Aspectos teóricos

Los avances tecnológicos desempeñan un papel primordial, tanto en los modelos de crecimiento exógeno, como en los de crecimiento endógeno. Sin embargo, mientras que los segundos desarrollan explicaciones al respecto, en los primeros su tasa de progreso se asume determinada por fuera del modelo en virtud de que sus supuestos impiden que la economía pueda dedicar recursos para financiar el progreso tecnológico. En particular, los modelos de crecimiento exógeno asumen una función de producción con rendimientos constantes a escala y competencia perfecta en los diferentes mercados, por lo que el pago de cada factor es igual a su producto marginal. Esto implica, aplicando el teorema de Euler, que el producto total de la economía es igual a la suma de la cantidad de factores multiplicada por sus respectivas productividades marginales. De esta forma, no quedan recursos disponibles para financiar el progreso tecnológico.

El nexo entre las TIC y el crecimiento de la economía puede identificarse, a grandes rasgos, en ganancias de eficiencia y mejoras de productividad por parte de los agentes económicos (^{Nair et al., 2020}). Una manera sencilla de incorporar el tema en el marco de los modelos de crecimiento la presentan ^{Barro y Sala-i-Martin (2004)}, quienes emplean un modelo simple de líder-seguidor que permite analizar el efecto de la innovación y la imitación tecnológica sobre la tasa de crecimiento económico. La importancia de este modelo radica en que es posible interpretarlo de una manera novedosa para revelar cómo la penetración de las TIC es capaz de impulsar el crecimiento económico, tanto en la economía que lidera la innovación como en las seguidoras, por lo que constituye un marco de referencia y punto de partida útil para analizar el fenómeno y obtener recomendaciones de políticas.¹ En este modelo, el crecimiento de la economía líder (economía 1) es impulsado por sus innovaciones, mientras que el crecimiento de la economía seguidora (economía 2) depende de la imitación de las innovaciones que se han hecho en la economía que lidera la innovación.

Según el modelo de ^{Barro y Sala-i-Martin (2004, p. 296)}, la tasa de crecimiento de la economía líder puede escribirse de la siguiente manera:

Siendo θ > 0 y ρ > 0 dado que son parámetros relacionados con las preferencias de los hogares. Por otra parte 0 < α > 1 indica la elasticidad del producto marginal de los bienes intermedios. Un supuesto importante que realizan los autores, es que estos tres parámetros son similares para ambas economías (la líder y la seguidora). Por otra parte, A₁ es un parámetro de productividad que representa la calidad de la gobernanza y el nivel de la tecnología. L₁ denota dotación de trabajo y η es el costo unitario de inventar una nueva variedad.

Por el lado de la empresa seguidora, la tasa de crecimiento será:

Donde N₁ es el número de variedades de productos intermedios ideados en la economía líder y N₂ el número de productos introducidos en la economía seguidora. En todo momento N₂ ≤ N₁. Por su parte, μ es un parámetro positivo que determina la velocidad de convergencia, y (N₂ / N₁)* es un cociente que muestra cuando los dos países se encuentran en estado estacionario.

Dada las ecuaciones (1) y (2) es posible extraer algunas conclusiones. En primer lugar, la tasa de crecimiento de la economía líder puede incrementarse reduciendo los costos de invención (η), incrementando la fuerza de trabajo L₁ (a lo que las tic pueden contribuir directamente) o elevando el parámetro de productividad A₁, esto último a partir de acciones que promuevan “los gobiernos electrónicos, la rendición de cuentas, las asociaciones público-privadas, y aprendiendo de las mejores prácticas en todo el mundo, las tic mejoran la calidad de la gobernanza y, por tanto, la productividad” (^{Vu, 2011, p. 360}).

Finalmente, la economía seguidora tendrá una tasa de crecimiento que dependerá fundamentalmente de la tasa de crecimiento de la economía líder (γ₁) y de μ. Este último resultado es relevante, si se tiene en cuenta un desglose conceptual de las transformaciones tecnológicas actuales y sus impactos sobre el crecimiento. Por un lado, la industria 4.0 que refiere a un modo de producir basado en la incorporación de tecnologías 4.0, enfocadas fundamentalmente en la automatización, la robotización de procesos y los datos en tiempo real, y por otro, la economía de servicios digitales fundamentada principalmente a partir del uso de plataformas (comercio electrónico). Algunos autores como ^{Capello y Lenzi (2023)} muestran que la adopción de la tecnología de industria 4.0 y la automatización podrían estar asociadas con el crecimiento económico regional de aquellas locaciones donde se produce la transformación, mientras que los efectos de la digitalización se extienden y difunden de manera más general por todas las regiones, sin brindar a aquellas regiones donde prevalece la transformación de la economía de servicios digitales ninguna ventaja significativa de crecimiento con respecto a otras.

