1. Introducción

El mundo digital actual permea en distintas intensidades en las sociedades y economías del mundo. Su importancia económica es innegable. En México, el valor agregado censal bruto del comercio electrónico aportó 5.9% al PIB en 2022 (^{INEGI, 2023a}), mientras que el subsector de las telecomunicaciones creció a una tasa promedio anual de 9% entre 2015 y 2023 (^{INEGI, 2023e}), muy por encima de la tasa de crecimiento promedio anual, cercana al 1%. A nivel global, los países desarrollados presentan mayor desempeño, pues el valor del comercio electrónico tuvo tasas de crecimiento promedio anual de entre 8 y 10%, en países como Alemania, Corea del Sur y Estados Unidos (^{OECD, 2024}).

La literatura especializada sobre la relación entre variables de digitalización y el crecimiento económico ha crecido en los últimos lustros. Una de las investigaciones del Banco Mundial (BM) (^{Qiang et al., 2009}) encontró que las variables de telecomunicaciones tienen un impacto positivo en el crecimiento económico. El análisis de ^{Katz (2009)} validó su efecto transversal positivo para países desarrollados y de América Latina (AL) a través del empleo, la inversión, la innovación, la productividad y el desarrollo económico. Otros trabajos para países de AL permitieron validar también los efectos multiplicadores de la infraestructura tecnológica en el desempeño económico (^{Alderete, 2017}; ^{Katz et al., 2023}; ^{Zaballos y López-Rivas, 2012}). ^{Rabanal (2024)}, por ejemplo, afirma que existe evidencia de la paradoja de la productividad de la tecnología (^{Solow, 1987}), en su análisis para 12 países de AL.

En lo que se refiere a México, la literatura que mide la relación causal entre variables de telecomunicaciones y crecimiento económico no es abundante. Se identifican algunos trabajos como el de ^{Jiménez et al. (2014)}, con datos de 1991 al 2010, que encontraron un efecto positivo de las variables de usuarios de teléfonos móviles y del número de computadoras en el PIB mediante el Índice Global de Innovación (GII, por sus siglas en inglés);¹ el estudio por subsectores de ^{Díaz et al. (2018)} evidenció la importancia del nivel educativo, la capacitación en tecnologías de la información y la comunicación (TIC) y la disponibilidad de infraestructura tic de las empresas como determinantes de la productividad laboral en México; en tanto, ^{González (2020)} estimó el efecto del internet de banda en el PIB en 0.13%, para el periodo 2013-2018.

Por lo tanto, es necesario resaltar el contexto en el que se ubica esta investigación: i) existe una relación positiva entre variables de digitalización y el crecimiento económico; ii) se constata un mayor efecto en países con alto progreso económico, ligados con variables de capital humano, exportaciones, inversión extranjera directa e inversión pública (^{Pradhan et al., 2018}); iii) se ha popularizado el uso de variables individuales de telecomunicaciones o índices compuestos de digitalización (^{CMD, 2024}; ^{ITU, 2024a}; ^{Milošević et al., 2018}); y iv) los análisis son más bien para países. En este trabajo se realiza un esfuerzo adicional, la construcción de un índice de digitalización robusto para los 32 estados de México para el periodo 2015-2023, con la inclusión de variables socioeconómicas y de activos tic en hogares y de habilidades en el uso de las tic, en consonancia con índices de desarrollo digital internacionales (^{EC, 2024}; ^{ITU, 2024b}; ^{Jyoti y Singh, 2023}; ^{Katz, 2009}).

El objetivo central de la investigación es medir el impacto de un Índice de Economía y Sociedad Digital (IESD) en el crecimiento económico de México. Se corren modelos de regresión de panel dinámico y se diferencia el impacto de la digitalización según nivel económico de los estados.

El trabajo se presenta de la siguiente manera: en el segundo apartado se detallan aspectos conceptuales sobre la relación entre crecimiento económico y progreso técnico, relacionados con la digitalización. Después se discute el uso de variables e índices de digitalización en su relación con el crecimiento económico. La cuarta sección detalla aspectos metodológicos sobre el IESD y la especificación de modelos econométricos. En un quinto apartado se presentan la modelación econométrica y los resultados. Posteriormente, la discusión e implicaciones. En la parte final se presentan las conclusiones y los anexos.

