Revista Económica
DOI: 10.54753/rve.v12i1.1870
Vol.12-N°1, Enero- Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
ARTÍCULO DE INVESTIGACIÓN
Cobertura vegetal, capital humano y crecimiento económico: Evi-
dencia empírica a nivel global y grupos de países usando datos de
panel de 77 países en los años de 1990-2015
Vegetation cover, human capital and economic growth: Empirical evidence at the
global level and groups of countries using panel data from 77 countries in the
years 1990-2015
Verónica Loaiza-Godoy ID 1|Alejandra Camacho-Criollo ID 1
1Universidad Nacional de Loja. Ecuador
Correspondencia
Verónica Loaiza-Godoy
Universidad Nacional de Loja. Ecuador
Email: veronica.loaiza@unl.edu.ec
Fecha de recepción
Mayo 2023
Fecha de aceptación
Junio 2023
RESUMEN
El objetivo del presente proyecto es explorar el efecto que produce la cobertura vegetal y el capital
humano sobre el crecimiento económico en 77 países utilizando la técnica de datos de panel durante
el periodo 1990-2015. Usando los datos del Banco Mundial. Para poder capturar la heterogeneidad
entre los países se los dividió por el nivel de ingreso, catalogamos a los países en dos grupos: ingreso
medio-bajo e ingreso bajo. Descubrimos evidencia empírica fuerte que sugiere que la principal causa
de deforestación en estos grupos de países son los daños de suelos que se viene realizando debido
a las actividades de agricultura, tala de árboles, etc. Entonces para evitar esta situación en los países
debe existir un capital humano capacitado que al largo plazo tendrán más conocimientos sobre la
importancia de poseer grandes extensiones de cobertura vegetal para el medio ambiente en donde
vive. Los resultados encontrados sugieren que mientras mejor capacitado sea el capital humano de
un país, la cobertura vegetal de dicho país se conservara de mejor manera y luego a largo plazo todo
esto se verá reflejado en un incremento del crecimiento económico.
Palabras clave: Medio Ambiente. Capital humano. Crecimiento económico. Datos de panel.
Códigos JEL: O13.J24.C23. C01.
ABSTRACT
The objective of this project is to explore the effect of vegetation cover and human capital on eco-
nomic growth in 77 countries using the panel data technique during the period 1990-2015. Using
World Bank data. In order to capture the heterogeneity between the countries, they were divided
by income level, we categorized the countries into two groups: lower-middle income and low inco-
me. We discovered strong empirical evidence that suggests that the main cause of deforestation in
these groups of countries is the soil damage that is being done due to agricultural activities, logging,
etc. So to avoid this situation in countries, there must be trained human capital who in the long term
will have more knowledge about the importance of having large areas of vegetation cover for the
environment where they live. The results found suggest that the better trained the human capital of
a country is, the better the plant cover of said country will be preserved and then in the long term
all this will be reflected in an increase in economic growth.
keywords: Environment. Human capital. Economic growth. Panel data.
77
Loaiza-Godoy, V. y Camacho-Criolo, A.
Vol.12-N°1, Enero- Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
1|INTRODUCCIÓN
La pérdida de cobertura vegetal en el mundo ha conllevado
que el planeta tenga una fuerte reducción de su capacidad de rete-
ner carbono, como consecuencia de esto la atmósfera ha tenido que
absorber unas 210 mil toneladas de dióxido de carbono (Tm/CO2)
al año en el período comprendido desde 2003 hasta 2012. Pero la
nueva cubierta vegetal que ha crecido considerablemente los últi-
mos años en los países de Rusia y China captura cada año 100 mil
y 70 mil toneladas de CO2Se debe tomar en cuenta la aportación
de las selvas tropicales al total que ahora llega a un 44 % y de los
bosques templados y boreales un 17 %, claramente los países como
China y Rusia han sido un ejemplo a seguir no solo de países in-
dustrializados que por construir más industrias han descuidado su
cobertura vegetal y han perdido la noción de la importancia de tener
una cobertura vegetal sólida para que capture los efectos negativos
del CO2, si no también es un ejemplo para el mundo entero.
Nature Climate Change un estudio publicado en conjunto con
científicos de Australia demuestra que la deforestación en los bos-
ques tropicales está siendo proporcionada con la reforestación en
otras partes del planeta en la última década. Utilizaron imágenes de
varios satélites de 20 años, donde los científicos han comprobado
que grandes de cobertura vegetal en zonas de Rusia, China, el norte
de Australia, el sur de África y hasta el este de Brasil están recupe-
rando su cobertura vegetal.
En América del Sur y el sudeste de Asia, se ha encontrado que
la disminución en estas regiones se ha visto compensada por la re-
cuperación de los bosques fuera de zonas tropicales y un nuevo
crecimiento en las áridas sabanas y matorrales de Australia, África y
el sur de América, dice el científico del Centro para la Investigación
del Cambio Climático de la Universidad de Nueva Gales del Sur de
Australia (Yi y Lu, 2008).
En este contexto, en este articulo vamos a examinar la relación
de largo plazo entre superficie forestal (sq. Km) como una variable
proxi de cobertura vegetal, años promedio de estudio como variable
proxi del capital humano y producto interno bruto (precios constan-
tes 2010) como variable proxi del crecimiento económico, a nivel
general y por agrupado por países. Hemos propuesto una división
diferente del que se suelen usar, con el objetivo que logre captu-
rar de manera real los efectos hemos utilizado los países de estos
dos niveles de países: medio-bajos (PIMB), y bajos (PIB). La clasi-
ficación propuesta permite agrupar de forma explícita a los países
que tienen un área extensa de cobertura vegetal por no ser países
industrializados. El efecto de contar con cobertura vegetal y un capi-
tal humano bien capacitado deberían diferenciarse entre los países
industrializados donde destruyen su corteza vegetal para construir
cada vez más industrias empeorando así el calentamiento global. El
periodo analizado en esta investigación es entre 1990-2015 para 77
países. Los modelos fueron estimados luego de asegurar que las va-
riables no tienen el problema de la raíz unitaria mediante los tests
de Levine, Lin y Chu (2002), Im, Pesaran y Shin (2003) y Breitung
(2000). Aplicamos la prueba simple no paramétrica de raíz unitaria
tipo Fisher establecida en el test de Dickey y Fuller (1981) y la prue-
ba tipo Fisher establecida en el test de Phillips y Perron (1988). Pri-
mero, estimamos modelos GLS para calcular la dirección de la co-
rrelación entre las variables. Posteriormente, estimamos la relación
de largo utilizando métodos de cointegración heterogénea de Pe-
droni (1999, 2001), además de modelos de corrección de error de
Westerlund (2007) para datos de panel.