Revisión de la literatura

En general, la literatura empírica existente en torno a la cuestión tic, productividad y crecimiento económico y ha sido agrupada atendiendo a diferentes criterios (^{Fernández-Portillo et al., 2020}; ^{Vu et al., 2020}): efectos de las TIC sobre el crecimiento económico y/o la Productividad Total de los Factores (PTF) -incluyendo pruebas de causalidad-, canales de transmisión, e impacto diferencial de las TIC, según el tipo de país.

No obstante, también es posible encontrar autores que dividen a los estudios en dos categorías: los que estudian la relación de las TIC sobre la PTF -realizando aquí una subdivisión entre estudios a nivel países y estudios a nivel empresas- y los que estudian la relación de las TIC con la productividad del trabajo (^{Shahnazi, 2021}).

Para el caso de países de América Latina, la literatura empírica se encuentra concentrada en el análisis de casos individuales a nivel país o firmas. A excepción de los trabajos de ^{Hofman et al. (2016)} y ^{Quiroga-Parra et al. (2017)}.

^{Hofman et al. (2016}) analizan el impacto de las TIC sobre el crecimiento económico de cinco países de América Latina (Argentina, Brasil, Chile, Colombia y México) para el periodo 1990-2013. Asimismo, los autores están interesados en explicar la brecha del PIB per cápita en relación al de la economía estadounidense. La principal causa que encuentran, para la persistencia en la brecha de productividad laboral, es la creciente brecha en las TIC que contrarresta las mejoras del capital humano en América Latina.

^{Quiroga-Parra et al. (2017)} realizan un análisis comparado del uso de las TIC entre seis países de América Latina (Argentina, Brasil, Chile, Colombia, Perú y México) y siete países desarrollados. Los resultados muestran las fuertes brechas tecnológicas, de conocimiento, productividad e innovación en la región; los autores señalan como primera evidencia que las TIC son una razón causal del bajo nivel de productividad y calidad de vida en América Latina. Aunque no desarrollan un modelo econométrico, realizan las principales comparaciones basándose en correlaciones para diferentes medidas de acceso y uso de TIC.

A diferencia de estos dos trabajos, a nivel grupo de países y economía agregada, este trabajo considera un periodo reciente y extenso donde internet ya no es una tecnología de introducción, así como un mayor número de secciones cruzadas. Por otra parte, la metodología de datos de panel es útil para la comparación internacional con otros trabajos.

A nivel empresa, y para el caso ecuatoriano, ^{Arévalo-Avecillas et al. (2017)} llevan a cabo un trabajo correlacional, en el que arriban a tres conclusiones principales. Por un lado, existe una clara influencia entre inversión en ti y productividad de las organizaciones. Por otra parte, la adopción de un sitio web muestra una relación significativa y positiva en función del desempeño de productos y servicios, y por último, no presenta relación alguna con respecto al rendimiento de procesos de negocio. Finalmente, el uso de comercio electrónico no muestra una relación significativa con la productividad.

^{Figueroa Hernández et al. (2021)} estudian, para el caso de la economía mexicana, el impacto de internet sobre el crecimiento económico para el periodo 1990-2018. A partir de un modelo uniecuacional estimado por Mínimos Cuadrados Ordinarios (MCO) encuentran un efecto positivo de las variables número de usuarios de internet y suscripciones de teléfonos fijos sobre el crecimiento.

Utilizando un modelo cuadrático, para el caso de Nicaragua, ^{Brenes-González (2023)} estima las semielasticidades de porcentaje de hogares que usa internet sobre el crecimiento económico de esa economía. El coeficiente estimado para el caso de la variable lineal es de 0.0373.

Para el caso de otras economías, las contribuciones empíricas recientes son, en general, más proliferas tal vez debido a la mayor disponibilidad y especificidad de los datos. En este sentido, ^{Gopane (2020)} examina la influencia de la digitalización sobre la productividad laboral a partir de modelización econométrica basado en un modelo de crecimiento endógeno para el caso del bloque denominado BRICS (Brasil, Rusia, India, China y Sudáfrica). Los hallazgos del estudio confirman la nueva paradoja de la productividad, dado que el autor concluye que una digitalización acelerada que no se manifiesta en un crecimiento de la productividad.

Para el caso de países de la Organización para la Cooperación y el Desarrollo Económicos (OCDE), ^{Kurniawati (2021)} trabaja con una muestra de 24 países para el periodo 2000-2018. La metodología utilizada se basa en cointegración en el marco de un panel y modelos de corrección de errores vectoriales. Los resultados a los que arriba muestran que el desarrollo de la innovación es muy significativo para promover el crecimiento económico en los últimos años de su muestra.

