PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE INSTITUTO DE ...
Transcript of PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE INSTITUTO DE ...
PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE I N S T I T U T O D E E C O N O M I A MAGISTER EN ECONOMIA
TESIS DE GRADO MAGISTER EN ECONOMIA
Rodriguez, Cáceres, María Francisca
Diciembre, 2012
PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE I N S T I T U T O D E E C O N O M I A MAGISTER EN ECONOMIA
DESIGUALDAD DEL INGRESO EN LATINOAMÉRICA: EL EFECTO DE LA ABUNDANCIA DE LOS TIPOS DE RECURSOS NATURALES.
María Francisca Rodriguez Cáceres
Comisión
JUAN URQUIZA RODRIGO FUENTES
FRANCISCO ROSENDE
Santiago, diciembre de 2012
Tabla de Contenidos
1. Introducción ..................................................................................................................... 2 2. Marco conceptual ............................................................................................................ 4
2.1. Modelo Teórico ........................................................................................................ 4 2.2. Evidencia de dotación de factores y la distribución de ingreso. ............................... 9
2.3. Hechos estilizados .................................................................................................. 11 3. Metodología ................................................................................................................... 19
3.1. Descripción de los datos ......................................................................................... 21 3.2. Estimación Econométrica ....................................................................................... 23
3.3. Estimación Econométrica con tipos de recursos naturales ..................................... 26 4. Resultados ...................................................................................................................... 28
4.1. Instituciones ............................................................................................................ 37 5. Conclusiones .................................................................................................................. 44
6. Bibliografía .................................................................................................................... 46 7. Apéndices ...................................................................................................................... 49
Resumen
Esta tesis estudia los efectos de distintos tipos de recursos naturales sobre la desigualdad de
ingresos en Latinoamérica. Se utilizó un modelo donde las economías se encuentran en
distintos conos de producción y define diferentes patrones de desarrollo de acuerdo a la
dotación inicial de factores. En este caso, países con abundantes recursos naturales tienen
distintos mix de productos que los países con escasos recursos naturales.
La hipótesis de que los tipos de recursos naturales tienen diferentes efectos sobre la
desigualdad de ingresos fue testeada en un panel de 80 países entre los años 1990 y 2010.
Se evaluaron los efectos de los recursos agrícolas, forestales, reservas minerales, de
petróleo y de gas natural. Entre los principales resultados se destaca que en países de
Latinoamérica las reservas minerales disminuyen la desigualdad de ingresos, al igual que
los recursos forestales, sin embargo este último efecto disminuye a medida que los países
acercan a los polos. En tercer lugar, los recursos agrícolas, las reservas de gas natural y
petróleo se estima que no tienen efectos estadísticamente significativos en países de
Latinoamérica.
Además, se incluyó la calidad de las instituciones como test de robustez, entre los
resultados se destaca que los recursos agrícolas mantienen el efecto de aumentar la
desigualdad de ingreso. Además, las reservas de gas natural al incluir las instituciones,
aumentan la desigualdad del ingreso en países de Latinoamérica. Finalmente, las reservas
de petróleo tienen un efecto contrario a las reservas de gas natural y provocan una
disminución en la desigualdad del ingreso. Es importante señalar que los efectos de los
recursos naturales sobre la desigualdad del ingreso en países de Latinoamérica en algunos
casos, dependen de la calidad de las instituciones. Sin embargo, otros recursos naturales
cambian su efecto sobre la desigualdad al incluir la calidad institucional.
2
1. Introducción
En Latinoamérica y el Caribe la desigualdad ha estado vinculada a una desigual
distribución de la tierra y de educación, también a que los trabajadores calificados tienen
ingresos más altos, altas tasas de fecundidad en los hogares más pobres y gasto público
regresivo; hasta el año 2010, esta región continua siendo la que presenta mayor desigualdad
en el mundo (Programa de las Naciones Unidas para el Desarrollo (PNUD), 2010).
Estudios como Leamer et al. (1999) y Spilimbergo et al. (1999) buscan responder si ¿la
abundancia de recursos naturales incrementa la desigualdad del ingreso en Latinoamérica?
En estos trabajos donde se considera como recursos naturales la tierra cultivable, Leamer et
al. (1999) señala que algunas dotaciones atraen a los sectores que promueven la igualdad y
la educación y otras dotaciones no causan el mismo efecto. La especialización de las
economías ricas en recursos naturales puede influir en la acumulación de capital humano,
dado que se crean sólo unos pocos puestos de trabajo altamente calificado, lo que va en
detrimento de los incentivos de la sociedad para educar a sus ciudadanos en comparación
con las sociedades con dotaciones escasas. Este hecho podría ser un factor que explicaría la
desigualdad de ingreso de la población, especialmente en la región de Latinoamérica.
A raíz de esto surge la pregunta que se busca responder en este trabajo acerca de ¿cuál es el
efecto de los distintos tipos de recursos naturales sobre la desigualdad del ingreso en
Latinoamérica? Esta investigación tiene como hipótesis que el efecto de la abundancia de
recursos naturales puede afectar la acumulación de capital físico y humano de diferente
manera según el tipo de recurso, por lo tanto el efecto en la desigualdad del ingreso sería
diferente, dependiendo de la dotación de recursos naturales.
Se puede mencionar por ejemplo, los bosques donde se puede ver una secuencia hacia la
industrialización; primero la tala de árboles, a continuación, planes de manejo, luego la
construcción de muebles, la fabricación de celulosa, papel y comercialización de productos
especializados. Está secuencia implica aumentos graduales de capital, y también del capital
humano de las operaciones, dadas las correlaciones analizadas por Leamer et al. (1999) la
producción forestal de pulpa y papel podrían estar asociada a una mayor igualdad. Esto no
sucede con cultivos como el arroz donde se demandan grandes cantidades de mano de obra,
pero cuya acumulación de capital humano es muy baja. Si las personas creen que van a
3
encontrar un trabajo fácilmente en uno de estos sectores, no tienen interés en invertir en
educación. Por el contrario, los campesinos en granjas pequeñas pueden ver las ventajas de
enviar a sus hijos a la escuela, sobre todo porque la granja es demasiado pequeña para
alimentar a la familia o porque la agricultura familiar está asociada a una mayor igualdad
(Engerman y Sokoloff, 2000).
Algunos autores como Auty (2001) y Isham et al. (2005) distinguen entre recursos "point
source" y “diffuse”. Los recursos “point source” como el petróleo, los minerales y las
plantaciones, se extraen principalmente por métodos intensivos en capital, que implican
concentración de la propiedad. Por otro lado, recursos "diffuse", como el arroz, el trigo y la
ganadería, muestran que sus rentas están más dispersas entre la población. Las rentas de los
recursos del tipo "point source" se concentran en las manos de una pequeña élite política y
económica, las cuales no tienen interés de invertir en educación lo que conduce a un
aumento de las desigualdades.
Países dotados de recursos que se utilizan en la producción agrícola desarrollan ventajas
comparativas en bienes intensivos en mano de obra. Por el contrario, países dotados de
factores que favorecen la producción de bienes forestales son capaces de cambiar sus
patrones de especialización, primero hacia bienes intensivos en trabajo y maquinaria, y
luego agregando manufacturas intensivas en capital. En economías abundantes en
minerales parece ser más difícil obtener una ventaja comparativa en los bienes industriales.
Por lo tanto, los países con abundantes recursos tienen patrones de desarrollo que varían en
función del tipo de recurso (Alvares y Fuentes, 2006).
El patrón de desarrollo sin embargo, podría ser muy diferente en función del tipo de recurso
natural, por ejemplo, la minería tiende a ser mucho más intensiva en capital que la
agricultura o la silvicultura. Por lo tanto, los países con recursos naturales que en su
posterior producción son intensivos en capital físico y humano podrán lograr un mayor
desarrollo que los países que tienen recursos naturales que son solo intensivos en capital
físico o en trabajo.
Leamer (1987) desarrolla un modelo con tres factores y n bienes, donde es posible analizar
cómo los países con diferentes dotaciones experimentan distintos patrones de desarrollo.
Así, las economías se encuentran en diferentes conos de diversificación, que se definen por
4
la mezcla de productos en los que la economía se especializa. Este modelo predice patrones
de desarrollo en función de la abundancia de recursos naturales y de la acumulación de
capital.
Algunos autores han argumentado que el capital natural "desplaza" al capital humano. El
patrón de especialización de las economías ricas en recursos naturales puede ser
interpretado como la fuerza impulsora detrás de este efecto crowding-out. Las economías
ricas en recursos demandan principalmente trabajadores poco calificados lo que tiene un
efecto en la desigualdad del ingreso, puesto que la mano de obra altamente calificada se
demanda menos, estos países se especializan principalmente en sectores de servicio y de
recursos naturales.
Este trabajo se organiza de la siguiente forma: la sección dos corresponde al marco
conceptual a utilizar, la sección tres describe la metodología que se utilizará, la sección
cuatro presenta la estimación de resultados y finalmente la sección cinco discute las
conclusiones.
2. Marco conceptual
2.1. Modelo Teórico
Como punto de partida se consideró el modelo de Heckscher-Ohlin, que utiliza dos factores
(trabajo y capital) y dos bienes. Este modelo afirma que los países se especializan en la
exportación de bienes intensivos en factores cuyas dotaciones son abundantes, y tienden a
importar aquellos bienes intensivos en factores cuyas dotaciones son escasas.
Para este modelo, los países tienen diferentes dotaciones de factores; existen países con
abundancia relativa de capital y otros con abundancia relativa de trabajo. El teorema de
Stolper-Samuelson señala que un cambio en el precio relativo tiene un efecto en la
distribución de la renta y no todos los factores se benefician de ésta (Bajo, 1991).
El vínculo entre la distribución funcional del ingreso, a lo que el teorema de Stolper-
Samuelson se refiere, y la distribución del ingreso personal, o desigualdad, es
esencialmente indirecta.
En el caso de las economías en desarrollo, la mayoría de las exportaciones a menudo son el
resultado de la ventaja comparativa vinculada de los factores específicos que favorecen la
5
producción de una variedad de productos agrícolas primarios o mineral, por ejemplo. Para
estas economías el análisis, debe abarcar por lo menos tres factores de producción, capital,
mano de obra y un factor específico, como el tipo de suelo o la presencia de recursos
minerales, el teorema de Stoper-Samuelson se aplica cuando el sector exportador solo
utiliza un factor específico. De ello se desprende que un aumento en el precio del café en
Costa de Marfil o Brasil se beneficiarán únicamente los propietarios de las plantaciones
(Bourguignon y Morrison, 1989).
Por esta razón, Leamer (1987) extiende este modelo a uno de tres factores y n bienes, donde
se incluyen los recursos naturales como factor de producción. Este modelo señala que las
economías se encuentran en distintos conos de producción y define diferentes patrones de
desarrollo de acuerdo a la dotación inicial de factores. En este caso, países con abundantes
recursos naturales tienen distintos mix de productos, no así, los países con escasos recursos
naturales.
Figura 1. Patrones de desarrollo con diferentes dotaciones de recursos naturales.
Fuente: Leamer et al. 1999
La Figura 1 se utiliza para el estudio de diferentes patrones de desarrollo. Los vértices de
este triángulo representan tres factores de producción: mano de obra, recursos naturales y
6
capital humano y físico, los puntos de este triángulo definen la dotación de factores de los
países y de los sectores productivos. Se debe señalar que si aumenta la cantidad de un
factor, por ejemplo capital, mientras se mantiene fija la oferta de los otros dos factores, el
punto de la dotación del país cambia en dirección al vértice de capital; ésto permite poner
escalas de tres razones en los bordes del triángulo, la tierra por mano de obra en el borde
izquierdo, el capital por recursos naturales en el borde derecho y el capital por trabajador la
línea inferior.
Además, se debe considerar que la remuneración de un factor permanece igual o disminuye
a medida que uno se acerca al vértice que representa al factor. Dentro de un cono de
diversificación, cambios en la oferta de factores no tienen ningún efecto sobre el precio de
los factores, sin embargo, un movimiento entre los conos en la dirección del vértice capital,
se acompaña de un descenso en el precio de dicho factor.
Las flechas en la Figura 1 representan tres diferentes vías de desarrollo considerando la
acumulación de capital, manteniendo fija la oferta relativa de tierra y trabajo:
La primera vía, países abundantes en mano de obra en relación a la tierra, comienzan un
patrón de desarrollo con salarios muy bajos produciendo bienes agrícolas y manufacturas
abundantes en mano de obra a medida que acumula capital. Estos países producen primero
bienes agrícolas intensivos en capital, luego sustituyen el bien agrícola abundante en mano
de obra por la manufactura intensiva en capital, y finalmente solo se concentran en la
producción agrícola y manufactura intensiva en capital. Los salarios aumentan y el retorno
al capital disminuye a medida que se acumula éste, pero el retorno de la tierra, primero cae
cuando el país pasa desde la región A a B y luego a medida que acumula más capital se
eleva (Ver Figura 1 patrón A-B-C-D).
La segunda senda de desarrollo representa países con dotaciones intermedias de tierra en
relación al trabajo donde se producen productos agrícolas intensivos en capital y en trabajo.
El primer paso en el proceso de desarrollo, consiste en la producción de manufacturas
abundantes en mano de obra; a partir de entonces, el patrón es el mismo descrito
anteriormente. Una característica interesante es que el salario disminuye a medida que el
país avanza desde la región E a B, y nunca podrá recuperar el nivel inicial. Se puede pensar
que la sustitución del trabajo en la agricultura, tiene el efecto de reducir el salario. Por otro
7
lado, el retorno a la tierra aumenta a medida que el país avanza desde E a B y C, pero caerá
de nuevo, si el capital se acumula más allá del punto en que su retorno cae a cero en la
región D (Ver Fig. 1 patrón E-B-C-D).
La tercera vía de desarrollo corresponde a los países que están muy bien dotados de tierra.
Estos países nunca producen manufacturas y se especializan completamente en el producto
agrícola intensivo en capital. La tierra es siempre un factor abundante, pero la acumulación
de capital eleva el salario y disminuye el rendimiento del capital en la región D (Ver Fig. 1
patrón E-F-G-D).
Los patrones de desarrollo de los países con abundantes y con escasos recursos naturales
son muy diferentes en términos de mix de productos, pero también muy diferentes en
términos de desigualdad de ingresos. El cono E donde los países que son ricos en recursos
naturales comienzan lejos del vértice de la mano de obra, lo que significa que estos países
con abundantes recursos naturales tienen salarios altos cuando el capital es escaso. El
movimiento de E a F viene con salarios más bajos, pero los salarios suben de nuevo en G,
pero caen en D. Los mayores coeficientes de Gini1 pueden ocurrir en el cono F debido a
que mano de obra tiene un precio inferior a la del cono E y los activos que generan riqueza
son el capital físico y tierra que suelen ser distribuidos en forma desigual. El cono G tiene
un Gini más bajo, en parte debido a los elevados salarios de mano de obra y en parte porque
los sectores abundantes en capital humano de pulpa y papel y la agroindustria han surgido y
la riqueza de la economía es distribuida de manera más equitativa. Sin embargo, avanzar
desde el cono F a G requiere inversiones en capital humano que pueden ser obstaculizadas
por la desigualdad de los ingresos, que es una característica de cono F.
Los coeficientes de Gini para los países de escasos recursos naturales se comportan de
manera muy diferente. La abundancia de mano de obra en el cono A, se refiere a salarios
muy bajos y los ingresos probablemente desiguales, pero el cono B tiene salarios más altos
para la fuerza de trabajo bruto y también una mayor necesidad de capital humano, los
cuales tienden a reducir los coeficientes Gini. Así, estos países van avanzando entre los
conos B a C y, finalmente, a D. Por lo tanto, países con escasos recursos experimentan un
1 Se utiliza para medir la desigualdad de ingresos dentro de un país.
8
constante aumento de los salarios de los trabajadores no calificados y una constante
disminución de la desigualdad de ingresos.
