ISSN 2007-5308

 

Inversión Extranjera Directa en APEC, 1990-2019:

Un análisis empírico de sus determinantes

 

Héctor Flores Márquez1

Ana Lilia Valderrama Santibáñez2

Omar Neme Castillo3

 

DOI: 10.32870/mycp.v9i27.684

 

 

Resumen

 

Esta investigación tiene como objetivo analizar los determinantes de la Inversión Extranjera Directa (IED) en 14 economías del APEC, durante el período 1990-2019. Para tal fin, y partiendo de la segmentación de las economías en grupos homogéneos de análisis, se elaboraron dos modelos econométricos de datos panel. Los resultados del estudio denotan que el flujo de IED en las economías del Grupo 1 de APEC (Australia, Canadá, China, Estados Unidos, Hong Kong, Japón y Rusia) estuvo determinado por las remuneraciones al trabajo, las exportaciones de alta tecnología y el nivel de gasto de las naciones. Mientras que en el caso del Grupo 2 (Chile, Corea del Sur, Indonesia, Malasia, México, Singapur y Tailandia) fueron el gasto público en educación y el valor agregado por trabajador en la industria los que la determinaron.

 

Palabras clave: IED, Modelos de regresión, Datos panel, México, APEC.

 

Abstract

 

This research aims to analyze the determinants of Foreign Direct Investment (FDI) in 14 APEC economies, during the period 1990-2019. For this purpose and starting from the segmentation of the economies into homogeneous groups of analysis, two econometric panel data models were developed. The results show that the flow of FDI in the Group 1 of APEC economies (Australia, Canada, China, the United States, Hong Kong, Japan and Russia) was determined by wages, high technology exports and the level of spending of nations. While in the case of Group 2 (Chile, South Korea, Indonesia, Malaysia, Mexico, Singapore and Thailand) it was public spending on education and value added per worker in industry that determined it.

Keywords: FDI, Regression models, Panel data, Mexico, APEC.

 

1.      Introducción

 

El Foro de Cooperación Económica Asia-Pacífico (APEC) fomenta la cooperación, integración y apertura comercial y financiera entre los países miembros, con alcances políticos y sociales (Anguiano, 2001; Padilla & Tepetla, 2019; APEC, 2020). Lo que ha acrecentado su relevancia a nivel internacional, específicamente, durante el período 1990-2019, mostró un alto dinamismo en cuanto al producto interno bruto, la inversión extranjera directa y el flujo comercial. Fortaleciendo la competitividad y el desarrollo de las economías que lo conforman (Wilhelmy, 2012; Banco Mundial (BM), 2020). En este sentido sobresalen Estados Unidos, China, Canadá, Australia, Hong Kong, Rusia y Japón por contar con altos niveles de bienestar económico y social; mientras que México, Chile, Indonesia, Corea del Sur, Malasia, Singapur y Tailandia se caracterizan por ser economías menos desarrolladas. Es así como el APEC se constituye por países con distintos niveles de desarrollo, lo cual hace que sus potencialidades, ventajas competitivas y determinantes del crecimiento económico sean diversos (Ahmad & Rao, 1997; Cuadra & Florián, 2003; Favila, 2020; BM, 2020).

            La presente investigación, bajo el contexto anteriormente señalado, tiene como objetivo identificar los determinantes de la IED en 14 economías del APEC, segmentadas en dos grupos homogéneos, durante el período 1990-2019. Para tal fin se desarrollaron dos modelos econométricos con datos panel; estableciendo como variable dependiente los flujos de IED a las economías estudiadas y, dado la representatividad teórica y estadísticas, como variables independientes las Remuneraciones (REM) en la economía, el Valor Agregado por Trabajador en la Industria (VAxTI), el Gasto Nacional Bruto (GNB), el Gasto Público en Educación (GPE), las Exportaciones de Alta Tecnologías (XAT) y los Homicidios Intencionales (HI) (Ahmad & Rao, 1997; Guerra-Borges, 2001; Cuadra & Florián, 2003; De la Garza, 2005; Mogorvejo, 2005; Eicher, Helfman & Lenkoski, 2012; Makin & Chai, 2018; Loría, 2020).

            El documento se estructuró en seis apartados, se inicia con la introducción y se continua con el estudio de la evolución de los indicadores socioeconómicos de la región y las economías que la conforman. En el tercer apartado se presenta el análisis de los aspectos teóricos de la IED y sus determinantes. En el cuarto apartado se aborda la descripción metodológica de los modelos y la selección de las variables. En el quinto apartado se exponen los resultados obtenidos en ambos modelos, y se efectúa la discusión de los mismos. Finalmente, se postula una serie de conclusiones.

