PORTADA

UNIVERSIDAD NACIONAL DE LOJA

FACULTAD JURÍDICA, SOCIAL Y ADMINISTRATIVA

CARRERA DE ECONOMÍA

Titulo:

“¿El desarrollo financiero reduce las emisiones de CO2 en los países de la

Comunidad Andina (CAN)? Un análisis con datos panel para el periodo 1980-2018”.

Tesis previa a la obtención del grado de Economista

Autora: Camila Gabriela Toledo Gómez

Director(a) de tesis: Econ. Johana Magaly Alvarado Mg. Sc.

Loja – Ecuador

2022
 CERTIFICACIÓN

AUTORÍA

CARTA DE AUTORIZACIÓN DEL AUTOR PARA LA CONSULTA

REPRODUCCIÓN PARCIAL O TOTAL Y PUBLICACIÓN ELECTRONICA DEL

TEXTO COMPLETO

DEDICATORIA

AGRADECIMIENTO

ii
iii
 ÁMBITO GEOGRÁFICO DE LA INVESTIGACIÓN

BIBLIOTECA: Facultad Jurídica, Social y Administrativa

AUTOR/NOMBRE ÁMBITO GEOGRÁFICO DE LA INVESTIGACIÓN

DEL DOCUMENTO

FECHA AÑO
TIPO DE

FUENTE
DOCUMENTO

PROVINCIA
INTERNACI

NACIONAL

REGIONAL

PARROQUI

DEGRADACIONE

OBSERVACIÓN
CANTÓN

OTRAS

NOTAS
ONAL

A
........
....

“.....”

TES U 20 16 - - - - - - Economi

IS NL 21 - - - - - - sta
país

iv
es

v
vi
INDICE DE CONTENIDOS

vii
viii
a. TITULO

b. RESUMEN

ABSTRACT

9
c. INTRODUCCIÓN

10
d. REVISION DE LITERATURA

1. ANTECEDENTES

Durante el trascurso de la historia se han formulado varias teorías acerca del crecimiento

económico. En los años 1500 d.C., se aborda por primera ocasión el asunto del aumento

económico expresado en extensión de la riqueza, ya que, a lo largo de los años en las metrópolis

se experimentaba un aumento del negocio interno y externo de las naciones; es por esto, que los

comerciantes se convirtieron en un motor impulsador de la economía que brindaron origen a un

nuevo enfoque económico; lo que permitió ofrecer paso de Estados nacionales de economías

unificadas a Estados modernos con expansiones económicas, eliminando los conceptos feudales

y dando sitio al surgimiento de novedosas teorías económicas (Heinze et al., 2019)

11
 Después, en los siguientes periodos el fisiócrata Quesnay (1758) ha sido uno de los

primeros en examinar la teoría del crecimiento económico en funcionalidad de la acumulación de

capital, que se daba por medio de la agricultura debido a que generaba excedentes y la

consideraba como fuente de toda riqueza al ser la exclusiva actividad provechosa que produce

producto neto en flujo circular de la renta, y además comentó a la industria, al negocio y a los

expertos como estériles y básicas apéndices poblacional. Años más tarde Smith (1776), establece

que las economías deben regirse por la oferta y demanda libre, señalando que la principal fuente

de crecimiento económico es generada por la especialización y la división del trabajo, dado que

estos permiten maximizar los beneficios de acumulación de capital y el progreso tecnológico

(Paris, 2007).

En cuanto, autores que relacionan al desarrollo financiero y el crecimiento económico

esta Schumpeter (1911), quien destaca el rol primordial del crédito en la promoción de las

ocupaciones del empresario y principalmente, el impacto que tiene dicho empresario en la

creación del incremento económico de una economía, es por eso que los servicios financieros

resultan relevantes para la innovación y la inversión provechosa. En tal sentido, Schumpeter

establece al empresario como el actor primordial del incremento económico, dicho valor nace de

que el empresario requiere crédito, así sea en sentido de una transferencia temporal en su

beneficio de poder adquisitivo en caso de que vaya a crear para realizar sus combinaciones. De

modo que, dichas combinaciones se consiguen solo si se dispone de la asignación del crédito, ya

que este, permite acceder a la vía adecuada para lograr la innovación productiva que desplaza a

las ramas convencionales con el pasar el tiempo volviéndolas rezagas e insolventes, dando paso a

nuevos mecanismos de producción que conducirán a obtener extraordinarios beneficios que están

relacionados con el desarrollo económico sostenible (Yurén, 2005).

12
 Sin embargo, Robinson (1952) expresa que las finanzas emergen junto con las

ocupaciones empresariales, que son relevantes para el incremento económico, pues a partir de su

criterio el desarrollo económico crea una demanda de diversos tipos de mecanismos de

financiamiento, obteniendo como resultado un sistema financiero que responde de forma

automática a esa demanda y que el crecimiento económico produce más oportunidades para que

surjan nuevos intermediarios financieros, por lo que, al tener en cuenta una economía en

incremento las personas y las organizaciones buscan más servicios financieros. Posterior,

Goldsmith (1969) fue el primero en mostrar empíricamente que el desarrollo financiero esta

positivamente relacionado con PIB per cápita, ya que menciona que una intermediación

financiera eficiente aumenta el volumen de inversión; al mismo tiempo, establece que el proceso

de crecimiento posee efectos crecientes sobre los mercados financieros, originando incentivos

para un mejor desarrollo financiero ( Leon et al., 2015).

Por su parte, King y Levine (1993) indicaron que en los países desarrollados y en vías de

desarrollo mejores sistemas financieros si optimizan la probabilidad de una innovación exitosa, y

por lo tanto aceleran el crecimiento económico. Finalmente, Acemoglu y Zilibotti (1997)

establecen que el desarrollo del mercado financiero ayuda a incrementar el ingreso per cápita en

la zona, ya que un mejor ingreso al financiamiento tiene potencial de incrementar al crecimiento

económico por medio de la aceleración de capital y la productividad de los componentes, esa

aceleración del capital se promueve mediante los mercados crediticios desarrollados que

posibiliten movilizar el ahorro e impulsar la diversificación de peligros, haciendo más fácil así la

viabilidad de proyectos riesgosos con retornos más grandes. De esta forma, el sector financiero

es considerado como el motor sustancial para el funcionamiento del incremento de las economías

(Rajan y Zingales, 1998).

13
 Por otro lado, al hablar de cambio climático tenemos una paradoja para los países

miembros de la Comunidad Andina (CAN). Pese a que sus emisiones de GEI son mínimas en

relación al total mundial, los países de la Región comparten un alto riesgo de sufrir

intensivamente los impactos del cambio climático por la vulnerabilidad de su población y de sus

ecosistemas. Para 1913, después de la Segunda Guerra, se dieron los primeros avances

tecnológicos y el incremento demográfico disparó también las emisiones de dióxido de carbono.

Además, empiezan a reducirse los bosques (sumideros de carbono) y el gas natural se suma al

carbón y al petróleo como motores de las economías desarrolladas (Planelles, 2018).

En 1992 se aprueba la Convención Marco de Naciones Unidas sobre el Cambio

Climático, donde Perú, Bolivia y Ecuador se unieron, este convenio reconoce la existencia de un

calentamiento alimentado por la actividad del ser humano, en 1997 Colombia aceptó este

convenio. Las emisiones de CO2 han seguido aumentando durante este siglo de forma casi

ininterrumpida. El crecimiento solo se ha visto frenado por las crisis económicas. Según la

secretaria general de la comunidad Andina (2007) para el año 1997 los CAN representaron

menos del 1% de emisiones mundiales de dióxido de carbono.

La principal fuente de emisión de CO2 en Colombia (71.8%) provienen del sector

energético, mientras que son los cambios de uso de suelo, en especial la deforestación, los

causantes de las mayores emisiones de CO2 en Bolivia (83%), Ecuador (69.5%) y Perú (42% de

las emisiones de CO2 equivalente). En 2015, tras décadas de discusiones, se aprobó el Acuerdo

de París, el primer pacto que obliga a todos los países firmantes a presentar planes de recorte de

sus emisiones de gases de efecto invernadero ( Aunión y Planelles, 2018). Actualmente se

necesita cambiar a una trayectoria más limpia, la cual requiere incentivos internacionales más

14
potentes debido a que las emisiones de CO2 no han cesado de crecer, el último dato registrado

por el Banco Mundial (2018) han emitido 34 millones de toneladas métricas.

En cuanto al desarrollo financiero, los países de la Comunidad Andina (CAN) en los años

1990 y 1994 experimentaron un aumento en las disponibilidades de crédito interno privado, se

ampliaron las posibilidades de importación para el sector privado, para los años siguientes el

crédito aumentó en 30%. En 1975 los CAN se beneficiaron con el alza de precio del petróleo,

por cuanto su PIB creció en 3% de igual manera aumentaron considerablemente su ingreso real y

su poder de compra externo, y fortalecieron su capacidad de desarrollo (CEPAL, 1997). En el

período 1987-1994 el crecimiento de la inversión extranjera se estima que se expandió a una tasa

media anual de más del 12%, o sea, en una magnitud dos veces mayor que la registrada en el

período anterior. Este proceso se debilitó en los años recientes, salvo en los países exportadores

de petróleo, con el menor crecimiento del ingreso real y en particular por serios problemas de

balance de pagos (CEPAL, 1997)

Por otro lado, en la Comunidad Andina se observa que, desde el punto de vista de las

emisiones por consumo de combustibles fósiles, es poco alentador. Entre 1973 y 2005, la

participación de estos países en el consumo final de energía primaria aumentó del 3,7% al 5,0%

del total mundial y la industria y el transporte triplicaron el consumo final de energía. A su vez,

el transporte es responsable de la mayor parte del aumento del consumo de petróleo entre 1971 y

2005. En cierta medida, a esto se debe que exista un estancamiento en la mejora de la intensidad

energética, que en la actualidad se encuentra prácticamente en los mismos niveles de 1980. Los

CAN seguirán siendo un importante consumidor de combustibles fósiles, por lo menos en la

primera mitad del siglo XXI. El aumento de los precios del petróleo tiende a traducirse en el

consumo de combustibles con mayor contenido de carbón, cuya oferta es más estable, y la región

15
no tiene una clara trayectoria de mejora espontánea ni en materia de consumo energético ni en lo

referente a las emisiones (Samaniego, 2007).

