FACULTAD DE CIENCIAS DE LA EMPRESA

Escuela Académico Profesional de Economía

Tesis

Efecto de la infraestructura pública en el crecimiento

económico de la macro región Centro del Perú,
2007-2022

Sharon Denisee Ccencho Cayllahua

Fran Apumayta Sarmiento

Para optar el Título Profesional de

Economista

Huancayo, 2024
Esta obra está bajo una Licencia "Creative Commons Atribución 4.0 Internacional" .
 INFORME DE CONFORMIDAD DE ORIGINALIDAD DE TRABAJO DE
INVESTIGACIÓN

A : Decano de la Facultad de Ciencias de la Empresa

DE : Joel Jovani Turco Quinto
Asesor de trabajo de investigación
ASUNTO : Remito resultado de evaluación de originalidad de trabajo de investigación
FECHA : 30 de Julio de 2024

Con sumo agrado me dirijo a vuestro despacho para informar que, en mi condición de asesor
del trabajo de investigación:

Título:
“EFECTO DE LA INFRAESTRUCTURA PÚBLICA EN EL CRECIMIENTO ECONÓMICO DE LA
MACROREGIÓN CENTRO DEL PERÚ, 2007-2022”

Autores:
1. Fran Apumayta Sarmiento – EAP. Economía
2. Sharon Denisee Ccencho Cayllahua – EAP. Economía

Se procedió con la carga del documento a la plataforma “Turnitin” y se realizó la verificación

completa de las coincidencias resaltadas por el software dando por resultado 17 % de similitud
sin encontrarse hallazgos relacionados a plagio. Se utilizaron los siguientes filtros:

• Filtro de exclusión de bibliografía SI x NO

• Filtro de exclusión de grupos de palabras menores SI x NO

Nº de palabras excluidas:10

• Exclusión de fuente por trabajo anterior del mismo estudiante SI x NO

En consecuencia, se determina que el trabajo de investigación constituye un documento

original al presentar similitud de otros autores (citas) por debajo del porcentaje establecido por
la Universidad Continental.

Recae toda responsabilidad del contenido del trabajo de investigación sobre el autor y asesor,
en concordancia a los principios expresados en el Reglamento del Registro Nacional de
Trabajos conducentes a Grados y Títulos – RENATI y en la normativa de la Universidad
Continental.

Atentamente,
 Asesor:
Mg. Joel Jovani Turco Quinto
 v

Dedicatoria

A nuestras familias, que siempre estuvieron ahí para impulsarnos con

mucho amor y comprensión, siendo nuestra mayor motivación para la obtención de

este logro.
 vi

Agradecimientos

Queremos expresar nuestros sinceros agradecimientos a todas las personas

que han contribuido en el éxito de esta tesis. En primer lugar al Mg. Joel Jovani

Turco Quinto, por su dedicación y paciencia en cada proceso que implicó la

presentación de esta investigación; su experiencia y orientación han sido cruciales

para nuestra comprensión del tema de estudio y su desarrollo. También, queremos

agradecer a nuestras familias por su apoyo incondicional, comprensión y los ánimos

que nos brindaron para ser persistentes ante el desafío y culminar con éxito el

proceso.
 vii

Índice de contenido

Dedicatoria..........................................................................................................................v

Agradecimientos ............................................................................................................... vi

Resumen .......................................................................................................................... xiv

Abstract........................................................................................................................... xvi

Introducción .....................................................................................................................18

Capítulo I ..........................................................................................................................20

Planteamiento del Estudio...............................................................................................20

1.1. Delimitación de la investigación ........................................................................ 20

1.1.1. Territorial ........................................................................................................ 20
1.1.2. Temporal ......................................................................................................... 20
1.1.3. Conceptual ...................................................................................................... 20
1.2. Planteamiento del problema ............................................................................... 21
1.3. Formulación del problema ................................................................................. 29
1.3.1. Problema general ............................................................................................ 29
1.3.2. Problemas específicos..................................................................................... 29
1.4. Objetivos de la investigación ............................................................................. 30
1.4.1. Objetivo general ............................................................................................. 30
1.4.2. Objetivos específicos ...................................................................................... 30
1.5. Justificación de la investigación ......................................................................... 30
1.5.1. Justificación teórica ........................................................................................ 30
1.5.2. Justificación práctica ...................................................................................... 31
Capítulo II.........................................................................................................................33

Marco Teórico ..................................................................................................................33

 viii

2.1. Antecedentes de la investigación ....................................................................... 33

2.1.1. Artículos científicos ........................................................................................ 33
2.1.2. Tesis internacionales....................................................................................... 38
2.1.3. Tesis nacionales .............................................................................................. 40
2.2. Bases Teóricas .................................................................................................... 42
2.3. Definición de términos básicos .......................................................................... 51
Capítulo III .......................................................................................................................55

Hipótesis y Variables .......................................................................................................55

3.1. Hipótesis ............................................................................................................. 55

3.1.1. Hipótesis general ............................................................................................ 55
3.1.2. Hipótesis específicas....................................................................................... 55
3.2. Identificación de las variables ............................................................................ 55
3.3. Operacionalización de las variables ................................................................... 55
Capítulo IV .......................................................................................................................57

Metodología ......................................................................................................................57

3.4. Enfoque de la investigación ............................................................................... 57

3.5. Tipo de investigación ......................................................................................... 57
3.6. Nivel de investigación ........................................................................................ 57
3.7. Métodos de investigación ................................................................................... 58
3.7.1. Método universal ............................................................................................ 58
3.8. Diseño de investigación ..................................................................................... 59
3.9. Población y Muestra ........................................................................................... 60
3.9.1. Población ........................................................................................................ 60
3.9.2. Muestra ........................................................................................................... 60
a) Unidad de análisis .................................................................................................. 60
b) Tamaño de muestra ................................................................................................ 60
c) Selección de la muestra. ......................................................................................... 61
3.10. Técnicas e instrumentos de recolección ......................................................... 61
3.11. Técnicas estadísticas de análisis de datos ....................................................... 61
 ix

3.11.1. Modelo de Data Panel..................................................................................... 61

Capítulo V .........................................................................................................................69

Resultados .........................................................................................................................69

5.1. Descripción del trabajo de campo ...................................................................... 69

5.2. Presentación de los resultados ............................................................................ 70
5.3. Discusión de resultados ...................................................................................... 80
Conclusiones .....................................................................................................................83

Recomendaciones .............................................................................................................84

Referencias........................................................................................................................85
 x

Índice de tablas

Tabla 1. ..............................................................................................................................
Índice de competitividad regional en infraestructura en la Macroregión Centro . .......27
Tabla 2. ..............................................................................................................................
Operacionalización de variables .................................................................................555
Tabla 3. ..............................................................................................................................
Estadísticos descriptivos de las variables dependiente e independientes ......................71
Tabla 4. ..............................................................................................................................
Matriz de correlación de las variables de crecimiento e infraestructura ......................72
Tabla 5. ..............................................................................................................................
Resultados de la estimación del modelo general ...........................................................75
Tabla 6. ..............................................................................................................................
Resultados de prueba de Hausman ................................................................................76
Tabla 7. ..............................................................................................................................
Resultados de prueba de heterocedasticidad .................................................................77
Tabla 8. ..............................................................................................................................
Resultado de las estimaciones de los modelos A-I y A-II ...............................................79
Tabla 9. ..............................................................................................................................
Resultados del test de raíz unitaria de los residuos .......................................................80
Tabla 10. ............................................................................................................................
Matriz de consistencia ....................................................................................................92
Tabla 11. ............................................................................................................................
Ficha de recolección de datos ........................................................................................93
Tabla 12. ............................................................................................................................
Resultados de la estimación del modelo general con efectos fijos ..............................101
Tabla 13. ............................................................................................................................
Resultados de la estimación del modelo general con efectos aleatorios .....................102
Tabla 14. ............................................................................................................................
Resultados de prueba de heterocedasticidad ...............................................................103
Tabla 15. ............................................................................................................................
Resultados de la regresión A-I .....................................................................................104
 xi

Tabla 16. ............................................................................................................................

Resultados de la regresión A-II ....................................................................................105
Tabla 17. ............................................................................................................................
Resultados de la prueba de Dickey-Fuller Aumentada para los residuos de la regresión
A-I .................................................................................................................................106
Tabla 18. ............................................................................................................................
Resultados de la prueba de Dickey-Fuller Aumentada para los residuos de la regresión
A-II ...............................................................................................................................107
 xii

Índice de gráficos

Figura 1. ............................................................................................................................
Perú: Producto bruto interno y crecimiento económico, 1993-2022 ............................20
Figura 2. ............................................................................................................................
Perú: Brecha según tipo de infraestructura en millones de US$, 2016-2025 ...............22
Figura 3. ............................................................................................................................
Macroregión Centro: Tasa de crecimiento de Ayacucho, Huancavelica, Huánuco,
Junín y Pasco, 2008-2022 ..............................................................................................24
Figura 4. ............................................................................................................................
Relación entre la variable endógena y las variables exógenas. ....................................73
Figura 5. ............................................................................................................................
Evolución del PBI per cápita de la Macroregión Centro, 2007-2022 ...........................94
Figura 6. ............................................................................................................................
Evolución de la densidad vial de la Macroregión Centro, 2007-2022 ..........................96
Figura 7. ............................................................................................................................
Evolución del indicador de telecomunicaciones de la Macroregión Centro, 2007-2022
........................................................................................................................................96
Figura 8. ............................................................................................................................
Evolución del indicador de electricidad de la Macroregión Centro, 2007-2022 ..........97
Figura 9. ............................................................................................................................
Evolución de la superficie agraria de la Macroregión Centro, 2007-2022 ..................98
Figura 10. ..........................................................................................................................
Evolución del indicador de la PEA de la Macroregión Centro, 2007-2022..................99
 xiii

Índice de Apéndices

Apendice A .....................................................................................................................921

Apéndice B......................................................................................................................932

Apéndice C.......................................................................................................................954

Apéndice D ........................................................................................................................95

Apéndice E ........................................................................................................................96

Apéndice F .........................................................................................................................97

Apéndice G ........................................................................................................................98

Apéndice H ........................................................................................................................99

Apéndice I ......................................................................................................................1010

Apéndice J ......................................................................................................................1021

Apéndice K ....................................................................................................................1032

Apéndice L .....................................................................................................................1043

Apéndice M ....................................................................................................................1054

Apéndice N ....................................................................................................................1065

Apéndice O ....................................................................................................................1076
 xiv

Resumen

La presente investigación tiene como objetivo principal determinar el efecto

de la infraestructura física en el crecimiento económico para la Macroregión Centro

del Perú entre los años 2007 y 2022. Para ello se utiliza la metodología

econométrica de data panel con efectos fijos para poder extraer, ordenar y estimar

el modelo planteado, mediante información secundaria recopilada de las distintas

instituciones públicas. Como variables explicativas del crecimiento económico se

consideraron a la infraestructura eléctrica, telecomunicaciones, vial; además de las

variables de control como la población económicamente activa y la superficie

agraria. Para una mayor eficiencia, estas variables se separaron en dos grupos como

solución de la multicolinealidad, los resultados revelan que todas las variables de

infraestructura son significativas al explicar el crecimiento económico, con la

excepción de electricidad, y tienen un efecto positivo en su mayoría. En primer

lugar, el modelo A-I explica el 46.45% de la variación en la variable endógena

(Crecimiento), donde se observa que por cada kilómetro de vía asfaltada adicional

dentro de 100 km², se registra un aumento del 1% en el crecimiento económico

anual de la Macroregión Centro; además, cada 100 hectáreas adicionales de

superficie agrícola están asociadas con un incremento del 0.34% en el crecimiento,

y cada 1000 personas adicionales consideradas dentro de la Población

Económicamente Activa (PEA) se relacionan con un aumento del 0.17% en el

crecimiento. Por otro lado, el modelo A-II muestra que por cada kilómetro de vía

asfaltada adicional dentro de 100 km², se registra un aumento del 3.9% en el

crecimiento económico de la región, asimismo, cada 100 hectáreas adicionales de

 xv

superficie agrícola se asocian con un incremento del 0.21% en el crecimiento,

mientras que cada 10,000 líneas fijas y móviles adicionales en la región se

relacionan con un aumento del 0.22% en el crecimiento económico. Estos

resultados proporcionan valiosa información para la formulación de políticas

dirigidas al desarrollo económico sostenible en la Macroregión Centro del Perú, así

como la actualización de datos específicos para las regiones que corresponden al

estudio, sirviendo de guía para posteriores investigaciones.

Palabras clave: infraestructura física, crecimiento económico, data panel.

 xvi

Abstract

The main objective of this research is to determine the effect of physical

infrastructure on economic growth for the Central Macroregion of Peru between

the years 2007 and 2022. For this, the econometric methodology of data panel with

fixed effects is used to extract, order and estimate the proposed model, using

secondary information collected from different public institutions. As

explanatory variables of economic growth, electrical, telecommunications, and

road infrastructure will be considered; in addition to control variables such as the

economically active population and agricultural area. For greater efficiency, these

variables are separated into two groups as a solution to multicollinearity, the results

reveal that all infrastructure variables are significant in explaining economic

growth, with the exception of electricity, and have a mostly positive effect. Firstly,

model A-I explains 46.45% of the variation in the endogenous variable (Growth),

where it is observed that for each kilometer of additional paved road within 100

km², an increase of 1% in annual economic growth is recorded. of the Central

Macroregion; Furthermore, every additional 100 hectares of agricultural land are

associated with a 0.34% increase in growth, and every additional 1,000 people

considered within the Economically Active Population (EAP) are associated with

a 0.17% increase in growth. On the other hand, model A-II shows that for each

additional kilometer of paved road within 100 km², there is a 3.9% increase in the

economic growth of the region, likewise, each additional 100 hectares of

agricultural land is associated with a 0.21% increase in growth, while every 10,000

additional fixed and mobile lines in the region are associated with a 0.22% increase
 xvii

in economic growth. These results provide valuable information for the formulation

of policies aimed at sustainable economic development in the Central Macroregion

of Peru, as well as the updating of specific data for the regions that correspond to

the study, serving as a guide for subsequent research.

Keywords: physical infrastructure, economic growth, data panel.

 18

Introducción

A lo largo del tiempo las investigaciones se centraron en analizar la

inversión pública en infraestructura y su efecto en el crecimiento económico;

sin embargo, estos estudios se enfocan en medir la eficiencia y eficacia de cómo

se gastan los fondos públicos a corto plazo. Por otro lado, en su minoría, se

encuentran estudios de la infraestructura física tales como Canning & Pedroni

(1999), Vásquez y Bendezú (2008), Urrunaga & Aparicio (2012), y Cerda

(2012), Asher & Novosad (2018), estos evalúan directamente la efectividad de

las inversiones a largo plazo y la repercusión en el crecimiento y desarrollo

económico.

El estudio de la infraestructura física y su efecto en la economía ha sido

una preocupación de diversas disciplinas durante mucho tiempo.

Históricamente, la construcción de infraestructuras como sistemas de

transportes, canales, entre otros, ha sido fundamental para facilitar el comercio

y la movilidad de bienes y personas. No obstante, a partir del siglo XX, se ha

observado un aumento en el interés académico focalizado en la conexión entre

la infraestructura y la economía. En la actualidad, es de reconocimiento que para

el desarrollo económico óptimo y sostenible de una sociedad, es fundamental

contar con infraestructura apropiada.

Este estudio presenta cinco capítulos. En el primero planteamos la

problemática que queremos resolver y la necesidad de estudio de este tema,

estableciendo las interrogantes y objetivos de la investigación; así también,

justificando nuestra decisión de elección del tema a estudiar.

 19

El segundo capítulo es una reseña de los estudios previamente realizados

que contengan información relevante que aporte a nuestro tema, además

contiene los términos básicos que guiarán el mejor entendimiento de lo

plasmado.

En el tercer capítulo identificamos la hipótesis general y las hipótesis

específicas, que fueron consolidadas dentro de la operacionalización de

variables de la investigación.

El cuarto capítulo detalla la metodología utilizada en la tesis, que se basó

en datos de panel. Se describe el tipo, método, nivel, diseño, población y

muestra, utilizando bases de datos recopiladas de fuentes gubernamentales

confiables.

Finalmente, en el quinto capítulo, se explican los procedimientos

seguidos para obtener los resultados, detallando los pasos y acciones llevadas a

cabo en el proceso, se analizan estos últimos, para luego comparar con una serie

de estudios previos en la discusión de resultados.

