ARCHIVOS DE ECONOMÍA

Generación de empleos y clústeres

Julian Andres VILLAMIL

Luis Felipe QUINTERO
Gustavo Adolfo HERNANDEZ-DIAZ

Documento 503
Dirección de Estudios Económicos
25 de septiembre de 2019

La serie ARCHIVOS DE ECONOMÍA es un medio de divulgación de la Dirección de Estudios Económicos, no es un órgano

oficial del Departamento Nacional de Planeación. Sus documentos son de carácter provisional, de responsabilidad exclusiva
de sus autores y sus contenidos no comprometen a la institución.

Consultar otros Archivos de economía en:

[Link]
[Link]
 Generación de empleos y clústeres

Julian Andres VILLAMIL

javillamil@[Link]
Luis Felipe QUINTERO
lufquinterogo@[Link]
Gustavo Adolfo HERNANDEZ-DIAZ
ghernandez@[Link]

Resumen

En este trabajo se utiliza la metodología insumo – producto para analizar la

creación del empleo desde la perspectiva sectorial, al utilizar los multiplicadores
del empleo los multiplicadores del empleo y mostrar las relaciones del empleo
entre e intra – clúster de la economía. Se encuentra que los clústeres más
cercanos a la demanda final son los de agro – industria e industria y construcción.
Si se realiza algún estímulo sobre la demanda de los productos finales de estos
clústeres se va a generar una mayor absorción del trabajo, no solo dentro de
cada clúster, sino en el sistema productivo en general. El efecto se refuerza si
existen conexiones fuertes con clústeres proveedores netos de insumos, tales
como el de servicios o el de industria minero – energética.

Palabras clave: Clústeres, empleo y matrices insumo – producto.

Clasificación JEL: C38, C67, E01 y B51

 Los autores son respectivamente Consultor, Pasante y Subdirector de Estudios Sectoriales y de

Regulación, de la Dirección de Estudios Económicos del Departamento Nacional de Planeación. Los
autores agradecen los comentarios realizados por Gabriel Piraquive y los participantes en el seminario de
seguimiento de la Dirección de Estudios Económicos. Los errores, opiniones y omisiones son
responsabilidad de los autores y no comprometen a la institución.
 1. Introducción

En lo últimos años la tasa de desempleo estructural en Colombia se ha

incrementado, alcanzando una cifra muy cercana al 10%, siendo está una de las
más altas en América Latina (Casas, González y Meléndez, 2018). Como se
aprecia en el Gráfico 1, el aumento en el desempleo de las 13 áreas responde al
bajo crecimiento de la fuerza laboral, donde la Población Económicamente
Activa (PEA) se ha desacelerado, mostrando un comportamiento tendencial más
que coyuntural. En este contexto, 2018 presenta un pequeño aumento de 0,5%
en la PEA, cuando en 2009 había sido superior al 5%. De la misma manera, la
desaceleración repite en la participación laboral, donde la variación de la Tasa
Global de Participación (TGP) además de tener una tendencia a la baja, presenta
caídas desde hace tres años.
Gráfico 1. Variación de la PEA y la TGP
2,5 6,0%

2,0 5,0%

1,5
(puntos porcentuales)

Variación de la PEA
Variación de la TGP

4,0%

(porcentahe)
1,0
3,0%
0,5
2,0%
0,0

-0,5 1,0%

-1,0 0,0%
2008

2009

2010

2011

2012

2013

2014

2015

2016

2017

2018

TGP PEA

Fuente: DEE (2019)

Trece áreas metropolitanas
DANE – GEIH

Cuadro 1. Ocupados por sector económico

2017 2018 Variación
Sector Económico Miles de Miles de 2017 – 2018
personas personas porcentaje

Comercio 3.242 3.260 0,5

Servicios sociales y personales 2.403 2.426 0,9
Industria 1.660 1.661 0,1
Actividades inmobiliarias 1.349 1.298 -3,8
Transporte y comunicaciones 989 985 -0,4
Construcción 685 707 3,2
Intermediación financiera 228 244 7,1

Otras ramas** 171 179 4,7

Fuente: DEE (2019)
Trece áreas metropolitanas
DANE – GEIH
** Incluye: agricultura, minería y suministro de electricidad, gas y agua.
De otra parte, dentro de los sectores con mayor generación de empleo se
destaca el de servicios sociales y comunales con un incremento aproximado de
22.500 ocupados. De igual forma, se destaca la creación de más de 21.600
puestos de trabajo en el sector de la construcción. Finalmente, el comercio creó
17.300 puestos de trabajo. Dentro de los sectores que presentaron variaciones
negativas en la generación de empleo en las 13 áreas, se destaca el de
actividades inmobiliarias y otros, al tener una perdida aproximada de 50.700
empleos. El conocer las dinámicas sectoriales de los flujos de empleo es muy
importante para identificar los cuellos de botella de las diferentes políticas
enfocadas en la generación de empleo.
El principal objetivo de este trabajo es analizar el empleo desde la perspectiva
sectorial, utilizando un enfoque interindustrial para identificar los sectores que
pueden ayudar a la creación de empleo. Este enfoque es interesante, porque no
solo considera los flujos directos de la creación de empleo, sino también los
cambios en el empleo atribuible de manera indirecta a las conexiones
interindustriales. Los resultados cuantitativos son útiles, como un instrumento
adicional a los existentes, para mejorar las respuestas políticas a eventos como
una desaceleración económica, y llevar a cabo medidas más apropiadas para
estimular la economía utilizando los instrumentos y recursos limitados
disponibles por el gobierno, para apoyar a las industrias con un fuerte potencial
de crecimiento y capacidad de creación de empleo.
Una de las herramientas para identificar los sectores donde hay una mayor
probabilidad, de que las políticas tienen un efecto transversal en la generación
de empleo, es el análisis insumo – producto. Particularmente, este se ha limitado
a analizar qué es lo que sucede con los multiplicadores del empleo, pero en este
trabajo se va más allá, al mostrar las relaciones del empleo entre e intra – clúster.
En la primera parte del documento se presenta como se obtienen los
multiplicadores tradicionales de empleo, para luego hacer una breve descripción
del algoritmo de partición espectral utilizado para la identificación de los
clústeres. Posteriormente, se muestra el calculo de los indicadores de empleo
entre e intra – cluster (jerarquía, circularidad e independencia) basados en
Garbellini y Wirkierman (2014). Posteriormente, se presentan los resultados de
estos cálculos al utilizar las matrices, tanto insumo – producto como de empleo,
construidas por el DANE. Para luego hacer unos comentarios finales acerca del
ejercicio descrito.

2. Empleo y encadenamientos

En el Cuadro 2 se presenta una MIP de forma general. Donde, 𝒙 representa el

vector de producción bruta total. Verticalmente la producción se obtiene como la
suma de los insumos intermedios, 𝑿, más el valor agregado (factores) 𝒇. Por
filas, la producción se distribuye hacia el consumo intermedio 𝑿 y la demanda
final 𝒚1.