Para el año 2000 las exportaciones de los CAN crecieron en 4,33% respecto a los años

anteriores. Las ventas al exterior representan el 7,68% de su PIB, una proporción baja que le

sitúa en el puesto 159 de 191 países del ranking de exportaciones respecto al PIB. Para 2003 se

registró un déficit en su Balanza comercial de 824.280 millones dólares, un 4,31% de su PIB,

superior al registrado en 2004, que fue de 804.605,5 millones de dólares, el 4,61% del PIB, la

variación de la Balanza comercial se ha debido a un incremento de las importaciones superior al

de las exportaciones (Campo Robledo y Olivares, 2013).

Para el 2014 el PIB de la Comunidad Andina creció 2,6% a pesar del contexto adverso de

la economía internacional, el primer trimestre de este año, Bolivia fue el que más creció con

4,5% seguido por Ecuador con 3%; Colombia con 2,8% y el Perú con 1.7%. Para el 2015 no fue

diferente dado que se mantuvieron una relación similar periodo del año pasado fue de 4,5% para

Bolivia; 3% para el Ecuador; 2,8% para Colombia y 1,7% para el Perú, así mismo tuvieron un

incremento de 0,751% de emisiones CO2 entre los dos años (Can et al., 2015).

Según la secretaria general de la Comunidad Andina (2020) el crecimiento del PIB para

el 2019 en la Comunidad Andina fue de 2,5%, con respecto a los resultados obtenidos en el año

anterior. En el año 2018 el crecimiento estimado del PIB con respecto al 2017 fue de 2,9%, el

incremento del mismo se debe a la minería e hidrocarburos y manufacturas, con tasas de

variación anual de 0,7% y 0,4%, respectivamente. Mientras que, la Construcción registró una

disminución de 1,2% por cuanto el sector manufacturero sigue representado los mayores aportes

al PIB de la CAN con el 22,7% del total. Seguido por los rubros de comercio con el 9,1%,

16
“Impuestos a los productos netos” con el 8,8%, y “Agricultura, ganadería, caza, silvicultura y

pesca” con el 7,2% del total, respectivamente.

En lo que corresponde al 2020 la secretaria general de la Comunidad Andina en su

sección de estadísticas recalca que la importación sigue siendo uno de los componentes que

mayores emisiones CO2 emite. Dado que 93% de importaciones son del sector manufacturero,

mientras que 83% corresponden a exportaciones en las que están incluidos productos con valor

agregado como productos alimenticios, combustibles, artículos manufacturados entre otros. Por

cuanto los CAN han emitido cerca de 40 mil partículas de carbono por el sector manufacturero y

sector primario (Jaramillo, 2018).

2. EVIDENCIA EMPÍRICA.

El desarrollo financiero es uno de los pilares fundamentales para la economía de un país,

dado que este factor permite la creación de mercados financieros profundos y estables, con una

mayor participación de los mercados de capitales, es indispensable para apoyar el desarrollo

productivo y facilitar el financiamiento. A continuación, se recoge estudios previos que

relacionen el Desarrollo financiero con las emisiones de CO2:

En este sentido la investigación de Justiniano (2016) expone que el desarrollo financiero

es fundamental debido a que permite reducir los costos de intermediación de los recursos y

estimular el proceso de ahorro e inversión. Sin embargo, este proceso trae sus propias

consecuencias, como lo son el aumento de los contaminantes en el medio ambiente, tal como el

dióxido de carbono (CO2), el aumento del mismo se ha convertido en un objetivo político

internacional principalmente para mitigar. Este cambio va a depender de la utilización de las

nuevas tecnologías, para que la producción futura tenga una producción limpia y respetuosa con

17
el medio ambiente y, por el contrario, que el desarrollo financiero evite una mayor

contaminación industrial y degradación ambiental.

Para China Zhang et al. (2019) explica que la alta demanda de crédito interno por

empresas privadas ha generado un gran cambio en el desarrollo financiero para el periodo 2007 a

2017.Entre los principales resultados se encontró que la emisión de este crédito, reduce las altas

tasas de CO2 dado que este a su vez mejora la ecología externa mediante la tecnología. Además,

existe evidencia que las empresas con un nivel bajo en crédito son las que gozan de una menor

ecología interna, por lo tanto, su fallo va en favor de formular políticas y reglamentaciones

adecuadas para que las empresas intensivas en energía y contaminación alivien sus limitaciones

financieras y mejoren su desempeño ambiental. Además, según Xiong et al. (2017) las leyes

ambientales en China de 1997 a 2011 han tenido una gran acogida por parte del sector

empresarial y familias, a pesar de no tener grandes cambios si se ha logrado reducir las

emisiones de carbono. Así mismo, aseguran que las limitaciones del crédito interno impiden

mejorar el medio ambiente en las regiones menos desarrolladas, dada la escasa liquidez de las

micro empresas para la inversión e innovación en tecnología ecológica para alcanzar una

producción sostenible y amigable con el medio ambiente.

Sin embargo, para los países desarrollados el estudio de Mahdi Ziaei (2015) demuestra

que el crédito interno privado no suele ser un gran problema, del mismo modo, esto no se ha

podido evidenciar para el caso de varios países de Europa y Asia Oriental-Oceanía. Los cuales

no se han visto beneficiados del mismo, puesto que los créditos al sector privado no son muy

pronunciados en ambos grupos de países, por ello la asociación entre el desarrollo financiero y

las variables de emisión de CO2 tienen una relación negativa. Por último, a través de vectores

panel, expresa que a medida que exista mayor desarrollo habrá menos contaminación

18
medioambiental, este caso es igual para la relación de consumo de energía (diferentes tipos) y

emisiones CO2.

Por otro lado, Al-Mulali et al. (2015) tiene similitud con lo anterior, dado que sus

resultados coincidían pesar de haber utilizados otros métodos, para este estudio es un modelo de

panel de emisión de CO2 y MCO para el período 1980-2011 tomando como muestra un total de

129 países, adicional a los resultados del estudio anterior se evidencio que el crédito interno

mejora la calidad ambiental a corto y largo plazo debido a su efecto negativo en la emisión de

CO2 y recomienda mayor oferta de préstamos bancarios a proyectos medioambientales y mitigar

el daño ambiental tanto a corto como a largo plazo.

Para Salahuddin et al. (2015), el sector financiero se preocupa me nos por el medio

ambiente en las etapas iniciales de crecimiento, y una vez que la economía se madura, el sector

financiero desarrollado mejora la calidad ambiental al otorgar préstamos a proyectos

ambientalmente amigables para sostener la producción local y, por consiguiente, el crecimiento.

La causalidad de Granger para los países del Consejo de Cooperación del Golfo (CCG) con datos

de panel para el período 1980-2012, arroja una relación negativa y significativa entre las

emisiones de CO2 y el crédito interno, un aumento del 1% disminuye las emisiones en -0,13%,

es decir, el desarrollo financiero reduce las emisiones de CO2, para estos resultados se utilizó.

Un segundo determinante de las emisiones CO2 es el PIB per cápita, el cual toma en

consideración el crecimiento real y la fuerza laboral de un país. Para Oryani et al., ( (2021) el

PIB per cápita es el factor más influyente sobre las emisiones CO2 en Irán, para este estudio se

tomó en cuenta la función de producción ampliada de Cobb-Douglas para el periodo 1970 a

2017. Sus resultados muestran una relación negativa entre las emisiones de CO2 y el PIB per

19
cápita, esto se reafirmó tras la aplicación de los análisis de sensibilidad basados en MCO

totalmente modificados y mínimos cuadrados dinámicos ordinarios.

Por su parte, Özokcu y Özdemir (2017) examinan la relación entre el ingreso per cápita y

las emisiones de CO2 per cápita y el uso de energía per cápita. El periodo de estudio es entre

1980 y 2010, utilizando las técnicas de estimación de datos de panel con la aplicación de Errores

estándar de Driscoll-Kraay. El primer modelo, los datos se analizan para 26 países de la OCDE

con altos niveles de ingresos, mientras que, para el segundo modelo, los datos se examinan para

52 países emergentes. En ambos modelos muestran que se observan la forma de N entre la

relación de emisiones de carbono y PIB percápita. Por lo tanto, los resultados no apoyan la

hipótesis de EKC, que implica que la degradación ambiental no puede resolverse

automáticamente mediante el crecimiento económico.

