciente del exceso de demanda Ed.

Conviene detenerse brevemente en esta función de inversión. Por simplici-dad se analiza un modelo de economía cerrada y con una tasa de depreciacióndel capital igual a cero (Oglietti 2005·a). Bajo este modelo, la oportunidad denegocios asociada al crecimiento del mercado es la chispa que origina el creci-miento, incentivando el cambio técnico y la inversión. El exceso de demandarepresenta las oportunidades de inversión al alcance de las firmas e implicaque la capacidad de producción es o será superada, y por tanto, incentiva unincremento de la inversión para abastecerla y un mayor aprovechamiento delos recursos.

Este desencadenante del crecimiento es muy diferente al del enfoque neo-clásico, que básicamente lo tiene en la abundancia de ahorro. Así, en el mo-delo de crecimiento neoclásico se podría llegar a la paradoja de que si aumen-ta la tasa de ahorro la economía crecerá aun si el mercado muestra unademanda en retroceso. En cambio, en el modelo propuesto el factor que de-



[1.1]

[1.2]



sencadena el crecimiento es ! siempre el estado de la demanda. Esta formu-lación es muy semejante al modelo del acelerador de la inversión, que hademostrado ser una buena especificación del comportamiento inversor de lasfirmas (Cherian 1996).

En Madrick (2002) y Palley (1996) se hace una sólida argumentación a favordel papel protagónico de la demanda en el crecimiento económico.10 Teniendoen cuenta que la tasa de crecimiento del producto planeado es equivalente a(1.2) multiplicada por la participación del capital en el producto en competen-cia perfecta, se llega a la expresión siguiente:

donde

El superíndice p señala que la variable es 'planeada', porque no necesaria-mente se alcanzará ese nivel de inversión, ya que depende de la existencia deahorro para financiar la inversión. El ahorro disponible no necesariamenteserá igual a la tasa de inversión planeada porque así como ésta se determinaen el mercado de las empresas, dependiendo de sus oportunidades de inver-sión, al ahorro lo determinan las familias atendiendo a una función de com-portamiento independiente.11

10 Por demás está decir que la historia económica se encuentra llena de ejemplos de rápido creci-miento asociados a la expansión del mercado. La ilimitada demanda textil de los países centroeuropeosdurante la Primera Guerra Mundial, benefició a la vecina Cataluña que vio florecer su industria textil gra-cias a esta extraordinaria demanda. El ingreso de China a la OMC, sin duda ha generado para el paísasiático una fuente apreciable de demanda que está estimulando la inversión. Pueden agregarsenumerosos ejemplos, como el acceso preferencial de Corea del Sur al mercado estadounidense y viet-namita en los primeros años de su desarrollo, el ingreso de países con mercados relativamentepequeños como España e Irlanda al mercado ampliado de la UE, etc. Estos ejemplos reflejan circunstan-cias históricas y exógenas a las decisiones gerenciales de las firmas, que ciertamente impulsaron unsostenido avance de la demanda y el crecimiento.

11 Siguiendo el procedimiento habitual, las familias deciden su tasa de ahorro maximizando una fun-ción de utilidad intertemporal (De la Fuente 1995), que tiene como argumentos la tasa de preferenciatemporal (impaciencia de las familias) y la elasticidad intertemporal de sustitución del consumo y el tipode interés. Como en competencia perfecta el tipo de interés es equivalente a la productividad marginaldel capital, esta variable es un argumento que comparten la función de inversión de las firmas y la deahorro de las familias y es un elemento que contribuye a estrechar las diferencias entre s y z, aunque singarantizar su igualdad.

[1.3]

[1.4]



A los fines de este modelo, basta con notar que puede surgir una diferen-cia entre z y s, que se captura en la ecuación (1.4) y puede dar lugar a diver-sas situaciones de equilibrio que básicamente se resumen en las siguientes(Oglietti 2005a): a) la insuficiencia de ahorro puede ser la restricción domi-nante, que es la situación que enfatiza el modelo clásico de crecimiento, y b)que se produzca un exceso de ahorro que deprima la demanda, por lo que lafalta de oportunidades de inversión pasa a ser la restricción dominante queenfrenta el crecimiento.

El término Es (exceso de ahorro), captura el efecto de la paradoja de la fru-galidad, esto es, cuando una situación de sobreahorro o, lo que es igual, unahorro que no se transforma en demanda agregada, contribuye a disminuir larenta nacional.

Bajo este esquema, la inmigración desempeña un papel doblemente posi-tivo, porque por un lado, contribuye a expandir con su demanda de bienes deconsumo e inversión las oportunidades de inversión al alcance de las firmas,y por otro, alivia la restricción financiera gracias a su aporte de ahorro.12 En lamedida que la tasa de ahorro del colectivo de inmigrantes sea mayor que lade los nativos como suele verificarse empíricamente (Carter y Sutch 1997 ySimon 1989·b), la inmigración contribuye a expandir la tasa de ahorro.

Por último, el exceso de demanda se define con una función que contieneun vector de variables Z, que representan las oportunidades de inversiónhabituales al alcance de las firmas, más un componente que representa elingreso de inmigrantes a la fuerza de trabajo (M).

En síntesis, para la tradición clásica la disponibilidad de ahorro es la condi-ción necesaria y suficiente para que la economía crezca. En este sentido, elaporte en términos de ahorro de los inmigrantes constituye el factor de expan-

12 Los impactos indirectos sobre el ahorro pueden ser muy diversos, por lo que debe matizarse estaafirmación. Sirva por caso tener en cuenta que uno de los efectos derivados de la inmigración es la reva-lorización inmobiliaria, que expande la riqueza de las familias propietarias, incentivándolas a deprimir sutasa de ahorro (Oliver J., comunicación personal). Ni EE.UU. como emisor de moneda internacional, niEspaña e Irlanda, como receptores de un ilimitado financiamiento en el marco del área monetaria deleuro, enfrentan la restricción externa que provoca el déficit de balanza de pagos generado por la bajatasa de ahorro interna.

[1.5]



sión que más rescata este paradigma. En el modelo propuesto, además delanterior, se añade el estímulo que significa una expansión de la demanda debienes de capital y consumo.

2.2 Bases teóricas del modelo empírico a estimar

Los fundamentos teóricos de la ecuación empírica a estimar que permiteanalizar el impacto demográfico se desprenden del siguiente análisis.

Siguiendo la práctica habitual (Bloom y Williamson 1998), partiendo de unafunción Cobb-Douglas de la forma (2.1).

El crecimiento de estado estacionario se asume como determinado por unconjunto de factores estructurales, X que pueden influenciar la productividadtotal de los factores A, y la acumulación de capital. Así, en la ecuación (2.2), y*

es igual al producto por trabajador en estado estacionario (y no al productoper capita, como es el tratamiento empírico habitual en la literatura sobrecrecimiento económico).

X es una matriz de variables que afectan el nivel de estado estacionario dela productividad total de los factores y la intensidad de capital K/L (conocida enla literatura como capital deepening). Habitualmente en esta matriz se in-cluyen variables como la disponibilidad de recursos, capital humano, eco-nomía política, aspectos geográficos, institucionales e incluso culturales.

Partiendo de estas condiciones estructurales de la economía, se deriva unafunción de crecimiento que parte de suponer que el nivel actual de productopor trabajador y, se ajusta periódicamente a su nivel de estado estacionario, através del mecanismo: gy=8(y*-y), que combinado con la ecuación (2.2) per-mite derivar la siguiente ecuación estocástica a estimar empíricamente.

[2.1]

[2.2]

[2.3]



De acuerdo a un modelo de crecimiento basado en la demanda, lademografía es parte integrante de la matriz X. En efecto, cabe notar que laecuación (2.3) tiene, por construcción, al producto por trabajador como varia-ble dependiente, y no al producto per capita que es el habitualmente utilizadoen las estimaciones empíricas. Bloom y Williamson (1998) demuestran quesólo es válido emplear indistintamente el crecimiento del producto por ocupa-do y del producto per capita como variable dependiente en la regresión 3, enlas poblaciones demográficamente estables, porque crecen al mismo ritmo.En cambio, durante las fases de alteraciones demográficas relevantes, ya seapor una transición demográfica o por el ingreso masivo de inmigrantes, estaregresión no es adecuada para medir el crecimiento por trabajador. En efecto,esta afirmación se demuestra incorporando el impacto de la composicióndemográfica de la siguiente forma. Tomando logaritmos de la siguiente expre-sión: Y / P = Y / L @L / P , llegan a (2.4)

donde y' es el producto per capita, y el producto por trabajador, y la últimaexpresión es la proporción de trabajadores per capita. Así, teniendo en cuen-ta la identidad (2.5), la ecuación (2.3), puede reformularse en términos percapita como (2.6):

Como se desprende de esta expresión, el crecimiento del producto percapita se divide en dos componentes, el ajuste entre el producto por traba-jador de estado estacionario, y el producto per capita real ajustado con la pro-porción de trabajadores per capita y la diferencia de crecimiento entre lapoblación y el empleo.

Esta reformulación fundamenta teóricamente las estimaciones empíricasque tienen como variable dependiente al producto per capita en lugar del pro-ducto por trabajador. Este es el modelo general, y en el caso que las variablesdemográficas sean estables y avancen al mismo ritmo, los coeficientes de gP y

[2.4]

[2.5]

[2.6]



gL obtenidos en una regresión se anulan mutuamente y la proporción de tra-bajadores per capita pasa a ser una constante. En cambio, en presencia decambios demográficos, la estimación basada en la ecuación (2.3) conduce auna subespecificación que es salvada incluyendo estas tres variables demográ-ficas adicionales que diferencian la ecuación (2.6) de la (2.3).

Desde el ángulo de la teoría del crecimiento económico, el objeto de análi-sis es explicar el crecimiento por trabajador, y no el crecimiento per capita.Remitiéndonos a la ecuación (2.1) donde k=K/L, el insumo de producción, L,son los trabajadores y no la población. De acuerdo al enfoque teórico men-cionado arriba, las variables demográficas, son parte del cuerpo de variablesestructurales que componen la matriz X y contribuyen a determinar el cre-cimiento de estado estacionario de una economía. Así, el efecto de lademografía sobre el crecimiento per capita se desdobla en dos impulsos. Porun lado el efecto directo a través de su contribución como factor de produc-ción que se resume en la ecuación (2.6), y por otro, el impacto sobre el creci-miento de estado estacionario a través de los impulsos indirectos sobre lacapacidad de generar ahorro, demanda y oportunidades de inversión, quepueden ser muy significativos.

Teniendo en cuenta esta doble vertiente, el modelo general, que incluye losdos efectos del crecimiento demográfico sobre la población, se obtiene des-doblando la matriz X inicial en la ecuación (2.6), en una variable que represen-ta la demografía, en este caso los ocupados (gL), y una matriz Y que sólo sediferencia de X en que no incluye gL.

13

que conduce a la siguiente ecuación estocástica a estimar:

13 La matriz X también podría desdoblarse en Y, gL y el crecimiento del total de población gP, por loque tendríamos una interpretación para el coeficiente de gP diferente a la que se obtiene en la ecuación(6). Como el impacto del crecimiento de la población es más ambiguo que el de la ocupación, en estaocasión solamente se hace referencia al primero.

14 Bloom y Williamson (1998), en un corte transversal de 78 países del periodo 1965-1990, obtienenun coeficiente en torno al 1,9 para la variable gL (aproximada a través de la población potencialmenteactiva). Este resultado implica que el impacto indirecto casi alcanza a multiplicar por dos el efecto direc-to sobre la función de producción.

[2.7]

[2.8] 14

De (2.8) se desprende que al estimar una 'growth regression' al estilo de laecuación (2.6), el coeficiente que se obtiene para la variable gL, debe ser inter-pretado, hasta la unidad, como el factor de ajuste, y el exceso sobre la unidadcomo la suma de los impactos indirectos.

Estimando directamente el crecimiento por trabajador (gy) en la ecuación(2.9), se evita el problema de tener que ajustar la ecuación con el procedimien-to anterior y los parámetros estimados representan directamente el efectosobre el crecimiento.

De acuerdo a las consideraciones anteriores, se espera un signo positivopara la variable de interés (gL), y en la medida que supere el cero constituyeuna evidencia a favor de los argumentos que esperan un impacto positivo delaumento del empleo sobre el crecimiento.

3. Estimación empírica

3.1. Antecedentes

No es frecuente hallar estimaciones de modelos estructurales, de corte trans-versal o datos en panel, que encuentren una relación positiva entre lapoblación y el crecimiento económico. El clásico trabajo de Levine y Renelt(1992), encuentra evidencia de una relación negativa, que de todos modos noalcanzó a superar pruebas de robustez. El trabajo de Kalaitzidakis et al. (2000)continúa la investigación de Levine y Renelt modernizando el instrumentaleconométrico a través de estimaciones no lineales, y encuentra, igualmente,un efecto estructural negativo del crecimiento de la población, aunque nueva-mente, no robusto.

Suele argumentarse (Steinmann y Komlos, 1988 y Simon, 1989·a y 1998),que hallar un efecto no significativo del crecimiento demográfico en el corto omediano plazo que abarcan las estimaciones econométricas, es equivalente aafirmar que el efecto final es positivo, ya que de acuerdo a la teoría, es deesperar que los impactos positivos provocados por la demografía maduren enel largo plazo. En este sentido, cabe destacar la ausencia de una relaciónestadísticamente significativa a medio plazo, no solamente apunta contra las



[2.9]



tesis que prevén un impacto positivo, sino también contra el pesimismomalthusiano.

En un trabajo empírico, Barlow (1994) presenta una relación positiva y sig-nificativa entre el crecimiento económico y la tasa de fertilidad rezagada en 16años. Al emplear esta variable, que es una proxy del crecimiento de lapoblación activa en el momento actual, Barlow anticipaba el trabajo de Bloomy Williamson (1998) que apunta en el sentido de diferenciar entre el impactonegativo del incremento poblacional y el positivo de la población activa. Bajoel enfoque de Bloom y Williamson, el resultado habitual de encontrar unarelación no significativa para la variable crecimiento de la población en las'growth regressions', se explica porque esta variable solamente captura losefectos negativos de la población sobre la economía en el corto plazo y seomite otra que capture los efectos positivos, como el crecimiento de la ocu-pación. Al incluir las dos variables -población y ocupados- en la regresión, yasea individualmente o como cociente, hallan un efecto demográfico positivosobre el crecimiento que depende de la diferencia de ritmo de crecimientoentre ambas.

En sus estimaciones, los coeficientes obtenidos para cada una de estasvariables, se ubican en torno al 1.9 para el crecimiento de la población activay -1.7 para el de la población. Así, el resultado señala que incluso si lapoblación creciera ligeramente más rápido que la población activa (en torno a10% más), el impacto demográfico aún seguiría siendo positivo. Resumiendo,aplicando estimaciones de corte transversal, encuentran que el crecimiento dela población produce un impacto negativo sobre el crecimiento económico,pero el crecimiento de la población activa (variable con la que aproximan laocupación), genera un impacto positivo y el efecto demográfico conjunto espositivo. Una carencia de esta estimación, es que por su amplitud (78 países)y la dificultad para disponer cifras de empleo, requiere emplear la poblaciónactiva (de 16 a 64 años), como proxy de la ocupación.

Otra objeción a esta metodología proviene del hecho de que la estimaciónsupone que los parámetros hallados serán representativos de la relación fun-cional aplicable a todos los países, sin distinguir, por ejemplo, si son desarro-llados o no. Tal como señalan Blonigen y Wang (2004) en una investigaciónempírica sobre la inversión extranjera directa, podría ser inapropiado mezclarpaíses desarrollados y no desarrollados en la misma regresión de corte trans-

versal (o panel). Así, la presunción de que el impacto de la inmigración o elcrecimiento demográfico será el mismo sin distinguir el nivel de desarrollo delos países debería ser confirmada empíricamente. Existen, eso si, varias pre-sunciones teóricas relacionadas con el subempleo y la disponibilidad de aho-rro, que sugieren que el crecimiento demográfico generará impactos muydiferentes, no lineales, dependiendo del nivel de desarrollo. Es de esperar queel impacto de la inmigración, sobre el mercado en pleno empleo y ahorroabundante de un país desarrollado genere un impacto muy diferente quesobre otra economía con factores subutilizados y ahorro limitado.

3.2. Estimación econométrica y resultados

El examen econométrico se basa en un panel de 14 países de la UniónEuropea (todos los miembros de la UE-15 a excepción de Luxemburgo),cubriendo de forma quinquenal el periodo que se extiende entre 1970 y 2005,por lo que se dispone de siete observaciones por país (98 obs.). La tabla 1provee una descripción de las variables utilizadas. Incluyen las variablesestructurales que integran la matriz Y que determina el ritmo de crecimientode estado estacionario en la ecuación (2.9), formado por: la apertura (OPEN), elconsumo del gobierno (GGOB), la distancia de ingreso con relación a laeconomía estadounidense (PIBUSA) y la tasa de inversión promedio del periodo(INVPRO), más tres variables demográficas: el crecimiento de la población (POP),los activos (ACT) y los ocupados (OCU), y dos variables representativas delimpacto de la inmigración, los nuevos inmigrantes del quinquenio como por-centaje de la población activa del periodo anterior (INMLBR) y el cociente entrelos nuevos inmigrantes del quinquenio y los nuevos activos del periodo (INM-NEWACT).

La ventaja de restringir el análisis a países desarrollados que comparten unmismo espacio común, es que no se requiere incluir muchas de las variablesestructurales que habitualmente se emplean para medir aspectos institu-cionales, culturales o geográficos. Es de esperar que las variables institu-cionales habitualmente empleadas en las 'growth regressions', tales comogolpes de estado, zonas costeras, trópicos, continentes, etc., e incluso algunasdemográficas -que ofrecen poca variabilidad en la muestra europea como latasa de natalidad y fertilidad o la esperanza de vida-, no añadan informaciónrelevante a este grupo de países que comparten un área geográfica, cultural e



institucional similar. En efecto, las semejanzas entre estos países, permiteexaminar las variables demográficas de interés, minimizando el riesgo de quese omitan variables estructurales relevantes. Por otra parte, siguiendo el pro-cedimiento habitual, en el panel se emplean variables quinquenales que per-miten minimizar los efectos del ciclo sobre las series.



Tabla 1. Estadística descriptiva

ACT: crecimiento promedio anual de la población activa en porcentajesGGOB: Consumo del gobierno en porcentajes del PIB a valores constantes al inicio del periodoGR: Crecimiento promedio anual del PIB per capita en porcentajesGROCU: Crecimiento promedio anual del PIB por ocupado en porcentajesINMLBR: Nuevos inmigrantes del quinquenio respecto al total de activos iniciales en porcentajesINMNEWACT: Nuevos inmigrantes respecto al total de nuevos activos del quinquenio en porcentajesINVPRO: Tasa de inversión respecto al PIB promedio del periodo en porcentajes a valores constantesOCU: Crecimiento promedio anual de la población ocupada en porcentajesOPEN: Apertura [(Exportaciones+Importaciones)/PIB], a valores corrientes del PIB en porcentajesPIBUSA: Ingreso inicial respecto al PIB per capita estadounidense (PIB pc EEUU =100)POP: Crecimiento promedio anual de la población total en porcentaje.Fuentes: Eurostat, SOURCEOCDE y PENN WORL TABLES 6.1.

Media

0.908

13.449

2.261

1.957

1.890

-2.381

22.995

0.746

58.203

67.359

0.440

ACT 1

GGOB 2

GR 3

GROCU 4

INMLBR 5

INMNEWACT 6

INVPRO 7

OCU 8

OPEN 9

PIBUSA 10

POP 11

Mediana

0.818

13.155

1.940

2.027

1.234

0.263

22.725

0.663

49.135

70.910

0.372

Max

5.055

25.790

8.732

5.745

15.012

7.473

36.470

5.452

186.000

95.660

1.813

Skewness

1.138

0.202

0.746

0.292

0.390

-8.013

0.747

0.572

1.522

-0.578

1.298

Curtosis

6.756

1.609

4.924

3.620

7.399

70.14

4.679

5.072

5.870

2.709

5.158

Jarque Bera

78.740

8.562

24.217

2.961

81.510

19455.45

20.643

22.881

71.479

5.796

46.527

Desv. est.

0.939

6.507

1.662

1.468

3.493

20.01

3.322

1.352

31.009

13.360

0.387

Prob.

0.000

0.014

0.000

0.228

0.000

0.000

0.000

0.000

0.000

0.055

0.000

Fuente

OCDE

PWT

PWT&Eurostat

PWT&OCDE

Eurostat&OCDE

Eurostat&OCDE

PWT&Eurostat

OCDE

PWT

PWT

Eurostat

Min

-1.379

3.010

-2.210

-1.925

-12.352

-182.67

15.510

-3.372

15.920

36.980

-0.211

ACT 1

GGOB 2

GR 3

GROCU 4

INMLBR 5

INMNEWACT 6

INVPRO 7

OCU 8

OPEN 9

PIBUSA 10

POP 11

Observaciones quinquenales: 98

En la tabla 2 se muestran los resultados de las ocho estimaciones reali-zadas, de las cuales, las cinco primeras tienen como variable dependiente alcrecimiento del PIB per capita del quinquenio, y las últimas tres, al crecimien-to del PIB por ocupado. La primera columna contiene los resultados del mode-lo CLÁSICO (1), semejante al estimado habitualmente por el grueso de la litera-tura, que sólo incluye como variable demográfica exógena al crecimiento de lapoblación total. Los resultados hallados en este primer modelo coinciden conlos que habitualmente obtiene la literatura. En efecto, el coeficiente significa-tivo y negativo que se encuentra para la variable que representa la distanciadel ingreso por persona de cada país con respecto al de la economía esta-dounidense (PIBUSA), comprueba un proceso de convergencia condicionalentre los países de la UE. También se encuentra una relación negativa entre elcrecimiento y el consumo del sector público y una positiva con la tasa de inver-sión y el grado de apertura de la economía. Concentrando la atención sobre latasa de crecimiento de la población, que es la variable demográfica de interésen este análisis, se observa que genera un impacto negativo sobre el creci-miento per capita, que resulta estadísticamente significativo. Este resultado esampliamente observado en la literatura, aunque, tal como señalan Levine yRenelt (1992) y Kalaitzidakis et al. (2000) no demuestra ser robusto frente amodificaciones en la especificación.

La segunda columna muestra el modelo estimado por Bloom y Williamson(2), incluyendo dos variables demográficas, el crecimiento de la población y elde los activos. Con esta modificación, los coeficientes de la matriz Y semantienen casi sin variaciones, y se obtienen los mismos resultados queBloom y Williamson, es decir, el crecimiento de la población genera unimpacto negativo, y el de la población activa uno positivo, ambos son significa-tivos, y la especificación se muestra superior bajo los estándares habituales (R2

ajustado y el criterio de información de Schwartz) que el modelo CLÁSICO. Elcoeficiente de la población activa es positivo pero menor que la unidad.

Como Bloom y Williamson incorporan la población activa como una proxyde la población ocupada, que es la que finalmente genera todos los aportespositivos previstos por el enfoque teórico, en la tercera columna se muestra elmodelo B&W/L, donde en lugar de emplear como variable exógena al creci-



miento de los activos se utiliza, directamente, el crecimiento de los ocupados.El coeficiente es prácticamente el mismo que el estimado empleando losactivos, pero su significatividad estadística mejora notablemente, al igual quelos indicadores de precisión del ajuste. Las coeficientes estructurales de lamatriz Y no muestran alteraciones significativas. La similitud del coeficienteobtenido para el crecimiento de ocupados y el de activos demuestra lo apro-piado del procedimiento de emplear este último como aproximación delprimero.

El cuarto modelo CLAS+I, es una ampliación del modelo CLÁSICO, pero agre-gando una variable representativa del impacto de la inmigración (INMLBR), queresulta positiva y estadísticamente significativa. El quinto modelo (B&W/L+I),amplía el modelo B&W/L e incluye otra variable representativa de la inmi-gración, el peso de los inmigrantes sobre los nuevos activos del quinquenio(los resultados de incluir cualquiera de las dos variables que intentan capturarel choque demográfico de la inmigración son prácticamente indistintos).Nuevamente, la inmigración muestra una relación positiva sobre el crecimien-to, aunque en este caso es menos significativa. La estrecha relación entre elingreso de inmigrantes y el crecimiento de la ocupación podría explicar estamerma de significatividad, en el sentido de que la ocupación podría estar cap-turando el impacto de la inmigración. De todos modos, este modelo muestrauna mayor calidad de ajuste que el modelo B&W/L de acuerdo a los dos indi-cadores empleados, lo que constituye una evidencia a favor de incluir la inmi-gración en la especificación.

El coeficiente obtenido para la variable ocupación, que muestra una elasti-cidad en torno al ½ punto, sugiere bajo la interpretación brindada en laecuación (2.8) (sección 2.2), que, el impacto indirecto de la demografía sobreel crecimiento per capita de estado estacionario, es negativo. En efecto, seríadificil esperar que un crecimiento de la ocupación produjese una disminucióndel producto per capita, porque los nuevos empleos deberían que tener unaproductividad del trabajo inferior a la productividad por ocupado de laeconomía multiplicada por la tasa de dependencia. Si, por ejemplo, el produc-to por trabajador es de 10.000, y hay un trabajador por cada persona, el pro-ducto per capita de esta economía es de 5.000. Al agregar un ocupado, sólo



se requiere que su producto marginal supere los 5.000 para que el productoper capita aumente (este efecto es el que finalmente captura el coeficientepositivo obtenido para la variable exógena OCU en los modelos 3 y 5, o paraACT en el modelo 2). En definitiva, no es de esperar que caiga el producto percapita, pero si que lo haga el producto por ocupado.

Las tres últimas columnas representan estimaciones de la ecuación (2.9)que tienen como variable dependiente al crecimiento del PIB por ocupado(GROCU). Al incluir como variable exógena al denominador de la variabledependiente -el crecimiento del empleo (OCU)-, se obtiene para esta variableun coeficiente negativo y significativo y el crecimiento de la población totaldeja de ser significativo. De todos modos, el valor del coeficiente obtenidopara OCU no es muy elevado, en torno a 0.12, indicando una elasticidad pro-ducto del empleo en torno al 0.88 (modelo 8). Cabe notar, que en esta especi-ficación pueden presentarse grandes problemas de causalidad reversa.

En los modelos que tienen al crecimiento de la población como variabledependiente son menores las posibilidades de que a corto plazo el crecimien-to cause el crecimiento demográfico, sin embargo, el crecimiento económicoestá estrechamente entrelazado y se retroalimenta con el crecimiento de laocupación. La diferencia entre los estimadores obtenidos con variables instru-mentales y MCO podrían no mostrar grandes diferencias en las especificacionesque tienen al crecimiento per capita como variable dependiente o en todocaso, podrían subestimar el impacto positivo de la demografía, como el resul-tado que alcanzan Bloom y Williamson en sus estimaciones. Sin embargo, esde prever que en la especificación que tiene como variable dependiente alcrecimiento por trabajador, el resultado sea más sensible al problema de lacausalidad reversa.

Asimismo, al incluir la ocupación con un rezago en la especificación, pierdesignificatividad el crecimiento contemporáneo de la ocupación frente al reza-gado, y además, mientras la variable contemporánea es ligeramente negativa,la rezagada es positiva y más significativa. Así, el efecto a largo plazo es posi-tivo, sugiriendo que el impacto negativo inicial sobre la productividad por tra-bajador, se neutraliza y supera en un quinquenio. A su vez, al incluir en elmismo modelo al crecimiento del total de población pero con tres periodos derezago -que sirve como una proxy de la población que actualmente está ingre-sando al mercado de trabajo-, cuando es de esperar que comiencen a



percibirse los efectos indirectos sobre el crecimiento, entonces el resultadoestimado es igualmente positivo y significativo.

Una aproximación en este sentido, que elude el problema de la causalidadreversa, son los modelos 6 y 7, que emplean como variables dependientes alcrecimiento por trabajador e incluyen como exógenas las variables demográ-ficas rezagadas, y por tanto independientes de la variable endógena contem-poránea. En el modelo 7, se incluye como variable exógena al crecimiento dela población con tres rezagos y la inmigración con uno. Ambas resultanestadísticamente significativas y positivas, mostrando un impacto positivo dela demografía y la inmigración. En el modelo 6 se incluye el crecimiento delempleo con un rezago y el de la población con tres, y ambos resultan estadís-ticamente significativos y positivos. La variable representativa de la inmi-gración pierde significatividad, sugiriendo que su efecto está capturado por elritmo del empleo.

En las tres especificaciones el nivel del coeficiente obtenido para lapoblación muestra ser muy elevado, ya que un aumento de un punto porcen-tual en el ritmo de crecimiento de la población de hace tres quinqueniosprovocaría un incremento del producto por trabajador en este quinquenio de1.4 puntos. Igualmente, un aumento de 1.0 punto del ritmo del empleo en elquinquenio anterior explicaría 0.3 puntos de crecimiento en la productividadpor trabajador actual. En las especificaciones 6 a 8 pierden significatividad losparámetros de la matriz Y excepto el consumo del gobierno.

Los modelos estimados superan los test de autocorrelación y heterocedas-ticidad. Quedan pendientes de análisis la inclusión de variables demográficasalternativas, como la evolución de la esperanza de vida, especialmente paradistinguir si el efecto positivo derivado del crecimiento de la población nodiferencia si el mismo está explicado por aumentos en la parte baja o alta dela pirámide demográfica. Si se estimó, aunque no resultó significativa enninguna de las especificaciones, la proporción de activos u ocupados sobre eltotal de población. Asimismo, queda pendiente de análisis el efecto de las rela-ciones de causalidad inversa sobre los coeficientes obtenidos, especialmentecuando se emplea como variable dependiente al crecimiento del PIB por traba-jador. De todos modos, los modelos 6 y 7 brindan cierta confianza de que losparámetros permanecerán relativamente estables.



Conclusiones

Bajo el enfoque de un modelo de crecimiento keynesiano basado en la deman-da, la demografía y la inmigración estimulan el crecimiento económico através de su impacto sobre el tamaño del mercado y la demanda de bienes deconsumo y capital, generando un salto de nivel del crecimiento de estado esta-cionario. Este enfoque es compatible con los modelos de crecimientoendógeno que tienen su principal fuente de impulso en las externalidades aso-



Tabla 2. Impacto de la población sobre el crecimiento

1. GR= tasa de crecimiento del PIB per capita, GROCU=tasa de crecimiento del PIB por ocupado.No se muestran las variables dummies representativas de los efectos fijos de cada uno de los países de la muestra y decada uno de los siete periodos bajo análisis.

1CLÁSICO

GR

-0.425(-0.258)

-0.866(-2.290)

-0.046(-1.498)

-0.122(-3.968)

0.067(4.184)

0.170(2.936)

0.612

3.781

98

Modelos

variabledepend:1

C

POP

OCU

ACT

INMLBR

INMNEWACT

GGOB

PIBUSA

OPEN

INVPRO

R2 Aj.

Schwartz I.C.

Observ.

2B&W

GR

0.652(0.426)

-1.261(-3.509)

0.511(3.952)

-0.058(-2.048)

-0.120(-4.295)

0.056(3.747)

0.146(2.727)

0.677

3.631

98

3B&W/L

GR

0.965(0.698)

-1.125(-3.565)

0.501(5.903)

-0.057(-2.234)

-0.107(-4.203)

0.047(3.426)

0.132(2.722)

0.735

3.433

98

C

POPt-3

OCU

OCUt-1

INMLBRt-1

6

GROCU

2.516(1.179)

1.435(3.202)

0.343(3.379)

-0.125(3.966)

-0.035(-0.673)

0.013(0.662)

-0.031(-0.373)

0.555

3.403

56

7

GROCU

0.149(0.066)

1.723(3.147)

0.126(1.883)

-0.112(-3.251)

0.001(0.022)

0.010(0.479)

-0.010(-0.113)

0.460

3.598

56

5B&W/L+I

GR

1.102(0.800)

-1.282(-3.861)

0.477(5.554)

0.007(1.430)

-0.055(-2.157)

-0.107(-4.237)

0.047(3.480)

0.130(2.702)

0.739

3.451

98

8

GROCU

2.524(1.098)

1.656(3.011)

-0.121(-1.141)

0.207(1.746)

0.063(0.916)

-0.10(-3.074)

0.048(1.237)

-0.028(-2.732)

-0.087(-1.052)

0.496

3.570

56

4CLAS+I

GR

-0.052(-0.033)

-2.345(-3.446)

0.173(2.574)

-0.071(-2.279)

-0.139(-4.572)

0.066(4.255)

0.194(3.43)

0.640

3.740

98

Método MCO - estadístico t entre ()

ciadas al volumen de producción o inversión. Sin embargo, no es compatiblecon el modelo neoclásico, para el que predominan los rendimientos decre-cientes del trabajo y el grueso del efecto de la inmigración se concentra sobrela oferta de ahorro y genera un impacto transitorio sobre el crecimiento.

En una estimación de datos en panel circunscrita a los países europeos,que minimiza las objeciones derivadas de la heterogeneidad de los paísesincluidos en la muestra en lo que respecta a la estabilidad de los parámetrosy potenciales no linealidades de las variables exógenas, se estimó una especi-ficación semejante a Bloom y Williamson, obteniendo al igual que estos, queel impacto de la demografía sobre el crecimiento per capita se desdobla en unefecto negativo capturado por el crecimiento de la población y otro positivocaptado por el crecimiento de la ocupación. El efecto positivo, de todosmodos, resultó sensiblemente menor al que encuentran Bloom y Williamson.

Como el objetivo final de la teoría del crecimiento económico es analizar elcrecimiento del producto por trabajador en lugar del crecimiento per capita,se estimaron tres modelos que tienen como variable dependiente al productopor trabajador. Se obtuvo que el impacto del crecimiento del empleo a media-no plazo es positivo y significativo, que el efecto del crecimiento contemporá-neo de la población deja de ser significativo y que en cambio, el crecimientoactual de la población comienza a generar un impacto positivo y significativosobre el PIB por trabajador tras un periodo en torno a 15 años cuando los efec-tos indirectos de la población comienzan a percibirse.

A su vez, en todas las especificaciones formuladas, la inmigración parecemostrar una relación positiva aunque no robusta porque deja de ser significa-tiva cuando se añade el crecimiento del empleo como variable exógena.

Estos resultados parecen señalar que el impacto de la demografía sobre elcrecimiento es positivo a mediano plazo, cuando comienzan a cuajar los efec-tos indirectos de la demografía, cuestionando la opinión convencional de quepredominan los rendimientos decrecientes. Si puede mostrarse que lademografía, ya sea fruto de una 'transición demográfica', boom de nacimien-tos o por el ingreso masivo de inmigrantes, genera un impacto positivo a cortoo medio plazo sobre el crecimiento o su ritmo de avance, entonces cabenpocas dudas de que su impacto a más largo plazo será positivo.



Bibliografía

Barlow, Robin (1994) "Population Growth and Economic Growth: Some MoreCorrelations", Population and Development Review, 20, nº 1 (marzo).

Becker, Gary, Esward Glaeser y Kevin Murphy (1999) "Population andEconomic Growth", American Economic Review, American EconomicAssociation, vol. 89(2), pp. 145-149.

Blonigen, B. y M. Wang (2004) Inappropriate Pooling of Wealthy and PoorCountries in Empirical FDI Studies, NBER Working Paper Series nº10378.

Bloom, David E. y Jeffrey G. Williamson (1998) "Demographic Transitionsand Economic Miracles in Emerging Asia", The World Bank EconomicReview, Vol.12 Nº 3, pp. 419-55.

Bloom, David E., David Canning y Pia N. Malaney (1999) DemographicChange and Economic Growth in Asia, CID at Harvard UniversityWorking Paper, Nº.15 (mayo).

Boserup, E. (1965) The Conditions of Agricultural Growth, London, Ed.Earthscan.

Borjas, G. J. (1994), "The Economics of Inmigration", Journal of EconomicLiterature, 32, pp.1667-1717.

Carter S.B. y Sucth R. (1997) Historical Perspectives on the EconomicConsequences of Immigration into the United States, Historical PaperNBER WP Series, 106.

Cherian, Samuel (1996) The Investment Decisión: A Re-examination ofCompeting Theories Using Panel Data, Policy Research, Working Paper,1656, Banco Mundial (septiembre).

De La Fuente, Ángel (1995) Notas sobre la economía del crecimiento,Papers de Treball, Institut d'Anàlisi Econòmica, UAB, octubre.

Heston, Alan, Robert Summers y Bettina Aten, Penn World Table Version 6.1,Center for International Comparisons at the University of Pennsylvania(CICUP), October 2002.

Kalaitzidakis, P., T. P. Mamuneas y T. Stengos (2000) "A Non-Linar SensitivityAnalysis of Cross-Country Growth Regressions", Canadian Journal ofEconomics, Vol. 33, Nº 3, pp. 604-617.

Kuznets, Simon (1971) "The Contribution of Inmigration to the Growth ofLabor Force", The Reinterpretation of American Economic History, NewYork ed. R. W. Fogel y S. L. Engerman, Harper & Row.

Levine, Ross y David Renelt (1992) "A Sensitivity Analysis of Cross-CountryGrowth Resgressions", The American Economic Review, Vol. 82 Nº 4,(septiembre), pp.942-963.



Madrick, Jeff (2002) Why Economies Grow: The Forces that ShapeProsperity and How We Can Get Them Working Again, New York, Ed.Century Foundation.

Oglietti, Guillermo C. (2005a) "Un modelo de crecimiento con función deinversión: evidencia de causalidad para el caso de Argentina", Mimeo.

(2005b) "¿Pan para hoy, hambre para mañana? La relación decausalidad entre el crecimiento y la inversión extranjera directa enArgentina", El Trimestre Económico, Fondo de Cultura Económica(artículo de próxima publicación).

Oliver i Alonso J. y G. C. Oglietti (2003) "La inmigración", Índice LaboralManpower. Marzo, pp.5-111.

Oliver i Alonso J. (2006) "España 2020: un mestizaje ineludible; cambiodemográfico, mercado de trabajo e inmigración en las ComunidadesAutónomas", Con(Textos)A;3, Barcelona, Instituto de EstudiosAutonómicos.

Palley, Thomas I. (1996) "Growth Theory in a Keynesian Mode: SomeKeynesian Foundations for New Endogenous Growth Theory", Journal ofPost Keynesian Economics, Vol.19, Nº1 (otoño).

(1997) "Expected Aggregate Demand, the Production Period and theKeynesian Theory of Aggregate Supply", The Manchester School, Vol.LXV Nº 3 (junio).

Simon, Julian (1989a) "On Aggregate Empirical Studies Relating PopulationVariables to Economic Development", Population and DevelopmentReview, vol. 15, nº 2 (junio), pp. 323-332.

(1989b) The Economic Consequences of Immigration to the U. S. Oxford,Ed. Basil Blackwell <http://www.juliansimon.com/writings/Immigration>

(1998) "Is Population Growth a Drag on Development?", en JamesDorn y Alan Walters (comp.), The Revolution in DevelopmentEconomics, ed. Cato Institute.

Steinmann G. y J. Komlos (1988) "Population Growth and EconomicDevelopment in the Very Long Run: A Simulation Model of ThreeRevolutions", Mathemathical Social Science, 16(1) (agosto), pp. 49-63.



Disparidad salarialurbana en México,1992-2002David Castro Lugo*

Fecha de recepción: enero de 2006.Fecha de aceptación: abril de 2006.

* Doctor en Economía con especialización en Economía Regional y Laboral;Profesor-Investigador, Universidad Autónoma de Coahuila, Centro deInvestigaciones Socioeconómicas.E-mail: [email protected] y [email protected]


El documento analiza el comportamientode la desigualdad salarial urbana enMéxico durante el periodo 1992-2002, seha utilizado para ello la Encuesta Nacionalde Empleo Urbano (ENEU) y se incluyeron33 ciudades con lo cual se logra la cober-tura de los diferentes puntos del territorionacional. Los resultados indican que ladesigualdad salarial se estuvo incremen-tando hasta 1997; la fuente de dichocomportamiento se encuentra en unaumento de la disparidad entre diferentesgrupos (ciudades, sexo, actividad y esco-laridad) así como al interior de los mis-mos. Dentro de estos componentes elfactor precio fue esencial. El análisis de ladisparidad salarial por áreas urbanas per-mite establecer que el aumento de la

This document analyzes the behav-ior of the urban wage inequality inMexico during the period 1992-2002, using the National Survey ofUrban Employment (ENEU) including33 cities to Which covers differentpoints from the national territory. The results indicate that the wageinequality increased until 1997 andthe source of this behavior is in anincrease of the disparity betweendifferent groups (cities, sex, activityand schooling) like as the interior ofsuch, and within these componentsthe factor price was most relevant.The analysis of the wage disparity byurban areas allows to establish thatthe increase of the wage inequality

Resumen / Abstract



desigualdad salarial promedio entre ciu-dades no se encuentra en las diferenciasde dotaciones de factores sino en lasremuneraciones que estos recursos con-siguen en los distintos centros urbanos;además el comportamiento muestra unaclara connotación espacial por lo cualdurante el periodo de estudio pareceobservarse una mayor desigualdad sala-rial en términos geográficos.

