DOI: 10.54753/rve.v10i1.1295
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
Crecimiento económico e inversión extranjera directa y su inciden-
cia en la desigualdad a nivel mundial: un enfoque de cointegración
y causalidad en datos de panel
Economic growth and foreign direct investment and their impact on global in-
equality: a cointegration and causality approach in panel data
Andrea Salinas
1
| Brayan Tillaguango
ID
2
1
Carrera de Economía, Universidad Nacional de
Loja, Loja, Ecuador
2
Carrera de Economía, Universidad Nacional de
Loja, Loja, Ecuador
Correspondencia
Andrea Salinas, Carrera de Economía,
Universidad Nacional de Loja, Loja, Ecuador
Email: andrea.salinas@unl.edu.ec
Agradecimientos
Club de Investigación de Economía (CIE)
Fecha de recepción
Enero 2021
Fecha de aceptación
Junio 2021
Dirección
Bloque 100. Ciudad Universitaria Guillermo
Falconí. Código Postal: 110150, Loja, Ecuador
RESUMEN
El objetivo de esta investigación, es analizar el nexo entre el Índice de Gini, el crecimiento
económico y la inversión extranjera directa (IED) en 100 países a nivel mundial, periodo
1980-2015. Se implementó técnicas de cointegración de datos de panel, como son los
modelos de cointegración de Pedoni (1999) que evalúa el largo plazo, mientas que, para
el corto plazo se implementó la prueba de cointegración de Westerlund (2007). Asimismo,
para obtener la fuerza del vector de cointegración se utilizó modelos de Mínimos Cuadra-
dos Ordinarios Dinámicos (DOLS) y Mínimos Cuadrados Ordinarios Dinámicos (PDOLS).
En el caso de la causalidad se implementó la prueba propuesta por Dumitrescu / Hurlin
(2012). Los resultados de las pruebas de cointegración nos muestran que el Índice de Gini,
el crecimiento económico y la IED tienen un movimiento conjunto a corto y largo plazo.
Los modelos PDOLS y DOLS muestran que el vector de cointegración entre el Índice de
Gini y el crecimiento económico es más contundente en los PIMB y PIMA. Por otra parte,
los resultados de la causalidad de Dumitrescu Hurlin (2012) confirman la existencia de
causalidad bidireccional entre la desigualad y el producto interno bruto en los países de
ingresos medios bajos (PIMB).
Palabras clave: Deesigualdad; PIB; Inverisón exttamjera directa; Cointegración.
Códigos JEL: I32. F43. F21.C23.
ABSTRACT
The objective of this research is to analyze the link between the Gini Index, economic
growth and foreign direct investment (FDI) in 100 countries worldwide, period 1980-2015.
Panel data cointegration techniques were implemented, such as the Pedoni (1999) coin-
tegration models that evaluate the long term, while the Westerlund (2007) cointegration
test was implemented for the short term. Likewise, to obtain the strength of the cointegra-
tion vector, Dynamic Ordinary Least Squares (DOLS) and Dynamic Ordinary Least Squares
(PDOLS) models were used. In the case of causality, the test proposed by Dumitrescu /
Hurlin (2012) was implemented. The results of the cointegration tests show us that the
Gini Index, economic growth and FDI have a joint movement in the short and long term.
The PDOLS and DOLS models show that the cointegration vector between the Gini Index
and economic growth is stronger in the LMIC and LMIC. On the other hand, the causality
results of Dumitrescu & Hurlin (2012) confirm the existence of two-way causality between
inequality and gross domestic product in lower middle income countries (LMIC).
Keywords: Inequality; GDP; Foreign direct investment; Cointegration.
JEL codes: I32. F43. F21.C23.
87
Salinas A. & Tillaguango B.
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
1 | INTRODUCCIÓN
Uno de los principales problemas que se han enfrentado los países
a través del tiempo es la distribución justa de la renta y el esfuerzo
por mejorarla. Asimismo, el aumento de la desigualdad es un tema
muy controvertido en los países de todo el mundo, donde el acceso
a los recursos económicos son una de las causas principales de este
fenómeno. En efecto, el Banco Mundial (2019) señala que para este
año casi el 50% de la población mundial vive con menos de $5 al día,
asimismo, para el año 2018, 26 personas poseían la misma cantidad
de dinero que los 3800 millones de personas más pobres del mundo.
Otra cruda realidad es la expresada en el informa de OXFAM inter-
nacional (2019) donde estima que las desigualdades contribuyen ac-
tualmente a la muerte de cerca 21300 personas al día; dicho de otra
manera, a la muerte de una persona cada cuatro segundos.
En este sentido, la presente investigación busca determinar el
impacto que tiene el crecimiento económico y la inversión extran-
jera directa (IED) sobre los niveles de desigualdad en 100 países a
nivel global. Precisamente el Banco Mundial (2019) señala que un
crecimiento económico más sólido es fundamental para reducir la
pobreza y mejorar los niveles de vida. Sin embargo, la ONU (2019)
señala que el crecimiento económico a nivel mundial cayó de 2,9%
en 2018 a 2,22% en 2019, como resultado de las prolongadas dis-
putas comerciales y una desaceleración en la inversión doméstica,
mientras que en las economías emergentes estos riegos incluyen el
aumento de barreras comerciales y las nuevas tenciones financieras.
Asimismo, atraer IED sigue siendo un importante objetivo de los go-
biernos, porque estas son un importante componente en la lucha
contra la pobreza y la desigualdad, sin embargo, el impacto, aunque
es sustancial en todas partes, varia de una región a otra. En efecto,
Giroud & Ivarsson (2020) señalan que, en 2019, los flujos hacia las
economías desarrolladas en su conjunto aumentaron un 5% hasta
alcanzar 800.000 millones de dólares, en el caso de África para
el 2019, los flujos de IED se redujeron en un 10%, situándose en
45.000 millones de colares. Los flujos hacia los países asiáticos en
2019 disminuyeron un 5%, situándose en 474.000 millones de co-
lares, a pesar de los aumentos en China y la India. Por el contrario,
la IED en América Latina y el Caribe en 2019 creció un 10%, situán-
dose en 164.000 millones de dólares.
Desde esta perspectiva, existe una basta evidencia empírica
que sustenta el impacto del crecimiento económico y la IED sobre
la desigualdad. Por ejemplo, Michálek & Výbošťok (2019) señalan
que en general, los países con economías fuertes están en mejores
condiciones para enfrentar desafíos como la desigualdad y la po-
breza. Sin embargo, varias investigaciones señalan que el crec-
imiento económico contribuye a reducir la desigualdad siempre y
cuando los países tengan una buena gobernanza (Dorsch & Maarek,
2020; Bhagat, 2020; Muinelo-Gallo & Roca-Sagalés, 2011). Por otra
parte, Agusdinata, Aggarwal & Ding (2021); Gimba, Seraj & Ozdeser
(2021); Espoir & Ngepah (2021) han encontrado una U invertida al
momento de relacionar la desigualad con el crecimiento económico.
En el caso de la IED, Wang & Lee (2021) afirman que la IED alivia
la desigualdad en un país con bajos riegos políticos, económicos y
financieros. Sin embargo, es importante tener en cuenta lo señal-
ado por Basu & Guariglia (2007); Chen, Ge & Lai (2011), quienes
afirman que la IED promueven tanto la desigualdad como el crec-
imiento económico, y tienden a reducir la participación la partici-
pación de la agricultura en el PIB del país receptor, como también
desalientan el crecimiento salarial en las empresas nacionales.
Desde esta perspectiva, el objetivo de esta investigación es
analizar el nexo entre el Índice de Gini, el crecimiento económico y
la IED en 100 países a nivel mundial, durante el periodo 1980-2015.
Para cumplir con el objetivo propuesto se implementó un conjunto
de técnicas econométricas modernas de datos de panel. En primera
instancia, se utilizó se utilizó un modelo de regresión mediante Míni-
mos Cuadrados Generalizados (GLS) en datos de panel para verificar
la dirección de la relación entre las variables. Segundo, con el fin de
asegurar que las series no presentan el problema de la no estacional-
idad, se estima el test de raíz unitaria tipo Fisher basado en las prue-
bas de Dickey & Fuller Aumentado (1981) y Philip & Perron (1988),
las mismas que son contrastadas con los resultados obtenidos medi-
ante los test de Levine, Lin & Chu (2002), Im, Pesaran & Shin (2003)
y Breitung (2000). Tercero, el modelo de cointegración de Pedroni
(1999) permitirá verificar la relación de corto y largo plazo para de-
terminar el equilibrio de largo plazo y el modelo de corrección de
Westerlund (2007) para encontrar el equilibrio de corto plazo entre
las parejas de variables. Y por último se estima un modelo de míni-
mos cuadrados ordinarios dinámicos (DOLS) para obtener la fuerza
del vector de cointegración para los grupos de países clasificados de
acuerdo a su nivel de ingreso. La fuerza del vector de cointegración
de forma individual fue obtenida mediante un modelo de panel de
mínimos cuadrados ordinarios dinámicos (PDOLS).
Dentro de los resultados, se puede constatar que existe un
movimiento conjunto tanto en el corto y largo plazo entre la de-
sigualdad, el producto interno bruto y la inversión extranjera directa,
es decir, los cambios del producto interno bruto y la IED tanto en el
corto y largo plazo generan efectos en la desigualdad. Los modelos
PDOLS y DOLS quienes muestran que la fuerza del vector de coin-
tegración entre la desigualdad y el producto interno bruto es más
contundente en los PIMB y PIMA, mientras que el vector de cointe-
gración entre la desigualdad y la IED es más contundente en los PIA
y PIEA. En el caso de la casualidad de Dumitrescu & Hurlin (2012) se
confirma la existencia de causalidad bidireccional entre la desigual-
dad y el producto interno bruto en los PIMB. En base a los resulta-
dos, es importante tener en cuenta que la desigualdad se ve afec-
tada mayoritariamente por la producción interna que por la inver-
sión extranjera directa. Finalmente, las políticas públicas derivadas
de esta investigación, en primera instancia los decidores de política
pública deben buscar inversiones extranjeras que permitan una efi-
ciente distribución de los recursos económicos y no solo centrarse
en ciertas regiones porque ensancharían la brecha de desigualdad.