En esencia, la historia es que la desigualdad de ingresos está conectada a través de la
dotación de factores de producción: algunas dotaciones atraen a los sectores que promueven
la desigualdad, mientras que otras dotaciones son apropiadas para los sectores que sirven
para combatir la desigualdad. Esta transición de la distribución funcional a la distribución
personal del ingreso a través de los sectores de producción requiere justificación. La
definición utilizada por Leamer et al. (1999) y Spilimbergo et al. (1999), de la distribución
del ingreso sobre la base de la estructura de propiedad de los factores de producción y la
estructura del ingreso de los factores involucra la producción de sectores de manera
indirecta. Teóricamente, sólo hay dos casos en los que la transición funcional-personal tiene
que estar directamente relacionada con la estructura sectorial de la economía, es decir,
cuando hay factores específicos a ciertos sectores y donde los mercados de factores operan
imperfectamente y que el mismo factor tenga ingresos diferentes según el sector en el que
se emplea. Se da la circunstancia de que estos dos casos son particularmente pertinentes
para las economías en desarrollo. La mayoría de ellos exporta uno o más productos básicos
y se caracteriza por imperfecciones apreciables en el funcionamiento de los mercados de
trabajo y capital (Bourguignon y Morrison, 1989).
Dentro de este marco teórico, un modelo con tres factores de producción: trabajo, recursos
naturales y capital que predice patrones de desarrollo en función de la abundancia de
recursos naturales y de la acumulación de capital, se supone que las economías con
abundante tierra tendrán una mayor desigualdad de ingresos y los países con abundante
capital tendrán una menor desigualdad de ingresos. Para el caso de países abundantes en
mano de obra, el efecto en desigualdad se encuentra entre los dos casos anteriores.
En resumen, se pueden mencionar cuatro implicancias que existen en esta relación.
• La desigualdad de ingresos disminuye cuando aumenta la abundancia del capital.
• La desigualdad de ingresos aumenta con la abundancia de tierra.
• La desigualdad de ingresos disminuye cuando aumenta la mano de obra, cuando
existe una alta relación tierra-capital.
9
• La desigualdad de ingresos aumenta cuando aumenta la mano de obra, si la relación
tierra-capital es baja.
2.2. Evidencia de dotación de factores y la distribución de ingreso.
Estudios indican que existe una relación entre la distribución del ingreso y la abundancia de
recursos naturales en los países menos desarrollados. En estos estudios Leamer et al.
(1999), Spilimbergo et al. (1999), determinan que países con recursos naturales tienen una
mayor desigualdad.
Por una parte, Leamer et al. (1999) mediante un análisis empírico utilizando cross-section
demuestran que los sectores de recursos naturales, particularmente la agricultura intensiva,
absorben capital que podría influir en la fabricación. Entre sus resultados, señala que el
coeficiente Gini cae con el capital por trabajador y aumenta con la abundancia de la tierra
en ambos períodos. Los autores señalan que los productos forestales y cereales parecen
estar asociados negativamente con la desigualdad de ingresos, dada la correlación entre
plantaciones tropicales y el ingreso.
Por otro lado Spilimbergo et al. (1999) describen un modelo compuesto por varias
economías que comparten la misma función de producción y preferencias, pero tienen
diferentes dotaciones. Utilizando datos de panel para 34 países entre 1965 y 1992, muestran
que los países abundantes en tierra y capital tienen una distribución del ingreso menos
equitativa, por otro lado países que producen tecnología tienen una distribución del ingreso
más equitativa.
Spilimbergo et al. (1999) explican que la relación entre la distribución del ingreso y
distribución de la renta personal es la estructura de propiedad. Cada individuo puede
obtener sus ingresos a partir de los diferentes factores de producción. Algunos de los
factores de producción como la tierra o el capital se concentran en manos de unas pocas
personas, porque no hay límite para su acumulación; otros factores de producción, como las
habilidades no se pueden concentrar en la misma medida, porque hay un límite en la
cantidad de educación que una persona puede acumular, esta sería la razón por la cual los
países con recursos naturales tendrían una peor distribución del ingreso.
Otros autores que han tratado de explicar la relación que existe entre la dotación de factores
y la distribución de ingresos son Bourguignon y Morrisson (1990) y Litwin (1998). Ambos
10
estudios utilizan un modelo para una economía pequeña y abierta con n individuos, m
factores de producción y N sectores de distribución de ingresos, donde la distribución del
ingreso está determinada por (a) la dotación de factores, (b) la distribución de la dotación
de factores, y (c) una distorsión del comercio. Por lo tanto, un cambio en el precio de
producción altera la cantidad de los factores utilizados. En un marco estático, donde la
oferta de factores está dada, se genera una reestructuración de la asignación de factores
entre los sectores que a su vez afecta a la distribución del ingreso. En un contexto dinámico
donde las dotaciones varían, un incremento en la oferta del factor, afecta los rendimientos
de este factor y los cambios de la estructura del output en la economía afectando en última
instancia la distribución de los ingresos.
Bourguignon and Morrisson (1990), utilizan un análisis cross-country de 36 observaciones
en 1970, ellos encuentran que la dotación de factores puede explicar el 60% de la diferencia
en la proporción de los ingresos del decil más bajo entre los países. Litwin (1998) señala
que las economías abiertas con mayores exportaciones de manufacturas experimentan una
menor desigualdad en los ingresos que países con exportaciones primarias. Los estudios de
Spilimbergo et al. (1999), Bourguignon and Morrisson (1990) y Litwin (1998) utilizan
como variables de control el PIB per cápita, PIB2 per cápita y el grado de apertura,
basándose en la curva de Kuznet.
Sin embargo, el estudio de Fischer (2001) utiliza el modelo donde la relación tierra-trabajo
determina si un país exporta bienes que utilizan la tierra o los bienes que utilizan el capital.
Este estudio supone que hay una relación funcional entre la desigualdad del ingreso y las
variables explicativas: el grado de apertura relativa, la relación capital-trabajo, la relación
tierra-trabajo. Utiliza un panel desbalanceado y encuentra que un aumento de la
desigualdad se asocia a mayores ratios de capital-trabajo y que el aumento de la relación
tierra-trabajo se relaciona negativamente con la distribución del ingreso, lo que tiene signos
contrarios a los encontrados por Leamer et al. (1999) y Spilimbergo et al. (1999).
Por otro lado, el estudio de Lu y Cai (2011) demuestran la relación teórica entre la
distribución del ingreso, los rendimientos de los factores de producción, y la distribución de
la propiedad. Supone que los ingresos del individuo dependen de los bienes que el
individuo ocupa, por lo tanto, la desigualdad de los ingresos entre las personas está
estrechamente relacionada con las desigualdades en la propiedad de bienes o factores de
11
producción. Algunos tipos de factores, tales como la tierra y el capital físico, puede ser
centralizados sin límites, es decir, pocas personas pueden ocupar una gran cantidad de este
tipo de factores, a diferencia del trabajo para el cual hay límites.
Por último, algunos estudios intentan explicar la forma en que la dotación de recursos
afecta la desigualdad a través de la evolución de las instituciones, como Engerman y
Sokoloff (2000) y Sokoloff y Robinson (2005); argumentan que la combinación de altas
tasas de mortalidad de los colonos y la disponibilidad de la dotación de factores2 determinó
una estrategia de colonización que llevó a instituciones altamente excluyentes en gran parte
de América Latina y el Caribe, donde gran parte de la población se mantuvo durante mucho
tiempo excluida del acceso a la tierra, a la educación y al poder político, la desigualdad se
mantuvo por estas instituciones políticas que favorecían a los ricos y excluían a los pobres.
Por el contrario, la falta de tales dotaciones iniciales y menores tasas de mortalidad de los
colonizadores llevaron al establecimiento de instituciones más inclusivas en América del
Norte. Ross (2007) analiza los mecanismos a través de los cuales la riqueza mineral podría
afectar la desigualdad, señalando que la presencia de instituciones débiles podría aumentar
la brecha entre ricos y pobres.
2.3. Hechos estilizados
Latinoamérica y Desigualdad de ingresos
La Figura 2 muestra tres gráficos con los coeficientes de Gini para 1980 vs 1990, 1990 vs
2000 y 1996 vs 2006. Se puede ver que el coeficiente de Gini en Latinoamérica es mucho
mayor que en los otros países para los períodos de tiempo que ahí se presentan, con un
deterioro para Argentina antes y después de su crisis económica. En el otro extremo de la
escala, Brasil, históricamente el país más desigual de la región, experimentó una reducción
modesta de la desigualdad de ingreso. Sin embargo, el hecho más notorio en el largo plazo
es la persistencia de la desigualdad frente a la diversidad de regímenes económicos y
políticos, esto se puede apreciar en la en la pendiente positiva de la relación graficada.
2 Señala factores como: riquezas minerales y mano de obra indígena en México, Mesoamérica y los Andes, y la tierra adecuada para las plantaciones de azúcar en Brasil, el Caribe y el sur de los EE.UU., junto con la disponibilidad de importaciones trabajo forzados
12
Figura 2. Coeficientes Gini para 1980 vs 1990, 1990 vs 2000 y 1996 vs 2006
Fuente: elaboración propia con datos de World Income Inequality Database (WIID).
Se puede ver que la Figura 2 los coeficientes Gini son tradicionalmente altos en América
Latina, esto podría venir de un acceso muy desigual a las oportunidades. Los países de
Latinoamérica se caracterizan por tener las mayores tasas de desigualdad del mundo, en los
últimos años se registró una mejoría de estos índices, pero siguió siendo más de 60%
ARG
BRA
CHL
JAM
VEN
BGR
DNK
DEU
HUNPOL
PRTESP
SWE
GBR
ZAF
TUNAUS
NZL
CAN
USA
CHNIDN
JPN
SGP
2030
4050
60G
ini 1
990
20 30 40 50 60 70Gini 1980
Latinoamerica EuropaAfrica OceaniaNorteamerica Asia
ARG
BOLCHL
CRISLV
JAM
VEN
BGR
DNK
DEU
HUNPOL
PRTESP
SWE
GBR
ZAF
TUNAUS
NZL
CAN
USA
CHNIDN
JPN
SGP
2030
4050
60G
ini 2
000
20 30 40 50 60Gini 1990
Latinoamerica EuropaAfrica OceaniaNorteamerica Asia
ARG
BOLBRA
CHL
COL
CRIDOM
SLV
HND
MEX
PAN
URYVEN
BGR
DNK
DEU
HUNPOL
PRTESP
SWE
GBR
ZAF
TUNAUS
NZL
CAN
USA
CHNIDN
JPN
SGP
2030
4050
60G
ini 2
006
20 30 40 50 60Gini 1996
Latinoamerica EuropaAfrica OceaniaNorteamerica Asia
13
superior al de la Organización para la Cooperación y el Desarrollo Económico (OECD)
(Burchardt, 2012).
Es importante destacar la persistencia de la desigualdad, el coeficiente de Gini se ha
acercado al nivel observado a comienzos de los años 1980, tanto en los países de actividad
principalmente agrícola como en los que muestran un desarrollo industrial. La inequidad
extrema no sólo se manifiesta en términos de ingreso y patrimonio, sino que también se
refleja en un acceso dispar a la tierra y a bienes públicos esenciales como la educación, la
salud o la seguridad social; hay varios factores que están detrás de la persistencia de
elevados niveles de desigualdad. La desigualdad de los activos, especialmente de capital
humano, es un factor determinante para la desigualdad de los ingresos.
Según Leamer et al. (1999) esta desigualdad se puede explicar porque los países con
abundantes recursos naturales enfrentan términos de intercambio con una lógica similar a la
ley de Engel3: a medida que el mundo industrializado acumula riqueza, la demanda por
recursos primarios disminuye en relación a la demanda de productos manufacturados y
servicios. Por otro lado, los esfuerzos de países abundantes en recursos para combatir la
industrialización, hace que éstos deban vender cantidades mayores de exportaciones para
comprar maquinaria, lo que además lleva a bajar el precio de las exportaciones. Esto puede
fomentar la desigualdad de ingresos, sobre todo si la propiedad de la tierra es también más
concentrada.
Latinoamérica y la dotación de factores
Si se analiza la relación que existe entre dotación de factores en los países de
Latinoamérica, se obtiene que los países de Latinoamérica se caracterizan por la
abundancia de recursos naturales, trabajadores menos calificados, y la escasez de capital
físico. Según Ferreira y Walton (2004) pueden ser muchas las causas que explican la
desigualdad en Latinoamérica, pero existen cuatro factores interrelacionados que parecen
ser los más importantes; entre estos se menciona que la distribución de la educación es
desigual, en términos de calidad y cantidad (años de escolaridad). Por otro lado, los
trabajadores calificados –aquellos que tienen la mejor educación– reciben salarios mucho 3 Teoría que sostiene que la proporción de renta que se gasta en alimentos disminuye al aumentar la renta.
14
más altos que los demás trabajadores. Además, los individuos con ingresos más altos y
mejor educación tienden a tener menos niños lo que significa un mayor ingreso per cápita.
Y finalmente señala que los países latinoamericanos en general no redistribuyen el ingreso
de los ricos hacia los pobres.
La población de Latinoamérica posee menos años de educación. En general hasta el año
2010, el 63% de la población de los países de Latinoamérica posee entre 6 y 9 años de
educación, esto a diferencia de la población de Europa donde el 95% posee más de 9 años
de educación y la población de países de Oceanía y Norteamérica en que el 100% poseen
más de 12 años de educación (ver apéndice 1).
También es importante destacar que los años de educación en la población de
Latinoamérica aumentan desde 1980 a 2010 y se concentra alcanzando entre 6 y 9 años de
educación; en la población de Asia se distribuyen entre 3 y 12 años de educación en forma
más homogénea. Durante este mismo periodo en la población de Latinoamérica y Asia hay
una disminución en la categoría de 0 a 3 años que se consideraría sin educación. Por lo
tanto y de acuerdo a lo que señala Leamer et al. (1999) en la medida en que Asia es
relativamente pobre en recursos versus Latinoamérica, estos resultados educativos de Asia
son consistentes con la idea, que países que tienen escasos recursos invierten los ahorros
nacionales inicialmente en manufacturas abundantes en mano de obra, que requieren
trabajadores con modestos logros educativos. Así los países pobres en recursos
experimentan un constante aumento de los salarios de los trabajadores no calificados y una
constante disminución de la desigualdad de ingresos, esto explicaría que Asia tenga
menores coeficientes Gini que Latinoamérica.
Por otro lado, si se analiza el stock de capital que poseen los países, en la Figura 3, se
muestra que existe una relación negativa entre el coeficiente Gini y el stock de capital para
los países de la muestra. Esto concuerda con los resultados de Leamer et al. (1999).
Además, Spilimbergo et al. (1999) encuentra que la desigualdad disminuye en los países
que están relativamente bien dotados de capital. Los países industrializados tienen más
capital y habilidades que las otras regiones. América Latina tiene menos capital por
trabajador y menos habilidades que el promedio mundial.
15
Figura 3. Relación entre el coeficiente Gini y el stock de capital
Fuente: elaboración propia en base a los datos de WIID y Penn World Tables.