Palabras clave: Desigualdad salarialurbana, México.

average between cities does not relyin the differences of endowment offactors but in the remunerationsthat these resources have in the dif-ferent urban centers; in additionthis behavior seems to have a clear-ly spatial connotation thereforethroughout the period of study itseems to be observed a greaterwage inequality in geographicterms.

Key words: Wage urban inequality,Mexico.

Introducción

n las últimas dos décadas la economía mexicana llevó acabo un proceso de liberalización comercial y fortalecimiento de la estrategiade globalización, después de varias décadas de un modelo de desarrolloeconómico orientado hacia adentro. El cambio en la estrategia económica hagenerado modificaciones importantes en la estructura productiva, tanto a nivelsectorial como regional, que seguramente impacta al mercado de trabajo ensus diferentes aspectos.

Uno de los cuales ha captado la atención de los medios académicos es elreferente a la desigualdad salarial,1 y se explica fundamentalmente por doscausas. La primera se relaciona con que la disparidad salarial a nivel interna-cional se incrementó desde mediados de la década de los ochenta, justo cuan-do inicia con mayor impulso la globalización, y la segunda se relaciona máscon el interés de estudiar cómo la apertura comercial y las reformas estruc-turales llevadas a cabo en México impactaron las remuneraciones en los difer-entes mercados de trabajo y cómo incidieron en la desigualdad salarial.


E

1 Para efectos de este documento utilizaremos de forma indistinta los conceptos de disparidad,desigualdad e inequidad.

Junto a estos acontecimientos que despertaron el interés por el tema, sepusieron a la disposición de los investigadores nuevas fuentes de informaciónque permitieron llevar acabo estudios que exploraban con mayor detenimien-to diferentes hipótesis sobre el comportamiento de la disparidad salarial bajoel nuevo modelo de desarrollo.

De 1995 a la fecha se han llevado acabo más de una veintena de estudiospara México que abordad el análisis de la desigualdad salarial,2 contrastandodiferentes hipótesis.

Hanson y Harrison (1995), Revenga (1997), Meza (1999), Harrison y Hanson(1999), Cañonero y Werner (2002), Robertson (2004), entre otros, analizan loscambios en la distribución salarial desde la perspectiva del los cambios en lademanda;3 por su parte Cragg y Epelbaum (1996), Chiquiar y Hanson (2002),y Meza (2005) consideran a los factores de oferta como fuerte explicativa delcomportamiento de la desigualdad; mientras Cortez (2001) y Ghiara y Zepeda(2004) enfatizan los factores institucionales.

En general los diferentes estudios realizados, y considerando distintasfuentes de información,4 concluyen que la desigualdad salarial creció desdemediados de los ochenta hasta la segunda mitad de los noventa. No obstantelos estudios, en la revisión de los mismos se aprecia una ausencia de análisisque destaque el aspecto urbano o regional, además la mayoría de ellos enfa-tizan en la década de los noventa mostrando carencia de análisis para los añosposteriores; por ello el objetivo de este documento es estudiar el compor-tamiento de la desigualdad salarial centrándose en la desigualdad salarialurbana e intra urbana y el periodo de estudio se extiende hasta los primerosaños de este siglo considerando como fuente de información la ENEU para elperiodo 1992-2002.

Los principales resultados que se destacan aquí es la existencia de un creci-miento de la desigualdad salarial hasta 1997; a partir de esa fecha se observauna contracción. La descomposición de la desigualdad indica que el creci-miento de la disparidad estuvo impulsada por incrementos en la desigualdadtanto intra grupo como entre grupos y posterior a 1997 la desigualdad intra



2 Para mayor detalle sobre los estudios elaborados para México y otros países véase Castro (2006).3 En esta hipótesis se incluye factores relacionados con la apertura comercial y cambio técnico.4 Dentro de las fuentes utilizadas se encuentra la Encuesta Nacional de Ingreso Gasto de los Hogares

(ENIGH), Encuesta Nacional de Empleo Urbano (ENEU), Encuesta Industrial Mensual, Censos Económicos,Censos de Población y Sistema de Cuentas Nacionales.

grupos desciende pero las diferencias entre grupos continúa aumentando, ellopara el caso de la clasificación por sexo como por ciudades.

La identificación de los efectos composición y salarios permitió determinarque la principal fuente de disparidad tanto al interior de las ciudades comoentre ellas fue el factor salario, mientras que el análisis de la disparidad sala-rial por áreas urbanas permite establecer que el aumento de la desigualdadsalarial promedio entre ciudades no se encuentra en las diferencias de dota-ciones de factores sino en las remuneraciones que los recursos consiguen enlos distintos centros urbanos; además el comportamiento parece abarcar unaclara connotación espacial por lo cual durante el periodo de estudio pareceobservarse una mayor desigualdad salarial en términos geográficos.

El resto del documento se compone de cinco apartados. En el primero serealizan las estimaciones de la desigualdad salarial en general, en el segundose hace una descomposición de la disparidad considerando diferentes criteriosde agrupación, el tercero identifica los efectos salario y composición y en elsiguiente se analiza la disparidad salarial entre diferentes zonas urbanas y enla última parte se anotan las conclusiones.

Disparidad salarial

Como se mencionó, para el análisis de la desigualdad salarial se utiliza la ENEUconsiderando el tercer trimestre de cada uno de los años de 1992 hasta 2002observando a los trabajadores que se encuentran en la condición de asalaria-dos ocupados en edad de 14 a 65 años, que reciben un sueldo y la jornadalaboral es entre 20 y 50 horas semanales ubicados en 33 áreas urbanas. Latabla 1 enmarca las principales características de la base de datos.5

La variable significativa es el salario real por hora, expresada en pesos de2002 y para ello se utilizó el Índice Nacional de Precios al Consumidor (INPC)correspondiente a cada área urbana.6

Existen diferentes indicadores para medir la desigualdad, sin embargo, uti-lizaremos dos indicadores: i) el índice de Theil y ii) la varianza del logaritmodel salario real por hora. La elección de los indicadores está sustentada en elcriterio de que éstos cumplen el principio de desagregación.



5 Para mayor detalle sobre la conformación de la base de datos véase Castro (2005)6 Para aquellas ciudades que no cuentan con INPC se utilizó la más próxima.



Tabla1. Características generales de los datos, 1992-2002

Fuente: Elaboración propia con base en ENEU, varios años.

VariablePesos por hora promedio (2002)Desviación estándarValor máximoValor mínimoSexo (masculino)%Edad (años) %Estado civil (casado) %Escolaridad %Sin instrucción1-2 años de primaria3-5 años de primaria Primaria completaSecundaria incompletaSecundaria completa1-3 años de bachillerato1 ó más años de licenciaturaJornada (horas semanales)Seguridad social %Actividades (%)Alimentos, bebidas y tabacoTextiles, cuero, calzado y maderaQuímica, plástico y min. no metal.Ind. metal. y maquinaria y equipoConstrucción, elect., gas y aguaComercio, restaurantes y hotelesTransporte y comunicacionesServ. financ., comun., socia. y perso.Serv. de alquiler, rep. y otros serv.Administración pública y defensaOcupaciones %Operadores fabriles, en rep. y mant. Serv. doméstico y trab. ambulantesConductoresComerciantes, trab. en serv. pers.Jefe de depto., superv. y coord.TécnicosProfesionistas y personal especial.Tamaño del establecimiento (%)MicroPequeñoMedianoGrande19921993

1992-200222.3321.969512.881.0058.7731.6952.51100.002.024.563.11

16.515.2421.4423.4523.6742.5470.21100.00

4.117.904.2311.097.3019.313.9021.3010.8410.02100.0028.995.663.0131.6811.406.5012.76100.0019.8120.629.1350.449.108.37

Variable199419951996199719981999200020012002CiudadesCd. de MéxicoGuadalajaraMonterreyPueblaLeónTorreónSan Luis PotosíMéridaChihuahuaTampicoOrizabaVeracruzAcapulcoAguascalientesMoreliaTolucaSaltilloVillahermosaTuxtla GutiérrezCd. JuárezTijuanaMatamorosNuevo LaredoCuliacánHermosilloDurangoTepicCampecheCuernavacaCoatzacoalcosOaxacaZacatecasColimaTotal de observaciones

1992-20028.047.567.868.238.9810.3210.8010.5710.17100.006.463.655.393.504.544.523.062.593.162.402.172.032.272.742.472.873.542.512.223.533.292.942.983.052.872.732.422.612.212.242.132.592.32

591,124

El primer indicador se expresa como:

Donde qi es la proporción del ingreso percibido por el estrato i, y pi es laproporción de población en ese estrato.

La varianza del logaritmo se expresa como:

Donde log yi es el logaritmo del salario del individuo i, mientras y barrasería el logaritmo del salario promedio.7

Los resultados se recogen en la gráfica 1 y como se aprecia, existe un incre-mento en la disparidad salarial desde 1992 hasta 1997 (12.6% para el índicede Theil y 21.5% para la varianza); a partir de esa fecha, inicia un descensopermanente, ubicándose al final del periodo en niveles de desigualdad infe-rior al registrado el primer año de medición. La magnitud es de 9.1% y 1.3%respectivamente.



Gráfica 1. México: Varianza del logaritmo del salario eíndice de Theil en áreas urbanas, 1992-2002

[1]

[2]

Fuente: Elaboración propia.

7 Para un conocimiento sobre la naturaleza y propiedades de los indicadores véase: García Rocha(1986) y Cortés F. y Rubalcava R. M. (1984).

Los resultados permiten establecer algunas consideraciones. En primer tér-mino, con independencia del indicador utilizado, durante el periodo 1992-2002, se puede establecer que existieron cambios importantes en la dispari-dad salarial; en segundo lugar, el mayor nivel de disparidad salarial se alcan-za en 1997 y a partir de esa fecha inicia un descenso. Esta reducción oestancamiento de la desigualdad salarial a partir de la segunda mitad de losnoventa es corroborada en Galbraith y Garza (2000), Airola y Juhn (2005),Esquivel y Rodríguez-López (2005) y Meza (2005), aun cuando los cuatro docu-mentos utilizan diferentes fuentes de información y cobertura sectorial.

Finalmente, es pertinente recordar que el comportamiento en la gráfica 1corresponde únicamente a trabajadores bajo la condición de asalariados ubi-cados en 33 ciudades; implicando que el nivel y comportamiento de la dispari-dad que se observa, no necesariamente corresponde al total de trabajadores;sin embargo, dada la participación de los asalariados en la población ocupaday la representación de estas ciudades dentro del total urbano, los resultadosexplican una porción importante de la disparidad salarial del país.

El comportamiento de la desigualdad salarial despierta algunas interro-gantes: ¿Qué factores determinan su evolución? y ¿Los mismos que ocasion-an el aumento hasta 1997, permiten su posterior reducción?

Para dar respuesta a lo anterior podemos iniciar identificando la distribu-ción de la disparidad y cómo evolucionó durante el periodo de estudio. La grá-fica 2 es sobre el comportamiento de las diferencias entre percentiles. En ellase observa que la distribución salarial de la parte baja es más compacta quela de arriba (en 1992 el logaritmo del salario promedio del percentil 50% es67.3% superior al percentil 10, mientras la disparidad entre el percentil 90 y elnivel medio es de 93.5%). El crecimiento y retroceso de la disparidad se expli-ca principalmente por el comportamiento de la brecha salarial en la partesuperior. En el periodo 1992-1997 la diferencia entre los percentiles 50-10aumentó 3.5%, mientras el incremento entre 90-50 es de 14.9%. En todo elperiodo la parte inferior no tuvo variaciones, mientras en la superior el aumen-to fue de 4.6%.

El comportamiento de las diferencias entre percentiles permitió identificarla brecha existente entre trabajadores con distintos niveles de ingreso; asícomo su evolución en el tiempo; sin embargo, poco nos indica sobre la dis-paridad dentro de esos niveles o las diferencias entre otros niveles de salario.



Los indicadores de desigualdad que permiten su descomposición son unabuena opción para responder a las carencias señaladas anteriormente.

Componentes intra y entre

Para responder a las interrogantes anteriores, podemos iniciar descomponien-do la desigualdad total en dos. Por un lado la desigualdad explicada por dife-rencias dentro de grupos específicos (mejor conocida como Within) y por elotro, aquélla atribuible a disparidades entre grupos (Between). Con ello sebusca identificar qué papel juegan tanto los factores internos en los gruposcomo aquéllos externos, dado que las implicaciones de cada uno son dife-rentes, así como las medidas necesarias para corregir o atenuar la disparidad.

La medida de desigualdad que utilizaremos para identificar los compo-nentes "intra" y "entre" es la varianza del logaritmo, en este caso, del salarioreal por hora, siguiendo la metodología propuesta por Freeman (1980), Juhnet al. (1993), Blackaby y Murphy (1995), Blau y Kahn (1996) y adaptada porMonastiriotis (2003), para el análisis de la disparidad salarial. Las principalesventajas del enfoque son la posibilidad de interpretar los diferentes compo-nentes que participan y la disponibilidad de comparaciones directas entre ladisparidad de los distintos grupos y el indicador de desigualdad total. Comoya se apuntó, la medida de disparidad es la varianza del logaritmo; la fórmulade descomposición es:



Gráfica 2. Evolución de las diferencias de salariopor percentiles en áreas urbanas

Fuente: Elaboración propia con información de ENEU, varios años.

Donde v es la varianza total del logaritmo del salario real por hora, si es laparticipación de cada grupo i (los grupos serán ciudades, niveles de escolari-dad, tipo de actividad y sexo) dentro de la población total, v

ies la varianza del

logaritmo del salario por hora del grupo i; wies el salario promedio dentro del

grupo y w el salario promedio total. El primer término capta la desigualdadintra grupo (within), es decir proporciona información sobre la discrepanciasalarial de los trabajadores que pertenecen a un mismo grupo; mientras ladesigualdad entre grupos (between) se mide en el segundo término de laecuación.

Una vez presentado el comportamiento de la disparidad salarial total, pro-cedemos a analizar cómo evolucionaron los diferentes componentes (intra yentre), considerando los cuatro criterios de clasificación de los asalariados, yamencionados. Los resultados se muestran en las gráficas 3a-d, de los cualesse destacan algunos aspectos. En primer término, la disparidad intra grupo esla fuente más importante para explicar la desigualdad total, aunque la relevan-cia difiere en función de la clasificación; así, en el caso de sexo y ciudad, elcomponente "intra" explica más del 95% del total, no siendo el caso paraactividad y escolaridad. Segundo, comparando los coeficientes a inicio y finaldel periodo, la disparidad al interior de los grupos descendió, mientras el com-ponente "entre" aumentó; ello permite establecer que las diferencias entregrupos ganan mayor trascendencia en la desigualdad total; tercero, por su re-levancia, el comportamiento de la disparidad intra grupos determina la evolu-ción de la disparidad total.

Para complementar la información de las gráficas 3a-d, la tabla 2 contieneel crecimiento de la disparidad total y sus componentes "intra" y "entre" paralas diferentes clasificaciones, donde se aprecia una reducción de la inequidadtotal de 1.3% para todo el periodo. La desagregación muestra un compor-tamiento contrario en los componentes; mientras las diferencias al interior delos grupos descendieron, la disparidad entre ellos aumentó, esto aparece paralas distintas clasificaciones. A partir de los resultados, una primera conclusión



[3]

sobre el comportamiento de la desigualdad salarial durante el periodo 1992-2002 es que se advirtió una mayor homogenización de los grupos junto a unincremento de las diferencias entre ellos, de acuerdo a las clasificaciones con-sideradas.

El hecho de que el comportamiento sea para los diferentes criterios deagrupación pareciera indicar que existe una cierta relación entre ellos; es decir,la reducción de las diferencias al interior de las ciudades pudiera estar rela-cionada con una mayor especialización productiva de las áreas urbanas poractividad, debido a que la disparidad dentro de las actividades también dis-minuyó. La relación es plausible para explicar el crecimiento de las diferenciasentre ciudades y actividades.



Gráfica 2. Evolución de las diferencias de salariopor percentiles en áreas urbanas


La separación por subperiodos permite identificar con mayor claridad ladinámica de la disparidad total y sus componentes. En la primera parte (1992-1997) el crecimiento de la desigualdad total (21.5 %) estuvo acompañada porun incremento de la brecha salarial tanto al interior de los grupos como entreellos, y aunque el crecimiento fue mayor en el último componente su partici-pación es menor en la desigualdad total (gráficas 3a-d).

En la segunda mitad del periodo, la disparidad total desciende en 22.8%,pero a diferencia de los años anteriores, la caída no va acompañada de reduc-ciones en los dos componentes desagregados, al menos no para la clasifi-cación de sexo y ciudades, aquí la inequidad entre grupos continúa aumenta-do pero a un ritmo inferior al observado en la primera mitad.

Aunque la disparidad por sexo es importante y su tendencia debe ser moti-vo de preocupación, quisiera destacar dentro de los resultados el compor-tamiento de la desigualdad entre las ciudades, que como ya vimos, evolucionaen forma ascendente a lo largo de toda la década de observación. El aspectoes tomarse en cuenta porque pone de manifiesto que el elemento espacialpuede ser una fuente de dispersión salarial, aún y cuando no ha sido estudia-da con profundidad; además, uno de los principales argumentos que se hanesgrimido en diferentes estudios para explicar el crecimiento de la disparidaden México, es el aumento de la brecha salarial entre los trabajadores con edu-cación superior y el resto. El comportamiento de la desigualdad salarial entregrupos en los años 1992-1997 apoyarían el argumento; sin embargo, durantela segunda mitad, la cual ha sido poco estudiada, es el componente "entre" el



Tabla 2. Cambios porcentuales en la disparidad salarialy sus componentes, 1992-2002


ClasificaciónTotalIntraEntre1992-1997IntraEntre1997-2002IntraEntre

Sexo-1.3-2.1

431.021.521.0270.0-22.8-23.1160.4

Ciudad-1.3-2.334.621.521.522.1-22.8-23.712.5

Escolaridad-1.3-2.82.921.512.547.1-22.8-15.4-44.2

Actividad-1.3-6.428.321.58.299.4-22.8-14.5-71.2



que explica la reducción de la disparidad salarial. El menor protagonismo dela brecha salarial entre niveles a partir de 1997 destaca aún más la importan-cia de estudiar el tema incluyendo un enfoque geográfico, dado que el creci-miento de la disparidad salarial entre ciudades es una característica perma-nente a lo largo de los años de análisis.

La identificación de los actores principales por su contribución a la desi-gualdad por componentes, permitiría contar con mayores elementos parainterpretar la evolución de la disparidad salarial observada en la tabla ante-rior, por ello a continuación se hacen precisiones para cada una de las clasifi-caciones.

La contribución de los grupos, considerando la clasificación por sexo, indi-ca que la disparidad al interior de ellos se mantiene de acuerdo a su partici-pación, o sea, los hombres contribuyen con aproximadamente 60% de lainequidad intra grupo y el resto, las mujeres. A lo largo del periodo el compor-tamiento de la disparidad al interior de los grupos fue similar entre hombres ymujeres.

La contribución de cada grupo a la diferencia "entre" indica que las mujeresregistran una participación mayor, aproximadamente 60% y a lo largo del peri-odo su tendencia es a descender ligeramente. La mayor contribución de lasmujeres a la disparidad entre grupos, en relación a su participación en lamuestra total, indicaría que la distancia entre el salario promedio de lasmujeres y la media de la muestra es mayor al de los hombres, aunque con eltiempo se ha reducido.

A la clasificación por ciudades se le considera el inconveniente de unnúmero relativamente elevado de áreas urbanas (33). Con el fin de volver másoperativo su manejo e identificación de las tendencias generales, se procedióagrupando ciudades. Un primer conjunto incluye a las cuatro principales ciu-dades del país,8 de acuerdo a su tamaño demográfico. La contribución de ellasa la disparidad "intra" se mantiene próxima a 20.0%, cifra similar a su partici-pación en la muestra total de asalariados.

Con la finalidad de identificar el papel de las regiones del norte del país,caracterizadas como las más dinámicas en términos económicos durante el

8 Ciudad de México, Guadalajara, Monterrey y Puebla.



periodo, agrupamos, por un lado, a las ciudades ubicadas sobre la frontera,9 ypor otro, aquéllas ubicadas en los estados colindantes con los Estados Unidosy que han resultado beneficiadas con la apertura comercial; las ciudades defi-nimos como "segunda frontera".10 Mientras las áreas urbanas fronterizas en1992 hacen una contribución a la disparidad "intra"inferior (9%) a su partici-pación en la muestra (13%), las de segunda frontera mantienen la propia con-tribución en proporción a su participación (19.2%). A lo largo del periodo, elprimer grupo muestra un comportamiento estable y el segundo reduce suaportación. Esto puede ser interpretado como un indicador de que en las ciu-dades fronterizas, de los dos niveles, las diferencias de salario dentro de ellasson menos notables que en el resto, y durante el periodo de análisis dichasdisparidades disminuyeron. Los resultados parecen señalar que en lasregiones fronteriza, se presentó un proceso de mayor homogeneidad salarial,especialmente en los centros urbanos definidos como de segunda frontera,mientras las que se ubican sobre la línea fronteriza ya tenían una relativa com-pactación salarial a inicios del periodo, el cual se mantiene en el tiempo.

Una cuarta agrupación de ciudades son las denominadas del sur,11 consi-deradas menos beneficiadas con las reformas económicas. De inicio captan20.7% de la muestra y contribuyen con 22.6% de la disparidad intra grupos;es decir, 9% más que su participación. Para 1997 la contribución de esta zonadel país se eleva a 25% y para finales del periodo supera el 30%. Esto indicaque durante el lapso de 1992-2002 las ciudades del sur aumentaron su con-tribución a la disparidad al interior de las ciudades, en detrimento de las ciu-dades más grandes y de aquéllas localizadas en las zonas fronterizas. Deacuerdo a este comportamiento, los resultados perecen mostrar que los acon-tecimientos sucedidos en el periodo de estudio, como puede ser la intensifi-cación de la apertura comercial, ejemplificada por la incorporación de Méxicoal TLCAN, la reducción de la participación del estado en la economía, y la crisiseconómica, ocasionaron en el sur mayores diferencias internas en las remu-neraciones, mientras en el norte las redujo. Así aun cuando el saldo total re-gistra una reducción de la desigualdad al interior de las ciudades de 2.3%, la

9 Tijuana, Ciudad Juárez, Matamoros y Nuevo Laredo.10 Incluye las ciudades de Saltillo, Monterrey, Torreón, Chihuahua y Hermosillo11 Aquí se incluye: Mérida, Veracruz, Orizaba, Acapulco, Tuxtla Gutiérrez, Villahermosa, Campeche,

Coatzacoalcos y Oaxaca.



revisión del comportamiento de algunos grupos de ciudades (grandes, fron-tera y sur), permitió identificar la existencia de una redistribución de los efec-tos entre los distintos centros urbanos.

La contribución de los grupos de ciudades, definidos anteriormente,12 a ladisparidad "entre" observa comportamiento distinto. Las grandes ciudadesposeen una aportación relativamente baja, alrededor de 12.0% durante todoel periodo; pues su salario promedio se mantiene relativamente próximo a laremuneración media general. Las ciudades fronterizas, por su parte, con-tribuían en 1992 con más de 40.0% de la disparidad entre ciudades, explica-do por un salario promedio que superaba en 10.0% al nacional y era la zonageográfica con la mayor diferencia, por la parte alta de la distribución. Al finaldel periodo la contribución del grupo de ciudades se ubicó en el 12.0%, expli-cado por una menor diferencia respecto al promedio total y además porque lazona ya no cuenta con la mayor ventaja salarial, el lugar lo ocupan las ciudadesde segunda frontera,13 quienes explicaban el 11% al inicio del periodo y finalaportan 26.0%. Las ciudades del sur inician concentrando 28.0% de la dispari-dad entre ciudades y en 2002 dicha proporción alcanza 47.0%, producto deuna mayor diferencia entre el salario promedio de las ciudades localizadas enesta región y el nacional; mientras a inicio del periodo la desventaja era de5.6% respecto al salario promedio, al final termina con una diferencia de13.0%.

De lo anterior podemos establecer que durante el periodo de análisis seobserva un proceso de diversificación en la fuente de disparidad entre las ciu-dades. Ahora no solamente participan las ciudades ubicadas sobre la líneafronteriza en la explicación de la inequidad salarial entre ciudades, sino tam-bién las de la segunda frontera; esto por la parte alta de la distribución, mien-tras que en la zona baja las ciudades del sur ganan mayor participación. Así,los resultados indican un aumento de la brecha salarial entre las fronteras y elsur.

Con la finalidad de fijar ideas sobre la disparidad salarial por ciudades y ladesagregación de la fuente de dicho comportamiento podemos precisar dos

12 Esta agrupación de ciudades no incluye todas las áreas urbanas, sino sólo a algunas que conside-ramos las más destacadas.

13 En 1992 registraban un salario promedio superior a 8% respecto al nacional y al final del periodoel porcentaje fue mayor a 12.%.



sucesos; por un lado la disparidad al interior de las ciudades del sur aumentó,mientras en las principales zonas metropolitanas y los centros urbanos de lafronteras permanecieron constantes o disminuyeron y, por el otro, el salariopromedio de la región sur mostró un mayor rezago relativo. A partir de los dosdatos, y con la debida reserva, se puede decir que durante la última década enlas ciudades del sur no sólo aumentó la desigualdad sino también la pobrezasalarial.

La clasificación por nivel de escolaridad, indica que la contribución delgrupo de asalariados con educación superior es determinante en el compor-tamiento de la disparidad total. En 1992 con poco más de 17.0% de los traba-jadores de la muestra aportaban 27.0% y 73.0% a la desigualdad "intra" y"entre" respectivamente. El comportamiento a lo largo del periodo muestraque los asalariados mostraban un relativo intercambio en su influencia sobrela inequidad, pues mientras la participación del grupo aumentó su presenciaen la muestra total, hasta alcanzar 27.0% en 2002, su contribución intra grupoaumento más de prisa, ubicándose en 42.0% en el último año. Por otra parte,a pesar de la creciente participación de los trabajadores con educación supe-rior dentro de la estructura de salarios, su aportación a la disparidad entre gru-pos descendió siete puntos. Este comportamiento parece indicar, por unaparte, que las diferencias de salario al interior del grupo aumentaron, posible-mente producto de una mayor participación de los asalariados dentro de lamuestra junto a un mayor abanico salarial, y por la otra, que las diferenciasrespecto al resto de los grupos descendieron, aunque al final del periodotodavía explicaban dos terceras partes de la disparidad entre los distintos nive-les de escolaridad.

Esta menor contribución a la disparidad entre grupos en 2002 respecto alinicio se explica por una reducción relativa del salario promedio de los traba-jadores con educación superior en relación a los trabajadores con menor edu-cación; así, la diferencia salarial de quienes han alcanzado mayor escolaridadsobre el resto descendió.

La descomposición de la desigualdad salarial por niveles de escolaridadindica que la brecha salarial dentro del grupo con mayor educación aumentó,mientras las diferencias con el resto descendieron.



¿Cuáles pueden ser las causas del comportamiento? Sin duda los factoresque se pueden hallar detrás son diversos. En el caso de la reducción de lasdiferencias existentes entre los trabajadores asalariados con educación supe-rior y el resto, una causa puede ser que la mayor oferta relativa de asalariadoscalificados afectó su salario y otra sería una contracción en la demanda de estetipo de mano de obra. En relación al incremento de la inequidad salarial alinterior del grupo, consideramos varios factores. i) Aumento en la heterogenei-dad de las calificaciones dentro de los educados, fenómeno que puede estarasociado a un ensanchamiento en las diferencias de calidad educativa, ii)incremento en la brecha de remuneraciones asociado a distintas actividades uocupaciones, iii) aumento relativo en los salarios por un efecto espacial; esdecir, que los trabajadores de la frontera reciban remuneraciones mayores quelos del sur. El comportamiento de la disparidad salarial por ciudades, señala-do anteriormente, permite establecer que ello es plausible.

La clasificación por actividad económica indica que en la contribución a ladisparidad dentro de las actividades no hallaron cambios importantes, excep-to para servicios financieros, seguros y servicios comunales, sociales y perso-nales quienes aumentaron su contribución en dos puntos porcentuales a lolargo del periodo.

En relación a la disparidad entre actividades se observan cambios más sig-nificativos. En primer término, destaca la creciente contribución de las activi-dades del sector público a la disparidad entre grupos. Se explica fundamental-mente por un aumento en la brecha salarial promedio de los trabajadoreslocalizados en esta actividad frente al promedio total, ya que pasó de 44.3% a53.0 % durante el periodo de observación; el cual puede ser causado por uncrecimiento más que proporcional en la dotación de capital humano en estaactividad o un incremento relativo en las retribuciones. Segundo, comerciorestaurantes y hoteles, mostraron una reducción de su contribución durante laprimera parte del periodo, debido a una caída relativa del salario promedio;pero posteriormente aumenta de manera permanente; y tercero, serviciosfinancieros, seguros y servicios comunales, sociales y personales, reducen suaportación a la desigualdad entre actividades del 40.6% al 34.%, pero no comoconsecuencia de una reducción de la misma sino de un crecimiento más lentoque el promedio.

Efecto salario y composición

En el apartado anterior se llevó a cabo el ejercicio de descomposición de ladesigualdad, ello permitió determinar qué proporción de desigualdad total esexplicada por la disparidad dentro de los grupos y qué parte corresponde adiferencias entre grupos. La utilización de distintos criterios de clasificaciónaportó mayores elementos en la comprensión de la disparidad, pues ademásde identificar qué parte es explicada por cada factor, también se pudo obser-var el comportamiento en el tiempo. Ahora correspondería determinar lafuente de dicha desigualdad; es decir, si la desigualdad se incremento porqueel precio (salario) relativo de un determinado grupo aumentó o en su defectoporque se modificó la composición o distribución de los grupos. Al igual queen la sección anterior, la disparidad también se desagrega en componentes"intra" y "entre"; así el cambio en la disparidad salarial en un determinado peri-odo estaría determinado por:

Donde el primer término de (5) mide el cambio en la desigualdad intra-grupo ()I) y el resto corresponde a la variación entre grupos ()E).14

A su vez cada uno de los componentes los podemos desagregar para iden-tificar la contribución de los cambios en la estructura y cambios en los salariosen el tiempo, así.



14 A partir de la ecuación (5) se omite la especificación de los grupos en la sumatoria, perorecordemos que existen k grupos.

[4] Vt-Vt+1=

[5])Vt-Vt-(t+1)

=

[6]

)I=

=

[7]

)E=



Los primeros términos de las ecuaciones (6) y (7a) expresan el cambio enla disparidad salarial ocasionada por variaciones en la composición de los gru-pos intra y entre, respectivamente; los segundos términos, indican el cambioen la inequidad atribuible a las modificaciones en los salarios intra y entre gru-pos y; los últimos términos expresan las interacciones cruzadas de variacionesen la composición y salarios, lo cual puede considerarse como el residual dela descomposición y cuyo valor puede ser positivo o negativo; su magnitudestará determinado por variaciones conjuntas de estructura y salario.

La tabla 3 contiene las variaciones en la desigualdad salarial en dos puntosen el tiempo, 1997, cuando la disparidad alcanza su máximo nivel y 2002, últi-mo año de observación. Incluye las variaciones totales de los componentesintra y entre; al interior de ellos se identifica la contribución de los efectoscomposición y salario. La información aportada por la tabla 3 sobre el com-portamiento de la desigualdad permite apreciar que la comparación del cam-bio entre un periodo y otro respecto al año de inicio muestra la existencia deun fuerte incremento de la disparidad hasta 199715 y un posterior descenso,aspecto ya comentado; además durante el primer subperiodo, el crecimientode la disparidad se caracterizó por un aumento tanto dentro de los gruposcomo entre ellos (renglones 1 y 2), mientras en el saldo final de todo el peri-odo se observa efectos encontrados, una reducción de la disparidad "intra"(renglón 3) y un aumento de la disparidad entre grupos (renglón 4), un hechopara las diferentes clasificaciones.

El crecimiento de la disparidad, en la primera mitad, se explica fundamen-talmente por el efecto "salario" tanto entre los distintos grupos como al inte-rior de los mismos.16 Es decir, si los salarios relativos de los diferentes gruposconsiderados en las distintas clasificaciones no se hubieran modificado en1997, respecto a 1992, la disparidad salarial se mantendría prácticamenteinalterada de acuerdo a la clasificación por ciudad, sexo o actividad; para el

[7a] =

15 El incremento fue de 21.5%, tal y como se lee en la tabla 2 correspondiente al periodo 1992-1997.16 Para el caso de la clasificación por ciudades, el efecto salario explica el 99.3% del incremento en

la disparidad al interior de los grupos y 75.0% de aumento entre grupos.

caso de escolaridad, las variaciones en la estructura educativo también juegaun papel en la disparidad.

La información de la tabla 3 también permite apreciar la existencia deimpactos encontrados en la contribución del efecto salario al interior de losgrupos (renglón 3b) y entre ellos (4b) cuando observamos el cambio en la dis-paridad entre el año inicial y final del periodo, mientras los cambios en lossalarios reducen la desigualdad al interior de los grupos. Es decir, los salariostendieron a ser más homogéneos dentro de los grupos; el mismo efectoaumenta la inequidad entre grupos, con excepción de la clasificación por nive-les de escolaridad.

En la clasificación por ciudades, y desagregando el comportamiento de ladesigualdad en componentes "intra" y "entre", se identificó una compactaciónen las diferencias al interior de las ciudades, especialmente de las localizadasen las regiones de la frontera17 y que se refleja en una reducción de 2.3%respecto al periodo inicial. Los resultados de la tabla 3 permiten establecerque el efecto salario fue el responsable de ese comportamiento. En relación alcomponente "entre" se identificó de la misma manera, que las diferencias



Tabla 3. Cambios en la disparidad salarialidentificando efecto composición y salario

Nota: La diferencia entre el cambio total y el efecto composición y salario corresponde al residual.


1992-1997Intra (1)Composición (1a)Salario (1b)Entre (2)Composición (2a) Salario (2b)

1992-2002Intra (3)Composición (3a)Salario (3b)Entre (4)Composición (4a) Salario (4b)

Sexo2

0.0876-0.00110.08780.00200.000020.002

6-0.0088-0.0009-0.00900.00320.000020.0032

Ciudad1

0.08740.00040.08680.00240.00040.0018

5-0.00920.00004-0.00940.00380.00050.0041

Escolaridad3

0.03890.01870.0130.05070.0260.0365

7-0.00880.0237-0.03580.00310.0356-0.0115

Actividad4

0.02920.00240.02750.06040.00260.0559

8-0.0230.0017-0.0240.01720.00060.0164

17 Aunque de acuerdo al aumento de la participación de las ciudades del sur podemos decir que eneste grupo la desigualdad aumentó o, en su caso, se redujo a un ritmo más lento que el resto.

aumentaron en 34.6% y que una parte importante de ellas se explicaba poruna polarización entre el sur y las fronteras. Al igual que en el caso de la dis-paridad intra grupo, la tabla 3 indica que el efecto salario es fundamental, puesaún y cuando el efecto composición incide sobre el crecimiento de la desigual-dad tanto al interior de las ciudades (renglón 3a) como entre ellas (renglón 4a),su impacto no es destacado dentro del total. El resultado debe tomarse conreserva porque una posible causa de la baja incidencia del efecto composicióntal vez esté asociada a las características de la muestra que mantiene una dis-tribución porcentual relativamente estable, mientras en el resto de las clasifi-caciones la composición puede ser más flexible.

La tabla 2, en la clasificación por niveles de escolaridad, indica que la dis-paridad al interior de los grupos se redujo. La desagregación de la tabla 3 per-mite establecer que esa reducción es producto de los efectos encontradosentre composición y salarios (columna 7, renglones 3a y 3b), donde el primeroactúa en dirección de un aumento en la desigualdad, seguramente explicadapor una mayor participación de los trabajadores con educación superior,18 y elsegundo a favor de una reducción de la inequidad, el cual es más importanteque el primero. Así los resultados perecen indicar que el incremento de ladesigualdad ocasionada por una mayor presencia de asalariados con edu-cación superior fue más que compensada por la compactación salarial al inte-rior de los diferentes grupos. En lo referente a las disparidad entre grupos, elcomportamiento es similar al descrito anteriormente, aunque el efecto com-posición es el determinante y define un incremento de la disparidad entre gru-pos. Aquí nuevamente el desempeño de los trabajadores con educación supe-rior pudo haber jugado un papel de contrapeso en la evolución de la desigual-dad, pues recordemos que este grupo de trabajadores redujo su contribucióna la disparidad entre grupos, la cual puede estar explicada por el efecto salario(caída relativa respecto al resto de los grupos); sin embargo, las modifica-ciones en la estructura de los grupos fueron más importantes y ocasionaronun aumento de la disparidad entre los diferentes niveles de escolaridad.

La tabla 3 también indica, dentro de la clasificación por actividad, que en lareducción de la disparidad intra grupo el efecto salarios fue el determinante,lo cual permite establecer que la reducción de la brecha salarial al interior de



18 Recordemos que este grupo explica 42.0% de la desigualdad intra grupo en 2002.

los grupos fue sobresaliente comparada con la de los cambios en la estructura,mientras en el incremento de la desigualdad entre actividad los dos efectosactuaron en la misma dirección, aunque el principal es el salarial.

Se analizó ya el comportamiento de la disparidad salarial, utilizando comoindicador la varianza del logaritmo, la cual fue desagregada por su composi-ción entre desigualdad al interior de los grupos y entre ellos, considerandodiferentes clasificaciones de asalariados, también identificamos al interior delos componentes "intra" y "entre" la contribución de los efectos composición ysalario en la evolución de la disparidad salarial en dos momentos en el tiem-po, 1997 y 2002.

Los resultados proporcionan información sobre la disparidad salarial desdela perspectiva de datos agrupados, en el cual se identificó un incremento per-manente en la disparidad entre ciudades; componente que a inicio del perio-do posee una baja contribución en la explicación del comportamiento de ladesigualdad; sin embargo, durante el periodo de análisis esta fuente de dis-paridad fue principal; por eso el siguiente paso es explorar el comportamien-to de la inequidad salarial dentro de los centros urbanos. Con ello se intentaexaminar el sesgo espacial de los factores que mayormente contribuyen a ladisparidad salarial y su evolución en el tiempo.

Disparidad salarial entre regiones

El objetivo es identificar el desempeño de la disparidad salarial promedio entreciudades y explorar la fuente de dicho comportamiento. Es decir, qué parte delas diferencias de salario existentes entre las ciudades es atribuible a las dis-tintas características de sus trabajadores, entre ellas la dotación de capitalhumano y qué parte corresponde a otras fuentes, como pueden ser retribu-ciones a los factores, así como el determinar si las diferencias en las carac-terísticas y remuneraciones a las mismas convergen espacialmente en el tiem-po. Como estamos interesados en discutir si el comportamiento de la dispari-dad salarial entre ciudades posee alguna relación con los cambios experimen-tados en la economía mexicana, no se incluyen aquí a los trabajadores asala-riados del sector público.

El esquema teórico tradicional para estudiar las diferencias de salario entreregiones es la teoría del capital humano y el instrumento analítico es la



ecuación de salarios Mincereana. Conjuntando la herramienta con el análisisde descomposición de Oaxaca (1973) obtenemos un camino práctico paraidentificar la importancia de las características y su remuneraciones en lasdiferencia de salario por ciudades.

Con la idea de localizar rendimientos al capital humano de las ciudades ylas disparidades entre ellas, se estimaron ecuaciones de salario individualespara cada año y ciudad, donde se incluye las características de los trabajadoresy se muestran en la tabla 1. La ecuación de salarios se especifica como sigue:

Donde X representa el vector de características del trabajador, y $ los coe-ficientes y g el residuo.

