Mtodos de estimacin con datos de panel

XII J ornadas de ASEPUMA 1

MTODOS LINEALES DE ESTIMACIN CON DATOS DE
PANEL: UNA APLICACIN AL ESTUDIO DE LOS EFECTOS DE
LA INVERSIN PBLICA FEDERAL EN MXICO
Cobacho Tornel, M Beln
Universidad Politcnica de Cartagena

Bosch Mossi, Mariano
London School of Economics


RESUMEN
En este trabajo se realiza una revisin de los principales mtodos economtricos
empleados en la actualidad para realizar estimaciones en modelos lineales de datos de
panel, tanto modelos estticos como modelos dinmicos, realizando una comparativa
entre ellos y analizando las caractersticas que hacen que cada mtodo de estimacin
resulte mejor adaptado a una determinada situacin. Posteriormente hemos aplicado
algunos de estos mtodos para estudiar los efectos que la inversin pblica federal en
Mxico ha tenido sobre algunos indicadores sociales entre los aos 1970 y 2000, a la
vista de las claras disparidades, tanto a nivel econmico como social, existentes entre
los estados mexicanos. Las estimaciones realizadas mediante estos mtodos a partir de
los datos disponibles evidencian que la inversin pblica federal en Mxico ha tenido
un efecto positivo en la reduccin de la tasa de mortalidad infantil y en el aumento de la
tasa de alfabetizacin durante el periodo de estudio.

Palabras clave: datos de panel, efectos fijos y aleatorios, variables instrumentales, inversin pblica.

Cobacho, M.B., Bosch M.
2 XII J ornadas de ASEPUMA

1. INTRODUCCIN
Mxico es un pas con estructura de repblica federal a pesar de la cual, la poltica de
asignacin regional de la inversin pblica ha estado centralizada y carece de claros
mecanismos de redistribucin, estando dirigida fundamentalmente al nico objetivo de
alcanzar un crecimiento a nivel nacional. Algunos estudios (Rodrguez-Oreggia y
Rodrguez-Pose (2003)), muestran que la asignacin territorial de la inversin pblica
durante gran parte del periodo 1970-2000 ha favorecido fundamentalmente a las
regiones ms desarrolladas, con fugaces esfuerzos por reducir las disparidades
regionales. Ante este panorama macroeconmico y social en Mxico, hemos
considerado oportuno realizar un estudio del efecto que la inversin pblica federal en
Mxico ha tenido sobre distintos indicadores econmicos y sociales desde principios de
los aos 70 y hasta el ao 2000 con la finalidad de analizar, con posterioridad, formas
eficientes de la distribucin de la inversin pblica.
Para ello, en este estudio utilizamos tcnicas empleadas en la literatura emprica de
crecimiento y convergencia
1
. Los primeros trabajos sobre este tema, como el de
Mankiw et al. (1994), empleaban muestras transversales para estudiar procesos de
convergencia econmica. Sin embargo, uno de los principales problemas de este tipo de
estimaciones es que es imposible tener en cuenta el efecto de las caractersticas no
observables propias de las unidades de seccin cruzada a la hora de efectuar las
estimaciones. En este sentido, Islam (1995) y Caselli y otros (1996) muestran cmo la
utilizacin de datos de panel puede mejorar y superar algunos de los problemas que las
estimaciones de ecuaciones de convergencia de corte transversal presentan. No
obstante, la introduccin de datos de panel en este tipo de estimaciones no est exenta
de problemas: la naturaleza dinmica de ciertas situaciones hace inconsistentes los
coeficientes de la ecuacin obtenidos a travs de estimaciones por mtodos estticos.
Para dar una solucin a este problema, Arellano y Bond (1991) y Arellano y Bover
(1996) proponen la utilizacin de estimadores que emplean variables instrumentales
para la correccin de esta inconsistencia.
En nuestro trabajo se pretende estimar los retornos de la inversin pblica
federal per cpita y de sus distintas desagregaciones por medio de ecuaciones de
crecimiento. Para poder llevar a cabo este estudio, se ha realizado una revisin de los

