Vol.9-N°2, Julio - Diciembre 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
Impacto de la industrialización en el desempleo en 91 países a nivel
global: un enfoque con modernas técnicas de cointegración y cau-
salidad
Impact of industrialization on unemployment in 91 countries globally: an approach
using modern cointegration and causality techniques.
Leidy Acaro1| Karen Iñiguez1
1Carrera de Economía, Universidad Nacional de
Loja, Loja, Ecuador
Correspondencia
Lady Acaro, Carrera de Economía, Universidad
Nacional de Loja, Loja, Ecuador
Email: leidyacaro@gmail.com
Agradecimientos
Club de Investigación de Economía (CIE)
Fecha de recepción
Abril 2021
Fecha de aceptación
Octubre 2021
Dirección
Bloque 100. Ciudad Universitaria Guillermo
Falconí. Código Postal: 110150, Loja, Ecuador
RESUMEN
La dinámica industrializada de las economías ha permitido reducir los niveles de desempleo
y al menos controlarlos, por lo que el objetivo de esta investigación es definir el impacto
de la industrialización sobre el desempleo en 91 países del mundo clasificados por niveles
de ingresos dentro del periodo 1990-2016 utilizando datos de panel y técnicas de coin-
tegración. Se tomaron indicadores de desarrollo del Banco Mundial (2017). Al emplear las
técnicas de cointegración de Pedroni (1999) y Westerlund (2007) se encontró que existe
equilibrio de largo y corto plazo respectivamente. Al aplicar el modelo DOLS de Pedroni
(2001) se encontró que hay fuerza del vector de cointegración en los países a nivel indivi-
dual, y al utilizar el modelo PDOLS de Pedroni (2001) se estableció que existe fuerza del
vector de cointegración para cada grupo de países a nivel global. Los resultados de la prue-
ba de causalidad de Dimietry y Hurlin (2012) indican que existe causalidad bidireccional
y causalidad unidireccional. Las implicaciones de política están enfocadas en el diseño de
infraestructuras adecuadas y amigables con el ambiente para lograr el desarrollo industrial
eficiente de cada país y reducir los niveles de desempleo; además de realizar modelos de
gestión industrial que establezcan una ubicación adecuada para las industrias en cada país.
Palabras clave: Industrialización; Desempleo; Panel de datos.
Códigos JEL: O14. J64. C23
ABSTRACT
The industrialized dynamics of economies has allowed reducing unemployment levels and
at least controlling them, so the objective of this research is to define the impact of in-
dustrialization on unemployment in 91 countries of the world classified by income levels
within the period 1990-2016 using panel data and cointegration techniques. Development
indicators were taken from the World Bank (2017). By employing the cointegration tech-
niques of Pedroni (1999) and Westerlund (2007) it was found that there is long-run and
short-run equilibrium respectively. By applying Pedroni’s (2001) DOLS model it was found
that there is cointegration vector strength for individual countries at the individual level,
and by using Pedroni’s (2001) PDOLS model it was established that there is cointegration
vector strength for each group of countries at the aggregate level. The results of the Di-
mietry and Hurlin (2012) causality test indicate that there is bidirectional causality and
unidirectional causality. The policy implications are focused on the design of adequate and
environmentally friendly infrastructures to achieve the efficient industrial development of
each country and reduce unemployment levels; in addition to carrying out industrial ma-
nagement models that establish an adequate location for industries in each country.
Keywords: Industrialization; Unemployment; Panel data.
JEL codes: O14. J64. C23
66
Acaro L. & Iñiguez K.
Vol.9-N°2, Julio - Diciembre 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
1|INTRODUCCIÓN
El desempleo es un fenómeno presente en la historia mundial
desde su descubrimiento a finales del siglo XIX y a inicios del siglo
XX, convirtiéndose en un problema económico y social que afecta
a la población activa con disponibilidad para desempeñarse laboral-
mente, lo que influye negativamente en su bienestar y calidad de
vida, porque al carecer de un trabajo y un salario digno no cuentan
con los ingresos suficientes para satisfacer sus necesidades básicas
como individuos de la sociedad, sin embargo; muchas veces los paí-
ses utilizan el desempleo como política pública para dinamizar la
economía a través de la competencia entre trabajadores desocupa-
dos.
Datos de la OIT (2018) demuestran que la tasa de desempleo
a nivel mundial se está estabilizando ante el aumento de la pobla-
ción activa y la recuperación de la economía, pero también indican
la insuficiencia de empleos, por ello se prevé que el desempleo y
los déficits de trabajo decente se conservarán a niveles elevados en
varias regiones. La tasa de desempleo en 2017 se situó en 5.6 %, y
se pronosticó una reducción de 0.2 puntos porcentuales en los paí-
ses desarrollados por debido a su buen desempeño en los mercados
laborales, lo que situaría la tasa de desempleo mundial en 2018 en
5,5 %; pero a pesar de este descenso, se estima que no habrán em-
pleos suficientes que cubran el crecimiento de la fuerza de trabajo
en los países emergentes y en vías de desarrollo, así por ejemplo, la
tasa de desempleo de América Latina y el Caribe creció de 7.9 % en
2016 a 8.4 % en 2017 (OIT, 2018).
Un aspecto clave para reducir los niveles de desempleo y sub-
empleo a nivel mundial es la industrialización, dado que, la industria
manufacturera es considerada como el sector económico que pro-
duce la mayor aportación al Producto Interno Bruto (PIB); debido a
que este tipo de industrias generan productos con mayor valor agre-
gado, los cuales tienen precios menos volátiles. De este modo, en
América Latina y el Caribe la industria manufacturera aumentó en
1,9 % el empleo en 2017; no obstante, se debe tomar en cuenta que
los países de América Latina al ser “dependientes” se deben adaptar
a la política industrial de los países desarrollados, además de mejo-
rar su producción e indicadores macro. Al iniciar con el proceso de
industrialización, crecen las probabilidades de crear oportunidades
de empleos formales en manufacturas, principalmente para los paí-
ses de ingresos medios y bajos en para los cuales se convierte en un
desafío mantener este proceso (ONUDI, 2016).
Esta investigación se basó en evidencia empírica que relacio-
na las variables utilizadas en este modelo; tal es el caso de Yang
y Shao (2017) quienes establecieron una relación estadísticamente
significativa entre la calidad del empleo y el proceso de industrializa-
ción; concordando con Liu, Huang y Zikhali (2016) que encontraron
que una subida en los niveles de industrialización incide en la reduc-
ción de las tasas de desempleo; además de Porto y Sosa-Escudero
(2005) que señalaron que la industria mix, el producto interno bruto
per cápita y la tasa de participación de la fuerza laboral determinan
los cambios en el desempleo regional.
El objetivo del artículo es, por tanto, definir el impacto de la
industrialización sobre el desempleo en 91 países a nivel mundial y
por grupos de países asociados por niveles de ingresos mediante la
utilización de técnicas de cointegración en el periodo 1990-2016.
La hipótesis a partir de la cual se direcciona esta investigación es
que el aumento de la industrialización provoca una reducción de la
tasa de desempleo; esto se respalda en evidencia empírica, de es-
te modo, Wang y Chanda (2017) determinaron que un crecimiento
significativo del empleo se establece por el crecimiento de las in-
dustrias manufactureras, por su parte Park (2017) estableció que la
construcción de más industrias verdes sería ambientalmente correc-
to y reduciría considerablemente los niveles de desempleo.
