1583-Texto Del Artículo-18622-3-10-20221007

EL TRIMESTRE ECONÓMICO, vol. LXXXIX (4), núm. 356, octubre-diciembre de 2022, pp.
1121-1151
doi: 10.20430/ete.v89i356.1583
¿Son la desigualdad y la pobreza

un freno al crecimiento económico en México?
Correlación y causalidad
desde una perspectiva regional*
Are inequality and poverty a brake

for economic growth in Mexico?
Correlation and causality
from a regional perspective
Jorge Eduardo Mendoza Cota**
Abstract
The Mexican economy has been characterized by low growth accompanied by

high-income inequality. To estimate the relation and the causality of inequality and
poverty in economic growth, a panel data model was established at the state level,
to relate the Gini coefficient and the poverty index with the growth rate of the gross
domestic product (gdp). The coefficient of the secondary education variable was
positive, which suggests that the formation of education level is relevant for promot-
ing growth. The results show that the Gini coefficient and the proportion of poverty
within the total population have an inverse relationship with economic growth. The
Granger test indicates a causal effect of inequality and poverty on growth.
Keywords: Inequality; poverty; education; economic growth; panel models. jel
codes: B23, D63, I24, I32, O4, O10.
* Artículo recibido el 9 de mayo de 2022 y aceptado el 13 de julio de 2022. Los contenidos del artículo
son responsabilidad exclusiva del autor.
** Jorge Eduardo Mendoza Cota, El Colegio de la Frontera Norte , Tijuana, México (correo electrónico:
[email protected]).
1121
1122 EL TRIMESTRE ECONÓMICO 356
Resumen
La economía mexicana se ha caracterizado por un crecimiento reducido acom-

pañado de una elevada desigualdad del ingreso y pobreza. Con el objetivo de
estimar la relación y la causalidad de la desigualdad y la pobreza en el crecimiento
económico, se estableció un modelo de datos de panel a escala estatal, con el fin de
relacionar el coeficiente de Gini y el índice de pobreza con la tasa de crecimiento
del producto interno bruto (pib). El coeficiente de la variable de la educación media
superior resultó positivo, lo que sugiere que la formación educativa es relevante para
promover el crecimiento. Los resultados muestran que el coeficiente de Gini y
la proporción de la pobreza sobre el total de la población tienen una correlación
inversa con el crecimiento económico. La prueba de Granger indica un efecto de
causalidad de la desigualdad y la pobreza en el crecimiento.
Palabras clave: desigualdad; pobreza; educación; crecimiento económico; modelos

de panel. Clasificación jel: B23, D63, I24, I32, O4, O10.
Introducción
A partir de la gran recesión de 2009-2010 se observan un incremento de la

brecha en la distribución del ingreso y un lento crecimiento económico a
escala internacional, lo que sugiere que el fenómeno de la desigualdad puede
ser una limitante en el patrón de crecimiento (Navarrete, 2016). Sin embargo,
por una parte, se aprecia que la desigualdad global se redujo en los países
emergentes y en vías de desarrollo; por otra parte, se destaca que el creci-
miento de la desigualdad del ingreso en varios países desarrollados y en
desarrollo se ha elevado; se incrementó en 50% desde la década de los
noventa (Cihak y Sahay, 2020).
La región de Latinoamérica ha presentado la mayor desigualdad del
ingreso a escala internacional: hasta 30% más desigual que el promedio
mundial en 2002 (Lustig, 2015). Durante la década de los noventa los países
de la región, tanto los que mostraron un crecimiento acelerado como los que
tuvieron uno modesto, experimentaron leves reducciones en la desigualdad
del ingreso y, por ende, de la pobreza. Sin embargo, el problema de la desigual-
dad sigue vigente, ya que el crecimiento de estos países está limitado por
Mendoza, ¿Son la desigualdad y la pobreza un freno al crecimiento económico en México? 1123
presupuestos reducidos, lo que impide asignar suficientes recursos a fin de

aumentar las transferencias y de ese modo aminorar los niveles de desigual-
dad del ingreso.
Cabe destacar que en las décadas de los cincuenta y los sesenta el enfoque
tradicional de la relación entre desigualdad y crecimiento económico consi-
deraba positiva la concentración del ingreso en el estímulo a la expansión
económica, particularmente en las fases iniciales del crecimiento (Kuznets,
1955; Kaldor, 1957). En particular, Kuznets planteó la hipótesis de la “U
invertida”, que describe cómo la desigualdad del ingreso aumenta en las pri-
meras etapas de crecimiento y eventualmente se reduce cuando se alcanza un
mayor nivel de desarrollo económico. No obstante, desde la década de los
noventa la disponibilidad de bases de datos longitudinales para la desigual-
dad en diferentes países dio paso a una reevaluación del planteamiento de
Kuznets (Korzeniewicz y Moran, 2005).
De esta manera, se desarrollaron propuestas que han revisado y cuestio-
nado la relación positiva de la desigualdad y el crecimiento, como resultado
de la experiencia de las economías asiáticas. Éstas mostraron un crecimiento
acelerado acompañado de políticas para reducir la desigualdad y la pobreza,
a fin de mejorar la calidad de la educación (Birdsall, Ross y Sabot, 1995).
Asimismo, la gran recesión económica de 2009 y su impacto en el crecimiento
y la desigualdad dieron como resultado el surgimiento de estudios que han
argumentado que la desigualdad del ingreso es un problema para el creci-
miento y el desarrollo económicos (Stiglitz, 2013; Piketty, 2014). Por lo tanto,
en el contexto de la liberalización de la economía internacional, la teoría
tradicional sobre la relación entre la desigualdad del ingreso y el crecimiento
económico no ha podido explicar adecuadamente cuál ha sido el impacto de
dicha desigualdad en el crecimiento durante las últimas décadas. Lo anterior
se da en la medida en que este enfoque no ha logrado capturar una serie de
factores que afectan el crecimiento, como el proteccionismo de los países
industrializados, las reformas para liberalizar economías en desarrollo, la
debilidad institucional, entre otras (Galbraith y Kum, 2003).
Respecto de la pobreza y su relación con el crecimiento económico,
Dollar y Kraay (2002), mediante una muestra de 137 países, encontraron
una relación positiva entre el incremento del ingreso promedio y el del
ingreso del segmento de la población más pobre. Para México, Székely
(2005) utilizó 15 bases de datos diferentes y la metodología del Comité
Técnico de Medición de la Pobreza de México, a fin de estimar la pobreza en
México de 1950 a 2004. El autor presentó cálculos sobre pobreza alimenta-

ria, por capacidades y patrimonial. En un periodo inicial la pobreza se redujo
entre 1954 y 1984, para después permanecer constante entre 1984 y 1994, y
se incrementó a partir de 1996. Asimismo, en el trabajo se encuentran corre-
laciones positivas entre la pobreza y las crisis económicas, así como entre la
pobreza y la desigualdad del ingreso. Además del impacto de las recesiones
y el incremento del desempleo abierto, la caída de los salarios reales y la
informalidad han sido factores decisivos en la concentración del ingreso y,
por ende, en el crecimiento de la pobreza (Castro y Nevárez, 2015). En este
sentido, Salgado-Vega y Zepeda-Mercado (2012) estudiaron la desigualdad
de la distribución del ingreso, con énfasis en su impacto negativo en la acumu-
lación de nivel educativo y, por ende, en el crecimiento económico. Así, la
evidencia sugiere que las recesiones económicas experimentadas y el bajo
crecimiento del producto interno bruto (pib) per cápita en México han
incrementado la pobreza y la desigualdad en el país. Además de la elevada
desigualdad en la economía mexicana, trabajos recientes han mostrado eviden-
cia de la existencia de una subestimación de la desigualdad en México repor-
tada en las encuestas de hogares (Reyes, Teruel y López, 2017). De esta
manera, existen indicios de una relación positiva entre la desigualdad del
ingreso, la pobreza y el crecimiento económico para la economía mexicana.
Cabe destacar que la estimación del efecto positivo o negativo de la des-
igualdad en el crecimiento económico ha sido un desafío de la investigación
empírica. Esto se debe a que, desde la perspectiva teórica, el efecto de la
desigualdad en el crecimiento puede explicarse y modelarse de manera posi-
tiva o negativa, dependiendo de los supuestos en que se basan diferentes
modelos. Asimismo, las estimaciones empíricas han arrojado resultados en
los que la desigualdad y la pobreza pueden influir positiva o negativamente
en el crecimiento, con base en las condiciones macroeconómicas y la estruc-
tura de la distribución del ingreso de las economías estudiadas. Por lo tanto,
esta investigación busca abonar al estudio de la correlación y la causalidad
existentes entre el fenómeno de la desigualdad y la pobreza y el creci-
miento regional en México, mediante la estimación empírica que arroje
información para determinar si la desigualdad del ingreso y la pobreza son
un obstáculo para impulsar la expansión de la economía mexicana. El tra-
bajo está estructurado de la siguiente manera: primero, una introducción al
tema; la sección I trata sobre la evolución de la desigualdad y el crecimiento
en México; la sección II aborda los aspectos teóricos y metodológicos del
análisis; la sección III presenta los resultados econométricos, y, finalmente,

en la sección IV se presentan las conclusiones.
I. Evolución reciente de la desigualdad

y la pobreza en México
Los estudios sobre la desigualdad de la distribución del ingreso en México

