Fernando González Vigil (editor)

DE INVESTIGACIÓN
DOCUMENTO

Economía aplicada
25 Ensayos de Investigación Económica 2021

Néstor Iván Apaza Mamani

Sebastián Armas
Violeta Cortéz Dios
Marah Melany Díaz Bauer
Tatiana Alejandra Elorrieta Echarri
Brian Esparza
Danilo Gallardo Morveli
Luis Gonzalo Grajeda Tristán
Samantha Valeria Guillén Luna
Luis Fernando Leyva Morillas
María Fe Mendoza Segura
Jean Pool Nieto Córdova
Daniela Orrego
Rodrigo Peña
Aníbal Fernando Torres Gonzales
Kilder Urrutia Martínez
Bruno Sebastián Valladares Meneses
Josselin Andrea Yauri Condor

Con la colaboración de:

Karina Angeles Mendoza
 Fernando González Vigil (editor)

DE INVESTIGACIÓN
DOCUMENTO

Economía aplicada
25 Ensayos de Investigación
Económica 2021

Néstor Iván Apaza Mamani

Sebastián Armas
Violeta Cortéz Dios
Marah Melany Díaz Bauer
Tatiana Alejandra Elorrieta Echarri
Brian Esparza
Danilo Gallardo Morveli
Luis Gonzalo Grajeda Tristán
Samantha Valeria Guillén Luna
Luis Fernando Leyva Morillas
María Fe Mendoza Segura
Jean Pool Nieto Córdova
Daniela Orrego
Rodrigo Peña
Aníbal Fernando Torres Gonzales
Kilder Urrutia Martínez
Bruno Sebastián Valladares Meneses
Josselin Andrea Yauri Condor

Con la colaboración de:

Karina Angeles Mendoza
© Fernando González Vigil, editor, 2023

De esta edición:

© Universidad del Pacífico

Jr. Gral. Luis Sánchez Cerro 2141
Lima 15072, Perú

Economía aplicada. Ensayos de investigación económica 2021

Fernando González Vigil (editor)

1.ª edición: diciembre de 2023

Diseño de la carátula: Ícono Comunicadores
ISBN: 978-9972-57-528-0
Hecho el Depósito Legal en la Biblioteca Nacional del Perú: 2023-12560
doi: https://doi.org/10.21678/978-9972-57-528-0
Disponible en fondoeditorial.up.edu.pe

BUP
Economía aplicada: ensayos de investigación económica 2021 / Fernando González Vigil,
editor. -- 1a edición. -- Lima: Universidad del Pacífico, 2023.
356 p. -- (Documento de investigación ; 25)

1. Estudios económicos--Perú
2. Economía aplicada--Perú
3. Economía--Investigación
I. González Vigil, Fernando, editor.
II. Universidad del Pacífico (Lima)

330.07 (SCDD)

La Universidad del Pacífico no se solidariza necesariamente con el contenido de los trabajos

que publica. Prohibida la reproducción total o parcial de este texto por cualquier medio
sin permiso de la Universidad del Pacífico.

Derechos reservados conforme a ley.

Índice

Presentación 7
1. Corrupción, instituciones y violencia: cuantificando
el impacto de la corrupción y el acceso a instituciones
en la presencia de violencia en el Perú contemporáneo 21
Kilder Urrutia Martínez
2. Efecto del nivel de autosuficiencia en la producción de alimentos en
la demanda por alimentos de los hogares rurales del Perú 53
Sebastián Armas y Daniela Orrego
3. Análisis de eficiencia de mercado del índice general
de la Bolsa de Valores de Lima e índices sectoriales:
enfoque econométrico de cointegración (2001-2020) 85
Luis Gonzalo Grajeda Tristán
4. ¿Pueden las advertencias sanitarias reducir el consumo
de cigarrillos «sueltos»? Una aproximación experimental
desde el sesgo al presente 119
Néstor Iván Apaza Mamani y Luis Fernando Leyva Morillas
5. Determinantes del tipo de cambio en un modelo de
equilibrio general: una estimación para la economía peruana 151
Violeta Cortéz Dios y Danilo Gallardo Morveli
6. Desvíos de la tasa de interés interbancaria respecto a la tasa
de interés de referencia: un estudio aplicado al Perú durante
el período 2008-2016 191
Aníbal Fernando Torres Gonzales y Bruno Sebastián Valladares Meneses
7. Efecto de la inclusión financiera en las
ventas netas de las mypes en el Perú 221
Jean Pool Nieto Córdova y Josselin Andrea Yauri Condor
8. El impacto del buen gobierno corporativo sobre la volatilidad
de los retornos de las acciones listadas
en la Bolsa de Valores de Lima 253
Rodrigo Peña y Brian Esparza
9. Transferencias monetarias condicionadas y autoempleo:
el caso del programa Juntos en Perú 291
Samantha Valeria Guillén Luna y María Fe Mendoza Segura
10. ¿El mayor gasto en prevención de riesgos reduce los
efectos negativos de los desastres? Un análisis regional en Perú 327
Marah Melany Díaz Bauer y Tatiana Alejandra Elorrieta Echarri
Presentación

Este volumen de la serie Ensayos de Economía Aplicada contiene las versio-

nes resumidas y editadas de varios de los mejores Trabajos de Investigación
Económica (TIE) elaborados por estudiantes de pregrado de la Universidad
del Pacífico (UP) y aprobados con honores en el año 2021. Específicamente,
contiene las mencionadas versiones de 10 TIE que, además de haber sido
aprobados cumpliendo los dos requisitos para ser publicados por el Fondo
Editorial de la UP: calificados con una nota final de mínimo 17 sobre 20, y
con ambos miembros del jurado recomendando la publicación; a sus respec-
tivos autores les fue posible convertirlos en una versión ensayo (estilo journal
paper) dentro de los límites de extensión y plazo de entrega fijados para la
preparación de este volumen. Estos 10 TIE se suman así a los TIE aprobados
en años anteriores que han sido publicados en volúmenes previos de esta serie,
para juntos integrar la galería de exponentes destacados del éxito de la misión
formativa de la UP.
En efecto, la UP solamente otorga el grado de Bachiller en Economía al
estudiante de esta carrera que haya completado el respectivo Plan de Estudios,
realizando satisfactoriamente un TIE donde aplica los conocimientos teóri-
cos y metodológicos aprendidos al análisis riguroso de un tema económico
bien acotado y relevante para el crecimiento de un país, el bienestar de su
población y el desempeño de sus instituciones públicas o privadas. Por ello,
los alumnos emprenden esta labor durante los dos últimos ciclos académicos
de la carrera. La calidad de los TIE es supervisada por profesores (a tiempo
completo o parcial) e investigadores de la UP, quienes participan activamente
como asesores y/o jurados. Algunos de ellos también realizan aportes adicio-
nales, brindando talleres sobre métodos de investigación académica, bases
de datos y redacción, que, junto con otros talleres a cargo de especialistas de
la UP en recursos bibliotecarios y para presentaciones orales, refuerzan las

7
Presentación

habilidades de los alumnos afinándolas con los estándares de fondo y forma

para la elaboración de un TIE, así como para presentar y sustentar sus avances
al respecto. Y todo este proceso es organizado y conducido por un equipo de
coordinación conformado por un profesor de la UP (cuya función arbitral
de coordinador le impide desempeñarse como asesor o jurado) y su asistente.
La tabla a continuación enumera los 10 excelentes TIE del año 2021 aquí
publicados en forma de ensayos. Esta tabla identifica la fecha a partir de la cual
cada trabajo forma parte del acervo de obras especializadas en el tema correspon-
diente, al mostrar que siete fueron concluidos y aprobados en junio de 2021 y tres,
en noviembre del mismo año. Además, la tabla identifica a los autores respectivos,
ordenándolos alfabéticamente según el apellido paterno del primer autor y el
ciclo académico de 2021 en que completaron con honores la elaboración de su
TIE; e indica también el nombre del docente que asesoró el trabajo y que, en tal
condición, comparte el crédito por su calidad. El editor de este volumen felicita
efusivamente a todos los autores y asesores mencionados en la tabla.

Autores Título del TIE Asesor(a)

Aprobados en junio de 2021 (Ciclo Académico 2021-I)
Apaza Mamani, Néstor Iván; y ¿Pueden las advertencias sanitarias reducir el Francisco
Leyva Morillas, Luis Fernando consumo de cigarrillos «sueltos»? Una aproximación Galarza
experimental desde el sesgo al presente
Armas Ugas, Julio Sebastián; y Efecto del nivel de autosuficiencia en frutas y Pedro
Orrego Tisnado, Daniela vegetales en la demanda por alimentos de los Mateu
Andrea hogares rurales del Perú
Grajeda Tristán, Luis Gonzalo Análisis de eficiencia de mercado del índice Renzo
general de la Bolsa de Valores de Lima e Mini
índices sectoriales: enfoque econométrico de
cointegración (2001-2020)
Guillén Luna, Samantha Transferencias monetarias condicionadas y Manuel
Valeria; y Mendoza Segura, autoempleo: el caso del programa Juntos en Perú Barrón
María Fe
Nieto Córdova, Jean Pool; y Efecto de la inclusión financiera en las ventas netas Sergio
Yauri Condor, Josselin Andrea de las mypes en el Perú Servan
Torres Gonzales, Aníbal Desvíos de la tasa de interés interbancaria respecto Jair
Fernando; y Valladares a la tasa de interés de referencia: un estudio Montes
Meneses, Bruno Sebastián aplicado al Perú durante el período 2008-2016
Urrutia Martínez, Kilder Corrupción, instituciones y violencia: Noelia
Alexis cuantificando el impacto de la corrupción y el Bernal
acceso a instituciones en la presencia de violencia
en el Perú contemporáneo

8
 Fernando González Vigil

Aprobados en noviembre de 2021 (Ciclo Académico 2021-II)

Cortéz Dios, Violeta Del Determinantes del tipo de cambio en un modelo Marco
Carmen; y Gallardo Morveli, de equilibrio general: una estimación para la Ortiz
Danilo Enrique economía peruana
Díaz Bauer, Marah Melany; y ¿El mayor gasto en prevención de riesgos reduce Joanna
Elorrieta Echarri, Tatiana los efectos negativos de los desastres? Un análisis Kamiche
Alejandra regional en el Perú
Peña Landa, Rodrigo El impacto del buen gobierno corporativo sobre la Miguel
Sebastián; y Esparza Juárez, volatilidad de los retornos de las acciones listadas Robles
Brian Martin en la Bolsa de Valores de Lima

A los propósitos identificatorios que motivan esa tabla, se suma el propó-

sito, reflejado en el índice de este volumen, de ordenar la presentación de esos
trabajos de un modo que facilite la comprensión no solo de sus respectivos
aportes académicos individuales, sino también de su contribución colectiva a
la evaluación empírica de aspectos importantes del gran reto que para el Perú
representa mejorar la calidad de sus instituciones públicas y privadas. En efecto,
los 10 trabajos contribuyen, cuando son vistos en conjunto y sin ignorar sus
distintas perspectivas analíticas o metodológicas, a la acumulación de evidencia
sobre el impacto de factores institucionales en la actividad económica y el
bienestar de la población. Y están ubicados en el índice según comprueben
casos en los que dicho impacto es mayormente negativo, o positivo, o mixto.
*****

Así, los cuatro primeros trabajos en el índice revelan impactos mayormente

negativos de distintas fallas institucionales. Respectivamente: que el efecto
causal de la corrupción en la violencia es amplificado por instituciones a
cargo de la provisión de servicios básicos; que el tipo de alimentos consumi-
dos por hogares rurales refleja no solo factores culturales y geográficos, sino
también restricciones de acceso a mejores alimentos impuestas en parte por
fallas institucionales; que la ineficiencia del mercado bursátil peruano se debe
principalmente a su iliquidez resultante de su estructura institucional; y que la
no obligación de incluir advertencias sanitarias en cigarrillos sueltos facilita el
tabaquismo, especialmente de fumadores jóvenes o con bajo poder adquisitivo.
En tal sentido, la investigación realizada por Urrutia (con la asesoría de la
profesora Noelia Bernal) para una muestra de provincias peruanas, además de
comprobar la existencia de un significativo efecto causal de la corrupción en
una provincia sobre la violencia en esta y en otras provincias vecinas (efecto
spillover), encuentra que parte de dicho efecto causal fluye a través de cana-

9
Presentación

les de transmisión institucionales. Esto último debido al impacto negativo

de la corrupción en la provisión de servicios básicos (de educación, salud y
seguridad), y cuando se incrementa la inestabilidad política. El efecto de la
corrupción en la violencia es obtenido mediante un modelo de panel con
efectos fijos, y los efectos de los canales de transmisión, mediante un modelo
en primeras diferencias, basados en datos oficiales sobre denuncias de actos
corruptos consignadas en comisarías y sobre vacancias de alcaldes y regidores
provinciales entre los años 2011 y 2017, complementados con datos para los
controles pertinentes. Dichos efectos son estimados robustamente merced a
que el mencionado autor diseña una variable instrumental referida a vacancias
de autoridades provinciales por causas no violentas que, al representar un
shock exógeno sobre una red de corrupción, permite superar los problemas
de endogeneidad (entre violencia por corrupción y violencia en general) y de
comorbilidad (entre mortalidad y violencia). Sin embargo, los datos disponi-
bles limitaron al autor a operacionalizar restringidamente tanto el concepto
de corrupción como el de violencia, enfocando el primero en delitos contra
la administración pública y el segundo en actos de violencia física. Por ello,
concluye recomendando la elaboración de estudios empíricos que, para el caso
peruano, evalúen la corrupción en ámbitos privados y otras formas de violencia,
incluyendo los respectivos canales de transmisión y variables instrumentales,
a fin de lograr mayor precisión sobre las reformas institucionales necesarias.
En un sentido similar, aunque desde otra perspectiva, la investigación de
Armas y Orrego (asesorada por el profesor Pedro Mateu) está motivada por
la relación entre desnutrición crónica y autoconsumo (o producción para
consumo propio) existente en hogares rurales peruanos, pobres en su mayoría.
Estos recurren al autoconsumo, pese a que no les provee una ingesta balan-
ceada, debido no solo a factores culturales y climáticos configuradores de sus
hábitos tradicionales, sino también a fallas institucionales (en la provisión
de educación, asistencia técnica, transporte, entre otros) y de mercado, que
dificultan su acceso a dietas alimentarias con mayor valor nutricional. Por
ello, dichos autores se enfocan en estimar las elasticidades precio e ingreso
de la demanda alimentaria de hogares rurales, agrupados por región (Costa,
Sierra) y nivel de autoconsumo de (o autosuficiencia en) alimentos compren-
didos dentro del rubro FVLTC (frutas, vegetales, legumbres, tubérculos y
cereales). Para ello, realizan estimaciones Quaids en dos etapas y con efectos
fijos, utilizando datos del gasto de hogares en la Enaho 2019 y de precios
mayoristas obtenidos del Sisap. Sus principales resultados respecto a dicha
demanda son: (1) comprueban que es afectada por el nivel de autoconsumo

10
 Fernando González Vigil

(o autosuficiencia), especialmente en hogares rurales de la sierra mayormente

productores de FVLTC, donde es alta la inelasticidad-precio del consumo de
tubérculos y cereales; (2) sugieren que también es afectada por una deficiente
conectividad limitante del acceso a alimentos sanos como frutas y vegetales,
considerados como bienes superiores por esos hogares; y (3) sugieren que
está influida por rasgos sociodemográficos resultantes en parte de desiguales
dotaciones de servicios básicos, reflejadas en el mayor nivel educativo del jefe
de hogar en los hogares rurales costeños que más consideran a carnes y lácteos
como bienes superiores. Estos hallazgos conducen a sus autores a concluir
recomendando la intensificación de campañas promotoras de una alimenta-
ción saludable y más basada en alimentos disponibles en la región del hogar,
cuya disponibilidad y acceso debieran ser mejorados mediante programas
para fortalecer las capacidades productivas y comerciales de los respectivos
productores agrarios familiares.
Por su parte, la investigación de Grajeda (asesorada por el profesor Renzo
Mini) comprueba que el mercado bursátil peruano es ineficiente, debido a su
iliquidez generada por fallas institucionales propias reflejadas en su estructura
muy concentrada y poco profunda. En efecto, con base en datos del período
2001-2020, Grajeda aplica un enfoque multivectorial de cointegración
mediante una metodología secuencial, un modelo de corrección de errores y
funciones impulso-respuesta, a fin de evaluar: (i) si existieron relaciones de
equilibrio de largo plazo entre las cotizaciones bursátiles y la variable utilidades
por acción de las empresas listadas en la Bolsa de Valores de Lima (ponderadas
por sus participaciones en el respectivo índice general y su desagregación en
tres índices sectoriales –financiero, minero e industrial– construidos por el
autor), así como con otras variables fundamentales accesibles al público; y (ii)
el ajuste de esas cotizaciones hacia valores alineados con las variables funda-
mentales. Así, comprueba que el mercado de la BVL es ineficiente, porque sus
cotizaciones: (1) no mantienen una relación de equilibrio de largo plazo con
dichas utilidades por acción y otras variables fundamentales, en señal de que
no reflejan la información pública relevante; y, en consecuencia, (2) se ajustan
con retraso ante shocks en las variables utilidades por acción y expectativas
sobre el PBI. Grajeda atribuye esta ineficiencia a la poca liquidez del mercado
bursátil peruano, expresada en una baja cantidad de acciones disponibles
para ser negociadas, resultante de su tamaño reducido y alta concentración
en algunos inversionistas; cuyas estrategias particulares influyen más que los
fundamentos económicos en las cotizaciones bursátiles, y así estas no brindan
señales conducentes a una adecuada asignación de capitales. Por ello, el autor

11
Presentación

concluye recomendando algunas medidas para aumentar la liquidez del mer-

cado de la BVL y disminuir su concentración en unos cuantos inversionistas.
Y la investigación de Apaza y Leyva (asesorada por el profesor Francisco
Galarza) busca aportar evidencia a favor de la inclusión, en cigarrillos sueltos,
de mensajes para disuadir de su consumo alertando sobre los consiguientes
daños a la salud. Ello en vista de que la política antitabaco peruana, al obligar
la inclusión de advertencias sanitarias únicamente en las cajetillas, no encara
los problemas de atomización y fiscalización del mercado de sueltos, cuyos
consumidores son mayormente fumadores jóvenes y/o de bajos ingresos.
Dichos autores diseñaron un experimento within subjects, lo aplicaron a una
muestra compuesta por 155 estudiantes de pregrado registrados en el pool del
E2LabUP, y, con base en las características de esos participantes (como género,
estado de salud, sesgo al presente, entorno fumador) asociadas a sus elecciones
de comprar cajetilla o comprar sueltos o dejar de fumar, ante tratamientos
consistentes en incrementos de precios y advertencias de nocividades a corto
o a largo plazo, armaron un panel de datos que contenía 1860 observaciones,
que evaluaron mediante estimaciones logit multinomial con efectos fijos. Así,
encuentran que: (1) el aumento del precio en cajetilla, si bien incrementa la
probabilidad de dejar de fumar, también impulsa la demanda de sueltos; (2)
cuando el sesgo al presente del participante es mayor, un mensaje disuasorio
de corto plazo incrementa más la probabilidad de no consumir que uno
disuasorio de largo plazo, y lo hace en mayor medida si el disuasorio de corto
plazo está en cada cigarrillo suelto. Animados por estos resultados, los autores
recomiendan la acumulación de evidencia generalizable en la materia, mediante
experimentos de campo realizados en lugares de venta durante cierto tiempo y
con variados tratamientos, a fin de contar con muestras grandes, participantes
heterogéneos y observaciones dinámicas.
*****

En sentido opuesto, los cuatro trabajos que siguen en este volumen revelan
impactos mayormente positivos del desempeño de algunas instituciones públi-
cas y/o privadas. Del sobresaliente manejo monetario por parte del BCRP,
en especial a la luz de la evidencia obtenida por los trabajos quinto y sexto
en el índice sobre, respectivamente: su método de proyección trimestral, que
predice bien la evolución de la economía peruana, facilitando así la gestión
macroeconómica; y su combinación del encaje con otras medidas para atenuar
las desviaciones de la tasa de interés interbancaria respecto a la referencial,
sin descuidar la liquidez del sistema bancario ni la necesaria estabilización

12
 Fernando González Vigil

del tipo de cambio nominal en un entorno dolarizado. Mientras que agentes

económicos privados son los principales protagonistas de los impactos insti-
tucionales positivos evidenciados por los trabajos sétimo y octavo en el índice
sobre, respectivamente: el incremento de las ventas netas de mypes facilitado
por una mayor inclusión en el uso del crédito a empresas y personas; y la
menor volatilidad de los retornos bursátiles que logran las empresas con mejor
gobierno corporativo.
Así, la investigación de Cortéz y Gallardo (asesorada por el profesor Marco
Ortiz), teniendo en mente la evidencia empírica de que la versión estándar de
la paridad descubierta de tasas de interés (UIP) no predice bien el compor-
tamiento del tipo de cambio nominal, la compara con tres versiones de UIP
modificada para explicar las desviaciones de dicho comportamiento respecto
a la diferencial entre tasas de interés; una de las cuales es la versión de UIP
modificada que desarrolla el profesor Diego Winkelried a partir del modelo de
proyección trimestral (MPT) del BCRP. Para ello, Cortéz y Gallardo realizan,
con base en datos macroeconómicos trimestrales a lo largo del período 2002-
2019, provistos por el BCRP, un análisis econométrico de equilibrio general
modelado en términos neokeynesianos, donde incluyen especificaciones para
cada versión de UIP que estiman con técnicas bayesianas a fin de poder com-
pararlas a la luz de la verosimilitud marginal de sus respectivos predictores.
Con esta metodología, dichos autores demuestran que, durante el período
analizado: (1) las tres versiones de UIP modificada explican mejor que la UIP
estándar la evolución de los datos de la economía peruana; (2) el mejor des-
empeño al respecto corresponde a la mencionada versión de UIP modificada
que se basa en el MPT del BCRP, donde se reconoce la existencia de agentes
económicos con una perspectiva backward looking sobre la evolución del tipo
de cambio nominal. Y sus resultados también evidencian la eficacia del BCRP,
tanto en el uso de su tasa de interés referencial para mantener la estabilidad
de precios, como en su intervención cambiaria para reducir la volatilidad del
tipo de cambio nominal; logradas ambas durante el período analizado. Ante
lo cual, los autores concluyen recomendando la elaboración de investigaciones
con modelos y especificaciones empíricas que permitan profundizar sobre
dolarización e intervención cambiaria del BCRP.
Por su parte, la hipótesis de la investigación de Torres y Valladares (asesorada
por el profesor Jair Montes) sobre los factores explicativos de los desvíos en la
tasa de interés interbancaria respecto a la tasa de interés referencial fijada por
el BCRP, plantea que uno de esos factores es la práctica de la banca comercial
para asegurarse el cumplimiento del requerimiento mensual de encaje, alma-

13
Presentación

cenando el correspondiente dinero (en su bóveda o cuenta corriente con el

BCRP) durante los primeros 10 días hábiles de cada mes. Por ello, los men-
cionados autores incluyen este «factor calendario» al lado de variables dando
cuenta de las operaciones de inyección o esterilización monetaria e intervención
cambiaria del BCRP, como regresores de su evaluación econométrica, cuya
estimación realizan, con base en datos del BCRP para el período 2008-2016,
aplicando una metodología de cointegración y modelo de corrección de erro-
res, previa comprobación de la existencia de una relación de largo plazo entre
las tasas de interés interbancaria y referencial. De este modo: (1) verifican su
hipótesis, al encontrar que el mencionado «factor calendario» efectivamente
es un determinante de los desvíos de la tasa de interés interbancaria respecto
a la referencial; (2) corroboran que otros determinantes importantes son el
nivel de liquidez inicial diario en el sistema bancario, la evolución del tipo de
cambio nominal, y las operaciones de inyección de liquidez e intervención en
el mercado cambiario spot por parte del BCRP; y (3) también encuentran que,
a veces, el BCRP sacrifica parcialmente el alineamiento a corto plazo de la tasa
interbancaria respecto a la referencial, porque limita sus medidas de inyección
o esterilización de liquidez en aras de desacelerar movimientos bruscos del tipo
de cambio nominal. Estos resultados indican, cuando son vistos en conjunto y
considerando que las series de las tasas de interés interbancaria y referencial han
tenido similares promedios y medianas así como bajas desviaciones estándar
durante los años 2008-2016 (según los descriptores estadísticos elaborados por
dichos autores), que en ese período el BCRP supo cumplir con sus funciones
auxiliares de velar por la liquidez del sistema financiero y la estabilidad del
tipo de cambio, sin descuidar su función principal de mantener la estabilidad
de precios mediante su tasa de interés referencial.
Por otro lado, la investigación de Nieto y Yauri (asesorada por el profesor
Sergio Servan) está enfocada en evaluar econométricamente el efecto sobre las
ventas netas de mypes del uso del crédito a empresas y personas, a fin de aportar
evidencia útil para que el favorable entorno institucional peruano en materia
de inclusión financiera contribuya aún más a aliviar las restricciones de finan-
ciamiento y bajo poder adquisitivo que ralentizan el dinamismo empresarial.
Debido a que solamente para el año 2014 se cuenta con los necesarios datos
a nivel empresa según su tamaño recolectados por la ENE, los mencionados
autores tuvieron que realizar un análisis de corte transversal con estimador de
MCO. Sin embargo, merced a que la ENE cubrió empresas e instituciones
otorgantes de créditos en todas las regiones y sectores productivos del país,
las muestras analizadas incluyen a 8373 empresas en la regresión donde la

14
 Fernando González Vigil

inclusión financiera de mypes es medida por su uso del crédito para capital
de trabajo; y a 5234 empresas en la regresión donde la inclusión financiera de
personas es medida por su uso del crédito de consumo. Así, lograron compro-
bar: (1) la existencia de un significativo efecto positivo, sobre las ventas netas
de mypes, de su inclusión financiera concretada en el uso de créditos para
capital de trabajo; (2) la existencia de un significativo efecto positivo, sobre
las ventas netas de mypes, de la inclusión financiera de personas concretada
en el uso de créditos de consumo; y (3) que tal efecto positivo es mayor para
las microempresas y pequeñas empresas, así como en las regiones pobres que
exportan o son beneficiarias de medidas de promoción. En vista de estos resul-
tados, sus autores concluyen recomendando que las instituciones (públicas y
privadas) protagonistas de la inclusión financiera continúen promoviéndola,
y que se recopilen periódicamente datos como los provistos por la ENE a fin
de facilitar la obtención de más evidencia útil para mejorar el uso del crédito
con base en análisis dinámicos sobre su eficacidad y sostenibilidad.
Y la investigación de Peña y Esparza (asesorada por el profesor Miguel
Robles) corrobora el impacto benéfico del buen gobierno corporativo (BGC)
sobre la integridad del desempeño empresarial, evidenciado, en este caso, por
su efecto reductor de la volatilidad de los retornos de las acciones de empresas
voluntariamente adherentes al código peruano de BGC, vigente desde el año
2014 gracias al impulso de 14 instituciones (públicas y privadas) encabezadas
por la SMV. Estos autores aplican un modelo econométrico de efectos fijos
por empresa con estimador within, a un panel de datos que arman: (i) distri-
buyendo en dos muestras, debido a la baja liquidez de la BVL, a las empresas
allí listadas que han respondido a la encuesta anual de la SMV sobre su
cumplimiento del código de BGC durante los años 2015-2020: una muestra
con 48 empresas cuyas acciones han sido negociadas más frecuentemente, y
la otra con 101 empresas cuyas acciones son poco líquidas; (ii) construyendo
un índice de BGC proveedor de un score según el número de cumplimientos
reportados por las empresas en dicha encuesta anual; (iii) midiendo la volati-
lidad como la desviación estándar de los retornos bursátiles diarios para cada
empresa, anualizados no solo de diciembre a diciembre sino también de marzo
a marzo, porque a partir de este mes el informe de BGC es divulgado para
conocimiento de todos los agentes económicos interesados; y (iv) incluyendo
como variables de control a un grupo pertinente de ratios financieras, obtenidas
de la plataforma Bloomberg. De este modo, logran comprobar: (1) que un
mejor score de BGC tiene un significativo efecto reductor de la volatilidad de
los retornos bursátiles de las empresas cuyas acciones son relativamente más

15
Presentación

líquidas, y también lo tiene, aunque con menor significancia, respecto a las

empresas de la muestra con poca liquidez; (2) que son mayores la magnitud
y significancia de dicho efecto reductor cuando es medido de marzo a marzo,
para ambas muestras de empresas; y (3) que las acciones de las empresas con
mejor score de BGC son menos volátiles que las del resto de empresas, en cada
muestra. Los autores concluyen recomendando, en vista de la iliquidez de la
BVL y de la subjetividad inherente a un índice basado en autoevaluaciones
empresariales, que futuros estudios perfeccionen la medición del BGC y sus
efectos.

*****

Este volumen se cierra con un par de investigaciones que evidencian sendos

casos de impactos institucionales mixtos; donde los efectos benéficos de un
programa institucional son mermados por concomitantes efectos adversos o
consecuencias ambiguas, atribuibles a limitaciones en la gestión del programa
que reflejan fallas institucionales o estructurales de mayor alcance. Tal es el
caso del ingreso fijo garantizado por las transferencias monetarias del programa
Juntos que, al reducir la escasez y el estrés de sus beneficiarios pobres, los ani-
man a migrar de un precario autoempleo hacia empleos más remunerativos,
pero mayormente temporales y provistos por el sector informal. Y también es
el caso del programa presupuestal peruano para prevenir daños por desastres
naturales, cuyo efecto reductor de los daños derivados de eventos hidrometeo-
rológicos es significativo cuando la respectiva inversión comprende acciones
de capacitación, ordenamiento territorial y reforestación junto con obras de
infraestructura pública de prevención; pero que no es estadísticamente sig-
nificativo cuando solo incluye dichas obras, debido a su ineficiente gestión.
En efecto, la investigación de Guillén y Mendoza (asesorada por el profesor
Manuel Barrón) evalúa el impacto sobre el autoempleo de la ayuda monetaria
fija mensual provista por el programa Juntos, considerando los efectos del
menor estrés tanto monetario como emocional que dicha ayuda aporta a sus
beneficiarios, según sean autoempleados o trabajadores dependientes. Para
ello, las mencionadas autoras se dotan de dos muestras: una compuesta por
todo tipo de trabajadores, y la otra que incluye solo a los autoempleados; que
arman combinando datos en InfoMidis para los distritos peruanos cubiertos
por Juntos con datos de la Enaho sobre empleo y datos de la Endes sobre
salud mental. Ambas muestras son analizadas econométricamente, aplicando
una metodología cuasi experimental de regresión discontinua difusa, con un
índice de focalización de hogares como variable instrumental para estimar los

16
 Fernando González Vigil

efectos monetarios, complementada con una regresión MCO para estimar el

efecto del menor estrés emocional. Así, encuentran que la ayuda monetaria de
Juntos: (1) tiene un efecto positivo, pero no significativo estadísticamente, en
los ingresos de sus beneficiarios autoempleados o con empleos dependientes;
(2) reduce las tensiones mentales y emocionales de sus beneficiarios; y (3)
reduce la probabilidad de que sus beneficiarios con menor nivel educativo
opten por el autoempleo. Y encuentran que la consiguiente opción por otras
ocupaciones laborales generadoras de más ingresos los conduce hacia empleos
mayormente temporales e informales. Ante lo cual los autores, conscientes de
que ello ocurre debido a fallas estructurales e institucionales explicativas del
bajo capital humano de tales beneficiarios y/o del peso del sector informal en
la economía peruana, concluyen recomendando que las transferencias mone-
tarias de Juntos sean ampliadas para que incluyan incentivos a la capacitación
laboral, así como la cobertura del cuidado de la salud mental en el seguro
social para los beneficiarios del programa.
Por último, la investigación de Díaz y Elorrieta (asesorada por la profesora
Joanna Kamiche) comprueba los efectos mixtos que ha tenido el incremento
habido en la década pasada del presupuesto fiscal peruano asignado a gobier-
nos subnacionales para reducir los riesgos de desastres naturales (PP068), e
identifica los factores institucionales explicativos de los aciertos o de los errores
en la materia. Esto es logrado por las mencionadas autoras al enfocarse en el
componente preventivo de dicha asignación fiscal ante eventos hidrometeo-
rológicos (representado por el gasto realizado antes de un evento previsto), y
al evaluar su impacto con especificaciones diferenciadas para poder distinguir
entre el efecto del respectivo gasto preventivo total, que incluye tanto el gasto
en infraestructura pública de prevención como también otros montos para
gestión de riesgos (capacitaciones y ordenamiento territorial, en particular), y
el efecto solamente del rubro destinado a infraestructura de prevención. Estas
especificaciones del gasto preventivo (obtenidas con datos en el portal del MEF)
operan como variable de interés (medida en términos per cápita por provincia
y año) en sendas estimaciones econométricas con efectos fijos, basadas en
datos de panel para el período 2012-2018; cuya variable dependiente es un
índice (construido con datos del Ideci) que permite establecer un ranking de
daños según el número de infraestructuras (públicas y privadas) destruidas o
colapsadas, per cápita, por provincia y año. Tales estimaciones también evalúan
el impacto sobre los daños de otras variables que dan cuenta de –respectiva-
mente– la intensidad del evento hidrometeorológico, la vulnerabilidad de la
zona afectada, su tasa de crecimiento poblacional y la capacidad gestionaria

17
Presentación

de los gobiernos subnacionales manifiesta en su porcentaje de ejecución de

los recursos asignados por el PP068. Con esa metodología, Díaz y Elorrieta
hallan que: (1) el gasto preventivo total tiene un significativo efecto reductor
de los daños en la provincia afectada por un evento hidrometeorológico;
(2) en contraste, dicho efecto reductor es estadísticamente no significativo
cuando está referido únicamente al gasto en infraestructura de prevención; (3)
la diferencia entre los resultados (1) y (2) revela la importancia fundamental
de las capacitaciones y el ordenamiento territorial para el logro de una buena
gestión de riesgos; mientras que (4) el resultado (2) se debe principalmente a
fallas de gestión pública, manifiestas tanto en la implementación ineficiente
e insuficiente del rubro infraestructura del PP068 (ejecución baja y/o carente
de asociadas medidas de gestión de riesgos; asignación subóptima para
provincias muy expuestas a sufrir desastres), como en la ausencia de otras
políticas relevantes (por ejemplo: falta de planeamiento urbano y rural en
zonas de alto crecimiento poblacional y rápida urbanización). Ante lo cual,
las autoras concluyen recomendando que se perfeccione la recopilación de
datos sobre daños por desastres, a fin de posibilitar una mejor proyección del
nivel adecuado de gasto preventivo y de la combinación de políticas adecuada
para optimizar su eficacidad.
*****

En suma, las investigaciones aquí publicadas son excelentes muestras de

creatividad, tanto en el enfoque preciso con que abordan problemas o logros
relevantes para la economía y sociedad peruana, como en la acertada aplicación
de conocimientos teóricos y metodológicos idóneos para poder identificar
rigurosamente los principales factores explicativos de estos, y para extraer
las recomendaciones de políticas pertinentes. Sus autores y asesores son, por
tanto, ejemplos destacados del economista de calidad que la UP forma entre
sus estudiantes y alberga en su plana docente.
No cabe culminar esta presentación sin resaltar y agradecer el aporte de
quienes hicieron posible el éxito de Investigación Económica (IE) 2021. Este
reconocimiento se extiende a todos los: alumnos de esa asignatura, profesores
que actuaron como asesores y/o jurados, y especialistas de otras entidades que
aportaron información y experiencia. También a los docentes y profesionales
de la UP que brindaron a los alumnos talleres metodológicos o de orientación
sobre estándares y recursos para el desarrollo de una investigación acadé-
mica, como fue el caso de los siguientes colegas (en orden alfabético, según
apellido): Walter Bazán, Noelia Bernal, José Luis Bonifaz, Juan Francisco

18
 Fernando González Vigil

Castro, Carlos Casas, Francisco Galarza, Rosario Gómez, Bryan Gutiérrez,

Joanna Kamiche, Karlos La Serna, Pedro Mateu, Santiago Medina, Carlos
Parodi, Roberto Urrunaga, Jorge Wiesse y Diego Winkelried; así como de
Dante Solano (analista senior del CIUP), Eva Flores (coordinadora del Área
de Apoyo a la Investigación de la Biblioteca) y Magaly Rubina (directora de
Bienestar y Formación Estudiantil). Asimismo, a quienes fueron decano de
la Facultad de Economía y Finanzas y jefe del Departamento Académico de
Economía en el año 2021 (los profesores Juan Francisco Castro y José Luis
Bonifaz, respectivamente), por su supervisión comprometida con el correcto
desarrollo de IE y su carácter de requisito indispensable para la obtención del
grado de Bachiller en Economía; así como al Fondo Editorial de la UP, por
acoger esta publicación y realizarla prolijamente bajo la esmerada conducción
de su presidenta ejecutiva, María Elena Romero.
Finalmente, un agradecimiento muy especial merece Karina Angeles
Mendoza, asistente de IE 2021, por su invalorable labor durante dicho año
y su apoyo para la edición de este volumen.

Fernando González Vigil

Coordinador de Investigación Económica, 2021

19
Corrupción, instituciones y violencia:
cuantificando el impacto de la corrupción y el
acceso a instituciones en la presencia de violencia
en el Perú contemporáneo1

Kilder Urrutia Martínez

Introducción
La corrupción está determinada por diversos factores sociales e institucionales,
que exceden a los directamente causantes del uso de recursos públicos con fines
privados, y que en el Perú se amplifican y retroalimentan con el narcotráfico
(Raffo & Gómez, 2017), el tráfico de influencias (Ponce de León & García,
2019), la minería y tala ilegales (Proética, 2019) y el crimen organizado en
general. Además de con los negativos efectos de un precario imperio de la ley
(rule of law), y la desconfianza generalizada respecto al compromiso de las
instituciones con el bienestar de la población y a la efectividad del sistema
judicial en particular (Rettberg, 2020).
Esos factores amplifican la presencia de la violencia en la sociedad. Es
evidente que la violencia es utilizada activamente por el narcotráfico, la trata
de personas, el tráfico de influencias, la explotación ilegal de recursos y toda
forma de crimen organizado, como instrumento para conseguir sus fines
(Alesina, Piccolo, & Pinotti, 2018) y disputar estructuras jerárquicas internas
(Atuesta & Pérez-Dávila, 2017). Esto hace que proliferen actitudes violentas
en la población, incluso para fines propios no instigados por redes criminales

1
Este ensayo es una versión resumida y editada del Trabajo de Investigación Económica que, con el mismo
título, fue concluido y aprobado en junio de 2021. Su autor agradece en especial a la asesora de este trabajo,
la profesora Noelia Bernal, así como a los miembros del jurado, profesora María Pía Basurto y profesor
Guillermo Runciman, por sus valiosas observaciones. También a los profesores Pablo Lavado, Paula Muñoz
y Oswaldo Molina, por sus comentarios y aportes durante la elaboración de este trabajo.

21
Corrupción, instituciones y violencia: cuantificando el impacto de la corrupción y el acceso a instituciones en la presencia de
violencia en el Perú contemporáneo

(Enríquez, 2020). Y se refleja en las percepciones de peruanos encuestados

sobre los principales problemas del país: el 68% menciona la corrupción
(Proética, 2019); el 58%, el crimen y la violencia (Ipsos, 2019a); y como sec-
tores más afectados por la corrupción, mencionan el sistema judicial (73%),
los gobiernos regionales (64%), provinciales o distritales (48%) y el gobierno
central (49%) (Ipsos, 2019b); es decir, a instituciones clave para la provisión
de seguridad ciudadana.
Por ello, la presente investigación usa un panel de datos a nivel provincia
que abarca los años 2011 a 2017, así como una serie de controles históricos,
para explorar respuestas a dos preguntas motivadas por el mencionado hilo
común: (i) ¿existen evidencias de un efecto causal de los casos de corrupción
en la presencia de violencia en el Perú contemporáneo?; y (ii) de existir ese
efecto causal, dado que la corrupción por sí misma no implica necesariamente
el ejercicio de la violencia, ¿podemos identificar los principales canales de
transmisión de tal efecto?
Así enfocado, este trabajo produce tres aportes: (1) extiende la discusión
sobre la relación entre corrupción y violencia hacia el ámbito subnacional,
poco explorado por la literatura cuantitativa, especialmente por la aplicada al
Perú contemporáneo; (2) aporta a la medición de cómo varía dicha relación
a nivel subnacional, ofreciendo un instrumento estadísticamente robusto que
supera los problemas de endogeneidad inherentes a esa medición; (3) enri-
quece el análisis econométrico de los efectos de la corrupción, al evaluar sus
canales de transmisión construyendo variables subnacionales más específicas
que las existentes en la literatura especializada, referidas a factores sociales e
institucionales como son el fraccionamiento social, la estabilidad política e
indicadores de densidad en servicios de salud, educación y seguridad.
Específicamente, esta investigación operacionaliza los conceptos de
corrupción y violencia y, para identificar la relación causal entre ambas en las
provincias peruanas, diseña el siguiente instrumento: la vacancia o desapari-
ción, por causas no violentas, de un actor central en una red de corrupción.
El cual, por ser un instrumento exógeno y de asignación aleatoria, permite
obtener estimaciones insesgadas mediante un modelo de panel con efectos fijos.
Adicionalmente, la evaluación de los efectos de la corrupción en la violencia
no se limita a sus efectos directos. También incluye los efectos mediados, vía
canales de transmisión propagadores de los efectos de la corrupción en el
funcionamiento de instituciones que inciden en el nivel de violencia presente
en la sociedad, los cuales son evaluados mediante un modelo de primeras
diferencias en dos etapas.

22
 Kilder Urrutia Martínez

Los hallazgos de esta investigación son de utilidad para mejorar las políticas
públicas en la materia, pues sirven para detectar importantes carencias en el
análisis oficial de los efectos de la corrupción en el Perú. Como lo son, por
ejemplo, la falta de alguna mención sobre la dimensión de la violencia, tanto
en los lineamientos de la Política Nacional de Integridad y Lucha contra la
Corrupción (PCM, 2017), como en la forma en que la Contraloría General
de la República estima los efectos económicos de la corrupción (Shack, Pérez,
& Portugal, 2020).