Abid (2017) prueba la hipótesis de la Curva de Kuznets Ambiental (EKC) con una

muestra de 58 países MEA (Oriente Medio y África) y 41 países de la UE (Unión Europea) para

el período 1990 a 2011. El análisis empírico se lleva a cabo utilizando el método del sistema GM

para resolver el problema de las variables endógenas. Nos enfocamos en los efectos directos e

indirectos de la calidad institucional (a través de la eficiencia del gasto público, desarrollo

financiero, apertura comercial y la inversión extranjera directa) y la relación ingreso-emisión. Se

encuentra una relación monótonamente creciente entre las emisiones de CO2 y el PIB en las

regiones de MEA y de la UE. La implicación de la política es clara: para tener un desempeño

económico positivo sostenible y para reducir las emisiones de dióxido de carbono en el país al

mismo tiempo, los responsables de la formulación de políticas deben regular y mejorar el papel y

la eficiencia de las instituciones nacionales.

20
 La aportación de Churchill et al., (2018) prueban la hipótesis de la curva ambiental de

Kuznets (EKC) para un panel de 20 países de la OCDE, para el período de 1870 a 2014. Utilizan

estimadores de datos de panel desarrollados recientemente que dan cuenta de la dependencia

transversal y la heterogeneidad de los parámetros, conjuntamente con el método de GMM. Se

encontró evidencia de EKC para nueve de los 20 países, exhibiendo una relación tradicional en

forma de U invertida, tres exhibiendo una relación en forma de N y uno, una relación en forma

de N invertida. Los puntos de inflexión en los ingresos per cápita se encuentran entre $ 18,955 y

$ 89,540 (en dólares de 1990).

Por su parte, Andrée et al. (2019) incluyen 95 países en el período de 1999−2014.

Utilizan un modelo de Mínimos Cuadrados Generalizados, para garantizar la comparabilidad

entre países, usan el PIB per cápita en dólares internacionales constantes de 2011 ajustados por la

paridad del poder adquisitivo (PPA). También, utilizan la variable de deforestación (porcentaje

anual de pérdida de árboles), densidad de la población, tasa de desnutrición, urbanización y

pobreza. Los resultados muestran que hay una relación de U leve entre la deforestación y los

ingresos percápita. El efecto de la tasa de desnutrición aumenta la deforestación, mientras que la

transición para salir de la pobreza se correlaciona con una disminución en la intensidad de la

deforestación. Un aumento en la densidad de población aumenta inequívocamente la

contaminación. La tendencia de la intensidad de la contaminación a lo largo de la tasa de

urbanización es alta y evidencia la degradación ambiental en el largo plazo.

Otro estudio llevado a cabo por (Victor et al., 2016)revela que la hipótesis de la Curva

de Kuznets Ambiental (CKA) en forma de U invertida no se cumple; sin embargo, se puede

observar una relación lineal monótona creciente, la cual señala que el PIB está asociado a

crecientes niveles de emisiones de CO2 a largo plazo. Este estudio se realizó en Ecuador para el

21
periodo 1971-2010, a través de un modelo de series de tiempo las mismas que incluyeron

pruebas de estacionariedad, vectores autorregresivos (VAR) y cointegración de Johansen. De la

misma manera, Schmalbachet al., (2017) en su estudio realizado para los países suramericanos,

para el periodo 2000-2012. Aplicando el método de Mínimos Cuadrados Ordinarios a las dos

variables que describen la Curva Ambiental de Kuznets: el PIB per cápita y la emisión de CO2.

Los resultados muestran que el PIB per cápita refleja la influencia de los cambios en el nivel de

ingreso sobre la polución medioambiental, para 7 de los 9 países evaluados.

En contraste Saeidpour et al. (2015), pudo determinar mediante un modelo de regresión

de panel de transición, para la Asociación de Naciones del Sudeste, los niveles de PIB per cápita

para los dos regímenes analizados son superiores a 4686 e inferiores a 4686 dólares americanos.

Demostrando que la degradación ambiental aumenta con el crecimiento económico, por lo tanto,

se cumple la hipótesis de la Kuznets ambiental en los países estudiados.

Un tercer determinante de las emisiones CO2, es la inversión extranjera directa, la cual se

basa en la colocación de capitales a largo plazo en alguna parte del mundo, para la creación de

empresas de diversa índole. En este sentido Salgado y Vallejos (2015), analizaron a 54 países

para el periodo 1990 -2011. Por ello utilizó un modelo dinámico de ecuaciones simultáneas con 3

sub paneles regionales: Europa y Asia Central, América Latina y el Caribe, y Medio Oriente,

África del Norte y África subsahariana. Entre sus principales resultados se registra una relación

positiva entre la IED y emisiones CO2, es decir ante un aumento del 1% en los flujos de IED

aumenta las emisiones de CO2 en un 0,19%. Lo que sugiere que los flujos de IED pueden haber

provocado refugios de contaminación y que la reducción de las regulaciones ambientales puede

ayudar a atraer y retener inversiones extranjeras. Entre sus recomendaciones asocian que los

22
responsables de la formulación de políticas deben crear políticas económicas sólidas para

sostener el desarrollo económico.

Por otro lado, Shahbaz et al. (2015) señalan que los países de ingresos altos, medios y

bajos, evidenciaron que la inversión extranjera directa está reduciendo la calidad ambiental, con

el aumento de las emisiones de CO2. Lo que ocasionará en el largo plazo una gran

insostenibilidad ambiental para los países de bajos ingresos, donde el aumento de la inversión

extranjera directa, principalmente en los sectores industriales y de producción, contamina el

medio ambiente. Esto se evidencio al aplicar mínimos cuadrados ordinarios totalmente

modificados, así mismo se utilizó, datos de panel y técnicas de cointegración. Este estudio está

destinado a ayudar a formular políticas económicas sólidas para mejorar la calidad ambiental y el

desarrollo económico sostenible.

En segunda instancia, se evidencia estudios donde existe una relación negativa entre las

emisiones de CO2 y la inversión. Tal como, Yin et al. (2016) mostraron que las entradas de IED

contribuyen a reducir las emisiones de CO2. Este estudio se basó en China a nivel nacional y

regional utilizando datos del panel provincial de 1995 a 2010. Se adoptó el modelo Impactos

estocásticos por regresión sobre población, riqueza y tecnología (STIRPAT). Sus resultados

afirman, que la influencia de la IED en las emisiones de CO2 en la región occidental es mayor

que en las regiones oriental y central. En general, concluyen que las regiones del este y oeste

deben buscar atraer IED para reducir aún más las emisiones. Mientras, que la región central debe

buscar atraer IED en industrias de uso intensivo de tecnología y tecnologías de ahorro de energía

debido a su estructura industrial que consume mucha energía.

De igual manera, Mert y Bölük (2016), encontraron que la entrada de IED disminuye las

emisiones de CO2 para los 21 países de Kioto utilizando datos de panel no balanceados. Para

23
este propósito, se probó la hipótesis de la Curva de Kuznets Ambiental (EKC) utilizando análisis

de cointegración de panel. Los hallazgos del estudio apoyan que la contaminación que se

establece por la IED, trae tecnología limpia y mejora los estándares ambientales. Es importante

considerar, que según Foon y Chye (2020), en su estudio para Vietnam durante el período de

1976 a 2009, se encontró una elasticidad de las emisiones de CO2 con referencia a la IED de

0,065%. Además, argumentó que la adopción de tecnologías limpias por IED es un importante

motor para reducir las emisiones de CO2 en el país y, al mismo tiempo, para sostener el

desarrollo económico, entre sus principales recomendaciones se encuentra el implementar una

política de IED verde para lograr un crecimiento verde y no afectar a las futuras generaciones.

Un cuarto determinante de las emisiones de CO2 es el consumo de energía fósil. Es así

que, Mehrara (2007), examinó la relación causal entre el consumo de energía y emisiones C02,

en un panel modelo de once países exportadores de petróleo. Para esto utilizó pruebas de raíces

unitarias en panel y pruebas de cointegración en panel. Los resultados mostraron una relación

causal unidireccional y un fuerte crecimiento del consumo de energía para los países

exportadores de petróleo. Siguiendo el mismo camino, Soytas et al. (2010) investigaron la

relación a largo plazo y encontraron una causalidad en el sentido de Granger entre el crecimiento

económico, las emisiones de CO2 y el consumo de energía para el caso de Turquía. El resultado

más interesante de este estudio fue que las emisiones de carbono eran causa del consumo de

energía, pero no en sentido contrario. De acuerdo a los autores, Turquía no debía renunciar al

crecimiento económico con el fin de reducir las emisiones de carbono debido a la falta de un

vínculo a largo plazo de causalidad entre el ingreso y las emisiones.

Por otra parte, Pao y Tsai (2020 ) analizaron la dinámica de las relaciones causales entre

las emisiones de CO2, el consumo de energía, para el grupo de países del BRlC (Brasil, Rusia,

24
India y Corea), durante el período 1971-2005, a excepción de Rusia (1990- 2005). Los resultados

indicaron que a largo plazo el consumo de energía de equilibrio tiene un impacto positivo y

estadísticamente significativo en las emisiones, mientras que el PIB real muestra la forma de U

invertida, patrón asociado con la CKA. En otro estudio parecido, Milena et al. (2015) estudió el

crecimiento económico, consumo de energía y emisiones contaminantes en la economía

mexicana. Para esto utilizó una metodología de ciclos económicos reales, vectores

autorregresivos y la prueba de causalidad de Granger. Obteniendo como resultado que existe una

relación positiva entre crecimiento económico, el consumo de energía y las emisiones de CO2,

que el consumo de energía antecede al crecimiento económico.

Finalmente, el quinto determinante de las emisiones de CO2 son las exportaciones netas.