2. Crecimiento económico y economía digital: aspectos conceptuales

^{Schumpeter (1942)} fue uno de los primeros en reconocer a la innovación y la inversión en conocimiento y progreso técnico como fuentes del crecimiento económico y la transformación industrial, capaces de mantener y reproducir el sistema capitalista. A su vez, en la teoría económica de la corriente neoclásica (^{Solow, 1956}; ^{Swan, 1956}), se asume que el crecimiento económico se explica por mejoras en la productividad y la tecnología y no directamente por la acumulación de capital físico o humano. Teóricos del crecimiento endógeno (^{Aghion y Howitt, 1998} y ²⁰⁰⁸) argumentan que el progreso técnico es capaz de potenciar el crecimiento económico a través de la innovación y el conocimiento, superando los rendimientos decrecientes del capital.

En los trabajos de ^{Katz y Koutroumpis (2013) 2} y de ^{Pradhan et al. (2014)} se asume que las variables de infraestructura tecnológica o de telecomunicaciones materializan el progreso técnico, generando rendimientos crecientes a escala. El progreso tecnológico, la digitalización y el internet se materializan en un sinnúmero de actividades comerciales, agilizan servicios gubernamentales, conectan oferentes con demandantes de bienes y servicios. ^{Tapscott (1996)} define la economía digital como una combinación de redes, conocimiento, inteligencia y creatividad para la creación de riqueza y desarrollo social. Para ^{Kling y Lamb (2000, p. 17)}: “se enfoca en los bienes y servicios cuyo desarrollo, producción, venta o provisión es críticamente dependiente de las tecnologías digitales […]”. Mientras que para la ^{OECD (2020)} involucra el uso de tecnologías, infraestructura digital, servicios digitales y los datos, utilizados por tres agentes principales: productores, consumidores y gobierno. Por su parte, ^{Bukht y Heeks (2017)} hablaron de un ecosistema de la economía digital que permite conectar individuos, negocios, dispositivos y sociedad en su conjunto.

Por lo tanto, el concepto de economía digital engloba aspectos de infraestructura tecnológica, de mercado y organizacionales. Sin embargo, vale la pena mencionar que durante muchos años fue complicada su medición. ^{Solow (1987, p. 2)} acuñó la frase de: “La era de la informática se puede ver en todas partes, excepto en las estadísticas de productividad”, ya que las inversiones en computadoras, telefonía y dispositivos tecnológicos no se reflejaban en las estadísticas de productividad e ingreso.

Es por ello que en la mayoría de la literatura existente se miden relaciones causales entre variables de telecomunicaciones o índices de digitalización para relacionarlos con el desempeño económico, recurriendo en mayor medida a estadísticas oficiales del BM, el Foro Económico Mundial, la Unión Internacional de Telecomunicaciones (International Telecommunication Union, ITU, por sus siglas en inglés) o la Comisión Europea (EC). En menor número de casos se trabaja con datos nacionales (^{Chen y Kimura, 2019}; ^{Hanafizadeh et al., 2009}; ^{Jyoti y Singh, 2023}). Bajo esta premisa, se revisaron trabajos que analizan la relación entre variables de digitalización y crecimiento económico.

3. Revisión de la literatura sobre la relación entre digitalización y crecimiento económico

A nivel global se documentan modelos con el uso de variables individuales de digitalización y el crecimiento económico: i) el número de líneas de telefonía fija o teledensidad (^{Datta y Agarwal, 2004}; ^{Norton, 1992}); ii)^{Jacobsen (2003)} y ^{Minges (2000)} tomaron el número de computadoras personales y el número de teléfonos, resaltando el ingreso, el nivel educativo, el empleo y la ubicación geográfica como factores clave en la sociedad y en la economía; iii) el BM (^{Qiang et al., 2009}) utilizó la conexión a internet de banda ancha, el uso del teléfono móvil y la conectividad a internet móvil, respectivamente; iv)^{Fernández-Portillo et al. (2020)} usaron variables de uso de internet y actividades mediadas por las TIC (lectura de periódicos digitales, comercio electrónico y uso del e-Gobierno).