1. Revisión de literatura

1.1   La corrupción en el Perú

En el Perú se evidencian los dos tipos de fenómenos de corrupción descritos

por Fukuyama (2018): la obtención de rentas manipulando el uso de recursos
(o rent-seeking), y la del patronaje y clientelismo; los cuales engloban gran parte
de los actos corruptos. Así, gran parte del rent-seeking implica una deliberada
generación de escasez en servicios públicos básicos que propicia coimas y
cobros por cupos para su prestación, como analizan Yamada y Montero (2011)
para el caso peruano. También implica el uso de sistemas de licencias sin un
fin social justificado, y la manipulación de asignaciones presupuestales y de
requerimientos para adjudicar obras públicas sin una racionalidad económica,
social o antropológica que la sustente (Lambsdorff, 2002).
En tanto que los especialistas consideran que el patronaje y el clientelismo,
políticamente no exclusivos del populismo, son una característica operativa cen-
tral de la política peruana (Quiroz, 2013; Muñoz, 2019). Estas prácticas nocivas
son agravadas por el crimen organizado, el narcotráfico, el tráfico de influencias,
la minería ilegal (Proética, 2019) y la trata de personas (Espinoza, 2012).
Operativamente, los especialistas distinguen entre la petty corruption y la
practicada por redes de corrupción. La primera se manifiesta en casos cotidia-
nos pero desvinculados entre sí en cuanto a su ejecución y propósito, como
son las coimas cobradas por funcionarios gubernamentales a distintos usuarios.
Mientras que las redes de corrupción son organizaciones sociales complejas,
conformadas por la interacción frecuente entre múltiples agentes, o bajo la
dirección de un cabecilla o grupo pequeño de decisores centrales. En el Perú,
un ejemplo de las primeras son las redes de favores y clientelismo circundantes
al Poder Judicial (Mujica, 2011); y las segundas son ejemplificadas por las
redes de corrupción en el gobierno central entre las décadas de 1960 y 1980
(Quiroz, 2006), y en el ejército durante la década de 1990 (Rospigliosi, 2000).

23
Corrupción, instituciones y violencia: cuantificando el impacto de la corrupción y el acceso a instituciones en la presencia de
violencia en el Perú contemporáneo

1.2   Evidencias cuantitativas

En un estudio que cubre varios países, Pellegrini (2011) realiza una estimación
con variables instrumentales y canales de transmisión, y encuentra que un
incremento de una desviación estándar en la presencia de corrupción (medida
con el corruption perceptions index o CPI) está asociado a un incremento del
índice de violencia (medida como la suma de asesinatos y revueltas en el país)
de 0,07, el cual opera como un mecanismo de transmisión que disminuye en
un 0,05% el crecimiento económico anual. Y, al considerar todos los canales de
transmisión y efectos directos de la corrupción, encuentra que un incremento
de esta disminuye en un 0,37% la tasa de crecimiento anual.
Tebaldi y Alda (2017) también utilizan variables instrumentales, para una
estimación en dos pasos con el método de momentos generalizados, y encuen-
tran efectos significativos fuertes y robustos de ciertos factores socioculturales
e instituciones públicas débiles en la presencia de violencia. Consideran como
instituciones el ejercicio de la ley, la protección de los derechos de propiedad,
la estabilidad política, la democracia, la calidad regulatoria, el tiempo reque-
rido para empezar un negocio, la efectividad del gobierno, la fragmentación
religiosa y la diversidad cultural.
Por otro lado, Maume y Lee (2003) aplican una regresión binomial inclu-
yendo las siguientes mediciones de instituciones que construyen con base en
datos censales y de encuestas en EE. UU.: desigualdad económica en provin-
cias, participación política, el número de divorcios por cada 1000 personas
como proxy de instituciones familiares, gastos promedio en educación y ratios
de adherencia a denominaciones religiosas. Y señalan que sus mediciones de
instituciones no económicas, si bien son exitosas en explicar la violencia, es
mejor interpretarlas como mediadoras del impacto de instituciones económicas
fuertemente influenciadas por el rent-seeking y pobres controles institucionales.
Estos factores fueron identificados por estudios posteriores como determinan-
tes robustos de la corrupción (Serra, 2006; Elbahnasawy & Revier, 2012).
En países subdesarrollados donde la violencia es endémica y reproducida
por «crisis gemelas» de pobreza y conflictos, como las existentes en África,
la relación entre corrupción y violencia es más directa y explosiva. Fisman y
Miguel (2008) señalan que la corrupción profundiza la trampa de conflic-
tividad y pobreza que atrapa a los países pobres en el subdesarrollo. De este
patrón dan cuenta muchos estudios en la materia.
Respecto a México, donde los carteles usan el mecanismo de invertir
recursos para corromper y mantener en el poder a oficiales locales y políticos,
a fin de poder incrementar sus actividades ilícitas y la violencia asociada a estas,

24
 Kilder Urrutia Martínez

Zachary y Spaniel (2020) hallan que cada año de permanencia en el poder

atribuible a ese mecanismo está relacionado con 948 homicidios anuales extra.
Mientras que Morris (2013), tras desenredar la compleja trama de canales
entre el narcotráfico, la violencia y la corrupción, encuentra que, a mayor
corrupción, más violencia, y viceversa.
En efecto, los canales que vinculan la corrupción con la violencia son múl-
tiples y complejos. Modesto y Pilati (2020), en un análisis multidisciplinario
de la corrupción, identifican tres tipos de factores determinantes de sus causas
y efectos: los factores grupales, contextuales e intraindividuales; y muestran
que todos estos tienen efectos distorsionadores de las instituciones culturales,
políticas, sociales, así como sobre la identidad social y las normas grupales.
A su vez, Cheng y Zaum (2008) consideran que la corrupción es un desafío
central para consolidar una sociedad pacífica, pues traba el desarrollo, perpe-
túa la distribución injusta de los recursos públicos, y socava la legitimidad y
eficiencia de gobiernos e instituciones. Similarmente, Beyerle (2011) señala
que la violencia debilita al Estado, traba el crecimiento económico y socava el
ejercicio de la democracia. Todo lo cual configura un ambiente permisivo para
el conflicto y la impunidad. En una sociedad corrupta, los fraudes, coimas y la
violencia son necesarios para que el sistema de corrupción continúe operando.
De hecho, hay consenso entre los especialistas no solo respecto a los
efectos negativos de la corrupción en la violencia, sino también acerca de
que la violencia es un fenómeno complejo. Es reconocido por organismos
internacionales gubernamentales y no gubernamentales (OMS, 2014; HRW,
2007), y por el Estado peruano (ONVMIGF, 2020), que concentrarse en la
violencia física y criminalidad lleva a subestimar la verdadera presencia de la
violencia en una sociedad, así como la naturaleza de las fallas que la generan
y los efectos que la perpetúan en el largo plazo.
Por ello, estudios recientes recalcan los efectos diferenciados de la corrup-
ción y la violencia según género, clase social y edad; al mismo tiempo que
identifican las interacciones entre género, clase, corrupción y violencia. Por
ejemplo, Jha y Sarangi (2018) hallan un vínculo causal entre la participación
política de las mujeres y la disminución en los niveles de corrupción.
En el Perú, Yamada y Montero (2011) hallan que los pobres son más
afectados por la corrupción, medida como pago de coimas y prebendas para
acceder a servicios públicos, incluyendo a servicios de seguridad, como es el
resguardo policial, de salud y acceso a la justicia. En particular, Huaita (2019)
plantea que la corrupción configura un impacto diferenciado en el acceso a la
justicia, y que este acceso desigual a la justicia incrementa la vulnerabilidad de

25
Corrupción, instituciones y violencia: cuantificando el impacto de la corrupción y el acceso a instituciones en la presencia de
violencia en el Perú contemporáneo

las personas ante la violencia, especialmente de las mujeres ante la violencia

sexual y la trata de personas.

2. Marco analítico

La corrupción afecta a las instituciones sociales principalmente de tres

maneras. En primer lugar, afecta a las instituciones públicas al distorsionar
el diseño y cumplimiento de leyes y políticas públicas, la planificación y eje-
cución del gasto público, así como degradando las funciones del empleado
público. En segundo lugar, afecta a las instituciones privadas al distorsionar
el funcionamiento de servicios privados de educación, salud y seguridad, y al
capturar recursos privados en forma de cobros y de pérdidas de eficiencia en
emprendimientos privados.
Y, en tercer lugar, debilita los pilares institucionales de la acción cívica y
socialmente responsable, al mermar la confianza de la población en el Estado
y deformar sus percepciones de lo que son comportamientos aceptables,
distorsionar la aplicación de la justicia e incentivar la impunidad. Gillanders
y Van der Werff (2020) hallan evidencia significativa de que las experiencias
de corrupción afectan negativamente las actitudes personales respecto a la
violencia política, interpersonal y doméstica; y de que este impacto adverso
es robusto a controles por niveles locales de corrupción y violencia, así como
de percepciones sobre el rol de la policía y las cortes de justicia.
En el Perú, son tres los ámbitos más estudiados de corrupción generadora
de violencia: la corrupción (i) en el Poder Judicial; (ii) en los gobiernos locales,
regionales y nacional; y (iii) en las fuerzas armadas y policiales. Estos ámbi-
tos comparten dinámicas algo distintas, canalizadas por mecanismos cuyos
resultados se concretan a corto plazo y/o en el largo plazo.
Los mecanismos de corto plazo dan lugar a actos violentos observables
cada uno como un «efecto causal directo» de la corrupción, que incluyen
la violencia ejercida por autoridades o cabecillas, como el abuso o la inti-
midación o el sicariato; la liberación de agresores; la impunidad de algunos
políticos y en el interior de instituciones militares y civiles. En tanto que los
mecanismos de largo plazo dan lugar a relaciones causales acumulativas en el
tiempo, donde la presencia continua de actos corruptos distorsiona tanto los
indicadores agregados (inversión, capital humano, productividad) como los
comportamientos sociales.
La incidencia de las instituciones en la violencia opera en varias dimensio-
nes. Por un lado, afecta las actitudes del individuo, influyendo en su formación
y en los incentivos que tiene para actuar de una determinada manera. Respecto

26
 Kilder Urrutia Martínez

a su formación, se sabe que los individuos son menos propensos a perpetrar

actos violentos cuando han recibido una mejor educación que les ha inculcado
valores para preferir optar por conductas aceptables socialmente (Lorente,
2007), y cuando tienen acceso a servicios de salud física y psicológica que los
ayudan a superar el estrés y evitar desviaciones de personalidad (OMS, 2014).
Un estudio al respecto aplicado al Perú encuentra una fuerte disminución en
la probabilidad (medida como odds-ratio) de ser agresor para una persona con
mayor grado de instrucción (Fiestas et al., 2012).
Respecto a los incentivos, se ha demostrado que la probabilidad de que
un individuo ejerza violencia es significativamente menor cuando existe un
sistema legal y judicial efectivo, y bien aplicado por eficaces servicios de segu-
ridad y defensa de las víctimas. Ello disuade la violencia, porque desincentiva
su perpetración al incrementar los costos y riesgos de ejercerla, e incentiva
a las víctimas a recurrir a la defensa policial y judicial confiando en que los
perpetradores serán castigados (Buka & Earls, 1993).
Por otro lado, la incidencia de las instituciones (públicas y privadas)
trasciende el plano de individuos en particular, extendiéndose a los valores
y conductas del colectivo social, cuyas convicciones y percepciones acerca
de la aceptabilidad de la corrupción y la violencia, expresada en términos de
comportamientos permitidos socialmente y de sanciones a los transgresores,
reflejan conceptos y prácticas socioculturales influidos por las instituciones
mediante su funcionamiento reductor o propagador de corrupción y violencia
(Grimshaw, 1970).
Este impacto esencial tiene como canal clave la forma como son provistos
los servicios públicos básicos. La educación, especialmente, debido a su fun-
ción formativa en valores fundamentales, de cuya calidad docente y curricular
depende la configuración de los comportamientos individuales socialmente
permitidos y, por ende, el nivel de la presencia de corrupción y violencia en
una sociedad.
Y las instituciones también influyen en la presencia de redes de apoyo a
la lucha contra ambos flagelos. Un sistema institucional coherente y eficaz
facilita el desarrollo de entidades (gubernamentales y ONG) para ayudar a
las víctimas y/o para disuadir a los perpetradores. Esto último con medidas
preventivas de reformación, o punitivas de rastreo y sanción con énfasis en el
crimen organizado en torno del narcotráfico u otros negocios ilegales, y de la
trata de personas en todas sus variantes.
Por último, además de los mencionados efectos sobre individuos y el
colectivo social, existe el efecto directo de las instituciones públicas en los casos

27
Corrupción, instituciones y violencia: cuantificando el impacto de la corrupción y el acceso a instituciones en la presencia de
violencia en el Perú contemporáneo

de violencia. Mejores instituciones implican menores tiempos de respuesta

a casos de violencia, que evitan su agravación y multiplicación. Un mejor
desempeño del sistema judicial permite la correcta y pronta aplicación, tanto
de condenas a perpetradores de actos violentos como de medidas correctivas
para que no reincidan. Y mejores servicios de apoyo en ambientes violentos
permiten que las personas estén menos expuestas a los riesgos de convivir con
agresores (Bardales, 2004).

3. Metodología

3.1   Tratamiento y resultado

El presente estudio empírico abarca los actos corruptos correspondientes a

delitos contra la administración pública, en términos tanto absolutos como
per cápita. Estos engloban gran parte de los actos corruptos evaluados en la
literatura especializada, e incluyen delitos de cohecho, peculado, malversación
de fondos, enriquecimiento ilícito, negociación incompatible, colusión desleal
y tráfico de influencias.
Y el concepto de violencia es operacionalizado mediante los delitos contra
la vida, el cuerpo y la salud, los cuales recogen actos de violencia física tales
como homicidio (simple, calificado, culposo, etc.), feminicidio, sicariato,
instigación al suicidio, lesiones, exposición al peligro y genocidio.
El estudio se enfoca en los delitos, por actos corruptos y de violencia
física, perpetrados a nivel subnacional, en provincias del Perú. A este nivel,
existen varias razones por las cuales la simple correlación entre denuncias
provinciales de delitos contra la administración pública y denuncias pro-
vinciales de delitos de violencia física, no necesariamente indica una clara
relación causal.
En efecto, el proceso de presentar una denuncia de delitos contra la
administración pública está muy probablemente correlacionado no solo con
la decisión del denunciante, sino también con factores que acondicionan el
nivel de violencia en una provincia. Ello plantea el riesgo de sesgos de selección
en las regresiones.
Además, la propensión individual a denunciar un acto corrupto puede
estar relacionada con causas a su vez relacionadas con la violencia. Por ejem-
plo, una provincia con mayores niveles de ingreso probablemente cuente con
mejores niveles de auditoría estatal, lo que, a su vez, facilitaría la presentación
de más denuncias de actos corruptos y violentos. Ello llevaría a sobreestimar
la relación causal de interés entre corrupción y violencia.

28
 Kilder Urrutia Martínez

3.2   Diseño y discusión del instrumento

Por esas razones, el instrumento aquí elegido para capturar dicha relación causal
son las vacancias de alcaldes y regidores provinciales debidas a muerte natural
o enfermedades. Se trata de un instrumento exógeno a las variables de inte-
rés, pues excluye explícitamente a todas las posibles vacancias de autoridades
municipales provinciales debidas a actos violentos (como asesinatos). El uso
de similares instrumentos exógenos es frecuente en estudios institucionales.
Por ejemplo, Levitt (1997) utiliza los cambios de autoridades según ciclos
electorales para estimar los efectos de la policía en el crimen; y Aizer y Doyle
(2015) utilizan los cambios de jueces para analizar el efecto de penas privativas
de la libertad en los niveles de reformación o reincidencia de los sentenciados.
La pertinencia del instrumento escogido se basa en que la desaparición
de un actor central en una red de corrupción representa un choque negativo
para la red. El cual es también un choque político e institucional, cuando el
actor central de la red es una autoridad local. Y representa una variación de
asignación aleatoria, porque casual es el motivo de la vacancia utilizada como
instrumento.
A juzgar por estudios del caso peruano, tal choque trastoca la operación de
las redes de clientelismo y patronaje, al dejarlas sin un patrocinio político claro
por cierto tiempo, durante el cual los procesos auditores del Estado pueden
actuar con más eficacia y/o se politiza el uso de las denuncias de corrupción
al servicio de la disputa por el poder (Muñoz, 2019). Ambos procesos incre-
mentan el número de denuncias de corrupción.
Y la exogeneidad de dicho instrumento está garantizada. Porque, del total
de vacancias, se seleccionan solamente las debidas a hechos de asignación
aleatoria como muerte o enfermedad y no causadas por actos violentos. Es
decir, se excluyen vacancias explicadas por factores a su vez correlacionados
con el nivel de corrupción y violencia en la provincia, evitándose la confusión
de evidenciar más muertes violentas en provincias más violentas en general.
Sin embargo, es posible que la vacancia instrumental no sea completamente
exógena respecto a la violencia. Un caso relevante es la posible existencia de
una correlación entre mortalidad y violencia o comorbilidad a nivel provincial,
pues las provincias con menores índices de violencia pueden gozar de mayores
esperanzas de vida, por mejor calidad de vida, mayor presencia de servicios del
Estado, mejores niveles de salud emocional, entre otras razones. Casos como
este exigen el uso de controles apropiados para evitar estimaciones confusas
del efecto de interés.

29
Corrupción, instituciones y violencia: cuantificando el impacto de la corrupción y el acceso a instituciones en la presencia de
violencia en el Perú contemporáneo

3.3   Canales de transmisión

Si bien el agente corrupto ejerce directamente la violencia contra alguna víctima

en ciertos casos (de violencia política, intimidación, sicariato), de ese modo
directo no la ejerce en la mayoría de los casos de corrupción más frecuentes
(peculado, cohecho, etc.). De hecho, la mayor parte del efecto de la corrupción
en la violencia se encuentra mediado por el efecto de la corrupción en institu-
ciones que a su vez inciden directamente en la presencia social de la violencia.
Una forma de operacionalizar el análisis de los canales de transmisión es
a través de la compleja trama de crímenes influidos por redes corruptas sobre
las cuales se cuenta con información indirecta, como el tamaño de las redes de
narcotráfico, operaciones de minería y tala ilegal, etc. Otra forma es a través
de indicadores referidos a instituciones públicas, privadas y sociales, cuyo
funcionamiento es influido por redes corruptas e incide así sobre los niveles
de corrupción y violencia; es decir, mediante indicadores de disponibilidad y
calidad de servicios básicos como educación, salud, etc.
La segunda forma es escogida aquí, por su relevancia para políticas públicas
básicas y por disponerse de información más precisa al respecto. Por ello, se
examinan cuatro tipos de canales de transmisión institucionales, operaciona-
lizados de la siguiente manera:
• Inestabilidad política: índice Herfindahl-Hirschman promedio de los re-
sultados de las elecciones provinciales de 2011 a 2018, donde un índice
mayor indica un mayor nivel de fragmentación electoral.
• Densidad de servicios de salud: hospitales y clínicas por millón de habi-
tantes.
• Densidad de servicios de educación: instituciones educativas por millón
de habitantes.
• Densidad de servicios de seguridad: número de comisarías por millón de
habitantes.
En consecuencia: (i) se consideran como efectos directos tanto a los direc-
tos propiamente dichos, como a los de otros canales no englobados por esos
cuatro tipos; y (ii) en línea con los estudios consultados y el marco analítico
de esta investigación, esperamos los siguientes efectos mediados:
Se espera que el efecto de la corrupción sobre el nivel de inestabilidad
política tenga un signo positivo en señal de que incrementa dicho nivel, y
que el efecto del nivel de esa inestabilidad sobre el nivel de violencia tenga
un signo positivo en señal de que lo incrementa. Por lo cual se espera que el
efecto de la corrupción en la violencia mediado a través de la inestabilidad

30
 Kilder Urrutia Martínez

política tenga un signo positivo, en el sentido de que, a más corrupción, más

violencia vía más inestabilidad política.
Y se espera que el efecto de la corrupción en la densidad de servicios básicos
(de salud, educación y seguridad) tenga un signo negativo en señal de que la
disminuye, y que el efecto de dicha densidad en el nivel de violencia tenga un
signo negativo en señal de que, a mayor densidad, menor violencia. Por lo cual
se espera que el efecto de la corrupción en la violencia mediado a través de la
densidad de dichos servicios básicos tenga un signo positivo, en el sentido de
que, a más corrupción, más violencia vía menos densidad de servicios básicos.

3.4   Especificación empírica de los modelos

3.4.1 Modelo de panel con efectos fijos

A fin de detectar el efecto de la corrupción en la violencia, usamos un modelo

empírico de efectos fijos para un panel de datos balanceado, cuya estimación se
realiza con el método de estimador within en dos etapas (W2SLS por sus siglas
en inglés), mediante el procedimiento de mínimos cuadrados generalizados.
Dicho estimador resulta del siguiente modelo analítico:

y = Zγ + ϵ

cuya formulación, así de sencilla con un solo instrumento y una sola variable
endógena, revela que sufre de problemas de endogeneidad. Razón por la cual
el modelo es especificado multiplicado por la matriz within W, que expresa
las variables respecto a sus medias individuales;

Wy = WZγ + Wϵ

y previamente multiplicado por la matriz transpuesta de instrumentos L', que

incluye una primera columna unitaria y no incluye instrumentos internos, de
modo que cumpla la restricción de exogeneidad ( lim L'ϵ
N =0
):
N→∞

L'Wy = L'WZγ + L'Wϵ

dando así lugar al siguiente estimador W2SLS:

γ̂ W2SLS = (Z'WL(L'WL)‒1L'WZ)‒1(Z'WL(L'WL)‒1L'Wy)

Y, para controlar por casos como el de comorbilidad provincial antes men-

cionado, en la especificación de panel se incluye la población provincial del
año, el PBI per cápita del año, y el número de regidores provinciales en tal año.

31
Corrupción, instituciones y violencia: cuantificando el impacto de la corrupción y el acceso a instituciones en la presencia de
violencia en el Perú contemporáneo

3.4.2 Modelo de canales de transmisión en primeras diferencias

Para el análisis de canales de transmisión, debido a la limitada disponibilidad

de datos en las series temporales para algunos canales, se utiliza una formu-
lación alternativa en dos etapas que trata de aproximarse lo más posible a la
especificación original de panel, y que permite hallar los efectos mediados para
las variables con información para un período solamente.
La formulación alternativa consistió en diferenciar la base de datos en dos
etapas trianuales: 2011-2014 y 2015-20172. Definidas así:
t=2017 t=2014
ΔVioli ≔ � Violt,i ‒ � Violt,i
t=2015 t=2011

t=2017 t=2014
ΔCorri ≔ � Coort,i ‒ � Coort,i
t=2015 t=2011

dando lugar a la siguiente especificación alternativa para el análisis de canales

de transmisión:
�i + ϵi
ΔVioli = β0 + β1Δ Corr

�i = α0 + α1Vacanciasi + ϵi
Δ Corr

Donde X indica el set de controles elegidos. Así, esta regresión alter-

nativa permite incluir un conjunto relevante de controles por comorbili-
dad; porque, como se ha visto antes, el problema de comorbilidad puede
afectar seriamente la rigurosidad de la estimación, y porque es razonable
intuir la existencia de factores explicativos de diferencias entre la tasa de
mortalidad de alcaldes y regidores provinciales por causas no violentas y
la tasa similar para toda la provincia. Por ello, se eligieron los siguientes
controles: el PBI provincial, el número de regidores provinciales, la cuota
promedio histórica de jóvenes y mujeres, y la tasa provincial promedio de
victimización delictiva.
La estimación del efecto de los canales de transmisión sigue la metodología
de Pellegrini (2011), hallando primero el efecto de la variable independiente
en el mediador, y luego el efecto del mediador en la variable de resultados.
Lo cual, aplicado al presente trabajo, implica inducir en las regresiones la
variación exógena causada por el instrumento.

2
La etapa 2011-2014 es trianual porque el panel de datos no contiene información del año 2012.

32
 Kilder Urrutia Martínez

Con tal fin, primero se estima la ecuación completa (incluyendo controles,

canales de transmisión y variable instrumental) de acuerdo con la siguiente
especificación:
�i + α3Canalesi + ϵi
ΔVioli = α0 + α1Controlesi + α2Δ Corr

De modo que el efecto de la variación exógena de la corrupción inducida

por el instrumento en los canales de transmisión es:
�i + μi
Canalesi = β0 + β1Controlesi + β2Δ Corr

donde Canalesi es un vector compuesto por todos los canales de transmisión.

Una vez estimado dicho efecto, se descomponen los efectos directos e
indirectos de la corrupción en la violencia, sustituyendo en las ecuaciones
anteriores:
�i
ΔVioli = (α0 + α3β0) + (α1 + α3β1)Controlesi + (α2 + α3β2)Δ Corr
+ α3Canalesi + α3μi + ϵi

donde α2 corresponde al efecto directo de la corrupción en la violencia y

α3β2, a la suma total de efectos indirectos. Los efectos mediados para cada
canal pueden hallarse entonces como la multiplicación de los elementos de
α3 con los de β2; es decir, multiplicando el efecto de la corrupción en los
canales por el efecto de los canales en la violencia. Ello permite obtener la
parte del efecto de los canales en la violencia que es explicada por el choque
en la corrupción.

3.5   Descripción de la base de datos

Para el presente trabajo, se armó un panel de datos para 196 provincias desde
el año 2011 hasta el 20173. La principal base de datos fue el Registro Nacional
de Denuncias de Delitos y Faltas (RNDDF) en las dependencias policiales,
que recolecta todas las denuncias de delitos y faltas consignadas cada año en
comisarías a nivel nacional (INEI, 2012, 2014, 2016, 2017, 2018). Para el
instrumento, se utilizó Infogob, base de datos en línea del Jurado Nacional
de Elecciones (JNE, 2017), que detalla todas las vacancias ocurridas en el país
desde el año 2002, sus causas y respectivos documentos oficiales.

3
Específicamente, el panel contiene datos para los siguientes años: 2011, 2013, 2014, 2015, 2016 y 2017.
No había datos para años posteriores cuando se concluyó este trabajo, ni se dispuso de datos para el año
2012.

33
Corrupción, instituciones y violencia: cuantificando el impacto de la corrupción y el acceso a instituciones en la presencia de
violencia en el Perú contemporáneo

Para los controles, se utilizaron las bases de datos en línea Sinadef del
Minsa (2020) y Datacrim del INEI (2019), la publicada por Seminario y
Palomino (2022), y el reglamento de la organización política de las provincias
peruanas. Para los canales de transmisión, se complementó la información
antes mencionada con las siguientes fuentes: Infogob (JNE, 2017) para los
índices de estabilidad política; para la densidad de servicios de salud, educación
y seguridad, se usaron las bases de datos georreferenciadas Geo Perú (2021)
y del Minsa (2021), datos del censo nacional de comisarías proporcionados
por el INEI y el Ministerio del Interior, así como datos de gasto público del
MEF (2020).
El anexo 1 muestra las estadísticas descriptivas de las variables en el modelo
de diferencias en diferencias y en el modelo de panel de datos aplicados en
este trabajo.

4. Análisis de resultados

4.1   Resultados principales

Los resultados presentados en las tablas 1 y 2 atestiguan la gran importancia

de incluir el instrumento (ya explicado en la metodología) en la estimación,
pues así se obtienen resultados mucho mejores que cuando no es incluido.
En efecto, respecto al modelo para (el número absoluto de) denuncias
contra la vida a nivel provincial (tabla 1), la regresión within sin variables
instrumentales arroja un efecto positivo no significativo de 0,59 denuncias
adicionales de violencia por denuncia de corrupción; mientras que con la
regresión incluyendo el instrumento se obtiene un efecto altamente significa-
tivo de 3,48 denuncias adicionales de violencia por denuncia de corrupción,
el cual es un efecto 489% mayor. Y lo mismo sucede respecto al modelo para
las mencionadas denuncias por cada 1000 personas (tabla 2), cuya regresión
within no instrumentada arroja un efecto no significativo de 0,003 denuncias
extra por 1000 personas por cada denuncia de corrupción; mientras que con
la regresión instrumentada se obtiene un efecto de 0,023, o un 667% mayor.
Ello indica que la corrección de efectos fijos solo con controles no basta
para solucionar el problema de endogeneidad, dado el importante riesgo de
sesgo de selección. Así, el dato de denuncias de corrupción reflejaría tanto el
nivel de la corrupción en una provincia, como la propensión de sus habitantes a
denunciar independientemente de dicho nivel. Estos dos factores contrapuestos
ocasionan que el efecto final, al ser una ponderación de ambos factores, sea
cercano a cero y se subestime así el efecto de la corrupción en la violencia, el

34
 Kilder Urrutia Martínez

cual es mejor estimado al incluir un instrumento exógeno que representa un

choque institucional negativo para las redes de corrupción.
En tanto que, con el modelo alternativo para el análisis de canales de
transmisión, especificado en primeras diferencias para el panel dividido en
dos trienios, se obtuvo un resultado comparable: un efecto de 3,33 denuncias
de violencia por denuncia de corrupción, muy similar al efecto de 3,48 para
el panel completo.
Cabe señalar que los resultados aquí presentados son conmensurables con
los hallados por Pellegrini (2011), quien encuentra que un incremento de una
desviación estándar en la percepción de corrupción (medida según el CPI),
conlleva un incremento en el índice de violencia (medida como la suma de
revoluciones y asesinatos en un país) de 0,07; el cual para el Perú puede tradu-
cirse, según cálculos propios, en 0,6 asesinatos extra por punto adicional en el
CPI4. Y que el presente estudio no ha evaluado relaciones directas difícilmente
cuantificables, como la de un fenómeno político particular con la violencia
física; al respecto, Zachary y Spaniel (2020) hallan para México un exceso de
937 muertes por año extra de permanencia política en un contexto de carteles.

4
Este cálculo propio se basa en que, a nivel mundial, la media de la ratio de homicidios para la década de
2010 fue de 6,9 homicidios por millón, con una desviación estándar de 9,5.

35
36
Tabla 1
Resultados del modelo W2SLS con variable dependiente denuncias contra la vida

Denuncias de delitos contra la vida

Within, no IV Within, IV
Denuncias de corrupción 0,595 5,653** 3,877** 3,799** 3,479**
(0,634) (1,787) (1,902) (1,861) (1,735)
violencia en el Perú contemporáneo

Población provincial (en miles) 6,044*** 4,649*** 4,701*** 4,805***

(0,413) (0,967) (0,926) (0,873)
Número de regidores -12,493* -16,583** -14,650*
(7,370) (7,946) (7,817)
PBI per cápita (en miles) -16,797** 10,580
(8,329) (12,506)
n; T 196; 5 196; 5 196; 5 196; 5 196; 5
N 980 980 980 980 980
R2 ajustado 0,608 0,159 0,436 0,443 0,975
F (para within, no IV); χ2 (para within, IV) 211,709 (df1 = 4, df2 = 195) 10,008 (df = 1) 59,545 (df = 2) 67,394 (df = 3) 704,728 (df = 187)

Notas. Se usa el estimador robusto ante heterocedasticidad HC3 de MacKinnon y White (1985). * p<0,1; ** p<0,05; *** p<0,01.
Elaboración propia, 2021.
Corrupción, instituciones y violencia: cuantificando el impacto de la corrupción y el acceso a instituciones en la presencia de
 Tabla 2
Resultados del modelo W2SLS con variable dependiente denuncias contra la vida por cada 1000 personas

Denuncias de delitos contra la vida por cada 1000 personas

Within, no IV Within, IV
Denuncias de corrupción 0,003 0,024** 0,028** 0,028** 0,023**
(0,001) (0,011) (0,013) (0,012) (0,011)
Población provincial (en miles) -0,001 -0,011 -0,011 -0,009
(0,001) (0,007) (0,007) (0,006)
Número de regidores 0,000 -0,041 -0,015
(0,004) (0,054) (0,047)
PBI per cápita (en miles) 0,184*** 0,140*
(0,000) (0,081)
n; T 196; 5 196; 5 196; 5 196; 5 196; 5
N 980 980 980 980 980
R2 ajustado -0,214 -0,24 -0,239 -0,241 -0,238
χ2 4,432 (df1 = 4, df2 = 195) 4,609 (df = 1) 5,13 (df = 2) 5,449 (df = 3) 8,650 (df = 4)

Notas. Se usa el estimador robusto ante heterocedasticidad HC3 de MacKinnon y White (1985). * p<0,1; ** p<0,05; *** p<0,01.
Elaboración propia, 2021.
Kilder Urrutia Martínez

37
Corrupción, instituciones y violencia: cuantificando el impacto de la corrupción y el acceso a instituciones en la presencia de
violencia en el Perú contemporáneo

4.2   Pruebas de robustez

4.2.1 Prueba placebo

La idea central detrás de la prueba placebo es «testear una asociación que

debería estar presente si el diseño original de la investigación es erróneo, pero
no de otra manera [...] mediante una versión mínimamente alterada de dicho
diseño» (Eggers, Tuñon, & Dafoe, 2021, pp. 1 y 4; traducción propia).
Consecuentemente, la prueba placebo aplicada aquí, con las vacancias
futuras como instrumento placebo, busca testear lo siguiente: si los choques
causados por las vacancias son reales y no un artefacto estadístico, entonces
estos deberían ser coherentes temporalmente (en «t»), tal que las vacancias
futuras no deberían afectar los resultados presentes. Por lo tanto, en el modelo
utilizado no debería hallarse un efecto significativo de las vacancias futuras,
ya que estas deberían ser, respecto a cada año examinado, completamente
aleatorias en sentido estricto. De hallarse un efecto significativo (sea cual sea
su signo) al usarlas como instrumento placebo, significaría que las regresiones
con el diseño original de vacancias por causas naturales (en «t») como instru-
mento, capturan algún factor latente detrás de estas vacancias que induce una
asociación espuria entre corrupción y violencia, en vez de evidenciar un robusto
mecanismo causal de dichas vacancias sobre la corrupción y hacia la violencia.
Por ello, el instrumento placebo para la prueba aplicada es la suma de
todas las vacancias futuras, para cada provincia y cada año. Los resultados,
presentados en la tabla 3, muestran que no hay evidencia estadística de que
exista una asociación entre esos choques futuros y el resultado, lo cual valida
la conclusión de que el instrumento original sí opera como un choque causal
sobre las denuncias de corrupción.
4.2.2 Spillovers

Es razonable esperar que la muerte de un alcalde o regidor provincial tenga

efectos no solo sobre la provincia donde ejerció, sino también efectos spill-
over sobre otras provincias relacionadas políticamente. Ello en vista tanto de
los estudios consultados, que muestran a las redes de clientelaje y patronaje
como una forma típica de operación de la corrupción en varios países, como
de los indicios para el caso peruano provistos por informes de la Contraloría
General de la República (Shack, Pérez, & Portugal, 2020), la Presidencia del
Consejo de Ministros (PCM, 2017) y el Minjus (2018). Estos indican que las
organizaciones criminales están distribuidas espacialmente con dependencias
jerárquicas que replican las del Estado peruano; de modo que concentran su

38
 Kilder Urrutia Martínez

influencia las principales provincias del departamento, y en los departamentos

más influyentes a nivel nacional.
Se utilizó entonces un instrumento alterno, compuesto por la suma de
todas las vacancias por muertes y enfermedades de las provincias del mismo
departamento excluyendo la provincia analizada en cada caso, y se calculó el
respectivo coeficiente instrumentado. La lógica detrás de este instrumento
alternativo es que es más probable observar un efecto spillover en las provin-
cias del mismo departamento, dada su interdependencia geográfica, política
y administrativa.
En la tabla 4, se observa un significativo efecto spillover, con un estimador
puntual de 0,14 denuncias de delitos de violencia por 1000 personas por cada
denuncia de corrupción. Esto evidencia que la vacancia de una autoridad
provincial afecta el número de denuncias de corrupción y de violencia en
otras provincias.

39
40
Tabla 3
Resultados del modelo de panel con instrumento placebo de vacancias futuras

Instrumento placebo: vacancias futuras

Denuncias de delitos contra la vida
Denuncias de delitos contra la vida
por cada 1000 personas
Denuncias de corrupción 53,458 -14,982 0,352 -0,170
violencia en el Perú contemporáneo

(229,359) (55,521) (1,552) (0,575)

Población provincial (en miles) 12,736 0,074
(23,151) (0,239)
Número de regidores -0,842 0,130
(49,169) (0,510)
PBI per cápita (en miles) 50,381 0,560
(115,293) (1,182)
n; T 196; 5 196; 5 196; 5 196; 5
N 980 980 980 980
2
R ajustado -0,052 -0,18 -0,235 -0,246
χ2 0,054 (df = 1) 2,921 (df = 4) 0,051 (df = 1) 0,322 (df = 4)

Notas. Se usa el estimador robusto ante heterocedasticidad HC3 de MacKinnon y White (1985).
Elaboración propia, 2021.
Corrupción, instituciones y violencia: cuantificando el impacto de la corrupción y el acceso a instituciones en la presencia de
 Tabla 4
Comparación de la regresión original con un instrumento alternativo para probar efectos spillover

Instrumento alternativo
Denuncias de delitos contra la vida por cada 1000 personas
Denuncias de corrupción 0,101* 0,135**
(0,058) (0,068)
Población provincial (en miles) -0,0571
(0,050)
Número de regidores -0,099
(0,172)
PBI per cápita (en miles) -0,099
(0,450)
n; T 196; 5 196; 5
N 980 980
R2 ajustado -0,235 -0,246
χ2 3,020 (df = 1) 4,330 (df = 4)

Notas. Se usa el estimador robusto ante heterocedasticidad HC3 de MacKinnon y White (1985). * p<0,1; ** p<0,05.
Elaboración propia, 2021.
Kilder Urrutia Martínez

41
Corrupción, instituciones y violencia: cuantificando el impacto de la corrupción y el acceso a instituciones en la presencia de
violencia en el Perú contemporáneo

4.2.3 Descomposición en canales de transmisión

En la tabla 5 se observa que la descomposición por canales de transmisión del

efecto de la corrupción en la violencia arroja algunos resultados inesperados,
los cuales se deben a limitaciones en la medición de los canales referidos a
servicios educativos y de salud. Y también se explicarían por la influencia
de la corrupción en la forma como tales servicios son provistos en el Perú
contemporáneo.
En efecto, se observa un significativo efecto con signo positivo de las
denuncias de corrupción en la densidad de servicios educativos, en vez del
esperado signo negativo. Esto se debe a que tuvimos que medir dicha densidad
simplemente dividiendo el número de instituciones educativas públicas y pri-
vadas entre la cantidad de habitantes, sin poder ponderar por la adecuación de
los servicios provistos por esas instituciones debido a la limitada información
cuantificable al respecto. Y se sabe que, en el Perú, la corrupción manifestada
en clientelismo y coimas ha producido una proliferación de instituciones edu-
cativas de baja calidad (Vega et al., 2018), lo cual explicaría los (inicialmente
inesperados) efectos hallados en cada etapa de esta estimación 2SLS: de mayor
densidad asociada a más corrupción en la primera etapa, y de más violencia
asociada a mayor densidad en la segunda etapa; aunque se mantiene válido el
esperado efecto final de a más corrupción, más violencia.
Respecto a los servicios de salud, también hallamos que la corrupción
incrementa la densidad de esos servicios, en lugar del esperado efecto de signo
negativo. Pero esta vez sí ocurre el efecto esperado de a mayor densidad, menor
violencia; a diferencia de lo encontrado respecto a los servicios educativos.
La explicación de esta diferencia sería que la proliferación de postas o centros
de salud de atención temprana tiene, incluso cuando son de baja calidad,
un inmediato efecto positivo en el bienestar de la población al proveerla de
primeros auxilios o respuestas de baja complejidad, pero eficaces contra enfer-
medades como la anemia infantil, por ejemplo. En cambio, la educación es un
proceso de larga duración y, cuando es de baja calidad, en el corto plazo sus
efectos positivos estarían pesando mucho menos que sus efectos negativos de
retroalimentación en círculo vicioso con la corrupción y la violencia.

42
 Kilder Urrutia Martínez

Tabla 5
Efecto de la corrupción en los canales de transmisión usando 2SLS

Denuncias Densidad Densidad de Densidad de Inestabilidad

de violencia de servicios servicios de servicios de política
educativos salud seguridad
Corrupción 3,825 0,407** 0,17 -0,123* 1,27
(3,51) (0,17) (0,10) (0,07) (2,93)
PBI per cápita 0,100** 0,00 0,009*** 0,00 (0,01)
(0,05) (0,00) (0,00) (0,00) (0,07)
Número de
15,504*** (0,43) (0,16) 0,22 (4,58)
regidores
(5,92) (0,33) (0,21) (0,14) (5,95)
Tasa de mortalidad
24 375,06 289,66 4219,499* 294,22 -189 626,800***
provincial
-49 242,91 -3488,95 -2178,80 -1460,54 -62 124,86
Cuota de jóvenes
-11,026 6,72 3,95 -1,53 -26,92
en política
-65,61 -4,27 -2,67 -1,79 -76,02
Densidad
de servicios 9,128***
educativos
-3,45
Densidad de
-9,623***
servicios de salud
-2,52
Densidad de
servicios de -4,391
seguridad
-3,13
Inestabilidad
0,136*
política
-0,07
Constant -1100,660** 32,28 -6,684 9,376 2506,672***
-501,50 -23,13 -14,44 -9,68 -411,80
N 192 192 192 192 192
R2
0,781 0,781 -0,143 0,388 -0,411

Nota. * p<0,1; ** p<0,05; *** p<0,01.

Elaboración propia, 2021.

43
Corrupción, instituciones y violencia: cuantificando el impacto de la corrupción y el acceso a instituciones en la presencia de
violencia en el Perú contemporáneo

Respecto a los servicios de seguridad y a la inestabilidad política, los efectos

hallados sí son los esperados. Así, resulta que la corrupción disminuye la den-
sidad de servicios de seguridad, y esta menor densidad propicia un incremento
de la violencia. Y las provincias con mayores niveles de corrupción evidencian
una mayor fragmentación política que conlleva más inestabilidad política,
lo que a su vez incrementa la violencia; aunque el coeficiente de este último
efecto es el de menor magnitud entre los canales de transmisión seleccionados
para este trabajo.
Tabla 6
Cálculo de los efectos mediados de la corrupción en la violencia

Efecto de la
corrupción en el Efecto del canal
Canales de transmisión canal en la violencia Efecto mediado
Densidad de servicios educativos 0,41 9,13 3,71
Densidad de servicios de salud 0,17 -9,62 -1,63
Densidad de servicios de
seguridad -0,12 -4,39 0,54
Inestabilidad política 1,27 0,14 0,17
Corrupción (efecto directo +
canales implícitos) 3,82

Elaboración propia, 2021.

