Analizar los efectos de la inversión extranjera directa sobre la productividad laboral en el sector manufacturero en México durante el periodo 2007-2015.
Se estiman diferentes especificaciones econométricas empleando distintas medidas de productividad laboral por medio del método generalizado de momentos, el cual permite considerar posibles problemas de endogeneidad.
Se identifica un efecto positivo y estadísticamente significativo de la inversión extranjera directa como proporción del PIB manufacturero sobre la tasa de crecimiento de la productividad laboral estimada a partir del índice de productividad laboral de las manufacturas.
Las estimaciones no consideran la dimensión geográfica espacial entre entidades federativas.
Estudios previos en México no utilizan una medida de productividad basada en la producción total ni controlan por posibles sesgos generados por variables omitidas.
La evidencia sugiere que la inversión extranjera directa puede contribuir al desarrollo económico de las entidades federativas al generar aumentos en la productividad laboral.
To analyze the effects of Foreign Direct Investment (FDI) on labor productivity in the manufacturing sector in Mexico during the period 2007-2015.
Different econometric specifications are estimated by using different measures of labor productivity through the generalized method of moments, which allows to consider for possible endogeneity problems.
A positive and statistically significant effect of Foreign Direct Investment as a proportion of manufacturing GDP is identified on the growth rate of labor productivity calculated from the Manufacturing Labor Productivity Index.
The estimates do not consider the spatial geographic dimension between states.
Previous studies in Mexico do not use a labor productivity measure based on total production or control for possible biases generated by omitted variables.
The evidence suggests that FDI could contribute to economic development of states in Mexico by generating increases in labor productivity.
La productividad laboral, en el largo plazo, es uno de los factores más importantes que inciden en el nivel de vida de la población, ya que afecta el poder adquisitivo de los hogares a través de mayores salarios y/o menores precios (
El objetivo de este estudio es analizar el efecto de la inversión extranjera directa (IED) sobre la productividad laboral en el sector manufacturero mexicano durante el periodo 2007-2015 utilizando datos panel y empleando como unidad de análisis a las entidades federativas del país. En específico, se explota la heterogeneidad en la productividad laboral promedio de los estados del país en la industria manufacturera y de otras variables, para identificar el efecto de la IED sobre dicha productividad, considerando posibles problemas de endogeneidad y/o de variable omitida. Las estimaciones principales son realizadas a través del método generalizado de momentos empleando la técnica propuesta por
Las estimaciones econométricas principales se realizan utilizando la tasa de crecimiento del Índice de Productividad Laboral de las Manufacturas (IPLM) calculado y publicado por el Instituto Nacional de Estadística y Geografía (INEGI). Dicho índice es una medida construida a partir de la producción total, a diferencia de las medidas tradicionales que emplean el valor agregado. Adicionalmente, para dimensionar los niveles de productividad por entidad federativa se incluye un análisis descriptivo del producto medio por trabajador (PMT) estimado a través de la Encuesta Mensual de la Industria Manufacturera (EMIM), el cual también se construye a partir de la producción total. Asimismo, se presentan estimaciones utilizando el PMT y el PIB manufacturero por trabajador (PIBMT) a precios constantes de 2013 (que se basan en el concepto de valor agregado). Las estimaciones sugieren que, una vez que se controla por posibles problemas de endogeneidad y/o variable omitida, y por otros elementos que influyen en el crecimiento económico, la IED como proporción del PIB tiene un impacto positivo y estadísticamente significativo sobre la tasa de crecimiento del IPLM, dichos resultados se mantienen empleando diferentes especificaciones econométricas y métodos de estimación. Además, se obtienen resultados similares cuando se emplea el PMT como medida de productividad laboral. Por su parte, si esta se mide por medio del PIBMT, la significancia estadística de la IED es más sensible a la especificación econométrica y método de estimación utilizado, si bien se observa un coeficiente positivo en todas las estimaciones, y las especificaciones no significativas se encuentran, en su mayoría, no muy alejados de los límites estadísticos de significancia.
La mayor parte de los estudios sobre productividad y productividad laboral están basados en estimaciones que emplean medidas de valor agregado. Sin embargo, existe un creciente interés en estimar funciones de producción y analizar la productividad a través de la producción total (
Si bien se ha argumentado que la IED podría estimular la productividad laboral por medio de cadenas de producción mejor integradas a los procesos productivos globales, imitación de procesos productivos, creación de nuevos productos y procesos, así como captación en el empleo, la evidencia empírica no refleja un consenso a favor de dicho argumento. Así, el presente documento de investigación pretende contribuir al entendimiento de los efectos de la IED sobre la productividad laboral, y en específico sobre su tasa de crecimiento. Dicho tema es de gran importancia pues la productividad laboral influye directamente sobre el nivel de vida de la población. Asimismo, el estudio desde el punto de vista regional de los flujos de IED es relevante pues aporta información sobre la pertinencia de diseñar políticas públicas de atracción de IED en el nivel regional que ayuden a incrementar la productividad laboral y con ello el nivel de vida de sus habitantes. Cabe señalar que es escaza la literatura para México que utiliza el enfoque datos de panel por entidad federativa para analizar los efectos de la IED sobre la productividad laboral. Además, ninguno de ellos utiliza una medida de productividad basada en la producción total en lugar de valor agregado, ni controla por medio la posibilidad de causalidad inversa y/o sesgos generados por variables omitidas en el modelo (al menos en nuestro conocimiento).
El documento de investigación está organizado de la siguiente forma: la sección dos muestra una revisión de la literatura; la sección tres contiene un análisis de la evolución de la productividad laboral y de los niveles de esta por entidad federativa; la descripción de los datos y del modelo econométrico se presentan en las secciones cuatro y cinco. Finalmente, la sección seis contiene las conclusiones y consideraciones finales de la presente investigación.