Por otro lado, los gobiernos locales necesitan una reforma adicional
de las actuales políticas de capital extranjero para establecer nuevas
ventajas competitivas mediante la plena utilización de los recursos
y entornos locales. El resto de la investigación tiene la siguiente
estructura, revisión de literatura; datos y estrategia econométrica;
discusiones de resultados y finalmente, las conclusiones e implica-
ciones de política
2 | REVISIÓN DE LITERATURA
En los últimos años, el crecimiento económico y la inversión extran-
jera directa como factores que explican el comportamiento a nivel
global está siendo el centro de estudio de un gran conjunto de inves-
tigadores. Principalmente, las investigaciones buscan determinar
cuáles son los principales efectos que tienen tanto el crecimiento
económico y la inversión extranjera directa sobre la desigualdad.
Por ejemplo, Michálek & Výbošťok (2019) revelan que en general
los países con economías fuertes están en mejores condiciones para
enfrentar desafíos como la desigualdad y la pobreza. De igual man-
era, Agusdinata, Aggarwal & Ding (2021); Gimba, Seraj & Ozdeser
(2021); Espoir & Ngepah (2021) han encontrado una U invertida al
momento de relacionar el ingreso per cápita y la desigualdad. En
el caso de la inversión extranjera directa (IED), Wang & Lee (2021)
señalan que la IED alivia la desigualdad en un país con bajos riesgos
políticos, económicos y financieros. Dentro de este mismo marco,
Huynh (2021) afirman que la calidad institucional reduce la desigual-
dad de ingresos, y este efecto beneficioso se intensifica con las
crecientes entradas de IED. En este sentido, podemos afirmar que
tanto el crecimiento económico como la IED tienen un efecto nega-
tivo sobre la desigualdad, tal como lo señala Xu et al. (2921) donde
88
Crecimiento económico e inversión extranjera directa y su incidencia en la desigualdad...
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
muestran que la IED y el ingreso tienen una relación negativa y es-
tadísticamente significativa con la desigualdad de ingresos, lo que
significa que a medida que aumenta la IED y el ingreso per cápita,
el nivel de desigualdad de ingresos disminuye.
Como se ha indicado, existen varias investigaciones que afir-
man que tanto el crecimiento como la IED tienen un impacto neg-
ativo sobre los niveles de desigualdad. Sin embargo, es necesario
conocer cómo se mueven estas variables a través del tiempo, como
también las relaciones causales existentes entre estas variables. Las
investigaciones sobre los efectos del crecimiento económico y la
IED sobre la desigualdad se han incrementado en los últimos años,
en este sentido, la evidencia empírica que relaciona estas variables
se divide en dos grupos. En la primera parte, tenemos las investi-
gaciones que estudian la relación entre el crecimiento económico
y la desigualdad. Bajo este marco, autores como Achten & Less-
mann (2020); Yang, Minford & Meenagh (2021); Bhagat (2020);
Islam & McGillivray (2020); Janubova (2021); Dabús & Delbianco
(2021); Lebdioui (2021) sugieren que la desigualdad de la riqueza
está asociada negativamente con el crecimiento económico entre
países. Sin embargo, varias investigaciones señalan que el crec-
imiento económico contribuye a reducir la desigualdad siempre y
cuando los países tengan una buena gobernanza (Dorsch & Maarek,
2020; Bhagat, 2020; Muinelo-Gallo & Roca-Sagalés, 2011). Al
mismo tiempo, los países que tienen una mejor gobernanza suelen
ser las economías avanzadas donde existen políticas de crecimiento
económico que apoyan la distribución del ingreso, mientras que
en las economías pobres o en desarrollo el crecimiento económico
se ve reforzado por la concentración del ingreso (Brida, Carrera &
Segarra, 2020).
Como se mencionó anteriormente el crecimiento económico
contribuye a disminuir los niveles de desigualdad cuando esta
mejora ciertos indicadores económicos, sociales y políticos. Por
ejemplo, Heckman & Yi (2012) señalan que el crecimiento fomen-
tado por el acceso a todos los niveles de educación, la reducción
de los impedimentos a la movilidad laboral y la expansión del sector
privado permite un acceso igualitario de ingresos en la población.
Por otra parte, Luo & Xie (2020) sugieren que la distribución del in-
greso de ricos a pobre puede ser una de las palancas políticas más
importantes para mejorar la salud de la población. Dentro del mismo
marco, Kavya & Shijin (2020); Chiu & Lee (2019); El-Shagi, Fidrmuc
& Yamarik (2020) afirman que el desarrollo económico junto con el
crecimiento financiero reduciría en gran parte el problema de la de-
sigualdad de ingresos, de igual manera, los autores encuentran una
relación positiva entre el desarrollo financiero y la desigualdad de in-
gresos para los países de bajos ingresos. Otra parte de la literatura
también señala que la creciente desigualdad que ha perseguido a
las economías avanzadas, radica principalmente en la búsqueda del
crecimiento a toda costa, esta estrategia ha obstaculizado la inno-
vación tecnológica, reforzando la desigualdad y exacerbando la in-
estabilidad financiera (Jackson, 2019)
Otro aspecto que debe considerarse es la dirección de causal-
idad entre el crecimiento económico y la desigualdad. Los argu-
mentos empíricos presentados anteriormente nos muestran como
el crecimiento económico afecta negativamente los niveles de de-
sigualdad, sin embargo, existe una relación bidireccional entre es-
tas variables: En efecto, Anyanwu, Anyanwu & Cieślik (2021) con-
firman que el impacto negativo de la desigualdad de ingresos en el
crecimiento económico se amplifica en los países que cuentan con
abundantes recursos naturales. De igual manera, Crouch (2019);
Michálek & Výbošťok (2019); Breunig & Majeed (2020) señala que
el efecto negativo de la desigualdad sobre el crecimiento económico
parece concentrarse en mayor medida entre los países con un alto
nivel de pobreza.
Dado el continuo debate sobre el nexo entre la inversión ex-
tranjera directa (IED) y la desigualdad, en la segunda parte de la
evidencia empírica abordamos las investigaciones que relacionan
las variables mencionadas anteriormente. En este sentido, una de
las primeras literaturas que hablan sobre el vínculo entre la IED y
la desigualdad Pan-Long (1995) señala que a medida que se incre-
mentan las entradas de IED da lugar a una distribución del ingreso
más desigual en los países menos adelantados. Al mismo tiempo,
Basu & Guariglia (2007); Chen, Ge & Lai (2011) afirman que la IED
promueve tanto la desigualdad como el crecimiento, y tiende a re-
ducir la participación de la agricultura en el PIB del país receptor,
como también desalienta el crecimiento salarial en las empresas na-
cionales. Desde otra perspectiva, a nivel regional la IED también
podría aumentar la desigualdad, ya que las diferentes regiones de
un país no suelen recibir IED en la misma medida (Lessmann, 2013),
de igual manera, Rivera & Castro (2013) observan que el nivel de
desarrollo y el tamaño del mercado tienen una relación directa con
la IED, por lo tanto, tienden a incrementar la brecha de desigualdad
entre regiones.
Otro importante grupo de investigaciones señalan que la IED
tiene una relación negativa con la desigualdad. Precisamente, Aust,
Morais & Pinto (2020) en un estudio para 44 países africanos
señalan que la presencia de inversores extranjeros influye posi-
tivamente en áreas como la infraestructura básica, agua limpia,
saneamiento y energía renovable. Asimismo, Ibarra-Olivo (2021)
destaca el papel importante que desempeña la IED en el desarrollo
del capital humano en las economías receptoras al introducir una
prima salarial extranjera en el mercado laboral. Por otro lado, (Es-
quivias & Harianto (2020); Ramachandran, Sasidharan & Doytch
(2020); Yang, Zhang & Sun (2020) señalan que la IED puede generar
mayores beneficios marginales para las áreas interiores menos de-
sarrolladas, es decir, una de las formas más efectiva para dis-
minuir las desigualdades regionales es la eficiente distribución de
la IED. Otro punto importante de la IED en los países es que per-
mite acceder al conocimiento, la tecnología e impulsar el desar-
rollo económico (Ascani, Balland & Morrison, 2020; Pham & Pham,
2020). Finalmente, Wu & Hsu (2012) señalan que la IED sea perju-
dicial para la distribución del ingreso de los países receptores con
bajos niveles de capacidad de absorción.
Tabla 1. Estadísticos descriptivos de las variables
Variable Media D:S Min Max Ob.
Gini Global 40.56 11.89 2.00 77.51 N=3600
Entre 10.96 9.47 67.02 n=100
Dentro 4.73 17.42 63.83 T=36
PIB
Global 24.78 2.17 18.92 30.44 N=3600
Entre 2.14 20.20 30.03 n=100
Dentro 0.45 22.46 27.20 T=36
IED Global 20.45 2.69 7.38 27.33 N=3600
Entre 2.17 16.27 25.48 n=100
Dentro 1.61 9.54 24.95 T=36
3 | DATOS Y METODOLOGÍA
3.1 | Datos
Para dar cumplimiento al objetivo propuesto en la investigación, el
presente estudio utiliza datos provenientes de los Indicadores de
Desarrollo del Banco Mundial (2017). La variable dependiente es el
Índice de Gini, mientras que las variables independientes son el pro-
ducto interno bruto (PIB) de cada nación y la inversión extranjera
directa (IED), en este caso, como las variables están medidas en pre-
cios constantes 2010 se procedió a aplicar logaritmos. En efecto, el
producto interno bruto permite medir el crecimiento económico de
una nación, mientras que le índice de Gini mide la desigualdad de
ingresos entre los habitantes de cada uno de los países analizados.
