1

AMERICA LATINA: CONVERGENCIA/DIVERGENCIA UNA REVISION

PRELIMINAR DE LOS ENFOQUES DE DATOS DE PANEL Y EL ANALISIS
ESPACIAL DE DATOS

Kelly Tatiana Giraldo **

RESUMEN

En recientes ensayos se han presentado y evaluado diversos enfoques que intentan explicar
el fenmeno de la convergencia/divergencia. En este trabajo se presentan los enfoques de
datos de panel y el anlisis espacial de datos que ayudan a entender las dinmicas de las
economas nacionales, regionales y urbanas. Se ofrecen los desarrollos globales de las
autoridades acadmicas ms visibles en el tema de datos de panel como son, Loayza y
Villanueva (1993), Islam (1995) y Yudong and Weeks (2000). En el caso del anlisis espacial
de datos se estudian los aportes de Lee, Sang Il (2001, 2002, 2004a, 2004b, 2004c) Una vez
presentados los desarrollos se corrieron los modelos para el caso de Amrica Latina. La
relevancia de estos modelos radica principalmente en que al combinar series de tiempo con
datos de corte transversal se presenta una idea de la relacin de las variables a travs del
tiempo. La conclusin ms evidente es que la estimacin con datos panel ofrecen
resultados que muestran que hay convergencia para todos los pases de la regin, una vez
se han controlado los efectos regionales individuales, es decir, la heterogeneidad en los
niveles iniciales de tecnologa.

Palabras clave: Amrica Latina, Convergencia, Divergencia, Economa regional y urbana,
Datos de Panel. JEL: R10, B40.

RESUMEN

En recientes ensayos se han presentado y evaluado diversos enfoques que intentan explicar
el fenmeno de la convergencia/divergencia. En este trabajo se presentan los enfoques de
datos de panel y el anlisis espacial de datos que ayudan a entender las dinmicas de las
economas nacionales, regionales y urbanas. Se ofrecen los desarrollos globales de las
autoridades acadmicas ms visibles en el tema de datos de panel como son, Loayza y
Villanueva (1993), Islam (1995) y Yudong and Weeks (2000). En el caso del anlisis espacial
de datos se estudian los aportes de Lee, Sang Il (2001, 2002, 2004a, 2004b, 2004c ) Una
vez presentados los desarrollos se corrieron los modelos para el caso de Amrica Latina.
La relevancia de estos modelos radica principalmente en que al combinar series de tiempo
con datos de corte transversal se presenta una idea de la relacin de las variables a travs
del tiempo. La conclusin ms evidente es que la estimacin con datos panel ofrecen
resultados que muestran que hay convergencia para todos los pases de la regin, una vez
se han controlado los efectos regionales individuales, es decir, la heterogeneidad en los
niveles iniciales de tecnologa.

Palabras clave: Amrica Latina, Convergencia, Divergencia, Economa regional y urbana,
Datos de Panel. JEL: R10, B40.






2
INTRODUCCION

Este ensayo tiene como objetivo principal, identificar procesos de convergencia entre los
pases que conforman Latinoamrica y el Caribe utilizando dos de las metodologas ms
importantes que se han desarrollado para ello hasta el momento, permitiendo la posibilidad
de examinar su desempeo a travs del trabajo emprico. Tambin se busca determinar que
variables demogrficas y econmicas, posiblemente condicionen dichos procesos de
convergencia. El informe est organizado de la siguiente manera: En la seccin 1 se hace
una descripcin de la situacin actual de Latinoamrica y el Caribe haciendo nfasis en las
disparidades y asimetras presentes entre los pases de la regin. En la seccin 2, se hace
una resea sobre dos desarrollos tericos habidos hasta el momento, que conducen a la
identificacin de procesos de convergencia, la cual se compone de varios resmenes de
diversos estudios relevantes dentro de la bibliografa existente hasta este momento sobre el
tema de convergencia econmica entre pases. En la seccin 3, a travs de un anlisis
emprico en el que se utilizan las bases de datos del Banco Mundial, se hace uso de las
metodologas presentadas en la seccin 2. Por ltimo, en la seccin 4 se muestran algunas
conclusiones y recomendaciones para estudios posteriores.

PLANTEAMIENTO DEL PROBLEMA

Los pases que conforman la regin de Amrica Latina y el Caribe, han mostrado
persistentemente bajos niveles de desarrollo econmico (en 1990, de acuerdo con
Utrera (1993) el mayor producto per cpita latinoamericano representaba tan slo el
43% del correspondiente a Estados Unidos), adems de grandes asimetras y
disparidades entre los pases de la regin (el cociente entre el mayor y el menor
producto per cpita latinoamericano era igual a 5,09 en 1950 y a 7,14 en 1990 ).
En este sentido, se aprecia que antes del ao 1998 cinco pases de la regin estaban
generando un GDP per cpita que no superaba los 1000 dlares (a precios constantes del
ao 2000). Ellos son Hait, Nicaragua, Guyana, Honduras y Bolivia, siendo el primer pas el
caso ms preocupante, ya que su PIB actual no llega a 500 dlares por persona; adems, ese
indicador ha declinado significativamente durante los ltimos diez aos.
Nicaragua, Guyana y Honduras registraron a comienzos de la dcada de los 90, un GDP
per cpita alrededor de los 700 dlares, los dos ltimos con trayectorias crecientes, mientras
que el ingreso per cpita del primero, ha permanecido relativamente constante,
evidencindose cierto estancamiento. Bolivia, por su parte, ha ido mejorando
paulatinamente superando levemente en 1998 los 1000 dlares por habitante, y
permaneciendo en un nivel relativamente igual hasta el ao 2009. En cuatro pases
(Bolivia, Guyana, Honduras y Nicaragua) los niveles de endeudamiento externo son muy
elevados, lo cual podra constituir una restriccin adicional para su desarrollo.

Los cinco pases antes identificados pertenecen a determinados esquemas subregionales de
integracin. Hait y Guyana son miembros del Mercado Comn del Caribe (CARICOM);
Nicaragua y Honduras, del Mercado Comn Centroamericano; y Bolivia est incorporado a
la Comunidad Andina de Naciones (CAN), pero adems tiene la condicin especial de pas
asociado del Mercado Comn del Sur (MERCOSUR). En cuanto a la poblacin de estos
pases en el ao 2002, se aprecia lo siguiente: Bolivia, 8,8 millones de habitantes; Hait, 8,7
millones; Honduras, 6,8 millones; Nicaragua, 5,3 millones; y Guyana, 760 mil; o sea, la
cifra agregada de esas cinco naciones alcanzaba a 30,4 millones de personas, lo que era un
5,7% de la poblacin total de Amrica Latina y el Caribe (530 millones de habitantes).

3
Por otro lado, tres naciones de Amrica Latina y el Caribe tienen un PIB por habitante
inferior a 2000 dlares anuales, pero que supera los 1000 dlares. Ellas son: Paraguay,
Guatemala y Ecuador con valores del GDP per cpita (para el ao 2009) de 1413, 1435 y
1676 dlares, respectivamente. Estos tres pases tambin son miembros de distintos
bloques subregionales de integracin: Guatemala, del Mercado Comn Centroamericano;
Paraguay est dentro del MERCOSUR; y Ecuador es parte de la Comunidad Andina de
Naciones. La poblacin acumulada de estos cinco pases asciende en la actualidad a 30,8
millones de personas, es decir, a un 5,8% del valor total para Amrica Latina y el Caribe.
La distribucin de dicha poblacin est dada as: Ecuador (13 millones); Guatemala (12
millones), y Paraguay (5,8 millones).
Es decir, en la aproximacin anterior se han identificado ocho pases con un menor nivel
de desarrollo comparativo dentro de Amrica Latina y el Caribe, aceptando que 2000
dlares por habitante en trminos anuales es un lmite razonable para diferenciar
situaciones crticas. Como se mencion anteriormente, Hait y Nicaragua constituyen los
casos ms graves, y tienen 14 millones de habitantes entre los dos; por su parte, Guyana
tiene un nivel reducido de desarrollo y de tamao en su economa.

Tambin son pases relativamente pequeos, Honduras, Paraguay, El Salvador, y quizs
Bolivia, con poblaciones inferiores a 10 millones de habitantes en cada uno de ellos. Por
ltimo, Guatemala y Ecuador estn en una posicin distinta porque se acercan a algunas de
las caractersticas propias de los pases llamados medianos, con poblaciones superiores a
12 millones de habitantes en ambos pases.

Puerto Rico y las Bahamas, por su parte, han tenido niveles de GDP per cpita muy
similares en los ltimos seis aos aproximadamente, por encima de los 15000 dlares cada
uno, lo cual es muy superior al promedio de la regin. Ambos pases son miembros de la
AEC y de CARICOM. Estos pases tenan en el ao 1998 respectivamente 3,6 y 0,8
millones de habitantes aproximadamente, lo que equivale apenas a un 0,8% de la regin de
Latinoamrica y el Caribe.

A manera de ilustracin, la distribucin de frecuencias de los ingresos per cpita del ao
2009 viene dada por:

1. Pases con ingresos per cpita entre 400 y 4400 dlares (62%):
Hait, Nicaragua, Honduras , Guyana , Bolivia , Paraguay, Ecuador , Guatemala,
Colombia , El Salvador, Per, Surinam , Repblica Dominicana, Jamaica , St Vicente and
las Granadinas, Dominica, Belice, Brasil , Sta. Lucia, Granada, Panam
2. Pases con ingresos per cpita entre 4400 y 8400 dlares (26%):
Costa Rica, Venezuela, Cuba, Chile, Uruguay, Mxico, St Kitts and Nevis, Argentina,
Trinidad y Tobago
3. Pases con ingresos per cpita entre 8400 y 12400 dlares (6%):
Barbados, Antigua y Barbuda
4. Pases con ingresos per cpita de ms de 12400 dlares (6%):
Bahamas, Puerto Rico

De acuerdo con esto, se puede observar que el 62% de los pases que conforman la regin,
tienen ingresos per cpita equivalentes a la cuarta parte de los ingresos per cpita anuales de
Bahamas o Puerto Rico, lo cual denota una gran concentracin de pases hacia los niveles
de ingresos per cpita bajos.
4
Empleando la terminologa utilizada por la CEPAL y el ILPES, se puede establecer una
clasificacin entre los pases que conforman la regin de Amrica Latina y el Caribe, si
bien dicha clasificacin se estableci inicialmente para identificar niveles de desarrollo entre
los territorios pertenecientes a los pases. Esta metodologa
1
constituye un anlisis
complementario a los anlisis de convergencia econmica, el cual permite clasificar las
economas, catalogando los pases como ricos y pobres, o ganadores y perdedores con el
fin de obtener una explicacin econmica ms precisa sobre su condicin. Cabe observar
que esa tipologa agrupa en los dos cuadrantes horizontales superiores a aquellos territorios
dinmicos potencialmente ganadores ante los procesos de globalizacin, con un alto PIB
por habitante en uno de ellos, y un bajo PIB per cpita en el otro.