La relevancia de este trabajo sin duda es la importancia que de-
bemos dar a la variable naturaleza que en este artículo hemos deci-
dido llamarla cobertura vegetal, por esta razón este trabajo prueba
la relación positiva y estrecha que tiene esta variable con el creci-
miento económico en los países y como los países especialmente
Latinoamericanos han usado durante décadas la naturaleza de una
manera poco responsable como uno de las variables para mejorar su
crecimiento económico, por eso podemos observar que los países
desarrollados no conservan extensiones significativas de cobertura
vegetal, porque todo ha sido reemplazado por industrias, edificios
etc, pero al costo de ofrecer una menor calidad de vida a sus habi-
tantes ya que su aire está muy contaminado, debemos inclinarnos
más a una Economía verde donde la prioridad sea la sostenibilidad
de nuestra casa llamado planeta. Hoy en día los hacedores de po-
lítica pública deben convencerse que la variable cobertura vegetal
es importante sobre todo para las futuras generaciones que apun-
tan a ser reemplazadas o desplazadas por la tecnología a la hora de
tomar decisiones para que exista un crecimiento económico soste-
nible del país y está seria la principal contribución que se busca en
este trabajo.
2|REVISIÓN DE LITERATURA
La evidencia empírica sobre este tema ha ido aumentando en
los últimos años, debido a la importancia de contar con una cobertu-
ra vegetal sólida, ya que genera diferentes cosas positivas para los
países donde existe abundante zona verde, el objetivo claro es pro-
teger el suelo de la erosión y además eliminar considerablemente
la contaminación del aire. Los países desarrollados y por otro lado
los países en desarrollo son los más perjudicados ya que al volver-
se muchos de ellos países industrializados han disminuido conside-
rablemente su cobertura vegetal, el contar con un capital humano
más capacitado existirán más plazas de trabajo. El comercio agrícola
es uno de los principales elementos que causan la deforestación se-
gún Leblois, Damette, Wolfersberger, & Umr (2016) . Tal uniforme
patrón - si se ha probado y cuantificado empíricamente - podría ayu-
dar a establecer líneas de base REDD. Contra la cual las reducciones
en las emisiones de la deforestación y la degradación forestal de los
países en desarrollo podrían medirse, y luego ser recompensado).
Se requiere que las líneas de base de REDD + estén basadas glo-
balmente (Köthke, Leischner, & Elsasser, 2013) coinciden con estos
estudios los autores (Leblois et al., 2016).
Con fines comparativos dividiremos la evidencia empírica en
tres grupos. En el primer grupo de países tendremos los países de
ingresos medios bajos, el segundo grupo se incluyen países de ingre-
sos bajos y finalmente países donde utilizan una misma metodología
de datos de panel y son diferentes grupos de países.
En el primer grupo, comenzando con Brasil un país donde exis-
ten variedad de estudios de este tipo, especialmente en la amazonia
de este país, (Rodrigues & Nunes, 2016) demostró que utilizando
econometría estándar con econometría espacial encuentran donde
encontraron que a medida que aumenta la apertura del comercio en
la Amazonía de Brasil la deforestación también aumenta , tomando
en cuenta que la producción de soja y ganado de carne es la prin-
cipal causa de deforestación en esta zona , finalmente llegaron a la
conclusión a medida que aumenta el crecimiento del PIB, aumenta
la deforestación. Las áreas de conservación tienen un impacto nega-
tivo en la deforestación. Por otro lado Pailler (2018) utilizando datos
de panel demostró que las tasas de deforestación aumentan un 10%
en los años de elecciones, refiriéndose a los ciclos de deforestación
electoral no parecen estar impulsados por cambios en la implemen-
tación y actividad de la política agrícola, sino que están vinculados
con la corrupción y el financiamiento de campañas, sugiriendo que
las limitaciones institucionales débiles facilitan la manipulación elec-
toral de los recursos forestales .(Sabadini, Paulo, & Horridge, 2017)
utilizando un modelos dinámico de equilibrio computable para 30
regiones del Amazonas, los resultados han demostrado que las re-
giones más afectadas serían los productores de soja y ganado, así
como las regiones dominadas granjas familiares. Para compensar es-
tos impactos, se estimó que se requeriría una ganancia anual de pro-
ductividad de la tierra de aproximadamente 1.4 %.
78
Cobertura vegetal, capital humano y crecimiento económico...
Vol.12-N°1, Enero- Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
El éxito de Brasil reduciendo la deforestación no es impulsado
por políticas que cambiaron el cálculo microeconómico de los agri-
cultores, sino por políticas de comando y control sobre la defores-
tación permitidas a través de cambios en el paisaje. La industria de
biocombustibles de etanol en Brasil surgió debido a la innovación a
nivel de nicho de los sistemas de producción de etanol y vehículos
de etanol puro y los cambios en el nivel del paisaje que permitieron
combinaciones de combustible obligatorias, programas de compras
públicas e inversión pública en I + D. Estos tres cambios económi-
cos se corresponden con las categorías de reproducción, transfor-
mación y transición, respectivamente este trabajo se alinean con
teorías económicas evolutivas en lugar de neoclásicas o economía
ambiental Hogarth, (2016).
Por otro lado, utilizando la curva de Kuznets en el mismo país
se confirma la aparición de una relación EKC con un punto de infle-
xión más allá del cual el crecimiento socioeconómico ya no parece
ser un impulsor de la deforestación. También las áreas sujetas a de-
forestación activa en el 2010 tienen indicadores de nivel socioeco-
nómico más bajo de las áreas estabilizadas, señalando la precaria
situación socioeconómica de las áreas que aún están activas defo-
restando. En los últimos años Brasil garantiza una transición en la
gobernanza ambiental con el objetivo de promover la sostenibilidad
del uso de la tierra a través del control de la deforestación y al mismo
tiempo apoyar el desarrollo socioeconómico Tritsch & Arvor (2016).