han mostrado la existencia de una elevada y constante concentración del
ingreso. De acuerdo con el Banco Mundial, el coeficiente de Gini para
México muestra una creciente desigualdad del ingreso hasta 1996, cuando el
coeficiente alcanzó el valor de 54.8; a partir de ese año se aprecia una tenden-
cia decreciente hasta 2018 (gráfica 1). Esto se corrobora con el incremento
del primer decil de ingreso como proporción del ingreso total, que pasó de
1.3% en 1989 a 2% en 2018. Por su parte, la participación del último decil
se mantuvo entre 43.6 y 43.4% de 1989 a 1996, pero a partir de ese año se
Gráfica 1. México: evolución del índice de Gini

y del pib per cápita, 1989-2019
60 6
54.3 53.7 54.3 53.4
54.8
52.6
50.1 50.1 49.9 5
5.1 48.7 48.7
50
50
Tasa de crecimiento del pib per cápita
48.9 47.2 45.4 4
3.6
3.6 46.3
40 3.4
3.2 3 3
Índice de Gini
2.5
2.1 2.2
30 2
1.4
1.7
1.5 1.1 1
20 0.9
0
10 –0.4
–1
–1.4
0 –2
1989 1992 1994 1996 1998 2000 2002 2004 2005 2006 2008 2010 2012 2014 2016 2018 2020
Fuente: elaboración propia con datos de Banco de Información Económica y la Encuesta Nacional
de Ingresos y Gastos de los Hogares (enigh) de 2018 del Instituto Nacional de Estadística y Geografía
(inegi).
Gráfica 2. Participación porcentual del ingreso del primer

y el último deciles de la población
46 2.5
44 1.9
43.6 43.4 2 2
43.1 1.6
43.1 42 1.6
42 1.6
Porcentaje de población
41.8 1.7
1.5 1.5
Porcentaje de población
1.5
40 1.3 1.4 1.4
1.2 1.3 39.6 39.5
38.9 39.1 38.9
39.6 39.6
38 1.1
1 1
37.1 36.9
0.8
36 36.4
0.5
34
32 0
1989 1992 1994 1996 1998 2000 2002 2004 2005 2006 2008 2010 2012 2014 2016 2018
Participación del ingreso del decil más alto

Participación del ingreso del decil más bajo
Fuente: elaboración propia con datos del Banco de Información Económica y la Encuesta Nacional
de Ingresos y Gastos de los Hogares (enigh) de 2018 del inegi.
observa una caída del ingreso del decil más alto en el total del ingreso (grá-
fica 2). En todo caso, es importante destacar que el nivel de desigualdad del
ingreso en México es muy elevado y puede frenar las posibilidades de expan-
sión del crecimiento económico al restringir el consumo y la inversión.
De acuerdo con Cortés (2013), el deterioro en la distribución del ingreso
a principios de la década de los noventa sugiere que el modelo económico de
liberalización económica y del comercio seguido por México estuvo acom-
pañado de niveles elevados de desigualdad del ingreso. El autor señala que la
reducción de la desigualdad experimentada a partir de la década del 2000
se relaciona con diversos procesos que han estado vinculados con las trans-
ferencias monetarias de los programas sociales y las estrategias familiares de
empleo para sostener el ingreso.
Respecto del crecimiento del pib per cápita, se aprecia una tendencia
decreciente en el periodo. Asimismo, se observan tasas negativas de creci-
miento del pib per cápita en 2002 y 2008 (gráfica 1). De esta manera, se
aprecia que la leve reducción de la desigualdad experimentada en el periodo
Gráfica 3. Coeficiente de Gini y tasa de crecimiento anual (tca)

del pib per cápita estatales, 2018
0.70 13.8% 15%
0.60 0.60 0.60 0.63

0.60 0.58 0.59 10%
0.53 0.53 0.52 0.53 0.52 0.52
0.53 0.51
0.50 0.47 0.49 0.49
Tasa de crecimiento
Coeficiente de Gini
0.48 0.47 0.48 5%

0.44 0.44 0.44
2.3% 2.8% 0.41
0.41 3.6%0.43 3.6% 0.40 2.4% 2.3%
0.40 0.39 0.37 2.5% 0.38 2% 2.6%
0.9% 1.5% 2.1% 1.5% 1.6%
1.2% 1.4%1.6% 1.1% 1.7% 0.38
0%
0.6% –0.3% 0.3%0.6% 0.9% –0.4%
0.30 –1.8% –0.7%
–2%
–3.3%
–5% –5%
0.20
–9.4% –10%
0.10
0 –15%
Aguascalientes
Baja California
Baja California Sur
Campeche
Coahuila
Colima
Chiapas
Chihuahua
Ciudad de México
Durango
Guanajuato
Guerrero
Hidalgo
Jalisco
Estado de México
Michoacán
Morelos
Nayarit
Nuevo León
Oaxaca
Puebla
Querétaro
Quintana Roo
Sinaloa
Sonora
Tabasco
Tamaulipas
Tlaxcala
Veracruz
Yucatán
Zacatecas
San Luis Potosí
Gini 2018 tca
Fuente: elaboración propia con datos del Banco de Información Económica y la Encuesta Nacional
de Ingresos y Gastos de los Hogares (enigh) de 2018 del inegi.
se combinó con una ligera caída del ritmo del crecimiento de la actividad
económica. En la medida en que se aprecia un movimiento oscilatorio de
ambas variables, resulta relevante analizar, mediante un modelo economé-
trico, la relación entre el crecimiento económico, la desigualdad del ingreso
en México y la pobreza, incluyendo algunas variables de control que permi-
tan incluir otros factores que afectan el crecimiento en el contexto de la
desigualdad.
Sobre el pib per cápita y el coeficiente de Gini a escala estatal, no se
observa una clara relación entre la concentración del ingreso y el crecimiento
del pib per cápita. Sin embargo, varios estados muestran coeficientes de Gini
más elevados, combinados con bajas tasas de crecimiento del pib per cápita.
Éste es el caso de Sinaloa, Aguascalientes, Oaxaca y Chiapas, que en 2018
mostraron elevados coeficientes de Gini y bajas tasas relativas de crecimiento
del pib per cápita. En particular se aprecia el caso de Chiapas, que exhibió un
coeficiente de Gini de 0.6 y una tasa negativa de crecimiento del pib per
cápita de –5% (gráfica 3). Por su parte, Querétaro tuvo un coeficiente de
Gini de 0.53 y una tasa de crecimiento de 0.9%; la Ciudad de México, 0.47 y
2.8%; Puebla, 0.43 y 1.5%, y el Estado de México, 0.49 y 2%, respectiva-
mente. Aquí se muestran menores niveles de desigualdad del ingreso y más
rápido crecimiento del pib per cápita.
Adicionalmente, si se considera la brecha del ingreso entre el decil más
elevado de éste y el más bajo en 2018, Oaxaca tuvo la mayor brecha,
siendo 28.3 veces más alto el ingreso del decil con mayores ingresos. En ese
mismo año, la tasa de crecimiento del pib per cápita fue de 0.2% (cuadro 1).
En términos de la brecha de ingresos, le siguen los estados de San Luis
Potosí, Nayarit, Michoacán, Chiapas y Chihuahua, con brechas muy ele-
vadas. Por su parte la tasa de crecimiento del pib per cápita de tales entida-
des revela diferentes ritmos de crecimiento. Por una parte, Nayarit y Chiapas
mostraron tasas de crecimiento negativas y, por otra, San Luis Potosí tuvo
una tasa de crecimiento positiva de 3.6 por ciento.
Cuadro 1. Estados con una mayor brecha de ingresos

entre el último y el primer deciles de ingresos
y tasas de crecimiento del pib per cápita, 2018
Estados I/XI pib per cápita
Oaxaca 28.297 0.2%
San Luis Potosí 25.332 6.3%
Nayarit 23.579 –2.3%
Michoacán 20.027 3.8%
Chiapas 19.998 –8.7%
Chihuahua 19.037 3.0%
Yucatán 18.076 4.7%
Sonora 17.474 –2.2%
Hidalgo 17.364 0.5%
Campeche 16.866 –16.2%
Aguascalientes 16.554 3.0%
Sinaloa 16.539 1.8%
Nuevo León 14.918 4.3%
Tabasco 13.686 –15.6%
Fuente: elaboración propia con datos del Banco de Información Económica y la Encuesta
Nacional de Ingresos y Gastos de los Hogares (enigh) de 2018 del inegi.
Finalmente, otro aspecto destacado de la distribución del ingreso en México

es el elevado porcentaje de la población en situación de pobreza. De acuerdo
con datos del Consejo Nacional de Evaluación de la Política de Desarrollo
Social (Coneval, 2018), en 2008 existían 49.5 millones de personas en situación
de pobreza, que representaban 44.4% de la población. Para 2018, esta propor-
ción se elevó a 52.4 millones, aunque su porcentaje en el total de la población
se redujo a 42.2%. Los estados que exhibieron niveles más elevados de pobreza
en el periodo fueron Chiapas, Guerrero y Oaxaca (Coneval, 2018).
De esta manera, se aprecia que algunas entidades muestran una relación
inversa entre el crecimiento económico y los niveles de desigualdad del
ingreso y de la pobreza, aunque no todos los estados se comportan con esta
tendencia. A fin de tener una mejor aproximación a la relación entre la
desigualdad del ingreso y el crecimiento económico, desde el punto de
vista regional en México, a continuación se presentan los principales
argumentos teóricos sobre el impacto de la desigualdad y la pobreza en el
crecimiento.
1. Debate sobre la desigualdad, la pobreza