Existen diversas teorías que relacionan los flujos de IED con la productividad laboral y el crecimiento económico. El modelo de variedad de productos de
En la literatura se pueden identificar diversas formas de analizar la productividad laboral: algunos estudios lo hacen empleando el producto medio por trabajador y su tasa de crecimiento (
La literatura empírica muestra evidencia mixta sobre los efectos de la IED sobre la productividad laboral. Entre los estudios que encuentran una relación positiva se encuentra el trabajo de
En referencia a estudios menos concluyentes sobre los efectos de la IED,
En el caso específico de la economía mexicana, algunos estudios sobre la IED analizan los determinantes de esta o su distribución espacial en el tiempo. Por ejemplo, Torres, Polanco y Tinoco (2016) analizan la distribución espacial y temporal de la IED en las entidades federativas de México mediante el uso de cadenas de Markov espaciales para el periodo 2006-2013. Sus resultados sugieren un proceso de divergencia en la atracción de IED entre entidades. Por su parte,
Otros estudios para la economía mexicana emplean un enfoque de series de tiempo y analizan la relación en el nivel nacional entre los flujos de IED y la productividad laboral, como
Cabe señalar que ninguno de los estudios mencionados para México emplea datos de panel por entidad federativa, ni utiliza una medida de productividad basada en la producción total en lugar de valor agregado, ni controla por la posibilidad de causalidad inversa y/o sesgos generados por variables omitidas en el modelo.
El presente artículo tiene un enfoque empírico y emplea datos de panel por entidad federativa para estudiar el impacto de la IED sobre la productividad laboral. Dicho enfoque es similar al de
En esta sección se presentan dos diferentes medidas de productividad. La primera corresponde al IPLM estimado y publicado por el
La segunda medida es el PMT que también tiene como base la EMIM, y que se calculó para fines de este documento para contar con información sobre las diferencias en los niveles de productividad entre entidades federativas. Dicha medida, explota los datos abiertos de la EMIM disponibles en el nivel entidad y sector de actividad económica en el portal del INEGI.
Resulta relevante reconocer que existen diferencias sustanciales entre la medida de productividad que se genera a partir de los índices y la que es construida a partir de la información en niveles, a pesar de que ambas provienen de la misma encuesta. Como se mencionó anteriormente, uno de los insumos utilizados en el cálculo de los IPLM, es el Índice de Volumen Físico de la Producción Total, el cual conlleva un algoritmo complejo que implica tratar las observaciones desde el nivel producto, estimar el precio de cada producto por medio del valor de la producción y el valor de ventas, así como obtener un índice de valor de la producción de los productos medidos en volumen y valor para las diversas clases de actividad. Es decir, el cálculo del índice de volumen físico de la producción, a diferencia de la medida de productividad estimada en niveles, toma en cuenta la diversidad de los productos dentro de cada clase de actividad industrial, así como el volumen de producción complementado con información de la Encuesta Industrial Anual, además de los ingresos por maquila, submaquila y remanufactura de materias primas y bienes semiprocesados propiedad de terceros, tanto nacionales como extranjeros.
Durante el periodo 2007-2015 la productividad laboral medida por el IPLM creció 6.3% en promedio en México (
La
Se puede observar que para las dos medidas utilizadas existe cierta variabilidad en la evolución de la productividad laboral en el nivel entidad federativa para el periodo 2007-2015, pero en general el cambio en la productividad entre ambas series se dio en el mismo sentido. Para la productividad laboral estimada con el IPLM la tasa compuesta media anual de crecimiento oscila en un rango entre -5.69 y 6.87%. Por un lado, existen entidades que registraron una disminución importante en sus niveles de productividad laboral, tales como Zacatecas (-5.69%), Guerrero (-3.17%), Colima (-2.42%) y Durango (-1.90%), mientras que por otro lado observamos estados como Michoacán (6.87%), Oaxaca (3.26%), Yucatán (2.98%), Puebla (2.92%) y Jalisco (2.92%), en los cuales se observó un incremento relativamente elevado en la productividad laboral.
Las tasas de crecimiento compuestas del PMT presentan un ordenamiento distinto de las entidades. De acuerdo con esta medida los estados que presentaron un menor crecimiento fueron Tabasco (-6.94% ), Chiapas (-4.70%), Zacatecas (-4.43%), Hidalgo (-2.15%) y Michoacán (-1.64%), mientras las entidades que más crecieron a tasa anual fueron Campeche (4.80%), Baja California Sur (4.65%), Morelos (3.93%), Yucatán (3.81%) y Chihuahua (3.51%).
Como hemos observado hasta ahora, el comportamiento de la productividad laboral de la industria de las manufacturas entre las entidades es sumamente heterogéneo; sin embargo, resulta de utilidad conocer cómo dicho comportamiento se compara con el mostrado en el nivel nacional. Para dicho fin se consideró relevante el análisis de la productividad laboral relativa de las manufacturas que presentan las distintas entidades, respecto del nivel nacional al inicio y al final del periodo de estudio. Para el PMT la productividad relativa se estima con el cociente del nivel que presenta cada entidad entre el respectivo valor nacional. Valores mayores a la unidad indican que la entidad analizada cuenta con una productividad superior al valor nacional, en contraste con posiciones inferiores a 1 que muestran un nivel menor al nacional.
La productividad laboral relativa se presenta en la
De acuerdo con el PMT, en el periodo comprendido entre el año 2007 y 2015, la distribución geográfica y los niveles de la productividad laboral relativa se mantuvieron prácticamente iguales, como es posible observar en los mapas correspondientes de la
Para finalizar esta sección, resulta relevante recordar que el uso del IPLM como medida de productividad ofrece bondades importantes cuando se está estudiando el cambio de la productividad a través del tiempo, ya que como se comentó al inicio de esta sección, la construcción de dicho índice se realiza de manera más fina respecto de una variable autoconstruida, pues toma en cuenta detalles relevantes de los precios de los productos que componen el índice y reconoce la diversidad de las clases de actividad industrial entre entidades. Por otro lado, la construcción de la PMT nos permite analizar y dimensionar los niveles de productividad, así como realizar comparaciones entre entidades en un mismo periodo temporal, con la salvedad de que realiza una contabilidad menos precisa de la productividad laboral en el tiempo toda vez que el ajuste de la variación en precios se realiza por medio del INPP sin petróleo.