En tal sentido, la tabla 6 indica que dicha selección no fue lo suficiente-

mente extensa para poder capturar todo el efecto causal de la corrupción en
la violencia. De este efecto queda una gran parte no explicada en este trabajo,
pues corresponde tanto a efectos directos como por medio de canales de
transmisión no analizados aquí.

4.3   Limitaciones de la investigación

La primera limitación viene dada por las restricciones presentes al operacio-

nalizar los conceptos de corrupción y violencia. Si bien esta investigación
conceptualmente reconoce que la corrupción es un fenómeno complejo e
incluso dependiente de tradiciones y costumbres sociales, para fines cuanti-
tativos tuvo que enfocarse en la definición de corrupción centrada en delitos
contra la administración pública, debido a la disponibilidad de información
precisa y representativa a nivel nacional. Esa definición legal no incorpora
varias formas de corrupción, especialmente en el ámbito privado. Ergo, los

44
 Kilder Urrutia Martínez

resultados del presente trabajo subestiman el impacto integral de la corrupción.

Similar problema enfrenta la operacionalización del concepto de violencia.
La segunda limitación es intrínseca al método de estimación escogido.
Los resultados para las dos especificaciones en la primera etapa de la esti-
mación arrojan sólidos estadísticos F de 18 y 20, respectivamente. Pero
el estimador instrumental se hace sobre un subconjunto de 66 provincias
donde hubo una vacancia, que representa un 34% del total de provincias
peruanas. Se trata entonces de un estimador local sobre los compliers, cuya
eficiencia depende del grado en que se cumpla su inherente supuesto de
monotonicidad (no-defiers).
La tercera limitación resulta de la selección restringida de los canales de
transmisión del efecto de la corrupción en la violencia, conducente a que
una gran parte de dicho efecto correspondiera a efectos directos y canales no
evaluados en este trabajo. Es necesaria entonces una selección más amplia
de canales de transmisión, a partir de los niveles observados de delitos por
narcotráfico, tráfico de influencias, sobrevaloración de inversiones, trata de
personas, entre otros.

5. Conclusiones y recomendaciones

Los principales aportes del presente trabajo son tres. En primer lugar, demues-
tra la existencia del efecto causal de la corrupción sobre la violencia en las
provincias peruanas analizadas. Específicamente, por cada delito contra la
administración pública denunciado como un acto corrupto, la violencia
concretada en delitos contra la vida, el cuerpo y la salud se incrementa en
3,48 denuncias de estos delitos en términos absolutos, o en 0,024 denuncias
por cada 1000 habitantes.
En segundo lugar, comprueba la relevancia y robustez del instrumento
usado para la estimación econométrica de dicho efecto causal. En efecto,
el instrumento de las vacancias de autoridades municipales provinciales no
ocurridas por actos violentos sino por causas naturales, soluciona el problema
de endogeneidad al representar un choque exógeno que golpea a las redes
de corrupción, y también induce un balance estadístico en la especificación
alternativa que toma en cuenta la comorbilidad entre mortalidad y violencia.
Es, además, un instrumento coherente temporalmente, pues la prueba placebo
aplicada usando las vacancias futuras muestra que estas no informan sobre la
relación entre corrupción y violencia.
En tercer lugar, halla que parte del efecto de la corrupción en la violencia
se da mediante canales de transmisión institucionales, específicamente a través

45
Corrupción, instituciones y violencia: cuantificando el impacto de la corrupción y el acceso a instituciones en la presencia de
violencia en el Perú contemporáneo

del impacto negativo de la corrupción en la provisión de servicios de educa-

ción, salud y seguridad pública. Así, la violencia crece cuando la corrupción
incrementa la densidad de centros educativos que en su mayoría son de baja
calidad, y cuando reduce la densidad de servicios de seguridad. Mientras que,
si bien la violencia disminuye cuando la corrupción incrementa la densidad
de centros de salud, la baja calidad de estos limita su impacto positivo a casos
de primeros auxilios o cuidados simples.
Estos hallazgos conllevan importantes implicaciones de políticas públicas.
La esencial es la imperiosa tarea de reformar aquellas instituciones provee-
doras de servicios básicos cuyo funcionamiento corrupto esté amplificando
la presencia de la violencia en la sociedad. Ello, mediante una combinación
eficiente de cambios legales e institucionales en sus programas al diseñarlos,
implementarlos, fiscalizarlos y auditarlos; asignando los respectivos recursos
balanceadamente, según la temporalidad de los impactos de cada servicio
básico en la violencia y el bienestar de la población.
A fin de poder precisar las medidas que deben comprender tales reformas,
muy útiles podrían ser estudios empíricos futuros que profundicen sobre los
hallazgos del presente y superen sus limitaciones. Por ejemplo, mejorando las
definiciones operativas de corrupción y violencia al incluir su presencia en
ámbitos privados y conductas sociales; y/o utilizando otras variables instru-
mentales (ciclos políticos, perfil de autoridades, ejecución presupuestal, etc.),
que permitirían comparar los efectos de la corrupción en la violencia según
distintos paneles de compliers.
También es necesario expandir la selección de canales de transmisión para
lograr una mejor estimación del efecto mediado de la corrupción a través de
instituciones y redes sociales. Esta necesidad es confirmada por lo hallado en el
presente trabajo, respecto a que el efecto total de la corrupción en la violencia
es explicado solo parcialmente cuando el análisis de los efectos mediados está
centrado en canales donde el rol gubernamental es preponderante, como son
los servicios públicos de educación, salud y seguridad.
Cabe finalizar resaltando que el presente trabajo, al haber demostrado
que la corrupción tiene un efecto amplificador de la violencia en la socie-
dad peruana, se suma a la creciente literatura que documenta los efectos
negativos de la corrupción más allá de aquellos en la economía y la produc-
tividad; y que ha estimado dicho efecto con una metodología productora
de resultados más robustos que los de estudios previos basados en cortes
transversales o series de tiempo, cuando no en simples correlaciones de
incierta causalidad.

46
 Kilder Urrutia Martínez

Referencias
Aizer, A., & Doyle, J. (2015). Juvenile incarceration, human capital, and future crime:
Evidence from randomly assigned judges. The Quarterly Journal of Economics, 130(2),
759-803. doi:10.1093/qje/qjv003
Alesina, A., Piccolo, S., & Pinotti, P. (2018). Organized crime, violence, and politics.
Review of Economic Studies, 86(2), 457-499. doi:10.1093/restud/rdy036
Atuesta, L. H., & Pérez-Dávila, Y. (2017). Fragmentation and cooperation: The evolution of
organized crime in Mexico. Trends in Organized Crime, 21, 235-261. doi:10.1007/
s12117-017-9301-z
Bardales M., O. (2004). Violencia familiar y sexual: una aproximación desde las mujeres
víctimas. Ministerio de la Mujer y Poblaciones Vulnerables. https://www.mimp.
gob.pe/.../programas_nacionales/.../vfs_exp_mjeres_victmas.pdf
Beyerle, S. (2011). Civil resistance and the corruption-violence nexus. The Journal of
Sociology and Social Welfare, 38(2), 53-77. https://scholarworks.wmich.edu/jssw/
vol38/iss2/5/
Buka, S., & Earls, F. (1993). Early determinants of delinquency and violence. Health
Affairs, 12(4),46-64. doi: 10.1377/hlthaff.12.4.46
Cheng, C., & Zaum, D. (2008). Introduction – Key themes in peacebuilding and corrup-
tion. International Peacekeeping, 15(3), 301-309. doi:10.1080/13533310802058752
Eggers, A. C., Tuñón, G., & Dafoe, A. (2021). Placebo tests for causal inference. No publi-
cado. https://pelg.ucsd.edu/Eggers_2021.pdf
Elbahnasawy, N. G., & Revier, C. F. (2012). The determinants of corruption: Cross-
country-panel-data analysis. The Developing Economies, 50(4), 311-333.
doi:10.1111/j.1746-1049.2012.00177.x
Enríquez P., I. (2020). El crimen organizado y la fragilidad institucional como condicio-
nantes del desarrollo: el Estado mexicano asediado por el narcotráfico y sus impactos
desestructurantes en el tejido social. Revista Facultad de Ciencias Económicas, 28(1),
145-181. doi:10.18359/rfce.3564
Espinoza, R. R. (2012). El estado de la trata de personas en el Perú. Oficina de las Naciones
Unidas contra la Droga y el Delito. Lima. https://www.unodc.org/documents/.../
Informes/trata_PERU_Abril_2012_-_Final.pdf
Fiestas, F., Rojas, R., Gushiken, A., & Gozzer, E. (2012). ¿Quién es la víctima y quién el
agresor en la violencia física entre parejas? Revista Peruana de Medicina Experimental
y Salud Pública, 29(1), 44-52. http://www.scielo.org.pe/.../rins/.../a07v29n1.pdf
Fisman, R., & Miguel, E. (2008). Economic gangsters: Corruption, violence, and the poverty
of nations. Princeton University Press. doi:10.2307/j.ctt7s5tw
Fukuyama, F. (2018). Corruption as a political phenomenon. En K. Basu & T. Cordella
(Eds.). Institutions, governance and the control of corruption (cap. 3, pp. 51-73).
Palgrave Macmillan. doi:10.1007/978-3-319-65684-7_3
Geo Perú. (2021). Plataforma Nacional de Datos Georreferenciados. https://visor.geoperu.
gob.pe

47
Corrupción, instituciones y violencia: cuantificando el impacto de la corrupción y el acceso a instituciones en la presencia de
violencia en el Perú contemporáneo

Gillanders, R., & Van der Werff, L. (2020). Corruption experiences and attitudes to polit-
ical, interpersonal and domestic violence. MPRA Paper No. 99949. https://mpra.
ub.uni-muenchen.de/99949/
Grimshaw, A. (1970). Interpreting collective violence: An argument for the importance
of social structure. Annals of the American Academy of Political and Social Science,
391(1), 9-20. doi:10.1177/000271627039100102
HRW. (2007). Corruption, godfatherism and the funding of political violence. Human Rights
Watch. https://www.hrw.org/reports/2007/nigeria1007/5.htm
Huaita, M. (2019). Género, corrupción y administración de justicia en el Perú: impacto
diferenciado en el acceso a la justicia en delitos de violencia sexual contra la mujer.
IDEHPUCP. https://cdn01.pucp.education/.../ned-articulo-corto-24052019-1.pdf
INEI. (2012, 2014, 2016, 2017, 2018). Registro Nacional de Denuncias de Delitos y
Faltas. Instituto Nacional de Estadística e Informática. https://www.datosabiertos.
gob.pe/dataset/
INEI. (2019). Datacrim – Sistema Integrado de Estadísticas de la Criminalidad y Seguridad
Ciudadana. Instituto Nacional de Estadística e Informática. http://datacrim.inei.
gob.pe/panel/mapa
Ipsos. (2019a). Preocupaciones del mundo, enero 2019. Encuesta. Ipsos Group S. A. https://
www.ipsos.com/.../documents/2019-02
Ipsos. (2019b). Principales problemas de América Latina. Encuesta a líderes de opinión
de Latinoamérica. Octubre. Ipsos Group S. A. https://www.ipsos.com/.../docu
ments/2019-10/6300119
Jha, C. K., & Sarangi, S. (2018). Women and corruption: What positions must they hold
to make a difference? Journal of Economic Behavior and Organization, 151(July),
219-233. doi:10.1016/j.jebo.2018.03.021
JNE. (2017). Infogob. Base de Datos para la Gobernabilidad. Jurado Nacional de Elec-
ciones. https://infogob.jne.gob.pe/basedatos
Lambsdorff, J. G. (2002). Corruption and rent-seeking. Public Choice, 113(1-2), 97-125.
doi:10.1023/A:1020320327526
Levitt, S. (1997). Using electoral cycles in police hiring to estimate the effect of police
on crime. The American Economic Review, 87(3), 270-290. http://www.jstor.org/
stable/2951346
Lorente A., M. (2007). Violencia de género, educación y socialización. Revista de Educación,
342, 19-35. https://www.mujeresenred.net/.../mlorente.pdf
MacKinnon, J. G., & White, H. (1985). Some heteroskedasticity-consistent covariance
matrix estimators with improved finite sample properties. Journal of Econometrics,
29(3), 305-325. doi:10.1016/0304-4076(85)90158-7
Maume, M., & Lee, M. (2003). Social institutions and violence: A subna-
tional test of institutional anomie theory. Criminology, 41(4), 1137-1172.
doi:10.1111/j.1745-9125.2003.tb01016.x
MEF. (2020). Seguimiento de la ejecución presupuestal. Consulta Amigable. Ministerio de
Economía y Finanzas. https://www.datosabiertos.gob.pe/dataset/

48
 Kilder Urrutia Martínez

Minjus. (2018). La corrupción en los gobiernos regionales y locales. Ministerio de Justicia y

Derechos Humanos. https://procuraduriaanticorrupcion.minjus.../uploads/2018/09
Minsa. (2020). Sinadef – Sistema Informático Nacional de Defunciones. Ministerio de
Salud. https://www.minsa.gob.pe/defunciones/
Minsa. (2021). Sistema Geoespacial Para las Redes Integradas de Salud. Ministerio de
Salud. https://geominsa.minsa.gob.pe/geominsaportal/
Modesto, J., & Pilati, R. (2020). Why are the corrupt, corrupt? The multilevel analytical
model of corruption. The Spanish Journal of Psychology, 23, 1-13. doi:10.1017/
SJP.2020.5
Morris, S. D. (2013). Drug trafficking, corruption, and violence in Mexico: Mapping the
linkages. Trends in Organized Crime, 16, 195-220. doi:10.1007/s12117-013-9191-7
Mujica, J. (2011). Micropolíticas de la corrupción. Redes de poder y corrupción en el Palacio
de Justicia. Lima: Asamblea Nacional de Rectores, Fondo Ed. ISBN: 978-612-
4011-53-5
Muñoz, P. (2019). Buying audiences: Clientelism and electoral campaigns when parties are
weak. Cambridge University Press. ISBN: 9781108422598.
OMS. (2014). Global status report on violence prevention 2014. Organización Mundial de la
Salud. https://www.who.int/violence_injury_prevention/.../status_report/2014/es/
ONVMIGF. (2020). Datos y evidencias sobre violencia hacia las mujeres y a los integrantes del
grupo familiar según fuente de información. Observatorio Nacional de la Violencia
Contra las Mujeres y los Integrantes del Grupo Familiar. https://observatoriovio
lencia.pe/datos/
PCM. (2017). Política Nacional de Integridad y Lucha contra la Corrupción. Comisión de
Alto Nivel Anticorrupción. Presidencia del Consejo de Ministros. https://cdn.www.
gob.pe/.../document/file/388273
Pellegrini, L. (2011). The effect of corruption on growth and its transmission channels.
En L. Pellegrini (Ed.). Corruption, development and the environment (cap. 4, pp.
53-74). Springer. doi:10.1007/978-94-007-0599-9.
Ponce de León, Z., & García A., L. (2019). Perú 2018: la precariedad política en tiempos
de Lava Jato. Revista de Ciencia Política, 39(2), 341-365. doi:10.4067/S0718-
090X2019000200341
Proética. (2019). Riesgos de corrupción en el sector minero: Informe Perú. Consejo Nacional
para la Ética Pública (Capítulo Peruano de Transparency International). https://
www.proetica.org.pe/.../uploads/2019/02/estudio-mineria-proetica.pdf
Quiroz, A. W. (2006). Redes de alta corrupción en el Perú: poder y venalidad desde el
virrey Amat a Montesinos. Revista de Indias, 66(236), 237-248. doi:10.3989/
revindias.2006.i236.368
Quiroz, A. W. (2013). Historia de la corrupción en el Perú. Instituto de Estudios Peruanos.
ISBN: 978-9972-51-430-2.
Raffo L., L., & Gómez C., D. (2017). Redes criminales y corrupción en la era del micro-
tráfico y el narcomenudeo. Revista de Economía Institucional, 19(37), 227-261.
doi:10.18601/01245996.v19n37.12

49
Corrupción, instituciones y violencia: cuantificando el impacto de la corrupción y el acceso a instituciones en la presencia de
violencia en el Perú contemporáneo

Rettberg, A. (2020). Violencia en América Latina hoy: manifestaciones e impactos. Revista

de Estudios Sociales, 73, 2-17. doi:10.7440/res73.2020.01
Rospigliosi, F. (2000). Montesinos y las Fuerzas Armadas. Cómo controló durante una década
las instituciones militares. Instituto de Estudios Peruanos. ISBN: 9972-51-048-4.
Seminario, B., & Palomino, L. (2022). Estimación del PIB a nivel subnacional utilizando
datos satelitales de luminosidad: Perú, 1993-2018. Documento de Investigación
20. Universidad del Pacífico. https://repositorio.up.edu.pe/handle/11354/3422
Serra, D. (2006). Empirical determinants of corruption: A sensitivity analysis. Public
Choice, 126, 225-256. doi:10.1007/s11127-006-0286-4
Shack, N., Pérez, J., & Portugal, L. (2020). Cálculo del tamaño de la corrupción y la incon-
ducta funcional en el Perú: una aproximación exploratoria. Documento de Política
en Control Gubernamental. Contraloría General de la República. https://doc.
contraloria.gob.pe/estudios-especiales/documento_trabajo/2020/
Tebaldi, E., & Alda, E. (2017). Quality of institutions and violence incidence: A
cross-country analysis. Atlantic Economic Journal, 45(3), 365-384. doi:10.1007/
s11293-017-9547-5
Vega L., E., Rojas, J. C., Elías, L. Y., Koechlin, J., & Solórzano, X. (2018). El círculo de
la corrupción en los gobiernos regionales: los casos de Cusco, Ayacucho, Moquegua,
Piura y Madre de Dios. Konrad Adenauer Stiftung. https://es.scribd.com/docu
ment/400641912/Biblio-Corrupcion
Yamada, G., & Montero, R. (2011). Corrupción e inequidad en los servicios públicos en
el Perú. Documento de Trabajo 87. Universidad del Pacífico. https://repositorio.
up.edu.pe/handle/11354/1435
Zachary, P., & Spaniel, W. (2020). Getting a hand by cutting them off: How uncertainty
over political corruption affects violence. British Journal of Political Science, 50(2),
457-480. doi:10.1017/S0007123417000746

50
 Anexo 1
Estadísticas descriptivas

Variables del modelo de diferencias en diferencias N.º obs. Media Desv. estándar Mediana Rango intercuartílico
Denuncias de corrupción (2011-2017) 196 88,49 417,52 17,00 40,75
Denuncias de delitos contra la vida (2011-2017) 196 952,36 4437,86 303,00 587,50
Δ Corrupción 196 33,00 152,51 3,50 17,25
Δ Delitos contra la vida 196 351,47 1444,12 84,50 193,50
Vacancias por muertes no violentas o enfermedades (2005-2017) 196 0,49 0,78 0,00 1,00
0 vacancias 130
1 vacancia 41
2 vacancias 20
3 vacancias 5
Número provincial de regidores por temporada 194 51,25 40,19 40,00 30,00
PBI provincial promedio (S/) (1998-2014) 196 1 807 724,43 15 879 680,48 237 169,02 418 725,44
Cuota de mujeres en la política (2002) 193 0,36 0,61 0,00 1,00
Cuota de mujeres en la política (2006) 193 1,04 0,92 1,00 2,00
Cuota de jóvenes en la política (2002) 193 2,07 1,43 2,00 2,00
Cuota de jóvenes en la política (2010) 193 2,28 1,30 2,00 2,00
Tasa promedio de victimización delictiva (2010-2017) 172 26,0% 8,1% 26,9% 12,7%
Tasa anual de mortalidad provincial por causas no violentas (2017) 196 0,30% 0,11% 0,31% 0,17%
Fuentes: Infogob, Sinadef, RNDDF, Datacrim, Seminario y Palomino (2022).
Kilder Urrutia Martínez

51
52
Variables del modelo de panel de datos N.º obs. Media Desv. estándar Mediana Rango intercuartílico
Denuncias de delitos contra la vida 980 198,00 0,00 0,00 0,00
Denuncias de corrupción 980 18,40 0,00 0,00 0,00
Denuncias de delitos contra la vida por cada 1000 habitantes 980 1,15 0,86 0,92 8,86
Denuncias de corrupción por cada 1000 habitantes 980 0,09 0,16 0,05 1,92
Vacancias por muertes no violentas o enfermedades (1998-2014) 980 0,08 0,28 0,00 1,00
violencia en el Perú contemporáneo

Población provincial 980 156 242,00 644 389,00 59 840,00 91 830,00

Número provincial de regidores por temporada 980 8,66 2,66 0,00 0,00
PBI provincial per cápita anual (S/) 980 3140,00 1984,00 2579,00 1806,00
Fuentes: Infogob, Sinadef, RNDDF, Datacrim, Seminario y Palomino (2022).
Corrupción, instituciones y violencia: cuantificando el impacto de la corrupción y el acceso a instituciones en la presencia de
Efecto del nivel de autosuficiencia en la
producción de alimentos en la demanda por
alimentos de los hogares rurales del Perú1

Sebastián Armas
Daniela Orrego

1. Introducción

El Perú rural tiene un problema latente de desnutrición y, por ende, de insegu-

ridad alimentaria2. La desnutrición es originada por la incapacidad de acceder
a una fuente variada de alimentos que cumplan con los requerimientos energé-
ticos y nutricionales diarios. Ello puede ocasionar la muerte temprana, anemia
y que no se desarrollen correctamente habilidades cognitivas que en la vida
adulta permitan ser más productivo y, por ello, obtener más ingresos (Lázaro
& Domínguez, 2019; Hoddinott et al., 2013). La desnutrición crónica se ha
reducido en el Perú tomado en conjunto, del 23% en 2009 al 13% en 2018.
Pero la brecha nutricional entre el ámbito rural y el urbano se ha mantenido:
en el año 2018, la desnutrición crónica afectó a un 25% de la población rural
y a un 8% de la urbana. A nivel regional también hay diferencias saltantes, y
es la Sierra donde mayor es la desnutrición crónica, con un 21%, seguida por
la Selva con un 18% y la Costa con un 7%.
En las zonas rurales del Perú confluyen factores que dificultan a sus
habitantes la satisfacción de los requerimientos energéticos y nutricionales,

1
Este ensayo es una versión resumida y editada del Trabajo de Investigación Económica que fue concluido
y aprobado en junio de 2021. Los autores agradecen al profesor Pedro Mateu por su valiosa asesoría durante
la realización de la investigación; así como a las profesoras Angie Higuchi y Joanna Kamiche por el gran
apoyo brindado en conocimientos y recomendaciones.
2
La seguridad alimentaria es definida como el acceso físico, social y económico en todo momento de las
personas a alimentos suficientes y nutritivos que satisfagan sus necesidades energéticas diarias.

53
Efecto del nivel de autosuficiencia en la producción de alimentos en la demanda por alimentos de los hogares rurales del Perú

vulnerando así su seguridad alimentaria. Un índice elaborado por el Midis

(2012) evidenció que los departamentos con mayores niveles de inseguridad
alimentaria (Huancavelica, Cajamarca, Huánuco, Apurímac y Amazonas) son
departamentos mayoritariamente rurales. En estos, factores como el reducido
porcentaje de la PEA ocupada, la elevada pobreza (50% de la población) y el
bajo nivel educativo dificultan el acceso satisfactorio a alimentos.
Otra característica de los hogares rurales es su alta dependencia de la
actividad agropecuaria, con la agricultura como principal fuente de ingreso,
y la incapacidad de cubrir los gastos del hogar: los ingresos de hogares agro-
pecuarios equivalen solo al 38% de los ingresos de hogares no agropecuarios
(Grade, 2020). Cerca del 80% de aquellos hogares no pertenece a ningún tipo
de asociación y dispone de un terreno menor de 5 hectáreas, con restricciones
de infraestructura, poco acceso financiero y comercial; además de fallas de
mercado que reducen el poder de negociación de su oferta y dificultan el
desarrollo de la pequeña agricultura.
También en las zonas rurales, se observa una preferencia por el autocon-
sumo o producción para el consumo propio, y es característico el trueque con
comunidades cercanas debido a la dificultad del transporte por la geografía
accidentada (Pardo & Quintasi, 2009). El autoconsumo es un factor que
incide en la seguridad alimentaria: Pintado (2012) encuentra una correlación
positiva del 68% entre el autoconsumo y la desnutrición a nivel departamental
peruano. Departamentos como Huancavelica y Cajamarca tienen niveles de
autoconsumo de 33% y 30% y porcentajes de desnutrición de 37% y 28%,
a comparación de Tacna y Tumbes, con participaciones del autoconsumo de
1% y 4% y de desnutrición de 3% y 10%.
Además de las características del hogar rural, otros factores, como las con-
diciones de cultivo y la diversificación de estos, inciden en el acceso físico a los
alimentos, determinando la satisfacción de las necesidades alimentarias de la
población. Por ello, es necesario diferenciar las regiones geográficas del Perú,
cada una con distintas características que afectan la producción de alimentos:
• La Costa se caracteriza por poseer condiciones climáticas y de suelo fa-
vorables, así como cercanía a grandes ciudades y puertos, lo cual favorece
la producción intensiva agrícola y su exportación (Scurrah, 2011). El
riego por goteo ha permitido el desarrollo del cultivo de productos de
exportación como el espárrago, la palta y las uvas (Helfgott et al., 2010),
logrando que esta región provea el 57% del PBI agropecuario en 2019
(INEI, 2020b).

54
 Sebastián Armas y Daniela Orrego

• La Sierra, que da cuenta del 29% del PBI agrícola (INEI, 2020b), es
una zona montañosa con condiciones climáticas desfavorables (heladas y
lluvia irregular) que acotan el tipo de alimentos producidos a principal-
mente cereales (entre los que destacan los granos nativos) y tubérculos.
Ello, añadido a una topografía que dificulta el transporte, hace de la agri-
cultura una práctica en su mayoría tradicional y de subsistencia, así como
de bajos rendimientos (Helfgott et al., 2010).
• La Selva, que representa el 14% del PBI agrícola (INEI, 2020b), es una
zona de topografía irregular, densa vegetación y ríos sinuosos. Ello permi-
te, por un lado, una producción agrícola variada, pero, por otro, dificulta
el transporte terrestre y conlleva una alta dependencia del transporte flu-
vial (Helfgott et al., 2010). Se caracteriza por la existencia de pequeñas
áreas de agricultura de subsistencia, con solo el 4% de la tierra agrícola
dotada de sistemas de riego tecnificados (FAO & CAF, 2006).
Otros determinantes de la seguridad alimentaria, además del acceso físico
a alimentos, son el nivel y la composición del consumo de alimentos. Estos
últimos dependen de los precios e ingresos reales, que influyen en la partici-
pación que pueden tener en la dieta de los hogares rurales alimentos como
frutas, vegetales, legumbres, tubérculos y cereales, con gran concentración de
nutrientes, pero con precios variables. Su sustitución por alimentos de menor
precio y aporte nutricional en hogares con menor poder adquisitivo es un pro-
blema de especial importancia sobre todo cuando ocurre en hogares pobres y
desnutridos. Esto, según Herrera (2017), habría sucedido entre los años 2001
y 2014 en un contexto de depreciación del tipo de cambio y boom de materias
primas. Resulta así muy necesario el análisis de las elasticidades (ingreso y
precio), para entender bien cómo cambia el consumo de algunos bienes ante
variaciones en su precio, los ingresos y precios de bienes relacionados.
De ello surge la pregunta de investigación: «¿Cómo afecta el nivel de
autosuficiencia en frutas, vegetales, legumbres, tubérculos y cereales (FVLTC
en adelante, para abreviar), en las elasticidades de la demanda por alimentos
en hogares rurales del Perú?». El objetivo de nuestra investigación es entender
de qué manera el consumo de alimentos de los hogares es determinado por su
nivel de autosuficiencia alimentaria según produzcan o compren FVLTC, y por
su ubicación geográfica. Nuestra hipótesis de investigación es que el nivel de
autosuficiencia alimentaria afecta el consumo de alimentos de hogares rurales
de manera diferente frente a cambios en precios e ingresos, tomando en cuenta
factores sociodemográficos (número de miembros del hogar, educación, sexo,
estado civil y edad del jefe del hogar).

55
Efecto del nivel de autosuficiencia en la producción de alimentos en la demanda por alimentos de los hogares rurales del Perú

Con tal fin, utilizamos la Encuesta Nacional de Hogares (Enaho) de 2019

(INEI, 2020a), para obtener el consumo de nueve categorías de alimentos:
cereales, frutas, vegetales, carnes, legumbres, tubérculos, lácteos, grasas y acei-
tes, y otros. A partir de ello, dividimos los hogares en dos grupos: producen
o compran FVLTC, según su monto de producción sea mayor que el monto
de sus compras o viceversa; y estimamos los cambios en el consumo alimen-
tario para dos regiones del Perú: Costa y Sierra. Nos motiva contribuir a un
mejor estudio del consumo de hogares rurales peruanos, y a la formulación e
implementación de políticas públicas enfocadas en el ámbito rural y a favor
de la seguridad alimentaria.

2. Revisión de la literatura especializada

El análisis del consumo de hogares rurales se ha dado a través del estudio de

la demanda y las elasticidades ingreso, precio y cruzada, encontrándose que
estos hogares tienden a ser más sensibles ante cambios en precios e ingresos y,
por ende, más vulnerables a la inseguridad alimentaria (Koç & Alpay, 2003;
Kostova, 2005; entre otros).
Específicamente, la relación entre el gasto en alimentos y el ingreso ha sido
estudiada para la India y África. Así, Khanal, Mishra y Keithy (2015) estiman
elasticidades ingreso de la demanda por FVLTC de hogares rurales de la India
y encuentran que los cereales y aceites son bienes normales; mientras que la
carne, el pescado, los huevos y los lácteos son bienes superiores, que son más
sensibles a shocks de ingreso porque su demanda varía en mayor proporción
directa que el cambio en el ingreso. Y resaltan la importancia, en los patrones
de consumo de alimentos, de factores sociodemográficos (como edad y nivel
de educación del jefe de hogar) y de efectos regionales.
Similarmente, un estudio referido a hogares rurales en Kenia (Korir, Rizov,
& Ruto, 2020) encuentra que allí los cereales, panes, lácteos y condimentos
esenciales son alimentos básicos o staples (cuya demanda varía en menor
proporción directa que el cambio en el ingreso); mientras que son bienes
superiores la carne, el pescado, las frutas y los vegetales. Además, teniendo
en cuenta que frutas y vegetales son un importante componente de la dieta
keniana sensibles al ingreso y con bajas elasticidades precio de su demanda
compensada (debido al efecto sustitución), dichos autores hallaron una elevada
pérdida en el bienestar resultante de una mayor reducción compensada del
consumo de esos alimentos ante un menor ingreso.
Más aún, se han realizado estudios que diferencian las elasticidades del
consumo alimenticio de los hogares por su nivel de autosuficiencia, en países

56
 Sebastián Armas y Daniela Orrego

con extensa área agrícola como China y la India. Han, Wahl y Mittelhammer
(2001) encontraron que para hogares rurales chinos existe un mayor rango
de elasticidades según distintos niveles de autosuficiencia que según distintos
niveles de ingreso o localización, tal como sugieren estudios previos (Han,
1996; Han & Wahl, 1998). Por su parte, Praduman et al. (2011) hallaron,
en hogares indios, una mayor elasticidad para productos FVLTC que para
alimentos primarios como arroz, harina y azúcar; lo cual implica que, en
períodos prolongados de inflación en precios alimenticios, puede revertirse la
tendencia a una dieta alimentaria diversificada y retornar la dieta dominada
por cereales y el aumento del nivel de desnutrición.
Para el caso peruano, Zegarra y Tuesta (2009) emplearon un modelo tobit
de elasticidades para estimar la probabilidad de incurrir en un déficit calórico
como indicador de la vulnerabilidad alimentaria y hallan que, para zonas
rurales ubicadas en la Sierra, es mayor el efecto negativo de un aumento de
precios sobre la ingesta calórica. También muestran que los hogares agrope-
cuarios tienen una mayor probabilidad de presentar déficit alimentario, lo
que resalta la heterogeneidad presente en los hogares rurales de acuerdo con
su nivel de autosuficiencia.

3. Marco analítico

En la literatura especializada, se observa el empleo de diferentes modelos

para estimar la demanda de productos alimenticios. El modelo de sistema de
gasto lineal (LES) fue el pionero, planteado por Stone (1954). Este, aunque
ha sido la base de otros modelos, tiene limitaciones importantes, como su
incapacidad de describir por sí solo un comportamiento consistente con la
ley de Engel, la elasticidad precio e ingreso proporcional y el no considerar la
complementariedad en alimentos (Koç & Alpay, 2003).
Los modelos más utilizados en la actualidad son el sistema de demanda casi
ideal (AIDS) planteado por Deaton y Muellbauer (1980) y sus derivados. Los
modelos AIDS y LES han sido utilizados de manera separada (Majumder, 1986)
y conjunta (Han, Wahl, & Mittelhammer, 2001; Fan, Wailes, & Cramer, 1995)
para estimar elasticidades de demanda. Ello mediante la caracterización de la
decisión de consumo de los hogares en dos etapas: la primera, a través de LES,
supone una fuerte separabilidad entre categorías amplias de productos como
alimentación, vivienda, educación y vestimenta; y la segunda modela, con AIDS,
la proporción de gasto destinada a cada producto en el grupo de alimentos.
Variantes de la primera etapa, como las planteadas por Ecker (2009) y
Praduman et al. (2011), dividen el gasto total de los hogares en dos grupos:

57
Efecto del nivel de autosuficiencia en la producción de alimentos en la demanda por alimentos de los hogares rurales del Perú

productos alimenticios y no alimenticios; y modelan la proporción gastada

en alimentos a partir de un índice agregado de precios, el gasto total del
hogar y características demográficas de los hogares. Estas metodologías para
la primera etapa asumen separabilidad en el presupuesto destinado a este
grupo de productos.
En la segunda etapa, los hogares deciden cuánto del gasto en alimentos
asignarán a cada producto, decisión que depende del nivel de precios de los
alimentos y de su gasto total en alimentos. El modelo AIDS define la propor-
ción gastada en cada alimento como una función logarítmica de los precios
relativos del mismo grupo de alimentos y del ingreso real lineal3. Pero esta
metodología es limitada en cuanto a aproximar curvas de Engel no lineales
de manera exacta (Fisher, Fleissig, & Serletis, 2001), problema que es resuelto
con la introducción del modelo Quaids por Banks, Blundell y Lewbel (1997),
que incorpora el ingreso real cuadrático.

4. Metodología

4.1   Descripción de la fuente de información

Para obtener el gasto de los hogares en alimentos, utilizamos datos de la Enaho

2019, cuya muestra es de tipo probabilístico, por áreas, estratificada, multie-
tápica e independiente en cada departamento de estudio. Así, la información
fue recogida de manera aleatoria a nivel nacional y generalmente distribuida
de manera proporcional a la cantidad de población por departamento (véase el
anexo 5), según un diseño muestral realizado por conglomerados y viviendas.
Se encuestó un total de 5359 conglomerados y 36 994 viviendas, con un pro-
medio de dos hogares por vivienda; y con un 63% de viviendas pertenecientes
al ámbito urbano y un 37%, al rural.
Del Sistema de Información de Abastecimiento y Precios (Sisap), obtuvi-
mos los precios mayoristas promedios de los alimentos en cada departamento
(Midagri, 2020).

4.2   Planteamiento del modelo estimado

El modelo que estimamos es un Quaids, inspirado en el usado por Khanal,

Mishra y Keithly (2015) con base en Ecker (2009), y también por Zegarra y
Tuesta (2009). Consideramos dos etapas de estimación:

3
En dicho modelo se asume que el gasto total es equivalente al ingreso real total.

58
 Sebastián Armas y Daniela Orrego

Primera etapa: en esta etapa, los hogares deciden cómo distribuyen su gasto
entre dos tipos de productos: alimenticios (wF) y no alimenticios. La propor-
ción (wF) es estimada a partir de una constante (αF), un vector de características
demográficas del hogar (zd), un índice de precios agregado para alimentos
en logaritmos (PF) y el gasto total del hogar también en logaritmos (M), así
como de su forma cuadrática. Las variables sociodemográficas (zd), incluyen
el número de miembros del hogar, la edad, el sexo, el nivel de educación y el
estado civil del jefe del hogar.

wF = αF + ∑d∈Dδdzd + γF lnPF + βF lnM + λF(lnM)2 (1)

El índice de precios agregado PF se obtiene de:

5
VgF
PF = � p̅ (2)
g=1
VF * g

Donde VVgF representa la proporción del gasto total en alimentos destinado al

F

grupo g y pg̅ representa el índice de precios del grupo g de alimentos.

Segunda etapa: en esta etapa, los hogares deciden el gasto en los diversos
grupos de alimentos (wi). Si bien el gasto total en alimentos es estimado en la
primera etapa, para la segunda se emplean los wi=1,…,9 observados para evitar
una estimación simultánea y cumplir con la condición de aditividad igual a
la unidad. Esta proporción depende de una constante (αi), el precio del grupo
j (pj), el gasto total estimado en alimentos (m), su forma cuadrática y otras
funciones que incluyen las variables demográficas y los precios.
2
wi = αi + ∑nj=1 αij lnpj + (βi + η'i Z)ln� m �+ λi �ln� m �� (3)
m̅0(z)a(p) b(p)c(p,z) m̅0(z)a(p)

Donde m̅0(z) escala las variables demográficas a nivel de hogar y c(p, z) es

un agregador de precios que muestra su interacción con las variables demográ-
ficas. Las funciones a(p), b(p) y λ provienen de la función inversa de utilidad
del modelo Quaids, donde a(p) es un índice de precios translogarítmico que
representa el costo de subsistencia4.

4
Proviene de un modelo de demanda relacionado: el modelo logaritmo trascendental o translog, con el cual
se construye un sistema de demanda derivado de la aplicación de la identidad de Roy a una especificación
cuadrática y logarítmica de una función de utilidad indirecta (FIU) en términos de precios con gastos
normalizados (Holt & Goodwin, 2009).

59
Efecto del nivel de autosuficiencia en la producción de alimentos en la demanda por alimentos de los hogares rurales del Perú

1
ln a(p) = α0 + ∑i=1
k α lnp + ∑k ∑k γ lnp lnp
i i 2 i=1 j=1 ij i j (4)

b(p) es un agregador de precios a lo Cobb-Douglas que representa el costo

de la satisfacción
k

b(p) = �kpiβi (5)

i=1

λ(p) es un índice de precios a lo Stone (índice de precios que pondera con

diferentes sensibilidades):

λ(p) = ∑i=1
k λ lnp , donde ∑k λ = 0
i i i=1 i (6)

Las ecuaciones (1) y (3) son estimadas para cada grupo de hogares por nivel
de autosuficiencia (hogares que compran los nueve grupos de alimentos, que
los producen, que los compran y producen) y para cada región (Costa y Sierra).
Las variables finales utilizadas, presentadas en la tabla 1, fueron calculadas
a partir de variables de la Enaho de 2019 a nivel de hogares rurales.

60
 Sebastián Armas y Daniela Orrego

Tabla 1
Variables utilizadas

Tipo de Unidad de
Nombre Descripción Etapa
variable medida
región Región del Perú (Costa y Sierra) Nominal - Ambas
grupo_final Nivel de autosuficiencia del hogar en FVLTC Nominal - Ambas
gashog Gasto total del hogar Continua Soles Primera
gashog2 Gasto total del hogar cuadrático Continua Soles Primera
mieperho Número de miembros del hogar Ordinal - Primera
educ Años de educación del jefe del hogar Ordinal Años Primera
Estado civil del jefe del hogar (1: casado o
casado Nominal - Primera
conviviente, 0: otros)
edad Edad del jefe del hogar Ordinal Años Primera
género Sexo del jefe del hogar (1: hombre, 0: mujer) Nominal - Primera
i601c Monto total de la compra Continua Soles Ambas
i601e Monto total estimado de la compra Continua Soles Ambas
vf Gasto en alimentos Continua Soles Ambas
vg1-vg9 Gasto por grupo de alimentos Continua Soles Segunda
w1-w9 Proporción del gasto por grupo de alimentos Continua Soles Segunda
pf Precio de alimentos Continua Soles Primera
pg1-9 Precio por grupo de alimentos Continua Soles Segunda
Indicador de enfermedades crónicas (1: al
enf menos un miembro del hogar posee una Nominal - Ambas
enfermedad crónica, 0: de otro modo)
Indicador de la PEA (1: al menos un miembro
ocu Nominal - Ambas
del hogar pertenece a la PEA, 0: de otro modo)
Elaboración propia, 2021.

5. Análisis de resultados

5.1   Estadísticos descriptivos

En primer lugar, separamos a los hogares rurales del Perú en cuatro grupos,
resultantes de un análisis por región (Costa y Sierra) y por nivel de autosufi-
ciencia (compra, produce) en alimentos comprendidos dentro del rubro de

61
Efecto del nivel de autosuficiencia en la producción de alimentos en la demanda por alimentos de los hogares rurales del Perú

frutas, vegetales, legumbres, tubérculos y cereales5 (o FVLTC). Realizamos

la distinción por región para controlar por efectos fijos relacionados con
diferencias en la producción, el consumo y el acceso a los alimentos debido
a diferencias topográficas6.
Tabla 2
Variables sociodemográficas

Costa Sierra
Variables
Compra Produce Compra Produce
Sexo del jefe de hogar:
Mujer 26,3% 18,5% 41,5% 21,0%
Estado civil del jefe de hogar:
Casado 64,5% 73,8% 48,0% 73,4%
Edad del jefe de hogar
Media 51,6 57,8 56,6 55,0
D. E. 16,5 14,1 18,8 15,2
Años de educación del jefe de hogar
Media 8,12 6,94 5,95 5,80
D. E. 4,10 4,26 4,87 4,03
Miembros del hogar
Media 3,43 3,71 2,64 3,39
D. E. 1,81 2,04 1,68 1,83
Observaciones 834 760 1003 5326

Elaboración propia, 2021.

