30
Vol.14-N°1,Enero-Junio 2026
p-ISSN: 2602-8204 | e-ISSN: 2737-6257
Revista Económica
DOI: 10.54753/rve.v14i1.2624
https://revistas.unl.edu.ec/index.php/economica
ARTÍCULO DE INVESTIGACIÓN
Transferencias Monetarias Condicionadas y Desarrollo Humano en
América Latina: Un estudio de panel de datos estáticos
Conditional Cash Transfers and Human Development in Latin America: A
Static Data Panel Study
Wilman Carrillo-Pulgar
1
|
Diana Lara-Guerrero
2
|
Patricia Hernández-Medina 3
|
Karina Álvarez-Basantes 4
1 Universidad Nacional de Chimborazo, Ecuador
Correspondencia
Wilman Carrillo-Pulgar, Universidad Nacional
de Chimborazo, Ecuador.
Correo electrónico: wcarrillo@unach.edu.ec
Fecha de recepción
Septiembre 2025
Fecha de aceptación
Enero 2026
Resumen
América Latina es una región que ha enfrentado desafíos significativos
para alcanzar políticas que mejoren de forma integral el bienestar de la
población. En este contexto, esta investigación tuvo como objetivo
analizar el efecto de las Transferencias Monetarias Condicionadas (TMC)
en el Desarrollo Humano en catorce países latinoamericanos en el período
2010 a 2022. Se empleó el modelo de regresión de Prais – Winsten para
superar posibles problemas de heterocedasticidad y autocorrelación. Los
resultados de esta investigación muestran que la variable Transferencias
Monetarias Condicionadas tiene un impacto significativo en el Desarrollo
Humano (DH), al igual que la de educación inicial, la salud mental y el PIB
per cápita están asociado con un incremento en el DH, mientras que la
desnutrición infantil tiene un efecto negativo. Por lo tanto, a mayor TMC,
mayor nivel de DH. Se concluye que los programas enfocados en
transferencias monetarias pueden ser un mecanismo útil para mejorar el
bienestar socioeconómico de los hogares, y su influencia puede ser más
efectiva en un escenario de estabilidad económica, social y política.
Palabras clave: Transferencias Monetarias Condicionadas, Desarrollo
Humano, América Latina, Efectos Fijos y Aleatorios.
Códigos JEL: I38, O15, O54, C23, H53
Abstract
Latin America is a region that has faced significant challenges in achieving
policies that comprehensively improve the well-being of its population. In
this context, the aim of this study was to analyze the effect of Conditional
Cash Transfers (CCTs) on Human Development in fourteen Latin
American countries during the period from 2010 to 2022. The Prais–
Winsten regression model was employed to address potential issues of
heteroscedasticity and autocorrelation. The findings of this research
indicate that Conditional Cash Transfers have a significant impact on
Human Development (HD). Additionally, early childhood education,
mental health, and per capita GDP are positively associated with
increases in HD, while child malnutrition has a negative effect. Therefore,
it can be concluded that higher levels of CCTs are associated with higher
levels of Human Development. The study concludes that cash transfer
programs can serve as an effective mechanism for improving the
socioeconomic well-being of households, and their impact may be more
pronounced in contexts of economic, social, and political stability..
Key words: Conditional Cash Transfers, Human Development, Latin
America, Fixed and Random Effects.
JEL codes: I38, O15, O54, C23, H53
JEL codes: D24, E23, M21, O41
31
Vol.14-N°1, Enero-Junio 2026
p-ISSN: 2602-8204 | e-ISSN: 2737-6257
Transferencias Monetarias Condicionadas y Desarrollo…
1 | INTRODUCCIÓN
Los países de América Latina durante los últimos años han experimentado turbulencias económicas significativas que
han impactado negativamente sobre sus procesos de desarrollo. En el año 2022, la economía de esta región
experimentó una contracción de -6,8%, y para 2023 presentó una modesta tasa de crecimiento del PIB de 2,15% (Lan
et al., 2025). Este escenario ha afectado el desarrollo integral de la región. Por ejemplo, el índice de desarrollo humano
presentó los niveles más bajos en el año 2023, donde países como Haití, Honduras y Nicaragua, se posicionan como
los de menor desarrollo. El limitado acceso a servicios fundamentales como la educación, la salud, la seguridad, entre
otros, han sido factores críticos que han condicionado la calidad de vida de la población (Ranis y Stewart, 2002).
El desarrollo humano es un pilar para que las personas mejoren sus perspectivas sociales a través del fortalecimiento
de sus capacidades, ya que la incertidumbre perturba todos los aspectos del desarrollo, y genera un nivel insuficiente
e implica menores niveles de educación y salud, lo que afecta negativamente a la productividad laboral. Por tal motivo
las economías se vuelven menos competitivas y se contrae el crecimiento económico provocando que se incrementen
las brechas por el lado de los ingresos, inequidad en el acceso a los servicios básicos, entre otros (Tan et al., 2020).
La presencia de estos problemas sociales en Latinoamérica ha llevado a la búsqueda de soluciones como es la creación
de las Transferencias Monetarias Condicionadas (TMC), que son estrategias de políticas de carácter social que se
enfocan especialmente en el desembolso de recursos económicos monetarios, con el propósito de promover el
consumo de los hogares, es decir, que actúan como un estímulo para la parte de la demanda y que promueven,
específicamente, el acceso a servicios primarios como la educación y salud (Cruz, 2014).
Picazzo et al. (2010), reconocen la importancia de establecer indicadores precisos que permitan evaluar los avances o
retrocesos en este ámbito, debido a que estos también sirven como herramientas clave para orientar a la toma de
decisiones y a la implementación de políticas públicas en el campo de la salud. De la misma manera, De Almeida y Erozi
(2023), mencionan que se garantizan los derechos humanos en cuanto a una alimentación adecuada, esto contribuye
a mejorar la salud de los habitantes, reduce la desnutrición y disminuye la mortalidad infantil, favoreciendo a tener un
desarrollo humano sostenible.