En pesos per cpita inferiores a 2000 dlares, se encuentra dentro del grupo de pases
estancados de acuerdo con la metodologa presentada. Corresponden a pases que han
crecido por debajo de la media regional y que tiene ingresos per cpita inferiores a la media
regional. Se trata por tanto de naciones que se pueden considerar como los de
comportamiento menos exitoso frente a los procesos de globalizacin (Silva (2003)).

Por otro lado, los dos pases con mayores ingresos per cpita anual, Bahamas y Puerto
Rico, se encuentran, respectivamente, dentro del grupo de pases en retroceso y
potencialmente ganadores. Bahamas, particularmente, a pesar de su alto nivel de
ingresos per cpita, ha crecido a una tasa inferior que el promedio de los pases de la regin.
Finalmente, en los pases de la regin existen otros tipos de asimetras estructurales con,
varias de ellas vinculadas con las caractersticas y los efectos del proceso de globalizacin
internacional. Entre las que se pueden identificar tanto al interior de cada pas como en el
mbito internacional, se incluyen aquellas originadas por ciertos sectores productivos o
determinadas actividades productoras de bienes y servicios; ejemplo de ello es lo que ocurre
con la agricultura tradicional y los servicios de carcter informal (esto ltimo, relacionado
con lo que se conoce como terciarizacin de la economa); tambin algunas asimetras
pueden provenir de otras fuentes, verbigracia, las diferencias en los niveles y caractersticas
de la educacin (cualificacin) y diferencias en el capital social, entre otras.

EL METODO

La investigacin est sustentada en cuatro elecciones de carcter metodolgico muy
definidos. El primero, tiene que ver a la ubicacin disciplinaria: a partir del objeto de
estudio (los conceptos de convergencia/divergencia en Amrica Latina), el trabajo se ubica
en los marco de la economa nacional, regional y urbana. En segundo lugar, de acuerdo con
los medios utilizados se revisaron dos tipos de trabajos para los dos enfoques: 1) Los
desarrollos tericos que estudian el fenmeno de la convergencia y divergencia a nivel
mundial; y 2) Los desarrollos sobre el mismo fenmeno pero que slo trabajan el tema de
Amrica Latina. El tercer aspecto, est relacionado con la estimacin del modelo de datos
de panel. Para llevar a cabo la presente investigacin, se privilegi el uso del mtodo de
Variables Instrumentales, puesto que dicho mtodo arroja estimadores que se comportan
como los de MV (Mxima Verosimilitud) independientemente de las condiciones de los
valores iniciales (si
0 , i
y est correlacionado o no con
t
q ), a la vez que es un mtodo
sencillo de estimacin. La caracterstica principal de este mtodo es que
2
,

,
v
o u ' son
consistentes cuando N o T tienden a infinito

1
Ese estudio investig en profundidad las realidades nacionales y territoriales de seis pases latinoamericanos: Bolivia, Brasil,
Colombia, Chile, Mxico y Per, para los cuales se prepar una amplia informacin analtica y estadstica, la que fue algo ms
restringida en el caso peruano. A partir de la evaluacin pormenorizada de esa informacin se propuso una tipologa de territorios,
centrada alrededor de las situaciones existentes a fines del decenio de 1990.
5
t i i t t i t i t i
v x y y
, , 1 , ,
+ + + ' + =

q u o bien
t i t i t i t i
v a x y y
, , 1 , ,
+ + ' + =

u donde
i t
t t g A a q , , + = + = ) ( ) 0 ( ln ) 1 (
1 2

Adems, esta propiedad de consistencia se mantiene si se trata de un modelo de efectos
fijos o aleatorios. En nuestro caso, siguiendo a Islam (1995) se asumieron efectos fijos.
Las variables consideradas fueron las siguientes:
- )) ln( ) (ln(
, , ,
o + + = g n s x
t i t i t i
, donde
t i
s
,
es la tasa de ahorro promedio (como
porcentaje del GDP) del pas i durante el periodo t;
t i
n
,
es la tasa de crecimiento anual de la
fuerza laboral para el pas i en promedio para el periodo t, y o + g se considera constante e
igual a 0,05 siguiendo tambin a Islam.
-
t i
y
,
es el ingreso per cpita promedio del pas i durante el periodo t.
Los periodos considerados, corresponden al promedio de las dcadas de 1970, 1980, 1990 y
2000. Ahora bien, el procedimiento utilizado fue el siguiente:
1. Se transforma el modelo original utilizando primeras diferencias:
) ( ) ( ) (
1 , , 1 , , 2 , 1 , 1 , ,
+ + =
t i t i t i t i t i t i t i t i
v v x x y y y y u
y se estiman y u usando
2 , t i
y o ) (
3 , 2 ,

t i t i
y y como instrumentos, teniendo en
cuenta que
2 ,
A
t i
y est correlacionado con
1 ,
A
t i
y y no lo est con
t i
u
,
A . Alternativamente
se puede usar
2 , t i
y


2. Se obtiene a as
i t i i t t i IV t i IV i
a v T x y y

, , 1 ,
= + + = '

q u
Los resultados obtenidos de este procedimiento se reflejan en los resultados que se muestra
a continuacin
2
. Cabe mencionar que la variable que se us como instrumento en este caso
fue
2 ,
A
t i
y , puesto que en comparacin con
2 , t i
y estaba ms correlacionada con la
variable instrumental
1 ,
A
t i
y y menos con los errores resultantes de la estimacin de
Variables Instrumentales del modelo.

Finalmente, para el caso del anlisis espacial de datos se basa en una sntesis y compilacin
de las investigaciones hechas por Sang-Il Lee desde el ao 2001 hasta el momento, las
cuales son bastante completas respecto a las fuentes bibliogrficas comentadas y al
compendio de tcnicas utilizadas correspondientes a este enfoque. Los dems autores que
aqu se nombran fueron citados dentro de los trabajos sobre anlisis espacial de datos del
mencionado Sang Il Lee.

EL MODELO DE DATOS DE PANEL

El enfoque de datos de panel desarrollado formalmente por Islam (1995) y CEL (1996),
parte de la consideracin de que hay dos tipos de sesgo dentro de los estudios de corte
transversal: la heterogeneidad no observada en los niveles tecnolgicos iniciales entre las
regiones y las variables explicatorias endgenas. En particular, estudios de corte transversal
previos han asumido funciones de produccin agregada homogneas a travs de las
regiones, haciendo caso omiso del problema de la heterogeneidad en los niveles iniciales de
tecnologa. Esto tiene implicaciones a la hora de estimar tasas de convergencia insesgadas.
El problema de la endogeneidad potencial de las variables explicativas tales como la tasa de

2
Los pases considerados inicialmente fueron: Hait, Nicaragua, Honduras , Guyana, Bolivia , Ecuador, Paraguay , Guatemala ,
Colombia , Per , El Salvador , Suriname , Dominican Republic , Belize , Brazil , Panam , Costa Rica , Venezuela, Chile ,
Uruguay , Mxico , Argentina , Trinidad and Tobago , Barbados.
6
inversin tambin se ignora. Utilizando la variabilidad de corte transversal y series de
tiempo, la aproximacin de datos de panel es considerada una alternativa prometedora.

Por otra parte, disposicin de datos del panel nos permite, luego de controlar los efectos
regionales individuales, integrar este proceso de convergencia que ocurre sobre varios
intervalos consecutivos de tiempo. Si pensamos que la capacidad de un proceso de llegar a
su estado estacionario permanece esencialmente sin cambios sobre la totalidad del perodo
estudiado, entonces se considera que el proceso en intervalos de tiempo consecutivos ms
cortos debe reflejar la misma dinmica. Sin embargo, controlar los efectos regionales
individuales har que pueda emerger con ms claridad la relacin entre las variables
econmicas observadas que se incluyen dentro del modelo. A continuacin se citan
algunos trabajos sobre los cuales nos basaremos para llevar a cabo un anlisis de este tipo.
Loayza y Villanueva (1993)
3

Estos autores emplean en su trabajo anlisis de datos panel distintos mtodos de
estimacin, para el siguiente modelo de convergencia (no condicional), asumiendo efectos
fijos:
it i it it
u y b y + + =

o
1
) 1 ( (1)

donde
it
y es el ingreso per cpita de la regin i en el ao t relativo al promedio de todo el
pas, b es un parmetro llamado velocidad de convergencia, que es comn entre regiones y
periodos (| 1 - b | <1) ,
i
o es el efecto regional fijo especfico,
it
u es el trmino de error
(shock) para el ingreso real per cpita con media 0 y varianza o
2
, el cual se asume serial y
espacialmente independiente. Es importante tener en cuenta, que este es un modelo de
crecimiento. En otras palabras, este modelo pretende capturar movimientos de largo plazo
en el ingreso per cpita. El trmino de error debe ser tambin interpretado como una
representacin de los shocks en los niveles de ingreso de largo plazo.

