Introducción

Uno de los principales intereses y preocupaciones de la teoría económica y de los policy makers siempre ha sido entender los determinantes más importantes del crecimiento económico, debido a que de él dependen todos los indicadores de bienestar de una sociedad.

Desde 1982 la economía mexicana se encuentra en una trampa de lento crecimiento -que se ha acentuado después de 2009- de la que no ha podido salir a pesar de las múltiples reformas estructurales que se han aplicado hasta el presente.

Ya desde hace quince años, ^{Hanson (2010: 987)} se planteaba este serio problema al decir que: “desde los años 80 México ha reformado agresivamente su economía, abriéndose al comercio exterior y a la inversión, logrando disciplina fiscal y privatizando empresas estatales. A pesar de estos esfuerzos, su crecimiento económico ha sido mediocre, inferior al de muchos otros países en desarrollo”. Tres años después, en una visita a México, Paul Krugman compartió la misma inquietud al decir que no era posible explicar por qué México no había generado la capacidad de crecer a tasas mayores frente a otros países igual de liberalizados, como Corea del Sur, que lograron multiplicar su crecimiento económico de manera sostenida.¹

A pesar de continuarse con la aplicación de reformas liberales hasta 2018, y luego de su fuerte reversión (desde 2019),² nuevamente se demostró la incapacidad de elevar el crecimiento. Peor aún, de acuerdo con ^{CEPAL (2023)} mientras que entre 2019 y 2024 América Latina creció en 1.96%, México solo lo hizo en 0.77%, solo por arriba de Argentina que decreció en (-) 0.23%.

En síntesis, en estos últimos cuarenta años, a pesar de los múltiples diagnósticos y políticas económicas aplicadas, no se ha conseguido resolver el misterio de esta trampa de bajo crecimiento. Por ello, nuevamente es muy relevante preguntarse cuáles son los determinantes más generales del crecimiento que den cuenta de este resultado, a partir de una combinación parsimoniosa de elementos teóricos y econométricos. Esta es la motivación principal de este artículo, que utiliza variables que, habitual e independientemente de la orientación teórica de cada investigador, se consideran determinantes generales del crecimiento económico. En aras de la parsimonia econométrica y de la sencillez explicativa, utilizamos dos variables importantes del sector externo (tipo de cambio real bilateral México-Estados Unidos, Qt, y el producto industrial de Estados Unidos, Yindust) y una doméstica (inversión privada, IPt) para probar y medir econométricamente sus efectos de crecimiento, yt, desde 1995Q1.

En este esfuerzo, no partimos de una hipótesis específica ni pretendemos hacer análisis teórico ni empírico exhaustivos de todos sus posibles determinantes, sino solo enfocarnos en estos tres determinantes que el grueso de la teoría económica concuerda en considerar y, con un fuerte fundamento econométrico, basado en ^{Blanchard y Quah (1989)}, llegar a resultados robustos y relevantes.

Al hacerlo, recogemos conjuntamente variables de oferta (IPt é Yindust )³ y de demanda (Qt) que permiten captar así los múltiples efectos que ocurren en la economía mexicana, crecientemente globalizada desde los años noventa del siglo pasado.

A partir de esta pequeña pero representativa selección de variables generalmente aceptada, y de dejar hablar libremente a los datos (^{Juselius, 2006} y ^{Lütkepohl y Krätzig, 2004}),⁵ damos una explicación econométrica robusta de los determinantes del crecimiento de la economía mexicana en casi treinta años. Esta estrategia pretende dar luz sobre otras variables que se asocian, dependen o las determinan y contrasta con otros trabajos que hacen búsquedas intensivas de probación empírica y teórica al usar decenas de variables con miles de combinaciones y especificaciones econométricas. También contrasta con trabajos que sólo usan enfoques teóricos particulares para explicar el crecimiento económico.

Con un modelo SVARBQ(5), que permite identificar eficientemente los efectos de los choques de oferta (de largo plazo), demostramos empíricamente que: a) la economía mexicana se encuentra en una larga trampa de lento crecimiento (yt) que se ha agudizado desde la post Gran Recesión de 2009 (donde el crecimiento potencial pasó de 2.6% a 1.5%), atribuible al debilitamiento del crecimiento de la inversión privada (ipt) y de la producción industrial de Estados Unidos yindust; b) el principal motor de yt es ip, pero sus efectos solo duran 15 trimestres en contraste de los de yindust que son permanentes, c) la volatilidad de yindust es más importante que ip para explicar las variaciones de yt (40% vs 18%), d) el tipo de cambio bilateral real (Qt) no ha tenido efectos reales de largo plazo, aunque de corto plazo son muy breves y despreciables y d) la estimación adicional de un VEC(7) confirma los resultados anteriores e incluso acusa que yindust tiene mayores efectos de crecimiento que ipt. Estas son las contribuciones centrales del trabajo.⁶

