CORRUPCIÓN Y CRECIMIENTO ECONÓMICO EN EL PERÚ …

22

CORRUPCIÓN Y CRECIMIENTO ECONÓMICO EN EL PERÚ Corruption and economic growth in Peru

[Recepción: Junio 2017/ Conformidad: Setiembre 2017]

Juan León Mendoza2

RESUMEN El artículo tiene como objetivo especificar a los determinantes del crecimiento económico departamental peruano, evaluando el rol de la corrupción en ella. El análisis abarca el período 2007-2015. Utilizando el método de los Mínimos Cuadrados Ordinarios, la regresión econométrica efectuada muestra que la corrupción no tiene significancia estadística sobre la tasa de crecimiento del producto bruto interno per cápita departamental. El capital humano, representado por el promedio de los años de estudio alcanzados por la población, es la principal variable explicativa de la tasa de crecimiento departamental. Por otro lado, existe un ligero proceso de convergencia, es decir, los departamentos que muestran las mayores tasas de crecimiento son aquellos que tienen los menores niveles del producto bruto interno per cápita inicial. Palabras clave: Crecimiento económico, corrupción, crecimiento departamental, capital humano. Clasificación JEL: F41, F43 ABSTRACT The aim of this article is to specify the determinants of Peruvian economic growth by departments assessing the potential role of corruption on it during the 2007-2015 period. Using the OLS method, the econometric regression shows that corruption has no statistical significance on the rate of growth of departmental GDP per capita. Human capital, represented by the average years of study reached by the population, is the main explanatory variable of the departmental growth rate. There appears to exist trend towards a convergence process, being that the departments which showed the highest growth rates are those that had the lowest levels of the initial gross domestic product per capita. Keywords: Economic growth, corruption, departmental growth, human capital.

2 Economista, Docente Principal de la Universidad Nacional Mayor de San Marcos y de la Universidad Nacional del Callao, Lima, Perú. E-mail: [email protected]

HORIZONTE ECONÓMICO Nº6

23

1. Introducción En el período 2007-2016 la tasa de crecimiento anual del producto bruto interno peruano (PBI) fue de 5.1%. A nivel de departamentos hubo grandes diferencias; el PBI de Apurímac creció a una tasa de 14.9%, en tanto que Cerro de Pasco lo hizo a una tasa negativa de -0.3% (INEI, 2017). Por otro lado, dentro de una perspectiva histórica, en el Perú, la corrupción es alta y con una ligera tendencia al incremento. Así, según Transparencia Internacional, el índice de percepción de corrupción pasó de 45 en el año 1998 a 35 en el 20163. La información señalada nos permite formular la siguiente pregunta ¿El nivel de corrupción que impera en el país ha afectado de alguna manera el proceso de crecimiento económico departamental peruano? La investigación trata de responder básicamente dicha interrogante. Por ello, el artículo tiene como objetivo, analizar la tasa de crecimiento del PBI departamental peruano evaluando el rol de la corrupción en dicho crecimiento. 2. Revisión de literatura Dada la presencia objetiva y mediática de los problemas de la corrupción, se observa cada vez más mayor interés por investigar la influencia de este fenómeno sobre el crecimiento económico. Así, en un estudio seminal, Mauro (1995), considerando la data de 68 países, encuentra que la corrupción afecta negativamente el proceso del crecimiento económico a través de la reducción de la inversión. En el mismo sentido, Ghalwash (2014) para Egipto, Shera et al (2014) para una muestra de 22 países en desarrollo, y Palacios (2014) para una muestra de 62 países, determinan que la corrupción opera como un obstáculo para el crecimiento económico. Según Niño y Martínez (2002), en una región como la Unión Europea, inclusive donde se tiene bajos niveles de corrupción, se observa la existencia de una relación inversa entre la percepción de la corrupción y el nivel del PBI de los países miembros.

Si bien la literatura empírica mayoritariamente señala que la corrupción afecta negativamente al proceso de crecimiento, sin embargo también existen posiciones que sostienen lo contrario. Así Leff (1964) argumenta que la corrupción influye positivamente sobre la economía porque es la “grasa” que lubrica los engranajes de un sector público rígido. Gómez y Gallón (2002), con información promedio correspondiente a 100 países, encuentra que la corrupción tiene efectos positivos sobre la tasa de crecimiento.

Méndez y Sepúlveda (2006) especifican que la corrupción de baja intensidad

puede ser favorable para el crecimiento económico, en tanto que el de alta intensidad puede ser perjudicial, de modo que hay un nivel de corrupción muy lejana a cero que maximiza el crecimiento económico. Rock y Bonnett (2004) encuentran que en los países pequeños y en desarrollo la corrupción ralentiza el crecimiento económico, sin embargo, en los países de la región Asia Oriental afecta de manera favorable. Por ello, esta relación

3 El índice de percepción se mide en una escala de 0 a 100. Cuando el índice se acerca a cero, se tiene un mayor nivel de percepción de corrupción.