Una de las ventajas de la estimación de salarios individuales por ciudad yaño es que permite ver las remuneraciones de las distintas características den-tro de cada ciudad y compararlo con el resto, así como observar el compor-tamiento de éstos en el tiempo. Los resultados de las estimaciones de salariopara cada ciudad y año arrojan algunos datos que consideramos destacar.19

En primer término, se observan diferencias en los coeficientes de capitalhumano dentro de las ciudades, tanto en lo referente al nivel de instruccióncomo de edad (proxy de experiencia); segundo, los resultados indican que losrendimientos a la educación de los primeros años de escolaridad no resultansignificativamente distintos de quienes no cuentan con instrucción (nivel dereferencia) y en algunas ciudades se cumple incluso para los niveles de secun-daria incompleta; en tercer término, la comparación en el tiempo de dichosrendimientos a la escolaridad indican que en el caso de los hombres, en 23ciudades, hubo una reducción de las diferencias de la educación superiorrespecto a menores niveles de instrucción, mientras en mujeres el compor-tamiento fue el inverso, en la mayoría de las ciudades observamos incremen-tos. Un elemento adicional a destacar es la evolución salarial de los traba-jadores con niveles de escolaridad intermedios, quienes en general obser-varon un rendimiento favorable que permitió deducir la distancia respecto alos asalariados con educación superior y con ello distanciarse de los niveles



[8]

19 Estos resultados no se presentan dado que se consideran insumos para el análisis de descom-posición tipo Oaxaca, pero aún así consideramos pertinente mencionar sus características principales.

inferiores, lo que quiere decir que la remuneración relativa de los asalariadoscon educación media aumentó. El rendimiento a la experiencia, en general,también observó un incremento en el tiempo.

Una vez estimada la ecuación de salarios por ciudad estamos en condi-ciones de llevar a cabo un análisis de las diferencias de salario por centrosurbanos mediante una descomposición tipo Oaxaca (1973) y retomada porBlackaby y Manning (1990) para el caso de regiones.

Donde el superíndice df y o se refieren a la zona urbana de referencia, laCiudad de México y el resto de ciudades respectivamente, mientras el sub-índice j representa las características, X el vector de características promedioen la ciudad, mientras y $ los coeficientes asociados a las características eintercepto, respectivamente.

Resumiendo tenemos:

La ecuación (9a) mediría la diferencia de salario promedio que existe entrela ciudad base, la Ciudad de México, y el resto de los 32 centros urbanos. Ladisparidad se puede descomponer entre diferencias atribuibles a las carac-terísticas ()Xj) (primeros dos término de la ecuación) y diferencias en las remu-neración de las dotaciones ()$), resto de la ecuación.

Dado que la disparidad salarial muestra un crecimiento desde 1992 hasta1997 y posteriormente un descenso de la misma hasta el último año de infor-mación disponible, tomamos como referencia estos tres años.

En la primera columna de cada año, de la tabla 4, vemos el logaritmo delsalario promedio de los trabajadores hombres empleados en el sector privadopor ciudad, en las cuales se aprecian considerables diferencias de salarios.Tomando en cuenta únicamente los valores extremos de las ciudades,20 labrecha salarial en el año inicial era de 60.4% y en el último año de observaciónla diferencia aumentó a 62.4%, por lo que no se puede afirmar que durante elperiodo de análisis la brecha salarial descendió. El otro elemento para soste-ner lo anterior es aportado por el comportamiento de la desviación estándar,



[9]

[9a]

20 El valor mínimo se encuentra sombreado y el máximo subrayado.

[ ]

CE

NTR

OD

EIN

VE

STIG

AC

IÓN

EN

ALIM

EN

TAC

IÓN

YD

ES

AR

RO

LLO, A.C

.

Enero

- Junio

de 2

007

14

3

CiudadesCd. de MéxicoSurMéridaOrizabaVeracruzAcapulcoVillahermosaTuxtla Gtz.CampecheCoatzacoalcosOaxacaFronteraCd. JuárezTijuanaMatamorosNvo. LaredoSeg. fronteraMonterreyTorreónChihuahuaSaltilloHermosilloTampicoCentro NorteGuadalajaraPueblaLeónSan Luis PotosíAguascalientesMoreliaTolucaCuernavacaZacatecasPacíficoCuliacán DurangoTepicColimaDS

1992Ln Wj

3.01523

2.799412.690832.879472.784582.938842.872622.896892.793602.99580

2.935623.245843.294502.94257

3.063542.843873.021492.797502.860452.90297

2.925552.914362.925532.884262.797832.886732.882342.876732.86351

2.957882.841032.948692.935630.11933

)total0.00000

0.215820.324400.135760.230650.076390.142610.118340.221630.01943

0.07961-0.23061-0.279270.07266

-0.048310.17136-0.006260.217730.154790.11226

0.089680.100870.089700.130970.217400.128500.132890.138500.15172

0.057350.174200.066540.07960

)(Xj)0.00000

-0.003730.03640-0.036810.08956-0.026210.05054-0.008270.08296-0.07070

0.142560.129630.032720.12433

0.009230.031260.041250.083430.05605-0.03063

0.116220.033680.207360.025160.11983-0.00043-0.013460.065050.00531

0.015380.01646-0.03067-0.020980.06206

)$0.00000

0.219560.288010.172570.141080.102600.092070.126610.138670.09012

-0.06295-0.36024-0.31198-0.05167

-0.057540.14010-0.047510.134290.098740.14289

-0.026540.06719-0.117650.105810.097570.128930.146350.073450.14641

0.041970.157740.097210.100580.13443

1997Ln Wj

2.70020

2.460722.552332.739922.394292.806582.588152.557582.887322.68912

2.708092.963972.947482.76348

2.876012.785672.759792.697792.762752.78068

2.691722.794462.559652.577742.616492.533282.771692.603012.61532

2.592342.600772.746112.654850.13269

)total0.00000

0.239480.14787-0.039720.30591-0.106380.112050.14262-0.187120.01108

-0.00789-0.26376-0.24728-0.06328

-0.17581-0.08547-0.059590.00241-0.06255-0.08048

0.00848-0.094260.140550.122460.083710.16692-0.071490.097200.08488

0.107860.09943-0.045910.04535

)(Xj)0.00000

0.09615-0.07085-0.072030.05215-0.09099-0.12015-0.08569-0.09600-0.21971

0.210290.132420.002430.10687

0.00936-0.045580.001640.047920.01145-0.12284

0.11499-0.050610.233490.011190.077590.08627-0.048430.05221-0.06753

0.02557-0.02174-0.09187-0.031390.09789

)$0.00000

0.143330.218720.032310.25376-0.015390.232200.22831-0.091120.23080

-0.21818-0.39618-0.24972-0.17015

-0.18517-0.03989-0.06123-0.04551-0.073990.04236

-0.10651-0.04365-0.092940.111260.006120.08066-0.023060.044990.15241

0.082290.121170.045960.076750.15207

2002Ln Wj

2.99941

2.713852.702112.911822.645073.046622.771682.573843.108572.92667

3.020943.198163.088203.07609

3.174103.036903.119883.092423.065673.04761

2.966612.894142.989142.914583.011182.876412.990182.728012.83112

2.955722.811582.909792.903300.15364

)total0.00000

0.285570.297310.087590.35434-0.047200.227740.42557-0.109150.07274

-0.02153-0.19874-0.08878-0.07668

-0.17468-0.03748-0.12047-0.09300-0.06626-0.04820

0.032810.105280.010270.08484-0.011760.123010.009230.271400.16829

0.043690.187830.089630.09612

)(Xj)0.00000

0.02383-0.00474-0.042320.06641-0.09346-0.088780.05075-0.03976-0.06299

0.174420.141570.074830.12088

0.041660.005830.059760.05698-0.00185-0.03903

0.173110.085700.193450.044240.083650.08372-0.003180.142690.05995

0.007380.04724-0.02981-0.003560.07431

)$0.00000

0.261740.302050.129910.287930.046260.316520.37482-0.069390.13574

-0.19595-0.34031-0.16361 -0.19756

-0.21634-0.04331-0.18022-0.14999-0.06441-0.00917

-0.140300.01957-0.183170.04059-0.095410.039290.012410.128710.10834

0.036310.140600.119430.099680.17535

Tabla 4. Descomposición de la disparidad salarial por ciudades, 1992-2002 Hombres del sector privado

Fuente: Elaboración propia a partir de los resultados de la ecuación de salarios y la descomposición de 7.

último renglón, en el cual se nota un crecimiento permanente, aun cuando elsalario promedio en general no creció. El resultado viene a confirmar losobtenidos en la tabla 2 donde se indica el crecimiento de la disparidad entreciudades, en el total y cada uno de los subperiodos.

La segunda columna de cada año ()total) representa las diferencias desalario entre la Ciudad de México y el resto.21 Podemos destacar, en primer tér-mino, la pérdida de salario relativo de la capital; mientras en 1992 sólo cuatrociudades superaban su salario, en los años siguientes la cifra se triplicó.Observando a favor de quién cedió terreno la Ciudad de México, se advierteque de las 13 ciudades que la superan en salario promedio en el año 2002,sólo dos (Coatzacoalcos y Villahermosa) se ubican en el sur, el resto (11) seubican al norte y en 10 de los casos en estados fronterizos. Parece indicar quedurante la década de los noventa y principios de siglo, en general las ciudadesde las fronteras generan una dinámica salarial más activa que el resto del paísy ha permitido mejorar su posición en la distribución salarial.

Si revisamos la parte baja de la distribución, las áreas urbanas con unsalario promedio inferior a la Ciudad de México, encontraremos que la brechasalarial también aumentó, dado que las diferencias entre estas ciudades y lacapital son mayores en el año 2002 respecto al de 1992. Esto señala nueva-mente el aumento de la disparidad en el factor geográfico y la ubicación de lasciudades con mayor deterioro salarial relativo permite establecer que fueron,especialmente, aquellas localizadas en el sur.

Las diferencias de salario promedio existentes entre ciudades puede serproducto, o bien de la diferencias en las dotaciones productivas o diferenciasen los rendimientos de tales dotaciones. La tercera columna, de cada año,enlista las diferencias de salario que existirían entre la Ciudad de México y elresto si las remuneraciones a las características productivas fueran iguales yvariara únicamente las dotaciones de cada ciudad ()Xj). Tal supuesto arrojaalgunos resultados destacables. En primer lugar, considerando únicamente lasdiferencias en las características entre ciudades, la disparidad salarial entreáreas urbanas se reducen significativamente respecto a lo observado, muestrade ello es que la desviación estándar del salario promedio cae casi a la mitad.El nivel de inequidad salarial entre ciudades es el que correspondería entre



21 Se construye restando al salario de la Ciudad de México el correspondiente del resto de las ciu-dades, por eso si el signo es negativo indica un salario promedio superior al de la capital del país.

regiones con diferentes dotaciones de factores productivos pero que las remu-neraciones a estos factores son iguales espacialmente; es decir, bajo estascondiciones, la reducción de la desigualdad estaría asociada a una mayor con-vergencia en los recursos productivos. En segundo lugar, a partir de la consi-deración de igual remuneración a los factores en las diferentes ciudades, sepuede establecer que de acuerdo a las características de la Ciudad de Méxicohabría una mayor desventaja salarial relativa, así, las ciudades que deberíancontar con un salario promedio más elevado en relación a la capital serían entodo momento diez o más, aunque no se observa que en el tiempo las dota-ciones relativas del área urbana de referencia empeoren;22 en tercer lugar, sólouna ciudad (Tampico) de las diez localizadas en las fronteras que superan elsalario promedio de la capital, asentó mejor dotación; y por último, a lo largodel tiempo no se estima una reducción de las diferencias de salario atribuiblesa las dotaciones; es decir, pareciera que durante el periodo 1992-2002 noexistió una proceso de convergencia en las dotaciones de capital humano enlos trabajadores asalariados de las diferentes ciudades, sino al contrario,aumentó, medido esto por el indicador de desviación. Es destacable porque apesar de las transformaciones que la economía mexicana ha experimentadoen los años que se analizan, la aparente mayor flexibilidad salarial no es sufi-ciente para generar una notoria movilidad geográfica de los recursos produc-tivos entre ciudades; posiblemente el costo de la migración y la carencia deinformación impidan una distribución más homogénea de los factores produc-tivos en el ámbito espacial, por lo cual sería necesario implementar políticaslaborales activas que ayuden a una mayor convergencia.

En la última columna, para cada año, de la tabla 4 se anota el compor-tamiento de los salarios que tendría cada ciudad si las dotaciones en los recur-sos productivos de todos los centros urbanos fueran iguales, por ejemplo a losde la capital, y únicamente variarán las remuneraciones de dichas dotacionesentre ciudades ()$). Aquí, a diferencia de lo que se ve, bajo el supuesto deigual rendimiento y diferentes dotaciones, la disparidad entre las ciudadesaumenta, como lo indica la desviación estándar, en cuanto a que a las ciu-dades con mejores remuneraciones relativas guardan desventaja en ladotación de factores y así como no existe convergencia en los recursos pro-



22 En 1997 es donde se da la mayor desventaja relativa, dado que serían 15 las ciudades que lasuperarían en salario promedio.

ductivos, tampoco se observa en las remuneraciones, pues a lo largo del tiem-po hay un crecimiento constante en la disparidad.

Tomando como referencia la Ciudad de México se establece, por una lado,que durante el periodo 1992-2002 la capital declina relativamente en lasremuneraciones, al pasar de ocho ciudades con alto rendimiento en 1992 a 14en el último año de referencia; pero por otro, esta ciudad también aumentó ladiferencia relativa existente entre las remuneraciones que reciben los asalaria-dos respecto a otras áreas urbanas con menores salarios; se puede establecerque el incremento de la disparidad atribuible al comportamiento de las remu-neraciones sucedió tanto por arriba como por abajo de la Ciudad de México.

La desagregación de los componentes del salario promedio por ciudad,permite asentar que la fuente principal de la desigualdad entre áreas urbanasse relaciona principalmente con la diferencia en las remuneraciones de los fac-tores productivos y en menor medida con la desigual distribución espacial delos mismos y a lo largo del periodo de análisis ambas fuentes contribuyeron alaumento de la disparidad aunque la contribución de las remuneraciones fuede más interés.

¿Existe alguna dinámica regional en el comportamiento de los rendimien-tos que esté ocasionando la mayor dispersión salarial o en todo caso se tratade un comportamiento aleatorio de las ciudades que llevan a este resultado?

Intentando identificar dinámicas regionales en la evolución de la disparidadatribuible a las remuneraciones, es posible agrupar ciudades que pueden con-siderarse similares. En primer lugar, se menciona el grupo de ciudades locali-zadas en el sur del país,23 de las cuales las cinco primeras, consignadas en lanota de pie, empeoraron su remuneración relativa y sólo Coatzacoalcos al finaldel periodo logró superar a la Ciudad de México. En general, las ciudades delsur tuvieron una pérdida relativa en los rendimientos a los factores, por lotanto aumentó la brecha salarial entre la ciudad de referencia y el sur.

Un segundo grupo estaría constituido por los centros urbanos localizadossobre la frontera norte,24 las cuales a lo largo del periodo registra las mayoresremuneraciones como grupo, contribuyendo de manera importante con elcomportamiento de la disparidad salarial. Un aspecto del conjunto de ciudadeses que en 1992 conservaban niveles de remuneración muy dispares, aunque



23 Campeche, Oaxaca, Tuxtla Gutiérrez, Orizaba, Mérida, Veracruz, Villahermosa y Coatzacoalcos.24 Ciudad Juárez, Tijuana, Matamoros y Nuevo Laredo.

en todas las áreas urbanas las remuneraciones eran superiores a las ofrecidasen la Ciudad de México, pero en el año 2002 hubo mayor homogeneidad, pro-ducto de una reducción en las ciudades con niveles elevados (Tijuana yMatamoros) y aumentos en Ciudad Juárez y Nuevo Laredo. La contribución delas ciudades al aumento de la disparidad en el tiempo puede considerarsemodesto, aunque desde el inicio guardan una trascendente participación.

Las ciudades que anteriormente definimos como de segunda frontera25 yque constituiría el tercer grupo, son las de mayores incrementos en las remu-neraciones, y en cuatro de los casos pasaron de una situación de desventajarelativa en 1992 a una condición favorable al final del periodo. En promediolos trabajadores asalariados aumentaron su remuneración relativa en 18.6%durante el periodo 1992-2002, además, a diferencia de las ciudades ubicadassobre la línea fronteriza, el grupo de segunda frontera tuvo una mejora relati-va en la dotación de factores productivos respecto a la Ciudad de México, conlo cual redujeron la desventaja del inicio del periodo; por tanto, a partir de esosresultados se establece que fue la zona geográfica con mejor desempeñopero, a la vez, la que más contribuyó al crecimiento de la disparidad salarialpromedio entre ciudades.

Un cuarto grupo de ciudades estaría conformado por las denominadas delcentro norte,26 en las cuales registran un saldo positivo en rendimiento relati-vo frente a la Ciudad de México, dado que disminuyen sus diferencias aunquesólo tres (Guadalajara, León y Aguascalientes) obtuvieron rendimientos supe-riores a la capital, en este sentido se puede decir que el grupo mantiene uncomportamiento en los rendimientos convergente a la capital, y por tanto nocontribuye a aumentar la dispersión salarial vía rendimientos. En relación a laevolución de la dotación relativa de factores, el grupo en general experimentauna pérdida relativa y solamente Aguascalientes mejora de manera sorpren-dente.

El quinto grupo se constituyó por ciudades definidas como pacífico(Culiacán, Tepic, Colima y Durango) que exhibieron una desventaja relativa enremuneraciones y durante la década de análisis esta diferencia permanece re-lativamente estable. Por otra parte, el grupo muestra una dotación de factores



25 Monterrey, Saltillo, Torreón, Chihuahua, Hermosillo y Tampico.26 Aguascalientes, León, Guadalajara; San Luis Potosí, Toluca, Morelia, Puebla, Cuernavaca y

Zacatecas.

próxima a la ciudad de referencia y al igual que en las remuneraciones nomuestra cambios importantes.

A manera de resumen, se puede establecer, en primer lugar, que a las ciu-dades ubicadas en el sur del país se le encuentra una mejor dotación relativade recursos respecto a las frontera, y en segundo lugar, que el aumento de ladisparidad salarial por ciudades, durante el periodo 1992-2002, tiene comofuente principal la creciente divergencia en el rendimientos de los factores,aunque las diferencias en las dotaciones también contribuyen. La evolución delas remuneraciones relativas de los factores por ciudades parece detentar uncierto comportamiento espacial, donde los trabajadores que viven en las áreasurbanas localizadas en el sur vieron aumentar su desventaja relativa, mientraslas ciudades de la segunda frontera, una mejora sustancial, así como algunasdel centro; las ciudades fronterizas mantienen su ventaja y las del pacíficoquedan sin cambios.

¿Cuál es el comportamiento del salario promedio por ciudades enmujeres? La tabla 5 aporta la información correspondiente. En general sondestacables tres aspectos. Primero, que la disparidad del salario promedio en1992 es mayor que la de hombres para ese mismo año, medido tanto por labrecha entre valores extremos como por desviación estándar, pero a lo largodel tiempo la desigualdad se reduce ubicándose al final del periodo en un nivelinferior al registrado en los asalariados de sexo masculino; sin embargo, la dis-minución de la disparidad no es producto de una mayor convergencia en lasdotaciones de factores por ciudades o en las remuneraciones de los mismos,debido a que en los dos casos la disparidad salarial considerando factores yrendimientos fijos aumentaron, sino por la combinación de los efectos encon-trados; es decir, las ciudades que mejoraron relativamente sus dotaciones, dis-minuyeron sus rendimientos y viceversa, dando como resultado una reducciónen la disparidad salarial en el tiempo. Segundo; la principal fuente de desigual-dad es el comportamiento de las remuneraciones entre ciudades. A diferenciadel comportamiento de los asalariados varones, donde pareciera existir unacierta dinámica regional en el rendimiento de los factores; en el caso de lasmujeres resulta menos evidente en lo referente a grupos de ciudades con pér-didas relativas respecto a la Ciudad de México, pues no solamente retrocedenterreno las ciudades del sur sino también algunas del centro y pacífico, mien-tras el comportamiento de las remuneraciones relativas de las ciudades de la



CE

NTR

OD

EIN

VE

STIG

AC

IÓN

EN

ALIM

EN

TAC

IÓN

YD

ES

AR

RO

LLO, A.C

.

Enero

- Junio

de 2

007

14

9

CiudadesCd. de MéxicoSurMéridaOrizabaVeracruzAcapulcoVillahermosaTuxtla Gtz.CampecheCoatzacoalcosOaxacaFronteraCd. JuárezTijuanaMatamorosNvo. LaredoSeg. fronteraMonterreyTorreónChihuahuaSaltilloHermosilloTampicoCentro NorteGuadalajaraPueblaLeónSan Luis PotosíAguascalientesMoreliaTolucaCuernavacaZacatecasPacíficoCuliacán DurangoTepicColimaDS

1992Ln Wj

2.96738

2.627252.495372.730032.910822.850392.888832.905572.951342.96650

2.827463.119223.158542.83369

2.937452.740092.832612.891762.906852.67452

2.798592.833642.748592.670642.861732.949132.898022.913712.97662

2.923922.901533.001542.976350.13382

)total0.00000

0.340130.472010.237350.056560.116990.078550.061810.016040.00088

0.13992-0.15184-0.191160.13370

0.029940.227290.134770.075620.060530.29286

0.168790.133740.218790.296740.105650.018250.069360.05368-0.00923

0.043460.06585-0.03415-0.008970.13382

)(Xj)0.00000

0.024330.05507-0.011090.096060.038250.041440.063050.110890.07221

0.159100.107560.158100.11550

0.050240.043310.073410.083870.07719-0.00331

0.120680.013590.221480.023180.169460.061650.055210.141410.01504

0.055460.057970.018110.046670.05496

)$0.00000

0.315800.416940.24845-0.039500.078740.03711-0.00124-0.09485-0.07132

-0.01918-0.25940-0.349260.01819

-0.020310.183980.06136-0.00824-0.016660.29617

0.048120.12015-0.002690.27357-0.06380-0.043400.01416-0.08773-0.02428

-0.012000.00788-0.05226-0.055640.15433

1997Ln Wj

2.64468

2.399592.426892.574272.384772.567172.352822.526762.480352.48427

2.668622.895122.866222.67620

2.791782.617792.648062.630592.678092.54643

2.555162.687992.428152.423082.500292.580282.640742.407582.45693

2.523662.530292.652742.563390.13198

)total0.00000

0.245090.217790.070410.259910.077510.291860.117920.164330.16041

-0.02394-0.25044-0.22154-0.03152

-0.147100.02689-0.003380.01409-0.033410.09825

0.08952-0.043300.216530.221600.144390.064400.003940.237100.18775

0.121020.11439-0.008060.081290.13198

)(Xj)0.00000

0.05034-0.09734-0.12801-0.01651-0.034940.00882-0.135670.00093-0.17517

0.242690.108490.137000.08706

0.00460-0.008500.077650.01245-0.02649-0.09050

0.13355-0.077420.228020.047150.071300.00280-0.034400.04809-0.02485

-0.01229-0.07893-0.15831-0.103110.10007

)$0.00000

0.194760.315140.198420.276420.112450.283030.253590.163390.33558

-0.26664-0.35894-0.35853-0.11858

-0.151710.03539-0.081030.00164-0.006920.18875

-0.044040.03411-0.011490.174450.073090.061600.038350.189010.21260

0.133310.193320.150250.184400.17854

2002Ln Wj

2.90895

2.663362.635232.746792.581552.825302.689862.573752.695592.76504

2.879433.034962.986132.99065

3.040972.879512.987903.024952.958562.80937

2.855402.799522.814532.741162.901932.772982.853142.630792.80996

2.856452.757372.782602.771570.12943

)total0.00000

0.245590.273720.162170.327410.083650.219090.335200.213360.14391

0.02953-0.12601-0.07718-0.08170

-0.132020.02945-0.07895-0.11600-0.049610.09959

0.053550.109430.094420.167800.007020.135970.055810.278170.09899

0.052500.151580.126350.137380.12943

)(Xj)0.00000

0.01393-0.09645-0.07859-0.02798-0.05757-0.054620.009740.01355-0.07022

0.146180.133000.077220.09886

0.022950.015100.05353-0.03100-0.06294-0.06784

0.133930.030160.171540.055580.025540.03248-0.010410.10608-0.03073

-0.02285-0.01620-0.12092-0.066030.07455

)$0.00000

0.231670.370180.240760.355390.141220.273710.325460.199820.21412

-0.11665-0.25901-0.15439-0.18056

-0.154970.01435-0.13248-0.085000.013330.16743

-0.080390.07928-0.077120.11222-0.018510.103490.066220.172080.12972

0.075360.167780.247270.203410.16708

Tabla 4. Descomposición de la disparidad salarial por ciudades, 1992-2002 Mujeres del sector privado

Fuente: Elaboración propia a partir de los resultados de la ecuación de salarios y la descomposición de 7.

segunda frontera, si bien son favorables, cuentan un menor dinamismo que elde los hombres. Por su parte, las ciudades fronterizas, mantienen su ventajarelativa como grupo, aunque al final del periodo se comporten de forma máshomogénea, tal como en los varones.

Conclusiones

De los resultados obtenidos se destaca que la disparidad salarial, medida porel índice de Theil y la varianza del logaritmo del salario por hora, presentóimportantes variaciones en el lapso 1992-2002, aumentando hasta 1997, paraluego descender incluso a niveles inferiores a los existentes a inicios del peri-odo. El análisis por percentiles permitió identificar que el crecimiento ydescenso de la disparidad salarial está determinado principalmente por elcomportamiento de los percentiles superiores.

La descomposición de la desigualdad por diferentes criterios de clasifi-cación (sexo, ciudad, nivel de escolaridad y actividad) indica que durante laprimera mitad del periodo, la disparidad total estuvo impulsada tanto por unincremento de la inequidad dentro de los grupos como entre ellos; pero en lasegunda mitad, hay una mejora en la inequidad dentro de los grupos,27 perolas diferencias entre ellos continuaron incrementándose, en las clasificacionespor sexo y ciudad. Al final del periodo, aunque la disparidad se redujo, lasdiferencias entre los grupos aumentaron, es decir, apareció una redistribuciónen la participación de los componentes "intra", la cual disminuyó y "entre" queaumentó. La existencia de un comportamiento similar bajo diferentes criteriosde clasificación puede indicar la presencia de una relación entre ellos, talpuede ser el caso de un proceso de especialización especial de las actividadescon diferencias en las remuneración, el resultado sería aumento de la dispari-dad entre ciudad y actividad y reducción de la desigualdad al interior de lasmismas, tal y como se observó.

La identificación de los efectos composición y salario dentro de los compo-nentes "intra" y "entre" permitió determinar que para el caso de la clasificaciónpor ciudades la fuente principal de la disparidad tanto al interior de las ciu-dades como entre ellas fue el factor salario, aunque como ya mencionamos



27 Aunque para el caso de la clasificación por ciudades la disparidad al interior de las ciudades delsur aumentó.

posiblemente este resultado esté influido por la estructura de los datos. Parael resto de las clasificaciones el factor composición juega un papel relevante,especialmente en escolaridad, donde determina el crecimiento de la dispari-dad entre los niveles de escolaridad y atenúa la caída de la inequidad al inte-rior de ellos.

El análisis de la disparidad salarial por áreas urbanas, utilizando lametodología de Oaxaca, confirma el incremento de la brecha salarial entre lasciudades, la cual se ejemplifica, por una parte, con una pérdida de salario re-lativo de la capital frente a las áreas urbanas localizadas en las regiones fron-terizas, y por la otra, por un aumento de la desventaja de las ciudades del sur.La descomposición de la desigualdad permitió identificar que la fuente princi-pal de la desigualdad en el salario promedio entre ciudades, y el crecimientode la misma durante el periodo 1992-2002 no se encuentra en las diferenciasde dotaciones de factores productivos, aunque sí contribuyeron en su aumen-to, sino en las remuneraciones que estos recursos obtienen en los distintoscentros urbanos. Dentro de la agrupación de las ciudades destaca el compor-tamiento de las definidas como segunda frontera las cuales durante el perio-do se comportaron dinámicamente, no sólo aumentando la remuneración re-lativa de los factores sino también la dotación de recursos productivos, lo cualno se observó en ningún otro grupo de ciudades.



Bibliografía

Airola, J. y C. Junh (2005) Wage Inequality in Post-Reform Mexico, WorkingPaper.

Blackaby, D. y D. N. Manning (1990) "Earnings, Unemployment and theRegional Employment Structure in British", Regional Studies, 24, 529-535.

Blackaby, D y P. Murphy (1995) "Earning, Unemployment and Britain'sNorth-South Divide: Real or Imaginary?", Oxford Bulletin of Economicsand Statistics, 57, 487-512.

Blau, F. y L. Kahn (1996) "International Differences in Male Wage Inequality:Institutions Versus Market Forces", Journal of Political Economy, 104,791-837.

Cañonero, G. y A. Werner (2002) "Salarios relativos y liberación del comer-cio en México", El Trimestre Económico, #273, 123-142.

Castro, D. (2005) "Salarios y desigualdad territorial en las áreas urbanas deMéxico, 1992-2002", Tesis doctoral, Universidad Autónoma deBarcelona.

(2006a) Desigualdad salarial en México: una revisión, mimeo. (2006b) "Curva salarial: una aplicación para el caso de México, 1993-

2003", Estudios Económicos, 21, 233-273.Chiquiar, D. y G. Hanson (2002) International Migration, Self-Selection, and

the Distribution of Wage: Evidence from Mexico and United States,Working Paper, # 9242, NBER.

Cortés, F. y R. M. Rubalcava (1984) Técnicas estadísticas para el estudio dela desigualdad social, México, El Colegio de México, Segunda edición.

Cortez, W. (2001) "What is Behind Increasing Wage Inequality in Mexico?",World Development, 29, 1905-1922.

Cragg, M. y M. Epelbaum (1996) "Why Has Wage Dispersion Grown inMéxico? Is it Incidence of Reforms or the Growing Demand for Skills?",Journal of Development Economics, 51, 99-116.

Esquivel, G. y J. A. Rodríguez -López (2003) "Technology, Trade, and WageInequality in Mexico Before and After NAFTA", Journal of DevelopmentEconomics, 72, 543-565.

Feenstra, R. y G. Hanson (1997) "Foreign Direct Investment and RelativeWages: Evidence from Mexico s Maquiladoras", Journal of InternationalEconomics, 42, 371-393.

Feliciano, Z. (2001) "Workers and Trade Liberalization: The Impact of TradeReform in México on Wage and Employment", Industrial and LaborRelations Review, 55, 95-115.



Freeman, R. B. (1980) "Unionism and Dispersion of Wage", Industrial andLabor Relations Review, 34, 3-23.

Galbraith, J. y V. Garza (2000) "¿Exportación de la desigualdad? Cambiosrecientes en la desigualdad de los salarios industriales en Canadá,México y Estados Unidos", Memoria del Tercer seminario sobre ingresoy productividad en América del Norte, 27-47.

García Rocha, A. (1986) La desigualdad económica, México, El Colegio deMéxico.

Ghiara, R. y E. Zepeda (2004) "México: las crecientes diferencias salarialespor tipo de industria", Comercio Exterior, 54, 48-60.

Hanson, G. y A. Harrison (1995) Trade, Technology and Wage Inequality,Working Paper, #5110, NBER.

Harrison, A. y G. Hanson (1999) "Who Gains from Trade Reform? SomeRemaining Puzzles", Journal of Development Economics, 59, 125-154.

INEGI, Encuesta Nacional de Empleo Urbano, varios años.Juhn, C., K. Murphy y B. Pierce (1993) "Wage Inequality and the Rise in

Return to Skill", Journal of Political Economic, 101, 410-442.Meza, L. (1999) "Cambios en la estructura salarial de México en el periodo

1988-1993 y el aumento en el rendimiento de la educación superior", ElTrimestre Económico, #262, 189-226.

(2005) "Mercados laborales locales y desigualdad salarial en México",El Trimestre Económico, #285, 133-178.

Monastiriotis, V. (2002) "Inter -and Intra-Regional Wage Inequalities in theUK: Sources and Evolution", Research Papers in Environmental andSpatial Analysis, #70, LSE

Oaxaca, R. (1973) "Male-Female Wage Differential in Urban Labor Markets",International Economic Review, 14, 693-709.

Revenga, A. (1997) "Employment and Wage Effects of Trade Liberalization:The case of Mexican Manufacturing", Journal of Labor Economics, 15,s20-s43.

Robertson, R. (2004) "Relative Prices and Wage Inequality: Evidences fromMexico", Journal of International Economic, 64, 387-409.



Transferencias directas vsinyecciones sectoriales:un análisis estructural delcombate a la pobrezaGaspar Núñez* y Clemente Polo**

Fecha de recepción: septiembre de 2006.Fecha de aceptación: noviembre de 2006.

* Catedrático investigador del Centro de Investigaciones Socioeconómicas(CISE) de la Universidad Autónoma de Coahuila (UAdeC), México. E-mail: [email protected]** Profesor del Departamento de Economía e Historia Económica de laUniversidad Autónoma de Barcelona (UAB), España.E-mail: [email protected]


La pobreza extrema y la crisis agrícola enMéxico son dos de las cuestiones quemás atención han recibido por parte de laopinión pública y de la política económicaen los últimos años. Considerando que lalimitación presupuestaria conduce a laelección de políticas alternativas, en estetrabajo analizamos dos posibles políticasy sus efectos: a) una inyección al sectoragropecuario y b) una transferencia direc-ta a los hogares de menor ingreso.Primero, estudiamos los efectos redistri-butivos, luego la descomposición de losefectos multiplicativos asociados y, porúltimo, realizamos un análisis estructuralde sendas para analizar en detalle latransmisión de los efectos. Los resultadosaquí obtenidos, utilizando la Matriz de

The extreme poverty and agricultur-al crisis in Mexico are issues widelyconsidered by public opinion andpolicymakers in recent years. Con-sidering that budget constraintsimply the choice of alternative poli-cies, in this paper we analize twofeasible policies and their effects: a)an injection to the agricultural sec-tor and b) direct cash transfers tohouseholds with the lowest income.First, we analyze redistributive effects,then the decomposition of multi-plicative effects and, finally, we carryout a structural path analysis tostudy in detail the transmission ofeffects. Results, obtained using aSocial Accounting Matrix of Mexico

Resumen / Abstract



Contabilidad Social de México para 1996(MCS-MX96) elaborada por los autores,sugieren que las transferencias directas alos hogares pobres, pueden tener efectosmultiplicadores y redistributivos másimportantes que los que se obtendríancon una inyección equivalente sobre elsector agropecuario.

Palabras Clave: Pobreza extrema, Análisisestructural, Transferencia directa, Inyec-ción sectorial.

for 1996, suggest that direct cashtransfers to households, may havemore important multiplicative andredistributive effects than thosegenerated by an equivalent injectionon the agricultural sector.

Key words: Extreme poverty, Struc-tural analysis, Cash transfer, Sectorinjection.

Introducción

a primera parte del trabajo se basa en el modelo estándarde determinación del ingreso en una Matriz de Contabilidad Social (MCS), en laMatriz de Multiplicadores Generalizados o Contables (MMG) que resulta de lasolución de ese modelo1 y, en particular, en la Matriz de Redistribución pro-puesta por Polo, Roland-Holst y Sancho (1990). En palabras de estos autores:"Desde un punto de vista metodológico el trabajo [...] se inserta en el marcogenérico del 'análisis estructural', entendido como el conjunto de técnicasdesarrolladas para explotar tablas input-output y matrices de contabilidadsocial".

El conjunto de técnicas se dirige a analizar la composición del ingreso enla economía representada por la MCS, así como a estudiar los efectos que unaperturbación exógena tendría sobre la distribución de dicho ingreso.

En la segunda parte aplicamos a la matriz de multiplicadores generalizados(MMG) la descomposición expuesta en Round and Pyatt (1979) y, adicional-mente, la descomposición aditiva, propuesta por Stone (1978).


L

1 Para una exposición detallada del modelo estándar y de la derivación y propiedades de las matri-ces de multiplicadores contables y de precios fijos, ver Pyatt y Round (1979).

La tercera parte se basa en el Análisis Estructural de Sendas (AES) desa-rrollado por Defourny y Thorbecke (1984):

"…mientras que la forma reducida provee la solución de un modelo expresando lasvariables endógenas como funciones de variables exógenas, el análisis estructural desendas intenta, además, aclarar y explicar esta solución a través del estudio de la trans-misión de la influencia dentro de la red de relaciones estructurales que comienza concambios en las variables exógenas, hasta sus últimos efectos sobre las variables endó-genas".

El artículo se organiza como sigue: primero presentamos resumidamenteel marco analítico; luego realizamos los cálculos y analizamos los resultados y,por último, presentamos algunos comentarios y conclusiones.

2. El modelo estándar, la descomposición de la MMG y el AES

2.1. Matriz de Multiplicadores Generalizados y su descomposición

En una MCS, cada cuenta o institución gasta lo mismo que percibe, esto es, lasuma de una columna (lo que esa cuenta distribuye) es igual a la suma de lafila respectiva (lo que dicha cuenta absorbe):MCS = (Yij), con i,j = 1,…,n, donde n es el número de instituciones.Y se cumple:

Definiendo aij = Yij / Yj :

Si ordenamos la MCS de tal modo que las primeras m instituciones sean"endógenas" y las últimas k instituciones sean "exógenas", podemos reexpre-sar:

con m + k = n



[1]

[2]

[3]

Matricialmente:

donde Amm, Amk, Akm y Akk representan las submatrices respectivas de los lla-mados coeficientes de gasto o Propensiones Medias al Gasto (PMeG).

Con la anterior identidad contable podemos expresar el ingreso absolutode las cuentas endógenas como:

que es un modelo lineal de determinación del ingreso. Resolviendo para Ym:

Donde cada elemento de xm (vector de flujos exógenos hacia las variablesendógenas) es igual a la suma de los ingresos exógenos que cada instituciónendógena recibe, y M =(I-Amm)-1, es la denominada matriz de multiplicadoresgeneralizados o contables (MMG). Lo anterior significa que, la parte del ingre-so de las cuentas exógenas que va a las cuentas endógenas, se reparte entreéstas a través de la submatriz Amk de PMeG. M mide la generación del ingresodebida a la interacción endógena y su interpretación económica es similar a lade la inversa de Leontief.

Del mismo modo que antes, podemos expresar la renta absoluta de lasvariables exógenas:

Y premultiplicando por un vector unitario de orden k, obtenemos el ingre-so total exógeno:

Considerando que el total de la suma por columnas (gastos) de las vari-ables exógenas es:



[4]

[5] Ym = AmmYm + AmkYk = AmmYm + xm

[6] Ym = (I-Amm)-1AmkYk = M(AmkYk)= Mxm

[7] Yk = AkmYm+AkkYk = AkmYm+ xk

[8] i’ Yk =i’(AkmYm+xk) = i’AkmYm+ i’xk

[9] i’ Yk = i’xm+i’xk)

Entonces:

Es decir, las fugas del sistema endógeno hacia las cuentas exógenas quetienen lugar a través de la matriz de fugas Akm son iguales a las inyeccionesrecibidas por las cuentas endógenas a través del vector xm de ingresosexógenos.