Según las Naciones Unidas, América Latina y el Caribe ya está sufriendo los efectos del

calentamiento global. Provocando aumento de CO2 en el planeta, por lo cual se trata de que

exista una reducción de la huella de carbono ya que esta puede ser una oportunidad para hacer

más competitivas las exportaciones de la región, especialmente las de alimentos (CEPAL, Huella

Ambiental y de Carbono en las Exportaciones y el Comercio Internacional, 2019). De acuerdo al

boletín 384 emitido por la CEPAL, se considera que las exportaciones marítimas de América

latina están un aumento significativo de dióxido de carbono, dado un aumento de exportaciones

marítimas entre continentes, esto se comprobó con un rapid assessment. Es decir que se trata de

una forma de medición que puede hacerse de forma rápida y económica, cuando hay poca

información disponible, o no se cuenta con aquella que debería usarse en técnicas más complejas

(Cepal, 2020)

Otros autores como Shahzad et al. (2020), en su estudio toman una muestra mundial de

63 países desarrollados y en desarrollo, para analizar los datos anuales del periodo de 1971 a

25
2014. Emplean efectos fijos sin restricciones y sistema GMM para resolver el problema de

investigación. Los empíricos sugieren que los tres indicadores de diversificación de las

exportaciones reducen las emisiones de CO2 en todos los países analizados. Sin embargo, el

efecto fijo de los modelos revela que la diversificación de productos y el margen intensivo tienen

un impacto negativo y significativo en economías desarrolladas, por lo que sugieren políticas

innovadoras para una producción más limpia y fines de fabricación, haciendo que las políticas

sean más efectivas para lograr los objetivos de desarrollo sostenible (ODS).

e. MATERIALES Y MÉTODOS

26
 1. TRATAMIENTO DE LOS DATOS

1.1 ANÁLISIS DE LOS DATOS

Con la finalidad de examinar el impacto del desarrollo financiero sobre las emisiones de

CO2 en la presente investigación se usó información estadística recopilada del Banco Mundial

(2019). El estudio se delimita para los países de la Comunidad Andina (CAN): Bolivia,

Colombia, Ecuador y Perú con una cobertura temporal, que está delimitada por un periodo de 39

años que va desde 1980 al 2018. De esta forma, se usó como variable dependiente las emisiones

de CO2 per cápita (toneladas métricas), principalmente porque el carbono es uno de los mayores

gases contaminantes atmosféricos, mientras que como variable independiente se empleó el

desarrollo financiero, la cual tendrá una variale proxy denominada crédito interno al sector

privado, el uso de la misma reside en que esta variable incluye recursos financieros

proporcionados al sector privado por las corporaciones financieras.

Además, se ha incluido tres variables de control, teniendo como primera variable a la

inversión extranjera directa, entrada neta de capital, dado que la IED atrae a empresas dedicadas

a la producción manufacturera la cual genera procesos productivos con grandes volúmenes de

emisiones de CO2. Como segunda variable se incluyó el PIB per cápita (US$ a precios actuales),

dado que cuando una economía posee mayores ingresos consume más y por ende produce más y

con mayores niveles de emisiones, y por último se empleó el crecimiento de la población urbana,

la cual se consideró por su alto efecto en la producción ya que cuando la gente migra a las

ciudades muchas veces buscan mejores estándares de vida y por ello tienden a sobreexplotar los

recursos. Es así que en la Tabla 1, se detallan las variables utilizadas dentro del modelo

econométrico.

27
 Tabla 1

Descripción de las variables

Tipo de Varia Sím Defin Medi Escal

variable ble bolo ición da a
El
Expre
PIB mide la Tone
sada en
Dependi Emisio CO 2 producción ladas
Térm
ente nes de Co2 de bienes y métricas (per
inos
servicios de cápita)
nominales
un país
El
desarrollo
financiero se
encuentra
asociado con
la adecuada
asignación de
recursos
destinados a
emprendimie Proxi
ntos crédito Expre
Indepen Desarr DF productivos, interno al sada en
diente ollo financiero con la sector Términos
reducción de privado (% nominales
los niveles de del PIB)
la
informalidad
y la pobreza,
así como con
un mayor
crecimiento
económico
de largo
plazo.
De Inversi IED Entra A
control ón extranjera da neta de precios Expre
directa, inversiones constantes sada en
entrada neta para obtener del 2010 Términos

28
 un control de
gestión
duradero (por
lo general, un
10% o más
de las
acciones que
de capital confieren nominales
derecho de
voto) de una
empresa que
funciona en
un país que
no es el del
inversionista.
Es el
producto (Bala
Expre
interno bruto nza de
PIB sada en
lPIB dividido por pagos, US$ a
per cápita Logar
la población precios
itmo
a mitad de actuales)
año.
Se
refiere a
Crecim Expre
aquellas
iento de la CURB (% sada
personas que
población anual) Términos
viven en
urbana nominales
áreas
urbanas.
Nota: Elaboración propia con datos obtenidos del Banco Mundial (2019).

La Tabla 2, presenta los estadísticos descriptivos de las variables teóricas emisiones de

CO2 y desarrollo financiero, así como también de las variables de control inversión extranjera

directa, PIB per cápita, y crecimiento de la población urbana para los países miembros de la

comunidad Andina durante el periodo 1980-2018. Se puede observar que el panel presenta 156

observaciones para todas las variables, estos valores reflejan que es un panel balanceado, para un

29
periodo de 39 años. Asimismo se evidenció que las emisiones presentan mayor variabilidad entre

países (0,38); que dentro de los países (0,30); el desarrollo financiero presenta mayor

variabilidad dentro de los países (11,07); que entre los países (8,75); la IED presenta menor

variabilidad entre países (0,81); que dentro de los países (2,23); el PIB per cápita presenta mayor

variabilidad entre países (0,35); que dentro de los países (0,21); y el crecimiento de la población

urbana presenta mayor variabilidad dentro de los países (0,77); que entre los países (0,44).

Tabla 2

Estadísticos descriptivos

M D M M Observ
Variable
edia esv. Est. in ax aciones
ove 1, 0, 0 2
N = 156
rall 48 50 ,60 ,58
Emisio bet 0, 1 1
n=4
nes de CO2 ween 38 ,14 ,99
wit 0, 0 2
T = 39
hin 30 ,94 ,34
ove 28 1 6 6
N = 156
rall ,05 3,43 ,95 4,44
Desarr
bet 8, 1 3
ollo n=4
ween 75 9,96 8,56
Financiero
wit 1 2 5
T = 39
hin 1,07 ,32 3,93
Inversi ove 2, 2, - 1
N = 156
ón Extranjera rall 41 34 2,50 2,20
directa bet 0, 1 3 n=4
ween 81 ,22 ,00

30
 wit 2, - 1
T = 39
hin 23 3,10 1,60
ove 8, 0, 7 8
N = 156
rall 19 37 ,41 ,79
PIB bet 0, 7 8
n=4
per cápita ween 35 ,67 ,46
wit 0, 7 8
T = 39
hin 21 ,79 ,71
ove 2, 0, 1 4
N = 156
rall 56 86 ,05 ,59
Urbani bet 0, 2 3
n=4
zación ween 44 ,11 ,02
wit 0, 1 4
T = 39
hin 77 ,42 ,30
Nota: Elaboración propia con datos obtenidos del Banco Mundial (2021).

1.2 ESTRATEGIA ECONOMÉTRICA

Esta investigación busca realizar un análisis acerca de los incidencia que tiene el

desarrollo financiero sobre las emisiones de CO 2, en los países de la Comunidad Andina (CAN),

utilizando datos del Banco Mundial (2019), para su ejecución se aplicó una metodología con

datos panel, la cual permitirá dar respuesta a cada uno de los objetivos específicos planteados,

detallados a continuación.

Objetivo 1: “Analizar la correlación y evolución entre el desarrollo financiero y las

emisiones de CO2 de los países de la Comunidad Andina entre 1980-2018”

En el primer apartado para dar cumplimiento al primer objetivo específico, se realizó un

analisis descriptivo del comportamiento evolutivo que tuvieron el desarrollo financiero y las

31
emisiones de CO2 a lo largo del tiempo. Además, se realizó las gráficas de correlación para

establecer el nivel de correlación de las variables, para ello, se calcularon los valores promedio

de la serie histórica de todos los países

Objetivo 2: “Evaluar la relación de corto y largo plazo entre el desarrollo financiero y

las emisiones de CO2 de los países de la Comunidad Andina entre 1980-2018”

Para dar cumplimiento al objetivo específico, 2 se realizan varios planteamientos, en

primera instancia, se procedió a estimar una regresión de línea base de Mínimos Cuadrados

Generalizados (GLS) con las variables teóricas propuestas en la investigación, en donde las

emisiones de CO2 están en función del desarrollo financiero como se muestra en la ecuación (1):

(lCO 2¿¿ ¿)=β 0 + β 1 ⁡(lDF ¿¿ ¿)+ ε t ¿ ¿ (1)

Donde las emisiones de CO2 (CO 2 ) están en función del desarrollo financiero ( DF ) y

finalmente 𝜀𝑡, es el término de error en el tiempo. Este modelo permitió comprobar el grado de

asociación y relación entre las variables teóricas del modelo.

En el modelo también se incluyó las variables de control, las cuales se utilizaron para

ajustar el modelo y con ello los datos tomen más robustez y significancia estadística. Estas

variables se denotan como: inversión extranjera directa ( IED ); PIB per cápita ( PIB ¿ y urbanismo

(CURB ). Por tanto, la ecuación (2) muestra el modelo una vez incorporada dichas variables de

control.

32
 (CO 2¿ ¿¿)=β 0+ β 1 (DF ¿ ¿¿)+ β 1 (IED¿¿ ¿)+ β 3 log ⁡(PIB¿¿ ¿)+ β 4 (CURB ¿¿ ¿)+ ε t ¿ ¿ ¿ ¿ ¿

(2).

