Introducción

La relación entre transporte y crecimiento económico es un tema que lleva mucho tiempo en la discusión, tanto académica como de políticas públicas. No obstante, de la claridad de la relación e importancia se torna necesario conocer la direccionalidad de la causación, tanto a corto como a largo plazo, de no hacerlo, los agentes económicos involucrados, tales como administradores de infraestructura aeroportuaria, de líneas aéreas y gobierno, podrían tener información incorrecta y, por ello, tomar decisiones erróneas al momento de planear y ejecutar políticas públicas.

La literatura reporta cuatro posibilidades en las que se puede expresar la relación entre crecimiento económico y transporte aéreo de pasajeros: que el crecimiento económico impacte sobre el tráfico aéreo de pasajeros; que el tráfico aéreo sea el que ayude a explicar una parte del crecimiento económico; que se presente una relación causal bidireccional en la que las dos variables sean explicadas una por la otra retroalimentándose y que no existe relación de causalidad. Cada una de estas posibilidades tiene asociado una recomendación de política pública por lo que resulta de interés conocer la manera en la que las variables están asociadas.

Si la causalidad va de los pasajeros al crecimiento económico, indica que el tráfico aéreo impacta a la economía local por lo que las estrategias de crecimiento para esas regiones deben considerar al traslado de pasajeros dentro de sus acciones para incentivar su desarrollo que a su vez impulsaría a otras industrias como la turística. Si la causalidad va del crecimiento económico al tráfico aéreo puede significar para los hacedores de políticas que requerirán conocer a fondo la previsión de la demanda de transporte pues las fluctuaciones de la actividad económica la impactarán, es esto un primer paso para la planificación eficiente para satisfacer la demanda, pues una previsión inadecuada puede producir desequilibrios entre la oferta y la demanda de transporte aéreo. Por ejemplo, pronósticos de la demanda futura muy bajas podrían conducir a la congestión del sistema y, por consiguiente, un incremento de los costes para los operadores, además de la ineficiencia y bajos niveles de servicio experimentados por los usuarios (^{Button y Taylor, 2000}), mientras que estimaciones de pronósticos de la demanda demasiado altas, pueden producir un exceso de capacidad de infraestructura y costos innecesarios (^{Marazzo, Scherre y Fernandes, 2010}). Si existe bidireccionalidad, es factible ejecutar políticas para promover ambas al mismo tiempo. Esta situación puede considerarse la de mayor conveniencia debido a que un incentivo en cualquiera de las dos variables estimulará a la otra generando un efecto de retroalimentación en el que ambas reciben beneficios.

Para determinar la causalidad y la dirección este artículo se divide en cinco partes. La primera fue la introducción mientras que en la segunda se analizan los aspectos teóricos que soportan la relación entre crecimiento económico y tráfico aéreo de pasajeros. En la tercera, se lleva a cabo una revisión de literatura de otras investigaciones que han abordado este tema mientras que en la cuarta parte se realiza el análisis econométrico. En la quinta parte, se presentan las conclusiones.

Metodología y datos

Para analizar la relación entre el tráfico aéreo y crecimiento económico en las entidades federativas de México, se utiliza un marco de panel de datos con periodicidad trimestral para 29 de los 32 estados del país. Se excluye a los estados de Hidalgo y Tlaxcala por su nula infraestructura de transporte aéreo y a Morelos por su falta de continuidad en la información reportada.

Para aproximar al crecimiento económico de las entidades federativas se utiliza el Indicador Trimestral de la Actividad Económica Estatal (ITAEE). Esta variable calcula el desempeño económico de las entidades federativas del país, por lo que puede fungir o se puede adaptar muy bien como variable proxy del crecimiento económico. Una de las razones para utilizar el ITAEE y no el PIBE es que el primero está desglosado en una periodicidad trimestral, compatible con la temporalidad representada en el tráfico aéreo, mientras que el segundo se presenta solo anualmente. De esta manera, al utilizar el ITAEE se incrementaría sustancialmente el número de observaciones mejorando las estimaciones de los modelos.