La tabla 2 muestra las variables sociodemográficas empleadas en el

análisis. Se observa que, en promedio, los hogares rurales cuentan con tres
miembros, con un jefe del hogar promedio hombre, mayoritariamente
casado o conviviente y con una edad promedio de 54 años. Su escolaridad
promedio es de seis años, es decir, alcanza un nivel de educación de primaria

5
Enfocamos la distinción de autosuficiencia en FVLTC al ser estos productos carácter agrícolas cuyo cultivo
es posible a menor escala y, por tanto, en la agricultura familiar.
6
No incluimos en el análisis a la región Selva por la dificultad para diferenciar si el hogar era únicamente
productor o consumidor de las FVLTC, debido a una alta presencia de hogares selváticos con montos
similares de consumo y producción propia, que dificultó aplicar nuestro método para asignar los hogares
a los grupos de produce o compra según su monto de producción sea mayor que el de compra o viceversa.

62
 Sebastián Armas y Daniela Orrego

completa, con más años de educación en la Costa y menos en la Sierra. De

la muestra obtenida, el 20% de los hogares rurales pertenece a la Costa y
el 80%, a la Sierra.

5.2   Determinantes de la demanda por alimentos

Los resultados de la primera etapa de la estimación son presentados en el anexo

2. Se observa que el precio de los alimentos (pf) es el principal determinante
del gasto en alimentos de los hogares rurales, significativo para todos los gru-
pos de hogares. Las variables estado civil del jefe de hogar (casado) y número
de miembros del hogar (mieperho) también influyen significativamente en la
decisión de gasto en alimentos de todos los hogares. En menor medida, la edad
del jefe del hogar (p208a) influye en la proporción gastada en alimentos, de
manera significativa en el caso de hogares que compran FVLTC.

5.3   Elasticidades ingreso y precio de la demanda por grupo de

alimentos

La tabla 3 muestra las elasticidades ingreso por región y el nivel de autosufi-

ciencia para cada grupo de alimentos. A nivel general, las elasticidades halladas
sugieren que las categorías de cereales y legumbres son bienes normales, mien-
tras que las carnes son bienes superiores, a comparación de estudios como el
realizado por Zegarra y Tuesta (2009) para el Perú, que clasifican a los cereales
como bienes inferiores y a las carnes como bienes normales.
En dicha tabla, se observa que las carnes se mantienen como bienes supe-
riores para todos los hogares. Esto puede deberse a que la carne es percibida
por los jefes de hogar como un alimento con considerable aporte proteico,
de modo que, ante un aumento en su ingreso, aumentan en mayor medida
la proporción del gasto destinada a estos bienes. Igualmente, los lácteos
son considerados bienes superiores para los hogares que compran FVLTC.
Esto puede deberse a la creencia materna de que el consumo de lácteos es
necesario para el crecimiento de los niños, por su aporte proteico y como
fuente de calcio. Cabe mencionar que las elasticidades ingreso mayores que
la unidad para los lácteos y las carnes podrían tener efectos adversos en la
ingesta nutricional de los hogares analizados, cuya dieta puede desbalancearse
si un mayor ingreso los llevara a descuidar el consumo de cereales, frutas,
vegetales y legumbres.

63
Efecto del nivel de autosuficiencia en la producción de alimentos en la demanda por alimentos de los hogares rurales del Perú

Tabla 3
Elasticidades ingreso

Elasticidades ingreso
Costa Sierra
Alimentos Compra Produce Compra Produce
Carnes 1,032 1,415 1,170 1,351
Cereales 0,924 0,505 0,753 0,887
Carbohidratos 0,690 0,676 0,744 0,842
Frutas y vegetales 0,840 0,847 0,912 1,004
Grasas y aceites 0,801 0,704 0,481 0,666
Lácteos 1,002 0,941 1,048 0,921
Legumbres 0,608 0,448 0,950 0,938
Tubérculos 0,645 0,807 0,771 0,734

Elaboración propia, 2021.

Sin embargo, la clasificación de los lácteos como bienes superiores puede

ser matizada, en el caso de los hogares que únicamente compran FVLTC,
por factores sociodemográficos que caracterizan a estos hogares. Entre ellos,
resalta que los jefes de los hogares que compran FVLTC tienen más años de
educación que los jefes de los hogares que los producen, lo cual podría incidir
en su capacidad para informarse sobre requerimientos de una dieta saludable y
balanceada. Además, los hogares que compran presentan una mayor propor-
ción de jefes de hogar mujeres, lo cual podría reflejar una relación directa entre
la composición de la compra de alimentos y su aporte nutricional relevante para
la crianza de los hijos. Es decir, dado que usualmente las mujeres se encargan
de la crianza de los hijos en edad temprana, es muy probable que, al decidir
qué alimentos comprar en su condición de jefas de hogar, escojan los más
necesarios para el crecimiento de sus hijos. Esto coincide con la constatación
hecha por un estudio referido a hogares venezolanos, de que las decisiones de
compra de bienes y educación para los hijos son mayoritariamente tomadas
por las mujeres, y, por los hombres, las financieras y de cambio de residencia
(Lawrence & Mancini, 2008).
Otro hallazgo relevante es que los hogares de la Sierra autosuficientes
en la producción de FVLTC consideran a las frutas y vegetales como bienes
superiores. Esto puede deberse a que son alimentos mayormente producidos
en otras regiones y cuya disponibilidad y acceso en la Sierra son limitados,

64
 Sebastián Armas y Daniela Orrego

por lo cual, ante aumentos en los ingresos de los hogares de esta región, estos
aumentan en mayor medida su consumo de tales alimentos7.
Respecto a las elasticidades precio, presentadas en la tabla 4, una caracterís-
tica común para los hogares de todas las regiones y niveles de autosuficiencia
es que la carne tiene una elasticidad precio mayor de 1. Esto puede deberse a
sustitución por otros alimentos como legumbres y tubérculos, con los cuales la
carne mantiene elasticidades cruzadas positivas. Otra característica común es
la inelasticidad de todos los otros bienes. Específicamente, los carbohidratos y
tubérculos tienen las elasticidades de menor magnitud, excepto en los hogares
costeños que producen. Así, ante aumentos en el precio de estos alimentos,
su cantidad consumida se verá afectada en menor medida. Esta característica
concuerda con la dieta peruana, que incluye el consumo habitual de arroz,
pan, fideos, papa y yuca. Un efecto adverso de que los hogares peruanos con-
sideren a los carbohidratos y tubérculos como bienes inelásticos es que, ante
cambios en los precios de estos alimentos, su cantidad consumida no cambie
de manera significativa (se les continúa asignando una misma proporción del
gasto) y, por ende, sustituyan poco su consumo por el de otros bienes con
mayor aporte nutricional, como son los cereales, las frutas y los vegetales.
Tabla 4
Elasticidades precio

Elasticidades precio
Costa Sierra
Alimentos Compra Produce Compra Produce
Carnes -1,078 -1,714 -1,076 -1,153
Cereales -0,912 -0,891 -0,894 -0,896
Carbohidratos -0,819 -1,329 -0,860 -0,884
Frutas y vegetales -0,941 -0,975 -0,899 -0,921
Grasas y aceites -0,916 -0,912 -0,897 -0,911
Lácteos -0,906 -0,913 -0,903 -0,909
Legumbres -0,915 -0,908 -0,894 -0,909
Tubérculos -0,915 -0,886 -0,892 -0,882

Elaboración propia, 2021.

7
Este tipo de análisis se concentra en departamentos de la Sierra con características geográficas como una
altitud mayor de 2000 m s. n. m., que permite mayormente el cultivo de granos andinos.

65
Efecto del nivel de autosuficiencia en la producción de alimentos en la demanda por alimentos de los hogares rurales del Perú

Para el caso de hogares de la Costa que producen, la elasticidad mayor

de 1 de los carbohidratos puede explicarse por su fácil sustitución por otros
alimentos producidos por dichos hogares, como legumbres y tubérculos, con
los cuales los carbohidratos presentan elasticidades cruzadas positivas (véase
el anexo 3).
También hallamos que, para los hogares rurales de la Sierra, los cereales,
las frutas, los vegetales y los tubérculos son los bienes inelásticos con la menor
magnitud entre las regiones. Esto puede atribuirse a la dieta típica en esa
región, explicada por factores climáticos y culturales, que incluye el consumo
de sopas, guisos y preparaciones a base de maíz, mote, trigo, papa y otros
tubérculos andinos. Así, cambios en los precios de estos alimentos afectan en
menor medida a su cantidad consumida en esta región. En el caso específico
de los tubérculos, se observa que su elasticidad precio es de menor magnitud
en los hogares que producen FVLTC que en los hogares que los compran;
lo cual puede deberse a que, dado que los primeros son autosuficientes en la
producción de tubérculos, cambios en su precio motivan menores cambios
en su cantidad consumida. Cabe mencionar que estos hallazgos van en línea
con los encontrados por Rosales y Mercado (2020), quienes clasifican a los
tubérculos como bienes inelásticos para la zona rural.
En suma, nuestros resultados indican que las elasticidades precio e ingreso
de la demanda por alimentos son afectadas por el nivel de autosuficiencia de
los hogares rurales, y varían de acuerdo con la región en la que se encuentran.
De esta manera, se rechaza la hipótesis nula de que la autosuficiencia de los
hogares rurales en la producción de frutas, vegetales, legumbres, tubérculos y
cereales no afecta la demanda por alimentos.
Para evaluar la robustez de las estimaciones, estimamos la primera y segunda
etapa del modelo para submuestras de los hogares por estado civil y nivel de
educación del jefe de hogar. Los resultados para estas submuestras diferenciadas
por tipo de control sociodemográfico muestran (véanse los anexos del 4 al
8) que la clasificación de los bienes se mantiene para las elasticidades tanto
precio como ingreso.

5.4   Limitaciones

A lo largo de la investigación, se presentaron limitaciones en cuanto a la infor-

mación disponible y las diferentes metodologías de cálculo de las fuentes. Para
los precios, se empleó una base que brindaba los precios mayoristas promedio,
pero para algunas categorías, como lácteos, los datos estaban incompletos, y

66
 Sebastián Armas y Daniela Orrego

para otras, difería el concepto que abarcaba la categoría (Otros)8. De contarse

con una base de precios más detallada para productos como leches y quesos, se
podría brindar resultados que aproximen los precios con mayor exactitud. Una
limitación adicional fue la poca disponibilidad de fuentes académicas sobre el
estudio de elasticidades de la demanda alimentaria para Latinoamérica, lo cual
conllevó el uso de fuentes de la India o China, con diferentes características
regionales, geográficas y culturales.

6. Conclusiones y recomendaciones

El presente estudio ha analizado la demanda de alimentos por parte de hogares

rurales peruanos agrupados según su nivel de producción alimentaria para su
propio consumo (o autosuficiencia alimentaria) y por región, e incluyendo
variables sociodemográficas relativas al jefe de hogar (edad, género, estado civil,
educación). La metodología empleada ha permitido calcular las elasticidades
precio e ingreso de dicha demanda, identificar que esos grupos de hogares
reaccionan de manera diferenciada ante cambios en sus ingresos o en los precios
de alimentos, y así comprobar que la autosuficiencia de los hogares rurales en
la producción de frutas, vegetales, legumbres, tubérculos y cereales (FVLTC)
afecta la demanda por alimentos. Este hallazgo aporta evidencia en línea con
la encontrada por estudios especializados que relacionan autosuficiencia ali-
mentaria con desnutrición o malnutrición, en países con marcadas diferencias
geográficas, productivas y sociales como es el Perú. Específicamente:
Para el caso de las elasticidades ingreso en el consumo de hogares que
compran FVLTC, donde es mayor el nivel educativo del jefe del hogar, la
categorización de las carnes como bienes superiores es congruente con su
alto nivel proteico, pero puede llevar a que estos hogares descuiden el con-
sumo de otros alimentos con un mejor aporte nutricional y energético. Y la
percepción de los lácteos como bienes superiores por parte de dichos hogares
puede deberse a factores sociodemográficos, como la mayor proporción de
jefes de hogar mujeres.
Para el caso de las elasticidades precio, la inelasticidad de los carbohidratos
(arroz, pan, fideos) en hogares costeños podría impactar en que estos hogares
sustituyan poco el consumo de estos bienes por otros de mayor aporte proteico
y nutricional como las carnes, los cereales, las frutas y los vegetales. Adicional-

8
En la base de la Enaho, los precios de la categoría «Otros» hacían referencia a alimentos consumidos fuera
del hogar, mientras que en la base del Sisap hacían referencia a otros alimentos consumidos dentro del hogar
no incluidos en grupos anteriores.

67
Efecto del nivel de autosuficiencia en la producción de alimentos en la demanda por alimentos de los hogares rurales del Perú

mente, que los cereales, las frutas, los vegetales y los tubérculos presenten la
mayor inelasticidad en hogares rurales de la Sierra puede atribuirse a factores
culturales como la dieta andina (caracterizada por el consumo de cereales
como la quinua, la maca y el mote, y tubérculos como la papa y el camote)
que generen que, ante aumentos en los precios de estos alimentos, los hogares
no varíen en mayor medida su cantidad consumida.
Además, se observa que tanto la disponibilidad como el acceso afectan al
consumo de alimentos, como es el caso de los hogares de la Sierra rural que
consideran a las frutas y vegetales como bienes superiores por poseer una dis-
ponibilidad y acceso menor a ellos. También, se observa que la autosuficiencia
impacta en cómo los hogares reaccionan ante cambios en precios. Esto se
evidencia en los hogares que producen FVLTC, para los cuales los tubérculos
son los bienes más inelásticos, con la producción propia de estos alimentos
motivando menores cambios en su cantidad consumida ante aumentos en
los precios.
El aporte de esta investigación a la literatura especializada emerge del
análisis de la demanda de alimentos en hogares rurales según sus niveles de
autosuficiencia y la región en que se ubican. Si bien estudios como el de Kha-
nal, Mishra y Keithly (2015) o el de Han, Wahl y Mittelhammer (2001) han
desarrollado análisis a nivel regional o por nivel de autosuficiencia, el presente
estudio realiza estimaciones diferenciadas por los niveles de autosuficiencia den-
tro de cada región. Esta diferenciación, en tanto profundiza el conocimiento
sobre qué hogares rurales tienen una demanda alimentaria más sensible ante
cambios en sus ingresos y en los precios de determinados alimentos, sirve para
mejorar la focalización de las políticas públicas en la materia.
Así, nuestra primera recomendación es concientizar a las familias, con
el apoyo del Estado, en temas de dietas óptimas para garantizar una ingesta
adecuada que evite la malnutrición. Dado que se ha comprobado que la mujer
posee un rol importante en la decisión de consumo del hogar, se podría iniciar
campañas de sensibilización como la elaborada por el Midis, «Papeao y Apapa-
chao. Sin anemia, mejor futuro», para informar a las madres de familia sobre la
importancia de una buena alimentación para prevenir la anemia en los niños.
La segunda recomendación es adecuar y promover la Guía alimentaria para
la población peruana, elaborada por el Instituto Nacional de Salud en 2019, con
base en los alimentos cultivados en cada región. De esta manera, los hogares
pueden tener conocimiento sobre cómo lograr una alimentación saludable con
las combinaciones de alimentos disponibles en la región. Además, conocerán
cómo aumentar la proporción de gasto destinada a los grupos alimenticios

68
 Sebastián Armas y Daniela Orrego

ante cambios en ingresos y cómo sustituir ciertos grupos de alimentos por

otros de producción local ante cambios en precios. Por ejemplo, si aumenta
el precio de la carne, los hogares pueden sustituirla por cereales y legumbres
como la quinua y las lentejas, con elevado contenido proteico, para asegurar
la mantención de una dieta saludable y balanceada.
La tercera recomendación es fortalecer las capacidades productivas y
comerciales de los productores agrarios familiares para mejorar la disponibi-
lidad y acceso a los alimentos, dada la elevada presencia del autoconsumo en
los hogares rurales. El objetivo prioritario n.º 1 del Estado (Política Nacional
Agraria 2021-2030) se refiere a «Incrementar el nivel de integración vertical de
los productores agrarios en la cadena de valor», con énfasis en los productores
agrarios familiares. Por ello, proponemos que este eje sea más apoyado, así
como el fortalecimiento de la asociatividad y especialización de productores
agrícolas rurales para lograr economías de escala.
Para investigaciones posteriores, posibles variantes al modelo pueden
incluir el análisis de elasticidades para hogares rurales netamente agrícolas
agrupados por el tamaño de las parcelas, la distancia a centros de abasto o el
acceso a servicios básicos de electricidad. Esto permitiría concentrarnos en la
actividad principal laboral de los hogares rurales y superar limitaciones de la
información disponible al cruzar varias bases de datos. Otra recomendación
sería desarrollar un análisis de elasticidades para los diferentes departamentos
para atender necesidades regionales mediante políticas específicas y reducir
así la vulnerabilidad a la inseguridad alimentaria.
Referencias
Banks, J., Blundell, R., & Lewbel, A. (1997). Quadratic Engel curves and consumer demand.
Review of Economics and Statistics, 79(4), 527-539. doi:10.1162/003465397557015
Deaton, A., & Muellbauer, J. (1980). An almost ideal demand system. The American
Economic Review, 70(3), 312-326. https://www.jstor.org/stable/1805222
Ecker, O. (2009). Economics of micronutrient malnutrition: The demand for nutrients in
Sub-Saharan Africa. Peter Lang. https://www.peterlang.com/document/1107312
Fan, S., Wailes, E., & Cramer, G. (1995). Household demand in rural China: A two-
stage LES-Aids model. American Journal of Agricultural Economics, 77(1), 54-62.
doi:10.2307/1243888
FAO & CAF. (2006). Perú: Nota de análisis sectorial. Agricultura y desarrollo rural. Orga-
nización de las Naciones Unidas para la Agricultura y la Alimentación (FAO) y
Corporación Andina de Fomento (CAF). http://www.fao.org/3/a-ak169s.pdf
Fisher, D., Fleissig, A. R., & Serletis, A. (2001). An empirical comparison of flexible
demand system functional forms. Journal of Applied Econometrics, 16(1), 59-80.
doi:10.1002/jae.585

69
Efecto del nivel de autosuficiencia en la producción de alimentos en la demanda por alimentos de los hogares rurales del Perú

Grade. (2020). Desarrollo rural y agricultura. Grupo de Análisis para el Desarrollo. https://
www.grade.org.pe/areas-de-investigacion/desarrollo-rural-y-agricultura/
Han, T. (1996). Rural household food consumption in China: Evidence from the Rural House-
hold Survey (tesis de Maestría inedita). University of Arkansas. OCLC: (OCoLC)
ocm37548103.
Han, T., & Wahl, T. (1998). China’s rural household demand for fruit and vegetables.
Journal of Agricultural and Applied Economics, 30(1), 141-150. doi:10.1017/
S1074070800008129
Han, T., Wahl, T., & Mittelhammer, R. (2001). The effect of self-sufficiency on fruit and
vegetable consumption of China’s rural households. Review of Agricultural Economics,
23(1), 176-184. doi:10.1111/1058-7195.00053
Helfgott, S., Vargas, S., Gutiérrez, A. C., & Salvatore, M. (2010). Aptitud de tierras y
oportunidades para el desarrollo rural en Perú. En E. Félix & C. Rosell (Eds.). El
análisis de BEFS para el Perú (Documento de Trabajo. Manejo del Ambiente y los
Recursos Naturales, 39, pp. 25-51). Proyecto Bioenergía y Seguridad Alimentaria
(BEFS). Organización de las Naciones Unidas para la Agricultura y la Alimentación
(FAO). http://www.fao.org/3/i1712s/i1712s.pdf
Herrera, Javier. (2017). Pobreza y desigualdad económica en el Perú durante el boom de
crecimiento: 2004-2014. Revue Internationale de Politique de Développement, 9.
doi:10.4000/poldev.2518.
Hoddinott, J., Behrman, J., Maluccio, J., Melgar, P., Quisumbing, A., Ramírez-Zea, M.,
Stein, A., Yount, K., & Martorell, R. (2013). Adult consequences of growth failure
in early childhood. The American Journal of Clinical Nutrition, 98(5), 1170-1178.
doi:10.3945/ajcn.113.064584
Holt, M. T., & Goodwin, B. K. (2009). The almost ideal and translog demand systems. MPRA
Paper 15092. https://mpra.ub.uni-muenchen.de/15092/1/MPRA_paper_15092.
pdf
INEI. (2020a). Consulta por Encuesta. Encuesta Nacional de Hogares 2019. Instituto
Nacional de Estadística e Informática. http://iinei.inei.gob.pe/microdatos/Con
sulta_por_Encuesta.asp
INEI. (2020b). Estadísticas. Producto bruto interno por departamentos. Instituto Nacional
de Estadística e Informática. https://www.inei.gob.pe/estadisticas/indice-temático/
producto-bruto-interno-por-departamentos-9089/
Khanal, A., Mishra, A., & Keithly, W. (2015). Heterogeneity in food demand among rural
indian households: The role of demographics. Canadian Journal of Agricultural
Economics, 64(3), 517-544. doi:10.1111/cjag.12094
Koç, A., & Alpay, S. (2003). Estimation of complete demand system under data limitation:
A case study on Turkey. Eastern European Economics, 41(3), 70-86. doi:10.1080/
00128775.2003.11041046
Korir, L., Rizov, M., & Ruto, E. (2020). Food security in Kenya: Insights from a house-
hold food demand model. Economic Modelling, 92, 99-108. doi:10.1016/j.econ
mod.2020.07.015

70
 Sebastián Armas y Daniela Orrego

Kostova, S. (2005). Evaluation of consumption and welfare changes under economic

transition in rural Poland. Eastern European Economics, 43(3), 5-20. doi:10.1080
/00128775.2005.11041108
Lawrence, P., & Mancini, M. (2008). La toma de decisiones de los hogares en Venezuela.
Revista de Economía Institucional, 10(18), 213-239. https://www.redalyc.org/
pdf/419/41901809.pdf
Lázaro, M., & Domínguez, C. (2019). Guías alimentarias para la población peruana.
Ministerio de Salud, Instituto Nacional de Salud. http://bvs.minsa.gob.pe/local/
MINSA/4832.pdf
Majumder, O. (1986). Consumer expenditure pattern in India: A comparison of the almost
ideal demand system and the linear expenditure system. Sankhyā: The Indian Journal
of Statistics, 48(1), 115-143. https://www.jstor.org/stable/25052430
Midagri. (2020). Sistema de Información de Abastecimiento y Precios (Sisap). Ministerio de
Desarrollo Agrario y Riego. http://sistemas.minagri.gob.pe/sisap/portal2/ciudades/#
Midis. (2012). Mapa de vulnerabilidad a la inseguridad alimentaria. Ministerio de Desarrollo
e Inclusión Social. https://www.mimp.gob.pe/webs/mimp/sispod/pdf/299.pdf
Pardo, E., & Quintasi, M. (2009). La mujer y la autosuficiencia alimentaria en los Andes:
el caso de la comunidad de Pitumarca, Cusco. Leisa, 25(3), 34-35. https://www.
leisa-al.org/web/images/stories/revistapdf/vol25n3.pdf
Pintado, M. (2012). Autoconsumo, seguridad alimentaria y nutrición en el Perú. La
Revista Agraria, 145, 112-113. https://es.scribd.com/document/112205827/
La-Revista-Agraria-N%C2%BA-145-Octubre-2012
Poi, B. (2012). Easy demand-system estimation with quaids. The Stata Journal, 12(3),
433-446. doi:10.1177/1536867X12012003
Praduman, K., Anjani, K., Parappurathu, S., & Raju, S. (2011). Estimation of demand
elasticity for food commodities in India. Agricultural Economics Research Review,
24(1), 1-44. doi:10.22004/AG.ECON.109408
Rosales, G., & Mercado, W. (2020) Efecto de los cambios en el precio de los alimentos
sobre el consumo de la quinua y la seguridad alimentaria rural en el Perú. Scientia
Agropecuaria, 11(1), 83-93. doi:10.17268/sci.agropecu.2020.01.10
Scurrah, M. (2011). Políticas agrarias para un Perú post extractivista. En A. Alayza & E.
Gudynas (Eds.). Transiciones. Post extractivismo y alternativas al extractivismo en el
Perú. (pp. 143-166). Cepes & RedGE. https://dar.org.pe/archivos/publicacion/
transiciones_extractivismo.pdf
Stone, R. (1954). Linear expenditure systems and demand analysis: An application
to the pattern of British demand. The Economic Journal, (64)255, 511-527.
doi:10.2307/2227743
Zegarra, E., & Tuesta, J. (2009). Shock de precios y vulnerabilidad alimentaria de los hogares
peruanos. Documento de Trabajo 55. Grupo de Análisis para el Desarrollo (Grade).
https://www.grade.org.pe/wp-content/uploads/ddt55.pdf

71
Efecto del nivel de autosuficiencia en la producción de alimentos en la demanda por alimentos de los hogares rurales del Perú

Anexo 1
Derivación de las elasticidades

Primera etapa
Regresión de la primera etapa (modelo OLS):

wf = αF' + � δdZd + γFlnPF + βFlnM + λF(lnM)2

d∈D

Precio ponderado de alimentos:

7
VgF
Pf = � * pg̅
g=1 VF

Ecuación elasticidad precio de la demanda por alimentos:

γF
εf = ‒1 +
wf

Ecuación elasticidad ingreso de la demanda por alimentos:

βF 2λFlnM
ηf = 1 + +
wf wf

Segunda etapa
Regresión de la segunda etapa (modelo Quaids):
n 2
wi = αi + � αijlnpj + (βi + η'i Z)ln� m �+ λi �ln� m ��
j=1
m̅0(z)a(p) b(p)c(p,z) m̅0(z)a(p)

Índice de precios a lo Stone:

k k k
1
ln a(p) = α0 + � αi lnpi + 2 � � γij lnpi lnpj
i=1 i=1 j=1

Función de precios y vector de demográficas:

k

c(p, z) = �pjn'jz
j=1

72
 Sebastián Armas y Daniela Orrego

Ecuación elasticidad precio de la demanda por grupo de alimentos:

1 2λi m
εijM = ‒δij + �γ – �βi + ηi'Z + ln� ��� * �� γjl ln pl �
wi ij b(p)c(p,z) m̅0(z)a(p) l

– (βF + η'z)λ
i i �ln� m 2
��
b(p)c(p,z) m̅0(z)a(p)

Ecuación elasticidad ingreso de la demanda por grupo de alimentos:

1 2λi m
ηi = 1 + �γij – �β + ηi'Z + ln� ���
wi i b(p)c(p,z) m̅0(z)a(p)
Fuentes: Poi (2012); Khanal, Mishra y Keithly (2015).

73
Efecto del nivel de autosuficiencia en la producción de alimentos en la demanda por alimentos de los hogares rurales del Perú

Anexo 2
Resultados de la primera etapa

Costa Sierra
Compra Produce Compra Produce
pf 0,077* 0,058* 0,090* 0,044*
gashog 0,198 0,201 -0,100 0,228*
gashog2d -0,015 -0,017 -0,001 -0,019
p207 0,016 0,016 0,013 0,009
p208a 0,001* 0,000 0,001* 0,000
casado 0,043* 0,020* 0,032* 0,033*
educ -0,001 -0,001 0,000 -0,002
mierperho 0,021* 0,016* 0,012* 0,005*
cons -0,303 -0,149 1,190* -0,092

Nota. * significativo al 5%.

Elaboración propia, 2021.

74
 Sebastián Armas y Daniela Orrego

Anexo 3
Elasticidades precio

Elasticidades precio
Costa – compra

Frutas y vegetales

Grasas y aceites
Carbohidratos

Legumbres

Tubérculos
Cereales

Lácteos
Carnes
Alimentos

Carnes -1,078 0,007 -0,027 0,053 -0,008 -0,011 0,007 0,017

Cereales 0,064 -0,912 -0,004 0,024 -0,007 0,008 0,008 0,012
Carbohidratos 0,046 0,010 -0,819 0,007 0,018 0,001 0,009 0,018
Frutas y vegetales 0,114 0,010 -0,020 -0,941 0,004 0,002 0,005 -0,002
Grasas y aceites -0,020 -0,008 0,099 0,040 -0,916 -0,008 0,006 -0,001
Lácteos -0,029 0,001 -0,050 -0,027 -0,008 -0,906 -0,011 -0,005
Legumbres 0,162 0,028 0,061 0,078 0,010 0,002 -0,915 -0,006
Tubérculos 0,172 0,023 0,061 0,031 0,003 0,020 -0,004 -0,915

Elasticidades precio
Costa – produce
Frutas y vegetales

Grasas y aceites
Carbohidratos

Legumbres

Tubérculos
Cereales

Lácteos
Carnes

Alimentos

Carnes -1,714 -0,012 0,337 0,045 -0,014 -0,020 -0,013 -0,006

Cereales 0,192 -0,891 -0,003 0,101 0,006 0,021 0,017 0,048
Carbohidratos 0,687 -0,018 -1,329 -0,047 0,018 -0,002 -0,002 0,002
Frutas y vegetales 0,200 0,006 -0,061 -0,975 -0,003 0,001 0,013 -0,014
Grasas y aceites 0,062 -0,002 0,115 0,009 -0,912 -0,004 -0,003 0,002
Lácteos 0,053 -0,013 -0,046 -0,017 -0,009 -0,913 -0,015 -0,009
Legumbres 0,151 0,037 0,045 0,180 0,005 0,005 -0,908 0,012
Tubérculos 0,142 0,029 0,001 -0,023 0,000 0,005 -0,004 -0,886

75
Efecto del nivel de autosuficiencia en la producción de alimentos en la demanda por alimentos de los hogares rurales del Perú

Elasticidades precio
Sierra – compra

Frutas y vegetales

Grasas y aceites
Carbohidratos

Legumbres

Tubérculos
Cereales

Lácteos
Carnes
Alimentos

Carnes -1,076 -0,006 -0,022 -0,038 0,004 0,000 -0,007 -0,005

Cereales 0,072 -0,894 0,008 0,022 -0,006 0,011 0,010 0,013
Carbohidratos 0,063 0,003 -0,860 0,019 0,022 -0,010 0,004 0,022
Frutas y vegetales 0,017 -0,005 -0,013 -0,899 -0,002 0,003 -0,002 -0,010
Grasas y aceites 0,178 0,001 0,175 0,075 -0,897 -0,013 0,007 -0,004
Lácteos 0,026 -0,011 -0,072 -0,020 -0,020 -0,903 -0,009 -0,021
Legumbres 0,000 0,008 -0,013 -0,020 -0,007 -0,014 -0,894 -0,011
Tubérculos 0,073 0,009 0,035 0,006 -0,009 0,003 0,002 -0,892

Elasticidades precio
Sierra – produce
Frutas y vegetales

Grasas y aceites
Carbohidratos

Legumbres

Tubérculos
Cereales

Lácteos
Carnes

Alimentos

Carnes -1,153 -0,022 -0,038 -0,094 -0,008 -0,005 -0,007 -0,007

Cereales 0,056 -0,896 -0,022 0,017 -0,005 -0,008 0,005 -0,021
Carbohidratos 0,044 -0,015 -0,884 0,006 0,016 -0,006 -0,003 -0,008
Frutas y vegetales -0,025 -0,004 -0,019 -0,921 -0,001 -0,005 -0,003 -0,020
Grasas y aceites 0,070 0,004 0,114 0,062 -0,911 -0,022 0,004 0,006
Lácteos 0,062 -0,020 -0,025 0,004 -0,015 -0,909 -0,008 -0,026
Legumbres 0,041 0,011 -0,027 -0,002 -0,004 -0,017 -0,909 -0,034
Tubérculos 0,102 0,001 0,007 0,026 -0,001 0,000 -0,001 -0,882

Elaboración propia, 2021.

76
 Sebastián Armas y Daniela Orrego

Anexo 4
Elasticidades ingreso para hogares por estado civil, con jefe del hogar casado

Elasticidades ingreso – jefe de hogar casado

Costa Sierra
Alimentos Compra Produce Compra Produce
Carnes 1,052 1,459 1,226 1,372
Cereales 0,893 0,425 0,675 0,893
Carbohidratos 0,669 0,690 0,703 0,825
Frutas y vegetales 0,835 0,830 0,921 1,002
Grasas y aceites 0,815 0,695 0,490 0,656
Lácteos 1,003 0,956 1,042 0,929
Legumbres 0,597 0,427 0,893 0,941
Tubérculos 0,653 0,749 0,741 0,741

Elaboración propia, 2021.

77
Efecto del nivel de autosuficiencia en la producción de alimentos en la demanda por alimentos de los hogares rurales del Perú

Anexo 5
Elasticidades ingreso para hogares por estado civil, con jefe del hogar no casado

Elasticidades ingreso – jefe de hogar no casado

Costa Sierra
Alimentos Compra Produce Compra Produce
Carnes 0,992 1,278 1,111 1,275
Cereales 0,972 0,742 0,830 0,868
Carbohidratos 0,734 0,620 0,780 0,878
Frutas y vegetales 0,849 0,892 0,903 1,008
Grasas y aceites 0,774 0,735 0,472 0,703
Lácteos 1,004 0,891 1,050 0,903
Legumbres 0,631 0,526 1,000 0,908
Tubérculos 0,629 0,988 0,799 0,708

Elaboración propia, 2021.

78
 Sebastián Armas y Daniela Orrego

Anexo 6
Elasticidades ingreso para hogares por nivel de educación del jefe de hogar

Elasticidades ingreso – jefe de hogar sin nivel de educación

Costa Sierra
Alimentos Compra Produce Compra Produce
Carnes 1,004 1,441 1,156 1,335
Cereales 1,011 0,520 0,835 0,926
Carbohidratos 0,707 0,667 0,769 0,857
Frutas y vegetales 0,846 0,880 0,886 1,002
Grasas y aceites 0,768 0,654 0,460 0,684
Lácteos 0,980 0,818 1,012 0,899
Legumbres 0,648 0,422 0,991 0,926
Tubérculos 0,707 0,871 0,816 0,739

Elasticidades ingreso – jefe de hogar con educación primaria

completa
Costa Sierra
Alimentos Compra Produce Compra Produce
Carnes 1,034 1,437 1,174 1,364
Cereales 0,924 0,493 0,747 0,878
Carbohidratos 0,706 0,703 0,725 0,839
Frutas y vegetales 0,836 0,841 0,917 1,004
Grasas y aceites 0,817 0,720 0,486 0,670
Lácteos 0,988 0,950 1,054 0,927
Legumbres 0,629 0,396 0,941 0,936
Tubérculos 0,657 0,770 0,767 0,735

79
Efecto del nivel de autosuficiencia en la producción de alimentos en la demanda por alimentos de los hogares rurales del Perú

Elasticidades ingreso – jefe de hogar con educación secundaria

completa
Costa Sierra
Alimentos Compra Produce Compra Produce
Carnes 1,041 1,358 1,172 1,360
Cereales 0,886 0,529 0,650 0,817
Carbohidratos 0,666 0,640 0,707 0,812
Frutas y vegetales 0,840 0,826 0,940 1,011
Grasas y aceites 0,801 0,718 0,468 0,620
Lácteos 1,018 1,034 1,081 0,956
Legumbres 0,594 0,508 0,897 0,925
Tubérculos 0,632 0,717 0,707 0,703

Elasticidades ingreso – jefe de hogar con educación superior

Costa Sierra
Alimentos Compra Produce Compra Produce
Carnes 1,037 1,274 1,138 1,320
Cereales 0,852 0,674 0,684 0,764
Carbohidratos 0,609 0,544 0,671 0,820
Frutas y vegetales 0,859 0,850 0,956 1,014
Grasas y aceites 0,767 0,642 0,494 0,561
Lácteos 1,040 1,076 1,094 0,974
Legumbres 0,482 0,666 0,909 0,870
Tubérculos 0,540 0,734 0,634 0,594

Elaboración propia, 2021.

80
 Sebastián Armas y Daniela Orrego

Anexo 7
Elasticidad precio para hogares de la Costa que compran, por estado civil del
jefe de hogar

Elasticidades precio – jefe de hogar casado

Costa – compra

Frutas y vegetales

Grasas y aceites
Carbohidratos

Legumbres

Tubérculos
Cereales

Lácteos
Carnes
Alimentos

Carnes -1,079 0,005 -0,031 0,045 -0,008 -0,012 0,005 0,014

Cereales 0,072 -0,909 0,003 0,031 -0,007 0,011 0,010 0,015
Carbohidratos 0,052 0,012 -0,815 0,011 0,019 0,003 0,010 0,020
Frutas y vegetales 0,115 0,010 -0,019 -0,941 0,004 0,002 0,005 -0,002
Grasas y aceites -0,020 -0,007 0,093 0,036 -0,920 -0,007 0,005 -0,002
Lácteos -0,029 0,001 -0,050 -0,027 -0,008 -0,907 -0,011 -0,005
Legumbres 0,163 0,029 0,064 0,080 0,010 0,005 -0,917 -0,004
Tubérculos 0,168 0,023 0,059 0,031 0,003 0,020 -0,004 -0,917

Elasticidades precio – jefe de hogar no casado

Costa – compra
Frutas y vegetales

Grasas y aceites
Carbohidratos

Legumbres

Tubérculos
Cereales

Lácteos
Carnes

Alimentos

Carnes -1,076 0,010 -0,018 0,071 -0,008 -0,009 0,010 0,023

Cereales 0,050 -0,916 -0,016 0,011 -0,009 0,004 0,006 0,008
Carbohidratos 0,034 0,007 -0,826 -0,003 0,017 -0,003 0,006 0,015
Frutas y vegetales 0,111 0,009 -0,022 -0,943 0,004 0,000 0,004 -0,003
Grasas y aceites -0,021 -0,009 0,112 0,046 -0,908 -0,009 0,006 -0,001
Lácteos -0,029 0,001 -0,050 -0,028 -0,008 -0,906 -0,011 -0,005
Legumbres 0,160 0,027 0,053 0,073 0,009 -0,003 -0,911 -0,011
Tubérculos 0,181 0,024 0,063 0,032 0,003 0,019 -0,006 -0,909

Elaboración propia, 2021.

81
Efecto del nivel de autosuficiencia en la producción de alimentos en la demanda por alimentos de los hogares rurales del Perú

Anexo 8
Elasticidades precio para hogares de la costa que producen, por nivel de educación
del jefe de hogar

Elasticidades precio – jefe de hogar sin nivel de educación

Costa – produce

Frutas y vegetales

Grasas y aceites
Carbohidratos

Legumbres

Tubérculos
Cereales

Lácteos
Carnes
Alimentos

Carnes -1,720 -0,014 0,332 0,038 -0,015 -0,021 -0,014 -0,008

Cereales 0,186 -0,895 -0,002 0,099 0,005 0,019 0,017 0,046
Carbohidratos 0,676 -0,016 -1,319 -0,041 0,018 -0,002 -0,001 0,003
Frutas y vegetales 0,191 0,003 -0,067 -0,982 -0,004 -0,002 0,012 -0,017
Grasas y aceites 0,072 0,002 0,125 0,021 -0,911 -0,001 -0,001 0,006
Lácteos 0,082 -0,005 -0,026 0,009 -0,006 -0,896 -0,011 -0,001
Legumbres 0,153 0,040 0,055 0,182 0,007 0,008 -0,912 0,016
Tubérculos 0,124 0,022 -0,010 -0,034 -0,002 0,000 -0,006 -0,899

Elasticidades precio – jefe de hogar con educación primaria completa

Costa – produce
Frutas y vegetales

Grasas y aceites
Carbohidratos

Legumbres

Tubérculos
Cereales

Lácteos
Carnes

Alimentos

Carnes -1,722 -0,013 0,335 0,041 -0,015 -0,023 -0,013 -0,008

Cereales 0,192 -0,894 0,003 0,103 0,007 0,023 0,017 0,048
Carbohidratos 0,671 -0,020 -1,328 -0,051 0,017 -0,004 -0,003 0,000
Frutas y vegetales 0,197 0,006 -0,057 -0,973 -0,003 0,002 0,013 -0,013
Grasas y aceites 0,059 -0,003 0,109 0,006 -0,916 -0,004 -0,004 0,002
Lácteos 0,053 -0,015 -0,049 -0,020 -0,009 -0,911 -0,015 -0,010
Legumbres 0,164 0,041 0,052 0,192 0,007 0,008 -0,904 0,015
Tubérculos 0,151 0,031 0,007 -0,016 0,001 0,008 -0,003 -0,883

82
 Sebastián Armas y Daniela Orrego

Elasticidades precio – jefe de hogar con educación secundaria completa

Costa – produce

Frutas y vegetales

Grasas y aceites
Carbohidratos

Legumbres

Tubérculos
Cereales

Lácteos
Carnes
Alimentos

Carnes -1,700 -0,007 0,347 0,058 -0,012 -0,017 -0,010 -0,002

Cereales 0,194 -0,889 -0,015 0,094 0,004 0,019 0,016 0,048
Carbohidratos 0,748 -0,020 -1,356 -0,050 0,020 0,000 -0,002 0,002
Frutas y vegetales 0,213 0,007 -0,062 -0,971 -0,003 0,003 0,014 -0,014
Grasas y aceites 0,060 -0,004 0,113 0,003 -0,910 -0,005 -0,005 0,001
Lácteos 0,028 -0,018 -0,056 -0,034 -0,010 -0,933 -0,016 -0,014
Legumbres 0,143 0,031 0,025 0,169 0,002 -0,002 -0,906 0,005
Tubérculos 0,175 0,038 0,012 -0,013 0,002 0,011 -0,002 -0,863

Elasticidades precio – jefe de hogar con educación superior

Costa – produce
Frutas y vegetales

Grasas y aceites
Carbohidratos

Legumbres

Tubérculos
Cereales

Lácteos
Carnes

Alimentos

Carnes -1,681 0,000 0,363 0,077 -0,009 -0,011 -0,006 0,005

Cereales 0,168 -0,895 -0,049 0,061 -0,001 0,006 0,009 0,039
Carbohidratos 0,781 -0,014 -1,345 -0,031 0,022 0,010 0,000 0,007
Frutas y vegetales 0,208 0,005 -0,067 -0,976 -0,004 0,002 0,013 -0,016
Grasas y aceites 0,075 -0,002 0,139 0,008 -0,892 -0,004 -0,005 0,003
Lácteos 0,021 -0,022 -0,066 -0,044 -0,012 -0,934 -0,018 -0,018
Legumbres 0,108 0,020 -0,003 0,131 -0,003 -0,013 -0,915 -0,005
Tubérculos 0,179 0,041 0,007 -0,023 0,001 0,007 -0,004 -0,850

Elaboración propia, 2021.