Previo a la estimación del GLS se procede a realizar la prueba de Wooldridge (2002),

donde se considera que si la Prob>Chi2 es menor a 0,05 se rechaza la hipótesis nula de no tener

autocorrelación, pero si la Prob>Chi2 es mayor a 0,05 se acepta la hipótesis nula de no tener

autocorrelación. Adicionalmente, se realiza la prueba de Breusch & Pagan (1980) para detectar si

existe o no presencia de heteroscedasticidad y si la Prob>Chi2 es menor a 0.05 se rechaza la

hipótesis nula de homocedasticidad y se concluye que el modelo presenta heterocedasticidad.

Consecutivamente, para determinar si las diferencias entre dos regresiones son sistémicas

o significativas se estimó la prueba de Hausman (1978), el cual consiste en elegir entre un

modelo de efectos fijos o un modelo de efectos aleatorios. En este sentido si la Prob>chi2 es

mayor a 0.05 se estima un modelo con efectos aleatorios y si la Prob>chi2 es menor a 0.05 se

estima un modelo con efectos fijos.

Luego, para evitar que los resultados sean sesgados e inconsistentes y poder determinar si

los residuos están o no correlacionados se evaluó la dependencia transversal a través de las

pruebas de sección transversal CD y CDNT desarrollas por Pesaran (2004) y Pesaran (2015).

Por tanto, el estadístico CD de Pesaran (2004) se ilustra de la siguiente manera:

√ [ ]
N−1 N
2T
CD=
N ( N −1 )
∑∑ ^ρij → N (0 , 1) (3)
i=1 j=i +1

Así mismo, el estadístico se 𝐶𝐷𝑁𝑇 de Pesaran (2015) tiene la siguiente expresión:

√ [∑ ∑ √ ]
N −1 N
2
CD NT = T ^ρij → N (0 ,1) (4)
N ( N −1 ) i=1 j=i+1

33
 Donde, 𝑁 señala el número de secciones transversales; 𝑇 indica el período y 𝜌̂𝑖𝑗

significa la correlación por pares ordenados que corresponden a las secciones transversales en

cada período.

Con la finalidad de que la serie no tenga problemas de raíz unitaria y poder verificar el

nivel de integración de las variables, utilizamos pruebas de raíz unitaria de segunda generación

de Pesaran (2003) y Pesaran (2007). La primera ejecuta la prueba t para raíces unitarias en

paneles heterogéneos con dependencia de sección transversal, en donde se puede deducir que si

el “p valor” es menor a 0.05 la serie no es estacionaria y si el “p valor” es mayor a 0.05 la serie

es estacionaria. De la misma forma la segunda prueba de Pesaran (2007) consiste en una prueba

de CIPS* para raíces unitarias en paneles heterogéneos y cuya la hipótesis nula de que la serie no

es estacionaria se rechaza cuando el valor del estadístico CIPS* es menor al valor crítico al nivel

de significación del 1%. En ese sentido las pruebas de raíz unitaria se ilustran en la siguiente

ecuación:

pi
Pesaran Δ y ¿=a y ¿−1+ ∑ β ij Δ y ¿− j + X 'ⅈt δ+ ε ¿ (5)
j =1

N
CIPS∗1
CIPS
N
∑ CAD F I (6)
I =1

En donde, 𝐶𝐴𝐷𝐹𝑖 indica el estadístico de Dickey-Fuller aumentada en sección

transversal para 𝑖 que representa la unidad de sección transversal

Una vez establecidas las pruebas de raíz unitaria correctas, se aplican técnicas de

cointegración de datos panel, para poder comprobar si existe o no una relación de equilibrio de

largo plazo entre las variables, para ello se aplica el test de Westerlund (2006) de segunda

generación, basado en la siguiente ecuación:

34
 pi pi
y ¿ =δ i d t + α i ( y ¿−1−β i X ¿−1 ) + ∑ α ¿− j+ ∑ Y ij X ¿− j+ ε ¿ (7)
j=1 j=−qi

Donde 𝛿𝑖𝑑𝑡 denota la trayectoria de la variable en el tiempo, 𝛼𝑖 es el término constante,

𝑡=1,…,𝑇 𝑒 𝑖=1,…,𝑁; 𝑑𝑡 representa los componentes deterministas, mientas que 𝑝𝑖 y 𝑞𝑖 son

las órdenes de retraso y adelanto que pueden varía en cada país. Por tanto, si el valor de p es

menor a 0.05 se rechaza la hipótesis nula de no cointegración, pero si es mayor a 0.05 se acepta

la hipótesis nula de cointegración en el largo plazo.

Seguidamente, considerando la presencia de dependencia transversal, se utiliza un

enfoque de arranque de Westerlund (2007) pero para ello primero se ajusta la regresión de

Mínimos Cuadrados Ordinarios (MCO):

pi pi
Δ y ¿=∑ a^ ij Δ y ¿− j + ∑ Y^ ij Δ x ¿− j + e^ ¿ (8)
j=1 j=−qi

Después, de formar el vector ~

w t=( e^ t … Δ x t ) , donde e^ t y Δ x t representan vectores de

observación sobre e^ t y Δ x t respectivamente. Seguidamente se genera las muestras de bootstrap

¿ ¿ ¿
w t = (w t , ∆ x t ), muestreando con remplazo el vector residual centrado

~ 1 T
w t= w
^t− ^ j(9)
Σ j=−1 w
T −1

¿
Posteriormente, se genera la muestra de bootstrap Δ y ⅈt para lograr la construcción de la

versión bootstrap del error μ¿, tal como se exhibe en la ecuación (10)

¿ pi ¿
μ ⅈt =Σ j=qi ^y ij Δ x ¿− j + e ⅈt (10)

¿ ¿
Seguidamente se genera Δ x ⅈt de manera recursiva de u ⅈt como se muestra a continuación:

35
 ¿ p ¿ ¿
Δy ⅈt =Σ j=0 α^ ij Δ y ⅈϵ ⋅ j +u ⅈt (11)
i

¿ ¿
Luego, se generó y ⅈt y x ⅈt con la hipótesis nula impuesta como se indica en la ecuación

(12):

¿ ¿ t ¿ ¿ ¿ t ¿
y ⅈt = y ⅈ 0 + Σ j=1 Δ y ⅈt x ⅈt =x ⅈ0 + Σ j=1 Δ y ⅈt (12)

¿ ¿
Una vez obtenida la muestra de bootstrap y ⅈt y x ⅈt se obtuvo el bootstrapped de la prueba

de errores.

Luego de comprobar la relación de cointegración, se procede a obtener el valor del vector

heterogéneo mediante el método de Mínimos Cuadrados Ordinarios Totalmente Modificados

(FMOLS) propuestos por Phillips y Hasen (1990), los cuales analizan la corrección

semiparamétrica para eliminar posibles sesgos en la muestra. Adicionalmente, la prueba permite

corregir problemas de autocorrelación y endogeneidad de las variables, volviendo a los

estimadores más confiables. El panel FMOLS se presentan en la siguiente ecuación:

¿ −1 N ¿
β GFM =N Σ ⅈ=1 βGMi (13)

Donde, β GFM representa el estimador FMOLS para los miembros del panel 𝑖 = 1, 2, . . 𝑁
¿

y 𝛾̂𝑖 enseña la descomposición de la varianza a largo plazo como se muestra en ecuación (14):

−1
β GFM =( Σ t −1 ( x ¿ −x j ) ( x ¿−x j ) ) Σ t−1 ¿(14)
¿ T T

Posteriormente se aplicó un estimador de grupo medio (MG), el cual no impone ningún

tipo de restricción a los coeficientes de corto y largo plazo, el estimador de MG, que no restringe

los coeficientes de largo plazo a ser homogéneos, es consistente para N y T grandes, y es

considerado, por lo tanto, un estándar de comparación. El otro estimador propuesto consiste en

36
apilar parámetros de largo plazo y estimar el modelo por el método de PMG (Pesaran, Shin &

Smith, 1999).

Δ y ¿=θ ( y ¿− j −β '1 x ¿− j) + Σ p−1 q −1 '

j=1 λ ij Δ y¿− j + Σ j=1 y ⅈj Δ x ¿− j + μi +ε ¿ (15)

En la ecuación (4), donde 𝑦𝑖𝑡−1 = θi ′xit es la relación de largo plazo entre las variables,

y el parámetro 𝜆𝑖 es el término de ajuste de las variables de corto plazo.

Objetivo 3: “Examinar la relación causal entre el desarrollo financiero y las emisiones

de CO2 de los países de la Comunidad Andina entre 1980-2018”

Finalmente, para dar cumplimiento al tercer objetivo específico se estimó la

prueba de causalidad tipo Granger (1988) de panel de Dumitrescu & Hurlin (2012), la cual se

representa a partir de la siguiente ecuación:

y ¿ =ai + Σ kk=1 γ ki y ¿−k + Σkk=1 β ki x¿−k +ε i (16)

t

Donde 𝛽𝑖 es el coeficiente de la pendiente de la regresión. El termino 𝛼𝑖 está fijo en el

tiempo, y el parámetro 𝛾𝑖𝑘 y el coeficiente 𝛽𝑖𝑘 varían en las secciones cruzadas. Por último, la

hipótesis nula indica la falta de existencia de alguna relación causal para las dimensiones del

periodo de estudio en el panel H0: 𝛽𝑖=0 y si llegará a existir una relación de causalidad puede

ser unidireccional, en la que una solo variable causa a la otra y puede ser bidireccional, en donde,

dos variables se causan mutuamente

f. RESULTADOS

1. OBJETIVO ESPECÍFICO 1

37
 Analizar la correlación y evolución entre el desarrollo financiero y las emisiones
de CO2 de los países de la Comunidad Andina entre 1980-2018.