REVISTA DE LA UNIDAD DE INVESTIGACIÓN DE LA FACULTAD DE CIENCIAS ECONÓMICAS

24

positiva entre la corrupción y el crecimiento observado en esta región, ha sido denominada como la paradoja asiática por la literatura correspondiente. En el mismo sentido, Vial y Hanoteau (2010), en un estudio a nivel microeconómico, encontraron que la corrupción tuvo efectos positivos y estadísticamente significativos sobre la productividad y el crecimiento de las empresas en Indonesia.

La corrupción también puede tener efectos favorables sobre el crecimiento económico mediante la inversión extranjera directa (IED). Así, Egger y Winner (2005), en un estudio efectuado para una muestra de 73 países desarrollados y menos desarrollados, encontraron una fuerte influencia positiva de la corrupción sobre la IED. Mo (2001) determina que el efecto negativo de la corrupción sobre el crecimiento no es directo, sino indirecta y que se produce fundamentalmente a través de la inestabilidad política. También señala que el efecto adverso se genera, aunque en menor grado, mediante su impacto negativo en el capital humano y la inversión privada. Por ello, concluye que aislando el aspecto de la inestabilidad política, el capital humano y la inversión privada, el efecto directo de la corrupción sobre el crecimiento es estadísticamente no significativa.

Entre las investigaciones a nivel de regiones o departamentos conformantes de un país, se puede citar las efectuadas por Del Monte y Papagni (2001) y Fiorino, Galli y Petrarca (2012) para Italia. Estos autores hallaron la existencia de una alta relación inversa entre el nivel de la corrupción y el crecimiento del PBI regional.

En el Perú, no existen trabajos econométricos sobre la relación entre la corrupción y crecimiento económico a nivel de departamentos. Sin embargo, Bigio y Ramírez-Rondan (2006), en un estudio efectuado para una muestra de 80 países, estimaron que en el caso de Perú, una reducción del índice de corrupción a 0.4 (nivel de los países desarrollados), implicaría un incremento de 0.8% en la tasa de crecimiento del PBI per cápita de largo plazo. En resumen, entre los trabajos de corte empírico no existe una sola versión sobre el sentido de la relación entre la corrupción y el crecimiento económico. Unos encuentran que el efecto es negativo, otros que es positivo o estadísticamente no significativo. Dada esta ambigüedad, existe la necesidad de formular un modelo teórico que trate de explicar dichos resultados.

3. El modelo Si bien la corrupción se asocia usualmente al accionar del sector gubernamental, en el modelo a formularse, se eleva el grado de abstracción teórica, de modo que se asume una economía sin gobierno y que los agentes económicos son sólo dos: familias y empresas. Retomando a Barro y Sala-i-Martín (2009), se formula un modelo de crecimiento económico de Solow con solución de mercado. En esta economía, la tecnología imperante es la del tipo Cobb Duglas. La Producción (𝑌), depende del factor capital (𝐾), mano de obra (𝐿) y de la externalidad directa de la corrupción (𝐸):

𝑌 = 𝐴𝐾`𝐿DC`𝐸CP [1]


25

Donde: 𝛽, representa la eficacia negativa de la corrupción sobre la producción. La corrupción afecta negativamente a la producción en la medida en que implica una distorsión o una pérdida de eficiencia en el proceso de asignación de los recursos. Se incluye la variable corrupción como una externalidad tomando como fundamento la función de producción con externalidad formulada por Romer (1989).

Se asume que la magnitud de la corrupción guarda una relación directa con el nivel de la inversión, es decir, a mayor valor de la inversión en bienes de capital, se tiene una mayor cantidad de recursos involucrados en la corrupción. Dado que el flujo de la inversión es igual al stock de capital, en la línea de Lucas (1988), se asume que el nivel de la corrupción (externalidad) es igual al stock de capital per cápita (𝑘): 𝐸 = 𝑘.

Efectuando el reemplazo correspondiente, la función de producción, en términos per cápita, queda expresada de la siguiente manera:

𝑦 = 𝐴𝑘`CP [2]

En el tiempo, el cambio en el stock de activos financieros o bonos por parte de las familias (𝐵)̇ es igual a la suma de su ingreso salarial (𝑤𝐿) y su ingreso por intereses (𝑟𝐵), deducido su gasto en consumo (𝐶).