 

 

2.      Aspectos socioeconómicos del APEC

 

A continuación, se presentan las principales características socioeconómicas de APEC, enfatizando la evolución de la IED, durante el período 1990-2019. El Producto Interno Bruto (PIB) de la región, a lo largo del período de estudio, ostentó un crecimiento significativo, al pasar de 19 billones en 1990 a 47 billones de dólares en 2019. Haciendo que el ingreso per cápita de la región sea uno de los más altos en el mundo. Las economías con mayor nivel de PIB fueron Estados Unidos, Japón, China, Canadá y Rusia; mientras que Brunei Papúa Nueva Guinea, Vietnam, Perú y Nueva Zelanda mostraron los niveles más bajos de la región (BM, 2020).

La tendencia de la Formación Bruta de Capital (FBK) ha sido a la alza, lo cual ha contribuido a que las Exportaciones (X) e Importaciones (M) de la región hayan aumentado exponencialmente, favoreciendo la recaudación fiscal, en particular, la captación de impuestos por concepto de comercio exterior se acrecentó en 47.2% en el período de análisis. Con un mayor ingreso los Estados incrementaron el Gasto Público en Salud (GPS), el Gasto Público en Educación (GPE), y las Contribuciones a la Sociedad (CS). Lo que repercutió positivamente en indicadores de bienestar y estabilidad social, como son la matriculación, el número promedio de años estudiados, el acceso a los servicios de salud, el gasto nacional, el ahorro nacional, y la reducción de los Homicidios Intencionales (HI) (Ver Tablas 1-7 del anexo).

Dicho panorama de estabilidad propició un crecimiento notable en los flujos de IED, puesto que pasaron de 193 mil millones de dólares en 1990 a 761 mil millones de dólares en 2019. Las economías con mayores flujos de IED fueron Estados Unidos, China, Hong Kong, Singapur y Canadá; mientras que Papúa Nueva Guinea, Brunei, Nueva Zelanda, Filipinas y Perú presentaron los volúmenes más bajos. Estos recursos contribuyeron al incremento del Valor Agregado (VA) en los sectores económico, particularmente, en la agricultura el VA ostentó un desarrollo del 83%, la industria del 281%, y los servicios del 327%. A su vez, el VA por trabajador aumentó en la agricultura 127%, en la industria 130% y en los servicios 83%. Los incrementos en la productividad laboral se reflejaron en el volumen de las Remuneración (REM), que presentaron una tasa de crecimiento del 415% (Ver Tablas 1-7 del anexo).

A pesar del comportamiento positivo de los indicadores macroeconómicos es de destacar que aun persisten problemas de inequidad y pobreza, aunados a una profunda desigualdad en el desempeño de las economías (Ahmad & Rao, 1997; Cuevas, 2001; Hernández, 2002; Favila, 2020; BM, 2020).

 

3.     Análisis teórico de la IED y sus determinantes

 

La Organización para la Cooperación y el Desarrollo Económico (OCDE) (2010) establece que la IED se presenta cuando las empresas multinacionales invierten en otros países en la búsqueda de mayores utilidades (Klein, Frazier & Roth, 1990), que se generan a través de la consagración de ventajas competitivas, como son: ventajas de propiedad, ventajas de localización y ventajas de internalización (Guerra-Borges, 2001; Karthikeyan, Bhagat, & Kannan, 2011; Pérez Pineda, 2009; Rivas Aceves & Puebla Méndez, 2016; Ronderos-Torres, 2010; Sankar Brahma & Chakraborty, 2011). En ese orden de ideas, el Estado deberá ser el agente promotor del crecimiento de la inversión con base en factores como la localización, la infraestructura, la investigación y desarrollo, la educación, la tecnología, y la estabilidad política y social (De la Garza, 2005; Guerra-Borges, 2001; Krugman, Obstfeld & Melitz, 2017; Peng, 2001; Pérez, 2009; Quiroz, 2003; Martín & Turrión, 2004; Vallejo & Aguilar, 2004; Wernerfelt, 1984).