En relación con el tráfico aéreo, la Secretaría de Comunicaciones y Transportes (SCT) proporciona los datos referentes al número total de pasajeros nacional e internacional, tanto de origen y destino. Para representar el tráfico aéreo a nivel de entidades federativas, se agregó el total de movimientos de pasajeros registrados por vía aérea tanto de aterrizaje como de despegue nacional e internacional del total de aeropuertos reportados que disponga cada entidad federativa obteniendo un agregado estatal.

Los datos a nivel entidad federativa muestran dos contextos operacionales y de tráfico aéreo muy diferentes. De acuerdo con la ^{SCT (2015)}, existen entidades federativas que, en adelante se llamarán Estados Concentrados, que muestran una mayor capacidad operativa y en conjunto aportaron en promedio el 86.7 % del total de la actividad. Por otro lado, se encuentran los Estados con una baja actividad aeroportuaria que serán llamados Estados No Concentrados. Esta distinción ha llevado a separar la muestra en los dos grupos mencionados. Esta separación permitirá analizar si la capacidad operativa y el nivel de tráfico aéreo que implica un uso más intensivo de la infraestructura aeroportuaria condicionan la direccionalidad de la relación.

Las entidades federativas etiquetadas como Estados Concentrados incluyen: Ciudad de México, Quintana Roo, Jalisco, Nuevo León, Baja California, Baja California Sur, Sinaloa, Chihuahua, Yucatán y Sonora mientras que los No Concentrados son: Aguascalientes, Campeche, Coahuila, Colima, Chiapas, Durango, Guanajuato, Guerrero, Estado de México, Michoacán, Nayarit, Oaxaca, Puebla, Querétaro, San Luis Potosí, Tabasco, Tamaulipas, Veracruz y Zacatecas. Los tres paneles de datos muestran una gran heterogeneidad entre las observaciones incluidas en la muestra por lo que para tratar de suavizar su comportamiento se le aplicaron a las variables logaritmos naturales.

El Mapa 1 muestra la tasa media de crecimiento anual del ITAEE por entidad federativa, mientras que el Mapa 2 hace lo referente para la tasa media de crecimiento anual del total de movimiento de pasajeros para las entidades federativas de México en el periodo de 2003-2017.² También se puede notar en color negro a las entidades federativas de México que contienen una mayor tasa de crecimiento de la actividad económica, dentro de las que se encuentran: Baja California Sur seguido por Querétaro, Quintana Roo, Aguascalientes, Nayarit, Nuevo León y San Luis Potosí, las cuales han crecido a una tasa media que ronda entre 2.5 y 4.9 por ciento.

Fuente: elaboración propia con datos del Instituto Nacional de Estadística y Geografía (INEGI). Varios años.

Mapa 1 Tasa media de crecimiento anual del Indicador Trimestral de la Actividad Económica en las entidades federativas de México 2003-2017. 

Fuente: elaboración propia con datos de la Secretaría de Comunicaciones y Transportes (SCT). Varios años.

Mapa 2 Tasa media de crecimiento anual de pasajeros transportados por vía aérea en las entidades federativas de México. 2003-2017. 

En segundo grado de distribución de la tasa media de crecimiento de la actividad económica se encuentran a estados como: Jalisco, Yucatán, Durango, Baja California, Sonora, Puebla, Sinaloa y el Estado de México, los cuales han crecido por encima de la media nacional (2.04 %) entre un rango de 2.1 y 2.5 por ciento.