1.1. Evolución de las variables desarrollo financiero, las emisiones de CO2 y las variables

de control.

La Figura 2 muestra la evolución de las emisiones de dióxido de carbono para los países

del CAN en el período 1980-2018. Se evidencia generalmente una tendencia creciente, que

demuestra que la actividad humana cada vez ejerce mayor presión sobre el planeta. América

Latina y el Caribe son responsables de 4.000 millones de toneladas de emisiones de CO2

anualmente. Esto se traduce en cerca del 8 % de las emisiones de CO2 en el mundo (CEPAL,

2016). En el periodo 1980 se presenta una tendencia positiva, esto como consecuencia de la

acumulación en la atmósfera de emisiones por la quema de combustibles fósiles. En el período

comprendido entre 1981 y 1993 la tendencia de emisiones CO 2 tuvo una tendencia levemente

decreciente debido a ciertas medidas en países latinoamericanos, tales como: impuestos

ambientales, sanciones a empresas contaminantes, etc.

A partir de 1995 a 2016 nuevamente se presenta una tendencia creciente en las emisiones de

carbono, debido a la disminución de biomasa e hidroenergía en la mezcla energética y al uso del

carbón y gas natural. Sin embargo, hay que considerar que esta problemática ha sido de interés

para la comunidad científica, es así que en el año 1997 se da el Protocolo Kioto que contempla

mecanismos flexibles orientados a la reducción y mitigación de emisiones, que permiten, no sólo

reducir los costos de transacción, sino que, además, transparentan dichos procesos.

Por otro lado, para dar cumplimiento a las obligaciones de reducción de emisiones se

debe abandonar el carbono como fuente de electricidad y adoptar tecnologías sustentables, donde

38
se dé una mayor dependencia de energías renovables para los procesos productivos y transporte.

Así, por ejemplo: Chile ha mencionado que ya no van a construir más plantas de carbón y que

van a empezar a desinstalar y desmantelar las plantas existentes. México y Perú se

comprometieron a promover una “dieta de salud planetaria” para el 2030, donde se reducirá la

pérdida y el desperdicio de alimentos, cuya descomposición también emite dióxido de carbono a

la atmósfera. Otro ejemplo de descarbonización es Costa Rica, donde ya produce un 99% de su

energía eléctrica de fuentes renovables y se ha comprometido a lograr emisiones cero para 2050

en todos los sectores.

En el caso del desarrollo financiero se observa que tiene una tendencia positiva con

algunas fluctuaciones a lo largo de los años debido a la presencia de shocks macroeconómicos,

de tal forma de 22,86 en 1988 pasa a 24,60 en el 2018, registrando un aumento de 0,26 puntos en

lapso del tiempo. En este sentido, en 1991 tiene una ligera caída en promedio de 0,10 puntos en

comparación al año 1990, esto se debe a la escasez de los recursos públicos y privados causados

por el endeudamiento externo, lo cual generó la quiebra de bancos comerciales. Posteriormente,

se aprecia una recuperación en el año 1992 de 0,23 puntos en promedio y mantiene una

tendencia positiva hasta el año 2002 alcanzando en promedio 23,57. Cabe recalcar que así mismo

el desarrollo financiero denota una caída de 0,02 puntos en el 2009, debido a la crisis financiera

mundial donde los países más afectados fueron los de América del Sur, dado que sus economías

dependen de las exportaciones de materias primas, a consecuencia de la crisis tuvieron una

disminución de la demanda en el mercado mundial.

Por otro lado, la evolución del crecimiento económico medido a través del Producto Interno

Bruto per cápita (US$ a precios constantes de 2010) nos indica que el crecimiento económico

tiene un comportamiento positivo con pequeñas fluctuaciones a lo largo de los años, pasando en

39
promedio de 8,18 en 1988 a 8,78 en el 2018 presentando un incremento de 0,6 puntos

respectivamente. Sin embargo, entre los años 1988 y 1990 presenta un estancamiento, lo cual

puede estar asociado a la crisis denominada “década pérdida” de América Latina que se dio a

inicios de los años 80 ocasionada por la deuda externa que fue originada por las altas tasas de

intereses al financiamiento externo y la caída de precios de los productos básicos de la región,

que condujo explícitamente a la reducción del consumo interno y el comercio, causando una

disminución en la producción. Consecuentemente, durante el período 1991-1998 se observa que

la región experimenta cambios importantes en cuanto a reactivación económica, no obstante, a

partir de 1999 la economía presenta un leve crecimiento hasta el 2002 pasando de 8,35 a 8,36, lo

cual se explica principalmente por la crisis financiera que tuvo epicentro en Asia en año 1997

que condujo rotundamente a la disminución de la demanda de las exportaciones.

Por último, la tasa de crecimiento de la urbanización, tiene un comportamiento tendencia

decreciente a través de los años, pasando de una tasa de 4,57% en 1980 a 1,66% en 2016. Se

observa que en los países que conforman la CAN las tasas de crecimiento de la población urbana

han variado relativamente más en comparación con otros paises, esto quiere que decir que,

aunque las tasas de crecimiento no han decrecido necesariamente, estas han tendido a

desacelerar. Esto se puede explicar debido a la transición económica que realiza una sociedad a

través del tiempo cuando se va especializando en capital humano.

40
 Desa

Urba
Figura 2

(Log) PIB per cápita

Emisiones de CO2
Evolución de las emisiones de CO2, el desarrollo financiero, IED, PIB per cápita y
urbanización en los países del CAN, periodo 1980-2018.

2 50
5

1.8 40 4

3
1.6 30
2
1.4 20
1

1.2 10 0
1980 1990 2000 2010 2020 1980 1990 2000 2010 2020 1980 1990 2000 2010 2020
Años Años Años

8.6 4

3.5
8.4
3

2.5
8.2

8 1.5
1980 1990 2000 2010 2020 1980 1990 2000 2010 2020
Años Años

Nota. Elaboración propia con datos del BM (2021).

1.2. Correlación entre las variables desarrollo financiero, las emisiones de CO2 y las

variables de control.

En la Figura 3 se presenta el gráfico de correlación entre las emisiones de dióxido de

carbono y el desarrollo financiero los países que conforman la CAN. Se puede observar que de

manera global existe una correlación positiva entre las variables, esto nos indica que a medida

que se incrementa las emisiones de carbono también lo hace el desarrollo financiero. Por otro

41
lado, se observa una relación negativa entre las emisiones de CO2 y la IED, con una tendencia

dispersa en el periodo a,nalizado, podemos decir que la medida que aumenta las emisiones de

CO2 la invasión extranjera disminuye.

Seguidamente al analizar la correlación que tiene el PIB per cápita y las emisiones de

CO2 se obtiene un alto grado de asociación entre las variables mencionadas con una correlación

positiva y estadísticamente significativa, es decir, a medida que se incrementa el la producción

per cápita las emisiones de CO2 aumentan. Por último, se observó la correlación negativa entre

la urbanización y las emisiones de CO2, a medida que disminuye la urbanización las emisiones

de CO2 se reduce.

42
 Figura 3

Emisiones de CO2
Emisiones de CO2
Correlación entre las emisiones de CO2, el desarrollo financiero, IED, PIB per cápita y
urbanización en los países del CAN, periodo 1980-2018.

2.5 2.5

2 2

1.5 1.5

1 1

.5 .5
10 20 30 40 50 60 -5 0 5 10 15
Desarrollo financiero IED

Fitted values lCO2 Fitted values lCO2

2.5 2.5

2 2

1.5 1.5

1 1

.5 .5
7.5 8 8.5 9 1 2 3 4 5
PIB per cápita Urbanización

Fitted values lCO2 Fitted values lCO2

Nota. Elaboración propia con datos del BM (2021).

2. OBJETIVO ESPECÍFICO 2

Evaluar la relación de corto y largo plazo entre el desarrollo financiero y las

emisiones de CO2 de los países de la Comunidad Andina entre 1980-2018.

1.1. Modelo de regresión básica para las emisiones de CO2, el desarrollo financiero y las

variables de control.

43
 Para cumplir con este objetivo específico, conforme con la metodología planteada, en la

Tabla 3 exponemos la relación y comportamiento que poseen las variables independientes sobre

las emisiones de CO2, para todos los países que conforman la CAN. De forma general se

muestra la elección de efectos fijos y aleatorios de acuerdo con el test de Hausman (1978) y la

Autocorrelación definida por el test de Woldrige (2002). Es importante resaltar que las pruebas

de Mínimos Cuadrados Generalizados permiten conocer las elasticidades de las variables

independientes sobre la variable dependiente. Esto nos permitirá cuantificar cuanto aumenta o

disminuye las emisiones de CO2 una vez que se incrementa la globalización y la democracia.

Asimismo, esta prueba permite conocer los comportamientos de las variables en cada

grupo de países, los cuales tienen una estructura productiva distinta por ende se deben interpretar

de forma distintas los resultados. En este contexto, podemos observar que el desarrollo

financiero tiene efectos positivos significativos en las emisiones de CO2 en este caso aumentan

en 0,3% por cada unidad de desarrollo financiero que se incremente, esto se explica porque en la

mayoría de países de América Latina un aumento de las emisiones de CO2 es producto de un

aumento de los combustibles fósiles en los diferentes sectores de la economía.