 

4.     Descripción del modelo y la selección de variables

 

En esta investigación se desarrollaron dos modelos de datos panel, para los quinquenios de 1990 a 2019. El diseño fue cubierto por la información obtenida del Banco Mundial para 14 economías del APEC, divididas en dos grupos. El primero constituido por Australia, Canadá, China, Estados Unidos, Hong Kong, Japón y Rusia; y el segundo por Chile, Corea del Sur, Indonesia, Malasia, México, Singapur y Tailandia. La composición de los grupos se efectuó con base en la dinámica de las variables IED, REM, VAxTI, GNB, GPE, XAT y HI; así como por la conformación de un panel de datos balanceado, con distribución homogénea y heterogeneidad tanto en las unidades de estudio como en el período de análisis.

El primer modelo, diseñado para las economías del Grupo 1 de APEC, estableció como variable dependiente a la Inversión Extranjera Directa (IED), y como independientes a las Remuneraciones en la economía (REM), el Gasto Nacional Bruto (GNB), las Exportaciones de Alta Tecnología (XAT) y los Homicidios Intencionales (HI). La expresión matemática del modelo fue la siguiente:

 

                                                                  (1)

El segundo modelo, elaborado para las economías del Grupo 2 de APEC, consideró el flujo de IED como variable dependiente, en función de las REM, el Valor Agregado por Trabajador en la Industria (VAxTI), el Gasto Público en Educación (GPE) y los HI. La expresión matemática del modelo fue la siguiente:

 

                                                              (2)

 

Las variables fueron seleccionadas dada su representatividad teórica y estadística para determinar el comportamiento de los flujos de IED a las economías seleccionadas (Ahmad & Rao, 1997; Guerra-Borges, 2001; Peng, 2001; Cuadra & Florián, 2003; Díaz, 2003; Quiroz, 2003; Turrión & Martín, 2004; Vallejo & Aguilar, 2004; De la Garza, 2005; Mogorvejo, 2005; Pérez, 2009; Ronderos-Torres, 2010; Karthikeyan et al., 2011; Sankar & Chakraborty, 2011; Eicher, Helfman & Lenkoski, 2012; Rivas & Puebla, 2016; Romero & Mendoza, 2017; Makin & Chai, 2018; Loría, 2020). Los softwares que se utilizaron para llevar a cabo los modelos econométricos fueron R y EViews.

Partiendo de estas consideraciones el procedimiento realizado para cada uno de los grupos fue el siguiente (Gujarati & Porter, 2010; Nuñez, 2007; Romero & Mendoza, 2017): a) un estudio descriptivo de las variables, con la finalidad de visualizarlas y predeterminar el tipo de especificación; b) análisis confirmatorio o estimación del modelo de datos panel, en donde se calculan los tres tipos (pool, Efectos Fijos (EF) y Efectos Aleatorios(EA)); c) elección del modelo de estimación con base en su consistencia estadística, ello a partir de la aplicación de las pruebas pooling y Hausman; y, d) estimación econométrica a partir del modelo seleccionado, donde se establecen los coeficientes, y se verifica la ausencia de errores de especificación.

 

5.     Resultados y discusión de los modelos

 

5.1. Determinantes de la IED en las economías del Grupo 1

 

Al llevar a cabo el análisis descriptivo de las variables (IED, REM, GNB, XAT y HI) fue posible observar que poseen una distribución homogénea, con pocas observaciones fuera de la media y heterogeneidad tanto en las unidades de análisis como en el período de estudio. Lo que implica un comportamiento diferenciado entre los países (efectos individuales) como en el tiempo (efectos temporales), denotando así la pertinencia de un modelo de datos panel. Por otro lado, al determinar la matriz de correlación fue factible distinguir relaciones significativas entre las variables; asimismo la prueba de inflación de la varianza (VIF) y la matriz de dispersión mostraron la ausencia de colinealidad entre las variables independientes del modelo (REM, GNB, XAT y HI).

Las pruebas de estacionalidad (Test de Dickey-Fuller y Test de Phillips-Perron) revelaron, después de llevar a cabo en algunos casos el ajuste por primeras diferencias, que tanto la variable dependiente (IED) como las variables independientes (REM, GNB, XAT y HI) eran estacionarias. Requisito indispensable para que las estimaciones del modelo sean confiables.

 

 

Una vez establecida la pertinencia de las variables se procedió a la estimación de los modelos (Pool, EF y EA). El modelo pool parte del supuesto de que cada individuo, y su variable dependiente, responde de la misma manera al comportamiento de las variables independientes. Mientras que el modelo de EF reconoce la influencia de cada individuo, con el paso del tiempo, sobre la variable dependiente. Por otro lado, el modelo de EA considera que los efectos individuales no son independientes entre si, sino que están distribuidos aleatoriamente alrededor de un valor dado (Romero & Mendoza, 2017) (Ver Tabla 1).