 20

Capítulo I: Planteamiento del Estudio

1.1. Delimitación de la investigación

La delimitación de la investigación se presenta de la siguiente manera:

1.1.1. Territorial

Esta tesis se efectuará con datos de la Macroregión Centro, que

incorpora los departamentos de Ayacucho, Huancavelica, Huánuco, Junín y

Pasco.

1.1.2. Temporal

Esta tesis se extenderá desde el año 2007 hasta el 2022, ya que se

dispone de datos de este intervalo temporal que posibilitan una estimación

precisa y fidedigna.

1.1.3. Conceptual

La presente investigación toma al crecimiento económico como variable

dependiente. De acuerdo con la información proporcionada por la Organización

de las Naciones Unidas (ONU) en el año 2023, se destaca que el crecimiento

económico tiene el potencial de impulsar el progreso, impulsar el pleno empleo

y mejorar la calidad de vida. Asimismo, Rozas & Sánchez (2004) mencionan

que el abastecimiento de infraestructura adecuada en un país conlleva a tasas de

crecimiento que contribuyen en el desarrollo y especialización productiva,

también genera integración del sistema económico y territorial, constituyendo

un elemento articulador entre los mercados.

 21

1.1.4. Planteamiento del problema

Hablar acerca de Perú y el crecimiento de su economía, hablar de la

productividad de los agregados económicos a nivel nacional, en este caso el

Producto Bruto Interno (PBI), puesto que sirve de indicador en las decisiones

gubernamentales y como partida del desarrollo económico de un país. En cuanto

al entorno nacional, antes de presentarse la COVID-19, Perú registró periodos

importantes de crecimiento que le permitió disminuir brechas económicas e

incrementar su espacio fiscal. En los últimos 27 años, desde 1993 hasta 2019,

la economía del Perú ha mostrado un crecimiento anual promedio del 4.8%.

Durante la última década en los años 2010 al 2019 se experimentó un

crecimiento de 4.5% interanual; asimismo entre los años 2015 al 2019 se amplió

a un promedio de 3.2% anual. (Instituto Nacional de Economía e

Informática[INEI], 2022).

600000 13.50 15.00

500000 10.00

400000 5.00
5.24
2.68
300000 0.00
-0.39
200000 -5.00

100000 -10.00
-11.10
0 -15.00

PBI (Millones de soles) Tasas anuales…

Figura 1. Perú: Producto bruto interno y crecimiento económico, 1993-2022

Nota. El gráfico muestra los flujos del PBI y las tasas de crecimiento a nivel
nacional durante 30 años.
Tal como se muestra en la Figura 1, el crecimiento del PBI del país para

el 2020, tuvo una caída importante de 11.1% que posteriormente fue

 22

contrarrestada en gran parte por el sector pesca y en especial por el sector

construcción, en su mayoría por el avance físico de infraestructura estatal,

obteniendo así un crecimiento de 13.5% en 2021 y manteniendo una tasa de

crecimiento positiva de 2.7% para el 2022. (Ministerio de Economía y Finanzas

[MEF], 2023).

Por otro lado, la Asociación para el Fomento de la Infraestructura

Nacional [AFIN] (2015), considera que las necesidades verdaderas de

infraestructura de un país están estrechamente relacionadas con la diferencia

entre su infraestructura actual y la cantidad necesaria para satisfacer esas

necesidades. Tal como nos muestra en la Figura 2, en el Perú se estima un total

de US$ 159 millones en la brecha correspondiente a infraestructura. Para cerrar

esta brecha entre 2016 y 2025, sería necesario realizar una inversión anual

promedio que equivalga al 8.27% del PBI, es decir, alrededor de US$ 15

millones por año. En el corto plazo desde 2016 a 2020, la inversión necesaria

para eliminar la brecha representa un 8.37% anual del PBI, en tanto que en el

largo plazo de 2021 a 2025, se requeriría una inversión anual equivalente al

8.17% del PBI.

 23

Figura 2. Perú: Brecha según tipo de infraestructura en millones de US$,

2016-2025
Nota. La figura indica las cifras de las brechas acumuladas entre los años 2016
a 2025, diferenciadas según su tipo. Tomado de AFIN (2015).
En cuanto a la Macroregión Centro, se puede observar en la figura 3 ,

que Ayacucho y Huancavelica muestran tasas de crecimiento positivas en la

mayoría de los años, mientras que Pasco tiene fluctuaciones más pronunciadas

y tasas negativas. Por otro lado en el año 2016, Huancavelica y Junín, muestran

un aumento notable en sus tasas de crecimiento, mientras que en 2020, todas las

regiones experimentan una disminución en sus tasas de crecimiento, esto se

debe a los efectos de la pandemia por el COVID-19.

 24

Respecto a la infraestructura física, según el Centro Nacional de

Planeamiento Estratégico [CEPLAN] (2011), la presencia de una

infraestructura física completa, que abarca desde transportes hasta servicios de

electricidad y telecomunicaciones, es esencial para el avance de las naciones en

desarrollo. La carencia de infraestructura apropiada genera efectos negativos en

las empresas y la población peruana, ya que resultan en costos operativos más

altos. En este escenario, el país enfrenta una falta de financiamiento público

para abordar las brechas infraestructurales y, por ende, optimizar la

competitividad a nivel nacional.

 25

CREC1
Ayacucho Huancavelica
15 30

10
20
5

0 10

-5
0
-10

-15 -10
2008 2010 2012 2014 2016 2018 2020 2022 2008 2010 2012 2014 2016 2018 2020 2022

Huanuco Junin
20 16

16 12
12
8
8
4
4
0
0
-4
-4

-8 -8

-12 -12
2008 2010 2012 2014 2016 2018 2020 2022 2008 2010 2012 2014 2016 2018 2020 2022

Pasco
30

20

10

-10

-20
2008 2010 2012 2014 2016 2018 2020 2022

Figura 3. Macroregión Centro: Tasa de crecimiento de Ayacucho, Huancavelica,

Huánuco, Junín y Pasco, 2008-2022
Nota. El gráfico muestra las variaciones de las tasas de crecimiento del PBI.
Para tener una nocion del desarrollo de la infraestructura física, se tiene

la tabla 1, en la cual se muestra los puestos de las regiones en estudio dentro del

Índice de Competitividad Regional (INCORE) realizada por el Instituto

Peruano de Economía (IPE).

La competitividad en el rubro de infraestructura para el INCORE se

refiere a la capacidad de las regiones del país para desarrollar, mantener y

 26

mejorar sus sistemas de infraestructura correctamente. Lo que necesita una

infraestructura moderna, bien conectada y funcional que pueda impulsar el

crecimiento económico, facilitar el comercio y la movilidad de personas y

bienes, así como optimizar la calidad de vida de los ciudadanos.

Con este fin, se emplean tres grupos de indicadores. El primero,

considera y evalúa el acceso a tres servicios fundamentales: electricidad,agua y

desague.Así también se valora la disponibilidad del servicio de agua y el

promedio del precio de la electricidad. El segundo grupo de indicadores se

enfoca en la red vial y su estado, analizando la cantidad de vías pavimentadas o

afirmadas de forma departamental y vecinal. Finalmente, se evalúa la el

servicios de telecomunicaiones y su disposición, mediante el indicador de

acceso a internet fijo y móvil, y telefonía.

Es así que, la tabla 1 muestra que todas las regiones en estudio se

encuentran dentro de los últimos puestos de este ranking en los últimos años,

esto debido a las deficiencias ligadas a infraestructura que hacen que estas

regiones no cumplan con los estándares de competitividad en la evaluación,

evidenciando la carencia y en consecuencia su limitado crecimiento y

desarrollo.
 27

Índice de competitividad regional en infraestructura en la Macroregión

Centro .

RANKING 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022

Ayacucho 16 18 17 19 19 16 16 17 14 13 15 16 18

Huancavelica 24 24 23 22 21 23 22 25 24 25 25 25 24

Huánuco 19 19 18 18 16 17 18 19 18 22 21 22 23

Junín 15 15 15 15 14 13 13 13 12 12 13 14 17

Pasco 25 21 24 24 23 21 19 20 19 20 22 21 16

Nota. La tabla muestra los puestos en los que se encuentran las regiones de

Ayacucho, Huancavelica, Huánuco, Junín y Pasco en el INCORE.

La importancia de estudiar estas regiones, parte de su ubicación

geográfica, y que albergan una variedad de sectores económicos, tal como la

agricultura y la minería hasta la manufactura y los servicios; así también, de la

mano del Plan de Descentralización propuesto en el año 2001 por el Gobierno

Peruano, con el fin de promover un desarrollo más equitativo y participativo en

todo el país.

Resaltando lo mencionado por el CEPLAN (2011), que reconoce la

importancia de las macroregiones como unidades de planificación y desarrollo

para insentivar un crecimiento económico más equitativo y sostenible en todo

el país, aborda aspectos relacionados con la descentralización y el desarrollo

regional; y establece la necesidad de fomentar la integración económica y social

entre las diferentes regiones del país; también propone acciones para fortalecer

la infraestructura de transporte y telecomunicaciones, así como para incentivar

 28

el intercambio comercial entre las regiones y la cooperación entre ellas,

reconociendo la importancia estratégica de la infraestructura física.

A menudo, las investigaciones utilizan la inversión, tanto pública como

privada en términos monetarios para analizar el crecimiento económico, ya que

se considera que al ser un componente significativo del gasto agregado se

desarrolla de manera directa con el desarrollo a largo plazo y la acumulación de

capital. Las investigaciones que analizan la inversión en términos monetarios

buscan comprender cómo la acumulación de capital afecta la capacidad

productiva y el crecimiento económico sostenido.

Sin embargo, Timilsina et al. (2020) resaltan la importancia de aquellos

estudios que toman en cuenta a la infraestructura y sus unidades físicas como la

longitud de las carreteras y vías férreas, la capacidad de las plantas de

generación eléctrica, la longitud de las telecomunicaciones y las líneas de

transmisión de electricidad; lo que consideran un desafío. Los autores

mencionan que la importancia de estudiar únicamente el stock de capital como

indicador de infraestructura, es que aquellas investigaciones que tomaron en

cuenta la inversión entran en muchas contradicciones; por otro lado, en cuanto

a la infraestructura física y crecimiento económico, mencionan que los efectos

son más notorios en aquellos países en desarrollo como el nuestro, ya que hacer

investigaciones con variables en términos monetarios únicamente podrían

producir sesgos puesto que no se cuenta con el control eficiente de estas

variables.

Considerando que, entender cómo la infraestructura impacta en el

crecimiento económico permite la optimización de recursos, entonces

 29

identificar las áreas más estratégicas para la inversión en infraestructura con

recursos públicos y privados asegura un uso eficiente de los mismos.

Por lo tanto, la infraestructura como carreteras, electricidad y

telecomunicaciones, puede aumentar la conectividad y accesibilidad entre

ciudades y comunidades. Esto facilita el flujo de bienes y servicios,

promoviendo un entorno más dinámico y contribuyendo al crecimiento

económico.

Teniendo en cuenta lo mencionado y observando las deficiencias ligadas

a infraestructura, que hacen que, estas regiones no cumplan con los estándares

de competitividad en la evaluación; evidencia la carencia y en consecuencia su

limitado crecimiento y desarrollo; planteamos realizar una investigación que

examina la relación entre la infraestructura física y el crecimiento económico

en la Macroregión Centro del Perú, ya que puede proporcionar conocimientos

esenciales para diseñar políticas y tomar decisiones que fomenten el desarrollo

regional de manera sostenible y equitativa, además de ampliar las fuentes

documentales para la pertinente toma de decisiones.

1.2. Formulación del problema

1.2.1. Problema general

o ¿Cuál es el efecto de la infraestructura pública sobre el crecimiento económico

en la Macroregión Centro del Perú en el periodo 2007-2022?

1.2.2. Problemas específicos

o ¿Cuál es el efecto de la infraestructura pública vial en el crecimiento

económico?
 30

o ¿Cuál es el efecto de la infraestructura pública de electricidad en el crecimiento

económico?

o ¿Cuál es el efecto de la infraestructura pública de telecomunicaciones en el

crecimiento económico?

1.3. Objetivos de la investigación

1.3.1. Objetivo general

o Determinar el efecto de la infraestructura pública sobre el crecimiento

económico en la Macroregión Centro del Perú, 2007-2022.

1.3.2. Objetivos específicos

o Determinar el efecto de la infraestructura pública vial en el crecimiento

económico.

o Determinar el efecto de la infraestructura pública de electricidad en el

crecimiento económico.

o Determinar el efecto de la infraestructura pública de telecomunicaciones en el

crecimiento económico.

1.4. Justificación de la investigación

1.4.1. Justificación teórica

La presente tesis es justificada en la carencia de estudios realizados en

la Macroregión Centro del Perú respecto al efecto de la infraestructura pública

en el crecimiento económico, aportando así con el proyecto de descentralización

del Perú para futuras investigaciones y gestiones de política pública.

 31

1.4.2. Justificación práctica

La tesis en desarrollo busca analizar el efecto de la infraestructura

pública en las regiones de Pasco, Ayacucho, Junín, Huancavelica y Huánuco;

ya que geográficamente son regiones cercanas pertenecientes al centro del Perú,

además que según el IPE (2022), en cuanto al desarrollo de infraestructura en

estas regiones, todas están por debajo del promedio, lo que claramente muestra

un déficit, ampliando brechas económicas. Además que por ser cercanas, la

eficiente implementación de infraestructura en estas regiones permitiría la

generación de redes de integración del sistema económico y territorial, en

consecuencia se produciría un efecto derrame entre ellas.

1.4.3. Justificación metodológica

La presente tesis toma al método científico como base general para

realizar los procedimientos de forma sistemática y rigurosa.

Asimismo, utilizamos la econometría como herramienta para analizar

los datos económicos, ayudar en el proceso de toma de decisiones y

fundamentar elecciones en evidencia cuantitativa y modelos empíricos. Según

Haavelmo (1944), la econometría ayuda a establecer una conexión sólida entre

la teoría económica y los datos empíricos; también, permite evaluar teorías

económicas mediante la verificación de sus predicciones con datos reales. Por

ende, el uso de la econometría le dará mayor fiabilidad y exactitud a esta

investigación.
 32

1.4.4. Justificación económica

Esta tesis busca la actualización de datos correspondientes a tres

variables de infraestructura pública y su efecto en el crecimiento económico,

para que así se puedan crear políticas económicas acorde al espacio- tiempo,

coherentes y que beneficien a las regiones en materia de estudio y en

consecuencia al país.
 33

Capítulo II: Marco Teórico

2. l

2.1. Antecedentes de la investigación

2.1.1. Artículos científicos

Uno de los pioneros en investigar la infraestructura y su efecto en el

crecimiento económico fue Aschauer (1989), quien en su investigación, exploró

los efectos en la productividad general del gasto en infraestructura pública para

la economía de Estados Unidos mediante el método panel data. El argumento

principal del artículo es que las inversiones en infraestructura pública, como

carreteras, puentes y otras formas de capital, pueden tener un efecto positivo en

la producción económica, obteniendo 0.39 de elasticidad entre el gasto público

no militar y el crecimiento económico. Aschauer afirmaba que una

infraestructura bien mantenida y expandida podría mejorar la productividad del

capital privado y del trabajo, lo que conlleva al incremento del crecimiento

económico.

Asimismo, Canning & Pedroni (1999) investigan las repercusiones a

largo plazo de la oferta de infraestructura en el ingreso per cápita mediante un

análisis de panel que abarca el período de 1950 a 1992 en varios países. Diseñan

pruebas simples para evaluar la existencia y dirección del impacto a largo plazo

de la infraestructura en el ingreso, teniendo en cuenta la no estacionariedad y la

cointegración en las series temporales, así como la variabilidad en las respuestas

a corto y largo plazo entre los países. Los resultados señalan que hay un valor

positivo para el efecto de los teléfonos a largo plazo en el 54% de los países y

de carreteras a largo plazo en un 52%; asi también existe estimaciones positivas

 34

para electricidad en el 60% de los países, sin embargo se encuentran

estimaciones negativas en cuanto a esta variable debido a la insuficiencia de

dotaciones de esta infraestructura.