Los índices de digitalización se construyen para medir desigualdades o brechas, con una visión de tránsito hacia la construcción de sociedades de información (^{Tello, 2008}). El índice de desarrollo digital de la ^{ITU (2024b)}, muestra a México por encima del promedio mundial (80.7 contra 74.8). El índice de economía y sociedad digital de Europa (^{EC, 2022})³ evidencia el liderazgo de países nórdicos y del Reino Unido.

Igualmente, para países de AL algunos estudios validan el efecto positivo de la digitalización en el crecimiento económico, ^{Alderete (2017)} encuentra que un 1% de aumento en el número de conexiones de internet de banda ancha aumentaría el PIB promedio en 0.184%; ^{Zaballos y López-Rivas (2012)}, para países de América Latina y el Caribe (ALyC), con datos del periodo 2003-2009, un 1% de incremento en la penetración de banda ancha fija aumentaba el PIB 0.32%. ^{Brenes-González (2023)} para Nicaragua, periodo 2000-2020, un 1% de incremento en hogares conectados a internet incrementaba la productividad en un 0.04%. Sólo ^{Quiroga-Parra et al. (2017)} validaron la asociación negativa entre baja penetración tecnológica y rezago económico.

El estudio de ^{Farhadi et al. (2013)}, para el periodo 1995-2009, utilizó un índice de digitalización compuesto de las tic en países desarrollados; los resultados fueron un aumento del PIB de 0.15% por cada incremento de 1% en el índice. Usando también un índice de digitalización, ^{Katz y Koutroumpis (2013)}, en una muestra de 184 países para el periodo 2004-2010, encontraron un aumento de 0.06% en el PIB por cada punto porcentual del índice. ^{Hanafizadeh et al. (2009)}, mediante un índice compuesto de digitalización tic para 150 países, agrupándolos por nivel de desarrollo TIC, validaron el liderazgo de países nórdicos y el rezago de países africanos. Mientras que el índice de ^{Gerpott y Ahmadi (2015)} encontraron un mayor efecto de las variables de banda ancha y telefonía móvil en el producto agregado y en el desarrollo.

En el caso de México, predominan trabajos de corte transversal y sobre temas de brecha digital (^{Escobar y Sámano, 2018}; ^{Martínez-Domínguez y Mora-Rivera, 2020}; ^{Rodríguez, 2019; Rodríguez et al., 2024}) en un contexto regional heterogéneo (^{CMD, 2024}); la persistencia del avance de estados del centro y norte del país (Ciudad de México, Nuevo León y Baja California) y un atraso de estados del sur y sureste (Chiapas, Guerrero y Oaxaca). Esto último se evidencia en el IESD calculado para México (véanse anexos 1, 2 y 3), un rezago digital estructural del sureste mexicano.

Estas investigaciones se vinculan con este trabajo por las unidades de análisis seleccionadas -hogares o usuarios de las TIC-, la muestra y el relacionar crecimiento económico con variables de digitalización.

Con base en lo anterior, la propuesta de este trabajo se basa en: i) el IESD elaborado por la ^{EC (2022)}, centrado en la medición del avance digital de sus países miembros y orientar políticas y estrategias de transformación digital y crecimiento económico; ii) el índice de desarrollo digital de la ^{ITU (2024b)}; y el índice de ^{Farhadi et al. (2013)}, quien usa dicho índice como proxy del desarrollo de las TIC en la modelación econométrica. Para México, la propuesta del IESD devela la evolución digital de los 32 estados, posiciona la relevancia del tema del nivel de digitalización -económica y social- a nivel estatal y en la política pública en materia digital.

Aquí se definirá digitalización como el nivel de desarrollo de las TIC, aproximado por el nivel socioeconómico de los hogares, la dotación de activos TIC y habilidades digitales en el uso especializado del internet. La inclusión de variables socioeconómicas se justifica por la existencia de desigualdades económicas y sociales entre los estados, como pobreza, informalidad laboral o bajo nivel educativo, entre otros. A continuación se describen los aspectos metodológicos para la construcción del IESD.