            Con la finalidad de apreciar si existen efectos individuales independientes para cada individuo o si los efectos son comunes se llevó a cabo la prueba pooling (Ver Tabla 2).

 

 

TABLA 2. TEST POOLING PARA EL GRUPO 1 DE PAÍSES DEL APEC

F = 2.601195, df1 = 6, df2 = 32, p-value = 0.0362

Fuente: Elaboración propia con base en las Tablas 1-7 del Anexo, y utilizando los softwares R y EViews.

 

Dado que el p-value < 0.05 se rechaza la H0 (pool es mejor), y se acepta Ha que el modelo EF es el adecuado (Gujarati & Porter, 2010).

Con el propósito de identificar si los efectos individuales no son independientes entre si, sino que están distribuidos aleatoriamente alrededor de un valor dado, se llevó a cabo el Test de Hausman (Ver Tabla 3).

 

TABLA 3. TEST DE HAUSMAN PARA EL GRUPO 1 DE PAÍSES DEL APEC

chisq = 7.434526, df = 4, p-value = 0.1146

Fuente: Elaboración propia con base en las Tablas 1-7 del Anexo, y utilizando los softwares R y EViews.

 

Debido a que el p-value > 0.05 se rechaza la Ha (EF es mejor), y se acepta la H0 que establece que el modelo de EA es el adecuado (Gujarati & Porter, 2010).

Con fundamento en los resultados de las Tablas 2 y 3 se estableció que el modelo que mejor se adecuaba al caso de las economías del Grupo 1 de APEC era el de efectos aleatorios. De esta forma, es posible observar en la Tabla 4 que las REM ostentaron una relación negativa y significativa con la IED, lo que implica que los flujos de inversión hacia los países del Grupo 1 buscan ventajas en costos de producción. Asimismo, se aprecia que la IED tuvo una relación positiva y significativa con las XAT, es decir, la IED en este caso no solo busca bajos niveles salariales sino también sectores económicos que generen y comercialicen bienes manufacturados de alta tecnología. Por otro lado, se visualiza que el GNB reveló una relación positiva y significativa con los flujos de inversión, lo que representa que la demanda interna o capacidad de consumo de estas economías son un atractor de la IED. Finalmente, se distingue que la IED y los HI asumieron una relación inversa y no significativa (De la Garza, 2005; Guerra-Borges, 2001; Vallejo & Aguilar, 2004; Loría, 2020).

 

 

El modelo para Australia, Canadá, China, Estados Unidos, Hong Kong, Japón y Rusia (Grupo 1) muestra que 3 de las 4 variables utilizadas son estadísticamente significativas para explicar el comportamiento de los flujos de IED, con un coeficiente de determinación ajustado de 41% (Ver Tabla 4). A fin de corroborar la bondad de ajuste del modelo y robustez de sus estimaciones se aplicaron las pruebas de normalidad y de autocorrelación (Gujarati & Porter, 2010). De esta forma, el resultado del test de Jarque-Bera con un p-value de 0.0913 confirmó la normalidad; mientras que la prueba Pesaran CD con un p-value de 0.1257 denotó la inexistencia de autocorrelación en los residuales del modelo.

 

5.2. Condicionantes de la IED en las economías del Grupo 2

 

A fin de tener una visualización general de las variables se desarrolló el análisis descriptivo de las mismas, de esta forma, fue posible apreciar que estas ostentaron una distribución homogénea, con pocas observaciones fuera de la media, y presencia de heterogeneidad tanto en las unidades de análisis como en el período de estudio. Lo que es indicativo de la pertinencia de un modelo de datos panel. Al llevar a cabo el estudio correlacional se observó la presencia de una relación significativa entre las variables independientes (REM, VAxTI, GPE y HI) y la dependiente (IED), así como poca correlación entre las independientes. Se logró observar, a su vez, con la prueba VIF y la matriz de dispersión que no existen problemas de colinealidad entre las variables utilizadas en este modelo.

Los test de Dickey-Fuller y de Phillips-Perron denotaron el siguiente comportamiento: a) la IED no posee raíz unitaria; b) las REM, VAxTI, GPE y HI, después de hacer el ajuste por primeras diferencias, son estacionarias. Es así como, una vez establecida la pertinencia de las variables se determinaron los modelos de panel de datos (Pool, EF y EA) (Ver Tabla 5).