De igual manera, Calderón & Servén (2004) estudian el impacto en el

crecimiento económico de la infraestructura y su desarrollo, toman muestra a

más de 100 países dentro de los años 1960-2000. Los autores utilizan el método

de datos panel para la extracción de datos y el método generalizado de

momentos (MGM) para estimar el modelo y se basan en variables

instrumentales que reportan los resultados usando datos desagregados y

sintéticos; asi como, mediciones de cantidad y calidad de infraestructura. Ellos

encuentran que la correlación entre el crecimiento y el componente principal de

los stocks de infraestructura es de 0.18, para las líneas telefónicas principales es

0.15, capacidad de generación electrica es 0.13 y para la longitud de carretera

0,21. Por otro lado, el crecimiento económico tambien se relaciona

positivamente con índice global de calidad de la infraestructura (0,21). También

los autores encontraron a nivel latinoamericano, que si los niveles

infraestructura en el Perú (ubicada en el percentil 25 de la región) ascendería a

niveles de Chile (percentil 75 de la región) o Costa Rica (lider de la región)

durante el periodo 1996-2000, la tasa de crecimiento del Perú aumentaría en 1,7

o 3,1 puntos porcentuales, respectivamente.

En resumen, los dos hallazgos sólidos son: (1) el stock de activos

impulsa el crecimiento económico, y (2) una mayor cantidad y calidad de la

infraestructura reduce la desigualdad .La combinación de ambos resultados

sugiere que la infraestructura y su desarrollo pueden ser muy eficaces para

 35

luchar contra la pobreza. Además, sugiere que para latinoamerica, estos

impactos son económicamente bastante significativos y resaltan la aceleración

del crecimiento y la reducción de la desigualdad que resultarían de una mayor

disponibilidad y calidad de la infraestructura.

Por otro lado, Asher & Novosad (2018) centran sus estudios en un país,

teniendo como objetivo medir los efectos del programa nacional de

construcción de caminos rurales de la India. Para esto utilizan el diseño de

regresión discontinua difusa, la cual se basa en una regla de implementación

que dirige las carreteras a pueblos con umbrales de población (por ejemplo, 500

y 1,000 habitantes), los pueblos justo por encima de estos umbrales tenían más

probabilidades de recibir carreteras, lo que permite a los investigadores estimar

el impacto causal de las carreteras rurales en diversos resultados. El principal

efecto de los nuevos caminos es permitir que los trabajadores obtengan trabajos

no agrícolas, sin embargo, no hay cambios importantes en el consumo, los

activos o los resultados agrícolas. Al tener en cuenta que el consumo medio per

cápita es de aproximadamente 267 dólares por habitante al año y el pueblo

medio tiene 696 habitantes, los autores estiman un aumento en el consumo de

2.3%, lo que se traduce en 6.14 dolares de consumo adicional anual por persona,

o solo 4274 dólares por año para el pueblo en su conjunto, incluso utilizan el

límite superior del intervalo de confianza sobre el consumo, encuentran

pequeños efectos en relación con el costo de las carreteras; este numero se

vuelve aún menor si se considera que las carreteras requieren un costoso

mantenimiento continuo; así también, el empleo no agrícola en la aldea aumenta

sólo ligeramente, lo que sugiere que el nuevo trabajo se encuentra fuera de la

 36

aldea. Incluso con mejores conexiones con el mercado, es posible que las zonas

remotas sigan careciendo de oportunidades económicas.

En cuanto a Perú, Vásquez y Bendezú (2008) explican los efectos

multidimensionales de la infraestructura vial sobre el crecimiento económico a

nivel nacional, regional y zonal. Los autores utilizan los métodos

econométricos: data panel y series de tiempo. El objetivo dentro de uno de los

apartados de su análisis es señalar los efectos de la infraestructura en el

crecimiento económico regional peruano (considera 23 regiones , ya que une

Ucayali con Loreto) durante los años 1970-2003, para lo cual utiliza el método

econométrico data panel dinámico y MGM. Este capítulo no solo toma en

cuenta la infraestructura de transporte vial, sino también la infraestructura de

electricidad y telecomunicaciones como indicadores, además de tres variables

de control: superficie agrícola medida en hectáreas, población económicamente

activa (PEA) con estudios secundarios o superiores y stock de capital.

Es así como los autores resuelven que, las tres variables tienen un efecto

significante en el crecimiento, siendo las carreteras las menos significativas,

pero con grado de confianza elevado (93%), esto se debería a que la red vial no

alcanza su potencialidad a nivel nacional, existe una desigualdad de

distribución, así como de calidad y cantidad. Por otro lado, la infraestructura

eléctrica resulta ser más significativa que la infraestructura de

telecomunicaciones. Asimismo, se menciona que infraestructura vial y

producción se relación a largo plazo, obteniendo una elasticidad de 0.218, lo

que sugiere que un aumento del 1% en la infraestructura vial es asociada, en

promedio, con un aumento del 0.218% en la producción económica a largo

 37

plazo. Finalmente, en esta investigación se concluye que lo óptimo sería invertir

más en redes viales que comuniquen la capital con las regiones, así como entre

regiones, para potenciar la actividad económica.

También, Urrunaga & Aparicio (2012) analizan la relación entre

crecimiento e infraestructura para Perú. Ellos toman en cuenta los datos por

escalas de las 24 regiones, en los años 1980-2009, los cuales fueron organizados

mediante el método panel. Como indicadores de infraestructura marcan la

relevancia de las carreteras, telecomunicaciones y electricidad. Por otro lado,

toman como variables de control a la PEA ajustada por el capital humano y el

acervo del capital distinto de la infraestructura. Al realizar los cálculos

econométricos mediante panel estático (estimador de mínimos cuadrados

generalizados) se encuentra una elasticidad de 0,09 entre el crecimiento del PBI

per cápita y el indicador de electricidad; 0,12 entre crecimiento del PBI per

cápita y el indicador de telecomunicaciones; y 0,05 entre crecimiento del PBI

per cápita y el indicador de transportes. En este documento los autores

concluyen que es importante conocer la data de infraestructura pública para la

explicación de las brechas en el PBI per cápita regional; también, concluyen en

es necesario la mejora de infraestructura en calidad y cantidad, así como darle

un mantenimiento adecuado.

Finalmente, Machado & Toma (2017) buscan aportar de forma teórica

para el estudio y toma de decisiones del gobierno peruano, en relación a la

inversión pública en infraestructura de transportes y comunicaciones, así como

su influencia en el crecimiento económico del país. Esta investigación consideró

el método panel para la recolección de data perteneciente a las 24 regiones en

 38

el periodo 2004-2014; tomando en cuenta las metodologías de panel con efectos

fijos, directos y no directos. En el primer escenario analizado, se observa una

relación positiva entre la inversión en infraestructura y tanto el Producto Interno

Bruto (PBI) como el PBI per cápita. Teniendo como resultados en la estimación,

que un aumento de 1% en la inversión en transportes se convertirá en un

incremento de 0,0174%; y el aumento en 1% en comunicaciones hará que el

PBI regional se incremente en 0,00341%. Para los siguientes casos, se concluye

que el transporte afecta directamente al PBI; por otro lado, comunicaciones

influye en el PBI indirectamente.

2.1.2. Tesis internacionales

Rodríguez (2002) destaca la importancia de la infraestructura en el

desarrollo económico utilizando la teoría del potencial del desarrollo y minimos

cuadrados ordinarios. El autor sostiene que aquellas regiones que cuentan con

mayor equipamiento generan una ventaja competitiva en relación a otras que

carecen de esto, lo que se puede identificar mediante los indices de acervo de

infraestructura. Es así que, realiza una validación empírica para los municipios

de Sonora en los años 1993 y 1998; revelando que para el primer año hubo una

contribución negativa de la infraestructura y en el último año positiva,

obteniendo una elasticidad de -0,01 y 0,01 respectivamente; esto debido a que

se contó con mayor índice de infraestructura, el mismo que fue un elemento

autorreforzante de las disparidades, generando estos resultandos.

Por su parte Barajas & Gutiérrez (2012) analizan la relevancia de la

infraestructura en el crecimiento económico en la frontera norte de México, los

municipios de Piedras Negras, Nogales y Torreón, en el periodo comprendido

 39

entre 1993 a 2005, para el cuál utiliza el método panel con efectos fijos. La

evidencia indica que el desarrollo de infraestructura productiva tiene un efecto

positivo en el crecimiento económico de los municipios situados en la frontera

norte. Según un modelo logarítmico, este impacto se evidencia de la siguiente

manera, se incrementa 0.3875% en el crecimiento económico por cada aumento

del 1% en la infraestructura. Por otro lado, en un modelo lineal, cada unidad

adicional en la infraestructura se asocia con un incremento de 1.0813 unidades

en el crecimiento económico. Además, se toman en cuenta los efectos fijos en

los interceptos, lo que sugiere que hay aspectos específicos de cada municipio

que pueden influir en su crecimiento económico de manera única.

Dentro de sus principales conclusiones se encuentran, la afirmación de

la relevancia de la infraestructura en energía, transporte y telecomunicaciones,

en las ciudades que se encuentran en la frontera; por otro lado, la infraestructura

de transporte no resulta ser un factor determinante, esto debido a que al tratarse

de ciudades fronterizas, no existe la relevancia de la creación de redes viales tal

como en las ciudades.

Asimismo, Cerda (2012) analiza la inversión pública, infraestructuras y

crecimiento económico para el caso chileno en el periodo 1853-2010 con el

método panel data, dentro de sus análisis destaca el que hizo para medir el

impacto de las infraestructuras físicas en el crecimiento económico provincial

y regional chileno. El autor explica la necesidad de este estudio debido a las

carencias de información de las variables monetarias que usualmente se utilizan

en investigaciones de este tipo, además que utilizar medidas físicas resulta en

aproximaciones más exactas. Para su evaluación utiliza como indicadores al

 40

total de infraestructura ferroviaria y red vial pavimentada, para los años 1917 al

2009. Como resultado obtiene que ambas infraestructuras antes de llegar a su

nivel óptimo generan un impacto favorable en el PBI per cápita, teniendo una

elasticidad de 2,6% de las infraestruturas totales frente al crecimiento

económico y de 3,4% para inversiones en maquinaria y equipos; sin embargo,

al pasar de este nivel estarían generando un impacto negativo ya que se

produciría una reducción de otras infraestructuras necesarias. Añade también

que la infraestructura ferroviaria genera un impacto positivo a corto plazo, lo

que demostraría que hay una sobre-inversión en este tipo de infraestructura; por

otro lado, la infraestructura vial tiene un efecto positivo a largo plazo.

2.1.3. Tesis nacionales

A continuación, se exponen las investigaciones pertinentes a esta tesis

que se han llevado a cabo en Perú.

A nivel regional, Panduro (2002) realiza un estudio entre la inversión

pública, la inversión privada, el stock de capital y el crecimiento económico en

la región de Huánuco durante un período de 13 años, desde 2007 hasta 2019. El

autor emplea el método lineal con la función Cobb-Douglas para sus

estimaciones, y encuentra elasticidades del valor agregado bruto respecto a la

inversión pública de 0.18, a la inversión privada de 0.07 y al stock de capital de

0.81. Con una significancia de 0.05, concluye que estas tres variables tienen un

impacto positivo en el crecimiento económico regional.

A nivel nacional, Ruiz (2021) examina los impactos en el crecimiento

económico a nivel de las 24 regiones del Perú para un periodo comprendido

entre 2010 a 2018 por parte de la infraestructura de vías, para lo cual utiliza
 41

como indicadores de la variable independiente a la extensión de la red vial

nacional, departamental, local y pavimentada; además del PBI pércapita como

indicador de la variable dependiente. El autor también hace uso del Modelo

Panel Data de Vector de Correción de Errores y Panel Dinámico para la

obtención de resultados finales. El autor concluye en que el aumento de las redes

viales tiene un impacto positivo tanto en el crecimiento regional como en el

nacional. Se destaca que ante un aumento de 1 punto porcentual en la proporción

de infraestructura vial pavimentada, el Producto Interno Bruto (PBI) per cápita

experimenta un incremento del 0,11% en el corto plazo y del 0,17% en el largo

plazo.

También, Vicente (2023) evalua como afecta en el crecimiento

económico de las regiones peruanas en los años 2010-2021, el desarrollo de

infraestructura vial. Tiene como indicador de la variable dependiente al PBI per

cápita; y como indicadores de la variable independiente a la proporción de red

vial pavimentada a nivel regional, así como gasto público y privado. Utiliza

también el modelo del Vector De Corrección de Errores y posteriormente el

Panel Dinámico. Obteniendo como resultados, que los tres indicadores inciden

de manera positiva en el crecimiento económico regional a corto y largo plazo.

Asimismo, la infraestructura vial total, tiene una significancia en el crecimiento

económico de las regiones, obteniendo que un incremento del 1% en la cantidad

total de carreteras pavimentadas está asociado con un aumento del 0.03% en el

Producto Interno Bruto (PIB) per cápita a corto plazo, y un aumento del 0.07%

a largo plazo.
 42

2.2. Bases Teóricas

Como antecedente, Solow (1956) fue uno de los pioneros en proponer

que hay un equilibrio estable entre el crecimiento del ingreso per cápita y el

crecimiento de la fuerza laboral. En otras palabras, incluso si estos no están

equilibrados, el propio comportamiento del ingreso, el capital y la fuerza laboral

conllevarán, a la economía de nuevo al equilibrio. El autor también propone la

teoría de la convergencia, que consiste en que las economías menos

desarrolladas crecen de forma más acelerada que las más desarrolladas, así

eventualmente se acercarán a sus niveles de ingreso. En resumen, el modelo de

Solow proporciona una base conceptual para entender de que manera la

acumulación de capital y el avance tecnológico influyen en el crecimiento

económico a largo plazo. Su simplicidad permite ilustrar relaciones

fundamentales en la dinámica económica.

Asimismo, Aschauer (1989) argumenta que la inversión pública en

infraestructura, como carreteras, puentes y educación, puede tener efectos

positivos en la productividad y en consecuencia en el crecimiento económico.

A su vez genera externalidades positivas, lo que significa que los beneficios no

se limitan a quienes realizan la inversión, sino que se extienden a toda la

economía. También sostiene que las ventajas de la inversión en infraestructura

no son inmediatos y pueden tardar varios años en materializarse. Por ende es

necesario tener en cuenta los efectos a largo plazo para evaluar adecuadamente

el impacto en el crecimiento económico. Es así que, el modelo sugiere que la

infraestructura como capital público, contribuye a la productividad total de los

 43

factores (PTF), y un aumento en la PTF puede impulsar el crecimiento

económico.

Finalmente, Barro (1990) diseñó su “Modelo de Crecimiento

Endógeno”, para entender cómo las elecciones de inversión en educación, así

como en bienes de capital (infraestructuras, maquinaria, equipo y cualquier otro

activo físico) afectan el crecimiento económico a largo plazo. En su modelo

introduce la noción de capital físico y capital humano, como factores

complementarios en la producción de bienes y servicios, originando un papel

directo e importante en la generación del producto bruto interno (PBI). Esto se

muestra en la siguiente función:

𝑌 = 𝐴. 𝑘 𝛼 ℎ1−𝛼

(1)

Donde:

• Y es la producción.

• A es la tecnología.

• K es el capital físico.

• ℎ es el capital humano.

• α es la participación del capital en la producción.

También nos menciona que las personas invierten en educación con el

fin de aumentar su capital humano y sus bienes de capital para aumentar la

producción. La inversión: capital humano (𝐼ℎ ) y capital físico (𝐼𝑘 ) son

fundamentales para el crecimiento.

 44

El modelo contempla cómo el capital humano y el capital físico cambian

con el tiempo, a esto se le denomina acumulación de capital .

La tasa de cambio en el capital humano (ℎ̇) se relaciona con la inversión

en capital humano (𝐼ℎ ) y la depreciación (𝛿ℎ ℎ):

ℎ̇ = 𝐼ℎ − 𝛿ℎ ℎ

(2)

De forma similar, la tasa de cambio en el capital físico (𝑘̇ ) se relaciona

con la inversión en capital físico (𝐼𝑘 ) y la depreciación (𝛿𝑘 𝑘):

𝑘̇ = 𝐼𝑘 − 𝛿𝑘 𝑘

(3)

En el modelo se logra el equilibrio cuando la tasa de cambio en el capital

humano y en el capital físico es igual a cero (ℎ̇ = 𝑘̇ = 0) lo que implica que la

inversión iguala la depreciación en ambos tipos de capital.

En conclusión, Barro destaca la importancia para el crecimiento

económico del capital humano. Invertir en educación y desarrollo de

habilidades es fundamental para incrementar la productividad y promover un

crecimiento sostenible. Tanto el capital humano como el físico son elementos

esenciales, y su interacción, caracterizada por su complementariedad,

contribuye al crecimiento económico sostenible.