Para identificar el efecto de la IED sobre la productividad laboral en la industria manufacturera de las entidades del país se emplea como punto de partida el modelo utilizado por
Donde el término Δ
La IED fue modelada como un determinante endógeno de la productividad debido a que la causalidad entre esta variable y la productividad podría darse en ambos sentidos. En efecto, un incremento en la productividad podría ser generado por la IED a través de cadenas de producción, imitación de procesos productivos, creación de nuevos productos y procesos, así como capacitación en el empleo (
El vector de variables de control contiene diversos factores que usualmente se emplean en la literatura y que influyen sobre el crecimiento económico. En específico, se utilizan controles de capital humano, cambios en el uso del factor trabajo, capital físico o infraestructura, grado de apertura comercial y de desarrollo financiero e inflación. El capital humano se mide a través del porcentaje de la población ocupada en las manufacturas con 13 o más años de escolaridad, y se introduce ya que dicho factor mejora las capacidades laborales del individuo. De acuerdo con la teoría del capital humano los niveles de escolaridad influyen directamente sobre la productividad y los salarios de los individuos (
La acumulación de capital físico ha sido identificada como una fuente de crecimiento económico en los modelos tradicionales de crecimiento económico (
Los cambios en el uso del factor trabajo son capturados por medio de la tasa de crecimiento del empleo, la cual fue estimada empleando datos de la EMIM. Esta variable ha sido utilizada en diversos documentos como factor de control (
Por su parte, el grado de desarrollo financiero es medido por la proporción de la cartera de crédito total como porcentaje del PIB. Acorde con
Notas: Todas las variables explicativas entran rezagadas en un periodo en especificación econométrica. Las fuentes y unidades de medida de las variables utilizadas para construir el Índice de Infraestructura se pueden consultar en la
Variable
Unidad de medida
Fuente
Índice de Productividad Laboral de las Manufacturas
Tasa de crecimiento
EMIM
PMHT
Tasa de crecimiento
EMIM
Escolaridad (población con 13 o más años)
Proporción (logaritmos)
ENOE
Inversión extranjera directa
Porcentaje del PIB manufacturero
INEGI
Empleo EMIM
Tasa de crecimiento
EMIM
Infraestructura (Indice de Componentes Principales)1/
Índice normalizado (logaritmos)
INEGI
Exportaciones
Proporción del PIB manufacturero (logaritmos)
INEGI
Credito total
Porcentaje del PIB (logaritmos)
Banco de México/INEGI
Inflación
Tasa de crecimiento del IPC
INEGI
Para estimar la
Los modelos se estiman asumiendo a la
Las condiciones adicionales de momento impuestas por el MGM-BB sobre la ecuación en niveles (
Cabe señalar que la calidad de los estimadores obtenidos a través de la técnica generalizada de momentos depende de dos factores (
En la
Nota: 1/ Proporción del PIB manufacturero, 2/ Índice normalizado, 3/ Proporción, 4/ Proporción del PIB de la entidad, 5/ Tasa de crecimiento.
2008
2015
2007-2015
Promedio
Desviación
Promedio
Desviación
Promedio
Desviación
Inversión extranjera directa
0.055
0.053
0.096
0.158
0.088
0.144
Infraestructura
0.264
0.155
0.307
0.159
0.281
0.160
Escolaridad
0.102
0.045
0.129
0.049
0.113
0.045
Exportaciones
0.968
0.940
1.132
0.964
1.049
1.017
Cartera de créditos
0.058
0.054
0.082
0.077
0.069
0.061
Inflación
0.050
0.006
0.026
0.005
0.040
0.010
Empleo EMIM
-0.015
0.062
0.017
0.134
0.007
0.078
Las estadísticas descriptivas agregadas de las variables recién analizadas muestran, en algunos casos, poca variación durante el periodo temporal estudiado. Sin embargo, es importante señalar que existe un alto grado de heterogeneidad una vez que se analizan los datos por entidad federativa (
Nota: 1/ Proporción del PIB manufacturero, 2/ Índice normalizado, 3/ Proporción, 4/ Proporción del PIB de la entidad, 5/ Tasa de crecimiento.