4. Aspectos metodológicos y datos utilizados

En términos metodológicos, el uso de variables TIC para la construcción de índices son una herramienta útil al considerar una mayor cantidad de información y robustez. El insumo principal para este trabajo fue el procesamiento de microdatos de la Encuesta Nacional sobre Disponibilidad y Uso de las Telecomunicaciones en los Hogares (ENDUTIH), para el periodo 2015-2023⁴ (^{INEGI, 2015} a ²⁰²³), de los cuestionarios de viviendas, hogares y usuarios. Con excepción del 2019,⁵ la muestra es representativa a nivel nacional y estatal, comparable tanto para hogares como para usuarios⁶. Adicionalmente, no existe una variación considerable en la estadística de algunas variables de telecomunicaciones publicadas a nivel de país por la OCDE y la estadística de la ENDUTIH.⁷

A diferencia de las metodologías ensayadas en otros estudios, por ejemplo, ^{Farhadi et al. (2013)} (ocho indicadores en tres categorías: acceso, uso e indicadores de educación y habilidades), la ^{ITU (2024b)} (14 indicadores en tres categorías: acceso, uso y habilidades), ^{Katz y Koutroumpis (2013)} (16 indicadores en seis componentes, relacionados con asequibilidad, infraestructura TIC, uso y capital humano), o el mencionado DESI para países europeos, la selección de variables socioeconómicas y de TIC (acceso, uso y habilidades) responde al uso de microdatos de la ENDUTIH y a sus unidades de análisis (viviendas, hogares y usuarios), lo que posibilita la construcción del índice a través del tiempo para los 32 estados.

Para la construcción del IESD se utilizaron 20 variables, divididas en tres categorías: 1) condiciones de la vivienda (medir las condiciones mínimas de satisfactores básicos); 2) disponibilidad de activos y servicios TIC (aproximar las condiciones mínimas para la inclusión digital); y 3) habilidades digitales (reflejo del capital humano para interactuar en la sociedad y en la economía).

El cálculo del índice se realizó mediante un promedio simple, con ponderaciones de 0.20, 0.40 y 0.40, respectivamente. El considerar aspectos socioeconómicos de los hogares no es menor, ya que se basa en el carácter de inasequibilidad persistente del servicio de internet.⁸

En la Tabla 1 se enlistan las variables para construir el IESD, definiciones y pesos. Todas las variables son dicotómicas, toman el valor de 1 cuando la respuesta es afirmativa, a nivel del hogar o del individuo.

El panel de datos se complementa con variables agregadas a nivel estatal que influyen en el comportamiento de la interacción entre variables tic y el crecimiento económico, a saber, la inversión pública, las exportaciones y la inversión extranjera directa (^{Datta y Agarwal, 2004}; ^{Katz y Koutroumpis, 2013}; ^{Pradhan et al., 2018}) (véase Figura 1). El resultado fue la conformación de un panel de datos con 288 observaciones (32 entidades federativas y nueve años) y un código de programación en el paquete STATA versión 17.

Notas: DESIMEX (Digital Economy and Society Index of Mexico, por sus siglas en inglés); la variable dependiente es el PIB real en millones de pesos (por conveniencia, PIB). En los recuadros 1, 2 y 3 se enlistan las variables para la construcción del IESD: Condiciones de la vivienda, Disponibilidad TIC y Habilidades digitales. En la parte inferior derecha se enlistan las variables económicas: FBCF: Formación bruta de capital fijo (millones de pesos) o inversión pública; EXP: exportaciones (millones de USD$); IED: Inversión Extranjera Directa (millones de USD$); las variables TIC individuales: usuario de internet dentro o fuera del hogar, en los últimos tres meses (UI), usuario de teléfono móvil (UM), servicio de internet en el hogar (SI) y computadora en el hogar (DC) y el IESD (DESIMEX).

Fuente: elaboración propia con base herramienta ^{Mermaid (2025)} y con información de ^{ENDUTIH-INEGI (2015} a ²⁰²²; ^2023b), ^{INEGI (2023c}, ^2023d, ^2023e) y ^{Secretaría de Economía (2023)}.