Como aporte, en este artículo de investigación se incorporó
una nueva forma de agrupar los datos de industrialización y desem-
pleo, tomando en cuenta el nivel de ingresos de los países deno-
minada “Atlas 2”, un método que toma como referencia rangos de
comparación más cortos entre el promedio de los ingresos per cá-
pita de cada país en el periodo de análisis para obtener resultados
más realistas que los proporcionados por el Atlas del Banco Mun-
dial; además de que en este artículo se están utilizando modernas
técnicas de cointegración y de causalidad. Conjuntamente, se debe
añadir que existen muy pocos trabajos que relacionen las variables
utilizadas por lo que se hace necesario realizar una investigación
que determine la influencia de la industrialización en el desempleo
a nivel mundial, la misma que puede servir como evidencia empírica
para futuros trabajos.
Los principales resultados de ésta investigación indican equili-
brio de largo plazo entre el desempleo y la industrialización en los
PIMA, PIMB, PIB y PIEB con la aplicación de la prueba de cointegra-
ción de Pedroni (1999) y equilibrio de corto plazo con la aplicación
de la prueba de cointegración de Westerlund (2007). Al utilizar el
modelo DOLS de Pedroni (2001) se observó que existe fuerza del
vector de cointegración en los países a nivel individual, dentro de
los PIMA, PIMB, PIB y PIEB; al aplicar el modelo PDOLS de Pedro-
ni (2001) se determinó que hay fuerza del vector de cointegración
para cada grupo de países a nivel global, en los PIMA, PIMB, PIB y
PIEB. Y al aplicar la prueba de causalidad tipo Granger de panel de
Dimietry y Hurlin (2012) se estableció que existe causalidad bidirec-
cional entre el desempleo y la industrialización en los PIA y PIMA;
y causalidad unidireccional en los PIEB.
A partir de la introducción como primera sección, el artículo se
estructura en cuatro secciones adicionales. En la segunda sección
se ubica la revisión de la literatura previa. La tercera sección incluye
los datos y la metodología. La cuarta sección discute los resultados
encontrados. Y la quinta sección describe las conclusiones e impli-
caciones de política.
2|REVISIÓN DE LITERATURA PRE-
VIA
Actualmente la economía mundial está creciendo, por lo que
se prevé un número estable de desempleados (192 millones, lo que
equivale a una tasa de desempleo de 5.5 %) para el año 2018, sin
embargo; aún existe mucha gente fuera del mercado laboral y se
proyecta un aumento de la tasa de desempleo para el 2019 de 1,3 %
(OIT, 2018). Tomando como referencia esta problemática, y relacio-
nando las variables desempleo e industrialización, se exponen tra-
bajos empíricos clasificados en tres grupos. En el primer grupo se re-
gistran estudios que relacionan la industrialización y el desempleo,
en el segundo grupo se indican artículos que relacionan el desem-
pleo con otras variables conexas, y el tercer grupo comprende traba-
jos empíricos que demuestran otras variables que pueden tener un
impacto en la industrialización. Los artículos citados expresan una
perspectiva global sobre la influencia de la industrialización en el
desempleo.
En el primer grupo, existen estudios de autores que relacionan
las variables analizadas; así, Yang y Shao (2017) determinaron que
existe una relación estadísticamente significativa entre la calidad del
empleo y el proceso de industrialización; Liu, Huang y Zikhali (2016)
encontraron que una subida en los niveles de industrialización inci-
de en la reducción de las tasas de desempleo, sin embargo; ésta ha
provocado alzas significativas en la contaminación ambiental; Park
(2017) estableció que se deberían construir más industrias verdes,
porque sería ambientalmente correcto y reduciría considerablemen-
te los niveles de desempleo; Shihe, Xiaofang y Guojun (2010) com-
probaron que la diversidad industrial tiene una relación positiva y
significativa con las tasas de desempleo y que la especialización de
67
Impacto de la industrializaciónen el desempleo en 91 países a nivel .....
Vol.9-N°2, Julio - Diciembre 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
la industria de la construcción y la industria del comercio tie-
nen la capacidad de reducir significativamente las tasas de desem-
pleo; Galiani, Lamarche, Porto y Sosa-Escudero (2005) señalaron
que las variables que determinan los cambios en el desempleo re-
gional son la industria mix, el producto interno bruto per cápita y
la tasa de participación de la fuerza laboral; Lévêque y Saleh (2017)
indicaron que la industrialización estatal provoca la segregación re-
sidencial, debido a la aglomeración de inmigrantes del sector rural
por la gran oferta de empleos no calificados del sector privado.
Wang y Chanda (2017) registraron un crecimiento significativo
del empleo provocado por el crecimiento de las industrias manufac-
tureras; Haraguchi, Cheng y Smeets (2017) indicaron que la indus-
trialización ha desempeñado un papel fundamental en el empleo
y crecimiento económico a largo plazo de los países en desarrollo
en estos últimos 25 años; Hafstead y Williams (2018) establecieron
que una reducción de las industrias por políticas que imponen im-
puestos a la contaminación o impuestos ambientales, aumenta el
desempleo, aunque en pequeñas proporciones inclusive en el cor-
to plazo; Antoci, Russu, Sordi y Ticci (2014) determinaron que ante
la presión ambiental de la actividad económica del sector industrial,
las propiedades de estabilidad de los equilibrios y sus características
de preservación ambiental son sensibles a nivel de capacidad de car-
ga; por su parte, Watson y Deller (2017) revelaron que la diversidad
industrial provoca reducciones en el nivel de desempleo. Inversa-
mente, Broadberry, Campbell y Van Leeuwen (2013) indicaron que
el incremento de la producción de la industria durante la Revolución
Industrial se provocó más por las ganancias en la productividad del
trabajo que se dio por la mecanización que al crecimiento o expan-
sión del empleo; y Antoci, Galeotti y Sordi (2018) concluyeron que
la industrialización es la generadora de la reducción de los ingresos
de los trabajadores tanto en el sector industrial como en el sector
agrícola.
Dentro del segundo grupo, como ya se ha manifestado, exis-
ten documentos que muestran la relación del desempleo con otras
variables, de este modo; Azorín (2017) indicó que el crecimiento de
la producción necesaria para reducir las tasas de desempleo se en-
contró bajo los niveles establecidos por causa de la dependencia
espacial; Mehic (2018) determinó que existe una relación altamen-
te significativa y negativa entre el empleo industrial y la desigualdad
de ingresos; Agnello, Castro, Jalles y Sousa (2014) indicaron que los
impuestos aumentaron el desempleo en 0.25 %, y que la flexibili-
dad del mercado laboral provoca la reducción del desempleo juve-
nil; Basu (2017) concluye que la inversión extranjera directa tiene
una influencia directa en la reducción de las tasas de desempleo;
y Caponi (2017) sugirió a través de experimentos de políticas que
la reducción del tamaño del empleo público reduce el desempleo
en las regiones productivas más bajas. En otros estudios, Mohseni
y Jouzaryan (2016) revelaron la existencia de un efecto negativo y
significativo de la inflación y el desempleo en el crecimiento econó-
mico a largo plazo.
Tesfaselassie y Wolters (2018) determinaron que un crecimien-
to económico más rápido provoca una disminución del desempleo
siempre y cuando la inflación permanezca estable; Donayre y Pa-
novska (2018) demostraron que hay una relación negativa entre el
desempleo y el crecimiento salarial cuando la inflación está sobre
su tendencia a largo plazo; Bhattarai (2016) indicó que existe una
relación directa entre la inflación y el desempleo a largo plazo; mien-
tras que Chen, Hsu y Lai (2016) demostraron la existencia de una
relación negativa entre el desempleo y el crecimiento económico
a largo plazo. Sin embargo, Schubert y Turnovsky (2017) indicaron
que las compensaciones o el vínculo entre desempleo y crecimien-
to económico son débiles porque el crecimiento a largo plazo se de-
termina por la relación producción-capital. Por su parte Caggiano,
Castelnuovo y Figueres (2017) sugirieron que el desempleo es es-
tadísticamente y económicamente más grande durante las recesio-
nes; Horvath y Zhong (2018) demostraron que una reducción en la
demanda externa, un incremento en la tasa de interés externa y la
incertidumbre provocan un aumento en la tasa de desempleo, me-
nor rendimiento bursátil y depreciación de la moneda; y Zweimüller
(2018) sugirió que el seguro de desempleo afecta al mercado laboral,
a través de la búsqueda de empleo de los trabajadores elegibles.