Inversión
Desviación
Infraestructura
Escolaridad
Exportaciones
Cartera de
Inflación
Empleo EMIM
Promedio
Desviación
Promedio
Desviación
Promedio
Desviación
Promedio
Desviación
Promedio
Desviación
Promedio
Desviación
Aguascalientes
0.090
0.038
0.341
0.018
0.144
0.016
1.918
0.090
0.054
0.008
0.035
0.007
0.033
0.052
Baja California
0.095
0.026
0.331
0.030
0.126
0.012
4.035
0.230
0.060
0.009
0.034
0.009
0.003
0.071
Baja California Sur
0.318
0.241
0.426
0.026
0.115
0.025
0.262
0.065
0.059
0.008
0.038
0.014
0.053
0.238
Campeche
0.124
0.125
0.121
0.025
0.065
0.014
1.080
0.087
0.009
0.005
0.043
0.010
-0.031
0.079
Coahuila
0.040
0.021
0.306
0.017
0.171
0.013
1.793
0.242
0.084
0.026
0.036
0.011
0.039
0.094
Colima
0.074
0.052
0.362
0.048
0.111
0.015
0.616
0.244
0.042
0.014
0.040
0.008
0.028
0.104
Chiapas
0.021
0.015
0.033
0.015
0.055
0.012
0.309
0.081
0.024
0.009
0.043
0.007
0.008
0.060
Chihuahua
0.129
0.029
0.317
0.010
0.131
0.022
4.140
0.571
0.070
0.018
0.035
0.010
0.015
0.099
Distrito Federal
0.109
0.069
0.908
0.068
0.226
0.021
0.224
0.015
0.335
0.074
0.042
0.007
-0.046
0.025
Durango
0.023
0.020
0.161
0.012
0.091
0.011
0.526
0.076
0.080
0.016
0.043
0.008
0.010
0.068
Guanajuato
0.067
0.053
0.294
0.029
0.077
0.008
1.039
0.242
0.067
0.007
0.041
0.007
0.038
0.046
Guerrero
0.169
0.345
0.122
0.029
0.037
0.006
0.012
0.006
0.021
0.005
0.040
0.009
-0.035
0.135
Hidalgo
0.028
0.035
0.249
0.018
0.084
0.016
0.399
0.065
0.031
0.006
0.045
0.011
0.010
0.041
Jalisco
0.064
0.035
0.393
0.025
0.142
0.018
1.179
0.148
0.082
0.010
0.040
0.006
0.001
0.031
México
0.070
0.038
0.376
0.036
0.121
0.013
0.741
0.226
0.070
0.004
0.041
0.005
-0.005
0.031
Michoacán
0.145
0.259
0.262
0.032
0.059
0.008
0.339
0.108
0.062
0.014
0.039
0.009
0.008
0.025
Morelos
0.089
0.055
0.317
0.028
0.126
0.015
1.277
0.251
0.043
0.010
0.035
0.008
0.009
0.062
Nayarit
0.112
0.279
0.228
0.032
0.100
0.010
0.195
0.057
0.064
0.019
0.042
0.010
0.017
0.055
Nuevo León
0.076
0.064
0.538
0.045
0.175
0.010
1.271
0.168
0.167
0.013
0.036
0.013
0.010
0.044
Oaxaca
0.077
0.163
0.024
0.016
0.054
0.013
0.403
0.126
0.019
0.007
0.040
0.009
-0.026
0.053
Puebla
0.051
0.041
0.205
0.013
0.107
0.027
1.111
0.091
0.056
0.009
0.042
0.011
-0.013
0.041
Querétaro
0.095
0.044
0.307
0.024
0.158
0.017
1.065
0.276
0.043
0.008
0.043
0.009
0.032
0.064
Quintana Roo
0.130
0.184
0.292
0.034
0.081
0.014
0.160
0.072
0.143
0.019
0.039
0.014
-0.037
0.057
San Luis Potosí
0.078
0.072
0.225
0.024
0.141
0.013
1.144
0.241
0.057
0.008
0.039
0.008
0.031
0.065
Sinaloa
0.027
0.027
0.291
0.029
0.142
0.008
0.224
0.098
0.129
0.016
0.039
0.014
0.000
0.064
Sonora
0.042
0.032
0.308
0.009
0.144
0.025
1.582
0.109
0.065
0.009
0.036
0.012
0.007
0.062
Tabasco
0.017
0.014
0.099
0.023
0.086
0.023
0.203
0.059
0.020
0.004
0.043
0.008
-0.013
0.017
Tamaulipas
0.072
0.029
0.325
0.013
0.177
0.017
2.758
0.296
0.061
0.016
0.035
0.014
0.010
0.077
Tlaxcala
0.044
0.029
0.263
0.026
0.090
0.011
0.664
0.103
0.024
0.010
0.043
0.011
0.008
0.074
Veracruz
0.058
0.037
0.223
0.023
0.135
0.021
0.473
0.033
0.047
0.013
0.044
0.011
0.000
0.025
Yucatán
0.044
0.068
0.190
0.024
0.070
0.009
0.706
0.040
0.060
0.004
0.041
0.011
-0.021
0.044
Zacatecas
0.246
0.403
0.151
0.010
0.091
0.016
1.701
0.432
0.050
0.036
0.038
0.009
0.088
0.107
La última columna de la
Notas: 1/ Se introduce en el modelo como tasa de crecimiento, 2/ La variable está en proporción del PIB manufacturero, 3/ En logaritmos naturales. ***, ** y * denotan significancia a 1%, 5% y 10%, respectivamente. Los números entre paréntesis corresponden a los errores estándar. Todas las variables explicativas se encuentran rezagadas un periodo.
(1)
(2)
(3)
(4)
(5)
(6)
(7)
Primer rezago ipml
0.037
0.038
0.026
0.014
0.063
0.040
0.034
(0.097)
(0.099)
(0.079)
(0.072)
(0.038)
(0.081)
(0.077)
Inversión extranjera directa
0.083
0.086
0.068
0.069
0.097
0.079
0.078
(0.050)
(0.045)
(0.031)
(0.042)
(0.052)
(0.047)
(0.046)
Empleo EMIM
-0.162
-0.180
-0.200
-0.187
-0.206
-0.183
-0.252
(0.092)
(0.088)
(0.090)
(0.090)
(0.108)
(0.085)
(0.113)
Infraestructura
-0.001
0.001
(0.020)
(0.048)
Escolaridad
0.008
0.027
(0.010)
(0.031)
Exportaciones
-0.004
0.003
(0.007)
(0.025)
Inflación
0.018
0.014
(0.015)
(0.012)
Cartera
-0.003
0.015
(0.008)
(0.032)
Control de endogeneidad
Sí
Sí
Sí
Sí
Sí
Sí
Sí
Sargan
30.141
30.313
28.697
28.112
28.282
28.693
23.463
Sargan [p-value]
0.815
0.808
0.862
0.880
0.875
0.863
0.969
Arellano-Bond (1)
-2.138
-2.347
2.155
-2.322
-2.319
-2.664
-2.438
Arellano-Bond (1) [p-value]
0.033
0.019
0.031
0.020
0.020
0.008
0.015
Arellano-Bond (2)
-0.276
-0.374
-0.280
-0.430
-0.276
-0.173
-0.357
Arellano-Bond (2) [p-value]
0.782
0.709
0.779
0.667
0.783
0.863
0.721
Observaciones
224
224
224
224
224
224
224
Número de entidades
32
32
32
32
32
32
32
Cabe señalar que todas las especificaciones econométricas satisfacen las pruebas de sobre identificación de Sargan, y de correlación serial de Arellano-Bond mostrando que se rechaza la ausencia de correlación serial de primer orden, pero no se puede rechazar la ausencia de correlación de segundo orden. Lo anterior sugiere la correcta especificación de los modelos estimados. Asimismo, vale la pena recordar que la ecuación bajo análisis no puede ser estimada mediante mínimos cuadrados ordinarios o métodos tradicionales de panel como efectos fijos pues generaría estimadores sesgados, toda vez que la ecuación a estimar contiene un rezago de la variable dependiente. Sin embargo, debe aclararse que los coeficientes de los modelos dinámicos de panel reflejan efectos de corto plazo más que estimaciones de largo plazo.