1Antes de proseguir, se hace una aclaración acerca de la notación que va a ser utilizada de aquí en
adelante. Los símbolos en negrita se refieren a matrices o vectores. 𝒆 representa un vector columna con
 Cuadro 2. Matriz Insumo-Producto

Sectores Demanda Final Totales

Sectores 𝑿 𝒚 𝒙
Factores 𝒇 𝒅 𝒗𝑻 𝒆 + 𝒅
Totales 𝒙𝑻 𝒆𝑻 𝒚 + 𝒅
Fuente: Dietzenbacher (1992)

El análisis insumo – producto concentra su atención en la obtención de los

coeficientes técnicos de la MIP, la cual tiene 𝑛 diferentes sectores
(𝑎𝑖𝑗 ∀𝑖, 𝑗 = 1, ⋯ , 𝑛), que representan el requerimiento directo del sector 𝑖 por
unidad del sector 𝑗 para su producción. Estos coeficientes técnicos se unen para
conformar la matriz 𝑨, que es el punto de partida para la relación básica de
Leontief
𝒙 = 𝑨𝒙 + 𝒚 (1)
donde, 𝒙 representa el vector de producción bruta total e 𝒚 es otro vector
columna con la demanda final.
Haciendo las transformaciones necesarias podemos encontramos que
𝒙 = (𝑰 − 𝑨)−1 𝒚 = 𝑴𝒚
(2)
Donde, 𝑨 es la matriz de coeficientes técnicos, esto es las cantidades de insumos
que un sector requiere para producir una unidad de producto, 𝑴 es la matriz de
requerimientos directos e indirectos para producir una unidad de producto.
Con base en (2) se pueden construir los encadenamientos productivos, esto es
el impacto de dicho sector sobre el resto de la economía2, y, a partir de allí, los
multiplicadores que pueden ser sobre: la producción, el valor agregado, el
empleo, el ingreso…3. Un multiplicador sobre la producción de una actividad se
puede definir como, el aumento directo e indirecto de la producción dado un
aumento en el uso final (demanda). Donde, el efecto directo se refiere al aumento
de la producción solamente en la actividad de referencia, y el efecto indirecto es
el aumento de la producción del resto de actividades dentro de su cadena de
suministros. Estos aumentos en la producción repercuten sobre la generación de
empleo, al necesitar cada actividad contratar más personas para poder producir
las nuevas cantidades demandas por la economía.

todas las entradas iguales a uno, T denota que matriz o vector es traspuesto, -1 es la inversa de la matriz, ^
denota una matriz diagonal, ~ denota una matriz cuadrada donde todos los elementos de la diagonal son
cero.
2 El cual puede ser visto: i) hacia atrás: capacidad de un sector de arrastrar a otros sectores que le proveen

los insumos intermedios para su proceso de producción, y ii) hacia adelante: capacidad del sector de
impulsar otros sectores proporcionándole insumos intermedios necesarios.
3 Para mayores detalles véase capítulo 6 de Miller y Blair (2009).
Los multiplicadores de empleo se pueden definir como los empleos necesarios
para la producción de una actividad. Los cuales se construyen a partir de un
vector de coeficientes de empleo, donde cada componente es definido como:

𝒂𝑇𝑙 = 𝒍𝑇 𝐱̂ −1 (3)

Donde, 𝒂𝑇𝑙 es el vector de coeficientes directos de empleo y 𝒍𝑇 es el vector de

empleo de las actividades. Entonces, los requerimientos de trabajo adicional del
sector (𝒗) puede ser definido como:

𝒗𝑇 = 𝐚Tl 𝐌
𝒗 = 𝐚Tl + 𝐚Tl 𝑨 + 𝐚Tl 𝑨2 + 𝐚Tl 𝑨3 + ⋯ (4)

Estos requerimientos de trabajo se pueden descomponer en: i) el efecto directo

es los empleos necesarios para satisfacer la nueva producción, ii) el efecto
indirecto del sector, esto es, el empleo necesario del sector para satisfacer la
producción todos los otros sectores en la cadena productiva, que son utilizados
como consumo intermedio del sector y iii) el efecto indirecto de los otros sectores,
que es la creación de nuevas plazas de trabajo en todos los otros sectores, por
una mayor producción, que sirven de consumo intermedio al sector en cuestión.

3. Clústeres

En el presente trabajo se hace uso del algoritmo de partición espectral (APE)

para redes propuesto por Newman (2006) y Leicht y Newman (2008) y adaptado
para la economía por Garbellini y Wirkierman (2014). El cual ya ha sido utilizado
por Hernández y Villamil (2016) para el año 2005, a partir de las cuentas
nacionales del DANE. Esta metodología logra dividir la red en comunidades, no
superpuestas, de industrias cuyas interacciones están por encima del promedio.
Si bien, un estudio de clústeres debe incluir los aspectos geográfico e
institucional, el análisis de la MIP permite construir nuevas redes sintéticas, en
las cuales se condensan las interacciones de todo el sistema.
Para cuantificar y clasificar los efectos que tienen estímulos a la demanda final
sobre los clústeres identificados.
• Jerarquía: mide la cercanía de un clúster (o sector) con la demanda final.
• Circularidad: mide la distribución de trabajo incorporado intra y extra
cluster.
• Independencia: mide los efectos spillover y feedback que puedan resultar.
• Concentración: mide la distribución de la compra y venta de producción
entre clústeres
 • Interconectividad: mide la distribución de los aumentos de producción
generados por aumentos en la demanda
• Valor Agregado: mide variaciones en el valor agregado producto de
aumentos en la demanda final
• Ingreso: mide variaciones en los niveles de ingreso producto de aumentos
en la demanda final.