Figura 1 Variables TIC y regionales que influyen en el crecimiento económico estatal, 2015-2023 

La clasificación de estados con PIB alto y con PIB bajo, mediante el PIB real per cápita del 2023 (véase Anexo 4),⁹ se hizo para medir el efecto diferenciados de las variables de digitalización en el crecimiento económico (^{Abramovitz, 1986}; ^{Díaz et al., 2016}; ^{Singh y Kumari, 2023}) o lo que ^{Koutroumpis (2009)} denomina como externalidades de red, en el sentido de un efecto no lineal de las tic en el crecimiento, lo que da como resultado retornos mayores que los proporcionales cuando se alcanzan ciertos niveles de masa crítica. Los valores de variables agregadas en cada uno de los grupos de estados (véase Anexo 5) da cuenta del estadio diferente de desarrollo económico y de desarrollo digital. Por ejemplo, la variable de uso de internet se presenta como una fase inicial, mientras que variables como disponibilidad de computadora en el hogar o la variable del IESD indicarían un estadio superior, relacionado con un uso especializado del internet.¹⁰

5. Modelación econométrica y resultados

Dada la relación no contemporánea entre variables de digitalización y crecimiento económico se plantean modelos de panel dinámico. La estructura de los datos y el contexto del análisis (para estados de un país y no para países) permitieron ensayar dos técnicas de regresión. En primer lugar, el uso del método de diferencias GMM (^{Arellano y Bond, 1991}) y, en segundo lugar, el método de sistema GMM (^{Blundell y Bond, 1998}; ^{Roodman, 2009}). El primer modelo elimina los efectos fijos no observados y utiliza rezagos de la variable endógena y exógenas como instrumentos para eliminar problemas de endogeneidad (^{Ruiz-Porras, 2012}). Ambos tipos de modelos tienen la particularidad de ajustar aspectos de panel de datos, correlación serial, heteroscedasticidad y endogeneidad.

El modelo de sistema GMM permite superar deficiencias del modelo tradicional de ^{Arellano y Bond (1991)}. Uno de los casos es cuando los instrumentos son débiles o no válidos, en este caso, el modelo de sistema GMM es capaz de combinar variables en niveles y en diferencias, soluciona el problema de variables explicativas potencialmente endógenas y permite superar problemas de heteroscedasticidad mediante estimaciones más robustas.

En cuanto a las variables, por conveniencia, todas fueron transformadas en logaritmos, lo que facilita el análisis y la interpretación de resultados en términos de elasticidades, aislando el efecto instantáneo de cada variable independiente sobre la dependiente. El modelo de regresión canónico de panel dinámico en niveles tiene la forma siguiente:

Donde:

i = representa los estados (32 estados);

t = los años (2015 al 2023);

a = Coeficiente que mide el efecto persistente de la variable dependiente;

Y_i,t = es la variable dependiente para la unidad i en el tiempo t;

Y_{i, t-1} = variable dependiente rezagada;

X_i,t = Vector de variables independientes (variables explicativas, el IESD, las tic individuales y las agregadas);

β_i = Vector de coeficientes asociados a las variables;

η_i = Efectos específicos no observados de la unidad i;

ε_i = Error idiosincrático.

Debido a la cantidad reducida de periodos y un número no tan grande de grupos no se utilizó el tipo de modelo con variables independientes exógenas, es decir, no se utilizaron operadores de rezagos en estas variables para tener un mayor control sobre el número de instrumentos (^{Mileva, 2007}). Previamente, se realizó el procedimiento para validar que la mejor especificación de modelos es la de panel de datos, es decir, se corrió la prueba del multiplicador de Lagrange de Breusch-Pagan (BPLM, por sus siglas en inglés), que permite conocer si se tiene un efecto de panel. En los tres casos se rechazó la hipótesis nula (véase Tabla 2).

Se corren seis regresiones usando especificaciones de panel dinámico. En los primeros tres se corren modelos dinámicos del tipo differenced GMM estimators, el cual es particularmente útil cuando se tienen muchos grupos y pocos periodos, pueden incluirse variables independientes exógenas, predeterminadas y/o endógenas (^{Labra y Torrecillas Bautista, 2018}). En lo tres restantes se ejecutaron modelos dinámicos tipo system GMM, con la finalidad de reafirmar los resultados y utilizar más variables como instrumentos (^{Roodman, 2009}).