y el crecimiento económico
La relación entre desigualdad del ingreso y crecimiento económico ha sido

un tema ampliamente tratado en el análisis económico. Sin embargo, todavía
no existe un consenso claro de cuál es el impacto de la desigualdad en el
crecimiento económico, cómo se origina y cuáles son las consecuencias eco-
nómicas de la dinámica de la relación entre ambos procesos. El desarrollo
teórico de Kuznets (1955) consideró que en el corto plazo existía una rela-
ción inicial positiva entre el aumento de la desigualdad y el crecimiento
económico. Este hecho estilizado fue tratado como una ley económica; sin
embargo, no existen suficientes bases de datos longitudinales sobre la des-
igualdad que permitan presentar con claridad las tendencias de este fenómeno
en el mundo (Galbraith y Kum, 2003). Asimismo, el rápido crecimiento de
las economías del sur de Asia, acompañado de un bajo nivel de desigualdad
del ingreso en la década de los sesenta, y tanto el lento crecimiento como la
elevada desigualdad de las economías latinoamericanas pusieron en entredi-
cho tal enfoque teórico.
Como resultado, se generó un nuevo interés en el análisis de la relación
entre estas dos variables. Las contribuciones al análisis han mostrado que la
interacción es compleja y existen diferentes canales por los cuales la des-

igualdad puede afectar el crecimiento, en el corto y el largo plazos. En tér-
minos generales, la literatura sobre la relación entre desigualdad y crecimiento
económico sugiere que el impacto de la desigualdad se vincula con el com
portamiento económico de los grupos por niveles de ingresos. De esta
manera, los grupos localizados en el fondo de la distribución del ingreso
probablemente no puedan contribuir al proceso de inversión para impulsar
el crecimiento, lo que determina una condición de suboptimalidad en el
proceso de producción (Voitchovsky, 2009).
En este sentido, también se ha señalado que los grupos de la población
que reciben menos ingresos en regiones o países no tienen acceso a recursos,
créditos o seguros. Debido a que el sistema financiero es imperfecto, la posi-
bilidad de disponibilidad de recursos financieros depende de los niveles de
riqueza. El resultado es la imposibilidad de financiar proyectos que per-
mitan inversiones elevadas y con suficiente rentabilidad (Rosenzweig y
Binswanger, 1993). Asimismo, los trabajadores del fondo de la distribución
del ingreso generalmente reciben menores retornos al trabajo; por lo tanto,
aplican menos esfuerzo y son menos productivos.
Algunos enfoques consideran que los efectos positivos de la desigualdad en
el crecimiento parten de asumir que las funciones de ahorro son convexas
respecto de la riqueza, y por lo tanto mayores niveles de desigualdad son
asociados con niveles de ahorro agregado más amplios, lo que contribuye a la
inversión y al crecimiento económico (Halter, Oechslin y Zweimüller, 2014).
No obstante, se ha señalado que el efecto de la distribución del ingreso está
relacionado fundamentalmente con el tamaño y el ingreso de la clase media.
Así, una de las implicaciones de la pobreza y la desigualdad del ingreso es
la falta de demanda interna que reduce la posibilidad de expansión de la
inversión, la innovación tecnológica y la producción (Foellmi y Zweimüller,
2006). Desde la perspectiva de política económica, la distribución del
ingreso óptima resulta de tener una elevada proporción de población de ingreso
medio que permita la innovación y la producción con economías de escala.
En ese sentido, Banerjee y Duflo (2003) desarrollaron un modelo no
lineal, en el que la relación entre los niveles de desigualdad y el crecimiento
económico presenta una U invertida. De esta manera, los cambios en la des-
igualdad de los segmentos extremos tienden a generar menores niveles de
crecimiento. Por ello, los autores concluyen que los cambios en la desigual-
dad de corto plazo pueden estar asociados con menor crecimiento econó-
mico. No obstante, los cambios que llevan la desigualdad a niveles interme‑

dios pueden tener un efecto positivo en el crecimiento.
Otro factor negativo de la desigualdad del ingreso se relaciona con la
volatilidad macroeconómica. Así, el impacto de la desigualdad en el creci-
miento económico también se vincula con la inestabilidad política, ya que la
concentración del ingreso puede generar fluctuaciones económicas y socia-
les. En particular, el efecto de la desigualdad puede producir diferencias en
el acceso al capital, lo que podría generar movimientos cíclicos del crédito y
la inversión (Aghion, Caroli y Garcia-Penalosa, 1999). Por su parte, Castelló
y Doménech (2002) correlacionan el coeficiente de Gini con indicadores de
la desigualdad del capital humano fundamentados en el éxito escolar, para
116 países de 1960 a 1990. Los autores consideran que dichos indicadores
complementan la información sobre la desigualdad del ingreso, debido a la
relación inversa entre el capital humano y el coeficiente de Gini. Los resulta-
dos indican que la desigualdad en el nivel educativo es relevante para el creci-
miento económico.
Asimismo, se han desarrollado enfoques que tratan de conciliar la teoría
tradicional sobre el impacto de la desigualdad del ingreso en el crecimiento
económico. Éste es el caso de Galor (2000), que plantea una perspectiva que
sintetiza los enfoques de demanda agregada como el de Kaldor (1957), en el
que mayores concentraciones de ingreso generan más ahorro y acumulación
de capital, desde un enfoque de autores que asumen que la concentración del
ingreso también crea una volatilidad económica, genera una mayor demanda
del votante medio para redistribuir el ingreso y fomenta la existencia de
mercados de capital imperfectos (Alesina y Rodrik, 1994). De esta manera,
desde dicho planteamiento, en las etapas iniciales de crecimiento, la mayor
desigualdad del ingreso puede impulsar el crecimiento en la medida en que
existe la necesidad de generar ahorro y una mayor acumulación de capital
para el desarrollo industrial. Pero en las etapas más avanzadas del desarrollo,
el capital humano se vuelve el motor del crecimiento, y la mayor igualdad
del ingreso apoya este proceso, al limitar que las imperfecciones del mercado
de capital y las restricciones de crédito se conviertan en un factor que impida
el crecimiento de la economía.
Finalmente, la política impositiva para redistribuir el ingreso puede
tener consecuencias opuestas dependiendo de las características del creci-
miento económico de cada país. En un contexto de crecimiento basado en
la inversión de los grupos de altos niveles de ingreso y ahorro, impuestos
a este sector podrían reducir el ritmo de crecimiento económico. Otro

escenario podría ser el de un sector elevado de clase media susceptible a
votar por la redistribución del ingreso, lo que permitiría estimular el con-
sumo y la inversión. De esta manera, la teoría brinda diferentes enfoques
que subrayan los canales por los cuales la desigualdad puede afectar el
crecimiento económico, tanto en el corto como en el largo plazos.
Respecto de la relación entre pobreza y crecimiento económico, tam-
bién existen diversas posturas sobre la causalidad entre ambas variables.
Una gran parte de la literatura sobre la relación entre el impacto del creci-
miento en los niveles de pobreza considera que el primero favorece la
reducción de la pobreza, siempre que la elasticidad de la parte baja de los
ingresos esté arriba de la unidad (Santos, Dabus y Delbianco, 2019). Dollar
y Kraay (2002) sugirieron que con el crecimiento el ingreso de la pobla-
ción pobre se incrementa más que el ingreso promedio. No obstante,
Ravallion (2001) considera que, aunque la elasticidad sea igual a la unidad,
los ingresos de los segmentos más elevados tendrán mayores ganancias
relativas que los segmentos de los ingresos más bajos.
Adicionalmente, en la literatura se ha señalado que existe una relación
triangular determinada conjuntamente entre desigualdad, pobreza y creci-
miento económico (Bourguignon, 2004). No obstante, aunque los tres
están determinados estadísticamente de manera mecánica, los procesos
subyacentes se determinan por la interacción de comportamientos indivi-
duales a escala microeconómica (Ferreira, 2010). De esta manera, aunque
existen trabajos que sugieren una relación negativa entre la reducción de la
pobreza y el crecimiento económico, medida por la elasticidad de la pobreza
respecto del crecimiento, también se ha subrayado que, mientras más ele-
vada sea la desigualdad de ingreso, la elasticidad será menor, y la pobreza y
el crecimiento podrían estar correlacionados positivamente. Por ello, resulta
relevante analizar la correlación entre pobreza y crecimiento en un con-
texto que incluya la desigualdad del ingreso.
II. Estrategia econométrica
Existe una cantidad importante de estudios empíricos sobre la relación entre

el crecimiento económico, la desigualdad del ingreso y la pobreza. Cabe
destacar que los resultados de las investigaciones empíricas no han propor-
cionado conclusiones definitivas. Los estudios han usado diferentes meto-