También, es importante destacar que el capital de los países ricos en recursos naturales es
diferente dependiendo del sector productivo, así países cuyo capital invertido es en
plantaciones forestales, minería o plataformas petrolíferas será muy específico para cada
sector y totalmente intransferible. Esto es cierto también para máquinas de coser y las
habilidades de costura, pero no para las habilidades humanas en general, como la
alfabetización. Según Leamer et al. (1999) la especificidad sectorial del capital puede
afectar en gran medida la respuesta a corto plazo de una comunidad a los cambios en la
competencia externa; si esos cambios vienen desde dentro a través de liberalizaciones
locales o del exterior a través de liberalizaciones en China o Europa del Este o de las malas
cosechas mundiales.
Por otro lado, el stock de capital por trabajador es un factor importante que ayuda a explicar
la diferencia en la producción por trabajador. Tomando los casos de Latinoamérica y el de
África Subsahariana, las estimaciones de Schmidhuber et. al (2009) sugieren que un
trabajador agrícola en la región de Latinoamérica tiene en promedio 10 veces más capital
disponible que un trabajador en África Subsahariana. Sin embargo, más allá del capital por
agricultor, la agricultura en Latinoamérica posee una amplia gama de herramientas y
equipos que la hacen mucho más productiva que en África. Incluye más y mejor
mecanización, tractores, sembradoras y cosechadoras, riego, plantas de almacenamiento y
procesamiento. Además, Latinoamérica posee un mayor capital en apoyo de una mejor
ARG
BOLCHLCOL
CRI
DOM
ECU
SLV
GTM
JAM
MEX
PAN
PER
URYVEN
AUT
BELBGR
DNK
FINFRADEU
GRC
HUN
IRLITA
MLT NLDNOR
POL PRTESP
SWECHE
GBRAUS
EGY
ZAF
TUN
UGA
CAN
USA
BGDCHN
PHL SGP
LKATHA
TUR
2030
4050
60
0 50 100 150 200 250Stock de capital
Latinoamérica EuropaOceania AfricaNorteamerica Asia
16
infraestructura, instituciones de investigación, las carreteras y electricidad disponibles. Por
ejemplo, los caminos rurales por hectárea alcanzan a 0,017 km en Latinoamérica en
comparación a 0,007 km en África, es decir, menos de la mitad de esa distancia.
Las perspectivas para 2050 indican que las diferencias en el stock de capital por trabajador
entre las regiones pueden llegar a ser más pronunciadas. Eso significa que en el año 2050
un trabajador en Latinoamérica tendrá 28 veces el capital disponible en comparación con
un trabajador de África Subsahariana. Estas enormes diferencias en el stock de capital están
en el centro de las diferencias en el output por trabajador y las trayectorias de crecimiento
divergentes de las dos regiones. Las perspectivas también sugieren una creciente
divergencia entre los ingresos agrícolas y no agrícolas, y probablemente una concentración
aún mayor de la pobreza en las zonas rurales.
Ahora se analizará la relación que existe ente dotación de recursos naturales que poseen los
países de la muestra y el coeficiente de Gini.
Figura 4. Relación entre agricultura y el coeficiente de Gini
Fuente: elaboración propia en base a los datos de WIID y World Bank.
ARG
BOLCHLCOL
CRI
DOM
ECU
SLV
GTM
JAM
MEX
PAN
PER
URYVEN
AUT
BELBGR
CZE
DNK
FINFRADEU
GRC
HUN
IRLITA
MLTNLDNORPOLPRTESP
SWECHEGBR
AUSEGY
ZAF
TUN
UGA
CAN
USA
BGDCHN
PHLSGP
LKATHA
TUR
2030
4050
60
0 2000 4000 6000agricultura
Latinoamérica EuropaOceania AfricaNorteamerica Asia
17
Figura 5. Relación entre Area forestal y el coeficiente de Gini
Fuente: elaboración propia en base a los datos de WIID y World Bank.
En las Figuras 4 y 5 se puede apreciar que la tierra, y los recursos forestales tienen una
relación positiva con el coeficiente de Gini. La relación entre la tierra cultivable concuerda
con los resultados que reporta Leamer et al. (1999), y Spilimbergo et al. (1999), donde un
país con abundante tierra tendrá una mayor desigualdad del ingreso. Sin embargo, autores
como Leamer et al. (1999) señalan que los recursos forestales están asociados
negativamente con la desigualdad de ingreso. Los sectores que no promueven la igualdad
de ingresos se caracterizan por el uso intensivo de los recursos naturales, entre los que se
destacan los cultivos tropicales, la producción de materia prima forestal y la extracción de
petróleo crudo.
Figura 6. Relación entre reserva de minerales y el coeficiente de Gini
Fuente: elaboración propia en base a los datos de WIID y U.S. Geological Survey.
ARG
BOLCHLCOL
CRI
DOM
ECU
SLV
GTM
JAM
MEX
PAN
PER
URY VEN
AUT
BELBGR
CZE
DNK
FINFRADEU
GRC
HUN
IRLITA
MLTNLDNOR
POLPRTESP
SWECHE
GBRAUS
EGY
ZAF
TUN
UGA
CAN
USA
BGDCHN
PHLSGP
LKATHA
TUR
2030
4050
60
0 500 1000 1500 2000 2500Area Forestal
Latinoamérica EuropaOceania AfricaNorteamerica Asia
BOLCHLCOL
DOMMEX
PER
VEN
GRCPOLPRT
SWE
AUS
ZAF
CAN
USA
CHN
PHL
THA
3040
5060
0 .5 1 1.5 2 2.5Reserva de minerales
Latinoamérica EuropaOceania AfricaNorteamerica Asia
18
Figura 7. Relación entre reserva de petroleo y el coeficiente de Gini
Fuente: elaboración propia en base a los datos de WIID y U.S. Department of Energy.
Figura 8. Relación entre reserva de gas natural y el coeficiente de Gini
Fuente: elaboración propia en base a los datos de WIID y U.S. Department of Energy.
En las Figuras 6, 7 y 8 se puede ver que la reservas de minerales no tiene una clara relación
con el coeficiente de Gini. Para las reserva de gas y petróleo esta relación se vuelve
negativa ya que es afectada por Venezuela quien posee grandes cantidades de estos
recursos naturales. Al graficar esta relación sin Venezuela, se vuelve mas negativa. Según
el estudio de Gourdon (2007) quien utiliza reservas de minerales y petróleo para países de
Latinoamérica, señala que existe una relación negativa entre las reservas minerales y el
petróleo con el coeficiente de Gini. Según Ross (2007), la relación entre la riqueza mineral
y la desigualdad de ingresos ha sido poco estudiada y observa que la dependencia de un
país de la riqueza mineral no parece estar correlacionada con la desigualdad. Él señala que
ARG
BOLCHLCOL
CRI
DOM
ECU
SLV
GTM
JAM
MEX
PAN
PER
URY VEN
AUT
BELBGR
CZE
DNK
FINFRADEU
GRC
HUN
IRLITA
MLTNLDNORPOLPRTESP
SWECHEGBRAUSEGY
ZAF
TUN
UGA
CAN
USA
BGDCHN
PHLSGP
LKATHA
TUR
2030
4050
60
0 5 10reserva de petroleo
Latinoamérica EuropaOceania AfricaNorteamerica Asia
ARG
BOLCHLCOL
CRI
DOM
ECU
SLV
GTM
JAM
MEX
PAN
PER
URY VEN
AUT
BELBGR
CZE
DNK
FINFRADEU
GRC
HUN
IRLITA
MLTNLDNORPOLPRTESP
SWECHEGBRAUSEGY
ZAF
TUN
UGA
CAN
USA
BGDCHN
PHLSGP
LKATHA
TUR
2030
4050
60
0 10 20 30 40reserva de gas
Latinoamérica EuropaOceania AfricaNorteamerica Asia
19
en promedio los países con abundantes recursos minerales, petróleo o gas no parecen tener
una mayor o una menor desigualdad.
En el apéndice 2, también se muestran los gráficos con las dotaciones de recursos naturales
para Latinoamérica y la comparación con los continentes de la muestra. En ellos se puede
apreciar que Latinoamérica posee menos stock de capital y mayor dotación de tierra y
recursos forestales por trabajador en comparación con Asia y Europa.
3. Metodología
Con la idea de presentar los factores relevantes que afectan la desigualdad del ingreso y
para capturar el efecto de los recursos naturales, se mencionarán a continuación en detalle
las variables utilizadas para medir la desigualdad del ingreso y los recursos naturales y
cómo éstos interactúan con la especificación propuesta más adelante.
Medida de la desigualdad
La desigualdad puede ser medida por varios métodos. En los estudios revisados, el
coeficiente Gini es ampliamente utilizado. En paralelo, Leamer et al. (1999) y Spilimbergo
et al. (1999) relacionan la distribución de ingreso y la distribución de ingreso personal
mediante la estructura de la propiedad. Así, cada individuo puede obtener sus ingresos a
partir de los diferentes factores de producción. También suponen que el coeficiente Gini es
una función de la estructura económica que está caracterizada por la dotación de recursos,
incluido el capital, el trabajo, la tierra y el clima, la cercanía a los mercados y las
intervenciones del gobierno, incluyendo las barreras al comercio y la provisión de
infraestructura.
Medida de recursos naturales
Primero, es importante señalar que la abundancia de recursos no es lo mismo que la
dependencia de los recursos. Como Gylfason (2008) menciona, la abundancia de recursos
se define como la cantidad o la dotación de recursos naturales que un país tiene a su
disposición, es decir, el stock de los recursos disponibles, por otro lado, la dependencia se
entiende como el grado en que una economía depende de los recursos naturales en la
producción o que una parte importante del ingreso nacional proveniente de recursos
naturales, es decir, una medida de flujo del valor generado por la utilización de los recursos
20
naturales. Algunos países con abundantes recursos naturales no dependen económicamente
de ellos, mientras que otros países con pocos recursos dependen fuertemente de ellos
porque por ejemplo, porque representan la mayor parte de sus ingresos de exportación;
como el caso de Chile, que es el principal productor y exportador mundial de cobre, donde
las exportaciones forestales y frutales también son importantes para su economía. En
Bolivia, las principales exportaciones son el gas natural, zinc, oro, plata, la soya, el estaño y
el azúcar. El sector minero dominó la economía boliviana en la década de 1970 y, en gran
parte debido a la mayor producción de gas natural que continúa en la actualidad.
La abundancia de recursos naturales puede ser medida como reservas de recursos naturales
(o stock de recursos disponibles), y la producción de estas reservas puede ser una proxy de
dependencia de recursos naturales. Stijns (2001) señala que es importante hacer un estudio
considerando en forma separada las reservas de recursos naturales, la producción y el
comercio. Sin embargo, en algunos casos los datos sobre la existencia de recursos naturales
no están disponibles para diferentes recursos o para muchos países o durante un largo
periodo de tiempo.
Algunos estudios como Sach y Warner (1995), Bravo-Ortega y De Gregorio (2005),
Rodriguez y Sach (1999) utilizan como proxy de abundancia de recursos naturales, la
participación de las exportaciones de recursos naturales en el PIB y el total de
exportaciones. Gylfason (2001) usa el capital natural como una parte de la riqueza total.
También Auty (1997) utiliza la tierra cultivable per cápita como dotaciones agrícolas.
Según lo señalado, no existe en la literatura un conceso acerca de la proxy que se debe
utilizar para medir esta variable.
Tipos de recursos naturales
La literatura distingue entre "point source" y recursos "diffuse" de acuerdo a la
concentración de la actividad productiva y la viabilidad de la apropiación de la renta. Stijns
(2001) distingue entre diferentes tipos de recursos naturales utilizando las reservas de tierra,
el petróleo, el gas natural, el carbón y los minerales como indicadores de la abundancia de
recursos.
Se utilizarán para este análisis, cuatro tipos de recursos naturales: agrícolas, forestales,
mineros y combustibles. Para analizar los recursos naturales agrícolas y forestales se
21
utilizaron proxy como tierra cultivable y área forestal, ambas medidas en hectáreas por
trabajador. Para analizar los recursos combustibles se utilizó como proxy las reservas de
petróleo y gas natural, y finalmente la proxy para reserva de recursos mineros se
consideraron los principales minerales que se transan en la Bolsa de Metales de Londres
(LME).
3.1. Descripción de los datos
Los datos utilizados corresponden a 80 países, entre los años 1990 y 2010. La tabla 1
presenta las estadísticas descriptivas de las variables utilizadas. Todas las variables fueron
divididas por la fuerza de trabajo para los análisis y regresiones posteriores. En apéndice 3,
se presenta la definición de las variables que se utilizaron y la fuente de donde se
obtuvieron.
De la tabla 1, se puede destacar que en el caso de la variable dependiente, el promedio del
coeficiente de Gini de la muestra es de 40.27% y alcanza un máximo de 73.20%. Por otro
lado, en la tierra cultivable existen 63,6 hectáreas promedio por trabajador en los países de
la muestra y el área forestal en promedio 2,7 hectáreas por trabajador.
Tabla 1. Descripción de los datos. Variable Unidades Abreviación Obs Mean Std. Dev. Min Max
Gini % Gini 835 40.27 10.92 19.91 73.2 Stock de Capital por trabajador
Miles de dólares del 2005 por persona (2005 I$/persona) capital_pwt2pw 824 75.81 63.80 0.25 248.43
Tierra cultivable Hectáreas por trabajador Arablelandpw 835 63.60 74.44 0 564.23 Reservas gas natural
Millones de pies cúbicos por trabajador reserve_gas natural 835 1.52 4.52 0 37.87
Reservas Petróleo Barriles por trabajador reserva_petroleo 835 0.37 1.37 0 11.34
Reservas minerales Toneladas métricas por
trabajador reserva_mineral 835 0.59 2.42 0 23.72
Área Forestal Hectáreas por trabajador forestoflandarea 835 2.71 4.34 0 24.17
PIB per cápita Miles de dólares del 2005 por
persona (2005 I$/persona) rglpl2 835 14.93 12.07 0.36 50.30
PIB2 per cápita Miles de dólares del 2005 por
persona (2005 I$/persona) rglpl2_2 835 368.40 472.58 0.13 2530.52
Apertura % Openk 835 70.86 44.83 12.52 339.80
Instituciones Índice Instituciones 821 6.14 1.34 1 7 Nota: Todas las variables son expresadas en unidades de trabajo
El apéndice 4 muestra la descripción de los datos por continente. Es importante señalar que
los países de Latinoamérica presentan en promedio los mayores coeficientes de Gini,
22
alcanzando un 51%, mientras que los países de Europa tienen en promedio los menores
coeficientes de Gini con un 29%.
En cuanto al stock de capital, los países de Europa y Norteamérica son los que poseen en
promedio el mayor stock. Los países de África y Latinoamérica son los que poseen el
menor stock de capital. Según Leamer y Schott (1998), la volatilidad de los precios de los
productos primarios puede aumentar el riesgo de capital en los países ricos en recursos
naturales, por tanto desalienta la inversión haciendo difícil que surja la industria. Como
resultado, el capital evita los países ricos en recursos naturales y se localiza en las regiones
con escasez de tierra donde el rendimiento del capital es menos volátil. Así, mediante la
inhibición de la industrialización, los recursos abundantes pueden atrapar a un país en la
dependencia de productos primarios.
Como se señaló anteriormente, el capital de los países con recursos naturales puede ser muy
específico. Así por ejemplo la minería es una industria intensiva en capital, y la
composición o mezcla de capital utilizado en la minería también es diferente a la de otros
sectores. Esto refleja los grandes costos de capital asociados con el desarrollo y la
construcción de las minas a cielo abierto y subterránea, y el alto costo de las plataformas de
perforación off-shore en el sector de petróleo y gas. Activos privados de infraestructura que
son propiedad de las empresas mineras, tales como carreteras, ferrocarriles e infraestructura
portuaria, son también importantes, y contribuyen a la gran cantidad de capital de
construcción utilizados en el sector. La naturaleza de la inversión de capital en la industria
de la minería tiende a ser muy específica a las circunstancias de cada explotación.