La técnica de ^{Arellano y Bond (1991)} permite atender problemas de endogeneidad y multicolinealidad mediante el uso de variables instrumentales.

La forma funcional del modelo dinámico del tipo sistema GMM, para eliminar efectos individuales (η _i ), tiene la siguiente forma:

Con la finalidad de obtener resultados diferenciados en los coeficientes para cada una de las muestras (todos los estados, estados con PIB alto y estados con PIB bajo) y por su referente en la literatura (^{Farhadi et al., 2013}; ^{Gerpott y Ahmadi, 2015}; ^{Jyoti y Singh, 2023}), se analizan simultáneamente la variable del índice IESD y las cuatro variables TIC individuales.

Sustituyendo por las variables la regresión queda así:

Donde:

PIB_i,t = Variable dependiente. PIB real a precios del año 2013.

αPIB_{i, t-1} = Término que representa el efecto memoria o dependencia del pasado.

IESD = Índice de economía y sociedad digital, compuesto por 20 variables, en tres categorías.

UI = Usuario de internet, al menos una vez en los últimos tres meses (cuestionario de usuarios).

MU = Usuario de teléfono celular, al menos una vez en los últimos tres meses (cuestionario de usuarios).

SI = Conexión a internet en el hogar (cuestionario de hogares).

DC = Computadora en el hogar, de escritorio o portátil (cuestionario de hogares).

IP = Inversión pública o formación bruta de capital fijo. En pesos mexicanos.

EXP = Valor de las exportaciones de mercancías, producto del intercambio comercio de México con el resto del mundo. En USD$.

IED = Flujos de Inversión Extranjera Directa, al cierre de cada año. En USD$.

d_2020 = Permite captar el efecto de la caída en el PIB a causa de la pandemia por Covid-19.

α₀ = Constante. Se obtiene un valor para cada una de las tres muestras utilizadas.

ε_i,t = Término de error que representa la variabilidad no explicada en el modelo.

En todas las variables explicativas se espera que el efecto sea positivo. El subíndice i contempla los 32 estados en las primeras dos regresiones; 16 estados con PIB alto en las siguientes dos regresiones y 16 estados con PIB bajo en las últimas dos regresiones.

El modelo de sistema GMM permite agregar condiciones de momentos en niveles. En general este modelo es idóneo porque: 1) permite calcular dos estimadores, el estimador difference GMM y el estimador aumentado o system GMM (^{Bond, 2002}); 2) se logran estimadores más eficientes en dos etapas que en una etapa y permite una corrección de muestra finita para la matriz de covarianza de dos pasos (^{Windmeijer, 2005}), logrando estimadores confiables y robustos; y 3) permite superar el problema de proliferación de instrumentos.

Las expresiones de las dos ecuaciones del modelo de panel de datos de sistema GMM son:

De forma análoga, sustituyendo las variables del modelo, la expresión de la ecuación queda de la siguiente manera:

Sustituyendo las variables y la especificación del modelo de panel de datos de sistema GMM (^{Roodman, 2009})¹¹ se corrió la ecuación en el software STATA. Los resultados de ambas especificaciones se presentan en la Tabla 3.

6. Discusión e implicaciones

Con la finalidad de superar problemas de endogeneidad, multicolinealidad y correlación serial, la modelación econométrica de panel dinámico es idónea para muestras con muchas secciones cruzadas y pocos periodos. Se prueba el efecto que tendría el IESD en el crecimiento económico para México.