Finalmente, en éste último grupo se menciona la variable indus-
trialización y su influencia en la economía; así, Schmerer (2014) mos-
tró que la IED fomenta el crecimiento de la industrialización y redu-
ce las tasas de desempleo de forma significativa; Adom y Amuakwa-
Mensah (2016) concluyeron que una mayor industrialización e IED
reducen de forma significativa la productividad energética en los
países de ingresos bajos; Alsaleh y Abdul-Rahim (2018) determina-
ron que tanto el costo de capital, el costo laboral, el PIB, la inflación
y la tasa de interés tienen un efecto negativo en la eficiencia de los
costos industriales; contrariamente, Gui-Diby y Renard (2015) mos-
traron que el tamaño del mercado, el sector financiero y el comercio
internacional se relacionaron positivamente con la industrialización,
situación que no ocurre con la IED, porque su efecto no es significa-
tivo. En otras investigaciones, Rekiso (2017) manifestó que hay una
relación positiva, circular y acumulativa entre la industrialización y
la integración económica regional; Fan, Yan y Sha (2017) indicaron
que la innovación (apoyo del gobierno, tasa de empleados técnicos
y la tasa de activos técnicos) tiene un efecto positivo y significativo
en el crecimiento económico de la industria minera y de producción;
Yang, Yeh y Wang (2018) establecieron que la productividad manu-
facturera tiene una relación significativa y positiva con los insumos
del servicio al productor.
Jerbashian (2015) estableció que la industria de las telecomu-
nicaciones tiene una relación positiva con el crecimiento económico
a largo plazo; Sheng y Gu (2018) indicaron que la industria del juego
ha tenido un impacto positivo en el crecimiento económico local y
el desarrollo urbano; Szirmai y Verspagen (2015) determinaron que
la industria o fabricación ejerce una influencia positiva moderada
en el crecimiento económico. Adicionalmente, Liu y Bae (2018) de-
mostraron que un aumento de la intensidad energética, el PIB real,
la industrialización y la urbanización produce un incremento de las
emisiones de CO2; Zhu, Liu, Tian, Wang y Zhang (2017) encontra-
ron que el proceso de industrialización y urbanización aumentó las
emisiones de CO2; Li, Li y Zhang (2018) señalaron que el PIB per
cápita, las industrias no agrícolas y el consumo per cápita tienen un
impacto directo en el incremento de las emisiones contaminantes;
Xu y Lin (2015) indicaron que la industrialización y las emisiones de
CO2 poseen una relación no lineal en forma de U invertida.
Cherniwchan (2012) demostró que un aumento del proceso
de industrialización provoca un aumento del nivel de emisiones per
cápita; y Stuermer (2017) mostró que un aumento de la industriali-
zación provoca un incremento de la demanda de productos minera-
les. En otros estudios, Xue y Li-li (2016) señalaron que los apoyos
financieros a la industrialización agrícola tienen un impacto positi-
vo en el desarrollo de este tipo de industrialización; Song, Thisse y
Zhu (2012) establecieron que la trasmisión de mano de obra del sec-
tor agrícola al sector industrial produce un incremento del bienes-
tar de los agricultores, pero el impacto en los trabajadores urbanos
es impreciso; Lee y McKibbin (2018) expusieron que el crecimien-
to acelerado de la productividad en el sector de servicios ha man-
tenido en equilibrio el crecimiento económico de éstos países; así
también, Maksimović, Jović y Jovanović (2017) comprobaron que
los servicios han tenido un mayor impacto en el crecimiento econó-
mico (PIB), y la fabricación un menor impacto.
En base al análisis de ésta evidencia empírica, parece factible
que los países empiecen a diseñar una mayor cantidad de infraes-
tructuras adecuadas y amigables con el ambiente para lograr el de-
sarrollo de la industrialización eficiente de cada país, reducir los ni-
veles de desempleo, y mejorar el crecimiento económico; puesto
que, las políticas que imponen impuestos ambientales o a la con-
taminación reducen significativamente el número industrias y por
ende aumentan el desempleo. Además, se considera necesario im-
68
Acaro L. & Iñiguez K.
Vol.9-N°2, Julio - Diciembre 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
plementar políticas para fomentar la inversión extranjera directa en
cada país que lo requiera, porque es una variable de gran incidencia
en el crecimiento de la industrialización a nivel mundial, crecimien-
to que a su vez provoca una reducción significativa de las tasas de
desempleo.
3|DATOS Y METODOLOGÍA
3.1 |Datos
En este artículo de investigación se utilizó datos del World De-
velopment Indicators del Banco Mundial (2017), para examinar la
relación entre la industrialización y el desempleo en 91 países a ni-
vel mundial, en el periodo de 1990-2016. Se tomó como variable
dependiente el desempleo extraída de la base de datos como des-
empleo total ( % de la fuerza de trabajo total) y como variable in-
dependiente la industrialización, extraída de la base de datos como
industrialización, valor agregado ( % anual de crecimiento); las mis-
mas que se encuentran medidas en tasas porcentuales, por ende,
los coeficientes son comparables entre ellos. Adicionalmente se in-
corporó una nueva forma de agrupar los datos según el nivel de
ingresos de los países denominada “Atlas 2”, en la cual se toma co-
mo referencia rangos más cortos del promedio de los ingresos per
cápita de cada país en el periodo analizado para obtener resultados
más realistas y comparables. De este modo los países se han agrupa-
do en países de ingresos altos (PIA), países de ingresos medios altos
(PIMA), países de ingresos medios bajos (PIMB), países de ingresos
bajos (PIB), y países de ingresos extremadamente bajos (PIEB).
Se entiende por desempleo al desajuste existente en el merca-
do laboral, donde la oferta de trabajo es superior a la demanda de
trabajo, y se entiende por industrialización a la producción de bie-
nes a gran escala utilizando máquinas accionadas con nuevas fuen-
tes de energía y en términos de ocupación suele ofrecer trabajo a la
mayoría de la población de un país.Previo al análisis econométrico,
se presenta gráficamente el comportamiento en el tiempo de las
variables utilizadas. La Figura 1 muestra la relación entre la indus-
trialización y el desempleo. Se observa una relación negativa entre
las variables, lo que indica que un aumento de la industrialización
provoca una reducción de la tasa de desempleo, a nivel global, en
los PIA, en los PIMA, en los PIMB, en los PIB y en los PIEB.
A continuación, la Tabla 1 muestra los estadísticos descriptivos
del modelo, y permite observar que se dispone de un panel balan-
ceado (igual número de países “n” e igual número de años “T”), lo
cual permitirá continuar con el análisis econométrico. La media del
desempleo es 8.84 y la desviación estándar es de 6.24 a nivel glo-
bal, 5.12 entre países y 3.59 dentro de cada país. La media de la
industrialización es 3.02 y la desviación estándar es de 7.69 a nivel
global, 2.63 entre países y 7.23 dentro de cada país. Tanto para el
desempleo como para la industrialización la variabilidad es mayor a
nivel global, como lo demuestra la desviación estándar, debido a la
diferencia de ingresos entre los diferentes países.