Este algoritmo posee como principal ventaja a la hora de identificar divisiones

naturales de sectores en clústeres, no requiere conocer a priori el tamaño ni el
número de dichos clústeres (Newman, 2006). Su idea central radica en que una
forma altamente eficiente de identificar comunidades es organizar la red en
grupos cuyas conexiones internas sean mucho más altas a las que se esperarían
por el puro azar. En lenguaje formal, esto se traduce en maximizar la
modularidad (𝑄) de la red, encontrar 𝒔 de manera que se maximice 𝑄 para un 𝑹 ̃
dado (Newman, 2006):
𝑄 = (𝑒𝑗𝑒𝑠 𝑎𝑙 𝑖𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑑𝑒 𝑙𝑎𝑠 𝑐𝑜𝑚𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠)
− (𝑒𝑗𝑒𝑠 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜𝑠 𝑎𝑙 𝑖𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑑𝑒 𝑙𝑎𝑠 𝑐𝑜𝑚𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠)
1 𝑇
𝑄= ̃ )𝒔
𝒔 (𝑹
4𝑚
𝑘 𝑖𝑛 𝑘 𝑜𝑢𝑡
Donde: 𝑹̃ = 𝑹 + 𝑹𝑇 , 𝑹 = 𝐷𝑖𝑗 − 𝑖 𝑗 es la matriz de modularidad4. 𝐷 muestra
𝑚
las conexiones entre cada par de nodos (en este caso la matriz IP: 𝑋); 𝑚 es el
peso total de todas las conexiones de la red; 𝑘 𝑖𝑛 es el peso total de los links que
salen de un vértice; 𝑘 𝑜𝑢𝑡 es el peso total de los links que entran a un vértice; y
en 𝒔 se encuentra la pertenencia de un sector a un clúster u otro.
El algoritmo para dividir una red dirigida se puede resumir en los siguientes tres
pasos:
i. A partir de la red dirigida se construye la matriz de modularidad, 𝑹.
ii. Se separa la red en dos clústeres, de modo que se maximice la modularidad
(𝑄 ) de la red (grado de conexiones excepcionales entre los nodos) al interior
de las clústeres. En otras palabras, se busca construir comunidades de
sectores que comparten un número de conexiones inesperadamente alto.
Según Newman (2006), la forma más eficiente de hacer esto es agrupar los
sectores de acuerdo al signo del elemento correspondiente en el autovector
asociado al autovalor dominante de la matriz 𝑹 ̃ , los positivos en una
comunidad y los negativos en la otra.
iii. De manera recursiva se regresa al paso ii. y se subdividen los clústeres
encontrados, cada uno en dos nuevos clústeres. El proceso continúa hasta
el punto en el que subdivisiones adicionales resulten particiones triviales: un
conjunto con todos los nodos del clúster y otro grupo con cero nodos. Es
decir, hasta el punto en el que la actual subdivisión maximice el grado de
conexiones excepcionales.

4 Para poder usar la información completa de la dirección de los flujos en una red dirigida, se usa la matriz
simétrica generalizada: 𝑹̃ = 𝑹 + 𝑹𝑇 (Leicht y Newman, 2008).
El componente de partición espectral se lleva a cabo en el paso ii). Allí, los
sectores se clasifican de acuerdo con el signo que tienen los elementos del
autovector asociado al autovalor dominante; aquellos sectores cuyos elementos
correspondientes en el autovector son positivos se asignan a una comunidad y
los que son negativos a la otra comunidad. Newman (2006) muestra que esta
sencilla aproximación es efectiva y eficiente para identificar clústeres
(comunidades, como suelen denominarse a dichos conjuntos de nodos en la
literatura de redes complejas).
Este algoritmo tiene dos ventajas con respecto a algoritmos similares y
ampliamente usados. Primero, permite usar la información completa de una red
dirigida: no se eliminan los flujos en doble vía. Segundo, no es necesario conocer
a priori el tamaño ni el número de los clústeres, sino que se identifican
endógenamente.
Una vez identificados los clústeres es posible sintetizar la información sobre los
flujos de trabajo incorporado en tres tipos de indicadores Garbellini y Wirkierman
(2014). A continuación, se expone la construcción de tales indicadores y la forma
como estos sirven para clasificar los clústeres.

4. Indicadores de empleo entre e intra – clúster

4.1 Indicadores de Jerarquía

El indicador de jerarquía mide la cercanía de un clúster (o sector) con la demanda

final. Se define como la relación entre el trabajo necesario (directa e
indirectamente) para producir una unidad del bien final 𝑖 y el requerimiento
técnico de trabajo en sector 𝑖.
Para entender mejor tanto el concepto de este como de otros indicadores es útil
explicar previamente la noción de subsistemas de demanda final. En palabras
sencillas, estos se definen como estructuras funcionales que producen
únicamente un bien final. Reúnen el conjunto de sectores que contribuyen,
directa e indirectamente, a la producción del bien5. De esta manera, en una
economía, existe un subsistema por cada bien final que se produce (Garbellini y
Wirkierman, 2014).
Siendo esto así, un indicador de jerarquía se puede definir como la resta entre el
trabajo que necesita el subsistema 𝑖 para producir una unidad del bien final y el
trabajo que la industria 𝑖 requiere para su producción bruta: 𝐿(𝑖) − 𝐿𝑖 . Donde:
Li = 𝐚Tl 𝐱̂𝐞i = ali xi ← Requerimientos directos de trabajo de
cada industria 𝑖 para producir el producto bruto
𝑥𝑖

5 En una red suficientemente interconectada todos los sectores contribuyen directa o indirectamente para
la producción de cualquiera de los bienes finales.
L(i) = 𝐚Tl 𝐱̂ (i) = 𝐚Tl 𝐌𝐲 (i) = vi yi ← Requerimientos de trabajo del subsistema
asociado para producir la demanda final 𝑦𝑖
Nótese que si 𝐿(𝑖) − 𝐿𝑖 > 0 el sector 𝑖 requiere, indirectamente, de mucho más
trabajo para producir su bien final de aquel que le aporta a la producción de otros
subsistemas. En otras palabras, los esfuerzos del sector están más
encaminados hacia la demanda final. A nivel de clúster el indicador de jerarquía
se define de manera análoga: 𝐿(𝑐) − 𝐿𝑐 , donde un valor positivo muestra que el
clúster se encuentra más o menos cercano a la demanda final.

4.2 Indicadores de Circularidad

Los indicadores de circularidad miden la persistencia del trabajo dentro del

clúster o su propagación hacia otros clústeres. Esta distribución se puede
clasificar en cuatro componentes para cada clúster:
𝐿(𝑐) − 𝐿𝑐 = (1) + (2) − (3) − (4)
La Ilustración 1 muestra cada uno de los componentes de la distribución de
trabajo: (1) trabajo absorbido por cada subsistema del clúster desde otras
industrias del mismo clúster6, (2) trabajo absorbido por cada subsistema del
clúster desde otras industrias fuera del clúster, (3) trabajo contratado
directamente en cada industria del clúster que contribuye a la producción de
subsistemas del mismo clúster y (4) trabajo contratado directamente en cada
industria del clúster que contribuye a la producción de subsistemas fuera del
clúster.

Ilustración 1. Distribución del empleo incorporado

Fuente: Garbellini y Wirkierman (2014)

6Esto es, el trabajo que requiere la industria A de la industria B para producir una unidad de producción,
estando ambas industrias en el mismo clúster.
 Cuadro 3. Indicadores de Circularidad

Empleo proveniente de Trabajo que va a Como proporción del

Flujo Indicador
industrias subsistemas: total de:

̌ 𝐶𝐶 𝒚 Trabajo del
(1) 𝜑𝐶𝐶 = (𝒂𝑇𝑙𝐶 𝑴 ̂𝐶 )/𝐿(𝐶) intra-C intra-C
subsistema
Trabajo del
(2) ̂𝐶 )/𝐿(𝐶)
𝜑𝑁𝐶 = (𝒂𝑇𝑙𝐶 𝑴𝑁𝐶 𝒚 extra-C intra-C
subsistema

̌ 𝑇𝐶𝐶 𝒂 Empleo de la
(3) 𝜓𝐶𝐶 = ( 𝒚𝑇𝐶 𝑴 ̂𝑙𝐶 )/𝐿𝐶 intra-C intra-C
Industria
Empleo de la
(4) 𝜓𝐶𝑁 = ( 𝐲NT 𝐌CN
T
𝐚̂lC )/LC intra-C extra-C
Industria
Fuente: Garbellini y Wirkierman, 2014.