dologías de estimación a fin de analizar la correlación que la desigualdad del
ingreso y la pobreza tienen con el crecimiento económico, como los mode-
los de sección cruzada, los modelos panel de efectos fijos y aleatorios, y los
modelos de panel dinámicos. Asimismo, se han utilizado diferentes bases de
datos y variables de control, lo que ha determinado una relativa heteroge-
neidad de los resultados.
Desde la perspectiva de la redistribución del ingreso, Alesina y Perotti
(1994) analizaron los problemas en el crecimiento económico que surgen de
políticas redistributivas del ingreso, en el marco de un modelo de desarrollo
endógeno con dos agentes: trabajadores y capitalistas. La estimación empí-
rica se basa en un modelo de regresión de sección cruzada para 67 países
entre 1960 y 1985. Sus resultados muestran que países con sistemas demo-
cráticos y con una distribución inequitativa del ingreso exhiben un mayor
crecimiento económico. Lo anterior es resultado de una mayor presión de la
clase trabajadora para imponer impuestos más altos al capital. El nivel más
elevado del ingreso de la clase trabajadora compensa los efectos negativos de
la distribución del ingreso en el crecimiento. Específicamente, los resultados
empíricos muestran que una redistribución del ingreso del quintil más alto
del ingreso al quintil de la clase media impulsa el crecimiento económico.
Por su parte, Birdsall, Ross y Sabot (1995) realizaron estimaciones de
sección cruzada para países del Sudeste Asiático de 1965 a 1987. Los resul-
tados fueron consistentes respecto de la correlación positiva entre menor
desigualdad y crecimiento económico. Con base en esto, los autores conclu-
yen que las políticas para promover el crecimiento económico, particular-
mente las relacionadas con la inversión en educación, son fundamentales
para impulsar el crecimiento.
Otros autores, como Forbes (2000), han utilizado estimaciones de panel
con el argumento de que esta metodología permite controlar por los efectos
específicos no variables en el tiempo en las regiones consideradas, lo que
puede eliminar una fuente potencial del sesgo de variables omitidas. Los
resultados de la estimación sugieren que un incremento en el nivel de des-
igualdad en el corto plazo tiene una relación positiva con el crecimiento
económico.
Barro (2000 y 2008) utiliza tres periodos para analizar el efecto de la esco-
laridad, la fertilidad y la desigualdad en el crecimiento a largo plazo, para un
conjunto de 84 países. Se aplica una estimación econométrica de panel para
países desarrollados y en desarrollo. Los resultados muestran que la des-

igualdad genera un crecimiento más lento en países en desarrollo y lo acelera
en países desarrollados. Además, Barro también utilizó regresiones de míni-
mos cuadrados en tres etapas para el análisis de países en años específicos en
relación con los paneles de las décadas de 1960, 1970, 1980, 1990 y 2000.
Los resultados muestran efectos negativos de la desigualdad del ingreso, que
se reducen cuando crece el pib per cápita en los países más ricos.
Castelló y Doménech (2002) estudiaron el impacto de la desigualdad del
ingreso y el capital humano sobre el crecimiento económico, para un con-
junto de 108 países durante 1960-2000. Los resultados de las estimaciones de
sección cruzada indicaron que los coeficientes del ingreso per cápita y la
desigualdad del ingreso fueron negativos y estadísticamente significativos.
No obstante, cuando se incluyen otras variables dicotómicas explicativas y
el coeficiente de Gini del capital humano por regiones, los resultados mues-
tran un efecto positivo de la desigualdad del ingreso en el crecimiento.
Banerjee y Duflo (2003) aplicaron un panel de efectos aleatorios en una
base de datos para 45 países en cinco periodos entre 1965 y 1995. Los resul-
tados indican la existencia no lineal de la desigualdad en el crecimiento, con
una función en forma de U invertida de los cambios de la desigualdad. Por
lo tanto, los resultados son contrastantes y dependen de las diferentes esti-
maciones de los niveles de desigualdad.
Knowles (2005) encuentra que la relación negativa entre la desigualdad
del ingreso y el crecimiento para una muestra internacional de países no es
robusta. El autor estimó un análisis de regresión de sección cruzada para
países con una base de datos que incluye la desigualdad del gasto para países
en desarrollo. En este caso, las regresiones resultaron estadísticamente signi-
ficativas, al mostrar que la desigualdad tiene una relación inversa con el
crecimiento económico. Frank (2009) utilizó un modelo de panel dinámico
a fin de analizar el efecto de la desigualdad en el crecimiento. Los resultados
obtenidos indican que en el largo plazo existe una relación positiva entre la
desigualdad del ingreso y el crecimiento económico, originada por la con-
centración del ingreso en los segmentos más elevados de su distribución.
Por su parte, Breunig y Majeed (2020) resaltaron la importancia de anali-
zar el efecto de la desigualdad en el crecimiento, incluyendo también el
efecto de la pobreza. Con datos de 152 países para lapsos de cinco años entre
1956 y 2011, estimaron un modelo de panel dinámico. Los resultados indi-
caron que la desigualdad tiene un efecto negativo sobre el crecimiento. No
obstante, cuando se incluyen las variables de desigualdad y pobreza, se apre-

cia que el efecto negativo de la desigualdad se concentra en países con altos
niveles de pobreza.
La literatura de los estudios sobre la relación entre pobreza y crecimiento
económico en México no es muy prolífica. Hernández-Laos (2010) realizó
una descomposición mediante un algoritmo para separar los efectos de cre-
cimiento y distribución en la reducción de la pobreza. El autor encontró que
en 1992-2006 el crecimiento económico tuvo un efecto positivo sobre la
reducción de la pobreza. Por su parte, Esquivel (2015) demostró que la tasa
de crecimiento de ingreso per cápita entre 1992 y 2012 fue de 1.17%, mien-
tras que la pobreza patrimonial, la de capacidades y la alimentaria no expe-
rimentaron mejoría, por lo que concluye que el crecimiento no ha reducido
la pobreza. Por su parte, Campos y Monroy (2016) analizaron la relación
entre la pobreza y el crecimiento económico con un modelo de mínimos
cuadrados con datos desagregados al nivel estatal para 2000-2012 y no
encontraron una correlación significativa, aunque al comparar cambios tri-
mestrales entre 2005-2014 sí hallaron impactos del crecimiento en la reduc-
ción de la pobreza. Finalmente, Garza-Rodriguez (2018) estimó la correlación
y la causalidad entre la pobreza y el crecimiento en el largo plazo mediante un
modelo de corrección de error y la prueba de causalidad de Granger. Los
resultados sugieren que existe una relación de largo plazo entre el incremento
del consumo per cápita, la reducción de la pobreza y el crecimiento econó-
mico; además existe una causalidad bidireccional entre las dos variables.
De la revisión de algunas de las investigaciones representativas del estudio
de la relación entre desigualdad, pobreza y crecimiento, es posible concluir
que existe una falta de resultados consistentes para el vínculo entre crecimiento
económico y concentración del ingreso. En los estudios realizados reciente-
mente, las estimaciones arrojan diferentes resultados en función de las diversas
características de las bases de datos y de las diferentes técnicas econométricas.
No obstante, existe cierto acuerdo en que la desigualdad y la pobreza pueden
afectar negativamente el crecimiento económico, dependiendo de las caracte-
rísticas del desarrollo económico de las regiones analizadas.
1. Análisis de la cointegración del panel
Con la finalidad de analizar la correlación y la causalidad de la desigualdad

y la pobreza respecto del crecimiento económico a escala regional, en este
trabajo la metodología de estimación se basa en el análisis de cointegración

y estimación de una ecuación de largo plazo, para una base de datos de panel.
Dicha metodología requiere probar si las series de las variables utilizadas en
el modelo tienen o no una raíz unitaria. Se ha demostrado que los datos de
series temporales agrupadas también pueden mostrar una tendencia tempo-
ral y, por lo tanto, podrían no ser estacionarios. Como resultado, las estima-
ciones de mínimos cuadrados ordinarios tienen la posibilidad de ser espurias.
Con el fin de evitar errores de especificación errónea, varios autores han
desarrollado pruebas de raíz unitarias de diversas series para estructuras de
datos de paneles. Las pruebas se dividen en dos tipos. Breitung (2001); Levin,
Lin y Chu (2002), e Im, Pesaran y Shin (2003) utilizan pruebas de Augmented
Dickey Fuller (adf), mientras que Maddala y Wu (1999); Choi (2001), y
Hadri (2002) utilizan pruebas Phillip-Perron (pp). La especificación de las
pruebas se presenta formalmente en un proceso AR(1) para los datos del
panel de la siguiente manera:
Δyit = ρyit – 1 + ∑ βijΔyit – 1 + Xitδ + vit (1)
Donde yit es la variable agrupada; Xit corresponde a la variable exógena