3.2 |Metodología
Los métodos aplicados en éste modelo econométrico con el
propósito de analizar el impacto de la industrialización en el desem-
pleo se expresan en algunas etapas. En la primera etapa se emplean
las pruebas de raíz unitaria para para verificar la estacionaridad de
las series o confirmar si las series poseen o no un comportamiento
tendencial, en base al test de Dickey y Fuller aumentado (1981), el
test de Phillips y Perron (1988); el test de Im, Pesaran y Shin (2003),
y el test de Breitung (2001).
En la segunda etapa se aplica una regresión de línea base con
el fin de determinar cómo se direcciona la relación de las variables
utilizadas; además de aplicar el test de Hausman (1978) para esta-
blecer si se empleará un modelo de efectos fijos o un modelo de
efectos aleatorios. En la tercera etapa aplicamos técnicas de cointe-
gración para establecer el equilibrio en el corto y largo plazo entre
las variables mediante el test de Westerlund (2007) y el test de Pe-
droni (1999) respectivamente. En la cuarta etapa se emplea el test
de Pedroni (2001) para determinar la fuerza de los vectores de coin-
tegración en el panel de las variables; aplicando el modelo DOLS
para estimar la fuerza del vector de cointegración para cada país y
el modelo PDOLS para determinar la fuerza del vector de cointegra-
ción para cada grupo de países. Y finalmente, en la quinta etapa se
aplica la prueba de causalidad tipo Granger de panel de Dimietry y
Hurlin (2012) para establecer si hay causalidad y cuál es su direc-
ción.
Figura 1. Elaboración propia, con datos del Banco Mundial, (2017).
69
Impacto de la industrializaciónen el desempleo en 91 países a nivel .....
Vol.9-N°2, Julio - Diciembre 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
Tabla 1. Estadísticos descriptivos de las variables
Variable Media SD Mín. Máx. Observaciones
Desempleo Overall 8.84 6.24 -6.58 38.8 N= 2457
Between 5.12 0.41 31.60 n= 91
Within 3.59 -8.59 30.61 T= 27
Industrialización Overall 3,02 7.69 -73.66 49.02 N= 2457
Between 2.63 -3.91 12.97 n= 91
Within 7.23 -69.78 48.73 T= 27
Para verificar econométricamente la relación entre la industria-
lización y el desempleo, se inicia designando un modelo de regresión
básica de datos de panel, como se muestra en la ecuación 1:
Ui t =(β0+δ0) + δ1I Ni t +?ϵi t (1)
Donde Ui t representa a la tasa de desempleo del país i en el
periodo t o la variable dependiente del modelo, βorepresenta el
tiempo, α0representa el espacio, δ1representa la trayectoria de la
variable independiente en el tiempo, I Ni t representa el porcentaje
de crecimiento anual de la industrialización del país i en el periodo
t o la variable independiente y ϵi t representa el término de error.
Con el fin de establecer el orden de integración de la serie con
tendencia, se utiliza el modelo de Enders (1995), y se estima la ecua-
ción 2 en la cual se estima la intersección:
Ut=α0+λUt−1+α1t
p
Õ
i=2
βjUt−i−1+ϵt(2)
Dónde Utes la variable en la cual se detectará la existencia de
raíz unitaria, α0es el intercepto,α1se encarga de captar el efecto de
tendencia, t representa el tiempo, p simboliza la duración del retra-
so, y ϵtes el término de error gaussiano. Si el parámetro λllega a
ser significativo se puede concluir que todos los paneles tienen raí-
ces unitarias. Conjuntamente se debe señalar que para determinar
el número de rezagos a aplicar en el modelo se usó el modelo de
Akaike (1974).
Como se estableció en la tercera etapa, para establecer si hay
relación de largo plazo entre las variables se aplica el test de cointe-
graciòn de Pedroni (1999), como indica la ecuación 3:
Ui t =αi+
n−1
Õ
j=1
βi j Xi t −j+
n−1
Õ
j=1
W1jUi t −j+πiE CTt−1+ϵi t (3)
En la ecuación 3, Ui t es la variable dependiente del país i en
el periodo t, el parámetro t representa el número de observaciones,
αies el término constante, los parámetros βy W representan los
estimadores asociados con los represores, ECT es el término de co-
rrección de errores obtenido del vector de cointegración, y ϵi t es el
término de error aleatorio estacionario con media cero, y j es la lon-
gitud del desfase. En esta etapa también se determina el equilibrio
de corto plazo entre las variables a través de la prueba de corrección
de errores de Westerlund (2007), como se establece en la ecuación
4:
Ui t =δidt+αi(Ui t −1−βiXi t −1+
pi
Õ
j=1
αi j Ui t −j+
pi
Õ
j=1
Y1jXi t −j+ϵi t (4)
En la ecuación 4, tes el periodo de tiempo, ies el número de
países, δidtes la trayectoria de la variable en el tiempo, αies el tér-
mino constante, Xi t representa la variable independiente, Ui t es la
variable dependiente, y ϵi t es el término de error aleatorio estacio-
nario con media cero.
Mediante el modelo de Pedroni (2001) se aplica el modelo di-
námico de mínimos cuadrados ordinarios (DOLS), que determina la
fuerza de la relación entre las variables para cada país individual-
mente; y también se aplica modelo dinámico de panel de mínimos
cuadrados (PDOLS) para determinar la fuerza de la relación entre las
variables para cada grupo de países, asociados según el promedio a
través del tiempo de su nivel de ingresos per cápita (Atlas 2). A con-
tinuación, en la ecuación 5 se plantea la relación entre las variables
analizadas:
Ui t =αi+βiXi t −+
p
Õ
j=−p
Yi t △Xi t −j+Ui t (5)
En ésta ecuación Ui t representa el desempleo del país i en el
periodo t, Xi t −jrepresenta la industrialización o variable indepen-
diente rezagada, P representa el número de períodos de tiempo, es
el número de retrasos y avances de la regresión DOLS, βirepresenta
el coeficiente de la pendiente de la regresión.
A continuación, la ecuación 6 representa la causalidad tipo
Granger de panel de Dimietry y Hurlin (2012), que servirá para de-
terminar la existencia de causalidad entre el desempleo y la indus-
trialización y su dirección.
Ui t =αi+
K
Õ
k=−1
Y i k
K
Õ
k=−1
βi KXi t −k+Ui t (6)
Donde, Ui t es la variable dependiente o el desempleo del país
i en el periodo t, Xi t es la variable independiente o la industrializa-
ción, βies el coeficiente de la pendiente de la regresión. El término
αiestá fijo en el término del tiempo, y el parámetro Y i ky el coefi-
ciente βi kvarían en las secciones transversales.
70
Acaro L. & Iñiguez K.
Vol.9-N°2, Julio - Diciembre 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
4|DISCUSIÓN DE RESULTADOS
En la primera sección, para determinar la estacionaridad de las
variables se aplican las pruebas de raíz unitaria a través de los test
de Dickey y Fuller aumentado (1981) (ADF), Phillips y Perron (1988)
(PP), Im, Pesaran y Shin (2003) (IPS), y Breitung (2001) (UB). Se apli-
can varios test para asegurarnos de eliminar el efecto tendencial
dado que el modelo incluye varios países.
Los resultados de la prueba de raíz unitaria de la Tabla 2 arro-
jaron datos que llevan a concluir que las series son estacionarias y
por ello se hizo necesaria la aplicación de primeras diferencias en el
modelo para corregir este problema.