Tomamos como inicio del análisis el año 1995, debido a que es cuando comenzaron a observarse los efectos de las reformas estructurales que se aplicaron desde la década previa y que se coronaron con el inicio de operación del TLC en 1994 y que se manifestaron con la rápida recuperación del crecimiento (5.14%, 6.8% y 4.9%, respectivamente para 1996-1998) después de la crisis cambiaria, económica y financiera que produjo la contracción productiva hasta entonces más profunda en 1995 (-6.22%) desde la Gran Depresión de 1929-1933. De hecho, de todo el largo periodo de análisis, solo entre 1996 y 2000 la economía exhibió un crecimiento medio de 5.46%, para posteriormente regresar a su baja tasa de largo plazo.

Una limitación de este artículo podría consistir en no incluir otras variables que han venido ganando mucho peso, como las institucionales y del imperio de la ley en la determinación del crecimiento económico.⁷ No las incorporamos, entre otras razones, por la falta de datos trimestrales congruentes con nuestra muestra y por rebasar nuestro enfoque parsimonioso;⁸ por lo que solo nos concentramos en una selección muy reducida de variables en los términos ya referidos para obtener un modelo pequeño que genera una explicación econométrica robusta.

Para abordar nuestro objetivo, hemos estructurado el trabajo de la manera siguiente. En la sección 1 presentamos los aspectos metodológicos y teóricos que fundamentan las variables seleccionadas. En la sección 2 analizamos los hechos estilizados que caracterizan las relaciones de esas variables con el crecimiento. Enseguida presentamos los aspectos econométricos y el análisis y discusión de resultados. Por último, concluimos y hacemos algunas reflexiones finales.

I. Aspectos metodológicos y teóricos

De acuerdo con ^{Sala-i-Martin (1997)}, el estudio empírico del crecimiento económico es un asunto muy laborioso y complejo, en virtud de que no hay una sola teoría económica que consiga una explicación totalmente satisfactoria, extenuante y excluyente de las demás.

Este autor siguió la vena heurística seminal de ^{Barro (1991)} y con 63 variables hizo una investigación empírica del crecimiento económico para un amplio grupo de países a partir de millones de regresiones de corte transversal (1960-1992). En tal labor comenta que la elección de determinantes del crecimiento -aún con base en la teoría económica- es un asunto esencialmente empírico y de suerte, debido a que al incluir o excluir a algún regresor en distintas combinaciones de variables o al usar especificaciones diferentes, se pueden obtener resultados econométricos muy diversos, acordes o no a los intereses y preferencias teóricas específicas del investigador.

De igual manera, y abstrayendo factores y preferencias personales, es muy común que desde la econometría de series de tiempo se incurra en graves problemas de endogeneidad y/o en multicolinealidad al aumentar el número de regresores generando así resultados estadísticos incorrectos, así como también de autocorrelación serial al omitir variables explicativas relevantes.

De estas consideraciones, ^{Sala-i-Martin (1997: 2-3)} sugiere que la explicación empírica robusta de los determinantes del crecimiento económico no es sola ni principalmente teórica, sino que depende centralmente de la habilidad del econometrista para hacer una combinación virtuosa de variables y así llegar a resultados estadísticos y económicos congruentes: “El problema al que se enfrentan los economistas empíricos del crecimiento es que las teorías no son lo suficientemente explícitas sobre qué variables pertenecen a la verdadera regresión… No sabemos exactamente qué variables importan para el crecimiento… Otro problema es que, incluso si la teoría fuera clara al señalar los determinantes teóricos importantes del crecimiento, la estimación empírica de estos determinantes no es inmediata (evidente)”.

En un trabajo empírico reciente para México, y en esta misma vena heurística empírica, ^{Flores y Jiménez (2024)} advierten de los múltiples problemas estadísticos generados por la endogeneidad y la multicolinealidad que caracterizan a los trabajos empíricos del crecimiento, por lo que, con un enfoque de Promedio de Modelos Bayesianos, utilizan 28 determinantes del crecimiento a nivel de las 32 entidades federativas (2010-2021) y seleccionan determinantes estadísticamente robustos del crecimiento económico en México.

Con el afán de fundamentar nuestra selección de variables, en lo que sigue de esta sección explicamos cada una.

II. Hechos estilizados

Antes de analizar la evolución de las variables de interés, es conveniente destacar algunas de las características del crecimiento económico de México desde 1982. Al analizar su trayectoria -con su componente secular (ypot˙) - queda muy claro que se ha distinguido por mantener un lento crecimiento de alrededor del 2%, que ha preocupado a muchos analistas al menos desde hace dos décadas¹² y que es lo que ha guiado y justificado la aplicación sistemática de múltiples reformas por todos los gobiernos desde comienzos de los años 80, Gráfica 1.