1
Para un detallado resumen de la literatura tanto terica como emprica ver Barro y Sala-i-Martn (2001)
y de la Fuente (1997).
Mtodos de estimacin con datos de panel
XII J ornadas de ASEPUMA 3
principales modelos lineales de estimacin de datos de panel estticos (Mnimos
Cuadrados Ordinarios, Efectos Fijos o Estimacin Within (intra), Efectos Aleatorios
mediante Mnimos Cuadrados Generalizados y Estimacin Between (entre)), as como
un anlisis del modelo dinmico de Estimacin con Variables Instrumentales (IVE)
propuesto por Arellano y Bond (1991), realizando adems una comparativa entre ellos.
Posteriormente hemos utilizado cada uno de estos mtodos para estudiar el efecto que
las diferentes partidas de inversin pblica federal en Mxico han tenido sobre dos
indicadores sociales concretos: tasa de mortalidad infantil y tasa de alfabetizacin,
pudiendo observar que las estimaciones por mtodos estticos no resultan adecuadas en
estas circunstancias. Ante esta situacin, utilizamos el estimador IVE propuesto por
Arellano y Bond para datos de panel dinmicos. Los resultados obtenidos muestran que
las asignaciones de la inversin pblica federal en Mxico tienen cierto efecto en la
evolucin de las tasas de mortalidad infantil y de alfabetizacin; concretamente,
incrementos en las partidas destinadas a salud y educacin mejoran los niveles de estos
indicadores.
El trabajo queda estructurado de la siguiente manera: en la seccin 2 estudiamos los
diferentes mtodos de estimacin de datos de panel comentados anteriormente. En la
seccin 3 presentamos el contexto de aplicacin de nuestro estudio, realizando un breve
anlisis del panorama econmico y social de Mxico durante los ltimos 30 aos. En la
seccin 4 presentamos los resultados obtenidos de las estimaciones mediante los
mtodos analizados en la seccin 2. Finalmente, en la seccin 5 exponemos las
conclusiones extradas de nuestro estudio.
2. MODELOS LINEALES DE ESTIMACIN DE DATOS DE PANEL
Son frecuentes en Economa los conjuntos de datos que combinan series temporales
con unidades de seccin cruzada (pases, estados, empresas, etc.), de forma que una
aplicacin de tcnicas para su estudio por separado deja cuestiones sin resolver. El
anlisis de datos de panel trata del estudio de estos conjuntos de datos. Los modelos
lineales de anlisis de datos de panel pueden ser clasificados en dinmicos o estticos,
segn incluyan o no en sus ecuaciones variables pertenecientes a distintos periodos
temporales. A continuacin se presentan algunos modelos pertenecientes a cada uno de
estos dos tipos de estimaciones.

Cobacho, M.B., Bosch M.

2.1 Modelos estticos

El contexto bsico de un anlisis lineal de datos de panel consiste en un modelo de
regresin de la forma:
'
it it it
y x = + (1)
donde el subndice i toma los valores 1,2, , i N = e indica la unidad de seccin
cruzada, indica los diferentes periodos de tiempo, son las variables
dependientes o explicadas (regresando),
1,2, ,
i
t T =
it
y
it
x las variables independientes o explicativas
(regresor), es el vector de parmetros a estimar y
it
el trmino de error o
perturbacin aleatoria, todos ellos componentes del modelo clsico de regresin lineal.
Si para cada unidad de seccin cruzada existe el mismo nmero de
observaciones temporales, es decir, si
i
T T = para cada , se dice que el panel de datos
est equilibrado. En nuestro estudio hemos trabajado con un panel equilibrado
i
2
.
La estimacin de en el modelo (1) por Mnimos Cuadrados Ordinarios
(MCO) es consistente y eficiente. Sin embargo, existen generalizaciones de dicho
modelo, ms frecuentes en Econometra, para las cuales las estimaciones por MCO no
son consistentes, como se muestra a continuacin. Es habitual para el estudio de los
distintos estimadores disponibles asumir que el error aleatorio se descompone en dos
trminos,
it i it
= + , con las siguientes caractersticas:
2 2
. . . sobre ; . . . sobre y ; independiente de , , ;
(2)
[ ] 0 ; [ ] 0 , ; [ ] ; [ ] ,
i it i jt
i it i it
i i d i i i d i t i j t
E i E i t Var i Var i t