El hallazgo principal del modelo es la capacidad de explicación que tiene el IESD sobre el crecimiento económico. Considerando a todos los estados, un incremento de 1% en dicho índice impulsa -ceteris paribus- el PIB nacional entre 0.054 y 0.058%, efecto similar al valor de 0.064% encontrado por ^{Rabanal (2024)}, quien utiliza el porcentaje de hogares con conexión a internet, y el de ^{Katz y Koutroumpis (2013)} 0.06%, quienes utilizan un índice de digitalización. El efecto del IESD para el grupo de estados con PIB alto aumenta en más del doble, 0.134%, valor ligeramente superior al estimado para países desarrollados por el BM (^{Qiang et al., 2009}), de 0.121%, utilizando como variable la conectividad a internet de banda ancha, ligeramente inferior al de ^{Alderete (2017)}, 0.184% y similar al valor encontrado por ^{Farhadi et al. (2013)} de 0.15%. Los resultados también están en línea con el trabajo de ^{Singh y Kumari (2023)}, quienes encuentran sólo efectos positivos de variables de telecomunicaciones en el grupo de países ricos, un incremento del PIB de 0.08 y 0.06%, utilizando variables como suscripciones a telefonía fija y de usuarios de internet, respectivamente.

En los estados con bajo PIB, el IESD no tiene efecto alguno en el crecimiento económico; lo anterior es consistente con el argumento de la necesidad de una masa crítica (^{Koutroumpis, 2009}; ^{Mariscal, 2022}) para el aprovechamiento de la digitalización. La variable de usuario de teléfono móvil confirma el estadio de desarrollo superado por México, al encontrarse un efecto negativo en el crecimiento económico, sobre todo entre los estados ricos, aunque queda pendiente la provisión de un servicio de calidad y una estructura de mercado no concentrado (^{Mariscal, 2022}).

Es interesante que el efecto de la variable disponibilidad de computadora sea positivo en las especificaciones de modelos dinámicos de sistema y que el efecto sea mayor entre los estados pobres, un incremento del 1% en el IESD incrementa el PIB en 0.233%. Este último resultado contrasta con el obtenido por ^{Jacobsen (2003)}, quien encontró en el periodo 1990-1999 un efecto positivo de las computadoras personales en países desarrollados y no para los países en desarrollo, consideradas bienes necesarios en el primer tipo de países y de lujo en los segundos. Esta idea de la computadora como bien no básico es consistente con el porcentaje de hogares con computadora en México, pues entre 2015 y 2023 este valor se redujo de 44.9 a 43.8% (^{INEGI 2015} y ²⁰²³), resultado aparentemente contradictorio con el efecto de la pandemia por Covid-19, sobre el uso intensivo del internet, la tecnología y dispositivos electrónicos.¹²

Asimismo, otro rubro a destacar es el efecto de variables agregadas en el crecimiento económico. Invariablemente, un incremento de la inversión pública tendría un efecto positivo en el desempeño económico, mucho mayor para los estados con PIB alto que para los de PIB bajo. En el caso de las exportaciones, el efecto se valida sólo para los estados ricos donde un incremento del 1% aumenta el PIB entre 0.063 y 0.066%, consistente con el perfil industrial, manufacturero y exportador de dichas entidades; la nulidad del efecto en estados con PIB bajo es señal del patrón de crecimiento económico y estrategia de crecimiento histórica, orientada al exterior y a la recepción de inversiones, en contraste con el rezago de estados del sur-sureste.

Respecto a la validez de los modelos, en primer lugar, el estadístico de Wald indica que, en conjunto, los coeficientes de las variables explicativas del modelo son estadísticamente significativas, es decir, impactan al comportamiento del PIB (un argumento débil, ya que indica que el valor de al menos uno de los coeficientes es distinto de cero); en segundo lugar, el número de instrumentos debe ser menor al número de grupos, sólo en modelos con toda la muestra se cumple dicha condición, misma que está influenciada negativamente por el panel de datos utilizados, al dividirla en dos se reduce automáticamente el número de grupos; asimismo, en este tipo de modelos no resulta adecuado el validar el test de Sargan, ya que el uso de instrumentos ocasiona una sobreidentificación del modelo;¹³ y en tercer lugar, se busca que no exista correlación serial de segundo orden en los residuos (AR 2), en todas las especificaciones no se rechazó la hipótesis nula de que no existe autocorrelación, por lo que los modelos son válidos.