 

 

 

 

TABLA 5. RESULTADOS DE LOS TRES MODELOS (POOL, EF Y EA)
PARA EL GRUPO 2 DE PAÍSES DEL APEC
	Pool		Efectos Fijos		Efectos Aleatorios
	Estimate	Std. Error	Estimate	Std. Error	Estimate	Std. Error
REM	0.1356	-0.3985	-0.7338	-0.512	-0.4299	0.4601
VAxTi	462500***	-51985	544783***	-72816	511270***	63806
GPE	-46314	-171990	481076**	-219552	343693*	200542
HI	573,576**	-244909	-185115	-303463	7777	277911
Constante	-6.02E+09*	-3.56E+09	-5.52E+09	-5.70E+09	-5.52E+09	-5.70E+09
Observaciones	49		49		49
R2	0.6517		0.6636		0.6433
Adjustes R2	0.62		0.5751		0.6109
F Statistic	20.5813***		18.7430***		19.8437***
Note: *p<0.1; **p<0.05; ***p<0.01
Fuente: Elaboración propia con base en las Tablas 1-7 del Anexo, y utilizando los softwares R y EViews.

 

El proceso de selección del modelo de datos panel se llevó a cabo de acuerdo a lo estipulado por Romero y Mendoza (2017). El cual es el siguiente:

 

a)  Modelo de EF vs. Modelo pool. En ese sentido se empleó la prueba pooling (Ver Tabla 6).

 

TABLA 6. TEST POOLING PARA EL GRUPO 2 DE PAÍSES DEL APEC

F = 6.0608, df1 = 6, df2 = 38, p-value = 0.0001607

Fuente: Elaboración propia con base en las Tablas 1-7 del Anexo, y utilizando los softwares R y EViews.

 

Dado que el p-value < 0.05 se rechaza la H0 (pool es mejor), y se acepta Ha que el modelo efectos fijos es el adecuado (Gujarati & Porter, 2010).

 

 

b)  Modelo de EA vs. Modelo de EF. Para tal fin se aplicó el test de Hausman (Ver Tabla 7)

 

TABLA 7. TEST HAUSMAN PARA EL GRUPO 2 DE PAÍSES DEL APEC

chisq = 2.3049, df = 4, p-value = 0.6799

Fuente: Elaboración propia con base en las Tablas 1-7 del Anexo, y utilizando los softwares R y EViews.

 

Debido a que el p-value > 0.05 se rechaza la Ha (EF es mejor), y se acepta la H0 que establece que el modelo de efectos aleatorios es el adecuado (Gujarati & Porter, 2010).

De acuerdo a los resultados de las Tablas 6 y 7, para el caso de las economías del Grupo 2, el modelo que mejor se ajusta es el de EA. Como se puede apreciar en la Tabla 8 las REM exhibieron una relación negativa y no significativa con la IED. Lo cual puede ser explicado por la orientación de la IED hacia sectores que le garanticen mano de obra barata pero a su vez altos niveles de productividad (De la Garza, 2005; Guerra-Borges, 2001). Vinculado a lo anterior, es posible apreciar que el VAxTI ostentó un nexo positivo y significativo con la IED. Esto concuerda con lo establecido por De la Garza (2005) y Vallejo y Aguilar (2004) en el sentido de que la inversión tiende a concentrarse en economías que poseen las capacidades para generar valor agregado; lo que permite a su vez potencializar la productividad y acrecentar la competitividad y el desarrollo económico de estos países.

El GPE mostró una relación positiva con respecto a la IED, este resultado se puede explicar por la correspondencia existente entre la productividad del trabajo y el nivel de educación, ya que cuanto más preparada esta la sociedad más productiva se vuelve, aunque los salarios en los países analizados son bajos (Mendoza & Cabrera, 2014). Por otro lado, los HI tuvieron un vínculo negativo y no significativo con la IED. Ello conlleva, que a pesar de la relación inversa entre HI e IED, en el presente caso de estudio no es una variable que durante el periodo 1990-2019 haya influido notablemente en los flujos de capital hacia las economías analizadas en su conjunto (Loría, 2020) (Ver Tabla 8).

 

TABLA 8. RESULTADO DEL MODELO DE EA PARA EL GRUPO 2 DE PAÍSES DEL APEC
Método: Panel EGLS (efectos aleatorios de sección transversal)
Muestra: 1990 2019; Períodos incluidos: 7; Secciones transversales incluidas: 7.
Total de observaciones de panel (balanceadas): 49
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-7.09E+09	4.69E+09	-1.511623	0.1378
REM	-0.429976	0.460112	-0.934504	0.3551
VAXTI	511270.4	63806.81	8.012787	0.0000
GPE	343692.9	200542.3	1.713818	0.0936
HI	7777.317	277911.6	0.027985	0.9778
R-squared	0.643364	Mean dependent var		4.71E+09
Adjusted R-squared	0.610942	S.D. dependent var		1.26E+10
S.E. of regression	7.87E+09	Sum squared resid		2.73E+21
F-statistic	19.84375	Durbin-Watson stat		1.032875
Prob(F-statistic)	0
Fuente: Elaboración propia con base en las Tablas 1-7 del Anexo, y utilizando los softwares R y EViews.