En resumen, el modelo de Barro explora cómo las decisiones de

inversión en educación y bienes de capital influyen en la producción y el

crecimiento económico a lo largo del tiempo. Resalta la trascendencia de la

 45

acumulación de capital, tanto humano como físico, para lograr un desarrollo

económico sostenible.

2.2.1. Modelo de crecimiento e infraestructura de Canning y

Pedroni

La presente investigación esta basada en el modelo de Canning &

Pedroni (1999), los autores elaboran un modelo de crecimiento tomando en

cuenta la existencia de infraestructura. Ellos utilizan el modelo de Barro (1990)

y lo derivan a una relación entre ingreso per cápita e infraestructura per cápita.

Para este modelo, los autores asumen que la inversión en infraestructura

se financia con ahorros.

También, abarca dos casos especiales dependiendo del supuesto que se

haga sobre el rendimiento del capital agregado.

Primero, en un modelo neoclásico, con rendimientos decrecientes, el

capital agregado, los shocks de infraestructura y los shocks de capital en

general, no tienen efecto en el largo plazo sobre el PBI per cápita. En cambio,

en el modelo de crecimiento endógeno con rendimientos constantes del capital

agregado por debajo del nivel de infraestructura eficiente, los shocks positivos

sobre los shocks de infraestructura aumentan el crecimiento a largo plazo.

Asimismo, mencionan que si la inversión en infraestructura supera el nivel

eficiente, se observa una consecuencia negativa: se reduce la inversión en tipos

de capital diferentes, lo que conduce a una disminución del ingreso per cápita a

largo plazo. En contraste, cuando la inversión en infraestructura está en el nivel

óptimo para maximizar el crecimiento, la relación entre infraestructura y

 46

producción experimenta un punto de inflexión. En este punto, es probable que

el impacto de un shock en la infraestructura sea cercano a cero.

Para el desarrollo de este modelo, los autores consideran una economía en

la que se utiliza la infraestructura en la producción del producto final y se

financia desviando inversiones de otros usos, ya sea por impuestos sobre el

ahorro privado o por una decisión del sector privado sobre la composición de la

inversión.

La influencia de la infraestructura innovadora en los ingresos está

estrechamente ligada a si los datos son generados por un modelo de crecimiento

neoclásico, donde el progreso tecnológico impulsa el crecimiento a largo plazo,

o por un modelo de crecimiento endógeno, donde los cambios en la acumulación

de capital pueden tener un impacto sostenido. En un modelo de crecimiento

exógeno, los cambios en la infraestructura solo pueden tener efectos temporales,

pero en un modelo de crecimiento endógeno, pueden resultar en shocks

permanentes en el ingreso per cápita.

Para aclarar estas relaciones, Canning y Pedroni consideran el siguiente

modelo estilizado adaptado a Barro (1990).

Este modelo comienza presentando la forma básica que se aplica a un solo

país representativo, para luego discutir la implementación del modelo en el

contexto de un panel de países, el cual adaptamos al conjunto de regiones

estudiadas en la presente investigación. Por lo tanto, los autores que para

cualquier país con producción agregada (Y), en el momento t, se utiliza el

capital de infraestructura pública (G), otro capital (K), y trabajo (L), tal como:
 47

𝛽 1−𝛼−𝛽
𝑌𝑡 = 𝐴𝑡+1 𝐾𝑡𝛼 𝐺𝑡 𝐿𝑡

(4)

Donde 𝐴𝑡 es la productividad total de los factores en el momento t. Para

simplificar los autores asumen que los tipos de capital están en su totalidad

depreciados en cada periodo y que hay constancia en la tasa de ahorros.

También que, la infraestructura pública del próximo periodo es una proporción

del ahorro total, de modo que:

𝐺𝑡+1 = 𝜏𝑡 𝑠𝑌𝑡

(5)

De igual manera, la inversión en capital no relacionado con infraestructura

pública está determinada por:

𝐾𝑡+1 = (1 − 𝜏𝑡 )𝑠𝑌𝑡

(6)

Para este modelo es irrelevante pensar en cuanto se invirtió en capital de

infraestructura por el sector público y si fue financiado con impuestos; o si es

que el sector privado asigna inversiones entre diferentes sectores.

Por otra parte, se supone que si la distribución de la inversión la realiza el

sector privado, el cual opera en mercados competitivos, se asume que se ajustará

al nivel óptimo. Sin embargo, la existencia de monopolios o externalidades en

el suministro de servicios de infraestructura sugiere que, asignar parte de la

inversión a este sector podría no ser eficiente.

 48

Es entonces que al reemplazar las ecuaciones (5) y (6) las cuales explican el

capital acumulado, en la función (4) de producción, se produce una ecuación en

diferencias para la evolución del producto per cápita.

𝛽 𝛼+𝛽
(𝑌/𝐿)𝑡+1 = 𝐴𝑡+1 𝑠 𝛼+𝛽 (1 − 𝜏𝑡 )𝛼 𝜏𝑡 (𝑌/𝐿)𝑡 (𝐿𝑡 /𝐿𝑡+1 )𝛼+𝛽

(7)

Continuando con el modelo, los autores describen el desarrollo del progreso

técnico (𝐴𝑡 ), la parte de la inversión asignada a la infraestructura pública (𝜏𝑡 ),

y el tamaño de la fuerza laboral (𝐿𝑡 ), asumiendo que cada uno de estos esta

especificado mediante un procesamiento aleatorio externamente impulsado o

exógeno, se realiza el modelamiento del logaritmo del factor total de

productividad de la siguiente manera:

𝑎𝑡 = 𝑎0 + 𝜎𝑡 + 𝜖𝑡

(8)

Aquí, ∈𝑡 = 𝛿𝜖𝑡−1 + 𝑤𝑡 para 0 ≤ 𝛿 ≤ 1 y 𝑤𝑡 es una variable estacionaria

estocástica con 𝐸[𝑤𝑡 ] = 0. Por lo tanto, hay dependencia de (𝑎0 ) la cuál es una

constante, también de una tasa de crecimiento tendencial (𝜎), más un término

aleatorio donde 𝛿 < 1 si es estacionario y no estacionario si 𝛿 = 1, esto por

parte del logaritmo de la PTF.

También, plantean que la parte de inversión asignada a infraestructura

pública es: 𝜏𝑡 = 𝜏̅ + 𝜇𝑡 , siendo 𝜇 una serie estacionaria de media cero.

Finalmente, los autores asumen que la tasa de crecimiento de la población se da

de la siguiente manera, 𝑙𝑜𝑔(𝐿𝑡+1 ⁄𝐿𝑡 ) = 𝑛̅ + 𝑛𝑡+1 , donde 𝑛𝑡 es una serie

estacionaria de media cero. Además, suponen que dentro del total de la

 49

población se podría reconocer la fuerza laboral. Alternativamente, debilitan lo

mencionado suponiendo que para la fuerza laboral, la tasa de participación

correspondiente es estacionaria. Bajo estos supuestos, se escribe la ecuación en

diferencias en términos de logaritmo del ingreso per cápita Y, como:

𝑦𝑡+1 = 𝑐 + (𝛼 + 𝛽)𝑦𝑡 + 𝑣𝑡+1

(9)

Donde:

𝑐 = 𝑎0 + 𝜎𝑡 + (𝛼 + 𝛽)(𝑙𝑜𝑔 𝑠 − 𝑛̅)

(9.1)

𝑣𝑡+1 =∈𝑡+1 + 𝛼𝑙𝑜𝑔(1 − 𝜏̅ − 𝜇𝑡 ) + 𝛽𝑙𝑜𝑔(𝜏̅ + 𝜇𝑡 ) − ( 𝛼 + 𝛽)𝑛𝑡+1

(9.2)

Luego, tienen en cuenta que la totalidad de términos estocásticos son

estacionarios para la ecuación (9), con excepción del factor total de

productividad (∈𝑡+1 ). Según la ecuación (9), se incluye una raíz unitaria

siempre que 𝛿 = 1 y 𝛼 + 𝛽 < 1, o 𝛿 < 1 y 𝛼 + 𝛽 = 1, esto para el proceso 𝑦𝑡 .

Los autores mencionan que se necesita el funcionamiento de un mecanismo de

los dos anteriormente planteados para describir la constancia de la conducta de

la raíz unitaria en el ingreso per cápita que se presentan en los datos.

De igual manera, plantean que el desarrollo de formación de infraestructura

pública se puede expresar en forma logarítmica per cápita tal como:

𝑔𝑡+1 = 𝜏̅ + 𝑙𝑜𝑔 𝑠 + 𝑦𝑡 + 𝜇𝑡 − 𝑛𝑡+1

(10)
 50

Se reescribe :

𝑔𝑡+1 − 𝜏̅ − 𝑙𝑜𝑔 𝑠 − 𝑦𝑡+1 = ∆𝑦𝑡+1 + 𝜇𝑡 − 𝑛𝑡+1

(11)

Entonces, si 𝑦𝑡 posee una raíz unitaria, los términos de error son

estacionarios al igual que ∆𝑦𝑡 . Sin embargo, para los autores, en la versión del

crecimiento exógeno, la fuerza impulsora detrás del crecimiento es el progreso

técnico, y los niveles de infraestructura pública a largo plazo simplemente

siguen los niveles de ingreso. En el modelo de crecimiento endógeno, por otra

parte, surge la viabilidad de que los shocks a la inversión en infraestructura

pública provoquen efectos que permanezcan en el nivel de ingreso.

Además, mencionan que el signo podría ser (+) o (-), siempre en cuando

𝜏̅ se ha fijado de tal forma que maximiza el crecimiento esperado, ya sea por

encima o por debajo de la tasa impositiva. Ellos también tienen en cuenta que

el crecimiento deseado se puede maximizar si la inversión en promedio de la

infraestructura pública es fijada en el nivel 𝜏 ∗ que maximiza el valor esperado

de 𝛼𝑙𝑜𝑔(1 − 𝜏̅ + 𝜇𝑡 ) + 𝛽𝑙𝑜𝑔(𝜏̅ + 𝜇𝑡 ). En general, afirman que esto se dará

dependiendo de cómo se distribuyan los shocks; empero, sin shocks establecen

que 𝜏 ∗= 𝛽⁄(𝛼 + 𝛽) puede maximizar la tasa de crecimiento, como en Barro

(1990).

Es así que para el modelo que se especifica por las ecuaciones (4) a (11),

se resume cada uno de los resultados en:

i) Si 𝛿 = 1 y 𝛼 + 𝛽 < 1, o 𝛼 + 𝛽 = 1, entonces:
 51

Las series log per cápita de producción (𝑦𝑡 ), y log per cápita de infraestructura

pública (𝑔𝑡 ), serán no estacionarias. Los efectos favorables a largo plazo sobre

el logaritmo de la producción per cápita (𝑦𝑡 ), se dan por shocks a la

productividad.

ii) Si 𝛿 = 1 y 𝛼 + 𝛽 < 1, entonces:

No se dan efectos a largo plazo sobre (y) por parte de 𝜇𝑡 (shocks a

infraestructura per cápita)

iii) Si 𝛿 = 1 y 𝛼 + 𝛽 = 1, entonces:

Existe efectos de largo plazo diferente de cero en 𝑦𝑡 por parte de 𝜇𝑡 , de la

siguiente manera, para shocks pequeños, el signo de este efecto será (+) si 𝜏̅ <

𝜏 ∗ y (-) si 𝜏̅ > 𝜏 ∗.

Por ende, en la versión neoclásica del modelo, los shocks a la

infraestructura pública no tienen efectos de largo plazo. En la versión de

crecimiento endógeno del modelo, un shock positivo a la infraestructura pública

aumenta el ingreso per cápita cuando 𝜏̅ < 𝜏 ∗ y disminuye el ingreso per cápita

cuando 𝜏̅ > 𝜏 ∗.

Siendo este último modelo mencionado, el cual es utilizado para el

avance del presente trabajo de investigación, ya que permite capturar las

interacciones dinámicas entre la infraestructura pública y otros determinantes

del crecimiento económico, como la acumulación de capital y la productividad.

2.3.Definición de términos básicos

a. Producto Bruto Interno - PBI

 52

El Banco Central de Reserva del Perú [BCRP] (2023), define al PIB

como la cantidad monetaria de la totalidad de bienes y servicios finales

producidos por un país durante un tiempo específico, comúnmente trimestral o

anual. Este valor engloba la totalidad de la producción del país. Se registra

solamente el valor de los bienes y servicios finales o el valor agregado, ya que

si se incluyen los bienes y servicios intermedios resultaría en la contabilización

duplicada de un mismo producto.

b. Crecimiento económico

El crecimiento económico es definido como el cambio porcentual

positivo en el PBI de una economía durante un periodo. Este medidor va de la

mano con el aumento de la población, por ende se sugiere la utilización de la

variación del PBI per cápita como indicador del crecimiento económico. (IPE,

2013)

c. Infraestructura

Según la Real Academia Española [RAE](2022), la infraestructura

comprende todos los componentes, instalaciones y servicios fundamentales para

asegurar la correcta función de un país, una ciudad o cualquier entidad

organizativa.

d. Infraestructura física

Es la acumulación de existencia de capital que se caracteriza por dos

cualidades: la primera hace mención a las condiciones indispensables de la vida

humana, que surge de las necesidades físicas y sociales que son satisfechas

mediante infraestructura física (bienes y servicios que fueron producidos

 53

mediante el uso de acciones de capital inmóviles fijadas al suelo); y la segunda

se refiere a que este tipo de infraestructura es un bien colectivo, ya que su

aprovechamiento se dará únicamente si su instalación es en masa (Buhr, 2009).

Según el autor , existen muchos tipos de infraestructura física, de las cuales

desglosamos las tres principales.

• Carreteras, son una pieza fundamental para el crecimiento y desarrollo

económico, pues apoyan de forma directa a la producción, mejorando el

acceso a los sectores productivo (Obregón, 2008).

• Electricidad, la industria eléctrica es importante para el desarrollo y

progreso económico y social de una nación, ya que la electricidad

constituye un insumo fundamental para la fabricación de la mayoría de

los bienes y servicios en una economía. Además, representa un elemento

fundamental en la generación de bienestar y mejora en la calidad de vida

de los habitantes de un espacio (Tamayo et al., 2016).

• Telecomunicaciones, son una forma de comunicación electrónica a

distancia que aborda las necesidades de transmisión de información

necesarias para resolver una variedad de problemas y facilitar la entrega

oportuna del conocimiento científico y sus novedades. Actualmente, las

redes inalámbricas, la telefonía celular y el internet se destacan como la

plataforma de comunicación más eficaz en el desarrollo del siglo XXI

(Castillo, 2021).

e. Infraestructura pública
 54

La infraestructura pública se refiere a todas las instalaciones físicas y

sistemas de propiedad y gestión pública que son necesarios para que

funcione y se desarrolle una sociedad. Estas pueden incluir carreteras,

puentes, aeropuertos, puertos marítimos, redes de transporte público,

sistemas de suministro de agua potable y alcantarillado, plantas de

tratamiento de aguas residuales, sistemas de energía eléctrica y gas,

hospitales, escuelas, edificios gubernamentales, entre otros. (Diccionario

panhispánico del español jurídico, 2024).

f. Densidad vial

Es la medida utilizada para describir el grado de ocupación de las

carreteras o vías de transporte en relación con el área geográfica

circundante. Se calcula generalmente como la longitud total de las carreteras

o vías dividida por el área de tierra disponible en la región o zona en

cuestión. (Observatorio Federal Urbano, 2024).

 55

Capítulo III: Hipótesis y Variables

3.1. Hipótesis

3.1.1. Hipótesis general

o La infraestructura pública tiene un efecto positivo sobre el crecimiento

económico en la Macroregión Centro del Perú en el periodo 2007-2022.

3.1.2. Hipótesis específicas

o La infraestructura pública vial genera un efecto positivo en el

crecimiento económico.

o La infraestructura pública de electricidad genera un efecto positivo en el

crecimiento económico.

o La infraestructura pública de telecomunicaciones genera un efecto

positivo en el crecimiento económico.

3.2. Identificación de las variables

Las variables utilizadas para el presente estudio son las siguientes:

o Variable Dependiente: Crecimiento económico

o Variables Independientes: Infraestructura pública

3.3. Operacionalización de las variables

Operacionalización de variables
 56

Variables Dimensiones Indicadores Fuente

VARIABLE ENDÓGENA Fuente:

CRECIMIENTO ECONÓMICO: Producto Bruto Variación porcentual - Instituto Nacional de

El crecimiento económico se define como el Interno del PBI per cápita. Estadística e
aumento porcentual en el Producto Interno Informática (INEI)
Bruto (PBI) de una economía durante un
período específico (IPE, 2013).