83
Análisis de eficiencia de mercado del índice
general de la Bolsa de Valores de Lima e
índices sectoriales: enfoque econométrico de
cointegración (2001-2020)1

Luis Gonzalo Grajeda Tristán

Introducción
La literatura especializada define la eficiencia de mercado en tres sentidos:
fuerte, cuando los precios reflejan toda la información disponible, tanto
la histórica como la nueva hecha pública y la privada también; semifuerte,
cuando no reflejan la información privada; y débil, cuando solamente refle-
jan la histórica. De estos, la presente investigación aborda dos sentidos: el
semifuerte e, implícitamente, el débil. Y los aborda teniendo como objetivo
central determinar la existencia de relaciones de equilibrio de largo plazo entre
las cotizaciones bursátiles y variables fundamentales (utilidades por acción
ponderadas, y otras variables subyacentes).
A fin de corroborar la existencia de esos equilibrios de largo plazo, esta
investigación adopta un enfoque multivectorial de cointegración, aplicando
dos ajustes para robustecer los resultados: la determinación de los órdenes
de integración mediante una metodología secuencial (Dolado, Jenkinson, &
Sosvilla-Rivero, 1990), y la corrección no paramétrica a la prueba de la traza
debido a la cantidad de observaciones (Johansen, 2002).

1
Este ensayo es una versión resumida y editada del Trabajo de Investigación Económica que, con el mismo
título, fue concluido y aprobado en junio de 2021. Su autor agradece de manera muy especial al profesor
Renzo Mini por su asesoría durante la investigación; a los profesores Víctor Torres y Guillermo Runciman
por sus aleccionadores comentarios como jurados del trabajo; y al economista Vicente Tuesta por su valioso
apoyo.

85
Análisis de eficiencia de mercado del índice general de la Bolsa de Valores de Lima e índices sectoriales: enfoque econométrico
de cointegración (2001-2020)

El análisis empírico toma como representativo del «mercado» (cuya eficien-

cia busca evaluar) al índice general de la Bolsa de Valores de Lima (IGBVL).
Este índice es ponderado por liquidez, y las empresas que lo componen son,
en gran proporción, market makers en el mercado peruano. Y los resultados son
desagregados en tres índices sectoriales para realizar comparaciones mediante
funciones impulso-respuesta: financiero/bancos, industrial y minero.
La principal variable fundamental aquí planteada es un indicador agregado
de las utilidades por acción de las empresas que componen cada índice anali-
zado, cuya construcción semestral replica las composiciones y ponderaciones
de los índices. El análisis de la relación de largo plazo entre las cotizaciones
bursátiles y esas utilidades por acción ponderadas también considera a las
otras variables fundamentales siguientes: expectativas de la actividad eco-
nómica (forward-looking), variables sistémicas y variables macroeconómicas
(según sean corroboradas por el modelamiento utilizado). La especificación
aplicada responde a modelos teóricos de asset pricing y a estudios empíricos
en Latinoamérica.
La hipótesis es comprobar la eficiencia de mercado semifuerte; es decir,
que las cotizaciones analizadas reflejan tanto los fundamentos como las expec-
tativas. Ello implica comprobar la existencia de por lo menos una relación de
equilibrio de largo plazo y de coeficientes significativos (con signos de ajuste
correctos) en el modelo de corrección de errores. Este último es importante
debido a que permite esbozar la velocidad de ajuste de las cotizaciones bursá-
tiles hacia sus fair values. En un mercado eficiente puede haber desviaciones
respecto al valor fundamental, pero la eficiencia prevalecerá si se corrigen y
mantienen una relación estable.
La relevancia de analizar la eficiencia del mercado de capitales se debe a que
su principal función es brindar señales a través de las cotizaciones que permitan
la asignación adecuada de capitales (Fama, 1969). Un mercado eficiente refleja
correctamente los precios, permitiendo así una acertada comparación de ren-
tabilidades entre los activos cotizados. Si dicho mercado es eficiente y facilita
un correcto ajuste de las valorizaciones, los inversionistas podrán calibrar su
tolerancia al riesgo de manera racional según la información disponible, y los
gestores de portafolios podrán desarrollar estrategias de inversión basadas en
fundamentos (variables macroeconómicas, de mercados o sectores, de política
monetaria, entre otros).
Así, en un contexto de fundamentos débiles y posible bear market, debe-
rían asumirse niveles moderados de riesgo, ya que las cotizaciones reflejan la
información presente e histórica. Ello es muy útil cuando las estrategias de

86
 Luis Gonzalo Grajeda Tristán

inversión se basan en factores (factor investing), o cuando se toman posiciones

según las etapas del ciclo económico determinadas por datos macroeconómicos
e indicadores como los índices de gestores de compras (PMI) o de condiciones
financieras o los surprise indexes, entre otros.

1. Revisión de la literatura

1.1   Literatura teórica

1.1.1 Eficiencia de mercado

Un mercado de capitales se considera eficiente si refleja correcta y comple-

tamente la información relevante para la determinación de las cotizaciones.
Ello supone que la revelación de otro set de información (φ) no alterará las
valorizaciones, porque estas ya reflejan toda la información relevante (Malkiel,
1989). La eficiencia de mercado no implica que los precios de mercado sean
en todo momento iguales a los respectivos valores fair value, sino que sus
eventuales perturbaciones sean aleatorias. Esta condición implica una igual
probabilidad de que una acción esté sub- o sobrevaluada en algún momento.
Este análisis de eficiencia de mercado considera el comportamiento del inver-
sionista promedio.
La teoría interpreta la eficiencia de mercado de dos maneras. En el sen-
tido de Pareto, implica una correcta asignación de recursos. En el sentido
informacional, implica una igualdad de condiciones bajo la cual un mercado
bursátil es considerado como un «fair game» dada la equidad de información
entre los agentes (Fama, 1991). En tal sentido, la liquidez y racionalidad de
los agentes ante nueva información es una condición necesaria. Para que un
mercado sea eficiente en el sentido de Pareto, es necesario que la eficiencia
informacional se cumpla.
Roberts (1967) plantea una taxonomía sobre la eficiencia de mercado según
los niveles de información que son reflejados en las cotizaciones de mercado.
Si los precios reflejan toda la información histórica disponible, se cumple el
sentido débil de eficiencia. Si reflejan la información histórica y los datos
públicos, se cumple el sentido semifuerte. Mientras que, si reflejan también
la información privada (inside information), se cumple el sentido fuerte.
1.1.2 Desvíos del valor fundamental

La literatura distingue cuatro tipos de desvíos de las cotizaciones de su valor

fundamental: racionales, intrínsecos, especulativos y conductuales. Es impor-

87
Análisis de eficiencia de mercado del índice general de la Bolsa de Valores de Lima e índices sectoriales: enfoque econométrico
de cointegración (2001-2020)

tante distinguirlos, pues de ello depende la metodología econométrica por

utilizar.
Los desvíos racionales responden a variables no relacionadas con fun-
damentos de mercado. Un comportamiento racional no implica, necesa-
riamente, una situación de equilibrio entre el precio y los fundamentos, ya
que los agentes pueden tomar decisiones racionales desviándose del valor
fundamental debido a las expectativas (Blanchard & Watson, 1982). Por
ejemplo, desvíos racionales pueden ocurrir por expectativas de excesos de
retornos por parte de los agentes ante incrementos de las cotizaciones a una
tasa (velocidad) alta (Craine, 1993).
Por otro lado, los desvíos intrínsecos se explican por la variabilidad de
fundamentos económicos, tales como los dividendos o algunas variables
macroeconómicas relevantes. La volatilidad de los precios está en función,
no necesariamente lineal, de estas variables fundamentales y, por ello, su
sub- o sobrevaloración tendrá el mismo efecto sobre las cotizaciones (Froot
& Obstfeld, 1989). Así, en el mercado de renta variable se observa una alta
correlación entre dividendos y determinadas variables macroeconómicas con
las cotizaciones, lo que permite capturar sub- o sobrerreacciones en las coti-
zaciones basándose exclusivamente en esos fundamentos.
Por su parte, las desviaciones especulativas se basan en modelos de expecta-
tivas heterogéneas. Los agentes están dispuestos a pagar un precio que exceda
la valoración fundamental cuando esperan encontrar en el futuro un com-
prador dispuesto a pagar un precio mayor (Scheinkman & Xiong, 2003). El
subyacente exceso de confianza de estos agentes especuladores puede generar
(sub- o sobre-) estimaciones de los dividendos futuros. Al estilo de un Keyne-
sian beauty contest, la especulación busca anticipar la aparentemente conocida
opinión promedio del mercado (West, 1987).
Por último, los comportamientos irracionales de agentes serían el motivo
de las desviaciones, según teorías desarrolladas por las finanzas conductuales.
Agentes impulsados por sentimientos de codicia y/o miedo toman decisiones
irracionales que desvían el mercado (Lau, 2005). Los agentes en el mercado
pueden comportarse guiados por espíritus animales, excesos de confianza,
tendencias y sesgos psicológicos individuales o grupales que generan decisiones
irracionales. Por ejemplo, los procesos de intensificación de expectativas alcistas
(intesified bullish expectations) implican que los precios de activos varían en
función de la psicología de masas.

88
 Luis Gonzalo Grajeda Tristán

1.2   Literatura empírica

1.2.1 Metodologías alternativas

La comprobación de la eficiencia semifuerte en los mercados bursátiles puede

realizarse mediante distintos enfoques econométricos dependiendo del tipo
de desvío analizado (Gurkaynak, 2008). Ejemplos de tales enfoques alterna-
tivos son:
a) Los tests de asset pricing están basados principalmente en la relación entre
el precio, la suma descontada de dividendos, y un componente de desvío,
que refleja una posible ineficiencia en el mercado:
α
1 i
Pt = � � � Et(dt+i) + Desvíot
1+r
i=1

b) El two-step test de West (1987) es un modelamiento en dos etapas. En la

primera, se estima la relación de precios de mercado y dividendos. Ello
implica la estimación de una tasa de descuento mediante la ecuación de
Euler usando variables instrumentales, y el modelamiento de los dividen-
dos como procesos autorregresivos (AR). La segunda etapa implica una
regresión empírica entre cotizaciones y dividendos. Así, la eficiencia de
mercado será comprobada si la relación construida (primera etapa) y la
estimada (segunda etapa) no difieren estadísticamente en resultados ni
conclusiones.
c) Para las pruebas de cointegración e integración (Diba & Grossman,
1988), se establece una estructura teórica entre cotizaciones y variables
fundamentales. La eficiencia de mercado se corrobora mediante la exis-
tencia de relaciones de equilibrio de largo plazo y los correspondientes
coeficientes de ajuste.
d) Y las pruebas de raíces unitarias y autocorrelación serial permiten corro-
borar la eficiencia débil de mercado, al comprobar la no predictibilidad
de las cotizaciones con base en los datos históricos (random walks).

1.2.2 Análisis de eficiencia de mercado: caso peruano

A continuación, se presenta el par de estudios con enfoque de cointegración

aplicados al caso peruano:
Delgado y Humala (1997) realizan un análisis de eficiencia mediante
pruebas de autocorrelación serial, estacionariedad, análisis de volatilidad,
tests de rendimientos medios (para determinar estacionalidad), y relaciones

89
Análisis de eficiencia de mercado del índice general de la Bolsa de Valores de Lima e índices sectoriales: enfoque econométrico
de cointegración (2001-2020)

de cointegración entre la BVL y otros mercados bursátiles (para determinar

predictibilidad conjunta) en el período 1982-1996. Sus principales hallazgos
fueron la estacionariedad en diferencias del IGBVL, la elevada correlación
con rentabilidades pasadas, y la causalidad entre la volatilidad del mercado y
la inestabilidad de la economía.
Sánchez (2013) determina, mediante pruebas de estacionariedad, que
existe un nivel mínimo de eficiencia (sentido débil). Y, mediante un análisis de
cointegración para el período 2002-2012, corrobora que el índice minero tiene
poca predictibilidad respecto al comportamiento de otros índices sectoriales
(servicios, agro, bancos e industrial). Esto indica que en el mercado bursátil
peruano hay retrasos en la asimilación de información.
De lo anterior se deduce que la presente investigación es una de las primeras
aproximaciones empíricas aplicadas al caso peruano que analiza rigurosamente
los desvíos del valor fundamental. Se diferencia de aquellos dos estudios pre-
vios en varios aspectos importantes: la especificación para estimar el modelo
de cointegración, con una variable fundamental principal (utilidades por
acción) que permite hacer menos supuestos en el planteamiento teórico y
capturar de forma más precisa el efecto buscado; la inclusión de expectativas
de la actividad económica, que añaden una perspectiva forward-looking al
modelo, la desagregación a índices sectoriales, y un modelo de corrección de
errores para analizar la velocidad de ajuste. Todo lo cual nos permite obtener
resultados versátiles, cuya robustez econométrica verificamos con pruebas de
estacionariedad secuenciales y aplicando una corrección no paramétrica a la
prueba de la traza.

2. Marco analítico y metodología

2.1   Marco teórico

Los modelos de asset pricing en finanzas parten de una optimización del con-
sumidor asumiendo agentes y expectativas racionales, así como no arbitraje
(no se puede obtener rentabilidades producto de desbalances entre índices y
mercados). En esa línea, el modelo teórico que inspira la presente investiga-
ción evalúa el efecto de variables fundamentales en cotizaciones bursátiles2.
El problema de maximización es el siguiente:
∞
Max Et � � βiu(ct+i)� s.a ct+i = yt+i + (Pt+i ‒ Pt+i+1) + dt+i
i=0

2
Tal modelo está basado en Gurkaynak (2008) y Diba y Grossman (1988).

90
 Luis Gonzalo Grajeda Tristán

Donde ct es el nivel de consumo de un agente, β es la tasa de descuento, yt

corresponde a la dotación de riqueza, Pt supone el precio del activo después del
pago de dividendos (cotización) y dt es el pago recibido por el activo (dividen-
dos). Las condiciones de primer orden de dicho problema están en función de:

Et{βu'(ct+i)[Pt+i + dt+i]} = Et{u'(ct+i‒1)Pt+i+1}

Los supuestos necesarios para el problema de optimización son: consu-

midor/inversor neutral al riesgo con utilidad lineal y ausencia de asimetría de
información. Asumiendo una utilidad marginal constante, las condiciones de
primer orden quedan representadas así:

βEt(Pt+i + dt+i) = Et(Pt+i‒1)

Asumiendo una tasa de descuento r:

1
Et(Pt+i‒1) = Et(Pt+i + dt+i)
1+r

Mediante iteraciones sucesivas es posible obtener una solución al problema

de optimización, de modo tal que se evidencie la relación entre el precio de
mercado y la variable fundamental.
∞
1 i
pt* = � � � Et(dt+i│Ωt)
1+r
i=0

El precio para un agente debiera ser la suma descontada de la rentabilidad

que obtiene a resultas del desempeño de cada empresa, sujeto a un set de
información pública. Sin embargo, este precio «fundamental» puede diferir
del precio de mercado.
∞
1 i
pt = � � � Et(dt+i│Ωt) + desvíot
1+r
i=0

pt = pt* + desvíot

De no cumplirse la hipótesis de eficiencia de mercado semifuerte, el precio

de mercado de cada cotización estará compuesto por los dividendos esperados
y una perturbación.
El propósito del presente modelo es microfundamentar la relación existente
entre el precio de mercado de un activo y la variable fundamental que la sub-

91
Análisis de eficiencia de mercado del índice general de la Bolsa de Valores de Lima e índices sectoriales: enfoque econométrico
de cointegración (2001-2020)

yace. Y, ya que las volatilidades en las cotizaciones también están influenciadas

por factores sistémicos, macroeconómicos y expectativas, estos serán incluidos
en el planteamiento empírico para obtener conclusiones más precisas.
Parte de la literatura revisada propone como variable fundamental a los
dividendos pagados. Pero asumir dicha variable implica considerar una tasa
de descuento, lo que no es posible mediante el enfoque de cointegración aquí
planteado (rendimientos requeridos agregados). Motivo por el cual, se con-
sidera como variable fundamental principal (por ser intrínseca al enfoque de
asset pricing) a la utilidad por acción (EPS) reportada en el estado de pérdidas
y ganancias. Esta EPS, al no estar en unidades monetarias efectivas (realized
gains), no requiere de supuestos sobre la tasa de descuento. Y también permite
extraer el efecto de la heterogeneidad en las políticas de dividendos de las
empresas (reinversión o reparto), aspecto que podría alterar los resultados de
la estimación (Ohlson & Juettner-Nauroth, 2005).

2.2   Eficiencia informacional

La hipótesis teórica de eficiencia informacional tiene una implicancia para-

dójica, en tanto implica que los agentes no estarían incentivados a asumir el
costo de estar bien informados porque los precios reflejarían de por sí toda la
información disponible incluyendo la privada (Grossman & Stiglitz, 1980).
Por ello resulta metodológicamente tan difícil corroborar la eficiencia en el
sentido fuerte.
Vale aclarar, sin embargo, que la eficiencia de mercado no implica precios
no desviados del valor fundamental ni inversionistas incapaces de «vencer» al
mercado en algún período de tiempo, pues siempre habrá una probabilidad
aleatoria de que ello suceda. Y que la probabilidad de encontrar ineficiencias
en un mercado dependerá negativamente de la liquidez y facilidad de nego-
ciación, y positivamente de los costos de transacción e información.
Con lo anterior en mente, el enfoque agregado de la presente investigación
está diseñado para evitar sesgos por anomalías de mercado. Ante anomalías de
calendario como el days-of-the-week effect, se utiliza un componente aleatorio
sobre el día de la cotización a cierre de trimestre. Además, ya ha sido corro-
borado que el january-effect y el turn-of-the-month effect generan alteraciones
en las cotizaciones del índice selectivo de la BVL cuantitativamente menores
que en otros países latinoamericanos (Winkelried & Iberico, 2007). Y, si
bien Lakonishok y Smidt (1988) corroboraron que dichas anomalías tienen
un mayor efecto en acciones de pequeña capitalizacion y bajo precio, la cons-
trucción de los índices aquí analizados hace esperar que tal efecto sea menor y

92
 Luis Gonzalo Grajeda Tristán

no genere sesgos en la estimación. Asimismo, la ponderacion y composicion

variables de nuestros índices permite esperar resultados sin inconsistencias a
causa del size effect o del book-to-market effect.

2.3   Especificación y construcción del modelo

Esta investigación emplea la especificación más precisa posible. En línea con el

modelo de asset pricing (antes descrito), la variable fundamental principal (por
intrínseca) es un indicador ponderado de las utilidades por acción reportadas
en los estados financieros auditados presentados a la Superintendencia del
Mercado de Valores. Para capturar los desvíos racionales considerados por
la literatura y dar un enfoque forward-looking al planteamiento, se incluye la
variable de expectativas sobre la actividad económica consistente en el pro-
medio de la encuesta de expectativas macroeconómicas del BCRP y el índice
Economic Forecast de Bloomberg que compone las expectativas de bancos
de inversión a nivel mundial. Asimismo, se considera como variable sistémica
relevante el índice S&P 500, teniendo en cuenta la relación de causalidad y
dependencia entre este índice y el mercado bursátil peruano encontrada por
Sarmiento, Duarte y Mascareñas (2014). Ambas variables (expectativas, sis-
témica) tienen así un sustento teórico y empírico (aplicados al caso peruano)
que respalda su inclusión en la especificación.
Para completar la especificación, también hay que incluir otras variables
públicas que afectan las cotizaciones bursátiles. Con tal fin, en vista de la escasa
literatura al respecto aplicada al caso peruano, aquí se corrobora empíricamente
la inclusión de alguna potencial variable adicional en el modelo, mediante un
enfoque de estimación en dos etapas:
La primera etapa busca obtener la especificación empíricamente probada
para el caso peruano y el período analizado. Para ello, primero se realiza un
análisis de causalidad a lo Granger entre un set de potenciales variables y las
cotizaciones de los índices (para evitar relaciones espurias). De corroborarse
dicha causalidad, luego se aplican pruebas de cointegración bivariadas bajo
el enfoque de Engle y Granger, para determinar relaciones estables de largo
plazo e incluir a las correspondientes variables en la especificación «final» del
modelo. El set de potenciales variables está basado en investigaciones relacio-
nadas aplicadas a otros países (véase el anexo 1).
Para evitar posibles endogeneidades en el modelo, también se consideran los
mecanismos de transmisión de la política monetaria en el Perú. Al respecto, se
consideran tres potenciales variables macroeconómicas: inflación (sin alimentos
ni energía), tipo de cambio, y oferta de dinero (M2); cuyos respectivos signos

93
Análisis de eficiencia de mercado del índice general de la Bolsa de Valores de Lima e índices sectoriales: enfoque econométrico
de cointegración (2001-2020)

esperados y relaciones teóricas están en el anexo 2. Cabe precisar que, si bien

la herramienta de política del BCRP es la tasa de interés de referencia, esta no
es considerada como potencial variable per se porque incluirla de ese modo
podría generar endogeneidad en el modelo debido a que es el instrumento
que, a través del mercado interbancario, desencadena los mecanismos de trans-
misión a las tres variables antes mencionadas. El BCRP regula la liquidez en
dicho mercado mediante el comité de operaciones monetarias y cambiarias,
buscando que la tasa en el mercado interbancario sea compatible con la tasa
de política. Y la variable inflación no genera endogeneidad porque no se con-
sidera en niveles sino su efecto en las expectativas sobre la actividad económica
según lo descrito en la curva de Phillips. Adicionalmente, se incluyen como
potenciales variables el precio del cobre y el Dow Jones Commodity Index
(DJCI), en vista del peso de estos sectores en el IGBVL.
Una vez verificada la especificación correcta del modelo, se procede a la
estimación de la segunda etapa, cuyo objetivo es corroborar la eficiencia de
mercado en el sentido semifuerte, utilizando un modelo de cointegración
multivectorial.

2.4   Metodología3
2.4.1 Causalidad: enfoque de Toda y Yamamoto

Para corroborar relaciones de equilibrio, previamente debe probarse la existen-

cia de causalidad empírica a fin de evitar relaciones espurias. La causalidad a
lo Granger implica que una variable «x» causa a otra variable «y», si al tomar
en consideración los valores pasados de «x» se mejora la predicción de «y», es
decir, se genera un menor error cuadrático medio. Pero las pruebas de causa-
lidad solo permiten corroborarla entre dos variables estacionarias. Dado que
la presente investigación plantea variables integradas de orden 1, separarlas
no es la metodología más adecuada porque se pierde información.
Por ello, para probar la causalidad se utiliza el enfoque alternativo de Toda
y Yamamoto (1995), el cual utiliza una prueba de Wald adaptada a vectores
autorregresivos (VAR), que tiene como número de rezagos la suma entre su
número óptimo según los criterios de información (Akaike o Schwarz) y el
orden de integración de las variables.

3
Esta presentación metodológica está inspirada en Enders (2008).

94
 Luis Gonzalo Grajeda Tristán

2.4.2 Cointegración de Engle y Granger

Una vez probada la causalidad, se corrobora la existencia de una relación de

largo plazo entre las cotizaciones bursátiles y la variable potencial respectiva.
Dos variables cointegran si existe por lo menos una combinación lineal de
estas con un orden de integración menor. Por ello se plantea la relación de
largo plazo como una combinación lineal Índicet = αPotencialti + Zt. Donde
Zt es el error, y el vector de cointegración obtenido será: [1 ‒α]. Este vector
contiene los coeficientes que generan una combinación lineal estacionaria. Se
comprueba la existencia de cointegración si el error Zt es estacionario, para
lo cual la presente investigación utiliza la prueba de raíz unitaria Augmented
Dickey-Fuller (ADF) y los valores críticos tabulados por Phillips y Outlaris
(1990), debido a que el error depende también de la estimación del parámetro
α. Y las relaciones de largo plazo planteadas son estimadas mediante MCO,
aun tratándose de variables integradas de orden 1 porque, teóricamente, la
existencia de cointegración entre las variables genera que la estimación según
el modelo de corrección de errores (MCE) sea superconsistente.
Corroborada la estacionariedad del error, se estima el MCE que modela
las relaciones de corto plazo y el ajuste a las de largo plazo:

∆Índicet = σ01 + σ1∆Potencialti + σ2Zt‒1 + εt1

∆Potencialti = σ02 + σ3∆Índicet + σ4Zt‒1 + εt2

donde Zt‒1 = Índicet‒1 ‒ αPotencialt‒1

i .

Los coeficientes σ1 y σ3 miden la relación de corto plazo entre las variables,

y los coeficientes σ2 y σ4 capturan el efecto de ajuste a la relación de largo
plazo. Para verificar este tipo de cointegración, basta con que al menos un
modelo de corrección de errores tenga coeficientes significativos y un ajuste a
la relación de largo plazo con signos correctos (dirección de ajuste). Los signos
correctos serán los opuestos a los mostrados en el anexo 2.
2.4.3 Cointegración multivectorial: Johansen

Para verificar la hipótesis de la presente investigación, se utiliza un enfoque

multivectorial de cointegración, el cual, por tratarse de una estimación de
máxima verosimilitud en términos matriciales, implica una especificación más
amplia que permite comprobar los desvíos intrínsecos y racionales.
Como se ha dicho antes, un conjunto de variables cointegran si existe
alguna combinación lineal entre ellas que genera un orden de integración

95
Análisis de eficiencia de mercado del índice general de la Bolsa de Valores de Lima e índices sectoriales: enfoque econométrico
de cointegración (2001-2020)

menor. Puesto que las variables de la presente investigación son integradas de

orden 1: Xt~I(1), estas cointegran si existe una combinación lineal β`Xt~I(0),
cuyo vector X contiene la especificación «final» del modelo. La cointegración
de las variables determinará la existencia de una relación estable de largo plazo.
El procedimiento parte de una especificación VAR(q):

Xt = A1Xt‒1+ A2Xt‒2+ ⋯+ ApXt‒q + ∅Dt + εt

donde Dt es un vector de componentes determinísticos que puede contener

intercepto y tendencia. Mediante el teorema de representación de Granger, se
formula el MCE que plantea relaciones de corto plazo y el ajuste a la relación
de largo plazo entre las variables.

∆Xt = ΠXt‒1 + Γ1∆Xt‒1 + Γ2∆Xt‒2 + ⋯ + Γp∆Xt‒q + ∅Dt + εt

La cointegración multivectorial de Johansen se demuestra determinando el

rango de la matriz Π, el cual denota el número de vectores de cointegración;
es decir, el número de combinaciones lineales que generan estacionariedad. La
determinación del número de vectores propios se realiza mediante la prueba
de la traza corregida por el tamaño de muestra. La correcta identificación de
esta metodología requiere una óptima determinación de los rezagos del modelo
VAR, para que los residuos sean homocedásticos y libres de autocorrelación.
La eficiencia de mercado también es corroborada bajo este enfoque si se
encuentra por lo menos un vector de cointegración y coeficientes al mismo
tiempo significativos y con el signo correcto para el ajuste a la relación de
largo plazo.
La determinación de los grados de integración de las variables a lo largo
de la investigación es realizada con la metodología secuencial de Dolado et
al. (1990). Ello debido a la posible presencia de componentes determinísti-
cos (intercepto y tendencia) en los procesos generadores de datos, causantes
de que la prueba de raíz unitaria ADF tenga baja potencia para rechazar las
hipótesis nulas.
2.4.4 Corrección por tamaño de muestra a la prueba de la traza

La prueba de la traza permite corroborar el número de vectores de cointegra-

ción. Pero su aplicación debe ser corregida según el tamaño de la muestra,
pues Johansen (2002) encuentra que las propiedades de la prueba de la traza
para muestras reducidas difieren de las propiedades asintóticas, lo que da lugar
a un sobrerrechazo de la hipótesis nula. La presente investigación hace esa

96
 Luis Gonzalo Grajeda Tristán

corrección, porque se basa en una muestra de solo 76 observaciones obtenidas

de datos trimestrales.
La corrección planteada por Johansen (2002) consiste en estimar la expec-
tativa de la ratio de máxima verosimilitud (LR) y un factor de corrección para
obtener la misma media que la distribución límite. Esta corrección realiza
una división a la distribución asintótica que genera un parámetro corregido
y un menor estadístico y, por ello, una menor probabilidad de sobrerrechazo
de la H0.
La aplicación de tal corrección para la presente investigación usó paráme-
tros y coeficientes estimados que permitieran una mejor calibración del ajuste.
Así, los parámetros relevantes para el cálculo del factor de corrección fueron
el número de observaciones (T=76), de componentes determinísticos (nd = 0
solo con intercepto) y de variables en los respectivos modelos («n» =3,4). Los
resultados obtenidos (tabla 1) también consideran el uso de los parámetros
simulados por Johansen (2002) y los coeficientes ci simulados por Fu y Pagani
(2012).
Tabla 1
Corrección por tamaño de muestra

N.º vectores coint. Factor de corrección N.º obs.

Ninguno 1,1655
A lo sumo 1 1,1700
A lo sumo 2 1,0768 76
A lo sumo 3 1,0549
A lo sumo 4 1,0549

Elaboración propia, 2021.

3. Análisis de resultados

3.1   Estrategia empírica

3.1.1 Caracterización estadística

Una primera aproximación estadística es el análisis de las distribuciones de

las variables base del modelo (tabla 2 y anexo 3, figura A.3.1). Los niveles de
asimetría detectan la presencia de valores extremos que puedan influir en la
representatividad de las medidas de tendencia, mientras que el nivel de curtosis
determina el grado de concentración del conjunto de datos en relación con la

97
Análisis de eficiencia de mercado del índice general de la Bolsa de Valores de Lima e índices sectoriales: enfoque econométrico
de cointegración (2001-2020)

media aritmética. Gráficamente, se evidencian la no normalidad y evidentes

asimetrías en las variables.
Tabla 2
Coeficientes de asimetría y curtosis

Índice general EPS general Índice financiero EPS financiero

Asimetría -0,08 0,92 1,43 2,12
Curtosis 0,02 0,11 5,70 3,73

Índice industrial EPS industrial Índice minería EPS minería

Asimetría 0,11 4,48 0,18 1,22
Curtosis 0,80 22,53 0,19 2,00

Elaboración propia, 2021.

El índice general presenta asimetría negativa, mientras que los índices

sectoriales, asimetrías positivas. La variable principal –utilidades por acción
(EPS)– evidencia distribuciones muy asimétricas, con coeficientes mayores
de 0,6. Según los niveles de curtosis, los índices general e industrial tienen
distribuciones aplanadas (platicúrticas); es decir, poco concentradas. Mientras
que los otros índices y la variable EPS muestran distribuciones concentradas,
gráficamente empinadas (leptocúrticas).
3.1.2 Estimación de órdenes de integración

Los órdenes de integración fueron determinados mediante el enfoque secuen-

cial de Dolado et al. (1990), usado porque no se conocía el proceso generador
de datos, es decir, la presencia de intercepto o tendencia. Dicho enfoque utiliza
la prueba de raíz unitaria ADF (tabla 3).
El proceso secuencial fue desarrollado de la siguiente manera: primero se
realizó la prueba de raíz unitaria ADF a la especificación más general, es decir,
aquella que contiene tendencia e intercepto:
p‒1
∆Yt = δ0 + δ1t + δ2Yt‒1 + � δi∆Yt‒1 + εt
i=1

98
 Luis Gonzalo Grajeda Tristán

Tabla 3
Pruebas de raíz unitaria ADF

Intercepto y tendencia Intercepto -

ADF P-value tendencia ADF P-value intercepto ADF
Índice general -2,09 0,18 -1,64 0,06 -0,12
Índice financiero -2,88 0,01
Índice industrial -1,67 0,33 -1,83 0,08 -0,57
Índice minero -2,09 0,24 -1,71 0,06 -0,36
EPS/general -3,21 0,36 -3,10 0,02
EPS/financiero -1.72 0,30 -1,46 0,31 -1,47
EPS/industrial -3.67 0,41 -3,49 0,04
EPS/minero -2,70 0,22 -2,44 0,18 -2,02
Expectativas PBI -2,15 0,44 -2,16 0,02
S&P 0,14 0,33 1,34 0,58 2,17
TC -0,50 0,06 -1,30 0,20 -0,01
IPC -1,59 0,04
M2 -1,59 0,30 -1,54 0,03
DJCI -1,92 0,19 -2,13 0,03
Cobre/LMCADY -2.22 0,39 -2,08 0,03
Valores críticos
1% -4,08 -3,52 -2,59
5% -3,47 -2,90 -1,95
10% -3,16 -2,59 -1,61

Elaboración propia, 2021.

El estadístico calculado indicó que las 15 variables son integradas de orden 1.

Luego, se examinó la significancia del componente tendencial para cada una de
las variables. Los resultados en la tabla 3 muestran que solo el índice financiero
y el IPC presentan tendencias significativas. Hasta esta etapa de dicho proceso,
entonces, solo podía confirmarse que esas dos variables son integradas de orden 1.
Para las 13 variables restantes, la prueba ADF fue nuevamente aplicada,
pero bajo la especificación que solo considera intercepto:
p‒1
∆Yt = δ0 + δ2Yt‒1 + � δi∆Yt‒1 + εt
i=1

99
Análisis de eficiencia de mercado del índice general de la Bolsa de Valores de Lima e índices sectoriales: enfoque econométrico
de cointegración (2001-2020)

Los estadísticos así calculados sugirieron la existencia de raíz unitaria

bajo esta nueva especificación. Pero luego se corroboró la no significancia del
intercepto en 6 de las 13 variables restantes: EPS índice general, EPS indus-
trial, expectativas del PBI, M2, DJCI y cotización cobre. Al volver a testear
la prueba ADF para este grupo de variables, resultó que presentan random
walks en su estructura.
Para las siete variables restantes, se utilizó la especificación sin intercepto
ni tendencia:
p‒1
∆Yt = δ2Yt‒1 + � δi∆Yt‒1 + εt
i=1

Y los estadísticos calculados indicaron la no estacionariedad de las variables.

Este conjunto de pruebas así realizadas, al comprobar que todas las
variables planteadas son integradas de orden 1, validó la pertinencia de
utilizar el enfoque de cointegración antes explicado. Y también indicó que
los índices analizados cumplen la hipótesis de eficiencia de mercado en
el sentido débil, en línea con lo analizado por Delgado y Humala (1997)
y Sánchez (2013).

3.2   Discusión de resultados

El siguiente esquema gráfico de la metodología implementada facilita la

comprensión del proceso de obtención y testeo de los resultados presentado
a continuación:

Pruebas de
raíz unitaria
Modelo de
Cointegración
corrección de
multivectorial
errores
Análisis de Cointegración de Corrección no paramétrica,
prueba de la traza
causalidad Engle y Granger
Índice ⇌ Índice → Vectores Análisis de
variable potencial variable potencial autorregresivos impulso-respuesta

Primera etapa Segunda etapa

100
 Luis Gonzalo Grajeda Tristán

3.2.1 Primera etapa: estimación de especificación

Relaciones de causalidad

Se utilizó un enfoque alternativo a la causalidad a lo Granger, debido a la no

estacionariedad en media de las variables planteadas. Mediante el método de Toda
y Yamamoto (1995), se determinaron los números de rezagos («p») de vectores
autorregresivos (VAR) compuestos para cada relación causal por corroborar:

Índicei ⇌ Variable Potencialj

Para ello, se consideraron criterios de información Akaike (AIK) y Schwarz

(SC), que indicaron estimar 20 relaciones causales (cinco por cada índice en
análisis). El número de rezagos utilizado en las pruebas de causalidad fue la
suma del número de rezagos óptimos del VAR («p») y del máximo orden de
integración («dmax»). Dado que las relaciones de causalidad fueron estimadas de
forma bidireccional, para su comprobación bastaba la existencia de la relación
causal en por lo menos una dirección. En cada caso, la hipótesis nula fue:

Ho: «Variable X no causa a variable Y»

Tabla 4
Pruebas de causalidad

General Financiero Industrial Minero

P-value P-value P-value P-value
IPC ⇌Índice 0,17 0,00* 0,61 0,23
Índice ⇌IPC 0,11 0,83 0,11 0,18
TC ⇌Índice 0,85 0,95 0,86 0,81
Índice ⇌TC 0,94 0,23 0,04* 0,81
M2 ⇌Índice 0,95 0,42 0,02* 0,93
Índice ⇌M2 0,03* 0,19 0,69 0,02*
LMCAD ⇌Índice 0,42 0,87 0,00* 0,61
Índice ⇌LMCAD 0,21 0,76 0,72 0,24
DJCI ⇌Índice 0,15 0,34 0,00* 0,25
Índice ⇌DJCI 0,59 0,47 0,01* 0,64

Nota. El símbolo * indica que se rechaza la hipótesis nula de no causalidad con un nivel de significancia del 5%.
Elaboración propia, 2021.

101
Análisis de eficiencia de mercado del índice general de la Bolsa de Valores de Lima e índices sectoriales: enfoque econométrico
de cointegración (2001-2020)

Estos resultados (tabla 4) evidencian siete relaciones causales: de los índi-

ces general y minero con la oferta de dinero (M2); del índice financiero con
el índice de precios al consumidor (IPC); en tanto que el índice industrial
presenta relaciones de causalidad bidireccional con el índice de commodities
(DJCI), y unidireccional con oferta de dinero (M2), cotización del cobre
(LMCAD) y tipo de cambio (TC).

Cointegraciones: índices y variables potenciales

Respecto a esas siete relaciones causales halladas, se buscó corroborar la

existencia de relaciones de equilibrio evaluando la estacionariedad de los
errores, así como la significancia y dirección de los coeficientes de ajuste.
Como se observa en la tabla 5, son superconsistentes los resultados de las
respectivas siete estimaciones realizadas con el modelo de corrección de
errores (MCE).
Luego se aplicaron pruebas de raíz unitaria ADF a los errores, utilizando
los valores críticos tabulados por Phillips y Outlaris (1990), cuyo rechazo de
la hipótesis nula determina la estacionariedad; es decir, la existencia del vector
de cointegración.
Los resultados (tabla 5, parte superior) indican que el índice industrial no
presenta errores estacionarios en las relaciones con la oferta de dinero y tipo
de cambio; cuya inclusión en el modelo quedó así descartada. Mientras que
los errores sí son estacionarios en las otras cinco relaciones de equilibrio, para
las cuales se hizo así necesaria la estimación del MCE bajo la forma:

D(Índicei) = constante + δ1d(Potencialj) + δ2Error(‒1)

Esta comprobación se da cuando el coeficiente del error es significativo y

el signo es correcto porque opuesto a la relación teórica. El cumplimiento de
esas dos condiciones garantiza el ajuste a la relación de equilibrio, las cuales
resultaron satisfechas ambas por tres relaciones de equilibrio: índice general
– oferta de dinero (M2), índice industrial – DJCI e índice minero – oferta de
dinero (M2); como se observa en la parte inferior de la tabla 5.

102
 Luis Gonzalo Grajeda Tristán

Tabla 5
Pruebas de cointegración de Engle y Granger

Estacionariedad de errores
1% 5% 10%
Valores críticos -4,07 -3,37 -3,03
Estadísticos calculados
i. Índice general – M2 -3,28 ***
ii. Índice financiero – IPC -4,00 *
iii. Índice industrial – DJCI -4,62 * Estacionario
iv. Índice industrial – LMCADY -3,25 ***
v. Índice minero – M2 -3,15 ***
vi. Índice industrial – M2 -2,91
No estacionario
vii. Índice industrial – TC -2,18
Modelo de corrección de errores (MCE)
i. Coef. P-value
C -279,75 0,35
D(M2) 0,55 0,00
ERROR(-1) -0,26 0,00* Significativo
Signo correcto
ii. C 25,33 0,14
D(IPC) -17,28 0,49
ERROR(-1) -0,20 0,00* Significativo
Signo incorrecto
iii. C 0,73 0,93
D(DJCI) 1,68 0,00
ERROR(-1) -0,17 0,00** Significativo
Signo correcto
iv. C -1,8 0,82
D(LMCADY) 0,07 0,00
ERROR(-1) -0,07 0,16 No Significativo
Signo correcto
v. C -64,86 0,38
D(LMCADY) 0,12 0,00
ERROR(-1) -0,25 0,00* Significativo
Signo correcto

Nota. Los símbolos *, **, *** indican que se rechaza la hipótesis nula al 1%, 5% y 10% de nivel de signi-
ficancia respectivamente.
Elaboración propia, 2021.

103
Análisis de eficiencia de mercado del índice general de la Bolsa de Valores de Lima e índices sectoriales: enfoque econométrico
de cointegración (2001-2020)

3.2.2 Segunda etapa: estimación de la eficiencia de mercado

Cointegración multivectorial: especificaciones de la primera etapa

En una primera aproximación, se buscó corroborar la hipótesis de esta inves-

tigación con base en las especificaciones estimadas en la primera etapa, ya que
las variables estimadas en esa etapa tienen un respaldo teórico que sustenta la
transmisión de sus efectos a las cotizaciones bursátiles. Para ello se aplicó un
enfoque de cointegración multivectorial, a fin de determinar la existencia de
alguna relación estable de largo plazo, permitiendo afirmar que las cotizaciones
en la BVL reflejan la información pública disponible y relevante.
Y se aplicó la prueba de la traza para determinar el número de vectores de
cointegración, considerando el factor de corrección planteado por Johansen
(2002) para muestras de tamaño reducido. Como se dijo antes, dicho factor
divide el estadístico de la traza y así se obtiene un estadístico corregido para
la muestra reducida, lo que evita el sobrerrechazo de las hipótesis planteadas.
Estas hipótesis se interpretan de manera secuencial; es decir, apenas una de
ellas se cumpla, las posteriores también lo harán. Las respectivas hipótesis
nulas se aceptarán en la medida en que el estadístico corregido estimado
sea mayor que el estadístico crítico, este último calculado en función del
número de variables de cada especificación. En caso la prueba de la traza
corregida corroborase la existencia de algún vector de cointegración, se
estimaría el MCE.
Pero los resultados de la prueba de la traza en la tabla 6 muestran que no
se evidencian vectores de cointegración, lo que implica que la hipótesis de
esta investigación es rechazada con esta primera aproximación, al indicar que
el mercado bursátil peruano es ineficiente porque sus cotizaciones no reflejan
la información pública disponible y relevante.
La ineficiencia de dicho mercado proviene de su estructura e iliquidez. En
efecto, la alta concentración de la capitalización bursátil en pocos emisores
(como las AFP, por ejemplo) genera una sobrerreacción en las cotizaciones
ante decisiones particulares de esos big players (Chávez, Chicana, & Cuba,
2019). Y la iliquidez del mercado bursátil peruano se manifiesta en su ratio de
rotación de acciones, que es bajo comparado con los de sus pares latinoame-
ricanos: 2,3% el año 2019, frente al 6,9% en Colombia y el 21% en Chile.
Esta iliquidez relativa impide que las cotizaciones se ajusten eficientemente
ante cambios en las variables públicas relevantes.