Por su parte, el color gris claro y blanco representan a los estados con tasas medias de crecimiento por debajo de la media nacional. El Mapa 2 muestra que los estados con mayor tasa media de crecimiento anual del tráfico de pasajeros aéreos son: el estado de México seguido de Querétaro, Puebla, Quintana Roo, San Luis Potosí, Baja California Sur, Oaxaca y Jalisco, ya que crecen entre 7.4 y 27.5 por ciento. En la segunda parte de la distribución se encuentran ha estados como Nuevo León, Chiapas, Yucatán, Durango, Chihuahua y Sinaloa los cuales crecen entre 5.9 y 7.4 por ciento.³

El análisis empírico seguirá la metodología expuesta por ^{Hakim y Merkert (2016)} y ^{Baker et al. (2015)}, la cual se centra en un procedimiento que exige de manera secuencial pasos primordiales que permiten evitar problemas de resultados espurios en las estimaciones. En primer lugar, se aplican pruebas de raíz unitaria para panel de datos con el fin de investigar el orden de integración de las variables. Dado que la estacionariedad de estas es un elemento de suma importancia en las estimaciones de causalidad, sobre todo, para evitar la obtención de resultados sesgados se complementa con una prueba de cointegración para determinar si existe una relación de largo plazo entre las variables para después estimar un modelo de corrección de errores VECM y terminar con pruebas de causalidad de Granger. En adición, se aplica una prueba de Wald para obtener una aproximación de la causalidad entre variables para el corto plazo.

Resultados empíricos

Se aplicó la prueba IPS para determinar el orden de integración de las series. La Tabla 1 muestra que todas las series son no estacionarias en niveles por lo que fue necesario aplicar una diferencia con lo que se confirmó que son I (1).⁴

El siguiente paso fue aplicar las pruebas de cointegración de Pedroni y Johansen cuyos resultados se pueden apreciar en las Tablas 2 y 3, respectivamente. Los resultados reportados sugieren una relación de largo plazo entre el tráfico aéreo y el crecimiento económico en ambas pruebas indicando que hay una relación de largo plazo. Como se anotó en la sección anterior, una vez confirmada la cointegración se procede a la generación del VECM que ofrece la dirección de la causalidad. Los resultados se pueden observar en las Tablas 4, 5 y 6. Cabe mencionar que la selección del número de rezagos es muy importante. La literatura reporta dos criterios en este aspecto, de acuerdo con ^{Holtz-Eakin, Newey y Rosen (1988)}, el número debe ser menor a 1/3 del total del tiempo utilizado en la muestra mientras que según ^{Hurlin (2004)}, la selección del número debe estar basada en T_i > 5 + 2 K (donde T_i es el lapso de tiempo y K es la cantidad de rezagos). En este trabajo se han escogido ocho rezagos basado en los criterios de información de Akaike (AIC) y Schwarz (SIC). El valor escogido satisface ambos criterios.

Como se discutió en la sección metodológica, el VECM no sólo muestra la dirección causal de largo plazo entre variables, sino que también especifica la velocidad de ajuste expresado a través del coeficiente B_it (Ecuación 4 y 5). Este coeficiente debe ser significativo y debe tener un valor negativo entre 0 y 1 para aceptar una relación de largo plazo. Además, el VECM permite analizar los efectos de corto plazo que se producen entre variables a través de los coeficientes rezagados de la variable independiente.

La Tabla 4 resume los resultados del VECM de la relación entre el ITAEE y PAS para el total de la muestra estudiada. En el modelo 1 se toma al número de pasajeros transportados por vía aérea como variable dependiente y a la variable proxy de crecimiento económico como independiente. De esta manera, el modelo 1 busca determinar si los valores pasados del crecimiento económico producen efectos sobre el total de pasajeros aéreos en el periodo actual.

El coeficiente B_it (ECT) para el primer modelo resulta ser no significativo, lo que indica que el crecimiento económico (ITAEE) no produce efectos de ajuste en el largo plazo sobre el número de pasajeros transportados por vía aérea (PAS). Sin embargo, en el corto plazo sí se producen efectos a partir de los rezagos 4, 5 y 7 (valores resaltados en negritas en el modelo 1). Es decir, que un aumento en la actividad económica produce efectos sobre la demanda de transporte aéreo de pasajeros después de un año.