VARIABLE EXÓGENA Transporte Densidad vial (km Fuente:

asfaltados/ 100 km2)
INFRAESTRUCTURA PÚBLICA: -Ministerio de

La infraestructura pública puede ser Personas con hogares Transportes y

conceptualizada como la totalidad de con acceso a la Comunicaciones
estructuras e instalaciones de ingeniería, Electricidad
electricidad. (MTC)
típicamente de duración prolongada, que
conforman la base para la prestación de
Telecomunicaci Número de líneas - Instituto Nacional de
servicios esenciales requeridos en el logro de
objetivos productivos, políticos, sociales y ones telefónicas (móvil y Estadística e
personales (Rozas & Sánchez, 2004). fijo). Informática (INEI)

Variables Dimensiones Indicadores Fuente

VARIABLE DE CONTROL (1)

SUPERFICIE AGRÍCOLA:
- Instituto Nacional de
Está compuesta por el conjunto de terrenos Estadística e
Superficie Cantidad de superficie
destinados a la producción agrícola,
Informática (INEI)
abarcando aquellos con cultivos de carácter agrícola agrícola (hectáreas).
transitorio y permanente, así como tierras en - Ministerio de
barbecho y en descanso (Livia et al., 2021). Desarrollo Agrario y
Riego (MIDAGRI)

VARIABLE DE CONTROL (2)

POBLACIÓN ECONÓMICAMENTE
ACTIVA (PEA):
Población Cantidad de personas
Las personas que participan o están
económicament consideradas dentro de - Instituto Nacional de
disponibles para contribuir a la producción
de bienes y servicios son consideradas e activa la PEA. Estadística e
económicamente activas. Este grupo incluye Informática (INEI)
a aquellos que estaban trabajando
(ocupados) o que estaban activamente
buscando trabajo (desempleados) durante el
periodo analizado (INEI, 2017).

Nota. La tabla muestra los datos que se utilizarán en la presente investigación, su

descripción y fuente.
 57

Capítulo IV: Metodología

3.4. Enfoque de la investigación

Para el desarrollo de la tesis se utilizará el enfoque cuantitativo, puesto

que se recolectarán y analizarán una serie de datos expresados en términos

numéricos mediante la estadística. Esto debido a que implica la medición y el

análisis numérico de las observaciones y el examen de las relaciones causales

entre variables, con el objetivo de explicar fenómenos y generalizar resultados;

asimismo, se centra en la objetividad, la replicabilidad y la posibilidad de

cuantificar y comparar fenómenos en términos numéricos. (Bryman, 2016)

3.5. Tipo de investigación

La presente tesis es de tipo aplicada, ya que se toman datos conocidos

de la realidad peruana, para analizar su comportamiento con la intención

explícita de aplicar esos resultados para resolver problemas o mejorar

situaciones concretas.

Tal como lo menciona Bunge (2013), la investigación aplicada busca

generar conocimientos con el propósito de abordar problemas prácticos o

mejorar situaciones específicas en el mundo real.

3.6. Nivel de investigación

Para esta tesis se toma en cuenta el nivel de investigación explicativo,

ya que buscamos exponer la influencia de la variable dependiente mediante la

variable independiente, utilizando métodos estadísticos y cuantitativos para el

análisis de datos. De acuerdo a Hernández et al.(2010), las investigaciones de

este nivel se interesan en la explicación de los factores de eventos y fenómenos

sociales o físicos, manifestándose a través de la relación de dos variables.

 58

3.7. Métodos de investigación

3.7.1. Método universal

La presente tesis toma al método científico como su método universal,

ya que es un proceso sistemático y ordenado que los científicos y los

investigadores utilizan para investigar y comprender los fenómenos naturales y

sociales. Para Ñaupas et al.(2018), es un enfoque organizado para la

investigación, pues implica la formulación de preguntas o hipótesis, la

recopilación y el análisis de datos, la preparación de conclusiones y la revisión

constante de los resultados. Su objetivo es proporcionar una estructura rigurosa

para investigar y comprender el mundo de nuestro alrededor a través de la

observación y la experimentación.

3.7.2. Método general

En la presente investigación se empleará el método hipotético deductivo;

ya que, tal como menciona Bernal (2006), es un proceso de razonamiento que

parte de principios generales o premisas ampliamente aceptadas para llegar a

conclusiones específicas y aplicables a casos particulares. Se basa en la lógica

deductiva, donde las conclusiones son derivadas necesariamente de las

premisas, y su objetivo es establecer relaciones claras y coherentes entre

conceptos y proposiciones.

3.7.3. Método particular

La presente tesis utilizará el método estadístico y econométrico,

enmarcada en modelos de data panel con efectos fijos tal como Calderón &

Servén (2004) para analizar datos longitudinales y poder controlar la

 59

heterogeneidad no observada. Según Mayorga & Muñoz (2000) este método

asume que cada individuo tiene un factor constante único, y que los efectos

individuales no están relacionados entre sí; con este modelo, se presume que las

variables explicativas tienen el mismo impacto en todas las unidades

simultaneamente, y que las diferencias entre las unidades se deben a sus

características individuales, las cuales son capturadas por el término de

intercepción. Así se logra controlar sesgos de selección y endogeneidad.

Teniendo en cuenta a Snedecor & Cochran (1971), se optó por el método

estadístico, ya que es un conjunto de métodos y prácticas matemáticas que se

utilizan para resumir y analizar datos, proporcionando una base sólida para

tomar decisiones y realizar inferencias sobre una población o fenómeno.

Conlleva a la recopilación de datos, su organización en tablas o gráficos, y la

aplicación de métodos estadísticos para obtener conclusiones confiables a partir

de la información disponible. Así mismo, se utiliza el método econométrico,

debido a que permite modelar y cuantificar las relaciones entre diferentes

variables económicas. Además, ayuda a entender cómo cambios en una variable

afectan a otra, lo que es crucial para el desarrollo de políticas y la ejecución de

decisiones.

3.8. Diseño de investigación

La presente tesis tiene un diseño no experimental – longitudinal, ya que

no se interviene en la naturaleza de composición de los datos adquiridos. Puesto

que un diseño no experimental es un enfoque de investigación que se enfoca en

observar y analizar fenómenos y como se presentan en su contexto natural, sin

manipular deliberadamente las variables ni intervenir directamente por parte del

 60

investigador. Asimismo, utilizamos el estudio para comprender, explorar y

describir relaciones, patrones o tendencias en situaciones que no se prestan a la

manipulación experimental (Maxwell, 2019).

Por otra parte se considera de tipo longitudinal , ya que se obtienen datos

de un periodo en específico y se observa y analiza el desenvolvimiento de los

datos en el tiempo.

3.9. Población y Muestra

3.9.1. Población

Para la presente tesis se toma como población al conjunto de

información perteneciente a las regiones de Pasco, Ayacucho, Junín,

Huancavelica y Huánuco.

3.9.2. Muestra

Para el desarrollo de esta tesis se utiliza una muestra no probabilística.

a) Unidad de análisis

Se toma como unidad de análisis a las regiones de Pasco, Ayacucho,

Junín, Huancavelica y Huánuco; ya que se encuentran dentro de la Macroregión

Centro y tienen características similares.

b) Tamaño de muestra

El presente trabajo toma como muestra a los datos seleccionados para

las variables crecimiento económico, infraestructura y de control, durante el

periodo 2007 al 2022 para las 5 regiones en estudio. En total se usan 80

observaciones para cada variable.

 61

c) Selección de la muestra.

Se hace una selección de muestra por conveniencia, ya que los datos

fueron seleccionados de acuerdo a la necesidad de la tesis.

3.10. Técnicas e instrumentos de recolección

La data fue recolectada de los sitios web institucionales del INEI, BCRP,

MIDAGRI y MTC, mediante matrices de datos.

Asimismo, se usa el análisis documental como instrumento para

posteriormente hacer el cálculo econométrico con ayuda del software Eviews.

3.11. Técnicas estadísticas de análisis de datos

La presente tesis utiliza modelos de data panel con efectos fijos según

sugieren Canning (1999), Calderón y Serven (2004), Toma y Machado (2017),

entre otros; ya que estos modelos les permiten controlar variables no

observadas, capturar la variación tanto temporal como entre unidades, mejorar

la eficiencia estadística y controlar la heterogeneidad no observada.

3.11.1. Modelo de Data Panel

Dado el tipo de datos disponibles, el modelo que se intenta estimar

pertenece a la categoría de datos de panel. En la literatura económica

convencional, existen los modelos de panel data con efectos fijos y con efectos

aleatorios. De forma general, un modelo de panel puede ser descrito como:

𝑦𝑖𝑡 = 𝒙′𝑖𝑡 𝜷 + 𝑤𝑖′ 𝜶 + 𝜀𝑖𝑡

El vector 𝒙 contiene K variables explicativas y no contiene un término

constante. Los efectos individuales o heterogeneidad se encuentran en 𝒘′𝑖 𝜶, en

el cual 𝒘𝑖 incluye un grupo específico de variables que pueden o no ser

 62

observadas y un término constante, para este caso, las características distintivas

de la Macroregión Centro. Si 𝒘𝑖 está disponible para todas las regiones

correspondientes, entonces todo el modelo es apto para ser abordado como

ajustado y lineal mediante MCO.

Efectos fijos

Si existe una correlación entre 𝒙𝑖𝑡 y 𝒘𝑖 (variable no observada), el

estimador MCO dará resultados sesgados e inconsistentes para 𝜷, esto se debe

a que se excluye una variable. El modelo es:

𝑦𝑖𝑡 = 𝒙′𝑖𝑡 𝜷 + 𝛼𝑖 + 𝜀𝑖𝑡

donde 𝛼𝑖 = 𝒘′𝑖 𝜶 se encarga de agregar todos los efectos que se observan y

representa una estimación eficiente de la media condicional. Entonces, 𝛼𝑖 es

considerada como un término específico, fijo y constante dentro del conjunto en

el modelo de regresión. Es importante destacar que la palabra "fijo" se refiere a

la correlación entre 𝛼𝑖 y 𝒙𝑖𝑡 .

Efectos aleatorios

Si las variables del modelo no tienen correlación y esto formula la

heterogeneidad individual no observada, entonces es posible expresar el modelo

de la siguiente manera:

𝑦𝑖𝑡 = 𝒙′𝑖𝑡 𝜷 + 𝐸[𝒘′𝑖 𝜶] + {𝒘′𝑖 𝜶 − 𝐸[𝒘′𝑖 𝜶]} + 𝜀𝑖𝑡

O de manera equivalente

𝑦𝑖𝑡 = 𝒙′𝑖𝑡 𝜷 + 𝛼 + 𝑢𝑖 + 𝜀𝑖𝑡 ,

 63

Los modelos con efectos aleatorios pueden estimarse consistentemente

mediante una regresión lineal con perturbación compuesta utilizando MCO,

pero no resulta ser eficiente. El método de efectos aleatorios detalla que 𝑢𝑖 es

un término estocástico específico, parecido a 𝜀𝑖𝑡 ; sin embargo, para cada

agrupación, solo un efecto entra para cada periodo de manera idéntica en la

regresión.

Los efectos aleatorios se diferencian de los efectos fijos en la

incorporación de elementos que se correlacionen con los regresores del modelo

por parte del efecto individual no observado, mas no en si estos son estocásticos

o no.

Test de Especificación de Hausman

Para un correcto proceso de estimación es fundamental establecer el

modelo que se va utilizar, este puede ser de efectos aleatorios o fijos . Para

abordar esta cuestión, se puede emplear el test de especificación de Hausman.

El manejo de la aleatoriedad de los efectos individuales puede resultar

inconsistente si es que existe aleatoriedad o correlación entre las variables del

modelo.

Hausman (1978) propone una prueba de especificación para analizar la

ortogonalidad entre regresores y efectos comunes. Esta propone la hipótesis de

no correlación, teniendo como resultados que los estimadores MCO, MCO

generalizados, y MCO con variables dummies son consistentes. Por otro lado,

teniendo como resultado a la hipótesis alternativa, los estimadores MCO son

poco eficientes, los MCO generalizados no lo son, los MCO con variables
 64

dummies son viables. Por ende, bajo la hipótesis nula, no debería haber una

diferencia sistemática entre estas dos estimaciones, y una prueba puede basarse

en la discrepancia entre ellas.

El resultado clave de la prueba de Hausman establece la diferencia es

cero, entre la covarianza de un estimador eficiente y otro menos eficiente. Esto

implica que:

𝐶𝑜𝑣[𝒃, 𝛽̂ ] = 𝑉𝑎𝑟[𝛽̂ ]

Con este resultado, la matriz de covarianza necesaria para la prueba es:

𝑉𝑎𝑟[𝒃 − 𝛽̂ ] = 𝑉𝑎𝑟[𝒃] − 𝑉𝑎𝑟[𝛽̂ ] = 𝚿.

La estadística de prueba chi-cuadrado se apoya en el criterio de Wald:

′
𝑊 = 𝜒 2 [𝐾 − 1] = [𝒃 − 𝛽̂ ] 𝚿
̂ −1 [𝒃 − 𝛽̂ ].

La prueba de Hausman tiene una restricción práctica, ya que no asegura

que en una muestra finita los resultados de la diferencia de dos matrices de

covarianza sean positivos. Sin embargo, es funcional para la determinación de

la especificación optada del modelo de efectos comunes. Si la estadística

calculada es negativa, esto podría sugerir que no debería ser rechazado un

modelo con efectos aleatorios, puesto que la semejanza entre las matrices de

covarianza podría ser la causa del problema. En tal caso, la hipótesis alternativa

(efectos fijos) indicaría diferencias significativas entre los estimadores.

Existen diversas formas alternativas de estimar la estadística de prueba

de Hausman, algunas presentan asintótica equivalencia y otras tienen igualdad

 65

numérica. Una opción práctica es la estadística de prueba que muestra

equivalencia asintótica:

′ −𝟏
𝐻′ = [𝛽̂𝑀𝐶𝑂𝑉𝐷 − 𝛽̂𝑀𝐸𝐷𝐼𝐴 ] [𝐴𝑠𝑦. 𝑉𝑎𝑟[𝛽̂𝑀𝐶𝑂𝑉𝐷 ] + 𝐴𝑠𝑦. 𝑉𝑎𝑟[𝛽̂𝑀𝐸𝐷𝐼𝐴 ]] [𝛽̂𝑀𝐶𝑂𝑉𝐷

− 𝛽̂𝑀𝐸𝐷𝐼𝐴 ]

Donde 𝛽̂𝑀𝐸𝐷𝐼𝐴 es el estimador promedio de los tres estimadores

mencionados anteriormente. Esta formulación asegura que la matriz de

covarianza sea en todos los casos definida y positiva.

En resumen, la hipótesis nula (ausencia de diferencia entre los

estimadores) podría indicar que se debe utilizar el modelo de efectos aleatorios,

por otro lado, que la hipótesis alternativa (hay significancia en la diferencia de

los estimadores) sugiere la preferencia por el modelo de efectos fijos.

Pruebas de heterocedasticidad – Breusch-Pagan LM

Se entiende que cuando se presenta heterocedasticidad en un modelo,

los estimadores ya no son los más eficientes, lo que implica que no ofrecen

estimaciones óptimas de los parámetros. Además, las pruebas de hipótesis y los

intervalos de confianza que se basan en errores estándar sin considerar la

heterocedasticidad pueden ser tendenciosos, lo que podría tener consecuencias

importantes para la validez de las inferencias estadísticas. Matemáticamente, la

heterocedasticidad se puede expresar de la siguiente manera:

𝑉𝑎𝑟 (𝜀𝑖 ) = 𝜎𝑖2

Donde:
 66

• 𝑉𝑎𝑟 (𝜀𝑖 ), es la varianza de los errores para la observación i.

• 𝜎𝑖2 , indica que esta varianza puede ser diferente para cada observación.

La prueba estadística de Breusch-Pagan es utilizada con el fin de

examinar la existencia de heterocedasticidad en un modelo de regresión. La idea

es identificar si hay constancia en la variación de errores a lo largo de las

observaciones. La formulación de la prueba de Breusch-Pagan se basa en

comparar el modelo original con un modelo que incluye variables adicionales

para capturar la heterocedasticidad.