 

El modelo de determinantes de la IED a Chile, Corea del Sur, Indonesia, Malasia, México, Singapur y Tailandia (Grupo 2) establece que 2 de las 4 variables consideradas son estadísticamente significativas, y que en conjunto ostentaron un coeficiente de determinación ajustado de 0.61 (Ver Tabla 8). Para verificar la validez y confiabilidad del modelo se comprobó si los residuales del modelo cumplían con los supuestos de normalidad y autocorrelación. En ese sentido, se obtuvo un Jarque-Bera con un p-value de 0.2988 confirmando la normalidad de los residuales; y un Pesaran CD test de 0.794 denotando la ausencia de autocorrelación en los residuales. Lo que implica que los resultados de este modelo son, también, insesgados y eficientes (Gujarati & Porter, 2010).

 

Conclusiones

 

El Foro de Cooperación Económica Asia-Pacífico (APEC), durante el período 1990-2019, presentó un crecimiento sostenido en términos del PIB, PIB per cápita, FBK, X, M e IED; lo cual favoreció a la sociedad con incrementos significativos en el GNB, GPS, GPE, CS y REM, repercutiendo con ello positivamente en indicadores de bienestar y estabilidad social como el promedio de años estudiados, el acceso a los servicios de salud y en la reducción de los HI. A su vez, fue posible observar la existencia de marcadas desigualdades en las economías que conforman la región. Es decir, mientras Australia, Canadá, China, Estados Unidos, Hong Kong, Japón y Rusia se distinguen por contar con altas tasas de crecimiento en los indicadores socioeconómicos; Chile, Corea del Sur, Indonesia, Malasia, México, Singapur y Tailandia ostentan desempeños más modestos. Divergencias que aumentan la inequidad, marginación y pobreza en la región, así como la brecha competitiva entre los países miembros (Ahmad & Rao, 1997; Cuadra & Florián, 2003; Favila, 2020; BM, 2020).

            Es a partir de esta diferenciación que la presente investigación tuvo como objetivo analizar los determinantes de la IED en 14 economías del APEC, segmentadas en dos grupos homogéneos, durante el período 1990-2019. Para alcanzar este objetivo se analizó la teoría de la IED y sus determinantes; por lo que, partiendo de los postulados de Guerra-Borges (2001), Díaz (2003), Turrión y Martín (2004), Vallejo y Aguilar (2004), De la Garza (2005), Mogorvejo (2005), Mendoza y Cabrera (2014) y Loría (2020) fue posible distinguir que las empresas multinacionales en su búsqueda de mayores ingresos exploran en economías distintas a su país de origen ventajas competitivas que les permitan desarrollarse. Es así como la IED esta determinada por factores como la localización; los costos y calidad de los factores; la productividad; la estabilidad política, financiera y social; entre otros.

            Una vez conformado el análisis teórico se procedió al desarrollo de dos modelos econométricos con datos panel, constituidos a partir de la conformación de dos grupos homogéneos de países, que permitan la obtención de estimaciones insesgadas y eficientes. En el primer modelo, que corresponde al Grupo 1 de economías estudiadas del APEC (Australia, Canadá, China, Estados Unidos, Hong Kong, Japón y Rusia), la variable dependiente fue la IED y las independientes las REM, el GNB, las XAT y los HI. El segundo modelo, diseñado para el Grupo 2 de economías del APEC (Chile, Corea del Sur, Indonesia, Malasia, México, Singapur y Tailandia), estableció como variable dependiente los flujos de IED y como independientes las REM, el VAxTI, el GPE y los HI. En ambos casos el periodo de estudio fue de 1990 a 2019, llevando a cabo el cálculo por quinquenios.

El procedimiento aplicado cubrió las siguientes etapas: a) estudio descriptivo de las variables, b) conformación de los modelos con datos panel, c) elección del modelo de estimación, y d) valoración econométrica (Romero & Mendoza, 2017). Los cálculos se efectuaron haciendo uso de los softwares R y EViews.