Tabla 2. Pruebas de raíz unitaria
Grupos/variables UB IPS ADF PP UB IPS ADF PP
Sin efectos del tiempo Con efectos del tiempo
GLOBAL
Ui,t9.69* -33.38* -11.69* -29.77* -10.37* -30.94* -10.47* -29.77*
INi,t-6.35* -49.38* -23.93* -61.39* -5.50* -48.80* -23.79* -62.07*
PIA
Ui,t-0.91* -4.77* -2.79* -3.56* -1.28* -5.65* -1.10* -5.73*
INi,t-1.27* -7.87* -4.13* -10.1* -0,30* -6.78* -1.84* -9.61*
PIMA
Ui,t-2.79* -8.99* -5.32* -6.98* -2.75* -8.02* -4.66* -5.55*
INi,t-3.65* -18.15* -11.89* -25.37* -2.62* -19.44* -10.66* -25.13*
PIMB
Ui,t-3.45* -10.24* -4.54* -8.25* -2.60* -8.61* -4.31* -8.55*
INi,t-3.03* -19.61* -8.95* -24.67* -2.24* -19.33* -9.37* -26.68*
PIB
Ui,t-6.75* -14.39* -4.68* -13.14* -6.63* -13.86* -5.09* -12.80*
INi,t-4.62* -20.91* -10.52* -27.68* -3.66* -24.44* -9.85* -27.43*
PIEB
Ui,t-6.99* -26.89* -7.34* -25,06* -9.34* -25.40* -7.13* -25.01*
INi,t-3.03* -34.45* -14.15* -39.3* -2.34* -35.53* -14.74* -40.37*
Nota: * p <0.001
A continuación, luego de corregir la autorregresión y heteros-
cedasticidad; la Tabla 3 muestra la regresión de línea base, la misma
que justifica el hecho de clasificar a los países por niveles de desa-
rrollo económico, es decir; los resultados muestran diferencias entre
los coeficientes, lo que verifica la existencia de diferencias entre los
grupos de países según su nivel de ingresos (PIA, PIMA, PIMB, PIB,
PIEB).
Tabla 3. Resultados de la regresión de línea de base (GLS)
GLOBAL PIA PIMA PIMB PIB PIEB
dINi t -0.014*** -0.082** -0.007 0.001 -0.031*** -0.012*
(-4.23) (-3.01) (-0.90) (0.22) (-3.65) (-2.36)
Constant 0.531*** 0.233 0.831** 1.663** 1.285* 0.276
(3.51) (0.77) (3.12) (2.96) (2.35) (0.35)
Hausband test (p-value) 0.00 -0.54 0.10 0.29 0.09 -5.82
Serial correlation test (p-value) 14.01 -1 0.75 0.58 0.76 -
Fixed effects (Time) Si No No No No No
Fixed effects (country) Si No No No No No
Observations 2366 52 416 416 468 1014
Nota:t statistics in parentheses * p <0.05, ** p <0.01, *** p <0.001
71
Impacto de la industrializaciónen el desempleo en 91 países a nivel .....
Vol.9-N°2, Julio - Diciembre 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
Tabla 4. Resultados de la prueba de cointegración de Pedroni
GLOBAL PIA PIMA PIMB PIB PIEB
Estadistico de prueba
Panel t-estadístico -29.44* -5.27* -5.25* -8.25* -12.99* -26.77*
Panel ADF-estadístico -23.98* -5.14* -1.88 -5.72* -11.4* -20.34*
Nota:t statistics in parentheses * p <0.05, ** p <0.01, *** p <0.001
Los resultados de estas regresiones muestran que la industria-
lización tiene una relación negativa y estadísticamente significativa
con el desempleo a nivel global, en los PIA, en los PIB y en los PIEB;
y una relación negativa pero no significativa en los PIMA. Lo que in-
dica que, si la industrialización incrementa en 1 %, el desempleo se
reducirá en 1.4 % a nivel global, un 8.2 % en los PIA, un 0.7 % en los
PIMA, en 3.1 % en los PIB, y un 1.2 % en los PIEB.
Tabla 5. Resultados de la prueba de cointegración de Westerlund
Grupo Estadístico value z-value p-value
GLOBAL
Gt -4.02* -19.77* 0.00
Ga -24.06 -17.44* 0.00
Pt -40.90 -24.17* 0.00
Pa -27.85 -30.17 0.00
PIA
Gt -2.90 -0.97 0.16
Ga -19.07 -1.52 0.06
Pt -3.42 -0.50 0.30
Pa -13.10 -0.98 0.16
PIMA
Gt -3.07* -3.56* 0.00
Ga -14.30 -1.44 0.07
Pt -10.23* -2.07* 0.01
Pa -12.16* -2.14* 0.01
PIMB
Gt -4.37* -9.08* 0.00
Ga -26.55* -7.94* 0.00
Pt -16.25* -10.05* 0.00
Pa -31.18* -13.41* 0.00
PIB
Gt -3.89* -8.10* 0.00
Ga -22.98* -7.07* 0.00
Pt -15.98* -8.17* 0.00
Pa -22.29* -9.47* 0.00
PIEB
Gt -4.42* -16.04* 0.00
Ga -28.15* -15.25* 0.00
Pt -29.22* -18.67* 0.00
Pa -32.39* -24.50* 0.00
Nota:t statistics in parentheses * p <0.05, ** p <0.01, *** p <0.001
72
Acaro L. & Iñiguez K.
Vol.9-N°2, Julio - Diciembre 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
Estos resultados coinciden con Yang y Shao (2017) que determi-
naron que existe una relación estadísticamente significativa entre la
calidad del empleo y el proceso de industrialización; con Liu, Huang
y Zikhali (2016) que encontraron que, una subida en los niveles de
industrialización incide en la reducción de las tasas de desempleo; y
con Watson y Deller (2017) quienes revelaron que la diversidad in-
dustrial provoca reducciones en el nivel de desempleo. En contraste
con Broadberry, Campbell y Van Leeuwen (2013) que indican que,
el incremento de la producción de la industria durante la Revolución
Industrial se provocó más por las ganancias en la productividad del
trabajo que se dio por la mecanización, que por crecimiento o expan-
sión del empleo.
Además, el test de Hausman indicó que se debe aplicar un mo-
delo de efectos fijos para el grupo de países a nivel global (debido a
que arroja un valor menor a 0.05); y en las demás agrupaciones de
países se aplicó un modelo de efectos aleatorios (porque el valor del
test es mayor a 0.05 y/o negativo). En el caso de no aplicar este test,
los resultados tendrían estimadores sesgados.
En ésta tercera sección, se muestran los resultados de la prueba
de cointegración de Pedroni (1999) con el fin de determinar si existe
equilibrio en el largo plazo entre el desempleo y la industrialización
o identificar si en promedio las variables se mueven de manera con-
junta en el tiempo; como se observa en la Tabla 4. Los resultados de
la Tabla 4 indican que existe equilibrio de largo plazo entre el desem-
pleo y la industrialización, a nivel global, en los PIA, en los PIMB, en
los PIB y en los PIEB, debido a que los estadísticos de prueba t y ADF
del test de Pedroni están dentro del rango establecido (mayor o igual
a dos, en valores absolutos); sin embargo para los PIMA el estadístico
de la prueba ADF es menor a dos lo que revelaría la inexistencia de
equilibrio a largo plazo, aunque el estadístico de la prueba t está en
un rango aceptable, lo que indica equilibrio en el largo plazo. Estos
resultados tienen una relación directa con las conclusiones de Hara-
guchi, Cheng y Smeets (2017) que muestran que la industrialización
ha desempeñado un papel fundamental en el empleo y crecimiento
económico a largo plazo de los países en desarrollo en estos últimos
25 años.