(efectos fijos geográficos y tendencia unitaria de tiempo), y vit equivale al
término de error (perturbaciones independientes).
En el modelo, si ρ < 1, entonces se considera que tiene estacionalidad
débil (tendencia), y si ρ = 1, se supone que tiene una raíz unitaria. Las prue-
bas Levin-Lin-Chu (llc) y Breitung asumen que hay un proceso de raíz
de unidad común para todas las secciones transversales, con una hipótesis
nula similar a la prueba adf. Por lo tanto, dichas pruebas asumen que α = ρ – 1,
es igual a través de las tres secciones transversales. Sólo la prueba ips estima
una regresión adf separada para cada una de las tres secciones transversales
y, por lo tanto, ρ podría ser diferente en cada sección transversal.
Adicionalmente, a fin de determinar la existencia de un equilibrio a largo
plazo entre las variables incluidas en el modelo, se estimó una prueba de
cointegración de panel de acuerdo con la metodología desarrollada por
Pedroni (1999), la cual amplió las pruebas de Engle y Granger con el fin de
incluir los datos de panel. La prueba analiza si los residuos de las variables
están cointegrados I(0) o no I(1). La diferencia es que, para las estadísticas
de panel, se supone que el término autorregresivo de primer orden es el
mismo para todas las secciones transversales. Por otro lado, cada intercepto
es heterogéneo y los coeficientes de tendencia pueden variar en las secciones

transversales. El modelo se especifica de la siguiente manera:
yi,t = αi + δi,t + β1i X1i,t + β2iX2i, t + … + βMiXMi,t + εi,t (2)
Donde se supone que tanto y como X están cointegrados del orden uno I(1),
y los parámetros α y δ son efectos individuales y de tendencia. La hipótesis
nula no asume ninguna cointegración de los residuos I(1) y se prueba al
ejecutar una regresión de los residuos εi,t y construir un estadístico de coin-
tegración que varía dependiendo de los valores de N y T.
La mayoría de las series temporales económicas es estacionaria en dife-
rencias, por lo tanto, una regresión basada en variables en los niveles produ-
cirá resultados no representativos. En consecuencia, las pruebas de Wald
para la significancia estadística del coeficiente mostrarán relaciones espurias
entre las series. A fin de evitar ese problema, es importante determinar la
existencia de un vector de cointegración. Para ello se estimó un modelo de
mínimos cuadrados ordinarios totalmente modificado (fmols). El método
fue desarrollado por Phillips y Hansen (1990) con el objetivo de eliminar la
correlación a largo plazo entre los regresores estocásticos y la ecuación de
cointegración.
Esta técnica genera estimaciones consistentes de los parámetros y también
limita la correlación y la endogeneidad de los regresores. El estimador de
este método se considera asintóticamente imparcial, por lo que permite las
pruebas Wald estándar. De esta manera, el modelo permite realizar estima-
ciones de largo plazo del efecto de la desigualdad del ingreso y la pobreza
en el crecimiento económico al nivel estatal con base en la ecuación (1)
y mediante la metodología fmols. Finalmente, también se estimó un mo
delo dinámico de mínimos cuadrados ordinarios (dols), desarrollado por
Saikkonen (2002) y Stock y Watson (1993), el cual elimina la endogeneidad
asintomática. Esta técnica incluye retrasos en los regresores que se supone
que eliminan la correlación a largo plazo de los errores estimados, por lo que
complementa y permite contrastar las estimaciones del modelo fmols.
Adicionalmente, se utilizó la metodología de la prueba de Granger para
un conjunto de datos agrupados de panel, la cual asume que todos los coefi-
cientes son los mismos a lo largo de las secciones cruzadas. El método de
estimación se basa en una prueba de hipótesis, a fin de determinar si una
serie es útil para pronosticar temporalmente otra, con base en pruebas F de
los valores rezagados de las dos series y, de esta forma, saber cuál de las dos
series genera información estadísticamente significativa sobre los valores
futuros de la otra. En este sentido, la metodología nos permitirá aproximar-
nos a la relación de causalidad entre las variables de desigualdad del ingreso
y pobreza respecto del crecimiento económico en México.
2. Análisis de cointegración de panel
Con el fin de estudiar el efecto del incremento de la desigualdad en el creci-

miento económico en México, se estableció el modelo de panel de cointegra-
ción descrito anteriormente. La utilidad de esta metodología se relaciona
con la posibilidad de integrar la dimensión regional y la temporalidad, a fin
de tener información completa sobre el impacto de la desigualdad del ingreso
en el pib per cápita estatal de la economía mexicana. El análisis econométrico
también incluye otras variables que reflejan la distribución del ingreso y que
pueden tener un impacto en la dinámica económica. Los datos abarcan los
32 estados que integran México. Con base en la ecuación (1), la ecuación de
regresión en el modelo tiene la siguiente especificación:
LN(PIBpcit + 1/PIBpcit) = ∝it + β1LN(PIBpcit) +
β2LN(Giniit) + β3LN(BIit) + β4LN(Pobit/Popit) + (3)
β5LN(Xit/PIBpcit) + β6LN(IBFit/PIBit) + β7LN(Edmsupit) + ò
Donde PIBpcit + 1/PIBpcit es la tasa anual de crecimiento del pib per cápita

del estado i en el tiempo t; PIBpcit equivale al pib per cápita del año inicial;
Giniit corresponde al coeficiente de Gini; BIit es la brecha de ingreso entre
el primer y el noveno deciles de ingreso; Pobit/Popit corresponde a la pobla-
ción en situación de pobreza entre el total de la población; (X/PIBpc)it
equivale al valor de las exportaciones sobre el valor del pib; (IBF/PIB)it es la
proporción del valor de la inversión bruta fija entre el valor del pib, y
Edmsupit representa la educación media superior.
Los coeficientes de la ecuación permiten estimar el proceso de convergencia
en el crecimiento reflejado en el coeficiente del pib inicial del periodo (β1); el
impacto de la desigualdad del ingreso mediante el coeficiente de Gini (β2) y
la brecha del ingreso (β3), y el efecto de la pobreza con base en la proporción
de la población en situación de pobreza (β4). Las variables de control regio-
nales son consideradas incluyendo la proporción de la inversión bruta fija
sobre el pib y las exportaciones totales respecto del pib (β5 y β6). Finalmente,
la educación media superior se considera una variable que permite relacio-
nar el desarrollo del capital humano con el crecimiento económico y se
representa con el coeficiente β7.
La base de datos abarca los 32 estados de México durante 2008-2018 con
series bianuales de paneles por estado para el pib mexicano. El ingreso por
deciles de la población y el coeficiente de Gini a escala estatal se obtuvieron
de la enigh 2018, publicada por el inegi. El pib per cápita, la proporción de la
inversión fija bruta y las exportaciones entre el pib por estados se calcularon
con datos de las cuentas nacionales publicadas por el inegi. Las cifras sobre
la población se obtuvieron de la información interactiva del Censo de
Población y Vivienda del inegi. La población con educación media superior
se adquirió de la Serie de Historia y Pronósticos del Sistema Educativo
Nacional publicada por la Secretaría de Educación Pública (sep), y la infor-
mación sobre la pobreza al nivel estatal se obtuvo del Coneval.
III. Evidencia empírica sobre la desigualdad del ingreso

y el crecimiento económico
Con la finalidad de estimar las ecuaciones de largo plazo entre la desigualdad

del ingreso y la pobreza en relación con el crecimiento económico, se reali-
zaron diferentes pruebas para evaluar la estacionariedad y la cointegración de
las variables utilizadas en el modelo de panel. Las pruebas de raíz unitaria
de panel consideran el comportamiento asintótico de las series temporales T
y la dimensión de corte transversal N. Existen diferentes pruebas para medir
el comportamiento de los estimadores para paneles no estacionarios. La
prueba llc asume el proceso de raíz de la unidad común y que el retraso p
varía entre los individuos. La hipótesis nula considera que cada serie tempo-
ral contiene una raíz unitaria y la hipótesis alternativa es que cada serie
temporal es estacionaria. Vale la pena mencionar que esta prueba funciona
bien con muestras grandes (T entre 5 y 250). Sin embargo, una desventaja de
la prueba es que asume la independencia transversal.
Para la prueba llc se estimaron todas las series, tanto en niveles como
en primeras diferencias; la hipótesis nula de la existencia de una raíz unitaria en
un nivel de 5% de confianza fue rechazada para las variables pib per cápita,
proporción de la población en situación de pobreza respecto del total de la
Cuadro 2. Prueba panel de raíz unitariaa
adf-Fisher
Variable Breitung llc Hadri pp-Fisher
(adf)
Gini 6.08 –156.61* 8.21* 101.79* 141.98*
D(Gini) 2.69 –218.17* 7.96* 138.89* 153.05*
PIBpc 1.64 –32.17* 6.94* 143.49* 234.96*
D(PIBpc) 4.58 –34.72* 9.57* 138.89* 153.05*
Población en pobreza sobre población total 4.20 –16.34* 54.38* 60.8 62.16
D(Población en pobreza sobre

1.34 –182.26* 53.83* 138.16* 148.73*
población total)
Población con educación media superior 6.28 –10.92* 58.61* 64.29 83.90*
D(Población con educación media superior ) 4.12 –12.96* 50.61* 92.21* 101.96*
Brecha entre el primer y el noveno 11.84 –51.69* 55.72* 75.6 92.65

deciles de ingresos
D(Brecha entre el primer y el noveno 4.82 –49.63* 48.25* 103.34* 101.13*

deciles de ingresos)
Exportaciones totales como 5.96 98.09 46.80* 64.42 108.01*

proporción del pib
D(Exportaciones totales como 4.49 68.47 35.79* 101.02* 121.31*

proporción del pib)
Inversión bruta fija como proporción del pib –0.56 –29.28* 57.08 69.86 101.55*
D(Inversión bruta fija como 3.80 –24.93 51.29 112.35 121.36

proporción del pib)
a
D = primera diferencia; * indica rechazo de la hipótesis nula de no estacionalidad de llc, y Breitung
de no estacionalidad con una significancia estadística de 1%. Observaciones totales: 155.
Fuente: elaboración propia.
población, población con educación media superior, brecha entre el pri-