Estudios anteriores para países europeos o de la OCDE son los de ^{Nair et al. (2020)} y ^{Pradhan et al. (2017b}, ²⁰¹⁸, ^2019a y ^2019b). En todos los casos, y trabajando con diferentes metodologías, periodos y grupos de países, encuentran impactos positivos de las TIC sobre el crecimiento económico.

^{Adeleye et al. (2022)}, por ejemplo, testean la denominada hipótesis de salto para ocho economías de la Asociación Surasiática para la Cooperación Regional (South Asian Association for Regional Cooperation, SAARC, por sus siglas en inglés) para el periodo 2000-2020. El examen de dicha hipótesis se lleva a cabo a partir de un panel de datos desbalanceado. Las variables clave son el PIB real per cápita y cuatro indicadores de TIC (teléfonos móviles, teléfonos fijos, banda ancha fija y usuarios de internet). El método principal de estimación es el Método de Regresión Cuantílica de Momentos (MM-QR). Los resultados hallados muestran que las TIC (indicadores individuales e índice compuesto) ejercen un efecto positivo estadísticamente significativo sobre el crecimiento económico. Asimismo, la hipótesis del salto es válida para teléfonos móviles y modelos de índices compuestos y en el caso de banda ancha fija sólo para los cuantiles inferiores.

^{Odhiambo (2022)} se propone estudiar para el caso de países de África subsahariana y para el periodo 2004-2014, la relación entre las TIC, la distribución del ingreso y el crecimiento económico. La técnica de estimación utilizada es el Método Generalizado de Momentos (GMM). El autor encuentra evidencia de que, en general, un aumento en el desarrollo de las TIC conduce incondicionalmente a un aumento del crecimiento económico en los países estudiados.

Recientemente, ^{Lyu et al. (2023)} encuentran evidencia de una relación positiva entre la economía digital y la PTF ecológicos para el caso de la economía china. Sus principales hallazgos muestran que la economía digital tiene, por un lado, un impacto directo positivo y, por otro, un efecto de derrame espacial sobre la PTF verdes en forma de “U”. El origen de estos efectos se encuentra vinculado principalmente al rol de la economía digital como agente de promoción del progreso de la tecnología verde. Asimismo, los resultados reportados del análisis de heterogeneidad muestran que la economía digital es el factor fundamental para que las ciudades que tienen sus economías basadas en recursos naturales, rompiendo así con la denominada maldición de los recursos naturales.

^{Haldar et al. (2023)} trabajan con una muestra de 16 países emergentes en el periodo 2000-2018. Utilizando las estimaciones provenientes del GMM con variable instrumental y regresiones con efectos fijos, concluyen que las TIC no sólo aumentan monótonamente el crecimiento económico, sino que también ejercen un efecto aumentando la eficacia del desarrollo financiero sobre el crecimiento. No obstante, los autores advierten que las TIC acentúan los efectos negativos del comercio sobre el crecimiento económico.

Sobre la relación TIC vs. productividad laboral la literatura es extensa. En general, se documenta un efecto positivo del uso de las TIC sobre la productividad laboral, aun para aquellas personas con menores niveles educativos (^{Lee et al., 2020}).

Adicionalmente, emerge como otro importante tema relacionando la cuestión de la sensibilidad de los puestos de trabajo a la computarización y la difusión extendida de la robótica en los distintos sectores (^{Lorenz at al., 2023}; ^{Acemoglu y Restrepo, 2020}; ^{Frey y Osborne, 2017}). En este sentido, es importante notar que “las TIC’s pueden afectar la reducción de costos al ahorrar mano de obra y capital. Esto puede afectar la flexibilidad del proceso de producción y puede inducir un retorno creciente a escala” (^{Shahnazi, 2021, p. 345}) (véase Figura 1).

Fuente: elaboración propia, adaptado (editado y completado) de ^{Shahnazi (2021)}.

Figura 1 Efectos de las TIC sobre la productividad 

Finalmente, la Tabla 1 ofrece una síntesis de los trabajos empíricos sobre los impactos de las tic sobre la productividad y el crecimiento:

Análisis descriptivo

En la Tabla 3 se ilustran las estadísticas principales de las variables involucradas en el análisis.

Como se puede apreciar, se destaca una profunda discrepancia en la variable PHBA, lo que refleja la marcada diferencia entre los países respecto al PHBA. En este sentido, mientras que para el último año de la muestra países como Argentina y Chile tienen valores de entre 85 y 90%, otros como Guatemala, Paraguay y Perú presentan valores inferiores al 40%.