A partir del modelo básico Ym = AmmYm + AmkYk = AmmYm + xm , sea B unamatriz cualquiera del mismo tamaño que Amm, tal que la inversa de (I-B) existe,entonces podemos escribir: Ym - BYm = AmmYm + xm - BYm , que implica:

De donde, definiendo: D = (Im - B)-1 (Amm - B), obtenemos

Y si premultiplicamos la última igualdad por D, ypuesto que DYm=Ym-(Im-B)-

1xm, obtenemos:

Aplicando otra vez, del mismo modo, la premultiplicación por D:

Y suponiendo ahora que la inversa de (I - D3) también existe:

Esta manipulación permite descomponer la MMG en las tres submatricesarriba definidas (M1, M2 y M3). Desde un punto de vista matemático, la serie depremultiplicaciones y sustituciones se puede prolongar indefinidamente, y elresultado general es:



[10] i’AkmYm+i’xk=i’xm+ i’xk lo cual implica que i’AkmYm+ i’xm

[11] Ym=(Im-B)-1 (Amm-B)Ym+(Im-B)-1xm

[12] Ym-DYm+(Im-B)-1xm

[13]DYm=D2Ym+D(Im-B)-1xm=Ym-(Im-B)-1xmde donde:Ym=D2Ym+(I + D)(Im-B)-1xm

[14] Ym=D3Ym+(I + D + D2)(Im-B)-1xm

[15] Ym=(Im-D3)-1(I + D + D2)(Im-B)-1xm=Mxm

[16] M=(Im-D3)-1(I + D + D2)(Im-B)-1=M3M2M1

[17] M1=(Im-B)-1

[18] M2=(I + D + D2)

[19] M3=(Im-D3)-1

Pero, desde el punto de vista económico y de la estructura de la MCS, dete-ner la serie de sustituciones en k=3 lleva a una interpretación significativa yútil del modo en que operan los varios efectos multiplicadores. En particular,desde el punto de vista del flujo de la renta, la descomposición de M en tres,representa un ciclo completo del flujo de la renta: la renta se genera en lasActividades productivas, las cuales producen bienes y servicios empleando yretribuyendo a los factores trabajo y capital, los factores a su vez, transfierenla renta a los Hogares según los respectivos derechos de propiedad, y losHogares en última instancia, utilizan dicha renta para adquirir los bienes y ser-vicios de consumo o inversión producidos por las Actividades productivas.

Por tanto, la partición de M se hace agrupando las variables endógenas entres: Factores, Instituciones y Actividades, en ese orden, de tal modo que Amm

se puede expresar como una matriz agregada de orden 3x3, y B se elige comola matriz diagonal cuyos elementos son iguales a los de la diagonal principalde Amm.

Con tal partición y la descomposición de M, no es difícil ver que las tres sub-matrices especificadas, se pueden interpretar como sigue:

Captura los efectos de un grupo de cuentas sobre sí mismo. Por la defini-ción de B, M1 está compuesta por tres bloques diagonales: el primero es unasubmatriz identidad debido a que no hay transferencias directas entre los fac-tores. El segundo captura los efectos multiplicadores de las transferenciasdirectas entre instituciones. El tercer bloque diagonal se refiere al efecto mul-tiplicador de las transferencias interindustriales (I-A33)

-1, que es la inversa deLeontief.

Puesto que M1 y M3 son matrices diagonales (en bloques), entonces losefectos entre las particiones deben estar capturados por M2, por lo que estamatriz se llama de efectos cruzados (open loop).



[15] Ym=(Im-Dk)-1(I + D + D2+…+Dk-1)(Im-B)-1xm

[17] M1=(Im-B)-1

[18] M2=(I + D + D2)

[19] M3=(Im-D3)-1

Esta es una matriz diagonal de bloques que refleja el flujo circular del ingre-so y por tanto se denomina matriz de multiplicadores circulares (closed loop).

Una versión aditiva, que facilita una presentación de resultados más ade-cuada e intuitiva de la descomposición de M, es la siguiente (Stone, 1978):

La primera matriz (I) representa la inyección inicial, la segunda (M1-I) lacontribución neta de los efectos propios, la tercera [(M2-I) M1] la contribuciónneta de los efectos multiplicadorescruzados, y la cuarta [(M3-I) M2 M1] la con-tribución neta de los efectos multiplicadores circulares.

2.2. El Análisis Estructural de Sendas (AES)

Presentamos aquí una síntesis del marco analítico del AES, la exposición com-pleta y detallada se encuentra en Defourny y Thorbecke (1984).

Sea An = (aij) la matriz de coeficientes de gasto de las variables endógenasy sea arco(j, i) el arco que une los polos (cuentas, sectores o instituciones) j ei en la dirección del gasto, esto es, si el gasto tiene lugar en el polo j, el arcova de j a i.

Luego, el elemento aij constituye la magnitud de la influencia transmitidadel polo j al polo i, es decir, aij refleja la intensidad del arco(j,i). La red de arcosforma el gráfico de influencia asociado a la estructura económica de la MCS.

Una senda se define como una secuencia de arcos consecutivos, y su lon-gitud es igual al número de arcos que la componen, de donde un arco es unasenda de longitud 1). Y una senda elemental se define como aquella que nopasa más de una vez por el mismo polo. Un circuito es una senda en la que elprimer polo (polo de origen) coincide con el último (polo de destino).

El concepto de Influencia se descompone, para los fines del AES, en tres: 1. Influencia Directa (ID): es el cambio en el ingreso (o producción) de i

inducido por un cambio unitario en j, con el ingreso (o producción) de todoslos demás polos constante, excepto aquéllos de la senda elemental elegida.

Caso a) Influencia Directa de j sobre i a lo largo del arco(j, i): IDj i=aij

La matriz An por tanto, puede llamarse matriz de influencias directas, bajoel entendido de que la influencia directa se está midiendo a lo largo delarco(j, i).



M=I +(M1-I)+(M2-I) M1+(M3-I) M2 M1

Caso b) Influencia Directa a lo largo de una senda elemental (j,...,i) es igualal producto de los intensidades de los arcos que constituyen dicha senda(Lantner, 1974): ID

j i=aij

Ejemplo: sea la senda elemental p = (j, x, y, i): j x y iEntonces ID

(j i)p=ID(j, x, y, i)p=axjayxa iy

NB: esta definición se refiere siempre a una sola senda elemental, pero na-turalmente puede haber más de una senda elemental de j a i.

2. Influencia Total (IT): es la influencia transmitida de j a i a lo largo de lasenda elemental p incluyendo todos los efectos indirectos dentro de la estruc-tura imputable a esa senda:

Mp (el multiplicador de senda) capta el grado en que la influencia directa alo largo de p es amplificada por los efectos de circuitos de retroalimentaciónadyacentes. En general: Mp =)p/) donde )= |I-An| y )p es el determinante de(I-An) excluyendo los polos que conforman p.

3. Influencia Global (IG): mide los efectos totales sobre el ingreso (o pro-ducto) del polo i debidos a una inyección unitaria en el polo j. La InfluenciaGlobal es captada por la forma reducida del modelo MCS: IG

j i=mij

Donde M=(mij) es la MMG y, el elemento mij capta los efectos totales de unainyección exógena xj sobre la variable endógena yi, con lo cual, M puede inter-pretarse como una Matriz de Influencias Globales.

La Influencia Directa está ligada a una senda elemental particular, entera-mente aislada del resto de la estructura (i.e. ceteris paribus), y captura lo quepodría llamarse el efecto inmediato de un impulso a lo largo de dicha senda.

La Infuencia Global por su parte:a) Captura la influencia directa transmitida por todas las sendas elemen-

tales que unen los polos bajo consideración. De acuerdo con la "regla aditiva",la Influencia Global transmitida por el polo j al polo i, a lo largo de distintassendas elementales con el mismo origen y destino, es igual a la suma de lasInfluencias Directas transmitidas a lo largo de cada senda elemental.

b) Además, estas sendas son parte integral de la estructura de la cualfueron separadas para calcular la Influencia Directa. Por tanto, la InfluenciaGlobal acumula todos los efectos inducidos y de retroalimentación que resul-tan de la existencia de circuitos, y es igual a la suma de las Influencias Totalestransmitidas a lo largo de todas las sendas elementales que unen el polo j y elpolo i.



axj ayx aiy

En general, la Influencia Global entre dos polos de una estructura puededescomponerse en una serie de Influencias Totales transmitidas a lo largo detodas y cada una de las sendas elementales que van de j a i (Teorema deInfluencia):

Donde p = 1, 2, k,...,n son las sendas elementales que unen los polos i y j.El Teorema de Influencia se ha demostrado por métodos inductivos

(Lantner, 1974), deductivos (Gazon, 1976) y, Crama et al. (1984) ofrecen unademostración algebraica más convencional, pero menos intuitiva.

3. Resultados empíricos

Los resultados que aquí se presentan y analizan se han calculado utilizandouna Matriz de Contabilidad Social de México para 1996 (MCS-MX96),2 elaboradapor los autores, así como en la Matriz de Multiplicadores Generalizados (MMG)derivada de la misma. En el siguiente cuadro, titulado: La MCS-MX96 Agregada,presentamos una versión esquemática de la misma, los números entre parén-tesis indican la cantidad de subcuentas en que se desagrega la cuenta respec-tiva.

3.1. La matriz de multiplicadores generalizados o contables (MMG)

En el apéndice 2 reproducimos la MMG (en lo que sigue M) con las inyeccionesexógenas de interés. Las últimas tres columnas de la segunda parte, presen-tan tres medidas sintéticas de la sensibilidad del ingreso de cada instituciónendógenas ante Aumentos Unitarios Exógenos (AUE) distintamente distribu-idos.

La columna MS (Media Simple de las filas) refleja el impacto medio quesufriría el ingreso de cada cuenta endógena ante un AUE uniformemente dis-tribuido entre ellas, esto es, ante un aumento en la demanda final de 1/57 paracada institución endógena.



IG(j i)=mij=E IT

(j i)p E ID(j i)p Mp

n n

p=1 p=1

2 Disponible a solicitud del lector interesado en la dirección para correspondencia.

CE

NTR

OD

EIN

VE

STIG

AC

IÓN

EN

ALIM

EN

TAC

IÓN

YD

ES

AR

RO

LLO, A.C

.

Enero

- Junio

de 2

007

16

7

Hogares (10)SociedadesAAPP (Gob. Gral.)Impuestos al ingresoImp. Ind. Netos - Subs.Otros imp. a la prod.Contrib. SocialesPrestaciones socialesOtras transferenciasAhorro (AHBR)Trabajo (L) (18)Capital (K)Actividades produc. (18)Consumo privado (10)Servicios colectivosSanidad públicaEducación públicaPagos RDMRDMTOTAL

HOG

50,592,091

192,880,673

1,642,422,657

1,885,895,421

SOC1,146,266,458

67,436,807

270,908,775

73,500,636

1,558,112,676

OTR42,392,016

42,392,016

ISR

118,028,898

118,028,898

IIMS

226,297,587

226,297,587

OIP

9,689,701

9,689,701

CS

66,688,160

66,688,160

PS29,427,283

29,427,283

AAPP

29,427,2837,968,896

103,212,438

110,761,60741,867,18391,077,04636,389,893

420,704,346

AHORRO

583,558,024

583,558,024

Hogares (10)SociedadesAAPP (Gob. Gral.)Impuestos al ingresoImp. Ind. Netos - Subs.Otros imp. a la prod.Contrib. SocialesPrestaciones socialesOtras transferenciasAhorro (AHBR)Trabajo (L) (18)Capital (K)Actividades produc. (18)Consumo privado (10)Servicios colectivosSanidad públicaEducación públicaPagos RDMRDMTOTAL

L667,809,664

667,809,664

K

1,558,112,676

1,558,112,676

RDM

559,387,191

559,387,191

CP

1,642,422,657

1,642,422,657

SERP

110,761,607

110,761,607

SANP

41,867,183

41,867,183

EDUP

91,077,046

91,077,046

P. RDM

34,423,12016,556,1385,508,486

53.402.785109,890,529

A

226,297,5879,689,70166,688,160

662,301,1781,558,112,6761,855,760,199

505,984,4064,884,833,907

TOTAL1,885,895,4211,558,112,676420,704,346118,028,898226,297,5879,689,70166,688,16029,427,28342,392,016583,558,024667,809,664

1,558,112,6764,884,833,9071,642,422,657110,761,60741,867,18391,077,046109,890,529559,387,191

La MCS-MX96 Agregada (Miles de pesos de 1996)

Si el AUE se distribuye entre las cuentas endógenas según el peso de cadauna en la cuenta de inversión AHBR (es decir, según la proporción de ingresoexógeno que cada una de ellas percibe por concepto de inversiones) ten-dríamos el aumento marginal en el ingreso de las instituciones endógenas dela columna AHBR.

Si suponemos ahora que el AUE se inyecta directamente sobre los hogares,distribuyéndolo entre ellos según la participación que cada uno tiene en lacuenta de Prestaciones Sociales (PS), la columna PS proporciona el correspon-diente ingreso marginal en las instituciones endógenas. En la MCS-MX96 la par-ticipación relativa de los Hogares en la cuenta Otras Transferencias (OT) es lamisma que en PS, por lo que los efectos serían los mismos si la inyección sedistribuyera según el peso de cada Hogar en (OT).

Finalmente, la suma de los elementos de cada columna de la MMG (últimafila TC), es una indicación del efecto total generado por un AUE en la institucióncolumna correspondiente, también llamado Efecto Absorción.

3.2. Efectos redistributivos

3.2.1. El efecto de un AUE en las Actividades productivas

El cuadro 3.1 del apéndice 3 (ap. 3) comienza el análisis de los efectos de unAUE. Este cuadro presenta los multiplicadores generalizados propios de lasActividades productivas, cada elemento da el cambio en i ante un AUE en j.

Por su interés, observamos que un AUE en A1 (sector agropecuario) tendríaun efecto multiplicador total de 3.14 (columna A1), ligeramente inferior al efec-to medio de 3.33, que tendría una inyección en las demás ramas.

El cuadro 3.2 (ap. 3) analiza el cambio en las posiciones relativas (del ingre-so de cada Actividad con respecto al ingreso total de las Actividades) que ten-dría lugar ante un AUE. Como se analiza la redistribución relativa, la suma porcolumna es cero (la suma de los elementos negativos es igual al valor absolu-to de la suma de los elementos positivos).

Como antes, cada elemento da el cambio en la posición relativa de laActividad i ante un AUE en j. La columna MS da el cambio en la posición relati-va de cada i, resultante de un AUE uniformemente distribuido entre lasActividades. Si suponemos, como antes, que el AUE se distribuye entre lasActividades según su participación en la inversión, obtenemos los resultadosde la columna AHBR.





En la columna A1 observamos la redistribución que se logra inyectando elAUE en A1 (Sector Agropecuario), el total redistribuido es de 1.17: 1.13 al pro-pio A1 y 0.04 a AI. El cuadro 3.3 (ap. 3) indica el porcentaje en que cadaActividad participa del monto redistribuido (positiva o negativamente).

Los cuadros 3.4, 3.5 y 3.6 (ap. 3) contienen el análisis anterior aplicado ala submatriz Hogares-Actividades, esto es, al efecto que un AUE en lasActividades tiene sobre los Hogares. Cada celda del cuadro 3.4 da el efectosobre cada Hogar de un AUE en la correspondiente Actividad, y la columna MSpresenta los efectos sobre cada Hogar de un AUE uniformemente distribuidoentre las Actividades. El efecto (difusión) total sobre los Hogares de un AUE uni-formemente distribuido entre las Actividades es de 1.275, y aumenta el ingre-so de H1 en 0.021. Un AUE en A1 tiene un efecto total sobre los Hogares de1.294 y aumenta el ingreso de H1 en 0.024.

3.2.2. El efecto de un AUE en los Hogares

En este apartado presentamos, como en el anterior, los efectos que ten-dríamos, tanto sobre los Hogares como sobre las Actividades productivas, sien lugar de aplicar el AUE a las Actividades, lo aplicamos a los Hogares.

El cuadro 3.7 (ap. 3) comienza el estudio de los efectos que experimenta-rían los propios Hogares mostrando la correspondiente submatriz de multipli-cadores generalizados o contables. La columna MS dice que si el AUE se dis-tribuye uniformemente entre los Hogares, el efecto total sobre los propiosHogares será de 2.24, el Hogar con una mayor ganancia sería el más rico (H10)y el que percibiría el menor incremento sería el hogar más pobre (H1). Si encambio, el AUE se distribuye entre los Hogares según su participación enPrestaciones Sociales (manteniendo el statu quo), la columna PS indica que elefecto total sobre los Hogares sería ligeramente menor (2.21), que los hoga-res más ricos obtendrían una ganancia aún mayor y que los hogares máspobres aumentarían su ingreso en una magnitud mucho menor (menos de lamitad que antes). Por último, si el AUE se transfiere a los hogares más pobres(columna H1), el efecto propio sería de 1.02, y el efecto total sobre los Hogaresde 2.27, algo mayor que el obtenido con la distribución uniforme del AUE (elhogar que arrojaría un mayor efecto total sobre los hogares, si recibiese el AUE,es H3 con 2.29).



El cuadro 3.8 (ap. 3) muestra que el mayor impacto redistributivo, seobtiene dirigiendo el AUE a los hogares más pobres (H1), con lo que se redis-tribuye un monto de 0.98 contra un 0.12 que se redistribuiría manteniendo elstatu quo. Vemos, por columna, como se comporta la participación de cadaHogar en la redistribución: cuando el ingreso crece, la participación negativaaumenta.

El cuadro 3.10 (ap. 3) comienza la serie que estudia el impacto de un AUEen los Hogares sobre las Actividades Productivas. Si el AUE se distribuye uni-formemente entre los Hogares, el efecto total sobre las Actividades es de 2.99,y el efecto sobre A1 de 0.26. Si el AUE se redistribuye entre los Hogares deacuerdo con su participación en Prestaciones Sociales, el efecto total sobre lasActividades sería de 2.88, y el efecto sobre A1 de 0.23. Por último, si el AUE sedirige a H1, el efecto total sobre las Actividades sería de 3.16 (el mayor), y elefecto sobre A1 sería de 0.33 (también el mayor de los considerados).

El cuadro 3.11 (ap. 3) muestra las consecuencias redistributivas. Un AUE uni-formemente distribuido entre los Hogares induciría una redistribución entrelas Actividades por un total de 0.70, A1 sería el tercer ganador (0.10) despuésde AI (productos alimenticios, bebidas y tabaco) y de A8 (servicios financieros,seguros e inmobiliarias). Si el AUE se distribuye entre los Hogares según suparticipación en Prestaciones Sociales, el monto total redistribuido es algomenor, y la ganancia (redistributiva) de A1 desciende a 0.08. Por último, si elAUE se dirige a H1, el total redistribuido sería de 0.79, el mayor de todos, y elimpacto sobre A1 sería de 0.17. El cuadro 3.12 (ap. 3) expresa porcentual-mente la participación de cada Actividad en los montos redistribuidos. En elcaso de un AUE en H1, A1 participa del 21.95%, AI del 44.39% y A8 del 25.20%.

Con los resultados anteriores, resumimos en el cuadro A, la informaciónque nos interesa para el análisis de las políticas alternativas consideradas.

El cuadro resume los efectos que las aplicaciones consideradas de un AUEtendrían sobre varios niveles de la economía. Cada celda contiene dos cifrascorrespondientes a un AUE en las Actividades o en los Hogares respectiva-mente.

La primera columna informa sobre los efectos de un AUE uniformementedistribuido entre las Ramas o entre los Hogares: el efecto multiplicativo totalsobre la Economía es de 7.3 y 8.8 respectivamente; sobre las Actividades de3.34 y 2.99 y así sucesivamente.



La columna de mayor interés para el presente análisis es la última: un AUEen A1 o en H1. Los efectos sobre la Economía son 7.2 y 9.1 respectivamente,sobre A1 1.29 y 0.33; y sobre H1 0.02 y 1.02.

Descomposición Aditiva de M

Para posibilitar un análisis más claro e intuitivo de los efectos consideradosen la descomposición multiplicativa presentamos, en el apéndice 4, ladescomposición aditiva propuesta por Stone (1978).

A partir de M = I + (M1 - I) + (M2 - I) M1 + (M3 - I) M2 M1 definimos:N1 = I + (M1 - I) = M1, N2 = (M2 - I) M1 y N3 = (M3 - I) M2 M1

La matriz de contribuciones netas de los efectos propios de la descomposi-ción aditiva es, por tanto, igual a la matriz M1 de la descomposición multiplica-tiva excepto por los unos de la diagonal que son la inyección inicial.

Para las Actividades productivas, esta matriz es la misma que la inversa deLeontief: refleja los efectos multiplicativos de la interacción entre las ramasproductivas manteniendo el resto de las cuentas constantes (ceteris paribus).Y la diferencia con las respectivas cifras arrojadas por la MMG (dada por la sumade N2 y N3) representa los efectos multiplicativos adicionales de endogeneizarlos factores y las instituciones.

Los cuadros 4.1, 4.2 y 4.3 del apéndice 4 (ap. 4) presentan la matriz defugas de las variables endógenas para las Actividades, los Factores, y elConsumo privado y los Hogares respectivamente, reflejando el hecho de que

a UD=Uniformemente distribuidob PINV=Distribuido según la participación en Inversiónc PPS=Distribuido según la participación en Prestaciones Sociales

ECONOMÍA

ACTIVIDADES

A1

HOGARES

H1

ACTIV (UD)a

HOG (UD)a

7.2998.7943.3362.9890.2290.2591.2752.2440.0210.121

Cuadro A. Efectos de un AUE por nivelesAumento Unitario Exógeno

ACTIV (PINV)b

HOG (PPS)c

6.9558.5413.3282.8790.1520.2301.1682.2090.0190.052

A1H1

7.2029.1053.1403.1571.2870.3341.2942.2730.0241.022



una inyección unitaria a cada cuenta endógena, generará fugas iguales a uno.Esta matriz se puede interpretar como la parte que del ingreso total de cadainstitución endógena se distribuye entre las cuentas definidas como exógenas.

El cuadro 4.4 (ap. 4) muestra la matriz de efectos propios de las Acti-vidades. Como no hay transferencias entre los Factores ni entre los Hogares,las correspondientes matrices de efectos propios son matrices identidad.

Los cuadros 4.5 y 4.6 (ap. 4) presentan las matrices de efectos cruzados delas Actividades sobre los Factores y sobre el Consumo y los Hogares respecti-vamente. Los cuadros 4.7 y 4.8 (ap. 4) presentan las matrices de efectos cruza-dos de los Factores sobre las Actividades y sobre el Consumo y los Hogaresrespectivamente. Los cuadros 4.9 y 4.10 (ap. 4) presentan las matrices deefectos cruzados del Consumo y los Hogares sobre las Actividades y losFactores respectivamente. El cuadro 4.11 (ap. 4) presenta la matriz de efectoscirculares.

Si interpretamos cada columna de la MMG como el vector de efectos(difusión) de un AUE en cada una de dichas columnas respectivamente, sobretodas las demás cuentas endógenas, la descomposición aditiva permitedescomponer cada columna de la MMG en tres: una de efectos propios, otra deefectos cruzados y una tercera de efectos circulares. En el cuadro B, anali-zamos dos posibles inyecciones iniciales: un AUE en A1 (Sector Agropecuario)y un AUE en H1 (decil más pobre de los hogares).

Un aumento unitario exógeno al Sector Agropecuario (A1) Cuadro B

En la columna de efectos propios vemos que los también llamados efectosde arrastre más fuertes se dan en la propia Actividad A1 (0.16), lo que implicaque A1 demanda más consumo intermedio de sí misma que de cualquier otra;las dos siguientes con mayor participación en el efecto difusión propio son AV(sustancias químicas, derivados del petróleo, caucho y plástico) 0.1 y AI (pro-ductos alimenticios, bebidas y tabaco) 0.08. A10 (servicios colectivos) y A4(construcción) cuya producción va por entero a Consumo Público e Inversiónrespectivamente, presentan como es obvio, un efecto propio neto igual a cero.A1 tiene la relación más débil "hacia atrás" con AIII (industria de la madera yproductos de madera) 0.002, con AVI (productos de minerales no metálicos)0.003 y con AVII (industrias metálicas básicas) 0.004.



La columna de Efectos Propios es igual al vector correspondiente de lainversa de Leontief. Al extender este modelo a la versión MCS para incluir lasdemás cuentas que consideramos endógenas, los Efectos Multiplicadores sepotencian por la supresión de las fugas correspondientes a dichas variables.Así, dichos efectos son notablemente más grandes que los de la inversa deLeontief, correspondiendo la diferencia a la columna Efectos Circulares Netos.Estos efectos, por su parte, son también notablemente más grandes que losEfectos Propios Netos, y para las tres Actividades no receptoras de la inyecciónque tienen los Efectos Multiplicadores Totales más grandes AI (productos ali-menticios, bebidas y tabaco), A6 (comercio, restaurantes y hoteles) y A8 (ser-vicios financieros, seguros e inmobiliarias), el Efecto Circular es 3.09, 9.53 y18.83 veces más grande que el Efecto Propio Neto, lo cual da cuenta de lamagnitud en que la interacción de las variables endógenas potencia el efectodel impacto exógeno sobre la economía.

En cuanto al impacto sobre los Factores y sobre el Consumo y los Hogares,los efectos se descomponen en Efectos Cruzados Netos (el impacto inmedia-to), y Efectos Circulares Netos (efectos de segundo orden).

El factor capital presenta siempre los efectos más altos, (0.65 y 0.65 parael efecto cruzado y el circular). El tipo de trabajo que recibe el Efecto Cruzadomás fuerte es, lógicamente, L6 (trabajadores en actividades agrícolas, gana-deras, silvícolas, de caza y pesca 0.07) y el siguiente, lejos, L5 (funcionarios ydirectivos de los sectores público, privado y social, 0.006); los EfectosCirculares son también en general varias veces mayores, pero en particular,para el trabajo que recibe el mayor impacto, L6, el Efecto Circular es igual a0.11 veces el Efecto Cruzado, esto se debe a que L6 es el tipo de trabajo másempleado por A1. En cambio, para los siguientes dos tipos de trabajo másbeneficiados por el AUE en A1, L14 (comerciantes, empleados de comercio yagentes de ventas) y L5 (funcionarios y directivos de los sectores público, pri-vado, y social) el Efecto Circular es 6.02 y 3.88 veces mayor que el efectocruzado.

Los hogares más beneficiados son los de mayor ingreso y aquí, los EfectosCruzados son ligeramente mayores que los Efectos Circulares.

Cuadro B. Descomposición aditiva de los efectos multiplicadores de dos AUE

A1A2AIAIIAIIIAIVAVAVIAVIIAVIIIAIXA4A5A6A7A8A9

A10L1L2L3L4L5L6L7L8L9

L10L11L12L13L14L15L16L17L18K

C1C2C3C4C5C6C7C8C9

C10H1H2H3H4H5H6H7H8H9

H10Total

InyecciónInicial1.000

EfectosPropiosNetos0.1580.0080.0780.0090.0020.0050.0990.0030.0040.0260.0050.0000.0070.0290.0170.0140.0110.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0001.474

EfectosCruzados

Netos0.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0020.0020.0010.0000.0060.0750.0020.0030.0020.0010.0040.0020.0020.0050.0010.0010.0000.0010.6530.1100.0110.0840.0280.0170.0660.0160.0330.1060.0470.0130.0230.0290.0350.0370.0460.0570.0610.0860.2061.873

EfectosCirculares

Netos0.1290.0140.2400.0400.0070.0280.1040.0150.0100.1030.0140.0000.0200.2750.1810.2580.2290.0000.0180.0120.0200.0040.0240.0090.0040.0170.0050.0050.0200.0120.0160.0270.0050.0130.0060.0040.6550.1260.0130.0990.0330.0200.0800.0190.0400.1270.0560.0120.0210.0270.0350.0410.0520.0660.0780.1120.2603.855

Suma iguala columnaA1 de M

1.2870.0220.3180.0480.0080.0330.2030.0180.0140.1290.0190.0000.0260.3040.1980.2720.2400.0000.0200.0140.0210.0040.0310.0840.0060.0200.0070.0060.0240.0140.0180.0320.0060.0140.0070.0051.3070.2360.0240.1830.0610.0370.1460.0350.0740.2330.1020.0240.0440.0550.0690.0780.0970.1230.1390.1980.4667.201

A1A2AIAIIAIIIAIVAVAVIAVIIAVIIIAIXA4A5A6A7A8A9

A10L1L2L3L4L5L6L7L8L9

L10L11L12L13L14L15L16L17L18K

C1C2C3C4C5C6C7C8C9

C10H1H2H3H4H5H6H7H8H9

H10Total

InyecciónInicial

1.000

EfectosPropiosNetos0.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.3930.0200.1770.0670.0340.0850.0090.0320.0880.0690.0000.0000.0000.0000.0000.0000.0000.0000.0000.0001.973

EfectosCruzados

Netos0.2100.0130.3960.0320.0070.0200.0890.0160.0080.0750.0100.0000.0180.1300.1190.2310.1490.0000.0130.0090.0130.0030.0180.0140.0040.0140.0040.0040.0140.0090.0110.0160.0030.0080.0040.0030.5680.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0002.256

EfectosCirculares

Netos0.1250.0140.2320.0390.0060.0270.1020.0150.0100.1020.0130.0000.0190.2720.1790.2530.2260.0000.0180.0120.0200.0040.0240.0080.0040.0170.0050.0050.0200.0120.0160.0270.0050.0130.0060.0040.6430.2280.0240.1790.0590.0360.1440.0350.0730.2300.1010.0220.0390.0490.0630.0750.0940.1190.1400.2020.4704.876

Suma iguala columnaA1 de M

0.3340.0260.6280.0710.0130.0470.1910.0310.0180.1760.0240.0010.0370.4020.2970.4840.3750.0000.0310.0210.0330.0060.0420.0220.0080.0310.0090.0090.0330.0210.0270.0430.0080.0210.0100.0071.2100.6210.0440.3560.1260.0690.2290.0440.1050.3180.1701.0220.0390.0490.0630.0750.0940.1190.1400.2020.4709.105

INYECCIÓN UNITARIA EXÓGENA EN A1 INYECCIÓN UNITARIA EXÓGENA EN H1



Un aumento unitario exógeno al decil más pobre (H1). Cuadro B

En la economía de la MCS-MX96 no hay transferencias entre los Hogares yéstos no exhiben Efectos Propios. Los efectos totales son iguales a los EfectosCirculares, y los hogares de mayores ingresos son los más beneficiados, locual refleja la estructura de los derechos de propiedad sobre los factores pro-ductivos.

En cuanto al impacto sobre las Actividades, el Efecto Cruzado más fuerte seda en AI (0.4) lo que concuerda con la hipótesis de una baja propensión mar-ginal al ahorro entre los hogares más pobres (que destinan el grueso de surenta adicional a comprar comida). Las dos ramas siguientes con el mayorEfecto Cruzado son A8 (servicios financieros, seguros e inmobiliarias, 0.23) yA1 (0.21).

Por último, los Efectos Cruzados Netos más grandes sobre los factores sedan sobre el capital (0.57) y, mucho menores, sobre los tipos de trabajo L5(funcionarios y directivos de los sectores público, privado, y social 0.09), y L14(comerciantes, empleados de comercio y agentes de ventas 0.02). Los respec-tivos Efectos Circulares son de 0.64, 0.02 y 0.03 respectivamente.

4. El análisis de sendas

Nuestro propósito es el de estudiar el modo en que se difundiría un AUE en elsector agropecuario (A1) y, en particular, la transmisión de efectos hasta losHogares más pobres (H1). Y, alternativamente, consideramos la política de unatransferencia directa a H1, el modo en que se difundiría y, en particular, latransmisión de efectos hacía A1.

4.1. Las sendas de un AUE en los hogares

A partir de los resultados de la sección 2.2, pasamos a estudiar el modo enque se difunde un AUE en el sector agropecuario (A1), versus el modo en quese difunde un AUE en el decil de los hogares con más bajos ingresos (H1), conparticular atención en la descomposición de las influencias de uno sobre elotro. Para ello empleamos el análisis de sendas y obtenemos los detalles re-ferentes a: A1 H1 y H1 A1.

Para calcular las diversas influencias, hemos considerado hasta las sendaselementales de longitud cuatro, de éstas descartamos todas aquéllas con unaparticipación porcentual menor al 0.1%.

El cuadro C, presenta los resultados correspondientes a A1 H1. LaInfluencia Global (IG) que sobre el decil más pobre de los hogares (H1) tieneun AUE en el sector agropecuario (A1) es relativamente pequeña (0.024), lamayor parte de este efecto (69.4%, columna Participación %) se transmite através del factor capital (K), lo cual no resulta extraño si consideramos queexiste una correlación alta entre los hogares pobres y el sector agropecuario,en particular con la agricultura de subsistencia. La segunda transmisión másimportante (8.3%), tiene lugar a través del tipo de trabajo L6 (trabajadores enactividades agrícolas, ganaderas, silvícolas, y de caza y pesca), lo cual es lógi-co si consideramos que éste es uno de los principales factores productivos dela Actividad A1 y que pertenece mayoritariamente a los hogares pobres.

Las tres influencias más fuertes que siguen (2.3%, 2.1%, y 1.3%, columnaParticipación %, cuadro C) muestran la estrecha relación del sector A1 con lossectores AI (alimentos, bebidas, y tabaco) hacia adelante, AV (sustancias quí-micas, derivados del petróleo, caucho y plástico) hacia atrás, y A6 (comercio,restaurantes y hoteles) hacia delante, respectivamente. El resto son influenciasmenores al 1% y, en conjunto, explican el restante 16.6% como producto delas interacciones en el sistema endógeno.

Por otro lado, el análisis de las sendas elementales de H1 a A1, presentadoen el cuadro D, tiene una estructura mucho más simple. En primer lugar nota-



Cuadro C. Sendas elementales de A1 a H1

InfluenciaGlobal0.024

InfluenciaDirecta0.0020.008

0000000000000

Multiplic.de Senda

1.3072.1282.5

2.9892.8993.0842.3472.3212.3612.5972.4832.723.0873.1523.199

InfluenciaTotal0.0020.0170.001

00.001

0000000000

Participación %0.0020.0170.001

00.001

0000000000

Acumulación %8.377.780

80.282.282.582.683.984.585.185.385.585.786

86.1

A1A1A1A1A1A1A1A1A1A1A1A1A1A1A1

L6KAIAIIAV

AVIIIA5A6A7A8A9AIAVAVAV

H1H1KKKKKKKKKA6A2A6A7

H1H1H1H1H1H1H1H1H1KKKK

H1H1H1H1

Sendas Elementales

mos que la influencia global de H1 sobre A1 es casi 14 veces mayor que la deA1 sobre H1 (0.334 y 0.024 respectivamente). Luego, las dos influencias másimportantes se dan a través de C1 (alimentos, bebidas y tabaco): el aumentoen el consumo de C1 impacta al sector A1 directamente (25.3%) y a través deAI (51%).

La explicación es sencilla: en el decil más pobre la propensión marginal alconsumo de satisfactores básicos es la más alta, y dada la estrecha relaciónque antes notamos entre el sector A1 y la industria alimenticia, es de esperarque la transmisión del flujo unitario se dirija en gran medida hacia el sector A1(notar que A1 es el quinto sector productivo que más aumenta su ingreso anteun AUE en H1 según la MMG).

En suma, el análisis de multiplicadores para un AUE en A1 o en H1, resu-mido en el cuadro E, indica que una inyección en H1 genera efectos multiplica-tivos en la economía, mayores que los generados por una inyección equiva-lente en el sector agropecuario; y, como vimos en las secciones 4.1 y 4.2, losefectos redistributivos de una inyección en H1 son mayores que los de unainyección en A1, lo cual, desde el punto de vista de una política económica quebusque maximizar una función de bienestar social, creciente con respecto adistribuciones más igualitarias del ingreso, es altamente deseable, especial-mente para México, en donde la brecha distributiva es de las más profundasdel mundo, (para 1996, el ingreso del decil de los hogares más pobres es de33,119 millones de pesos, y el del decil más rico de 708,105, esto es, 21.38veces mayor), la cuestión de asignar ponderaciones razonables al peso de lautilidad de los hogares más pobres en una función de bienestar social, es unacuestión insoslayable.



Cuadro D. Sendas elementales de H1 a A1

InfluenciaGlobal0.334

InfluenciaDirecta0.059

00.102

000

Multiplic.de Senda

1.4361.5371.6651.8681.6542.371

InfluenciaTotal0.084

00.1710.0010.001

0

Participación %25.30.1510.20.20.1

Acumulación %25.325.476.476.676.876.9

H1H1H1H1H1H1

C1C3C1C2C4C2

A1A1AIAIIAIIIAII

A1A1A1AI A1

Sendas Elementales

Por su parte, el análisis estructural de sendas nos ha mostrado que un AUEen H1 impacta más inmediatamente al sector agropecuario de lo que esteimpactaría a H1, lo cual explica en parte que la influencia de H1 sobre A1 seadramáticamente más grande que la de A1 sobre H1 (0.31 y 0.03 respectiva-mente). Los hogares más pobres tienen una baja o nula propensión al ahorroy al consumo no básico, por lo que cualquier incremento de su renta se dirige,prácticamente en su totalidad al consumo de alimentos, impactando inmedia-tamente al sector agropecuario, de manera directa y a través de la sub-ramade productos alimenticios. Desde este punto de vista, una transferencia direc-ta a los hogares más pobres resulta también más deseable que una inyecciónal sector agropecuario.

5. Comentarios finales

En este trabajo empleamos una matriz de contabilidad social de México para1996 con el fin de analizar dos cuestiones de importancia en la políticaeconómica del país: la pobreza extrema y la crisis del sector agrícola.

Luego de un análisis general de la estructura de la economía, analizamosdos políticas alternativas para solucionar, o aliviar estos problemas: la primeraconsistente en realizar inyecciones exógenas sobre el sector agropecuario y lasegunda consistente en realizar transferencias directas a los hogares máspobres.

Con la metodología estándar del modelo MCS analizamos el impacto de unAUE en las Actividades sobre la economía, sobre las propias Actividades, sobrelos Hogares y, a un nivel más detallado, el impacto de un AUE en el sectoragropecuario sobre el propio sector agropecuario y sobre los hogares máspobres. Así como los efectos de una transferencia unitaria directa a losHogares.



EconomíaActividadesHogaresA1H1

A17.202

3.140

1.294

1.287

0.024

Cuadro E. Efectos de un AUE en A1 o en H1

H19.105

3.157

2.273

0.334

1.022

Con el AES estudiamos la difusión de las influencias de un AUE desde el sec-tor agropecuario (A1) hacia los hogares más pobres, y la de las influencias deuna transferencia unitaria directa desde los hogares más pobres hacia A1.

Los resultados obtenidos sugieren que las transferencias directas a los ho-gares de menores ingresos tienen impactos multiplicativos y redistributivosmás significativos que los que se obtendrían con un aumento exógeno en lademanda por la producción agropecuaria.



H1H2H3H4H5H6H7H8H9H10L1L2L3L4L5L6L7L8L9L10L11L12L13L14L15L16L17L18KA1A2AIAIIAIIIAIVAVAVIAVIIAVIIIAIXA4A5A6A7A8A9A10C1C2C3C4C5C6C7C8C9C10AAPPIIREIIMSIPIVACSPSOTAHBRCSCCSPCEPRDM

Apéndice 1. Abreviaturas empleadas para las cuentas de la MCS-MX96 modificada

12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970

Primer decil de los hogaresSegundo decil de los hogaresTercer decil de los hogaresCuarto decil de los hogaresQuinto decil de los hogaresSexto decil de los hogaresSéptimo decil de los hogaresOctavo decil de los hogaresNoveno decil de los hogaresDécimo decil de los hogaresProfesionistasTécnicosTrabajadores de la educación Trabajadores del arte, espectáculos y deportesFuncionarios y Directivos de los sectores público, privado y socialTrabajadores en actividades agrícolas, ganaderas, silvícolas, de caza y pesca Jefes, supervisores y otros trab. de contro en la fábrica artesanal e ind. y en activ. de repar. y mantenimArtesanos y trab. fabriles en la ind. de la transf. y trabajadores en actividades de repar. y mantenimiento Operadores de maquinaria fija de movimiento continuo y equipos en el proceso de fabricación industrialAyudantes, peones y siliares en el proceso de fabricación artesanal e ind. y en activ. de reparación y mant..Conductores y ayudantes de conductores de maquinaria movil y medios de transporteJefes de departamento, Coordinaciones y Supervisores en actividades administrativas y de serviciosTrabajadores de apoyo en actividades administrativasComenciantes, empleados de comercio y agentes de ventasVendedores ambulantes y y trabajadores ambulantes en serviciosTrabajadores en servicios personales en establecimientosTrabajadores en servicios domésticosTrabajadores en servicios de protección y vigilancia y fuerzas armadasFactor CapitalAgricultura, silvicultura, caza y pescaMineríaProductos alimenticios, bebidas y tabacoTextiles, prendas de vestir e industrias del cueroIndustria de la madera y productos de maderaPapel, productos de papel, imprentas y editorialesSustancias químicas, derivados del petróleo, caucho y plásticoProductos de minerales no metálicosIndustrias metálicas básicasProductos metálicos, maquinaria y equipoOtras industrias manufacturerasConstrucciónElectricidadComercio, restaurantes y hotelesTransporte, almacenaje y comunicacionesServicios financieros, seguros e inmobiliariasServicios comunales, sociales y personalesServicios ColectivosAlimentos, bebidas y tabacoVestido y calzadoVivienda, electricidad, gas y aguaMuebles, equipo y enseres domésticosSanidadTransporteEsparcimiento y culturaEducaciónHoteles, cafeterías y restaurantesBienes y Servicios diversosAdministraciones PúblicasImpuesto al ingreso, a la riqueza, etc.Impuestos indirectos menos subsidiosOtros impuestos a la producciónImpuesto al valor agregadoContribuciones socialesPrestaciones socialesOtras transferenciasAhorro-inversiónConsumo de servicios colectivosConsumo de sanidad públicaConsumo de educación públicaResto del mundo

INSTA1A2AIAIIAIIIAIVAVAVIAVIIAVIIIAIXA4A5A6A7A8A9A10L1L2L3L4L5L6L7L8L9L10L11L12L13L14L15L16L17L18KC1C2C3C4C5C6C7C8C9C10H1H2H3H4H5H6H7H8H9H10TC

Apéndice 2. Matriz de Multiplicadores Generalizados y Multiplicadores

para Inyecciones Exógenas Seleccionadas. 1ª Parte.