89
Salinas A. & Tillaguango B.
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
Precisamente, el periodo analizado para esta investigación es entre
1985 y 2015, con una muestra de 100 países a nivel mundial. El crec-
imiento económico varía según el ingreso per cápita de su población,
por lo tanto, varios autores clasifican estos países de acuerdo a su
nivel de ingreso para reducir la heterogeneidad (He, et al., 2017,
Le & Quah, 2018, Wang, Li & Fang, 2018), en este sentido, en la
presente investigación se agruparon los países en seis grupos de
acuerdo a su nivel de ingreso nacional bruto per cápita.
Los países de ingresos extremadamente altos (PIEB) son:
Bangladesh, Benín, Bolivia, Botsuana, Burkina Faso, Cameron,
China, Egipto, Ecuatorial Guinea, Gambia Honduras, India, Kenia,
Madagascar, Mali, Marruecos, Mozambique, Nicaragua, Níger, Nige-
ria, Pakistán, Filipinas, Polonia, Romania, Rwanda, Senegal, Sierra
Leone, Sri Lanka, Sudan, Suazilandia, Tailandia, Togo, Túnez, Uganda,
Uzbekistán, Vietnam, Zambia, Zimbabue cuyo ingreso nacional
bruto per cápita se encuentra hasta los USD 3000; los países
de ingresos bajos (PIB) son: Argelia, Antigua and Barbuda, Beliz,
Bulgaria, Chile, Colombia, Congo, Costa Rica, República Domini-
cana, Ecuador, El Salvador, Guatemala, Irán, Jordán, Corea, Malasia,
Namibia, Panamá, Paraguay, Perú, Sudáfrica, y Turquía cuyo ingreso
nacional bruto per cápita oscila entre USD 3001-7000; los países de
ingresos medios-bajos (PIMB) son Argentina, Barbados, Brasil, Croa-
cia, Chipre, Republica Checa, Hong Kong, Indonesia, México, Omán,
Portugal, Singapur , Surinam, Trinidad y Tobago, Ucrania, y Uruguay
cuyo ingreso nacional bruto per cápita está entre USD 7001-13000;
entre los países de ingresos per cápita medio-altos (PIMA) tenemos:
Las Bahamas, Finlandia, Gabón, Grecia, Irlanda, Italia, Japón, Es-
paña, Venezuela, donde su ingreso oscila entre USD 13001 y 21000;
los países de ingresos altos (PIA) son aquellos en los el PIB per
cápita se encuentra entre USD 21001 y 30000 los cuales son: Aus-
tralia, Austria, Bélgica, Francia, Alemania, Países Bajos, Nueva Ze-
landa, Reino Unido y los Estados Unidos; y por división de la clasifi-
cación los países de ingresos extremadamente altos (PIEA) lo confor-
man: Canadá, Dinamarca, Noruega, Suecia, Suiza, y Emiratos Árabes
Unidos con un ingreso per cápita de más de USD 30001.
Una vez especificado las variables y los grupos de países que se
tomaron para realizar la investigación. La Tabla 1 reporta los estadís-
ticos descriptivos de cada una de las variables. Como se mencionó
anteriormente, la investigación abarca 100 países a nivel mundial,
durante el periodo 1985 al 2015, cabe recalcar que algunos países
fueron omitidos del estudio por la falta de disponibilidad de datos
para las variables utilizadas. Además, la Tabla 2 indica los estadísti-
cos de las variables, como la media, la desviación estándar (a nivel
global, entre y dentro de los países), el valor máximo y mínimo.
Continuando con el análisis de los datos. La Figura 1 muestra
la correlación existente entre la desigualdad por ingresos y el crec-
imiento económico en todos los grupos de países. Los países corre-
spondientes a PIMB y PIA muestran una fuerte correlación positiva
entre las variables antes mencionadas, demostrando que a medida
que el producto interno bruto aumenta también lo hace la desigual-
dad. En cambio, los países pertenecientes a PIB, PIEB, PIMA y PIEA
la Figura 1 indica que a medida que aumenta el producto interno
bruto, la desigualdad se reduce ligeramente.
Asimismo, la Figura 2 muestra que existe una correlación alta
entre el Índice de Gini y la inversión extranjera directa en los PIEA y
PIA, por lo tanto, a medida que la IED aumenta la desigualdad tam-
bién lo hace. Por otra parte, los grupos de países restantes muestran
una ligera relación negativa entre ambas variables, concluyendo que
un incremento de la IED disminuirá la desigualdad levemente.
3.2 | Metodología
En base al objetivo plateado en la investigación, al formular la
estrategia econométrica se considera procedimientos de cointe-
gración de las variables. En este sentido, la estrategia econométrica
de divide en cinco etapas. En la primera etapa se estima un modelo
de Mínimos Cuadrados Ordinarios (OLS) para verificar la relación
entre las variables. En la segunda parte, para determinar si nuestras
variables son estacionarias aplicamos el test de raíz unitaria para
asegurar que las series no tengan un efecto tendencial. Una vez de-
terminada la estacionalidad de las variables, en la tercera etapa se
procede a utilizar técnicas de cointegración para verificar la existen-
cia de equilibrio a largo plazo entre el Índice de Gini, el producto
interno bruto y la IED, mientras que para determinar la existencia
de equilibrio en el corto plazo se lo verifica a partir de un modelo
de corrección de error. En la cuarta parte, para estimar la fuerza del
vector de cointegración utilizamos modelos PDOLS para estimar en
forma individual y modelos DOLS para los grupos de países. Final-
mente, en la quinta etapa estimamos la existencia y dirección de
causalidad tipo Granger.
Como se ha indicado, en la primera etapa se plateo un modelo
básico de regresión con datos de panel, donde la variable dependi-
ente es el Índice de Gini y las variables independientes son los log-
aritmos del producto interno bruto (PIB) y la inversión extranjera
directa (IED). La Ecuación 1 formaliza la relación planteada.
GI N I
i t
=
(
α
0
+ β
0
)
+ γ
1
l P I B
i t
+ γ
2
l I E D
i t
+ ε
i t
(1)
La elección de efectos fijos y aleatorios se determina mediante
el test de Hausman (1978). En la segunda etapa de la estrategia
econométrica, siguiendo a Maddala y Wu (1999), se aplica la prueba
de raíz unitaria mediante los test de Dickey & Fuller Aumentado
(1981) y el test de Phillips & Perron (1988); las cuales son conocidas
en la literatura de datos de panel como ADF y PP respetivamente.
Asimismo, Enders & Sandler (1995) señala que se puede estimar el
orden de integración de las series con tendencia e intercepto a partir
de la Ecuación 2.
Y
t
= α
0
+ λy
t −1
+ α
1
t +
p
Õ
i =2
β
j
y
t −i −1
+ ε
t
(2)
En la Ecuación 2, y
t
es la variable a ser verificada la existencia
de raíz unitaria, α
0
es el intercepto y α
1
captura el efecto tendencial,
t es el tiempo, ε
t
es un ruido gaussiano blanco, y p representa la lon-
gitud del rezago. Si el parámetro α de la Ecuación (1) es significativo,
es posible concluir que todos los paneles contienen raíces unitarias.
El número de rezagos de la serie es determinado mediante al criterio
de información de Akaike (1974). Al mismo tiempo, los resultados
de las pruebas ADF y PP son contrastados con los resultados de las
pruebas propuestas por de Levine, Lin & Chu (2002), Im, Pesaran &
Shin (2003) y Breitung (2001), esto asegura que las series utilizadas
en las estimaciones posteriores no tienen problema de raíz unitaria.
Continuando con la estrategia econométrica, con el fin de determi-
nar la existencia de una relación de equilibrio a largo plazo entre las
variables en la tercera parte usamos la prueba de cointegración de-
sarrollada por Pedroni (1999), en cual puede ser estimado a partir
de la Ecuación 3.
y
i t
= α
i
+
n−1
Õ
j =1
β
i j
X
i t −j
+
n−1
Õ
j =1
ω
1j
y
i t −j
+ π
j
E CT
t −1
+ ε
i t
(3)
En la Ecuación 3, y
i t
representa la variable dependiente del
país i en el tiempo t . El parámetro t representa 1, 2, 3, . . . , N obser-
vaciones. El parámetro α
i
= 1, 2, . .., N es el término constante. Los
parámetros β , ω, π son los estimadores asociados con los regresores,
mientras que E CT
t −1
es el término de corrección de error obtenido
del vector de cointegración y ε
i t
es el término de error aleatorio
estacionario con media cero y j es la longitud del rezago.
90
Crecimiento económico e inversión extranjera directa y su incidencia en la desigualdad...
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
Figura 1. Correlación entre el índice de Gini y producto interno bruto (PIB)
Figura 2. Correlación entre el Índice de Gini y la inversión extranjera directa (IED)
La hipótesis nula plantea la no existencia de cointegración en
al menos una serie incluida en el test. Se plantea un modelo de cor-
rección de error para determinar el equilibrio de corto plazo entre
las series, por tanto, se procede a estimar el test de corrección de
error de Westerlund (2007) en base de la siguiente ecuación:
y
i t
= δ
i
d
t
+ α
i
(
y
i t −1
− β
i
X
i t −1
)
+
pi
Õ
j =1
α
i j
y
i t −j
+
pi
Õ
j =−qi
γ
i j
X
i j −j
+ ε
i t
(4)
En la Ecuación 4, t = 1, . .., T periodos de tiempo, i = 1, .. ., N
países y el término d
t
son los componentes determinísticos. A par-
tir de la Ecuación (3), es posible la existencia de tres escenarios.