Además, se destaca que los países de Latinoamérica poseen en promedio mayor cantidad de
reservas de minerales por trabajador que los países de Europa, Asia y África, además de
poseer las mayores reservas. En cuanto al área forestal se enfatiza que los países de Oceanía
poseen en promedio la mayor área forestal por trabajador, sin embargo, los países de
Latinoamérica alcanzan el máximo de la muestra con 24.16 hectáreas por trabajador (ver
apéndice 4).
En cuanto a las instituciones se destacan países de Oceanía y Norteamérica que poseen el
índice más alto, en cambio los países de Asia y África son los que poseen en promedio las
instituciones mas débiles.
23
Por otro lado, si se analizan las correlaciones entre las variables y el coeficiente de Gini,
presentadas en el apéndice 5, se puede destacar que la alta correlación negativa entre el
coeficiente de Gini y el stock de capital, de acuerdo con el modelo planteado los países con
abundante capital tendrán menor desigualdad de ingresos. La tierra cultivable por
trabajador está débilmente correlacionado con el coeficiente de Gini; el área forestal por
trabajador y las reservas minerales por trabajador tienen una correlación positiva, según
Leamer et al. (1999) la producción de materia prima forestal se caracteriza por el uso
intensivo de recursos naturales y no es un sector que promueve la igualdad de ingresos.
En cuanto a las instituciones, estas presentan una correlación negativa con el coeficiente de
Gini, lo cual es coherente con la idea que mejores índices representan mejores instituciones
y los países tendrían una menor desigualdad. Si bien las reservas de gas natural y petróleo
están correlacionadas negativamente con el Gini, la correlación entre las reservas de
Petróleo y Gini es débil. La relación entre los recursos naturales y el coeficiente de Gini
apoya la hipótesis de tener efectos diferentes sobre la desigualdad de ingresos.
3.2. Estimación Econométrica
En una primera etapa, se replicarán los resultados obtenidos por Leamer et al. (1999),
utilizando un panel de datos desbalanceado cuya variable dependiente corresponde al
coeficiente Gini comprendidos entre los años 1990 y 2010 para 80 países. El apéndice 7
muestra la lista de países que se incluyen en la muestra.
La ecuación a estimar es la siguiente:
𝐼𝑁𝑄!" = 𝛽! + 𝛽! 𝐾!" 𝐿!" + 𝛽! Cropland!" 𝐿!" + 𝛽! (Cropland!" ∗ Clima!) L!" + 𝛽!DL!"
+ 𝛽! (Cropland!" ∗ Clima! ∗ DL!) L!" + 𝛽!Z!"
!
!!!
+ 𝛽!DL! + µμ!" + α!
+ ε!" (1)
Donde:
• INQ!": la desigualdad del ingreso del país i en el tiempo t.
• !!!!!"
: el stock de capital por trabajador para el país i en el tiempo t.
24
• Cropland!": Es la tierra cultivable medida en hectáreas por trabajador para el país i
en el tiempo t.
• Clima!: variable que mide la distancia latitudinal desde el Ecuador, donde cero
significa que está más cerca del Ecuador y uno más cerca del polo ya sea Norte o
Sur.
• DL!": Dummy para Latinoamérica .
• (!"#$%&'(!"∗!"#$%!)!!"
: representa la interacción entre tierra cultivable y el clima.
• (!"#$%&'(!"∗!"#$%!∗!"!)!!"
: interacción entre tierra cultivable, el clima y Dummy de
Latinoamérica.
• Zi: variables de control que afectan la distribución de ingreso para esto se utilizara
el PIB per cápita, PIB2 per cápita y el grado de apertura.
• ε!": i.i.d. con media cero y desviación estándar σ!!.
Se utilizarán datos de panel que permiten controlar las variables no observables o medir
como los factores entre países, o variables que cambian con el tiempo. El estimador de
efectos fijos (FE) elimina el efecto de las características invariantes en el tiempo de las
variables predictoras para evaluar el efecto neto de los predictores. Si los términos de error
están correlacionados, el estimador de efecto fijos no es adecuado y la inferencia puede no
ser correcta, esta es la razón principal para la prueba de Hausman.
El estimador de efectos aleatorios (RE) supone que el término error no está correlacionado
con los factores de predicción lo que permite a las variables invariantes en el tiempo jugar
un papel como variables explicativas, siendo necesario en este caso especificar las
características individuales que pueden o no influir en las variables predictoras. El
problema con esto es que algunas variables pueden no estar disponibles, por lo tanto
conduce a un sesgo de la variable omitida en el modelo. RE permite generalizar las
inferencias más allá de la muestra utilizada en el modelo.
Una ventaja de los efectos aleatorios es que se puede incluir variables de tiempo
invariantes, por ejemplo en este caso, la dummy de Latinoamérica. En el modelo de efectos
fijos estas variables son absorbidas por la constante del modelo.
25
La Tabla 2 muestra los resultados de la replicación del trabajo de Leamer et al. (1999). Las
dos primeras columnas muestran la regresión pooled, las dos columnas siguientes
corresponden a la estimación con efecto fijo y efecto aleatorio, mientras que las columnas
cinco y seis muestran la estimación de efectos fijos y aleatorios con las variables de control
incluidas: PIB per cápita, PIB per cápita2 y el grado de apertura. Spilimbergo et al. (1999),
Bourguignon and Morrisson (1990) y Litwin (1998) utilizan estas como variables de
control, basándose en la curva de Kuznet. En este estudio, la apertura se estima como las
importaciones más las exportaciones como proporción del producto, y el PIB per cápita en
dólares constantes al año 2005.
Para decidir entre efectos fijos o aleatorios se puede realizar el test de Hausman4. En este
caso la estimación que reporta estimadores consistentes de acuerdo con el supuesto que
E(Zi,ε!)=0, es la estimación con efectos aleatorios de acuerdo al test de Hausman, tanto
para el modelo con y sin controles.
Se puede ver que para todas las regresiones el stock de capital tiene un efecto negativo, se
considerará la primera columna para poder comparar los resultados. El efecto de un
aumento en la acumulación de capital por trabajador (miles de dólares) disminuirá el
coeficiente de Gini en 0.04 puntos porcentuales.
El efecto de un aumento de una hectárea de tierra cultivable por trabajador aumentará el
coeficiente de Gini en 6.5 puntos porcentuales. El efecto de la interacción entre la tierra
cultivable y la variable clima es negativo y estadísticamente significativo. Por lo tanto, el
coeficiente de la interacción se puede interpretar como que los países que están más cerca
del Ecuador tienen un mayor coeficiente de Gini. Los resultado obtenidos son similares en
signo y magnitud a los que obtuvo Leamer et al. (1999).
Al incluir las variables de control como PIB per cápita, PIB2 per cápita y el grado de
apertura, los signos de la tierra cultivable y el capital se mantienen. El efecto de la tierra
cultivable sigue siendo estadísticamente significativo, pero el capital deja de ser
estadísticamente significativo, esto puede deberse a que el capital captura el efecto de nivel
de demanda que ahora es capturado por el PIB per capita. El grado de apertura, tiene el
signo esperado al igual que los obtenidos por Spilimbergo et al. (1999), y Litwin (1998), y
4 La hipótesis nula es que el modelo de efectos aleatorios es la alternativa preferida frente al de efectos fijos.
26
además PIB per cápita y PIB2 per cápita, tienen los mismos signos que los obtenidos por
estos autores. En la literatura se sugiere que la apertura está asociada con una mayor
desigualdad del ingreso manteniendo constante la dotación de factores.
Tabla 2. Estimaciones de panel.
VARIABLES Pooled (1) Pooled (2) FE (3) RE (4) FE (5) RE (6)
gini gini gini gini gini gini
Stock de capital -0.0388*** -0.0386*** -0.0177 -0.0245* -0.0117 -0.0179
(0.00405) (0.00406) (0.0174) (0.0130) (0.0337) (0.0280)
Tierra cultivable 6.559*** 6.814*** 10.81** 9.302*** 11.19** 9.025*** (0.696) (0.772) (4.338) (3.292) (4.499) (3.375)
Tierra cultivable * Clima -17.75*** -18.12*** -30.24** -25.19*** -31.39** -23.88*** (1.736) (1.922) (13.91) (7.164) (14.80) (7.570)
Dummy Latinoamérica 12.53*** 13.07***
13.68***
13.60*** (0.529) (0.733)
(1.794)
(1.749)
Tierra cultivable * Dummy Latinoamérica
-1.391 -10.22* -7.963* -10.34* -7.891*
(1.723) (5.312) (4.197) (5.474) (4.133)
Tierra cultivable * Dummy Latinoamérica * Clima
1.547 30.03* 21.90** 31.13* 21.21**
(4.270) (15.69) (9.397) (16.41) (9.357)
Constante 39.11*** 39.03*** 42.72*** 38.60*** 41.41*** 38.12*** (0.496) (0.502) (2.158) (1.718) (3.525) (2.361)
Controles No No No No SI Si Observations 824 824 824 824 824 824 R-squared 0.682 0.682 0.016
0.019
Number of id
79 79 79 79 Robust standard errors in parentheses. *** p<0.01, ** p<0.05, * p<0.1
3.3. Estimación Econométrica con tipos de recursos naturales
Este trabajo se basa en la hipótesis de que los distintos tipos de recursos naturales tienen
distintos efectos sobre la desigualdad de ingresos. Esto debido a la acumulación de capital
físico y humano de manera diferente en función de los tipos de recursos naturales. Por
ejemplo, la explotación del petróleo requiere una mano de obra muy limitada pero
altamente calificada; por lo general, este conocimiento viene de trabajadores extranjeros,
por lo que establecer un vínculo entre el petróleo y una mayor acumulación de capital
humano no es posible. En los países en desarrollo, la explotación minera requiere de mucha
mano de obra no calificada de los que trabajan en las minas o para trasladar los minerales,
por lo tanto, el efecto sobre de la desigualdad del ingreso será diferente para cada tipo de
recurso natural. (Philippot, 2010)
27
Para esto, a continuación se propone extender la estimación utilizada por Leamer et al.
(1999), utilizando la siguiente especificación econométrica para testear el efecto de los
tipos de recursos naturales sobre la distribución de ingreso en un panel data:
𝐼𝑁𝑄!" = 𝛽! + 𝛽!𝑋!𝐿 !"
!
!!!
+ 𝛽! 𝐾!" 𝐿!" + 𝛽! (Cropland!" ∗ Clima!) L!"
+ 𝛽! (Forestland!" ∗ Clima!) L!" + 𝛽!DL!" + 𝛽!𝑋!𝐿 !"
∗!"
!!!
DL!"
+ 𝛽!Z!"
!"
!!!"
+ µμ!" + α! + ε!" (2)
Donde:
• INQ!": la desigualdad del ingreso del país i en el tiempo t,
• !!!!!"
: el stock de capital por trabajador para el país i en el tiempo t,
• !!! !"!!!
!: recursos naturales por trabajador del país i en el tiempo t con
X1: Recursos Agricolas, X2: Recursos Forestales, X3: Recursos mineros, X4: Recursos combustibles
• Cropland!": Es la tierra cultivable medida en hectáreas por trabajador para el país i
en el tiempo t.
• Clima!: variable que mide la distancia latitudinal desde el Ecuador, donde cero
significa que está más cerca del Ecuador y uno más cerca del polo ya sea Norte o
Sur.
• (!"#$%&'(!"∗!"#$%!)!!"
: representa la interacción entre tierra cultivable y el clima.
• Forestland!": Área forestal medida en hectáreas por trabajador para el país i en el
tiempo t.
• (!"#$%&'()*!"∗!"#$%!)!!"
: interacción entre los cultivos forestales y el clima
• DL!": dummy para Latinoamérica
28
• !!! !"
∗ DL!"!!!
!: interacción entre cada tipo de recurso natural y la dummy de
Latinoamérica.
• Zi: variables de control que afectan la distribución de ingreso para esto se utilizara
el PIB per cápita, PIB2 per cápita y el grado de apertura.
• ε!": i.i.d. con media cero y desviación estándar σ!!.
Del lado derecho, se encuentran: el stock de capital, la tierra cultivable, el área forestal, las
reservas de minerales, reservas de gas natural, las reservas de petróleo; se incluirá la
interacción entre las variables tierra cultivable y el clima, y el área forestal y el clima, un
conjunto de variables independientes que actúan como controles, una variable dummy para
los países de Latinoamérica, las interacciones entre esta dummy y los recursos naturales
para obtener el efecto en Latinoamérica y las interacciones entre los recursos naturales, la
dummy de Latinoamérica y el clima.
4. Resultados
A continuación, la Tabla 3 reporta las estimaciones que incluyen los distintos tipos de
recursos naturales. Las columnas uno y dos presentan estimaciones con efectos fijos y
aleatorios respectivamente, las columnas tres y cuatro incluyen las interacciones entre las
variables de recursos naturales y dummy para Latinoamérica. Las columnas cinco y seis
reportan las estimaciones con las variables de control como PIB per cápita, PIB2 per
cápita, y el grado de apertura.
La estimación que reporta estimadores consistentes de acuerdo con el supuesto de que
E(Zi,ε!)=0, es la estimación con efectos aleatorios de acuerdo al test de Hausman, para
ambas estimaciones, por lo tanto las interpretaciones y cálculos se realizan sobre los
resultados de la columna seis. Cabe recordar que la variable dependiente, el coeficiente de
Gini, está medido como índice entre 0 y 100.