A11.2870.0220.3180.0480.0080.0330.2030.0180.0140.1290.0190.0000.0260.3040.1980.2720.2400.0000.0200.0140.0210.0040.0310.0840.0060.0200.0070.0060.0240.0140.0180.0320.0060.0140.0060.0051.3070.2360.0240.1830.0610.0370.1460.0350.0740.2330.1020.0240.0440.0550.0690.0780.0970.1220.1390.1980.4667.202

A20.0991.0770.1840.0360.0060.0260.1160.0190.0220.1560.0150.0000.0270.2510.1790.2150.2000.0000.0240.0140.0180.0030.0240.0070.0130.0350.0090.0130.0260.0200.0250.0260.0050.0140.0050.0080.9640.1800.0190.1410.0470.0280.1130.0270.0570.1810.0790.0170.0300.0380.0500.0600.0760.0960.1120.1590.3605.752

AI0.5420.0201.4140.0470.0080.0410.1630.0220.0170.1460.0160.0000.0270.3230.2100.2650.2480.0000.0210.0150.0220.0040.0360.0360.0090.0330.0100.0100.0260.0190.0200.0430.0080.0150.0070.0051.2210.2240.0230.1740.0580.0350.1400.0330.0700.2230.0980.0220.0400.0500.0640.0740.0930.1180.1350.1920.4487.381

AII0.1790.0310.2831.4370.0090.0540.3130.0180.0170.1470.0310.0000.0340.4000.2450.2980.2620.0000.0250.0170.0230.0050.0430.0120.0200.0680.0390.0130.0280.0170.0260.0430.0080.0170.0070.0061.1660.2310.0240.1800.0590.0360.1440.0340.0730.2300.1010.0210.0380.0490.0650.0780.1000.1240.1430.1990.4567.728

AIII0.2850.0260.2590.0951.2180.0420.2120.0220.0260.1880.0180.0000.0340.4400.2690.3210.2780.0000.0230.0170.0250.0050.0350.0220.0120.0720.0120.0190.0350.0180.0230.0440.0080.0190.0070.0061.2560.2410.0250.1880.0620.0370.1500.0350.0760.2390.1050.0230.0410.0530.0690.0810.1030.1290.1480.2080.4717.876

AIV0.1330.0280.2310.0470.0251.4100.1900.0160.0270.1410.0450.0000.0430.3300.2030.2670.2340.0000.0250.0170.0210.0130.0460.0090.0150.0360.0200.0100.0240.0290.0330.0360.0080.0200.0060.0061.0080.1990.0210.1570.0520.0310.1270.0300.0640.2020.0880.0180.0330.0420.0540.0650.0830.1050.1240.1770.4166.843

AV0.1150.0980.1970.0420.0070.0471.4300.0190.0160.1220.0150.0000.0480.2770.1840.2170.2030.0000.0230.0180.0180.0040.0410.0080.0160.0240.0180.0100.0230.0170.0240.0400.0050.0130.0050.0060.8960.1740.0180.1370.0450.0270.1100.0260.0560.1760.0770.0160.0290.0360.0480.0570.0730.0920.1080.1530.3636.072

AVI0.1240.0990.2280.0480.0080.0650.2021.0990.0250.1860.0170.0000.0650.3250.2140.2780.2580.0000.0280.0170.0230.0040.0490.0090.0140.0560.0120.0140.0260.0170.0240.0340.0060.0160.0070.0061.1870.2220.0230.1730.0570.0350.1390.0330.0700.2230.0980.0210.0370.0470.0620.0730.0930.1170.1360.1930.4527.094

AVII0.0950.1810.1750.0360.0060.0300.1380.0191.2520.1940.0130.0000.0430.2740.1770.2090.1930.0000.0170.0120.0180.0030.0260.0060.0110.0270.0150.0090.0240.0160.0180.0270.0050.0120.0050.0040.9310.1700.0180.1330.0440.0270.1070.0250.0540.1700.0750.0160.0290.0370.0480.0570.0720.0910.1050.1490.3405.989

AVIII0.0810.0310.1460.0370.0190.0320.1250.0250.1001.5010.0150.0000.0220.2530.1540.1850.1720.0000.0180.0140.0150.0030.0290.0060.0150.0270.0220.0080.0190.0130.0170.0250.0040.0110.0050.0040.7230.1410.0150.1110.0370.0220.0890.0210.0450.1420.0620.0130.0230.0300.0390.0470.0600.0750.0880.1240.2875.347

AIX0.0780.0510.1250.0380.0100.0410.1380.0230.0310.0931.1590.0000.0170.1980.1230.1510.1320.0000.0190.0110.0120.0020.0270.0060.0070.0220.0160.0050.0140.0130.0140.0220.0040.0090.0040.0030.6020.1170.0120.0920.0300.0180.0740.0180.0370.1180.0520.0110.0190.0240.0320.0380.0490.0620.0720.1020.2424.438

A40.1460.0750.2630.0540.0420.0450.1840.1280.1380.2760.0221.0000.0360.3840.2730.3340.3100.0000.0380.0220.0270.0050.0480.0100.0320.1240.0110.0660.0400.0220.0280.0380.0070.0190.0080.0101.1640.2570.0260.2000.0660.0400.1590.0380.0800.2550.1120.0220.0420.0560.0740.0890.1140.1380.1590.2190.4978.072

A50.1700.2380.3120.0720.0140.0550.2180.0290.0330.3130.0380.0001.1230.5130.3030.3890.3660.0000.0430.0640.0330.0060.0550.0120.0180.0560.0160.0200.0430.0830.0670.0490.0130.0240.0100.0081.4950.3040.0320.2410.0800.0480.1950.0470.0990.3120.1360.0270.0480.0620.0810.0970.1250.1610.1940.2790.6469.514

A60.1600.0210.2970.0580.0090.0550.1550.0210.0170.1650.0230.0000.0341.3800.2670.3890.3940.0000.0310.0220.0350.0070.0540.0110.0070.0330.0070.0090.0340.0250.0350.1180.0220.0350.0110.0081.5210.2910.0300.2280.0760.0460.1840.0440.0930.2930.1290.0280.0490.0620.0810.0950.1200.1530.1790.2570.5998.506

A70.1430.0240.2640.0510.0090.0390.2110.0200.0230.2670.0200.0000.0280.3621.2760.3120.3230.0000.0300.0220.0290.0050.0530.0100.0090.0270.0090.0080.1220.0250.0370.0370.0070.0230.0090.0081.3300.2570.0270.2030.0670.0410.1640.0390.0830.2620.1150.0230.0410.0520.0690.0840.1070.1380.1630.2320.5367.876

A80.1470.0210.2730.0490.0080.0460.1380.0230.0140.1400.0320.0000.0350.3410.2301.4880.3400.0000.0480.0260.0300.0070.0480.0100.0060.0240.0060.0060.0260.0240.0330.0370.0060.0220.0090.0121.5140.2680.0280.2100.0700.0420.1700.0410.0860.2710.1190.0260.0460.0570.0730.0860.1090.1400.1650.2380.5568.025




A90.1650.0230.3010.0640.0100.0520.1730.0250.0190.2050.0360.0000.0300.3890.2670.3721.3730.0000.0730.0480.1210.0180.0730.0110.0090.0570.0080.0140.0310.0370.0470.0400.0080.0470.0360.0121.3050.2900.0310.2300.0770.0460.1880.0460.0950.3000.1310.0250.0460.0600.0770.0910.1150.1450.1820.2770.6338.588

A100.1760.0280.3100.0660.0100.0600.1720.0320.0180.1820.0460.0000.0510.4200.3010.4340.4221.0000.0910.0570.0420.0080.1380.0140.0190.0400.0090.0130.0530.1330.1360.0430.0080.0510.0110.1181.0740.2970.0330.2440.0820.0490.2030.0510.1030.3250.1410.0200.0370.0510.0690.0870.1150.1550.2060.2930.7419.092

L10.1690.0220.3130.0630.0100.0450.1660.0240.0160.1690.0220.0010.0300.4530.3000.3940.3810.0001.0290.0190.0340.0060.0390.0110.0070.0270.0070.0070.0330.0190.0260.0440.0080.0210.0100.0061.0180.3060.0380.2740.0960.0570.2460.0670.1260.3870.1690.0190.0340.0440.0550.0670.0850.1210.1710.3351.1738.817

L20.2020.0230.3760.0670.0110.0470.1740.0250.0170.1750.0230.0010.0330.4760.3080.4270.3890.0000.0301.0200.0340.0060.0410.0140.0070.0280.0080.0080.0340.0200.0270.0460.0090.0220.0100.0071.0930.3690.0410.3000.1000.0600.2490.0610.1270.4050.1740.0220.0390.0570.0700.0930.1420.2080.2980.4460.8039.300

L30.1890.0230.3510.0660.0110.0470.1720.0250.0170.1740.0230.0010.0320.4750.3070.4160.3900.0000.0300.0201.0340.0060.0410.0130.0070.0280.0080.0080.0340.0200.0260.0460.0090.0220.0100.0071.0720.3440.0400.2900.0990.0600.2490.0640.1280.4050.1740.0210.0360.0480.0630.0750.1110.1310.2460.5310.8959.166

L40.1920.0230.3570.0650.0110.0470.1720.0250.0170.1730.0230.0010.0320.4660.3050.4170.3860.0000.0300.0200.0341.0060.0400.0130.0070.0280.0080.0080.0330.0200.0260.0450.0080.0220.0100.0071.0690.3500.0400.2920.0990.0590.2480.0630.1260.3970.1720.0220.0470.0590.0710.0860.1290.1560.2530.3950.9359.144

L50.1600.0210.2960.0610.0100.0450.1630.0230.0160.1680.0220.0000.0300.4430.2970.3850.3770.0000.0290.0190.0330.0061.0380.0110.0070.0260.0070.0070.0320.0190.0250.0430.0080.0210.0100.0060.9940.2900.0370.2670.0940.0560.2450.0670.1260.3790.1670.0180.0320.0420.0530.0640.0810.1050.1410.2421.3008.663

L60.2260.0240.4210.0670.0110.0470.1770.0260.0170.1740.0230.0010.0340.4580.3050.4410.3860.0000.0310.0200.0340.0060.0411.0150.0070.0290.0080.0080.0340.0200.0270.0450.0080.0220.0100.0071.1120.4140.0410.3140.1040.0630.2450.0570.1230.3840.1720.0440.1010.1370.1540.1440.1600.1900.1920.2640.8049.426

L70.1860.0220.3460.0650.0110.0460.1700.0240.0170.1720.0220.0010.0310.4650.3040.4110.3850.0000.0300.0200.0340.0060.0400.0131.0070.0270.0080.0070.0330.0200.0260.0450.0080.0220.0100.0071.0570.3390.0390.2870.0980.0580.2480.0640.1270.3970.1710.0190.0350.0460.0640.0760.1260.1830.2260.3840.9809.066

L80.2290.0240.4280.0680.0110.0480.1790.0260.0180.1760.0230.0010.0340.4750.3100.4490.3900.0000.0310.0210.0340.0060.0420.0150.0081.0290.0080.0080.0340.0210.0270.0470.0090.0220.0100.0071.1360.4210.0420.3200.1030.0630.2490.0560.1250.4010.1750.0280.0620.0890.1240.1560.2180.2570.2870.3480.6479.576

L90.2380.0240.4430.0690.0110.0480.1810.0260.0180.1770.0230.0010.0350.4750.3110.4560.3900.0000.0310.0210.0340.0060.0420.0160.0080.0291.0080.0080.0340.0210.0270.0470.0090.0220.0100.0071.1490.4360.0420.3260.1040.0630.2490.0550.1240.4000.1750.0280.0570.0840.1440.1980.2630.2750.2780.2990.6029.660

L100.2580.0250.4820.0700.0120.0480.1850.0270.0180.1780.0240.0010.0360.4710.3120.4710.3920.0000.0320.0210.0350.0060.0430.0170.0080.0300.0081.0080.0350.0210.0280.0470.0090.0220.0110.0071.1780.4750.0430.3400.1080.0660.2480.0520.1220.3930.1760.0370.0910.1470.1930.2460.2700.2370.2510.2680.5159.853

L110.2060.0230.3840.0660.0110.0470.1750.0250.0170.1740.0230.0010.0330.4720.3080.4290.3880.0000.0300.0200.0340.0060.0410.0140.0070.0280.0080.0081.0340.0200.0270.0460.0090.0220.0100.0071.0960.3770.0410.3030.1000.0600.2490.0600.1260.4010.1730.0210.0390.0540.0870.1300.1680.2290.2700.3720.8079.317

L120.1710.0220.3170.0630.0100.0460.1660.0240.0160.1700.0220.0010.0300.4540.3000.3960.3810.0000.0290.0200.0340.0060.0390.0120.0070.0270.0070.0070.0331.0190.0260.0440.0080.0210.0100.0061.0220.3100.0380.2750.0960.0570.2460.0660.1260.3880.1690.0190.0340.0420.0570.0690.0880.1280.1840.3361.1508.846

L130.2180.0240.4070.0680.0110.0480.1780.0260.0170.1770.0230.0010.0340.4830.3110.4430.3920.0000.0310.0210.0350.0060.0420.0150.0080.0290.0080.0080.0340.0211.0270.0470.0090.0220.0110.0071.1270.4000.0420.3130.1020.0620.2500.0590.1270.4100.1760.0220.0420.0620.0890.1230.1600.2480.3740.4430.6469.517




L140.2040.0230.3790.0660.0110.0470.1730.0250.0170.1730.0230.0010.0330.4640.3050.4250.3860.0000.0300.0200.0340.0060.0410.0140.0070.0280.0080.0080.0330.0200.0261.0450.0080.0220.0100.0071.0840.3720.0400.3000.1000.0600.2470.0610.1250.3930.1720.0260.0540.0720.1020.1210.1470.1990.2300.3310.8839.242

L140.2040.0230.3790.0660.0110.0470.1730.0250.0170.1730.0230.0010.0330.4640.3050.4250.3860.0000.0300.0200.0340.0060.0410.0140.0070.0280.0080.0080.0330.0200.0261.0450.0080.0220.0100.0071.0840.3720.0400.3000.1000.0600.2470.0610.1250.3930.1720.0260.0540.0720.1020.1210.1470.1990.2300.3310.8839.242

L160.2280.0240.4260.0680.0110.0480.1790.0260.0170.1760.0230.0010.0340.4700.3090.4470.3890.0000.0310.0210.0340.0060.0420.0150.0080.0290.0080.0080.0340.0210.0270.0470.0091.0220.0100.0071.1300.4190.0420.3180.1030.0630.2480.0570.1240.3960.1740.0300.0610.0980.1460.1750.1860.2290.2680.3250.6909.538

L170.2750.0250.5150.0700.0120.0480.1870.0280.0180.1780.0240.0010.0370.4610.3090.4810.3910.0000.0320.0210.0350.0060.0430.0180.0080.0300.0090.0080.0340.0210.0280.0470.0090.0221.0100.0071.1940.5080.0430.3490.1110.0690.2440.0490.1200.3820.1750.0650.1670.2190.2290.2430.2020.2340.1930.2340.4819.961

L180.2130.0230.3970.0670.0110.0470.1770.0250.0170.1760.0230.0010.0330.4770.3100.4370.3900.0000.0310.0200.0340.0060.0420.0140.0070.0290.0080.0080.0340.0210.0270.0470.0090.0220.0101.0071.1130.3900.0420.3090.1010.0610.2500.0590.1260.4050.1750.0210.0390.0590.0860.1230.1840.2410.3330.3880.7229.427

K0.1600.0170.2990.0490.0080.0350.1300.0190.0130.1280.0170.0000.0250.3440.2260.3210.2850.0000.0230.0150.0250.0050.0300.0110.0050.0210.0060.0060.0250.0150.0200.0340.0060.0160.0080.0051.8160.2930.0300.2280.0750.0460.1820.0430.0920.2900.1270.0310.0530.0650.0830.0970.1220.1550.1770.2540.5727.182

C10.6450.0241.2270.0460.0070.0390.1670.0210.0160.1410.0160.0000.0260.3150.2050.2620.2430.0000.0200.0150.0210.0040.0350.0420.0090.0300.0090.0100.0260.0180.0200.0400.0080.0150.0070.0051.2161.2220.0230.1730.0570.0350.1390.0330.0700.2210.0970.0220.0400.0500.0640.0740.0930.1170.1340.1900.4458.249

C20.1240.0210.1960.9710.0060.0380.2140.0120.0120.1020.0210.0000.0230.2760.1690.2070.1980.0000.0180.0120.0170.0040.0300.0080.0140.0470.0260.0090.0200.0120.0190.0290.0060.0120.0050.0040.8070.1601.0170.1250.0410.0250.1000.0240.0510.1600.0700.0150.0270.0340.0450.0540.0690.0860.1000.1390.3186.351

C30.1450.0310.2650.0480.0080.0450.1380.0230.0190.1450.0330.0020.0830.3370.2251.3410.3550.0000.0460.0270.0320.0070.0470.0100.0070.0260.0070.0070.0260.0260.0340.0370.0060.0220.0100.0121.4450.2590.0271.2040.0680.0410.1640.0390.0830.2620.1150.0250.0440.0550.0710.0830.1060.1350.1600.2310.5398.786

C40.1250.0410.2090.0640.0840.0730.3020.1790.0240.2550.0300.0000.0320.2900.1930.2540.6220.0000.0390.0260.0550.0090.0460.0090.0100.0410.0110.0110.0230.0220.0280.0310.0060.0250.0170.0070.9560.1980.0210.1561.0520.0310.1270.0310.0640.2020.0890.0180.0320.0420.0540.0640.0810.1020.1230.1820.4197.232

C50.1550.0320.2810.0590.0090.0500.3110.0240.0180.1820.0530.0000.0330.3640.2490.5441.0360.0000.0620.0400.0910.0140.0640.0110.0100.0470.0090.0120.0290.0320.0410.0390.0080.0380.0280.0111.2820.2690.0290.2130.0711.0430.1740.0420.0880.2770.1210.0240.0440.0560.0720.0850.1080.1370.1680.2530.5829.125

C60.1240.0310.2260.0450.0090.0370.3110.0190.0300.3800.0180.0000.0280.3160.8990.2680.3120.0000.0270.0200.0280.0050.0460.0080.0100.0260.0110.0080.0870.0210.0310.0330.0060.0200.0080.0071.1190.2180.0230.1720.0570.0341.1390.0330.0700.2220.0970.0200.0350.0450.0590.0710.0910.1160.1370.1960.4557.866

C70.1320.0230.2390.0520.0110.0830.1470.0220.0310.3880.0510.0000.0260.3210.2170.2960.9810.0000.0540.0360.0860.0130.0560.0090.0090.0450.0100.0120.0260.0280.0360.0330.0070.0350.0260.0091.0550.2300.0240.1820.0610.0370.1481.0360.0750.2370.1040.0200.0370.0480.0610.0730.0920.1160.1440.2180.4988.048

C80.1530.0230.2770.0850.0100.1590.1680.0220.0190.1870.0470.0000.0300.3610.2550.3401.1640.0000.0640.0420.1030.0160.0650.0110.0100.0510.0100.0130.0300.0330.0420.0370.0080.0410.0310.0101.2020.2640.0280.2090.0700.0420.1710.0411.0860.2730.1190.0230.0420.0550.0700.0830.1050.1330.1660.2500.5738.923

C90.1570.0210.2910.0570.0090.0530.1520.0200.0160.1610.0230.0000.0331.3490.2610.3810.3850.0000.0310.0210.0340.0060.0530.0110.0070.0320.0070.0080.0330.0250.0340.1160.0220.0340.0100.0081.4870.2840.0300.2230.0740.0450.1800.0430.0911.2870.1260.0270.0480.0610.0790.0930.1170.1500.1750.2510.5869.315

C100.1290.0290.2350.0880.0080.0390.2930.0190.0190.2070.0220.0000.0290.3130.6250.5070.4270.0000.0350.0230.0380.0070.0470.0090.0090.0290.0090.0080.0620.0230.0320.0340.0060.0230.0110.0081.1600.2250.0240.1770.0590.0360.1440.0350.0730.2291.1000.0210.0370.0470.0610.0730.0930.1180.1410.2040.4727.928




H10.3340.0260.6280.0710.0130.0470.1910.0310.0180.1760.0240.0010.0370.4020.2970.4840.3750.0000.0310.0210.0330.0060.0420.0220.0080.0310.0090.0090.0330.0210.0270.0430.0080.0210.0100.0071.2100.6210.0440.3560.1260.0690.2290.0440.1050.3180.1691.0220.0390.0490.0630.0750.0940.1190.1400.2020.4709.105

H20.3040.0260.5710.0700.0130.0480.1880.0300.0180.1760.0240.0010.0380.4460.2970.5000.3850.0000.0320.0210.0340.0060.0430.0200.0080.0310.0090.0090.0330.0220.0280.0460.0090.0220.0100.0071.2180.5640.0430.3680.1190.0710.2270.0460.1110.3640.1710.0221.0390.0500.0640.0750.0950.1200.1420.2040.4759.112

H30.2990.0260.5610.0710.0120.0490.1910.0300.0180.1780.0250.0010.0380.4410.3040.4950.3970.0000.0320.0210.0350.0060.0430.0200.0080.0310.0090.0090.0340.0220.0280.0460.0080.0220.0110.0071.2150.5540.0440.3620.1180.0810.2370.0460.1180.3580.1690.0220.0391.0500.0640.0750.0950.1200.1420.2050.4769.114

H40.2860.0260.5350.0700.0120.0480.1890.0280.0180.1780.0240.0010.0370.4580.3080.4930.3960.0000.0320.0210.0350.0060.0430.0190.0080.0310.0090.0090.0340.0220.0280.0470.0090.0220.0110.0071.2120.5280.0430.3590.1110.0780.2420.0470.1200.3780.1730.0220.0390.0491.0640.0750.0950.1200.1420.2040.4759.079

H50.2750.0260.5150.0730.0120.0490.1900.0280.0180.1810.0240.0010.0370.4540.3190.4890.3930.0000.0320.0210.0350.0060.0430.0180.0080.0300.0090.0090.0350.0220.0280.0460.0090.0220.0110.0071.2010.5080.0450.3540.1100.0660.2490.0490.1220.3730.1880.0220.0390.0490.0631.0740.0940.1190.1410.2030.4729.014

H60.2570.0250.4800.0700.0110.0490.1860.0270.0180.1820.0240.0010.0360.4980.3220.4750.3890.0000.0320.0210.0340.0060.0430.0170.0080.0300.0080.0080.0360.0220.0280.0500.0090.0230.0100.0071.1990.4730.0430.3430.1060.0590.2610.0520.1230.4200.1750.0220.0390.0490.0630.0741.0940.1190.1410.2030.4728.972

H70.2370.0240.4430.0670.0110.0470.1760.0250.0170.1730.0230.0010.0340.4870.3040.4460.3790.0000.0300.0200.0330.0060.0420.0160.0080.0290.0080.0080.0340.0210.0270.0480.0090.0220.0100.0071.1390.4360.0420.3190.0990.0580.2450.0490.1250.4130.1680.0210.0370.0460.0600.0710.0891.1140.1340.1940.4508.577

H80.2320.0250.4320.0710.0110.0490.1840.0270.0180.1810.0240.0010.0360.4880.3190.4690.3980.0000.0320.0210.0350.0060.0430.0160.0080.0300.0080.0080.0350.0210.0280.0480.0090.0230.0110.0071.1670.4250.0440.3360.1040.0630.2560.0560.1280.4120.1810.0210.0380.0480.0620.0730.0920.1171.1380.1990.4628.773

H90.2080.0240.3870.0710.0110.0490.1810.0260.0180.1810.0240.0010.0340.5220.3180.4370.4090.0000.0320.0210.0360.0060.0430.0140.0080.0300.0080.0080.0350.0210.0280.0500.0090.0230.0110.0071.1470.3800.0440.3020.1020.0650.2530.0650.1320.4480.1840.0210.0370.0470.0610.0720.0910.1150.1361.1970.4588.650

H100.1540.0210.2840.0600.0100.0440.1610.0230.0160.1660.0210.0000.0290.4360.2940.3780.3740.0000.0280.0190.0330.0060.0380.0100.0070.0260.0070.0070.0320.0190.0250.0420.0080.0210.0100.0060.9760.2780.0360.2610.0930.0550.2440.0680.1250.3720.1650.0180.0320.0400.0520.0610.0780.0990.1170.1701.3947.547

MS0.2200.0540.3730.1010.0340.0730.2070.0470.0440.2060.0450.0180.0530.4350.3020.4130.4000.0180.0500.0400.0530.0240.0620.0320.0270.0520.0280.0280.0520.0420.0480.0610.0260.0400.0280.0271.1520.3410.0500.2660.0990.0670.2130.0630.1160.3300.1550.0410.0620.0770.0940.1100.1340.1630.1930.2690.6008.360

AHBR0.1520.0510.2880.0860.0400.0500.1970.0710.1010.6240.0680.3850.0300.4130.2410.2740.2570.0000.0280.0180.0230.0040.0400.0100.0200.0670.0150.0310.0310.0180.0240.0410.0070.0170.0070.0071.0320.2110.0220.1650.0540.0330.1320.0310.0670.2110.0920.0190.0350.0450.0600.0720.0910.1130.1310.1830.4206.955

PS0.2300.0240.4290.0680.0110.0470.1790.0260.0170.1760.0230.0010.0340.4680.3080.4470.3890.0000.0310.0210.0340.0060.0420.0150.0080.0290.0080.0080.0340.0210.0270.0460.0090.0220.0100.0071.1300.4220.0420.3180.1040.0640.2470.0570.1240.3940.1740.0520.0990.1120.1270.1440.1680.2030.2560.3550.6948.541

INSTA1A2AIAIIAIIIAIVAVAVIAVIIAVIIIAIXA4A5A6A7A8A9A10L1L2L3L4L5L6L7L8L9L10L11L12L13L14L15L16L17L18K

C1C2C3C4C5C6C7C8C9C10H1H2H3H4H5H6H7H8H9H10TC

A1A2AIAIIAIIIAIVAVAVIAVIIAVIIIAIXA4A5A6A7A8A9A10EMT

Cuadro 3.1. Matriz de Multiplicadores Generalizados, Ramas-Ramas

A11.2870.0220.3180.0480.0080.0330.2030.0180.0140.1290.0190.0000.0260.3040.1980.2720.2400.0003.140

A20.0991.0770.1840.0360.0060.0260.1160.0190.0220.1560.0150.0000.0270.2510.1790.2150.2000.0002.629

AI0.5420.0201.4140.0470.0080.0410.1630.0220.0170.1460.0160.0000.0270.3230.2100.2650.2480.0003.508

AII0.1790.0310.2831.4370.0090.0540.3130.0180.0170.1470.0310.0000.0340.4000.2450.2980.2620.0003.757

AIII0.2850.0260.2590.0951.2180.0420.2120.0220.0260.1880.0180.0000.0340.4400.2690.3210.2780.0003.733

AIV0.1330.0280.2310.0470.0251.4100.1900.0160.0270.1410.0450.0000.0430.3300.2030.2670.2340.0003.372

AV0.1150.0980.1970.0420.0070.0471.4300.0190.0160.1220.0150.0000.0480.2770.1840.2170.2030.0003.039

AVI0.1240.0990.2280.0480.0080.0650.2021.0990.0250.1860.0170.0000.0650.3250.2140.2780.2580.0003.242

AVII0.0950.1810.1750.0360.0060.0300.1380.0191.2520.1940.0130.0000.0430.2740.1770.2090.1930.0003.033

AVIII0.0810.0310.1460.0370.0190.0320.1250.0250.1001.5010.0150.0000.0220.2530.1540.1850.1720.0002.898

AIX0.0780.0510.1250.0380.0100.0410.1380.0230.0310.0931.1590.0000.0170.1980.1230.1510.1320.0002.407

A40.1460.0750.2630.0540.0420.0450.1840.1280.1380.2760.0221.0000.0360.3840.2730.3340.3100.0003.711

A50.1700.2380.3120.0720.0140.0550.2180.0290.0330.3130.0380.0001.1230.5130.3030.3890.3660.0004.187

A60.1600.0210.2970.0580.0090.0550.1550.0210.0170.1650.0230.0000.0341.3800.2670.3890.3940.0003.446

A70.1430.0240.2640.0510.0090.0390.2110.0200.0230.2670.0200.0000.0280.3621.2760.3120.3230.0003.374

A80.1470.0210.2730.0490.0080.0460.1380.0230.0140.1400.0320.0000.0350.3410.2301.4880.3400.0003.328

A90.1650.0230.3010.0640.0100.0520.1730.0250.0190.2050.0360.0000.0300.3890.2670.3721.3730.0003.506

A100.1760.0280.3100.0660.0100.0600.1720.0320.0180.1820.0460.0000.0510.4200.3010.4340.4221.0003.729

MS0.2290.1160.3100.1290.0790.1210.2490.0880.1000.2530.0880.0560.0960.3980.2820.3550.3310.0563.336

AHBR0.1520.0510.2880.0860.0400.0500.1970.0710.1010.6240.0680.3850.0300.4130.2410.2740.2570.0003.328

RDM0.1740.0780.2650.1080.0230.0500.2400.0400.1000.6990.0490.0000.0310.5070.2510.2550.2610.0003.130

A1A2AIAIIAIIIAIVAVAVIAVIIAVIIIAIXA4A5A6A7A8A9A10TRD

Cuadro 3.2. Renta Redistribuida, Ramas-Ramas.