En el Cuadro 3 se presenta como son los cálculos para la distribución del empleo
incorporado. Donde 𝒂 es un vector de coeficientes directos de trabajo, y 𝑴 es la
inversa de Leontief y 𝒚 es el vector de demandas finales7.

4.3 Indicadores de Independencia

El indicador de independencia permite establecer la importancia que tiene la red

productiva para cada uno de los clústeres. En otras palabras, los indicadores de
independencia miden el grado de cohesión de los clústeres con el resto de la
red. Estos indicadores señalan tres efectos (Cuadro 4): i) sinergias propias,
efectos autoinducidos que no circulan por la red productiva, ii) efectos spillover,
impactos sobre los demás clústeres de la red productiva, iii) efectos feedback,
efectos de retroalimentación a través de la red productiva.

Ilustración 2. Sinergias, feedbacks y spillovers

Las flechas indican la dirección de los insumos de producción.

Fuente: Garbellini y Wirkierman, 2014.

7 Véase Garbellini y Wirkierman (2014), sección 3.2, para la derivación de estas fórmulas.
 En la Ilustración 2 se muestran estos tres efectos generados por un choque sobre
la demanda final del sector s del clúster C. En el primer paso la industria s
demanda los insumos requeridos dentro del mismo clúster. Para lograr esta
producción las industrias del clúster también necesitan insumos de otros
clústeres, lo que deriva en un efecto spillover sobre la red productiva. Finalmente,
el estímulo inicial se retroalimenta cuando el resto de la red productiva demanda
insumos del mismo clúster C.

Cuadro 4. Indicadores de Independencia

Flujo Indicador Empleo: Generado por:

𝑆
𝒗𝑇𝐶𝐶 𝒚𝐶 𝒂𝑇𝑙𝐶 (𝑰 − 𝜶
̂ 𝐶 )−1 𝒚𝐶 Sinergias entre industrias dentro del
(1) 𝜔𝐶𝐶 − 𝜔𝐶𝐶 = − intra-C
𝐿(𝐶) 𝐿(𝐶) clúster

𝒗𝑇𝐶𝑁𝐶 𝒚𝐶 Feedbacks, efectos que retornan luego

(2) 𝜔𝐶𝑁𝐶 = intra-C
𝐿(𝐶) de atravesar la red

𝒗𝑇𝑁𝐶 𝒚𝐶 Spillovers, efectos que se propagan al

(3) 𝜔𝑁𝐶 = extra-C
𝐿(𝐶) resto de la red

Fuente: Garbellini y Wirkierman (2014).

5. Resultados

La base para la construcción de los multiplicadores y el análisis de clústeres es

la MIP construida por el DANE para el año 20158, con base en las nuevas
cuentas nacionales, a precios corrientes, además de las matrices de empleo9,
donde las unidades de esta última matriz ser refiere a trabajos equivalente a
tiempo completo. También, hay que tener en cuenta que los datos de empleo se
encuentran a 25 sectores y no los 68 sectores con que cuenta la MIP del 2015,
por lo que se procedió a agregar la MIP construida por el DANE. Cabe mencionar
que todos los indicadores relacionados con la producción se construyeron con la
matriz doméstica de las actividades, lo cual evita el sesgo de involucrar las
“filtraciones” que las importaciones de consumo intermedio involucran en el caso
de hacer los casos con la matriz total de actividades.
También es importante tener en cuenta que, el análisis insumo – producto se
realizó utilizando como sectores las actividades de la economía, y no los
productos. Cuando se habla, en el documento de actividad de la economía esto
se refiere a que hay producción primaria (del sector) y secundaria (de otros
sectores). Por ejemplo, en el café, la producción primaría está relacionada con
el cultivo de café, y la producción secundaría puede estar relacionada con el
cultivo de plátano, que hace sombrío para el café. Utilizar la matriz actividad-
8 La cual se puede consultar en [Link]
nacionales/cuentas-nacionales-anuales/matrices-complementarias#matriz-insumo-producto-base-2015.
9 Las cuales se encuentra en [Link]
nacionales/cuentas-nacionales-anuales/matrices-complementarias.
actividad tiene dos ventajas: i) la construcción de los indicadores de empleo tiene
en cuenta no sólo el empleo generado por la producción primaria sino también
por la producción secundaría, lo cual ayuda a no subestimar los indicadores, al
sólo considerar la producción primaria (matriz producto – producto) y. ii) el
involucrar la producción secundaría de cada actividad, en la construcción de los
clústeres, implica tener las interacciones de la producción de las actividades
dentro y fuera del sector, lo que no sucede con la matriz producto – producto.
En el Cuadro 5 se presentan los resultados de los multiplicadores para el empleo
por un aumento de la demanda exógena de $1.000 millones. Aunque el sector
de actividades de los hogares presenta un multiplicador muy por encima del
promedio, esto puede ser explicado por la poca producción asociada al sector,
adicionalmente como se observa no hay ningún efecto adicional del sector en la
economía. De otra parte, los sectores que tienen un mayor multiplicador para el
empleo son: agricultura, ganadería, caza, silvicultura y pesca, comercio,
confecciones y textiles, muebles y otras industrias y restaurantes y hoteles. Los
cuales se caracterizan por estar en el sector primario y servicios, estos últimos
con bajo contenido de valor agregado, Adicionalmente, la generación del empleo
de estos sectores se caracteriza por quedarse en la actividad sin grandes
spillovers sobre el resto de la economía.
En el caso de agricultura, ganadería, caza, silvicultura y pesca el multiplicador
de 46 empleos por un incremento en la demanda de $1.000 millones, como se
puede ver 37 de ellos son generados en el sector para poder suplir la nueva
producción requerida, 5 de ellos, aunque son contratados en el sector, son
utilizados para producir bienes como consumo intermedio de los demás
sectores, y 5 de ellos son creados en el resto de los sectores para suplir el
consumo intermedio de esta actividad. El sector de alimentos procesados tiene
un gran efecto de spillover sobre la economía, ya que como se puede observar
de los 28 empleos que se pueden generar, 6 se contratan directamente en el
sector para suplir la nueva demanda, 1 empleo se contrata para que la
producción de alimentos procesados se utilice como consumo intermedio del
resto de sectores y 21 empleos son generados en el resto de los sectores para
suplir el consumo intermedio del sector. De otra parte, En el sector de explotación
de minas y canteras se observa que, de los 9 empleos generados, 2 son para la
producción del sector, y los restantes 7 están en el resto de los sectores para
producir bienes de consumo intermedio para el sector de explotación de minas y
canteras. Algo similar ocurre en el sector de obras civiles y construcción, en
donde el efecto indirecto del sector es nulo.
 Cuadro 5. Generación de empleo por un incremento de $1.000 millones