Los resultados para el corto plazo parecen coherentes, ya que el impacto del crecimiento económico sobre la demanda de bienes y servicios (entre ellos el transporte aéreo) no se da de forma inmediata, dado que requiere de ciertos periodos de tiempo para filtrarse a través de variables como el ingreso. En términos de magnitud, los resultados sugieren que un aumento del 1 % de la actividad económica, conducirá a un crecimiento promedio de 0.2 % del número de pasajeros transportados por vía aérea a partir del cuarto trimestre. En general, los resultados para toda la muestra pueden ser comparables con estudios como el de ^{Hakim y Merkert (2016)} y ^{Mukkala y Tervo (2013)} que presentan una relación causal en el corto plazo aunque debe resaltarse que el coeficente B_it es siempre significativo. Por su parte, el modelo 2 (Tabla 4) toma como variable dependiente al crecimiento económico y como variable independiente al tráfico aéreo de pasajeros. Los resultados para este modelo demuestran la presencia de una relación de causalidad unidireccional de largo plazo, que se mueve desde el tráfico de pasajeros hasta el crecimiento económico. El valor de B_it es estadísticamente significativo y presenta una velocidad de ajuste de 0.065, lo que indica que aproximadamente el 6.5 % del desequilibrio producido entre las series es corregido en un periodo de tiempo.

Para el corto plazo, se presenta un efecto positivo casi inmediato desde el tráfico de pasajeros hacia el crecimiento económico mostrando un coeficiente significativo en el primer rezago (número en negrita en el modelo 2). Aunque el impacto es significativo, su magnitud resulta ser de un tamaño menos considerable, es decir, que un cambio de 1 % en el total de pasajeros transportados por vía aérea producirá un efecto de 0.02 % en el crecimiento económico después de un trimestre. En general, el estadístico F de la Tabla 4 revela que los modelos 1 y 2 son estadísticamente significativos, aunque el segundo se ajusta mejor a los datos, llegando a representar el 53% de la variabilidad mientras que el primero sólo representa el 31 %. Por su parte, los resultados de causalidad presentan una relación causal unidireccional de largo plazo que se mueve desde el tráfico aéreo de pasajeros hacia el crecimiento económico y efectos significativos en el corto plazo en ambas direcciones. En la Tabla 5 se presentan los resultados del VECM de la relación entre el crecimiento económico y el tráfico de pasajeros para la muestra que contiene a los Estados Concentrados. El modelo 3 muestra un coeficiente B_it (ECT) no significativo, lo que indica que no se produce una relación causal de largo plazo del crecimiento económico hacia el tráfico aéreo de pasajeros. Sin embargo, el modelo 3 demuestra significancia en los efectos de corto plazo cuando se permite un rezago de cinco a ocho trimestres en el periodo de tiempo. Además, la magnitud del impacto del crecimiento económico sobre tráfico aéreo de pasajeros en el corto plazo es importante, llegando a expresar un efecto de 0.46 % para el quinto rezago ante un aumento de la actividad económica del 1 por ciento.

Por su parte, los resultados para el modelo 4 demuestran la presencia de una relación de causalidad unidireccional de largo e impactos de corto plazo, que se mueve desde el número de pasajeros transportados por vía aérea hacia el crecimiento económico. En general, los resultados obtenidos en los modelos 3 y 4 (Tabla 5) no parecen distar de los resultados de los modelos 1 y 2, es decir, cuando se acota la muestra hacia los Estados Concentrados se obtienen conclusiones similares que cuando se analiza la muestra con el total de entidades federativas. Sin embargo, el modelo 4 expresa algunas mejoras en sus resultados cuando se compara con el modelo 2. Por ejemplo, el valor de B_it (ECT) es estadísticamente significativo y presenta una velocidad de ajuste de 0.071, mientras que en el modelo anterior representaba un valor de 0.065. También, el modelo 4 presenta un mejor ajuste a los datos, representando alrededor del 62 % de la variabilidad de los datos.