�̇� = 𝑤𝐿 + 𝑟𝐵 − 𝐶 [3]

Donde: 𝑤 y 𝑟 representan el salario y la tasa de interés respectivamente. En términos per cápita, la ecuación de la acumulación de activos financieros toma

la siguiente expresión: �̇� = 𝑤 + 𝑟𝑏 − 𝑐 − 𝑛 [4]

Donde, 𝑛, es la tasa de crecimiento de la población. Se asume que las empresas maximizan beneficio (p) y que éstas son las que

usualmente incurren en las prácticas de la corrupción. El beneficio es igual al ingreso total (𝐼𝑇) menos el costo total (𝐶𝑇):

p = 𝐼𝑇 − 𝐶𝑇 [5]

El ingreso total que percibe la empresa es igual a la producción (𝑌), más el ingreso que le genera la actividad de la corrupción (𝑔𝐾), el mismo que es una tasa 𝑔del stock de capital4:

𝐼𝑇 = 𝑌 + 𝑔𝐾 [6]

4 Se asume que el precio es igual a uno.


26

Se asume que la corrupción le permite a la empresa obtener un ingreso adicional a lo que le genera su actividad productiva en ausencia de la corrupción. Dada la tasa de ingreso que genera la corrupción (𝑔), el monto de ingreso que produce este accionar delictivo será mayor en la medida en que también sea mayor la inversión o el stock de capital. En los mercados bajo regulación, las empresas sobornan a los funcionarios públicos a fin de que los precios o tarifas autorizadas para sus productos estén en niveles muy ventajosos o beneficiosos. En otros casos, condicionado por los sobornos, los funcionarios gubernamentales deciden adquirir bienes o servicios con sobreprecios, o que presupuestan montos de gasto mayores a lo que corresponde. Estas prácticas, tienden a generar ingresos adicionales a las empresas. La corrupción también le ocasiona gastos a la empresa, por ende, afecta su costo de operación. Por ello, el costo total de la actividad empresarial será igual al costo de producción más el costo de la corrupción (𝑝𝐾). El costo de producción es igual a la suma del costo salarial (𝑤𝐿) y el costo de capital (𝑢𝐾):

𝐶𝑇 = 𝑤𝐿 + 𝑢𝐾 + 𝑝𝐾 [7]

Donde, 𝑢 y 𝑝 representan el costo de uso unitario del capital físico y la tasa del

costo de la corrupción. La magnitud del valor del costo de la corrupción es una proporción 𝑝 del stock de capital físico.

Dada la tasa 𝑝 , a mayor inversión o stock de capital, también será mayor el gasto

en corrupción en que incurre la empresa5.

Dado que el costo unitario de uso del capital físico es igual a la suma de la tasa de interés y la tasa de depreciación (𝑟 + 𝑑), derivando la ecuación del beneficio respecto al capital y mano de obra se tiene:

𝑟 = 𝛼𝐴𝑘`CPCD − 𝑑 − 𝑝 + 𝑔 [8] 𝑤 = (1 − 𝛼)𝐴𝑘`CP [9]

En el escenario de una economía cerrada, se asume que todo el stock de activos

financieros (ahorro) per cápita equivale al stock de bienes de capital per cápita (𝑏 = 𝑘), de modo que reemplazando la ecuación de la tasa de interés y del salario en la ecuación de acumulación de activos financieros se tiene:

�̇� = 𝐴𝑘`CP − 𝑐 − (𝑑 + 𝑛 + 𝑝 − 𝑔)𝑘 [10]

Debido a que el consumo per cápita es igual a uno menos la tasa de ahorro (𝑠) multiplicado por el nivel del producto per cápita:

𝑐 = (1 − 𝑠)𝑦 = (1 − 𝑠)𝐴𝑘`CP [11]

5 Las empresas que practican la corrupción, gastan determinados montos en sobornos, el mismo que es equivalente a una tasa o porcentaje del valor de la inversión o gasto estipulado por las autoridades gubernamentales.


27

Efectuando el reemplazo correspondiente, se tiene la dinámica de la acumulación de capital per cápita:

�̇� = 𝑠𝐴𝑘`CP + (𝑔 − 𝑝)𝑘 − (𝑑 + 𝑛)𝑘 [12] Según la ecuación precedente, el capital per cápita aumentará en el tiempo en la

medida en que la inversión efectiva 𝑠𝐴𝑘`CP + (𝑔 − 𝑝)𝑘 sea mayor que la inversión necesaria (𝑛 + 𝑑)𝑘. Dividiendo la ecuación de acumulación del capital entre el capital per cápita, se deriva la ecuación de la tasa de crecimiento del capital per cápita o la tasa de crecimiento económico en general:

q̇q= rs

qtuvwx+ (𝑔 − 𝑝) − (𝑑 + 𝑛) [13]

Según el modelo formulado, la presencia de las actividades de corrupción afecta

negativamente a la tasa de crecimiento económico mediante los parámetros 𝛽 y 𝑝 y positivamente a través de 𝑔 . El resultado final va depender de cuál de ellos predomina.

Con la finalidad de simplificar el análisis, se puede asumir que la tasa de ingreso que genera la corrupción (𝑔) es mayor que la tasa de costo (𝑝), es decir, por cada unidad de capital físico, el ingreso que obtiene la empresa con la corrupción es mayor que el costo que le implica. La empresa incurre en actos de corrupción porque se supone que el beneficio que va obtener por ella es mayor que el costo, de modo que éste obtiene un beneficio neto positivo (𝑔>𝑝). Si el beneficio neto por corrupción fuera negativo, la empresa no optaría ejecutar dicho acto irregular.