104
 Luis Gonzalo Grajeda Tristán

Tabla 6
Cointegración multivectorial: pruebas de la traza

Especificación índice general

N.º de vectores de Estadístico Valor crítico
cointegración Valor propio Estadístico traza corregido (0,05)
Ninguno 0,38 70,05 60,11 69,82
A lo sumo 1 0,28 40,65 34,75 47,86
A lo sumo 2 0,21 20,31 18,86 29,80
A lo sumo 3 0,09 5,57 5,28 15,49
A lo sumo 4 0,00 0,00 0,00 3,84
Especificación índice financiero
Ninguno 0,33 44,76 38,41 47,86
A lo sumo 1 0,09 13,47 11,51 29,80
A lo sumo 2 0,06 5,78 5,37 15,49
A lo sumo 3 0,02 1,19 1,13 3,84
Especificación índice industrial
Ninguno 0,31 74,91 64,27 69,82
A lo sumo 1 0,23 46,23 39,52 47,86
A lo sumo 2 0,16 26,08 24,22 29,80
A lo sumo 3 0,10 12,54 11,89 15,49
A lo sumo 4 0,06 4,44 4,21 3,84
Especificación índice minero
Ninguno 0,34 70,80 60,75 69,82
A lo sumo 1 0,27 45,35 38,76 47,86
A lo sumo 2 0,24 25,68 23,85 29,80
A lo sumo 3 0,13 8,85 8,39 15,49
A lo sumo 4 0,00 0,03 0,03 3,84
Elaboración propia, 2021.

Cointegración multivectorial: variable fundamental y expectativas

Dado lo anterior, se hizo una aproximación adicional, buscando corroborar

la existencia de una relación de largo plazo entre las cotizaciones y la variable
fundamental principal y las expectativas del entorno; especificada como sigue:

Índicei ⟹ Utilidades por acción y Expectativas PBI

Esta especificación alternativa modela la relación de largo plazo y el

correspondiente mecanismo de ajuste para capturar desvíos intrínsecos y
racionales respecto del valor fundamental de equilibrio. Sin embargo, es pre-

105
Análisis de eficiencia de mercado del índice general de la Bolsa de Valores de Lima e índices sectoriales: enfoque econométrico
de cointegración (2001-2020)

ciso mencionar que la existencia de la relación de equilibrio bajo este modelo

alternativo no permitirá extraer conclusiones sobre la eficiencia de mercado,
porque las dos variables que utiliza no son las únicas «relevantes» ni teórica
ni empíricamente.
Sin mengua de lo anterior, cuando esta alternativa sí evidenció algún vector
de cointegración, se estimaron las respectivas funciones impulso-respuesta.
Porque estas funciones son informativas empíricamente para modelar, o bien
el proceso de convergencia a la relación de largo plazo en caso los coeficientes
de ajuste sean significativos y de signo correcto (negativo) según el modelo
MCE; o bien la reacción de las cotizaciones ante shocks inesperados de las
variables planteadas en caso los coeficientes de ajuste sean no significativos o
de signo incorrecto.
La tabla 7 presenta los resultados de la estimación alternativa con expec-
tativas, incluyendo los resultados de la corrección por tamaño de muestra.
Para el caso de la especificación del índice general, se evidencia un solo vector
de cointegración; es decir, se demuestra la existencia de la siguiente relación
lineal, donde CointEq1 es una variable estacionaria y β = [β0 β1 β2] es el
vector de cointegración hallado:

CointEq1 = β0índice general + β1utilidades por acción + β2expectativas PBI

Al estimar el MCE para esa especificación del índice general, esperando

que las variables del vector de cointegración tengan coeficientes de ajuste a
la relación de largo plazo significativos y con signos correctos (negativos), se
halló para las utilidades por acción un coeficiente significativo, pero con un
valor bajo (0,002) que no da certeza sobre su ajuste a la relación de largo plazo.
Para los casos de los índices financiero e industrial, también se hallaron
por lo menos un vector de cointegración y coeficientes significativos, pero con
signos incorrectos según el MCE. Por último, para el caso del índice minero
no se obtuvo un vector de cointegración.
En suma, los resultados obtenidos en esta segunda etapa permiten afir-
mar que ninguno de los índices bursátiles analizados refleja eficientemente
la información guía de la relación en el largo plazo entre la variable funda-
mental principal –utilidades por acciones (EPS)– y las expectativas sobre la
economía. Esto se evidencia tanto en coeficientes de ajuste bajos (cercanos a
0) que indican una lenta convergencia hacia el valor de equilibrio, contraria
a la hipótesis de mercados eficientes; como en los incorrectos signos de ajuste
a la relación de equilibrio.

106
 Luis Gonzalo Grajeda Tristán

Tabla 7
Cointegración multivectorial con expectativas: prueba de la traza y modelo de
corrección de errores

Índice general
N.º de vectores de Estadístico Valor crítico
Valor propio Estadístico traza
cointegración corregido (0,05)
Ninguno 0,21 35,48 30,44 29,80
A lo sumo 1* 0,07 8,62 7,36 15,49
A lo sumo 2* 0,04 2,86 2,66 3,84
MCE D(GENERAL) D(EPS) D(EX_PBI)
CointEq1 -0,049 0,002 0,000
[-1,47] [2,55] [1,69]
Índice financiero
Ninguno 0,30 34,82 29,88 29,80
A lo sumo 1* 0,06 5,11 4,36 15,49
A lo sumo 2* 0,00 0,24 0,22 3,84
MCE D(FINANCIERO) D(EPS) D(EX_PBI)
CointEq1 -0,016 0,056 0,000
[-0,55] [4,15] [1,85]
Índice industrial
Ninguno 0,21 34,92 29,96 29,80
A lo sumo 1* 0,14 16,37 13,99 15,49
A lo sumo 2* 0,05 4,13 3,83 3,84
MCE D(INDUSTRIAL) D(EPS) D(EX_PBI)
CointEq1 -0,011 0,002 0,000
[-1,04] [4,17] [1,02]
Índice minero
Ninguno* 0,11 22,31 19,14 29,80
A lo sumo 1* 0,10 12,86 10,99 15,49
A lo sumo 2* 0,06 4,69 4,35 3,84

Nota. El símbolo * indica que se rechaza la hipótesis nula al 1% de nivel de significancia.

Elaboración propia, 2021.

Ambas evidencias se deben a la iliquidez del mercado bursátil peruano.

En un mercado líquido se transan activos financieros cercanos a sus valores

107
Análisis de eficiencia de mercado del índice general de la Bolsa de Valores de Lima e índices sectoriales: enfoque econométrico
de cointegración (2001-2020)

fundamentales, de modo que las cotizaciones estén en consonancia con los

fundamentos. Dicha iliquidez proviene del tamaño reducido del mercado
(primario y secundario), de la baja cantidad de empresas listadas y de acciones
disponibles para ser negociadas (free float), y de la poca profundidad de un
mercado muy concentrado en algunos inversionistas. Todo lo cual denota un
mercado de competencia imperfecta.
3.2.3 Análisis de funciones de impulso-respuesta

El análisis de funciones impulso-respuesta permite modelar la reacción de las

cotizaciones bursátiles ante cambios en las utilidades por acción y expectativas
del PBI. El uso de estas dos variables se explica por la antes detectada existencia
de cuando menos un vector de cointegración entre ambas variables para los
índices general, industrial y financiero (tabla 7). Dichas funciones eviden-
ciarán la temporalidad de las respuestas y el proceso de convergencia de las
mencionadas variables, analizadas diferenciadamente debido a que se requiere
un modelo de vectores autorregresivos estacionario y libre de autocorrelación
(utilizando criterios de información Akaike y Schwarz para los rezagos).
Es preciso aclarar que esa convergencia no implica el ajuste a la relación de
largo plazo, pues este último ha sido modelado por los coeficientes del MCE
mostrados en la tabla 7 y cuyos resultados negando la existencia de un ajuste
eficiente ya fueron discutidos arriba.
En vista de lo cual, las siguientes funciones impulso-respuesta simplemente
evidenciarán la reacción y relación dinámica de la variable analizada en el
tiempo ante los distintos shocks planteados. Específicamente, se analizó el
impacto de tres choques: dos choques individuales, uno sobre la variable princi-
pal (utilidades por acción o EPS) solamente; otro sobre la variable expectativas
de PBI solamente; y un choque afectando ambas variables conjuntamente.
La conclusión grafica más relevante (figura 1), por encima de la tem-
poralidad y convergencia de los choques, es la amplitud de los intervalos
de confianza dada la elevada desviación estándar generada por los choques.
Gráficamente, se evidencia una reacción negativa de las cotizaciones del índice
general ante choques sobre las variables utilidades por acción y expectativas
del PBI. Sin embargo, considerando los intervalos de confianza, se evidencia
que las reacciones podrían ser tanto positivas como negativas, aun cuando
teóricamente debería esperarse un efecto positivo. Este aspecto es un indicativo
relevante, pues sugiere que existen «otros factores», adicionales a las variables
planteadas, que afectan las cotizaciones. Estos factores exógenos no son de
índole fundamental, intrínseca o macroeconómica.

108
 Luis Gonzalo Grajeda Tristán

Figura 1
Choques y funciones impulso-respuesta

Unidades en desviaciones estándar Vector de choques

Shock Índice general EPS Ex_PBI
I_EPS 0 1 0
I_EXPBI 0 0 1
I_EPS_EXPBI 0 1 1

Response of GENERAL_DIF to Shock1 Response of GENERAL_DIF to Shock1 Response of GENERAL_DIF to Shock1

using User Specified Factors (SHOCK_I_EPS) using User Specified Factors (SHOCK_I_EXPBI) using User Specified Factors (SHOCK_I_EPS_EXPBI)

.015 .015 .3

.010 .010 .2
.005 .005
.1
.000 .000
.0
-.005 -.005
-.1
-.010 -.010
-.2
-.015 -.015

-.020 -.020 -.3

-.025 -.025 -.4

1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10

Elaboración propia, 2021.

Otro alcance relevante brindado por las funciones impulso-respuesta, que

también reafirma la ineficiencia de mercado analizada con la cointegración
multivectorial, es el momento en que las cotizaciones reaccionan a los shocks.
El impacto de los choques planteados se manifiesta a partir del segundo
período, lo cual permite afirmar que existen retrasos en la asimilación de
información relevante para las utilidades por acción y expectativas. Este nuevo
hallazgo reafirma la ineficiencia de mercado, pues en teoría la reacción debiera
ser inmediata. Nuevamente, los hechos clave son la iliquidez y competencia
imperfecta del mercado bursátil peruano.
También es importante analizar la amplitud de los intervalos de confianza,
para evaluar la convergencia ante los choques planteados. La comparación de la
amplitud del impacto de los shocks se observa gráficamente en la figura A.3.2,
cuyos paneles A, B y C muestran que el efecto de un shock conjunto es mayor que
la suma de los dos shocks individuales. Y, al comparar los efectos de los choques
individuales (que gráficamente son parecidos), resulta que el shock de expectativas
tiene efectos sobre los tres índices analizados algo mayores que los del shock de
EPS, especialmente en el período 2, y le sigue un proceso de convergencia de
variables más pronunciado que el observado tras el otro shock individual.
Por último, los paneles C, D y E evidencian que, ante shocks individuales
de utilidades por acción o de expectativas sobre la economía, el índice general
reacciona en mayor medida que los índices sectoriales. Mientras que, para
shocks conjuntos, el índice industrial presenta una mayor reacción.

109
Análisis de eficiencia de mercado del índice general de la Bolsa de Valores de Lima e índices sectoriales: enfoque econométrico
de cointegración (2001-2020)

4. Conclusiones y recomendaciones

La presente investigación buscó corroborar el cumplimiento de la hipótesis de

eficiencia de mercado semifuerte. Pero la rigurosa metodología econométrica
empleada brindó sólidos indicios sobre la ineficiencia del mercado bursátil
peruano, y detectó que las cotizaciones bursátiles analizadas son influenciadas
por factores no fundamentales de índole no intrínseca ni macroeconómica. Por
lo cual, los resultados de la metodología utilizada invalidan dicha hipótesis.
En efecto, el análisis de las variables evidenció la no normalidad en la dis-
tribución de los retornos e indicadores ponderados de utilidades por acción,
y sus grados de asimetría y curtosis. Por ello, se testearon las relaciones de
causalidad para identificar las variables públicas relevantes en la determinación
de las cotizaciones en la BVL, a fin de obtener las especificaciones más preci-
sas posibles del modelo por estimar, el cual fue estimado con un enfoque de
cointegración multivectorial, previa verificación de los grados de cointegración
entre las variables.
Los resultados de la estimación multivectorial de cointegración rechazan
la hipótesis de esta investigación, porque no encuentran una relación de largo
plazo entre las variables de las relaciones causales testeadas, indicando así que
los índices bursátiles analizados no reflejan eficientemente la información
pública relevante. Más indicios de la ineficiencia del mercado bursátil peruano
se obtuvieron al estimar la especificación que incluye la variable fundamental
(utilidades por acción) y las expectativas sobre la actividad económica (PBI),
porque, si bien con esta sí se evidencian relaciones de equilibrio de largo
plazo (salvo para el índice minero), los coeficientes no garantizan el ajuste a
ellas debido a que no tienen el signo correcto y son muy bajos (cercanos a 0).
En vista de ello, mediante funciones impulso-respuesta aplicadas a las
especificaciones con por lo menos un vector de cointegración, se analizó la
reacción de los índices bursátiles ante shocks individuales o conjuntos a las
variables utilidades por acción y expectativas de PBI. Este análisis eviden-
ció: (i) que la reacción ocurre con un período de retraso en todos los casos,
reveladora de demoras en la asimilación de la información relevante; (ii) una
marcada amplitud en los intervalos de confianza, implicando que ambos tipos
de choques puedan afectar positiva o negativamente las cotizaciones, al influjo
de otras variables o factores exógenos al mercado que generan divergencias
en la dirección de los efectos; y (iii) que los shocks a ambas variables conjun-
tamente tienen un impacto mayor que la suma de los shocks individuales (a
una sola variable), en señal de una retroalimentación o sobrerreacción de las
cotizaciones ante shocks conjuntos.

110
 Luis Gonzalo Grajeda Tristán

La ineficiencia del mercado bursátil peruano resulta principalmente de su

iliquidez y estructura. La baja liquidez se evidencia en el bajo ratio de rotación
de acciones en dicho mercado peruano, por comparación con los de sus pares
latinoamericanos. Y su estructura muy concentrada y poco profunda genera
que sus cotizaciones reflejen las estrategias de algunos inversionistas en mayor
medida que las variables fundamentales relevantes.
Las medidas de política para mejorar el nivel de eficiencia de ese mercado
deben orientarse entonces a aumentar su liquidez y reducir su concentración
en pocos inversionistas. Una medida que podría propiciar la participación de
más agentes en pro de una mayor profundidad y dinamismo de tal mercado
consiste en incrementar el atractivo de ahorro e inversión y rentabilidad
bursátil; para lo cual se debería evaluar si los impuestos a las ganancias de
capital establecidos desde el año 2010 desincentivan la entrada de nuevos
inversionistas. Otra medida, complementaria a la anterior, consiste en pro-
piciar la ampliación de la base de inversionistas minoritarios; para lo cual
convendría asimilar las experiencias de Chile y Canadá en la publicación
periódica, por parte del regulador, de las transacciones de compra y venta
de acciones entre partes vinculadas, a fin de mejorar la transparencia del
mercado y proteger a los inversionistas minoritarios (evitando la dilución
de las tenencias).
Finalmente, se sugiere que futuras investigaciones modelen y comprueben
empíricamente las causas o determinantes de la mencionada iliquidez. También
se sugiere investigar si existe un efecto manada (herding effect) en el mercado
bursátil peruano, dada su alta concentración y poca profundidad.
Referencias
Blanchard, O., & Watson, M. (1982). Bubbles, rational expectations and financial markets.
NBER Working Paper w0945. https://www.nber.org/papers/w0945
Chávez, D., Chicana, D., & Cuba, W. (2019). Diagnóstico y propuestas para el desarrollo
del mercado de capitales peruano. Revista Moneda, 181, 10-16. https://www.bcrp.
gob.pe/.../Publicaciones/.../moneda-181-02.pdf
Craine, R. (1993). Rational bubbles: A test. Journal of Economic Dynamics and Control,
17(5-6), 829-846. https://doi.org/10.1016/0165-1889(93)90017-M
Delgado, L., & Humala, A. (1997). El mercado bursátil peruano y la hipótesis de mercado
eficiente. Revista Estudios Económicos, 1, 73-92. https://www.bcrp.gob.pe/.../Publi
caciones/.../Estudios-Economicos-1-4.pdf
Diba, B., & Grossman, H. (1988). Explosive rational bubbles in stock prices? American
Economic Review, 78(3), 520-530. https://www.jstor.org/stable/1809149
Dolado, J., Jenkinson, T., & Sosvilla-Rivero, S. (1990). Cointegration and unit roots. Jour-
nal of Economics Surveys, 4(3), 249-273. doi:10.1111/j.1467-6419.1990.tb00088.x

111
Análisis de eficiencia de mercado del índice general de la Bolsa de Valores de Lima e índices sectoriales: enfoque econométrico
de cointegración (2001-2020)

Enders, W. (2008). Cointegration and error-correction models. En W. Enders. Applied

econometric time series (cap. 6, pp. 343-405). John Wiley & Sons Inc. http://pzs.
dstu.dp.ua/DataMining/times/bibl/Enders.pdf
Fama, E. (1969). Capital markets: A review of theory and empirical work. The Journal of
Finance, 25(2), 383-417. doi:10.2307/2325486
Fama, E. (1991). Efficient capital markets. The Journal of Finance, 46(5), 1575-1617.
doi:10.1111/j.1540-6261.1991.tb04636.x
Froot, K., & Obstfeld, M. (1989). Intrinsic bubbles: The case of stock prices. NBER Working
Paper 3091. https://www.nber.org/papers/w3091
Fu, R., & Pagani, M. (2012). On the cointegration of international stock indices. Journal
of Economics and Finance, 36(2), 463-480. doi:10.1007/s12197-010-9136-9
Grossman, S., & Stiglitz, J. (1980). On the impossibility of informationally efficient
markets. American Economic Review, 70(3), 393-408. https://www.jstor.org/
stable/1805228
Gurkaynak, R. (2008). Econometrics tests of asset price bubbles: Taking stock. Journal
of Economics Surveys, 22(1), 166-186. doi:10.1111/j.1467-6419.2007.00530.x
Johansen, S. (2002). A small sample correction for the test of cointegrating rank in the
vector autoregressive model. Econometrica, 70(5), 1929-1961. doi:10.1111/1468-
0262.00358
Lakonishok, J., & Smidt, S. (1988). Are seasonal anomalies real? A ninety-year perspective.
The Review of Financial Studies, 1(4), 403-425. doi:10.1093/rfs/1.4.403
Lau, L. (2005). Assessing pre-crisis fundamentals in selected Asian stock markets. The
Singapore Economic Review, 50(2), 175-196. doi:10.1142/S0217590805001962
Malkiel, B. (1989). Efficient market hypothesis. En J. Eatwell, M. Milgate & P. Newman
(Eds.). Finance (pp. 127-134). Palgrave Macmillan. doi:10.1007/978-1-349-
20213-3_13
Ohlson, J., & Juettner-Nauroth, B. (2005). Expected EPS and EPS growth as determi-
nants of value. Review of Accounting Studies, 10, 349-365. doi:10.1007/s11142-
005-1535-3
Phillips, P., & Outlaris, S. (1990). Asymptotic properties of residual based tests for cointe-
gration. Econometrica, 58(1), 165-193. doi:10.2307/2938339
Roberts, H. (1967). Statistical versus clinical prediction of the stock market. Center for
Research in Security Prices. University of Chicago. https://www.scienceopen.
com/document
Sánchez, A. (2013). Eficiencia del mercado bursátil peruano y efectos del crecimiento
económico sobre el financiamiento del sector privado. Período 2002-2012. En
Encuentro de Economistas 2013. https://www.bcrp.gob.pe/.../Proyeccion-Institu
cional/.../ee-2013-sanchez.pdf
Sarmiento, P., Duarte, B., & Mascareñas, J. (2014). Análisis de causalidad entre mercados
bursátiles latinoamericanos y el Standard & Poor’s 500. Revista de Ciencias Sociales,
20(2), 241-253. https://www.redalyc.org/articulo.oa?id=28031815004

112
 Luis Gonzalo Grajeda Tristán

Scheinkman, J., & Xiong, W. (2003). Overconfidence and speculative bubbles. Journal of
Political Economy, 111(6), 1193-1220. doi:10.1086/378531
Toda, H., & Yamamoto, T. (1995). Statistical inference in vector autoregressions
with possibly integrated processes. Journal of Econometrics, 66(1-2), 225-250.
doi:10.1016/0304-4076(94)01616-8
West, K. (1987). A specification test for speculative bubbles. The Quarterly Journal of
Economics, 102(3), 553-580. doi:10.2307/1884217
Winkelried, D., & Iberico, L. A. (2017). Calendar effects in Latin American stock markets.
Empirical Economics, 54(3), 1215-1235. doi:10.1007/s00181-017-1257-y

113
Análisis de eficiencia de mercado del índice general de la Bolsa de Valores de Lima e índices sectoriales: enfoque econométrico
de cointegración (2001-2020)

Anexos

Anexo 1
Investigaciones aplicadas utilizando cointegración

Producción industrial

U.S. 3-month T-bill

Crédito corporativo

Oferta monetaria
Tipo de cambio

Precio petróleo
Tasa de interés
Dividendos

Inflación
Autor País Índice PAÍSES DE LA REGIÓN
Bergoing et al. (2002) Chile IPSA   
Existencia de relación de largo plazo en el mercado bursátil. Mediante funciones impulso-
respuesta y la velocidad de ajuste del modelo de corrección de errores, demuestran la persistencia
de choques.
Argentina,
Abrugi (2008) Brasil, Chile -     
y México
Variables globales tienen una mayor significancia y mejor ajuste que variables locales
macroeconómicas.
OTRAS LATITUDES
Cooper et al. (2004) Singapur ALL-S Equities     
Ibrahim (1999) Malasia KLSE index      
Lu et al. (2001) Turquía ISE   

Elaboración propia, 2021.

114
 Luis Gonzalo Grajeda Tristán

Anexo 2
Variables planteadas

Variable Signo Relación teórica

Se presentan dos mecanismos de transmisión
para el caso peruano. En primer lugar, la Q de
Tobin sostiene que incrementos en la cantidad
de dinero generan un efecto de portafolio
sobre agentes económicos. El excedente en la
oferta monetaria lleva a un incremento en la
demanda de activos financieros, generando así
Oferta de dinero (M2: serie de incrementos en valorizaciones.
+
liquidez total BCRP) El segundo canal es el tradicional de la tasa de
interés: un incremento en la cantidad de dinero
reduce la tasa de interés nominal y, dada la rigidez
de precios, reduce la tasa de interés real. El efecto
se traslada al mercado interbancario reduciendo
el costo de financiamiento. Ello genera mejores
expectativas y, como consecuencia, mayores
cotizaciones.
Movimientos del nivel de inflación por fuera
del rango meta del BCRP generarán políticas
de estabilización monetaria, cuyo instrumento
de política es la tasa de referencia. Por tanto,
un incremento de la inflación (producto
de choques de mediano y largo plazo) será
Inflación, sin alimentos ni energía - respondido por el BCRP con una política
monetaria contractiva, elevando la tasa de
interés de referencia. Mediante la transmisión
al mercado interbancario, se elevarán los costos
de financiamiento, reduciendo las expectativas
de rentabilidad de las empresas y generando
entonces una menor cotización bursátil.
Apreciaciones del tipo de cambio local atraerán
capitales extranjeros y mayores flujos de efectivo
Tipo de cambio + a consecuencia del efecto en las exportaciones.
La dolarización de la economía también
contribuye al efecto.
DJCI y precio cobre + Relación rentabilidad y expectativas.

Elaboración propia, 2021.

115
Análisis de eficiencia de mercado del índice general de la Bolsa de Valores de Lima e índices sectoriales: enfoque econométrico
de cointegración (2001-2020)

Anexo 3

Figuras

Figura A.3.1
Distribuciones de retornos y utilidades por acción ponderadas

2
Índice
Financiero
General
Industrial
Minería
1

0
0,0 0,5

Utilidades por acción – índice general Utilidades por acción – índice financiero

0,03
0,010
0,02
0,005
0,01

0,000 0,00
0 100 200 300 0 100 200 300

Utilidades por acción – índice industrial Utilidades por acción – índice minero

0,03
0,02
0,02
0,01
0,01

0,00 0,00
0 10 20 30 40 -100 0 100 200

Elaboración propia, 2021

116
 Luis Gonzalo Grajeda Tristán

Figura A.3.2
Comparación de intervalos de confianza – funciones impulso-respuesta

PANEL A PANEL B
Respuesta índice general ante shocks de utilidades por acción y expectativas PBI Respuesta índice financiero ante shocks de utilidades por acción y expectativas PBI

Utilidades por acción Utilidades por acción

0,140 Expect PBI
0,140 Expect PBI
0,130 0,130
0,120 Ambos efectos 0,120 Ambos efectos
0,110 0,110
0,100 0,100

0,075 0,075

0,050 0,050

0,025 0,025

0,000 0,000
t=1 t=2 t=3 t=4 t=5 t=6 t=7 t=8 t=9 t=10 t=1 t=2 t=3 t=4 t=5 t=6 t=7 t=8 t=9 t=10
PANEL C PANEL D
Respuesta índice industrial ante shocks de utilidades por acción y expectativas PBI Respuesta de los tres índices analizados ante shocks de utilidades por acción
0,200 0,012
Utilidades por acción Índice general
0,180 Expect PBI Índice industrial
Ambos efectos 0,010 Índice financiero
0,160
0,140 0,008
0,120
0,100 0,006
0,075 0,004
0,050
0,002
0,025
0,000 0,000
t=1 t=2 t=3 t=4 t=5 t=6 t=7 t=8 t=9 t=10 t=1 t=2 t=3 t=4 t=5 t=6 t=7 t=8 t=9 t=10

PANEL E PANEL F
Respuesta de los tres índices analizados ante shocks de expectativas del PBI Respuesta de los tres índices analizados ante shocks de utilidades por acción y
expectativas del PBI
0,012 Índice general 0,250 Índice general
Índice industrial 0,225 Índice industrial
0,010 Índice financiero 0,200 Índice financiero

0,008 0,175
0,150
0,006 0,125
0,100
0,004 0,075
0,002 0,050
0,025
0,000 0,000
t=1 t=2 t=3 t=4 t=5 t=6 t=7 t=8 t=9 t=10 t=1 t=2 t=3 t=4 t=5 t=6 t=7 t=8 t=9 t=10

Elaboración propia, 2021.

117
¿Pueden las advertencias sanitarias reducir
el consumo de cigarrillos «sueltos»? Una
aproximación experimental desde el sesgo al
presente1

Néstor Iván Apaza Mamani

Luis Fernando Leyva Morillas

1. Introducción

El consumo de cigarrillos representa un grave problema para la sociedad.

A quien fuma diariamente (consumidor activo), le incrementa el riesgo de
padecimientos cardiovasculares y cerebrovasculares, cáncer pulmonar, entre
otras enfermedades no transmisibles (OMS, 2008; CDC, 2014; West, 2017).
A quien aspira el humo (consumidor pasivo), puede causarle enfermedades
pulmonares, partos prematuros, tumores de cerebro, linfoma, asma y leucemia
(OMS, 2008). Así, consumidores activos y pasivos reducen su expectativa y
calidad de vida. Y también perjudica el gasto público: Bardach et al. (2016)
estiman una pérdida anual, al erario peruano, de unos S/ 2500 millones
derivados de los problemas de salud ocasionados por el consumo, activo y
pasivo, de tabaco.
La respuesta habitual de política pública para reducir el consumo de tabaco
ha consistido en gravar su consumo y regular su venta mediante restricciones
en la publicidad y el empaquetado. No obstante, considerando la inelasticidad
de la demanda de cigarrillos en el Perú, los incrementos del impuesto selectivo

1
Este ensayo es una versión resumida y editada del Trabajo de Investigación Económica del mismo título
culminado y aprobado en junio de 2021. Los autores agradecen al profesor Francisco Galarza por su valiosa
asesoría de esta investigación.

119
¿Pueden las advertencias sanitarias reducir el consumo de cigarrillos «sueltos»? Una aproximación experimental desde el sesgo
al presente

al consumo (ISC) parecen no haber reducido sustancialmente su consumo2. Y

parece que la fiscalización, a través de la prohibición de la venta de cigarrillos
por unidad y del uso de imágenes y mensajes disuasorios en las cajetillas a partir
de la Resolución Ministerial (R. M.) N.º 889-2008-Minsa, tampoco ha tenido
un efecto más auspicioso3. Pero no se exige el uso de advertencias sanitarias
en los cigarrillos «sueltos», pese a ser este un formato popular de consumo en
Latinoamérica, especialmente entre los jóvenes de niveles socioeconómicos
bajos4, debido en parte a la dificultad de fiscalizarlo dada la atomización de
los puestos que lo venden.
En tal contexto, nosotros examinamos la efectividad de dos instrumentos
de política para reducir el consumo de cigarrillos: el aumento de precios, y la
inclusión de advertencias sobre las consecuencias sanitarias nocivas a corto y
largo plazo tanto en las cajetillas como en los cigarrillos sueltos. Evaluamos
dicha efectividad en jóvenes peruanos, porque estos tienen una prevalencia de
consumo de cigarrillos mayor que los adultos en edad laboral: 28,8% versus
24,7% en promedio anual, para el período 2013-2019 (figura 1); y porque
durante la juventud es cuando los fumadores crean este hábito de consumo
(figura 2).

2
Colat (2014), González-Rozada y Ramos-Carbajales (2016), De los Ríos (2019) y Valdivia (2020) repor-
tan que los consumidores peruanos tienen una demanda de cigarrillos inelástica. Además, Colat (2014) y
De los Ríos (2019) reportan una elasticidad ingreso positiva del consumo de cigarrillos por cajetillas.
3
Mallma, Carcamo y Kaufman (2020), a través de un estudio cuasi experimental, no encuentran efectos
significativos de la aplicación de las políticas decretadas por la R. M. N.º 889-2008-Minsa en la reducción
de la prevalencia del bajo peso al nacer y del nacimiento prematuro de niños. Estos resultados tienen como
una de sus causas, según la OMS (2008), el consumo pasivo de tabaco.
4
La OPS (2012) encuentra que, en Argentina, el 7,7% de los adultos compran cigarrillos «sueltos», pese a
estar prohibidos, y que, en jóvenes de entre 15 y 24 años, el formato de sueltos alcanza el 12,7%. La OPS
(2016) encuentra que el 49% de los fumadores adultos compraron sus últimos cigarrillos en el formato
«sueltos», y que esta proporción alcanza el 62% en el grupo etario más joven (15-24 años). Paraje y Araya
(2017) encuentran que 9 de cada 10 jóvenes de nivel socioeconómico bajo compran cigarrillos «sueltos». Y
Linetzky et al. (2012) encuentra un efecto heterogéneo en el consumo de cigarrillos según el nivel socioe-
conómico de los jóvenes en Argentina.

120
 Néstor Iván Apaza Mamani y Luis Fernando Leyva Morillas

Figura 1
Prevalencia del consumo anual de tabaco según edad en el Perú, 2013-2019
(porcentaje de personas que fuman sobre el total)

40%

35%

30%

25%
Prevalencia

20%

15%

10%

5%

0%
15 20 25 30 35 40 45 50 55 60 65
Edad
Nota. La línea de corte va en la edad de 25 años. Y 65 años es la línea de corte para adultos en edad laboral.
Fuente: Endes (2013-2019). Elaboración propia, 2021.

Figura 2
Gráfico de densidad de la edad en la que un consumidor de cigarrillos empezó a
fumar diariamente, 2013-2019

100%

80%
Densidad acumulada

60%

40%

20%

0%
0 10 20 30 40 50 60 70 80 90
Edad
Nota. Las líneas de corte celeste y roja corresponden a las edades de 20 y 25 años, respectivamente.
Fuente: Endes (2013-2019). Elaboración propia, 2021.

121
¿Pueden las advertencias sanitarias reducir el consumo de cigarrillos «sueltos»? Una aproximación experimental desde el sesgo
al presente

Con tal fin, analizamos si el sesgo al presente influye en la decisión de dejar

de fumar. Nuestra hipótesis es que las advertencias de nocividades a corto plazo
en cigarrillos sueltos son más efectivas que las de a largo plazo. Para contrastarla,
realizamos un experimento con participantes jóvenes (estudiantes de pregrado
universitario), donde estos eligen entre comprar cigarrillos «sueltos» o en caje-
tilla, o no fumar; tras recibir tratamientos consistentes en aumentos de precios
y mensajes disuasorios, aplicados ambos a los dos formatos de cigarrillos.
Encontramos que la inclusión de un mensaje advirtiendo de nocividades de
corto plazo aumenta la probabilidad de dejar de fumar comparado con uno de
largo plazo, en individuos con mayor sesgo al presente; y que la probabilidad
de no fumar se incrementa cuando los mensajes –independientemente de si
advierten de nocividades a corto o largo plazo– son incluidos en cigarrillos
«sueltos». También hallamos evidencia de que los aumentos de precios pueden
incentivar la sustitución de cigarrillos en cajetilla por «sueltos».

2. Revisión de la literatura especializada

Nuestra investigación aporta a la literatura especializada en examinar los

mecanismos para reducir el consumo de tabaco (véanse, p. ej.: Ben Lakhdar
et al., 2020; Irvine & Nguyen, 2021; Fakir et al., 2020), porque nosotros
analizamos el efecto tanto de cambios en precios como de la inclusión de
advertencias sobre consecuencias nocivas de corto y de largo plazo, en el
consumo de cigarrillos sueltos y en cajetillas5. De esta manera, abordamos
dos mecanismos que podrían mitigar la incidencia del consumo de tabaco, y
también podemos examinar el grado de sustitución entre formatos de cigarrillos
(en consumidores jóvenes, particularmente).
El entorno de los adolescentes y jóvenes es considerado como un deter-
minante importante del consumo de tabaco. Por ejemplo, O’Loughlin et
al. (2009) encuentran que fumadores cercanos (el caso de parientes) y el
sentimiento de dependencia influyen en la incidencia de fumar por parte de
estudiantes canadienses menores de edad. Similarmente, Lorant et al. (2017)
concluyen que el nivel de consumo en adolescentes europeos (de 14 a 16
años) es parcialmente explicado por tener pares que fuman. Para el caso de
universitarios de Colombia, Camerún y Turquía, se ha encontrado que fami-
liares y personas fumadoras cercanas aumentan la probabilidad de consumir

5
La comparación del efecto de advertencias sanitarias impresas en cigarrillos «sueltos» y en cajetillas ha sido
poco examinada, posiblemente debido a que la venta de cigarrillos en formato «suelto» es casi inexistente
en países desarrollados. Pero no hemos encontrado ningún estudio haciendo esa comparación en países
latinoamericanos, donde sí es común el formato de venta en «sueltos».

122
 Néstor Iván Apaza Mamani y Luis Fernando Leyva Morillas

cigarrillos (Novoa-Gómez, Barreto, & Silva, 2012; Mbatchou, Atangana, &

Kuaban, 2015; Karadoğan, Onal, & Kanbay, 2018).
Greenhalgh, Stillman y Ford (2016), tras una recopilación de la literatura
sobre mecanismos para dejar de fumar, sintetizan que dejar el hábito es posible
si el placer que brinda la inhalación de nicotina es cambiado por hábitos que
recompensen la abstinencia, o cuando el consumo de cigarrillos no se encuentre
socialmente aceptado6. Por otro lado, Baumeister (2017) concluye que incluso
los fumadores capaces de mantener el control sobre sus acciones pueden seguir
deseando fumar frecuentemente. Sin embargo, recientes investigaciones explo-
ran y encuentran nuevos mecanismos antitabaco con buena efectividad. Por
ejemplo, Fakir et al. (2020) dan indicios de que intervenciones «behavioral»
(que involucran «mantener el registro» de los cigarrillos y la presentación de
nudges en pósteres) reducen el hábito de fumar tabaco.
Diversos estudios evalúan el efecto de herramientas visuales, en cigarrillos
sueltos y en cajetillas, por separado. Drovandi et al. (2019) realizan un experi-
mento con estudiantes universitarios en Australia y hallan que las advertencias
en unidades de cigarrillos pueden disuadir siempre y cuando contengan infor-
mación sobre daños a la salud. Lund y Scheffels (2018) examinan el efecto
de mensajes disuasorios y colores desagradables en los «sticks» de cigarrillos
sobre la percepción del riesgo para la salud por parte de jóvenes noruegos,
y encuentran que tal efecto es positivo: aumenta la nocividad percibida del
cigarrillo y reduce el deseo de consumirlo. Moodie et al. (2019), por su parte,
realizan una encuesta online a jóvenes del Reino Unido sobre la percepción de
un cigarrillo con advertencias de salud y otro de color verde, respecto a uno
tradicional; y encuentran que los jóvenes califican como menos deseables los
cigarrillos con advertencias de salud y los de color verde7. Por otro lado, Brown
et al. (2021) encuentran que los jóvenes perciben como menos riesgosos a
los cigarrillos cuyos empaquetados incluyen mensajes sobre su sabor, incluso
cuando también incluyen disuasorios tradicionales.
Como se ha dicho antes, son escasos los estudios que comparan los efectos
de advertencias disuasorias en cajetillas y en «sueltos». Entre las excepciones está
el trabajo de Hoek et al. (2015), quienes, tras un best-worst choice experiment

6
De las 10 teorías consideradas por dichos autores para analizar el cese del consumo de cigarrillos, nuestro
trabajo se inspira en la behavioural theory y en la smoking and quitting as products of social and environmental
influences.
7
Respecto al modelo empírico aplicado por esos estudios, Drovandi et al. (2019) utilizan un logit cuya
variable independiente es la decisión de dejar de fumar; Lund y Scheffels (2018), un logit multinomial
cuya variable independiente es el tipo de cigarrillo preferido; y Moodie et al. (2019), un logit cuya variable
independiente es la percepción de los cigarrillos.

123
¿Pueden las advertencias sanitarias reducir el consumo de cigarrillos «sueltos»? Una aproximación experimental desde el sesgo
al presente

con 313 participantes, concluyen que los elementos disuasorios en sticks de

cigarrillos reducen el consumo en mayor medida que los puestos en cajetillas; y
que este efecto parece ser más relevante en fumadores diarios. También el tra-
bajo de Gallopel-Morvan, Droulers y Pantin-Sohier (2019), quienes concluyen
que elementos como un color oscuro, advertencias sanitarias y una imagen de
calavera en los cigarrillos, generan vergüenza durante el acto de fumar entre
amistades. Similarmente, Moodie et al. (2020) encuentran que los mensajes
disuasorios en los sticks de cigarrillos son vistos por los consumidores como
desagradables y vergonzosos.
En suma, parece que los mensajes disuasorios específicos y en ciertos
formatos reducen la disposición a consumir cigarrillos. A la luz de lo cual,
nuestro trabajo evalúa si advertencias sobre consecuencias sanitarias nocivas de
corto plazo están relacionadas con una reducción del consumo de cigarrillos,
en cualquier formato, entre jóvenes peruanos.

3. Marco analítico

En esta sección, proponemos un modelo que explique dos fenómenos relevan-

tes para el presente trabajo: cómo los jóvenes fumadores eligen entre comprar
cajetilla, comprar «sueltos» o no fumar; y por qué tienen poco impacto las
políticas limitadas a uno solo de esos dos formatos.

3.1   La elección de un joven fumador

Cualquier individuo fumador puede elegir entre comprar cajetillas, cigarrillos

«sueltos» o no fumar (Y)8, tomando en cuenta las siguientes variables:

Max U = f(C, θ)

s. a. I = pθ * θ + pc * C

Donde C = f(pc(‒), I(+), n(±), δ(+), X(‒),e(+), a(+), Z(‒)

y θ representa los otros bienes

En este modelo, pc es el precio de cigarrillos normalizado9, I es el ingreso

(salarial más no salarial), n es la preferencia por fumar, δ es la condición de

8
Y = (Caja,Suelto,No Fumar)'. Esta distinción obvia la diversidad de productos con tabaco, debido a la
marcada preferencia juvenil por los cigarrillos.
9
Precio de cajetilla entre el número de cigarrillos. Para evitar correlaciones, no se incluye el precio de «suel-
tos», que varía entre las marcas, pero esto se simplifica por escasez de información.

124
 Néstor Iván Apaza Mamani y Luis Fernando Leyva Morillas

adicto, X engloba a los mecanismos disuasorios percibidos (percepción que

depende del sesgo al presente10), e es el número de fumadores en la localización
habitual de consumo (que captura el efecto de pares y hábitos compartidos con
familiares), a es el nivel de consumo de alcohol11, y Z incluye todos los demás
bienes sustitutos que podrían afectar el consumo de cigarrillos12. En cuanto a
los parámetros de la restricción de gasto, pθ * θ es el ingreso destinado para otras
actividades o bienes y pc * C es el ingreso destinado a la compra de cigarrillos.
Un joven fumador se distingue de un adulto por su ingreso limitado
(todavía no trabaja o su remuneración es relativamente baja) y dependiente
(del ingreso de los padres):

Ijoven = Tpadres + w * L

Aquí, Tpadres es la propina que da el padre, w es el salario y L son las horas

laboradas por el joven.
Un análisis de cada determinante sugiere que un joven demanda «sueltos»
considerablemente. Primero, sus preferencias (n) pueden inclinarlo a comprar
pocos cigarrillos, si se siente saciado con unos cuantos o para evitar ser descu-
bierto con ellos. Segundo, jóvenes adictos13 (δ = 1)pueden encontrar atractiva
cualquier presentación, y aquellos con ingreso limitado preferirían «sueltos».
Tercero, la ausencia de disuasorios en los «sueltos» los hace más atractivos
porque son ilusoriamente inofensivos. Además, ellos están bastante expuestos
a pares con quienes pueden compartir sus preferencias por «sueltos».