Siguiendo las variables de control, nos indica que la variable Inversión extranjera directa

no es significativa en las emisiones de CO2. Entonces por cada incremento de 1% de la IED no

tiene ningún efecto en las emisiones de CO2 para todos los países de la CAN. Por otro lado,

también refleja la variable PIB per cápita tiene un efecto significativo para estos países, donde

por cada adición de 1% que aumente la producción se incrementa las emisiones de CO2 un

81,4% respectivamente. Por último, no se observa ningún efecto entre la urbanización y las

emisiones de CO2 en los países de la CAN, por lo tanto el incremento o decremento de la

variable no parece afectar a la variable independiente.

44
 .

Tabla 3

Regresión básica del modelo econométrico incluyendo las variables de control (1980-2018)

CAN
Desarrollo financiero 0,00352*
(2,16)
IED -0,00487
(-1,21)
PIB per cápita 0,814***
(7,19)
Urbanización -0,0228
(-0,50)
Constant -5,275***
(-5,42)
Observations 156
Adjusted R2
Test Hausman sigmamore (valor p) 0,000
Test de autocorrelación serial (valor 0,000
p)
Prueba de heteroscedasticidad 0,000
Nota: Las cantidades entre paréntesis bajo las estimaciones son los errores estándar. Los
asteriscos señalan el nivel de significatividad de los estimadores p < 0,05, ** p < 0,01, *** p <
0,001.

1.2 Pruebas preliminares de largo plazo

Para determinar la relación de largo plazo, es preciso tener en cuenta que la interacción

entre sí de diferentes países mediante distintas conexiones en una red económico-social que

conforman actividades como; inversión, importación, exportación e integración económico

social, pueden ser una causa que conduzca a una dependencia transversal entre países, es por

ello, que es necesario primero detectar la dependencia transversal en el análisis de datos panel

para evitar resultados que pueden ser sesgados e inconsistentes (Le, 2020). Por lo tanto, para

45
comprobar la presencia de dependencia transversal en las estimaciones se realizó las pruebas

proporcionadas por (Pesaran, 2004, 2015).

A continuación, en la Tabla 4 se expone los resultados de las pruebas, en donde, las

emisiones de CO2, IED, desarrollo financiero, PIB per capita y urbanización tienen un P-valor

menor a 0,001 rechazamos la hipótesis nulas de independencia transversal y la débil dependencia

de la sección transversal, por ende, determinamos que las variables presentan dependencia

transversal a un nivel de significancia del 1%, lo que implica que un choque o cambio que afecte

a un país tiene repercusiones en el resto de países incluidos en el estudio.

Tabla 4

Pruebas de dependencia transversal

Variable Pesaran (2004) Pesaran 2015

CD-test p- CD p-

value value

14,87**
CO2 7,13*** 0,00 0,00
*

Desarrollo 14,51**
9,77*** 0,00 0,00
financiero *

11,10**
IED 4,82*** 0,00 0,00
*

PIB per 14,06** 15,29**

0,00 0,00
cápita * *

Urbanización 14,55** 0,00 15,21** 0,00

46
 * *

Nota: ***, **, y * denotan el nivel de significancia al 1%, 5%, y 10%

1.3 Pruebas de raíz unitarias para datos de panel

Después de a ver comprobado que todas las variables incluidas en el modelo presentan

dependencia transversal, se procede a estimar las pruebas de raíz unitaria de segunda generación

que incluyen la CADF y la CIPS* de Pesaran (2007) que son más robustas en presencia de

dependencia transversal para verificar la estacionariedad de las series de datos panel. En la Tabla

5, se reporta los resultados obtenidos de las pruebas de raíz unitarias en niveles (constante y

constante-tendencia), en las cuales se observan series estacionarias, por lo que, se estimó la

segunda diferencia (constante y constante-tendencia) para que las series se tornen estacionarias,

estableciendo que todas las series tienen un orden de integración II (2) a un nivel de significancia

del 1%, sustentando que los resultados obtenidos son consistentes al aplicar las segundas

diferencias.

47
 Tabla 5

Pruebas de raíz unitaria de Pesaran (2003) y Pesaran (2007)

Pesaran 2003 Pesaran 2007

Niveles Primera diferencia Niveles Primera diferencia

GRUPO Variables Constante Constante Constante Constante

Constante y Constante y Constante y Constante y
tendencia tendencia tendencia tendencia
Z[t‐bar] Z[t‐bar] Z[t‐bar] Z[t‐bar] CIPS* CIPS* CIPS* CIPS*

C02 0,97 -0,27 -4,30*** -3,57*** -0.10 -2.03 -4.80*** -4.98***

DF -0,39 -0,42 -5,06*** -4,05*** -1.95 -2.00 -5.32*** -5.35***

CAN IED -1,41 -3,10*** -7,20*** -6,39*** -2.98*** -4.11*** -6.19*** -6.40***

PIBPER -2,03 -1,6 -3,80*** -2,59*** -2.04 -2.37 -4.00*** -4.04***

CURB -2,37*** -1,75 -3,89*** -2,82*** -1.36 -1.81 -3.51*** -3.50***

Nota: ***, **, y * denotan el nivel de significancia al 1%, 5%, y 10%

48
1.4 Pruebas de cointegración para datos de panel

Posteriormente, una vez aplicadas las pruebas de raíz unitaria de segunda generación

y sabiendo que las series tienen un orden de integración II (2), determinamos la relación de

equilibrio a largo plazo de las variables mediante un modelo autorregresivo de corrección de

error (VEC) inspeccionado por la prueba de cointegración desarrollada por Westerlund

(2007) en presencia de dependencia transversal de datos panel con el enfoque bootstrap.

En este sentido, en la Tabla 6 se reporta las cuatro pruebas de cointegración de

Westerlund (2007), en donde, los estadísticos de las pruebas Gt y Ga se basan en que al

menos una unidad (país) transversal esta cointegrada mientras que las pruebas Pt y Pa señalan

que todo el panel esta cointegrado, es decir, agrupan la información de todas las unidades

(país) transversales; es por esto, que se rechaza la hipótesis nula de no cointegración en

ambos casos debido a que los valores de P-valor robusto son estadísticamente significativos

al nivel del 1%, dado que están por debajo de 0,05 se confirma que existe una fuerte

cointegración y equilibrio a largo plazo, lo que corrobora que un cambio de la variable

Desarrollo financiero ,junto con las variables de control IED, PIB per cápita y urbanización

generan cambios directos en las emisiones de CO2 a largo plazo en los países de América

Latina.

Tabla 6

Prueba de cointegración de Westerlund (2007)

Grupo Estadístic Valor Valor-Z Valor-P P-Valor

o robusto

CAN Gt -3,766 3,47 0.00 0.000

6 0

Ga -14,436 1.28 0.10 0.000

1
 2 0

Pt -9,069 4.60 0.00 0.000

6 0

Pa -15,936 2.68 0.00 0.000

7 4

Nota: Gt y Ga: estadísticos de grupo; Pt y Pa: estadísticos de panel; Value: valor de

los estadísticos; Z-value: estadístico de la prueba; P-value: significancia que presentan las
variables. t estadístico significancia al *** < 1%; ** < 5% y * < 10%.

Consecuentemente, después de haber afirmado que existe una relación de equilibrio a

largo plazo entre las emisiones de CO2, desarrollo financiero, IED, PIB per cápita y la

urbanización. Se realiza el método de los FMOLS propuesto por Phillips y Hansen (1990),

quienes emplean una corrección semiparametrica como un instrumento para establecer la

magnitud de relación de cointegración de los coeficientes de las variables en el largo plazo.

Así mismo, causa estimaciones imparciales de las elasticidades en el largo plazo

convirtiéndolas, de este modo, a las variables más eficientes con finalidad de obtener

estimadores más óptimos de cointegración.

En la Tabla 7, se proporciona los resultados de la prueba FMOLS, en donde, se

observa que las variables no presentan relación positiva excepto para la IED. Las emisiones

de CO2 se evidencia que no está relacionado con el desarrollo financiero a largo plazo, lo que

involucra que una mejora del 1% del desarrollo financiero (medido por el crédito interno al

sector privado) no conlleva a ningún efecto en las emisiones de CO2 en el largo plazo. Por

otro lado, la IED conduce a un aumento en las emisiones de CO2 de 1,33% a largo plazo en

los países de la CAN. Principalmente, este resultado se debe a que son países que depende del

uso de materias primarias no renovables para determinar su nivel de producción y es donde

2
está orientada la inversión en estos países. Por su parte, la variable urbanismo no representa

una mejoría del 1% en las emisiones de CO2 en los países de la CAN.

Tabla 7

Prueba de Cointegración de FMOLS

C02
Variable Beta Estadístico-t
Desarrollo Financiero 0,00* (1,63)
PIB per capita 0,00* (1.16)
IED 1,33** (6.96)
Urbanismo -0,09* (-1,91)
Nota: ***, **, y * denotan el nivel de significancia al 1%, 5%, y 10%

Tabla 8

Resultados de la estimación de modelo de corrección de error PMG.

PMG

Largo Plazo

Desarrollo financiero -0.00740

(-1.17)

IED -0.0265

(-1.22)

PIB per cápita 1.273***

(5.18)

Urbanismo -0.102

(-1.26)

Corto Plazo

Corrección de error -0.159**

3
 (-2.85)

Δ Desarrollo financiero 0.00192

(0.81)

Δ IED -0.00156

(-0.33)

Δ PIB per cápita 1.194***

(4.08)

Δ Urbanismo -0.0307

(-1.13)

Constant -1.356**

(-2.85)

Observations 152

Adjusted R2

Nota. Estadístico t en paréntesis * p < 0,05 ** p < 0,01 *** p < 0,001. Δ es el
operador primera diferencia

3. OBJETIVO ESPECÍFICO 3

Examinar la relación causal entre el desarrollo financiero y las emisiones de CO2 de

los países de la Comunidad Andina entre 1980-2018.