mer y el noveno deciles de ingresos e inversión bruta fija como proporción
del pib (cuadro 2). Solamente la serie de las exportaciones totales como pro-
porción del pib rechazó la hipótesis nula de la existencia de una raíz unita-
ria tanto en niveles como en primeras diferencias. Con el fin de corroborar
las estimaciones de la prueba de raíz unitaria, se llevaron a cabo pruebas
adicionales.
Los resultados de la estimación de las pruebas adf-Fisher y pp-Fisher
indicaron que la hipótesis nula de las pruebas de raíz unitaria individuales para
todas las secciones transversales fue rechazada en primeras diferencias para las
variables dependientes y la independiente, pero no se rechazó la hipótesis
nula para la variable IBF/PIB. Finalmente, se estimó la prueba de Hadri,
cuya hipótesis nula supone que no existe ninguna raíz unitaria en ninguna
de las series consideradas (análoga a la prueba unitaria Kwiatkowski-
Phillips-Schmidt-Shin o kpss para series temporales). Los resultados de la
prueba apoyaron las pruebas estimadas anteriormente y no lograron recha-
zar la hipótesis nula de no raíz unitaria para todas las variables, tanto en
niveles como en primeras diferencias.
Debido a que la serie de variables utilizadas en el modelo no presentaba
una raíz unitaria, se llevó a cabo un análisis de cointegración de las variables
de la serie considerada. Con el objetivo de determinar si hay relaciones coin-
tegrantes en las variables incluidas en el modelo, se estimaron cuatro estadís-
ticos de panel y tres pruebas de estadísticos para grupos de panel. La hipótesis
nula de la prueba asume que no existe cointegración contra la alternativa
contraria.
El cuadro 3 presenta las pruebas divididas en dos secciones: las estadísti-
cas del panel y las estadísticas de grupos. En la primera prueba, se supone
que un término autorregresivo de primer orden es el mismo en todas las
secciones transversales, mientras que en el caso de las estadísticas de grupos
Cuadro 3. Pruebas de cointegración de panela

Prueba residual de cointegración de Pedroni
Estadísticos del panel
Ponderados
Estadístico Probabilidad Estadístico Probabilidad
Estadístico-ρ 5.01 1 5.69 1.00
Estadístico-pp –8.05 0 7.15 0.53
Estadístico-adf –6.19 0 8.35 0.80
Estadísticas de grupos
Estadístico-ρ 6.850282 1
Estadístico-pp –29.15821 0
Estadístico-adf –24.68755 0
Prueba residual de cointegración de Kao (Pedroni)
Estadístico-t Probabilidad
adf –8.73 0
a
Pedroni y Kao: hipótesis nula, no cointegración. Alt: cointegración; coeficientes AR comunes
(entre dimensiones).
el parámetro del término varía en las secciones transversales. Las estimacio-

nes del pp y los estadísticos adf de panel y de grupos rechazaron la hipótesis
nula de no cointegración de las variables del modelo. Así, la prueba Pedroni
(1999) de cointegración rechazó que los residuos de la serie estén integrados
de orden I(1), lo que sugiere la existencia de cointegración del panel. Además,
la prueba de Kao, con base en el enfoque básico de Pedroni pero con coefi-
cientes homogéneos, también presentó evidencia de la cointegración de
panel de las series del modelo.
Con el fin de determinar las relaciones de cointegración de largo plazo de
las variables consideradas, se estimaron dos modelos para obtener ecuacio-
nes de largo plazo. De esta forma, a fin de evitar la endogeneidad de los
regresores y la correlación serial y de generar parámetros consistentes, se
calculó el fmols, desarrollado por Phillips y Hansen (1990). Por ello, en
dicho modelo los coeficientes estadísticamente significativos estimados
permiten validar la existencia de ecuaciones de cointegración. El modelo
arrojó una R cuadrada de 0.36, lo que significó una bondad de ajuste aceptable
(cuadro 4). Las estimaciones indican que los coeficientes de las variables del
coeficiente de Gini, el porcentaje de población en pobreza y el porcentaje de
inversión bruta fija respecto del pib mostraron coeficientes negativos, lo que
indica una relación inversa con el crecimiento del pib per cápita. Los coefi-
cientes del indicador de Gini y de pobreza fueron estadísticamente significa-
tivos, lo cual sugiere un efecto negativo de estos indicadores en el crecimiento
económico de México.
Adicionalmente, se estimó una ecuación de largo plazo basada en un
modelo dols. Se considera que dicho modelo genera estimadores ponderados
consistentes basados en el promedio de la covarianza de cada sector cruzado,
por lo que se estima una alternativa a los estimadores fmols en el caso de
que existan problemas de autocorrelación de sección cruzada (Kao y Chiang,
2001). Las estimaciones muestran resultados similares a los arrojados por el
modelo fmols, con coeficientes negativos y estadísticamente significati-
vos para el índice de Gini y la proporción de la pobreza respecto del total
de la población. No obstante, el coeficiente de la variable de educación
media superior mostró un coeficiente positivo y significativo, lo que
sugiere que esa variable tiene efectos positivos para el crecimiento del pib
per cápita.
Una vez que se obtuvieron las correlaciones entre las variables, y con el
fin de estimar una aproximación a la dirección de la causalidad entre des-
Cuadro 4. Modelos de panel: fmols y dols.

Variable dependiente tasa de crecimiento
del pib per cápitaa
Modelos
Variable
fmols dols
L(PIBpc) –0.025 –0.036
–4.449 –4.274
L(Gini) –0.113 –0.161
–1.886 –1.855
L(Brecha entre el primer y el noveno decil de ingresos) 0.009 0.061
0.760 2.728
L(Población en pobreza entre el total de la población) –0.058 –0.084
–4.104 –4.509
L(Inversión bruta fija como proporción del pib) –0.058 0.009
–1.559 0.864
L(Población con educación media superior) 0.017 0.012
0.000 2.211
R 2
0.360 0.472
R2 ajustada 0.310 0.381
Promedio variable dependiente 0.013 0.013
Desviación estándar variable dependiente 0.055 0.055
a
Variables en logaritmos. t-estadísticos entre paréntesis; L = logaritmo; panel: N = 32; T = 32; obser-
vaciones = 160. * Nivel de confianza de 1%. ** Nivel de confianza de 5 por ciento.
igualdad y pobreza respecto del crecimiento de la actividad económica, se

estimó la prueba de causalidad de Granger. De esta manera, los coeficientes
de correlación estimados en la ecuación de largo plazo se complementan con
dicha prueba, que mide la capacidad de predicción de los valores futuros de
una serie de tiempo respecto de otra. Lo resultados de las direcciones de cau-
salidad de las variables utilizadas en el modelo muestran que la serie del
coeficiente de Gini parece tener causalidad en el comportamiento del PIBpc.
No obstante, la relación entre ambas variables parece ser unidireccional,
pues el PIBpc no parece pronosticar la desigualdad del ingreso (cuadro 5).
Cuadro 5. Pruebas de causalidad de Grangera
Hipótesis nula Estadístico F Probabilidad

Gini no causa PIBpc 3.03 0.049*
Población en pobreza sobre población total no causa PIBpc 9.97 0.002*
Brecha entre el primer y el noveno deciles de ingresos no causa PIBpc 1.43 0.25
Población con educación media superior no causa PIBpc 0.92 0.34
Inversión bruta fija como proporción del pib no causa PIBpc 0.05 0.81
PIBpc no causa Gini 0.26 0.61
PIBpc no causa población en pobreza sobre población total 19.3 0*
PIBpc no causa brecha entre el primer y el noveno decil de ingresos 2.79 0.09
PIBpc no causa población con educación media superior 0.45 0.50
PIBpc no causa inversión bruta fija como proporción del pib 0.92 0.34
a
* Valores P superiores a 0.05 significan rechazo a la hipótesis nula.
Por su parte, de acuerdo con las pruebas F y el valor P de la prueba, la cau-

salidad entre la pobreza y el PIBpc resultó ser bidireccional, ya que la
pobreza parece tener efecto en el PIBpc, así como el PIBpc en la pobreza.
El resto de las variables incluidas en el modelo tuvieron estadísticos F que no
pudieron rechazar la hipótesis nula de no causalidad a 5% del nivel de
confianza.
Por lo tanto, es posible señalar que para la muestra de panel en los estados
en México el crecimiento per cápita de la economía está correlacionado
negativamente por las variables relacionadas con la desigualdad del ingreso
y la pobreza. Además, la prueba de Granger indicó que la causalidad va en
dirección de la pobreza y la desigualdad hacia el crecimiento del pib per cápita.
Por su parte, la inversión bruta fija como proporción del pib y la educación
media superior muestran un impacto positivo para el crecimiento económico,
aunque su relación de causalidad quedó indeterminada en el modelo.
IV. Conclusiones
La economía mexicana ha experimentado un crecimiento moderado de la

actividad económica. No obstante, la brecha entre el ingreso y la desigualdad
no ha podido ser abatida. Las recesiones económicas, el incremento del des
empleo, la caída de los salarios reales y la informalidad han sido factores