29
Tabla 3. Estimaciones de panel con diferentes tipos de recursos. FE (1) RE (2) FE (3) RE (4) FE (5) RE (6)
VARIABLES Gini Gini Gini Gini Gini Gini
Capital -0.0143 -0.0269** -0.0146 -0.0223* 0.00528 -0.00591
(0.0178) (0.0128) (0.0180) (0.0134) (0.0320) (0.0282)
Tierra Cultivable 0.0570** 0.0755*** 0.0428 0.0458 0.0431 0.0421
(0.0255) (0.0225) (0.0414) (0.0349) (0.0435) (0.0368)
Tierra Cultivable * Clima -0.138* -0.208*** -0.139 -0.175* -0.133 -0.164*
(0.0754) (0.0624) (0.135) (0.0908) (0.147) (0.0958)
Área Forestal -0.451 -0.477 3.935*** 1.917*** 4.736*** 1.965***
(0.503) (0.394) (1.487) (0.498) (1.612) (0.515)
Área Forestal * Clima -0.618 1.088 -7.808* -2.767** -12.09** -2.776**
(2.638) (0.989) (4.552) (1.252) (4.896) (1.254)
Reserva Mineral -0.332*** -0.0471 0.921 0.0484 0.909 0.159
(0.119) (0.0653) (0.788) (0.384) (0.730) (0.417)
Reserva de Petróleo -0.0474 0.105 0.0712 0.195*** -0.169 0.245***
(0.188) (0.128) (0.323) (0.0459) (0.344) (0.0689)
Reserva de Gas natural -0.150** -0.128* -0.188*** -0.148*** -0.226*** -0.163***
(0.0708) (0.0722) (0.0381) (0.0528) (0.0415) (0.0523)
Dummy de Latinoamérica
13.19***
15.62***
15.52***
(1.731)
(2.052)
(2.013)
Tierra Cultivable * Dummy
Latinoamérica
-0.417 -0.381 -0.186 -0.130
(4.785) (4.275) (4.984) (4.313)
Área Forestal * Dummy
Latinoamérica
-4.781*** -2.681*** -5.645*** -2.804***
(1.580) (0.709) (1.730) (0.738)
Reserva Mineral * Dummy
Latinoamérica
-1.281 -0.236 -1.319* -0.354
(0.796) (0.390) (0.756) (0.436)
Reserva de Petróleo * Dummy
Latinoamérica
-0.0791 -1.206 0.189 -1.108
(1.661) (1.062) (1.735) (1.093)
Reserva de Gas natural *
Dummy Latinoamérica
0.262 0.542 0.314 0.533
(0.806) (0.510) (0.823) (0.515)
Tierra Cultivable * Dummy
Latinoamérica * Clima
5.778 6.496 4.907 5.512
(15.17) (11.45) (16.10) (11.63)
Área Forestal * Dummy
Latinoamérica * Clima
8.454 4.390 13.28* 4.824
(6.056) (3.294) (6.744) (3.434)
Constante 43.41*** 39.11*** 42.63*** 38.05*** 42.60*** 37.64***
(2.263) (1.524) (3.098) (1.827) (3.855) (2.530)
Controles No No No No Si Si
Observations 824 824 824 824 824 824
R-squared 0.025
0.071
0.077
Number of id 79 79 79 79 79 79
Robust standard errors in parentheses *** p<0.01, ** p<0.05, * p<0.1
30
En la tabla 3, el stock de capital, al igual que en la estimación pooled de la Tabla 2, tiene
signo negativo, es decir, a medida que aumenta el capital, el coeficiente de Gini disminuye
y esto significaría que tendría menor desigualdad. Sin embargo, no siempre es
estadísticamente significativo, resultado que concuerda con los obtenidos por Gourdon
(2007), Leamer et al. (1999), Fischer (2001) y Spilimbergo et al. (1999), que señalan que la
desigualdad disminuye en los países que están relativamente bien dotados de capital. En la
literatura sobre economía política comercial, se argumenta que las rentas derivadas de la
propiedad del capital se reducen cuando se trata de una economía abierta.
Reservas de Gas Natural
Si se analizan ahora los efectos marginales de cada tipo de recursos natural, la Tabla 4
muestra el efecto marginal para las reservas de gas natural, medidas en millones de metros
cúbicos por trabajador, tienen un efecto que es negativo y estadísticamente significativo.
Por lo tanto, el Gini disminuiría en 0.16 puntos porcentuales para países fuera de
Latinoamérica.
Tabla 4. Efectos marginales para las reservas de gas natural. Recursos Efecto Reserva de gas natural en países de Latinoamérica 0.369 Reserva de gas natural en países fuera de Latinoamérica -0.163*** *** p<0.01, ** p<0.05, * p<0.1
Nota: Se utilizan los resultados de la columna seis de la Tabla 3 para hacer los cálculos.
Por otro lado, para países de Latinoamérica el efecto tiene signo contrario, siendo positivo y
de mayor magnitud pero no es estadísticamente significativo. En la literatura no existen
muchos estudios que analicen las reservas de gas y petróleo por separado. Andersen y Faris
(2002) analizan la distribución de ingresos y el gas natural en Bolivia, ellos señalan que las
exportaciones de gas natural parecen beneficiar a la mayoría de los grupos con ingresos
más altos, causando una mayor desigualdad. Esto podría explicar los resultados obtenidos
para las reservas de gas en países de Latinoamérica.
31
Reservas de petróleo
La Tabla 5 reporta los efectos marginales de las reservas de petróleo que tienen un efecto
estadísticamente significativo y positivo para países fuera de Latinoamérica, es decir, un
aumento en un barril por trabajador aumentarían el coeficiente de Gini en 0.24 puntos
porcentuales. Este efecto en países de Latinoamérica se vuelve negativo y no es
estadísticamente significativo, sin embargo puede ser económicamente importante ya que
disminuiría el Gini en 0.86 puntos porcentuales.
Tabla 5. Efectos marginales para las reservas de petróleo. Recursos Efecto Reserva petróleo en países de Latinoamérica -0.863 Reserva petróleo en países fuera de Latinoamérica 0.244*** *** p<0.01, ** p<0.05, * p<0.1
Nota: Se utilizan los resultados de la columna seis de la Tabla 3 para hacer los cálculos.
Se puede ver que tanto para las reservas de petróleo y gas, los efectos para países de
Latinoamérica tiene un efecto mayor, no significativo estadísticamente y de signo contrario
sobre el coeficiente de Gini que para los países fuera de Latinoamérica. Un estudio de la
Environmental Accounts Branch (1999), señalan que el stock de capital para las reservas de
petróleo es 50% mayor que el que utilizan las reservas de gas. Además, Blanco y Guier
(2012), estudian el efecto de los recursos naturales sobre la acumulación de capital físico y
humano en países de Latinoamérica, señalando que el aumento en 1% de las exportaciones
de petróleo provoca un aumento del capital físico de 0.05%.
Por lo tanto, esto podría explicar el efecto de las reservas de petróleo para los países de
Latinoamérica donde a mayor reservas de petróleo aumentan el capital físico y aunque el
resultado obtenido no es estadísticamente significativo, dentro del marco teórico utilizado,
la desigualdad de ingresos disminuye cuando aumenta el capital físico.
Ormonde (2011), hace una comparación entre los países productores de petróleo, por
ejemplo Venezuela y Nigeria, y señala que la industria del petróleo tiene una baja
capacidad de generar externalidades positivas en otros sectores de la economía. Esto
disminuye los incentivos para invertir en capital humano y sugiere que la apreciación de la
moneda puede tener limitados efectos redistributivos, afectando negativamente el empleo y
la pobreza. Nigeria, por ejemplo, tiene el menor porcentaje de matrícula en educación
32
secundaria, niveles extremadamente altos de pobreza y mayor disminución a largo plazo de
la tasa de crecimiento del sector manufacturero como porcentaje del PIB. Por otra parte,
Venezuela experimentó un crecimiento en la producción, los servicios y los sectores
agrícolas en la década de 1980, pero en general no ha sido capaz de mantener la
diversificación económica. La continua dependencia de los ingresos petroleros volátiles
tiene un impacto negativo en la capacidad de los países para reducir la pobreza, pero los
niveles de pobreza en Venezuela y la dependencia del petróleo son inferiores a Nigeria.
Esto podría explicar los diferentes efectos para países de Latinoamérica donde las reservas
de petróleo disminuyen la desigualdad pero aumentan la desigualdad para países fuera de
Latinoamérica.
Reservas minerales
Por otro lado, el efecto de las reservas de minerales es positivo, pero no estadísticamente
significativo para países fuera de Latinoamérica, esto se presenta en la Tabla 6. Estos
efectos coinciden con los obtenidos por Gourdon (2007) y Perry y Olarreaga (2006),
quienes analizan los efectos de la apertura sobre la desigualdad incluyendo los recursos
minerales y los del petróleo, señala que las exportaciones netas de minerales incrementan la
desigualdad, y lo mismo sucede con la abundancia de petróleo, aunque en este caso los
resultados no son estadísticamente significativos. Un estudio especifico es el de Anderson y
McKay (2004), quienes analizan si la proporción de minerales como dotación de factores
pueden ser correlacionada con la desigualdad en África. Los autores encuentran que la
relación mineral/tierra tiene efectos positivos y estadísticamente significativos en el nivel
de 10% sobre el coeficiente de Gini, debido a que países con mayores dotaciones de
minerales por área de tierra probablemente tengan niveles más altos de desigualdad de
ingresos, ya que los minerales representan una mayor proporción del ingreso nacional, y
porque son los retornos de los minerales (como los de la tierra) por lo general distribuidos
de manera desigual. La alta desigualdad medida en algunos países africanos (por ejemplo,
Nigeria, Sierra Leona, Botswana) puede muy bien reflejar sus grandes dotaciones relativas
de minerales.
33
Tabla 6. Efectos marginales para las reservas minerales. Recursos Efecto Reserva Mineral en países de Latinoamérica -0.195** Reserva Mineral en países fuera de Latinoamérica 0.158 *** p<0.01, ** p<0.05, * p<0.1
Nota: Se utilizan los resultados de la columna seis de la Tabla 3 para hacer los cálculos.
Por otro lado el efecto tiene el signo contrario para países de Latinoamérica donde es
negativo y estadísticamente significativo, es decir, un aumento de una tonelada métrica de
minerales por trabajador en países de Latinoamérica disminuirían el coeficiente de Gini en
0.19 puntos porcentuales, disminuyendo la desigualdad de ingresos.
Según Ross (2007) es poco lo que se sabe sobre la relación entre la riqueza mineral y la
desigualdad de ingresos. Señala que la dependencia de un país con su riqueza mineral
parece no estar correlacionada con la desigualdad. Países ricos en recursos no parecen ser
ni más ni menos desigual, en promedio.
Se puede mencionar por ejemplo Chile y Botswana que han logrado aprovechar las rentas
minerales para impulsar un fuerte crecimiento económico y reducir la pobreza, donde Chile
tiene niveles de pobreza notablemente más bajos, los niveles de desigualdad siguen siendo
altos en ambos países. Nigeria y Zambia han sido incapaces de sacar provecho de sus
extensas bases minerales para lograr el crecimiento económico y las tasas de pobreza son
las más altas entre los países (Ormonde, 2011). Esto podría explicar que Latinoamérica
tenga un efecto negativo y estadísticamente significativo ya que posee las mayores reservas
de minerales de la muestra.
Recursos Forestales
Los efectos de los recursos forestales y agrícolas deben ser evaluados en alguna latitud. Por
lo tanto, se evaluarán los efectos de estos recursos en las latitudes 13º, 31º y 47º, que son
los percentiles 25, 50 y 75 de la muestra5. El efecto marginal de los recursos forestales se
presenta en la Tabla 7, estos tienen un efecto positivo y estadísticamente significativo en
países fuera de Latinoamérica. Este efecto es mayor que el efecto en los países de
Latinoamérica. Para países fuera de Latinoamérica el efecto de los recursos forestales con
el clima es negativo. 5Se utilizan los resultados de la columna seis de la Tabla 3 para hacer los cálculos.
34
El efecto de aumentar en una hectárea de bosques artificiales o plantaciones por trabajador
en países de Latinoamérica en la línea del Ecuador, es negativo y estadísticamente
significativo alcanzando los 0.83 puntos porcentuales. Éste efecto disminuye a medida que
los países se acercan al polo, por ejemplo, evaluando el efecto en países de Latinoamérica
en la latitud 13º, el efecto es de -0.55 puntos porcentuales, el que sigue siendo
estadísticamente significativo, en la latitud 31º el efecto continúa siendo negativo con un
valor de -0.12, mientras que en la latitud 47º el efecto es positivo de 0.22, pero no es
estadísticamente significativo. Por lo tanto, el efecto de los recursos forestales con el clima
en Latinoamérica aumenta la desigualdad de ingreso.
Romero (2011) estudia los efectos de la abundancia de recursos naturales para países de
Latinoamérica en la inversión extranjera directa (IED), centrándose en la desigualdad como
el canal que une a estas dos variables. Ese trabajo encuentra que los recursos forestales por
trabajador muestran una relación negativa con el coeficiente de Gini, que podría
interpretarse como que es una industria intensiva en capital, por los países de Latinoamérica
tendrían una menor desigualdad.
Tabla 7. Efectos marginales para los recursos forestales.
Recursos 0º de
Latitud 13º de Latitud
31º de Latitud
47º de Latitud
Área Forestal en países de Latinoamérica -0.839* -0.552*** -0.122 0.225 Área Forestal en países fuera de Latinoamérica 1.965*** 2.251*** 2.681** 3.030* *** p<0.01, ** p<0.05, * p<0.1
Nota: Se utilizan los resultados de la columna seis de la Tabla 3 para hacer los cálculos.
Según Leamer et al. (1999), en países con abundantes bosques es probable que tengan una
distribución del ingreso relativamente igual en todas las etapas de su desarrollo. Sin
embargo, se menciona que pueden existir dos patrones de desarrollo para países con
recursos forestales.
El primero señala que los países pueden tener una secuencia hacia la industrialización:
primero la tala de árboles, a continuación, planes de manejo, luego la construcción de
muebles, la fabricación de celulosa, papel y comercialización de productos especializados.
Está secuencia implica aumentos graduales del uso de capital, y también del capital humano
35
en las operaciones. Esto llevaría a que los productos forestales puedan permitir un patrón de
desarrollo con aumentos paralelos e incrementales de capital de las operaciones propias del
sector forestal. Por lo tanto, la ventaja para los países con abundantes bosques o
plantaciones es que tiene mejores términos de intercambio y mayores retornos de todos los
factores de producción.
Otro patrón de desarrollo que probablemente ofrezca una distribución relativamente
equitativa de los ingresos en cada etapa de desarrollo, comienza con escasa mano de obra y
con altos salarios de los trabajadores no calificados, independientemente de la etapa de
desarrollo. La acumulación de capital que tiene el país es una fuente potencial de mayor
desigualdad del ingreso, esto va acompañado de un aumento en los salarios de los
trabajadores no calificados que tenderían a mantener un Gini más bajo. Este camino
también permite una acumulación gradual de capital humano que es, naturalmente, auto
financiado por los altos ingresos de los trabajadores no calificados, por lo tanto, los países
pueden tener tanto una historia optimista como una historia pesimista para los países ricos
en recursos naturales ya que el efecto dependerá de patrón de desarrollo del país (Leamer et
al., 1999). En el momento que una comunidad ha progresado hasta la última de estas etapas
tiene el capital humano pero, la acumulación de capital más allá de las necesidades para
producir pulpa y papel, puede desviarse fácilmente a la producción manufacturera no
basada en recursos.
Recursos agrícolas
La Tabla 8 muestra el efecto marginal de la agricultura sobre la desigualdad, se puede
destacar que el efecto para países fuera de Latinoamérica es positivo pero no
estadísticamente significativo. Así, una hectárea más de tierra cultivable por trabajador en
países fuera de Latinoamérica y en la línea del Ecuador aumentará el Gini en 0.042 puntos
porcentuales. Este efecto aumenta a medida que los países se acercan a los polos llegando a
aumentar el Gini en 2.8 puntos porcentuales para países fuera de Latinoamérica en los 47º
de Latitud. Estos efectos a pesar de no ser estadísticamente significativo, económicamente
serian importantes.
36
Tabla 8. Efectos marginales para la tierra cultivable.
Recursos 0º de
Latitud 13º de Latitud
31º de Latitud
47º de Latitud
Tierra Agrícola en países de Latinoamérica -0.087 0.661 1.784 2.693 Tierra Agrícola en países fuera de Latinoamérica 0.042 0.790 1.914 2.823 *** p<0.01, ** p<0.05, * p<0.1
Nota: Se utilizan los resultados de la columna seis de la Tabla 3 para hacer los cálculos.
El efecto para países dentro de Latinoamérica y en la línea del Ecuador es negativo pero no
estadísticamente significativo. El efecto de una hectárea más en países de Latinoamérica en
el Ecuador disminuirá el Gini en 0.087 puntos porcentuales, este se vuelve positivo a
medida que los países de Latinoamérica se acercan a los polos. Por ejemplo, para los países
que se encuentran en los 13º de latitud el efecto aumenta el coeficiente de Gini en 0.6
puntos porcentuales; si esta hectárea se encuentra en países de Latinoamérica en la latitud
31º el Gini aumentará en 1.78 puntos porcentuales; y el efecto en la latitud 47º es de 2.69
puntos porcentuales, sin embargo estos efectos no resultan ser estadísticamente
significativos. Los efectos en magnitud y signo son parecidos a partir de los 13º de latitud y
no son estadísticamente significativos para países dentro y fuera de Latinoamérica pero
tienen un efecto que económicamente seria importante.