Nota: el componente tendencial se calculó con el filtro HP. La variable en la parte inferior expresa el ciclo de crecimiento.

Se advierte una leve recuperación de ypot˙ al final de la muestra que puede atribuirse al rebote de crecimiento de 2021-2023.

Sin embargo, también debe recordarse que el filtro HP es muy sensible a los extremos de las muestras.

Fuente: cálculos propios con datos de ^{INEGI (2024a} y ^2024b).

Gráfica 1 México: tasa de crecimiento del PIB, 1982-2024 

Si solo consideramos nuestro periodo de estudio, queda de manifiesto que se ha mantenido el mismo patrón, con el agravante de que después de la Gran Recesión de 2009¹³ el crecimiento potencial se ha reducido aún más.

Si bien no es el objetivo de este artículo explicar las razones del lento crecimiento ni de estos cambios estructurales, sí lo es analizar la relación de largo plazo de las variables de interés y sus posibles contribuciones en este resultado.

Con este fin, un primer análisis visual de las variables en sus unidades originales nos permite ver que Yindust cortó su tendencia ascendente en 2008Q1 y después de una corta recuperación (2010-2014) parece haber entrado en una larga fase errática de estancamiento. El tipo de cambio real, Qt, por su parte, ha seguido una trayectoria de depreciación 2002-2020, que se agudizó entre 2016 y 2020 en que parece ubicarse en un “piso más alto”. Sin embargo, desde 2021Q1 y hasta 2024Q2 tuvo una evolución (inversa) de apreciación. Finalmente, IP parece seguir una tendencia ascendente de largo plazo hasta 2016Q4 y de ahí en adelante se reduce notablemente, lo mismo que su proporción a producto (CIP). Sin embargo, llama la atención su fuerte recuperación en 2023 y 2024 que puede asociarse básicamente al cierre de los proyectos emblemáticos del gobierno 2018-2024, Gráfica 2.

Fuente: cálculos propios con datos de ^{FRED (2024a} y ^2024b) e ^{INEGI (2024a} y ^2024b).

Gráfica 2 Variables del modelo, 1995Q1-2024Q1 

Para encontrar las razones de la agudización del lento crecimiento de la economía mexicana después de 2009, con nuestro conjunto de información Zt=yindust,∆Qt,ipt, yt hacemos un análisis de contraste de medias (μt) para dos subperiodos: 1997Q1-2009Q4 y 2010Q1-2024Q1.¹⁴ Al calcularlas con datos observados no podemos afirmar que haya habido cambios estadísticamente significativos, pero al hacerlo con sus componentes seculares, claramente rechazamos la hipótesis nula de que las medias de yindust, yt y de ipt son iguales para estos dos periodos. Destacan las caídas de: 1.9% a 0.7%, 2.6% a 1.5% y de 4.0% a 2.5% de esas mismas variables, respectivamente, lo que muestra la mayor caída de yindust (-63%) respecto a ipt (-37%) Cuadro 1. Por el contrario, llama poderosamente la atención que al 90% de confianza el tipo de cambio no presenta evidencia empírica de contribución en esos resultados a pesar de su evolución errática y de depreciación secular.

Estos resultados sugieren que buena parte de la reducción de ypot˙ (de 2.6% a 1.5%) se asocia a las caídas tendenciales de esas variables a consecuencia de la fase post Gran Recesión 2009, lo que prueba la hipótesis de ^{Cerra y Saxena (2008} y ²⁰¹⁷⁾ que señala que las crisis, independientemente de su origen (oferta o demanda), tienen importantes efectos reales de largo plazo.

Especial atención merece analizar la dinámica de los coeficientes de inversión y, más aún, de la evolución de su eficiencia sobre yt.

Para aportar evidencia sólida sobre el efecto de la caída tendencial de ipt, calculamos y analizamos la evolución de los coeficientes de inversión privada (CIP), pública (CIG) y total (CIT) y el impacto que han tenido sobre yt al estimar su eficiencia en varios subperiodos.

Si bien desde la renegociación de la deuda externa (con el Plan Brady y el reinicio del crecimiento económico a partir de 1988, CIP creció de manera relevante, su eficiencia se ha reducido de manera muy preocupante al pasar de 0.15 a 0.042 para los periodos 1989-2018 y 2019-2024, respectivamente.

Por su parte, CIG ha tenido una evolución un tanto distinta en la medida que, si bien ha caído sistemáticamente desde el primer periodo, la reducción de su eficiencia ha sido menor que la privada: de 0.67 a 0.33, Cuadro 2.