El primer escenario es cuando d
t
= 0, el cual ocurre sino existen
componentes determinísticos en el logaritmo del producto interno
bruto y de la inversión extranjera directa. El segundo ocurre cuando
d
t
= 1, donde y
i t
tiene una constante. La tercera opción es cuando
d
t
= (1 − t )ť, lo cual ocurre cuando y
i t
tiene una constante y una
tendencia. Por ello, nos basamos en el supuesto de que el vector k –
dimensional del X
i t
(crecimiento económico e inversión extranjera
directa) es aleatorio e independiente de ε
i t
, por lo cual se asume
que dichos errores son independientes a través de i y t . El criterio
de aceptación o de rechazo establecida en la hipótesis nula es que
91
Salinas A. & Tillaguango B.
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
no existe cointegración a corto plazo.
Se utiliza el planteamiento de Pedroni (2001) en la siguiente
etapa, el cual permite evaluar la fuerza de la relación de equilibrio
entre la desigualdad por ingresos con el producto interno bruto y de
la inversión extranjera directa. En diferentes campos de la literatura
empírica se ha utilizado este procedimiento para evaluar la fuerza
del vector de cointegración entre las variables analizadas (Ozturk,
Aslan & Kalyoncu, 2010). El procedimiento propuesto por Pedroni
(2001) fue adaptado en el contexto práctico por Neal (2014) y es uti-
lizado en esta investigación para medir la fuerza de la relación entre
las tres variables en cada país de forma individual mediante un mod-
elo de mínimos cuadrados ordinarios dinámicos (DOLS) y para los
grupos de países clasificados de acuerdo a su nivel de ingreso na-
cional bruto per cápita a través de un modelo de panel de mínimos
cuadrados ordinarios dinámicos (PDOLS).
La Ecuación 5 plantea la relación entre las tres variables de la
siguiente forma:
y
i t
= α
i
+ β
i
X
i t
+
p
Õ
j =−p
γ
i t
∆X
i t −j
+ υ
i t
(5)
ˆ
β
∗
G M
=
1
N
p
Õ
i =1
T
Õ
t =1
!
−1
(
T
Õ
t =1
z
i t
(
y
i t
− ¯y
i
)
)
t
ˆ
β
∗
i
=
ˆ
β
∗
i
− β
0
(
ˆσ
−2
i
T
Õ
i =1
X
i t
−
¯
X
i
2
)
1/2
t
ˆ
β
∗
G M
=
1
√
N
N
Õ
i =1
t
ˆ
β
∗
i
En la Ecuación (5), y
i t
es el Índice de Gini, i = 1, 2, . . . , N es
el número de países, t = 1, 2, . . . , T es el número de periodos de
tiempo, p = 1, 2, . . . , P es el número de rezagos y adelantos que
en la regresión DOLS, β
i
es el coeficiente de pendiente de la regre-
sión, y X
i t
es una matriz que contiene a las dos variables explicati-
vas, la misma que incluye el producto interno bruto y la IED. Los
coeficientes β y los estadísticos asociados t se promedian en todo
el panel utilizando el método de medias grupales de Pedroni (2001).
El estimador PDOLS de Pedroni (2001) se promedia a lo largo de la
dimensión entre los grupos (Neal, 2014), donde la hipótesis nula es
que β
i
= β
0
frente a la hipótesis alternativa que β
i
, β
0
. Pedroni
(2001) sugiere que este proceso tiene una ventaja cuando se esti-
man modelos con la posibilidad de que exista heterogeneidad en
la pendiente. Finalmente, siguiendo el modelo propuesto por Du-
mitrescu & Hurlin (2012) y llevado a la literatura empírica de datos
de panel, en la quinta etapa determinamos la existencia y la direc-
ción de causalidad tipo Granger (1988) para modelos con datos de
panel, el cual puede ser estimado a partir de la siguiente ecuación:
y
i t
= α
i
+
K
Õ
k =1
γ
k
i
y
i t −k
+
K
Õ
k =1
β
k
i
x
i t −k
+ υ
i t
(6)
La Ecuación 6, indica que el término y
i t
corresponde al Índice
de Gini. La letra x
i t
denota a la variable independiente. Esto im-
plica que la relación y la dirección de causalidad se verifican entre
el índice de Gini y el producto interno bruto primero y luego en-
tre Gini y la inversión extranjera. Asumimos que β
i
= β
(1)
i
, .. ., β
(k )
i
,
se supone que el término α
i
es fijo en la dimensión tiempo. El
parámetro autorregresivo y
k
i
y el coeficiente de regresión β
k
i
varían
entre las secciones transversales. Siguiendo a Shahbaz, Nasreen,
Abbas & Anis (2015), la hipótesis nula a verificar es que no ex-
iste ninguna relación de causalidad para cualquiera de las secciones
transversales del panel. A saber, H
0
: β
i
= 0[
i
= 1, 2, .. ., N . La
siguiente sección muestra los resultados obtenidos al aplicar la es-
trategia econométrica.
4 | DISCUSIÓN Y RESULTADOS
Tal como se muestra en la Tabla 2, primeramente, aplicamos el test
de Hausman (1978) para verificar si existe una diferencia sistémica
de los estimadores de efectos fijos y aleatorios
(
γ
F E
− γ
R E
)
, en el
caso de nuestra investigación a nivel global y en los PIEA los p-valor
son mayores a 0.05, por lo tanto, se debe utilizar efectos aleatorios,
mientras que en el resto de grupos el p-valor es menor a 0.05, en
estos casos debemos utilizar efectos fijos para sus regresiones. Por
otra parte, aplicamos la prueba de Wooldridge (1991) para deter-
minar la existencia de autocorrelación en los paneles, los resultados
muestran que los paneles presentan autocorrelación únicamente en
los PIA. Para corregir estos problemas característicos de los datos
de panel, estimamos regresiones por Mínimos Cuadrados General-
izados (GLS) propuesta por Wooldridge (2002), y que muestran en
la Tabla 2.
Los resultados de la Tabla 2 nos muestra que tanto PIB tiene un
efecto negativo y estadísticamente significativo sobre la desigual-
dad en los PIEB, PIB, PIMB, PIA y a nivel GLOBAL, mientras que en
los PIMA y PIEA el efecto no es significativo, además de ser pos-
itivos para el primer grupo. Estos resultados nos muestran que el
crecimiento económico juega un papel muy importante en la dis-
minución de la desigualdad en la mayoría de los países, sin em-
bargo, este crecimiento económico debe estar acompañado de una
bueno gobernanza que permita redistribuir los beneficios del crec-
imiento económico a todas las regiones de los países, estos resul-
tados concuerdan con lo expuesto por Dorsch & Maarek, (2020);
Bhagat (2020); Muinelo-Gallo Roca-Sagalés (2011) que señalan que
el crecimiento económico ayuda a reducir la desigualdad siempre y
cuando los países presenten un buena gobernanza. En el caso de
los PIEA donde el efecto del crecimiento económico sobre la de-
sigualdad no es significativo se debe principalmente a que muchas
economías avanzadas por el afán de la búsqueda del crecimiento
económico a toda costa, ha obstaculizado la innovación tecnológ-
ica, reforzando la desigualdad y la inestabilidad financiera (Jackson,
2019)
Por otra parte, la IED tiene un efecto negativo en todos los
grupos de países, sin embargo, este efecto no es significativo, única-
mente existe una leve significancia a nivel GLOBAL Estos resultados
corroboran lo expuesto, donde la IED no contribuye a disminuir los
niveles de desigualdad, porque muchas de las veces está inversión
está dirigida a ciertos sectores o regiones incrementando de esta
manera la brecha de ingresos con respecto a otras regiones den-
tro de los países. Esto se corrobra con lo expuesto por Pan-Long
(1995) que señala que a medida que se incrementan las entradas
de IED da lugar a una distribución del ingreso más desigual en los
países menos adelantados. Por otro lado, Basu & Guariglia (2007);
Chen, Ge & Lai (2011) argumentan que la IED promueve tanto la
desigualdad como el crecimiento económico y tiende a reducir la
participación de la agricultura en el PIB en los países receptores
Una vez determinada la relación entre las variables y siguiendo
la estrategia econométrica. La segunda etapa se procede a realizar
las pruebas de raíz unitaria, siguiendo a Mandala & Wu (1999) la
Tabla 3 reporta los resultados de la prueba no paramétrica tipo
Fisher basada en el test ADF de Dickey & Fuller Aumentado (1981)
y el test PP basado en Phillips & Perron (1988). Las pruebas fueron
estimadas sin efectos de tiempo y con efectos de tiempo. Los resul-
92
Crecimiento económico e inversión extranjera directa y su incidencia en la desigualdad...
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
tados de las pruebas ADF y PP muestran que las series son esta-
cionarias en niveles I(0) con un nivel de significancia del 1%. Al
mismo tiempo, con el fin de asegurar la robustez de las pruebas
aplicadas, aplicamos las pruebas de Levine et al. (2002), Im et al.
(2003) y Breitung (2001) conocidas en la literatura de datos de panel
como LLC, IPS y UB respectivamente. Un de las ventajas e utilizar
tasas de crecimiento en las series, es que no se requiere obtener la
primera diferencia para asegurar que las series sean estacionarias
(Salim, Hassan & Shafiei, 2014; Long, Naminse, Du & Zhuang, 2015;
Azlina & Mustapha, 2012). En efecto, la Tabla 3 reporta los resulta-
dos de las pruebas de raíz unitaria señaladas anteriormente a nivel
global y por grupos de países.