La deforestación tropical es un importante impulsor del decli-
ve de la biodiversidad y las emisiones sustanciales de carbono. El
rebrote de la vegetación secundaria puede ayudar a restaurar el há-
bitat de muchas especies amenazadas y mejorar los servicios de los
ecosistemas que se deterioraron debido a la deforestación. Sin em-
bargo, los patrones espaciales-temporales de la regeneración de la
vegetación secundaria en los trópicos siguen siendo poco conoci-
dos. La mayoría del rebrote se concentró a una distancia de 60 m de
los bordes del bosque y se volvió a despejar después de un prome-
dio de 5 años. Nuestro enfoque tiene un gran potencial para mapear
dinámicas de rebrote posterior a la deforestación dentro y más allá
de la Amazonía brasileña basadas en colecciones de datos de tele-
detección a largo plazo y de libre acceso, como el Landsat (Müller
et al., 2016).
En los países Europeos encontramos un estudio que básica-
mente examina la eficacia de la hipótesis de la curva ambiental de
Kuznets (EKC) de la deforestación en países como Francia, Alemania,
Grecia, Portugal y Turquía. Utilizando un enfoque de la prueba auto-
rregresiva de límites de retardos distribuidos donde los resultados
sugieren una relación invertida en forma de U justamente entre la
deforestación y el PIB, el incremento en las remesas campesinas no
contribuye a un aumento en la perdida de la cobertura vegetal. Las
recomendaciones sobre políticas públicas se derivan del análisis de
la prueba de causalidad de Granger. Por ejemplo, la disminución de
la deforestación y la inversión en la disminución de la deforestación
no dañarán el crecimiento económico en todos los países, excepto
en Grecia. Zambrano-monserrate, Carvajal-lara, Urgilés-sanchez, &
Ruano (2018) Wehkamp, Koch, Lübbers, & Fuss (2018).
En México encontramos dos estudios los cuales Gutiérrez Ro-
dríguez (2016) actualizaron la cartografía de vegetación y el uso de
suelo, como metodología principal utilizaron la leyenda de Farfán
(2009), y lo que principalmente explora es cómo la superficie de la
transición varía dentro del intervalo de tiempo en relación con la
superficie de las categorías disponibles para que ésta ocurra, Nené-
preciado, Sansón, Eduardo, Asís & Bátiz (2017) encontraron que la
cobertura vegetal, a diferencia de la transformación forestal, está
afectada por valores más bajos de pendientes, altitud, distancia a
localidades y a vías de comunicación, pero el modelo que mejor ex-
plica este proceso incluye las variables altitud, cuenca y periodo, de-
bido a las características intrínsecas de cada periodo y cada cuenca.
En América Latina, en Perú encontramos que del modelo que
predicen la extensa deforestación a en el sector de río Aguaytia y
en el bosque de la pavimentada autopista. Los verdaderos respon-
sables de la deforestación confirma que los agricultores de la región,
en parte porque son los principales en dañar la cobertura vegetal de
ese país.
Entrando al último grupo de países donde nos encontramos
con Obydenkova et al. (2016) el en su estudio donde analizo la de-
forestación en las democracias débiles y el papel que juega la inte-
ligencia o un mejor capital humano en 185 países donde encontra-
ron que la inteligencia no solo da forma a las reglas formales, sino
que también tiene la capacidad de revertir el proceso paradójico co-
nocido como "maldición de los recursos". Este estudio contribuye
a una mejor comprensión de razones de la deforestación y arrojar
luz sobre el impacto debatido del régimen político sobre el manejo
forestal. Luego utilizando un panel de 158 países donde Tanner &
Johnston (2017) comparo si el acceso eléctrico rural afectan a las
tasas de deforestación y mostro que no solo la electrificación hace
que disminuyan las tasas de deforestación, pero también que es más
sólida para explicar la deforestación que el crecimiento de la pobla-
ción o desarrollo. Nuestros resultados sugieren que las iniciativas
globales actuales que abordan la deforestación, específicamente al
Programa de Reducción de Emisiones por Deforestación y Degra-
dación Forestal (REDD +) de la Convención Marco de las Naciones
Unidas sobre cambio climático, no solo debería ayudar a los admi-
nistradores locales de tierras, sino que también a todos los actores
que entran dentro de los principales causantes.
Entre la revisión de literatura más de los últimos años nos en-
contramos con este trabajo publicado por Ai y Zhou (2023) en el que
examinan una política que aplicaron en China denominada “ Ciuda-
des Forestales Nacionales” y como esta propuesta de ´política afec-
ta directamente al crecimiento económico de este país para este fin
utilizan un panel de condados chinos de 1999 a 2019, los resulta-
dos sugieren que la promoción de este tipo de políticas promueve
significativamente el crecimiento económico de este país además
de mejorar las condiciones ambientales. En Sichuan una provincia
de China los autores Wang et al. (2023) también analizan la variable
cobertura vegetal asociándolo a temas de salud y como esto conlle-
va a un desarrollo económico más prospero, utilizando una Regre-
sión Ponderada Geográfica y Temporal para analizar los patrones
espacio-temporales y las tendencias de los cambios de vegetación
desde el año 2000 hasta el 2020 obteniendo resultados que permi-
ten asegurar que la cobertura vegetal es significativa en el modelo
que han propuesto, es decir, en relación a las actividades humanas y
como esta estrecha relación afecta directamente el desarrollo eco-
nómico.
En Eutopía Yang et al. (2022) mencionan que el cambio climá-
tico es el que esta volviendo vulnerable a nuestra cobertura vegetal
y a esto se le añade las actividades humanas que se encuentran
concentradas en el crecimiento económico, estos autores toman en
cuenta el índice de vegetación mejorado (EVI) para analizar la cu-
bierta vegetal desde el año 2023 hasta el año 2018 tomando en
cuenta básicamente el coeficiente de variación, a la final llegaron a
la conclusión que son las actividades humanas la clave del cambio
en la cubierta vegetal por lo que recomiendan estudiar más de cer-
ca esta variable de talento humano. Basu et al. (2023) mencionan
que en la India la expansión urbana es la responsable de la degra-
dación ambiental por lo que decidieron realizar una investigación
basándose en las características de la expansión urbana en ese país
tomando en cuenta principalmente los cambios en la cobertura ve-
getal, el modelo que utilizaron es la red neuronal de perceptores
multicapa y la cadena de Markov, concluyendo que la menor degra-
dación de la cobertura vegetal se la observa en los lugares donde
existe una adecuada planificación. He et al. (2020), utilizando un
modelo de causalidad de Granger de panel analizaron la relación
que existen entre el cambio vegetal y el producto interno bruto per
cápita en 285 ciudades de China entre el año 2001 y el año 2015,
los resultados sugieren una relación unidireccional que va desde el
crecimiento económico al cambio vegetal.