La Tabla 6 muestra los resultados del VECM para la muestra que representa a los Estados No Concentrados. El modelo 5 no presenta evidencia suficiente para confirmar una relación de largo plazo que se mueva desde el crecimiento económico al tráfico de pasajeros. Sin embargo, para el corto plazo, se muestran efectos significativos cuando se permite el rezago de 5 y 7 periodos de tiempo.

El modelo 6 muestra una relación de causalidad unidireccional de largo plazo, que se mueve desde el número de pasajeros transportados por vía aérea hasta el crecimiento económico. El valor de (ECT) es estadísticamente significativo y presenta una velocidad de ajuste de 0.064. Para el corto plazo, se presenta un efecto positivo y significativo para el coeficiente del primer rezago, lo que indica que el efecto producido por el aumento del tráfico aéreo sobre el crecimiento económico es casi inmediato. Aunque en los seis modelos descritos en las Tablas 4, 5 y 6 se muestran efectos significativos en el corto plazo, es necesario someter a los rezagos de dichos modelos a una prueba estándar de Wald para averiguar la robustez de los coeficientes. Esta prueba se basa en el estadístico chi-cuadrado y permitirá confirmar si existe una relación de causalidad en el corto plazo.

La Tabla 7 muestra un resumen de los tres tipos de pruebas utilizados en este documento para identificar la direccionalidad de la relación causal entre el crecimiento económico y el tráfico de pasajeros: 1) causalidad de corto plazo, 2) causalidad de largo plazo y 3) causalidad fuerte de Granger. Los resultados de causalidad de corto plazo muestran estadísticos chi-cuadrados estadísticamente significativos al nivel de 5 % cuando se analiza tanto el total de entidades federativas como los Estados Concentrados. Los resultados sugieren que existe una relación causal bidireccional entre crecimiento económico y el tráfico aéreo de pasajeros. Es decir, en el corto plazo, el crecimiento del total de pasajeros transportados conduce a un aumento de la actividad económica y de igual manera, el crecimiento económico impulsa el crecimiento del transporte aéreo de pasajeros. Sin embargo, para los Estados No Centrales no se pudo confirmar una relación causal bidireccional pues el estadístico chi-cuadrado resulta significativo para los impactos que produce el transporte aéreo sobre el crecimiento económico, pero no significativo en sentido contrario.

Los resultados de la prueba fuerte de causalidad de Granger presenta resultados muy parecidos a los desarrollados en el corto plazo. Los coeficientes son significativos a nivel de 5 % para el total de Estados y los Estados Concentrados, sugiriendo una relación causal bidireccional. Por lo que sugieren que el crecimiento del tráfico aéreo de pasajeros conduce al crecimiento económico tanto en el corto como en el largo plazo. Lo mismo ocurre en dirección contraria. Por su parte, la prueba muestra una relación causal unidireccional para los Estados No Concentrados que va desde crecimiento de pasajeros hacia el crecimiento económico.

Los coeficientes B_it (ECT) obtenidos en el VECM son significativos soóo en una dirección, a cualquier nivel de desagregación, que va del tráfico aéreo al crecimiento económico. La velocidad de ajuste ante shocks externos expresados por los B_it revela una modesta tasa de corrección en un periodo de tiempo. Para el total de la muestra, el crecimiento del tráfico aéreo impulsa al crecimiento económico a una tasa de 6.5 %, para los Estados Concentrados de 7.1 % y para los Estados No Concentrados de 6.4 % para restablecer el equilibrio de largo plazo.