Por el lado del beneficio neto positivo percibido por la empresa, la corrupción

afecta favorablemente al crecimiento económico. Este beneficio eleva el ahorro empresarial, por ende, el crecimiento económico mediante una mayor inversión autofinanciada. Por el lado de la externalidad negativa (𝛽), la corrupción, en la medida que genera pérdidas de eficiencia y distorsiones en la asignación de recursos, reduce la producción o ingreso, luego, ello repercute en una caída del ahorro, la inversión, la acumulación de capital y de la tasa de crecimiento económico. El resultado final de la presencia de la corrupción sobre el crecimiento económico va depender de que el efecto del beneficio neto que reporta dicha actividad a la empresa sea menor, igual o mayor que el efecto de la pérdida de eficiencia en la asignación de recursos. Si el efecto de 𝛽 fuera mayor que el de 𝑔 − 𝑝 , entonces, la corrupción afectará negativamente al crecimiento económico, caso contrario, el impacto será positivo. En resumen, el modelo formulado explica todos los escenarios hallados por los diferentes estudios sobre el sentido de la relación causal entre la corrupción y el crecimiento económico.

4. Metodología

Se regresiona el siguiente modelo econométrico:

𝑌 =𝛽y + 𝛽y𝑋 +𝛽y𝑍1+𝛽y𝑍2+𝛽y𝑍3 + 𝛽y𝑍4 + 𝑢 [14]


28

Donde:

• Y = Tasa de crecimiento anual del PBI per cápita del departamento j. • X = Índice de corrupción en el departamento j, aproximado mediante el grado de

percepción sobre el nivel de la corrupción. • Z1= Logaritmo del PBI per cápita, del período inicial, del departamento j. Se

incluye esta variable con la finalidad de determinar si existe o no el proceso de convergencia en el proceso de crecimiento entre los departamentos peruanos.

• Z2= Stock de capital humano del departamento j, aproximado por el promedio de años de estudio alcanzado por la población.

• Z3= Grado de apertura comercial del departamento j, calculado mediante la división de las exportaciones de bienes entre el PBI departamental correspondiente.

• Z4= Coeficiente de inversión en bienes de capital del departamento j, el mismo que se aproxima dividiendo el valor de la inversión del sector público (gobierno central, regional y local) entre el PBI departamental. Se utiliza la inversión del gobierno como variable proxi de la inversión privada.

• u = Error

La información trabajada comprende el período 2007-2015. Se regresionan series de corte transversal correspondiente a los 24 departamentos peruanos. Sin embargo, se cuenta con un total de 48 observaciones, debido a que se trabaja con la variable promedio anual del período 2007-2011 y 2012-2015. Esto implica a su vez, que para efectos de estimar la existencia o no de convergencia en el crecimiento entre los departamentos, se toma como el PBI per cápita inicial los correspondientes a los años 2007 y 2012.

La serie del índice de corrupción departamental se construye en base a la información brindada por la encuesta sobre percepción de corrupción ejecutada por PROÉTICA (2012, p. 40). Dicha encuesta contiene información sobre la percepción de corrupción departamental para los años 2006, 2008, 2010 y 2012. Se construyó el índice, para el período 2007-2011, promediando los índices de 2006, 2008 y 2010. En tanto que para el período 2012-2015 se tomó el índice de percepción del año 2012. Se efectúa la regresión mediante el método de los Mínimos Cuadrados Ordinarios y utilizando el paquete estadístico Eview versión 8. 5. Resultados Se efectúan tres regresiones. En el primero, se regresiona la tasa de crecimiento con el logaritmo del producto inicial para evaluar si existe o no convergencia absoluta en el proceso de crecimiento interdepartamental; en el segundo, se consideran todas las variables del modelo econométrico; en tanto que en el tercero, se excluyen la variable apertura comercial y la inversión por ser estadísticamente no significativas.


29

Tal como se puede observar en el cuadro 1, la regresión entre la tasa de crecimiento del PBI per cápita departamental (CRECIMIENTO) con el logaritmo del PBI inicial (LOGPBII) muestra la existencia de una ligera tendencia al proceso de convergencia absoluta. El valor del coeficiente de convergencia es de 0.016316 y tiene un signo negativo, además de que es estadísticamente significativo al 5% de error.

Según la regresión del modelo econométrico formulado (modelo 1), la tasa de

crecimiento del producto per cápita de los departamentos peruanos depende, en sentido positivo, del capital humano (CAPITALHUMANO), del grado de percepción de la corrupción (CORRUPCIÓN), de la tasa de inversión del sector público (INVERSIÓNPÚBLICA), del grado de apertura de los departamentos hacia el comercio exterior (APERTURACOM), y en sentido negativo, del logaritmo del producto bruto interno inicial (LOGPBII). (Véase cuadro 2).