CIP, CIG, CIT son los coeficientes de inversión privada, pública y total, respectivamente (porcentajes del PIB); y es la tasa media de crecimiento del PIB del periodo.

En síntesis, la caída de la eficiencia de los tres tipos de inversión -particularmente de la privada- contribuye a explicar por qué esta variable ha perdido capacidad de arrastre sobre y.

Previo a hacer inferencia estadística, conviene analizar otras dos importantes regularidades estadísticas de las variables involucradas. Para evitar espuriedad estadística, probamos que todas las variables del conjunto de información son estacionarias al estar definidas en sus tasas de crecimiento¹⁵ (Cuadro 1A), tal como lo proponen ^{Blanchard y Quah (1989)}, Gráfica 3.

Notas:  yt é ipt son las tasas de crecimiento trimestrales anualizadas del PIB y de la inversión privada de México, respectivamente, en miles de millones de pesos de 1993, ^{INEGI (2024a} y ^2024b); yindust es la tasa de crecimiento trimestral anualizada del índice del producto industrial de los Estados Unidos, 2017 = 100, ^{FRED (2024a)}, ∆Qt es la diferencia del tipo de cambio real bilateral México-Estados Unidos, ^{INEGI (2024a} y ^2024b), ^{FRED (2024a} y ^2024b) y ^{Banco de México (2025a)}.

Fuente: cálculos propios.

Gráfica 3 Correlaciones estáticas de variables, 1995Q1-2024Q1 

Destaca que no existe evidencia estadística de asociación significativa de ∆Qt con las demás variables¹⁶ y que sí las hay -positivas y significativas- entre las otras tres, tal como consigna la teoría: yindust-yt (84%), yindust-ipt (74%), ipt-yt (87%).

En virtud de las altas correlaciones estáticas de nuestro conjunto de información Z, y para descartar multicolinealidad destructiva, hicimos una regresión MCO (1995Q1-2024Q1) sobre yt. La estimación de los factores de inflación de varianza (VIF),¹⁷ no reporta evidencia estadística de multicolinealidad, lo que sugiere que no existe este importante problema común en la econometría de series de tiempo, Cuadro 3.

Por último, y con el fin de justificar empíricamente la necesidad de incorporar a yindust como variable de oferta en Z, probamos claramente la determinación del ciclo de yindust al ciclo de crecimiento del PIB total y del manufacturero de México para todo nuestro periodo de estudio, tal como lo hacen ^{Loría y Salas (2015)} para un periodo anterior, Gráfica 4.

Notas: La elección de submuestra de tamaño eficiente t0=[τ0 T] se basa en ^{Fernández (1999)}, donde, T es el tamaño de la muestra original y τo es la proporción de la muestra original definida por valores entre 0.15 y 0.85.

Por debajo del valor crítico de 0.36 (expresado con la raya continua) no existe significancia estadística al 95%. Se eligió ventana recursiva de 22 datos tal como lo hicieron ^{Loría et al. (2019: 17)}.

Fuente: Cálculos propios con datos de INEGI (2025) y FRED (2025).

Gráfica 4 Correlación dinámica de los ciclos de crecimiento del PIB total y manufacturero mexicanos con el ciclo de yindust, 1995Q1-2024Q1 

Se observa claramente que la sincronización de los ciclos comienza a ser estadísticamente significativa al 95% desde fines de los años 90 y se mantiene alta y creciente hasta el final, con la excepción de 2015-2020.¹⁸ A partir de 2021 la sincronización del ciclo de crecimiento del PIB total y del PIB manufacturero mexicanos al de vuelve a ser significativa y crece aún más, alcanzando valores cercanos a 0.9.

III. Aspectos econométricos

De acuerdo con ^{Enders (2010: 308)}, el consenso econométrico coincide en que un VAR irrestricto (VARI) y más aún uno estructural o restringido (SVAR), debe replicar (mimic) el proceso generador de datos, PGD (^{Hendry, 1980}) a partir del cumplimiento de todos los supuestos de correcta especificación, que empieza por la correcta selección de rezagos que asegura que el modelo sea estable y capture adecuadamente la dinámica entre las variables. Si se seleccionan muy pocos rezagos, el modelo puede no capturar temporalidades importantes, mientras que, por el contrario, demasiados rezagos pueden hacer que el modelo sea innecesariamente complejo y menos eficiente. Por tanto, la selección adecuada del óptimo de rezagos que presenta EViews 12 (^{IHS Markit, 2020}),¹⁹ acompañada de una correcta especificación que replique adecuadamente los datos, garantiza que el modelo sea estable, que la inferencia estadística sea fiable y así se tenga gran capacidad de introspección y de pronóstico, ^{Medel (2015)}. La literatura es muy cuidadosa en este punto, ya que la sobreparametrización (asignar más rezagos de los necesarios) aumentará exponencialmente el riesgo de multicolinealidad y de que muchos parámetros no sean significativos, al tiempo que se perderán valiosos grados de libertad que cuestionarán toda la inferencia, ^{Enders (2010: 316)}. ^{Medel (2015)} coincide y plantea que al incluir más rezagos de los necesarios se genera un serio problema de sobreajuste, totalmente innecesario, que podría derivar en problemas de regresión espuria, distorsión en la estimación de la función de impulso-respuesta y menor precisión en los pronósticos. Por otro lado, la subparametrización (asignar menos rezagos de los necesarios) hará perder información muy importante que afectará toda la inferencia al generar un modelo mal especificado (misspecified), que generalmente redundará en autocorrelación serial, ^{Enders (2010: 316)}.