Secciones Multiplicador Efectos

CIIU Rev. 4 Descripción Indirecto Indirecto de
del empleo Directo /1
A.C. del sector otros sectores
A Agricultura, ganadería, caza, silvicultura y pesca 46 37 5 5
B Explotación de minas y canteras 9 2 0 7
C01 Alimentos procesados 28 6 1 21
C02 Confecciones y textiles 39 27 5 8
C03 Productos de madera y papel 17 6 1 10
C04 Industria química y refinación de petróleo 10 3 1 7
C05 Industria - fabricación de productos 13 5 1 7
C06 Muebles y otras industrias 35 28 0 7
D Electricidad y gas 8 1 1 7
E Agua y saneamiento básico 14 6 0 7
F01 Construcción 21 13 0 9
F02 Obras civiles 14 5 0 9
F03 Servicios de construcción 17 8 2 8
G Comercio 40 33 1 6
H Transporte y almacenamiento 29 20 3 6
I Restaurantes y hoteles 33 20 0 13
J Comunicaciones 15 7 1 7
K Actividades financieras 10 4 1 5
L Actividades inmobiliarias 5 3 0 2
M+N Servicios profesionales 25 20 3 3
O Administración pública 16 7 0 9
P Educación 17 12 0 5
Q Salud 21 11 5 4
R+S Entretenimiento 47 37 4 6
T Actividades de los hogares 130 130 0 0
Fuente: DANE, Cuentas Nacionales.
/1 Empleo / producto

Cálculos de los autores

Los efectos de spillover sobre la economía de cada uno de los sectores se puede
observar mejor en el Gráfico 2, donde se presenta la composición del
multiplicador del empleo. Como se aprecia los sectores con mayor generación
de empleo en sectores, distintos al suyo, son: electricidad y gas, alimentos
procesados, explotación de minas y canteras, industria química y refinación de
petróleo y obras civiles; donde por cada 10 empleos generados, en promedio, 7
se dan en sectores de su cadena de suministros. De otra parte, se observa que
la generación de empleo de cada actividad para producir bienes y/o servicios
como consumo intermedio del resto de sectores es muy baja, con excepción de
la actividad de salud, e incluso en algunas de ellas llega ser de cero. Por tanto,
se debe de analizar de manera más detallada los efectos directos e indirectos
del empleo ayudan a poder entender como las interrelaciones entre las
actividades llegan a dinamizar la generación de empleo de la economía.
 Gráfico 2. Composición del multiplicador de empleo

Electricida y gas
Al imentos procesados
Explotación de minas y canteras
Industria química y refinaci ón de petróleo
Obras civiles
Productos de madera y papel
Industria - fabricación de product os
Acti vidades financieras
Agua y saneamiento básico
Servi ci os de const rucción
Administraci ón pública
Comunicaciones
Salud
Const rucción
Restaurantes y hoteles
Actividades inmobiliarias
Confecciones y textiles
Transporte y almacenamiento
Educación
Servi ci os profesionales
Ent ret enimient o
Muebl es y otras indust rias
Agricultura, ganaderí a, caza, silv icultura y pesca
Comercio
Acti vidades de los hogares

0% 20% 40% 60% 80% 100%

Directo Indirecto del sector Indirecto de otros sectores

Fuente: DANE, Cuentas Nacionales.

Cálculos de los autores

Para esto, primero se presenta una clusterización de la economía, siguiendo el

algoritmo de partición espectral, para luego llevar a cabo la construcción de
indicadores de empleo para la caracterización de la economía, siguiendo a
Garbellini y Wirkierman (2014). En el Cuadro 6, se puede apreciar la
identificación de ocho clústeres para la economía: servicios, industria minero-
energética, agro – industria, industria y construcción, otros, electricidad y gas,
confecciones y textiles y actividades de los hogares. Los cuales son muy
similares a los encontrados por Hernández, Quintero y Villamil (2019), sólo que
allí se utiliza la MIP del 2015 para 68 sectores, luego las diferencias entre ambos
ejercicios son explicadas por la agregación de los datos. Se encuentra que en
los cuatro primeros clústeres se concentra el 89,9% de la producción y el 87,7%
del empleo, los cuales son: servicios, industria minero – energética, agro –
industria e industria y construcción.
Partiendo del empleo asociado a cada uno de los clústeres identificados,
entonces se puede observar que cada uno de ellos es capaz de absorber (o
proveer) empleo al resto de clústeres de la economía. Esto es, el empleo dentro
 cada clúster no está asociada únicamente al trabajo directo contratado en el
mismo clúster, sino que también está relacionada con el trabajo necesario en la
producción de otros clústeres que le proveen sus insumos. De esta manera, del
trabajo contratado en cada clúster, una parte está involucrada en la producción
de bienes finales (trabajo incorporado que sale inmediatamente de la cadena
productiva) y la restante está involucrada en la producción de insumos que sirven
para la producción de otros clústeres (trabajo incorporado que continúa en la
cadena productiva).

Cuadro 6. Identificación de clústeres

% en la % en el valor
% en el empleo
producción agregado
Servicios 39,8% 49,44% 43,9%
Industria minero – energética 21,0% 17,33% 11,8%
Agro – industria 16,6% 14,40% 24,1%
Industria y construcción 12,5% 9,63% 8,1%
Otros /1 4,9% 4,80% 5,1%
Electricidad y gas 3,1% 2,31% 0,3%
Confecciones y textiles 1,7% 1,42% 3,4%
Actividades de los hogares 0,3% 0,68% 3,3%
/1 Aquí se encuentra los sectores de muebles y otras industrias y salud.

Cálculos de los autores.

Matrices actividad - actividad
Fuente: DANE – Cuentas Nacionales

En el Cuadro 7 se presentan los cálculos del indicador de jerarquía, esto es la

diferencia entre el empleo absorbido frente al empleo contratado directamente
en cada uno de los clústeres. En el clúster de servicios se observa que emplea
el 43,9% del empleo en el país, pero el empleo utilizado en la producción de
bienes y/o servicios finales del clúster es de 37,9%. En términos netos, el
restantes 6%, es utilizado para producir bienes y/o servicios utilizados para el
resto de los clústeres, esto es, el clúster provee más trabajo hacia la red
productiva del que absorbe de la misma. Entonces, donde el valor de la columna
(3) es negativo (servicios e industria minero-energética), hacen referencia a
clústeres que son proveedores netos de trabajo a través de los insumos que les
suministran a los demás clústeres.

Cuadro 7. Indicador de jerarquía

Empleo incorporado
Empleo Contratado /1 Jerarquía
Clústeres absorbido /1
(1) (2) - (1) = (3)
(2)

Servicios 43,9% 37,9% -6,0%

Industria minero – energética 11,8% 11,0% -0,8%
Agro – industria 24,1% 27,7% 3,6%
Industria y construcción 8,1% 9,4% 1,3%
Otros 5,1% 6,4% 1,3%
Electricidad y gas 0,3% 0,7% 0,5%
 Confecciones y textiles 3,4% 3,5% 0,1%
Actividades de los hogares 3,3% 3,3% 0,0%
/1 Participación en el empleo

Cálculos de los autores.