Una vez determinado la estacionalidad de las variables, en la
tercera etapa se procede a estimar la relación de equilibrio a corto y
largo plazo entre las tres variables usando técnicas de cointegración
de datos de panel. En primera instancia, para determinar el equilib-
rio a largo plazo utilizamos la prueba de cointegración de Pedroni
(1999). Los resultados de la prueba de cointegración indican que el
Índice de Gini, el crecimiento económico y la IED tienen una relación
de equilibrio a largo plazo, ya que los estadísticos dentro de las di-
mensiones de los paneles como entre las dimensiones de los pan-
eles son estadísticamente significativos. Estos resultados concuer-
dan con lo expuesto por Gimba, Seraj & Ozdeser (2021) quienes
señalan que en el largo plazo la desigualdad desalienta significati-
vamente el crecimiento económico en los países en desarrollo. Por
otro lado, Espoir & Ngepah (2021) en un estudio para África Subsa-
hariana revelan que, en largo plazo, el crecimiento económico dis-
minuye la distribución desigual del ingreso mientras que en el corto
plazo el crecimiento económico aumenta la desigualdad.
Dentro del mismo marco, la Tabla 4 nos proporcionó eviden-
cia clara de la existencia de relación de equilibrio entre las variables
del modelo. Por lo tanto, en la segunda para de la tercera etapa
señalada en la estrategia econométrica es necesario conocer si las
variables también presentan una relación de equilibrio a corto plazo.
Precisamente, para estimar esta relación a corto plazo utilizamos el
modelo de error vectorial con datos de panel (VEC) desarrollado
por Westerlund (2007). Es importante tener en cuenta, que este
modelo permite verificar el equilibrio de corto plazo entre parejas
de variables como se formalizo en la estrategia econométrica. Es
posible que los cambios en la desigualdad varíen en el corto plazo
como resultados de los cambios en el crecimiento y la IED. Bajo esta
perspectiva, la Tabla 5 permite aceptar la hipótesis alternativa de
cointegración entre las series analizadas. La existencia de equilibrio
a corto plazo entre las variables se cumple a nivel global y en to-
dos los grupos de países, de acuerdo a los estadísticos significativos
observados en la Tabla 5.
Es importante tener en cuenta que los resultados reportados
en la Tabla 4 tienen dos limitaciones relevantes. La primera es
que la prueba de cointegración de Pedroni (1999) formalizado en
la Ecuación 3 únicamente muestra la existencia o no de un vector
de cointegración, pero no dice nada acerca de la fuerza del vector.
La segunda es que no nos muestra nada sobre la relación de equilib-
rio entre las variables de cada país. Al mismo tiempo, es bien sabido
que los resultados agregados pueden esconder particularidades de
los países de forma individual. Bajo esta perspectiva, los resultados
de la cuarta etapa nos proporcionan la fuerza del vector de coin-
tegración a partir de la estrategia desarrollada por Pedroni (2011)
formalizada en la Ecuación 5.
En efecto, la Tabla reporta los estimadores obtenidos mediante
Mínimos Cuadrados Dinámicos (DOLS) para los cien países utiliza-
dos en la investigación. Encontramos que en los PIEB el producto
interno bruto es estadísticamente significativo, los estimadores
son cercanos y mayores a 1. Es decir, en estos países el vector
de cointegración es contundente a largo plazo. En el caso de la
IED países como: Bangladesh, Botsuana, Burkina, Egipto, Honduras,
Kenia, Madagascar, Níger, Pakistán, Senegal, Sri Lanka, Tailandia,
Uzbekistán y Zambia muestran un comportamiento similar al PIB,
es decir, el vector de cointegración para estos países también es
contundente en el largo plazo. Por lo tanto, tanto la IED como el
PIB son factores importantes para combatir la desigualad, tal como
los señalan Aust, Morais & Pinto (2020), en su estudio para 44
países africanos señalan que la presencia de inversores extranjeros
influye positivamente en áreas como la infraestructura básica, agua
limpia, saneamiento y energía renovable. Dentro del grupo de los
PIB, encontramos que Chile es el único que no posee un estimador
significativo, es decir, que no contiene un vector de cointegración
fuerte que dependa del producto interno bruto y de la IED. De
igual manera, Argelia, Antigua y Barbados, Costa Rica, Irán, Jordán,
Corea, Malasia, Namibia, Panamá y Sur África tampoco poseen esti-
madores significativos para el producto interno bruto y la IED. Estos
resultados corroboran lo expresado por Kavya & Shijin (2020); Chiu
& Lee (2019); El-Shagi, Fidrmuc & Yamarik (2020), los autores en-
cuentran una relación positiva entre el crecimiento económico, el
desarrollo financiero sobre la desigualdad de ingresos en los países
de bajos ingresos, es decir, es estos países el crecimiento económico
funciona como un estimulante para los niveles altos de desigualdad.
Los PIMB tienen un comportamiento similar a los PIB con re-
specto al producto interno bruto, sin embargo, cade recalcar que
países de América Latina como; Argentina, México y Uruguay que
presentan una fuerza en el vector de cointegración del PIB muy sig-
nificativo y negativo hacia la desigualdad. Por lo tanto, la desigual-
dad en América Latían está muy influenciada por el crecimiento
económico, principalmente por la mala distribución de los recursos.
Tal como Janubova (2021); Dabús & Delbianco (2021) indican en sus
estudios, que América Latina tiene el peor desempeño económico,
lo que a su vez está asociado con menores tasas de ahorro y nive-
les de desigualdad más elevados. De este modo, Lebdioui (2021)
señala que si América latina alguna vez quiere deshacerse de su eti-
queta como “el lugar más desigual del mundo” tendrá que dejar de
concentrarse en los síntomas y atacar las causas profundas.
En el caso de la IED, países como Barbados, Brasil, Cyrus,
Omán y Trinidad tienen un estimador β menor a 1, además no pre-
sentan significancia alguna, indicando que en estos países la IED no
índice fuertemente sobre el índice de Gini. Los PIMA, PIA y PIEA
muestran un vector de cointegración muy significativo para el caso
del PIB, únicamente exceptuando Alemania, como podemos obser-
var estos resultados refuerzan lo expuesto en párrafos anteriores,
donde se afirman que el crecimiento económico permite disminuir
los niveles de desigualad principalmente en las economías desar-
rolladas, tal como lo menciona Michálek & Výbošťok (2019) que
revelan que en general los países con economías fuertes están en
mejores condiciones para enfrentar desafíos como la desigualdad
y la pobreza. En cambio, la IED solo Bahamas posee un estimador
superior a 1.
Como se estableció en la parte de la estrategia econométrica.
Para determinar la fuerza del vector de cointegración a largo plazo
también se aplicó modelos de panel PDOLS. En este sentido, la Tabla
7 reporta las estimaciones de panel PDOLS con y sin efectos de
tiempo. Cabe recalcar que los resultados centran la atención en los
modelos sin dummy, dado que la prueba de Hausman (1978) señala
que los efectos de tiempo no explican el modelo. Encontramos que
en los PIEB y PIB tienen un estimador cercano a 1 en la variable
del producto interno bruto, estos resultados sugieren que en es-
tos países presentan mayores niveles de desigualdad al aumentar
la producción. De igual manera, los PIMA también presentan un es-
timador significativo en la variable IED, por lo tanto, en estos países
la IED contribuye a incrementar los niveles de desigualdad. Estos re-
sultados contradicen a lo expuesto por Sasidharan & Doytch (2020);
Yang, Zhang & Sun (2020) quienes afirman que la IED puede generar
nuevos benéficos marginales para las áreas interiores menos desar-
rolladas, además señalan que una forma efectiva de disminuir las
desigualdades regionales dentro de los países es permitiendo una
mayor entrada de IED.
93
Salinas A. & Tillaguango B.
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
Finalmente, en la última etapa se estima las relaciones de
causalidad de Granger (1998) para datos de panel formalizado en
la Ecuación 6. La estrategia de Dumitrescu & Hurlin (2012) permite
corroborar la existencia de causalidad y la dirección de la misma. En
este sentido, la Tabla 8 muestra que existe causalidad bidireccional
entre la desigualdad y el crecimiento económico en los PIMB. En los
apartados anteriores explicamos como el crecimiento económico
impacta sobre la desigualdad. Sin embargo, los resultados de la
prueba de causalidad nos muestran que la desigualdad también
tiene un efecto significativo sobre el crecimiento económico, princi-
palmente el las economías menos desarrolladas que funciona con un
retardante del desarrollo económico. Estos resultados se contrastan
con lo expuesto por Anyanwu, Anyanwu & Cieślik (2021) quienes
afirman un impacto negativo de la desigualdad sobre el crecimiento
económico, el cual se amplifica en los piases que cuentan con abun-
dantes recursos naturales. Asimismo, Crouch (2019); Michálek &
Výbošťok (2019); Breunig & Majeed (2020) señalan que el efecto
negativo de la desigualdad sobre el crecimiento económico se con-
centra principalmente entre los países con un nivel de pobreza alto.
En el caso de la desigualdad y la IED, los resultados de la Tabla 8
nos muestran la no existencia de causalidad entre las variables men-
cionadas.