La evidencia sugiere que la IED como proporción del PIB manufacturero (rezagada un periodo) tiene un impacto positivo y estadísticamente significativo sobre la tasa de crecimiento anual de la productividad laboral manufacturera. Dicho resultado se mantiene en todas las especificaciones.
En referencia a las variables de control, la única que muestra un coeficiente estadísticamente significativo es la tasa de crecimiento del empleo y cuenta con el signo esperado (negativo). El resto de las variables no cuenta con significancia estadística, si bien todas de ellas cuentan con los signos esperados -excepto el de la inflación-. No obstante, debe recordarse que la especificación econométrica empleada permite controlar únicamente por la posible endogeneidad de la IED y que los coeficientes reflejan relaciones de corto plazo. Así, los coeficientes correspondientes al resto de las variables deben ser tomados con precaución, pues probablemente todos ellos muestran relaciones endógenas con el crecimiento económico del sector manufacturero.
Como ejercicio adicional se estimaron las mismas especificaciones econométricas presentadas en la
Notas: 1/ Se introduce en el modelo como tasa de crecimiento, 2/ La variable está en proporción del PIB manufacturero, 3/ En logaritmos naturales. ***, ** y * denotan significancia a 1%, 5% y 10%, respectivamente. Los números entre paréntesis corresponden a los errores estándar. Todas las variables explicativas se encuentran rezagadas un periodo.
(1)
(2)
(3)
(4)
(5)
(6)
(7)
Primer rezago IPML
0.002
0.006
0.007
0.005
0.012
-0.003
-0.007
(0.105)
(0.110)
(0.111)
(0.108)
(0.122)
(0.106)
(0.118)
Inversión extranjera directa
0.153
0.153
0.154
0.152
0.165
0.148
0.167
(0.063)
(0.070)
(0.064)
(0.069)
(0.055)
(0.060)
(0.072)
Empleo EMIM
-0.253
-0.216
-0.249
-0.267
-0.234
-0.244
-0.237
(0.092)
(0.105)
(0.092)
(0.095)
(0.086)
(0.101)
(0.108)
Infraestructura
-0.108
-0.105
(0.054)
(0.051)
Escolaridad
-0.019
-0.036
(0.060)
(0.069)
Exportaciones
-0.006
-0.014
(0.028)
(0.023)
Inflación
-0.051
-0.069
(0.048)
(0.045)
Cartera
0.008
0.035
(0.037)
(0.022)
Control de endogeneidad
Sí
Sí
Sí
Sí
Sí
Sí
Sí
Sargan
23.683
26.056
23.835
21.812
21.784
24.309
22.337
Sargan [p-value]
0.538
0.405
0.529
0.647
0.648
0.502
0.616
Arellano-Bond (1)
-1.900
-2.577
-1.884
-1.773
-1.838
-1.905
-1.700
Arellano-Bond (1) [p-value]
0.058
0.010
0.060
0.076
0.066
0.057
0.089
Arellano-Bond (2)
-0.304
-0.380
-0.294
-0.302
-0.317
-0.363
-0.656
Arellano-Bond (2) [p-value]
0.761
0.704
0.769
0.763
0.751
0.717
0.512
Observaciones
192
192
192
192
192
192
192
Número de entidades
32
32
32
32
32
32
32
Otro ejercicio adicional se presenta en la
Como ejercicio final, las
Notas: 1/ Se introduce en el modelo como tasa de crecimiento, 2/ La variable está en proporción del PIB manufacturero, 3/ En logaritmos naturales. ***, ** y * denotan significancia al 1, 5 y 10%, respectivamente. Los números entre paréntesis corresponden a los errores estándar. Todas las variables explicativas se encuentran rezagadas un periodo con excepción de Empleo ENOET.