Islam (1995)
4


Para ilustrar la utilidad del enfoque de datos de panel, Islam (1995) se basa en el trabajo de
MRW, quienes a su vez partieron del modelo de Solow, el cual se basa en la funcin de
produccin de Cobb-Douglas con progreso tecnolgico en los aumentos progresivos del
factor trabajo:
1 0 )) ( ) ( ( ) ( ) (
1
< < =

o
o o
t L t A t K t Y
(1)
Donde Y es el producto, K es cpital, y L es el trabajo. Se asume que L y A crecen
exgenamente a tasas n y g as
gt
e L t L ) 0 ( ) ( =

gt
e A t A ) 0 ( ) ( =

Si se asume que s es la fraccin constante de la salida que se ahorra y se invierte, y
definiendo salida y stock de cpital por unidad del trabajo efectivo como
AL Y y / =
y
AL K k /

= , respectivamente, la ecuacin dinmica para k

est dada por

) (

) ( ) (

) (

) ( ) ( ) (

t k g n t k s t k g n t y s t k o o
o
+ + = + + =
(2)
Donde es la tasa constante de depreciacin. Es evidente que k

converge a su valor del

estado estacionario

3
Tomado de Loayza y Villanueva (1993).
4
Tomado de Islam (1995).
7
) 1 /( 1
*

o
o

|
|
.
|

\
|
+ +
=
g n
s
k

Sobre la substitucin esto da la expresin siguiente para el estado estacionario del ingreso
per cpita:
) ln(
1
) ln(
1
) 0 ( ln
) (
) (
ln o
o
o
o
o
+ +

+ + =
(

g n s gt A
t L
t Y
(3)
donde es la elasticidad del producto con respecto al capital (incluyendo el capital humano)
. Si se asume que los pases estn actualmente en sus estados estacionarios, MRW utilizaron
esta ecuacin para ver cmo las diferentes tasas de ahorro y de crecimiento de la mano de
obra pueden explicar las diferencias en los ingresos per cpita corrientes a travs de pases.
MRW consideraron tambin como sera un comportamiento fuera del estado estacionario.
Observaron que los pases pueden no estar en sus estados estacionarios (o que las salidas
de estados estacionarios pueden no ser aleatorias entre los pases) y por lo tanto
procedieron a ver cmo el modelo (aumentado) de Solow prueba lejos acertado en
describir la dinmica de transicin.

En ambos de tales ejercicios, MRW confiaron en un supuesto crucial. Aparte de las
variables de ahorro y de crecimiento de la poblacin, la ecuacin (3) contiene el trmino
] ) 0 ( [ln gt A + . Puesto que la tasa exgena de progreso tecnolgico, g, se asume igual para
todos los pases y para una regresin de corte transversal t es solo un nmero fijo, gt en la
ecuacin es slo una constante. Sin embargo, esto no puede ser dicho de ) 0 ( A , el cual
puede diferir entre pases.

Por lo tanto, postularon que
c o + = ) 0 ( ln A ,
donde es una constante y es el trmino regional especfico de cambio o choque.
Substituyendo esto en la ecuacin arriba e incluyendo el gt en el trmino constante , ellos
derivaron la especificacin:
c o
o
o
o
o
o + + +

+ =
|
.
|

\
|
) ln(
1
) ln(
1
ln g n s
L
Y
(4)

En esta etapa, sin embargo, MRW tomaron el supuesto de que es independiente de las
variables explicativas, s y n. La estimacin de OLS es vlida solamente bajo este supuesto
5
.
Tambin, observaron que en modelos donde las tasas de ahorro y de crecimiento de la
poblacin son isoelsticas, s y n son independientes de . Este supuesto identificado hace
posible probar varias hiptesis informales que se han hecho (procediendo de diversas
teoras del crecimiento) con respecto a la relacin entre la renta, el ahorro, y el crecimiento
de la poblacin. Adems, puesto que la especificacin sobre postulados no solamente
muestra los coeficientes, sino tambin sus magnitudes prximas, los resultados de la
regresin permitirn probar la hiptesis conjunta de la validez del modelo de Solow y del
mencionado supuesto.

Lo que es importante observar aqu es que en el marco de una sola regresin de corte
transversal, este supuesto de independencia se convierte en una necesidad economtrica.
Un marco de panel proporciona un ajuste mejor y ms natural para controlar para este
trmino de cambio tecnolgico . Esto es revelado mejor considerando la ecuacin que

5
La otra posibilidad respecto a esto, es reconocer la correlacin y entonces optar por la estimacin de variables instrumentales (IV).
Sin embargo, dada la naturaleza y el alcance del trmino A(0), es difcil encontrar los instrumentos los cuales estn correlacionados
con las variables explicativas incluidas en el modelo, pero no con A(0). Esto hace que la estimacin por variables instrumentales
no sea una alternativa absolutamente factible.
8
describe fuera de comportamiento del estado estacionario. La manera como se deriva esta
ecuacin es la siguiente. Sea
*
y el nivel de ingreso por trabajador efectivo de estado
estacionario, y ) ( t y su valor real en el momento t. Aproximando alrededor del estado
estacionario, el paso de la convergencia est dado por
| | ) ( ln ) ln(
) ( ln
*
t y y
dt
t y d
= , (5)
donde ) 1 )( ( o o + + = g n . Esta ecuacin implica que
) ( ln ) ln( ) 1 ( ) ( ln
1
*
2
t y e y e t y
t t
+ = (6)
Donde ) (
1
t y es el ingreso por trabajador efectivo en algn punto inicial del tiempo y
) (
1 2
t t = t . Substrayendo ) ( ln
1
t y de ambos lados da
)) ( )(ln 1 ( ) )(ln 1 ( ) ( ln ) ( ln
1
*
1 2
t y e y e t y t y
t t
= (7)
Esta ecuacin representa un proceso de ajuste parcial que llegue a ser ms evidente del
cambio siguiente
)] ( ln )[ln 1 ( ) ( ln ) ( ln
1
*
1 2
t y y e t y t y =
t
(8)
En el este caso,
*
y es determinado por s y n, las cuales se asumen constantes en el perodo
que entero transcurrido entre
1
t y
2
t , y por lo tanto para representar los valores por el ao
actual tambin. Substituyendo por
*
y da
) ( ln ) 1 ( ) ln(
1
) 1 ( ) ln(
1
) 1 ( ) ( ln ) ( ln
1 1 2
t y e g n e s e t y t y
t t t
o
o
o
o
o

+ +

= (9)

La correlacin entre el inobservable ) 0 ( A y las variables observadas incluidas no es
evidente en la ecuacin (9) puesto que se ha formulado en trminos del ingreso por
trabajador efectivo. Por tal motivo en la implementacin del modelo, MRW trabajaron con
renta per cpita. Podemos, por lo tanto, reformular la ecuacin en trminos del ingreso
per cpita.
Observe que el ingreso por trabajo efectivo es
gt
e t A t L
t Y
t L t A
t Y
t y
) ( ) (
) (
) ( ) (
) (
) ( = = ,
En tanto que,
gt A t y gt A
t L
t Y
t y =
|
|
.
|

\
|
= ) 0 ( ln ) ( ln ) 0 ( ln
) (
) (
ln ) ( ln ,
Donde ) (t y es el ingreso per cpita, )] ( / ) ( [ t L t Y . Substituyendo por ) ( t y en la ecuacin
(9), obtenemos la usual ecuacin en funcin del nivel inicial de crecimiento:
) ( ) 0 ( ln ) 1 ( ) ( ln ) 1 (
) ln(
1
) 1 ( ) ln(
1
) 1 ( ) ( ln ) ( ln
1 2 1
1 2
t e t g A e t y e
g n e s e t y t y
t t t
t t
o
o
o
o
o


+ +
+ +

=
(10)
Sin embargo, si agrupamos los trminos con ) ( ln
1
t y en el lado derecho, obtenemos la
siguiente forma alternativa para la ecuacin:
) ( ) 0 ( ln ) 1 ( ) ( ln
) ln(
1
) 1 ( ) ln(
1
) 1 ( ) ( ln ) ( ln
1 2 1
1 2
t e t g A e t y e
g n e s e t y t y
t t t
t t
o
o
o
o
o


+ + +
+ +

=
(11)
Ahora puede verse que esto representa un modelo dinmico de datos de panel con
) 0 ( ln ) 1 ( A e
t
como el trmino individual invariante con el tiempo efecto regional.
Podemos utilizar la notacin convencional siguiente de la literatura de datos de panel:
9
it i t
j
j
t i j t i it
v x y y + + + + =

=

q u
2
1
1 ,
, (12)
donde
) ( ln
2
t y y
it
=
) ( ln
1 1 ,
t y y
t i
=

= e
o
o
u
t

=

1
) 1 (
1
e
o
o
u
t

=

1
) 1 (
2
e

) ( ) 0 ( ln ) 1 ( ) ln( ) ln(
1 2
2 1
t e t g A e g n x s x
t i t i t i
t t
q o

= = + + = =
Y
it
v es el trmino transitorio de error que vara a travs de pases y de perodos y tiene
media igual a cero. La estimacin de datos de panel de esta ecuacin proporciona ahora la
clase de ambiente necesario para controlar el efecto regional individual.

Podemos observar que la ecuacin (11) est basada en la aproximacin alrededor del estado
constante. Es, por lo tanto, vlida para perodos ms cortos tambin. Igualmente, puede
ser observado que en una sola regresin de corte transversal, s y n se asumen constantes
para el perodo entero. Tal aproximacin es ms realista para perodos ms cortos de
tiempo.
Yudong and Weeks (2000)
6


Como se mencion anteriormente, partiendo del modelo de Solow, se tiene que


z
g n s t t g A t y t y t y ) ln(
1
) 1 ( ) ln(
1
) 1 ( ) ( ) 0 ( ) 1 ( ) ( ln ) 1 ( ) ( ln ) ( ln
1 2 1 1 2
o
o
o
,
o
o
, , , , + +

+ + + =

donde
) (
) (
) (
t L
t Y
t y =
para el ingreso per cpita, y el trmino z denota el logaritmo natural del
estado estacionario del ingreso per cpita.
Ahora bien, si reunimos los trminos envueltos en el logaritmo del primer periodo en el
lado derecho de la ecuacin anterior, se puede escribir el modelo de crecimiento de una
forma autorregresiva as:
) ln(
1
) 1 ( ) ln(
1
) 1 ( ) ( ) 0 ( ln ) 1 ( ) ( ln ) ( ln
1 2 1 2
o
o
o
,
o
o
, , , , + +

+ + + = g n s t t g A t y t y

esta expresin representa un marco dinmico general dentro del cual se puede examinar la
convergencia del ingreso. Usando la notacin obvia podemos, agregando un trmino de
error, se puede escribir esta ecuacin como
t i i t t i t i t i
v x y y
, , 1 , ,
+ + + ' + =

q u , (1)
donde ) ) ln( ), (ln(
, , ,
' + + = o g n s x
t i t i t i
, ))) 1 /( )( 1 ( )), 1 /( )( 1 (( o o , o o , u = ' y

6
Tomado de Yudong y Weeks (2000).
10
, | = =1 . Los efectos
i
son interpretados como un compuesto de factores
inobservables regin-especficos, de tal modo que representan el efecto combinado de las
instituciones, dotaciones de factores y la localizacin relativa, junto con diferencias iniciales
en los niveles de tecnologa. De manera similar, el q
t
captura los efectos temporales
especficos que incluyen la tasa de cambio tecnolgico.