79
Loaiza-Godoy, V. y Camacho-Criolo, A.
Vol.12-N°1, Enero- Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
Tabla 1. Descripción de las variables utilizadas
Variable Nombre Símbolo Descripción
Dependiente PIB precios constates 2010 PIB
Relación entre el valor total de todos los
bienes y servicios finales generados du-
rante un año por la economía de una na-
ción o estado y el número de sus habitan-
tes en ese año.
Independientes Cobertura vegetal (k m2) CV Área donde los países cuentan con ex-
tensiones de vegetación, pastizales etc.
Capital humano ( %) CH Promedio de años de estudio
3|DATOS Y METODOLOGÍA
3.1 |Datos
La información estadística utilizada en esta investigación fue
extraída de dos bases de datos. El PIB y cobertura vegetal se los to-
mo del World Development Indicators (WDI, 2017) del Banco Mun-
dial y los datos del capital humano fue tomada de Barro y Lee (2017).
La variable dependiente de este proyecto es la tasa de crecimien-
to del PIB y las variables independientes son la tasa de área fores-
tal como una proxi de cobertura vegetal y el promedio de años de
escolaridad como un variable proxy del capital humano. Los datos
anuales del panel abarcan el período entre 1990 y 2015 para 77 paí-
ses. Con el propósito de conseguir resultados más realistas y sólidos
hemos propuesto la siguiente división según el nivel de ingresos cla-
sificándolos en dos conjuntos de países: ingresos medios-bajos (US
$ 5000-15000) e ingresos bajos (US <$ 5000). La Tabla 1 muestra
las variables que serán utilizadas en el modelo.
La Tabla 2 muestra los estadísticos descriptivos del PIB, cober-
tura vegetal y capital humano Las tres variables forman un panel
de datos balanceado con 2002 observaciones. La información de la
desviación estándar muestra una mejor variabilidad dentro de los
países que entre países en las dos variables. Los datos sugieren una
alta variabilidad entre el PIB, cobertura vegetal y capital humano en
el tiempo y entre países. Al ser un panel de datos balanceado, el
periodo comprende de 26 años (T=26) y el número de países es 77
(i=77).
3.2 |Metodología
La metodología de esta esta investigación se divide en cuatro
etapas. Cada etapa es aplicada para todo el conjunto de países y
por conjuntos de países, clasificados de acuerdo al nivel de ingre-
sos: PIMB y PIB. Primero, con el fin de verificar empíricamente la
dirección de la relación entre cobertura vegetal, capital humano y
crecimiento económico, planteamos la siguiente función:
CVit=(α0+β0)+λ1CVit+λ2P I Bit εit(1)
C Hit=(α0+β0)+λ1C Hit+λ2P I Bit εit(2)
En la Ecuación 1, P I BitProducto interno bruto (precios
constantes 2010) país i(i= 1,2, ..., 77) en el período t(t=
1990,1991, ..., 2015), (CV )ites la cobertura vegetal y (ε)ites el
término de error estocástico. En la segunda etapa, aplicamos dos
pruebas de raíz unitaria ampliamente utilizadas en la literatura de
datos de panel: Dickey y Fuller Aumentado (1981) y Phillips-Perron
(1988) conocidos en la literatura como ADF y PP, respectivamen-
te. Estas pruebas permiten determinar el orden de integración de
las variables. Enders (1995) sugiere el modelo más común de raí-
ces unitarias con tendencia e intercepción a partir de la siguiente
fórmula:
yi t =α0+ργi−t−1+α1t+
ρ
Õ
t=2
+βJyt−i−1+εi t (3)
Donde ytes la variable dependiente, αes el intercepto, tes la
tendencia y εes un ruido gaussiano blanco y ρrepresenta el nivel
de retardo. Para asegurar que los errores son ruido blanco, el núme-
ro de rezagos de la variable dependiente debe determinarse usando
los criterios de información de Akaike (1974) o algún otro criterio
alternativo (Katircioglu et al., 2007). En la Ecuación 2, la hipótesis
nula es que todos los paneles contienen raíces unitarias.
Tercero, verificamos la relación de largo plazo entre las dos va-
riables. Con el fin de examinar la relación de largo plazo entre las
variables utilizamos el test de cointegración de Pedroni (1999) para
datos de panel a partir de la siguiente ecuación:
yit=αit+δit+γ1i t +... +γni Xni t +ε1i t (4)
Donde i= 1,2, ..., 77 es el número de paises y t=
1990,1991, ..., 2015 representa el periodo de tiempo analizado. Los
parámetros αityδitpermiten capturar los efectos fijos del país y
la tendencia determinística del tiempo, respectivamente. El término
ε1i t son los residuos estimados que representan desviaciones de la
relación de largo plazo. Las desviaciones están representadas por
los residuos estimados εit. La hipótesis nula es que no existe cointe-
gración, ρi= 1 para todas las i= 1,2, ..., 77. Esta hipótesis se evalúa
mediante la siguiente prueba de raíz unitaria de los residuos:
εi,t=ρiεi t −1+ωi t (5)
80
Cobertura vegetal, capital humano y crecimiento económico...
Vol.12-N°1, Enero- Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
P I Bi t =αi,t+δi t t+γ1iCVi t +γ1iC Hi t +ε1i t (6)
Pedroni (2001) ofrece una prueba más contundente en com-
paración a métodos de una ecuación única, la cual fue usada para
observar la relación de equilibrio a largo plazo utilizando la Ecuación
6. Pedroni (2001) desarrolló una prueba más contundente en com-
paración a los métodos basados en una única ecuación que estima
simplemente la condición en el vector de cointegración que se re-
quiere para mantener una fuerte relación de equilibrio a largo plazo.
Además, este método permite plantear la hipótesis nula de forma
más natural (Ozturk, Aslan y Kalyoncu, 2010), con la cual se puede
verificar la fuerza de la relación entre la cobertura vegetal, capital
humano sobre el crecimiento económico para los países de forma
particular a través de un modelo de mínimos cuadrados ordinarios
dinámicos (DOLS) y para los países de forma agregada en grupos
de ingreso, a través de un modelo de panel de mínimos cuadrados
ordinarios dinámicos (PDOLS).