A continuación, se describen los resultados de la prueba de coin-
tegración de Westerlund (2007) a través de la cual se identificará la
existencia del vector de cointegración o si existe equilibrio en el corto
plazo entre las variables.
Los resultados de la Tabla 5 muestran que existe equilibrio de
corto plazo a nivel global, en los PIMA (tal como lo demuestran tres
de los cuatro estadísticos utilizados); así como en los PIMB, en los
PIB y en los PIEB; porque sus valores son estadísticamente signifi-
cativos (p-value <0.05), como lo demuestran los cuatro estadísticos
aplicados. Coincidiendo con Hafstead y Williams (2018) que estable-
cen que una reducción de las industrias por políticas que imponen
impuestos a la contaminación o impuestos ambientales, aumenta el
desempleo en el corto plazo. En esta cuarta sección, con la finalidad
de determinar la fuerza del vector de cointegración para cada país, se
aplica la prueba DOLS, como se expresa en la Tabla 6.
La Tabla 6 demuestra a partir de la aplicación del modelo DOLS
(en el cual t-stat debe ser mayor o igual a dos en valores absolutos
para ser significativo) que, en los PIA no existe fuerza del vector de
cointegración; en los países PIMA existe fuerza del vector de cointe-
gración en Belgium y Japón, en Netherlands y New Zealand con la
aplicación de Dummy, y en Cyprus, Israel, Spain y United States sin la
aplicación de Dummy; en los PIMB existe fuerza del vector de cointe-
gración en Chile y Venezuela, en Bahamas, The, Barbados y Hungary
con la aplicación de Dummy, y en Slovak Republic sin la aplicación de
Dummy.
en los PIB existe fuerza del vector de cointegración en Colom-
bia y Poland, en Brasil y en St. Lucia con la aplicación de Dummy, y en
Costa Rica, Panamá, Russian Federation y Uruguay sin la aplicación
de Dummy; y en los PIEB existe fuerza del vector de cointegración
en Armenia Bhutan y Ukraine, en China, Ecuador y Honduras con la
aplicación de Dummy, y en Egypt, Arab Rep., Macedonia, FYR y Thai-
land sin la aplicación de Dummy. Dummy representa los efectos fijos
del tiempo. Con el propósito de determinar la fuerza del vector de
cointegración para cada grupo de países, se aplica la prueba PDOLS,
como se indica en la Tabla 7.
Los resultados de la Tabla 7 muestran que hay fuerza del vector
de cointegración, aplicando efectos fijos del tiempo, en el grupo de
países a nivel global, en los PIA, en los PIMA, en los PIMB y en los
PIB, en los cuales el valor del estadístico t es mayor o igual a dos, en
valores absolutos, sin embargo; no se presenta esta fuerza de cointe-
gración en los PIEB. Además, existe fuerza del vector de cointegra-
ción, sin aplicar los efectos fijos del tiempo, en el grupo de países a
nivel global, en los PIMA, en los PIMB y en los PIB, en los cuales el
valor del estadístico t es mayor o igual a dos, en valores absolutos;
sin embargo, no se presenta esta fuerza de cointegración en los PIA
y en los PIEB. Finalmente, en esta quinta sección, para determinar la
existencia de causalidad y su dirección, se aplica la prueba de causa-
lidad tipo Granger de panel de Dumitrescu y Hurlin (2012) como se
indica en la Tabla 8.
Los resultados de la Tabla 8 muestran que existe causalidad en-
tre el desempleo y la industrialización (p-value menor a 0,05). En los
PIA y PIMA se observa la existencia de causalidad bidireccional entre
el desempleo y la industrialización; en los PIEB hay causalidad unidi-
reccional entre el desempleo y la industrialización; y en los PIB no
existe causalidad.
73
Impacto de la industrializaciónen el desempleo en 91 países a nivel .....
Vol.9-N°2, Julio - Diciembre 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
Tabla 6. Resultados del modelo DOLS para países individuales
PIA PIMA PIMB PIB PIEB
Beta
País Con
Dummy
Sin
Dummy País Con
Dummy
Sin
Dummy País Con
Dummy
Sin
Dummy País Con
Dummy
Sin
Dummy País Con
Dummy
Sin
Dummy
Denmark -0.33 -0.11 Australia 0.00 -0.67 Bahamas -0.31* -0.45* Argentina -0.12 -0.17 Albania 0.01 -0.00
Switzerland -0.33 -0.27 Austria -0.13 0.18 Barbados -0.72* -0.38 Botswana 0.15 0.17 Algeria -1.36 -0.25
Belgium -0.87* 0.66* Chile -0.75* -0.90* Brasil 0.64* 0.31 Armenia -0.77* -0.65*
Cyprus -0.07 -0.30* Croatia 0.01 -0.16 Bulgaria 0.23 0.22 Azerbaijan 0.12 0.11
Finland -0.21 -0.19 Czech R. -0.07 -0.15 Colombia -0.94* -1.03* Bangladesh 0.58 1.13
France -0.08 0.11 Estonia -0.04 -0.18 Costa Rica -0.69 -0.83* Belarus 0.05 0.04
Germany -0.66 0.24 Greece -0.13 0.00 Kazakhstan 0.01 0.11 Belize -0.37 -0.38
Israel -0.42 -0.51* Hungary -1.05* -0.36 Malaysia -0.09 -0.02 Bhutan 0.25* 0.20*
Italy -0.54 0.37 Portugal 0.23 0.21 Mauritius 0.00 -0.21 Bolivia 0.27 0.31
Japan 0.54* -0.21* Slovak R. -0.34 -0.29* México 0.13 -0.03 Cambodia 0.01 0.24
Netherlands 1.15* -0.20 Slovenia 0.20 -0.02 Panamá -0.12 -0.39* China 0.15* 0.07
New Zealand 0.19* -0.22 Trin and Tob. -0.07 -0.08 Poland -1.46* -1.17* Cuba 0.05 -0.05
Spain -1.34 -1.59* Venezuela 0.62* -0.36* Russia 0.01 0.20* Dominican R -0.45 -0.69
Sweden 0.33 0.35 South Af. -2.31 -0.29 Ecuador -0.56* -0.38
UK -0.13 -0.35 St. Lucia 0.68* 0.37 Egypt -0.35 -0.68*
USA -0.60 0.53* Suriname 0.00 0.07 El Salvador 0.12 -0.13
Turkey -0.00 0.00 Ethiopia -0.53 -0.66
Uruguay -0.24 -0.42* Fiji 0.21 0.38
Guatemala 0.18 0.24
Honduras 0.59* 0.03
Indonesia -0.12 -0.04
Jamaica 0.24 0.04
Macedonia 0.38 0.60*
Moldova 0.16 0.21
Morocco -1.32 -0.63
Nicaragua 0.25 0.28
Pakistán -0.19 -0.23
Paraguay -0.12 0.11
Perú 0.28 0.08
Philippines 0.18 0.24
Sri Lanka 0.15 -0.08
Syrian AR 0.67 0.79
Tajikistan -0.01 -0.01
Thailand -0.05 -0.10*
Tunisia -0.45 1.22*
Ukraine 0.40* 0.34*
Uzbekistan -0.03 0.00
Vietnam -0.09 0.12
WB Gaza -0.30 -0.38
Nota: *, **, *** indican el rechazo de la hipótesis nula al nivel de 5 %, 10 % y 1 % respectivamente para H0:βi= 1
74
Acaro L. & Iñiguez K.