= = = =


i
es el efecto individual, especfico para cada unidad de seccin cruzada y que
se considera constante en el tiempo. As, el modelo a estimar queda de la forma:
'
it i it it
y x = + + (3)
ste es un modelo de regresin clsica y, como tal, puede ser estimado
directamente por MCO. Sin embargo, la presencia del efecto aleatorio invariante en el
tiempo,
i
, implica la aparicin de heterogeneidad persistente inobservada y la
violacin del supuesto de homocedasticidad (varianza constante de las perturbaciones) y
no autocorrelacin (varianza 0 de las observaciones procedentes de una misma unidad

4 XII J ornadas de ASEPUMA
2
Para un estudio de paneles de datos no equilibrados vase Baltagi (2001).
Mtodos de estimacin con datos de panel
XII J ornadas de ASEPUMA 5
I de seccin cruzada), es decir,
2
[ '] E = . Por tanto, una estimacin por MCO no
conducir al mejor estimador lineal insesgado y tendr una matriz de varianzas-
covarianzas distinta de
2
( ' )
1
X X

. Existen entonces diferentes marcos para afrontar
estos modelos, los cuales se exponen a continuacin.
1. Efectos fijos o intra grupos (within). El enfoque de efectos fijos (FE)
considera
i
como un trmino constante especfico de grupo. En la formulacin de este
modelo se supone que las diferencias entre unidades pueden ser captadas a travs de las
diferencias en dicho trmino constante, de modo que en (3) cada
i
es un parmetro
desconocido a estimar. La estimacin se lleva a cabo entonces en trminos de
desviaciones de las medias del grupo, es decir, mediante una regresin de
it i
y y sobre
it i
x x en el modelo ( )' (
it i it i it i
y y x x ) = + . De este modelo se obtiene una
estimacin

FE
de , y posteriormente se calcula el estimador de
i
mediante
i

'
i i F
y x
E
= . Bajo los supuestos habituales, el estimador

FE
es insesgado y
asintticamente consistente cuando , mientras que los estimadores NT
i
son
insesgados pero no son consistentes salvo cuando cada , dado que cada
i
T
i
est
basado slo en las observaciones de la unidad i .
i
T
2. Efectos aleatorios. Mnimos Cuadrados Generalizados. El enfoque de
efectos fijos puede ser interpretado como exclusivamente aplicable a los grupos
considerados en el estudio, pero no a grupos adicionales no incluidos en la muestra. En
la aplicacin que se lleva a cabo en la seccin 4, la muestra de estados considerados es
exhaustiva (tiene en cuenta todos los estados, no una muestra aleatoria de ellos) y por
tanto sera apropiado, en este aspecto, plantear una estimacin a partir de un modelo de
efectos fijos. En otros contextos, cuando los grupos considerados son extracciones
muestrales de una poblacin ms grande, puede resultar ms apropiado considerar que
los trminos constantes especficos de cada unidad estn aleatoriamente distribuidos
entre los grupos. Es en este caso que se considera un modelo de estimacin de efectos
aleatorios (RE).
Una estimacin de efectos aleatorios por Mnimos Cuadrados Generalizados
(MCG) consiste en una regresin de desviaciones parciales de las sobre las mismas
desviaciones parciales de las
it
y
it
x . Concretamente, ( )' (
it i i it i i it i i
y y x x ) = + ,
Cobacho, M.B., Bosch M.
donde
2
2 2
1
i
i
T

=
+
. En la prctica, se ha de usar un estimador consistente

i
de
i
basado en estimadores consistentes
2

y
2

de
2

y de
2

respectivamente. ste
es un modelo generalizado de regresin y en principio puede ser estimado por MCO, si
no eficientemente, s consistentemente: de nuevo bajo los supuestos habituales, el
estimador

RE
de es asintticamente el mejor estimador lineal consistente
asintticamente normal cuando . NT
3. Estimacin entre grupos (between). Este modelo investiga la variabilidad
entre unidades de seccin cruzada en trminos de las medias de los grupos, es decir, se
basa en una estimacin de
i
y sobre
i
x en el modelo ' '
i i i i i
y x x
i
= + = + + . La
estimacin between (BE) es tambin un modelo clsico de regresin lineal que por tanto
puede ser estimado por MCO, y su principal atractivo es que permite obtener un
estimador consistente para
2

, necesario para poder llevar a cabo una estimacin por

MCG.