            Dado los resultados de los modelos fue posible apreciar, en primera instancia, que para las economías del Grupo 1 de APEC los signos de los coeficientes de las variables explicativas coinciden con lo marcado por la teoría. Es así como, las REM y los HI exhibieron un relación negativa con la IED, mientras que el GNB y las XAT una positiva. Por otro lado, el análisis de significancia de los coeficientes mostró que, en el caso de Australia, Canadá, China, Estados Unidos, Hong Kong, Japón y Rusia las REM, el GNB y las XAT determinaron los flujos de IED en el período 1990-2019, al explicar su comportamiento en un 41%.

En términos, de las economías del Grupo 2 de APEC se logró observar que los signos de los coeficientes de las variables independientes convergen con lo establecido por la teoría. Es decir, que las REM y los HI poseen una relación inversa y el VAxTI y el GPE una positiva con la IED. Asimismo, los resultados del modelo denotaron que el VAxTI y el GPE explicaron en un 61% los flujos de IED a Chile, Corea del Sur, Indonesia, Malasia, México, Singapur y Tailandia durante el período de estudio.

Se puede concluir, dado los resultados del Grupo 1 y 2 de economías del APEC, que el flujo de inversión extranjera directa a las 14 economías estudiadas depende de las remuneraciones al trabajo, el gasto público en educación, el valor agregado por trabajador en la industria, las exportaciones de alta tecnología, y el nivel de gasto que tengan las naciones. Resultados que convergen con lo establecido por Ahmad y Rao (1997), Cuadra y Florián (2003), Quiroz (2003), Vallejo y Aguilar (2004), De la Garza (2005),  Lombana y Rozas (2009), Ronderos-Torres (2010), Eicher et al. (2012), Mendoza y Cabrera (2014), Rivas y Puebla (2016), y Makin y Chai (2018).

Se considera necesario, por lo tanto, el establecimiento de políticas públicas que favorezcan un adecuado clima de inversión (Cuadra & Florián, 2003; De la Garza, 2005; Guerra-Borges, 2001; Pérez, 2009). Es decir, acciones estatales que permitan el desarrollo de capital humano, infraestructura, instituciones de calidad, mercado nacional con poder adquisitivo y estabilidad social. Condiciones clave, a su vez, para la consolidación de ventajas competitivas como: a) fuerza de trabajo calificada, b) elevada productividad laboral, c) innovación y desarrollo, y d) producción de bienes con alto valor agregado. Es así como la consagración de estos elementos económicos, políticos y sociales, además de atraer IED, acrecentarán la competitividad empresarial y sectorial de las economías del APEC.

 

Bibliografía

 

Ahmad, A., & Rao, S. (1997). Trade and Foreign Direct Investment Linkages Among APEC Economies. En S. Dev Gupta & N. Choudhry (Eds.), Globalization, Growth and Sustainability (1st. ed., pp. 179–2014). New York, USA: Springer.

Anguiano, E. (2001). Las Relaciones México-APEC, 1995-2000. Foro Internacional, 41(4), 840-860,

Armas, E., Ayvar, F. & Favila, A. (2019). Los determinantes de la inversión extranjera directa en Estados Unidos, Canadá y México. Revista CIMEXUS, 14(2), 235–260.

Asia-Pacific Economic Cooperation (APEC). (6 de octubre de 2020). Mission Statement. About APEC. Recuperado el 6 de octubre de https://www.apec.org/About-Us/About-APEC/Mission-Statement

Banco Mundial (BM). (20 de julio 2020). Indicadores del Desarrollo Mundial. Recuperado el 20 de julio de 2020 de https://databank.bancomundial.org/source/world-development-indicators

Cuadra, G., & Florián, D. (2003). Inversión extranjera directa, crecimiento económico y spillovers en los países menos desarrollados miembros del APEC. Journal of Economics, Finance and Administrative Science, 8(14), 193–226.

Cuevas Tello, Ana Bertha. (2001). Variables socio económicas de las economías de APEC: 1999. México y La Cuenca Del Pacífico, (13), 16–23.

De la Garza, U. (2005). La Inversión Extranjera Directa (IED), teorías y prácticas. InnOvaciOnes de NegOciOs, 2(1), 17–33.

Díaz, R. (2003). Las teorías de la localización de la inversión extranjera directa: Una aproximación. Revista Galega de Economía, 12(1), 1–12.

Eicher, T., Helfman, L. & Lenkoski, A. (2012). Robust FDI determinants: Bayesian model averaging in the presence of selection bias. Journal of Macroeconomics, 34(3), 637–651.