El continente Latinoamericano enfrenta desafíos significativos en términos de desigualdad socioeconómica, los cuales
limitan el acceso equitativo a servicios básicos esenciales como salud y educación. En este sentido, Hernández (2021)
señala que la medición del desarrollo humano no se restringe únicamente a variables económicas, sino que también
considera los procesos de redistribución de la riqueza, dado que estos influyen directamente en el bienestar de la
población mediante el acceso a oportunidades y necesidades fundamentales, enfoque que el autor analiza en el
contexto europeo, pero que resulta igualmente aplicable a América Latina.
En este marco, el presente estudio aporta evidencia empírica al debate sobre la efectividad de las transferencias
monetarias condicionadas (TMC) en el desarrollo humano, a través del uso del modelo econométrico de panel de datos
estáticos que permite controlar la heterogeneidad no observable entre países y abalizar patrones comunes durante
el periodo de estudio. De esta manera, la investigación contribuye a la ciencia económica al fortalecer el análisis
cuantitativo de las políticas sociales y generar insumos relevantes para el diseño de políticas públicas más eficientes y
basadas en evidencia. En este contexto se presenta la siguiente pregunta de investigación ¿Cuál es el impacto de las
transferencias monetarias condicionadas (TMC) sobre el desarrollo humano en los países de América Latina, según un
análisis de panel de datos estáticos?
2 |MARCO TEÓRICO Y EVIDENCIA EMPÍRICA
El análisis del impacto de las transferencias monetarias condicionadas (TMC) sobre el desarrollo humano se
fundamenta en el enfoque de capacidades en la literatura empírica sobre las políticas de protección social en
economías en desarrollo. En países de América Latina, la persistencia de desigualdades estructurales en ingreso,
educación y salud ha limitado el acceso equitativo a oportunidades básicas, lo que ha motivado la implementación de
programas de transferencias como un instrumento central de política social.
32
Carrillo-Pulgar, W., et. al
Vol.14-N°1, Enero-Junio 2026
p-ISSN: 2602-8204 | e-ISSN: 2737-6257
2.1 | TEORÍA DEL DESARROLLO HUMANO
El enfoque de desarrollo humano propuesto por Amartya Sen constituye la base teórica de esta investigación, al
plantear una concepción del desarrollo que trasciende el crecimiento económico y se centra en la expansión de las
capacidades y libertades reales de los individuos (Sen, 2001). Desde esta perspectiva, el bienestar no depende
únicamente del nivel de ingreso, sino de las posibilidades efectivas de acceder a educación, salud y condiciones de vida
dignas, lo que permite a los individuos elegir y realizar actividades que consideran valiosas. Este enfoque ha sido
ampliamente adoptado en la medición del desarrollo a través del Índice de Desarrollo o por sus siglas (IDH), el cual
integra dimensiones de ingreso, educación y salud como indicadores clave del progreso social (Picazzo et al., 2010)
Sobre la base de este enfoque, el programa de las Naciones Unidas para el Desarrollo creó el índice de Desarrollo
Humano como una medida sintética del progreso social, integrando dimensiones de salud, educación y nivel de vida.
Las investigaciones recientes resaltan que el IDH resulta particularmente relevante para el análisis de economías en
desarrollo, donde el crecimiento económico no siempre se traduce en mejores generalizaciones del bienestar (UNDP,
2023; Alkire y Foster, 2021).
Desde la perspectiva de capacidades, las transferencias monetarias condicionadas tienen una justificación teórica
como un medio para disminuir las limitaciones de ingreso y fomentar la inversión en capital humano. Las TMC, al
establecer que los beneficios monetarios dependan de la ejecución de compromisos en salud y educación, buscan
tener un impacto directo en las dimensiones que constituyen el IDH. En América Latina, estos programas han tenido
un efecto positivo sobre los indicadores de salud y educación, particularmente en hogares vulnerables; no obstante,
su impacto en el progreso humano total varía según las circunstancias económicas e institucionales de cada nación
(Cecchini et al., 2021; Bastagli et al., 2020).
2.2 | TRANSFERENCIAS MONETARIAS CONDICIONADAS Y FACTORES ESTRUCTURALES
La literatura actual enfatiza que los impactos de las TMC son diversos y dependen de elementos estructurales. Según
investigaciones recientes (Ravallion, 2020; World Bank, 2022), el aumento del PIB per cápita, la disminución de la
desigualdad y la estabilidad laboral potencian las transferencias para generar mejoras sostenidas en el bienestar. Sin
estos elementos, los efectos de las TMC suelen ser a corto plazo. Además, se ha subrayado que es necesario incluir
variables de control relacionadas con la salud, la educación, el desempleo y la desigualdad en los estudios
comparativos basados en modelos de panel para separar conceptualmente el impacto particular de las TMC sobre el
desarrollo humano (Alkire y Foster, 2021). Estos análisis coinciden en que las transferencias de dinero complementan
otras políticas públicas y, al incorporarse a estrategias más amplias de desarrollo, potencian su efecto.
2.3 | SÍNTESIS CONCEPTUAL
Por tanto, la conexión entre las transferencias monetarias condicionadas y el desarrollo humano se basa en el enfoque
de capacidades. Este último sostiene que las políticas sociales favorecen el progreso al incrementar las oportunidades
en términos económicos, educativos y de salud. Las TMC funcionan como una herramienta para disminuir las
limitaciones de ingreso y alentar la acumulación de capital humano, lo que afecta directamente a los aspectos que
componen el IDH.
La incorporación de variables de control como la educación, el desempleo, la salud, el crecimiento económico y la
desigualdad tiene sentido debido a su función estructural en la creación de capacidades y en la eficacia de las políticas
sociales. Así, el análisis del efecto de las transferencias monetarias condicionadas sobre el Índice de Desarrollo
Humano en América Latina se sostiene teóricamente y con la evidencia empírica revisada.