Gourdon (2007), señala que la tierra cultivable por trabajador capta la abundancia de
factores en la producción de alimentos y materias primas, que no incluye minería e
hidrocarburos que son los recursos distribuidos de forma más desigual. Esto puede explicar
por qué algunos estudios encuentran que las dotaciones de tierra cultivable aumentan la
desigualdad del ingreso. Spilimbergo et al. (1999), encuentran que los países dotados de
factores que no tienen límites en su acumulación como la tierra son más desiguales.
Leamer et al (1999), señalan que las interacciones con el clima revela que las tierras de
cultivo cerca del trópico aumenta la desigualdad, de acuerdo con que la agricultura tropical
absorbe el capital y retrasa la industrialización.
Por último, es importante señalar que tanto los efectos de los recursos forestales como de
los recursos agrícolas con la variable clima son positivo para países de Latinoamérica y
negativo para países fuera de Latinoamérica, esta es una variable que no varia fuera o
dentro de Latinoamérica. Además, indicar la importancia de la variable dummy para países
37
de Latinoamérica, ya que las medidas de dotación podrían serían imperfectas y que otras
fuerzas políticas, como el gobierno, la cultura y la historia son influencias importantes.
4.1. Instituciones
Para chequear si estos resultados son robustos, se incluyó la calidad institucional utilizando
el índice de restricciones del poder ejecutivo, desde la base datos del proyecto Polity IV.
Esta variable se utiliza como una proxy de la protección de los derechos de propiedad y la
eficacia del gobierno en el uso de las rentas de los recursos, lo que permite tener una idea
de la institucionalidad del país.
El índice de restricciones del poder ejecutivo es una medida del grado de las limitaciones a
los poderes institucionales en la toma de decisiones de los ejecutivos principales. Este
índice es un indicador del grado de rendición de cuentas y en la protección de los
ciudadanos y los inversionistas contra la expropiación gubernamental. Este indicador posee
valores entre 1 a 7, donde los valores más altos representan un menor poder ejecutivo.
Además, este indicador está disponible para un largo periodo de tiempo y para un gran
número de países.
La calidad de las instituciones es endógena, por lo que se utilizará como variable
instrumental el rezago de las instituciones; suponiendo que el coeficiente de Gini no afecta
las instituciones pasadas. Acemoglu et al. (2001) señalan que son un instrumento plausible
para el desarrollo institucional tanto las tasas de mortalidad esperada de los primeros
colonos europeos en las colonias, como la densidad de población antes de la llegada de los
europeos, sin embargo estos instrumentos no se utilizaron debido a que no variaban en el
tiempo.
La Tabla 9 reporta los resultados del panel con la variable instrumental, la columna uno y
dos reporta la estimación que incluye las instituciones y las columnas tres y cuatro incluyen
las interacciones entre los recursos naturales y las instituciones. Los cálculos para los
efectos marginales de los recursos naturales se realizaron utilizando la columna cuatro.
38
Tabla 9. Estimaciones obtenidos al incluir las instituciones.
VARIABLES FE (1) RE (2) FE (3) RE (4) Gini Gini Gini Gini
Capital 0.00733 -0.0141 0.00897 -0.0120 (0.0222) (0.0180) (0.0224) (0.0181)
Tierra Cultivable -0.0508 -0.00927 -0.249*** -0.249*** (0.0318) (0.0238) (0.0910) (0.0751)
Tierra Cultivable * Clima 0.0293 -0.0740 0.0782 -0.0286 (0.0745) (0.0569) (0.0783) (0.0602)
Área Forestal 0.727 1.175* 4.938 5.761** (2.239) (0.634) (4.017) (2.498)
Área Forestal * Clima -5.761 -1.446 -3.456 -1.268 (3.922) (1.231) (4.340) (1.292)
Reserva Mineral 0.436 1.064** -8.157 -6.933 (0.804) (0.488) (7.194) (5.858)
Reserva de Petróleo -0.290 0.314 -13.78** -11.11** (0.370) (0.256) (5.556) (4.703)
Reserva de Gas natural -0.317*** -0.240** 1.886 3.580 (0.111) (0.0953) (3.335) (2.362)
Dummy de Latinoamérica 13.91***
13.57***
(1.839)
(1.953)
Tierra Cultivable * Dummy Latinoamérica 5.578*** 3.640** 7.636*** 5.627*** (2.086) (1.627) (2.270) (1.843)
Área Forestal * Dummy Latinoamérica -0.270 -1.165** 0.137 -1.168** (1.812) (0.475) (1.948) (0.496)
Reserva Mineral * Dummy Latinoamérica -2.210** -1.290** -1.222 -1.098* (0.943) (0.566) (0.997) (0.572)
Reserva de Petróleo * Dummy Latinoamérica -2.093 -2.615*** -3.930 -2.010** (1.566) (0.933) (2.452) (0.988)
Reserva de Gas natural * Dummy Latinoamérica 0.708 1.112*** 0.103 0.868** (0.466) (0.368) (0.598) (0.392)
Instituciones 0.880** 0.280 0.350 -0.420 (0.360) (0.306) (0.605) (0.490)
Tierra Cultivable * Instituciones 0.0260** 0.0326***
(0.0113) (0.00939)
Área Forestal * Instituciones -0.772* -0.687**
(0.422) (0.344)
Reserva Mineral * Instituciones 1.185 1.137
(1.020) (0.831)
Reserva de Petróleo * Instituciones 1.930** 1.630**
(0.790) (0.671)
Reserva de Gas natural * Instituciones -0.316 -0.548
(0.477) (0.338)
Constante 41.10*** 37.16*** 46.09*** 42.44*** (3.595) (2.182) (4.863) (3.435)
Controles SI SI SI SI Observations 581 581 581 581 Number of id 56 56 56 56 Standard errors in parentheses *** p<0.01, ** p<0.05, * p<0.1
39
Efectos marginales
A continuación se presentaran los resultados detallados por tipo de recurso natural para 3
niveles de calidad institucional. Para las tablas que se muestran a continuación se
consideraron 3 niveles de calidad institucional: instituciones de buena calidad, aquellas que
tiene el índice 7, esto significa paridad del ejecutivo, es decir, los grupos de accountability
tienen autoridad efectiva; Instituciones de calidad promedio, se considero la calidad
promedio de la muestra que es índice 6, esta es una categoría intermedia entre limitaciones
sustanciales y paridad del ejecutivo; Instituciones de baja calidad se consideró el nivel más
bajo de la muestra, esto es para países de Latinoamérica la categoría 3, que significa poco a
moderadas limitaciones y para países fuera de Latinoamérica la categoría 1 que significa
autoridad ilimitada. En el apéndice 3 se encuentra el detalle de esta variable y sus
categorías.
Reservas de Gas Natural
La Tabla 10 muestra los efectos de las reservas de gas natural al incluir las instituciones. Se
considero un aumento del 10% de la desviación estándar, lo que significa 0.45 millones de
pies cúbicos por trabajador. Es importante destacar que este coeficiente mantiene el efecto
positivo pero se vuelve estadísticamente significativo en países de Latinoamérica con
instituciones de calidad promedio y de baja calidad. Para países de Latinoamérica con
instituciones de buena calidad se mantiene en signo y magnitud y no es estadísticamente
significativo.
Tabla 10. Efectos marginales de las instituciones para las reservas de gas natural.
Recursos Instituciones de peor calidad
Instituciones de calidad promedio
Instituciones de buena calidad
Reservas de gas natural en países de Latinoamérica 1.267** 0.523*** 0.275 Reservas de gas natural en países fuera de Latinoamérica 1.370 0.131 -0.116*** *** p<0.01, ** p<0.05, * p<0.1
Nota: Se utilizan los resultados de la columna cuatro de la Tabla 9 para hacer los cálculos.
Por otro lado, para países fuera de Latinoamérica con instituciones de buena calidad el
efecto continúa siendo negativo y estadísticamente significativo. Sin embargo, este efecto
cambia de signo y deja de ser estadísticamente significativo para países fuera de
Latinoamérica con instituciones de calidad promedio y débiles. Es importante señalar que
40
el efecto de las reservas de gas natural disminuye a medida que mejoran las instituciones.
Por lo tanto, el efecto de las instituciones para los países con reservas de gas es importante,
ya que los efectos son cercanos a cero para buenas instituciones, como se señalo
anteriormente un estudio para Bolivia indica que las exportaciones de gas natural
benefician a los grupos con ingresos más altos, esto disminuye si existen instituciones de
buena calidad.
Reservas de Petróleo
La Tabla 11 muestra los efectos marginales al incluir las instituciones y las reservas de
petróleo. El efecto en países de Latinoamérica de un aumento de 10% de la desviación
estándar corresponde a 0.13 barriles por trabajador, mantienen su efecto negativo pero se
vuelven estadísticamente significativos.
Tabla 11. Efectos marginales de las instituciones y las reservas de petróleo.
Recursos Instituciones de peor calidad
Instituciones de calidad promedio
Instituciones de buena calidad
Reservas de petróleo en países de Latinoamérica -1.119*** -0.454*** -0.232* Reservas de petróleo en países fuera de Latinoamérica -1.289** -0.180* 0.040 *** p<0.01, ** p<0.05, * p<0.1
Nota: Se utilizan los resultados de la columna cuatro de la Tabla 9 para hacer los cálculos.
Por otro lado para países fuera de Latinoamérica con instituciones de calidad promedio y
débiles los efectos se vuelven negativos y estadísticamente significativos al incluir las
instituciones. Para los países fuera de Latinoamérica con un índice alto de calidad de las
instituciones sigue siendo positivo pero no es estadísticamente significativo. Es importante
destacar que al igual que con las reservas de gas natural los efectos se acercan a cero a
medida que la calidad de las instituciones mejora.
Según Ross (2007), es difícil predecir cómo los ingresos del petróleo van a afectar la
distribución de los ingresos para un país determinado. Sin embargo, si los ingresos de estos
recursos tienen un impacto fuerte, las consecuencias sociales y económicas pueden ser de
largo alcance. Una primera implicancia es que cualquier país que se anticipa a un aumento
sustancial de los ingresos del petróleo y el gas, debería invertir en investigación acerca de
cómo el crecimiento en el sector de petróleo y gas afectará a la distribución de los ingresos.
41
El no poder anticipar estos efectos probablemente hará que sea más difícil responder a la
creciente desigualdad cuando se produzca.
Recursos Minerales
La Tabla 12 muestra los efectos marginales de las instituciones y las reservas minerales. Se
puede destacar que un aumento de 10% de la desviación estándar representa un aumento de
0.24 toneladas métricas por trabajador, los efectos para los países de Latinoamérica siguen
siendo negativos, sin embargo dejan de ser estadísticamente significativos.
Tabla 12. Efectos marginales de las instituciones y las reservas minerales.
Recursos Instituciones de peor calidad
Instituciones de calidad promedio
Instituciones de buena calidad
Reservas Minerales en países de Latinoamérica -1.113 -0.29 -0.018 Reservas Minerales en países fuera de Latinoamérica -1.396 -0.027 0.246** *** p<0.01, ** p<0.05, * p<0.1
Nota: Se utilizan los resultados de la columna cuatro de la Tabla 9 para hacer los cálculos.
Sin embargo, el efecto en países fuera de Latinoamérica no es estadísticamente
significativo y cambia de signo para las instituciones débiles y de calidad promedio, siendo
la relación entre recursos minerales y desigualdad del ingreso negativa. Por otro lado, es
importante destacar que el efecto para países fuera de Latinoamérica con instituciones con
un alto índice de calidad es positivo y estadísticamente significativo, es decir, aumenta la
desigualdad de ingreso.
Ross (2007) indica que las rentas minerales, en presencia de instituciones débiles, aumentan
la brecha entre ricos y pobres. Sin embargo, es posible que lo contrario sea cierto, debido a
que el crecimiento en el sector público puede dar lugar a una reducción en la brecha del
salario y por lo tanto a una menor desigualdad. Por lo tanto, el efecto de los recursos
minerales no parece estar correlacionada con la desigualdad.
Recursos Forestales
Al analizar los recursos forestales con la calidad de las instituciones para los países de
Latinoamérica con instituciones de calidad promedio y débiles, el efecto cambia de signo,
es decir un aumento del 10% de la desviación estándar representa un aumento de 0.43
42
hectáreas por trabajador, tiene un efecto positivo y estadísticamente significativos al 10%,
por lo tanto aumenta la desigualdad del ingreso en países de Latinoamérica ubicados en los
13º de latitud con instituciones de calidad promedio y débiles de acuerdo al índice que se
utilizó. El efecto negativo y estadísticamente significativo solo se mantiene para países de
Latinoamérica con instituciones que tienen un índice de calidad institucional alto.
Tabla 13. Efectos marginales de las instituciones y los recursos forestales.
Recursos Instituciones de peor calidad
Instituciones de calidad promedio
Instituciones de buena calidad
Área Forestal en países de Latinoamérica 1.019* 0.127 -0.16* Área Forestal en países fuera de Latinoamérica 2.120** 0.633** 0.33 *** p<0.01, ** p<0.05, * p<0.1
Nota: Se utilizan los resultados de la columna cuatro de la Tabla 9 para hacer los cálculos, para hacer la comparación la variable clima se evalúo en los 13º de latitud.
Por otro lado, para los países fuera de Latinoamérica con instituciones débiles se mantiene
el efecto positivo y la magnitud, pero este disminuye en magnitud y se vuelve
estadísticamente no significativo, al aumentar la calidad de las instituciones. En este caso
los efectos de los recursos naturales sobre la desigualdad, disminuye a medida que mejora
la calidad de las instituciones.
Recursos Agrícolas
La Tabla 14 presenta los efectos marginales de las instituciones y la tierra cultivable, se
destaca que un aumento de 0.5% de la desviación estándar de la tierra cultivable representa
un aumento de 0.37 hectáreas por trabajador6. El efecto para países de Latinoamérica
evaluados en los 13º de latitud sigue siendo positivo pero se vuelve estadísticamente
significativo y aumenta en magnitud.
El efecto en países con instituciones débiles es importante económicamente ya que
aumentaría la desigualdad del ingreso. Chong y Calderon (2000) señala que la evidencia
muestra que en países en desarrollo la calidad institucional está positivamente relacionado
6 Se utilizo el 0.5% de la desviación estándar para poder comparar una magnitud en hectáreas similar entre los recursos forestales y agrícolas.
43
con la desigualdad de ingresos, pero en países desarrollados la calidad institucional está
negativamente relacionada con la distribución de los ingresos.
Tabla 14. Efectos marginales de las instituciones y tierra cultivable. Recursos Instituciones
de peor calidad
Instituciones de calidad promedio
Instituciones de buena calidad
Tierra Agrícola en países de Latinoamérica 2.036*** 2.072*** 2.085*** Tierra Agrícola en países fuera de Latinoamérica -0.081*** -0.021*** -0.0091 *** p<0.01, ** p<0.05, * p<0.1
Nota: Se utilizan los resultados de la columna seis de la Tabla 9 para hacer los cálculos, para hacer la comparación la variable clima se evalúo en los 13º de Latitud.
Al incluir las instituciones de los países fuera de Latinoamérica los efectos se vuelven
negativos, para los 3 niveles de calidad institucional y son estadísticamente significativos
para instituciones de calidad promedio y baja. Sin embargo, el efecto económico para
países fuera de Latinoamérica con buena calidad de las instituciones se vuelve
estadísticamente no significativo, estos efectos para países fuera de Latinoamérica son
cercanos a cero.