El concepto de |-convergencia condicional, presenta dentro de este enfoque una
extensin al modelo no condicional, y controlando diferencias en la tasa de crecimiento
poblacional, y las tasas de ahorro, remueve lo necesario para asumir idnticos estados
estacionarios de los niveles de ingreso para todas las regiones. Se tiene entonces
i i
t
i t i
u x y a g + + + = u |
1 ,
21
(2)
donde
i
x es un vector que incluye ) ln(
i
s y ) ln( o + + g n , y es el vector asociado de
coeficientes, y ) ( ) 0 ( ) 1 (
1 2
t t g A a , , + = .
Comparando (1) con (2) nosotros observamos que el intercepto en (2) es aditivo en dos
trminos constantes: ) 0 ( ln ) 1 ( A , y ) (
1 2
t t g , . Con la observacin mltiple por
unidad de corte transversal es posible, a travs de la introduccin de efectos regionales y
temporales especficos, relajar el supuesto de homogeneidad paramtrica estricta de ambos
) 0 ( ln A , el nivel inicial de tecnologa, y g, la tasa de progreso tecnolgico
7
.

Teniendo en cuenta diferencias en el nivel inicial de tecnologa ) 0 ( A , Yudong y Weeks
(2000) permiten que las economas tengan patrones distintos pero paralelos del estado
estacionario de la renta.

Ahora bien, en caso de que no haya homogeneidad en la tasa de progreso tecnolgico g. Se
sugiere entonces el uso de la aproximacin de datos panel para permitir que los pases
difieran no nicamente respecto a A(0), sino tambin respecto a g. Si g vara entre los
pases, los patrones de largo plazo no son paralelos a largo plazo y las economas divergen.
En cuanto a las implicaciones para la igualdad del ingreso, la existencia de heterogeneidad
en las tasas de crecimiento del nivel de tecnologa, altera completamente la nocin de
convergencia (condicional o no condicional).

Por ejemplo, se puede pensar que la tasa de progreso tecnolgico de un grupo de pases es
distinta de la de otro grupo. Esta hiptesis se puede probar usando una variable
indicadora. Entonces se puede reescribir (1) as
t i i t t j t i t i t i
v D x y y
, , 1 , ,
+ + + + ' + =

q q u (3)
donde 1 =
j
D si el i-simo pas pertenece al grupo 1. Ntese que dentro de cada grupo
existe un supuesto mantenido de que la tasa de progreso tecnolgico es homognea.

ENFOQUE DEL ANLISIS ESPACIAL DE DATOS

Este apartado se basa en una sntesis y compilacin de las investigaciones hechas por
Sang-Il Lee desde el ao 2001 hasta el momento, las cuales son bastante completas
respecto a las fuentes bibliogrficas comentadas y al compendio de tcnicas utilizadas
correspondientes a este enfoque. Los dems autores que aqu se nombran fueron citados
dentro de los trabajos sobre anlisis espacial de datos del mencionado Sang Il Lee.

7
Islam (1995) y CEL (1996) permiten que la funcin de produccin agregada difiera a travs de pases con respecto a estado inicial
de tecnologa lnA(0) mientras que la homogeneidad de g se mantiene.

11

Siguiendo a Lee (2009c), la -convergencia puede presentar ms problemas que la -
convergencia, puesto que el desconocimiento de efectos espaciales tales como la
dependencia espacial y heterogeneidad espacial, puede llevar a resultados insostenibles en
los estudios empricos de ese tipo. Hay dos desventajas resultantes de ello:

1). Las pruebas estadsticas para los coeficientes en modelos de regresin de OLS
podran no ser muy confiables en presencia de autocorrelacin espacial en los
residuales del modelo. Es decir, los b-coeficientes estadsticamente significativos
podran en realidad no serlo, si existe un nivel sustancial de dependencia espacial
positiva en la variable dependiente, es decir, en las tasas de crecimiento del ingreso
de los pases de la regin. Esto hace necesario usar una forma particular de
regresin espacial.
2). Una relacin negativa entre los niveles iniciales de ingresos y las tasas de
crecimiento del ingreso en un sentido global, no significa necesariamente que la
relacin se mantiene para todos los pases implicados: algunos pases podan
mostrar una relacin positiva; otros pases podan presentar un nivel diferente de la
relacin negativa. Esto se conoce como heterogeneidad espacial. As, es
importante incluir activamente al marco de investigacin, las diversas tcnicas de
ESDA (anlisis exploratorio espacial de datos) que utilizan medidas asociacin
espacial bivariadas tales como la L de Lee (2009b).

Correlacin Numrica y Spatial Copatterning en -convergencia

Es importante reconocer que encontrar un parmetro negativo de -convergencia de corte
transversal, no implica necesariamente que la varianza en los niveles de ingresos a travs del
tiempo declina (o o-convergencia). Quah (1993), ha demostrado que es posible que una
relacin negativa de corte transversal entre el ingreso inicial y la tasa de crecimiento
coexista con una varianza inestable a travs del tiempo en los niveles de ingresos de varios
pases. Esto surge a partir de la presencia de choques en las tasas de crecimiento regionales
especficas que pueden compensar el coeficiente negativo de b.

Adems, es posible que debido a los diferentes tipos de interacciones espaciales que se dan
entre los pases, pases adyacentes tiendan a mostrar una tendencia similar en el
comportamiento econmico, que se ver reflejada en los residuales de la regresin. Quah
(1996) precisa que "ningn pas se puede estudiar independientemente de los dems".
Cuando hay autocorrelacin espacial significativa presente en los residuales, las pruebas de
significancia para los b-coeficientes pueden no ser veraces aunque los coeficientes siguen
siendo insesgados.
8


Como debe recordarse, la -convergencia (o de acuerdo con Nijkamp y Poot (1998),
convergencia dbil), toma la forma de la siguiente regresin:
t
t
y
y
y
c | o + =
(

) ln( ln
0
0
(1)
donde y
i,0
, es el nivel de ingresos inicial en el pas i, y
i,t
es el nivel de ingresos en el pas i en
un ao t (final). Sin embargo, una forma ms compleja se ha preferido en algunos estudios
empricos:
t
k
t
y
k
e
y
y
c o
|
+
|
|
.
|

\
|
=
(

) ln(
1
ln
0
0
(2)

8
De acuerdo con Anselin y Griffith (1988) y Fotheringham y Rogerson (1993).
12

Existen varias razones estructurales de estos modelos que, de acuerdo como lo argumentan
algunos autores
9
, justifican que los estudios basados en |-convergencia deban involucrar
resultados de un anlisis espacial de datos.
Primero, dado que la ecuacin de la regresin se especifica con base en el algoritmo de
OLS, el enfoque est sujeto a problemas de autocorrelacin espacial de los residuales. As,
las ecuaciones de regresin en (1) y (2) deben ser especificadas por un modelo
autoregresivo espacial Cuando este problema se asocia a otros sntomas estadsticos tales
como no normalidad, inestabilidad estructural, y especificacin errnea (de acuerdo con
Tsionas (2000)), la investigacin entera llega a ser insostenible.

En segundo lugar, como Martin (2001) precisa, la aproximacin de -convergencia se basa
en el supuesto de que el proceso subyacente de convergencia sea idntico a travs de todos
los pases, mientras que en realidad esto puede variar de pas a pas, o entre los diversos
tipos o grupos de pases". Esto coincide con el argumento de Quah (1996) de que las
"aproximaciones basadas en regresiones de corte transversal o series de tiempo, no
proporcionan un cuadro de cmo la distribucin de corte transversal entera se desarrolla
10
.

En tercer lugar, la |-convergencia en el caso de 'convergencia absoluta' (sin ninguna otra
variable adicional), no es ms que una correlacin entre los niveles iniciales de ingresos y las
tasas de crecimiento del ingreso. Un b-coeficiente de una regresin de OLS se relaciona
directamente con la correlacin entre dos variables. Cuando las relaciones bivariadas entre
los niveles iniciales de ingresos y las tasas de crecimiento del ingreso estn espacialmente
agrupados, una medida global espacial bivariada de asociacin espacial debe reemplazar las
medidas correlacin espacial tales como el coeficiente r de Pearson. Adems, existe una
buena razn para creer que el coeficiente de correlacin promedio no se aplica al rea del
estudio del conjunto. Las correlaciones locales pueden ser altamente heterogneas. En el
contexto de la convergencia del ingreso, algunos pases inicialmente pobres pudieron haber
logrado cierto nivel de adelanto, mientras que algunos otros pudieron quedarse rezagados.
Esta heterogeneidad espacial se puede abordar solamente por una medida espacial bivariada
local de asociacin y las tcnicas relacionadas de ESDA.

Anlisis espacial de datos exploratorio (ESDA)

Las tcnicas relacionadas con anlisis espacial exploratorio de datos, sirven para extraer
conclusiones acerca de la dinmica espacio temporal de variables como el ingreso, que
pueden verse afectadas por fenmenos como la dependencia espacial o la heterogeneidad
espacial de los pases o regiones involucrados en ellos. A partir de dichos resultados,
pueden llevarse a cabo posteriormente medidas correctivas en los modelos tomados en
consideracin, desarrollados por medio de OLS en el anlisis de |-convergencia. De esta
forma, mediante los anlisis de ESDA, los resultados de los anlisis de |-convergencia se
evalan de manera crtica, es decir, se cuestiona la relacin negativa entre el nivel de
ingresos inicial y la tasa de crecimiento del ingreso a travs de los aos.
Tcnicas para detectar dependencia espacial

9
Lee menciona particularmente a los siguientes autores: Armstrong, 1995b; Molho, 1995; Bernat, 1996; Comisin de las
Comunidades Europeas, 1997; Mencken, 1998; Buettner, 1999; Fingleton, 1999; Rey y Montouri, 1999; Pons-Novell-Novell y
Viladecans-Marsal, 1999; Martin, 2001).
10
La heterogeneidad espacial se puede tratar por algunas otras tcnicas estadsticas espaciales multivariadas tales como mtodo de
la extensin (Casetti y Jones, 1987), funcin de rango ampliada (Fan y Casetti, 1994; Lopez- Bazo et al., 1999), matriz de cadena
de Markov (Quah, 1993, 1996b; Fingleton, 1997, 1999; Rey, 2001; Bickenbach y presagia, 2003), y la regresin geogrficamente
ponderada (GWR) (entre otros, Brunsdon et el al., 1996, 1998; Fotheringham et al., 1998, 2002).