Comparaciones entre modelos. La eleccin de un modelo de efectos aleatorios
frente a uno de efectos fijos no siempre se nos muestra de forma obvia. En este caso es
til considerar el problema de estudio en trminos de la existencia o no de correlacin
entre los efectos fijos de cada unidad,
i
, y las variables independientes,
it
x , y, en caso
de correlacin, la posible naturaleza de dependencia de
i
respecto de
it
x (J udge et al.
(1985)). A continuacin se consideran los mtodos anteriores bajo diferentes supuestos.
Si [ | ] 0
i it
E x = , es decir, si los efectos fijos de cada unidad no estn
correlacionados con las variables independientes, en este caso todos los estimadores de
, incluido MCO, son consistentes. Sin embargo, el ms eficiente es MCG, por lo que
ste es el que aplicamos, para lo cual, como ya se ha indicado, se precisa de
estimaciones consistentes de
2

y de
2

, obtenidas de las estimaciones FE y BE.

Si [ | ] 0
i it
E x , es decir, existe correlacin entre los efectos fijos y las
variables independientes, en este caso todos los estimadores excepto el de efectos fijos
son inconsistentes, debido a que FE es el nico modelo que elimina el residuo de efecto
fijo que queda en los errores. Aplicamos por tanto en esta situacin la estimacin FE.
6 XII J ornadas de ASEPUMA
Mtodos de estimacin con datos de panel
Por otro lado, cabe sealar que el estimador MCO es una media ponderada
matricial de los estimadores intra y entre grupos, y que tambin lo es el estimador
MCG. No obstante, el estimador MCO comparado con MCG otorga demasiada
ponderacin a las variaciones entre unidades de seccin cruzada, ya que lo incluye todo
en las variaciones de
it
x sin atribuir parte alguna a la variacin aleatoria entre grupos.
Un contraste de Wu-Hausman se utiliza para analizar la posible correlacin entre
los
i
y los regresores y poder as decidir entre una estimacin por FE o por RE. La
hiptesis nula del contraste es
0
: [ | ] 0
i it
H E x = . Bajo , el estadstico de Wu-
Hausman, definido como
0
H

2 2 1
,

( )'( ) (
FE RE
FE RE FE RE FE RE
Q

)

= , converge en
distribucin a una , siendo
2
( ) n n NT = . Como se puede observar, es el
cociente del cuadrado de la diferencia entre los dos estimadores y la diferencia entre las
varianzas de stos. As, si es cierta, tanto EF como MCG son consistentes y por
tanto deben tender al mismo valor, de modo que la diferencia entre los estimadores debe
ser pequea. Adems, puesto que el estimador
, FE RE
Q
0
H

RE
es ms eficiente que

FE
, la
varianza de aqul es pequea en comparacin con la de ste y por tanto la diferencia
entre las varianzas es grande. Esto dar como resultado un valor del estadstico
cercano a 0 y que por tanto no se pueda rechazar la hiptesis nula. Si, por el contrario,
no es cierta, entonces
, FE RE
Q
0
H

FE
es consistente pero

RE
no lo es, con lo que debe haber
diferencia notable entre los valores de estos estimadores. Esto implicar que el valor del
estadstico ser alto, pudiendo as rechazar la hiptesis nula.
, FE RE
Q

2.2 Modelos dinmicos

Los modelos dinmicos incluyen en su anlisis valores rezagados de la variable
dependiente. El modelo bsico con un retardo de una unidad de tiempo es:
'
, 1 it i t it it
y y x

= + + .
De nuevo suponemos que el error se descompone en dos trminos,
it i it
= + ,
con las mismas caractersticas que en (2), de modo que el modelo a estimar es:
'
, 1 it i i t it it
y y x

= + + + (4)
En el caso dinmico, los cuatro modelos de estimacin que han sido analizados en el
caso esttico, MCO, FE, MCG y BE, son inconsistentes por presentar endogeneidad o
XII J ornadas de ASEPUMA 7
Cobacho, M.B., Bosch M.
estar los regresores correlacionados con el error, lo que conlleva al planteamiento de
otros modelos para la estimacin de datos de panel dinmicos.