De manera general, la función de producción se expresa matemáticamente y toma la forma.
(1).
donde:
Q es la cantidad de producción.
L representa la cantidad de trabajo utilizado.
K representa la cantidad de capital (o insumos) utilizados.
33
Vol.14-N°1, Enero-Junio 2026
p-ISSN: 2602-8204 | e-ISSN: 2737-6257
Transferencias Monetarias Condicionadas y Desarrollo…
M representa a otros factores que pueden existir en el modelo
Esta función busca modelar como los insumos son combinados para generar la máxima producción. Existen varios
tipos de funciones de producción, como la función lineal, la Cobb-Douglas, de CES, de Leontief, entre otras, cada una
con sus propias características y suposiciones sobre cómo se combinan los insumos (Nicholson, 2008).
En esta investigación nos enfocaremos en la función de producción de Cobb Douglas creada por el matemático
Charles Cobb y el economista Paul Douglas, según Briones et. al. (2018), siendo esta la función de producción la que
más se emplea en la economía para representar la cantidad de producto generada a través de la combinación de los
factores de producción capital (K) y trabajo (L), además es muy apreciada por su capacidad para proporcionar una
descripción de la economía. El origen de esta función se remonta al trabajo de investigación de Cobb, C., y Douglas, P.
(1928). En principio estaba enfocada a analizar la industria manufacturera estadounidense para demostrar que los
rendimientos constantes a escala eran característicos de esa industria proponiendo eliminar la posibilidad de
presentar rendimientos crecientes o decrecientes. Para su investigación ellos trabajaron con series de tiempo de un
período de 24 años desde 1899 a 1922, adicionalmente analizaron las elasticidades de la oferta de trabajo y de capital,
cómo estas variaciones afectan a la distribución de los ingresos. Después de todo, la utilidad de esta función radica en
la facilidad con la que se puede estimar aplicando numerosas metodologías a nivel microeconómico y
macroeconómico, lo que demuestra su viabilidad para el análisis como destacó (Mejía et al., 2023). La formulación de
la función es la siguiente:
(2).
Donde
producción
insumo trabajo
insumo capital
insumos intermedios
término de perturbación estocástica
base del logaritmo natural
La ecuación presenta una relación no lineal, sin embargo, mediante la función logaritmo podemos conseguir la
linealidad en la función (Gujarati y Dawn, 2010).
(3).
O
(4).
Donde
Las propiedades de la función de producción Cobb Douglas se resumen a las siguientes:
Según el estudio de Vargas (2018) se establece que representa la elasticidad (parcial) de la producción con respecto
al insumo de trabajo. En otras palabras, indica el cambio porcentual en la producción que resulta de una variación del
1% en el insumo de trabajo, manteniendo constante el insumo de capital. De manera similar, representa la
elasticidad parcial de la producción con respecto al insumo de capital, manteniendo constante el insumo de trabajo.
La suma de los exponentes ( + ) en la función de producción Cobb-Douglas proporciona información acerca de los
rendimientos a escala, es decir, cómo responde la producción ante cambios proporcionales en los insumos. Si esta
suma es igual a 1, se indican rendimientos constantes a escala, lo que significa que duplicar los insumos resulta en una
duplicación de la producción, triplicar los insumos resulta en una triplicación de la producción, y así sucesivamente. En
34
Carrillo-Pulgar, W., et. al
Vol.14-N°1, Enero-Junio 2026
p-ISSN: 2602-8204 | e-ISSN: 2737-6257
caso de que la suma sea menor que 1, se señalan rendimientos decrecientes a escala: al duplicar los insumos, la
producción crece en menos de dos veces. Por último, si la suma es mayor que 1, se evidencian rendimientos crecientes
a escala; duplicar los insumos aumenta la producción en más del doble (Gujarati & Dawn, 2010).
Gaudin y Rebeca (2020) mencionan que las diferencias en la productividad entre distintas categorías de empresas,
como microempresas, pequeñas, medianas y grandes empresas, son conocidas como brechas productivas. Estas
disparidades plantean desafíos para el aumento de la producción a niveles nacionales e internacionales.
3 | DATOS Y METODOLOGÍA
a. Datos
Para examinar la relación entre las Transferencias Monetarias Condicionadas y el Índice de Desarrollo Humano (IDH)
en América Latina durante el período 2010-2022, se utilizan datos relevantes de los 14 países que son (Argentina,
Bolivia, Brasil, Chile, Colombia, Costa Rica, Ecuador, El Salvador, Guatemala, México, Panamá, Paraguay, Perú y
Uruguay) por lo que se dispone de información confiable y verificable, lo que garantiza la consistencia y validez de los
análisis empíricos. La exclusión de países como Venezuela responde a la falta de datos verificables, evitando posibles
sesgos y asegurando la robustez de los resultados (Hernández et al., 2014; Baltagi, 2021).
El periodo de análisis se justifica por dos razones, partiendo de que desde el 2010 los programas de transferencias
monetarias condicionadas (TMC) alcanzan una mayor consolidación institucional en la región, lo que permite evaluar
sus defectos de manera más estable. Y segundo, el intervalo temporal incluye shocks macroeconómicos relevantes,
tales como la desaceleración económica regional y la pandemia por COVID-19 que pueden afectar los niveles de
desarrollo humano, lo que hace necesario un enfoque de panel que ayude a capturar estas dinámicas temporales.
Las variables de estudio provienen de fuentes relevantes y que son ampliamente utilizadas en la literatura empírica,
como el Banco Mundial, CEPAL y PNUD, lo que asegura comparabilidad internacional y replicabilidad del estudio, a
continuación, se presentan las variables de estudio, su definición y su unidad de medida.
Tabla 1
.