Vol.9-N°2, Julio - Diciembre 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
Tabla 7. Resultados del modelo PDOLS
Con efectos fijos del tiempo Sin efectos fijos del tiempo
Grupos Beta t-stat Beta t-stat
GLOBAL -0.15 3.71* -0.13 5.36*
PIA -0.33 2.12* -0.19 -1.35
PIMA -0.41 5.02* -0.17 3.50*
PIMB -0.28 3.96* -0.24 5.14*
PIB -0.22 2.11* -0.17 3.38*
PIEB -0.04 1.62 -0.02 0.76
Nota:t statistics in parentheses * p <0.05, ** p <0.01, *** p <0.001
Tabla 8. Resultados de la prueba de causalidad de panel tipo Granger de Dumitrescu y Hurlin
Dirección de causalidad Grupo W-bar Z-bar p-value
Ui,t=⇒I Ni,t
PIA 3.54 2.54 0.01
PIMA 2.36 3.86 0.00
PIMB 1.57 1.45 0.14
PIB 0.89 -0.31 0.75
PIEB 1.54 2.38 0.01
INi,t=⇒Ui,t
PIA 7.63 6.63 0.00
PIMA 4.36 8.95 0.00
PIMB 2.06 2.72 0.00
PIB 1.60 1.81 0.06
PIEB 1.38 1.70 0.08
5|CONCLUSIONES E IMPLICACIO-
NES DE POLÍTICA
La presente investigación determina la relación entre el desem-
pleo y la industrialización a nivel mundial y por grupos de países clasi-
ficados por el promedio de su ingreso per cápita en el periodo 1990-
2016, a través de la utilización de un modelo de datos de panel y
modernas técnicas de cointegración y causalidad. Se estableció una
regresión de línea base con la que se identificó una relación negati-
va y estadísticamente significativa entre la industrialización y el des-
empleo, lo que prueba la hipótesis planteada; se incorporó el test de
Hausband, para establecer la aplicación de un modelo de efectos fijos
para el grupo de países a nivel global y un modelo de efectos aleato-
rios para los PIA, PIMA, PIMB, PIB y PIEB. Mediante la prueba de
cointegración de Pedroni (1999) se encontró que existe equilibrio de
largo plazo; y a través de la prueba de cointegración de Westerlund
(2007) se determinó que existe equilibrio de corto plazo en los PIMA,
PIMB, PIB y PIEB. La aplicación del modelo DOLS de Pedroni (2001)
reveló que existe fuerza del vector de cointegración en los países a
nivel individual, dentro de los PIMA, PIMB, PIB y PIEB.
La aplicación del modelo PDOLS de Pedroni (2001) estableció
que hay fuerza del vector de cointegración para cada grupo de paí-
ses a nivel global, en los PIMA, PIMB, PIB y PIEB. Y la utilización de
la prueba de causalidad tipo Granger de panel de Dimietry y Hurlin
(2012) probó que existe causalidad bidireccional entre el desempleo
y la industrialización en los PIA y PIMA; y causalidad unidireccional
en los PIEB. Las implicaciones de política relacionadas con este mo-
delo econométrico son diseñar una mayor cantidad de infraestructu-
ras adecuadas y amigables con el ambiente para lograr el desarrollo
industrial eficiente de cada país y reducir los niveles de desempleo,
como lo indica Park (2017) la razón por la cual se recomienda crear
infraestructuras amigables con el ambiente es porque las políticas
que imponen impuestos ambientales o a la contaminación reducen
significativamente el número industrias y por ende aumentan el des-
empleo, según Hafstead y Williams (2018). Además se recomienda
realizar modelos de gestión industrial que establezcan una ubicación
adecuada para las industrias en cada país y de este modo evitar la
aglomeración de inmigrantes por la oferta de empleos en zonas es-
pecíficas como lo señalaron Lévêque y Saleh (2017) e implementar
planes estratégicos que fomenten la inversión extranjera directa y el
empleo industrial, y de este modo se reduzca la desigualdad de ingre-
sos y se promueva el crecimiento económico, tal como lo demostró
Mehic (2018).
75
Impacto de la industrializaciónen el desempleo en 91 países a nivel .....
Vol.9-N°2, Julio - Diciembre 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
Referencias bibliográficas
[1] Adom, P. K., y Amuakwa-Mensah, F. (2016). What dri-
ves the energy saving role of FDI and industrialization
in East Africa? Renewable and Sustainable Energy Re-
views, 65, 925-942.
[2] Agnello, L., Castro, V., Jalles, J. T., y Sousa, R. M. (2014).
Fiscal adjustments, labour market flexibility and unem-
ployment. Economics Letters, 124(2), 231-235.
[3] Akaike, H. (1974). A new look at the statistical model
identification. IEEE transactions on automatic control,
19(6), 716-723
[4] Alsaleh, M., y Abdul-Rahim, A. S. (2018). Determinants
of cost efficiency of bioenergy industry: Evidence from
EU28 countries. Renewable Energy, 127, 746-762.
[5] Antoci, A., Galeotti, M., y Sordi, S. (2018). Environmen-
tal pollution as engine of industrialization. Communica-
tions in Nonlinear Science and Numerical Simulation,
58, 262-273.
Antoci, A., Russu, P., Sordi, S., y Ticci, E. (2014). Industria-
lization and environmental externalities in a Solow-type
model. Journal of Economic Dynamics and Control, 47,
211-224.
[6] Azorín, J. D. B. (2017). Output growth thresholds for the
creation of employment and the reduction of unemploy-
ment: A spatial analysis with panel data from the Spa-
nish provinces, 2000–2011. Regional Science and Ur-
ban Economics, 67, 42-49.
[7] Basu, B. (2017). Labor market effects of export proces-
sing zones in the presence of unemployment. Economic
Modelling, 66, 19-29.
[8] Bhattarai, K. (2016). Unemployment–inflation trade-
offs in OECD countries. Economic Modelling, 58, 93-
103.
[9] Breitung, J. (2001). The local power of some unit root
tests for panel data. In Nonstationary panels, panel coin-
tegration, and dynamic panels (pp. 161-177). Emerald
Group Publishing Limited.
[10] Broadberry, S., Campbell, B. M., y Van Leeuwen, B.
(2013). When did Britain industrialise? The sectoral dis-
tribution of the labour force and labour productivity in
Britain, 1381–1851. Explorations in economic history,
50(1), 16-27.
[11] Caggiano, G., Castelnuovo, E., y Figueres, J. M. (2017).
Economic policy uncertainty and unemployment in the
United States: A nonlinear approach. Economics Letters,
151, 31-34.
[12] Caponi, V. (2017). Public employment policies and re-
gional unemployment differences. Regional Science and
Urban Economics, 63, 1-12.
[13] Chen, B. L., Hsu, M., y Lai, C. F. (2016). Relation between
growth and unemployment in a model with labor-force
participation and adverse labor institutions. Journal of
Macroeconomics, 50, 273-292.
[14] Cherniwchan, J. (2012). Economic growth, industrializa-
tion, and the environment. Resource and Energy Econo-
mics, 34(4), 442-467.
[15] Costantini, V., Crespi, F., y Paglialunga, E. (2017). The
Employment Impact Of Private And Public Actions For
Energy Efficiency: Evidence From European Industries
(No. 0227). Department of Economics-University Roma
Tre.
[16] Dickey, D., Fuller, W. A., 1981. Likelihood ratio statistics
for autoregressive time series with a unit root. Econo-
metrica, 49, 1057-1072.
[17] Donayre, L., y Panovska, I. (2018). US wage growth and
nonlinearities: The roles of inflation and unemployment.
Economic Modelling, 68, 273-292.
[18] Enders, W., (1995). Applied Econometric Time Series,
John Wiley Sons, Inc., U.S.A.
[19] Fan, S., Yan, J., y Sha, J. (2017). Innovation and economic
growth in the mining industry: Evidence from China’s lis-
ted companies. Resources Policy, 54, 25-42.