Diferenciacin. Estimador de Variables Instrumentales. La regresin en (4)
por FE no supera la endogeneidad de la variable dependiente rezagada con respecto al
trmino de error debido a que, aunque se consigue eliminar el efecto
i
, se mantiene
una estructura de correlacin a travs de los trminos
, 1 i t i

y
it i
. Una forma
alternativa de eliminar los efectos
i
es partir del modelo de efectos
fijos,
, 1
( ) ( )' (
it i i t i it i it i
y y y y x x )

= + + , y tomar diferencias de primer orden

en dicha ecuacin:
, 1
'
it i t it it
y y x

= + + , en la que ya no aparecen los

i
. En
esta estructura, el regresor est correlacionado con el error, ya que
depende de
, 1 i t
y

, 1 i t
y

, 1 i t

, pero los rezagos anteriores,
, i t k
y

con , son buenas variables
instrumentales por no estar correlacionadas con
1 k >
, 1 i t
y

. Por tanto, una estimacin
apropiada para este contexto sera la estimacin por Variables Instrumentales. Arellano
y Bond (1991) proponen la utilizacin de todos los instrumentos posibles de la variable
rezagada. As, un instrumento vlido para
, 1 , 2 i t i t
y y

sera
, 2 i t
y

, dado que ste est
correlacionado con
, 1 , 2 i t i t
y y

, pero no con el trmino de error
, 1 it i t


. De manera
similar, todos los rezagos anteriores a
, 2 i t
y

tambin cumplen esas caractersticas, con lo
que pueden ser utilizados como instrumentos adicionales. Los instrumentos vlidos para
cada regresor seran, por tanto: para
1 i
y
2 1 i i
y y , para ,...,
para .
1 2
,
i i
y y
3 i
y y
2 i
1 1 2 ,
, , ,
i i i T
y y y

, 1 iT i T
y y

8 XII J ornadas de ASEPUMA
3. PANORAMA SOCIO-ECONMICO EN MXICO
Mxico es una repblica federal constituida por 32 estados (entidades
federativas). Tanto a nivel econmico como social cabe decir que
Mxico es un pas de grandes contrastes entre sus estados. Entre estas diferencias,
analizadas por Bosch et al. (2004), cabe destacar, por ejemplo, que en el ao 2000 el
PIB per cpita del estado ms pobre, Oaxaca, apenas representa el 16% del estado ms
rico, Distrito Federal, y que sta no es una situacin particular del ao 2000, sino que se
advierten grandes diferencias en los niveles de PIB per cpita medios por regiones a lo
Mtodos de estimacin con datos de panel
largo de todo el periodo 1970-2000, alcanzando estas diferencias su mayor amplitud
entre los estados de las zonas norte y sur o tambin entre las zonas norte y centro. En
este contexto de claras disparidades regionales a nivel de PIB per cpita, otras variables
que capturan el nivel de bienestar de los estados mexicanos han experimentado
evoluciones muy diferentes. Las medidas aqu consideradas, tasa de mortalidad infantil
y tasa de alfabetizacin, transmiten la idea de que ha habido mejoras sociales en los
campos de salud y educacin en todo el pas, vindose reducidas las diferencias
regionales a lo largo del periodo de estudio.
En cuanto a la inversin pblica per cpita, Bosch et al. (2004) muestran cmo la
distribucin regional de sta ha seguido una tendencia alcista en todas las zonas
geogrficas a lo largo del periodo 1970-2000. Sin embargo, este trabajo y algunos
estudios, como el de Rodrguez-Oreggia y Rodrguez-Pose (2003), muestran que la
asignacin territorial de la inversin pblica no ha realizado esfuerzo alguno por reducir
las disparidades regionales, favoreciendo fundamentalmente a las regiones ms
desarrolladas. Con la finalidad de estudiar posibles criterios eficientes de distribucin de
la inversin pblica en este pas, hemos comenzado por analizar los efectos que las
distintas partidas de inversin (inversin social, infraestructuras y otra inversin) han
tenido en diversos indicadores sociales (tasas de mortalidad infantil y alfabetizacin).
En la siguiente seccin presentamos algunos de los resultados obtenidos, a modo de
ilustracin de los modelos revisados en la seccin 2.