Para el presente estudio la formulación del modelo auxiliar para la

prueba de Breusch-Pagan se realiza introduciendo una variable adicional que

captura la heterocedasticidad potencial. La ecuación del modelo auxiliar sería:

𝑦𝑖𝑡 = 𝒙′𝑖𝑡 𝜷 + 𝛼𝑖 + 𝜀𝑖𝑡 + 𝜇𝑖𝑡 . 𝑧𝑖𝑡

Donde:

• 𝑧𝑖𝑡 , es una variable que se sospecha que puede estar relacionada con la

heterocedasticidad.

• 𝑢𝑖𝑡 , en el modelo auxiliar es el término que muestra el error.

Luego, la prueba de Breusch-Pagan calcula la estadística de prueba de

la siguiente manera:

𝐿𝑀 = 𝑁𝑇. 𝑅2

Donde:

• N, es el número de unidades individuales en el panel.

 67

• T, es el número de periodos de tiempo.

• 𝑅2 , es el coeficiente de determinación del modelo auxiliar.

La estadística LM realiza una distribución asintótica igual a una chi-

cuadrado con grado de libertad igual a uno.

La hipótesis nula y alternativa de la prueba de Breusch-Pagan son las

siguientes,

• Hipótesis Nula (H0): Homocedasticidad: la varianza de los

errores es constante.

• Hipótesis Alternativa (HA): Heterocedasticidad: la varianza de

los errores no es constante.

La determinación de rechazar o no la hipótesis nula se toma comparando

la estadística LM con la distribución chi-cuadrado y el nivel de significancia

predefinido. Es entonces que el valor p asociado resulta ser menos que el nivel

de significancia, hipótesis nula es rechazada, indicando evidencia de

heterocedasticidad en el modelo de panel. En ese caso, se deberían considerar

ajustes para corregir la heterocedasticidad.

Prueba de Dickey-Fuller aumentada (ADF)

Así mismo, para establecer si las series temporales individuales dentro

del modelo son estacionarias, se examina la prueba a los residuos para verificar

si tienen una raíz unitaria, lo que indicaría que no son estacionarios. La regresión

de Dickey-Fuller para los residuos se realiza de manera similar a la regresión de

 68

Dickey-Fuller para una serie de tiempo individual, pero en este caso se aplica a

los residuos de una regresión.

𝑝−1
∆ℯ𝑖𝑡 = δ + ∅ℯ𝑖,𝑡−1 + ∑ 𝜃𝑗 ∆ℯ𝑖,𝑡−𝑗 + +𝜀𝑖𝑡
𝑗=1

Donde:

• ∆, es la variación de la variable respecto al periodo anterior.

• ℯ𝑖𝑡 , es el residuo en el periodo t, para la unidad i.

• δ es una constante.

• ∅, es el coeficiente relacionado con el rezago de los residuos ℯ𝑖,𝑡−1 .

• 𝜃, son los coeficientes ligados con las diferencias rezagadas de los residuos

∆ℯ𝑖,𝑡−𝑗 .

• 𝜀𝑖𝑡 es el término de error.

La hipótesis nula de la prueba de Dickey-Fuller para los residuos es que

tiene una raíz unitaria, lo que señala no estacionariedad. Si el valor p-value es

menos que un nivel de significancia dado, por ende la hipótesis nula es

rechazada y concluyendo que los residuos son estacionarios. Lo que

proporciona evidencia de que el modelo es conveniente en cuanto a la

especificación y que las relaciones capturadas por el modelo son consistentes

con los datos.

 69

Capítulo V: Resultados

5.1. Descripción del trabajo de campo

El estudio actual toma en cuenta los indicadores para las variables de

infraestructura de electricidad, vial y telecomunicaciones tomando en cuenta a

Vásquez y Bendezú (2008); y Urrunaga y Aparicio(2012); los cuáles también

guiaron nuestra elección de variables de control y sus indicadores (superficie

agrícola y PEA).

Posteriormente se procedió con la obtención de datos de fuentes fiables

como el INEI, BCRP, MIDAGRI y MTC. Estos datos fueron filtrados y

sistematizados en una base de datos en Excel, ordenándola por años y variable,

según cada departamento. Esto para poder importar con facilidad los datos al

programa econométrico Eviews y continuar con la estimación.

Para estimar el modelo se utilizó como indicador de la variable endógena

a la variación porcentual del PBI per cápita (crec); y para las variables exógenas,

como indicador de la infraestructura de red vial, a la densidad vial (denvial =

infraestructura vial pavimentada por departamento/superficie total

departamental); como indicador de infraestructura de telecomunicaciones

(telecom) a la suma total de líneas fijas y privadas; como indicador de

infraestructura de energía, a la población que tiene el servicio de luz eléctrica

en su hogar (elect). Como indicadores de las variables de control tenemos al

total de la superficie agrícola en km2 (supagr) y la población económicamente

activa, a nivel regional y anual.

Luego, se realizó una serie de modelos integrando y descartando las

variables planteadas, sin embargo resultaron inconsistentes e insignificantes. Es

 70

entonces que, para llegar a la consistencia y significancia esperada, se propone

un indicador compuesto de la red vial (vial_3=(denvial+denvial(-1)+denvial(-

2)+denvial(-3)+denvial(-4)+denvial(-5))/6), basándonos en lo expuesto por

Limao y Venables (2001), quienes afirman que ante la existencia una alta

correlación entre variables, podemos construir nuestro indicador utilizando el

promedio lineal de la variable normalizada.

Para el modelo final utilizamos el método panel con efectos fijos,

consiguiendo los resultados que expondremos a continuación.

5.2. Presentación de los resultados

- Análisis estadístico de los datos

A continuación presentaremos en la tabla 3, las estadísticas básicas de

los indicadores utilizados en el modelo.

En primer lugar podemos observar que la Macroregión centro tuvo en

promedio un PBI per cápita de S/ 9 718 soles en los últimos 15 años. También,

que la región de Pasco registra el PBI per cápita más elevado a nivel de estas

regiones, el que se dio en el año 2019 con un total de S/ 20 002.7 soles. Por otro

lado Huánuco obtuvo la cifra mínima en cuanto al PBI per cápita con S/ 3 980.1

soles.

Luego está la densidad vial , que nos muestra que en promedio, en el

último quinquenio hubo 2.33 km lineales de carretera por cada 100 km2 de

territorio. Es así que la región de Huancavelica tuvo la mínima y máxima

densidad vial, en el año 2018.

 71

Estadísticos descriptivos de las variables dependiente e independientes

PBIPERC DENVIAL ELECT TELECOM SUPAGR PEA

(soles por (km/100 (pob. con (total de (km2) (personas)
persona) km2) luz) líneas)

Mean 9 717.9 2.33 599 506 517 308 3 721.5 391 067
Median 8 111.5 1.89 530 999 443 872 3 097.8 361 100
Maximum 20 002.7 5.5 1 309 711 1 417 954 10 226.9 797 800
Minimum 3 980.1 0.47 228 172 32 284 908.8 133 700

Std. Dev. 4 620.053 1.437 337 633.1 374 090.3 2 153.206 192 895.2
Skewness 1.032 0.931 0.863 0.934 1.032 0.595
Kurtosis 2.822 2.754 2.486 2.837 3.624 2.239

Jarque- 14.133 11.609 10.674 11.583 15.315 6.573

Bera
Probability 0.001 0.003 0.005 0.003 0.001 0.037

Sum 767 721.6 184.35 47 361 010 40 867 316 294 001.5 30 894 300
Obs. 79 79 79 79 79 79
Nota. Esta tabla muestra los valores de la mediana, media, máximos, mínimos,

desviación estándar, sesgo, curtosis, Jarque-Bera (probabilidad), suma y total de

observaciones de los datos.

También observamos al indicador de la infraestructura de electricidad,

aquí se puede observar que en promedio hubo 599 506 personas con luz eléctrica

en sus hogares desde 2007 hasta 2002. La región que tuvo el máximo número

de este indicador fue Junín en el 2022 y el mínimo fue Pasco en el 2017.

Después, tenemos el indicador de telecomunicaciones, que nos indica

que a nivel de las 5 regiones estudiadas, existe un promedio de 517 308 líneas

fijas y móviles. Teniendo como máximo 1 417 954 líneas en Junín para el año

2022 y como mínimo 32 284 líneas en Huancavelica el 2007.

 72

El siguiente indicador es de superficie agrícola, que tuvo 3 721 km2 en

promedio de las 5 regiones entre 2007 y 2022. Su número máximo fue de 10

227 km2 en Huánuco para el 2002 y el mínimo fue 908.9 km2 en Ayacucho en

2007.

Por último se encuentra el indicador de la PEA, del cual se tiene 391 067

personas económicamente activas en promedio para las 5 regiones desde 2007

al 2022. Siendo la región con más PEA, Junín en el año 2022 (797 800 personas)

y con menos PEA, Pasco en el 2008 (133 700 personas).

Para observar la evolución anual de cada variable y por cada región ver

los anexos 3, 4, 5, 6, 7 y 8 al final del documento.

Correlación entre las variables

Matriz de correlación de las variables de crecimiento e infraestructura

Correlación CREC VIAL_3 ELECT TELECOM SUPAGR PEA

CREC 1

VIAL_3 0.018 1

ELECT 0.045 0.137 1

TELECOM 0.033 0.186 0.977* 1

SUPAGR 0.040 0.050 0.554* 0.605* 1

PEA 0.086 0.203 0.985* 0.973* 0.646* 1

Nota. Los coeficientes de relación con (*) tienen un t-statistic igual a 0, mientras

que los otros tienen un t-statistic > a 0.

 73

En la tabla 4 se observa que las variables exógenas tienen una

correlación positiva con la variable dependiente. Por otro lado, la correlación

entre algunas variables independientes resulta ser muy fuertes (cercanas a 1)

además, tienen un valor de t-statistic igual a 0, lo que impide hacer inferencias

significativas sobre la importancia de cada variable por separado debido a la

multicolinealidad entre las variables dependientes, estas variables son

telecomunicaciones y electricidad; PEA y electricidad; PEA y

telecomunicaciones. Este problema se corregirá en la modelación de la ecuación

a correr.
 74

6 1,400,000

5 1,200,000

4 1,000,000

VIAL_3

ELECT
3 800,000

2 600,000

1 400,000

0 200,000
-20 -10 0 10 20 30 -20 -10 0 10 20 30

CREC CREC

1,500,000 12,000

1,250,000 10,000

1,000,000 8,000
TELECOM

SUPAGR
750,000 6,000

500,000 4,000

250,000 2,000

0 0
-20 -10 0 10 20 30 -20 -10 0 10 20 30

CREC CREC

1,000,000

800,000

600,000
PEA

400,000

200,000

0
-20 -10 0 10 20 30

CREC

Figura 4. Relación entre la variable endógena y las variables exógenas.

Nota. El diagrama de Scatter es otra manera de observar la relación entre las

variables de la investigación.

También, la figura 4 a través del diagrama de Scatter, nos muestra que

existe relación positiva entre el crecimiento y las variables independientes

conformadas por los datos de la Macroregión Centro para los años 2007-2022.
 75

- Estimación del modelo econométrico

Al observar previamente problemas de correlación, se estima el modelo

general con efectos fijos y aleatorios, para después realizar el test de Hausman

y utilizar el método conveniente.

Resultados de la estimación del modelo general

Variables exógenas: Variable endógena: Crecimiento per cápita

Modelo general
Efectos fijos Efectos Aleatorios
-2.51** -1.52
VIAL_3 (1.585) (0.627)***
-0.0000717* -0.0001
ELECT (0.0000337) (0.00001)*
-0.00000061*** -0.000004
TELECOM (0.0000177) (0.000007)***
0.000147* 0.000132
PEA (0.0000436) (0.00002)*
-0.001344* -0.00161
SUPAGR (0.000549) (0.0003) *
R-squared 0.1612 0.1404
Cross-sections 5 -
Número de observaciones 52 52

Nota. En la tabla mostrada se encuentran en primera línea los coeficientes

estimados y debajo. Los coeficientes con * son significantes al 5%, con ** al

10% y con *** son no significativos.

Luego, se corrió el modelo tal como lo muestra la tabla 5, incluyendo la

variable VIAL_3, donde se da a notar que las variables exógenas no tienen

 76

significancia para el crecimiento tanto con efectos fijos como con efectos

aleatorios.

Para definir cuál método sería correcto utilizar se realiza una prueba de

Hausman tal como se muestra en la Tabla 6.

La hipótesis nula para la prueba de Hausman es, utilizar los efectos

aleatorios o estáticos. La hipótesis alternativa por su lado, es que se debería

utilizar efectos fijos.

Dado que el valor p (0.000) es significativamente menor a 0.05 (visto en

la Tabla 5) hay suficiente evidencia para el rechazo de la hipótesis nula en favor

de la alternativa. Por ende se elige los efectos fijos, ya que permitirán controlar

las características específicas de cada unidad individual en los datos panel, lo

que es de suma importancia para adquirir estimaciones concisas y confiables de

los parámetros del modelo.

Resultados de prueba de Hausman

PRUEBA DE HAUSMAN
Estadístico Chi-Sq 61.8
Prob 0.000
Grados de libertad 5

Nota. La prueba de Hausman te permite determinar si es más apropiado utilizar

un estimador de efectos aleatorios o de efectos fijos en un modelo de regresión,

basándose en si existe correlación entre las variables explicadas omitidas y los

errores.
 77

Asimismo se realiza la prueba Breusch-Pagan para constatar la

heterocedasticidad presentada en el modelo, se observa en la tabla 7, y se

interpreta de la siguiente manera, el valor p (0.0172) es menor que el nivel de

significancia usualmente utilizado de 0.05. Por lo tanto, se evidencia

significativamente para rechazar la hipótesis nula de homocedasticidad. Es

debido a esto que se considera corregirlo incluyendo la variable del logaritmo

del PBI per cápita rezagado (log(pbiperc( -1 )) y así poder estabilizar la varianza

del modelo.

Resultados de prueba de heterocedasticidad

PRUEBA DE BREUSCH-PAGAN
LM
Statistic 21.618
Prob 0.0172
Cross-sections 5
Número de 52
observaciones

Nota. Para interpretar los resultados de la prueba se tiene en cuenta que la

hipótesis nula es, no hay dependencia transversal (correlación) en los residuos.

Por otro lado, para corregir la multicolinealidad presentada en la Tabla

4, planteamos dos modelos distintos, en los cuales seleccionamos las variables

independientes que no tienen una correlación fuerte. Y para hacer más

entendible la explicación, convertimos las variables a términos de porcentajes.

 78

Es así que llegamos a la tabla 8. Aquí podemos observar que todas las

variables son significantes al 95% puesto que tienen una probabilidad menor al

0.05, además son positivas en su mayoría ,con excepción de electricidad.

Teniendo en cuenta lo mencionado, se afirma que las variables

presentadas en el modelo A-I explican a la variable endógena (Crecimiento) en

un 46.45%, de la siguiente manera. Por cada kilómetro de vía asfaltada adicional

dentro de 100 km2 (VIAL_3), se genera un incremento del crecimiento

económico en 1% al año para la Macroregión Centro. Por otro lado, por cada

100 hectáreas adicionales de superficie agraria, el crecimiento para las 5

regiones en estudio se incrementa en 0.34%. Y por cada 1000 personas

adicionales consideradas dentro de la PEA, el crecimiento sube en 0.17%.

En cuanto al modelo A-II, se explica a continuación, por cada kilómetro

de vía asfaltada adicional dentro de 100 km2 (VIAL_3), se genera un

incremento del crecimiento económico en 3.9% para la Macroregión Centro;

por otro lado, por cada 100 hectáreas adicionales de superficie agrícola, el

crecimiento para las 5 regiones en estudio se incrementa en 0.21%; y por cada

10 000 de líneas fijas y móviles adicionales en las regiones de estudio, el

crecimiento sube en 0.22%.

 79

Resultado de las estimaciones de los modelos A-I y A-II

Variable endógena:
Crecimiento per cápita
Variables exógenas: A-I A-II

-54.9514** -53.5559**
LOG(PBIPERC(-1)) (11.53728) (9.726086)
1.0922* 3.9879*
VIAL_3 (0.502697) (1.613378)
-0.000087* -
ELECT (0.000037)
- 0.0000224**
TELECOM (0.00000777)
0.000174** -
PEA (0.0000107)

0.00344* 0.002123*
SUPAGR (0.00138) (0.000919)

R-squared 0.4645 0.3294

Cross-sections 5 5

Observaciones 52 52

Nota. En la tabla mostrada se encuentran en primera línea los coeficientes

estimados y debajo. Los coeficientes con * son significantes al 5%, con ** al

10% y con *** son no significativos.

 80

Finalmente se realiza el test de raíz unitaria de Dickey Fuller para comprobar

si los modelos son estacionarios, los resultados son expuestos en la tabla 9.