Cuadro 1. Perú: Proceso de convergencia absoluta.

Elaboración propia.

Sin embargo, la variable de corrupción, la inversión y el grado de apertura resultan ser estadísticamente no significativas. Por ello, en una segunda regresión se excluyen las dos últimas variables, conservando la variable corrupción por ser el elemento que interesa analizar.

Cuadro 2. Determinantes del crecimiento económico: Modelo 1.



30

En el segundo modelo regresionado (Modelo 2), el capital humano y el logaritmo del PBI inicial continúan siendo estadísticamente significativos, más no así la corrupción (véase cuadro 3). Este modelo es mejor que el primero, en la medida en que su R al cuadrado ajustado (16.57) es mayor que la del primer modelo (12.62). Por ende el segundo modelo es el definitivo.

En el segundo modelo, el parámetro del logaritmo del PBI inicial no sólo es estadísticamente significativo, sino que es de signo negativo, lo cual indica que también hay una convergencia condicional en el proceso de crecimiento de los departamentos peruanos. El capital humano, aproximado por los años de estudio de la población, tiene un efecto positivo sobre el crecimiento económico departamental. Los departamentos que más crecen son aquellos que tienen una población con mayores años de estudio realizados.

Cuadro 3. Determinantes del crecimiento económico: Modelo 2.


Si bien el signo de la relación entre la corrupción y el crecimiento es en sentido positivo, y que a una mayor tasa de corrupción pareciera corresponder una mayor tasa de crecimiento, sin embargo, el parámetro estimado no es estadísticamente significativo; la cual indica que la corrupción no tiene efectos relevantes sobre el proceso de crecimiento departamental. Evaluando las pruebas de consistencia o solidez del segundo modelo regresionado, se encuentra que el estadístico Durbin-Watson es cercano a 2, lo cual indica ausencia del problema de auto correlación.

A continuación se verificará si el modelo regresionado cumple con los supuestos de los Mínimos Cuadrados Ordinarios. Se evalúa el supuesto de auto correlación,

Dependent Variable: CRECIMIENTO Method: Least Squares Date: 01/24/17 Time: 09:08 Sample: 1 48 Included observations: 48

Variable Coefficient Std. Error t-Statistic Prob. C 0.184373 0.073911 2.494533 0.0164 LOGPBII -0.039394 0.011740 -3.355632 0.0016

CAPITALHUMANO 0.019941 0.008293 2.404711 0.0205

CORRUPCION 0.024347 0.050494 0.482181 0.6321

R-squared 0.218976 Mean dependent var 0.029725

Adjusted R-squared 0.165724 S.D. dependent var 0.031613

S.E. of regression 0.028874 Akaike info criterion -4.172063

Sum squared resid 0.036684 Schwarz criterion -4.016130

Log likelihood 104.1295 Hannan-Quinn criter. -4.113136

F-statistic 4.112095 Durbin-Watson stat 2.088583

Prob(F-statistic) 0.011756


31

multicolinealidad y de heterocedasticidad. En el cuadro 4 se observa que el Test de Auto correlación de Breusch-Godfrey indica que no hay problemas de auto correlación. El estadístico F tiene una probabilidad de 0.8862, lo cual es mayor a 0.05.

Cuadro 4. Test de Auto correlación.

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.121116 Prob. F (2,42) 0.8862 Obs*R-squared 0.275250 Prob. Chi-Square (2) 0.8714 Test Equation: Dependent Variable: RESID Method: Least Squares Date: 01/24/17 Time: 11:55 Sample: 1 48 Included observations: 48 Presample missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic Prob.

C -0.006909 0.077870 -0.088731 0.9297

LOGPBII 0.001276 0.012278 0.103896 0.9177

CAPITALHUMANO -0.000647 0.008893 -0.072708 0.9424

CORRUPCION 0.001909 0.051886 0.036800 0.9708

RESID (-1) -0.072353 0.162143 -0.446228 0.6577

RESID (-2) 0.024512 0.170816 0.143502 0.8866

R-squared 0.005734 Mean dependent var -2.24E-17

Adjusted R-squared -0.112631 S.D. dependent var 0.027938

S.E. of regression 0.029469 Akaike info criterion -4.094481

Sum squared resid 0.036474 Schwarz criterion -3.860581

Log likelihood 104.2675 Hannan-Quinn criter. -4.006090

F-statistic 0.048447 Durbin-Watson stat 1.938926

Prob(F-statistic) 0.998479


El Test de Multicolinealidad expuesto en el cuadro 5 indica que tampoco existen problemas de multicolinealidad, es decir, las variables independientes no mantienen relaciones de causalidad entre ellas: El VIF centrado de todas las variables independientes son menores a 10.