3.2   La sustitución entre cajetillas y «sueltos»

Lo anterior implica que dividimos el mercado analizado de fumadores adictos

entre los que consumen «sueltos» o en cajetillas; cuyas preferencias por un
formato o el otro pueden cambiar. Estos cambios se modelizan resumidamente
en la figura 3.

10
Consideramos así a una advertencia sanitaria de corto plazo como potenciadora de al valerse del sesgo al
presente: exponer consecuencias de corto plazo puede hacer que el individuo no postergue la decisión de
dejar de fumar, como muestra la evidencia (Suranovic, Goldfarb, & Leonard, 1999).
11
La complementariedad alcohol-cigarrillos es estudiada e identificada por Seinfeld y Galarza (2014) para
el caso peruano.
12
Sustitutos en el sentido de que son productos adictivos cuya adquisición implica dejar de comprar ciga-
rrillos.
13
Definidos como los que fuman 25-30 veces al mes, de acuerdo con la literatura especializada.

125
¿Pueden las advertencias sanitarias reducir el consumo de cigarrillos «sueltos»? Una aproximación experimental desde el sesgo
al presente

Figura 3
Dinámica de los consumidores

ΔQc = ΔQc→s ‒ ΔQs→c + ΔQc→nf ‒ ΔQnf→c

ΔQs = ΔQs→c ‒ ΔQc→s + ΔQs→nf ‒ ΔQnf→s

ΔNFt = ΔQnf→c + ΔQnf→s ‒ ΔQc→nf ‒

ΔQs→nf

Elaboración propia, 2021.

De los cuales, son dos los cambios más relevantes para nuestro estudio14.
Por un lado, ΔQc→s y ΔQs→c representan cambios por sustitución; por ejemplo,
si baja el precio de las cajetillas, una porción de fumadores en «sueltos» puede
optar por cajetillas (ΔQs→c < 0). Por otro lado, ΔQc/s→nf representa dejar de
fumar. Este efecto puede darse en individuos con preferencias rígidas: si sube
el precio de las cajetillas, un férreo consumidor de cajetillas puede optar por no
fumar, en vez de sustituirlas. Consideramos que este segundo efecto depende
considerablemente de elementos exógenos adicionales: disuasorios, entorno
social e ingreso. Por ello, unos buenos disuasorios que afecten ambos formatos
(cajetilla y «sueltos») provocarían dejar de fumar antes que una sustitución
entre formatos. Esto sustenta la motivación analítica de nuestro trabajo15.
Y nuestra motivación práctica se explica por el tipo de medidas antitabaco
que aplica el Gobierno peruano, el cual: (i) utiliza el ISC para aumentar los
precios de las cajetillas; (ii) obliga la inclusión de alertas sobre efectos nega-
tivos del tabaco en las cajetillas, y a que su publicidad o anuncio para venta
formal contenga frases de advertencia e imágenes alusivas al daño en la salud
(ambos son disuasorios); y (iii) prohíbe fumar en espacios públicos cerrados
o vulnerables.

14
El surgimiento de nuevos fumadores, ΔQnf→c/s, si bien empíricamente verificable, se considera poco rele-
vante en nuestro marco analítico que analiza a jóvenes ya fumadores.
15
ΔQc→nf puede expresarse como f(p, X). Este trabajo busca evaluar si existe un ∂ΔQc→nf
∂X
significativo y de qué
manera este puede incrementarse.

126
 Néstor Iván Apaza Mamani y Luis Fernando Leyva Morillas

Lamentablemente, las dos primeras medidas presentan limitaciones. En

primer lugar, el efecto del ISC es amortiguado por la sustitución de cajetillas
por «sueltos». En segundo lugar, el efecto de los disuasorios actuales puede no
afectar a los jóvenes, quienes parecen preferir «sueltos» y, así, no son impacta-
dos por los disuasorios solo en cajetillas. Es más, en caso consuman cajetillas,
pueden reaccionar en menor grado ante las consecuencias nocivas de largo
plazo, comunes en dichos disuasorios, en tanto su sesgo al presente es mayor.
Para contrarrestar esas limitaciones, nos proponemos evaluar la efectividad
de aplicar una nueva política: la inclusión de un disuasorio de corto plazo en
la barra (stick) de cada cigarrillo16. Una alerta inmediata en cada «suelto» está
en contacto constante con el joven consumidor y puede impactarlo, sea por
una mayor toma de conciencia o por vergüenza17. Además, la impaciencia
juvenil puede efectivizar el impacto de mensajes de corto plazo en relación
con las advertencias tradicionales de largo plazo.

4. Metodología

Estudiamos el efecto de cambios en precios y advertencias sanitarias usando

un diseño experimental «dentro de los sujetos» (within-subjects)18, gracias al
cual la validez interna del experimento no depende de la asignación aleatoria.
Además, este diseño guarda coherencia con la teoría microeconómica dado
que un mismo individuo es quien reacciona ante cambios en el precio y otras
características de un producto. Reclutamos a los participantes del experimento
con base en el pool del E2LabUP. Cada sesión experimental constó de cuatro
partes, en el orden mostrado en la figura 4: cuestionario de comprensión,
decisión de consumo, datos generales, y cuestionarios sobre preferencias
intertemporales.

16
Específicamente, el presente trabajo explora los beneficios de un mensaje de corto plazo en los sticks de
cigarrillos comparándolos con un mensaje de largo plazo.
17
«Contacto constante» se refiere a que el joven, durante todo el proceso de consumo, es expuesto al
disuasorio. Actualmente, el contacto del joven con los disuasorios en cajetillas desaparece cuando guarda la
cajetilla; por ende, no existe un «contacto constante».
18
Un diseño entre sujetos (between-subjects), por el cual cada participante es sometido a un único trata-
miento para obtener un resultado con una mayor validez externa (Charness, 2012), hubiera sido más com-
plicado de implementar porque requeriría de entre cuatro a ocho veces el número de participantes que en
un diseño within-subjects a fin de obtener un poder estadístico del 80% (Bellemare, Bissonnette, & Kroger,
2014). Además, este último se alinea más con la teoría microeconómica elemental, donde un mismo agente
reacciona ante cambios en las características de un producto y no son dos o más agentes que, en mercados
separados, reaccionan ante dichos cambios.

127
¿Pueden las advertencias sanitarias reducir el consumo de cigarrillos «sueltos»? Una aproximación experimental desde el sesgo
al presente

Figura 4
Enfoque secuencial del experimento

Cuestionario de  Instrucciones
Parte 1 comprensión  Cuatro preguntas de comprensión de instrucciones

 Mantener los participantes que cumplen con las

características de fumador
Parte 2 Decisión de
consumo  Tratamiento: Precios
 Tratamiento: Mensajes disuasorios
1/

 Características de consumo (factores de riesgo)

Parte 3 Datos generales
 Características del participante

Cuestionarios de  Dos cuestionarios que miden, de forma diferente, el

Parte 4 preferencia sesgo al presente
intertemporal

Nota. 1/ Los mensajes disuasorios de corto y largo plazo son presentados en forma aleatoria.
Elaboración propia, 2021.

La parte 1 presenta las instrucciones, evalúa su comprensión mediante

cuatro preguntas19 y permite continuar con el experimento solo a los partici-
pantes que tienen el hábito de fumar20. La parte 2 presenta tres alternativas
de elección: consumir cigarrillos en cajetilla, en «sueltos», o no fumar. Estas
alternativas fueron «tratadas», tanto con tratamientos de precios como con
mensajes disuasorios de corto y de largo plazo21.

19
El pago por pregunta respondida correctamente (al primer intento) fue de 0,20 soles, que se agregó
al pago por participar, de 5,00 soles. Ante una respuesta incorrecta, la pantalla mostró inmediatamente
la respuesta correcta y pidió rectificar la respuesta, lo que contribuyó a un adecuado conocimiento de la
dinámica del experimento.
20
Consistente en haber consumido frecuentemente cigarrillos en al menos uno de los últimos tres años.
No cumplieron con este requisito 93 de los 248 participantes iniciales. Cabe señalar que esta restricción
para participar en el experimento fue flexibilizada ante el riesgo de no completar la muestra necesaria. El
diseño inicial requería que el consumo haya sido de –por lo menos– una vez cada 30 días durante alguno de
los últimos tres años (2019-2021), mientras que el diseño modificado pidió simplemente el haber fumado
durante 2019, o 2020 o 2021.
21
Beverland et al. (2012) consideran en su experimento que los daños a la salud son de corto plazo cuando
ocurren en un lapso de días o semanas, que son de mediano o largo plazo cuando se manifiestan en los
siguientes años o décadas, y en la cajetilla que muestran predomina el gris. Como este color es poco común
en las cajetillas existentes en el mercado, nosotros estudiamos los efectos puros de los tratamientos en la
decisión de consumo, no influenciados por preferencias de marcas y/o colores. Se sabe que colores en ciga-
rrillos sueltos pueden influir en que sean percibidos como riesgosos o vergonzosos (Lund & Scheffels, 2018;
Gallopel-Morvan, Droulers, & Pantin-Sohier, 2019).

128
 Néstor Iván Apaza Mamani y Luis Fernando Leyva Morillas

El tratamiento de precios (figura 5) muestra los precios base de los produc-

tos en la parte superior de cada imagen (0,8 soles en el caso de «sueltos» y 15
soles en el caso de cajetillas de 20 unidades22) y se indica al participante que
escoja el formato que prefiere. Ante la elección, los precios base se incremen-
tarán en 0,1 soles y 1 sol, respectivamente, hasta que se alcance el (ex ante)
desconocido precio límite (1,3 soles y 21 soles, respectivamente), o hasta que
el participante escoja la opción «No consumir». De esta manera, medimos la
sensibilidad de la sustitución ante cambios en precios (efecto precio).
Figura 5
Tratamiento precios

Elaboración propia, 2021.

El tratamiento de mensajes (figura 6) incluyó una advertencia sanitaria

en la imagen de la cajetilla o en la del cigarrillo suelto. Tanto el formato de
cigarrillos tratado, como el tipo de mensaje por mostrar (de corto plazo o de
largo plazo), fueron elegidos al azar. Usamos tres advertencias de corto plazo
(«Fumar causa daño a los bronquios», «Fumar vuelve amarillos tus dientes» y
«Cada cigarrillo te reduce 15 minutos de vida»); y tres de largo plazo («Fumar
causa cáncer», «Fumar causa alzhéimer» y «Fumar causa infarto»)23. Las opcio-

22
Estos son los precios promedio del mercado en Lima Metropolitana.
23
Para elegir los mensajes de corto plazo, nos basamos en: Shaw, Mitchell y Dorling (2000), Bazzini et al.
(2013) y Alkhatib, Holt y Bedi (2005). Dichos autores exploran la relación causal entre el consumo de ciga-
rrillos y los minutos de vida perdidos por el consumo de una unidad, el daño en las células bronquiales y la
decoloración dental; y encuentran que el número de minutos perdidos es de 11 en promedio, y que la mor-

129
¿Pueden las advertencias sanitarias reducir el consumo de cigarrillos «sueltos»? Una aproximación experimental desde el sesgo
al presente

nes por elegir fueron las mismas que en el tratamiento de precios, y el precio
mostrado para cada formato fue el último precio aceptado por el participante
en dicho tratamiento. De esta manera, pudimos analizar el efecto del tipo
de mensaje (de corto plazo versus de largo plazo) sobre la decisión de fumar.
Figura 6
Tratamiento de mensajes

Elaboración propia, 2021.

Por último, en las partes 3 y 4 del experimento, recogimos información

de los encuestados (género, percepción sobre su salud y características de con-
sumo), útiles para el análisis de sus elecciones y preferencias intertemporales.
Usamos dos instrumentos que miden el sesgo al presente y que permitieron
evaluar la consistencia de nuestros resultados.
Estimación del efecto de los tratamientos
A fin de examinar el efecto de nuestros tratamientos de precios y mensajes,
estimamos modelos logit multinomial no ordenados para cada uno de los
formatos seleccionados (cajetillas y «sueltos»). Estos modelos son apropiados
para evaluar variables dependientes que tienen múltiples valores sin un orden
específico (Cameron & Trivedi, 2005). Usamos estimaciones separadas para

talidad de células del epitelio bronquial y los problemas de decoloración dental ocurren con premura (en el
plazo de minutos y de horas, respectivamente). Asimismo, los mensajes de largo plazo utilizados también se
basan en estudios especializados sobre el impacto de fumar en la generación de cáncer o alzhéimer o infarto.

130
 Néstor Iván Apaza Mamani y Luis Fernando Leyva Morillas

cada formato de consumo, que así permiten examinar heterogeneidad en la

elección de consumo inicial24. Hay así dos variables dependientes: Yitcajetilla y
Yitsuelto, que se estiman siempre que el participante «i» haya escogido el formato
en cajetillas y en cigarrillos sueltos, respectivamente, en la primera ronda del
experimento.
En el caso del tratamiento asociado a los incrementos de precios en cada
formato, la variable Yitformato corresponde a la decisión de consumo del par-
ticipante «i» en el formato indicado (cajetilla o suelto) en la ronda «t»25. Así,
Yitcajetilla es igual a 0 si, en la ronda «t», la decisión de consumo continúa siendo
cajetilla para el individuo «i»; es igual a 1 si la decisión de consumo cambia
al formato «suelto»; y es igual a 2 cuando se decide dejar de fumar. Análo-
gamente, la variable Yitsuelto es igual a 0 si la decisión de consumo continúa
siendo «suelto» para el individuo «i» en la ronda «t»; es igual a 1 si la decisión
es cambiar al formato en cajetilla; y es igual a 2 si se decide dejar de fumar.

YitCajetilla = α0 + α1cprecioCajetilla + Xi'γ + εi … (1)

Yitsuelto = β0 + β1spreciosuelto + Xi'γ + εi … (2)

Donde el vector de variables de control, Xit', incluye características de los par-

ticipantes (género y percepción del estado de salud), un conjunto de factores
de riesgo asociados con el consumo de tabaco (nivel de estrés, consumo de
bebidas alcohólicas y entorno fumador), y un conjunto de variables norma-
lizadas asociadas a la participación del participante en el experimento (pagos
adicionales al participante por el entendimiento correcto del experimento y
el tiempo del participante en este), que podrían estar correlacionadas con su
decisión de consumo de cigarrillos durante el experimento26. Las estimacio-
nes incluyen efectos fijos por cada día en el que se realizó el experimento, y
errores estándares corregidos por conglomerados a nivel individual, con la
finalidad de controlar posibles correlaciones entre decisiones repetidas de los
mismos individuos.
En el caso del tratamiento de mensajes disuasorios en cada formato, la
variable latente corresponde a la decisión de consumo de los participantes

24
Nuestro experimento asignó aleatoriamente los tratamientos para corregir la presencia del sesgo de selec-
ción (Angrist & Pischke, 2009). Además, el uso de un pool de estudiantes calificables como fumadores
potencialmente habituales (por fumar en al menos uno de los años 2019-2021) permite estimar parámetros
consistentes dado que forman parte del segmento juvenil cuyo consumo de tabaco debe desincentivarse.
25
Como se precisó anteriormente, en cada ronda el precio del formato seleccionado fue incrementado en
un monto equivalente a S/ 1 y S/ 0,1 para cajetillas y «sueltos», respectivamente.
26
El detalle de las variables de control se encuentra en el anexo 1.

131
¿Pueden las advertencias sanitarias reducir el consumo de cigarrillos «sueltos»? Una aproximación experimental desde el sesgo
al presente

expuestos al mensaje disuasorio presentado en cada ronda «t». A fin de excluir

los posibles efectos diferenciales relacionados con los precios, los mensajes
muestran los precios máximos antes de la elección de dejar de consumir por
parte de los participantes en el tratamiento de precios. De esta manera, usamos
la ecuación 3, donde la variable relevante es si el mensaje mostrado fue sobre
una cajetilla o en «suelto».

(Yit | p͞ max) = β0 + β1 mensajeCP + β2 sesgo al presente + β3 sesgo al presente *

mensajeCP + β4 FormatoCajetilla + Xi'γ + εi … (3)

Dado que el experimento solo muestra mensajes de corto plazo o de largo

plazo, la variable mensajeCP toma el valor de 1 si el mensaje en la ronda «t» fue
de corto plazo, y de 0 si fue de largo plazo. La variable sesgo al presente varía
según el cuestionario aplicado. Por un lado, bajo el test de Wang, Rieger y
Hens (2015), toma valores de 0 o 1, siendo 1 cuando el resultado supera a la
media de la muestra, asumiendo una función de utilidad lineal. Por otro lado,
bajo el test de Andreoni y Sprenger (2012), se categorizó a los participantes
según tramos de intensidad del sesgo al presente, dados por el número de veces
en que el participante mostró un sesgo al presente en un proceso de elección
intertemporal con descuento ajustado por riesgo27. Los coeficientes de interés
siendo los asociados al mensaje de corto plazo, a su interacción con el sesgo al
presente, y al formato con el mensaje28. Las variables de control usadas fueron
las mismas que en el tratamiento de precios.

5. Análisis de resultados

5.1   Descripción de las fuentes de información

Usamos datos recolectados de encuestas virtuales (en adelante, experimento)

realizadas a 155 estudiantes de pregrado29 de la Universidad del Pacífico, un
57,8% mujeres, como consta en las estadísticas descriptivas de la muestra que
se presentan en la tabla 1. En ella se observa, respecto al sesgo al presente de
los participantes, que: bajo el primer cuestionario (que resalta el horizonte
temporal aplazando un monto pequeño en períodos largos), dicho sesgo tiene

27
Se definieron tres rangos según el número de veces que los participantes presentaron sesgo al presente bajo
el segundo cuestionario. Para mayor detalle de los cuestionarios utilizados, véase el anexo 2.
28
La variable asociada al coeficiente β4 toma el valor de 1 si el mensaje en la ronda «t» se presentó en un
formato de cajetilla; y de 0 si fue en «sueltos».
29
El tamaño de muestra fue definido mediante el software Gpower para obtener un poder estadístico de 0,8
y un efecto mínimo detectable de 0,2 (efecto moderado).

132
 Néstor Iván Apaza Mamani y Luis Fernando Leyva Morillas

un nivel relevante en aproximadamente el 50% de los participantes; bajo el

segundo cuestionario, la mayoría de los participantes (52,9%) mostró un nivel
de sesgo nulo; no obstante lo cual, muchos participantes (27,8%) presentaron
el sesgo en al menos dos de los seis escenarios examinados, y otros (un 19,4%)
lo presentaron en al menos tres de los seis escenarios.
Tabla 1
Estadísticas descriptivas de los participantes

Variable Obs. Media Std. Dev. Mín. Máx.

Sesgo al presente (Wang et al., 2015) 155 0,503 0,502 0 1
Sesgo al presente – Nulo (Andreoni & Sprenger, 2012) 155 0,529 0,501 0 1
Sesgo al presente – Rango 1 (Andreoni & Sprenger, 2012) 155 0,277 0,449 0 1
Sesgo al presente – Rango 2 (Andreoni & Sprenger, 2012) 155 0,097 0,297 0 1
Sesgo al presente – Rango 3 (Andreoni & Sprenger, 2012) 155 0,097 0,297 0 1
Nivel de estrés bajo / muy bajo (autorreportado) 155 0,206 0,406 0 1
Nivel de estrés alto / muy alto (autorreportado) 155 0,794 0,406 0 1
Nadie en su entorno social fuma 155 0,155 0,363 0 1
Algunos en su entorno social fuman 155 0,729 0,446 0 1
La mayoría / todos en su entorno social fuman 155 0,116 0,321 0 1
Consume alcohol regularmente 155 0,503 0,695 0 1
Mujer1/ 154 0,578 0,496 0 1
Estado de salud: mala / muy mala(percepción) 155 0,116 0,321 0 1
Estado de salud: buena (percepción) 155 0,735 0,442 0 1
Estado de salud: muy buena (percepción) 155 0,148 0,357 0 1

Nota. 1/ Un participante no precisó su género.

Fuente: sesiones experimentales Elab2UP. Elaboración propia, 2021.

En cuanto al nivel de estrés, se observa que la mayoría de los participantes

reportó tener un nivel de estrés alto o muy alto (79,4%). Con relación al
entorno fumador, el 72,9% de los participantes mencionó que en su entorno
social solo algunos fuman, y un 11,6% reportó que la mayoría / todos en su
entorno social fuman. Cabe resaltar que un 50,3% de los participantes registró
consumir alcohol regularmente (al menos una vez cada 14 días). Sin embargo,
la mayoría de los participantes percibían tener un buen estado de salud.
Dado que la naturaleza de los datos recogidos puede variar según las
preferencias del formato de consumo entre los participantes, analizamos un

133
¿Pueden las advertencias sanitarias reducir el consumo de cigarrillos «sueltos»? Una aproximación experimental desde el sesgo
al presente

balance sobre estas características entre los participantes que consideran el

formato cajetilla y el formato «sueltos». Se observó que el número de parti-
cipantes que prefiere el formato de cajetilla es muy similar al que prefiere el
formato «sueltos». Si bien no hay diferencias significativas en las características
sociodemográficas de los participantes, se observan diferencias significativas en
ciertos factores de riesgo a un mayor consumo, especialmente en la exposición
a un entorno fumador y en la frecuencia del consumo de bebidas alcohólicas:
los consumidores que prefieren el formato en cajetilla suelen tener un entorno
social más fumador y una prevalencia del consumo frecuente de alcohol más
alta, comparados con los que prefieren el formato «sueltos».
Debido a la finalidad de los modelos econométricos, con esos datos indi-
viduales formamos una estructura de panel, conteniendo observaciones por
individuo y ronda (para el caso del tratamiento de precios), y por individuo
y tratamiento (para el caso del tratamiento de mensajes disuasorios). Así,
obtuvimos un total de 1860 observaciones en formato panel30.

5.2   Discusión de los resultados

Como se ha mencionado antes, nuestra investigación espera que, frente al

incremento en los precios, un fumador (i) deje de fumar o (ii) sustituya el
formato de consumo. En línea con nuestra hipótesis de sustitución entre for-
matos, estimamos el efecto del incremento en precios sobre la probabilidad
de dejar de fumar o de sustituir el formato de consumo.
La tabla 2 reporta la estimación el tratamiento de precios a través del
modelo logit multinomial considerando efectos fijos por sesión para los
individuos que escogen cajetillas o sueltos en la primera ronda de precios
(ecuaciones (1) y (2)). Los resultados del experimento son consecuentes con
el marco conceptual y la literatura teórica y empírica revisada: cuando el
precio de cada formato aumenta, se incrementa la probabilidad de dejar de
fumar. Dentro de la muestra, los resultados sugieren que, por cada aumento
de S/ 1 en el precio del formato cajetilla, la probabilidad de dejar de fumar
aumenta en 0,29 puntos porcentuales. Pero no genera únicamente el cese
del consumo, sino que también impulsa la demanda de «sueltos»: por cada
aumento de S/ 1 en el precio del formato cajetilla, la probabilidad de pasar

30
El tratamiento de precios comprendió un máximo de 12 rondas por participante. El tratamiento de men-
sajes disuasorios involucró tres rondas aleatorias para cada una de las siguientes combinaciones: (i) mensajes
de corto plazo en cajetillas, (ii) mensajes de corto plazo en «sueltos», (iii) mensajes de largo plazo en cajetillas
y (iv) mensajes de largo plazo en «sueltos». Este tratamiento, entonces, también corresponde a un total de
12 rondas por participante. El anexo 3 presenta otros resultados de la muestra.

134
 Néstor Iván Apaza Mamani y Luis Fernando Leyva Morillas

a fumar un cigarrillo «suelto» aumenta en 0,82 puntos porcentuales. Esto

ocurriría también porque los participantes pueden preferir pequeñas canti-
dades de consumo; por lo cual, ante incrementos relevantes en el precio de
la cajetilla, migran hacia el formato «sueltos» porque es más acorde con su
preferencia por compras pequeñas.
Tabla 2
Resultados de tratamiento en precios31

Cajetillas Sueltos
Elección Efectos Efectos
Coeficientes Coeficientes
marginales marginales
Dejar de fumar
1,071*** 0,029*** 0,56*** 0,026***
Precio formato
(0,21) (0,009) (0,17) (0,008)
Cambiar de formato
0,54*** 0,082*** 0,41** -0,06***
Precio formato
(0,084) (0,012) (0,14) (0,012)
Observaciones 413 413 394 394
Pseudo – R2 0,18 0,18 0,31 0,31

Notas. Errores estándar corregidos por conglomerados a nivel de individuo entre paréntesis. Todas las especi-
ficaciones incluyen efectos fijos por día de sesión y variables de control descritas en la sección metodológica.
*** p<0,01, ** p<0,05, * p<0,1 (denotan significancia al nivel de 1%, 5% y 10%, respectivamente).
Fuente: sesiones experimentales Elab2UP. Elaboración propia, 2021.

Es interesante encontrar que el efecto marginal del incremento en precios

de los «sueltos» no implica un incremento de la demanda por el formato
«sueltos», a diferencia de lo que ocurre desde las cajetillas hacia «sueltos». Esto
puede deberse a que los consumidores del formato «sueltos» son más sensibles
a las variaciones de precios, sea porque tienen una preferencia por consumir
cigarrillos solo en pequeñas cantidades o por restricciones monetarias que no
les permiten migrar hacia las cajetillas.
En lo concerniente a las hipótesis sobre el efecto del sesgo al presente y
de la percepción del tipo de mensaje según formato sobre las decisiones de
consumo, análogamente a lo hecho en el tratamiento de precios, se analizaron

31
Se realizaron las pruebas estadísticas de combinación de categorías y de independencia de alternativas
irrelevantes. Los resultados indicaron que no es estadísticamente posible combinar las categorías de cajetillas
y «sueltos». Asimismo, se observó que la exclusión de la categoría cajetilla afecta el cálculo de las ratios de
probabilidad de las otras categorías.

135
¿Pueden las advertencias sanitarias reducir el consumo de cigarrillos «sueltos»? Una aproximación experimental desde el sesgo
al presente

dos posibles resultados: (i) dejar de fumar y (ii) sustituir el formato de con-
sumo. Debido a que nuestra hipótesis se refiere específicamente al mensaje
disuasorio de corto plazo, analizamos principalmente su efecto interactivo
con el indicador del sesgo al presente (que captura el rol adicional que tiene
un mensaje de corto plazo para los individuos con un mayor nivel de sesgo al
presente) y el formato de presentación del mensaje.
La tabla 3 reporta la estimación del impacto de cada tipo de mensaje –que
puede provocar dejar de fumar o sustituir el formato, ecuación (3)– y bajo
cada uno de los distintos cuestionarios de sesgo al presente. Por un lado, los
resultados del experimento no muestran un efecto diferenciado del mensaje
de corto plazo, respecto al mensaje de largo plazo, sobre la probabilidad de
dejar de fumar de los participantes en promedio.
Por otro lado, se observa un efecto interactivo positivo del mensaje de corto
plazo y el indicador del sesgo al presente, bajo el test de Andreoni y Sprenger
(2012), en los participantes con nivel de sesgo al presente intermedio (rango
2); por el cual, en estos participantes, la inclusión de un mensaje de corto
plazo respecto a uno de largo plazo en las cajetillas incrementa la probabilidad
de elegir dejar de consumir en 6,5 puntos porcentuales (efecto marginal). La
diferencia entre los resultados de las especificaciones puede explicarse porque, al
utilizar el cuestionario de Wang et al. (2015), se recurre a una variable dummy
que captura a todos los participantes presentando sesgo al presente en cierta
medida, mientras que el cuestionario de Andreoni y Sprenger (2012) categoriza
en rangos a los participantes según la intensidad de su sesgo.
Consideramos que el éxito de los mensajes de corto plazo en cajetillas
entre los participantes más impacientes, en el caso del modelo con el sesgo
2, se debe a la efectividad con la que el mensaje se transmite: los mensajes en
cajetillas, al ser más grandes, captan más la atención de estos participantes y
resaltan cuando se muestran en la pantalla del participante. Por ello, en un
ambiente virtual, los mensajes en «sueltos» pueden ser fácilmente obviados por
individuos impacientes. Pero este resultado puede no repetirse en un ambiente
físico, donde la atención no estaría limitada al tamaño de una imagen32.
En todo caso, encontramos evidencia de que los disuasorios de largo plazo
pueden no afectar a los jóvenes con mayor sesgo al presente, como indicó
nuestro marco conceptual.

32
En un entorno físico, el participante puede interactuar de manera menos irrestricta con el cigarrillo tra-
tado. Así, se le facilita, por ejemplo, acercar la vista al mensaje del cigarrillo para examinarlo y entenderlo
mejor.

136
 Néstor Iván Apaza Mamani y Luis Fernando Leyva Morillas

Tabla 333
Resultados de tratamiento de mensajes disuasorios

Wang et al. (2015) Andreoni y Sprenger (2012)

Elección Efectos Efectos
Coeficientes Coeficientes
marginales marginales
Dejar de fumar
Mensaje de corto plazo 0,026 0,008 -0,068 -0,13
(0,095) (0,018) (0,97) (0,019)
Mensaje de corto plazo*Sesgo 0,067 0,048 - -
(Wang et al., 2015) (0,139) (0,055)
Mensaje de corto plazo*Sesgo - - -0,16* 0,03
(rango 1) (0,18) (0,03)
Mensaje de corto plazo*Sesgo - - 0,37** 0,065**
(rango 2) (0,18) (0,033)
Mensaje de corto plazo*Sesgo - - 0,37 0,407
(rango 3) (0,21) (0,038)
Formato cajetilla 0,236 -0,088** 0,23 -0,088**
(0,16) (0,028) (0,16) (0,028)
Cambiar de formato
Mensaje de corto plazo 0,127 0,022 -0,005 0,006
(0,12) (0,021) (0,11) (0,02)
Mensaje de corto plazo*Sesgo -1,25 0,045 - -
(Wang et al., 2015) (0,15) (0,05)
Mensaje de corto plazo*Sesgo - - 0,047 0,08
(rango 1) (0,19) (0,03)
Mensaje de corto plazo*Sesgo - - 0,084 0,02
(rango 2) (0,22) (0,04)
Mensaje de corto plazo*Sesgo - - 0,31 0,02
(rango 3) (0,19) (0,03)
Formato cajetilla 1,25*** 0,215** 1,26*** 0,214***
(0,19) (0,029) (0,19) (0,028)
Observaciones 1848 1848 1848 1848
Pseudo – R2 0,13 0,13 0,14 0,14

Notas. Errores estándar corregidos por conglomerados a nivel de individuo entre paréntesis. Todas las especi-
ficaciones incluyen efectos fijos por día de sesión y variables de control descritas en la sección metodológica.
*** p<0,01, ** p<0,05, * p<0,1 (denotan significancia al nivel de 1%, 5% y 10%, respectivamente).
Fuente: sesiones experimentales Elab2UP. Elaboración propia, 2021.

Y es importante destacar que, si bien no se observan efectos diferenciados

por tipo de mensaje para el conjunto de participantes en promedio, sí se

33
Mismas precisiones que las hechas en la nota a pie de página precedente.

137
¿Pueden las advertencias sanitarias reducir el consumo de cigarrillos «sueltos»? Una aproximación experimental desde el sesgo
al presente

observan efectos diferenciados de este tratamiento dependiendo del formato

en el cual se presentan los mensajes. Los resultados (parámetro de interés en
β4) muestran que, cuando los mensajes se realizan en el formato «suelto», se
incrementa la probabilidad de dejar de fumar en aproximadamente 8,8 puntos
porcentuales con respecto a tal probabilidad cuando el mensaje disuasorio se
presenta en un formato de cajetilla.
Figura 7
Promedio de las elecciones de los consumidores, según formato

0,6

0,5

0,4

0,3

0,2
No consumir Suelto Cajetilla No consumir Suelto Cajetilla
Cajetilla Suelto

Formato

Fuente: sesiones experimentales Elab2UP. Elaboración propia, 2021.

Al respecto, en la figura 7 se observa que los mensajes disuasorios expuestos

a los participantes en el formato «sueltos» incrementan de manera considerable
la probabilidad de dejar de consumir, en un 40,96%; mientras que, cuando
los mensajes se realizan en cajetillas, esta probabilidad es de un 31,94%.

5.3   Limitaciones de la investigación

En primer lugar, los resultados de los experimentos virtuales no necesaria-

mente nos dan información precisa sobre las elecciones que se realizarían en
la realidad, pese a las precauciones tomadas por nuestro experimento para

138
 Néstor Iván Apaza Mamani y Luis Fernando Leyva Morillas

mantener cierta fiabilidad de las elecciones34. En segundo lugar, nuestra inves-

tigación no evalúa si los efectos se mantienen en el caso de que una persona
realice la decisión de «compra» más de una vez. En tercer lugar, solo medimos
intenciones, mas no preferencias reveladas35. En cuarto lugar, nuestro estudio
explora únicamente el efecto puro de los mensajes. Además, los cambios de
preferencias durante la pandemia pueden haber modificado el hábito de fumar
de los participantes en el experimento. Por último, nuestros resultados carecen
de validez externa, pues solo se aplican a los estudiantes de pregrado de la
Universidad del Pacífico que participaron en el experimento.

6. Conclusiones y recomendaciones

El presente trabajo ha explorado la efectividad de la inclusión de advertencias

sanitarias en cigarrillos «sueltos» y en cajetilla para reducir el tabaquismo,
mediante un estudio experimental que contó con la participación de 155
jóvenes estudiantes de pregrado en la Universidad del Pacífico. Nuestros resul-
tados no muestran, para el conjunto de participantes en promedio, diferencias
significativas entre los mensajes disuasorios respecto a los efectos de corto y
largo plazo sobre la probabilidad de dejar de fumar. Pero sí identifican un efecto
antitabaco adicional de los disuasorios de corto plazo sobre los participantes
con mayor nivel de sesgo al presente. Y también brindan evidencia de que el
aumento de precios podría involucrar una sustitución de cigarrillos en cajetilla
por cigarrillos «sueltos».
Nuestros hallazgos aportan a la literatura especializada existente en dos
frentes. Por un lado, complementan los resultados de Hoek et al. (2015) para
un entorno latinoamericano. Estos autores concluyen que la inclusión de
disuasorios en sticks de cigarrillos reduce el consumo en mayor medida que
un mensaje en cajetillas, y que este efecto es elevado en individuos que fuman
diariamente. Nosotros encontramos que poner los mensajes disuasorios en
cada «suelto» incrementa la probabilidad de dejar de fumar en aproximada-
mente 8,88 puntos porcentuales más que cuando son puestos en la cajetilla.

34
Las precauciones fueron limitar los rangos de las respuestas a valores económicamente razonables, realizar
un seguimiento del tiempo de cada sesión experimental, y evaluar la consistencia de las respuestas de los
participantes para mantener datos fiables.
35
Los efectos dinámicos ante la exposición física a disuasorios durante un período de tiempo han sido estu-
diados por Romer et al. (2018). Estos autores, tras la presentación física de cajetillas con mensajes en texto
o imágenes a lo largo de un mes, encontraron que la eficacia de las imágenes fue mayor y estuvo sustentada
por respuestas psicológicas negativas, en comparación con los mensajes en texto. Pero no encontramos
estudios que hayan explorado el efecto dinámico y psicológico de advertencias en «sueltos» y, en particular,
que hayan medido el efecto residual tras fumar el cigarrillo y el mensaje periódicamente, es decir, tras el
acto de «fumar el mensaje».

139
¿Pueden las advertencias sanitarias reducir el consumo de cigarrillos «sueltos»? Una aproximación experimental desde el sesgo
al presente

Adicionalmente, identificamos que, incluso cuando el mensaje está en la

cajetilla, el consumo de individuos con alto sesgo al presente es reducido por
un disuasorio de corto plazo en mayor medida que por uno de largo plazo.
Ambos hallazgos enriquecen la literatura con nueva evidencia que vincula la
eficiencia de los mensajes disuasorios al «plazo» en que se manifiesta el daño
a la salud del cual advierten. Agregamos así justificación para que futuros
estudios repliquen experimentos focalizados como el de Hoek et al. (2015),
empleando disuasorios de corto plazo.
Por otro lado, identificamos la dinámica del mercado de «sueltos» al brin-
dar evidencia de sustitución entre formatos por parte de fumadores jóvenes.
Mostramos que un aumento del precio de la cajetilla parece incentivar un
cambio hacia el consumo de «sueltos». De esta manera, justificamos (y pro-
movemos) la investigación de disuasorios que impacten el formato «sueltos»,
cuyo mercado informal no había sido estudiado hasta ahora.
En esta línea, exhortamos a que esas nuevas investigaciones utilicen
muestras con mayor heterogeneidad entre los participantes (sobre todo con
individuos de diferentes NSE, o regiones del país), que brinden mayor poten-
cia estadística e inferencias generalizables. También recomendamos utilizar
metodologías que solventen las limitaciones que un entorno virtual genera.
Consideramos, por ejemplo, que pueden obtenerse resultados más precisos
con un experimento de campo que involucre la inclusión de disuasorios en los
cigarrillos ofrecidos en una bodega durante una ventana temporal razonable.
En tal caso, se podría apreciar los efectos ante un consumo dinámico36 y físico/
presencial, en muestras generalizables (que pueden incluir a adultos) y con
variedad de marcas o presentaciones de cigarrillos. Un diseño así permitiría
estudiar, incluso desde una perspectiva psicológica, el efecto de «fumar un
mensaje» disuasorio en la probabilidad de dejar de fumar.
Esta nueva corriente de investigaciones puede contribuir al objetivo práctico
más importante de nuestro trabajo: la acumulación de evidencia suficiente para
justificar la inclusión de mensajes disuasorios efectivos como instrumento de
política pública. Los gobiernos sufren la carga fiscal que generan los problemas
de salud producidos por el tabaquismo. En el caso peruano, como ya mencio-
namos, se estima una pérdida anual al erario nacional de aproximadamente S/
2500 millones (Bardach et al., 2016). Nuestros resultados parecen validar la
aplicación de una nueva medida de política: los mensajes disuasorios de corto

36
Es decir, ante una «familiarización» o «adaptación» debido a la exposición constante y repetida al expe-
rimento y sus tratamientos.