Tabla 2. Resultados de las regresiones de línea base GLS
GLOBAL PIEB PIB PIMB PIMA PIA PIEA
PIB -2.21*** -1.54*** -4.34*** -4.30*** 0.39 -3.49*** -2.46
(-10.41) (-4.41) (-8.81) (-6.96) (0.54) (-3.94) (-1.68)
IED -0.13* -0.16 -0.08 0.20 -0.18 -0.12 -0.11
(-2.20) (-1.54) (-0.59) (1.05) (-1.39) (-0.64) (-0.40)
Constante 98.09*** 80.35** 156.0*** 143.0*** 28.07 131.2*** 99.92**
(20.93) (11.36) (15.03) (10.75) (1.62) (5.91) (2.83)
Test de Hausman (p-valor) 0.11 0.00 0.03 0.00 0.99 0.00 0.32
Efectos fijos (tiempo) No No No No No No No
Efectos fijos (país) No No No No No No No
Observaciones 3600 1368 792 576 324 324 216
estadístico t en paréntesis * p < 0,05 ** p < 0,01 *** p < 0,001
Tabla 3. Resultado de las pruebas de raíz unitaria
Sin efectos de tiempo Con efectos de tiempo
PP DF LLC UB IPS PP DF LLC UB IPS
GLOBAL GINI -64.74** -29.37** -46.19** -23.26** 3.04 -66.45** -29.34** -51.86** -22.85* 1.22
PIB -30.49** -13.83** -26.09** -7.90** -29.46 -28.97** -11.76** -22.31** -8.05** -27.68
IED -65.41** -34.04** -56.68** -7.94** -62.86** -67.47** -27.69** -53.20** -7.49** -62.95**
PIEB GINI -43.12** -18.68** -32.25** -13.22* 0.20 -41.52** -18.76** -31.72** -13.69** 5.91
PIB -22.66** -8.55** -16.06** -3.91** 10.43** -22.03** -9.10** -17.03** -4.50** 13.91**
IED -39.95** -16.34** -35.95** -4.83** 17.81** -41.33** -16.50** -35.28** -4.56** 10.90**
PIB GINI -28.63** -11.48** -20.49** -9.23** 2.39 -30.30** -11.57** -29.55** -10.93** -2.03
PIB -12.56** -6.54** -12.11** -3.21** -13.60** -8.99** -2.20** -2.67** -2.98** -9.06**
IED -31.23** -13.25** -27.79** -2.90** -29.74** -32.47** -13.51** -30.71** -2.50** -31.62**
PIMB GINI -22.43** -11.22** -18.21** -10.51** 0.64 -21.32** -12.04** -19.40** -11.76** -0.20**
PIB -11.17** -4.96** -10.36** -3.14** -11.66** -11.14** -5.51** -10.42** -3.00** -11.10**
IED -25.43** -9.33** -19.58** -4.58** -23.02** -26.07** -9.67** -17.84** -4.28** -24.59**
PIMA GINI -17.24** -10.60** -17.27** -10.29** 0.01 -17.26** -11.13** -12.76** -8.62** -1.68
PIB -6.75** -3.44** -5.41** -4.72** -6.80** -6.85** -1.84** -6.57** -3.56** -7.29**
IED -18.75** -7.82** -18.00** -2.09 -19.23** -18.97** -8.57** -12.46** -2.25 -16.76**
PIA GINI -20.87** -10.22** -11.48** -10.43* 3.77 -20.79** -8.63** -14.18** -10.43* 4.92
PIB -8.26** -5.05** -9.08** -3.19** -8.94** -8.96** -3.96** -8.70** -2.44** -9.92**
IED -20.19** -8.68** -15.92** -6.96** -18.53** -22.12** -8.41** -13.17** -6.29** -18.19*
PIEA GINI -31.62** -6.73** -0.29** -4.87** 4.20 -18.72** -7.65** -7.14** -5.80** 3.68
PIB -6.76** -3.82** -8.71** -4.26** -7.62** -6.93** -2.39** -5.89** -2.75** -6.82**
IED -17.45** -8.29** -14.20** -2.07** -15.94** -18.46** -8.41 -14.42** -2.14** -16.79*
estadístico t en paréntesis * p < 0,05 ** p < 0,01 *** p < 0,001
Tabla 4. Resultados de la prueba de cointegración de Pedroni (1999)
GLOBAL PIEB PIB PIMB PIMA PIA PIEA
Within dimension Test statistics
Panel v-statistic -1.71* -1.33* -0.74* -0.28* 0.67* 0.02* -0.27*
Panel p-statistic -33.15*** -20.36*** -15.91*** -9.95** -8.30** -9.21** -9.27**
Panel PP-statistic -78.02*** -49.86*** -34.10*** -22.24*** -20.21*** -25.76*** -20.8***
Panel ADF-statistic -46.40*** -27.06*** -21.39*** -15.3*** -10.85** -5.31** -13.17**
Between dimension Test statistics
Panel p-statistic -28.65*** -17.68*** -13.72** -8.70*** -6.84*** -8.02** -8.75**
Group PP-statistic -91.59*** -58.44*** -39.35*** -24.89*** -21.83*** -29.16*** -24.06***
Group ADF-statistic -46.75*** -29.27*** -22.57*** -10.87** -12.35*** -4.52** -12.02**
estadístico t en paréntesis * p < 0,05 ** p < 0,01 *** p < 0,001
94
Crecimiento económico e inversión extranjera directa y su incidencia en la desigualdad...
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
5 | CONCLUSIONES
La relación entre crecimiento económico y desigualdad es posible-
mente una de las más importantes en la economía, debido al au-
mento general de la desigualdad que se ha producido en los últimos
años, tanto en las economías avanzadas como en desarrollo. Bajo
esta perspectiva, la presente investigación analiza la relación entre
el índice de Gini, el producto interno bruto y la inversión extranjera
directa (IED) en 100 países a nivel global, durante el periodo 1980-
2015. En este caso, se utilizó técnicas de cointegración y causali-
dad de datos de panel; el test de cointegración de Pedroni (1999)
para estimar el equilibrio de largo plazo entre las variables, mien-
tras que el test de corrección de error propuesto por Westerlund
(2007) para determinar un equilibrio a corto plazo. En ambos casos
los resultados nos muestran que la desigualad, el producto interno
bruto y la inversión extranjera directa tienen un movimiento con-
junto tanto en el corto plazo como en el largo plazo, es decir, que
los cambios del producto interno bruto y la IED tanto en el corto
como en el largo plazo generan efectos en la desigualad. En cuanto
a los resultados de los modelos PDOLS y DOLS, la fuerza del vector
de cointegración entre la desigualdad y el producto interno bruto
es más contundente en los PIMB y PIMA, mientras que el vector de
cointegración entre la desigualdad y la IED es más contundente en
los PIA y PIEA. Finalmente, la prueba de causalidad de Dumitrescu
& Hurlin (2012) confirma la existencia de causalidad bidireccional
entre la desigualdad y el producto interno bruto en los PIMB.
La aplicación de estas estrategias econométricas para datos de
panel permite obtener resultados consistentes entre las variables
de estudio. Dentro de los resultados se demuestra que la desigual-
dad se ve afectada mayoritariamente por la producción interna que,
por la inversión extranjera directa, corroborando de esta manera
la relación negativa entre las variables, tal como mencionan Agus-
dinata, Aggarwal & Ding (2021); Gimba, Seraj & Ozdeser (2021);
Espoir & Ngepah (2021) quienes han encontrado una U invertida
al momento de relacionar el crecimiento económico y la desigual-
dad, por lo tanto, a nivel general en el largo plazo a medida que au-
mente el crecimiento económico los niveles de desigualdad caerán.
En el caso de la inversión ectranjera directa Esquivias & Harianto
(2020); Ramachandran, Sasidharan & Doytch (2020); Yang, Zhang
Sun (2020) señalan que la IED puede generar mayores beneficios
marginales para las áreas interiores menos desarrollas, es decir, una
de las formas más efectivas para disminuir las desigualdades re-
gionales es la eficiente distribución de la IED.
Es imprescindible así mismo recalcar que como lo hizo Groth
& Madsen (2016), los efectos de crecimiento negativos de la de-
sigualdad encontrados en algunos estudios pueden haber sido ex-
agerados porque la muestra ha estado dominada por países con
bajo desarrollo financiero para los cuales considero que la desigual-
dad es particularmente negativa para el crecimiento. Finalmente,
las políticas públicas derivadas de esta investigación, en primera in-
stancia los decidores de política pública deben buscar inversiones
extranjeras que permitan una eficiente distribución de los recursos
económicos y no solo centrarse en ciertas regiones porque ensan-
charían la brecha de desigualdad. Por otro lado, los gobiernos lo-
cales necesitan una reforma adicional de las actuales políticas de
capital extranjero para establecer nuevas ventajas competitivas me-
diante la plena utilización de los recursos y entornos locales.
Tabla 5. Resultados de la prueba de cointegración de corto plazo de Westerlund (2007)).
PIB IED
Grupo Statistics Valor Z-value p-value Valor Z-value p-value
GLOBAL Gt -4.28*** -24.01 00 -6.13*** -46.94 0.00
Ga -27.09*** -22.83 00 -53.19*** -62.08 0.00
Pt -26.29*** -6.02 00 -59.38*** -44.56 0.00
Pa -23.12*** -23.72 00 -56.06*** -78.86 0.00
PIEB Gt -4.24*** -14.47 00 -6.19*** -29.39 0.00
Ga -28.60*** -15.48 00 -53.10*** -38.18 0.00
Pt -22.43*** -10.94 00 -36.81*** -27.71 0.00
Pa -22.09*** -13.55 00 -53.37*** -45.84 0.00
PIB Gt -4.73*** -13.88 00 -6.18*** -22.31 0.00
Ga -29.47*** -12.39 00 -55.38*** -30.66 0.00
Pt -7.56*** 2.73 00 -27.79*** -20.82 0.00
Pa -27.31*** -14.41 00 -55.68*** -36.69 0.00
PIMB Gt -3.99*** -8.14 00 -6.15*** -18.88 0.00
Ga -24.77*** -7.74 00 -46.68*** -20.92 0.00
Pt -14.60*** -7.16 00 -22.32*** -16.16 0.00
Pa -22.00*** -8.73 00 -53.78*** -30.02 0.00
PIMA Gt -4.43*** -7.74 00 -5.03*** -9.99 0.00
Ga -25.02*** -5.92 00 -49.04*** -16.93 0.00
Pt -12.71*** -7.43 00 -16.34*** -11.65 0.00
Pa -25.66*** -8.39 00 -62.95*** -27.12 0.00
PIA Gt -28.60*** -15.48 00 -53.10*** -38.18 0.00
Ga -22.43*** -10.95 00 -36.81*** -27.71 0.00
Pt -22.09*** -13.55 00 -53.37*** -45.84 0.00
Pa -28.60*** -15.48 00 -53.10*** -38.18 0.00
PIEA Gt -4.37*** -6.15 00 -7.25*** -14.92 0.00
Ga -27.35*** -5.69 00 -63.73*** -10.09 0.00
Pt -9.93*** -5.54 00 -16.26*** -12.91 0.00
Pa -4.37*** -6.15 00 -7.25*** -14.92 0.00
estadístico t en paréntesis * p < 0,05 ** p < 0,01 *** p < 0,001
95
Salinas A. & Tillaguango B.