Este hallazgo parece ser consistente con las teorías recientes de Bourguignon y Verdier y
por Acemoglu and Robinson, quienes sostienen que puede existir algún tipo de curva de
Kuznets aumentada donde la reforma institucional primero aumenta la desigualdad, pero
posteriormente la mejora (Chong y Calderón, 2000).
En resumen, los efectos de los recursos agrícolas se vuelven estadísticamente significativo
y aumentan la desigualdad de ingreso para países de Latinoamérica. Los recursos forestales
mantienen el efecto de disminuir la desigualdad de ingresos en los países de Latinoamérica
sólo para instituciones con alto índice de calidad. Por otro lado, los efectos de las reservas
minerales se vuelven estadísticamente no significativos. Además, los efectos de las reservas
de gas y petróleo se vuelven estadísticamente significativos para países de Latinoamérica.
Las reservas de gas aumentan la desigualdad de ingresos y las reservas de petróleo
disminuyen la desigualdad de ingreso en Latinoamérica. Estos diferentes efectos apoyarían
la hipótesis acerca de los diferentes efectos de los recursos naturales sobre la desigualdad
de ingresos.
44
5. Conclusiones
Esta tesis explora la relación entre los recursos naturales, la dotación de factores, la
acumulación de capital físico y humano, y la desigualdad de ingresos en un conjunto de 80
países. La investigación se basó en la hipótesis de que los distintos tipos de recursos
naturales tienen diferentes efectos sobre la desigualdad de ingresos en países de
Latinoamérica.
Este trabajo se desarrolló bajo un marco conceptual donde se incluyen los recursos
naturales como factor de producción. Se utilizó un modelo donde las economías se
encuentran en distintos conos de producción y define diferentes patrones de desarrollo de
acuerdo a la dotación inicial de factores. En este caso, países con abundantes recursos
naturales tienen distintos mix de productos que los países con escasos recursos naturales.
Los resultados de las regresiones para los tipos de recursos naturales (reservas minerales,
reservas de gas y petróleo, los recursos forestales y agrícolas) se pueden resumir de la
siguiente manera. En primer lugar, para países de Latinoamérica se estima que las reservas
minerales disminuyen la desigualdad de ingresos, el mismo efecto tienen los recursos
forestales, sin embargo, este efecto disminuye a medida que los países de Latinoamérica se
acercan a los polos. En segundo lugar, los recursos agrícolas, las reservas de gas natural y
petróleo se estima que no tienen efectos estadísticamente significativos en países de
Latinoamérica, sin embargo, la magnitud de los efectos obtenidos es importante para estos
países. Si bien se obtienen resultados econométricos que apoyan la hipótesis, la importancia
de la variable dummy para países de Latinoamérica señala que otras fuerzas políticas, como
el gobierno, la cultura y la historia son influencias importantes.
Además, se incluyó la calidad de las instituciones como test de robustez. Los resultados de
esta regresión se resumen de la siguiente manera. Los recursos minerales dejan de ser
estadísticamente significativos. Por otro lado, los recursos forestales en los países de
Latinoamérica con instituciones con un alto índice de calidad mantienen el efecto de
disminuir la desigualdad del ingreso. En cambio, para países de Latinoamérica con
instituciones débiles, los recursos forestales aumentan la desigualdad de ingreso. También
es importante destacar que los recursos agrícolas se vuelven estadísticamente significativos
y mantienen el efecto de aumentar la desigualdad de ingreso.
45
Por otro lado, las reservas de gas natural al incluir las instituciones, se vuelven
estadísticamente significativas y aumentan la desigualdad del ingreso en países de
Latinoamérica. Finalmente, las reservas de petróleo también se vuelven estadísticamente
significativas pero tienen un efecto contrario a las reservas de gas y provocan una
disminución en la desigualdad del ingreso.
Por lo tanto, la conclusión que se deriva de este trabajo es que los diferentes tipos de
recursos naturales, ya sean reservas minerales, gas, petróleo, recursos agrícolas y/o
forestales, tienen diferentes efectos sobre la desigualdad de ingreso para países de
Latinoamérica. Pero estos resultados no pueden apoyar la hipótesis de que todos los
recursos tienen un efecto sobre la desigualdad del ingreso en países de Latinoamérica ya
que en algunos casos, estos efectos dependen de la calidad de las instituciones, mientras
hay algunos tipos de recursos cuyo efecto no se ve afectada por la calidad institucional,
otros tipos de recursos dependen en gran medida de las instituciones para revertir los
efectos sobre la desigualdad de ingresos.
Este estudio se realizó utilizando la definición de abundancia de los recursos naturales lo
que no implicaría que un país dependa económicamente de estos recursos y por lo tanto una
posible extensión a este trabajo es incluir las exportaciones de tipos de recursos naturales
como proxy de dependencia y si esta influiría en la desigualdad de ingresos de los países de
Latinoamérica.
Teniendo en cuenta la igualdad de oportunidades, la sugerencia de que los países ricos en
recursos naturales pueden experimentar una desigualdad de ingresos relativamente alta
durante parte de su camino de desarrollo no debe ser en sí mismo un problema. En cambio,
lo que puede ser motivo de preocupación, y tal vez sujeto a la mejora de la intervención del
gobierno, es la incapacidad de las economías ricas en recursos para dar el salto de la
explotación de recursos a la producción intensiva en capital y habilidades.
46
6. Bibliografía
Acemoglu, D, Johnson S., and Robinson J. 2001. “The Colonial Origins of Comparative Development: An Empirical Investigation,” American Eco- nomic Review, forthcoming.
Álvarez R., and. Fuentes J.R. 2006. Paths of Development, Specialization, and Natural Resources Abundance. Working paper 383. Santiago: Central Bank of Chile.
Andersen L, and Faris R. 2002. Natural Gas and Income Distribution in Bolivia. Working paper. Andean Competitiveness Project. Center for International Development Harvard University, Cambridge, Massachusetts
Anderson E. and McKay A. 2004. Why is inequality so high, but also so variable, in Sub-Saharahn Africa?, mimeo, Overseas Development Institute, London.
Auty R.M, 1997, Natural Resource Endowment The State and Development Strategy, Journal of International Development, 9 (4), 651-663
Auty R.M, 2001. Resource Abundance and Economic Development. Oxford University Press, Oxford, UK.
Bajo O., 1991. Teorías del comercio internacional. Antoni Bosch. ed.
Banco Mundial. 2012. World Bank. World Development Indicators. http://databank.worldbank.org/ddp/home.do
Blanco, L., Grier, R., 2012, Natural resource dependence and the accumulation of physical and human capital in Latin America. Resources Policy.
Bourguignon, F., and Morrisson C. 1989. External Trade and Income Distribution. Paris: Organization for Economic Cooperation and Development.
Bourguignon F., and Morrisson C., 1990, Income distribution development and foreign trade. European Economic Review, 34(6): 1113–1133
Bravo-Ortega C., and De Gregorio J., 2005, The Relative Richness of the Poor? Natural Resources, Human Capital and Economic Growth, Working Paper 3484, The World Bank.
Burchardt H. 2012. ¿Por qué América Latina es tan desigual? Tentativas de explicación desde una perspectiva inusual. Nueva Sociedad 239:137-150
Chong, A. and Calderón, C. 2000. Institutional Quality and Distribution of Income, Economic Development and Cultural Change.
Engerman S.L. and Sokoloff K.L. (2000) “Institutions, Factor Endowments, and Paths of Development in the New World” Journal of Economic Perspectives, 3, 217-232.
47
Environmental Accounts Branch. 1999. The valuation of oil and gas reserves. Office for National Statistics
Ferreira F., and Walton M.2004. La desigualdad en América Latina ¿Rompiendo con la historia?. Serie Desarrollo para todos. Banco mundial
Fischer R., 2001, The evolution of inequality after trade liberalization. Journal of Development Economics, 66: 555–579
Gourdon J. 2007. "Openness and Inequality in Developing Countries: a New Look at the Evidence," Working Papers halshs-00557117, HAL.
Gylfason T, 2001, Natural Resources, Education and Economic Development, European Economic Review, 45 (4-6):847-859
Gylfason T. 2008. “Development and Growth in Mineral Rich Countries,” paper for a UNRISD Workshop on Social Policy in Mineral Rich Countries, Palais des Nations, Geneva, 24-25 April.
Hall R., and Jones C. 1999. Why Do Some Countries Produce So Much More Output per Worker than Others?. NBER Working Papers 6564, National Bureau of Economic Research, Inc.
Isham J, Woolcock M, Pritchett L, Busby G, 2005, The Varieties of Resource Experience: Natural Resource Export Structures and the Political Economy of Economic Growth, The World Bank Economic Review, 19 (2):141-174
Leamer E., 1987. Paths of development in the three-factor, n-good general equilibrium model. Journal of Political Economy 95:961–999.
Leamer E. and Schott, P. 1999. Natural Resources as a Source of Latin American Income Inequality. World Development Report Memorandum
Leamer E., Maul H., Rodriguez S., and Schott P., 1999. Does Natural Resource Abundance Increase Latin American Income Inequality?. Journal of Development Economics 59:3-42.
Litwin C., 1998. Trade and income distribution in developing countries. Working Papers in Economics, 9. Göteberg, Göteberg University, Dept. of Economics.
Lu X. and Cai, G, 2011, Effective factor endowments, trade openness and income distribution in China. Frontiers of Economics In China. 6 (2):188-210,
Ormonde P. 2011. The Relationship between Mineral Rents and Poverty: Evidence from Sub-Saharan Africa and South America.
Perry G. and Olarreaga M. 2006. “Trade Liberalization, Inequality and Poverty Reduction in Latin America”, Mimeo, World Bank
48
Philippot M, 2010. Are Natural Resources a Curse for Human Capital Accumulation?. Centre d’Etudes et de Recherches sur le Développement International (CERDi -CNRS). First version.
Programa de las Naciones Unidas para el Desarrollo. PNUD., 2010. Informe sobre Desarrollo Humano 2010: La verdadera riqueza de las naciones: Caminos al desarrollo humano. Edición del Vigésimo Aniversario
Rodriguez F, and. Sachs J.D. 1999. "Why Do Resource-Abundant Economies Grow More Slowly? A New Explanation and an Appilcation to Venezuela," Journal of Economic Growth 4:277-303.
Romero L. 2011. Natural resource abundance and FDI in Latin America. The path of inequality. Undergraduate Economic Review. 7(1):1-41
Ross M.L., 2007. How mineral-rich states can reduce inequality. In: Sachs, J.D., Stiglitz, J.E., Humphreys, M. (eds.), Escaping the Resource Curse, Columbia University Press, New York.
Sachs J.D, Warner A.M, 1995, Natural Resource Abundance and Economic Growth, Development Discussion Paper 517a, Harvard Institute for International Development.
Schmidhuber J., Bruinsma J. and Boedeker G. 2009. Capital requirements for agriculture in developing countries to 2050. Paper presented at the FAO Expert Meeting on “How to Feed the World in 2050”, 24-26 June 2009, Rome.
Sokoloff K.L. and Robinson J. 2005. “Historical Roots of Latin American Inequality”. In Inequality in Latin America and the Caribbean: Breaking with History. WB, chapter 5.
Spilimbergo A, Londono J L, Székely M., 1999. Income distribution, factor endowments, and trade openness. Journal of Development Economics, 59(1): 77–101
Stijns J.P., 2001, Natural Resource Abundance and Human Capital Accumulation. UC Berkeley, Economics Working Paper
U.S. Department of Energy, 2012, International Energy Annual, Office of Energy Markets and End Use, Washington.
U.S. Geological Survey, Minerals Program, (U.S.G.S.), 2012. Mineral Commodity Summaries, U.S. Government Printing Office, Pittsburgh.
UNU-WIDER World Income Inequality Database, Version 2.0c, May 2008
7. Apéndices
Apéndice 1 Tabla A1. Años de educación para países de la muestra. Años de educación (sobre 25 años)
África Asia Europa Latinoamérica Norteamérica Oceanía Total
1980 2010 1980 2010 1980 2010 1980 2010 1980 2010 1980 2010 1980 2010
Nº % N
º % Nº % N
º % Nº % N
º % Nº % N
º % Nº % N
º % Nº % N
º % Nº % N
º %
0 - 3 10 66.7 1 6.7 7 36.8 0 0.0 0 0.0 0 0.0 3 15.8 0 0.0 0 0.0 0 0.0 0 0.0 0 0.0 20 25.0 1 1.3
3 - 6 5 33.3 5 33.3 6 31.6 7 36.8 4 17.4 0 0.0 13 68.4 2 10.5 0 0.0 0 0.0 0 0.0 0 0.0 28 35.0 14 17.5
6 - 9 0 0.0 9 60.0 5 26.3 6 31.6 12 52.2 1 4.4 3 15.8 12 63.2 0 0.0 0 0.0 0 0.0 0 0.0 20 25.0 28 35.0
9 - 12 0 0.0 0 0.0 1 5.3 6 31.6 7 30.4 19 82.6 0 0.0 5 26.3 2 100.0 0 0.0 2 100.0 0 0.0 12 15.0 30 37.5
12 y más 0 0.0 0 0.0 0 0.0 0 0.0 0 0.0 3 13.0 0 0.0 0 0.0 0 0.0 2 100.0 0 0.0 2 100.0 0 0.0 7 8.8
Total 15 100.0 15 100.0 19 100.0 19 100.0 23 100.0 23 100.0 19 100.0 19 100.0 2 100.0 2 100.0 2 100.0 2 100.0 80 100.0 80 100.0
Fuente: Barro y Lee (2010
Apéndice 2
Figura A1. Dotación tierra por trabajador.
Figura A2. Dotación stock de capital por trabajador.
Figura A3. Dotación área forestal por trabajador.
020
4060
Asia Europa Latinoamérica
Land per worker
1990 20001990
050
100
150
200
250
Asia Europa Latinoamérica
Capital per worker
1990 20002006
05
1015
2025
Asia Europa Latinoamérica
Forest area per worker
1990 20002006
51
Figura A4. Dotación reservas minerales por trabajador.
Figura A5. Dotación reservas de petróleo por trabajador.
Figura A6. Dotación reservas de gas natural por trabajador.
0.0
5.1
.15
.2.2
5
Africa Asia Latinoamérica
Mineral Resources per worker
1990 20002006
02
46
8
Asia Europa Latinoamérica
Oil reserves per worker
1990 20002006
010
2030
40
Asia Europa Latinoamérica
Natural gas reserves per worker
1990 20002006
52
Apéndice 3. Tabla A2. Detalle de las variables que se utilizaron en los análisis.
Variable Definición Fuente
Gini El índice de Gini es el coeficiente de Gini expresado en porcentaje, y es igual al coeficiente de Gini multiplicado por 100.
World Income Inequality Database
(WIID) (2008) y World Bank‟s WDI database
(2012)
Stock de Capital
por trabajador
Los stock de capital fueron construidos utilizando el método de inventarios perpetuo. Se explica en detalle como se obtuvo la serie de stock de capital en el apéndice 6.
Penn World Tables 7.1
Tierra cultivable La tierra cultivable incluye aquellos terrenos definidos por la FAO como afectados a cultivos temporales (las zonas de doble cosecha se cuentan una sola vez), los prados temporales para segar o para pasto, las tierras cultivadas como huertos comerciales o domésticos, y las tierras temporalmente en barbecho. Se excluyen las tierras abandonadas a causa del cultivo migratorio.
World Bank‟s WDI database
(2012)
Reservas gas natural Las Reservas son las cantidades de gas natural estimadas sobre la base de las informaciones geológicas y de ingeniería obtenidas mediante métodos confiables que demuestran, con razonable certeza, que pueden ser comercialmente recuperables.