P I Bi t =αi,t+δi t t+βiCV +βiC H +
k i
Õ
k=−k i
P I Bi k CVi t −kC Hi t −k+ui t (7)
4|DISCUSIÓN DE RESULTADOS
Como podemos observar en la Tabla 3 muestra los resultados
obtenidos al aplicar la metodología aplicada planteada en la primera
etapa. El test de Hausman (1978) sugiere la existencia de una dife-
rencia sistemática entre los coeficientes obtenidos mediante efec-
tos fijos y aleatorios en todas las regresiones (βF E −βR E ,0). Por
lo tanto, los modelos fueron estimados con efectos fijos, cuyos es-
timadores tienden a ser consistentes (Hausman y Taylor, 1981). La
prueba de Wooldridge (1991) para detectar la autocorrelación y la
prueba de Wald modificada para detectar heteroscedasticidad seña-
lan la necesidad de estimar los parámetros de la Ecuación 3 usando
Mínimos Cuadrados Generalizados (GLS) para datos de panel pro-
puesto por Wooldridge (2002).
Para reducir el posible efecto tendencial y la heterogeneidad
espacial, en el modelo GLS incluimos efectos fijos de tiempo y por
país, lo cual contribuye a corregir la heteroscedasticidad del mode-
lo. La relación entre las tres variables es positiva y estadísticamente
significativa a nivel global. Al clasificar a los países de acuerdo a su
nivel de ingreso, la relación sigue siendo positiva y significativa en
los PIMB y los PIB.
Tabla 3. Resultados de las regresiones de línea base mediante GLS
GLOBAL PIMB PIB
Cobertura vegetal -0.0997 0.126*** 0.533***
(-1.13) (6.11) (43.48)
Capital humano 0.342*** 0.0220*** 0.180***
(31.29) (4.22) (11.97)
(9.66) (4.70) (5.82)
Constante 22.85*** 21.04*** 18.03***
(23.35) (111.19) (96.82)
Efectos fijos (tiempo) Si Si No
Efectos fijos (país) Si Si No
Observaciones 2002 1612 390
En la segunda fase, verificamos que los resultados sean no es-
tacionarias mediante el test de raíz unitaria para datos de panel. Con
la intención de robustecer los resultados utilizamos tres pruebas di-
ferentes: Levine et al. (2002), Im et al. (2003) y Breitung (2000), en
la literatura empírica de datos de panel como las pruebas LLC, IPS
y UB, respectivamente. Los resultados obtenidos en estas pruebas
son contrastados con los resultados arrojados por las pruebas de
Maddala y Wu (1999), los que proponen una prueba más simple y
no paramétrica de raíz unitaria denominada prueba tipo Fisher ba-
sada en el test ADF (Dickey y Fuller, 1981) y la prueba tipo Fisher
basada en el test PP (Phillips y Perron, 1988). Las pruebas fueron
aplicadas sin efectos del tiempo y con efecto del tiempo. Todos los
resultados presentados en la Tabla 4 señalan que la tasa de creci-
miento del producto interno bruto, cobertura vegetal y el capital
humano no presenta raíz unitaria. Por lo tanto, tienen un orden de
integración de I (0).
Tabla 2. Resumen de estadísticos descriptivos
Variable Mean Std. Dev. Min Max Observaciones
PIB (log)
Overall 239,469 19,496 106,438 29,818 N=2002
Between 19,067 203,656 286,878 i=77
Within 0,4591 109,795 250,941 T=26
Cobertura vegetal (log)
Overall 109,777 19,595 59,454 155,142 N=2002
Between 19,694 59,899 154,564 i=77
Within 0,0970 102,019 114,949 T=26
Capital humano
Overall 64,188 25,520 0,89 126,577 N=2002
Between 24,445 14,305 112,619 i=77
Within 0,7823 40,563 99,086 T=26
81
Loaiza-Godoy, V. y Camacho-Criolo, A.
Vol.12-N°1, Enero- Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
Tabla 4. Pruebas de raíz unitaria
Pruebas LL UB IPS ADF PP LL UB IPS ADF PP
Sin efectos del tiempo Con efectos del tiempo
GLOBAL
PIB -20,02** -4,74** -11,41** -6,67** -22,12** -43,50** -9,61** -15,83** -12,90** -46,12**
CV 99,62** 3,65** 6,00** 4,85** 2,69 ** -1,21** -2,05** 0,26** 3,01** -5,87**
CH 0,08** -0,62** 0,12** 0,93** 1,85** -0,17** -0,87 -0,12** 0,89** 1,35**
PIMB
PIB -17,11** -3,65** -19,12** -6,15** -19,79** -42,74 ** -9,10** -40,53** -13,67** -45,52**
CV 99,01** 3,65** 19,69** 4,22** 2,13** -1,54** -2,10** -5,41** 3,43** -5,94
CH 0,16** -0,04** 2,32** 0,77** 1,42** 0,28** -0,3** 2,24** 0,81** 1,03**
PIB
PIB -10,66 ** -4,84** -10,28** -2,60** -9,88** 9,47** -2,78** -1,67** 4,58** 1,**
CV 0,31** -0,32** 1,56 2,40** 1,75** -0,33** -1,52** 0,42** 2,25** 2,02**
CH -0,16** -1,45** 0,17** 0,54** 1,30** -0,74 -0,92** -0,29** -0,24** 0,53**
En la tercera etapa, verificamos la existencia de una relación
estable de equilibrio a largo plazo entre las variables del modelo
usando técnicas econométricas. Para el equilibrio de largo plazo, el
test de cointegración de panel heterogénea desarrollada por Pedro-
ni (1999). Este marco de análisis permite pruebas de cointegración
tanto para paneles heterogéneos como homogéneos que incorpo-
ran siete regresores, los cuales se basan en siete diferentes estadís-
ticas basadas en los residuos. De estas siete pruebas, el estadístico v
del panel es una prueba unilateral, donde los valores positivos gran-
des rechazan la hipótesis nula, mientras que para el resto de esta-
dísticos los valores negativos grandes rechazan la hipótesis nula de
no cointegración. La Tabla 5 informa las estadísticas de la prueba de
cointegración de Pedroni (1999) dentro y entre las dimensiones. En
los resultados, con excepción del estadístico v del panel de los PIMB
y PIB, las otras seis estadísticas de prueba rechazan la hipótesis nula
de no cointegración en los distintos niveles de significancia, por lo
tanto, nuestros resultados señalan que la cobertura vegetal y el ca-
pital humano tienen un movimiento conjunto y simultáneo durante
1980-2016 a nivel global. La evidencia encontrada es consistente
con las conclusiones obtenidas en una investigación desarrollada
por según Leblois, Damette, Wolfersberger, & Umr (2016).