Descripción de las variables de estudio
Variable
Siglas
Definición
Fuente
Unidad de medida
Transferencias
Monetarias
Condicionadas
TMC
Indicador del gasto o cobertura de
programas de transferencia monetaria
condicionada dirigidos a hogares
vulnerables.
Banco Mundial
/CEPAL
Porcentaje del PIB o índice
Educación Infantil
EDU
Tasa de matrícula o asistencia escolar en
educación inicial y primaria
Banco Mundial
Porcentaje (%)
Salud mental
SM
Indicador proxy del Estado de salud
mental, medido a través de acceso a
servicios de salud o prevalencia de
trastornos asociados.
Banco Mundial
/ OMS
Índice o tasa
Desnutrición infantil
DIN
Prevalencia de desnutrición en niños
menores de cinco años
Banco Mundial
/ UNICEF
Porcentaje (%)
PIB per cápita
PIBPC
Producto Interno Bruto per cápita en
términos reales
Banco Mundial
Dólares constantes
Desempleo
DESE
MP
Tasa de desempleo total de la población
económicamente activa
CEPAL / Banco
Mundial
Porcentajes (%)
Coeficiente de GINI
GINI
Medida de desigualdad en la distribución
del ingreso
Banco Mundial
Escala 0-100
Fuente: Elaboración propia
35
Vol.14-N°1, Enero-Junio 2026
p-ISSN: 2602-8204 | e-ISSN: 2737-6257
Transferencias Monetarias Condicionadas y Desarrollo…
La variable dependiente es el índice de desarrollo humano, por lo cual su variable independiente principal es la
transferencia monetaria condicionada. Asimismo, sus variables de control educación infantil, salud mental,
desnutrición infantil, coeficiente de Gini, PIB per cápita y por último el desempleo.
b. Metodología
El diseño del modelo econométrico se obtuvo siguiendo la metodología propuesta por diversos estudios empíricos,
como el caso de Kumar et al. (2011), quienes establecieron un panel de datos estáticos donde se relaciona el Índice de
Desarrollo Humano con respecto a las Transferencias Monetarias Condicionadas, la educación, salud, y de esta
manera entender si ha existido un mejoramiento en los objetivos nacionales previstos.
Por otra parte, Nurmardia et al. (2024) y Yulianti et al. (2021), también modelaron un panel de datos para conocer qué
factores influyen sobre el Índice de Desarrollo Humano que pueden consistir en factores exógenos como el ingreso
per cápita y el desempleo. Asimismo, Royuela y Castells (2016), analiza el impacto de la desigualdad sobre el Índice de
Desarrollo Humano mediante un panel de datos, constituyendo, así como otra de las variables que se van a emplear
en el modelo.
De esta manera se especifica un modelo estático que permite analizar la relación de una forma lineal entre las
variables. La especificación general es la siguiente:
(1).
Donde:
• : índice de desarrollo humano del país i en el período t
• : término constante
• : transferencias monetarias condicionadas como porcentaje del PIB
• : educación infantil, medido por la tasa neta de matriculación en enseñanza
• : indicador de salud mental
• : desnutrición infantil, efecto esperado negativo sobre el IDH
• : coeficiente de GINI, indicador de desigualdad en la distribución del ingreso
• : PIB per cápita, refleja el nivel de desarrollo económico
• : tasa de desempleo, indicador del mercado laboral
• : término de error
Se empleará un panel de datos estático, por lo que agrupan ciertos individuos que en este caso corresponde a países
para un período determinado de tiempo, sobre un conjunto de variables, donde se analizará las relaciones que tienen
cada una de las variables independientes sobre la dependiente. Se pueden encontrar dos tipos de efectos, fijos en el
cual se considera que la heterogeneidad está correlacionada con las variables independientes, mientras que los
aleatorios considera que la heterogeneidad no está correlacionada con las variables exógenas.
Para la elección del modelo que mejor se ajuste se tendrá en cuenta estos dos efectos y se utiliza el test Hausman que
es un contraste de hipótesis. Asimismo, se va a evaluar los supuestos del modelo si hay la presencia de
heterocedasticidad se emplea el test Breusch- Pagan o test de White, donde la hipótesis nula manifiesta que no existe
heterocedasticidad, mientras que la hipótesis alternativa determina que si existe heterocedasticidad. Si él p<0.05 se
rechaza la hipótesis nula y se acepta la alternativa. En el caso de la autocorrelación, se aplica el test de Wooldridge,
donde la hipótesis nula declara que no existe autocorrelación en el modelo, mientras que la hipótesis alternativa
expresa que sí existe autocorrelación en el modelo. Si el p<0.05 se rechaza la hipótesis nula y se acepta la alternativa.
36
Carrillo-Pulgar, W., et. al
Vol.14-N°1, Enero-Junio 2026
p-ISSN: 2602-8204 | e-ISSN: 2737-6257
En el caso que se presenten problemas dentro del cumplimiento de los supuestos del modelo, se utiliza la regresión de
Prais - Winsten, la cual corrige los problemas de heterocedasticidad y autocorrelación bajo el supuesto de un proceso
autorregresivo AR (1). Además, presenta la ventaja de permitir la corrección de la correlación contemporánea incluso
si el panel de datos no está balanceado, aunque en el presente estudio esta característica no resulta relevante debido
a la ausencia de dicho inconveniente.
4 | RESULTADOS
4.1 | ÍNDICE DE DESARROLLO HUMANO DE LOS PAÍSES DE AMÉRICA LATINA
Figura 1. Índice de Desarrollo Humano de los países de América Latina en el año 2010 – 2022
El IDH evalúa el progreso promedio de un país en tres áreas fundamentales del desarrollo humano: Esperanza de vida,
Tasa de alfabetización, Renta per cápita, sus valores oscilan entre 0 y 1 punto, siendo 0, nivel más bajo de desarrollo y
1 el nivel más alto de desarrollo. La figura 1, presenta el valor promedio del índice de Desarrollo Humano (IDH) para
los países de América Latina en el período (2010-2022), lo que permite identificar patrones estructurales y niveles de
heterogeneidad entre países.