U.S. Department of Energy
International Energy Statistics
Reservas Petróleo Las reservas son cantidades de petróleo que se considera pueden ser recuperados comercialmente a partir de acumulaciones conocidas a una fecha futura. Los datos hasta 2011 por país, región y grupo comercial (OCDE, la OPEP) para 217 países.
U.S. Department of Energy
International Energy Statistics
Reservas minerales Para las reservas de minerales se consideraron los que se transan en la bolsa de metales de Londres, entre ellos las reservas de cobalto, tin, plata, oro, nickel, cobre, molibdeno, zinc, lead.
Las reservas de minerales consideran la parte de las reservas base que podrían ser económicamente extraído o producido en el momento de la determinación. Las reservas a largo plazo no tiene por qué significar que las instalaciones de extracción están en su lugar y en funcionamiento. Las reservas incluyen sólo los materiales recuperables, por lo que términos como "reservas extraíbles" y "reservas recuperables" son redundantes y no son parte de este sistema de
U.S. Geological
Survey, Minerals Program (U.S.G.S.)
53
clasificación.
Área Forestal La superficie forestal se refiere a las tierras con agrupaciones de árboles naturales o plantados de por lo menos 5 metros in situ, sean estas para usos productivos o no, y excluye las poblaciones en los sistemas de producción agrícola (por ejemplo, en plantaciones frutales y sistemas agroforestales) y los árboles en los parques y jardines urbanos.
World Bank‟s WDI database
(2012)
PIB per cápita PIB per cápita basado en paridad de poder de compra (PPP) en dólares internacionales constantes de 2005.
Penn World Tables 7.1
PIB2 per cápita PIB per cápita al cuadrado Penn World Tables 7.1
Apertura Las exportaciones más importaciones dividido por PIB. Es el comercio total como porcentaje del PIB.
Penn World Tables 7.1
Fuerza Laboral La población activa total comprende a personas de 15 años o más que satisfacen la definición de la Organización Internacional del Trabajo de población económicamente activa: todas las personas que aportan trabajo para la producción de bienes y servicios durante un período específico. Incluye tanto a las personas con empleo como a las personas desempleadas. Si bien las prácticas nacionales varían en el tratamiento de grupos como las fuerzas armadas o los trabajadores estacionales o a tiempo parcial, en general, la población activa incluye a las fuerzas armadas, a los desempleados, a los que buscan su primer trabajo, pero excluye a quienes se dedican al cuidado del hogar y a otros trabajadores y cuidadores no remunerados.
World Bank‟s WDI database
(2012)
Instituciones Limitaciones de índice Ejecutivo. Este índice mide el grado de restricciones de las instituciones en la toma de decisiones de los poderes ejecutivos, impuesta-por ejemplo-, por cualquier "grupo de accountability". La variable toma los valores de 1 a 7, donde 1 = autoridad ilimitada, 2 = categoría intermedia, 3 = poco a moderadas limitaciones, 4 = categoría intermedia, 5 = limitaciones sustanciales, 6 = categoría intermedia, y 7 = paridad del ejecutivo o subordinación (grupos de accountability tienen autoridad efectiva).
Polity IV Project 2011
Clima Mide la distancia latitudinal desde el Ecuador, donde cero significa que esta mas cerca del Ecuador y uno mas cerca del polo ya sea Norte o Sur
Dummy para Latinoamérica
Dummies para los países de Latinoamérica
54
Apéndice 4. Tabla A3. Descripción de datos para los países de África África
Variable Unidades Abreviación Obs Mean Std. Dev. Min Max
Gini % Gini 63 46.32886 10.54861 28.7 73.2 Stock de Capital por trabajador
Thousand 2005 I$/person capital_pwt2pw 63 13.49256 16.10567 0.2474862 50.72934
Tierra cultivable Hectáreas por trabajador Arablelandpw 63 61.72677 35.38488 0 151.9528
Reservas gas natural Million Cubic feet per worker
reserve_ gas natural 63
0.3051429
0.6189294 0 2.555259
Reservas Petróleo Barrels per worker reserva_petroleo 63 0.042035
6 0.110039
4 0 0.716028
1
Reservas minerales Metric Tons per worker reserva_mineral 63
0.4283153 1.117848 0 4.053583
Área Forestal Hectáreas por trabajador forestoflandarea 63 2.363151 3.856922 0.0024095 15.07273
PIB per cápita Thousand 2005 I$/person rglpl2 63 2.363113 2.099612 0.3628132 7.55671
PIB2 per cápita Thousand 2005 I$/person rglpl2_2 63 9.9227 14.80577 0.1316334 57.10386
Apertura % Openk 63 56.69709 29.8853 15.36885 188.6993 Instituciones Índice Instituciones 62 4.177419 1.664718 1 7
Tabla A4. Descripción de datos para los países de Asia Asia
Variable Unidades Abreviación Obs Mean Std. Dev. Min Max
Gini % Gini 129 38.397 6.734503 24.8 52.10944 Stock de Capital por trabajador
Thousand 2005 I$/person capital_pwt2pw 129 51.29394 57.11883 2.018426 210.0034
Tierra cultivable Hectáreas por trabajador Arablelandpw 129 29.59232 27.69505 0 117.7443
Reservas gas natural Million Cubic feet per worker
reserve_ gas natural 129
0.6612702 1.849172 0 9.053391
Reservas Petróleo Barrels per worker reserva_petroleo 129 0.045958
6 0.140563
2 0 0.671345
5
Reservas minerales Metric Tons per worker reserva_mineral 129
0.0339283
0.0699485 0
0.3567901
Área Forestal Hectáreas por trabajador forestoflandarea 129
0.4034359
0.5984371 0 3.140981
PIB per cápita Thousand 2005 I$/person rglpl2 129 8.732267 9.626023 0.7851984 35.73408
PIB2 per cápita Thousand 2005 I$/person rglpl2_2 129 168.1945 302.1633 0.6165365 1276.925
Apertura % Openk 129 88.34213 81.71351 12.5163 339.8043 Instituciones Índice Instituciones 126 5.02381 1.830691 1 7
55
Tabla A5. Descripción de datos para los países de Europa Europa
Variable Unidades Abreviación Obs Mean Std. Dev. Min Max
Gini % Gini 309 29.90147 3.855115 19.91187 39 Stock de Capital por trabajador
Thousand 2005 I$/person capital_pwt2pw 298 132.4457 54.58957 33.77203 248.4331
Tierra cultivable Hectáreas por trabajador Arablelandpw 309 54.25539 31.06721 0 118.4968
Reservas gas natural Million Cubic feet per worker
reserve_ gas natural 309 2.120967 6.435137 0 37.87084
Reservas Petróleo Barrels per worker reserva_petroleo 309 0.273952
7 1.027031 0 5.216983
Reservas minerales Metric Tons per worker reserva_mineral 309
0.0999014 0.344938 0 1.799948
Área Forestal Hectáreas por trabajador forestoflandarea 309 1.396706 2.28154 0.0018008 8.792922
PIB per cápita Thousand 2005 I$/person rglpl2 309 25.12612 9.506248 5.766241 50.30422
PIB2 per cápita Thousand 2005 I$/person rglpl2_2 309 721.3982 476.5379 33.24953 2530.515
Apertura % Openk 309 75.43711 31.59435 27.41333 170.5146 Instituciones Índice Instituciones 300 6.93 0.292207 4 7
Tabla A6. Descripción de datos para los países de Latinoamérica. Latinoamérica
Variable Unidades Abreviación Obs Mean Std. Dev. Min Max
Gini % Gini 285 51.72073 4.786111 38.47869 62.83406 Stock de Capital por trabajador
Thousand 2005 I$/person capital_pwt2pw 285 32.72201 13.69879 6.448563 72.06175
Tierra cultivable Hectáreas por trabajador Arablelandpw 285 55.04936 47.85916 0 198.9319
Reservas gas natural Million Cubic feet per worker
reserve_ gas natural 285 1.280049 3.353935 0 16.35822
Reservas Petróleo Barrels per worker reserva_petroleo 285 0.539859
7 1.774228 0 8.334554
Reservas minerales Metric Tons per worker reserva_mineral 285 1.046416 3.755621 0 23.72038
Área Forestal Hectáreas por trabajador forestoflandarea 285 3.855283 4.304854 0.1216289 24.16532
PIB per cápita Thousand 2005 I$/person rglpl2 285 6.748712 2.479338 1.736633 12.39662
PIB2 per cápita Thousand 2005 I$/person rglpl2_2 285 51.67067 34.58647 3.015895 153.6761
Apertura % Openk 285 66.52685 34.23527 13.73814 217.042 Instituciones Índice Instituciones 284 6.091549 0.927819 3 7
56
Tabla A7. Descripción de datos para los países de Norteamérica Norteamérica
Variable Unidades Abreviación Obs Mean Std. Dev. Min Max
Gini % Gini 26 38.22431 6.22558 28.32 46.40767 Stock de Capital por trabajador
Thousand 2005 I$/person capital_pwt2pw 26 132.7727 20.21686 106.6503 181.6452
Tierra cultivable Hectáreas por trabajador Arablelandpw 26 200.1361 87.05152 110.4705 309.077
Reservas gas natural Million Cubic feet per worker
reserve_ gas natural 26 2.956943 2.182889 1.146651 6.594481
Reservas Petróleo Barrels per worker reserva_petroleo 26 2.020072 3.02032 0.1937479 11.34435
Reservas minerales Metric Tons per worker reserva_mineral 26 1.387402 1.052654 0.5018487 2.900199
Área Forestal Hectáreas por trabajador forestoflandarea 26 9.833626 9.189138 1.985124 21.06525
PIB per cápita Thousand 2005 I$/person rglpl2 26 33.28667 4.608088 26.83495 41.59829
PIB2 per cápita Thousand 2005 I$/person rglpl2_2 26 1128.42 313.3328 720.1145 1730.417
Apertura % Openk 26 38.80208 21.67581 16.2053 75.58499 Instituciones Índice Instituciones 26 7 0 7 7
Tabla A8. Descripción de datos para los países de Oceanía Oceanía
Variable Unidades Abreviación Obs Mean Std. Dev. Min Max
Gini % Gini 23 33.83916 3.134559 29.25731 40.1 Stock de Capital por trabajador
Thousand 2005 I$/person capital_pwt2pw 23 119.5978 38.31389 66.50097 183.2405
Tierra cultivable Hectáreas por trabajador Arablelandpw 23 336.7517 203.4243 19.75886 564.2291
Reservas gas natural Million Cubic feet per worker
reserve_ gas natural 23 2.838642 2.196555 0.6209926 9.052279
Reservas Petróleo Barrels per worker reserva_petroleo 23 0.264451
5 0.221000
7 0 0.513395
1
Reservas minerales Metric Tons per worker reserva_mineral 23 4.009801 3.510705 0 9.600043
Área Forestal Hectáreas por trabajador forestoflandarea 23 11.92566 6.326094 3.888731 18.19904
PIB per cápita Thousand 2005 I$/person rglpl2 23 27.6633 5.689964 19.23852 37.69809
PIB2 per cápita Thousand 2005 I$/person rglpl2_2 23 796.2263 318.7421 370.1205 1421.146
Apertura % Openk 23 39.91601 8.395118 27.32477 57.66739 Instituciones Índice Instituciones 23 7 0 7 7
57
Apéndice 5. Tabla A9. Matriz de correlaciones
Gini Stock de Capital
Tierra cultivable
por trabajador
Reservas gas natural
por trabajador
Reservas Petróleo
por trabajador
Reservas minerales
por trabajador
Área Forestal por trabajador
PIB per cápita
PIB2 per
cápita Apertura Instituciones
Gini 1
Stock de Capital -0.6024* 1 Tierra cultivable por trabajador -0.0663 0.0868* 1
Reservas gas natural por trabajador -0.1228* 0.2640* 0.0371 1
Reservas Petróleo por trabajador -0.0197 0.1134* 0.0861* 0.7116* 1
Reservas minerales por trabajador 0.1407* -0.0448 0.2516* 0.0021 -0.0042 1
Área Forestal por trabajador 0.1798* -0.0363 0.6070* 0.1913* 0.2725* 0.2404* 1
PIB per cápita -0.5985* 0.9535* 0.1461* 0.3047* 0.1504* -0.0152 0.0163 1
PIB2 per cápita -0.5516* 0.9133* 0.1313* 0.3883* 0.1873* -0.0235 0.0405 0.9668* 1
Apertura -0.0021 0.2020* -0.2058* -0.0039 -0.0595 -0.1052* -0.1541* 0.1442* 0.1296* 1
Instituciones -0.2043* 0.3969* 0.1791* 0.0729* 0.0075 0.1121* 0.1428* 0.4287* 0.3545* -0.0922* 1
Nota: La tabla reporta las correlaciones . * p<0.05
Apéndice 6.
Calculo del Stock de Capital
Los stock de capital fueron construidos utilizando el método de inventarios perpetuo,
método indirecto que deriva el stock de capital a partir de la acumulación de series de
inversión por tipo de activo, estimadas por las cuentas nacionales. Es el método adoptado
por los países de la OECD que realizan estimaciones del stock de capital.
Se utilizaron las Penn World Tables 7.1. De PWT6 extraigo producción, el capital y el
número de trabajadores. Se utilizaron las variables en dólares internacionales del año 2005.
Se utilizó metodología detallada por Hall y Jones (1999), los con datos de inversión desde
1970, y se estimo el capital inicial siguiendo la ecuación
K! =I!"
(g + δ)
Donde:
I70: Inversión del año 1970
g: Es el promedio de la crecimiento geométrico desde 1960 a 1970 de la serie de inversión.
δ: Es la tasa de depreciación, asumida como 6%.
Se estima el stock de capital, K usando la siguiente ecuación:
𝐾! = 𝐼!!! + 1− 0,06 ∗ 𝐾!!!
Donde
𝐼!!!: Es la inversión en el tiempo t-1
La inversión esta calculada usando PIB per capital real, la población y la proporción de la
inversión en el PIB.
59
Apéndice 7. Tabla A10. Lista de países incluidos en la muestra País Código País Afghanistan AFG Argentina ARG Australia AUS Austria AUT Bangladesh BGD Belgium BEL Benin BEN Bolivia BOL Brazil BRA Bulgaria BGR Cameroon CMR Canada CAN Chile CHL China CHN Colombia COL Costa Rica CRI Cyprus CYP Czech Republic CZE Denmark DNK Dominican Republic DOM Ecuador ECU Egypt, Arab Rep. EGY El Salvador SLV Finland FIN France FRA Germany DEU Ghana GHA Greece GRC Guatemala GTM Honduras HND Hong Kong SAR, China HKG Hungary HUN Iceland ISL India IND Indonesia IDN Ireland IRL Israel ISR Italy ITA Jamaica JAM Japan JPN Jordan JOR
País Código País Kenya KEN Korea, Rep. KOR Liberia LBR Malawi MWI Malaysia MYS Mali MLI Malta MLT Mauritius MUS Mexico MEX Myanmar MMR Netherlands NLD New Zealand NZL Nicaragua NIC Norway NOR Pakistan PAK Panama PAN Paraguay PRY Peru PER Philippines PHL Poland POL Portugal PRT Sierra Leone SLE Singapore SGP South Africa ZAF Spain ESP Sri Lanka LKA Sweden SWE Switzerland CHE Syrian Arab Republic SYR Thailand THA Tunisia TUN Turkey TUR Uganda UGA United Kingdom GBR United States USA Uruguay URY Venezuela, RB VEN Zambia ZMB Zimbabwe ZWE