Fuente: DANE – Cuentas Nacionales

Otra forma de interpretar el resultado de la columna (3), es asociarlo con la

cercanía de cada clúster a la demanda final. En el caso de la agro – industria,
este clúster absorbe el 27,7% del empleo total, pero solo contrata el 24,1% del
trabajo de la economía, es decir, este clúster dedica su esfuerzo productivo más
hacia la demanda final que hacia la producción de bienes intermedios. De esta
manera, un clúster cuyo valor de la columna (3) es positivo (absorbe más trabajo
de la red productiva del que le provee) es más cercano a la demanda final.
De otra parte, se puede identificar son los flujos de empleo incorporado desde y
hacia los sectores dentro del clúster. Como se puede ver en las columnas (2) y
(4) del Cuadro 8, los clústeres de electricidad y gas e industria minero –
energética proveen empleo hacia los demás sectores, mientras en el caso de
agro – industria la mayor parte del trabajo requerido proviene del mismo clúster
(29,5%) y no participa mucho en la elaboración de otros productos finales, luego
la mayor parte del empleo del clúster circula dentro del mismo clúster (34%). De
esta manera se puede caracterizar cuales clústeres serán más dinámicos en la
provisión y absorción de empleo.

Cuadro 8. Indicadores de Circularidad: flujos de trabajo incorporado

Absorción de trabajo incorporado Provisión de trabajo incorporado

Desde el clúster Hacia el clúster
Desde otros clústeres Hacia otros clústeres
(% del empleo (% del empleo en el
Clústeres (% del empleo necesario) (% del empleo en el clúster)
necesario) clúster)
(2) (4)
(1) (3)
Servicios 20,6% 11,1% 17,7% 23,3%
Industria minero – energética 17,4% 37,3% 16,2% 41,3%
Agro – industria 29,5% 19,5% 34,0% 7,4%
Industria y construcción 13,5% 33,9% 15,7% 23,1%
Otros 3,4% 26,1% 4,3% 7,3%
Electricidad y gas 0,0% 80,7% 0,0% 49,1%
Confecciones y textiles 0,0% 23,4% 0,0% 21,8%
El clúster de actividades de los hogares no se presenta porque no presenta ningún de encadenamiento con
los demás sectores, y por tanto de sus flujos de trabajo.
Cálculos de los autores.
Fuente: DANE – Cuentas Nacionales

A partir de la columna (4), se encuentra que los clústeres más propensos a ser
utilizados como insumos intermedios son electricidad y gas, industria minero –
energética y servicios ya que los dos primeros dedican más del 40% de su
empleo a la producción de bienes como consumo intermedio de otros clústeres,
mientras que el sector de servicio dedica casi una quinta parte de su empleo a
para la provisión de bienes y/o servicios para otros clústeres. De otra parte, la
columna (3), del mismo cuadro, muestra como los sectores de agro – industria e
 industria y construcción dedican una mayor parte de su empleo a la producción
de bienes finales (34% y 15,7%, respectivamente).
Finalmente, en el Cuadro 9 se encuentran los cálculos del grado de cohesión de
los clústeres. A partir de los cual, se puede analizar como una política de
estímulo a la demanda de los clústeres con mayores efectos spillover pueden
amplificar la política sobre toda la estructura productiva, especialmente para los
clústeres que son proveedores netos de insumos. Por ejemplo, dentro de los
clústeres cercanos a la demanda final, como es el caso de la industria y
construcción, se tiene un fuerte efecto de spillover sobre los otros clústeres, de
tal forma que el estimulo a la demanda final se propaga ampliamente a lo largo
de la red productiva, y al llegar a un clúster, como el de electricidad y gas, que
tiene una gran absorción de trabajo (a través de los insumos que demanda) de
otros clústeres (80,7%), multiplica el estímulo inicial afectando de manera
amplificada a unos terceros clústeres, y al llegar al clúster de servicios se
produce un efecto de feedback que va disipando el choque de política inicial, al
tener una gran absorción del empleo generado. Entonces, es posible generar
efectos multiplicativos que permeen muchos más rincones de la cadena
productiva si se aplica un estímulo a un clúster cercano a la demanda final y con
fuertes efectos spillover.

Cuadro 9. Indicadores de Independencia: grado de cohesión de los clústeres

Empleo Inducido como % del empleo necesario
En el clúster por
Clústeres Sinergias al interior del Fuera del clúster -
feedbacks (a través de los otros
clúster spillovers
clústeres)
(1) (3) /1
(2)
Servicios 18,3% 3,1% 11,1%
Industria minero – energética 15,5% 3,0% 37,3%
Agro – industria 30,3% 0,6% 19,5%
Industria y construcción 12,8% 0,7% 33,9%
Otros 3,4% 0,1% 26,1%
Electricidad y gas 0,0% 0,2% 80,7%
Confecciones y textiles 0,0% 0,2% 23,4%
El clúster de actividades de los hogares no se presenta porque no presenta ningún de encadenamiento con
los demás sectores, y por tanto de sus flujos de trabajo.
/1 Esta columna equivale a la columna (2) del Cuadro 8

Cálculos de los autores.

Fuente: DANE – Cuentas Nacionales

6. Comentarios finales

Aunque la tasa de desempleo no ha crecido de forma acelerada en los últimos

años, es una de las más altas de América Latina. Ahora bien, el poder identificar
y analizar las conexiones a nivel de clúster para Colombia, contribuye a poder
mejorar las políticas sectoriales basadas en la creación de empleo. Para esto,
en el presente documento, se hizo un análisis sectorial del empleo basados en
una identificación de clústeres y el comportamiento de los flujos de empleo entre
y dentro de cada uno de ellos.
Se pudo observar, que a pesar de que el número de sectores es diferente10 e
incluso con bases distintas para las cuentas nacionales11, los grandes clústeres
que son identificados son prácticamente los mismos (servicios, industria minero
– energética, agro – industria, industria y construcción y electricidad y gas). De
otra parte, al hacer el análisis de empleo intra e inter – clúster, se pudo observar
como para amplificar las políticas de empleo, se deben crear estímulos a
clústeres que estén cercanos a la demanda final y con fuertes efectos spillover.
Encontrando que, los clústeres más cercanos a la demanda final son los de agro
- industria e industria y construcción. Si se realiza algún estímulo sobre la
demanda de los productos finales de estos clústeres se va a generar una mayor
absorción del trabajo, no solo dentro de cada clúster, sino en el sistema
productivo en general. El efecto se refuerza si existen conexiones fuertes con
clústeres proveedores netos de insumos, tales como el de servicios o el de
industria minero-energética.
Finalmente, es importante reconocer las limitaciones de la metodología utilizada,
como son: la estructura lineal del modelo, el supuesto de que los coeficientes de
empleo constantes, la ausencia de restricciones de disponibilidad de insumos y
la no consideración de insumos de capital o progreso tecnológico. Sin embargo,
al considerar el corto plazo, está metodología en un contexto de subutilización
de factores, como por ejemplo en un escenario de desaceleración del
crecimiento, es valiosa para ayudar a informar una estrategia para la creación de
empleo y la consiguiente reducción del desempleo.