Países como Argentina, Chile, Uruguay y Costa Rica exhiben los valores promedios más altos de IDH, situándose de
manera consistente en niveles cercanos o superiores a 0,80. Este patrón sugiere una mayor consolidación de
capacidades en dimensiones clave como educación, salud e ingreso, lo cual es coherente con trayectorias históricas
de mayor inversión social y estabilidad institucional. En contraste, países como Guatemala, El Salvador y Bolivia
presentan los niveles promedio más bajos de IDH, denotando limitaciones estructurales persistentes asociadas a
desigualdad, pobreza y menor cobertura de servicios básicos.
Esta heterogeneidad entre países resulta particularmente relevante para el análisis econométrico posterior, ya que
justifica el uso de modelos de datos de panel que permitan controlar efectos no observables específicos de cada país.
La influencia significativa que tienen en el desarrollo humano los factores estructurales, como la capacidad física, el
diseño institucional y el contexto socioeconómico, se refleja en las diferencias continuas en los niveles de IDH. Por lo
tanto, cuando se evalúa el impacto de las transferencias monetarias condicionadas, es necesario tenerlo en cuenta.
4.2 | TRANSFERENCIAS MONETARIAS CONDICIONADAS DE LOS PAÍSES DE AMÉRICA
LATINA
El análisis descriptivo de las transferencias monetarias condicionadas como porcentaje del PIB entre 2010 y 2022
muestra una gran diversidad entre los países de América Latina, lo que prevé disparidades estructurales significativas
para el análisis econométrico futuro. Ecuador tiene el mayor esfuerzo fiscal en términos relativos, con una media de
0,816 % del PIB (con un mínimo de 0,529 % y un máximo de 1,112 %), lo que indica que las TMC se priorizan
fuertemente como herramienta social. En cambio, El Salvador tiene el nivel más bajo, con un promedio de solo 0,066
% del PIB. Esto evidencia restricciones fiscales e institucionales que podrían limitar el efecto que estas transferencias
tienen en el desarrollo humano. Ejemplos de países que presentan valores intermedios-altos son Brasil, Uruguay y
Bolivia, mientras que el resto de la zona tiene niveles más uniformes y moderados.
0,00
0,20
0,40
0,60
0,80
1,00
Promedio
37
Vol.14-N°1, Enero-Junio 2026
p-ISSN: 2602-8204 | e-ISSN: 2737-6257
Transferencias Monetarias Condicionadas y Desarrollo…
Figura 2. Transferencias Monetarias Condicionadas de los países de América Latina en el año 2010 – 2022
(Porcentaje con relación al PIB)
Estas diferencias en la magnitud del gasto y la persistencia de los programas, En especial en naciones como Argentina
y Colombia, donde las TMC tienen una continuidad institucional más amplia, resultan significativas para analizar los
resultados de las estimaciones por efectos fijos y aleatorios. Desde el punto de vista económico, una mayor proporción
del PIB asignada a TMC podría generar un impacto más importante en el Índice de Desarrollo Humano, sobre todo en
sus dimensiones de salud y educación; sin embargo, la eficacia del gasto está sujeta a factores estructurales y al diseño
del programa. En esta línea, el análisis descriptivo no solo proporciona contexto a las estimaciones econométricas,
sino que además fundamenta la importancia de valorar tanto la magnitud económica como la significancia estadística
de los coeficientes, garantizando su plausibilidad teórica y coherencia.
4.3 | RESULTADOS DE LOS EFECTOS FIJOS Y EFECTOS ALEA TORIOS DEL MODELO
Las estimaciones reportadas en la Tabla 2 corresponden a un modelo de panel estático estimado bajo los enfoques en
efectos fijos y efectos aleatorios, los cuales difieren en el tratamiento de la heterogeneidad no observable entre países.
La prueba de Hausman arroja un estadístico de 44,68, estadísticamente significativo al 1% por lo que se rechaza la
hipótesis nula de consistencia del modelo de efectos aleatorios y confirma que la heterogeneidad específica de los
países está correlacionada con las variables explicativas. En consecuencia, el modelo de efectos fijos resulta el más
apropiado para analizar la relación entre las transferencias monetarias condicionadas y el desarrollo humano en
América Latina.
Bajo el modelo de efectos fijos, Los coeficientes estimados muestran signos que son consistentes con la teoría
económica y una relevancia estadística importante en variables esenciales como el coeficiente de Gini, el desempleo,
el PIB per cápita y la desnutrición infantil. Esto indica que las condiciones estructurales y distributivas tienen un
impacto significativo en el Índice de Desarrollo Humano. Sin embargo, las pruebas de Wooldridge y Wald demuestran
la existencia de autocorrelación y heterocedasticidad, lo que señala que aunque las estimaciones son consistentes, no
son eficientes. Esta circunstancia hace necesario que se aplique un ajuste econométrico más, con la finalidad de lograr
coeficientes robustos y optimizar el análisis, no solo de la significación estadística de los efectos estimados, sino
también de su magnitud económica. El modelo corregido será el encargado de llevar a cabo esta evaluación.
Tabla 2
.