[20] Galiani, S., Lamarche, C., Porto, A., y Sosa-Escudero,
W. (2005). Persistence and regional disparities in unem-
ployment (Argentina 1980–1997). Regional Science
and Urban Economics, 35(4), 375-394.
[21] Granger, C. W. (1988). Causality, cointegration, and con-
trol. Journal of Economic Dynamics and Control, 12(2-
3), 551-559.
[22] Gui-Diby, S. L., y Renard, M. F. (2015). Foreign direct
investment inflows and the industrialization of African
countries. World Development, 74, 43-57.
[23] Hafstead, M. A., y Williams, R. C. (2018). Unemploy-
ment and environmental regulation in general equili-
brium. Journal of Public Economics, 160, 50-65.
[24] Haraguchi, N., Cheng, C. F. C., y Smeets, E. (2017).
The importance of manufacturing in economic develop-
ment: Has this changed?. World Development, 93, 293-
315.
76
Acaro L. & Iñiguez K.
Vol.9-N°2, Julio - Diciembre 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
[25] Hausman, J. A. (1978). Specification tests in econome-
trics. Econometrica: Journal of the Econometric Society,
1251-1271.
[26] Horvath, J., y Zhong, J. (2018). Unemployment dyna-
mics in emerging countries: Monetary policy and exter-
nal shocks. Economic Modelling.
[27] Im, K. S., Pesaran, M. H., y Shin, Y. (2003). Testing for
unit roots in heterogeneous panels. Journal of Econo-
metrics, 115(1), 53-74.
[28] Jerbashian, V. (2015). The telecommunications industry
and economic growth: How the market structure mat-
ters. Economic Modelling, 51, 515-523.
[29] Lee, J. W., y McKibbin, W. J. (2018). Service sector pro-
ductivity and economic growth in Asia. Economic Mo-
delling.
[30] Lévêque, C., y Saleh, M. (2017). Does industrialization
affect segregation? Evidence from nineteenth-century
Cairo. Explorations in Economic History.
[31] Li, M., Li, C., y Zhang, M. (2018). Exploring the spatial spi-
llover effects of industrialization and urbanization fac-
tors on pollutants emissions in China’s Huang-Huai-Hai
region. Journal of Cleaner Production.
[32] Liu, X., y Bae, J. (2018). Urbanization and industrializa-
tion impact of CO 2 emissions in China. Journal of Clea-
ner Production, 172, 178-186.
[33] Liu, Y., Huang, J., y Zikhali, P. (2016). The bittersweet
fruits of industrialization in rural China: The cost of en-
vironment and the benefit from off-farm employment.
China Economic Review, 38, 1-10.
[34] Maksimović, G., Jović, S., y Jovanović, R. (2017). Eco-
nomic growth rate management by soft computing ap-
proach. Physica A: Statistical Mechanics and its Applica-
tions, 465, 520-524.
[35] Mehic, A. (2018). Industrial employment and income
inequality: Evidence from panel data. Structural Chan-
ge and Economic Dynamics, 45, 84-93.
[36] Mohseni, M., y Jouzaryan, F. (2016). Examining the
Effects of Inflation and Unemployment on Economic
Growth in Iran (1996-2012). Economics and Finance,
36, 381-389.
[37] Neal, T. (2014). Panel cointegration analysis with xtpe-
droni. Stata Journal, 14(3), 684-692.
[38] Ortego-Marti, V. (2017). Differences in skill loss during
unemployment across industries and occupations. Eco-
nomics Letters, 161, 31-33.
[39] Park, J. I., y Lee, S. (2017). Examining the spatial pat-
terns of green industries and the role of government
policies in South Korea: Application of a panel regres-
sion model (2006–2012). Renewable and Sustainable
Energy Reviews, 78, 614-623.
[40] Pedroni, P. (1999). Critical values for cointegration tests
in heterogeneous panels with multiple regressors. Ox-
ford Bulletin of Economics and statistics, 61(S1), 653-
670.
[41] Pedroni, P. (2001). Fully modified OLS for heterogeneo-
us cointegrated panels. In Nonstationary panels, panel
cointegration, and dynamic panels (pp. 93-130). Eme-
rald Group Publishing Limited.
[42] Phillips, P. C., y Perron, P. (1988). Testing for a unit root
in time series regression. Biometrika, 75(2), 335-346.
[43] Rekiso, Z. S. (2017). Rethinking regional economic inte-
gration in Africa as if industrialization mattered. Struc-
tural Change and Economic Dynamics, 43, 87-98.
[44] Schmerer, H. J. (2014). Foreign direct investment and
search unemployment: Theory and evidence. Internatio-
nal Review of Economics Finance, 30, 41-56.
[45] Schubert, S. F., y Turnovsky, S. J. (2017). Growth and
unemployment: Short-run and long-run tradeoffs. Jour-
nal of Economic Dynamics and Control.
[46] Sheng, M., y Gu, C. (2018). Economic growth and de-
velopment in Macau (1999–2016): The role of the boo-
ming gaming industry. Cities, 75, 72-80.
[47] Shihe, F. U., Xiaofang, D. O. N. G., y Guojun, C. H. A. I.
(2010). Industry specialization, diversification, churning,
and unemployment in Chinese cities. China Economic
Review, 21(4), 508-520.
[48] Song, H., Thisse, J. F., y Zhu, X. (2012). Urbanization
and/or rural industrialization in China. Regional Science
and Urban Economics, 42(1-2), 126-134.
[49] Stuermer, M. (2017). Industrialization and the demand
for mineral commodities. Journal of International Mo-
ney and Finance, 76, 16-27.
[50] Szirmai, A., y Verspagen, B. (2015). Manufacturing and
economic growth in developing countries, 1950–2005.
Structural Change and Economic Dynamics, 34, 46-59.
77
Vol.9-N°2, Julio - Diciembre 2021
p-ISSN:2602-8204 |e-ISSN 2737-6257
[51] Tesfaselassie, M. F., y Wolters, M. H. (2018). The impact
of growth on unemployment in a low vs. a high infla-
tion environment. Review of Economic Dynamics, 28,
34-50.
[52] Wang, T., y Chanda, A. (2017). Manufacturing growth
and local employment multipliers in China. Journal of
Comparative Economics.
[53] Watson, P., y Deller, S. (2017). Economic diversity,
unemployment and the Great Recession. The Quarterly
Review of Economics and Finance, 64, 1-11.
[54] Westerlund, J. (2007). Testing for error correction in pa-
nel data. Oxford Bulletin of Economics and statistics,
69(6), 709-748.
[55] Xu, B., y Lin, B. (2015). How industrialization and urbani-
zation process impacts on CO2 emissions in China: evi-
dence from nonparametric additive regression models.
Energy Economics, 48, 188-202.
[56] Xue, H., y Li-li, Q. (2016). Research on Efficiency of Fi-
nancial Supports in Agricultural Industrialization in Chi-
na. Journal of Northeast Agricultural University (English
Edition), 23(2), 78-81.
[57] Yang, Y., y Shao, X. (2017). Understanding industrializa-
tion and employment quality changes in China: Deve-
lopment of a qualitative measurement. China Economic
Review.
[58] Yang, F. F., Yeh, A. G., y Wang, J. (2018). Regional effects
of producer services on manufacturing productivity in
China. Applied Geography, 97, 263-274.
[59] Zhu, Z., Liu, Y., Tian, X., Wang, Y., y Zhang, Y. (2017).
CO2 emissions from the industrialization and urbaniza-
tion processes in the manufacturing center Tianjin in
China. Journal of Cleaner Production, 168, 867-875.
[60] Zweimüller, J. (2018). Unemployment insurance and the
labor market.
78