Tabla 5. Resultados del test de cointegración de pedroni
GLOBAL PIMB PIB
Within dimension test statistics
Panel v-statistic -2,317 -2,628 11,84
Panel p-statistic -17,65 -16,24 -2,96
Panel PP-statistic -55 -56,4 -1,88
Panel ADF statistic -32,25 -27,9 -1,303
Between dimension test statistics
Panel p-statistic -13,52 -12,7 -1,14
Group PP-statistic -62.24 -65,38 -0,82
Group ADF statistic -29,71 25,32 -1,54
Para el equilibrio de corto plazo, utilizamos un modelo de co-
rrección de error (VECM) para datos de panel desarrollado Wester-
lund (2007). La existencia de equilibrio en el corto plazo implica que
los cambios en el producto interno bruto se traducen rápidamente
en cambios en el nivel ampliación de cobertura vegetal. Nuestros re-
sultados señalan la existencia de un equilibrio de corto plazo a nivel
global y en todos los grupos de países. El resumen de la evidencia
obtenida consta en la Tabla 6. Nuestro resultado de las estimacio-
nes coinciden estrechamente con los resultados encontrados por Ai
y Zhou (2023) que utilizando datos de panel examinan una política
que aplicaron en China denominada “ Ciudades Forestales Naciona-
les”, en la que se involucran las variables que se toman en cuenta en
este articulo, entonces ellos apoyan la existencia de un equilibrio a
largo plazo entre las variables mencionadas. La Tabla 7 reporta los
resultados del modelo DOLS para los países de forma individual y
muestran que existe una fuerte relación de cointegración de largo
plazo entre la cobertura vegetal, capital humano y el crecimiento
económico.
Tabla 6. Resultados del modelo de corrección de error VECM de Westerlund
Cobertura vegetal Capital humano
Estadístico Valor Z-value P-value Estadístico Valor Z-value P-value
GLOBAL
Gt -3,998 -17,940 0.000 Gt -4,377 -22,078 0.000
Ga -22,252 -13,659 0.000 Ga -25,886 -18,453 0.000
Pt -50,810 -37,587 0.000 Pt -51,149 -37,982 0.000
Pa -52,124 -63,419 0.000 Pa -52,877 -64,525 0.000
PIMB
Gt -3,978 -15,902 0.000 Gt -4,275 -18,813 0.000
Ga -22,128 -12,109 0.000 Ga -25,812 -16,471 0.000
Pt -46,176 -34,406 0.000 Pt 46,476 -34,766 0.000
Pa -52,173 -56,973 0.000 Pa -52,971 -58023 0.000
PIB
Gt -4,081 -8,317 0.000 Gt -4,798 -11,775 0.000
Ga -22,765 -6,327 0.000 Ga -26,191 -8,322 0.000
Pt -2,618 6,481 1.000 Pt -1,128 8,217 1.000
Pa -23,246 -9,267 0.000 Pa 8,767 0,121 0.548
82
Cobertura vegetal, capital humano y crecimiento económico...
Vol.12-N°1, Enero- Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
Tabla 7. Resultados de prueba de panel PDOLS por grupos de países
Grupos de países Var
Con dummy del tiempo Sin dummy del tiempo
Estimador β1t-statistics Estimador β2t-statistics
GLOBAL CV 42,03 17,25 2637 -2744
CH 4,387 4,083 -1,045 -1,897
PIMB CV 54,92 16,71 3280 -2,859
CH 7,645 10,72 -1,225 -1,77
PIB CV 9,708 -1,742 -23,02 -0,4064
CH 0,6332 -7,885 -0,3008 -0,7001
La Tabla 8 reporta los resultados del modelo DOLS para los paí-
ses de forma individual y muestran que existe una fuerte relación
de cointegración de largo plazo entre la cobertura vegetal, capital
humano y crecimiento económico en los PIMB y PIB, la relación es
negativa en la mayor parte de los países y se evidencian débiles re-
laciones de cointegración (Anexo 1).
Proponer soluciones que aporten al crecimiento económico,
en base a los resultados encontrados. Entre las soluciones que se
pueden sugerir para incidir de manera positiva en el crecimiento
económico, a partir de los resultados encontrados en esta investi-
gación, podríamos iniciar mencionando las variables que hemos to-
mado en cuenta en este modelo que son la cobertura vegetal y el
capital humano, los países deben tomar en cuenta estas variables a
la hora de plantear las reformas de sus políticas públicas. La premisa
que deja este estudio es que los países deben mejorar la educación
y capacitación de su capital humano con la intención de que pue-
dan generar crecimiento económico sostenible capaces de mejorar
el crecimiento de su país sin necesidad de dañar la cobertura vege-
tal del planeta y de esta forma concientizar a las personas que es el
planeta donde vivimos y lo estamos destruyendo y más que nada
que existen otras formas de generar crecimiento en un país. Entre
soluciones puntuales son:
Reactivas las políticas de reforestación de tal manera que se
pueda ir recuperando la cobertura vegetal que ya se ha perdi-
do.
Incluir en las mallas de las diferentes carreras materias que per-
mitan a los estudiantes, conocer la manera correcta de conser-
var su planeta desde su especialización.
Concientizar a los niños desde las escuelas, incluir materias
que les permita conocer lo importante de conservar el planeta
y sobre todo la cobertura vegetal.
Los gobiernos deben implementar políticas públicas direccio-
nadas hacia un crecimiento económico sostenible y respetuo-
so con la cobertura vegetal del planeta.