32

Cuadro 5. Test de Multicolinealidad.

Variance Inflation Factors Date: 01/24/17 Time: 11:59 Sample: 1 48 Included observations: 48

Coefficient Uncentered Centered Variable Variance VIF VIF

C 0.005463 314.5074 NA LOGPBII 0.000138 667.4656 2.549867 CAPITALHUMANO 6.88E-05 356.9969 2.738038 CORRUPCION 0.002550 75.57191 1.120000


El Test de White indica que no existe el problema de heterocedasticidad. El estadístico F tiene una probabilidad de 0.7882, lo cual es mayor al 0.05, de modo que se acepta la hipótesis de que la varianza de los errores es constante y homocedástica, y que los estimadores son insesgados y eficientes (véase cuadro 6).

Cuadro 6. Test de Heterocedasticidad.

Heteroskedasticity Test: White

F-statistic 0.351577 Prob. F (3,44) 0.7882 Obs*R-squared 1.123681 Prob. Chi-Square (3) 0.7714 Scaled explained SS 1.127416 Prob. Chi-Square (3) 0.7705 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 01/24/17 Time: 11:57 Sample: 1 48 Included observations: 48

Variable Coefficient Std. Error t-Statistic Prob.

C -0.000285 0.001556 -0.183150 0.8555

LOGPBII^2 1.35E-05 2.62E-05 0.515801 0.6086

CAPITALHUMANO^2 -9.39E-06 1.82E-05 -0.516271 0.6082

CORRUPCION^2 0.001474 0.001535 0.960642 0.3420 R-squared 0.023410 Mean dependent var 0.000764 Adjusted R-squared -0.043176 S.D. dependent var 0.001194 S.E. of regression 0.001219 Akaike info criterion -10.50187 Sum squared resid 6.54E-05 Schwarz criterion -10.34594 Log likelihood 256.0449 Hannan-Quinn criter. -10.44294 F-statistic 0.351577 Durbin-Watson stat 2.051891 Prob(F-statistic) 0.788189



33

En resumen, el modelo estimado es muy consistente; cumple con los principales supuestos de los Mínimos Cuadrados Ordinarios. Es decir, hay ausencia de problemas de auto correlación, multicolinealidad y de heterocedasticidad. 6. Discusión de resultados En el período 2007-2015 el crecimiento económico fue muy desigual entre los diferentes departamentos peruanos. Existen departamentos con altas tasas de crecimiento, pero, también departamentos con un desempeño negativo. Los departamentos que mostraron las mayores tasas de crecimiento anual en el PBI per cápita fueron: Cuzco (8.8%), Ayacucho (6.5%), Amazonas (6.3%) e Ica (6.3%). En el extremo opuesto, entre los que mostraron un proceso de retroceso o crecimiento negativo están: Madre de Dios (-3.25), Pasco (-2.4%) y Ancash (-0.3%).

Se debe destacar que entre los primeros cuatro departamentos con las mayores tasas de crecimiento, tres están ubicados relativamente en la región de la sierra y/o selva. Pero, en el otro extremo opuesto, también figuran departamentos con crecimiento negativo que están ubicados en estas regiones.

Dado que, en promedio, los departamentos de la costa presentan los mayores niveles de ingreso o producto per cápita; el hecho de que en la sierra y selva se tengan algunos departamentos con la mayores tasas de crecimiento simultáneo a otros con un retroceso absoluto, estaría mostrando que existe convergencia en el crecimiento de unos y divergencia de otros; es decir, algunos departamentos de la sierra y selva están acortando la brecha existente en el nivel de producto per cápita con los departamentos de la costa, en tanto que otros se están alejando.

Por otro lado, llama la atención que entre los departamentos que tuvieron un crecimiento negativo destacan aquellos en el que existe una alta presencia del sector minero ya sea formal (Pasco y Ancash) o informal (Madre de Dios). Este retroceso en el crecimiento podría estar relacionado a la fuerte contracción que sufrió el sector y la exportación minera, en especial en el período 2013-2015, como consecuencia de la desaceleración económica en el frente internacional.

La regresión econométrica efectuada muestra que las variables estadísticamente significativas son: el logaritmo del producto bruto interno per cápita inicial y el capital humano. En tanto que el indicador de la corrupción (percepción de la corrupción), la inversión pública y el grado de apertura comercial no muestran significancia estadística.