Para los estados no concentrados la relación causal es unidireccional con cualquiera de las tres pruebas moviéndose del tráfico de pasajeros al crecimiento económico, pero nunca en el otro sentido. Esto significa que en entidades donde el uso de infraestructura es baja por un menor tráfico de pasajeros, no puede decirse que el crecimiento económico incentive un mayor tráfico de los mismos. Por ello las políticas de fomento al crecimiento de la entidad federativa deben incentivar el crecimiento de pasajeros por transporte aéreo.

Los resultados para los estados concentrados van en sintonía con los encontrados por (^{Hakim y Merkert (2016)}, quienes analizan países del sur de Asia en expansión. Su relación mostró bidireccionalidad tanto en el corto como en el largo plazo. Algunos otros estudios como el de ^{Chang y Chang (2009)} para Taiwán; ^{Rodríguez-Brindis, et al. (2015)} para Chile y ^{Hu, et al. (2015)} para China demustran una relación causal bidireccional, aunque no se investigó si en el corto plazo la relación era similar mientras que los resultados de causalidad para la muestra de Estados concentrados son comparables con el análisis de ^{Brida, et al. (2016)}, en su estudio agregado para México.

Conclusiones

El principal objetivo de esa investigación fue determinar el tipo de causación que existe entre el tráfico de pasajeros en México y el crecimiento económico a nivel entidad federativa. Para ello se utilizaron tres pruebas de causalidad: de corto plazo, de largo plazo y de causalidad fuerte de Granger en el periodo 2003-2017 con periodicidad trimestral. La muestra se dividió en entidades federativas concentradas y no concentradas en donde el criterio se tomó con base en entidades en cuyos aeropuertos se reporta una fuerte concentración de pasajeros transportados. La división de la muestra arrojó evidencia de que las altas cantidades de pasajeros impactan en el tipo de causalidad encontrada.

Para el criterio de corto plazo los resultados siguieren que existe causalidad bidireccional en estados concentrados, pero unidireccional en no concentrados yendo del tráfico de pasajeros al crecimiento económico. Estos resultados sugieren que altas cantidades de pasajeros transportados (uso intensivo de la infraestructura) generan un efecto de retroalimentación entre las variables mientras que cuando el volumen de pasajeros es menor (estados no concentrados), la causalidad solo va del tráfico de pasajeros al crecimiento económico indicando que el crecimiento económico es incapaz de influir en la cantidad de pasajeros transportados.

Respecto del criterio de largo plazo, representado por el modelo de corrección de error (ECT), existe un claro patrón tanto para toda la muestra como para la desagregación en entidades concentradas y no concentradas en la que la significancia de los coeficientes estimados siguiere que existe una sola dirección de la causalidad que va del tráfico de pasajeros al crecimiento económico indicando que el aumento en la cantidad de pasajeros tiene un impacto positivo en el crecimiento económico de las entidades mientras que el criterio de causalidad fuerte de Granger indica los mismos resultados que el criterio de corto plazo.

La recomendación de políticas derivada de los resultados se debe tomar por el tiempo en el que se desenvuelve la actividad económica. Tanto para el corto como para la combinación de corto y largo plazo (causalidad fuerte de Granger), la bidireccionalidad hallada en las entidades concentradas sugiere que la realización de políticas terminará afectando al crecimiento de la entidad mientras que en las entidades no concentradas la unidireccionalidad de pasajeros al crecimiento sugiere que se deben tomar medidas que incentiven el aumento en la cantidad de pasajeros por la vía aérea. Esto se puede dar generando una mayor y mejor infraestructura aeroportuaria. Una medida concreta podría ser la introducción de nuevas líneas de bajo costo que pudieran incentivar a pasajeros a viajar por aire ya que, como lo demuestra ^{Cruz (2017)}, el ingreso al mercado de aviación civil en México de ese tipo de transportación atrajo una fuerte cantidad de pasajeros. Respecto del largo plazo, el resultado coincidente para estados concentrados y no concentrados puede indicar que se deben tomar acciones para que la causalidad se presente del crecimiento económico al número de pasajeros.