5|CONCLUSIONES
La presente investigación muestra con resultados robustos
que la cobertura vegetal y el capital humano si contribuyen de ma-
nera positiva al crecimiento económico de los diferentes países, es
decir, que se encuentran relacionadas a largo plazo, es por esta ra-
zón que las políticas públicas deben estar direccionadas a capacitar
al capital humano de tal manera que pueda conservar la cobertura
vegetal y de esta manera hacer una mejora la calidad de vida de las
personas con un crecimiento económico sostenible y responsable.
La literatura en el tema es escasa porque es un tema que se ha inicia-
do a estudiar recientemente, existen casos exitosos de crecimiento
económico sostenible y sobre todo amigable con el medio ambiente
conservando de esta forma la cobertura vegetal, algunos países han
adoptado algunas medidas, implementando programas como la re-
forestación en las áreas afecta principalmente en los países donde
la industrialización es cada vez más notoria. Bajo la misma línea el
crecimiento económico ha sido el tema central de muchos econo-
mistas, pero este crecimiento económico debería ser responsable
con el lugar donde vivimos, entonces las políticas públicas deben ir
encaminadas a generar bienestar no solo de nosotros como dueños
de la tierra sino de respeto al planeta en el que vivimos. Sin duda
el presente estudio apoya a mejorar el desarrollo de políticas en re-
lación a la conservación de la cobertura vegetal de las economías,
políticas que van encaminadas por un lado a conservar la cobertu-
ra vegetal, generar carreras en las Universidades, donde el talento
humano de los países puedan apoyar el crecimiento económico de
una manera responsable o sostenible sin destruir la naturaleza, los
hacedores de políticas públicas deben pensar en las futuras gene-
raciones y que hogar se les dejara, incluyendo las varibles que se
presentan en este estudio, con políticas de monitoreo que nos ayu-
den a identificar y de esta manera prevenir y contrarrestar el daño
de la cobertura vegetal a cambio de obtener un crecimiento eco-
nómico más elevado y en medio de todo esto solucionar el grande
problema de las actividades humanas que cada vez se encuentra
más desplazado por la tecnología.
Referencias bibliográficas
[1] Ai, H., & Zhou, Z. (2023). Green growth: The impact of urban
forest construction on economic growth in China. Economic
Modelling, 125, 106366.
[2] Basu, T., Das, A., Das, K., & Pereira, P. (2023). Urban expansion
induced loss of natural vegetation cover and ecosystem servi-
ce values: A scenario-based study in the siliguri municipal cor-
poration (Gateway of North-East India). Land Use Policy, 132,
106838.
[3] Tritsch, I., & Arvor, D. (2016). Land Use Policy Transition in en-
vironmental governance in the Brazilian Amazon: emergence
of a new pattern of socio-economic development and defores-
tation. Land Use Policy, 59, 446–455.
[4] Hogarth, J. R. (2016). Brazil: No-till agriculture, reduced defo-
restation and ethanol. Environmental Innovation and Societal
Transitions, 1–12.
[5] Sabadini, T., Paulo, E., & Horridge, J. M. (2017). Land Use Po-
licy Controlling deforestation in the Brazilian Amazon: Regio-
nal economic impacts and land-use change. Land Use Policy,
64, 327–341.
83
Loaiza-Godoy, V. y Camacho-Criolo, A.
Vol.12-N°1, Enero- Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
[6] Obydenkova, A., Nazarov, Z., & Salahodjaev, R. (2016). The pro-
cess of deforestation in weak democracies and the role of In-
telligence. Environmental Research, 148,
[7] Köthke, M., Leischner, B., & Elsasser, P. (2013). Forest Policy
and Economics Uniform global deforestation patterns — an em-
pirical analysis. Forest Policy and Economics, 28, 23–37.
[8] Leblois, A., Damette, O., Wolfersberger, J., & Umr, B. (2016).
What has Driven Deforestation in Developing Countries Since
the 2000s? Evidence from New Remote-Sensing Data. World
Development, xx.
[9] Tanner, A. M., & Johnston, A. L. (2017). The Impact of Rural
Electric Access on Deforestation Rates. World Development,
xx.
[10] Müller, H., Ru, P., Grif, P., Barros, L. De, Hissa, V., & Hostert,
P. (2016). Remote Sensing of Environment Beyond deforesta-
tion: Differences in long-term regrowth dynamics across land
use regimes in southern Amazonia, 186, 652–662.
[11] Pailler, S. (2018). Re-election incentives and deforestation cy-
cles in the Brazilian Amazon *. Journal of Environmental Eco-
nomics and Management, 88, 345–365.
[12] Rodrigues, W., & Nunes, A. (2016). Relationship between open-
ness to trade and deforestation: Empirical evidence from the
Brazilian Amazon. Ecological Economics, 121, 85–97.
[13] Wehkamp, J., Koch, N., Lübbers, S., & Fuss, S. (2018). Gover-
nance and deforestation — a meta-analysis in economics. Eco-
logical Economics, 144(December 2016), 214–227.
[14] Zambrano-monserrate, M. A., Carvajal-lara, C., Urgilés-
sanchez, R., & Ruano, M. A. (2018). Deforestation as an
indicator of environmental degradation: Analysis of fi ve
European countries, 90(January), 1–8.
[15] Gutiérrez, M. F., & Rodríguez-tapia, G. (2016). Análisis jerárqui-
co de la intensidad de cambio de cobertura / uso de suelo y
deforestación (2000-2008) en la Reserva de la Biosfera Sierra
de Manantlán, México Hierarchical analysis of the intensity of
change of land use / cover change and deforestation (2000-
2008) in the Sierra de Manantlán Biosphere Reserve, Mexico.
Investigaciones Geográficas: Boletín Del Instituto de Geogra-
fía, 2016(90), 89–104.
[16] Nené-preciado, A. J., Sansón, G. G., Eduardo, M., Asís, F. De, &
Bátiz, S. (2017). Cambio de cobertura y uso de suelo en cuen-
cas tropicales costeras del Pacífico central mexicano Land co-
ver and land use change in coastal basins from the Central Pa-
cific coast of Mexico. Investigaciones Geográficas: Boletín Del
Instituto de Geografía, 2017(94), 64–81.
[17] Yang, S., Song, S., Li, F., Yu, M., Yu, G., Zhang, Q., ... & Wu,
Y. (2022). Vegetation coverage changes driven by a combi-
nation of climate change and human activities in Ethiopia,
2003–2018. Ecological Informatics, 71, 101776.