Resultados de los efectos fijos y efectos aleatorios del modelo
Variables
Modelo 1 (EF)
Modelo 2 (EA)
Transferencias Monetarias Condicionadas
-0,0098 *
(0,0054)
-0,0081
(0,0053)
Educación Infantil
0,0001 **
(0,00007)
0,0001 **
(0,0000)
Salud mental
-0,000007
(0,0003)
0,0002
(0,0003)
Desnutrición infantil
-0,0010 **
(0,0004)
-0,0011 ***
(0,0003)
PIB per cápita
0, 0093 ***
0,0094 ***
0,00
0,20
0,40
0,60
0,80
1,00
Promedio
38
Carrillo-Pulgar, W., et. al
Vol.14-N°1, Enero-Junio 2026
p-ISSN: 2602-8204 | e-ISSN: 2737-6257
(0, 0010)
(0,0009)
Desempleo
0,0010 ***
(0,0003)
0,0010 ***
(0,0003)
Coeficiente de GINI
-0,1389 **
(0,0566)
-0,1301 **
(0,0534)
Constante
0,7349 ***
(0,0398)
0,7154
0,0369
R2 within
0,6116
0,6104
R2 between
0,7806
0,7944
R2 overall
0,7736
0,7869
Prueba Wald / F
0,0000
0,0000
Prueba heterocedasticidad
192,46 ***
-
Prueba autocorrelación
20,666 ***
-
Rho
0,9268
0,9093
Prueba de Hausman
44,68 ***
Fuente: Elaboración propia
4.4 | CORRECCIÓN DEL MODELO
Como se observa en la Tabla 3, las variables de política social y estructurales tienen una influencia importante en el
comportamiento del Índice de Desarrollo Humano (IDH), según los resultados del modelo corregido por
autocorrelación y heterocedasticidad. Una capacidad explicativa alta se indica por el alto nivel de ajuste del modelo
(R2 overall = 0,9858), lo cual posibilita que los coeficientes estimados sean interpretados con mayor exactitud. En este
contexto, las variables vinculadas a la salud mental, a la desnutrición en niños y al PIB per cápita muestran los impactos
de mayor tamaño y significancia estadística. Esto reafirma su importancia como factores determinantes principales
del desarrollo humano en América Latina.
Las transferencias monetarias condicionadas, en particular, tienen un impacto positivo y significativo desde el punto
de vista estadístico. Por lo tanto, cuando se destina un punto porcentual más del PIB a este tipo de programas, el IDH
aumenta 0,0123 puntos si las demás variables permanecen constantes. Este resultado es significativo desde el punto
de vista económico, debido a la magnitud del indicador, y apoya la hipótesis de que las TMC ayudan a fortalecer el
desarrollo humano.
La educación de los niños también tiene un impacto positivo, aunque no tan grande; por su parte, la salud mental
muestra un efecto positivo y significativo (0,0012), lo que demuestra su relevancia como parte del bienestar. En
contraste, la malnutrición en los niños tiene un impacto negativo y considerable (−0,0017), lo que demuestra su rol
como uno de los más grandes obstáculos estructurales para el desarrollo humano. Por último, el PIB per cápita tiene
una relación positiva y sólida con el IDH (0,0093), lo cual es consistente con la bibliografía que establece un vínculo
entre el crecimiento económico y los incrementos en las condiciones de bienestar.
Tabla 3
.
Corrección del modelo
Variables
Modelo 3 (EF)
Transferencias Monetarias Condicionadas
0.0123 **
(0,0061)
Educación Infantil
0,0001 *
(0,0000)
Salud mental
0,0012 ***
(0,0002)
Desnutrición infantil
-0,0017 ***
(0,0002)
39
Vol.14-N°1, Enero-Junio 2026
p-ISSN: 2602-8204 | e-ISSN: 2737-6257
Transferencias Monetarias Condicionadas y Desarrollo…
PIB per cápita
0,0093 ***
(0,0093)
Desempleo
0,0001
(0,0003)
Coeficiente de GINI
-0,0650
(0,0431)
Constante
0,6132 ***
(0,0295)
R2 within
-
R2 between
-
R2 overall
0,9858
Prueba Wald / F
0,0000
Rho
0,7462
Fuente: Elaboración propia
5 | DISCUSIÓN
Los resultados econométricos demuestran que, en el periodo examinado, hay una conexión estadísticamente
significativa entre las Transferencias Monetarias Condicionadas (TMC) y el Índice de Desarrollo Humano (IDH); sin
embargo, esta relación varía dependiendo de cómo se especifique el modelo. En concreto, el coeficiente de las TMC
es negativo y tiene una significación marginal bajo el modelo de efectos fijos. Sin embargo, cuando se aplica el modelo
corregido por Prais-Winsten, este coeficiente cambia su signo y se transforma en positivo y estadísticamente
significativo.
Esta modificación indica que la estimación original podría estar sesgada debido a problemas de autocorrelación y
heterocedasticidad que no fueron corregidos, lo cual podría tener un impacto en la eficacia de los estimadores. Desde
un punto de vista teórico, el resultado positivo del modelo corregido concuerda más con la bibliografía sobre políticas
redistributivas, dado que las TMC están concebidas para incrementar el acceso a educación, salud y condiciones
básicas de vida, elementos directamente vinculados con el IDH. Bajo esta perspectiva, los resultados empíricos apoyan
la evidencia anterior que registra efectos beneficiosos de estos programas en naciones como México, Brasil y
Argentina (Stampini et al., 2023; Rawlings y Rubio, 2003). Además, los factores relacionados con el bienestar social y
el capital humano, como la salud mental y la educación infantil, tienen un impacto positivo y significativo en términos
estadísticos sobre el desarrollo humano. Esto respalda la noción de que no solo los elementos económicos influyen en
el IDH, sino también las dimensiones sociales e institucionales.
Estos hallazgos son consistentes con lo que Barrios et al. (2007) y Villareal y Zayas (2022) afirman: que la educación
temprana es fundamental para acumular capital humano. También concuerdan con lo que Barbalat y Franck (2020)
sostienen acerca de la importancia de la salud mental como elemento esencial del bienestar y la productividad. Por el
contrario, la desnutrición en los niños tiene un impacto negativo y sólido en todos los casos, lo que confirma su papel
como una de las limitaciones estructurales más importantes del desarrollo humano, tal como Siqueira y Giuseppe
(2020) afirmaron.