Los resultados de la modelación econométrica son reveladores de la posible ruta a seguir por los hacedores de política pública en materia de inversiones en telecomunicaciones e impulso del sector. Por un lado, para los estados con bajo ingreso el mayor efecto multiplicador estaría dado por el incremento en la disponibilidad de computadoras (por encima de los documentados en la literatura), por la inversión pública y las exportaciones. En los estados con ingreso alto el aprovechamiento de la digitalización traería mayores dividendos económicos, en términos de ingreso agregado, empleo y desarrollo industrial, mientras que en estados económicamente rezagados la estrategia apremiante indica la inversión en infraestructura física, conectividad (medios de transporte) y alentar las vocaciones productivas en el sector servicios.

7. Conclusiones

Se construyó un panel de datos para México, con desagregación por entidad federativa para el periodo 2015-2023, que permitió indagar sobre la relación causal entre un índice de digitalización económico y social y el crecimiento económico. Se validó un efecto positivo y estadísticamente significativo, un incremento del 1% en el IESD impulsa el PIB total en 0.058%, efecto que se duplica cuando se toma a la muestra de estados con PIB alto, 0.134%. Consistente con la literatura revisada, es factible relacionar crecimiento económico con digitalización utilizando información de hogares o individuos como unidad de análisis. Asimismo, los hallazgos confirman y sugieren: i) el liderazgo de estados con mayor progreso económico y el aprovechamiento potencial de la digitalización como instrumento de política industrial; ii) la estrecha relación entre desempeño económico, digitalización y capital humano; y, iii) la validación de hechos estilizados del impacto positivo y diferenciado de variables de digitalización en el crecimiento económico; y iv) la importancia de enfocar la lupa en el tema de habilidades digitales, para aprovechar al máximo el potencial de la conectividad, condicionado a la existencia de capacidades institucionales, infraestructura física y tecnológica y regulación de mercados.

Con base en la revisión de la literatura y estudios que se han realizado para México, esta investigación es novedosa por los aportes siguientes: i) medición y análisis en el tiempo de un índice de economía y sociedad digital para los 32 estados, lo que se realiza comúnmente para grupos de países, por organismos internacionales (^{ITU, 2024b}; ^{EC, 2022}), mientras que en México la mayoría de estudios que utilizan índices relacionados con las TIC son de corte transversal (^{Escobar y Sámano, 2018}; ^{Martínez-Domínguez y Mora-Rivera, 2020}; ^{Rodríguez, 2019}); ii) validar empíricamente el impacto de un índice de digitalización en el crecimiento económico, con información microeconómica y de fuentes secundarias, diferenciando su efecto según el nivel económico de los estados, a diferencia de estudios que utilizan variables TIC individuales (^{Figueroa Hernández et al., 2021}; ^{González, 2020}; ^{Rabanal, 2024}); y, iii) posicionar el enfoque de la estrecha relación entre las tic y el crecimiento económico, como rubro con potencial real para dinamizar la economía nacional.

Cabe destacar que una de las limitaciones de este trabajo fue la carencia de información de ingreso o gasto de los hogares, no disponible en la ENDUTIH, además de la ausencia de variables de capital humano, como la educación terciaria, la inversión en ciencia y tecnología o la productividad. Es importante señalar que el análisis se realizó en un periodo de desaceleración económica, en la que la tasa de crecimiento media anual del PIB real fue de 0.28% y al tomar el PIB real per cápita fue de -1%; elementos a considerar en el diseño de una política industrial digital ambiciosa y de largo plazo. Queda como área de oportunidad el profundizar en el análisis del proceso de digitalización en México a nivel regional o territorial, atendiendo vocaciones productivas, científicas y de dotación de recursos. Es por ello que esta investigación abre una brecha para futuras investigaciones, sobre el impacto de la economía digital en el ámbito económico y social.

Es evidente que la reducción del gasto en conectividad a internet fijo y en computadoras en los hogares mexicanos obedece a la coyuntura económica y a la desaceleración económica, por lo que cualquier estrategia de impulso a la conectividad en la era digital implicará el diseño de esquemas de subsidios a la conectividad, aumentar el desarrollo de contenidos de acceso libre, la colaboración entre entes privados y gubernamentales, así como una nueva política pública en materia digital, centrada en la economía digital, que responda a los desafíos de una sociedad hiper conectada.