Mientras que en un VARI la identificación depende esencialmente del ordenamiento de las variables, en un SVAR depende de argumentos teóricos y de lo que empíricamente reportan los datos, con lo que la detección de las innovaciones y de sus efectos a todo el sistema son mucho más precisos y plausibles, ^{Enders (2010)}. Esa es la verdadera aportación del SVAR.

^{Blanchard y Quah (1989)} proponen un método robusto para descomponer las innovaciones de un conjunto de información en sus efectos permanentes y transitorios mediante la identificación de un SVAR de largo plazo (SVARBQ) que define que las secuencias de las innovaciones ε_it están asociadas a choques de oferta (que por teoría suelen ser permanentes) y a los de demanda que, también por teoría, suelen considerarse predominantemente transitorios.²⁰

Por todos los aspectos teóricos y empíricos ya revisados, seleccionamos el siguiente sistema de información (Zt) parsimonioso:

Que expresado en términos del VARI(n) de corto plazo en su forma estructural y ordenado de la variable más exógena a la más endógena, queda como sigue:²¹

Este sistema no diferencia las relaciones entre las innovaciones y los parámetros, y solo puede utilizarse en la estimación de corto plazo. En su versión de largo plazo debe reexpresarse en términos de las innovaciones eit que lo identifican, para lo cual deben imponerse restricciones en los fij y así detectar con precisión los efectos estadísticos de largo plazo. Las innovaciones eit son combinaciones lineales del sistema (4)-(7) que, con la identificación de la matriz de largo plazo F, pueden reexpresarse ahora en forma matricial como sigue:

Que en forma condensada queda como:

Al incorporar estos argumentos, (4)-(7) quedan ahora como:

Por simplicidad expresamos (10)-(13) en su forma reducida (con n=1):

Al aplicar el operador de rezagos (L) y despejar x_t expresamos al VARI en términos de medias móviles (moving average), lo que permite examinar las interacciones entre las secuencias del sistema de información:

Simplificando Γ(L) = (I - Β(L)L)-1 y, de nuevo, expresando cada variable como una ecuación individual:

Que supone que las innovaciones ahora son ortogonales. Finalmente, el trabajo de identificación del SVAR consiste en restringir los fij de (8) de acuerdo con nuestro enfoque y con los hechos estilizados.

La función de producción definida en (1), que es crucial para nuestra inferencia, puede descomponerse en la parte de la oferta doméstica (ipt), por sus efectos directos en la acumulación de capital, y en la oferta externa (yindust) por sus múltiples externalidades sobre el conjunto del sistema económico.

Por nuestro interés, y por sencillez que no sacrifica el análisis estadístico riguroso, consideramos que las dinámicas de ipt, yindust y ∆Qt siguen procesos autorregresivos de orden 1, tal como lo hacen BQ (1989):

Que, al incorporarlos a la trayectoria estocástica de y_t, quedan como:

Como ya hemos advertido, por teoría asociamos a e1t y a e2t con choques de oferta y a e3t con choques de demanda, lo que además se prueba estadística y empíricamente a continuación.

Inferencia

Los VARI hacen importante inferencia estadística a partir del choque de las innovaciones al sistema completo. Por el interés del trabajo solo lo hacemos en términos de las respuestas de yt al resto de las variables.

El análisis de respuesta con impulsos generalizados no acumulados de corto plazo corrobora los resultados anteriores en la medida que: a) apreciamos efectos convergentes positivos y significativos a yindust, a ip_t y a sí misma por alrededor de 0.8-1.5 puntos, con duración de 5 y 3 trimestres respectivamente,²³ y b) la respuesta de y_t a ∆Qt es marginal y solo dura 1 trimestre, Gráfica 5.²⁴

Fuente: estimaciones propias.