4. RESULTADO DE LAS ESTIMACIONES
En esta seccin se analiza el impacto que la inversin pblica ha tenido en los
estados mexicanos durante los ltimos 30 aos. Concretamente, nuestro trabajo se
centra en la estimacin de una ecuacin de convergencia del estilo
1
ln ln ln
it i it it it
y y x

= + + + (5)
donde es el valor de la variable dependiente para el estado i en el momento ,
it
y t
i
es
el efecto fijo para el estado , y i
it
x son los valores de las variables explicativas, en
nuestro caso el valor de la inversin pblica federal per cpita y de sus distintas
desagregaciones. En este contexto, los parmetros de las variables de inversin per
cpita incluidas en la ecuacin capturan el efecto del crecimiento de sta sobre el
XII J ornadas de ASEPUMA 9
Cobacho, M.B., Bosch M.
crecimiento de la variable dependiente. Para las estimaciones mediante modelos
estticos la ecuacin a estimar ser ln ln
it i it it
y x = + + , en sus distintas versiones
segn se ha expuesto en la seccin 2.
Las tablas 1-4 recogen el efecto de la inversin pblica federal sobre las tasas de
mortalidad infantil y de alfabetizacin con la informacin organizada de la siguiente
forma: en la primera columna de cada tabla se indica la variable dependiente
(mortalidad infantil o tasa de alfabetizacin) y las variables independientes incluidas en
la ecuacin a estimar. Las columnas sucesivas, OLS, GLS, BE y FE, indican los valores
estimados para los coeficientes (Coef) y si stos son significativos o no (Sign) a
partir de estimaciones mediante MCO, MCG, BE y FE respectivamente. La columna
IVE contiene adems el coeficiente de la variable rezagada estimado por Variables
Instrumentales a partir de la ecuacin (5).
En lneas generales, de acuerdo con la estimacin de los modelos estticos, una
mayor inversin social afecta negativamente a la tasa de mortalidad infantil y
positivamente a la tasa de alfabetizacin, aunque la cuanta de este efecto depende de
las estimaciones consideradas.
La mayor parte de las estimaciones por MCO son cualitativamente similares a
las de MCG y FE, aunque los coeficientes varan notablemente. Las estimaciones por
MCG y FE son prcticamente idnticas, de hecho el test de Wu-Hausman no puede
rechazar la hiptesis nula de que
0
: [ | ] 0
i it
H E x = . Esto nos estara indicando que la
inversin per cpita, en sus distintas dimensiones, no est correlacionada con el efecto
fijo del error, lo cual es consistente con la afirmacin de Rodrguez-Oreggia y
Rodrguez-Pose (2003) indicando que la distribucin de la inversin pblica se hizo de
forma ms o menos aleatoria, sin atender criterios de redistribucin y equidad. Por lo
tanto, en el caso esttico, la opcin adecuada sera la estimacin por MCG, dado que es
el estimador ms eficiente.
Sin embargo, es posible que la especificacin esttica sea incorrecta: tanto el
proceso de reduccin de la tasa de mortalidad como el del incremento de la tasa de
alfabetizacin parecen haber tenido alta persistencia, lo que estara indicando un
componente autoregresivo en su evolucin. En efecto, al introducir la variable rezagada,
sta toma un valor elevado, alrededor de 0.60 para la mortalidad infantil y 0.70 para la
tasa de alfabetizacin. Esto indica que una especificacin adecuada de la evolucin de
las tasas de mortalidad infantil y alfabetizacin debe incluir un trmino dinmico. En
10 XII J ornadas de ASEPUMA
Mtodos de estimacin con datos de panel
XII J ornadas de ASEPUMA 11
este contexto, todos los mtodos anteriormente utilizados son inconsistentes, mientras
que la estimacin de un modelo en diferencias y la utilizacin de variables
instrumentales s proporciona estimaciones consistentes.
El efecto de la inversin social en la tasa de mortalidad infantil sigue siendo
negativo (a mayor inversin menor mortalidad infantil), pero menor que en las
estimaciones estticas (-1.68 en lugar de 3.2). Lo mismo ocurre con el impacto de la
inversin social en la tasa de alfabetizacin (0.3 en lugar de 1.2). Este fenmeno se debe
principalmente a que parte del efecto autoregresivo de los procesos de mortalidad
infantil y tasa de alfabetizacin eran capturados por esta componente de la inversin. En
este caso, la tanto la inversin en infraestructuras como las partidas de otra inversin
parecen haber tenido un efecto positivo y significativo en la mortalidad infantil. No
queda claro cules han podido ser los canales por los que la inversin federal puede
aumentar la tasa de mortalidad infantil, dado el valor de las otras inversiones. Una
posible explicacin es que tanto la inversin en infraestructuras y otra inversin
incrementen el potencial de crecimiento de determinadas regiones atrayendo nuevos
inmigrantes de regiones ms pobres, pudiendo incrementar (o provocar una reduccin
menor en) la tasa de mortalidad infantil.
Al desagregar la inversin social en inversin en educacin e inversin en salud,
encontramos que tanto la inversin en educacin como la inversin en salud han tenido
efectos positivos en la reduccin de la mortalidad infantil (tabla 2). En concreto,
incrementos del 1% en inversin per cpita en ambas partidas han conseguido reducir la
tasa de mortalidad en un 1.6%. En cuanto a la tasa de alfabetizacin (tabla 4),
incrementos de la inversin social aumentan la tasa de alfabetizacin en torno a un
0.3%. Sin embargo, la inversin en educacin aumenta la tasa de alfabetizacin (como
era de esperar) en un 0.70%, mientras que la inversin en salud parece tener un efecto
positivo, aunque no significativo.
Estticos Dinmico
OLS GLS BE FE IVE
Var dep: Mort Inf
Regiones 32
Observaciones
32
128
32
128
32
128
32
128 96
Coef Sign Coef Sign Coef Sign Coef Sign Coef Sign
Mort Inf (-1) 0.628 ***
Inversin Social -1.904 - -3.100 * 0.448 - -3.273 * -1.688 **
Inversin en Infr. -1.217 - 0.610 - -4.027 - 1.021 - 2.012 ***
Otra Inversin -0.000 - -0.000 - -0.000 - -0.000 - 0.001 *
* Significativo al 10% ** Significativo al 5% *** Significativo al 1%