A11.126-0.0310.040-0.038-0.018-0.0160.003-0.030-0.065-0.405-0.033-0.147-0.005-0.127-0.046-0.013-0.124-0.0731.169

A2-0.0351.033-0.048-0.036-0.015-0.015-0.051-0.021-0.044-0.292-0.028-0.1230.001-0.110-0.026-0.023-0.105-0.0611.034

AI0.363-0.0391.104-0.049-0.021-0.014-0.060-0.031-0.072-0.451-0.041-0.164-0.008-0.160-0.063-0.053-0.159-0.0811.466

AII-0.013-0.032-0.0491.334-0.022-0.0040.074-0.039-0.078-0.493-0.031-0.176-0.003-0.116-0.048-0.043-0.173-0.0871.407

AIII0.094-0.037-0.071-0.0081.187-0.016-0.026-0.034-0.068-0.447-0.043-0.175-0.003-0.073-0.022-0.017-0.155-0.0861.281

AIV-0.039-0.029-0.067-0.045-0.0021.358-0.025-0.035-0.058-0.432-0.010-0.1580.010-0.134-0.059-0.039-0.156-0.0781.367

AV-0.0400.047-0.071-0.041-0.0180.0001.236-0.027-0.060-0.395-0.035-0.1420.018-0.141-0.052-0.058-0.149-0.0701.301

AVI-0.0420.044-0.058-0.041-0.0190.014-0.0041.050-0.057-0.365-0.036-0.1520.033-0.121-0.038-0.016-0.117-0.0751.141

AVII-0.0610.130-0.093-0.047-0.019-0.018-0.055-0.0271.175-0.322-0.037-0.1420.013-0.143-0.059-0.066-0.159-0.0701.318

AVIII-0.068-0.017-0.110-0.043-0.005-0.013-0.060-0.0190.0271.008-0.033-0.136-0.006-0.146-0.072-0.077-0.163-0.0671.035

AIX-0.0450.010-0.087-0.028-0.0100.004-0.015-0.014-0.030-0.3171.120-0.113-0.007-0.133-0.065-0.067-0.147-0.0561.134

A4-0.0440.012-0.065-0.0480.012-0.012-0.0520.0720.044-0.355-0.0380.826-0.001-0.126-0.016-0.002-0.120-0.0860.966

A5-0.0450.168-0.058-0.042-0.021-0.010-0.048-0.035-0.073-0.399-0.030-0.1961.082-0.063-0.0230.010-0.119-0.0971.259

A6-0.016-0.037-0.007-0.036-0.0190.001-0.064-0.031-0.070-0.422-0.033-0.1610.0000.906-0.0010.077-0.005-0.0800.984

A7-0.030-0.032-0.034-0.042-0.019-0.013-0.004-0.031-0.062-0.307-0.035-0.158-0.005-0.1021.0130.006-0.067-0.0781.019

A8-0.023-0.035-0.021-0.042-0.019-0.006-0.074-0.027-0.069-0.426-0.022-0.1560.002-0.116-0.0301.187-0.045-0.0771.189

A9-0.014-0.036-0.009-0.032-0.019-0.003-0.050-0.028-0.069-0.392-0.021-0.164-0.005-0.093-0.0060.0550.967-0.0811.022

A10-0.015-0.035-0.019-0.036-0.0210.002-0.066-0.025-0.076-0.453-0.015-0.1740.014-0.0920.0100.096-0.0100.9141.036

MS0.0580.0600.0150.0380.0520.0690.0370.0370.016-0.3150.033-0.1000.063-0.0610.0220.053-0.056-0.0210.553

AHBR-0.018-0.005-0.007-0.0060.012-0.001-0.0140.0210.0170.0580.0130.229-0.003-0.044-0.018-0.028-0.128-0.0770.349

RDM0.0140.025-0.0110.022-0.0030.0010.040-0.0070.0210.166-0.002-0.1460.0000.0760.007-0.029-0.102-0.0720.373

Apéndice 3. Aumentos Unitarios Exógenos sobre las actividades y sus efectos

A1A2AIAIIAIIIAIVAVAVIAVIIAVIIIAIXA4A5A6A7A8A9A10

Cuadro 3.3. Participación Porcentual de las Ramas en la Renta Redistribuida

A196.29-2.633.43-3.23-1.53-1.330.28-2.53-5.60-34.64-2.79-12.56-0.41-10.90-3.95-1.09-10.60-6.20

A2-3.4199.89-4.66-3.51-1.50-1.46-4.97-2.00-4.23-28.23-2.69-11.900.11

-10.65-2.48-2.27-10.15-5.88

AI24.73-2.6475.27-3.37-1.46-0.94-4.12-2.10-4.88-30.78-2.81-11.19-0.53-10.88-4.31-3.62-10.83-5.53

AII-0.94-2.30-3.5094.76-1.54-0.295.24-2.78-5.55-35.01-2.18-12.49-0.25-8.26-3.41-3.03-12.32-6.17

AIII7.34-2.90-5.51-0.6192.66-1.22-2.02-2.66-5.33-34.89-3.36-13.63-0.27-5.70-1.74-1.32-12.10-6.73

AIV-2.88-2.12-4.88-3.31-0.1899.30-1.81-2.58-4.21-31.64-0.76-11.540.70-9.78-4.35-2.84-11.43-5.70

AV-3.113.59-5.46-3.14-1.41-0.0295.02-2.08-4.63-30.33-2.70-10.931.39

-10.82-4.03-4.49-11.45-5.40

AVI-3.653.85-5.11-3.60-1.621.25-0.3492.00-4.99-32.01-3.19-13.292.90

-10.57-3.37-1.40-10.28-6.56

AVII-4.619.86-7.07-3.59-1.42-1.34-4.18-2.0789.14-24.42-2.81-10.771.00

-10.87-4.48-5.03-12.04-5.31

AVIII-6.54-1.69-10.68-4.13-0.52-1.29-5.75-1.792.6297.38-3.16-13.11-0.62-14.08-6.93-7.47-15.78-6.47

AIX-3.990.89-7.72-2.51-0.910.31-1.30-1.19-2.64-27.9498.80-9.94-0.59-11.72-5.72-5.94-12.99-4.91

A4-4.511.23-6.68-4.981.22-1.28-5.427.414.57

-36.80-3.9885.57-0.10-13.08-1.69-0.20-12.40-8.88

A5-3.5613.31-4.60-3.37-1.63-0.83-3.83-2.77-5.78-31.72-2.40-15.5585.91-4.99-1.850.78-9.43-7.68

A6-1.63-3.73-0.73-3.70-1.970.09-6.53-3.19-7.11

-42.85-3.39-16.37-0.0492.05-0.137.85-0.53-8.09

A7-2.93-3.19-3.35-4.08-1.84-1.31-0.35-3.08-6.07-30.10-3.43-15.48-0.52-10.0199.400.60-6.62-7.65

A8-1.95-2.96-1.75-3.56-1.61-0.51-6.22-2.28-5.84-35.84-1.87-13.080.20-9.77-2.4999.80-3.81-6.46

A9-1.41-3.54-0.88-3.11-1.88-0.27-4.86-2.78-6.75-38.34-2.10-16.04-0.45-9.11-0.555.3594.65-7.93

A10-1.41-3.41-1.87-3.48-2.000.18-6.35-2.37-7.30-43.69-1.44-16.821.35-8.910.999.31-0.9388.17

MS10.5710.862.776.819.3512.436.636.712.97

-56.896.00

-18.1611.34-10.953.979.60

-10.11-3.89

AHBR-5.15-1.57-1.88-1.593.56-0.39-4.135.884.9016.503.7365.44-0.72-12.63-5.24-8.00-36.69-22.01

RDM3.686.64-3.015.91-0.690.3610.85-1.995.6744.54-0.60-39.280.0520.481.83-7.68-27.36-19.40

H1H2H3H4H5H6H7H8H9H10EMT

Cuadro 3.4. Matriz de Multiplicadores Generalizados Hogares-Ramas

A10.0240.0440.0550.0690.0780.0970.1220.1390.1980.4661.294

A20.0170.0300.0380.0500.0600.0760.0960.1120.1590.3600.999

AI0.0220.0400.0500.0640.0740.0930.1180.1350.1920.4481.236

AII0.0210.0380.0490.0650.0780.1000.1240.1430.1990.4561.275

AIII0.0230.0410.0530.0690.0810.1030.1290.1480.2080.4711.326

AIV0.0180.0330.0420.0540.0650.0830.1050.1240.1770.4161.117

AV0.0160.0290.0360.0480.0570.0730.0920.1080.1530.3630.974

AVI0.0210.0370.0470.0620.0730.0930.1170.1360.1930.4521.233

AVII0.0160.0290.0370.0480.0570.0720.0910.1050.1490.3400.944

AVIII0.0130.0230.0300.0390.0470.0600.0750.0880.1240.2870.786

AIX0.0110.0190.0240.0320.0380.0490.0620.0720.1020.2420.652

A40.0220.0420.0560.0740.0890.1140.1380.1590.2190.4971.411

A50.0270.0480.0620.0810.0970.1250.1610.1940.2790.6461.719

A60.0280.0490.0620.0810.0950.1200.1530.1790.2570.5991.623

A70.0230.0410.0520.0690.0840.1070.1380.1630.2320.5361.446

A80.0260.0460.0570.0730.0860.1090.1400.1650.2380.5561.497

A90.0250.0460.0600.0770.0910.1150.1450.1820.2770.6331.652

A100.0200.0370.0510.0690.0870.1150.1550.2060.2930.7411.775

MS0.0210.0370.0480.0620.0740.0950.1200.1420.2030.4731.275

AHBR0.0190.0350.0450.0600.0720.0910.1130.1310.1830.4201.168

RDM0.0190.0330.0420.0550.0650.0830.1050.1220.1740.4051.104

H1H2H3H4H5H6H7H8H9H10TRD

Cuadro 3.5. Renta Redistribuida: Hogares-Ramas

A10.0030.0050.0060.0050.0020.0010.001-0.006-0.009-0.0080.023

A20.0010.0000.0000.0010.0010.0020.0020.000-0.001-0.0060.007

AI0.0020.0020.0020.0030.0010.0010.002-0.004-0.005-0.0050.014

AII0.0000.0000.0000.0020.0030.0050.0050.000-0.004-0.0110.015

AIII0.0010.0020.0020.0030.0030.0050.0050.000-0.004-0.0160.020

AIV0.000-0.001-0.001-0.001-0.0010.0000.000-0.001-0.0020.0060.007

AV0.000-0.001-0.0010.000-0.0010.0000.001-0.002-0.0020.0060.006

AVI0.0010.0000.0000.0010.0000.0010.002-0.002-0.0030.0000.006

AVII0.0010.0010.0000.0010.0010.0020.002-0.001-0.002-0.0060.008

AVIII0.0000.0000.0000.0000.0010.0020.002-0.001-0.002-0.0010.004

AIX0.0000.000-0.0010.0000.0000.0000.001-0.001-0.0020.0030.004

A4-0.0010.0000.0020.0040.0060.0090.0050.001-0.006-0.0200.027

A5-0.001-0.004-0.004-0.004-0.004-0.0040.0000.0010.0050.0150.021

A60.0010.0000.0000.0010.000-0.0010.001-0.003-0.0020.0040.007

A70.000-0.002-0.003-0.002-0.001-0.0010.0030.0010.0010.0060.010

A80.0020.0010.000-0.001-0.002-0.0020.000-0.003-0.0010.0070.010

A9-0.002-0.003-0.003-0.005-0.006-0.008-0.009-0.0030.0140.0270.041

A10-0.009-0.016-0.017-0.019-0.017-0.018-0.0120.0070.0100.0900.107

MS0.000-0.001-0.001-0.001-0.0010.0000.001-0.001-0.0010.0050.005

AHBR0.0000.0000.0010.0020.0030.0040.0030.000-0.004-0.0080.012

RDM0.0000.0000.0000.0010.0000.0010.002-0.002-0.0020.0000.004

H1H2H3H4H5H6H7H8H9H10

Cuadro 3.6. Participación Porcentual de los Hogares en la Renta Redistribuida

A113.3921.7724.5722.767.934.085.51

-27.20-37.51-35.29

A210.263.972.4810.8510.4923.7335.782.44-9.64-90.36

AI13.3417.3218.1619.728.549.3713.54-26.35-36.45-37.20

AII1.96-0.261.8212.6617.2332.9632.121.25

-25.90-73.84

AIII5.657.4510.3915.7915.2122.4423.07-2.42-19.22-78.36

AIV-2.58-15.24-18.08-11.13-12.45-2.257.21

-14.93-23.3392.79

AV0.72

-10.89-14.95-7.71-9.61-0.789.03

-24.27-31.7990.25

AVI14.947.223.8212.375.9124.9030.85-35.41-57.57-7.02

AVII11.677.815.0912.8411.4122.0929.09-9.63-19.40-70.98

AVIII2.26-9.84-10.956.6612.8937.3240.87-14.13-40.45-24.63

AIX1.98-8.84-12.26-2.56-2.7710.1814.00-28.42-45.1573.85

A4-3.29-1.616.7814.4622.5131.8319.924.49

-20.68-74.42

A5-6.08-16.41-18.81-19.87-20.08-16.47-2.276.2221.4572.32

A611.645.872.6210.10-5.18-15.4216.85-47.80-31.6052.92

A7-3.42-22.39-31.48-23.17-11.49-8.0526.065.4711.3757.09

A817.897.99-3.12-7.13-23.15-23.22-4.06-32.53-6.8074.12

A9-5.18-8.34-7.95-11.57-15.30-20.56-23.01-8.1033.3166.69

A10-8.30-14.85-15.98-17.50-16.12-16.45-10.806.829.4283.76

MS-2.29-18.16-19.21-12.60-17.21-7.1810.89-18.19-14.6498.58

AHBR-0.78-1.375.4015.1921.3532.5425.53-2.86-28.47-66.53

RDM12.610.40-2.4814.396.9620.3844.04-43.34-54.131.18

H1H2H3H4H5H6H7H8H9H10TC

Cuadro 3.7. Matriz de Multiplicadores Generalizados, Hogares-Hogares

H11.0220.0390.0490.0630.0750.0940.1190.1400.2020.4702.273

H20.0221.0390.0500.0640.0750.0950.1200.1420.2040.4752.286

H30.0220.0391.0500.0640.0750.0950.1200.1420.2050.4762.287

H40.0220.0390.0491.0640.0750.0950.1200.1420.2040.4752.285

H50.0220.0390.0490.0631.0740.0940.1190.1410.2030.4722.275

H60.0220.0390.0490.0630.0741.0940.1190.1410.2030.4722.275

H70.0210.0370.0460.0600.0710.0891.1140.1340.1940.4502.215

H80.0210.0380.0480.0620.0730.0920.1171.1380.1990.4622.248

H90.0210.0370.0470.0610.0720.0910.1150.1361.1970.4582.235

H100.0180.0320.0400.0520.0610.0780.0990.1170.1701.3942.061

MS0.1210.1380.1480.1620.1730.1920.2160.2370.2980.5602.244

PS0.0520.0990.1120.1270.1440.1680.2030.2560.3550.6942.209

H1H2H3H4H5H6H7H8H9H10

Cuadro 3.8. Renta Redistribuida, Hogares-Hogares

H10.984-0.029-0.038-0.049-0.060-0.075-0.094-0.115-0.161-0.364

H2-0.0160.970-0.038-0.049-0.060-0.076-0.094-0.115-0.160-0.363

H3-0.016-0.0300.962-0.049-0.060-0.076-0.094-0.115-0.160-0.363

H4-0.016-0.030-0.0380.951-0.060-0.076-0.094-0.115-0.160-0.363

H5-0.016-0.030-0.038-0.0490.940-0.076-0.094-0.115-0.160-0.363

H6-0.016-0.030-0.038-0.049-0.0600.924-0.094-0.115-0.160-0.363

H7-0.016-0.030-0.038-0.049-0.060-0.0760.906-0.115-0.160-0.363

H8-0.016-0.030-0.039-0.050-0.060-0.076-0.0940.885-0.160-0.362

H9-0.016-0.030-0.039-0.050-0.060-0.076-0.094-0.1140.841-0.362

H10-0.016-0.030-0.039-0.050-0.060-0.076-0.094-0.114-0.1590.639

MS0.0840.0700.0620.0510.0400.0240.006-0.015-0.060-0.263

PS0.0150.0320.0270.0170.0130.003-0.0040.0090.003-0.116

A1A2AIAIIAIIIAIVAVAVIAVIIAVIIIAIXA4A5A6A7A8A9A10TC

Cuadro 3.10. Matriz de Multiplicadores Generalizados Ramas-Hogares

H10.3340.0260.6280.0710.0130.0470.1910.0310.0180.1760.0240.0010.0370.4020.2970.4840.3750.0003.157

H20.3040.0260.5710.0700.0130.0480.1880.0300.0180.1760.0240.0010.0380.4460.2970.5000.3850.0003.134

H30.2990.0260.5610.0710.0120.0490.1910.0300.0180.1780.0250.0010.0380.4410.3040.4950.3970.0003.133

H40.2860.0260.5350.0700.0120.0480.1890.0280.0180.1780.0240.0010.0370.4580.3080.4930.3960.0003.110

H50.2750.0260.5150.0730.0120.0490.1900.0280.0180.1810.0240.0010.0370.4540.3190.4890.3930.0003.082

H60.2570.0250.4800.0700.0110.0490.1860.0270.0180.1820.0240.0010.0360.4980.3220.4750.3890.0003.050

H70.2370.0240.4430.0670.0110.0470.1760.0250.0170.1730.0230.0010.0340.4870.3040.4460.3790.0002.893

H80.2320.0250.4320.0710.0110.0490.1840.0270.0180.1810.0240.0010.0360.4880.3190.4690.3980.0002.963

H90.2080.0240.3870.0710.0110.0490.1810.0260.0180.1810.0240.0010.0340.5220.3180.4370.4090.0002.900

H100.1540.0210.2840.0600.0100.0440.1610.0230.0160.1660.0210.0000.0290.4360.2940.3780.3740.0002.471

MS0.2590.0250.4840.0690.0120.0480.1840.0270.0180.1770.0240.0010.0360.4630.3080.4660.3900.0002.989

PS0.2300.0240.4290.0680.0110.0470.1790.0260.0170.1760.0230.0010.0340.4680.3080.4470.3890.0002.879

A1A2AIAIIAIIIAIVAVAVIAVIIAVIIIAIXA4A5A6A7A8A9A10TR

Cuadro 3.11. Renta Redistribuida, Ramas-Hogares

H10.173-0.0270.349-0.016-0.013-0.002-0.010-0.017-0.061-0.361-0.028-0.1470.006-0.0320.0510.1980.009-0.0730.786

H20.144-0.0270.294-0.016-0.013-0.001-0.011-0.018-0.061-0.358-0.027-0.1460.0070.0150.0530.2160.022-0.0720.751

H30.139-0.0270.284-0.015-0.0130.000-0.009-0.018-0.061-0.355-0.027-0.1460.0070.0100.0600.2110.034-0.0720.743

H40.127-0.0270.261-0.016-0.0140.000-0.009-0.019-0.060-0.351-0.027-0.1450.0070.0310.0660.2110.036-0.0720.738

H50.117-0.0260.243-0.012-0.0140.001-0.006-0.019-0.059-0.344-0.026-0.1440.0060.0300.0790.2090.036-0.0710.721

H60.100-0.0260.210-0.014-0.0140.001-0.008-0.019-0.059-0.337-0.026-0.1420.0060.0790.0840.1980.036-0.0700.715

H70.089-0.0250.187-0.012-0.0130.002-0.008-0.018-0.056-0.320-0.025-0.1350.0060.0890.0790.1830.043-0.0670.678

H80.080-0.0250.170-0.010-0.0130.003-0.005-0.018-0.057-0.324-0.025-0.1380.0060.0810.0890.2010.055-0.0680.683

H90.060-0.0250.131-0.008-0.0130.004-0.003-0.018-0.055-0.313-0.024-0.1350.0050.1230.0920.1740.073-0.0670.662

H100.027-0.0210.066-0.008-0.0100.0060.003-0.014-0.046-0.254-0.019-0.1150.0040.0960.1020.1540.087-0.0570.546

MS0.105-0.0260.219-0.013-0.0130.001-0.007-0.018-0.057-0.331-0.025-0.1390.0060.0520.0760.1960.043-0.0690.702

PS0.083-0.0250.175-0.011-0.0120.003-0.004-0.017-0.055-0.314-0.024-0.1340.0060.0730.0840.1860.056-0.0670.664


Cuadro 3.12. Participación Porcentual de las Ramas en la Renta Redistribuida

H121.95-3.4244.39-2.00-1.65-0.28-1.22-2.13-7.79-45.87-3.57-18.730.77-4.086.5425.201.16-9.27

H219.15-3.5839.13-2.12-1.78-0.13-1.53-2.36-8.10-47.64-3.63-19.480.922.047.11

28.762.88-9.65

H318.66-3.6038.20-2.05-1.80-0.03-1.17-2.41-8.16-47.78-3.61-19.680.891.318.0228.414.55-9.74

H417.14-3.6235.31-2.11-1.860.01-1.20-2.55-8.15-47.52-3.60-19.660.894.188.9628.664.84-9.74

H516.27-3.6533.64-1.65-1.880.08-0.86-2.60-8.23-47.65-3.66-19.940.904.1410.9229.035.01-9.87

H614.03-3.6929.37-1.90-1.910.17-1.14-2.69-8.19-47.08-3.66-19.900.8611.0611.7727.735.02-9.85

H713.09-3.7127.57-1.78-1.920.33-1.15-2.71-8.20-47.14-3.63-19.900.8113.0911.6727.046.41-9.85

H811.67-3.7224.85-1.50-1.910.40-0.71-2.69-8.30-47.33-3.60-20.230.9111.8012.9829.348.06

-10.01

H99.00-3.8019.76-1.26-1.930.66-0.51-2.74-8.37-47.24-3.57-20.460.7318.5913.8926.2811.09-10.12

H104.95-3.8312.03-1.43-1.881.070.64-2.64-8.50-46.61-3.51-21.140.8217.5418.6728.2815.98-10.46

MS14.59-3.6630.43-1.78-1.850.23-0.88-2.55-8.20-47.19-3.60-19.910.857.9711.0527.876.50-9.86

PS12.44-3.7226.33-1.67-1.880.41-0.64-2.62-8.30-47.31-3.60-20.240.8410.9312.6128.038.41

-10.02

AAPPIIREIIMSIPIVACSPSOTAHBRCSCCSPCEPRdmTOTAL

Cuadro 4.1 Matriz de fugas de las Actividades

A10.0000.0910.0660.0060.0620.0330.0000.0000.3580.0000.0000.0000.3841.000

A20.0000.0680.3350.0050.0480.0290.0000.0000.2690.0000.0000.0000.2461.000

AI0.0000.0860.1300.0070.0590.0340.0000.0000.3380.0000.0000.0000.3471.000

AII0.0000.0840.0150.0070.0610.0420.0000.0000.3320.0000.0000.0000.4591.000

AIII0.0000.0890.0770.0080.0630.0410.0000.0000.3520.0000.0000.0000.3711.000

AIV0.0000.0740.0450.0070.0530.0380.0000.0000.2900.0000.0000.0000.4931.000

AV0.0000.0650.0650.0060.0470.0320.0000.0000.2560.0000.0000.0000.5291.000

AVI0.0000.0840.1410.0080.0590.0360.0000.0000.3320.0000.0000.0000.3401.000

AVII0.0000.0650.1630.0050.0450.0260.0000.0000.2580.0000.0000.0000.4371.000

AVIII0.0000.0520.1110.0050.0380.0260.0000.0000.2060.0000.0000.0000.5631.000

AIX0.0000.0440.0730.0040.0310.0210.0000.0000.1720.0000.0000.0000.6561.000

A40.0000.0880.1260.0080.0670.0560.0000.0000.3440.0000.0000.0000.3111.000

A50.0000.112-0.0990.0360.0820.0620.0000.0000.4380.0000.0000.0000.3681.000

A60.0000.1090.0540.0070.0780.0510.0000.0000.4310.0000.0000.0000.2701.000

A70.0000.0970.0650.0070.0690.0470.0000.0000.3800.0000.0000.0000.3351.000

A80.0000.1060.0910.0090.0720.0390.0000.0000.4170.0000.0000.0000.2671.000

A90.0000.1020.0640.0080.0790.0700.0000.0000.4000.0000.0000.0000.2781.000

A100.0000.0980.0580.0110.0850.0990.0000.0000.3820.0000.0000.0000.2681.000

K0.0000.1210.0480.0050.0770.0280.0000.0000.4780.0000.0000.0000.2441.000

Apéndice 4. Descomposición aditiva de M


Cuadro 4.2. Matriz de fugas de los Factores

L10.0000.1150.0570.0060.1000.0360.0000.0000.4440.0000.0000.0000.2441.000

L20.0000.1070.0630.0060.1040.0380.0000.0000.4200.0000.0000.0000.2621.000

L30.0000.1100.0610.0060.1040.0370.0000.0000.4270.0000.0000.0000.2561.000

L40.0000.1100.0610.0060.1030.0370.0000.0000.4270.0000.0000.0000.2561.000

L50.0000.1170.0550.0060.0990.0350.0000.0000.4520.0000.0000.0000.2381.000

L60.0000.1060.0670.0060.1040.0380.0000.0000.4100.0000.0000.0000.2691.000

L70.0000.1110.0600.0060.1020.0370.0000.0000.4320.0000.0000.0000.2531.000

L80.0000.1030.0680.0060.1060.0380.0000.0000.4040.0000.0000.0000.2741.000

L90.0000.1020.0690.0060.1070.0390.0000.0000.4000.0000.0000.0000.2781.000

L100.0000.1000.0730.0070.1080.0390.0000.0000.3870.0000.0000.0000.2861.000

L110.0000.1070.0640.0060.1040.0370.0000.0000.4190.0000.0000.0000.2631.000

L120.0000.1140.0570.0060.1000.0360.0000.0000.4430.0000.0000.0000.2451.000

L130.0000.1040.0660.0060.1060.0380.0000.0000.4090.0000.0000.0000.2711.000

L140.0000.1080.0630.0060.1030.0370.0000.0000.4220.0000.0000.0000.2611.000

L150.0000.1020.0700.0060.1070.0390.0000.0000.3990.0000.0000.0000.2781.000

L160.0000.1040.0680.0060.1060.0380.0000.0000.4060.0000.0000.0000.2731.000

L170.0000.0980.0760.0070.1080.0390.0000.0000.3800.0000.0000.0000.2921.000

L180.0000.1050.0650.0060.1050.0380.0000.0000.4130.0000.0000.0000.2671.000


Cuadro 4.3. Matriz de fugas de Consumo Privado y Hogares

C10.0000.0850.1200.0060.0720.0340.0000.0000.3360.0000.0000.0000.3471.000

C20.0000.0590.0110.0050.3520.0290.0000.0000.2300.0000.0000.0000.3141.000

C30.0000.1020.0780.0100.1080.0390.0000.0000.4010.0000.0000.0000.2641.000

C40.0000.0720.0680.0060.2220.0420.0000.0000.2820.0000.0000.0000.3091.000

C50.0000.0970.0690.0080.0730.0590.0000.0000.3820.0000.0000.0000.3121.000

C60.0000.0820.0660.0060.1280.0410.0000.0000.3210.0000.0000.0000.3571.000

C70.0000.0810.0650.0060.1660.0540.0000.0000.3200.0000.0000.0000.3081.000

C80.0000.0930.0590.0070.1250.0620.0000.0000.3660.0000.0000.0000.2891.000

C90.0000.1070.0530.0070.0980.0500.0000.0000.4210.0000.0000.0000.2641.000

C100.0000.0850.0620.0070.1690.0420.0000.0000.3320.0000.0000.0000.3041.000

H10.0000.0890.0850.0070.1080.0390.0000.0000.3660.0000.0000.0000.3071.000

H20.0000.0940.0810.0070.1080.0390.0000.0000.3710.0000.0000.0000.3001.000

H30.0000.0980.0800.0070.1090.0400.0000.0000.3670.0000.0000.0000.3001.000

H40.0000.0990.0780.0070.1080.0400.0000.0000.3720.0000.0000.0000.2971.000

H50.0000.0990.0770.0070.1110.0390.0000.0000.3720.0000.0000.0000.2951.000

H60.0000.1000.0730.0070.1090.0400.0000.0000.3830.0000.0000.0000.2891.000

H70.0000.0960.0690.0060.1040.0380.0000.0000.4150.0000.0000.0000.2731.000

H80.0000.1010.0690.0070.1090.0390.0000.0000.3940.0000.0000.0000.2801.000


Cuadro 4.4. Matriz de efectos propios de las Actividades

A11.1580.0080.0780.0090.0020.0050.0990.0030.0040.0260.0050.0000.0070.0290.0170.0140.0110.000

A20.0011.0660.0010.0050.0010.0040.0360.0070.0150.0760.0050.0000.0120.0380.0390.0160.0230.000

AI0.4200.0071.1860.0090.0010.0140.0630.0080.0070.0470.0030.0000.0080.0590.0370.0190.0290.000

AII0.0530.0170.0481.3980.0030.0270.2100.0030.0070.0450.0180.0000.0140.1280.0660.0440.0360.000

AIII0.1540.0120.0140.0541.2110.0140.1050.0070.0150.0830.0040.0000.0130.1570.0830.0570.0430.000

AIV0.0250.0160.0290.0130.0201.3860.1000.0030.0190.0520.0330.0000.0260.0910.0460.0450.0360.000

AV0.0200.0880.0210.0130.0020.0261.3510.0080.0090.0450.0040.0000.0340.0690.0470.0240.0300.000

AVI0.0030.0850.0030.0100.0020.0380.1031.0850.0150.0880.0040.0000.0470.0620.0410.0330.0400.000

AVII0.0020.1710.0010.0070.0020.0090.0620.0081.2440.1190.0030.0000.0290.0720.0450.0210.0260.000

AVIII0.0040.0230.0020.0130.0150.0150.0620.0160.0941.4380.0070.0000.0100.0850.0440.0290.0330.000

AIX0.0150.0440.0070.0180.0060.0270.0860.0150.0260.0411.1530.0000.0070.0590.0310.0210.0160.000

A40.0060.0590.0020.0110.0350.0150.0700.1110.1270.1630.0081.0000.0140.0820.0750.0530.0600.000

A50.0030.2200.0030.0200.0050.0180.0800.0090.0190.1760.0200.0001.0970.1440.0610.0490.0610.000

A60.0020.0040.0020.0090.0010.0200.0250.0020.0040.0350.0060.0000.0091.0330.0390.0670.1060.000

A70.0020.0090.0020.0070.0020.0080.0950.0030.0120.1520.0050.0000.0060.0521.0720.0250.0670.000

A80.0010.0050.0010.0030.0010.0140.0180.0060.0030.0210.0170.0000.0130.0210.0191.1910.0750.000

A90.0070.0050.0060.0140.0010.0160.0410.0050.0060.0730.0190.0000.0050.0350.0350.0461.0790.000

A100.0130.0090.0070.0120.0010.0220.0300.0120.0040.0400.0280.0000.0250.0380.0500.0880.1051.000

H90.0000.1030.0650.0060.1090.0390.0000.0000.4050.0000.0000.0000.2731.000

H100.0000.1190.0530.0050.0970.0350.0000.0000.4570.0000.0000.0000.2341.000

L1L2L3L4L5L6L7L8L9L10L11L12L13L14L15L16L17L18K

Cuadro 4.5 Matriz de efectos cruzados (netos): Actividades sobre Factores

A10.0020.0020.0010.0000.0060.0750.0020.0030.0020.0010.0040.0020.0020.0050.0010.0010.0000.0010.653

A20.0100.0050.0030.0000.0050.0000.0100.0220.0060.0100.0110.0100.0120.0050.0010.0050.0010.0050.459

AI0.0030.0030.0030.0010.0130.0280.0050.0170.0050.0060.0070.0070.0050.0170.0030.0030.0010.0010.596

AII0.0070.0050.0030.0020.0190.0040.0160.0520.0340.0080.0090.0050.0110.0160.0030.0040.0010.0020.521

AIII0.0050.0050.0040.0010.0100.0130.0070.0550.0080.0150.0140.0060.0070.0160.0030.0060.0010.0020.584

AIV0.0090.0070.0030.0100.0250.0020.0110.0210.0160.0060.0070.0180.0200.0130.0040.0090.0010.0030.445

AV0.0100.0090.0030.0010.0220.0020.0130.0110.0150.0070.0080.0080.0130.0190.0010.0040.0010.0030.405

AVI0.0110.0050.0040.0010.0260.0000.0090.0400.0070.0090.0070.0060.0090.0080.0010.0030.0010.0020.565

AVII0.0040.0040.0030.0010.0080.0000.0080.0150.0110.0060.0100.0070.0070.0070.0010.0030.0010.0010.454

AVIII0.0070.0070.0030.0010.0140.0000.0120.0160.0190.0060.0070.0050.0080.0080.0010.0030.0010.0020.326

AIX0.0090.0050.0020.0010.0150.0010.0050.0140.0140.0030.0040.0070.0060.0080.0010.0030.0000.0010.273

A40.0190.0090.0050.0010.0210.0010.0270.1050.0050.0610.0180.0080.0110.0080.0010.0050.0020.0050.449

A50.0190.0480.0060.0010.0220.0010.0130.0330.0100.0140.0160.0670.0460.0130.0060.0070.0020.0030.629

A60.0090.0070.0090.0020.0240.0010.0020.0120.0020.0030.0090.0100.0150.0840.0160.0190.0030.0030.702

A70.0090.0080.0060.0010.0260.0000.0040.0090.0030.0030.1000.0110.0190.0070.0010.0090.0020.0030.601

A80.0270.0120.0070.0030.0200.0000.0010.0050.0010.0010.0030.0100.0150.0060.0010.0070.0020.0080.759

A90.0500.0330.0950.0140.0420.0010.0040.0350.0020.0080.0060.0210.0260.0050.0020.0310.0290.0060.475

A100.0660.0400.0140.0030.1040.0030.0130.0170.0030.0060.0260.1170.1150.0050.0010.0340.0030.1130.189

C1C2C3C4C5C6C7C8C9C10H1H2H3H4H5H6H7H8H9H10

Cuadro 4.6. Matriz de efectos cruzados (netos): Actividades sobre Consumo y Hogares

A10.1100.0110.0840.0280.0170.0660.0160.0330.1060.0470.0130.0230.0290.0350.0370.0460.0570.0610.0860.206

A20.0830.0090.0650.0210.0130.0520.0120.0260.0830.0360.0080.0140.0180.0230.0280.0360.0450.0520.0720.159

AI0.1040.0110.0800.0270.0160.0640.0150.0320.1020.0450.0110.0190.0240.0310.0350.0440.0550.0610.0850.200

AII0.1070.0110.0830.0270.0160.0660.0150.0330.1050.0460.0100.0180.0230.0310.0380.0490.0600.0670.0890.200

AIII0.1120.0110.0860.0280.0170.0680.0160.0340.1090.0480.0110.0200.0260.0330.0400.0510.0620.0690.0930.204

AIV0.0910.0100.0720.0240.0140.0580.0140.0290.0930.0410.0080.0140.0190.0250.0300.0390.0490.0580.0800.192

AV0.0800.0080.0630.0210.0130.0510.0120.0260.0810.0350.0070.0130.0160.0220.0260.0340.0430.0500.0690.168

AVI0.1020.0110.0800.0260.0160.0640.0150.0320.1020.0450.0100.0170.0220.0290.0340.0440.0550.0630.0870.204

AVII0.0790.0080.0610.0200.0120.0490.0120.0250.0780.0340.0080.0140.0170.0230.0270.0350.0430.0490.0670.151

AVIII0.0650.0070.0510.0170.0100.0410.0100.0210.0650.0290.0060.0100.0130.0180.0220.0290.0360.0410.0560.129

AIX0.0530.0060.0420.0140.0080.0340.0080.0170.0540.0240.0050.0090.0110.0150.0180.0230.0290.0330.0460.111

A40.1200.0120.0920.0300.0180.0730.0170.0370.1160.0510.0090.0190.0270.0360.0450.0580.0660.0750.0970.213

A50.1380.0150.1100.0370.0220.0900.0220.0460.1440.0630.0110.0200.0260.0350.0430.0560.0740.0920.1300.301

A60.1340.0140.1050.0350.0210.0840.0200.0420.1340.0590.0130.0230.0290.0380.0440.0550.0710.0820.1160.273

A70.1180.0120.0930.0310.0190.0750.0180.0380.1200.0530.0100.0180.0230.0310.0390.0500.0650.0760.1070.246

A80.1230.0130.0960.0320.0190.0780.0190.0390.1240.0540.0130.0210.0260.0330.0390.0500.0640.0750.1090.256

A90.1300.0140.1050.0350.0210.0870.0210.0440.1390.0610.0100.0200.0260.0330.0390.0490.0620.0840.1350.302

A100.1270.0150.1100.0370.0220.0960.0250.0490.1530.0660.0040.0090.0150.0220.0320.0450.0660.1010.1410.387


Cuadro 4.7. Matriz de efectos cruzados (netos): Factores sobre Actividades

L10.0620.0100.1130.0290.0050.0220.0770.0110.0080.0810.0100.0000.0140.2170.1450.1760.1850.000

L20.0870.0110.1620.0310.0050.0220.0800.0110.0080.0810.0110.0000.0150.2240.1430.1930.1810.000

L30.0760.0100.1410.0310.0050.0220.0790.0110.0080.0810.0110.0000.0140.2270.1440.1860.1850.000

L40.0800.0100.1480.0300.0050.0220.0790.0110.0080.0810.0110.0000.0140.2200.1430.1880.1820.000

L50.0550.0100.1010.0280.0050.0220.0760.0110.0080.0810.0100.0000.0130.2120.1450.1710.1850.000

L60.1090.0110.2040.0300.0050.0210.0810.0120.0080.0790.0110.0000.0160.2030.1380.2050.1750.000

L70.0750.0100.1380.0300.0050.0220.0780.0110.0080.0810.0100.0000.0140.2210.1440.1850.1820.000

L80.1110.0110.2070.0310.0050.0220.0820.0120.0080.0790.0110.0000.0160.2160.1400.2080.1740.000

L90.1180.0110.2200.0310.0050.0210.0820.0120.0080.0790.0110.0000.0160.2130.1390.2120.1720.000

L100.1350.0120.2540.0320.0050.0210.0840.0130.0080.0780.0110.0000.0170.2030.1360.2220.1690.000

L110.0910.0110.1700.0310.0050.0220.0800.0110.0080.0800.0110.0000.0150.2200.1420.1960.1790.000

L120.0630.0100.1160.0290.0050.0220.0770.0110.0080.0810.0100.0000.0140.2180.1450.1770.1850.000

L130.1000.0110.1870.0320.0050.0220.0810.0120.0080.0800.0110.0000.0160.2240.1420.2030.1780.000

L140.0900.0110.1670.0300.0050.0220.0800.0120.0080.0800.0110.0000.0150.2150.1420.1940.1790.000

L150.1180.0110.2220.0310.0050.0220.0820.0120.0080.0790.0110.0000.0160.2130.1380.2110.1740.000

L160.1100.0110.2060.0310.0050.0220.0820.0120.0080.0790.0110.0000.0160.2120.1390.2070.1750.000

L170.1510.0120.2840.0320.0060.0210.0850.0130.0080.0770.0110.0000.0170.1900.1310.2300.1660.000

L180.0970.0110.1800.0310.0050.0220.0810.0120.0080.0800.0110.0000.0150.2220.1420.2000.1780.000

K0.0750.0080.1400.0230.0040.0160.0590.0090.0060.0590.0080.0000.0110.1570.1030.1480.1300.000

C1C2C3C4C5C6C7C8C9C10H1H2H3H4H5H6H7H8H9H10

Cuadro 4.8. Matriz de efectos cruzados (netos): Factores sobre Consumo y Hogares

L10.1100.0170.1190.0440.0260.1210.0370.0630.1880.0820.0000.0010.0020.0010.0030.0050.0180.0500.1580.763

L20.1590.0190.1350.0450.0270.1160.0300.0600.1920.0810.0020.0040.0120.0120.0250.0560.0980.1680.2580.366

L30.1380.0190.1280.0450.0270.1180.0330.0620.1960.0820.0010.0010.0040.0070.0080.0260.0230.1180.3460.466

L40.1450.0180.1300.0450.0270.1170.0320.0600.1890.0810.0020.0120.0150.0150.0190.0450.0480.1260.2110.508

L50.0970.0170.1150.0440.0250.1220.0380.0640.1830.0810.0000.0000.0010.0000.0020.0020.0040.0220.0690.899

L60.2010.0190.1470.0480.0300.1100.0250.0550.1690.0770.0240.0650.0920.0950.0750.0730.0790.0610.0740.363

L70.1350.0180.1270.0450.0260.1180.0330.0610.1900.0810.0000.0010.0030.0080.0100.0420.0770.1010.2020.557

L80.2040.0190.1490.0470.0280.1110.0230.0550.1810.0790.0080.0250.0430.0640.0850.1280.1430.1530.1540.197

L90.2170.0200.1540.0470.0280.1110.0210.0540.1780.0780.0070.0200.0370.0830.1270.1730.1600.1430.1040.148

L100.2510.0200.1640.0490.0310.1060.0180.0510.1670.0770.0150.0530.0990.1310.1730.1780.1190.1130.0680.051

L110.1670.0190.1380.0450.0270.1150.0280.0590.1880.0800.0010.0030.0090.0290.0620.0810.1190.1400.1840.371

L120.1130.0170.1200.0440.0260.1210.0360.0630.1880.0820.0000.0010.0000.0030.0050.0070.0250.0620.1590.739

L130.1840.0200.1440.0460.0280.1140.0260.0580.1910.0800.0020.0050.0160.0300.0530.0720.1350.2410.2500.198

L140.1640.0180.1360.0460.0280.1150.0290.0590.1820.0800.0060.0200.0280.0450.0530.0620.0900.1020.1440.451

L150.2190.0200.1520.0480.0300.1090.0220.0540.1780.0780.0170.0480.0770.0780.0960.1140.1350.0990.1920.142

L160.2030.0190.1490.0470.0290.1110.0240.0550.1780.0790.0090.0240.0520.0860.1050.0980.1160.1350.1330.242

L170.2810.0200.1710.0520.0340.1000.0150.0470.1530.0740.0440.1290.1700.1660.1690.1080.1160.0540.0320.012

L180.1770.0190.1410.0460.0270.1150.0270.0580.1890.0800.0010.0030.0130.0280.0530.0960.1290.2010.1980.279

K0.1370.0140.1050.0350.0210.0830.0190.0420.1320.0580.0160.0270.0320.0400.0460.0580.0730.0810.1140.248


Cuadro 4.9. Matriz de efectos cruzados (netos): Consumo y Hogares sobre Actividades

C10.5240.0111.0000.0090.0010.0130.0680.0070.0070.0430.0040.0000.0080.0540.0330.0180.0260.000

C20.0360.0120.0330.9440.0020.0190.1430.0020.0050.0310.0120.0000.0100.0870.0450.0300.0410.000

C30.0030.0150.0010.0040.0010.0130.0210.0060.0080.0290.0180.0020.0610.0270.0211.0530.0980.000

C40.0170.0290.0080.0300.0790.0490.2130.1660.0150.1660.0180.0000.0160.0510.0360.0330.4240.000

C50.0080.0160.0070.0120.0020.0170.1890.0060.0060.0600.0370.0000.0100.0370.0340.2420.7650.000

C60.0040.0180.0040.0080.0030.0110.2130.0050.0200.2820.0050.0000.0090.0540.7270.0250.0940.000

C70.0060.0090.0050.0120.0040.0550.0430.0070.0210.2830.0370.0000.0060.0410.0330.0380.7490.000

C80.0090.0070.0080.0390.0030.1260.0480.0050.0070.0670.0320.0000.0070.0400.0440.0430.8970.000

C90.0020.0040.0010.0080.0010.0190.0240.0020.0040.0340.0060.0000.0091.0100.0380.0660.1040.000

C100.0060.0150.0050.0490.0020.0120.1910.0040.0090.1060.0090.0000.0100.0420.4470.2560.2030.000

H10.2100.0130.3960.0320.0070.0200.0890.0160.0080.0750.0100.0000.0180.1300.1190.2310.1490.000

H20.1790.0120.3360.0310.0060.0200.0850.0150.0080.0730.0110.0000.0190.1720.1170.2450.1570.000

H30.1730.0120.3260.0320.0060.0210.0870.0150.0080.0750.0110.0000.0180.1660.1230.2400.1690.000

H40.1600.0120.3010.0310.0050.0210.0860.0130.0080.0760.0110.0000.0180.1840.1280.2380.1680.000

H50.1510.0120.2830.0340.0050.0210.0870.0130.0080.0790.0110.0000.0180.1810.1400.2350.1670.000

H60.1320.0120.2480.0310.0050.0210.0830.0120.0080.0800.0100.0000.0170.2260.1430.2220.1630.000

H70.1180.0110.2220.0300.0050.0210.0790.0110.0080.0760.0100.0000.0160.2270.1340.2040.1630.000

H80.1100.0110.2050.0330.0050.0220.0830.0120.0080.0810.0110.0000.0170.2210.1440.2210.1770.000

H90.0880.0110.1630.0340.0050.0230.0820.0110.0080.0820.0110.0000.0150.2580.1440.1920.1900.000

H100.0500.0100.0920.0280.0050.0220.0760.0110.0080.0810.0100.0000.0130.2090.1450.1680.1850.000

L1L2L3L4L5L6L7L8L9L10L11L12L13L14L15L16L17L18K

Cuadro 4.10. Matriz de efectos cruzados (netos): Consumo y Hogares sobre Factores

C10.0030.0030.0020.0010.0120.0340.0050.0140.0050.0050.0070.0060.0050.0150.0030.0030.0010.0010.596

C20.0050.0040.0040.0010.0130.0030.0110.0360.0230.0060.0060.0040.0080.0110.0020.0030.0010.0020.359

C30.0260.0140.0090.0030.0200.0000.0020.0070.0020.0020.0030.0130.0160.0060.0010.0080.0030.0070.714

C40.0230.0150.0370.0060.0250.0020.0060.0260.0070.0070.0060.0110.0140.0080.0020.0130.0110.0030.393

C50.0410.0260.0670.0100.0350.0010.0050.0270.0040.0070.0060.0180.0220.0070.0020.0230.0200.0060.512

C60.0100.0080.0080.0010.0230.0000.0060.0100.0060.0030.0680.0100.0160.0080.0010.0080.0030.0030.501

C70.0360.0240.0660.0100.0320.0010.0050.0280.0060.0070.0050.0160.0200.0060.0020.0220.0200.0050.397

C80.0430.0280.0790.0120.0370.0010.0050.0320.0040.0080.0060.0190.0240.0060.0020.0260.0240.0060.447

C90.0080.0070.0090.0020.0230.0010.0020.0110.0010.0030.0090.0100.0150.0820.0150.0190.0030.0030.686

C100.0180.0120.0180.0030.0230.0010.0050.0130.0050.0030.0430.0110.0160.0070.0010.0100.0050.0040.522

H10.0130.0090.0130.0030.0180.0140.0040.0140.0040.0040.0140.0090.0110.0160.0030.0080.0040.0030.568

H20.0140.0090.0140.0030.0190.0120.0040.0140.0040.0040.0140.0100.0120.0190.0040.0090.0040.0030.569

H30.0140.0100.0150.0030.0190.0120.0040.0140.0040.0040.0140.0100.0120.0190.0040.0090.0050.0030.566

H40.0140.0100.0150.0030.0190.0110.0040.0140.0040.0040.0150.0100.0120.0200.0040.0090.0050.0030.564

H50.0140.0100.0150.0030.0190.0100.0040.0140.0040.0040.0160.0100.0120.0200.0040.0090.0050.0030.558

H60.0140.0090.0140.0030.0190.0090.0040.0140.0040.0040.0160.0100.0130.0230.0040.0100.0040.0030.555

H70.0130.0090.0140.0030.0190.0080.0030.0130.0040.0040.0150.0090.0120.0220.0040.0100.0040.0030.526

H80.0150.0100.0160.0030.0200.0070.0040.0140.0040.0040.0160.0100.0130.0220.0040.0100.0050.0030.537

H90.0150.0100.0170.0030.0200.0060.0030.0140.0040.0040.0160.0100.0130.0240.0050.0110.0050.0030.523

H100.0140.0090.0160.0030.0180.0040.0030.0120.0030.0030.0160.0090.0120.0200.0040.0100.0050.0030.441

A1A2AIAIIAIIIAIVAVAVIAVIIAVIIIAIXA4A5A6A7A8A9A10L1L2L3L4L5L6L7L8L9L10L11L12L13L14L15L16L17L18KC1C2C3C4C5C6C7C8C9C10H1H2H3H4H5H6H7H8H9H10Total

Cuadro 4.11. Matriz de efectos circulares (netos), 1ª parte

A10.1290.0140.2400.0400.0070.0280.1040.0150.0100.1030.0140.0000.0200.2750.1810.2580.2290.0000.0180.0120.0200.0040.0240.0090.0040.0170.0050.0050.0200.0120.0160.0270.0050.0130.0060.0040.6550.1260.0130.0990.0330.0200.0800.0190.0400.1270.0560.0120.0210.0270.0350.0410.0520.0660.0780.1120.2603.855

A20.0980.0110.1830.0310.0050.0220.0800.0120.0080.0800.0110.0000.0150.2140.1400.1990.1770.0000.0140.0090.0160.0030.0190.0070.0030.0130.0040.0040.0150.0090.0120.0210.0040.0100.0050.0030.5050.0970.0100.0760.0250.0150.0610.0150.0310.0980.0430.0090.0160.0210.0270.0320.0400.0510.0600.0870.2012.973

AI0.1220.0130.2280.0380.0060.0270.1000.0150.0100.0990.0130.0000.0190.2640.1730.2460.2190.0000.0170.0120.0190.0040.0230.0080.0040.0160.0050.0040.0190.0120.0150.0260.0050.0120.0060.0040.6250.1200.0130.0940.0310.0190.0760.0180.0380.1210.0530.0110.0200.0260.0330.0390.0490.0630.0740.1070.2493.681