13

La R de Pearson y la L de Lee (2001) son calculadas para diversos sub-periodos. La L de
Lee fue desarrollada para capturar no solamente la correlacin numrica, sino tambin la
correlacin espacial entre dos variables geogrficas o patrones espaciales, y la ecuacin est
dada por:




(
(

|
|
.
|

\
|

|
|
.
|

\
|

|
|
.
|

\
|
=
i
j
i
j
i j
j ij
j
j ij
i j
ij
y y x x
y y v x x v
v
n
L
2 2
2
) ( ) (
) ( * ) (
*
(3)

donde v
ij
es un elemento en una matriz espacial general de pesos V. La autocorrelacin
espacial en residuales de OLS se determina y un modelo SAR (autorregresivo simultneo),
por ejemplo, se introduce para solucionar el problema de autocorrelacin espacial de los
errores. Los patrones espaciales que resultan de una descomposicin de un modelo SAR
demuestran con eficacia la necesidad de usar modelos autorregresivos espaciales cuando la
autocorrelacin espacial en residuales es significativa.

Por otra parte, la estadstica de I de Moran mide la trayectoria de la autocorrelacin
espacial para los ingresos regionales en el mismo perodo. La significancia de la estadstica
de I del Moran se basa en el supuesto de normalidad.
(4)
Donde w
ij,t
es un elemento de una matriz espacial binaria de pesos W tal que w
ij
=1 si los
pases i y j comparten una frontera y cero en otro caso, x
i,t
es el logaritmo natural del
ingreso per cpita real del pas i en el ao t (medido como una desviacin del valor medio
para ese ao); n es el nmero de pases; y s
o
es un factor de posicionamiento igual a la suma
de todos los elementos de W.

Parece, por lo tanto, que una correlacin positiva entre la I de Moran global y la medida de
dispersin del ingreso, se deba a una consolidacin de los clusters regionales durante
perodos de divergencia del ingreso, ms que a clusters nuevamente formados. Tambin
parece que los pases que tenan altos ingresos iniciales y estaban rodeados por pases de
altos ingresos, tambin tenan tasas de crecimiento que estaban por debajo del promedio al
igual que sus vecinos.

Por ltimo, los estadsticos mostrados aqu, sirven para probar las siguientes hiptesis
estadsticas:
H
o
: No hay dependencia espacial en los residuos
H
a
: Hay dependencia espacial entre los residuos.


Tcnicas para detectar heterogeneidad espacial

Luego de determinar si hay dependencia espacial, se investiga si existe heterogeneidad
espacial de la |-convergencia. Las tcnicas bivariadas de ESDA tales como mapas de

= =
= =
=
n
i
n
j
t j t i
n
i
n
j
t j t i ij
o
t i
x x
x x w
s
n
I
1 1
, ,
1 1
, ,
,
14
dispersin local r y mapas de significancia local L
11
se utilizan para explorar la variacin
espacial en |-convergencia. Los mapas de dispersin local r y de significancia local L, se
basan en las estadsticas locales, r
i
local y L
i
local estn dados respectivamente por:




=
i
j
i
j
j j
i
y y x x
y y x x
r
2 2
) ( ) (
) ( * ) (
(5)





(
(

|
|
.
|

\
|

|
|
.
|

\
|

|
|
.
|

\
|
=
i
j
i
j
i j
j ij
j
j ij
i j
ij
y y x x
y y v x x v
v
n
L
2 2
2
) ( ) (
) ( * ) (
*
(6)

donde v
ij
es un elemento en una matriz espacial general de pesos V. Estas medidas de
ESDA se utilizan para investigar si la tendencia general de una relacin negativa entre los
niveles iniciales de ingreso y las tasas de crecimiento del ingreso es espacialmente uniforme.
La estadstica local de Moran para el pas i toma la siguiente forma:

(7)
con

Donde w
ij,t
es un elemento de una matriz espacial binaria de pesos W tal que w
ij
=1 si los
pases i y j comparten una frontera y cero en otro caso, x
i,t
es el logaritmo natural del
ingreso per cpita real del pas i en el ao t (medido como una desviacin del valor medio
para ese ao); n es el nmero de pases.

Anlisis confirmatorio espacial de -convergencia (CSA)

Aqu se presentan varios modelos, los cuales se espera que una vez hecho el anlisis
anterior, capturen variaciones espaciales de los parmetros de regresin, as como la
heterogeneidad espacial o no-estacionariedad en situaciones multi o bivariadas. Los
resultados de estos modelos deben ser comparados con aquellos del anlisis bivariado de
ESDA.

Modelos de dependencia espacial

Los modelos autoregresivos espaciales se usan cuando se ha detectado una correlacin
significativa en los residuales de OLS , a travs de tcnicas como la I de Moran.
Aqu, se presenta un modelo SAR (autoregresivo simultneo). Despus de la notacin de
Tiefelsdorf (2000), se escribe un modelo SAR:

ruido seal tendencia
V X y
te consiguien por V and X y
q c |
q c c c |
+ + =
+ = + = ,
(8)

donde es el trmino de error correlacionado y q un ruido blanco aleatorio. De la
ecuacin (8), la varianza de una variable dependiente se descompone en tres partes, que

11
Para una descripcin detallada sobre las tcnicas, vase Lee, 2001 y 2009b

=
=
n
j
t j ij
o
i
t i
x w
m
x
I
1
, ,

=
n
i
t i o
x m
2
,
15
Haining (2003) ha llamado respectivamente tendencia, seal, y ruido. Si no hay
autocorrelacin espacial, r, el coeficiente espacial de autocorrelacin, ser cero, as, la
varianza de una variable dependiente se descompone en vectores de valores predichos y de
errores no correlacionados
q | | + + = VX Vy X y (9)

De acuerdo con Tiefelsdorf (2000), esta ecuacin se puede descomponer de la siguiente
manera: (i) las influencias espaciales independientes del componente exgeno | X ; (ii) las
observaciones endgenas espacialmente dependientes Vy ; (iii) los valores espaciales de la
tendencia | VX ; (iv) disturbios independientes q . Adems, segn Tiefelsdorf (2000) la
matriz de varianza-covarianza entre los trminos del error puede ser escrita como ) ( O .
Lo que hace un modelo SAR es descomponer los residuales en errores espaciales
autocorrelacionados (seal) y no-autocorrelacionados (ruido).

Eliminando las partes espacialmente autocorrelacionadas de los residuales, el mapa de ruido
exhibe pocas veces autocorrelacin espacial. Un resultado crucial es que generalmente el
mtodo SAR modela valores t perceptiblemente ms bajos que los coeficientes .
Esto implica, como Bailey y Gatrell (1995) indican, que los modelos de OLS tienden a
inflar la significancia de los coeficientes de la regresin en presencia de dependencia
espacial.

Spatial Error Model.
En la mayora de los usos del modelo de Baumol un supuesto implcito es que los trminos
del error de diversos estados son independientes:
(10)
Esta especificacin es relevante cuando la dependencia trabaja con el proceso en que los
errores de diferentes pases pueden exhibir covarianza espacial. Usando la notacin
vectorial el trmino de error sera expresado como:
t t
t t t
u Wg bI
u W
1
=
+ =
, c
c , c
(11)
donde es un escalar coeficiente del error espacial y u~N(0,
2
I). En este caso el trmino
original del error tiene la siguiente matriz no-esfrica de covarianza:
( ) ) (
1 2 1
' = '

Wg bI Wg bI E
t t
, o , c c (12)
Al igual que bien sabido, el mtodo de Mnimos Cuadrados Ordinarios (OLS) en la
presencia de errores no esfricos dara estimaciones insesgadas para el parmetro de
convergencia (y el intercepto), pero un estimado de la varianza sesgado. En lugar, las
inferencias sobre el proceso de convergencia se deben basar en el modelo estimado de
error espacial hecho por la va del mtodo de mxima verosimilitud o el mtodo general de
momentos.

Desde una perspectiva espacial de proceso, el error de especificacin espacial tiene una
interpretacin interesante cuando se aplica a la hiptesis de convergencia. Esto se puede
ver reemplazando (11) en (9):
t
t
u Wg bI y
y
y
1
0
0
) ln( ln

+ + =
(

, | o (13)

( ) I E
t t t
2 '
o c c =
16
A partir de (8) es evidente que un choque aleatorio introducido en un pas especfico
afectar no solamente la tasa de crecimiento en esa pas, sino a travs de la transformacin
espacial afectar las tasas de crecimiento de otros pases. Por otra parte,
mientras que cualquier pas tiene un nmero limitado de vecinos, como es expresado por la
dispersin de la matriz de pesos espaciales, el operador inverso en la transformacin define
la estructura de covarianza del error que difunde choques regionales especficos no
solamente a los vecinos de ese pas, sino a travs del sistema.