Tabla 1. Impacto de la inversin pblica federal sobre la tasa de mortalidad infantil



Cobacho, M.B., Bosch M.
12 XII J ornadas de ASEPUMA
Estticos Dinmico
OLS GLS BE FE IVE
Var dep: Mort inf
Regiones 32
Observaciones 128
32
128
32
128
32
128
32
96

Mort Inf (-1)
Coef Sign Coef Sign Coef Sign Coef Sign Coef Sign
Inversin Salud -1.131 - -2.510 - 0.964 - -2.762 - -1.602 ***
Inv Educacin -0.699 - -0.250 - -0.324 - 0.143 - -1.623 *
Inv Infraestructuras -1.349 - 0.521 - -4.234 - 1.028 - 1.786 ***
Otra Inversin -0.000 - -0.000 - -0.000 - -0.000 - 0.739 ***
* Significativo al 10% ** Significativo al 5% *** Significativo al 1%

Tabla 2. Impacto de la inversin sobre la tasa de mortalidad infantil con inversin social desagregada


Estticos Dinmico
OLS GLS BE FE IVE
Var dep: Alfabetiz.
Regiones 32 32 32 32 32
Observaciones 128 128 128 128 96
Coef Sign Coef Sign Coef Sign Coef Sign Coef Sign
Alfabet (-1) 0.672 ***
Inversin Social 3.443 ** 1.367 ** 5.112 - 1.241 * 0.304 ***
Inversin en Infr. 1.078 - 0.181 - 0.677 - 0.100 - 0.126 -
Otra Inversin -0.001 - 0.000 - -0.001 - 0.000 - 0.060 -
* Significativo al 10% ** Significativo al 5% *** Significativo al 1%