10 En este trabajo se tienen 25 sectores, en el trabajo de Hernández, Quintero y Villamil (2019) 68 sectores
y en Hernández y Villamil (2016) son 61 sectores.
11 En este trabajo y el de Hernández, Quintero y Villamil (2019) los datos utilizados son base 2015 y en

Hernández y Villamil (2016) los datos son base 2005 de cuentas nacionales.
Referencias

Casas, L., Gonzalez, C. y Melendez, M. (2018). Políticas para más y mejores

empleos: El rol del Ministerio de Trabajo en Colombia. Banco Interamericano de
Desarrollo, Nota Técnica, No 1633.
Chenery, H., and Watanabe, T. (1958). International comparison of the structure
of production. Econometrica, Vol. 26 (4), pp. 487 – 521.
Dietzenbacher, E. (1992). The measurement of interindustry linkages: Key
sectors in the Netherlands. Economic Modelling, Vol. 9 (4), pp. 419 – 437.
Dirección de Estudios Económicos – DEE. (2019). Informes de Mercado Laboral
Urbano: Resultados 2018.
Duque, J. C., and Rey, S. (2008). A Network Based Approach Towards Industry
Clustering. En U. Blien, and G. Maier, “The Economics of Regional Clusters:
Networks, Technology and Policy”, Edward Elgar Publising.
Garbellini, N., and Wirkierman, A. (2014). Blocks and Circularity in Labor
Requirements: An interplay between clusters and subsystems in EU. Structural
Change and Economic Dynamics, Vol. 28, pp. 60 – 74.
Hernández, G. (2012). Matrices insumo-producto y análisis de multiplicadores:
Una aplicación para Colombia. Revista de Economía Institucional, Vol. 14 (26),
pp. 203-221.
Hernández, G. y Villamil, J. (2016). Encadenamientos, clústeres y flujos de
trabajo en la economía colombiana. Ensayos sobre Política Económica, Vol. 34
(79), pp. 51–65.
Hirschman, A. (1961). La estrategia del desarrollo económico. Ciudad de México,
Fondo de Cultura Económica.
Leicht, E., and Newman, M. (2008). Community structure in directed networks.
Physical Review Letters, 100, pp. 1 – 4.
Miller, R., y Blair, P. (2009). Input-Output analysis: Foundations and extensions.
Second edition, Cambridge University Press.
Newman, M. (2006). Modularity and community structure in networks.
Proceedings of the National Academy of Sciences of the United States of
America, 103, pp .8577 – 8582.
Rasmussen, P. (1963). Relaciones intersectoriales. Editorial Aguilar.
United Nations. (2018). Handbook on Supply Use and Input- Output Tables with
Extensions and Applications. Studies in Methods Series F, no. 74, rev. 1, United
Nations.
Anexo 1. Sectores de la economía

Sectores para las actividades, según CIIU Rev. 4 A.C., 25 actividades económicas

Código Descripción
A Agricultura, ganadería, caza, silvicultura y pesca
B Explotación de minas y canteras
Elaboración de productos alimenticios; elaboración de bebidas; elaboración de
C01
productos de tabaco
Fabricación de productos textiles; confección de prendas de vestir; curtido y
recurtido de cueros; fabricación de calzado; fabricación de artículos de viaje,
C02
maletas, bolsos de mano y artículos similares, y fabricación de artículos de
talabartería y guarnicionería; adobo y teñido de pieles
Transformación de la madera y fabricación de productos de madera y de corcho,
excepto muebles; fabricación de artículos de cestería y espartería; fabricación de
C03
papel, cartón y productos de papel y de cartón; actividades de impresión; producción
de copias a partir de grabaciones originales
Coquización, fabricación de productos de la refinación del petróleo y actividad de
mezcla de combustibles; fabricación de sustancias y productos químicos; fabricación
C04 de productos farmacéuticos, sustancias químicas medicinales y productos botánicos
de uso farmacéutico; fabricación de productos de caucho y de plástico; fabricación
de otros productos minerales no metálicos
Fabricación de productos metalúrgicos básicos; fabricación de productos elaborados
de metal, excepto maquinaria y equipo; fabricación de aparatos y equipo eléctrico;
fabricación de productos informáticos, electrónicos y ópticos; fabricación de
C05
maquinaria y equipo n.c.p.; fabricación de vehículos automotores, remolques y
semirremolques; fabricación de otros tipos de equipo de transporte; instalación,
mantenimiento y reparación especializado de maquinaria y equipo
C06 Fabricación de muebles, colchones y somieres; otras industrias manufactureras
D Suministro de electricidad, gas, vapor y aire acondicionado
Distribución de agua; evacuación y tratamiento de aguas residuales, gestión de
E
desechos y actividades de saneamiento ambiental
F01 Construcción de edificaciones residenciales y no residenciales
Construcción de carreteras y vías de ferrocarril, de proyectos de servicio público y
F02
de otras obras de ingeniería civil
Actividades especializadas para la construcción de edificaciones y obras de
F03
ingeniería civil (Alquiler de maquinaria y equipo de construcción con operadores)
Comercio al por mayor y al por menor; reparación de vehículos automotores y
G
motocicletas
H Transporte y almacenamiento
I Alojamiento y servicios de comida
J Información y comunicaciones
K Actividades financieras y de seguros
L Actividades inmobiliarias
Actividades profesionales, científicas y técnicas; Actividades de servicios
M+N
administrativos y de apoyo
O Administración pública y defensa; planes de seguridad social de afiliación obligatoria
P Educación
Q Actividades de atención de la salud humana y de servicios sociales
Actividades artísticas, de entretenimiento y recreación y otras actividades de
R+S
servicios
Actividades de los hogares individuales en calidad de empleadores; actividades no
T diferenciadas de los hogares individuales como productores de bienes y servicios
para uso propio
Fuente: DANE
Anexo 2. Redes de los clústeres

Servicios Industria minero-energética

Agro – industria Industria y construcción

Otros /1

Los clústeres que no se encuentran aquí es porque son constituidos por un solo sector.
/1 Aquí se encuentra los sectores de muebles y otras industrias y salud.

Cálculos de los autores.