Spatial Lag Model.
La dependencia espacial puede adquirir tambin varias formas substantivas que pueden ser
relevantes en la hiptesis de la convergencia. La primera forma de dependencia substantiva
que consideramos se incorpora en la especificacin incondicional a travs de un rezago
espacial:
t
t t
y
y
W y
y
y
c | o +
(

+ + =
(

0
0
0
ln ) ln( ln (14)

donde p es el parmetro escalar espacial autoregresivo y todos los otros trminos estn
segn lo definido previamente. Esta especificacin, de acuerdo con Anselin y Bera (1997),
se puede interpretar de varias maneras. Desde una perspectiva de filtrado, de acuerdo con
Getis (1995), el foco est en la naturaleza de la relacin de convergencia despus de que el
efecto espacial haya sido controlado por:
t
t
y
y
y
Wg bI c | o + + =
(

) ln( ln
0
0
(15)

Alternativamente, cuando el inters se centra en la dependencia espacial de la variable
dependiente, la cuestin que surge es como la tasa de crecimiento de un pas puede
relacionarse con las de los pases circundantes despus de condicionar en los niveles
iniciales de ingreso. Esta perspectiva es importante porque trata la cuestin de si los
indicadores de dependencia espacial en las tasas de crecimiento, reportadas en las pruebas
univariadas de dependencia espacial de la seccin anterior, pueden ser un artefacto del
proceso de convergencia de los ingresos iniciales que estaban autocorrelacionados
espacialmente. Finalmente, desde la perspectiva de los procesos generadores de datos
(D.G.P) para la especificacin del rezago, el valor predicho de las tasas de crecimiento del
ingreso puede ser expresado como sigue:
| | | |
t
t
Wg bI E y e Wg bI E
y
y
E c | o
1
0
1
0
) ln( ln

+ + =
|
|
.
|

\
|
(

(16)
Esto revela cmo el valor esperado de la tasa de crecimiento del ingreso de cada pas se
relaciona no solamente con su propio nivel inicial de ingreso, sino con los de otros pases
tambin. Mientras que el valor esperado del trmino de error es 0, una realizacin diferente
de cero de un choque para un estado particular afectar no solamente a ese pas sino, con la
transformacin espacial, tambin afectar a otros pases (de la misma manera que el modelo
del error).

Aplicar OLS a la especificacin del rezago, da resultados inconsistentes debido a la
simultaneidad introducida a travs del rezago espacial. En lugar de eso, se ha sugerido un
nmero de estimadores alternativos basados en mxima verosimilitud y variables
instrumentales, de acuerdo con Anselin (1988).
1
Wg bI ,
17

Spatial Cross-Regressive Model.
Una segunda posibilidad de tratar con efectos espaciales de spill-over sustanciales, es el
modelo de corte transversal en el cual el rezago espacial de los ingresos per cpita iniciales
se agrega a la especificacin original:

t
t
y W y
y
y
c t | o + + + =
(

) ln( ) ln( ln
0 0
0
(17)
En contraste con el modelo rezagado, donde la dependencia espacial en la variacin
omitida por el modelo no condicional se refleja en las tasas de crecimiento del ingreso per
cpita sobre el perodo en consideracin, en el modelo regresivo la dependencia espacial
restante se debe a los niveles de ingreso inicial. Porque la ltima variable y su rezago
espacial son exgenos, la estimacin del modelo de corte transversal puede basarse en
OLS. De esta forma, la omisin errnea del trmino regresivo de rezago conducira a
errores espacialmente autocorrelacionados. Puesto que cada uno de estos tres modelos
espaciales de convergencia del ingreso tienen diversas interpretaciones para la naturaleza
del proceso de convergencia, llega a ser importante distinguir entre estos tres as como el
modelo de convergencia espacial original de (9).

Modelos de heterogeneidad espacial /Regresin geogrficamente ponderada
(GWR)
Esta aproximacin es una combinacin Mnimos Cuadradrados Ponderados (WLS) con
regresin de kernel (Schimek 2000).
12
GWR es diferente de cualquier modelo
autorregresivo espacial porque produce un conjunto de estimaciones localizadas.
Fotheringham et al. (1998) afirman que "mirar una estimacin del modelo de GWR da una
cierta nocin de cmo los efectos localizados afectan los coeficientes unidos a las variables
especficas".
En la regresin de OLS, los parmetros de la regresin en la i-sima locacin se estiman
por:
y X X X b
t t 1
) (

= (18)
En el GWR, se dan:
y W X X W X b
i
t
i
t
i
1
) (

= (19)
donde W
i
en una matriz diagonal de pesos espaciales nn, la cual es una matriz compuesta
de entradas en la i-sima fila en la correspondiente matriz espacial global de pesos. Una
matriz espacial global de pesos para GWR es

<
=
caso otro en
h d si h d
w
ij ij
ij
0
} ) / ( 1 {
2 2
(20)

donde d
ij
es una distancia entre los objetos espaciales, y h es la anchura o rango fuera de la
cual la autocorrelacin espacial no existe. Para determinar h, puede ser utilizado un
algoritmo de estimacin cruzada.

Adicionalmente, se puede decir que otra manera de investigar heterogeneidad espacial en
los parmetros estadsticos es especificar un modelo de regresin geogrficamente
ponderado (GWR). No obstante, en comparacin con los mapas de dispersin Local-r y

12
Sin embargo, GWR difiere de WLS en el sentido que una matriz de pesos en WLS es constante a travs de observaciones, y es
diferente de la regresin de kernel, en el sentido de que la matriz de pesos en GWR est basada en la proximidad espacial, ms que
en la similitud numrica
18
Local-L, GWR parece proporcionar menos informacin. Esto sugiere que GWR pueda
desempearse mejor en una situacin multivariada, que en una situacin bivariada (Lee
2001). As, GWR es ms conveniente para examinar casos de convergencia condicional.

RESULTADOS DEL ANALISIS DE DATOS DE PANEL

Como lo menciona Islam (1995), un aspecto relevante a tener en cuenta en la estimacin
es si los efectos individuales deben ser determinados como "fijos" o "al azar". En el
ltimo caso los efectos se asumen no correlacionados con las variables exgenas incluidas
en el modelo. En los estudios empricos sobre convergencia, est claro que los
estimadores se apoyan en tales supuestos porque es precisamente el hecho de correlacin lo
que forma la base de la argumentacin para la aproximacin de panel. Por otra parte, el
estimador de Mnimos Cuadrados con Variables Dummy (LSDV) el cual est basado en el
supuesto de efectos fijos sigue siendo usado en estudios empricos, aunque este supuesto
puede parecer demasiado fuerte (Islam (2000)). Un problema con LSDV, surge de su
carcter dinmico.

La presencia de una variable dependiente rezagada en el lado derecho de la ecuacin (12)
del apartado 2.5.2 hace que el estimador de LSDV sea inconsistente asintticamente,
cuando N . Sin embargo, las caractersticas asintticas de los estimadores de
datos de panel se pueden considerar en la direccin de T, y Amemiya (1967) ha
demostrado que cuando se considera en esa direccin, LSDV demuestra ser consistente y
asintticamente equivalente al estimador de Mxima Verosimilitud (MLE)
13
.

Por otra parte, el estimador de Distancia Mnima (MD) propuesto por Chamberlain
(1982, 1983) fue especialmente diseado para los modelos donde los efectos individuales se
correlacionan con las variables exgenas incluidas. El estimador de MD tiene la propiedad
atractiva adicional de que es robusto a cualquier presencia de correlacin serial en el
trmino
it
v .

De acuerdo con Yudong y Weeks (2000) al revisar el trabajo de CEL(1996), el estimador de
GMM desarrollado por Blundell y Bond (1998) representa una significante mejora sobre el
estimador de primera diferencia de GMM propuesto por Caselli Esquivel y Lefort (1996) (
despus por CEL). Dado que el logaritmo natural del GDP per cpita (o los promedios de
cinco aos del logaritmo del GDP per cpita), es una variable persistente, existen
correlaciones dbiles entre la tasa de crecimiento del logaritmo del GDP per cpita y los
niveles rezagados de esta variable. Este resultado es conocido como el problema de los
instrumentos dbiles en el contexto del estimador GMM de primera diferencia. Blundell y
Bond (1998) demostraron que este problema puede derivar en sesgos cuando se usa dicho
estimador para estimar modelos autorregresivos para series moderadamente persistentes de
panels relativamente pequeos.

Esencialmente, el estimador del sistema GMM representa el uso de primeras diferencias
rezagadas como instrumentos para las ecuaciones en niveles, en adicin a los usuales
niveles rezagados usados como instrumentos para las ecuaciones en primeras diferencias.
En suma, el desempeo en muestras finitas, del sistema GMM puede ser probado por la
identificacin de un rango de estimacin para la velocidad de convergencia provista por el
estimador de OLS
14
.

13
Islam (2000).
14
Yudong y Weeks (2000).
19

Como una manera de corregir este sesgo, Blundell y Bond (1998) notaron que si las
condiciones iniciales
1 , i
y satisfacen la restriccin estacionaria ] [
2 i i
y E A = 0, entonces los
valores rezagados de
s t i
y

A
,
tanto como
s t i
x

A
,
estn disponibles como instrumentos para
las ecuaciones de nivel. El estimador resultante del sistema GMM, combinando ecuaciones
en niveles con ecuaciones en primeras diferencias, presenta una mejora en la eficiencia
asinttica y en las propiedades de muestra finita, relativas al estimador GMM de la primera
diferencia. Ambos conjuntos de las condiciones de momentos pueden ser explotadas
como un estimador lineal GMM en un contexto de sistema.

Por su parte, el mtodo de Variables Instrumentales de Anderson y Hsiao (1981), da
resultados consistentes incluso en la presencia de errores de medida si se toma un nmero
suficiente de rezagos en los instrumentos tomados. Sin embargo, Shioji (1997) encontr
que este mtodo es ineficiente frente al mtodo GMM, haciendo que las pruebas de
significancia tiendan a no rechazar la hiptesis nula. El problema que Shioji (1997)
encuentra al mtodo GMM, es que el nmero de instrumentos necesarios se incrementa
cuando crecen N o T.

Por ltimo, los mtodos de mxima verosimilitud y covarianzas dan estimaciones
consistentes de los parmetros cuando N y T tienden a infinito. Sin embargo, de acuerdo
con Hsiao (1986) si T est fijo, los estimadores sern inconsistentes y el estimador de | ser
sesgado. Esa inconsistencia surge a partir de la eliminacin de los efectos fijos.