Favila, A. (2020). Perspectivas de inversión para la región del APEC: Un acercamiento a través del índice LaSalle E-REGI. Revista de Estudios en Contaduría, Administración e Informática, 9(25), 42–54.

Guerra-Borges, A. (2001). Factores determinantes de la inversión extranjera: introducción a una teoría inexistente. Revista de Comercio Exterior, 51(9), 825–832.

Gujarati, D. & Porter, D. (2010). Econometría (5ta ed.). Ciudad de México, México: McGraw Hill.

Hernández, R. (2002). La seguridad alimentaria mundial y la situación en APEC. México y La Cuenca Del Pacífico, (15), 84–95.

Karthikeyan, S., Bhagat, M. & Kannan, N. G. (2011). Making the HR outsourcing decision-lessons from the resource based view. International Journal of Business Insights & Transformation, 5(1), 87–95.

Klein, S., Frazier, G. & Roth, V. (1990). A transaction cost analysis model of channel integration in international markets. Journal of Marketing Research, 27(2), 208.

Krugman, P., Obstfeld, M. & Melitz, M. (2017). International economics: Theory and policy (11tn ed.). Londres, UK: Pearson Education Limited.

Lombana, J. & Rozas, S. (2009). Marco analítico de la competitividad: Fundamentos para el estudio de la competitividad regional. Pensamiento & Gestión, (26), 1-38.

Loría, E. (2020). Impacto de secuestros y homicidios en la inversión extranjera directa en México. Contaduría y Administración, 65(3), 1-26.

Makin, A. & Chai, A. (2018). Prioritizing foreign investment in APEC. Global Economy Journal, 18(3), 1-9.

Martín, C. & Turrión, J. (2004). Los determinantes de la inversión extranjera directa en la UE y los PECO. ICE: Revista de Economía, (814), 77–86.

Mendoza, J. & Cabrera, J. (2014). Trabajo calificado, especialización y productividad laboral urbana en la frontera norte de México: Un análisis de panel de efectos mixtos. Investigación Económica, 73(287), 89-119.

Mogorvejo, J. (2005). Factores determinantes de la inversión extranjera directa en algunos países de Latinoamérica. Revista Latinoamericana de Desarrollo Económico, (5), 51-82.

Nuñez, R. (2007). Introducción a la econometría. Enfoques y tradicional y contemporáneo. Ciudad de México, México: Editorial Trillas S.A. de C.V.

Organización para la Cooperación y el Desarrollo Económico (OCDE). (2010, diciembre). Definición marco de inversión extranjera directa (4th ed.). México: OCDE. Recuperado el 20 de julio de 2020 de https://www.oecd-ilibrary.org/docserver/9789264094475-es.pdf?expires=1599239591&id=id&accname=guest&checksum=BF6C4D0E68DFD7F7E494DA5B7ADC4B34

Padilla, D. & Tepetla, A. (2019). Balance post APEC 2018: objetivos y alcances de un proyecto global. Orientando, (18), 1–13.

Peng, M. (2001). The resource-based view and international business. Journal of Management, 27(6), 803–829.

Pérez, J. (2009). Tendencias recientes de la inversión extranjera directa española en México. Economía UNAM, 6(17), 92–112.

Quiroz, S. (2003). Competitividad e inversión extranjera directa en México. Análisis Económico, 18(37), 241–256.

Rivas, S. & Puebla, A. (2016). Inversión Extranjera Directa y Crecimiento Económico. Revista Mexicana de Economía y Finanzas, 11(2), 51–75.

Romero, L. & Mendoza, M. (2017). Econometría aplicada utilizando R (1st. ed.). Ciudad de México, México: SAREE.

Ronderos-Torres, C. (2010). Inversión extranjera y Competitividad. Revista de Globalización, Competitividad y Gobernabilidad, 4(2), 72–87.

Sankar, S. & Chakraborty, H. (2011). From industry to firm resources: resource-based view of competitive advantage. The IUP Journal of Business Strategy, 8(2), 7–21.

Vallejo, H. & Aguilar, C. (2004). Integración regional y atracción de inversión extranjera directa: el caso de América Latina. Revista Desarrollo y Sociedad, (53), 139–164.

Wernerfelt, B. (1984). A resource-based view of the firm. Strategic Management Journal, 5(2), 171-180.

Wilhelmy, M. (2012). APEC 2012: Desarrollo y proyecciones. Estudios Internacionales, 44(172), 89-99.

 

Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons

Ver los permisos de esta licencia