[18] Wang, G., Peng, W., Zhang, L., Zhang, J., & Xiang, J. (2023). Ve-
getation EVI Changes and Response to Natural Factors and Hu-
man Activities Based on Geographically and Temporally Weigh-
ted Regression. Global Ecology and Conservation, e02531.
[19] He, Z., Xiao, L., Guo, Q., Liu, Y., Mao, Q., & Kareiva, P. (2020).
Evidence of causality between economic growth and vegeta-
tion dynamics and implications for sustainability policy in Chi-
nese cities. Journal of Cleaner Production, 251, 119550.
6|ANEXOS
Anexo 1. Resultados de prueba de panel DOLS para los países de forma individual
PIMB PIB
País Var Con dummy Sin dummy País Var Con dummy Sin dummy
Brazil CV -22,36 262,8 Albania CV 59,25 1930
CH -0,61 11,34 CH -0,22 -26,31
Chile CV 2,4 -65,9 Algeria CV 22,49 -6,78
CH -0,944 -10,44 CH 0,58 -0,18
Costa Rica CV 21,64 -141,6 Argentina CV -6,62 -2,53
CH 3,75 -25,83 CH -0,5 -0,1
Hungary CV -35,27 206,7 Belize CV 68,7 -23,78
CH -5,63 2,75 CH 9,14 -6,051
Korea, Rep. CV -155,7 569,2 Benin CV 44,56 -10,35
CH -11,14 8,62 CH -0,18 0,16
Malaysia CV 76,18 -9,24 Bolivia CV 13,38 -57,01
CH -10,31 3,02 CH -0,61 1,1
Mauritius CV -20,22 -7,1 Botswana CV 6,77 -52,03
84
Loaiza-Godoy, V. y Camacho-Criolo, A.
Vol.12-N°1, Enero- Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
CH 0,15 0,18 CH -0,1 0,68
Mexico CV 38,07 191,7 Bulgaria CV 82,29 2,45
CH -1,71 3,48 CH -4,99 -0,78
Panama CV 25,26 -913,6 Burundi CV 2,16 -3,61
CH -2,79 -0,64 CH 34,84 -25,15
Poland CV 36,94 31,39 Cambodia CV -8,038 17,09
CH 4,99 -15,22 CH -0,24 0,17
Romania CV -68,77 -101 Cameroon CV 186,9 1052
CH 18,05 2,86 CH -7,72 -1,07
Trinidad and Tobago CV 112,8 -421,7 Central African Republic CV -151,2 156858
CH -6,34 -7,29 CH 12,5 -50,52
Turkey CV 172,5 39,43 China CV 98,96 -364,8
CH 21,65 16,17 CH -3,27 -6,069
Uruguay CV 1,3 -1,27 Colombia CV -9,63 282,5
CH 2,79 0,79 CH -0,13 2,69
Venezuela, RB CV 34,67 14,86 Congo, Dem. Rep. CV 85,62 -414,2
CH -2,39 5,67 CH 13,88 2,41
Congo, Rep. CV 114,4 4208
CH 4,91 -34,24
Cote d’Ivoire CV 83,29 553
CH -2,82 -9,57
Cuba CV 74,57 6,6
CH 0,52 -0,001
Dominican Republic CV 16,64 -19,64
CH -4,59 -4,949
Ecuador CV 51,81 -176
CH 2,07 3,203
Egypt, Arab Rep. CV 20,15 4,562
CH -5,23 -1,33
El Salvador CV -113,1 -8,77
CH 4,43 0,38
Fiji CV 35,25 514,3
CH 0,3 4,11
Gambia, The CV 220,9 13,93
CH 15,49 -2,4
Ghana CV 64,57 -413
CH 0,65 0,09
Guatemala CV 64,19 4,87
CH -4,72 -0,11
Guyana CV 123,9 -7597
CH -1,88 -1,84
Honduras CV 31.34 -16,77
CH -0,01 -0,1
India CV 43,77 -22,52
CH -2,29 -3,96
Indonesia CV 102,8 10,74
CH -7,68 -0,63
Jamaica CV -78,76 462,7
CH 1,08 -0,26
Kenya CV 1329 -172,9
CH 312,2 -58,13
Lao PDR CV -4,16 -4
CH 11,84 7,32
Lesotho CV -26,54 39,04
CH -0,2 -1,47
Liberia CV -31,8 11399
CH 15,03 -22,06
Malawi CV 138,1 -127
CH 1,011 -1,03
Mali CV 23,16 -329,5
CH 3,23 -0,3
Mauritania CV -18,69 -2,94
CH -26,9 0,32
Mongolia CV 50,65 -37,05
CH -6,67 5,96
Morocco CV 49,26 -8,31
CH 1,09 -5,48
Mozambique CV 29,71 -443,5
85
Cobertura vegetal, capital humano y crecimiento económico...
Vol.12-N°1, Enero- Junio 2024
p-ISSN:2602-8204 |e-ISSN 2737-6257
CH -0,04 -2,49
Myanmar CV -144,5 -3,88
CH 18,73 2,07
Namibia CV 245,3 -4,8
CH 8,11 0,49
Pakistan CV -20,19 32,29
CH 2,36 -0,62
Papua New Guinea CV 10,7 33777
CH 4,035 1,98
Paraguay CV -5,15 -58,5
CH 1,02 4,34
Peru CV -64,1 2675
CH 0,34 2,03
Philippines CV -0,76 -48,82
CH 1,57 24
Rwanda CV -0,19 -177,3
CH 7,11 117,8
Senegal CV 16,73 2,103
CH -0,09 -0,1
Sierra Leone CV 148 -542,3
CH -1,28 -0,86
Sri Lanka CV 51,04 12,4
CH 0,36 0,32
Sudan CV 24,88 -273,3
CH 8,97 4,32
Swaziland CV -22,2 -53,47
CH -0,23 0,24
Tanzania CV 34,92 -121,6
CH 1,55 -0,94
Thailand CV 155,1 16,01
CH 31,25 7,14
Togo CV 13,7 9,65
CH 5,75 -4,78
Tunisia CV -30,45 -4,45
CH 1,46 2,68
Uganda CV 10,42 3,91
CH 6,74 1,97
Vietnam CV -13,36 4,17
CH 10,56 4,3
Zambia CV -8,67 1017
CH -0,9 -0,5
Zimbabwe CV 160,9 55,84
CH -10,68 -4,23
86