Matrices actividad - actividad
Fuente: DANE – Cuentas Nacionales
 ARCHIVOS DE ECONOMIA

No Título Autores Fecha

2018
469 Mitigación del cambio climático con un Sistema de Comercio Rita SOUSA; Enero 2018
de Emisiones en Colombia: primeros hallazgos económicos Andrés Camilo ÁLVAREZ-ESPINOSA;
Nicolás ROJAS PARDO;
Sioux Fanny MELO LEON;
Germán ROMERO OTALORA;
Leidy Caterin RIVEROS SALCEDO;
Silvia Liliana CALDERON DIAZ;
Catarina VAZAO

470 Cadena productiva de productos oleaginosos, grasas y aceites Víctor Manuel NIETO GALINDO Febrero 2018
Estructura, Comercio Internacional y Protección Gina Marcela CALDERON

471 Cadena productiva de Carnes y Productos Cárnicos Víctor Manuel NIETO GALINDO Marzo 2018
Estructura, Comercio Internacional y Protección Nicolás RAMIREZ

472 Las políticas regionales de Ciencia, Tecnología e Innovación: Edgard MONCAYO JIMÉNEZ Marzo 2018
Reseña analítica de los fundamentos teóricos, los modelos conceptuales
y las experiencias internacionales
Separata No. 1 de 6

473 Medición del Desempeño Municipal: M. Juliana RUIZ HAKSPIEL. Abril 2018
hacia una gestión orientada a resultados Javier PEREZ BURGOS
Natalie GÓMEZ ARTEAGA
Dalma ARIZA HERNANDEZ

474 Revisión y análisis comparativo de la gobernanza multinivel Edgard MONCAYO JIMÉNEZ Abril 2018
(nacional - regional). Grado y formas de descentralización de la CTI
en países seleccionados: Australia y Canadá (federales),
Chile, Noruega e Irlanda (unitarios).
Separata No. 2 de 6

475 Cadena Productiva de Cuero, Calzado y Marroquinería Víctor Manuel NIETO GALINDO Mayo 2018
Estructura, Comercio Internacional y Protección Julián Enrique LÓPEZ SIABATO

476 Las políticas regionales de ciencia, tecnología e innovación en Edgard MONCAYO JIMÉNEZ Mayo 2018
Colombia: surgimiento, evolución y balance de la situación actual
Separata No. 3 de 6

477 Análisis de los instrumentos de financiación disponibles para las Edgard MONCAYO JIMÉNEZ Mayo 2018
iniciativas regionales de CTI
Separata N°4 de 6

478 Mercado y productividad laboral en las regiones Norberto ROJAS DELGADILLO Junio 2018

479 Cadena Productiva de productos Hortofrutícolas Víctor Manuel NIETO GALINDO Junio 2018
Estructura, Comercio Internacional y Protección Tatiana Carolina NIÑO SILVA

480 Análisis de las capacidades regionales para atender las necesidades Edgard MONCAYO JIMÉNEZ Junio 2018
identificadas a nivel nacional-departamental
Separata No. 5 de 6

481 Climate Variability and Theft in Colombia Rafael Isidro PARRA-PEÑA S. Julio 2018
Barry REILLY

482 Propuestas para profundizar la regionalización y descentralización del Edgard MONCAYO JIMÉNEZ Julio 2018
Sistema Nacional de Competitividad, Ciencia, Tecnología e Innovación
Separata No. 6 de 6

483 La persistencia de la coca en Colombia: Ricardo ROCHA GARCIA Julio 2018

El suplicio de SÍSIFO

484 Una nota sobre el salario por hora y las contribuciones a la seguridad social Gustavo HERNANDEZ DIAZ Agosto 2018
Gabriel PIRAQUIVE GALEANO

485 Cadena Productiva de Pinturas, Masillas, Pigmentos, Tintas y Removedores Victor Manuel NIETO GALINDO Agosto 2018
Estructura, Comercio Internacional y Protección Santiago Alberto PEREA

486 Emisiones de Gases Efecto Invernadero y Sectores Clave Gustavo HERNANDEZ DIAZ Agosto 2018

487 Actualización de la tasa de descuento bajo la metodología de HARBERGUER Gabriel PIRAQUIVE GALEANO Agosto 2018
Mariana MATAMOROS CÁRDENAS
Erick CESPEDES RANGEL
Jhonathan RODRÍGUEZ CHACÓN

488 Política pública sectorial de agua potable: Alberto CARDONA LOPEZ Agosto 2018
ha faltado politizar el problema.

489 Cadena productiva de papel, cartón e industria gráfica Victor Manuel NIETO GALINDO Septiembre 2018
Estructura, comercio internacional y protección. Julián Enrique LÓPEZ SIABATO

490 Una Estimación de la Tasa de Descuento para Proyectos Ambientales Gustavo HERNANDEZ DIAZ Octubre 2018
Gabriel PIRAQUIVE GALEANO
Mariana MATAMOROS CARDENAS
 ARCHIVOS DE ECONOMIA

No Título Autores Fecha

491 Implicaciones de política del Acuerdo de París en la planeación del Germán ROMERO Octubre 2018
sistema eléctrico de Colombia Andrés ALVAREZ-ESPINOSA
Santiago ARANGO-ARAMBURO
Juan Pablo VALLEJO
Leidy RIVEROS
Sioux MELO
Andrés PINCHAO
Carolina DIAZ
Silvia CALDERON

2019
492 Forests and Conflict in Colombia Rafael Isidro PARRA-PEÑA S. Julio 2019
Barry REILLY

493 la dinámica espacial de la coca en Colombia: Ricardo ROCHA GARCÍA Julio 2019
¿cómo una hidra?

494 Lineamientos y recomendaciones para el escalamiento Juan Pablo GARCÍA Julio 2019
de los servicios de extensión tecnológica en Colombia María Camila PATIÑO
Oscar SALAZAR
Edwin RAMIREZ

495 Cadena Productiva de Azúcar, Confitería y Chocolatería Víctor Manuel NIETO GALINDO Julio 2019
Estructura, Comercio Internacional y Protección

496 Determinantes socioeconómicos y nutricionales Carlos Fernando RINCON ROJAS Julio 2019
del sobrepeso y la obesidad en la población adulta Jineth Alejandra NIETO VANEGAS
del departamento del Guaviare

497 Actualización de la estimación de los indicadores “Razón Precio–Cuenta” Gustavo HERNANDEZ DIAZ Agosto 2019
Mariana MATAMOROS CARDENAS
Andres Felipe SANCHEZ SEGURA

498 Estimación del precio – cuenta de la mano de obra Mariana MATAMOROS-CARDENAS Agosto 2019
Tania LAMPREA BARRAGAN
Gustavo Adolfo HERNANDEZ DIAZ

499 El valor social del tiempo en Colombia Gustavo HERNANDEZ DIAZ Agosto 2019

500 Determinantes de la productividad agrícola Norberto ROJAS DELGADILLO Agosto 2019

501 Educación en Colombia: Un análisis regional Norberto ROJAS DELGADILLO Agosto 2019

502 La estructura sectorial de Colombia: Un análisis insumo-producto Julian Andres VILLAMIL Septiembre 2019
Luis Felipe QUINTERO
Gustavo Adolfo HERNANDEZ-DIAZ

503 Generación de empleos y clústeres Julian Andres VILLAMIL Septiembre 2019

Luis Felipe QUINTERO
Gustavo Adolfo HERNANDEZ-DIAZ