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
Tabla 6. Resultados de la prueba de los modelos DOLS individuales
PIEB PIB_{it} IED_{it} PIB PIB_{it} IED_{it} PIMB PIB_{it} IED_{it}
Bangladesh -34.33 -3.69 Argelia -1.61 -0.23 Argentina -19.83 -1.94
Benin 3.29 -0.001 Antigua B. -2.46 -0.24 Barbados 32.21 0.66
Bolivia 1.30 0.89 Belice -10.69 1.38 Brasil 1.93 -0.27
Botsuana -8.44 2.45 Bulgaria -11.57 -2.57 Croacia -0.43 2.97
Burkina Faso 41.36 -1.83 Chile 0.02 0.91 Chipre -1.53 -0.21
Camerón 18.16 0.52 Colombia -29.31 3.42 República Ch. -0.04 -1.14
China -7.80 -0.81 Congo 45.66 -1.62 Hong Kong -0.06 1.05
Egipto 2.75 1.09 Costa Rica 31.95 0.93 Indonesia -3.24 1.27
Guinea Ecuatorial -0.44 -0.23 República D. 29.27 1.31 México -40.93 -3.97
Gambia 14.73 -0.25 Ecuador -107.6 -3.56 Omán 0.69 0.39
Honduras 27.49 -5.57 El salvador 5.70 2.15 Portugal -7.67 1.10
India -4.04 0.53 Guatemala 8.41 -1.18 Singapur -3.90 -2.31
Kenia -9.65 -1.71 Irán 1.82 -0.63 Surinam 2.10 -1.27
Madagascar 24.95 1.42 Jordania 7.11 -0.09 Trinidad y T. -3.22 0.23
Mali 60.62 -0.44 Corea -3.34 -0.04 Ucrania 4.17 -1.65
Marruecos -2.07 0.07 Malasia 2.44 -0.11 Uruguay -14.97 2.84
Mozambique -12.64 0.93 Namibia 4.99 -0.04
Nicaragua -10.12 0.01 Panamá 5.98 0.78
Niger -60.85 -1.13 Paraguay -14.4 -2.31
Nigeria -6.70 0.96 Perú -6.29 -3.35
Pakistán 11.11 1.13 Sur África -2.89 -0.17
Filipinas 6.52 0.85 Turquía 5.36 -1.02
Polonia 20.71 -0.41
Romania 8.93 -0.21
Ruanda 2.68 -0.26
Senegal -126.90 2.18
Sierra Leona 0.83 -0.04
Sri Lanka 25.21 3.55
Sudan -7.18 -0.03
Suazilandia 2.18 0.81
Tailandia -2.19 1.32
Togo 3.37 0.36
Túnez -9.95 0.52
Uganda 12.45 -0.28
Uzbekistán 4.63 -1.86
Vietnam 2.79 0.46
Zambia 9.48 2.22
Zimbabue 2.23 -0.02
PIMA PIB_{it} IED_{it} PIA PIB_{it} IED_{it} PIEA PIB_{it} IED_{it}
Bahamas -37.01 1.91 Australia -18.09 -0.46 Canadá 1.37 0.34
Finlandia 1.99 0.73 Austria 11.16 -0.01 Dinamarca -23.68 -0.71
Gabón -17.93 -0.44 Bélgica -3.65 0.04 Noruega 18.71 -0.10
Grecia 3.29 -0.04 Francia 29.44 0.36 Suecia -3.86 0.15
Irlanda -3.20 0.25 Alemania -0.27 0.01 Suiza 1.70 -0.68
Italia 1.47 -0.05 Países Bajos -4.06 -0.36 Emiratos Árabes -0.74 -0.11
Japón 5.35 0.54 Nueva Zelanda -0.26 0.04
España 6.15 0.89 Reino Unido -3.99 -0.22
Venezuela 4.33 -1.07 Estados Unidos -9.45 -0.32
estadístico t en paréntesis * p < 0,05 ** p < 0,01 *** p < 0,001
Tabla 7. Resultados de los modelos de panel PDOLS
Con dummy de tiempo Sin dummy de tiempo
PIB IED PIB IED
Grupos PDOLS t-statistic PDOLS t-statistic PDOLS t-statictic PDOLS t-statistic
GLOBA -3.53 -1.91 -0.23 -1.42 -3.53 -1.91 -0.23 -1.42
PIEB -0.13 0.76 -0.09 1.33 0.12 0.76 0.09 1.33
PIB -1.88 0.09 -0.60 -1.76 -1.88 0.92 -0.60 -1.76
PIMB -3.24 -2.06 -0.17 0.71 -3.42 -2.06 -0.17 0.71
PIMA -3.95 -0.19 0.30 1.32 -3.95 -0.18 0.30 1.32
PIA 0.09 -0.38 -0.10 -0.60 0.09 -0.38 -0.10 -0.60
PIEA -1.08 -0.89 -0.18 -2.10 -1.08 -0.89 -0.18 -2.10
estadístico t en paréntesis * p < 0,05 ** p < 0,01 *** p < 0,001
96
Crecimiento económico e inversión extranjera directa y su incidencia en la desigualdad...
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
Tabla 8. Resultados de la prueba de causalidad Dumitrescu y Hurlin (2012)
Dirección de causalidad Grupo W-bar Z-bar p-valor
GLOBAL 28.29 18.07 0.57
PIEA 12.32 11.42 0.61
PIA 36.21 11.46 0.25
PIB → GINI PIMA 20.39 0.07 0.95
PIMB 44.09 26.93 0.02
PIB 45.67 18.56 0.65
PIEB 34.25 23.24 0.59
GLOBAL 50.28 66.00 0.15
PIEA 67.96 43.56 0.88
PIA 65.96 32.50 0.54
GINI → PIB PIMA 36.61 28.77 0.06
PIMB 76.84*** 63.54 0.00
PIB 23.48 75.63 0.18
PIEB 47.25 23.67 0.65
GLOBAL 22.96 0.64 0.52
PIEA 22.46 20.25 0.88
PIA 37.62 12.46 0.21
IED → GINI PIMA 18.72 -0.22 0.83
PIMB 27.25 0.81 0.42
PIB 32.65 0.11 0.56
PIEB 15.68 0.55 0.19
GLOBAL 36.89 36.82 0.32
PIEA 54.65 0.35 0.21
PIA 56.40 25.74 0.51
GINI → PIB PIMA 39.61 33.96 0.21
PIMB 22.58 0.29 0.77
PIB 45.32 23.43 0.57
PIEB 13.56 0.45 0.89
estadístico t en paréntesis * p < 0,05 ** p < 0,01 *** p < 0,001
Referencias bibliográficas
[1] Achten, S., & Lessmann, C. (2020). Spatial inequality, geogra-
phy and economic activity. World Development, 136, 105114.
[2] Agusdinata, D. B., Aggarwal, R., & Ding, X. (2021). Economic
growth, inequality, and environment nexus: using data mining
techniques to unravel archetypes of development trajecto-
ries. Environment, Development and Sustainability, 23(4), 6234-
6258.
[3] Akaike, H. (1974). A new look at the statistical model identifi-
cation. IEEE transactions on automatic control, 19(6), 716-723.
[4] Anyanwu, U. M., Anyanwu, A. A., & Cieślik, A. (2021). Does
abundant natural resources amplify the negative impact of in-
come inequality on economic growth?. Resources Policy, 74,
102229.
[5] Ascani, A., Balland, P. A., & Morrison, A. (2020). Heteroge-
neous foreign direct investment and local innovation in Ital-
ian Provinces. Structural Change and Economic Dynamics, 53,
388-401.
[6] Aust, V., Morais, A. I., & Pinto, I. (2020). How does foreign
direct investment contribute to Sustainable Development
Goals? Evidence from African countries. Journal of Cleaner
Production, 245, 118823.
[7] Azlina, A. A., & Mustapha, N. N. (2012). Energy, economic
growth and pollutant emissions nexus: the case of Malaysia.
Procedia-Social and Behavioral Sciences, 65, 1-7.
[8] Basu, P., & Guariglia, A. (2007). Foreign direct investment, in-
equality, and growth. Journal of Macroeconomics, 29(4), 824-
839.
[9] Bhagat, S. (2020). Economic Growth, Income Inequality, and
the Rule of Law. Harvard Business Law Review.
[10] Breitung, J. (2001). The local power of some unit root tests
for panel data. Emerald Group Publishing Limited.
[11] Breunig, R., & Majeed, O. (2020). Inequality, poverty and eco-
nomic growth. International Economics, 161, 83-99.
[12] Brida, J. G., Carrera, E. J. S., & Segarra, V. (2020). Cluster-
ing and regime dynamics for economic growth and income
inequality. Structural Change and Economic Dynamics, 52, 99-
108.