AII0.1260.0140.2350.0390.0060.0270.1030.0150.0100.1020.0130.0000.0190.2730.1790.2540.2260.0000.0180.0120.0200.0040.0240.0090.0040.0170.0050.0050.0200.0120.0160.0270.0050.0130.0060.0040.6450.1240.0130.0970.0320.0200.0780.0190.0400.1250.0550.0120.0210.0260.0340.0400.0510.0650.0760.1110.2573.798

AIII0.1320.0140.2450.0410.0070.0290.1070.0160.0100.1060.0140.0000.0200.2830.1860.2650.2350.0000.0190.0120.0210.0040.0250.0090.0050.0170.0050.0050.0210.0120.0160.0280.0050.0130.0060.0040.6720.1290.0140.1010.0340.0200.0820.0200.0410.1300.0570.0120.0220.0280.0360.0420.0530.0670.0800.1150.2673.955

AIV0.1090.0120.2030.0340.0060.0240.0900.0130.0090.0890.0120.0000.0170.2390.1570.2220.1980.0000.0160.0100.0180.0030.0210.0070.0040.0150.0040.0040.0170.0100.0140.0240.0040.0110.0050.0040.5630.1080.0110.0850.0280.0170.0690.0160.0350.1090.0480.0100.0180.0230.0300.0350.0440.0570.0670.0970.2243.317

AV0.0950.0100.1770.0300.0050.0210.0780.0110.0080.0780.0100.0000.0150.2080.1370.1930.1730.0000.0140.0090.0150.0030.0180.0060.0030.0130.0040.0040.0150.0090.0120.0210.0040.0100.0050.0030.4910.0940.0100.0740.0250.0150.0600.0140.0300.0950.0420.0090.0160.0200.0260.0310.0390.0490.0580.0840.1962.894

AVI0.1210.0130.2250.0380.0060.0270.0990.0140.0100.0980.0130.0000.0190.2630.1730.2450.2190.0000.0170.0120.0190.0040.0230.0080.0040.0160.0050.0040.0190.0120.0150.0260.0050.0120.0060.0040.6230.1190.0130.0940.0310.0190.0760.0180.0380.1210.0530.0110.0200.0250.0330.0390.0490.0630.0740.1070.2483.666

AVII0.0930.0100.1730.0290.0050.0200.0760.0110.0070.0750.0100.0000.0140.2020.1320.1880.1670.0000.0130.0090.0150.0030.0180.0060.0030.0120.0030.0030.0150.0090.0120.0200.0040.0090.0050.0030.4770.0920.0100.0720.0240.0140.0580.0140.0290.0930.0410.0090.0150.0200.0250.0300.0380.0480.0570.0820.1902.809

AVIII0.0770.0080.1440.0240.0040.0170.0630.0090.0060.0630.0080.0000.0120.1680.1100.1560.1390.0000.0110.0070.0120.0020.0150.0050.0030.0100.0030.0030.0120.0070.0100.0170.0030.0080.0040.0030.3970.0760.0080.0600.0200.0120.0480.0120.0240.0770.0340.0070.0130.0160.0210.0250.0310.0400.0470.0680.1582.339

AIX0.0640.0070.1190.0200.0030.0140.0520.0080.0050.0520.0070.0000.0100.1390.0920.1290.1160.0000.0090.0060.0100.0020.0120.0040.0020.0090.0020.0020.0100.0060.0080.0140.0030.0070.0030.0020.3290.0630.0070.0500.0160.0100.0400.0100.0200.0640.0280.0060.0110.0130.0170.0210.0260.0330.0390.0560.1311.937

A40.1400.0150.2610.0430.0070.0300.1140.0170.0110.1130.0150.0000.0220.3020.1980.2820.2500.0000.0200.0130.0220.0040.0270.0090.0050.0180.0050.0050.0220.0130.0170.0300.0060.0140.0070.0040.7150.1370.0140.1080.0360.0220.0870.0210.0440.1390.0610.0130.0230.0290.0380.0450.0560.0720.0850.1220.2844.208

A50.1660.0180.3100.0520.0090.0370.1380.0200.0140.1370.0180.0000.0260.3690.2420.3400.3050.0000.0240.0160.0270.0050.0320.0110.0060.0220.0060.0060.0270.0160.0210.0360.0070.0170.0080.0050.8660.1660.0170.1310.0430.0260.1050.0250.0530.1680.0740.0160.0280.0350.0460.0540.0680.0870.1030.1490.3455.100

A60.1590.0170.2960.0500.0080.0350.1310.0190.0130.1300.0170.0000.0250.3470.2280.3220.2880.0000.0230.0150.0250.0050.0310.0110.0060.0210.0060.0060.0250.0150.0200.0340.0060.0160.0080.0050.8190.1570.0170.1240.0410.0250.1000.0240.0500.1590.0700.0150.0260.0340.0430.0510.0650.0820.0970.1400.3264.824

A70.1410.0150.2620.0440.0070.0310.1160.0170.0110.1160.0150.0000.0220.3100.2030.2870.2570.0000.0200.0140.0230.0040.0270.0090.0050.0190.0050.0050.0220.0140.0180.0300.0060.0140.0070.0050.7290.1400.0150.1100.0370.0220.0890.0210.0450.1420.0620.0130.0240.0300.0390.0460.0580.0730.0860.1250.2904.295



A90.1580.0180.2950.0500.0080.0360.1330.0190.0130.1320.0170.0000.0250.3540.2330.3260.2940.0000.0230.0150.0260.0050.0310.0110.0060.0210.0060.0060.0260.0150.0200.0350.0070.0170.0080.0050.8310.1600.0170.1250.0420.0250.1010.0240.0510.1620.0710.0150.0270.0340.0440.0520.0660.0830.0990.1430.3314.893

A100.1630.0190.3030.0540.0090.0380.1420.0210.0140.1420.0190.0010.0270.3830.2510.3460.3170.0000.0250.0170.0280.0050.0330.0110.0060.0230.0060.0060.0280.0170.0220.0370.0070.0180.0090.0060.8850.1700.0180.1340.0440.0270.1080.0260.0550.1720.0760.0160.0290.0360.0470.0550.0700.0890.1050.1520.3545.216

L10.1080.0120.2000.0340.0060.0240.0890.0130.0090.0880.0120.0000.0170.2360.1550.2190.1960.0000.0290.0200.0340.0060.0390.0110.0070.0270.0070.0070.0330.0190.0260.0440.0080.0210.0100.0061.0180.1970.0210.1550.0510.0310.1250.0300.0630.2000.0870.0180.0330.0420.0540.0640.0810.1030.1220.1770.4104.848

L20.1150.0130.2140.0360.0060.0250.0950.0140.0090.0940.0120.0000.0180.2520.1650.2330.2090.0000.0310.0200.0340.0060.0410.0140.0070.0280.0080.0080.0340.0200.0270.0460.0090.0220.0110.0071.0930.2100.0220.1650.0550.0330.1330.0320.0670.2130.0930.0200.0350.0450.0580.0680.0860.1100.1300.1880.4365.174

L30.1130.0120.2100.0350.0060.0250.0930.0140.0090.0920.0120.0000.0180.2480.1630.2300.2050.0000.0300.0200.0340.0060.0410.0130.0070.0280.0080.0080.0340.0200.0270.0460.0090.0220.0110.0071.0720.2070.0220.1620.0540.0330.1310.0320.0660.2090.0920.0190.0350.0440.0570.0670.0850.1080.1280.1850.4305.088

L40.1120.0120.2090.0350.0060.0250.0930.0140.0090.0920.0120.0000.0180.2460.1620.2290.2040.0000.0300.0200.0340.0060.0400.0130.0070.0280.0080.0080.0330.0200.0260.0450.0080.0220.0100.0071.0690.2060.0220.1620.0540.0320.1310.0310.0660.2080.0910.0190.0350.0440.0570.0670.0850.1080.1270.1840.4285.067

L50.1050.0120.1960.0330.0050.0230.0870.0130.0090.0860.0110.0000.0160.2310.1520.2140.1910.0000.0290.0190.0330.0060.0380.0110.0070.0260.0070.0070.0320.0190.0250.0430.0080.0210.0100.0060.9940.1920.0200.1510.0500.0300.1220.0290.0620.1950.0860.0180.0320.0410.0530.0630.0790.1010.1190.1730.4014.742

L60.1160.0130.2170.0360.0060.0260.0960.0140.0090.0950.0130.0000.0180.2550.1670.2360.2110.0000.0310.0200.0340.0060.0410.0150.0080.0290.0080.0080.0340.0200.0270.0450.0080.0220.0100.0071.1120.2130.0220.1670.0560.0340.1350.0320.0680.2150.0940.0200.0360.0450.0590.0690.0880.1110.1310.1900.4415.239

L70.1110.0120.2070.0350.0060.0250.0920.0130.0090.0910.0120.0000.0170.2440.1600.2260.2020.0000.0300.0200.0340.0060.0400.0130.0070.0270.0080.0080.0330.0200.0260.0450.0080.0220.0100.0071.0570.2040.0210.1600.0530.0320.1290.0310.0650.2060.0900.0190.0340.0430.0560.0660.0840.1070.1260.1820.4235.016

L80.1190.0130.2210.0370.0060.0260.0980.0140.0100.0970.0130.0000.0180.2600.1710.2410.2160.0000.0310.0210.0340.0060.0420.0150.0080.0290.0080.0080.0340.0210.0270.0470.0090.0220.0110.0071.1360.2170.0230.1710.0570.0340.1380.0330.0700.2200.0960.0210.0370.0460.0600.0710.0890.1140.1340.1940.4505.349

L90.1200.0130.2230.0370.0060.0260.0990.0140.0100.0980.0130.0000.0190.2620.1720.2440.2180.0000.0310.0210.0340.0060.0420.0160.0080.0290.0080.0080.0340.0210.0270.0470.0090.0220.0110.0071.1490.2200.0230.1720.0570.0350.1390.0330.0700.2220.0970.0210.0370.0470.0610.0720.0900.1150.1350.1960.4555.402

L100.1230.0130.2280.0380.0060.0270.1010.0150.0100.1000.0130.0000.0190.2680.1760.2490.2230.0000.0320.0210.0350.0060.0430.0170.0080.0300.0080.0080.0350.0210.0280.0470.0090.0220.0110.0071.1780.2240.0240.1760.0580.0350.1420.0340.0720.2270.0990.0210.0380.0480.0620.0730.0920.1170.1380.2000.4645.522

L110.1150.0130.2140.0360.0060.0250.0950.0140.0090.0940.0120.0000.0180.2520.1650.2340.2090.0000.0300.0200.0340.0060.0410.0140.0070.0280.0080.0080.0340.0200.0270.0460.0090.0220.0100.0071.0960.2100.0220.1650.0550.0330.1330.0320.0670.2130.0930.0200.0350.0450.0580.0690.0870.1100.1300.1880.4375.181

A80.1460.0160.2720.0460.0080.0320.1200.0180.0120.1200.0160.0000.0230.3200.2100.2970.2660.0000.0210.0140.0230.0040.0280.0100.0050.0190.0050.0050.0230.0140.0180.0320.0060.0150.0070.0050.7550.1450.0150.1140.0380.0230.0920.0220.0460.1470.0640.0140.0240.0310.0400.0470.0600.0760.0890.1290.3014.447



L120.1080.0120.2010.0340.0060.0240.0890.0130.0090.0880.0120.0000.0170.2370.1560.2200.1970.0000.0290.0200.0340.0060.0390.0120.0070.0270.0070.0070.0330.0190.0260.0440.0080.0210.0100.0071.0220.1980.0210.1550.0520.0310.1250.0300.0630.2000.0880.0190.0330.0420.0540.0640.0810.1030.1220.1770.4114.868

L130.1180.0130.2200.0370.0060.0260.0970.0140.0100.0970.0130.0000.0180.2590.1700.2400.2150.0000.0310.0210.0350.0060.0420.0150.0080.0290.0080.0080.0340.0210.0270.0470.0090.0220.0110.0071.1270.2160.0230.1700.0560.0340.1370.0330.0690.2190.0960.0200.0360.0460.0600.0700.0890.1130.1330.1930.4485.318

L140.1140.0120.2120.0360.0060.0250.0940.0140.0090.0930.0120.0000.0180.2490.1640.2310.2070.0000.0300.0200.0340.0060.0410.0140.0070.0280.0080.0080.0340.0200.0260.0450.0080.0220.0100.0071.0840.2080.0220.1640.0540.0330.1320.0320.0670.2110.0920.0200.0350.0440.0570.0680.0860.1090.1290.1860.4325.127

L150.1200.0130.2240.0370.0060.0270.0990.0140.0100.0980.0130.0000.0190.2630.1730.2440.2180.0000.0310.0210.0350.0060.0420.0160.0080.0290.0080.0080.0340.0210.0270.0470.0090.0220.0110.0071.1490.2200.0230.1730.0570.0350.1390.0330.0700.2220.0970.0210.0370.0470.0610.0720.0900.1150.1350.1960.4555.406

L160.1180.0130.2200.0370.0060.0260.0970.0140.0100.0970.0130.0000.0180.2590.1700.2400.2150.0000.0310.0210.0340.0060.0420.0150.0080.0290.0080.0080.0340.0210.0270.0470.0090.0220.0110.0071.1300.2160.0230.1700.0560.0340.1370.0330.0690.2190.0960.0200.0360.0460.0600.0700.0890.1130.1330.1930.4485.321

L170.1240.0140.2310.0390.0060.0270.1020.0150.0100.1010.0130.0000.0190.2710.1780.2520.2250.0000.0320.0210.0350.0060.0430.0180.0080.0300.0090.0090.0340.0220.0280.0470.0090.0220.0110.0071.1940.2270.0240.1780.0590.0360.1440.0340.0730.2290.1000.0220.0380.0490.0630.0740.0930.1190.1400.2020.4695.582

L180.1170.0130.2170.0360.0060.0260.0960.0140.0090.0950.0130.0000.0180.2560.1680.2370.2120.0000.0310.0210.0340.0060.0420.0140.0080.0290.0080.0080.0340.0210.0270.0470.0090.0220.0110.0071.1130.2140.0220.1680.0560.0340.1350.0330.0680.2160.0950.0200.0360.0460.0590.0700.0880.1120.1320.1910.4435.256

K0.0850.0090.1590.0270.0040.0190.0700.0100.0070.0700.0090.0000.0130.1870.1230.1740.1550.0000.0230.0150.0250.0050.0300.0110.0060.0210.0060.0060.0250.0150.0200.0340.0060.0160.0080.0050.8160.1560.0160.1230.0410.0250.0990.0240.0500.1580.0690.0150.0260.0330.0430.0510.0640.0820.0970.1400.3243.849

C10.1210.0130.2260.0370.0060.0260.0990.0140.0100.0980.0130.0000.0190.2620.1720.2440.2170.0000.0170.0110.0190.0040.0230.0080.0040.0160.0050.0040.0190.0110.0150.0260.0050.0120.0060.0040.6210.2220.0230.1730.0570.0350.1390.0330.0700.2210.0970.0220.0400.0500.0640.0740.0930.1170.1340.1900.4454.707

C20.0880.0100.1630.0270.0050.0190.0710.0100.0070.0710.0090.0000.0140.1900.1240.1770.1570.0000.0120.0080.0140.0030.0170.0060.0030.0120.0030.0030.0140.0080.0110.0190.0040.0090.0040.0030.4480.1600.0170.1250.0410.0250.1000.0240.0510.1600.0700.0150.0270.0340.0450.0540.0690.0860.1000.1390.3183.400

C30.1410.0160.2640.0440.0070.0310.1170.0170.0110.1160.0150.0000.0220.3100.2040.2880.2570.0000.0200.0140.0230.0040.0270.0100.0050.0190.0050.0050.0220.0140.0180.0310.0060.0150.0070.0050.7310.2590.0270.2040.0680.0410.1640.0390.0830.2620.1150.0250.0440.0550.0710.0830.1060.1350.1600.2310.5405.550

C40.1080.0120.2010.0340.0060.0240.0900.0130.0090.0890.0120.0000.0170.2390.1570.2210.1980.0000.0160.0100.0180.0030.0210.0070.0040.0150.0040.0040.0170.0100.0140.0240.0040.0110.0050.0040.5620.1980.0210.1560.0520.0310.1270.0310.0640.2020.0890.0180.0320.0420.0540.0640.0810.1020.1230.1820.4194.269

C50.1470.0160.2740.0470.0080.0330.1230.0180.0120.1220.0160.0000.0230.3280.2150.3020.2720.0000.0210.0140.0240.0040.0290.0100.0050.0200.0060.0060.0240.0140.0190.0320.0060.0150.0070.0050.7690.2690.0290.2140.0710.0430.1740.0420.0880.2770.1210.0240.0440.0560.0720.0850.1080.1370.1680.2530.5825.842

C60.1190.0130.2220.0370.0060.0260.0990.0140.0100.0980.0130.0000.0190.2630.1720.2430.2180.0000.0170.0110.0190.0040.0230.0080.0040.0160.0040.0040.0190.0110.0150.0260.0050.0120.0060.0040.6180.2180.0230.1720.0570.0340.1390.0330.0700.2220.0970.0200.0350.0450.0590.0710.0910.1160.1380.1960.4554.691



C90.1550.0170.2890.0480.0080.0340.1280.0190.0130.1270.0170.0000.0240.3390.2230.3150.2810.0000.0220.0150.0250.0050.0300.0100.0050.0210.0060.0060.0250.0150.0190.0330.0060.0160.0080.0050.8010.2840.0300.2230.0740.0450.1800.0430.0910.2870.1260.0270.0480.0610.0790.0930.1170.1500.1750.2510.5866.075

C100.1230.0140.2290.0390.0060.0270.1020.0150.0100.1010.0130.0000.0190.2710.1780.2510.2250.0000.0180.0120.0200.0040.0240.0080.0040.0160.0050.0050.0200.0120.0160.0270.0050.0130.0060.0040.6380.2250.0240.1770.0590.0360.1440.0350.0730.2290.1000.0210.0370.0470.0610.0730.0930.1180.1410.2040.4724.843

H10.1250.0140.2320.0390.0060.0270.1020.0150.0100.1020.0130.0000.0190.2720.1790.2530.2260.0000.0180.0120.0200.0040.0240.0080.0040.0170.0050.0050.0200.0120.0160.0270.0050.0130.0060.0040.6430.2280.0240.1790.0590.0360.1440.0350.0730.2300.1010.0220.0390.0490.0630.0750.0940.1190.1400.2020.4704.876

H20.1260.0140.2340.0390.0070.0280.1030.0150.0100.1030.0140.0000.0200.2750.1810.2550.2280.0000.0180.0120.0200.0040.0240.0080.0040.0170.0050.0050.0200.0120.0160.0270.0050.0130.0060.0040.6490.2300.0240.1810.0600.0360.1460.0350.0740.2320.1020.0220.0390.0500.0640.0750.0950.1210.1420.2040.4754.923

H30.1260.0140.2350.0390.0070.0280.1040.0150.0100.1030.0140.0000.0200.2750.1810.2550.2280.0000.0180.0120.0200.0040.0240.0080.0040.0170.0050.0050.0200.0120.0160.0270.0050.0130.0060.0040.6500.2300.0240.1810.0600.0360.1460.0350.0740.2330.1020.0220.0390.0500.0640.0750.0950.1210.1420.2050.4764.928

H40.1260.0140.2340.0390.0070.0280.1030.0150.0100.1030.0140.0000.0200.2750.1810.2550.2280.0000.0180.0120.0200.0040.0240.0080.0040.0170.0050.0050.0200.0120.0160.0270.0050.0130.0060.0040.6490.2300.0240.1810.0600.0360.1460.0350.0740.2320.1020.0220.0390.0490.0640.0750.0950.1200.1420.2050.4754.922

H50.1250.0140.2320.0390.0060.0280.1030.0150.0100.1020.0130.0000.0190.2730.1790.2530.2260.0000.0180.0120.0200.0040.0240.0080.0040.0170.0050.0050.0200.0120.0160.0270.0050.0130.0060.0040.6440.2280.0240.1790.0590.0360.1440.0350.0730.2310.1010.0220.0390.0490.0630.0740.0940.1190.1410.2030.4724.883

H60.1250.0140.2320.0390.0060.0280.1030.0150.0100.1020.0130.0000.0190.2730.1790.2530.2260.0000.0180.0120.0200.0040.0240.0080.0040.0170.0050.0050.0200.0120.0160.0270.0050.0130.0060.0040.6440.2280.0240.1790.0590.0360.1440.0350.0730.2310.1010.0220.0390.0490.0630.0740.0940.1200.1410.2030.4724.883

H70.1190.0130.2210.0370.0060.0260.0980.0140.0100.0970.0130.0000.0180.2600.1710.2410.2160.0000.0170.0110.0190.0030.0230.0080.0040.0160.0040.0040.0190.0110.0150.0260.0050.0120.0060.0040.6130.2170.0230.1710.0570.0340.1380.0330.0700.2200.0960.0210.0370.0470.0600.0710.0890.1140.1340.1940.4504.653

H80.1220.0130.2270.0380.0060.0270.1000.0150.0100.1000.0130.0000.0190.2670.1750.2480.2210.0000.0170.0120.0200.0040.0240.0080.0040.0160.0050.0050.0190.0120.0150.0260.0050.0130.0060.0040.6300.2230.0230.1750.0580.0350.1410.0340.0710.2260.0990.0210.0380.0480.0620.0730.0920.1170.1380.1990.4624.778

H90.1210.0130.2250.0380.0060.0270.0990.0140.0100.0990.0130.0000.0190.2640.1740.2450.2190.0000.0170.0120.0190.0040.0230.0080.0040.0160.0050.0040.0190.0120.0150.0260.0050.0120.0060.0040.6230.2210.0230.1730.0580.0350.1400.0340.0710.2240.0980.0210.0370.0470.0610.0720.0910.1150.1360.1970.4584.729

H100.1030.0110.1930.0320.0050.0230.0850.0120.0080.0850.0110.0000.0160.2270.1490.2100.1880.0000.0150.0100.0170.0030.0200.0070.0040.0140.0040.0040.0160.0100.0130.0220.0040.0110.0050.0030.5350.1890.0200.1490.0490.0300.1200.0290.0610.1920.0840.0180.0320.0400.0520.0610.0780.0990.1170.1700.3944.060

C80.1440.0160.2680.0460.0080.0320.1210.0180.0120.1200.0160.0000.0230.3220.2110.2970.2670.0000.0210.0140.0240.0040.0280.0100.0050.0190.0050.0050.0230.0140.0180.0320.0060.0150.0070.0050.7550.2640.0280.2090.0700.0420.1710.0410.0860.2730.1190.0230.0420.0550.0700.0830.1050.1330.1660.2510.5745.734

C70.1260.0140.2340.0400.0070.0280.1050.0150.0100.1050.0140.0000.0200.2800.1840.2580.2330.0000.0180.0120.0210.0040.0250.0080.0040.0170.0050.0050.0200.0120.0160.0280.0050.0130.0060.0040.6580.2300.0240.1820.0610.0370.1490.0360.0750.2370.1040.0200.0370.0480.0610.0730.0920.1160.1440.2180.4984.994

Referencias

Crama, Defourny and Gazon (1984) "Structural Decomposition of MultipliersInput-output or Social Accountig Matrix Analysis", Economie apliquée,tome XXXVII, Nº 1.

Defourny and Thorbecke (1984) "Structural Path Analysis and MultiplierDecomposition within a Social Accounting Matrix Framework", TheEconomic Journal, 94.

Gazon, J. (1976) "Transmission de l'influence économique. Une approachestructurale", Collection de l'I.M.E., no. 13, Sirey, Paris.

Kehoe, T. (1996) Social Accounting Matrices and Applied GeneralEquilibrium Models, Working Paper 563, Federal Reserve Bank ofMinneapolis.

Lantner, R. (1974) Théorie de la dominance économique, Paris: Dunod.Polo, Roland-Holst y Sancho (1990) "Distribución de la renta en un modelo

SAM de la Economía Española", Estadística Española, Vol. 32, Núm.125.

Pyatt and Round (1979) "Accounting and Fixed Price Multipliers in a SocialAccounting Matrix Framework", The Economic Journal, 89.

Stone, J.R.N. (1978) The Disaggregation of the Household Sector in theNational Accounts, Presentada en la World Bank Conference on SocialAccounting Methods in Development Planning, Cambridge, Reino Unido,abril 1978.



Causalidad del preciofuturo de la Bolsa deChicago sobre los preciosfísicos de maíz blanco enMéxicoJosé Alberto Godínez Placencia*

Fecha de recepción: junio 2006.Fecha de aceptación: agosto 2006.

* Profesor investigador del Departamento de Estudios Económicos deEl Colegio de la Frontera Norte. E-mail: [email protected]


Desde 1993 el gobierno federal mexi-cano, a través de Apoyos y Servicios a laComercialización Agropecuaria (ASERCA),ha estado utilizando los futuros yopciones de la Bolsa de Chicago de losEstados Unidos como instrumentos paracubrir el riesgo de movimientos adversosde los precios físicos al productor y almayoreo de maíz blanco. El objetivo delpresente trabajo es validar, para el casodel maíz blanco, la pertinencia de usar lascoberturas de los EEUU para cubrir el ries-go de los precios físicos en México. El con-junto de procedimientos econométricosdel vector auto regresivo (función impul-so-respuesta, descomposición de la va-rianza y la causalidad de Granger) rechaza

Since 1993 the Mexican federal gov-ernment, through the agency calledApoyos y Servicios a la Comerciali-zación Agropecuaria (ASERCA), hasbeen using futures and options fromthe Chicago Board of Trade (CBOT) tohedge the white corn spot pricesrisk. The international hedging iseffective if there is a causal leader-ship of the US # 2 yellow cornfutures prices over the Mexicanwhite corn spot prices. However, theresults of the procedures of the autoregression vector model (impulse-response function, variance decom-position, and Granger causality)rejected this conditional statement

Resumen / Abstract



la hipótesis de que el precio futuro delmaíz amarillo US #2 de la Bolsa deChicago mantiene una relación de causal-idad sobre los precios físicos semanalesde maíz blanco en México para el periodo1998-2005, por lo que la cobertura inter-nacional no es pertinente.

Palabras clave: cobertura internacional,riesgo, precio, VAR.

for the weekly prices included in theperiod between 1998 and 2005.

Key words: International hedging,risk, price, ARV.

Introducción

poyos y Servicios a la Comercialización Agropecuaria (ASER-CA) opera desde 1993 el Subprograma de Cobertura de Precios con el objeti-vo de proteger el ingreso de los productores y/o compradores de losmovimientos adversos en los precios mediante el uso de instrumentosbursátiles (futuros y opciones) de los Estados Unidos. ASERCA otorga un sub-sidio de hasta 50% del costo de la prima a los productores y comercializadoresque utilicen dichos instrumentos.

En 2005 el subsidio de ASERCA para el Subprograma de Coberturas dePrecios fue de 497 millones de pesos, de los cuales el maíz participó con46.6%, el trigo con 21.1%, el algodón con 8.4% y el sorgo con 8.1%, seabsorbe conjuntamente 84.2% (ASERCA, 2006). El Subprograma de Coberturasde Precios de ASERCA es el más importante en su tipo en Latinoamérica, nosólo por el volumen y número de contratos registrados sino también por elsubsidio otorgado al pago de las primas de las opciones (Farías, 2004).

Bajo el anterior contexto, el principal objetivo del presente trabajo es eva-luar y validar la pertinencia de utilizar las coberturas del precio futuro del maízamarillo US #2 de la Bolsa de Chicago, para proteger a los productores y co-mercializadores de maíz blanco en México ante movimientos adversos. Para


A

que esta cobertura internacional sea pertinente y útil, es necesario que el pre-cio futuro mantenga un liderazgo y causalidad sobre los precios físicos enMéxico.

Se aplica el enfoque del vector auto regresivo (VAR) para estimar la funciónimpulso-respuesta, la descomposición de la varianza y la causalidad deGranger con el propósito de contrastar la hipótesis de investigación de que elprecio futuro del maíz amarillo US#2 de la Bolsa de Chicago no mantiene unacausalidad y liderazgo sobre los precios físicos de maíz blanco en México.

Marco teórico

La función de arbitraje de los comercializadores agrícolas (nacionales e inter-nacionales) asegura la existencia de un único precio de equilibrio (la ley delprecio único). La ley del precio único implica que los mercados están integra-dos en el espacio y en el tiempo, por lo que los precios son determinadosinstantáneamente en todos los mercados regionales del sistema. De estaforma, los excedentes de comercio en cada una de las regiones tenderán a sercero y los mercados estarán integrados en forma espacial y temporal (Goodwiny Schroeder, 1991). La integración espacial entre dos o más regiones quecomercian implica necesariamente que la diferencia de precios tenderá aigualar los costos de transacción, por lo que la existencia de una relación deequilibrio de largo plazo será única y el valor esperado de las desviaciones dela paridad de precios es cero.

La integración de los mercados, a través de los precios, no necesita ser per-fecta y reflejada en una paridad estricta de la relación de precios, como postu-la la ley del precio único, sino sólo que existan relaciones de causalidad Y li-derazgo significativas entre el sistema o los subsistemas de precios. En parti-cular, una condición para que el precio futuro sea un predictor del precio físi-co, es que el primero mantenga un liderazgo y causalidad definida sobre elsegundo (Asche et al. 2001).

El concepto general de causalidad se refiere a la relación que existe entreun factor o grupo de factores, que se suponen causantes, y un efecto o resul-tado, que se supone es el elemento causado. Un concepto de causalidad másparticular es el de Dielbold (1999), concepto conocido como causalidad pre-



dicativa. Este concepto bajo el contexto del vector auto regresivo (VAR) se basaen dos principios:

1) La causa debe preceder temporalmente al efecto. En este sentido losrezagos de los precios preceden temporalmente a los precios presentes.2) Una serie temporal de un precio causal (exógeno) debe contener infor-mación útil para el pronóstico de un determinado precio (endógeno) queno se encuentra en ninguna otra serie temporal de precios (exógenos).El concepto de causalidad de Granger1 parte de la pregunta si la variable x

causa a la variable y. Para dar respuesta, primero se mide la magnitud de lavarianza de y que puede ser explicada por los mismos rezagos de y, para luegoincluir rezagos de x observando cuánto más es explicada y.

Se dice que existe causalidad (estadística) de Granger cuando x contribuyea predecir a y. Esto se verifica si los coeficientes de los rezagos de x sonestadísticamente diferentes de cero (significativos). Si $1, $2...,$k son los coe-ficientes de los rezagos de la variable x, entonces el estadístico de Wald.P 2

contrasta la hipótesis nula conjunta de que x no causa a y (H0:$1=$2=...=$k=0).El estadístico de la causalidad (estadística) de Granger verifica en cada

ecuación del VAR si cada una de las variables endógenas rezagadas incluidasen el lado derecho de la ecuación puede ser excluida como variable explicati-va (exógena), y también verifica la exclusión total de todas las variables en ellado derecho. Únicamente cuando la causalidad es unidireccional (exogenei-dad fuerte) se pueden usar los rezagos del precio de un mercado para prede-cir los precios en otros mercados. Un mercado líder (exógenamente fuerte) esaquel que tiene causalidad unidireccional de Granger sobre otros mercados,pero no es causado por otros mercados.

El VAR permite la estimación de la función impulso-respuesta de un merca-do. La respuesta de un precio endógeno se descompone entre los impulsospropios de ese mercado (rezagos propios) y los impulsos que provienen delresto de los mercados, determinando así no sólo su velocidad de respuestasino también su capacidad de liderazgo (Kim et al. 1998). Con base en el VARtambién se estima la descomposición de la varianza que mide la importanciarelativa (en porcentajes) de cada uno de las innovaciones aleatorias sobre cadauno de los precios endógenos del sistema.



1 Otro contraste de causalidad es la Sims. Sin embargo, el teorema Ganger-Sims indica que la causa-lidad de Granger y la causalidad de Sims son equivalentes.

El VAR captura mediante una forma reducida los efectos netos de todos losmecanismos estructurales incluidos ya sea en la producción (tecnología, clima,insumos, trabajo, crédito, etc.), en la demanda (ingreso, gustos y preferencias,etc.), en la infraestructura comercial (transportación, comunicaciones, etc.) y/oen la política de precios, resaltando las interrelaciones de precios sin la necesi-dad de especificar un modelo estructural explícito. El vector auto regresivo deprecios endógenos pn1 se expresa como:

Donde p1 es el vector de precios endógenos, a es un vector de constantes,pt-k son los precios rezagados k periodos, d={q,x ,z} representa los efectosexógenos estacionarios no atribuidos a los precios sino a condiciones de laoferta y demanda que se presentan eventualmente en el tiempo y en el espa-cio y, ut es un vector de errores normalmente distribuidos con media cero ymatriz de covarianzas constante.

La forma reducida del VAR consiste en el hecho de que no se incluyen valo-res presentes de los precios endógenos en el lado derecho de las ecuacionessimultáneas de regresión.

Construcción de variables

El Sistema Nacional de Información e Integración de Mercados (SNIIM, 2006)tiene en su página de internet la serie semanal de precios al mayoreo del maízblanco para las principales centrales de abasto. El periodo de análisis com-prende desde la primera semana de enero de 1998 hasta la última semana dediciembre de 2005, resultando en un tamaño de muestra de 416 observa-ciones. Las 15 centrales de abasto para las que se dispone de series de pre-cios útiles son: Guadalajara, Jalisco (GDL), Culiacán, Sinaloa (CUL), DistritoFederal (DF), Guadalupe, Nuevo León (GPE), San Nicolás, Nuevo León (NIC),Ecatepec, Estado de México (ECA), Puebla, Puebla (PUE), Hermosillo, Sonora(HIL), Tepic, Nayarit (TEP), Irapuato, Guanajuato (IRA), León, Guanajuato (LEO),Querétaro, Querétaro (QRO), Oaxaca, Oaxaca (OAX) y Tampico, Tamaulipas (TAM).

El SNIIM también ha estado generando las series de precios semanalespagados al productor en piso de bodega, para las temporadas de cosecha de



[10] t = 1,2,...,T

los ciclos agrícolas comprendidos en el periodo de noviembre 1993 a marzode 2006. Se construyeron dos series de precios: el precio promedio de merca-do (MDO) y el precio máximo administrado (ADO) apoyado por el gobierno fede-ral primeramente a través de CONASUPO (1993-1998) y después a través deASERCA (1999-2006). Los estados para los que se cuentan con series de pre-cios útiles son: Jalisco para el ciclo agrícola primavera-verano y Sinaloa parael ciclo otoño-invierno. El tamaño de muestra para Jalisco es de 137 observa-ciones, que cronológicamente va desde la semana del 19 de noviembre de1994 a la semana del 10 de marzo de 2006; mientras que para Sinaloa eltamaño de muestra es de 108 observaciones incluidas entre la semana del 14de abril de 1995 a la semana del 7 de julio de 2005. Además, con las obser-vaciones estatales de Jalisco, Sinaloa, Estado de México, Puebla y Chiapas seconstruyeron las series de precios nacionales, cuyo tamaño de muestra es de280 observaciones incluidas desde la semana del 19 de noviembre de 1993hasta la semana del 10 de marzo de 2006.

La fuente de información del precio futuro (FUT) semanal del maíz amarilloUS #2 de la Bolsa de Chicago es ASERCA (2006), cubriendo el periodo desdela primera semana de enero de 1993 hasta la semana del 10 de marzo de2006. La construcción de la serie de tiempo del precio futuro más cercano serealizó descontando las últimas tres semanas antes de registrarse el preciofísico de vencimiento del contrato del futuro respectivo (Wang et al. 2002); yaque una cobertura de precio mediante opciones se planea para ejecutarse tressemanas antes de la expiración del contrato de futuro subyacente (Verde,2002). Esta forma de construir la serie evita una volatilidad extrema al cambiarhacia el siguiente contrato de futuro. Precisamente por ello se pondrá atenciónespecial a la serie del precio futuro del contrato más cercano ya que la volati-lidad del precio físico está más asociada con este último; además, es el con-trato más activo y con mayor liquidez (Manfredo et al. 2002).

Resultados y discusión

Precios al mayoreo en las centrales de abasto

A un nivel de significancia estadística de 5%, el número de rezagos óptimos(k) del vector auto regresivo de los 15 precios al mayoreo es de 1 rezago, deacuerdo a los criterios de Predicción Final del Error (FPE), el Criterio de



Información de Akaike (AIC), el Criterio de Información de Schwarz (SIC) y elCriterio de Información de Hanann-Quinn (HQ)(cuadro 1).



* indicates lag order selected by the criterion

LR: sequential modified LR test statistic (each test at 5% level)

FPE: Final prediction error

AIC: Akaike information criterion

SC: Schwarz information criterion

HQ: Hannan-Quinn information criterion


Cuadro 1.Selección del número de rezagos del vector autoregresivo de losprecios al mayoreo de maíz blanco en Mexico, 1998:1-2005:52

FPE7.03E-334.08E-40*5.06E-407.24E-401.09E-391.68E-392.39E-393.60E-395.25E-39

AIC-31.46737-48.12975*-47.91773-47.57023-47.17583-46.78075-46.47584-46.13315-45.84833

LRNA

6980.71335.7486273.2455*245.6352234.8203252.9149229.5386234.8425

LogL6450.07810082.5310264.1810418.1110562.4610706.6610869.3111024.2311190.98

Lag012345678

SC-31.32017-45.77451*-43.35446-40.79892-38.19649-35.59338-33.08043-30.52971-28.03685

HQ-31.40913-47.19787*-46.1122

-44.89106-43.62302-42.3543-41.17575-39.95942-38.80096

Figura 1. Raíces unitarias inversas del var(1) de losprecios al mayoreo de maíz blanco

Inverse Roots of AR Characteristic Polynomial1.5

1.0

0.5

0.0

-0.5

-1.0

-1.5-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5

Las raíces inversas indican que el VAR(1) es estable (estacionario) ya quetodas las raíces inversas no sobrepasan el límite del círculo unitario (figura 1).Si el vector auto regresivo es estable, entonces algunos procedimientos comola función impulso-respuesta y los errores estándar son válidos.

Los resultados de la función impulso-respuesta generalizada2 para un soloperiodo de proyección, muestran que los precios son mucho más sensibles alos cambios de sus propios movimientos que a los movimientos de otros pre-cios (cuadro 2). Los coeficientes de los movimientos propios son altamentesignificativos en términos estadísticos. También se observa que los movimien-tos del precio futuro de Chicago tienen una influencia muy marginal sobre losprecios físicos al mayoreo de México.

La descomposición de la varianza mide en términos porcentuales la impor-tancia relativa (porcentual) que tienen los otros precios en la explicación de lavarianza de determinado precio endógeno. Los resultados de la estimación dela descomposición de la varianza proyectada a dos periodos para el sistema deprecios al mayoreo, indican que la mayor importancia relativa en la explicaciónde la varianza de los precios la tienen los movimientos propios, con porcenta-jes arriba del 85% para la mayoría de los precios (cuadro 3).3

Los precios que aparecen como segunda fuente de varianza son los preciosde la central de bastos de Guadalajara, Irapuato, León, Distrito Federal y SanNicolás. Los tres primeros se pueden considerar precios líderes por el lado dela oferta, ya que sus respectivas entidades son destacados productoras demaíz blanco; mientras que los dos últimos precios son líderes por el lado dela demanda por ubicarse en la primera y tercera ciudad de importancia pobla-cional del país. El precio futuro de maíz amarillo US #2 de la Bolsa de Chicagode los Estados Unidos aparece con un porcentaje explicativo extremadamentebajo para los 14 precios al mayoreo de México.

El estadístico de la causalidad de Granger verifica en cada una de las 15ecuaciones de regresión del VAR(1), si cada una de las variables endógenasrezagadas puede ser excluida como variable explicativa (exógena), así comoverificar la exclusión total de todas las variables en el lado derecho de la



2 Los resultados de la función impulso-respuesta generalizada no dependen del orden dado a lasvariables endógenas.

2 Se analizaron los resultados de diferentes ordenamientos de las variables endógenas en el VAR, ylos resultados de la descomposición de la varianza no cambian en términos cualitativos.