Respecto a las variables de la macroeconomía, el PIB per cápita tiene una relación significativa y positiva con el IDH,
lo cual concuerda con los estudios que asocian el crecimiento económico con un aumento en los niveles de bienestar
(Gualdrón, 2011; Hurtado y Pinchi, 2019). No obstante, la falta de significación estadística del coeficiente de Gini y el
desempleo en el modelo corregido necesita una interpretación precavida. Este hallazgo podría deberse a dificultades
de medición, a la escasa variabilidad en el tiempo de estas variables en el panel o al multicolinealidad potencial con
otras variables estructurales.
Además, el IDH es un indicador compuesto que no refleja directamente la calidad del trabajo ni la distribución interna
del ingreso. Por lo tanto, es posible que las estimaciones no muestren de manera integral el efecto del desempleo y de
la desigualdad. Aunque se opone a investigaciones que hallan efectos negativos significativos de estas variables sobre
el desarrollo humano (Ruiz y Sinchigalo, 2018; Ortiz et al., 2020), lo cual sugiere la necesidad de ampliar el análisis en
estudios posteriores utilizando modelos dinámicos o indicadores alternativos, esta evidencia es coherente con
Setiawan (2023) y Arwani et al. (2023).
40
Carrillo-Pulgar, W., et. al
Vol.14-N°1, Enero-Junio 2026
p-ISSN: 2602-8204 | e-ISSN: 2737-6257
6 | CONCLUSIONES
El objetivo de esta investigación fue analizar el impacto de las transferencias monetarias condicionadas sobre el índice
de Desarrollo Humano en 14 países de América Latina, considerando factores sociales y macroeconómicos relevantes.
Los resultados evidencian una marcada heterogeneidad en los niveles de desarrollo humano entre países de la región.
En el caso de Argentina se observan altos niveles de IDH asociados a sistemas consolidades de salud y educación, por
otro lado, Guatemala refleja bajos niveles de IDH debido a limitaciones estructurales en estas dimensiones. Esta
disparidad confirma la pertinencia de evaluar políticas públicas orientadas a reducir brechas sociales y promover un
desarrollo más equitativo.
Desde el punto de vista de la econometría, los hallazgos del modelo corregido señalan que las TMC ejercen un impacto
significativo y positivo desde el punto de vista estadístico sobre el IDH. Esto indica que dichos programas colaboran
de manera efectiva con el fortalecimiento del desarrollo humano en la zona. Además, variables relacionadas con el
capital humano, como la salud mental y la educación de los niños, presentan efectos positivos significativos, en cambio
la desnutrición infantil sigue teniendo un impacto negativo duradero. El PIB per cápita tiene una correlación positiva
con el IDH, lo que demuestra que el crecimiento económico sigue siendo un elemento importante del bienestar,
aunque no sea suficiente por sí solo para asegurar avances duraderos en el desarrollo humano.
En cuanto a las repercusiones de la política pública, los resultados respaldan la importancia de reforzar y consolidar
los programas de TMC como herramientas que complementan las políticas educativas y sanitarias, dándole prioridad
a su sostenibilidad fiscal y enfoque. Además, los hallazgos indican que las estrategias para reducir la desnutrición
infantil y fomentar la salud mental deberían tener un papel central en las agendas de desarrollo, debido a su efecto
directo sobre el bienestar y el capital humano a largo plazo.
Sin embargo, este estudio tiene limitaciones que deben ser tenidas en cuenta al analizar los resultados.
Específicamente, la disponibilidad de datos oficiales y el tamaño de la muestra del panel pueden limitar la
generalización de los resultados. Asimismo, no se incluyeron explícitamente los efectos temporales ni se controlaron
completamente problemas de endogeneidad en variables macroeconómicas como el PIB per cápita y el gasto social,
lo cual podría tener un impacto en la magnitud de los coeficientes calculados. Además, la combinación de programas
de TMC en una sola variable puede enmascarar disparidades en cuanto a diseño, cobertura y efectividad entre
naciones.
Así también, se sugieren líneas de investigación para el futuro con el objetivo de profundizar en el análisis usando
modelos dinámicos de panel que posibiliten tratar cuestiones de endogeneidad y captar efectos a largo plazo. Además,
sería importante llevar a cabo investigaciones que aborden la diversidad subregional y los análisis diferenciados por
tipo y diseño de programas de TMC, con el objetivo de determinar qué esquemas son más eficaces para fomentar el
progreso humano en América Latina.
Referencias
[1] Alkire, S., y Foster, J. (2021). Counting and multidimensional poverty measurement. Journal of Public Economics,
193, 104–315.
[2] Arwani, A., Aris, M., Zawawi, Tamara, K., y Masrur, M. (2023). Development of the economic growth model
reducing poverty in central java Indonesia. https://doi.org/10.26668/businessreview/2023.v8i3.1134
[3] Baltagi, B. (2021). Econometric analysis of panel data (6ª ed.). Springer Texts in Business and Economics.
[4] Barbalat, G., y Franck, N. (2020). Ecological study of the association between mental illness with human
development, income inequalities and unemployment across OECD countries. BMJ Open. 2020 Apr
20;10(4):e035055. https://doi.org/10.1136/bmjopen-2019-035055
[5] Barrios, C., Castro, U., Coria, L., González, M., Martínes, R., y Taddey, L. (2007). La relación global-local: sus
implicancias prácticas para el diseño de estrategias de desarrollo. Red Académica Iberoamericana Local - Global.
[6] Cecchini, S yAtuesta, B. (2021). Programas de transferencias en América Latina: avances y desafíos. CEPAL.