[13] Chen, Z., Ge, Y., & Lai, H. (2011). Foreign direct investment
and wage inequality: Evidence from China. World Develop-
ment, 39(8), 1322-1332.
[14] Chiu, Y. B., & Lee, C. C. (2019). Financial development, income
inequality, and country risk. Journal of International Money and
Finance, 93, 1-18.
[15] Crouch, C. (2019). Inequality in post-industrial societies.
Structural Change and Economic Dynamics, 51, 11-23.
[16] Dabús, C., & Delbianco, F. (2021). Income Inequality and Eco-
nomic Growth in Developing Countries: The Role of Savings.
Asian Journal of Latin American Studies, 34(1).
[17] Dickey, D. A., & Fuller, W. A. (1981). Likelihood ratio statistics
for autoregressive time series with a unit root. conometrica:
journal of the Econometric Society, 1057-1072.
97
Salinas A. & Tillaguango B.
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
[18] Dorsch, M. T., & Maarek, P. (2020). Economic downturns, in-
equality, and democratic improvements. European Journal of
Political Economy, 62, 101856.
[19] Dumitrescu, E. I., & Hurlin, C. (2012). Testing for Granger non-
causality in heterogeneous panels. Economic modelling, 29(4),
1450-1460.
[20] El-Shagi, M., Fidrmuc, J., & Yamarik, S. (2020). Inequality and
credit growth in Russian regions. Economic Modelling, 91, 550-
558.
[21] Enders, W., & Sandler, T. (1995). Terrorism: Theory and appli-
cations. Handbook of defense economics, 1, 213-249.
[22] Espoir, D. K., & Ngepah, N. (2021). Income distribution and
total factor productivity: a cross-country panel cointegration
analysis. International Economics and Economic Policy, 1-38.
[23] Esquivias, M. A., & Harianto, S. K. (2020). Does competition
and foreign investment spur industrial efficiency?: firm-level
evidence from Indonesia. Heliyon, 6(8), e04494.
[24] Giroud, A., & Ivarsson, I. (2020). World Investment Report
2020: International production beyond the pandemic.
[25] Granger, C. W. (1988). Causality, cointegration, and control.
Journal of Economic Dynamics and Control, 12(2-3), 551-559.
[26] Groth, C., & Madsen, J. B. (2016). Medium-term fluctuations
and the “Great Ratios” of economic growth. Journal of Macroe-
conomics, 49, 149-176.
[27] Hausman, J. A. (1978). Specification tests in econometrics.
Econometrica: Journal of the Econometric Society, 1251-1271.
[28] He, S. Y., Lee, J., Zhou, T., & Wu, D. (2017). Shrinking cities
and resource-based economy: the economic restructuring in
China’s mining cities. Cities, 60, 75-83.
[29] Heckman, J. J., & Yi, J. (2012). Human capital, economic
growth, and inequality in China (No. w18100). National Bu-
reau of Economic Research.
[30] Huynh, C. M. (2021). Foreign direct investment and income
inequality: Does institutional quality matter?. The Journal of
International Trade Economic Development, 1-13.
[31] Ibarra-Olivo, J. E. (2021). Foreign direct investment and youth
educational outcomes in Mexican municipalities. Economics of
Education Review, 82, 102123.
[32] Im, K. S., & Pesaran, M. H. (2003). On the panel unit root
tests using nonlinear instrumental variables. Available at SSRN
482463.
[33] Islam, M. R., & McGillivray, M. (2020). Wealth inequality, gov-
ernance and economic growth. Economic Modelling, 88, 1-13.
[34] Jackson, T. (2019). The post-growth challenge: secular stag-
nation, inequality and the limits to growth. Ecological eco-
nomics, 156, 236-246.
[35] Janubova, B. (2021). Relation Between Income Inequality And
Economic Growth: Case Study Of Latin America And The
Caribbean. Medzinarodne vztahy (Journal of International Rela-
tions), 19(1), 31-47.
[36] Jonathan Gimba, O., Seraj, M., & Ozdeser, H. (2021). What
drives income inequality in sub-Saharan Africa and its sub-
regions? An examination of long-run and short-run effects.
African Development Review, 33(4), 729-741.
[37] Kavya, T. B., & Shijin, S. (2020). Economic development, finan-
cial development, and income inequality nexus. Borsa Istanbul
Review, 20(1), 80-93.
[38] Le, T. H., & Quah, E. (2018). Income level and the emissions,
energy, and growth nexus: evidence from Asia and the Pacific.
International economics, 156, 193-205.
[39] Lebdioui, A. (2021). Forever unequal? Mould-breaking strate-
gies to reduce inequality in Latin America. LSE Latin America
and Caribbean Blog.
[40] Lessmann, C. (2013). Foreign direct investment and regional
inequality: A panel data analysis. China Economic Review, 24,
129-149.
[41] Levin, A., Lin, C. F., & Chu, C. S. J. (2002). Unit root tests in
panel data: asymptotic and finite-sample properties. Journal
of econometrics, 108(1), 1-24.
[42] Long, X., Naminse, E. Y., Du, J., & Zhuang, J. (2015). Nonre-
newable energy, renewable energy, carbon dioxide emissions
and economic growth in China from 1952 to 2012. Renewable
and Sustainable Energy Reviews, 52, 680-688.
[43] Luo, W., & Xie, Y. (2020). Economic growth, income inequality
and life expectancy in China. Social Science & Medicine, 256,
113046.
[44] Maddala, G. S., & Wu, S. (1999). A comparative study of unit
root tests with panel data and a new simple test. Oxford Bul-
letin of Economics and statistics, 61(S1), 631-652.
[45] Michálek, A., & Výbošťok, J. (2019). Economic growth, in-
equality and poverty in the EU. Social Indicators Research,
141(2), 611-630.
[46] Muinelo-Gallo, L., & Roca-Sagalés, O. (2011). Economic
growth and inequality: the role of fiscal policies. Australian
Economic Papers, 50(2-3), 74-97.
[47] Neal, T. (2014). Panel cointegration analysis with xtpedroni.
The Stata Journal, 14(3), 684-692.
[48] Ozturk, I., Aslan, A., & Kalyoncu, H. (2010). Energy consump-
tion and economic growth relationship: Evidence from panel
data for low and middle income countries. Energy Policy, 38(8),
4422-4428.
[49] Pan-Long, T. (1995). Foreign direct investment and income
inequality: Further evidence. World Development, 23(3), 469-
483.
[50] Pedroni, P. (1999). Critical values for cointegration tests in
heterogeneous panels with multiple regressors. Oxford Bul-
letin of Economics and statistics, 61(S1), 653-670.
[51] Pedroni, P. (2001). Purchasing power parity tests in cointe-
grated panels. Review of Economics and statistics, 83(4), 727-
731.
[52] Pham, N. S., & Pham, T. K. C. (2020). Effects of foreign aid
on the recipient country’s economic growth. Journal of Math-
ematical Economics, 86, 52-68.
98
DOI: 10.54753/rve.v10i1.1295
Vol.10-N°1, Enero - Junio 2022
p-ISSN:2602-8204 | e-ISSN 2737-6257
[53] Phillips, P. C., & Perron, P. (1988). Testing for a unit root in
time series regression. Biometrika, 75(2), 335-346.
[54] Ramachandran, R., Sasidharan, S., & Doytch, N. (2020). For-
eign direct investment and industrial agglomeration: Evi-
dence from India. Economic Systems, 44(4), 100777.
[55] Rivera, C. G. J., & Castro, G. Á. (2013). Foreign direct invest-
ment in Mexico determinants and its effect on income in-
equality. Contaduría y administración, 58(4), 201-222.
[56] Salim, R. A., Hassan, K., & Shafiei, S. (2014). Renewable and
non-renewable energy consumption and economic activities:
Further evidence from OECD countries. Energy economics, 44,
350-360.
[57] Shahbaz, M., Nasreen, S., Abbas, F., & Anis, O. (2015). Does
foreign direct investment impede environmental quality in
high-, middle-, and low-income countries?. Energy Economics,
51, 275-287.
[58] Wang, E. Z., & Lee, C. C. (2021). Foreign direct investment,
income inequality and country risk. International Journal of Fi-
nance Economics.
[59] Wang, S., Li, G., & Fang, C. (2018). Urbanization, economic
growth, energy consumption, and CO2 emissions: Empirical
evidence from countries with different income levels. Renew-
able and Sustainable Energy Reviews, 81, 2144-2159.
[60] Westerlund, J. (2007). Testing for error correction in panel
data. Oxford Bulletin of Economics and statistics, 69(6), 709-
748.
[61] Wooldridge, J. M. (1991). On the application of robust,
regression-based diagnostics to models of conditional means
and conditional variances. Journal of econometrics, 47(1), 5-
46.
[62] Wooldridge, J. M. (2002). Econometric analysis of cross sec-
tion and panel data MIT press. Cambridge, MA, 108(2), 245-
254.
[63] Wu, J. Y., & Hsu, C. C. (2012). Foreign direct investment and
income inequality: Does the relationship vary with absorptive
capacity?. Economic Modelling, 29(6), 2183-2189.
[64] Xu, C., Han, M., Dossou, T. A. M., & Bekun, F. V. (2021). Trade
openness, FDI, and income inequality: Evidence from sub-
Saharan Africa. African Development Review, 33(1), 193-203.
[65] Yang, F., Zhang, S., & Sun, C. (2020). Energy infrastructure
investment and regional inequality: Evidence from China’s
power grid. Science of The Total Environment, 749, 142384.
[66] Yang, X., Minford, P., & Meenagh, D. (2021). Inequality and
Economic Growth in the UK. Open Economies Review, 32(1),
37-69.
99