El signo del parámetro estimado, correspondiente al logaritmo del PBI per cápita inicial, es negativo. Ello indica que existe un proceso de convergencia absoluta y condicional en el crecimiento económico departamental peruano. En otros términos, los departamentos con los menores niveles de ingreso per cápita están creciendo a tasas más


34

altas que aquellos con mayores niveles de ingreso. Sin embargo, la convergencia absoluta no es generalizada, es solo parcial; debido a que existen departamentos (por ejemplo, Madre de Dios y Pasco) que más bien estarían mostrando signos de divergencia negativa. En los dos modelos regresionados el parámetro correspondiente a la variable corrupción es de signo positivo. Este hecho pareciera señalar la existencia de una relación, en sentido directo, entre la corrupción y el crecimiento económico departamental, es decir, la corrupción estaría tendiendo afectar de manera positiva al crecimiento: los departamentos que más crecen, son aquellos donde hay una mayor percepción de corrupción. Sin embargo, el citado parámetro no es estadísticamente significativo, de modo que la variable corrupción no estaría condicionando de manera relevante al crecimiento económico de los departamentos peruanos. Este resultado coincide de alguna manera con lo hallado por Mo (2001).

El hecho de que en el presente estudio la relación entre la corrupción y el crecimiento económico departamental peruano sea positiva pero estadísticamente no significativa, no indica necesariamente que ello sea así de manera definitiva. El resultado hallado podría estar distorsionado por el hecho de que se utilizó, como indicador de la corrupción, una encuesta sobre la percepción que tiene la población sobre ella. Dicha percepción podría estar muy alejada de la verdadera cifra6.

El capital humano, aproximado por los años de estudio promedio de la población, es estadísticamente significativo y de signo positivo. Ello quiere decir que el nivel de la educación tiene efectos favorables y relevantes sobre crecimiento económico departamental. Los departamentos que más crecen son aquellos cuya población muestran los mayores niveles en los años de estudio. En el ámbito internacional, la importancia explicativa del capital humano en el crecimiento económico también fue encontrado en los trabajos empíricos efectuados por Hanushek (2013), Pelinescu (2015), Fleisher, Li y Zhao (2007), Boztosun, Aksoylu y Ulucak (2016), Mei-Ling (2014), Wang y Liu (2016), entre otros.

7. Conclusiones

a. Existe cierta convergencia absoluta en el proceso de crecimiento. Los departamentos con los menores niveles de producto per cápita crecen, ligeramente, a una mayor tasa que aquellos con mayores niveles de PBI per cápita.

b. También existe un proceso de convergencia condicional en el crecimiento económico: cada departamento converge a su nivel de largo plazo.

6 En una encuesta efectuada para una muestra de 38 países del mundo, el Perú se encuentra entre los países con el mayor grado de equivocación en la percepción. Así, después de Sudáfrica, Brasil y Filipinas, el Perú ocupa el cuarto lugar en la que población tiene una percepción muy distorsionada de la realidad (IPSOS, 2017).


35

c. La corrupción no tiene influencia estadísticamente significativa en el crecimiento económico departamental peruano.

d. El crecimiento departamental se debe fundamentalmente a la acumulación de capital humano. Los departamentos que más crecen son aquellos donde el número de años de estudio promedio de la población son las más altas.

8. Referencias bibliográficas

- ASOCIACIÓN DE EXPORTADORES- ADEX (2016). Boletín regional. www.adexperu.org.pe/images/Boletines/Regional.pdf

- BANCO CENTRAL DE RESERVA DEL PERÚ – BCRP (2016). Estadísticas. www.bcrp.gob.pe/estadisticas.html

- BARRO, R. Y SALA-I-MARTÍN, X. (2009). Crecimiento económico. Barcelona: Editorial Reverté, S. A.

- BIGIO, S. Y RAMÍREZ-RONDAN, N. (2006). Corrupción e indicadores de desarrollo: una revisión empírica. Working Paper Series, No. 2006-007. www.bcrp.gob.pe/docs/Publicaciones/Documentos-deTrabajo/2006/ Documento-Trabajo-07-2006.pdf

- BOZTOSUN, D.; AKSOYLU, S. Y ULUCAK, Z. (2016). The role of human capital in economic growth. Economics World, 4 (3): 101-110. www.davidpublisher.org/Public/uploads/ Contribute/5728113f6c88a.pdf

- DEL MONTE, A. Y PAPAGNI, E. (2001). Public Expenditure, corruption, and economic growth: the case of Italy. European Journal of Political Economy, 17(1): 1-16. www.researchgate.net/publication/223031094_Public_Expenditure_ Corruption_and_Economic_Growth_The_Case_of_Italy.

- EGGER, P. Y WINNER, H. (2005). Evidence on corruption as an incentive for foreign direct investment. European Journal of Political Economy, 21(4): 932-952.