decisivos de la concentración del ingreso y el crecimiento de la pobreza.
La desigualdad del ingreso en México ha sido crónica y no parece haber sido
un factor para impulsar el crecimiento económico del país.
Los estudios sobre la relación entre la desigualdad y el crecimiento
económico han sido controvertidos debido a que no existe un enfoque
teórico predominante que explique el posible impacto de la desigualdad
en el crecimiento. La perspectiva tradicional considera positiva la concen-
tración del ingreso en el estímulo a la expansión económica en el corto
plazo. No obstante, la evidencia empírica de los países asiáticos determinó
una conceptualización y un análisis empírico nuevos de dicha relación.
Los diferentes enfoques teóricos reflejan la diversidad de variables que
pueden impactar la relación entre la desigualdad y el crecimiento. Por una
parte, el crecimiento económico se ve afectado positivamente por la des-
igualdad, ya que ésta genera mayores niveles de ahorro e inversión en los
segmentos elevados de la distribución del ingreso. Por otra parte, se argu-
menta que el impacto de la distribución del ingreso se relaciona con la
dimensión de la clase media, y la posibilidad de redistribuir el ingreso para
elevar el consumo y la inversión. En términos generales, algunos autores han
propuesto que es posible sintetizar los enfoques en su conjunto, lo que indica
que en etapas iniciales de crecimiento la desigualdad de ingreso puede incre-
mentar el crecimiento al promover la acumulación de capital físico. No
obstante, en el largo plazo el capital humano y una economía con mejor
distribución del ingreso son fundamentales para el crecimiento.
De acuerdo con la evolución del coeficiente de Gini y la brecha de ingreso
entre el primero y el último deciles de la distribución, México se caracteriza
por tener una desigualdad del ingreso elevada que ha fluctuado de manera
relativa y ha tenido una leve tendencia decreciente desde finales de la
década de los noventa. Por su parte, el pib per cápita presenta una tenden-
cia decreciente. Se destaca que, en el periodo de estudio, el pib per cápita y
el coeficiente de Gini a escala estatal no exhiben una correlación definitiva
entre la concentración del ingreso y el crecimiento del pib per cápita, aunque
varios estados muestran coeficientes de Gini más elevados que se combinan
con bajas tasas de crecimiento del pib per cápita, lo que sugiere una reacción
negativa entre desigualdad y crecimiento a nivel regional.
La metodología de análisis utilizada en este estudio busca retomar la
información de sección cruzada y de tiempo en un modelo de panel, pero
además incluye la estimación de largo plazo mediante el análisis de cointe-

gración de panel. Las variables del modelo no presentaron raíces unitarias y
el análisis de cointegración indicó la existencia de relaciones de cointegra-
ción de panel en las variables.
Las estimaciones de las ecuaciones de largo plazo con base en los modelos
fmols y dols arrojaron coeficientes del coeficiente de Gini y un porcentaje
de población en situación de pobreza sobre el total de la población negativos
y estadísticamente significativos, lo que indica una relación inversa con el
crecimiento del pib per cápita. Asimismo, la prueba de Granger señala una
causalidad unidireccional de la desigualdad y una causalidad bidireccional
de la pobreza con el crecimiento del pib per cápita. Por lo tanto, estos resul-
tados sugieren que la dinámica de crecimiento económico de México puede
explicarse, por una parte, con base en el enfoque que considera que la des-
igualdad y la pobreza pueden ser factores que inhiben la inversión, mediante
su impacto en la demanda interna del país; por otra parte, en el modelo dols
el coeficiente de la variable de educación media superior fue positivo y esta-
dísticamente significativo. Este impacto positivo en el crecimiento econó-
mico apoya la visión de que una menor desigualdad del ingreso y de la
pobreza podría permitir mayores inversiones en capital humano que, auna-
das a las inversiones en capital físico, tienen el potencial de impulsar el cre-
cimiento y el desarrollo económico de México.
De esta manera, los resultados apuntan hacia políticas públicas que per-
mitan reducir la pobreza y la desigualdad del ingreso y mejoren el sistema
financiero a fin de eliminar restricciones de crédito para posibilitar el
desarrollo de inversiones. Además, una manera decisiva para reducir la des-
igualdad del ingreso sería ampliar y mejorar los sistemas educativos, particu-
larmente de educación media y superior. Lo anterior permitiría, por un lado,
incrementar los ingresos de la población y, por otro lado, expandir la fuerza
de trabajo con capacidad de generar mayor valor agregado y crecimiento de
la economía.
Referencias bibliográficas
Aghion, P., Caroli, E., y Garcia-Penalosa, C. (1999). Inequality and economic

growth: The perspective of the new growth theories. Journal of Economic
Literature, 37(4), 1615-1660. Recuperado de: http://nrs.harvard.edu/
urn-3:HUL.InstRepos:12502063
Aiyar, M. S., y Ebeke, M. C. H. (2019). Inequality of Opportunity,

Inequality of Income and Economic Growth (working paper, WP/19/34).
Washington, D. C.: fmi.
Alesina, A., y Perotti, R. (1994). The political economy of growth: A critical
survey of the recent literature. The World Bank Economic Review, 8(3),
351-371. Recuperado de: https://doi.org/10.1093/wber/8.3.351
Alesina, A., y Rodrik, D. (1994). Distributive politics and economic growth.
Quarterly Journal of Economics, 109(2), 465-490. Recuperado de: http://
nrs.harvard.edu/urn-3:HUL.InstRepos:4551798
Banerjee, A. V., y Duflo, E. (2003). Inequality and growth: What can the
data say? Journal of Economic Growth, 8(3), 267-299. Recuperado de:
https://doi.org/10.1023/A:1026205114860
Barro, R. J. (2000). Inequality and growth in a panel of countries.
Journal of Economic Growth, 5(1), 5-32. Recuperado de: https://doi.
org/10.1023/A:1009850119329
Barro, R. J. (2008). Inequality and Growth Revisited (adb Working Paper
Series on Regional Economic Integration, 11). Manila: adb. Recuperado
de: http://hdl.handle.net/11540/1762
Birdsall, N., Ross, D., y Sabot, R. (1995). Inequality and growth reconsidered:
Lessons from East Asia. The World Bank Economic Review, 9(3), 477-508.
Recuperado de: https://doi.org/10.1093/wber/9.3.477
Bourguignon, F. (2004). The Poverty-Growth-Inequality Triangle (working
paper, 125). Nueva Delhi: Indian Council for Research on International
Economic Relations.
Breitung, J. (2001). The local power of some unit root tests for panel data.
En B. H. Baltagi (ed.), Nonstationary Panels, Panel Cointegration, and
Dynamic Panels (pp. 161-167). Bingley: Emerald Group Publishing
Limited. Recuperado de: https://doi.org/10.1016/S0731-9053(00)15006-6
Breunig, R., y Majeed, O. (2020). Inequality, poverty and economic
growth. International Economics, 161, 83-99. Recuperado de: https://doi.
org/10.1016/j.inteco.2019.11.005
Campos Vázquez, R. M., y Monroy-Gómez-Franco, L. A. (2016). La
relación entre crecimiento económico y pobreza en México. Investigación
económica, 75(298), 77-113.
Castelló, A., y Doménech, R. (2002). Human capital inequality and economic
growth: Some new evidence. The Economic Journal, 112(478), C187-
C200. Recuperado de: https://doi.org/10.1111/1468-0297.00024
Castro, M. C., y Nevárez, J. B. (2015). Las crisis económicas y sus efectos

en el mercado de trabajo, en la desigualdad y en la pobreza de México.
Contaduría y Administración, 60(2), 219-249. Recuperado de: http://
dx.doi.org/10.1016/j.cya.2015.05.003
Choi, I. (2001). Unit root tests for panel data. Journal of International Money
and Finance, 20(2), 249-272. Recuperado de: https://doi.org/10.1016/
S0261-5606(00)00048-6
Cihak, M., y Sahay, R. (2020). Finance and Inequality. Washington, D. C.:
fmi. Recuperado de: https://doi.org/10.5089/9781513526546.006
Coneval (2018). Pobreza en México. Resultados de pobreza en México 2018 a
nivel nacional y por entidades federativas. Recuperado de: https://www.
coneval.org.mx/Medicion/MP/Paginas/Pobreza-2018.aspx
Cortés, F. (2013). Medio siglo de desigualdad en el ingreso en México.
Economíaunam, 10(29), 12-34. Recuperado de: https://doi.org/10.1016/
S1665-952X(13)72193-5
Dollar, D., y Kraay, A. (2002). Growth is good for the poor. Journal
of Economic Growth, 7, 195-225. Recuperado de: https://doi.
org/10.1023/A:1020139631000
Esquivel, G. (2015). Desigualdad extrema en México. Concentración del
poder económico y político. México: Oxfam.
Ferreira, F. H. (2010). Distributions in Motion: Economic Growth, Inequality,
and Poverty Dynamic (working paper, 5424). Washington, D. C.: Banco
Mundial. Recuperado de: http://hdl.handle.net/10986/3908
Foellmi, R., y Zweimüller, J. (2006). Income distribution and demand
induced innovations. Review of Economic Studies, 73(4), 941-960.
Recuperado de: https://doi.org/10.1111/j.1467-937X.2006.00403.x
Forbes, K. J. (2000). A reassessment of the relationship between inequality
and growth. American Economic Review, 90(4), 869-887. doi: 10.1257/
aer.90.4.869
Frank, M. W. (2009). Inequality and growth in the United States: Evidence
from a new state‐level panel of income inequality measures. Economic
Inquiry, 47(1), 55-68. Recuperado de: https://doi.org/10.1111/j.1465-
7295.2008.00122.x
Galbraith, J. K., y Kum, H. (2003). Inequality and economic growth:
A global view based on measures of pay. cesifo Economic Studies, 49(4),
527-556. Recuperado de: https://doi.org/10.1093/cesifo/49.4.527
Galor, O. (2000). Income distribution and the process of development.
European Economic Review, 44(4-6), 706-712. Recuperado de: https://