Gráfica 5 Respuestas de y_t a: 

Adicionalmente, la descomposición de la varianza de yt corrobora lo anterior, destacando que: a) yindust tiene efectos inmediatos y estables explicando poco más del 50% de la variación de y_t después de 5 periodos, el efecto de ip_t es menor y estable desde el inicio y explica alrededor del 20% de la variación de yt, la respuesta inicial de y_t a sí misma tiene un efecto inmediato de 40% que se desvanece rápidamente y se estabiliza en poco más del 20% después de 2 periodos, d) ∆Qt tiene efectos marginales, muy menores (6%), desde el trimestre 6, Gráfica 6.

Fuente: estimaciones propias.

Gráfica 6 Descomposición de la varianza de y_t respecto a: 

Análisis de largo plazo (SVARBQ)

Con la finalidad de tener un análisis preciso de largo plazo, utilizamos la metodología de BQ. De acuerdo con la econometría estándar de series de tiempo (^{Enders, 2010}: 297-329 y ^{Amisano y Giannini, 1997}), la correcta estimación de un SVAR se deriva primero de la correcta especificación de un VARI y, segundo, de que cumpla adecuadamente con la sobreidentificación de las restricciones estructurales vinculantes con la prueba estadística Chi cuadrada (χ2). En la medida que se cumplan todos estos estadísticos de correcta especificación, se puede asegurar que la inferencia estadística es una correcta aproximación al PGD.²⁵

Un SVAR utiliza restricciones ad hoc de identificación que se especifican en la matriz estructural F con lo que se transforman las innovaciones del VARI en choques estructurales no correlacionados. La obtención de estos choques es indispensable para hacer toda la inferencia econométrica adecuada como la respuesta al impulso, la descomposición de la varianza y el pronóstico.

Al identificar la matriz F [ecuaciones (8) y (9)] podemos diferenciar con claridad los efectos de oferta y demanda y su permanencia temporal. De esta manera, y al especificar el sistema con siete restricciones²⁶ que lo sobreidentifican, la matriz de largo plazo, queda como:

eyinduste∆Qteipteyt=f11000f21f2200f31f410f42f33f420f44εyindustε∆Qtεiptεyt (24)

Con esta sobreidentificación evaluamos las respuestas acumuladas de largo plazo de yt a los impulsos de las demás variables. Se aprecian efectos similares a los de corto plazo que validan el argumento de BQ en el sentido de que las variables de demanda tienen efectos menores y transitorios, en nuestro caso nulos. En términos puntuales encontramos que: a) hay efectos inmediatos y permanentes de yindust, b) el efecto de ip_t sobre y_t es de magnitud semejante, pero desaparece a los 15 periodos, c) la repuesta de y_t a sí misma es mucho menor y desaparece en el periodo 12, lo que sugiere la débil dinámica del crecimiento a sí mismo, d) a diferencia del corto plazo, ∆Qt no tiene efectos sobre y_t , Gráfica 7.

Fuente: estimaciones propias.

Gráfica 7 SVAR: respuestas acumuladas de y_t a: 

Por último, el análisis de descomposición de varianza de y_t muestra que, desde el inicio, el efecto de yindust es mucho mayor que el de ip_t sobre y_t y, a partir del periodo 7, ambos efectos se estabilizan con una importante diferencia: 40% vs 18%, respectivamente. También se observa que desde el principio el efecto de yt sobre sí mismo es mucho mayor, pero se disipa rápidamente y, después de 11 trimestres, se estabiliza en 38%; y nuevamente el efecto de ∆Qt es muy bajo, Gráfica 8.

Fuente: estimaciones propias.

Gráfica 8 Descomposición de la varianza de y_t a: 

IV. Análisis y discusión de resultados.²⁷

Estos resultados son intrigantes y sumamente preocupantes en la medida que advierten que los efectos de crecimiento y de volatilidad de yindust, tanto de corto como de largo plazos, son más duraderos que los de ip_t sobre el crecimiento económico de México y que se ha reducido notablemente el peso de las variables domésticas medidas por ip_t .

Por esta razón, y a petición expresa de los árbitros, hicimos varios análisis econométricos adicionales que corroboran nuestros resultados. En principio, la ausencia de autocorrelación serial en el modelo original²⁸ indica que no hay evidencia estadística de falta de variables relevantes dentro del conjunto de información parsimonioso Zt=yindust,∆Qt,ipt, yt. De cualquier manera, y por pedido expreso de los árbitros, incorporamos el consumo (cons_t) y el gasto del gobierno (gg_t).²⁹

A partir de la coincidencia de tres criterios de rezagos (FPE, LR y AIC) definimos nuevamente un VARI(5) que cumple con todos los requisitos estadísticos de correcta especificación³⁰ y encontramos que no se alteran nuestros resultados, debido a que el análisis de impulso-respuesta indica que, aunque ip_t tiene un efecto inicial ligeramente mayor (0.95) que yindust (0.93), se diluye en 4 periodos, mientras que el de yindust dura uno más. En cuanto a la estimación del SVAR ampliado con esas variables de gasto, y siguiendo con el proceso estándar de estimación, encontramos que los impulsos-respuesta acumulados a 30 periodos mantienen los mismos resultados e indican que cons_t y gg_t no tienen efectos estadísticamente significativos sobre y _t . La descomposición de varianza con errores estructurales confirma que ambas variables fiscales tienen solamente efectos marginales sobre yt, sólo superiores al del tipo de cambio, y lo más importante es que se mantienen los mismos efectos de volatilidad de yindust y de ip_t sobre y_t .