(1)
(2)
(3)
(4)
(5)
(6)
(7)
Primer rezago IPML
-0.112
-0.106
-0.150
-0.105
-0.136
-0.098
-0.125
(0.075)
(0.087)
(0.078)
(0.055)
(0.072)
(0.076)
(0.068)
Inversión extranjera directa
0.068
0.036
0.040
0.057
0.036
0.054
0.047
(0.028)
(0.038)
(0.045)
(0.030)
(0.043)
(0.036)
(0.048)
Empleo enoet
-0.695
-0.726
-0.746
-0.689
-0.733
-0.725
-0.810
(0.096)
(0.088)
(0.081)
(0.097)
(0.086)
(0.079)
(0.075)
Empleo enoet-1
-0.038
-0.063
-0.109
-0.033
-0.115
-0.055
-0.100
(0.084)
(0.095)
(0.090)
(0.060)
(0.085)
(0.092)
(0.084)
Infraestructura
-0.021
-0.079
(0.008)
(0.052)
Escolaridad
0.016
0.052
(0.004)
(0.027)
Exportaciones
0.004
0.014
(0.010)
(0.018)
Inflación
-0.012
0.012
(0.003)
(0.024)
Cartera
-0.010
0.055
(0.003)
(0.032)
Control de endogeneidad
Sí
Sí
Sí
Sí
Sí
Sí
Sí
Sargan
28.943
28.913
30.398
28.907
30.153
27.690
22.329
Sargan [p-value]
0.622
0.624
0.548
0.624
0.560
0.685
0.898
Arellano-Bond (1)
-2.549
-2.345
-2.298
-2.795
-2.465
-2.553
-2.481
Arellano-Bond (1) [p-value]
0.011
0.019
0.022
0.005
0.014
0.011
0.013
Arellano-Bond (2)
0.293
0.196
-0.203
0.341
-0.194
0.396
-0.089
Arellano-Bond (2) [p-value]
0.769
0.845
0.840
0.733
0.846
0.692
0.929
Observaciones
224
224
224
224
224
224
224
Número de entidades
32
32
32
32
32
32
32
Notas: 1/ Se introduce en el modelo como tasa de crecimiento, 2/ La variable está en proporción del PIB manufacturero, 3/ En logaritmos naturales. ***, ** y * denotan significancia al 1, 5 y 10%, respectivamente. Los números entre paréntesis corresponden a los errores estándar. Todas las variables explicativas se encuentran rezagadas un periodo con excepción de Empleo ENOET.
(1)
(2)
(3)
(4)
(5)
(6)
(7)
Primer rezago IPML
-0.137
-0.127
-0.166
-0.129
-0.148
-0.152
-0.179
(0.077)
(0.078)
(0.068)
(0.080)
(0.092)
(0.082)
(0.080)
Inversión extranjera directa
0.115
0.121
0.119
0.140
0.110
0.093
0.122
(0.038)
(0.041)
(0.037)
(0.058)
(0.043)
(0.042)
(0.062)
Empleo enoet
-0.773
-0.770
-0.789
-0.785
-0.767
-0.789
-0.799
(0.080)
(0.084)
(0.085)
(0.079)
(0.080)
(0.069)
(0.078)
Empleo enoet-1
-0.071
-0.050
-0.081
-0.038
-0.089
-0.094
-0.077
(0.059)
(0.060)
(0.059)
(0.076)
(0.076)
(0.076)
(0.082)
Infraestructura
-0.080*
-0.133
(0.048)
(0.062)
Escolaridad
0.062
0.045
(0.036)
(0.043)
Exportaciones
-0.071
-0.068
(0.038)
(0.049)
Inflación
-0.015
-0.023
(0.027)
(0.030)
Cartera
0.041
0.057
(0.043)
(0.063)
Control de endogeneidad
Sí
Sí
Sí
Sí
Sí
Sí
Sí
Sargan
21.454
22.124
23.048
22.760
21.465
21.580
23.729
Sargan [p-value]
0.312
0.278
0.235
0.248
0.312
0.306
0.207
Arellano-Bond (1)
-2.637
-2.631
-2.539
-2.722
2.495
-2.306
-2.140
Arellano-Bond (1) [p-value]
0.008
0.009
0.011
0.007
0.013
0.021
0.032
Arellano-Bond (2)
0.261
0.342
0.032
0.354
0.012
-0.162
0.619
Arellano-Bond (2) [p-value]
0.794
0.732
0.974
0.723
0.990
0.872
0.536
Observaciones
192
192
192
192
192
192
192
Número de entidades
32
32
32
32
32
32
32
En términos generales, la
Por otro lado, es posible identificar que los resultados son uniformes y a favor de la significancia estadística cuando se emplea el MGM-AB como método de estimación, pues en todas las especificaciones de la
Dado que existen ciertas diferencias en los resultados (en la magnitud de los coeficientes y el grado de significancia estadística en algunas de las especificaciones) al emplear PIBMT y el IPLM es conveniente analizar las ventajas y desventajas que existen entre ellos. Como se mencionó, el IPLM al ser una medida basada en producto total, es más sensible a cambios en el uso de los insumos intermedios, por lo que existe la posibilidad de que este factor sea lo que esté generando el coeficiente positivo y significativo en dichas estimaciones. Sin embargo, el IPLM hace un mejor trabajo que el PIBMT para evitar que la variación en la productividad laboral sea el resultado de un incorrecto tratamiento de los precios y/o del índice empleado para deflactar. Estos elementos son importantes pues la evolución del PIBMT depende del índice de precios que se utiliza para deflactarlo, sobre todo si se considera que la tasa de crecimiento anual de los precios es superior a la tasa de crecimiento de la productividad laboral en el periodo analizado.
Otra de las ventajas de utilizar el IPLM y no el PIBMT es que el primero realiza una contabilidad más precisa del factor trabajo, mientras la medición de los trabajadores y las horas trabajadas en el IPLM corresponden exactamente a los mismos datos de producción (ambos generados por la EMIM), los del PIBMT son estimados a partir de la ENOE y no corresponden exactamente a las unidades de valor agregado reportadas. Además, de acuerdo con la Organisation for Economic Cooperation and Development (
Por lo tanto, los factores mencionados podrían estar influyendo en las diferencias observadas en la magnitud de los coeficientes y el grado de significancia estadística de la IED como proporción del PIB manufacturero sobre las dos medidas de productividad laboral empleadas. Así, considerando la discusión anterior, y los resultados presentados en las
Cabe señalar que las estimaciones aquí presentadas consideran posibles problemas de endogeneidad y/o variable omitida entre la productividad laboral y la IED. No obstante, este problema puede aún persistir en otras variables incluidas en el análisis por lo que los resultados deben tomarse con precaución. Además, las estimaciones en este documento no consideran la dimensión geográfica espacial entre entidades federativas que puede ser importante en variables como la infraestructura y la IED, por lo que su estudio es importante en futuras investigaciones relacionadas con el tema.