GDL

CUL

DF

GPE

NIC

ECA

PUE

HIL

TEP

IRA

LEO

QRO

OAX

TAM

FUT

Cuadro 2. Función impulso-respuesta generalizada de los precios al mayoreo demaíz blanco en las principales centrales de abasto de México, 1998:01-2005:52

Coeft-st

Coeft-st

Coeft-st

Coeft-st

Coeft-st

Coeft-st

Coeft-st

Coeft-st

Coeft-st

Coeft-st

Coeft-st

Coeft-st

Coeft-st

Coeft-st

Coeft-st

GDL0.0328.80.001.50.014.30.012.40.000.60.013.80.013.90.002.80.012.40.00-0.30.012.10.012.50.000.20.00-0.60.000.3

CUL0.001.50.0528.80.000.80.001.10.00-0.10.00-1.00.001.30.000.90.001.10.000.20.00-0.90.00-0.10.00-2.80.00-0.30.00-0.8

DF0.014.20.000.80.0328.80.012.10.013.30.017.50.016.50.002.70.001.10.000.80.001.00.000.50.001.00.011.90.00-2.4

GPE0.002.40.001.10.002.10.0928.80.001.30.000.20.000.10.001.60.000.30.00-0.10.001.10.00-1.30.000.70.00-1.80.001.8

NIC0.000.60.00-0.10.003.30.011.30.0728.80.001.60.002.50.002.00.00-1.40.00-3.10.00-0.70.000.30.000.70.00-3.00.00-2.6

ECA0.013.70.00-1.00.017.50.000.20.011.60.0428.80.014.20.001.10.00-0.60.000.90.001.30.000.70.00-0.70.011.90.00-1.4

PUE0.003.90.001.30.006.50.000.10.002.50.004.20.0029.00.001.80.00-0.10.000.20.000.30.00-0.80.00-0.20.00-0.50.00-1.9

HIL0.002.80.000.90.002.70.001.60.002.00.001.10.001.80.0029.00.001.00.00-0.70.000.50.001.00.00-1.00.00-1.00.00-1.1

TEP0.002.40.001.10.001.10.000.30.00-1.40.00-0.60.00-0.10.001.00.1029.00.00-0.40.000.20.000.40.00-0.10.00-0.50.000.7

IRA0.00-0.30.000.20.000.80.00-0.1-0.01-3.10.000.90.000.20.00-0.70.00-0.40.1028.80.012.30.001.80.00-0.10.013.00.001.3

LEO0.002.10.00-0.90.001.00.001.10.00-0.70.001.30.000.30.000.50.000.20.012.30.0628.80.013.40.013.40.001.10.002.5

QRO0.002.50.00-0.10.000.50.00-1.30.000.30.000.70.00-0.80.001.00.000.40.011.80.013.40.0428.80.012.60.012.00.002.0

OAX0.000.2

-0.01-2.80.001.00.000.70.000.70.00-0.70.00-0.20.00-1.00.00-0.10.00-0.10.013.40.012.60.0728.80.012.40.000.0

TAM0.00-0.60.00-0.30.001.90.00-1.80.00-3.00.001.90.00-0.50.00-1.00.00-0.50.023.00.001.10.002.00.012.40.0628.80.000.4

FUT0.000.30.00-0.80.00-2.40.011.80.00-2.60.00-1.40.00-1.90.00-1.10.000.70.011.30.012.50.002.00.000.00.000.40.0328.8

IMPULSO


R E S P U E S T A



GDL

CUL

DF

GPE

NIC

ECA

PUE

HIL

TEP

IRA

LEO

QRO

OAX

TAM

FUT

Cuadro 3. Descomposición de la varianza de los precios al mayoreo de maízblanco en las principales centrales de abasto de México, 1998:01-2005:52

121212121212121212121212121212

GDL10098.80.51.24.24.91.41.20.10.53.34.33.73.81.92.01.42.60.00.11.11.91.51.20.00.10.10.10.00.0

CUL0.00.099.597.30.10.30.20.90.00.00.40.50.20.10.10.10.20.10.00.10.30.40.00.11.92.50.00.30.20.1

DF0.00.10.00.195.792.30.71.62.62.710.713.27.67.01.10.90.10.10.20.20.10.20.00.00.20.31.00.81.51.8

GPE0.00.20.00.10.00.297.792.80.21.50.10.20.20.10.31.00.00.20.00.40.20.10.60.40.10.20.90.91.02.2

NIC0.00.00.00.20.01.40.01.597.193.80.10.10.62.30.60.50.60.52.52.00.20.70.00.40.10.02.52.51.31.4

ECA0.00.00.00.40.00.00.00.40.00.385.4

79.8

0.71.20.00.00.40.30.10.40.10.10.00.00.40.70.50.50.10.5

PUE0.00.00.00.00.00.20.00.00.00.00.00.787.085.10.10.10.10.20.00.00.00.00.60.50.00.00.20.20.20.3

HIL0.00.10.00.20.00.00.00.10.00.10.00.00.00.196.095.20.10.10.10.00.00.00.20.40.30.20.10.20.10.2

TEP0.00.00.00.00.00.10.00.30.00.30.00.00.00.00.00.097.195.50.10.00.00.00.00.00.00.00.10.20.10.1

IIRA0.00.00.00.10.00.00.00.40.00.30.00.60.00.00.00.00.00.097.094.81.14.80.91.10.00.31.30.90.30.4

LEO0.00.20.00.00.00.30.00.10.00.10.00.00.00.10.00.00.00.00.01.696.989.62.24.52.63.60.10.81.21.0

QRO0.00.40.00.20.00.00.00.10.00.30.00.40.00.00.00.00.00.00.00.10.01.494.191.31.12.80.70.70.70.7

OAX0.00.00.00.00.00.10.00.10.00.00.00.00.00.00.00.00.00.30.00.00.00.10.00.093.288.61.22.00.10.1

TAM0.00.00.00.10.00.10.00.20.00.10.00.10.00.10.00.10.00.00.00.10.00.40.00.00.00.591.289.90.00.2

FUT0.00.00.00.00.00.00.00.20.00.00.00.10.00.00.00.00.00.00.00.00.00.00.00.00.00.00.00.093.191.1

Horizonte


V A R I A B L E E X Ó G E N A

ecuación. El estadístico de prueba es el estadístico de Wald basado en una dis-tribución P 2 , cuya hipótesis nula es que la variable exógena no causa a la va-riable endógena.

Los únicos precios en los que resultó significativa la exclusión total (nocausalidad total) son los precios de las centrales de abastos de Guadalajara,Culiacán, Puebla, Hermosillo, Tepic, Tampico y el precio futuro (cuadro 4). Esdecir, estos precios son totalmente autónomos de la influencia (estadística) delresto de los precios.

Definiendo ad hoc a los precios líderes como aquéllos con mayores rela-ciones causales activas y menos relaciones causales pasivas, se puede decirque los precios líderes por el lado de la oferta son los de Guadalajara,Culiacán, Irapuato y Tampico; mientras que los precios líderes por el lado dela demanda son los de San Nicolás y Querétaro. Los precios seguidores son losde Guadalupe, Distrito Federal, Ecatepec, León, Tepic y Oaxaca. Los mercadosautárquicos (no causan ni son causados) son los de Hermosillo y el preciofuturo de Chicago.



GDL

CUL

DF

GPE

NIC

ECA

PUE

HIL

TEP

IRA

LEO

QRO

OAX

TAM

FUT

Cuadro 4. Causalidad de Granger entre los precios al mayoreo de maíz blancoen las principales centrales de abasto de México, 1998:01-2005:52

GDL

ZiiiiiiZiZiiii

CUL

i

ZZiiiiiiiZiii

DF

ii

Ziiiiiiiiiii

GPE

iii

ZiiiiZiiiii

NIC

iiZZ

iZiiiiiiii

ECA

iZiii

iiiiiiiii

PUE

iiZiiZ

Ziiiiiii

HIL

iZiiiii

iiiiiii

TEP

iiiiiiii

iiiiii

IRA

iiiZiZiii

Ziiii

LEO

iiiiiiiiiZ

Ziii

QRO

ZiiiiZiiiiZ

Zii

OAX

iiiiiiiiZiii

ii

TAM

iiiiiiiiiiZiZ

i

FUT

iiiZiiiiiiiiii

VARIABLEENDÓGENA

* Significancia al nivel de 0.05 con un rezagoi No causalidad (exclusiónZ Causalidad (no exclusión)Fuente: Elaboración propia.

V A R I A B L E E X O G E N A

TOTAL

iiZZZZiiiZZZZii



Con respecto al precio futuro cercano resaltan dos resultados: primero, noes causado por ninguno de los precios al mayoreo de México, como se espera-ba, y; segundo, sólo mantiene una sola relación causal activa causal y la ejercesobre un precio seguidor como es el de Guadalupe (figura 2).

Precios al productor

El número de rezagos adecuados para cada uno de los vectores auto regre-sivos de los tres sistemas de precios al productor son de dos para el nivelNacional, uno para el de Jalisco y uno para el de Sinaloa (cuadro 5). Estosmodelos seleccionados [VAR(2), VAR(1) y VAR(1)], también son modelos establesya que los módulos de las raíces de sus polinomios no rebasan la unidad(cuadro 6).

Figura 2. Causalidad y liderazgo de precios al mayoreo de maíz blancoen las centrales de abasto de México, 1998:01-2005:52




Los resultados de la estimación de la función impulso-respuesta generali-zada muestran que los precios responden más a sus propios impulsos que alos impulsos de los otros precios (cuadro 7). Los impactos entre el precio demercado y el precio administrado son mayores con respecto a los impactosque el precio futuro tiene sobre ellos. Lo que resalta también del cuadro 7 esque los impactos del precio administrado sobre el precio de mercado son ma-yores que los impactos a la inversa.

La varianza de los precios endógenos es explicada en mayor porcentajepor sus propios movimientos para los tres periodos de proyección. La excep-ción es el precio administrado a nivel estatal (Jalisco y Sinaloa) en donde suvarianza es mayormente explicada por el precio de mercado, y a nivel nacional

LR: sequential modified LR test statistic (each test at 5% level)FPE: Final prediction errorAIC: Akaike information criterionSC: Schwarz information criterionHQ: Hannan-Quinn information criterionFuente: Elaboración propia.

Cuadro 5. Selección del número de rezagos k del var(k)

AIC211

SIC111

FPE211

LR271

MODELOVAR

NACIONALJALISCOSINALOA

HQ211

C R I T E R I O S D E I N F O R M A C I O N


Cuadro 6. Raíces inversas para determinar laestabilidad del vector autoregresivo (var)

RAIZ0.900575 -

0.033614i0.900575 +

0.033614i0.642677

Módulo

-0.229388

0.199711

-0.010214-0.2293880.199711

-0.010214

RAIZ0.953028 -0.036424i0.953028 +0.036424i

0.912426-0.2293880.199711

-0.010214

N A C I O N A L J A L I S C O S I N A L O A

RAIZ

0.995317

0.937734

0.892518

Módulo

0.901202

0.901202

0.642677

Módulo

0.995317

0.937734

0.892518



la varianza del precio administrado es explicada en alrededor de 26% por elprecio de mercado. Para los tres sistemas de precios al productor, el precio demercado y el precio administrado se retroalimentan mutuamente como segun-das fuentes de varianza. Sin embargo, la influencia del precio futuro esextremadamente marginal sobre el precio de mercado y más aun sobre el pre-cio administrado (cuadro 8).

MDO

ADO

FUT

Cuadro 7. Función Impulso-Respuesta generalizada de los preciosal productor de maíz blanco en los principales estados

productores de México, 1993-2006

MDO0.0623.60.0512.00.039.10.038.00.025.60.025.5

ADO 0.029.10.026.30.04

23.60.0413.20.013.40.012.3

FUT0.025.60.023.70.013.40.012.20.0523.60.0514.9

MDO0.0516.50.0413.40.049.80.038.80.024.10.024.3

ADO 0.049.80.039.90.0516.50.0413.20.024.00.013.2

FUT0.024.10.023.50.024.00.023.00.0716.50.0613.2

MDO0.0714.60.0612.40.0712.30.0610.20.046.50.046.4

ADO 0.0612.30.0510.60.0714.60.0612.20.046.50.036.5

FUT0.046.50.045.30.046.50.045.10.0714.60.0713.2

IMPULSO


R E S P U E S T A

1

2

1

2

1

2

Coeft-studCoeft-studCoeft-studCoeft-studCoeft-studCoeft-stud

Horizonte

NACIONAL JALISCO SINALOA

MDO

ADO

FUT

Cuadro 8. Descomposición de la varianza de los precios alproductor de maíz blanco en los principales estados

productores de México, 1993-2006

MDO100.096.195.925.926.327.910.89.28.9

ADO 0.02.62.474.173.672.00.10.10.1

FUT0.01.31.70.00.00.089.190.791.0

MDO100.099.899.351.958.262.911.711.110.5

ADO 0.00.00.148.141.736.91.61.00.8

FUT0.00.20.60.00.10.286.887.888.8

MDO100.099.899.483.082.882.532.730.127.8

ADO 0.00.10.317.017.117.21.61.20.9

FUT0.00.10.30.00.10.365.768.771.3

IMPULSO


V A R I A B L E E X Ó G E N A

123123123

Horizonte

NACIONAL JALISCO SINALOA



La única ecuación con significancia estadística en donde se rechaza lahipótesis nula de exclusión total de todas las variables (no causalidad total) esla del precio de mercado a nivel nacional, cuya causalidad individual seríaatribuible al precio administrado más que la precio futuro (cuadro 9). El pre-cio futuro de los EEUU sólo tiene relación de causalidad sobre el precio de mer-cado a nivel nacional. Las relaciones de causalidad entre los precios al produc-tor se pueden apreciar gráficamente en la figura 3.

NACIONAL

MDO

ADO

FUT

JALISCO

MDO

ADO

FUT

SINALOA

MDO

ADO

FUT

Cuadro 9. Causalidad de Granger entre los precios al mayoreode maíz blanco en las principales centrales de

abasto de México, 1998:01-2005:52

MDO

ii

ADO

iZ

i

FUT

i

Zi

MDO

iii

ZiZi

ADO

iiZZ

i

i

FUT

iZiiiii

MDO

iZiiiii

iiii

ADO

iiiiiiii

i

i

FUT

iiiZiZii

i

i

VARIABLEENDÓGENA

* Significancia al nivel de 0.05 con un rezagoi No causalidad (exclusiónZ Causalidad (no exclusión)Fuente: Elaboración propia.

V A R I A B L E E X O G E N A

Zii

iii

iii

NACIONAL JALISCO SINALOAEXOGENEIDAD

TOTAL

Figura 3. Causalidad y liderazgo de los precios al productorde maíz blanco en México, 1993-2006




Conclusiones

El precio futuro del maíz amarillo US #2 de la Bolsa de Chicago de los EEUU nomantiene una relación de causalidad y liderazgo sobre los precios físicos almayoreo y al productor en México, por lo que la razón de cobertura interna-cional no es pertinente. Esto implica que el precio futuro no coincide con elprecio físico al momento de vencimiento del contrato futuro, por lo que losinstrumentos de cobertura basados en el precio futuro se tornan limitadospara cubrir el riesgo del precio físico.

El precio al productor administrado determina el comportamiento del pre-cio de mercado a nivel nacional; mientras que en Jalisco la relación causal esla inversa y en Sinaloa no se encuentra una relación causal.

Los resultados anteriores sugieren que la política de precios regionalesdiferenciados del gobierno de México, a través de ASERCA, es un elementoimportante que no permite una integración del sistema de mercados internoscon el mercado de los EEUU. El subsidio que ASERCA aplica a la comercializacióndel maíz blanco se traduce en la fijación de un precio semifijo que reduce elriesgo de cambios adversos. Esto desincentiva a los productores y comerciali-zadores a participar en el Subprograma de Coberturas de Precios, a pesar delsubsidio al costo de la prima, porque se consideran protegidos por el subsidioal precio.

Bibliografía

ASERCA (2006) "Programa de Apoyos Directos al Productor por Excedentesde Comercialización para Reconversión Productiva, Integración deCadenas Agroalimentarias y Atención a Factores Críticos". Informe alcuarto trimestre del ejercicio fiscal 2005. ASERCA, México, DF.

Asche, Frank, Ole Gjolberg and Teresa Volker (2001) Price Relationships inthe Petroleum Market: An Analysis of Crude Oil and Refined ProductPrices, Working paper, Department of Economics and Social Sciences,Agricultural University of Norway, Norway.

Dielbold, Francis (1999) Elementos de pronósticos, Internacional, México:Thomson Editores.

Farías Arizpe, J. Rodolfo (2004) "El Potencial de los Programas de ASERCAcomo Garantías Financieras en el Sector Agropecuario Mexicano",Revista Claridades Agropecuarias No. 128, abril de 2004, ASERCA,México, DF, p. 38.

Goodwin, Barry K. and Ted C. Schroeder (1991) "Cointegration Tests andSpatial Price Linkages in Regional Cattle Markets", American Journal ofAgricultural Economics, May 1991.

Kim, Minho, Andrew C. Szakmary and Thomas V. Schwarz (1998) TradingCosts and Process of Discovery Across Stock Index Futures and CashMarkets, Working paper, Chonju, Korea, Department of InternationalTrade/Chonbunk National University.

Manfredo, Mark R. and Dwight R. Sanders (2002) The Information Contentof Implied Volatility from Options on Agricultural Futures Contracts,Paper presented at the NCR-134 Conference on Applied CommodityPrice Analysis, Forecasting, and Market Risk Management, April 22-23,2002, St. Louis Missouri, US.

Peng, Xuehua and A. Mary Marchant (2003) Spatial Price Linkages betweenChinese Regional Markets, Department of Economics, University ofKentuky, Selected Paper prepared for presentation at the SouthernAgricultural Economics Association Annual Meeting, Mobile, Alabama,February 1-5, 2003.

Sistema Nacional de Información e Integración de Mercados, "Mercadosnacionales-mercados agrícolas-cultivos básicos", <http://www.econo-mia-sniim.gob.mx> (22 de marzo de 2006).

Verde Osorio, Adriana (2002) "Serie administración de riesgos, 4ª parte: lacobertura de precios en el contexto del mercado de futuros", RevistaClaridades Agropecuarias, No. 106, junio de 2002. ASERCA, México, DF,pp. 57-59.





Wang, H. Holly and Bingfan Ke (2002) Efficiency Tests of AgriculturalCommodity Futures Markets in China, Working Paper, Department ofAgricultural and Resource Economics, Washington State University.

Soy más que mis manos.Los diferentes mundosde la mujer en lamaquila.Gabriela García Figueroa*

Quintero, Cirila y Javier Dragustinovis (2006). Soymás que mis manos. Los diferentes mundos de lamujer en la maquila, México: Fundación FriedrichEbert Stiftung, Representación en México y SJOIM(Sindicato de Jornaleros y Obreros de la IndustriaMaquiladora de Matamoros), 199 pp.

* Profesora investigadora del Programa de Estudios Políticos y de GestiónPública de El Colegio de Sonora.E-mail: [email protected]

mpezaré reconociendo el aporte metodológico que brindanlas historias de vida para reconstruir las trayectorias laborales y cotidianas delas mujeres que participan en buena medida en la economía fronteriza enTamaulipas con su labor en las maquiladoras, al igual que en aquellos lugaresde México en donde se han localizado tales fuentes de empleo. Son estas his-torias las que permiten acceder a los rincones de la intimidad que muestranlos sentimientos, esperanzas, temores y aflicciones de esas mujeres que com-parten tantas cosas y que, de alguna forma, influyen en su manera de conce-bir y desarrollar el trabajo.

Considero que la ciencia social no se hace desde el exterior de quienesactúan o independientemente de ellos. Es necesario rescatar su propia pers-pectiva: su palabra y vida subjetiva individual. Las y los sujetos individuales ycolectivos son sociales y mueven este ámbito, así que lo que existe de socialinteresa a nuestra mirada. Si penetramos en sus escenarios, pensamientos,ilusiones, deseos y palabras, es para rescatarlos y, si es posible, para hacertransitar lo social hacia una condición más digna. Quien entra a un lugar de lacultura o de la intimidad no debe hacerlo para ultrajarlo, corromperlo, sino


E

para volverlo más humano, mínimamente para entenderlo en sus motivos ymotores como lo instaura la perspectiva weberiana.

Las historias que rescatan Cirila Quintero y Javier Dragustinovis, tratan dela vida de cuarenta mujeres; de aquéllas que han invertido buena parte de sutiempo y existencia en un proyecto económico regional vinculado directa-mente a la economía internacional como es la maquila. Son historias dequienes han dejado la juventud -algunas desde los quince años-, con esperan-za de mejorar la calidad de vida y sobre todo la salud. Mujeres que han renun-ciado a sus sueños de estudiar, de compartir los mejores momentos al lado dehijos y familia, al goce del tiempo libre, a vivir en condiciones diferentes.

Lo que el libro nos mustra es que las manos de las mujeres de la maquilaen Tamaulipas fabrican balastras, juguetes, motores, volantes de automóviles,overoles, batas de médicos, partes eléctricas, entre otros productos. Son lasmismas manos que limpian la casa, cambian pañales, bañan niños, atiendenmaridos, lavan ropa, preparan comida y a veces realizan otras labores paraobtener un ingreso extra.

Así se mueven las manos de las mujeres que han venido a formar parte delas cifras que hablan del incremento de la participación femenina en la fuerzade trabajo en México, que se aceleró dramáticamente durante los últimosveinte años del siglo pasado en todos los rangos de edad y distintos estadosciviles.

A ello se suma que la disminución en la tasa de fecundidad de las mujeresles permite dedicar más tiempo a sus labores extradomésticas, ya que ocupanmenos años y menos horas a la crianza de los hijos. Lo mismo sucede con elhecho de que la propensión al aumento de las rupturas conyugales ha conver-tido a muchas de ellas en jefas de familia y que desafortunadamente por lapersistencia en la segregación del empleo por sexo, o a la distribucióndesigual de los puestos de trabajo entre hombres y mujeres (hay tareas social-mente consideradas como propias de los hombres, mientras otras se suponenadecuadas para las mujeres), ubica a éstas últimas en los puestos de másbajos ingresos en la maquila.

Existe, además, entre las propias trabajadoras de la maquila, la idea gene-ralizada de que sus manos son para trabajos delicados, no como las toscas



manos masculinas que no sabrían desarrollar como ellas esa labor cotidianaen la fábrica.

No obstante, alguna de ellas señala que aprendió a pulir, actividad de hom-bre, labor de fuerza con los brazos, y que lo hizo tan bien que la ascendierona supervisora de pulido en el área de volantes para automóviles.

Como ya se sabe, este tipo de industria ha sido generadora de empleo paragran cantidad de mujeres, ello no es por casualidad, pues representan la manode obra más barata y fácilmente reemplazable. Sin embargo, es importanteseñalar que, pese al incremento de la participación femenina en la economía,esto no representa una mayor autonomía de las mujeres para tomar deci-siones, ni la equidad de género. De hecho, tampoco implica la conquista detiempo libre para las mujeres trabajadoras, ya que por las obligaciones fami-liares deben desempeñar una doble jornada laboral, dado que no existen lascondiciones que hagan compatible el trabajo doméstico con el extradomésti-co. Así, de acuerdo a cifras oficiales, en el 2003, 96.1% de las mujeres que par-ticipaban en el trabajo extradoméstico, efectuaban también actividad domésti-ca, y dedicaban en promedio 62.2% de sus horas semanales a ambas labores,de las cuales 24.8% corresponde al trabajo doméstico.

Pero ¿Qué significa ser mujer cuando se es madre y trabajadora en unamaquila? De acuerdo al apartado "El hogar", que nos presenta el libro, es éstala obligación que no perdona.

Quintero y Dragustinovis apuntan que el trabajo en la maquila no ha libe-rado a la mujer de sus labores domésticas: son ellas las que continúan cuidan-do a los hijos y encargándose del hogar; y si bien es cierto que hoy alcanzanmás participación en las decisiones de la casa, no es porque cuentan con unapareja comprensiva, sino porque ellas han asumido el papel de padre y madreen muchos hogares. Han tenido que equilibrar el papel de trabajadoras ymadres, y en este balance el tiempo resulta ser el reto principal a vencer.

La polivalencia requerida en la planta se repite en el hogar: "yo lavo, yohago la casa, yo cuido bebés". La infinidad de labores hogareñas, donde elcuidado de los hijos resulta central, lleva a que las mujeres vean como unasola jornada laboral las distintas actividades que realizan diariamente. Paraalgunas, la jornada inicia con el alistamiento para ir a trabajar, para otras conel regreso al hogar después de trabajar toda la noche; no para dormir, sino



para cumplir con sus actividades de enviar a los hijos a la escuela; es entoncescuando la noche se convierte en día y el día en noche.

El tiempo para descansar no existe, y el fin de semana es para ponerse alcorriente de los quehaceres rezagados durante la semana. A pesar del desa-rrollo de las actividades, las evidencias muestran una insatisfacción y una cul-pabilidad de las trabajadoras por no cumplir del todo con sus actividadesfamiliares y hogareñas; existen remordimientos por no ser la madre perfecta,la esposa ideal, ¿Pero, quién puede serlo cuando existen tantos roles porcumplir?

La realidad de las mujeres que laboran en la industria maquiladora es queno cuentan con el tiempo necesario para la recuperación de las energías gas-tadas durante la jornada asalariada; tal jornada cotidiana les implica levantarseentre las 4:30 y 5:00 de la mañana diariamente -algunas incluso los sábados-,preparar lonche, dejar listo el desayuno de los hijos, entre muchas actividadesmás, y correr a buscar transporte público que las lleve a la fábrica, pero que aesa hora va lleno y quizá no las levante para que puedan llegar a la maquila alas 6:30 de la mañana. Significa laborar bajo presión para cumplir con ciertosestándares de productividad que son generalmente más elevados de lohumanamente posible, además, realizar un trabajo repetitivo, siempre en lamisma posición y que requiere en mucha ocasiones de grandes dosis de con-centración para no accidentarse. Esto entraña posturas de trabajo incómodas,jornadas de más de ocho horas de pie, estrés y desgaste físico que a la larga,y a veces no tan a la larga, cobran factura.

Significa también, salir de prisa de la maquila para llegar a la casa a lavarropa, preparar la comida del día siguiente para los hijos, ayudarlos con la tarea-si es posible-, limpiar la casa y dormirse lo más temprano que se pueda -quela mayoría de las veces no se puede-, para empezar al día siguiente la mismarutina. Eso si no se tiene otro trabajo adicional, como el de algunas de ellasque todavía cosen ropa en casa para obtener otro ingreso.

Esto es lo que sucede si acaso se tiene la suerte de cubrir un turno laboralpor la mañana, porque si es el tercer turno las cosas son todavía más difíciles,ya que hay que batallar con un transporte público que las lleve a altas horasde la noche a la maquila, caminar a solas y con temor por calles obscurasdonde ya otras mujeres han vivido incidentes de agresiones sexuales, y llegar



a las empresas donde las casetas de vigilancia no están instaladas para prote-ger la seguridad y la integridad de las empleadas, sino para vigilar la seguri-dad de la producción.

A ello hay que sumar el problema de tener hijos pequeños que requierenmayor atención y necesitan guarderías para casi todo el día, mientras la madreestá en la maquila; guarderías que, por cierto, no abundan.

La mujer asume que el varón cuenta con un tiempo privado para sí mismoy ejerce dominio sobre su tiempo libre; en cambio, la mujer lo tiene hipotecado.

Ésta ha asociado siempre lo privado con lo doméstico, es decir, el espacioen su casa cuando no está cumpliendo con una jornada de trabajo, pero entanto realiza actividades en el hogar, como cuidar de los hijos, hacer lalimpieza, organizando.

Pero lo privado no es igual a lo doméstico, pues aquéllos o aquéllas quedisfrutan de algún tiempo privado es porque tienen resuelto de alguna formalo doméstico, ya sea delegándolo a otra persona o resolviendo ellos o ellasmismas la infraestructura doméstica.

Entonces, carecer de vida privada no es sólo un matiz, sino un aspecto queincide en un desigual reparto de oportunidades personales hay consecuenciasdiscriminatorias al efectuar la división entre lo público, lo privado y lo domés-tico, ya que al asumir cada espacio, sea una responsabilidad masculina ofemenina se está en contra de la igualdad de oportunidades.

En otras palabras, a la jornada pública de trabajo productivo, asalariado,bajo contrato, desempeñada en un espacio destinado para su ejecución, comola fábrica, se suma la jornada privada de trabajo reproductivo que realizan lasmujeres en el ámbito doméstico, como una obligación que la sociedad les haimpuesto en función de su sexo; una actividad que se constituye como social-mente no reconocida y por lo tanto no remunerada. Faenas ambas que repre-sentan la situación de opresión que vive la mujer en la cultura dominante.

En suma, hablar de la doble jornada laboral de las mujeres de la maquilaes muy distinto a vivirlo: significa tiempo, tiempo que corre muy aprisa yrebasa las capacidades de cualquiera para hacer todo lo que se supone quehay que hacer durante las 24 horas. Significa además, como ya se mencionó:culpa, culpa por no dedicarle suficiente tiempo a los hijos, por dejarlos solos,por no educarlos ellas mismas, por ponerlos en manos ajenas; por no ser una



buena madre y ama de casa, que se supone que es lo que todas las mujeresdebemos ser.

Una de ellas declara: "Las mujeres somos bien responsables, porque lasmujeres somos madres, esposas, y tenemos la obligación de lavar la ropa yhacerles la comida… llevarlos a la escuela, hacerle lonche al esposo. Todo eso.Y el hombre nomás se levanta y se va".

Los principales problemas que señalan las trabajadoras de la maquila son:el bajo sueldo que perciben por el esfuerzo realizado, las deficiencias deltransporte colectivo y la inseguridad pública cuando tienen que trasladarse denoche o durante las primeras horas del día a trabajar.

En lo que se refiere al espacio de la vida y las identidades laborales, los tes-timonios de que da cuenta el texto nos señalan que la formación de identi-dades maquiladora es posible, aun con la inestabilidad que caracteriza a estasempresas. Los autores plantean que ya existen familias donde las hijas estántrabajando en la maquila y se consideran familias de obreras.

A diferencia de la identidades laborales tradicionales, como las de losmineros o ferrocarrileros, el orgullo por el oficio no es tan evidente; es decir,se es obrera por necesidad, no por elección. Además, el ser mujer le concedeal espacio laboral otra perspectiva; ellas entrelazan cambios en su fábrica conetapas vitales, es decir, la introducción de tecnologías y la elaboración de pro-ductos se entremezclan con el nacimiento de los hijos, la celebración decumpleaños, matrimonios, fiestas y otros eventos. A partir del trabajo, la mujerno sólo se identifica como trabajadora de estas plantas, sino reconstruye suvida y sus proyectos.

Estas mujeres tienen ya una experiencia sindical, algunas son delegadasdel sindicato y están comprometidas con el mismo. Muchas de ellas hanrenunciado a sus estudios porque la necesidad las obligó a migrar y luego atrabajar. Lo que pasa, dice una de ellas, es que la gente se sale a buscar la vidadonde haya más vida.

Pero luego viene el problema de la edad, porque en las maquiladoras lasquieren de menos de 30, y a la gente de 40 la hacen a un lado, dice Rita. Noobstante, reconoce que las maquiladoras han progresado por el trabajo de lasmujeres.

"¿Y de casualidad" dice otra de ellas "no las quieren de 90-60-90?, porque



para trabajar no se necesita la edad sino que quieras trabajar, el empeño, lasganas que tengas".

"Las expectativas" es el último apartado del texto, y trata sobre los sueños,las insatisfacciones los retos y los sentimientos que albergan los corazones delas mujeres de la maquila. Aquí se percibe su aceptación al trabajo como unanecesidad, como una elección; el miedo a envejecer por temor a perder elempleo, los esfuerzos por completar el gasto dado el poco sueldo que reciben,así como la necesidad de ser reconocidas por la empresa gracias al esfuerzo;el deseo de ganar más, y la certeza de que a pesar de ser un empleo intensi-vo con bajos salarios, las maquiladoras siguen siendo la fuente principal detrabajo para estas mujeres; y seguirán allí hasta que las liquiden o hasta quelas maquiladoras se vayan.

Mientras tanto, las manos de las mujeres de la maquila continúan movién-dose en los distintos ámbitos de las labores cotidianas: la fábrica y la casa,para responder a los fuertes requerimientos que una sociedad basada en cri-terios paternalistas y masculinos les han marcado.

A estas mujeres la sociedad les exige ser trabajadoras excelentes, madresmodelo, sindicalistas participativas, ciudadanas responsables, etc. Ellas sonevaluadas en función del cumplimiento de tales tareas. De no cumplir con ellasson sancionadas en el trabajo, en su sindicato y, por supuesto, en la sociedaden la que se desenvuelven.

Si bien, como dicen los autores, muchas de estas características podríanser comunes a la gran mayoría de las trabajadoras mexicanas, la pertenenciaa un espacio fronterizo, donde mucha de ellas son migrantes, y el trabajo enempresas vinculadas directamente a la economía internacional les asigna ca-racterísticas muy propias a las respuestas que ellas dan a los requerimientossociales.

Sus testimonios también señalan otro aspecto central: la absorción de lamayor parte del tiempo de las trabajadoras de la maquila en el cumplimientode estas obligaciones sociales. El tiempo dedicado a las expectativas, a sussueños, a sus planes, es mínimo. Para ellas todo es obligación, cumplimiento,responsabilidad pero pocas veces los evaluadores de esos comportamientos,y la sociedad en general, les pregunta acerca de sus expectativas y sus sueños.

No obstante, han aprendido a compaginar sus mundos no sólo para



responder a exigencias sociales, sino para sentirse satisfechas y felices conellas mismas, aunque la sociedad y sus empresas no les reconozcan losesfuerzos.





Estudios SocialesREVISTA DE INVESTIGACIÓN CIENTÍFICA

C O N T R I B U C I O N E S

1. ExclusividadLos trabajos propuestos para su publicación en Estudios Sociales

deberán ser inéditos. Sólo se someterán a dictamen artículos que no hayanaparecido en medios impresos o en página electrónica y que no estén aconsideración de otra publicación.

2. Naturaleza de las colaboracionesA. Se aceptarán trabajos bajo las siguientes modalidades:

1) Artículos producto de investigaciones originales y de alto nivel. 2) Ensayos cuyo tema sea afín al perfil de la revista Estudios sociales.3) Reseñas de publicaciones recientes y notas críticas.

B.

3. Presentación de los trabajosA.

1)

2)

Las temáticas deberán de ser abordadas desde la perspectiva delas ciencias sociales. Los ámbitos de análisis podrán abarcar tantolas megatendencias como los estudios de caso.

Todos los trabajos enviados a la revista Estudios Sociales deberánser procesados en Microsoft Office Word para Windows, bajo lassiguientes especificaciones:

En la portada aparecerá el título (que deberá ser claro y conciso)y los datos generales del autor(a): nombre completo, resumencurricular, académico y profesional (no mayor de diez líneas),dirección postal y electrónica, teléfono, fax y lugar de adscrip-ción.Cuando se trate de un artículo se agregará un resumen, cuyaextensión no exceda las doscientas palabras, así como losdescriptores. El título, el resumen y las palabras clave, deberánpresentarse en español y en inglés.


B.

C.

D.

E.

Apellido y nombre del autorAño de edición (entre paréntesis)Título del artículo (entrecomillado)Título de la revista o del libro (en cursivas)Número y volumen de la revistaLugar de ediciónEditorialPáginas

Ejemplos:

F.

Los textos serán escritos con letra Times New Roman, estilo nor-mal, número 12, a espacio y medio, utilizando mayúsculas,minúsculas y acentos. Se evitará el uso de guiones al final delrenglón. Cada cuartilla contendrá entre 23 y 25 renglones desesenta golpes cada uno, aproximadamente.Las notas al pie de página deberán utilizarse sólo si son absoluta-mente necesarias y a un espacio.Para las referencias dentro del texto se usará la notación Harvard:apellido, año y número de página entre paréntesis. Ejemplo:(Escalante, 2004: 25).Las referencias bibliográficas se ordenarán alfabéticamente alfinal del documento, conteniendo todos los elementos de unaficha, en el siguiente orden:

Parker, C. (1998) Ética, democracia y desarrollo humano,Santiago de Chile, CERC-UAHC, LOM Editores, 390 pp.

Boisier, Sergio (2004) “Una (re)visión heterodoxa del desarrollo(territorial): un imperativo categórico”, Estudios Sociales, vol.12, núm. 23, pp. 9-36.

Reygadas, Luis (2002) “La cultura laboral: metáforas, conceptosy otras construcciones simbólicas”, en Gabriela García Figueroa,et al. (coor.) Sonora frente al siglo XXI, Serie Meridiana,Memorias, Hermosillo, Sonora, El Colegio de Sonora/Universidadde Sonora/Centro de Investigación en Alimentación y Desarrollo.

La primera vez que se emplee una sigla en el texto, en los cuadroso gráficas, deberá acompañarse de su equivalencia completa.


G.

H.

1)

2)3)

4. DictamenA.

B.

C.

D.

E.

5. Forma de envíoLa recepción de los trabajos se realizará a través de la siguiente dirección

electrónica:

Se admitirán trabajos en inglés, portugués y francés. Cuando seenvíe una traducción al español se deberá adjuntar el texto en elidioma original.Extensión de los trabajos:

Los trabajos recibidos serán sometidos a arbitraje a fin de evaluarla pertinencia, originalidad, técnicas metodológicas y nivel cientí-fico.El dictamen se realizará en estricto anonimato, por ello el nombredel autor(a) o los autores(as) u otra forma de identificación sólo seanotará en la portada. Los evaluadores serán seleccionados por elcomité editorial. Los resultados serán comunicados al autor(a) en un plazo nomayor de sesenta días después de la recepción del artículo.El dictamen del comité editorial será inapelable en todos loscasos. La dirección de la revista Estudios Sociales se reserva el derechode hacer los cambios editoriales que considere pertinentes.

[email protected]

En el caso de artículos será de veinte cuartillas mínimo ycuarenta máximo (incluyendo gráficas, mapas, figuras, diagra-mas, etcétera).Las notas críticas podrán fluctuar entre 15 y 25 páginas.Las reseñas tendrán un máximo de cinco cuartillas.

ORDEN DE SUSCRIPCIÓN

SUSCRIPCIÓN ANUAL (2 NÚMEROS)

México por un año ...............................................$200.00 pesos (18.00 Dls.)Estados Unidos y Canadá.............................................................$20.00 Dls.Resto del mundo..........................................................................$25.00 Dls.

Fecha de depósito bancario:______________________

Nombre / Name:________________________________________________________

Correo-e / E-mail:_______________________________________________________

Dirección/Address:______________________________________________________

Ciudad / City:___________________________________________________________

Estado / State:_______________________________País / Country:______________

Código Postal / Zip Code:________________________________________________

Teléfono / Phone:_____________________________ Fax:______________________

Requiere factura / Invoice required: Sí No

Forma de pagoNacional Extranjera

Depósito bancarioBanco BANAMEX en cuenta No. 5871977 sucursal 602 a nombre del Centro deInvestigación en Alimentación y Desarrollo, A. C. (CIAD, A. C.). Envíe copia de esta ordende suscripción y del depósito bancario por fax (662) 280 00 55 o al correo electrónico: [email protected]

Estudios Sociales

REVISTA DE INVESTIGACIÓN CIENTÍFICA

La revista Estudios Sociales número 29 se terminó de imprimir

en el mes de marzo de 2007, con un tiraje de 750 ejemplares,

en Imagen Digital del Noroeste, S. A. de C. V., Veracruz 19 A,

Hermosillo, Sonora, México.Teléfono y fax: 214-88-22

Diseño y formación LCC Aida Espinosa Curiel,

Departamento de Difusión, CIAD, A. C.Tel: 289-24-00 ext 213

Correo electrónico: [email protected]

Edición a cargo de M. C. Lauro PazCentro de Investigación en Alimentación y Desarrollo, A. C.

Tel: 289-24-00Correo electrónico: [email protected]

Portada “El incendio”(Técnica mixta 20 x 30 cm)

Mario Moreno ZazuetaMaestro de la Academia de Artes Plásticas

Universidad de Sonora

Date post:	22-Jul-2020
Category:	Documents
Upload:	others
View:	0 times
Download:	0 times

Estudios Sociales 29 - UT LANIClanic.utexas.edu/project/etext/ciad/29/29.pdfprofiles, a weighted...

Documents