Por último, y como medida complementaria solicitada por los árbitros, estimamos un VEC(7) - a la^{Johansen (1989)}- para el mismo conjunto de información original en una forma funcional doble logarítmica que arroja elasticidades constantes. Los resultados son consistentes y contundentes debido a que se cumplen todos los estadísticos de correcta especificación,³¹ además de que claramente Yindust es mucho más elástica (0.62) que los otros dos regresores [IP_t (0.42) y Q_t (0.14)] lo que corrobora, ahora paramétricamente, los resultados obtenidos previamente con el SVAR(5) parsimonioso:

Toda la inferencia estadística del VEC(7) aporta evidencia contundente y es congruente con la del SVAR(5) original, tal como se observa en la Gráfica 9, la Gráfica 10 y la Gráfica 11.

Fuente: estimaciones propias.

Gráfica 9 VEC(7). Análisis impulso respuesta 

Fuente: estimaciones propias.

Gráfica 10 VEC(7). Análisis de descomposición de varianza 

Para mayor contundencia, hemos incorporado ahora la descomposición histórica de la varianza (^{Burbidge y Harrison,1985}) que indica la contribución marginal individual de cada variable a la simulación histórica de base (baseline) que genera el conjunto de información. Con claridad la primera gráfica muestra que aumenta mucho la precisión de la simulación histórica al incorporar Yindust, a diferencia de las demás, cuya contribución marginal es despreciable, Gráfica 11.

Fuente: estimaciones propias.

Gráfica 11 Descomposición histórica de la varianza 

Un último análisis econométrico adicional permite dar mayor fuerza explicativa a todos los resultados anteriores a partir de la primera ley de^{Kaldor (1984: 10)} que establece que el crecimiento económico está asociado con el del sector secundario de la economía “… -principalmente del sector manufacturero- y esto es una particularidad de un estadio intermedio del desarrollo económico; es una característica de la transición de la inmadurez a la madurez.”

Así, estimamos al crecimiento del PIB no manufacturero (tynm_t) en función del manufacturero (tym_t ):³²

Conclusiones

Desde principios de los años 80, y a resultas del agotamiento del modelo económico anterior, se inició un largo proceso de aplicación de reformas estructurales liberales en la economía y en la sociedad mexicanas con el fin de fundamentar sobre otras bases el curso del crecimiento económico.

Como un puntal de la nueva estrategia, se inició la integración económica, comercial y financiera -particularmente la productiva de la manufactura mexicana- con el sector industrial de Estados Unidos. Eso es lo que justifica que hayamos vinculado a ambos sectores a partir de una externalidad positiva en la función de producción de la manufactura mexicana e identificarla como una importante variable de oferta.

Un análisis ANOVA (de contraste de medias), prueba que después de la Gran Recesión de 2009 se redujo aún más el crecimiento del producto potencial de México que puede asociarse a la reducción del dinamismo de largo plazo de la inversión privada y del producto industrial de Estados Unidos y donde el tipo de cambio real no parece contribuir en esta explicación. El dato de crecimiento para 2019-2024 parecería indicar que sigue cayendo aún más el crecimiento potencial.

En la medida que hasta 2018 no aumentó la capacidad de crecimiento potencial, con el cambio de régimen (del nuevo gobierno) se aplicó una gran cantidad de contra reformas buscando nuevamente y con una estrategia muy distinta este objetivo; sin embargo, tampoco se logró. Peor aún, de acuerdo con ^{CEPAL (2023)} mientras que entre 2019 y 2024 América Latina creció en 1.96%, México solo lo hizo en 0.77%, solo por arriba de Argentina que decreció en (-)0.23%.

A pesar de la importancia de este grave problema de la economía mexicana -que tiene múltiples efectos en las esferas social, política y económica-, nuestro objetivo no es explicar las razones de este lento crecimiento, sino probar empíricamente la importancia de un número pequeño de variables que registra la literatura empírica en la vena de ^{Barro (1991)}, ^{Sala-i-Martin (1997)} y más recientemente para México de ^{Flores y Jiménez (2024)}.