Teniendo en cuenta que la hipótesis nula es que las variables cuentan con raíces

unitarias, con una significancia del 5%, observamos que las probabilidades

indican el rechazo de la hipótesis nula, por lo que los residuos de los modelos

son estacionarios.

Resultados del test de raíz unitaria de los residuos

PRUEBA DE DICKEY-FULLER AUMENTADA

Método Prob A-I Prob A-II

ADF - Fisher Chi - 0.0041 0.0003

square
ADF - Choi Z-stat 0.0020 0.000

Nota. Para interpretar los resultados de la prueba se tiene en cuenta que la

hipótesis nula es que la serie tiene una raíz unitaria.

5.3. Discusión de resultados

De acuerdo con los resultados derivados del modelo (ver tabla 8) se

observa que estadísticamente la infraestructura pública (red vial,

telecomunicaciones y electricidad) es consistente para describir el

comportamiento del crecimiento económico en la Macroregión Centro para el

periodo de 2007 al 2022.

Asimismo, se demostraría que las hipótesis especificas son aceptadas,

tal como demostró Vásquez y Bendezú (2008); y Urrunaga y Aparicio (2012),

existe una relación positiva y significativa donde el crecimiento económico está

 81

asociado con un incremento de la infraestructura física en las redes viales y

telecomunicaciones. Es decir, usando variables de control distintas y evaluando

para un periodo posterior a los mencionados estudios. En otras palabras, el

efecto de la infraestructura pública sigue siendo fundamental en la Macroregión

Centro.

En cuanto a la infraestructura vial, los coeficientes tuvieron el signo

esperado, ya que tal como menciona Vásquez y Bendezú (2008), la expansión

de las redes viales a nivel regional y nacional en el territorio peruano parece

tener el potencial de impulsar el intercambio comercial entre las distintas

regiones. Esto se lograría al facilitar la conexión entre los mercados ya

establecidos y alentar la creación de nuevos mercados, con la finalidad de

permitir la introducción de nuevos productos en áreas de elevada demanda y así

favorecer a productores regionales, generando un estímulo significativo para el

comercio entre las regiones.

Así mismo la investigación obtiene signos positivos en cuanto a la

infraestructura de telecomunicaciones, tal como Urrunaga y Aparicio (2012),

por lo tanto la infraestructura de telecomunicaciones resulta ser determinante en

el crecimiento regional a largo plazo, pues va de la mano con la productividad

de los empleados asociado al capital humano.

De igual manera, los resultados se alinean con Sahoo y Dash (2009),

quienes plantean que la existencia de infraestructura y fuerza laboral (en caso

de la presente investigación representada por la PEA), desempeñan un papel

importante en el crecimiento económico, y que mejoran la productividad.

 82

Por otro lado, en cuanto al efecto negativo que genera la implementación

de redes de electricidad en el crecimiento económico, se concuerda con (Calvo

et al., 2021), quienes indican que para que la electricidad contribuya de forma

positiva en el desarrollo de una economía, esta se debe de distribuir de forma

equitativa. Los autores también mencionan que para países como Perú, Bolivia

y Paraguay, las redes de electrificación se implementan mayormente en zonas

urbanas y esto no contribuye en el desarrollo de estos países. Teniendo en cuenta

lo mencionado, recordamos que los departamentos en estudio tienen zonas

rurales en su mayoría y son justamente estas zonas las que presentan más

brechas de infraestructura.

La presente investigación se encontró ligada de forma coherente con los

antecedentes planteados, sin embargo se tuvieron limitaciones al acceso de

datos, por lo que se tuvo que construir las variables usando proyecciones e

interpolaciones.
 83

Conclusiones

• El presente estudio contribuye a la actualización de datos específicos para la

Macroregión Centro, sirviendo de guía para futuras investigaciones. Su objetivo

principal fue analizar el efecto de la infraestructura pública en el crecimiento

económico de la Macroregión Centro durante el período 2007-2022. Los

resultados indican que la infraestructura pública tiene tanto efectos positivos

como negativos en el crecimiento económico de las regiones incluidas en este

período.

• En cuanto al primer objetivo específico, se concluye que la infraestructura

pública de red vial pavimentada tiene un efecto positivo y significativo en el

crecimiento de las regiones pertenecientes a la Macroregión Centro en el

periodo 2007-2022.

• Por el contrario, para el segundo objetivo específico, se concluye que la

infraestructura pública de electricidad tiene un efecto negativo en el crecimiento

de las regiones pertenecientes a la Macroregión Centro en el periodo 2007-2022,

esto debido a la inequidad en la distribución de estas redes para estos

departamentos.

• Finalmente, para el tercer objetivo específico, se concluye que la infraestructura

pública de telecomunicación tiene un efecto positivo y significativo en el

crecimiento de las regiones pertenecientes a la Macroregión Centro en el

periodo 2007-2022.
 84

Recomendaciones

1. Se recomienda implantar un sistema de evaluación y monitoreo continuo de las

variables mencionadas en el estudio por parte de las instituciones públicas

pertinentes, para obtener datos concretos, lo que conllevará a la eficiencia de

futuras investigaciones sobre el tema.

2. Se recomienda la implementación de incentivos y políticas para fomentar que

el sector privado tenga un rol en proyectos de infraestructura, así optimizar la

eficiencia y la inversión.

3. Se recomienda que se evalúen los sectores de telecomunicaciones, transporte y

energía, para saber cuál es el sector que tiene un efecto mayor en el crecimiento

de las regiones estudiadas, así se podrá priorizar la inversión en mejorar y

expandir la infraestructura pública. Sin embargo, no se deben de dejar de lado

los otros sectores, ya que todos contribuyen en el cierre de brechas y hacen que

estas regiones sean más competitivas.

 85

Referencias

Aschauer, D. (1989). Is public expenditure productive? Journal of Monetary

Economics, 23(2), 177-200. doi:https://doi.org/10.1016/0304-3932(89)90047-

Asher, S., & Novosad, P. (2018). Rural Roads and Local Economic Development.

Policy Research Working Paper(8466). Retrieved from

http://hdl.handle.net/10986/29895

Asociación para el Fomento de la Infraestructura Nacional. (2015). Plan Nacional de

Infraestructura 2016-2025. Lima: Asociación para el Fomento de la

Infraestructura Nacional.

Babbie, E. (2000). Fundamentos de la investigación social. (J. Dávila, Trans.)

México: Thomson Editores. Retrieved from

https://tecnicasmasseroni.files.wordpress.com/2012/02/babbie-fundamentos-

de-la-investigacic3b3n-social.pdf

Barajas, H., & Gutiérrez, L. (2012). La importancia de la infraestructura física en el

crecimiento económico de los municipios de la frontera norte. Estudios

fronterizos, 57-88. Retrieved from

https://www.scielo.org.mx/pdf/estfro/v13n25/v13n25a3.pdf

BCRP. (2023, Diciembre 29). BCRP APPS. Retrieved from BCRP APPS:

https://www.bcrp.gob.pe/apps/pbi-y-crecimiento/pbi.html

Bernal, C. (2006). Metodología de la investigación. México: Pearson Educación.

Retrieved from

https://www.google.com.pe/books/edition/Metodolog_a_de_la_investigaci_n/

h4X_eFai59oC?hl=es-
 86

419&gbpv=1&dq=metodos+de+investigacion+de+cesar+bernal&printsec=fro

ntcover

Bryman, A. (2016). Social Research Methods. Estados Unidos: Oxford University.

Buhr, W. (2009). Infrastructure of the Market Economy. Discussion Papers in

Economics, 1-74. Retrieved from

https://www.researchgate.net/publication/47452631_Infrastructure_of_the_ma

rket_economy#fullTextFileContent

Bunge, M. (2013). La ciencia. Su método y su filosofía. Pamplona: Laetoli. Retrieved

from

https://books.google.com.pe/books?hl=es&lr=&id=OgmMDwAAQBAJ&oi=f

nd&pg=PT3&dq=Mario+Bunge+La+ciencia.+Su+m%C3%A9todo+y+su+filo

sof%C3%ADa&ots=fXFjpWTm-

N&sig=jU2bLTYxRp9e7pGhs23H7P2q8Xo&redir_esc=y#v=onepage&q=Ma

rio%20Bunge%20La%20ciencia.%20Su%20m%C3%A9todo

Calderón, C., & Servén, L. (2004). The Effects of Infrastructure Development on

Growth and Income Distribution. Policy Research Working Paper(3400).

Retrieved from http://hdl.handle.net/10986/14136

Calvo, R., Álamos, N., Billi, M., Urquiza, A., & Contreras, R. (2021). Desarrollo de

indicadores de pobreza energética en América Latina y el Caribe. Serie

Recursos Naturales y Desarrollo (207).

Canning, D., & Pedroni, P. (1999). Infrastructure and Long Run Economic Growth.

CAER II Discussion Paper(57).

Castillo, P. (2021). Las telecomunicaciones como una fuente de progreso para la

humanidad. Lectio Inauguralis 2021 de la Universidad Católica San Pablo.

Perú.
 87

Centro Nacional de Planeamiento Estratégico. (2011). Plan Bicentenario, EL Perú

hacia el 2021. Lima: Centro Nacional de Planeamiento Estratégico. Retrieved

from https://www.ceplan.gob.pe/wp-

content/uploads/files/Documentos/plan_bicentenario_ceplan.pdf

Cerda, H. (2012). Inversión pública, infraestructuras y crecimiento económico

chileno, 1853-2010. Universidad Autónoma de Barcelona.

Cooper, D., & Schindler, P. (2014). Business Research Methods (Twelfth ed.). United

States: The McGraw-Hill/Irwin. Retrieved from

http://www.mim.ac.mw/books/Donald%20R%20Cooper's%20Business%20Re

search%20Methods,%2012th%20Edition.pdf

Diccionario panhispánico del español jurídico. (2024). Infraestructura pública.

Retrieved from https://dpej.rae.es/lema/infraestructura-p%C3%BAblica

Greene, W. (2002). Econometric Analysis. Pearson.

Gujarati, D. (2010). Econometría. D.F.México: The McGraw-Hill .

Haavelmo, T. (1944). The Probability Approach in Econometrics. Econometrica,

12(1).

Haughwout, A. F. (2000). Public infrastructure investments, productivity and welfare

in fixed geographic areas. Journal of Public Economics, 405-428. Retrieved

from https://uh.edu/~bsorense/Houghwout%20JPubE.pdf

Instituto Nacional De Estadística e Informática. (2017). Perú: Participación de la

Población en la Actividad Económica. Lima: Instituto Nacional De Estadística

e Informática.

Instituto Nacional de Estadística e Informática. (2022). Perú: Cuentas Nacionales

1950-2021. Lima: Instituto Nacional de Estadística e Informática. Retrieved

from
 88

https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Li

b1873/libro.pdf

Instituto Peruano de Economía. (2013, abril 10). Portal IPE. Retrieved from Portal

IPE: https://www.ipe.org.pe/portal/crecimiento-economico/

Instituto Peruano de Economía, I. (2022). Índice de competitividad regional 2022.

INCORE. Retrieved from

https://incoreperu.pe/portal/images/financepress/ediciones/INCORE_2022.pdf

Jiménez, F. (2011). Crecimiento económico : enfoques y modelos. Lima: Fondo

Editorial de la Pontificia Universidad Católica del Perú.

doi:https://doi.org/10.18800/9789972429798

Livia, L., Sánchez, R., Galiano, A., Cajas, J., Arévalo, E., & Rosas, E. (2021). Atlas

de la superficie agrícola del Perú. Lima: OLCAPA. Retrieved from

https://siea.midagri.gob.pe/portal/media/attachments/publicaciones/superficie/

atlas_de_la_superficie_agricola_del_peru.pdf

Loayza, N. (2008). El Crecimiento Económico en el Perú. Economía, XXXI(61), 9-25.

Retrieved from

https://revistas.pucp.edu.pe/index.php/economia/article/view/477/468

Machado, R., & Toma, H. (2017). Crecimiento económico e infraestructura de

transportes y comunicaciones en el Perú. Economía, XL(79), 9-46.

doi:https://doi.org/10.18800/economia.201701.001

Maxwell, J. (2019). Diseño de investigación cualitativa: Un enfoque interactivo. (E.

Méndez, Trans.) Barcelona: Gedisa. Retrieved from

https://www.google.com.pe/books/edition/Dise%C3%B1o_de_investigaci%C

3%B3n_cualitativa/ZLewDwAAQBAJ?hl=es-

419&gbpv=1&printsec=frontcover
 89

Mayorga, M., & Muñoz, E. (2000). La técnica de datos de panel una guía para su uso

e interpretación. Documento de trabajo del Banco Central de Costa Rica, 1-

18.

Ñaupas, H., Valdivia, M., Palacios, J., & Romero, H. (2018). Metodología de la

Investigación cuantitativa-cualitativa y redacción de la tesis. Bógota:

Ediciones de la U. Retrieved from

https://books.google.com.pe/books?hl=es&lr=&id=KzSjDwAAQBAJ&oi=fnd

&pg=PA171&dq=metodo+cientifico&ots=CP3OyWIvNZ&sig=lfEnY1ru8tY

Pl_cYm8n_Gr1ULvU&redir_esc=y#v=onepage&q=metodo%20cientifico&f=

false

Óbregon, S. (2008). Impactos sociales y económicos de las infraestructuras de

transporte viario: estudio comparativo de dos ejes, el “Eix Transversal de

Catalunya” y la carretera MEX120 en México. Barcelona: Universidad

Politécnica de Cataluña.

Observatorio Federal Urbano. (2024). Movilidad y conectividad. Retrieved from

Redes de conectividad:

https://ofu.obraspublicas.gob.ar/Indicators/UrbanDiagnosis/TransportDensity/

TechnicalRecord

Panduro, T. (2022). Efectos de la inversión pública, privada y el stock de capital en el

crecimiento económico de la región Huánuco: Periodo 2007-2019. Lima:

Universidad Nacional Federico Villareal.

Paredes, C., & Cayo, J. (2013). Las barreras al crecimiento económico en

Huancavelica. Lima: Consorcio de Investigación Económica y Social.

Real Academia Española, R. (2022). Diccionario RAE. Retrieved from Diccionario

RAE: https://dle.rae.es/infraestructura
 90

Rodríguez, L. (2002). Potencial de desarrollo económico en Sonora: Ventaja

comparativa intermunicipal del acervo de infraestructura (1993-1998).

Tijuana: El Colegio de la Frontera Norte.

Rojas, M. (2016). Avance en la infraestructura física del Perú. Metas del Perú

Bicentenario, 295-303. Retrieved from

https://hdl.handle.net/20.500.12724/3361

Rozas, P., & Sánchez, R. (2004). Desarrollo de infraestructura y crecimiento

económico: revisión conceptual. Recursos naturales e infraestructura .

Retrieved from https://hdl.handle.net/11362/6441

Ruiz, C. (2021). Impacto de la infraestructura vial en el crecimiento económico del

Perú a nivel regional, durante el periodo 2010–2018. Lima: Universidad

Ricardo Palma.

Scandizzo, P., & Pierleoni, M. (2020). Short and Long-Run Effects of Public

Investment: Theoretical Premises and Empirical Evidence. Scientific Research

Publishing, 834-867. Retrieved from

https://www.scirp.org/pdf/tel_2020081112441674.pdf

Snedecor, G., & Cochran, W. (1971). Métodos estadísticos. México: Continental.

Solow, R. (1956). Contribution to the Theory of Economic Growth. The Quarterly

Journal of Economics, 65-94.

Straub, S. (2008). Infrastructure And Growth In Developing Countries : Recent

Advances And Research Challenges. Policy Research Working Papers.

doi:https://doi.org/10.1596/1813-9450-4460

Tamayo, J., Salvador, J., Vásquez, A., & Vilches, C. (2016). La industria de la

electricidad en el Perú: 25 años de aportes al crecimiento económico del país.

Lima: Osinergmin. Retrieved from

 91

https://www.osinergmin.gob.pe/seccion/centro_documental/Institucional/Estu

dios_Economicos/Libros/Osinergmin-Industria-Electricidad-Peru-25anios.pdf

Timilsina, G., Hochman, G., & Song, Z. (2020). Infrastructure, Economic Growth,

and Poverty: A Review. Policy Research Working Paper(9258). Retrieved

from http://hdl.handle.net/10986/33821

Urrunaga, R., & Aparicio, C. (2012). Infraestructura y crecimiento económico en el

Perú. Revista Cepal, 107, 157-177. Retrieved from

https://hdl.handle.net/11362/11553

Vásquez, A., & Bendezú, L. (2008). Ensayos sobre el rol de la infraestructura vial en

el crecimiento económico del Perú. Diagnóstico y Propuesta, 39. Retrieved

from https://EconPapers.repec.org/RePEc:bbj:dxpcie:13

Vicente, K. (2023). Incidencia de la infraestructura vial en el crecimiento económico

de las regiones del Perú, 2010 - 2021. Lima: Universidad Ricardo Palma .