Tabla 3. Impacto de la inversin pblica federal sobre la tasa de alfabetizacin


Estticos Dinmico
OLS GLS BE FE IVE
Var dep: Alfabetiz.
Regiones 32
Observaciones 128
32
128
32
128
32
128
32
96

Alfabet (-1)
Coef Sign Coef Sign Coef Sign Coef Sign Coef Sign
Inversin Salud 4.885 *** 0.897 - 1.073 * 0.756 - 0.096 -
Inv Educacin -1.720 - 1.316 - -9.230 - 1.331 - 0.735 ***
Inv Infraestructuras 0.976 - 0.115 - 2.682 - 0.060 - 0.084 -
Otra Inversin -0.000 - 0.000 - -0.000 - 0.000 - 0.058 -
* Significativo al 10% ** Significativo al 5% *** Significativo al 1%

Tabla 4. Impacto de la inversin sobre la tasa de alfabetizacin con inversin social desagregada


5. CONCLUSIONES

En este trabajo se han analizado brevemente diversos mtodos lineales de
estimacin de datos de panel y se ha presentado una aplicacin en la estimacin de los
retornos de la inversin pblica federal en la evolucin de las tasas de mortalidad
infantil y de alfabetizacin de los estados mexicanos. Como principal resultado se ha
obtenido que los procesos de reduccin de ambas tasas parecen haber seguido procesos
autoregresivos y por lo tanto las estimaciones por mtodos estticos de datos de panel
resultan inviables en estas circunstancias. Ante esta situacin, utilizamos el estimador
IVE propuesto por Arellano y Bond para resolver los problemas de endogeneidad que
presentan los modelos de datos de panel dinmicos. Mediante este estimador,
observamos que las asignaciones de la inversin pblica federal en Mxico s tienen
Mtodos de estimacin con datos de panel
XII J ornadas de ASEPUMA 13
cierto poder explicatorio para analizar la evolucin de las tasas de mortalidad infantil y
de alfabetizacin. Se obtiene adems que incrementos en las partidas destinadas a salud
y educacin mejoran el nivel de bienestar de los estados.

6. REFERENCIAS BIBLIOGRFICAS

ARELLANO, M. y BOND, S. (1991): Some Tests of Specification for Panel
Data: Monte Carlo. Evidence and an Application to Employment Equations.
Review of Economic Studies, Vol. 58, pp. 277-297.
ARELLANO, M. (2003): Panel Data Econometrics (Advanced Texts in
Econometrics). Oxford Press.
ARELLANO, M. y BOVER, O. (1995): Another Look at the Instrumental
Variable Estimation of Error-Component Models. Journal of Econometrics, Vol.
68, pp. 29-51.
BALTAGI, B. (2001): Econometric Analysis of Panel Data. 2nd Edition. Wiley.
BARRO, R. y SALA I MARTIN, X. (1992): Convergence. Journal of Political
Economy, 100(2), pp. 223-51.
BOSCH, M., COBACHO, M. B. y RODRGUEZ-OREGGIA, E. (2004). Los
efectos de la inversin pblica federal en Mxico. XVIII reunin Asepelt, Len.
CASELLI, F., ESQUIVEL, G. y LEFORT, F. (1996): Reopening the convergence
debate: a new look at cross-country growth empirics. Journal of Economic
Growth, 1(3), pp. 363-89.
GREENE, W.H. (1998). Anlisis Economtrico. Tercera edicin. Prentice Hall.
FUENTE, A. de la (1997): The empirics of growth and convergence: a selective
review. Journal of Economic Dynamics and Control 21(1): 23-74.
ISLAM, N. (1995): Growth Empirics: A Panel Data Approach. Quarterly
Journal of Economics, CX(4), pp. 1127-70.
J UDGE, G.G., GRIFFITHS, W.E., HILL, R.C., LTKEPOHL, H. y LEE, T.C.
(1985). The theory and practice of Econometrics. 2 edicin. J ohn Wiley and Sons.
MANKIW, G., ROMER, D. y WEIL D. (1992): A Contribution to the Empirics
of Economic Growth. Quartely Journal of Economics, CVII(2), pp. 407-37.
RODRGUEZ-OREGGIA, E. y RODRGUEZ-POSE, A. (2003): The regional
returns of public investment policies in Mexico. En revisin en World
Development.