La productividad laboral es, en el largo plazo, el principal determinante del nivel de vida de un país, por el impacto que esta tiene sobre los salarios, los precios de los productos y los costos de las empresas. Asimismo, la productividad laboral está directamente relacionada con el crecimiento económico, el cual influye sobre los niveles de bienestar de los habitantes de un país o región. No existe un consenso en la literatura sobre los efectos de la IED en la productividad laboral, y la literatura relacionada con el tema es escasa en México.
El presente estudio utiliza la heterogeneidad en la productividad laboral manufacturera entre las entidades federativas del país con la finalidad de identificar el impacto de la IED sobre la productividad laboral manufacturera. Empleando el MGM, y controlando por diversas variables que influyen sobre la productividad, se muestra evidencia que indica que la IED es un determinante importante de la tasa de crecimiento de la productividad laboral manufacturera medida a través del IPLM, construido y publicado por INEGI a partir de una sola fuente (EMIM). Dichos resultados se mantienen empleando distintas especificaciones econométricas y métodos de estimación. Por su parte, cuando se mide la productividad laboral a través del PIB-MT, se observan coeficientes positivos y estadísticamente significativos en todas las especificaciones estimadas por medio del MGM-AB, mientras que cuando la estimación se realiza por medio del MGM-BB, el coeficiente no resulta estadísticamente significativo en algunas especificaciones; si bien se observa un coeficiente positivo en todas ellas, y las especificaciones no significativas se encuentran, en su mayoría, no muy alejadas de los límites estadísticos de significancia.
La evidencia presentada en este documento sugiere que se deben seguir estimulando políticas de apertura comercial que incentiven la entrada de IED en las distintas regiones del país, a fin de incrementar la productividad laboral en la industria manufacturera. Dichos incrementos en la productividad laboral son de la mayor relevancia pues influyen directamente sobre los salarios, el empleo y el nivel de vida de la población, y sobre la eficiencia productiva de las empresas y el crecimiento económico de las entidades federativas. Asimismo, es deseable impulsar una mayor diversificación de los mercados de origen de la IED dado que la mayoría de esta procede de Estados Unidos y no es conveniente depender de una sola fuente.
Respecto del marco jurídico y los acuerdos internacionales sobre inversiones, son fundamentales a fin de mantener e impulsar los flujos de inversión extranjera, ya que las empresas internacionales requieren de reglas claras y que estas no cambien constantemente para poder realizar inversiones de largo plazo y de tamaño considerable. De lo anterior se deriva que es primordial que los distintos niveles de gobierno en México conozcan el marco jurídico nacional e internacional en materia de inversión y fomenten un clima de certeza jurídica, pues ello les brindará mayores oportunidades para atraer inversiones a sus localidades.
El desarrollo de una marca de la región, el estímulo a la competencia, la reducción de trámites y costos de hacer negocios, así como la simplificación de trámites y de tiempos requeridos para abrir negocios, son otros de los elementos que podrían estimular la IED y la inversión nacional. Por lo tanto, se recomienda incentivar este tipo de políticas en las distintas regiones de México.
Adicionalmente, nuestro análisis indica la existencia de una gran heterogeneidad en la productividad laboral en las distintas entidades federativas. Así, con la finalidad de promover la convergencia en productividad, y por lo tanto de los niveles de vida, se vuelve fundamental estimular la IED en las regiones o estados más rezagados. No obstante, la atracción de IED también se ve influida no solo por las políticas gubernamentales sino por otras variables estructurales como los niveles de infraestructura, capital humano, seguridad y la capacidad innovadora.
En suma, la evidencia presentada en este documento sugiere que uno de los canales a través de los cuales la IED puede contribuir al desarrollo económico de las entidades federativas es el de aumentos en la productividad laboral, la cual a su vez influye sobre los salarios de los trabajadores y la eficiencia productiva de las empresas. Sin embargo, es necesario seguir estudiando los efectos de la IED sobre la productividad laboral y el crecimiento económico en México; en investigaciones futuras podrían considerarse efectos de complementariedad entre la IED y la educación (Borenztein et al., 1998), o la IED y el desarrollo financiero (
Para medir el nivel de infraestructura por entidad en este trabajo se utilizó un índice construido por medio del Análisis de Componentes Principales. El objetivo de este procedimiento es describir la variación de un conjunto de datos por medio de la transformación de estos en un nuevo conjunto de datos con mayor parsimonia. Para lograr esto, se construye un grupo de variables no correlacionadas, donde cada una de estas es una combinación lineal de los datos originales. Es decir, el análisis de componentes principales realiza una transformación de las variables
Se deriva a la variable
Para este trabajo se construyó una base de datos con información promedio de nueve variables que representan distintos tipos de infraestructura para el periodo sobre el que se realizaron las estimaciones.
Nota: 1/ Variables estandarizadas con la superficie del país, 2/ Variables estandarizadas con la población.
Variable
Descripción
Fuente
Longitud de carreteras
Kilómetros de carreteras pavimentadas
INEGI
Longitud de vías ferreas
Kilómetros de vías ferreas
INEGI
Gasolineras
Gasolineras establecidas promedio
INEGI
Parque vehícular
Número total de vehículos en circulación
INEGI
Densidad telefónica
Número de suscripciones telefónicas por cada 100 habitantes
INEGI
Electricidad
Consumo de energía eléctrica (Gigawatts-hora)
CFE
Cajeros
Número total de cajeros
INEGI
Cuartos totales
Cuartos totales para hospedaje
INEGI
Bibliotecas
Bibliotecas en operación
INEGI
En la
Fuente: Elaboración propia con base en INEGI y CFE.