Finalmente, luego de a ver obtenido las relaciones a largo plazo y con la finalidad de

dar respuesta a este objetivo se aplicó la prueba de causalidad de Granger (1969) para datos

panel desarrollada por Dumitrescu y Hurlin (2012) para asegurar la robustez, teniendo en

cuenta la dependencia transversal se introduce el bootstrap que permite determinar los datos

estacionarios a través del uso de herramientas de cada sección transversal de cada panel.

Además, la prueba se puede presentar de dos formas ya sea unidireccional cuando tan solo

4
una variable causa a la otra, pero esta no causa a la primera y bidireccional cuando las dos

variables se causan entre sí, en este contexto, se rechaza la hipótesis nula cuando P-valor es

inferior a 0,05 de que no existe causalidad y se acepta la hipótesis alternativa de que existe

causalidad.

Los resultados se detallan en la Tabla 9, muestran el rechazo de la hipótesis nula entre

las emisiones de CO2 y el desarrollo financiero y viceversa comprobando que existe

causalidad unidireccional, es decir las emisiones de CO2 causan el desarrollo financiero, pero

viceversa no es así. En cuanto, a las variables de control se determinó la existencia de

causalidad unidireccional que va desde las emisiones de CO2 hacia la IED, por lo expuesto se

rechaza la hipótesis nula, esto se debe a que los combustibles tradicionales (carbón, petróleo

y gas) continúan siendo en América Latina las principales fuentes de energía primarias más

importantes +, y para el desarrollo de las actividades económicas de bienes y servicios, es por

ello, que es un factor determinante que se encuentra relacionado directamente con el

crecimiento económico en los países de la región Latinoamericana. En el caso del

crecimiento económico per cápita y las emisiones de CO2, se evidencia que presentan

causalidad unidireccional que va desde las emisiones de CO2 hacia la producción per cápita,

rechazando la hipótesis nula de no causalidad. Por último, la variable urbanización y

emisiones de CO2 revelan que existe causalidad bidireccional, es decir, en ambos casos se

rechaza la hipótesis nula y se concluye que las variables se causan entre sí.

Tabla 9

Test de causalidad de Granger Dumitrescu & Hurlin.

Dirección causal W-bar Z-bar P-valor Conclusión

CO2 F 2,8776 2,6554 0,0000 Existe relación de
causalidad
DF O2 1,4292 0,6070 0,5000 No Existe relación de

5
 causalidad
CO2 IED 3,4861 3,5159 0,0000 Existe relación de
causalidad
IED O2 0,8026 -0,2791 0.5000 No Existe relación de
causalidad
CO2 PIBP 6,5461 7,8434 0,0000 Existe relación de
ER causalidad
PIBPER CO2 10,8764 13,9674 0,0000 No existe relación de
causalidad
CO2 URB 3,5377 3,5889 0,0000 Existe relación de
causalidad
CO2 12,1100 15,7119 0,0000 Existe relación de
URB causalidad

Nota: p>0,05, indica el rechazo de la hipótesis nula en el nivel del 5% para H0: = 1.

g. DISCUSIÓN

1. OBJETIVO ESPECÍFICO 1

2. OBJETIVO ESPECÍFICO 2

3. OBJETIVO ESPECÍFICO 3

h. CONCLUSIONES

6
i. RECOMENDACIONES

j. BIBLIOGRAFÍA

No hay ninguna fuente en el documento actual.

k. ANEXOS

PRUEBA VIF

Variable VIF SQRT Tolerance R-

VIF Squared

lDF 2.24 1.50 0.4457 0.5543

lIED 1.86 1.36 0.5389 0.4611

lPIBPER 4.42 2.10 0.2262 0.7738

lCURB 2.33 1.53 0.4294 0.5706

Mean 2.81

VIF

Prueba de normalidad

Tests for skewness and kurtosis Number of obs = 156

7
 Replications = 500

(Replications based on 4 clusters in id)

Observed Bootstrap z P>|z| Normal-based

Coef. Std. Err

[95% Conf. Interval]

Skewness_e -.0016118 .0019295 -0.84 0.404 -.0053936 .00217

Kurtosis_e -.0005427 .0005939 -0.91 0.361 -.0017067 .0006213

Skewness_u .0011731 .0010232 1.15 0.252 -.0008324 .0031785

Kurtosis_u -.0005677 .0001943 -2.92 0.003 -.0009486 -.0001868

Joint test for Normality on e: chi2(2) = 1.53 Prob > chi2 = 0.4647

Joint test for Normality on u: chi2(2) = 9.85 Prob > chi2 = 0.0073

Tests de Hausman

. hausman fixed random, sigmamore

Note: the rank of the differenced variance matrix (3) does not equal the number of

coefficients being tested (4); be sure this is what you expect, or there may be problems

computing the test. Examine the output of your estimators for anything unexpected and

possibly consider scaling your variables so that the coefficients are on a similar scale.

---- Coefficients ----

8
 (b) (B) (b-B) sqrt(diag(V

fixed rando Differe _b-V_B))

m nce S.E.

lDF .01311 .01459 -.00147 .0020673

69 42 72

lIED -.0489 -.0561 .007138 .0029381

851 236 6

lPIBP .70635 1.1161 -.40975 .1324839

ER 98 11 12

lCUR -.0070 .15549 -.16255 .0221022

B 515 86 02

b = consistent under Ho and Ha; obtained from xtreg

B = inconsistent under Ha, efficient under Ho; obtained from xtreg

Test: Ho: difference in coefficients not systematic
chi2(3) = (b-B)'[(V_b-V_B)^(-1)](b-B)
= 67.25
Prob>chi2 = 0.0000
(V_b-V_B is not positive definite)

Test de autocorrelación de Wooldridge

Wooldridge test for autocorrelation in panel data
H0: no first order autocorrelation
F( 1, 3) = 312.652
Prob > F = 0.0004

9
 Test de heterocedasticidad mediante Test de Wald y Breusch-Pagan
Modified Wald test for groupwise heteroskedasticity
in fixed effect regression model
H0: sigma(i)^2 = sigma^2 for all i
chi2 (4) = 89.84
Prob>chi2 = 0.0000

Estimación MG

Mean Group Estimation: Error Correction Form

(Estimate results saved as mg)

dlCO2 Coef. Std. Err. z P>z [95% Conf. Interval]

ec

lDF .0087281 .0084966 1.03 0.304 -.007925 .0253812

lIED -.0389777 .0227471 -1.71 0.087 -.0835612 .0056057

lPIBPER .9210614 .5814518 1.58 0.113 -.2185631 2.060686

lCURB -.0598382 .1084396 -0.55 0.581 -.2723758 .1526995

SR

ec -.3739799 .0707845 -5.28 0.000 -.512715 -.2352449

dlDF -.0026571 .0040728 -0.65 0.514 -.0106397 .0053255

dlIED .001863 .0061717 0.30 0.763 -.0102333 .0139593

10
 dlPIBPER 1.054733 .304509 3.46 0.001 .4579063 1.65156

dlCURB -.0248477 .1197298 -0.21 0.836 -.2595138 .2098185

_cons -2.518195 2.285659 -1.10 0.271 -6.998006 1.961615

Estimación PMG
Pooled Mean Group Regression
(Estimate results saved as pmg)
Panel Variable (i): id Number of obs = 152
Time Variable (t): Year Number of groups = 4
Obs per group: min =
38
avg =
38.0
max =
38
Log Likelihood =
189.4149
dlCO2 Coef. Std. Err. z P>z [95% Conf. Interval]

ec

lDF -.0073965 .006324 -1.17 0.242 -.0197912 .0049982

lIED -.0264955 .0217733 -1.22 0.224 -.0691705 .0161794

lPIBPER 1.272833 .2458661 5.18 0.000 .7909445 1.754722

lCURB -.1020255 .081197 -1.26 0.209 -.2611686 .0571177

SR

ec -.1594508 .0559 -2.85 0.004 -.2690127 -.0498888

dlDF .001921 .0023742 0.81 0.418 -.0027324 .0065743

dlIED -.0015611 .0046896 -0.33 0.739 -.0107527 .0076304

dlPIBPER 1.194255 .2924924 4.08 0.000 .6209799 1.767529

11
dlCURB -.0307406 .0271318 -1.13 0.257 -.0839179 .0224367

_cons -1.355514 .4759751 -2.85 0.004 -2.288408 -.4226203

Teste de hausman para mg pmg, sigmamore

Coefficients ----
(b) (B) (b-B) sqrt(diag(V

fixed rando Differe _b-V_B))

m nce S.E.

lDF .00872 -.0073 .016124 .0082794

81 965 6

lIED -.0389 -.0264 -.01248 .0174321

777 955 22

lPIBP .92106 1.2728 -.35177 .6692255

ER 14 33 18

lCUR -.0598 -.1020 .042187 .1052945

B 382 255 3

b = consistent under Ho and Ha; obtained from xtpmg

B= inconsistent under Ha, efficient under Ho; obtained from xtpmg
Test: Ho: difference in coefficients not systematic
chi2(4) = (b-B)'[(V_b-V_B)^(-1)](b-B)
= 3.21
Prob>chi2 = 0.5228
(V_b-V_B is not positive definite)

12
 INDICE GENERAL

INDICE DE FIGURAS

INDICE DE TABLAS

13