- FIORINO, N., GALLI, E. Y PETRARCA, LL. (2012). Corruption and growth: evidence from the Italian regions. European Journal of Government and Economics, 1(2): 126-144. www. ejge.org/index.php/ejge/article/download/23/24

- FLEISHER, B.; LI, H. Y ZHAO, M. (2007). Human capital, economic growth, and regional inequality in China. IZA Discussion Paper No. 2703, 53p. www.ftp.iza.org/RePEc/Discussionpaper/ dp2703.pdf

- GHALWASH, T. (2014). Corruption and economic growth: Evidence from Egypt. Modern Economy, No. 5: 1001-1009. www.file.scirp.org/pdf/ME_2014090409331420.pdf

- GÓMEZ, K. Y GALLÓN, S. (2002). El impacto de la corrupción sobre el crecimiento económico colombiano 1990-1999. Lecturas de Economía, No. 57: 51-85. www.aprendeenlinea.udea.edu.co/revistas/index.php/lecturasdeeconomía/ article/view/3255/3014


36

- HANUSHEK, E. (2013). Economic growth in developing countries: The role of human capital. Economics of Education Review, No. 37: 204–212. www.hanushek.stanford.edu/sites/default/files/publications/Hanushek%202013%20EER%2037.pdf

- INSTITUTO NACIONAL DE ESTADÍSTICA E INFORMÁTICA (2017). Perú: Producto Bruto Interno por Departamentos, 2007-2016. www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib1439/libro.pdf

- IPSOS (2017). Perils of perception 2017. www.ipsos.com/sites/default/files/ ct/news/documents/2018-01/perils_of_perception_2017.pdf

- LEFF, N. (1964). Economic development through bureaucratic corruption. American Behavioral Scientist, 8(3): 8-14. www.journals.sagepub.com/doi/pdf/10.1177/000276426400800303

- LUCAS, R. (1988). On the mechanics of development planning. Journal of Monetary Economics, 22(1): 3-42.

- MAURO, P. (1995). Corruption and growth. The Quarterly Journal of Economics, 110(3): 681-712. www.homepage.ntu.edu.tw/~kslin/macro2009/Mauro%201995.pdf

- MEI-LING, S. (2014). Empirical analysis on the relationship between human capital investment and economic growth in rural areas: Based on the data of Henan. Journal of Chemical and Pharmaceutical Research, 6(3): 378-382. www.jocpr.com/articles/empirical-analysis-on-the-relationship-between-human-capital-investment-and-economic-growth-in-rural-areas-based-on-the.pdf

- MÉNDEZ, F. Y SEPÚLVEDA, F. (2006). Corruption, growth and political regimes: Cross country evidence. European Journal of Political Economy, 22: 82-98.

- MO, P. (2001). Corruption and economic growth. Journal of Comparative Economics, No. 29: 66–79. www.pdfs.semanticscholar.org/b2a4/6520ce986a45b35ef459f78ef75bc05655e8.pdf

- NIÑO, S. Y MARTÍNEZ M. (2002). Corrupción y crecimiento económico en la UE. Boletín Económico del ICE, No. 2751: 31-37. www.revistasice.com/CachePDF/BICE_2751_31-38__5B72B94ECB45B2325 3C139200DAE5C0A.pdf

- PALACIOS, J. (2014). Efectos de la corrupción sobre el crecimiento económico. Un análisis empírico internacional. Contexto, No. 2: 109-126. www.ojs.tdea.edu.co/index.php/encontexto/article/download/138/123

- PELINESCU, E. (2015). The impact of human capital on economic growth. Procedia Economics and Finance, No. 22: 184 – 190. www.sciencedirect.com/science/article/pii/S2212567115002580

- PROÉTICA (2012) VII Encuesta Nacional sobre Percepciones de la Corrupción en el Perú. Lima. www.scribd.com/document/317736944/Septima-Encuesta-Nacional-sobre-percepciones-de-la-corrupcion-2012


37

- ROCK, M. Y BONNETT, H. (2004). The comparative politics of corruption: Accounting for the east Asian paradox in empirical studies of corruption, growth and investment. World Development, 32(6): 999–1017. www.siteresources.worldbank.org/INTEASTASIAPACIFIC/Resources/2262621253782457445/6449316-1261623644460/comparative-politics-of-corruption.pdf

- ROMER, P. (1989). Increasing returns and new developments in the theory of growth. NBER Working Paper Series 3098: Cambrigde, 37p.

- SHERA, A.; DOSTI, B. Y GRABOVA, P. (2014). Corruption impact on economic Growth: an empirical analysis. Journal of Economic Development, Management, IT, Finance and Marketing, 6(2): 57-77. www.gsmi-ijgb.com/Documents/JEDMITFM%20V6%20N2%20P05%20Adela %20SHERA%20-Econo mic%20Growth.pdf

- VIAL, V. Y HANOTEAU, J. (2010). Corruption, manufacturing plant growth, and the asian paradox: Indonesian evidence. World Development, 38(5): 693-705.

- WANG, Y. Y LIU, S. (2016). Education, human capital and economic growth: Empirical research on 55 countries and regions (1960-2009). Theoretical Economics Letters, No. 6: 347-355. www.file.scirp.org/pdf/TEL_2016042911245920.pd

CORRUPCIÓN Y CRECIMIENTO ECONÓMICO EN EL PERÚ …

Documents

Transcript of CORRUPCIÓN Y CRECIMIENTO ECONÓMICO EN EL PERÚ …