Resultados

Para llevar a cabo la estimacin usando datos de panel, se privilegi el uso del mtodo de
Variables Instrumentales, puesto que dicho mtodo arroja estimadores que se comportan
como los de MV (Mxima Verosimilitud) independientemente de las condiciones de los
valores iniciales (si
0 , i
y est correlacionado o no con
t
q ), a la vez que es un mtodo
sencillo de estimacin. La caracterstica principal de este mtodo es que
2
,

,
v
o u ' son
consistentes cuando N o T tienden a infinito
t i i t t i t i t i
v x y y
, , 1 , ,
+ + + ' + =

q u o bien
t i t i t i t i
v a x y y
, , 1 , ,
+ + ' + =

u donde
i t
t t g A a q , , + = + = ) ( ) 0 ( ln ) 1 (
1 2

Adems, esta propiedad de consistencia se mantiene si se trata de un modelo de efectos
fijos o aleatorios.
En nuestro caso, siguiendo a Islam (1995) se asumieron efectos fijos. Las variables
consideradas fueron las siguientes:
- )) ln( ) (ln(
, , ,
o + + = g n s x
t i t i t i
, donde
t i
s
,
es la tasa de ahorro promedio (como
porcentaje del GDP) del pas i durante el periodo t;
t i
n
,
es la tasa de crecimiento anual de la
fuerza laboral para el pas i en promedio para el periodo t, y o + g se considera constante e
igual a 0,05 siguiendo tambin a Islam.
-
t i
y
,
es el ingreso per cpita promedio del pas i durante el periodo t.
Los periodos considerados, corresponden al promedio de las dcadas de 1970, 1980, 1990 y
2000.
Ahora bien, el procedimiento utilizado fue el siguiente:
1. Se transforma el modelo original utilizando primeras diferencias:
20
) ( ) ( ) (
1 , , 1 , , 2 , 1 , 1 , ,
+ + =
t i t i t i t i t i t i t i t i
v v x x y y y y u
y se estiman y u usando
2 , t i
y o ) (
3 , 2 ,

t i t i
y y como instrumentos, teniendo en
cuenta que
2 ,
A
t i
y est correlacionado con
1 ,
A
t i
y y no lo est con
t i
u
,
A . Alternativamente
se puede usar
2 , t i
y
2. Se obtiene a as
i t i i t t i IV t i IV i
a v T x y y

, , 1 ,
= + + = '

q u
Los resultados obtenidos de este procedimiento se reflejan en el cuadro que se muestra a
continuacin
15
. Cabe mencionar que la variable que se us como instrumento en este caso
fue
2 ,
A
t i
y , puesto que en comparacin con
2 , t i
y estaba ms correlacionada con la
variable instrumental
1 ,
A
t i
y y menos con los errores resultantes de la estimacin de
Variables Instrumentales del modelo correspondiente:

Para el caso condicional:
Parameter Standard
Variable Estimate Error t Value Pr > |t|

1 ,

A
t i
y
0.71748 0.29332 2.45 0.0229

t i
x
,
A
0.04733 0.04004 1.18 0.2498
En este caso, la variable endgena es significativa mientras que la variable exgena no. No
obstante, el coeficiente de la primera de dichas variables es <1, lo que es un indicio de un
proceso de convergencia

Otro aspecto importante, es que a medida que la muestra se reduce los resultados son se
mantienen, es decir, son robustos, como se ver ms adelante. Se efectuaron pruebas de
autocorrelacin y heteroscedasticidad en los residuos y en todos los casos, no se detectaron
problemas.

Para el caso no condicional:

Parameter Standard
Variable Estimate Error t Value Pr > |t|

1 ,

A
t i
y
0.71178 0.29581 2.41 0.0246

Cabe mencionar que la variable que se us como instrumento en este caso fue
2 ,
A
t i
y .
En este caso, tambin se puede decir que hay un proceso de convergencia.

Ahora, se eliminan 5 pases: Hait, Nicaragua, Honduras Guyana y Barbados, los cuales
tambin se haban eliminado en el anlisis de corte transversal, con el fin de que el grupo de
pases involucrado en el anlisis, fuera ms homogneo.

Para el caso condicional:

Parameter Standard
Variable Estimate Error t Value Pr > |t|

1 ,

A
t i
y
0.93550 0.26779 3.49 0.0028

15
Los pases considerados inicialmente fueron: Hait, Nicaragua, Honduras , Guyana, Bolivia , Ecuador, Paraguay , Guatemala ,
Colombia , Per , El Salvador , Surinam , Repblica Dominicana, Belice , Brasil , Panam , Costa Rica , Venezuela, Chile ,
Uruguay , Mxico , Argentina , Trinidad and Tobago , Barbados.
R
2
ajustado:
0.1805
R
2
ajustado:
0.1664
R
2
ajustado:
0.3740
21

t i
x
,
A
0.02934 0.05061 0.58 0.5697
En este caso, la velocidad de convergencia (1- ) se reduce, con respecto a lo que se
observaba cuando se hacan las estimaciones con el grupo de pases completo. No
obstante, sigue habiendo convergencia.

Para el caso no condicional:

Parameter Standard
Variable Estimate Error t Value Pr > |t|

1 ,

A
t i
y
0.95687 0.26030 3.68 0.0017

En este caso, los resultados son muy parecidos a los del modelo inmediatamente anterior.
Hay un proceso de convergencia. Finalmente, se puede concluir que, luego de eliminar los
efectos regionales individuales (y espaciales) a travs de la especificacin de modelos de
datos panel, se puede decir que en la regin comprendida por Latinoamrica y el Caribe, ha
habido un proceso de convergencia desde 1980 aproximadamente. Por otro lado, aunque
el mayor problema del mtodo de estimacin empleado aqu hubiera podido ser la
ineficiencia de los estimadores, en todos los casos, los coeficientes de la variable endgena
resultaron ser significativos. A esto se aade el hecho de que los resultados son robustos, y
parecen no ser muy sensibles al tamao de la muestra usado (si bien, se fij el nmero de
periodos). Cabe mencionar que con base en las pruebas de heteroscedasticidad (White y
Breush Pagan) no se detectaron problemas de este tipo.

EL MODELO DEL ANALISIS ESPACIAL DE DATOS (Data Envelopment
Analysis).
16


El objetivo principal de esta aproximacin es aplicar las nociones de convergencia ms
populares de la literatura sobre crecimiento econmico, a travs un modelo DEA (Data
Envelopment Analysis) que se adece lo ms posible a tales nociones. Se toma como
referencia el grupo de pases latinoamericanos, puesto que estos presentan, en principio,
grados similares de desarrollo tecnolgico y econmico.

Algunos anlisis fueron hechos anteriormente, como aquellos que tienen que ver con
convergencia beta absoluta y condicional, la cual plantea bsicamente que para que haya
convergencia entre un grupo de pases, debe haber una relacin negativa entre su nivel
inicial de ingreso per cpita (medido a travs de su GDP per cpita) y su tasa de
crecimiento, es decir que para haya convergencia los pases ricos deben crecer a una tasa
menor que los pobres, de forma que a largo plazo estos ltimos tengan un nivel de
ingresos similar a los primeros. Sin embargo, la mayora de pruebas paramtricas y no
paramtricas desarrolladas hasta el momento, parten del supuesto de que un grupo de
pases converge o no con la posibilidad de que haya clubes dentro de ste, pero no
identifican qu pases pertenecen a tales clubes. As, una debilidad de los estudios que se
han llevado a cabo hasta el momento, es que muchos de estos dicen si hay convergencia o
no sin mostrar que hay pases que por su alto grado de discordancia con el resto del grupo
afectan de manera contundente dichos resultados, lo que se ve en el trabajo de Surez
(2003), de Utrera( 2001) en el que se aplican cadenas de Marcov Discretas y de Dewhurst

16
Basado en el trabajo Anlisis del crecimiento econmico de los pases latinoamericanos utilizando Data Envelopment Analysis,
presentado como proyecto final en la clase de DEA de la Maestra de Ingeniera Industrial de la Universidad de los Andes de
Bogot. II semestre 2010.
R
2
ajustado:
0.3971
22
(1996), quien desarrolla un mtodo estadstico multivariado conocido como la Matriz de
Estabilidad.

La metodologa de DEA, puede proporcionar ventajas como la posibilidad de identificar
cuales pases tendrn un ingreso per cpita futuro similar, a la vez de establecer un ranking
de pases de acuerdo a su nivel desarrollo econmico. Tambin este enfoque brinda la
posibilidad de introducir otras variables que puedan condicionar la relacin bsica entre el
ingreso al comienzo y al final de un periodo como evidencia de un procesos de
convergencia.

La aproximacin presentada aqu, se basa en el trabajo de Banker y Morey (1986) quienes
desarrollan un modelo DEA para variables categricas, al igual que en el concepto de
convergencia | absoluta, el cual ha sido trabajado anteriormente.

As, lo que se busca es medir el nivel de desempeo de cada pas con respecto a dos
variables que sern las salidas: Ingreso Inicial per cpita en logaritmo natural y la tasa de
crecimiento del ingreso per cpita.

Como debe recordarse, la -convergencia, toma la forma de la siguiente regresin:
t
t
y
y
y
c | o + =
(

) ln( ln
0
0

donde la variable dependiente es la tasa de crecimiento del ingreso, y la variable
independiente es el ingreso inicial per cpita. Ahora bien, habr convergencia en la medida
en que estas dos variables estn correlacionadas negativamente.

Esto ltimo se tradujo a DEA, llevando estas dos variables a ser salidas (outputs) de suerte
que cada categora implica un nivel de desarrollo de suerte que las economas que se
encuentra en la frontera de una categora dada, puedan tener a corto plazo niveles
relativamente cercanos de desarrollo por cuanto sus niveles de ingreso per cpita inicial
pueden ser compensados por la tasa de crecimiento del periodo observado, cumplindose
la condicin dada por la hiptesis de convergencia.

En el modelo DEA una manera general de manejar variables categricas debe interpretar
los diferentes atributos o estados como diferentes tipos de entradas o salidas reconociendo
la necesidad de variables homogneas dentro de las DMUs
17
. La idea principal de un
modelo DEA en presencia de una variable categrica, es que las DMUs (Decision Making
Units) que gozan de una alta ventaja en su desempeo en virtud de su valor en dicha
variable categrica no pueden ser tomadas como punto de referencia para las DMUs
menos aventajadas en esa variable. Sin embargo, una DMU menos aventajada en la
variable categrica puede ser tomada como referencia para las DMU que son ms
aventajadas en esa variable.
Esta idea fue operacionalizada por Banker y Morey (1986) utilizando un modelo de
programacin entera. Se asume que hay N DMUs (j = 1...N) usando m entradas para
asegurar s salidas y que su desempeo es afectado por alguna variable categrica. Se denota
x
ij
y y
rj
el nivel de la i-sima entrada y la r-sima salida respectivamente, observadas para la
DMU j. Ahora se asume que en la base de la variable categrica las DMUs pueden ser
subdivididas en subconjuntos mutuamente excluyentes y exhaustivos S
1
, S
2
, S
3
... S
K
,en
tanto que las DMUs en el subconjunto i gozan de una ventaja de productividad sobre las
DMU de los subconjuntos precedentes 1, 2, . . . , i-k. Entonces la eficiencia tcnica de

17
Frsund (2002).
23
salida de la DMU j
0
e S
l
, l s K es h
*
0
, donde h
*
0
es el valor ptimo de h
0
en el siguiente
modelo.