doi.org/10.1016/S0014-2921(99)00039-2
Garza-Rodriguez, J. (2018). Poverty and economic growth in Mexico. Social
Sciences, 7(10), 183. Recuperado de: https://ssrn.com/abstract=3614752
Hadri, K. (2002). Testing for stationarity in heterogeneous panel data.
The Econometrics Journal, 3(2), 148-161. Recuperado de: https://doi.
org/10.1111/1368-423X.00043
Halter, D., Oechslin, M., y Zweimüller, J. (2014). Inequality and growth:
The neglected time dimension. Journal of Economic Growth, 19(1),
81-104. Recuperado de: https://doi.org/10.1007/s10887-013-9099-8
Hernández-Laos, E. (2010). Crecimiento, distribución y pobreza (1992-
2006). En R. Aparicio, V. Villarespe y C. Urzúa (coords.), Pobreza en
México: magnitud y perfiles (pp. 43-97). México: Coneval/unam/itesm.
Im, K. S., Pesaran, M. H., y Shin, Y. (2003). Testing for unit roots in
heterogeneous panels. Journal of Econometrics, 115(1), 53-74. Recuperado
de: https://doi.org/10.1016/S0304-4076(03)00092-7
Kaldor, N., (1957). A model of economic growth. Economic Journal, 67(268),
591-624. Recuperado de: https://doi.org/10.2307/2227704
Kao, C., y Chiang, M. (2001). On the estimation and inference of a
cointegrated regression in panel data. En B. H. Baltagi (ed.), Nonstationary
Panels, Panel Cointegration, and Dynamic Panels (pp. 179-222). Bingley:
Emerald Group Publishing Limited.
Knowles, S. (2005). Inequality and economic growth. The empirical
relationship reconsidered in the light of comparable data. Journal of
Development Studies, 41(1), 135-159. Recuperado de: https://doi.
org/10.1080/0022038042000276590
Korzeniewicz, R. P., y Moran, T. P. (2005). Theorizing the relationship
between inequality and economic growth. Theory and Society, 34(3),
277-316. Recuperado de: https://doi.org/10.1007/s11186-005-4575-6
Kuznets, S. (1955). Economic growth and income inequality. American
Economic Review, 45(1), 1-28.
Levin, A., Lin, C. F., y Chu, C. S. J. (2002). Unit root tests in panel data:
Asymptotic and finite-sample properties. Journal of Econometrics, 108(1),
1-24. Recuperado de: https://doi.org/10.1016/S0304-4076(01)00098-7
Lustig, N. (2015). Most unequal on Earth: Latin America is a region of
stark income contrasts but has been making progress. En fmi, Finance
and Development, September 2015. Washington, D. C.: Recuperado de:

https://doi.org/10.5089/9781484372500.022
Maddala, G. S., y Wu, S. (1999). A comparative study of unit root tests
with panel data and a new simple test. Oxford Bulletin of Economics and
Statistics, 61(S1), 631-652. Recuperado de: https://doi.org/10.1111/1468-
0084.0610s1631
Navarrete, J. E. (2016). ¿Desigualdad y crecimiento? Economíaunam, 13(37),
45-73.
Pedroni, P. (1999). Critical values for cointegration tests in heterogeneous
panels with multiple regressors. Oxford Bulletin of Economics and
Statistics, 61(S1). 653-670. Recuperado de: https://doi.org/10.1111/1468-
0084.0610s1653
Phillips, P. C. B., y Hansen, B. E. (1990). Statistical inference in instrumental
variables regression with I(1) processes. Review of Economic Studies,
57(1), 99-125. Recuperado de: https://doi.org/10.2307/2297545
Piketty, T. (2014). El capital en el siglo xxi. México: Fondo de Cultura
Económica.
Ravallion, M. (2001). Growth, inequality and poverty: Looking beyond
averages. World Development, 29(11), 1803-1815. Recuperado de: https://
doi.org/10.1016/S0305-750X(01)00072-9
Reyes, M., Teruel, G., y López, M. (2017). Measuring true income inequality
in Mexico. Latin American Policy, 8(1), 127-148. Recuperado de: https://
doi.org/10.1111/lamp.12111
Rosenzweig, M., y Binswanger H. (1993). Wealth, weather risk and the
composition and profitability of agricultural investments. Economic
Journal, 103(416), 56-78. Recuperado de: https://doi.org/10.2307/2234337
Saikkonen, P. (2002). Estimation and testing of cointegrated systems by
an autoregressive approximation. Econometric Theory, 8(1), 1-27. doi:
10.1017/S0266466600010720
Salgado-Vega, J., y Zepeda-Mercado, G. (2012). Desigualdad y crecimiento
en México: un análisis por entidad federativa. Papeles de Población,
18(71), 213-237. Recuperado de: https://rppoblacion.uaemex.mx/article/
view/8445
Santos, M. E., Dabus, C., y Delbianco, F. (2019). Growth and poverty
revisited from a multidimensional perspective. The Journal of
Development Studies, 55(2), 260-277. Recuperado de: https://doi.org/10.

1080/00220388.2017.1393520
Stiglitz, J. E. (2013). The Price of Inequality: How Today’s Divided Society
Endangers our Future. Nueva York: W.W. Norton and Company.
Stock, J. H., y Watson, M. W. (1993). A simple estimator of cointegrating
vectors in higher order integrated system. Econometrica, 61(4), 783-820.
Recuperado de: http://dx.doi.org/10.2307/2951763
Székely, M. (2005). Pobreza y desigualdad en México entre 1950 y 2004.
El Trimestre Económico, 72(288), 913-931. Recuperado de: https://doi.
org/10.20430/ete.v72i288.566
Voitchovsky, S. (2009). Inequality and economic growth. En W. Salverda,
B. Nolan y T. M. Smeeding (eds.), The Oxford Handbook of Economic
Inequality. Oxford: Oxford University Press.

1583-Texto Del Artículo-18622-3-10-20221007

Cargado por

Copyright:

Formatos disponibles

1583-Texto Del Artículo-18622-3-10-20221007

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

1583-Texto Del Artículo-18622-3-10-20221007

Cargado por

Copyright:

Formatos disponibles

EL TRIMESTRE ECONÓMICO, vol. LXXXIX (4), núm. 356, octubre-diciembre de 2022, pp.

¿Son la desigualdad y la pobreza

Are inequality and poverty a brake

Jorge Eduardo Mendoza Cota**

The Mexican economy has been characterized by low growth accompanied by

Keywords: Inequality; poverty; education; economic growth; panel models. jel

codes: B23, D63, I24, I32, O4, O10.

La economía mexicana se ha caracterizado por un crecimiento reducido acom-

Palabras clave: desigualdad; pobreza; educación; crecimiento económico; modelos

A partir de la gran recesión de 2009-2010 se observan un incremento de la

presupuestos reducidos, lo que impide asignar suficientes recursos a fin de

México de 1950 a 2004. El autor presentó cálculos sobre pobreza alimenta-

análisis; la sección III presenta los resultados econométricos, y, finalmente,

I. Evolución reciente de la desigualdad

Los estudios sobre la desigualdad de la distribución del ingreso en México

Gráfica 1. México: evolución del índice de Gini

Gráfica 2. Participación porcentual del ingreso del primer

Participación del ingreso del decil más alto

Gráfica 3. Coeficiente de Gini y tasa de crecimiento anual (tca)

0.70 13.8% 15%

0.60 0.60 0.60 0.63

0.48 0.47 0.48 5%

Gini 2018 tca

Cuadro 1. Estados con una mayor brecha de ingresos

Estados I/XI pib per cápita

Oaxaca 28.297 0.2%

San Luis Potosí 25.332 6.3%

Nayarit 23.579 –2.3%

Michoacán 20.027 3.8%

Chiapas 19.998 –8.7%

Chihuahua 19.037 3.0%

Yucatán 18.076 4.7%

Sonora 17.474 –2.2%

Hidalgo 17.364 0.5%

Campeche 16.866 –16.2%

Aguascalientes 16.554 3.0%

Sinaloa 16.539 1.8%

Nuevo León 14.918 4.3%

Tabasco 13.686 –15.6%

Finalmente, otro aspecto destacado de la distribución del ingreso en México

1. Debate sobre la desigualdad, la pobreza

La relación entre desigualdad del ingreso y crecimiento económico ha sido

interacción es compleja y existen diferentes canales por los cuales la des-

mico. No obstante, los cambios que llevan la desigualdad a niveles inter­me‑

a este sector podrían reducir el ritmo de crecimiento económico. Otro

II. Estrategia econométrica

Existe una cantidad importante de estudios empíricos sobre la relación entre

cionado conclusiones definitivas. Los estudios han usado diferentes meto-

países desarrollados y en desarrollo. Los resultados muestran que la des-

obstante, cuando se incluyen las variables de desigualdad y pobreza, se apre-

1. Análisis de la cointegración del panel

Con la finalidad de analizar la correlación y la causalidad de la desigualdad

trabajo la metodología de estimación se basa en el análisis de cointegración

Δyit = ρyit – 1 + ∑ βijΔyit – 1 + Xitδ + vit (1)

Donde yit es la variable agrupada; Xit corresponde a la variable exógena

es heterogéneo y los coeficientes de tendencia pueden variar en las secciones

yi,t = αi + δi,t + β1i X1i,t + β2iX2i, t + … + βMiXMi,t + εi,t (2)

2. Análisis de cointegración de panel

Con el fin de estudiar el efecto del incremento de la desigualdad en el creci-

mico. No obstante, los cambios que llevan la desigualdad a niveles interme‑

población, población con educación media superior, brecha entre el pri-