Zarate, M. (2023). Impacto de la Infraestructura en el Crecimiento Económico en los

departamentos del Perú: Un análisis de panel del 2004 al 2019. Lima:

Universidad Peruana de Ciencias Aplicadas.

 92

Apéndice A

Matriz de consistencia

Problema general Objetivo general Hipótesis general Variables y dimensiones Metodología

¿Cuál es el efecto de la Determinar el efecto de la La infraestructura pública tiene un Variable independiente: Método universal:
infraestructura pública sobre el infraestructura pública sobre el efecto positivo sobre el crecimiento
crecimiento económico en la crecimiento económico en la económico en la Macroregión o Infraestructura o Método científico
Macroregión Centro del Perú en el Macroregión Centro del Perú, 2007- Centro del Perú en el periodo 2007- pública Método general:
periodo 2007-2022? 2022. 2022.
o Método hipotético-
Problemas específicos Objetivos específicos Hipótesis específicas Dimensiones: deductivo
Método particular:
o ¿Cuál es el efecto de la o Determinar el efecto de o La infraestructura pública Transporte
infraestructura pública la infraestructura pública vial genera un efecto Electricidad o Método estadístico
vial en el crecimiento vial en el crecimiento positivo en el crecimiento Telecomunicaciones o Método econométrico:
económico? económico. económico. Modelo panel data
o ¿Cuál es el efecto de la o Determinar el efecto de o La infraestructura pública Enfoque:
infraestructura pública la infraestructura pública de electricidad genera un o Cuantitativo
de electricidad en el de electricidad en el efecto positivo en el Variable dependiente: Tipo:
crecimiento económico? crecimiento económico. crecimiento económico.
o ¿Cuál es el efecto de la o Determinar el efecto de o La infraestructura pública o Crecimiento o Aplicada
infraestructura pública la infraestructura pública de telecomunicaciones económico Nivel:
de telecomunicaciones de telecomunicaciones genera un efecto positivo
Dimensiones: o Explicativo
en el crecimiento en el crecimiento en el crecimiento
Diseño:
económico? económico. económico. PBI per cápita
o No experimental_
longitudinal
Técnicas de recolección de datos:

Análisis de datos
 93

Apéndice B

Ficha de recolección de datos

DENVIAL
Departamento year PBIPERC TELECOM ELECT SUPAGR (KM) PEA
(KM/100KM2)
Ayacucho 2007 4743 0.775 206842 436556 909 320100
Ayacucho 2008 5355 0.844 335983 447634 1062 329900
Ayacucho 2009 5833 0.919 443872 484819 1241 325400
Ayacucho 2010 6028 1.001 530490 514780 1451 334100
Ayacucho 2011 6244 1.091 572728 530999 1696 341100
Ayacucho 2012 6731 1.096 424147 555614 1982 333700
Ayacucho 2013 7284 1.154 476059 591920 2316 352600
Ayacucho 2014 7164 1.941 518280 612970 2707 365400
Ayacucho 2015 7496 3.846 548948 614556 3098 361100
Ayacucho 2016 7993 4.394 579911 591910 3489 365900
Ayacucho 2017 8348 4.394 588108 605266 3879 371500
Ayacucho 2018 8740 4.447 619585 619739 4270 380900
Ayacucho 2019 8926 4.704 595257 623071 4661 383300
Ayacucho 2020 7782 4.699 647357 636105 5052 368400
Ayacucho 2021 8675 4.890 682271 642210 5443 405000
Ayacucho 2022 9376 5.141 710564 678987 5834 412200
Huancavelica 2007 5339 0.473 32284 330581 1459 229700
Huancavelica 2008 5589 0.864 54209 363034 1552 232200
Huancavelica 2009 5715 1.254 78246 351662 1651 237100
Huancavelica 2010 5923 1.266 104774 370670 1756 234900
Huancavelica 2011 6065 2.172 121081 405720 1868 248300
Huancavelica 2012 6501 2.317 203712 404120 1987 254400
Huancavelica 2013 6513 2.317 211218 407866 2114 254800
Huancavelica 2014 6680 2.471 237863 431968 2249 262700
Huancavelica 2015 6598 3.948 254268 438394 2383 257400
Huancavelica 2016 8308 4.566 256574 352161 2518 262000
Huancavelica 2017 8799 5.436 265538 350214 2653 270900
Huancavelica 2018 9367 5.497 244552 343154 2788 273400
Huancavelica 2019 9502 5.482 257110 343195 2922 279300
Huancavelica 2020 8991 5.482 295074 339069 3057 290700
Huancavelica 2021 9770 5.466 313356 326569 3192 306400
Huancavelica 2022 10500 5.417 350989 340946 3327 299300
Huánuco 2007 3980 0.613 157353 359154 3017 415300
Huánuco 2008 4266 0.776 258034 444060 3321 423800
Huánuco 2009 4270 0.895 349306 505669 3655 433100
Huánuco 2010 4522 1.167 441469 551403 4023 437900
Huánuco 2011 4743 1.276 495653 602231 4428 441200
Huánuco 2012 5209 1.556 476963 632772 4874 444900
Huánuco 2013 5477 1.556 514904 640628 5365 452500
Huánuco 2014 5619 1.558 547932 688552 5905 459700
Huánuco 2015 5944 1.553 592838 746924 6445 468800
Huánuco 2016 7106 1.554 607529 639313 6986 463100
Huánuco 2017 7730 1.554 603057 660252 7526 465800
Huánuco 2018 7934 1.888 587661 659369 8066 470400
Huánuco 2019 8004 2.444 637471 678133 8606 473600
Huánuco 2020 7162 2.702 686001 675149 9147 458500
 94

Huánuco 2021 7877 2.756 748385 648289 9687 506500

Huánuco 2022 8630 2.889 781977 744239 10227 510000
Junín 2007 7255 2.007 531510 1029328 3702 635400
Junín 2008 7813 2.093 790298 1069743 3847 669800
Junín 2009 6994 2.178 1012256 1125414 3997 668200
Junín 2010 7312 1.775 1218499 1148294 4153 688400
Junín 2011 7632 2.569 1345371 1148362 4315 699700
Junín 2012 8111 2.632 959355 1171845 4484 695200
Junín 2013 8335 2.632 1018268 1208610 4659 695900
Junín 2014 9240 2.657 1079716 1239678 4841 707500
Junín 2015 10670 2.759 1133939 1242940 5023 719600
Junín 2016 10950 2.846 1209074 1191003 5205 735200
Junín 2017 11336 2.846 1228360 1226876 5387 714900
Junín 2018 11579 2.862 1233594 1244084 5569 744100
Junín 2019 11356 3.000 1226596 1251843 5751 765800
Junín 2020 10188 3.056 1321664 1257336 5933 685800
Junín 2021 11663 3.118 1397656 1249426 6115 773900
Junín 2022 12171 3.368 1417954 1309711 6297 797800
Pasco 2007 19231 0.861 85872 228172 1155 136800
Pasco 2008 18814 0.914 130589 235920 1241 133700
Pasco 2009 17354 0.967 165410 241207 1332 153300
Pasco 2010 16052 0.963 195273 238569 1430 154100
Pasco 2011 15718 1.315 197822 250838 1536 155100
Pasco 2012 16399 1.119 169093 244847 1649 158800
Pasco 2013 16297 1.124 179937 246652 1771 160900
Pasco 2014 16711 1.215 202268 260205 1902 157400
Pasco 2015 17134 1.215 214974 267229 2032 160400
Pasco 2016 19691 1.240 221391 234566 2163 167000
Pasco 2017 19679 1.240 217022 240405 2294 166900
Pasco 2018 19645 1.506 208808 242823 2424 173800
Pasco 2019 20003 1.570 218348 243056 2555 169700
Pasco 2020 16303 1.586 235122 251463 2686 176500
Pasco 2021 19525 1.639 244131 245556 2816 186100
Pasco 2022 18993 1.668 256720 248522 2947 185800
 95

Apéndice C

Figura 5.
Evolución del PBI per cápita de la Macroregión Centro, 2007-2022
 96

Apéndice D

Figura 6.
Evolución de la densidad vial de la Macroregión Centro, 2007-2022
 97

Apéndice E

Figura 7.
Evolución del indicador de telecomunicaciones de la Macroregión Centro, 2007-2022
 98

Apéndice F

Figura 8.
Evolución del indicador de electricidad de la Macroregión Centro, 2007-2022
 99

Apéndice G

Figura 9.
Evolución de la superficie agraria de la Macroregión Centro, 2007-2022
 100

Apéndice H

Figura 10.
Evolución del indicador de la PEA de la Macroregión Centro, 2007-2022
 101

Apéndice I

Resultados de la estimación del modelo general con efectos fijos

Dependent Variable: CREC

Method: Panel Least Squares

Sample (adjusted): 2012 2022
Periods included: 11
Cross-sections included: 5
Total panel (unbalanced) observations: 52
White period standard errors & covariance (d.f. corrected)
WARNING: estimated coefficient covariance matrix is of reduced rank

Variable Coefficient Std. Error t-Statistic Prob.

VIAL_3 -2.506892 1.584973 -1.581662 0.1212

ELECT -7.17E-05 3.37E-05 -2.123955 0.0396
TELECOM -6.10E-07 1.77E-05 -0.034456 0.9727
PEA 0.000147 4.36E-05 3.375013 0.0016
SUPAGR -0.001344 0.000549 -2.447048 0.0187
C 1.821275 25.92467 0.070253 0.9443

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.161213 Mean dependent var 4.508327

Adjusted R-squared -0.018528 S.D. dependent var 7.478286

S.E. of regression 7.547245 Akaike info criterion 7.051284

Sum squared resid 2392.358 Schwarz criterion 7.426523
Log likelihood -173.3334 Hannan-Quinn criter. 7.195141
F-statistic 0.896920 Durbin-Watson stat 2.351067
Prob(F-statistic) 0.536427
 102

Apéndice J

Resultados de la estimación del modelo general con efectos aleatorios

Dependent Variable: CREC

Method: Panel EGLS (Period random effects)
Sample (adjusted): 2012 2022
Periods included: 11
Cross-sections included: 5
Total panel (unbalanced) observations: 52
Swamy and Arora estimator of component variances
White period standard errors & covariance (d.f. corrected)
WARNING: estimated coefficient covariance matrix is of reduced rank

Variable Coefficient Std. Error t-Statistic Prob.

VIAL_3 -1.518728 0.626619 -2.423687 0.0194

ELECT -6.19E-05 1.41E-05 -4.402558 0.0001
TELECOM -3.82E-06 7.04E-06 -0.542252 0.5903
PEA 0.000132 2.40E-05 5.480150 0.0000
SUPAGR -0.001609 0.000320 -5.033100 0.0000
C 2.609167 1.666418 1.565733 0.1243

Effects Specification
S.D. Rho

Period random 0.000000 0.0000

Idiosyncratic random 4.931192 1.0000

Weighted Statistics

R-squared 0.140351 Mean dependent var 4.508327

Adjusted R-squared 0.046911 S.D. dependent var 7.478286
S.E. of regression 7.300772 Sum squared resid 2451.858
F-statistic 1.502044 Durbin-Watson stat 2.332397
Prob(F-statistic) 0.207746

Unweighted Statistics

R-squared 0.140351 Mean dependent var 4.508327

Sum squared resid 2451.858 Durbin-Watson stat 2.332397
 103

Apéndice K

Resultados de prueba de heterocedasticidad

Residual Cross-Section Dependence Test

Null hypothesis: No cross-section dependence (correlation) in
residuals
Equation: EQ01
Periods included: 11
Cross-sections included: 5
Total panel (unbalanced) observations: 52
Test employs centered correlations computed from pairwise samples

Test Statistic d.f. Prob.

Breusch-Pagan LM 21.61790 10 0.0172

Pesaran scaled LM 1.479807 0.1389
Bias-corrected scaled LM 1.229807 0.2188
Pesaran CD 2.154686 0.0312
 104

Apéndice L

Resultados de la regresión A-I

Dependent Variable: CREC

Method: Panel Least Squares
Sample (adjusted): 2012 2022
Periods included: 11
Cross-sections included: 5
Total panel (unbalanced) observations: 52
White period standard errors & covariance (d.f. corrected)
WARNING: estimated coefficient covariance matrix is of reduced rank

Variable Coefficient Std. Error t-Statistic Prob.

LOG(PBIPERC(-1)) -54.95138 11.53728 -4.762939 0.0000

VIAL_3 1.092204 0.502697 2.172690 0.0355
ELECT -8.70E-05 3.70E-05 -2.351582 0.0235
PEA 0.000174 1.07E-05 16.29967 0.0000
SUPAGR 0.003440 0.001376 2.500121 0.0164
C 474.0365 116.0464 4.084887 0.0002

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.464482 Mean dependent var 4.508327

Adjusted R-squared 0.349728 S.D. dependent var 7.478286
S.E. of regression 6.030448 Akaike info criterion 6.602561
Sum squared resid 1527.385 Schwarz criterion 6.977800
Log likelihood -161.6666 Hannan-Quinn criter. 6.746419
F-statistic 4.047637 Durbin-Watson stat 2.010822
Prob(F-statistic) 0.000864
 105

Apéndice M

Resultados de la regresión A-II

Dependent Variable: CREC

Method: Panel Least Squares
Sample (adjusted): 2012 2022
Periods included: 11
Cross-sections included: 5
Total panel (unbalanced) observations: 52
White period standard errors & covariance (d.f. corrected)
WARNING: estimated coefficient covariance matrix is of reduced rank

Variable Coefficient Std. Error t-Statistic Prob.

LOG(PBIPERC(-1)) -53.55586 9.726086 -5.506414 0.0000

VIAL_3 3.987926 1.613378 2.471786 0.0175
TELECOM 2.24E-05 7.77E-06 2.877749 0.0062
SUPAGR 0.002123 0.000919 2.310737 0.0257
C 463.4394 82.02168 5.650206 0.0000

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.329407 Mean dependent var 4.508327

Adjusted R-squared 0.204645 S.D. dependent var 7.478286
S.E. of regression 6.669336 Akaike info criterion 6.789028
Sum squared resid 1912.642 Schwarz criterion 7.126743
Log likelihood -167.5147 Hannan-Quinn criter. 6.918500
F-statistic 2.640288 Durbin-Watson stat 2.148751
Prob(F-statistic) 0.018954
 106

Apéndice N

Resultados de la prueba de Dickey-Fuller Aumentada para los residuos de la

regresión A-I

Null Hypothesis: Unit root (individual unit root process)

Series: RESID02
Sample: 2007 2022
Exogenous variables: Individual effects
User-specified lags: 1
Total number of observations: 42
Cross-sections included: 5

Method Statistic Prob.**

ADF - Fisher Chi-square 25.7561 0.0041
ADF - Choi Z-stat -2.88103 0.0020

** Probabilities for Fisher tests are computed using an asymptotic Chi

-square distribution. All other tests assume asymptotic normality.

Intermediate ADF test results RESID02

Cross
section Prob. Lag Max Lag Obs
Ayacucho 0.0084 1 1 6
Huancavelica 0.3182 1 1 9
Huánuco 0.0733 1 1 9
Junín 0.0345 1 1 9
Pasco 0.3796 1 1 9
 107

Apéndice O

Resultados de la prueba de Dickey-Fuller Aumentada para los residuos de la

regresión A-II

Null Hypothesis: Unit root (individual unit root process)

Series: RESID04
Sample: 2007 2022
Exogenous variables: None
User-specified lags: 1
Total number of observations: 42
Cross-sections included: 5

Method Statistic Prob.**

ADF - Fisher Chi-square 33.1065 0.0003
ADF - Choi Z-stat -3.99609 0.0000

** Probabilities for Fisher tests are computed using an asymptotic Chi

-square distribution. All other tests assume asymptotic normality.

Intermediate ADF test results RESID04

Cross
section Prob. Lag Max Lag Obs
Ayacucho 0.0619 1 1 6
Huancavelica 0.0439 1 1 9
Huánuco 0.0338 1 1 9
Junín 0.0195 1 1 9
Pasco 0.0361 1 1 9