Max
jo
h
s.a.

libre es h S j
s r y h y
m i x x
jo l j
S S S S j
j
S S S S j
rj jo rj j
S S S S j
ij ij j
l
l
l
, , 0
1
... 1
... 1
...
...
0
...
0
3 2 1
3 2 1
3 2 1
e >
=
= >
= s

e
e
e

Donde hay k categoras a las que pueden pertenecer las DMU (en este caso los pases), las
cuales son S
1
, S
2
, S
3
... S
K
, en orden de peor a mejor categora. De esta manera, en la
evaluacin slo entran las DMU de la misma categora (de la DMU j) o de categoras ms
desfavorables.

Este modelo admite nicamente a las DMUs que no gozan de mejores ventajas en la
variable categrica que la DMU j
0
con sus mismas caractersticas como las de sus
homlogos (peers) eficientes. As, si la DMU j
0
es identificada como Pareto-ineficiente no
puede ser tenida en cuenta a causa del valor que tiene en la variable categrica.

El modelo mostrado aqu no admite compensaciones entre la ventaja sobre el nivel de
desempeo que la variable categrica otorga a una DMU y el resto de las variables de
entrada o salida incluidas dentro de la evaluacin. El efecto de esto es que mientras una
DMU resulta ser relativamente ineficiente, no se puede culpar el valor que ella tiene en la
variable categrica. De lo contrario, algunas DMUs pueden parecer artificialmente ms
eficientes de lo que ellas realmente son. Por ejemplo si los grupos de DMUs menos
aventajadas en desempeo estn escasamente poblados, entonces sus DMUs pueden
parecer ms eficientes de lo justo, simplemente por la falta de puntos de comparacin
apropiados.

La aproximacin precedente para manejar variables categricas dentro de DEA es aplicable
cuando la DMU no tiene control sobre el valor de la variable categrica en su caso. Es
posible que la DMU tenga algn control sobre el valor de su variable categrica.


Resultados

Para comenzar, se consideraron dos variables de salida nicamente: El ingreso inicial per
cpita (del ao 1980) y el ingreso final per cpita (2009), dentro de un modelo envolvente
orientado a salidas. Esta configuracin se hizo teniendo en cuenta el principio de
isotonicidad, de acuerdo al cual sera ms deseable tener ms de ambas salidas, y los
ptimos de Pareto sern aquellos pases que tengan el nivel de desarrollo (desempeo)
esperado ms elevado dentro del conjunto de pases analizados, pero similar entre ellos.

Posteriormente, se busca otro nivel de desarrollo econmico (o categora) eliminando del
conjunto de datos, los ptimos de Pareto precedentes y buscando otros nuevos, hasta que
24
las DMU se agoten luego de iteraciones sucesivas. Este procedimiento tiene en cuenta que
para el anlisis de DMUs en categoras, se analizan solamente unidades de la misma
categora y de categoras inferiores, aunque aqu las categoras no sean preestablecidas.

De esta forma, se corri un modelo DEA, con dos outputs: Ingreso Inicial per cpita e
Ingreso Final per cpita (ambos en logaritmos naturales), asumiendo desde el comienzo
una relacin inversa entre estos dos (que corresponde a la hiptesis de convergencia) con
el fin de que un pas que se encuentre en la frontera ParetoEficiente est all bien porque
su nivel ingreso al final de cierto periodo comprendido en esta ocasin por un nmero de
aos (una dcada) , compensa a travs del crecimiento de dicha variable, los niveles de
ingreso al comienzo de dicho periodo. Este modelo se corri asumiendo retornos
variables a escala VRS
18
. Dicho modelo tena la siguiente especificacin
Max
jo
h
s.a.

libre es h S j
s r y h y
jo l j
S S S S j
j
S S S S j
rj jo rj j
l
l
, , 0
1
... 1
...
...
0
3 2 1
3 2 1
e >
=
= >

e
e

Luego, varios modelos se corrieron sucesivamente, eliminando los pases que haban estado
anteriormente en la frontera (es decir, las DMU Pareto Eficientes), de manera que cada
frontera establecida en cada modelo, correspondiera a una categora (o nivel de ingresos)
donde se espera que en el corto y mediano plazo los pases que pertenecen a ella tengan un
nivel de ingresos per cpita muy similar, lo cual se confirm posteriormente haciendo un
anlisis de clusters para la serie proyectada diez aos con base en la tasa de crecimiento
promedio del ingreso per cpita observada en los ltimos veinte aos.

En total se corrieron 17 modelos con las especificaciones mencionadas que arrojaron las
siguientes categoras, que se pueden asumir como niveles de desarrollo econmico, las
cuales van desde el mejor nivel de desarrollo posible dentro del grupo de pases hasta el
peor:
1. Bahamas, Puerto Rico, 2. Antigua y Barbuda, Barbados, 3. Argentina, Trinidad and
Tobago, 4. Cuba , St. Kitts and Nevis, 5. Mxico, 6. Uruguay, 7. Chile, Venezuela,
8. Brasil, St. Luca, Costa Rica, 9. Panam, Dominica, 10. Belice, Jamaica, St.
Vicente and las Granadinas, 11. Repblica Dominicana, Surinam, 12. Per,
Colombia, 13. El Salvador, 14. Guatemala, Paraguay, 15. Ecuador, 16. Bolivia,
Honduras, 17. Guyana, Nicaragua, 18. Hait.

Un hecho interesante es que este ranking no corresponde exactamente al resultado de
ordenar los datos por alguna de las variables incluidas como outputs en el modelo. Adems,
al hacer un anlisis de cluster para el GDP per cpita del 2010 resulta el dendograma que se
encuentra en el Apndice (Grfico 1) con el que hay ciertas similitudes
19
.
Una posibilidad interesante para estudios posteriores podra ser incluir pesos
(ponderaciones) en el modelo para las variables involucradas, o incluir otras variables para
transformar el modelo a uno de convergencia | no condicional.

18
Corriendo un modelo con retornos constantes a escala (CRS), se obtienen resultados muy similares.
19
Se hizo utilizando el mtodo de Ward en el programa SAS. Las proyecciones se hicieron tomando en cuenta la tasa crecimiento
promedio de los diez ltimos aos (para cada pas), hasta el 2009.
25



CONCLUSIONES

Se estimaron modelos con datos panel, con el fin de controlar los efectos regionales
individuales de manera que emergiera con ms claridad la relacin entre las variables
econmicas observadas que se incluyen dentro del modelo. La relevancia de estos modelos
radica principalmente en que al combinar series de tiempo con datos de corte transversal,
darnos una idea de la relacin de las variables a travs del tiempo. Los resultados muestran
que hay convergencia para todos los pases de la regin, una vez se han controlado los
efectos regionales individuales, es decir, la heterogeneidad en los niveles iniciales de
tecnologa.

Finalmente, a travs de la implementacin de un modelo DEA de variables categricas
(nivel de desarrollo), se encontraron pases que a corto y mediano plazo podran llegar a
tener niveles de GDP per cpita muy similares. En total, se encontraron 18 niveles, los
cuales fueron:
1. Bahamas, Puerto Rico; 2. Antigua y Barbuda, Barbados; 3. Argentina, Trinidad and
Tobago; 4. Cuba , St. Kitts and Nevis; 5. Mxico; 6. Uruguay; 7. Chile, Venezuela;
8. Brasil, St. Luca, Costa Rica; 9. Panam, Dominica; 10. Belice, Jamaica, St.
Vincente and las Granadinas; 11. Repblica Dominicana, Surinam; 12. Per,
Colombia; 13. El Salvador; 14. Guatemala, Paraguay; 15 Ecuador; 16. Bolivia,
Honduras; 17 Guyana, Nicaragua; 18. Hait.

Por dems, sera interesante analizar problemas de dependencia y heterogeneidad espacial
en una prxima ocasin. La razn por la cual en este trabajo no se llev a cabo dicho
anlisis fue porque no se dispona del software adecuado.


BIBLIOGRAFIA
- Chamberlain (1984). Panel Data, en Handbook of Econometrics, Vol.II.
- Hsiao (1986). Analisys of panel data. Cambridge University Press.
- Islam (1995). Growth empirics: A panel data approach, Quarterly Journal of
Economics, 110(443): 1127-1170.
Lee, Sang Il (2001). Developing a bivariate spatial association measure:an integration of
Pearsons r and Moran s I , Journal of Geographical Systems, 3(4),369-385.
- Lee, Sang Il (2002). Spatial Association Measures for an ESDA-GIS
Framework:Developments, Significance Tests,and Applications to Spatiotemporal Income
Dynamics of U.S.Labor Market Areas ,1969-1999, Ph.D. Thesis, The Ohio State
University.
- Lee, Sang Il (2004a). A generalized significance testing method for global measures of spatial
association:an extension of the Mantel test, Environment and Planning A ,36,in press.
- Lee, Sang Il (2004b). Exploring the bivariate spatial dependence and heterogeneity: a local
bivariate spatial association measure for exploratory spatial data analysis (ESDA).
International Journal of Geographical Information Science.
- Lee, Sang Il (2004c). Spatial data analisys for the US Income Convergence, 1969-1999: A
critical appraisal of B-convergence. Journal of the Korean Urban Geographical Society,
Vol.39, No.2, 212-228.
26
- Lee, Sang Il (2001). Developing a bivariate spatial association measure:an integration of
Pearsons r and Moran s I , Journal of Geographical Systems, 3(4),369-385.
- Lee, Sang Il (2002). Spatial Association Measures for an ESDA-GIS
Framework:Developments, Significance Tests,and Applications to Spatiotemporal Income
Dynamics of U.S.Labor Market Areas ,1969-1999, Ph.D. Thesis, The Ohio State
University.
- Lee and.Smith (1997): " Growth empirics: a panel data approach. A comment, ", Quarterly
Journal of Economics, 1997.
- Yudong and Weeks (2000). Provincial income convergence in China, 1953-1997: a panel
data approach.