Componentes
Valores propios
Proporción
Componente 1
3.14
0.35
0.35
Componente 2
1.94
0.22
0.56
Componente 3
1.04
0.12
0.68
Componente 4
0.98
0.11
0.79
Componente 5
0.70
0.08
0.87
Componente 6
0.52
0.06
0.93
Componente 7
0.32
0.04
0.96
Componente 8
0.23
0.03
0.99
Componente 9
0.12
0.01
1.00
Con los seis componentes seleccionados se formó el índice de infraestructura a través de una combinación lineal de estos, empleando como ponderador la proporción de la varianza normalizada que explica cada uno de ellos respecto de la varianza total. Finalmente, dado que este índice contenía valores positivos y negativos se aplicó un proceso de normalización para que tomara rangos entre 0 y 1.
La
Nota: Las variables se presentan sin estandarizar.
2007
2015
Promedio
Desviación estándar
Promedio
Desviación estándar
Longitud de carreteras
11 252.3
7 030.1
12 196.9
7 612.8
Longitud de vías ferreas
833.7
659.1
835.3
659.0
Gasolineras
248.1
162.7
350.3
225.9
Parque vehícular
835 849.9
735 551.0
1 256 427.0
1 305 011.0
Densidad telefónica
16.8
7.0
13.8
7.0
Electricidad
5 639.7
4 259.9
6 631.3
4 873.9
Cajeros
866.6
980.3
1 386.6
1 371.8
Cuartos totales
19 951.3
15 783.0
20 584.7
18 136.5
Bibliotecas
225.3
176.0
231.7
174.7
Notas: 1/ Se introduce en el modelo como tasa de crecimiento, 2/ La variable está en proporción del PIB manufacturero, 3/ En logaritmos naturales. ***, ** y * denotan significancia a 1%, 5% y 10%, respectivamente. Los números entre paréntesis corresponden a los errores estándar. Todas las variables explicativas se encuentran rezagadas un periodo.
(1)
(2)
Primer rezago IPML
-0.071
-0.112
(0.069)
(0.092)
Inversión extranjera directa
0.010
0.129
(0.078)
(0.076)
Empleo EMIM
-0.031
0.015
(0.104)
(0.176)
Infraestructura
0.064
0.046
(0.046)
(0.076)
Escolaridad
-0.067
-0.224
(0.072)
(0.069)
Exportaciones
-0.028
-0.079
(0.039)
(0.088)
Inflación
0.041
0.117*
(0.052)
(0.066)
Cartera
0.035
0.027
(0.038)
(0.038)
Control de endogeneidad
Sí
Sí
Sargan
19.927
26.464
Sargan [p-value]
0.993
0.383
Arellano-Bond (1)
-2.530
-1.688
Arellano-Bond (1) [p-value]
0.011
0.091
Arellano-Bond (2)
-0.640
-0.967
Arellano-Bond (2) [p-value]
0.522
0.333
Observaciones
224
192
Número de entidades
32
32
En la sección de resultados se amplía la discusión sobre las diferencias entre el IPLM y el PIBMT.
Este es el máximo nivel de desagregación que se ofrece en el portal público del INEGI. Sin embargo, se debe considerar que en una función de producción técnicamente la mínima unidad de medida son los productos, los cuales posteriormente se agregan para conformar una clase de actividad, subrama, rama, subsector y sector.
Para más detalles de este cálculo véase
No es posible estimar la productividad laboral relativa para los IPLM, ya que esta medida se expresa en índices, y no es comprable entre series.
El coeficiente de correlación entre el ranking de PMT en 2007 y en 2015 es de 0.95, lo que confirma que, si bien se ha registrado una especie de efecto
Dado que muchas de las variables empleadas en el análisis están disponibles con frecuencia anual se decidió calcular el promedio por año de dicha variable.
Para conocer detalles de la construcción del índice véase
Otros estudios que buscan medir el impacto sobre la productividad laboral total utilizan la tasa de crecimiento poblacional. Véase por ejemplo
El menor nivel geográfico de los índices de precios de genéricos en el Índice Nacional de Precios al Consumidor (INPC), así como de ponderadores geográficos, son ciudades. Entonces, dado el índice de precios de las ciudades al interior de cierta entidad y los ponderadores de las mismas ciudades, el índice de precios de la entidad se obtiene como el promedio ponderado de los índices de precios de las ciudades. En estados donde solamente se levanta la información en una ciudad como el área metropolitana de Monterrey o Aguascalientes, la inflación de la entidad corresponde a ese dato pues es la única ciudad que compone a la entidad. El índice de precios de una entidad con más de una ciudad, por ejemplo, Michoacán, se obtiene como el promedio ponderado de los precios de las ciudades que le componen. En el ejemplo de Jacona y de Morelia, la suma de ponderadores regionales de las dos ciudades señaladas corresponden al ponderador de Michoacán.
El método de
Se aplica la corrección propuesta por
Se presenta 2008 en lugar de 2007, ya que algunas variables están medidas en tasa de crecimiento.
Para realizar las estimaciones se restringió el número de regazos a 3, tanto en la variable dependiente como en las variables explicativas, ya que un número muy elevado de instrumentos cuando el número de observaciones en el tiempo es limitado puede generar que las estimaciones de GMM sean sesgadas e ineficientes (
Los resultados son similares si se reestima el modelo empleando como variable dependiente la productividad por hora de trabajo. Los resultados están disponibles bajo petición en caso de que así se requieran.
Estos resultados van en línea con los de
Se replicaron las estimaciones de la
Se decidió emplear la variable contemporánea y la rezagada de la tasa de crecimiento del empleo, dado que al incluir solo la última (como en las especificaciones anteriores) el signo de dicha variable era contraintuitivo y generaba resultados poco estables al cambiar de especificación. Dado que la variable dependiente y la medición de la tasa de crecimiento del empleo son distintas, se pueden emplear diferentes especificaciones a las mostradas en las
De acuerdo con la
La IED en una entidad federativa puede verse influenciada por la IED de los estados vecinos. Por ejemplo, es más probable que se abra una planta de autopartes en una entidad vecina en donde existe una armadora automotriz, o que las inversiones se realicen en áreas geográficas con mejor infraestructura en sus alrededores.