Nuestro esfuerzo de investigación y su principal contribución consiste en que, en una búsqueda empírica robusta y muy parsimoniosa, utilizamos tres amplios determinantes del crecimiento que, independientemente de los distintos enfoques teóricos, son ampliamente aceptados en la literatura: el producto industrial de Estados Unidos y la inversión privada (como factores de oferta), y el tipo de cambio real binacional (como factor de demanda).

Con un SVARBQ(5) de largo plazo, identificado con la metodología de ^{Blanchard-Quah (1989)}, probamos que entre 1995Q1 y 2024Q1 el principal motor del crecimiento de la economía mexicana es el crecimiento de la inversión privada, ligeramente por encima del crecimiento del índice de la producción industrial de Estados Unidos. No obstante, destaca la mucho mayor importancia de esta variable externa en la explicación de la volatilidad del crecimiento (40% vs 18%), además de que tiene efectos permanentes, a diferencia de la inversión privada cuyos efectos desaparecen después de 15 trimestres.

A pedido expreso de los árbitros de la revista para confirmar resultados, con un SVAR(5), ampliado con variables de gasto público y con un VEC(7), corroboramos los resultados econométricos anteriores. Más aún, al hacer análisis de cointegración, encontramos que la elasticidad de Yindust al PIB de México es mayor que la de IP_t (0.62 vs 0.42).

Otro resultado empírico crucial es que con distintas estimaciones probamos categóricamente que al menos desde 1995Q1 el tipo de cambio real bilateral no tiene capacidad para explicar al crecimiento ni a su volatilidad, lo que puede deberse a la gran importancia que ha ganado el comercio intraindustrial e intrafirma. También puede asociarse a que desde 1995 el Banco de México adoptó el régimen cambiario de libre flotación con lo que el tipo de cambio dejó de ser el ancla nominal de la economía y, por tanto, el factor dominante en la estabilidad de precios (^{Heath y Acosta, 2019}). Todo esto sugiere que puede seguir siendo la variable que absorba los choques internos y externos debido a que no tiene efectos reales.

Por otro lado, también probamos empíricamente la fuerte asociación dinámica (determinación) del ciclo de crecimiento industrial de Estados Unidos al ciclo de crecimiento del PIB total y manufacturero mexicanos, y que se ha acentuado después de 2020. Pero llama la atención que alrededor de la presidencia de Donald Trump (2016-2020) esta sincronización, perdió significancia estadística muy probablemente a consecuencia del conjunto de políticas que aplicó.

Es necesario analizar este gran resultado que constituye una importante aportación. Si bien en los últimos 30 años el PIB industrial de México ha representado alrededor del 36% del total y de que el PIB de la manufactura ha representado alrededor del 18% del PIB no manufacturero (INEGI, 2024a), la importancia crucial de este sector en la determinación del PIB debe analizarse no solo por esas contribuciones estáticas, sino por los efectos dinámicos y de derrama al resto de la economía (nacional y regional) en términos de exportaciones, generación de divisas e innovación, vinculación con la inversión extranjera directa, etc.³⁴

Lo que se ha visto hasta marzo de 2025 es la intensificación de esas medidas que se han dado en llamar trumponomics 2.0, lo que muy probablemente generará resultados aún más perjudiciales en la economía mexicana, con lo que se perdería mucha fuerza de crecimiento al tiempo que la volatilidad de la producción industrial de Estados Unidos se transmitirá negativamente al crecimiento del PIB manufacturero y total de México.

Por los resultados de este trabajo, es claro que las políticas públicas de crecimiento y de desarrollo económicos de México deberán concentrarse en: a) fomentar a toda costa elevar la inversión pública y privada (interna y externa), b) aumentar dramáticamente la eficiencia de la inversión pública, pero en particular de la privada, que prácticamente se ha derrumbado desde 2018, c) profundizar de una manera mucho más eficiente el encadenamiento productivo de México, ahora no solo con el sector industrial de Estados Unidos que se encuentra estancado desde hace al menos diez años y ha perdido peso en la explicación del PIB de ese país,³⁵ sino también con más sectores de mayor dinamismo y valor agregado de modo que eleve, por esta vía, el crecimiento potencial del PIB mexicano. Estas sugerencias se enfrentan a un ambiente extremadamente hostil y de proteccionismo de Estados Unidos que las dificultan enormemente.

Sin embargo, el mayor desafío actual es cómo insertar productivamente a la economía mexicana en cadenas de mayor valor de Estados Unidos, al tiempo de aumentar muy sensiblemente la inversión privada (tanto en términos reales, como en proporción del PIB) y más aún su eficiencia sobre el resto de la actividad económica, en el contexto actual externo caracterizado por los trumponomic 2.0.