[7] Cruz, F. (2014). Programas de transferencias condicionadas: oferta, demanda y movilidad social. Ministerio de
Inclusión Económica y social: https://info.inclusion.gob.ec/index.php/aseguramiento-no-contributivo-
estudios/2014-estudios-anc?download=2017:programas-de-transferencias-condicionadas-oferta-demanda-y-
movilidad-social
[8] De Almeida, S., y Frozi, D. (2023). Human Right to Adequate Food: an essay on extreme poverty and child
malnutrition based on Amartya Sen. Saúde e Sociedade. https://doi.org/10.1590/s0104-12902023220923en
41
Vol.14-N°1, Enero-Junio 2026
p-ISSN: 2602-8204 | e-ISSN: 2737-6257
Transferencias Monetarias Condicionadas y Desarrollo…
[9] Gualdrón, C. (2011). Desarrollo humano y crecimiento económico en Colombia. Universidad de Granada Vol. 48
Núm. 1 Pág. 207-232. https://doi.org/https://www.redalyc.org/pdf/171/17121091008.pdf
[10] Hernández, M. (2021). Análisis de los factores determinantes del Desarrollo Humano a partir de un modelo
econométrico. Universidad de Valladolid. Facultad de Ciencias Económicas y Empresariales.
https://doi.org/https://uvadoc.uva.es/handle/10324/51730
[11] Hernández, R., Fernández, C., y Baptista, P. (2014). Metodología de la investigación (6ª ed.). McGraw Hill España.
[12] Kumar, S., Satyanaryana, S., y Kanth, R. (2011). ). El impacto de los programas de transferencias monetarias
condicionadas en el desarrollo del capital humano: experiencias entre países. Revista. India de Investigación
Aplicado.
[13] Lan, B., Li, N., y Liu, T. (2025). How do economic growth and unemployment affect green development in Latin
America nations? International Review of Economics & Finance.
https://doi.org/https://doi.org/10.1016/j.iref.2025.103955
[14] Nurmardia, S., Adityaningrum, A., y Rezky, M. (2024). Panel Data Regression Analysis For Modeling The Human
Development Index In North Sulawesi Province. Parameter: Journal of Statistics, 4(1), 46-53.
https://doi.org/https://doi.org/10.22487/27765660.2024.v4.i1.17138
[15] Ortiz, I., Hernández, M., y Martínez, J. (2020). Desarrollo humano y desigualdad: análisis de la distribución del
ingreso. European Public & Social Innovation Review 5(2):58-74. https://doi.org/10.31637/epsir.20-2.5
[16] Picazzo, E., Gutiérrez, E., Infante, J., y Cantú, P. (2010). La teoría del desarrollo humano y sustentable: hacia el
reforzamiento de la salud como un derecho y libertad universal. Revista Scielo. Estud. soc vol.19 no.37.
https://doi.org/<http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0188-
45572011000100010&lng=es&nrm=iso>. ISSN 0188-4557.
[17] Ranis, G., y Stewart, F. (2002). Crecimiento económico y desarrollo humano en América Latina. Revista de la
Cepal 78. https://doi.org/https://repositorio.cepal.org/server/api/core/bitstreams/23ab981d-7360-40b9-
b917-20d4608b0431/content
[18] Rawlings, L., y Rubio, G. (2003). Evaluating the Impact of Conditional Cash Transfer Programs: Lessons from Latin
America. The World Bank Research Observer. https://doi.org/10.1596/1813-9450-3119
[19] Royuela, V., y Castells, D. (2016). The Effect of Inequality on (Human) Development – Insights from a Panel
Analysis of the Human Development Index. Universitat de Barcelona.
https://doi.org/https://diposit.ub.edu/dspace/bitstream/2445/100229/1/Master-ThielFabian.pdf
[20] Ruiz, M., y Shinchigalo, K. (2018). El empleo: factor determinante del desarrollo humano. Boletín de Coyuntura,
ISSN-e 2600-5727, Nº. 17, 2018 (Ejemplar dedicado a: Boletín de Coyuntura), págs. 9-12.
https://doi.org/http://revistas.uta.edu.ec/erevista/index.php/bcoyu/article/view/666
[21] Sen, A. (2002). ¿Por qué la equidad en salud? Revista Panamericana de Salud Pública
[22] Setiawan, A. (2023). Relationship model among human development index, Gini coefficient, per capita non-food
expenditure, per capita gross regional domestic product and development financing in provinces in Indonesia for
the 2015-2019 period. AIP Conf. Proc. 2877, 030008 (2023).
https://doi.org/https://doi.org/10.1063/5.0177428
[23] Siqueira, L., y Giuseppe, A. (2020). Determinantes socioeconômicos e de saúde da desnutrição infantil: uma
análise da distribuição espacial. Saúde e Pesquisa 13(3):595-606. https://doi.org/10.17765/2176-
9206.2020v13n3p595-606
[24] Stampini, M., Medellín, N., y Ibarrarán, P. (2023). Transferencias Monetarias, Pobreza y Desigualdad en América
Latina y el Caribe. Banco Interamericano de Desarrollo.
https://doi.org/https://publications.iadb.org/publications/spanish/document/Transferencias-monetarias-
pobreza-y-desigualdad-en-America-Latina-y-el-Caribe.pdf?download=true
[25] Tan, P., Thanh, L., y Nguyen, P. (2020). El impacto del índice de desarrollo humano en el crecimiento económico.
Revista de ciencia, economía y administración de empresas de la universidad abierta de HO CHI MINH.
https://doi.org/10.46223/HCMCOUJS.econ.en.6.1.106.2016
[26] UNDP. (2023). Human Development Report.
[27] Villareal, E., y Zayas, F. (2022). Desarrollo humano y Educación: una perspectiva de la educación enfocada al
desarrollo humano. Vértice univ. vol.23 no.90. https://doi.org/https://doi.org/10.36792/rvu.vi90.31
[28] Yulianti, S., Widyanigsih , Y., y Nurrohmah, S. (2021). Spatial panel data model on human development index at
Central Java. IOP Publishing Ltd. https://doi.org/10.1088/1742-6596/1722/1/012090
Publicado por Revista Económica, este es un artículo de acceso abierto distribuido bajo los términos de la Licencia
Internacional Commons Atribución 4.0 Internacional. Para ver una copia de esta licencia, visite:
https://creativecommons.org/licenses/by-nc-nd/4.0/
© Autor(es) 2025