Por otra parte, la PTF no ha tenido un desempeño al unísono en las diferentes economías (véase Figura 2). Aunque en algunas de ellas, se observa una tendencia positiva, en el caso de Brasil y México la tendencia es manifiestamente descendente.

Fuente: elaboración propia.

Figura 2 Evolución de la PTF 

Estimaciones

La Tabla 4 resume los principales resultados de la estimación. La misma se efectuó mediante MCO y se realizó con errores estándar robustos a partir de la utilización de una matriz de White que resuelve la dependencia entre las diferentes secciones cruzadas.

En primer lugar, es posible observar que todas las variables presentan los signos esperados a priori, de acuerdo con lo señalado a nivel teórico, al tiempo que muestran significatividad estadística. El coeficiente de la variable PHBA muestran que un cambio del 1% en ella está asociado a un cambio en la variable dependiente (PTF) de 0.064%. Esto indica que la contribución, aunque va en la dirección señalada por la teoría, presenta una fuerte inelasticidad, lo cual implica que el incremento en el porcentaje de hogares con banda ancha tiene un impacto modesto sobre las mejoras de la productividad. Dicho valor se encuentra muy próximo al reportado por ^{Niebel (2018)} quien, si bien calcula la elasticidad del crecimiento económico respecto del capital de las tic, son medidas que a priori se podrían pensar como próximas en virtud de la gran influencia de la PTF en el crecimiento. La muestra que utiliza el autor está formada por países con distinto grado de desarrollo. El valor global estimado en dicho estudio es de 0.089 para la muestra global; sin embargo, un análisis más exhaustivo le permite presentar los resultados en función de grupos de países, y concluye que esos valores son 0.066, 0.059 y 0.084 para países en desarrollo, emergentes y desarrollados, respectivamente. En la misma dirección, ^{Mashadihasanli y Zülfikar (2023)} arriban a un valor similar para la elasticidad del crecimiento económico respecto al número de usuarios de internet cada cien personas. En particular, utilizando una estimación por GMM concluyen que el valor es 0.0477 para una muestra formada por 35 países (desarrollados y en desarrollo) y para el periodo 2001-2021.

Por otra parte, todas las variables de control muestran también coeficientes con signos esperados y algún grado de significatividad estadística. Para el caso de la primera de ellas, FBC, utilizada como variable proxy de inversión, el resultado también es inelástico, 0.205, lo cual implica que un cambio del 1% en la inversión implica un cambio del 0.205% en la PTF. Este resultado es razonable, y tiene sentido entre otros factores debido a la ley de rendimientos marginales decrecientes.

Algo similar ocurre con la variable gasto en I+D, cuyo coeficiente arroja un valor de 0.03. Sin embargo, esta variable resultó significativa sólo al 10%. El valor reportado se encuentra en línea con estimaciones para países de desarrollados. En este sentido, ^{Piekkola (2022)} estima para Finlandia la elasticidad del producto en relación al gasto en I+D en un rango de entre 0.036 y 0.039.

En relación con la variable institucional de control rj, también resulta significativa al 5% y debe tenerse presente que en este caso su coeficiente muestra una semielasticidad, habida cuenta que ingresa al modelo en nivel por asumir valores entre -2.5 y 2.5. De esta forma, los resultados muestran una contribución positiva de las RJ hacia la PTF. Esto implica que una mejora de un 1% en RJ repercuta aproximadamente en un cambio de 0.0052% de la PTF.

En términos de la Figura 1, las variables de control FBC y RJ tienen una incidencia positiva sobre la productividad. FBC vía inputs y RJ mediante el proceso para la obtención de outputs. En este sentido, ^{Shahnazi (2021)} sostiene que las TIC son capaces de afectar el proceso vía reducción de costos a partir de reducción o ahorro de inputs (trabajo y capital). En este punto, resulta claro que el grado de flexibilidad del proceso productivo dependerá en gran medida de aspectos institucionales vinculados a las “reglas de juego”.

Por otra parte, las pruebas de validación del modelo son satisfactorias, existe normalidad residual y el nivel de explicación es adecuado (el 93% de las variaciones de la PTF viene explicado por las variaciones conjuntas de las explicativas). El problema de dependencia residual entre las secciones cruzadas se resuelve utilizando el procedimiento de White.

Por último, el anexo presenta los efectos fijos por sección cruzada y por periodo, respectivamente. En relación con los primeros, sólo Bolivia, Brasil, Perú y Uruguay presentan valores negativos, lo que implica adicionar al intercepto de sus respectivas ecuaciones dichos valores idiosincráticos, mientras que los efectos por periodos reflejan los cambios vinculados al intercepto en cada uno de los años de referencia.