140
 Néstor Iván Apaza Mamani y Luis Fernando Leyva Morillas

plazo en los sticks de cigarrillos, ya que estos reducirían en mayor medida el

consumo de tabaco –cuando menos en un subgrupo de jóvenes con alto sesgo
al presente– y, por ende, los costos sociales derivados del tabaquismo. Esperamos
que esta nueva corriente de investigaciones continúe hasta identificar una com-
binación de instrumentos eficientes que, desde una aproximación experimental
y conductual (behavioral), complementen las políticas tributarias y fiscalizadoras
actuales. Tenemos la esperanza de que estos nuevos instrumentos sean los que
guíen a la sociedad hacia una mayor reducción del tabaquismo, necesaria para
garantizar un mejor nivel de vida a las generaciones venideras.
Referencias
Alkhatib, M., Holt, R., & Bedi, R. (2005). Smoking and tooth discolouration: Findings
from a national cross-sectional study. BMC Public Health, 5(27). doi:10.1186/1471-
2458-5-27
Andreoni, J., & Sprenger, C. (2012). Risk preferences are not time preferences. American
Economic Review, 102(7), 3357-3376. doi:10.1257/aer.102.7.3357
Angrist, J., & Pischke, J.-S. (2009). Mostly harmless econometrics: An empiricist’s companion.
Princeton University Press. doi:10.2307/j.ctvcm4j72
Bardach, A., Caporale, J., Alcaraz, A., Augustovski, F., Huayanay-Falconí, L., Loza-
Munarriz, C., … Pichón-Riviere, A. (2016). Carga de enfermedad por taba-
quismo e impacto potencial del incremento de precios de cigarrillos en el Perú.
Revista Peruana de Medicina Experimental y Salud Pública, 33(4). doi:10.17843/
rpmesp.2016.334.2548
Baumeister, R. (2017). Addiction, cigarette smoking, and voluntary control of action:
Do cigarette smokers lose their free will? Addictive Behaviors Reports, 5, 67-84.
doi:10.1016/j.abrep.2017.01.003
Bazzini, C., Rossetti, V., Civello, D., Sassone, F., Vezzoli, V., Persani, L., … Garavaglia, M.
L. (2013). Short and long term effects of cigarette smoke exposure on glutathione
homeostasis in human bronchial epithelial cells. Cellular Physiology and Biochemistry,
32(7), 129-145. doi:10.1159/000356633
Bellemare, C., Bissonnette, L., & Kroger, S. (2014). Statistical power of within and
between-subjects designs in economic experiments. IZA Discussion Papers 8583.
https://www.econstor.eu/bitstream/10419/104704/1/dp8583.pdf
Ben Lakhdar, C., Deplancke, A., Le Fec, F., Massin, S., Piermatteo, A., & Vaillant, N.
(2020). Protocol for creating new warnings on cigarette packs and evaluating their
efficacy in a randomised experimental setting. BMJ Open, 10(6). doi:10.1136/
bmjopen-2019-036166
Beverland, I., Cohen, G., Heal, M., Carder, M., Yap, C., Robertson, C., … Agius, R.
(2012). A comparison of short-term and long-term air pollution exposure associa-
tions with mortality in two cohorts in Scotland. Environmental Health Perspectives,
120(9), 1280-1285. doi:10.1289/ehp.1104509

141
¿Pueden las advertencias sanitarias reducir el consumo de cigarrillos «sueltos»? Una aproximación experimental desde el sesgo
al presente

Brown, J., Zhu, M., Moran, M., Hoe, C., Frejas, F., & Cohen, J. (2021). «It has candy.
You need to press on it»: Young adults’ perceptions of flavoured cigarettes in the
Philippines. Tobbaco Control, 30(3), 293-298. http://dx.doi.org/10.1136/tobacco
control-2019-055524
Cameron, C., & Trivedi, P. (2005). Microeconometrics: Methods and applications. Cambridge
University Press. eBook ISBN-10-0-511-1258I-X
CDC. (2014). Las consecuencias del tabaquismo en la salud: 50 años de progreso. Informe
de la Dirección General de Servicios de Salud de los EE. UU. https://stacks.cdc.
gov/view/cdc/77896
Charness, G. (2012). Experimental methods: Between-subject and within-subject
design. Journal of Economic Behavior & Organization, 81(1), 1-8. doi:10.1016/j.
jebo.2011.08.009
Colat. (2014). Perú: Tributación sobre productos del tabaco. Panorama general y propuesta
de reforma. Comisión Nacional Permanente de Lucha Antitabárquica. https://
docplayer.es/51610254
De los Ríos, C. (2019). Acelerando la fiscalidad efectiva al tabaco en Perú: hacia una política
sostenible. Serie Documentos de Base del Proyecto «Impuestos al Tabaco en América
Latina». Estudio País N.º 4/2019. Instituto de Estudios Peruanos. https://tobacco
nomics.org/uploads/misc/2019/10/EP4_IEP_2019.pdf
Drovandi, A., Teague, P.-A., Glass, B., & Malu-Aduli, B. (2019). Australian university
student perceptions of health messages on cigarette sticks. Health Communication,
35(4), 456-464. doi:10.1080/10410236.2019.1567442
Fakir, A., Karim, A., Billah Mubde, M., Aziz, M., & Ahmad, A. (2020). Can visual nudges
reduce smoking tobacco expenditure? Evidence from a clustered randomized
controlled trial in rural Bangladesh. Journal of Smoking Cessation, 15(3), 163-170.
doi:10.1017/jsc.2020
Gallopel-Morvan, K., Droulers, O., & Pantin-Sohier. (2019). Dissuasive cigarettes: Which
cues are the most effective at deterring young people from smoking? Public Health,
174, 22-30. doi:10.1016/j.puhe.2019.05.034
González-Rosada, M., & Ramos-Carbajales, A. (2016). Implications of raising cigarette
excise taxes in Peru. Revista Panamericana de Salud Pública, 40(4), 250-255. https://
iris.paho.org/handle/10665.2/31307
Greenhalgh, E., Stillman, S., & Ford, C. (2016). Theories about smoking and quitting.
En M. Scollo & M. Winstanley (Eds.). Tobacco in Australia: Facts and issues (cap.
7: «Smoking cessation». Cancer Council Victoria. https://www.tobaccoinaustralia.
org.au/chapter-7-cessation/7-13-methods-services-and-products-for-quitting-co
Hoek, J., Gendall, P., Eckert, C., & Louviere, J. (2015). Dissuasive cigarette sticks: The
next step in standardised («plain») packaging? Tobacco Control, 25(6), 699-705.
https://www.jstor.org/stable/44653256
Irvine, I., & Nguyen, H. (2021). Shock and awe or incentive-compatible harm reduction?
Graphic health warnings on tobacco packages. Harm Reduction Journal, 18(43).
doi:10.1186/s12954-021-00487-3

142
 Néstor Iván Apaza Mamani y Luis Fernando Leyva Morillas

Karadoğan, D., Onal, O., & Kanbay, Y. (2018). Prevalence and determinants of smoking
status among university students: Artvin Coruh University sample. PLoS ONE,
13(12). e0200671. doi:10.1371/journal.pone.0200671
Linetzky, B., Mejía, R., Ferrante, D., De Maio, F., & Diez Roux, A. (2012). Socioeco-
nomic status and tobacco consumption among adolescents: A multilevel analysis
of Argentina’s Global Youth Tobacco Survey. Nicotine & Tobacco Research, 14(9),
1092-1099. doi:10.1093/ntr/nts004
Lorant, V., Soto Rojas, V., Robert, P.-O., Kinnumen, J., Kuipers, M., Moor, I., … Kunst,
A. (2017). Social network and inequalities in smoking amongst school-aged ado-
lescents in six European countries. International Journal of Public Health, 62(1),
53-62. doi:10.1007/s00038-016-0830-z
Lund, I., & Scheffels, J. (2018). Adolescent perceptions of dissuasive sticks: A web survey
among 16-20 year olds in Norway. BMC Public Health, 18, 974. doi:10.1186/
s12889-018-5847-1
Mallma, P., Carcamo, C., & Kaufman, J. (2020). The impact of anti-tobacco legislation
on birth weight in Peru. Global Health Research and Policy, 5(11). doi:10.1186/
s41256-020-00136-5
Mbatchou, B., Atangana, H., & Kuaban, C. (2015). Prevalence and determinants of
cigarette smoking among college students: A cross sectional study in Douala,
Cameroon. Archives of Public Health, 73(47). doi:10.1186/s13690-015-0100-1
Moodie, C., Gendall, P., Hoek , J., MacKintosh, A. M., Best, C., & Murray, S. (2019).
The response of young adult smokers and nonsmokers in the United Kingdom to
dissuasive cigarettes: An online survey. Nicotine & Tobacco Research, 21(2), 227-
233. doi:10.1093/ntr/ntx261
Moodie, C., O’Donnell, R., Fleming, J., Purves, R., McKell, J., & Dobbie, F. (2020).
Extending health messaging to the consumption experience: A focus group study
exploring smokers’ perceptions of health warnings on cigarettes. Addiction Research
& Theory, 28(4), 328-334. doi:10.1080/16066359.2019.1653861
Novoa-Gómez, M. M., Barreto, I., & Silva, L. M. (2012). Cigarette smoking and cultu-
ral practices in university contexts. Revista Latinoamericana de Psicología, 44(1),
97-110. ISSN 0120-0534.
O’Loughlin, J., Karp, I., Koulis, T., Paradis, G., & DiFranza, J. (2009). Determinants of
first puff and daily cigarette smoking in adolescents. American Journal of Epidemio-
logy, 170(5), 585-597. doi:10.1093/aje/kwp179
OMS. (2008). Informe OMS sobre la epidemia mundial de tabaquismo, 2008: plan de
medidas MPOWER. Organización Mundial de la Salud. https://apps.who.int/iris/
handle/10665/43897
OPS. (2012). Encuesta mundial de tabaquismo en adultos. Informe Argentina. Organiza-
ción Panamericana de la Salud. https://www.paho.org/hq/dmdocuments/2013/
EMTA-informe-final.pdf

143
¿Pueden las advertencias sanitarias reducir el consumo de cigarrillos «sueltos»? Una aproximación experimental desde el sesgo
al presente

OPS. (2016). Informe sobre el control del tabaco en la región de las Américas. A 10 años del Con-
venio Marco de la Organización Mundial de la Salud para el Control del Tabaco. Orga-
nización Panamericana de la Salud. https://iris.paho.org/handle/10665.2/28380
Paraje, G., & Araya, D. (2017). Estudio sobre hábitos de consumo de cigarrillos en el Gran
Santiago. Escuela de Negocios – Universidad Adolfo Ibáñez. http://www.chilelibrede
tabaco.cl/wp-content/uploads/2017/12/Informe-Final-Consumo-de-Cigarrillos.pdf
Romer, D., Ferguson, S., Strasser, A., Evans, A., Tompkins, M. K., Macisco, J., … Ellen,
P. (2018). Effects of pictorial warning labels for cigarettes and quit-efficacy on
emotional responses, smoking satisfaction, and cigarette consumption. Annals of
Behavioral Medicine, 52(1), 53-64. doi:10.1007/s12160-017-9916-y
Seinfeld, J., & Galarza, F. (2014). Understanding underage drinking in Peru: Determinants
of its frequency and intensity. Economía, 37(73), 47-74. https://revistas.pucp.edu.
pe/index.php/economia/article/view/10084
Shaw, M., Mitchell, R., & Dorling, D. (2000). Time for a smoke? One cigarette reduces
your life by 11 minutes. BMJ Public Health, 320(7226), 53. PMID: 10617536.
Suranovic, S., Goldfarb, R., & Leonard, T. (1999). An economic theory of cigarette addic-
tion. Journal of Health Economics, 18(1), 1-29. doi:10.1016/s0167-6296(98)00037-x
Valdivia, M. (2020). ¿Debemos sostener el aumento de los impuestos a los cigarrillos? Aportes
de nueva evidencia en Perú. Grupo de Análisis para el Desarrollo. http://grade.org.
pe/proactt/
Wang, M., Rieger, M. O., & Hens, T. (2015). How time preferences differ: Evidence
from 53 countries. Journal of Economic Psychology, 52(C), 115-135. doi:10.1016/j.
joep.2015.12.001
West, R. (2017). Tobacco smoking: Health impact, prevalence, correlates and interventions.
Psychology & Health, 32(8), 1018-1036. doi:10.1080/08870446.2017.1325890

144
 Néstor Iván Apaza Mamani y Luis Fernando Leyva Morillas

Anexo 1
Detalle de los controles incluidos

Factores de riesgo
Nivel de estrés Escala Likert: 0 = «Muy bajo o bajo», 1 = «Alto o muy alto».
Escala Likert: 0 = «Ninguno fuma», 1 = «Algunos fuman», 2 =
Entorno social
«La mayoría/todos fuman.
Variable dummy: Consumo regularmente (al menos 1 vez cada
Preferencia por alcohol
14 días) = 1; No consumo = 0.

Características del participante

Mujer Variable dummy. Mujer = 1; Hombre = 0.
Estado de salud Escala Likert: 0 = «Muy malo o malo», 1 = «Bueno o muy bueno».

Características del experimento

Variable normalizada para la muestra del número de respuestas de
Entendimiento
entendimiento correctas.
Tiempo Variable normalizada del tiempo del participante en el experimento.

Nota. Se codificaron en categorías las respuestas de los participantes.

Elaboración propia, 2021.

145
¿Pueden las advertencias sanitarias reducir el consumo de cigarrillos «sueltos»? Una aproximación experimental desde el sesgo
al presente

Anexo 2
Descripción de los instrumentos del sesgo al presente

Breve descripción del modelo intertemporal con descuento cuasi

hiperbólico
T
UT (x1, …, xT) = x1 + β� δt‒1xt
t=2

Donde β mide el grado de sesgo hacia el presente. Si el β es menor de 1,

el sesgo existe y su grado es inversamente proporcional a este factor.
Primer cuestionario37
El participante tendrá que elegir los valores que lo hagan indiferente entre
dos alternativas:
1. Por favor, considere A y B
Descripción
A Recibir S/ 100 hoy.
B Recibir S/ X el próximo año.

X tiene que ser como mínimo S/___ para que me dé igual.

2. Por favor, considere A y B

Descripción
A Recibir S/ 100 hoy.
B Recibir S/ X en 10 años.

X tiene que ser como mínimo S/___ para que me dé igual.

Fuente: Wang et al. (2015). Elaboración propia, 2021.

37
Se demuestra mayor presencia de sesgo al presente en un individuo si β = δF100
1año
es alto. δ = FF10años
1año
y F10años,
F1año son variables obtenidas por el cuestionario.

146
 Néstor Iván Apaza Mamani y Luis Fernando Leyva Morillas

Breve descripción del modelo intertemporal con descuento cuasi

hiperbólico ajustado por riesgo

p2
θ = (1 + r) *
p1

La elección intertemporal entre dos decisiones depende no solo de la tasa de des-

cuento, sino también del riesgo relativo entre las opciones (en este caso, p1 y p2).
En la notación, θ representa la tasa de descuento bruta ajustada al riesgo relativo.
Segundo cuestionario38
Para esta parte, considere que tiene una dotación de 100 soles por cada fila
y que la fecha actual, marcada con un círculo rojo en el calendario de la
izquierda, es el 7 de enero.
Existen dos opciones de inversión (inversión A e inversión B), cada una con
fecha y probabilidad de retorno distinta. Con base en lo anterior, usted deberá
completar cada fila con el monto que asignaría a la inversión A. Recuerde que
cada fila completa 100 soles: B = 100-A.

En cada fila distribuir 100 soles entre:

Enero Inversión A (1 semana desde hoy) y Inversión B (4 semanas desde hoy)
Lu Ma Mi Ju Vi Sa Do
1 2 3 Fecha A: 14 de enero, 2021 Fecha B: 4 de febrero, 2021
4 5 6 7 8 9 10 Probabilidad de retorno: 40% Probabilidad de retorno: 50%
11 12 13 14 15 16 17 A: B:
18 19 20 21 22 23 24 N.º Soles N.º Soles
Retorno x S/ Retorno x S/
25 26 27 28 29 30 31
1 ---Soles S/ 0,20 1 ---Soles S/ 0,20
Febrero 2 ---Soles S/ 0,19 2 ---Soles S/ 0,20
Lu Ma Mi Ju Vi Sa Do
3 ---Soles S/ 0,18 3 ---Soles S/ 0,20
1 2 3 4 5 6 7
8 9 10 11 12 13 14 4 ---Soles S/ 0,17 4 ---Soles S/ 0,20
15 16 17 18 19 20 21 5 ---Soles S/ 0,16 5 ---Soles S/ 0,20
22 23 24 25 26 27 28
6 ---Soles S/ 0,15 6 ---Soles S/ 0,20

Realice el mismo ejercicio en la siguiente figura. Nótese que el plazo de la

inversión B ha cambiado (en el cuestionario anterior es un plazo de 28 días
y en el siguiente, de 56 días).

38
El nivel del sesgo al presente se mide a través del cálculo de los pagos de los individuos ajustados por la
tasa de descuento implícita del instrumento.

147
¿Pueden las advertencias sanitarias reducir el consumo de cigarrillos «sueltos»? Una aproximación experimental desde el sesgo
al presente

Enero En cada fila distribuir 100 soles entre:

Lu Ma Mi Ju Vi Sa Do Inversión A (1 semana desde hoy) y Inversión B (8 semanas desde hoy)
1 2 3
4 5 6 7 8 9 10 Fecha A: 14 de enero, 2021 Fecha B: 4 de marzo, 2021
11 12 13 14 15 16 17 Probabilidad de retorno: 40% Probabilidad de retorno: 50%
18 19 20 21 22 23 24 A: B:
25 26 27 28 29 30 31 N.º Soles N.º Soles
Retorno x S/ Retorno x S/
1 ---Soles S/ 0,20 1 ---Soles S/ 0,20
Marzo
Lu Ma Mi Ju Vi Sa Do 2 ---Soles S/ 0,19 2 ---Soles S/ 0,20
1 2 3 4 5 6 7
3 ---Soles S/ 0,18 3 ---Soles S/ 0,20
8 9 10 11 12 13 14
15 16 17 18 19 20 21 4 ---Soles S/ 0,17 4 ---Soles S/ 0,20
22 23 24 25 26 27 28 5 ---Soles S/ 0,16 5 ---Soles S/ 0,20
29 30 31
6 ---Soles S/ 0,15 6 ---Soles S/ 0,20

Asegúrese de que cada columna complete 100 tokens: A+B tokens =100
Fuente: Andreoni y Sprenger (2012). Elaboración propia, 2021.

148
 Néstor Iván Apaza Mamani y Luis Fernando Leyva Morillas

Anexo 3
Descripción gráfica de la fuente de información

Promedio del número de rondas con cese de consumo, según tratamiento

(porcentaje)

100%
19% 20%
26% 27%
80%
13% 13%
16% 14%
60% 14% 10%
11%
15%
40%

55% 57%
43% 48%
20%

0%
Corto plazo – Corto plazo – Largo plazo – Largo plazo –
suelto cajetilla suelto cajetilla
0 1 2 3

Fuente: sesiones experimentales Elab2UP. Elaboración propia, 2021.

149
¿Pueden las advertencias sanitarias reducir el consumo de cigarrillos «sueltos»? Una aproximación experimental desde el sesgo
al presente

Distribución de los pagos a la fecha más cercana, según cuestionario

(soles asociados al pago A)

100

90
Promedio de la elección inicial (S/)

80

70

60

50

40

30

20

10

0
0,8 0,9 1 1,1
Tasa de interés ajustada por riesgo = (1+r)*(p2/p1)
28 días 56 días +/- 1,96 S.E.

Fuente: sesiones experimentales Elab2UP. Elaboración propia, 2021.

150
Determinantes del tipo de cambio en un modelo
de equilibrio general: una estimación para la
economía peruana1

Violeta Cortéz Dios

Danilo Gallardo Morveli

1. Introducción

La paridad descubierta de tasas de interés (UIP por sus siglas en inglés) reconoce
que la igualación de los retornos de activos en dos países, cuando expresados
en la misma moneda (paridad cubierta), puede no ocurrir ante una movilidad
internacional de capitales imperfecta; y, por ello, postula que el diferencial
de tasas de interés en dos países refleja la variación del tipo de cambio entre
sus monedas. De la UIP se desprende que debería ocurrir una depreciación
nominal de la moneda local cuando la tasa de interés local es mayor que la
extranjera. Sin embargo, varios estudios empíricos muestran que, al menos
en el corto plazo, la relación entre la depreciación nominal y el diferencial
de tasas es estadísticamente no significativa o negativa. A este último caso,
de países con altas tasas de interés cuyas monedas están apreciándose, se lo
denomina el rompecabezas (puzzle) de la UIP y es un hecho frecuente cuya
existencia está demostrada empíricamente y ha sido explicada por estudios
como los de Froot y Thaler (1990), Lewis (1994), Chinn y Meredith (2005),
Ismailov y Rossi (2018), Lothian y Wu (2011), Guender (2014), Bacchetta
y Van Wincoop (2006) o Mylonidis y Semertzidou (2010).

1
Este ensayo es una versión resumida y editada del Trabajo de Investigación Económica que, con el mismo
título, fue concluido y aprobado en noviembre de 2021. Los autores agradecen al profesor Marco Ortiz por
su valiosa asesoría durante el desarrollo de este trabajo.

151
Determinantes del tipo de cambio en un modelo de equilibrio general: una estimación para la economía peruana

Ello representa una situación problemática para los hacedores de política,

pues la UIP postula una relación clave para predecir el comportamiento de una
variable tan importante como es el tipo de cambio. Ensayar una predicción
alternativa es todo un reto, debido a la complejidad de modelar la dinámica
del tipo de cambio, ilustrada en trabajos como el de Meese y Rogoff (1983),
quienes encuentran que un paseo aleatorio predice mejor la dinámica del tipo
de cambio (dólar-libra y dólar-yen) en el corto plazo que una serie de modelos
estructurales; o el de Lyons (2001), quien encuentra que las principales varia-
bles macroeconómicas tienen un débil poder explicativo de la determinación
del tipo de cambio. El problema surge porque, al trabajar con modelos que
asumen el cumplimiento de la UIP, cualquier recomendación provendrá de
un marco teórico empíricamente débil. Esto se traduce en recomendaciones
potencialmente erradas que pueden conllevar que la política monetaria pierda
la capacidad de continuar cumpliendo con su rol estabilizador de la economía.
En vista de que los modelos dinámicos estocásticos de equilibrio general
(DSGE por sus siglas en inglés) son una herramienta muy utilizada por las
autoridades monetarias tanto de economías desarrolladas como emergentes,
muchos investigadores los utilizan como marco de referencia para proponer
nuevas especificaciones que les permitan replicar de mejor manera lo obser-
vado en la realidad. Entre las principales bondades de los modelos DSGE se
encuentran la robustez a la crítica de Lucas y el modelamiento explícito de
los mecanismos de transmisión, lo que hace posible la evaluación de reglas de
política en cuanto a su efecto sobre el bienestar y la realización de pronósticos
condicionales o, incluso, a veces reales (Blanchard, 2008).
En ese sentido, para nuestra investigación nos inspiramos en especifica-
ciones de otros autores dando cuenta de desvíos de la UIP, con el propósito
de introducirlas en un modelo neokeynesiano para una economía pequeña y
abierta con rigideces de precios a lo Calvo, basándonos en lo desarrollado por
Gali y Monacelli (2005). Y seleccionamos tres versiones de UIP modificada
para poder determinar bajo cuál de estas se logra un ajuste con los datos de
la economía peruana, mejor que bajo la UIP estándar, durante el período
2002-2019. Las tres versiones analizadas de UIP modificada son: (i) una
que incluye una prima por riesgo al adquirir activos foráneos, desarrollada
por Christiano, Trabandt y Walentin (2011); (ii) una en la que la prima por
riesgo es determinada de manera endógena dependiendo de la exposición
cambiaria de unos intermediarios financieros, cuya composición de portafo-
lio viene dada por las órdenes de compra de activos locales y foráneos de los
agentes, desarrollada por Montoro y Ortiz (2021); y (iii) la UIP del modelo

152
 Violeta Cortéz Dios y Danilo Gallardo Morveli

de proyección trimestral (MPT) del BCRP, en la que se rompe el supuesto de

que todos los agentes tienen expectativas racionales sobre el comportamiento
del tipo de cambio, para permitir que una fracción fija de los agentes tenga
una perspectiva «backward looking»2 sobre el comportamiento esperado del
tipo de cambio, desarrollada en Winkelried (2013). Por lo cual, la hipótesis
de la presente investigación es que, cuando se utilicen las UIP modificadas,
el modelo logrará adaptarse al comportamiento del tipo de cambio en la
economía peruana mejor que la versión estándar.
Respecto a la metodología, para estimar los cuatro modelos (uno con la
UIP estándar y tres con UIP modificadas) empleamos técnicas bayesianas por
dos motivos principales: porque la inferencia partiendo de probabilidades
previas (priors) posibilita incluir información adicional que complementa
los datos; y porque la econometría bayesiana cuenta con una estrategia muy
sólida y bien definida para realizar una comparación entre modelos, lo cual
es el propósito de nuestro trabajo.
Nuestra investigación apunta a generar valor agregado en la literatura
sobre el modelamiento del tipo de cambio, al brindar un respaldo empírico a
las especificaciones explicativas de desviaciones de la UIP estándar. También
busca explicar bajo qué versión de UIP el modelo propuesto explica mejor el
comportamiento del tipo de cambio en el Perú, a fin de ofrecer un marco de
referencia sobre la versión que debería ser empleada en modelos para la toma
y evaluación de decisiones de política.

2. Revisión de la literatura especializada

2.1   Literatura sobre la UIP estándar

Lothian y Wu (2011) construyen una serie de tiempo anual para el tipo de

cambio dólar americano – libra esterlina desde 1791 hasta 1999, y para el
de franco francés – libra esterlina entre 1802 y 1999, así como para las tasas
de interés de corto plazo de Inglaterra entre 1800 y 1999. Utilizando esta
información, evalúan la validez de la UIP y encuentran en sus estimaciones
una relación positiva entre la depreciación nominal y el diferencial de tasas de
interés a lo largo del período analizado, excepto durante la década de 1980.
El estudio de Chinn y Meredith (2005) demuestra que, para el corto plazo,
el diferencial de tasas de interés de bonos del gobierno no predice los movi-
mientos del tipo de cambio respecto al dólar americano, utilizando para ello el

2
Asumen que el tipo de cambio del próximo período será el mismo que en el período anterior.

153
Determinantes del tipo de cambio en un modelo de equilibrio general: una estimación para la economía peruana

rendimiento de los bonos de Alemania, Japón, Reino Unido, Italia y Canadá.

A fin de contrastar empíricamente lo propuesto, el estudio define la UIP en
función de los diferenciales esperados de tasas de interés, en tanto considera
que el inversionista toma en cuenta la estructura de las tasas por plazos. Dado
que la depreciación esperada no es observada directamente, asumen que los
agentes no se equivocan al formar las expectativas sobre el tipo de cambio.
Los resultados reflejan que la UIP estándar no es útil en el corto plazo, ya que,
al estimar la ecuación, los coeficientes estimados tienen el signo incorrecto,
son negativos y diferentes de la unidad, además de registrar un ajustado bajo.
Asimismo, al evaluar esta misma ecuación en un plazo de cinco años, se halló
un coeficiente asociado a la depreciación esperada significativo que no difiere
de la unidad, lo cual indica que la UIP permite el equilibrio de mediano o
largo plazo en el mercado de capitales.
Mylonidis y Semertzidou (2010) ponen a prueba la UIP estándar estimán-
dola cuatro veces mediante el método de los momentos generalizado (MMG)
con datos mensuales de los tipos de cambio nominales del dólar canadiense, el
dólar australiano, la libra inglesa y el yen japonés respecto al dólar americano
entre 1980 y 2008. Encuentran que en ninguno de los cuatro casos se cumple
la hipótesis de la UIP, pues la relación entre el diferencial de tasas y la depre-
ciación nominal es negativa al utilizar los datos japoneses, y estadísticamente
no significativa para los casos de las monedas de Canadá, Australia y Reino
Unido. Apoyados en sus hallazgos, los autores concluyen que la ecuación de
la UIP no tiene validez empírica, pero que esto no implica necesariamente
la existencia del puzzle de la UIP (apreciaciones nominales cuando las tasas
domésticas son altas), ya que existen casos en los que simplemente no existe
una relación entre el tipo de cambio y el retorno de los activos.

2.2   Literatura sobre modificaciones a la UIP

Para el caso de Sudáfrica, Steinbach, Mathuloe y Smit (2009) desarrollan un

modelo en el que existe un término estocástico que representa el diferencial
entre la tasa de política que controla el banco central y el retorno de los
bonos, tanto en el país doméstico como en el foráneo. Este término puede
ser entendido como un choque positivo de la prima por riesgo a la tenencia
de activos y, a su vez, como un choque negativo de demanda. La presencia de
estos componentes genera que, al derivar la UIP, esta incluya una prima por
riesgo estocástica que será igual a la diferencia entre el shock de demanda local
y el extranjero. Posteriormente, Alpanda, Kotzé y Woglom (2010) parten del
mismo modelo, pero ya no consideran que la prima por riesgo de los activos

154
 Violeta Cortéz Dios y Danilo Gallardo Morveli

domésticos respecto a los foráneos es la diferencia de choques de demanda,

sino que es una función de la posición de activos netos externos del país y de
un componente exógeno. Una ventaja de esta variación es que, en el momento
de realizar la estimación utilizando métodos bayesianos, permite emplear la
depreciación del tipo de cambio como una variable observable, lo que evita
que el modelo resultante se comporte como uno de economía cerrada en el
que se otorga un rol muy pequeño a las desviaciones de la UIP como fuentes
de generación de ciclos.
Por otro lado, Christiano et al. (2011) desarrollan un modelo en el que
los hogares pueden ahorrar en bonos del país doméstico y del país foráneo,
pero la tasa de interés que pagan estos últimos es corregida por un factor de
riesgo relativo. Esta modificación al modelo neokeynesiano estándar genera
que, al obtener la UIP, la depreciación del tipo de cambio esté multiplicada
por el factor de riesgo del país. Este último evoluciona según el nivel de los
activos externos netos (a fin de asegurar la estacionariedad del modelo al hacer
que el estado estacionario sea independiente de las condiciones iniciales), y
depende de la diferencia entre las tasas de interés y de un choque que puede
ser interpretado como un incremento inesperado de la prima por riesgo país.
Bajo la UIP estándar, cuando hay una caída de la tasa de interés de los bonos
domésticos relativa a la de los bonos extranjeros, se generaría una apreciación
nominal esperada porque los inversionistas deciden vender sus activos locales
para adquirir los extranjeros. Sin embargo, los datos para Suecia utilizados
por dichos autores muestran que una política monetaria expansiva (caída de
la tasa de interés doméstica) ocasiona inicialmente una depreciación nominal
esperada. La intuición detrás es que, cuando la tasa de interés baja, se reduce el
riesgo de la economía y eso conlleva que los inversionistas decidan conservar sus
bonos locales e, incluso, adquirir más de estos, lo que se traduce en una caída
del tipo de cambio. Al hacer que el factor de riesgo dependa de la diferencia
entre las tasas de interés, se logra capturar este fenómeno.
Montoro y Ortiz (2021) desarrollan un modelo en el que los hogares solo
pueden adquirir de manera directa bonos domésticos. En consecuencia, para
obtener el portafolio deseado, deben recurrir a intermediarios financieros que
les vendan bonos extranjeros. Estos intermediarios (dealers), que emplean sus
propios recursos para absorber las posiciones de portafolio de las familias de las
dos economías, maximizan el retorno real de su portafolio, y la posición abierta
que cada uno de estos absorberá es endógena, pues será derivada a partir de la
demanda por bonos domésticos de los hogares, de la demanda de los hogares
foráneos, y de la intervención cambiaria del banco central (que este modelo

155
Determinantes del tipo de cambio en un modelo de equilibrio general: una estimación para la economía peruana

toma en cuenta). Dado que los dealers pondrán un precio para cada posición
que absorban y que el intercambio entre todos los agentes ocurre de manera
simultánea, la ecuación óptima del portafolio puede utilizarse para determinar
el tipo de cambio al que los dealers reflejarán la posición del resto de los agen-
tes. Entonces, la UIP obtenida a partir de la agregación de los intermediarios
financieros incluye una prima por riesgo que depende de su coeficiente de
aversión al riesgo, de la varianza condicional de la depreciación del tipo de
cambio y de la posición abierta absorbida por el conjunto de todos los dealers.
En el MPT del BCRP, descrito en Winkelried (2013), se asume que
existe una proporción fija de agentes que tienen un enfoque ingenuo en su
perspectiva sobre el tipo de cambio esperado, pues esperan que su valor en el
próximo período sea igual al valor del período anterior más un error (paseo
aleatorio). Esto genera que el tipo de cambio esperado de la economía se
establezca como el promedio ponderado entre el pronóstico de los agentes
que sí tienen expectativas racionales en el comportamiento de esta variable y
el de los agentes ingenuos. El motivo por el cual se realiza esta modificación
es que se busca aislar al tipo de cambio de los efectos de las fluctuaciones en
el entorno económico y, de esta forma, reducir su volatilidad, por lo que se
está logrando el efecto real de la intervención cambiaria del banco central sin
necesidad de modelarla explícitamente. Así, en la UIP obtenida, la depreciación
nominal esperada termina dependiendo no solo del diferencial de tasas, sino
también de la depreciación del presente período.

3. Marco analítico y metodología

3.1   Marco analítico

Para determinar bajo qué tipo de UIP se han comportado los datos de la
economía peruana entre 2002 y 2019, nos basamos en la versión del modelo
neokeynesiano para una economía pequeña y abierta, propuesta por Galí y
Monacelli (2005), a la cual le realizamos modificaciones que sustituyen la
UIP estándar por las trabajadas por Christiano et. al. (2011), por Montoro y
Ortiz (2021) y por Winkelried (2013). En la figura 1, se observa la estructura
del modelo empleado.

156
 Violeta Cortéz Dios y Danilo Gallardo Morveli

Figura 1
Estructura general de los modelos

Banco central

TASA DE INTERÉS Firmas

TRABAJO

CAPITAL Bs.

INSUMOS
Hogares
BIENES FINALES
Bs. Finales

IMPORTACIONES
BONOS EXPORTACIONES
BONOS
Sector externo

Sector financiero local

Elaboración propia.

Los hogares ofrecen su trabajo y alquilan su capital a las firmas de bienes

intermedios, las cuales, haciendo uso de estos factores, producen insumos que
luego venden a las firmas de bienes finales al costo marginal, pues se asume que
este mercado es de competencia perfecta. Los productores finales transforman
los insumos en bienes finales diferenciados que pueden ser utilizados tanto
para consumo como para inversión. La diferenciación genera que este mercado
tenga una estructura de competencia monopolística, donde cada productor fija
el precio de sus bienes finales, pero con la restricción de que en cada período
solo una proporción aleatoria 1 ‒ θ de estos productores puede fijar un nuevo
precio, como es descrito en Calvo (1983). Estos bienes finales son vendidos
tanto a los hogares locales como a los foráneos mediante exportaciones. Tam-
bién existen importadores que venden bienes producidos foráneamente a los
hogares domésticos, pero, al igual que los productores nacionales, enfrentan

157
Determinantes del tipo de cambio en un modelo de equilibrio general: una estimación para la economía peruana

rigideces de precios. Las familias tienen acceso al mercado financiero local y

al extranjero, aunque en el caso del modelo con la UIP de Montoro y Ortiz
(2021), los bonos extranjeros solo pueden ser adquiridos de manera indirecta
a través de los FX dealers. Finalmente, el banco central puede influenciar las
decisiones de los hogares mediante su política monetaria, para lo cual cuenta
como instrumento a la tasa de interés que pagan los bonos domésticos.
3.1.1 El modelo base

El modelo cuenta con cinco agentes que son los hogares, las firmas productoras
de bienes intermedios, las firmas productoras de bienes finales, los importa-
dores y el banco central.
Los hogares
La economía se encuentra habitada por un hogar representativo que maximiza
la siguiente función de utilidad intertemporal:
∞
E0 � θt+1U(Ct, Nt)
t=0

donde Nt es el trabajo y Ct es el índice de consumo, el cual está compuesto por

el consumo de bienes domésticos CH,t y el consumo de bienes foráneos CM,t y
toma la siguiente forma:
τ‒1 τ‒1 τ‒1
1 1 τ
Ct = �η τ CH,tτ + (1 ‒ η) τ CM,tτ �

Asimismo, los hogares pueden invertir en bienes domésticos ZH,t y bienes

foráneos ZM,t, por lo que la inversión Zt viene dada por:
τ‒1 τ‒1 τ‒1
1 1 τ
Zt = �η τ ZH,tτ + (1 ‒ η) τ ZM,tτ �

Del problema de minimización de gasto resulta que las demandas óptimas

vienen dadas por:

PH,t ‒τ
CH,t = η� � Ct
Pt

PH,t ‒τ
CM,t = (1 ‒ η)� � Ct
Pt

158
 Violeta Cortéz Dios y Danilo Gallardo Morveli

PH,t ‒τ
ZH,t = η� � Zt
Pt

PH,t ‒τ
ZM,t = (1 ‒ η)� � Zt
Pt

A partir de estas demandas, se puede demostrar que el IPC tiene la

siguiente forma:
1
1‒τ 1‒τ 1‒τ
Pt = ⌊ηPH,t + (1 ‒ η)PM,t ⌋

Como el mismo bien puede ser utilizado para consumir o para invertir,
se cumple que la producción para el mercado local YH,t es:

YH,t = CH,t + ZH,t

por lo que la canasta combinada de bienes de consumo y de inversión domés-

tica es:
ϵ
1 ϵ‒1 ϵ‒1
ϵ
YH,t = ��YH,t (j)dj�
0

Minimizando la función de gasto, se obtiene la demanda por la variedad

j del bien final.

PH,t (j) ‒ϵ
YH,t (j) = � � YH,t
PH,t

El hogar decide su consumo total, cuánto trabajo ofertará y cuánto invertirá

para adquirir el capital que posteriormente alquilará a las firmas. Respecto al
sector financiero, los hogares pueden adquirir tanto bonos domésticos como
bonos foráneos. Finalmente, para asegurar la estacionariedad del modelo,
siguiendo a Mendoza (1991) y Schmitt-Grohé y Uribe (2003), se asume
que el factor de descuento β es endógeno y decreciente respecto al nivel de
consumo actual, de tal manera que se crea un efecto impaciencia, pues, si el
consumo sube, cae el factor de descuento y entonces disminuye la utilidad
del consumo futuro.
La restricción presupuestaria en términos reales viene dada por:

Bt‒1 B* B B*
WtNt + Rt‒1 + StR*t‒1 t‒1 + RKt Kt + Γt = Ct + Zt+ t + St t
Pt Pt Pt Pt

159
Determinantes del tipo de cambio en un modelo de equilibrio general: una estimación para la economía peruana

Los hogares también enfrentan como restricción la ley de movimiento

del capital:

μ
Zt = Kt+1 ‒ (1 ‒ δ)Kt + (K ‒ Kt)2
2 t+1

dónde el término final representa la existencia de costos de ajuste del capital.

Asumimos que la forma funcional de la utilidad es la misma que en Men-
doza (1991), y para el factor de descuento endógeno seguimos a Schmitt-Grohé
y Uribe (2003) tomando su misma forma funcional y asumiendo que los
hogares no internalizan el efecto del consumo y del trabajo en el factor de
descuento, por lo que dicho factor termina estando en función del promedio
de los niveles per cápita de las siguientes variables.

(Ct ‒ ω‒1Ntω)1‒γ
U(Ct, Nt) =
1‒γ
θt+1 = βtθt

βt = (1 + C� t ‒ ω‒1 N� tω)‒ψ

Tras realizar la maximización de utilidad intertemporal, se obtiene la

siguiente oferta de trabajo:

Wt = Ntω‒1

Respecto a las condiciones de primer orden asociadas a la elección de activos

financieros, se obtiene que la ecuación de Euler viene dada por:

Pt
(Ct ‒ ω‒1Ntω)‒γ = βtRtEt(Ct+1 ‒ ω‒1Nωt+1)‒γ
Pt+1

St+1 Pt
(Ct ‒ ω‒1Ntω)‒γ = βtRt*Et(Ct+1 ‒ ω‒1Nωt+1)‒γ
St Pt+1

A partir de estas dos expresiones, podemos derivar la UIP:

St+1 R
Et = t*
St Rt

Finalmente, la ecuación resultante de la elección óptima de capital para

el próximo período es:

160
 Violeta Cortéz Dios y Danilo Gallardo Morveli

(Ct ‒ ω‒1Ntω)‒γ = [1 + μ(Kt+1 ‒ Kt)]

= βtEt(Ct+1 ‒ ω‒1Nωt+1)‒γ[RKt+1 + 1 ‒ δ + μ(Kt+2 ‒ Kt+1)]

Estas ecuaciones resumen el comportamiento de los hogares.

Las firmas intermedias
Las firmas intermedias operan en un mercado competitivo y sin rigideces
nominales. La firma representativa demanda tanto capital como trabajo de
los hogares y cuenta con la siguiente tecnología de producción:

Ytint = AtKtαNt1‒α

Asimismo, la productividad total de factores sigue el siguiente proceso

autorregresivo:

log(At) = ρalog(At‒1) + εta

donde εta ~ N(0, σa2) es un choque tecnológico.

Solucionando el problema de maximización de beneficios, se obtienen las
demandas por capital y trabajo.

CMgt Ytint
Nt = (1 ‒ α)
Pt W t

CMgt Ytint
Kt = α
Pt RKt

A partir de estas demandas y la función de producción, se obtiene una

expresión para el costo marginal real, dada por:

1 α
CMgtr = [A ‒1W 1‒αRK ]
αα(1 ‒ α)1‒α t t t

Además, dado que una unidad de bien intermedio se puede convertir en

una unidad de bien final, se debe cumplir que:

Ytint = YH,t + Xt

donde YH,t es la demanda doméstica por el bien final y Xt son las exportaciones.

161
Determinantes del tipo de cambio en un modelo de equilibrio general: una estimación para la economía peruana

Las firmas productoras de bienes finales

Hay un continuo de j empresas que transforman cada unidad de bien inter-
medio en un bien final diferenciado, por lo que en este mercado se observa
competencia monopolística. Sin embargo, como en Calvo (1983), enfrentan
rigideces de precios, de tal forma que cada período solo una proporción alea-
toria de las firmas pueden fijar un nuevo precio. Cada empresa opera tanto
en el mercado local como en el extranjero mediante exportaciones, por lo que
fijan un precio independiente para cada uno de los mercados, de tal forma
que maximice sus beneficios sujetos a satisfacer la demanda que enfrentan.
Siguiendo a Benigno y Woodford (2005), se definen las variables auxiliares
VtN* y VtD* tal que:

P*,t(j) VtN*
= D*
P*,t Vt

donde P*,t(j) es el precio que fija la empresa j y P*,t es el nivel de precios.

Entonces, la curva de Phillips para los precios del mercado local viene dada
por las siguientes tres ecuaciones:

VtNH = μUc,tYH,tCMgtH + θHβtEtπϵH,t+1Vt+1

NH

VtDH = Uc,tYH,t + θHβtEt πH,t+1

ϵ‒1
Vt+1
DH

1‒ϵ VtNH 1‒ϵ 1‒ϵ

πH,t = θH + (1 ‒ θH)� � πH.t
VtDH
donde UC,t es la utilidad marginal del consumo, μ es el mark-up óptimo en un
esquema de precios flexibles y θH es el parámetro de Calvo para el mercado local.
De igual forma, la curva de Phillips para los precios de las exportaciones
viene dada por:

VtNX = μ*Uc,tXtCMgtX + θXβtEt πX,t+1

ϵ*‒1 V NX
t+1

VtDX = Uc,tXt + θXβtEt πX,t+1

ϵ*
Vt+1
DX

ϵ* VtNX 1‒ϵ* 1‒ϵ*

π1‒
X,t = θX + (1 ‒ θX)� � πX.t
VtDX

162
 Violeta Cortéz Dios y Danilo Gallardo Morveli

Banco central
La política monetaria sigue una regla de Taylor en la que se utiliza la tasa de
interés nominal para que la inflación de los bienes producidos domésticamente
alcance un determinado nivel objetivo. Además, el banco central busca que la
tasa de interés mantenga cierta estabilidad, como refleja la siguiente ecuación:
1‒θR
R π θπ
� t � = (Rt‒1)θR�� H,t � � mont
R̅ π̅

donde mont representa un choque de política monetaria y viene dado por:

log(mont) = ρm log(mont-1) + εtmon

y εtmon ~ N(0, σ2m).

Los importadores
Los hogares demandan bienes importados tanto para consumir como para
invertir, por lo que se cumple:

Mt = CM,t + ZM,t

Al igual que los productores de bienes domésticos, los importadores

enfrentan rigideces de precios, por lo que los precios de las importaciones
tienen una curva de Phillips que viene dada por:

VtNM = μUc,tMtCMgtM + θMβtEtπϵM,t+1Vt+1

NM

VtDM = Uc,tMt + θMβtEtπM,t+1

ϵ‒1
Vt+1
DM

1‒ϵ VtNM 1‒ϵ 1‒ϵ

πM,t = θM + (1 ‒ θM)� � πM.t
VtDM
Equilibrio externo
La balanza comercial de la economía viene dada por:

PX,t PH,t
TBt = St + Y ‒ Ct ‒ Zt
Pt Pt H,t

y, por definición, la cuenta corriente (asumiendo que ningún agente externo

demanda bonos de la economía local) es:

163
Determinantes del tipo de cambio en un modelo de equilibrio general: una estimación para la economía peruana

Bt* B*
CAt = St ‒ St t‒1
Pt Pt
Agregando las restricciones de todos los agentes de la economía, se obtiene
la restricción agregada, que es:

Bt‒1
*
CAt = TBt + St (Rt-1
*
‒ 1)
Pt

Economía foránea
Las variables de la economía externa no se ven afectadas por las de la economía
doméstica. Entonces, el consumo foráneo viene dado por:

Ct* = C̅*̅

La tasa de interés externa sigue el siguiente proceso autorregresivo:

Rt* R*
log � � = ρilog � t‒1� + εti
R̅ R̅

donde εti ~ N(0, σ2i ) es un choque de tasa de interés externa.

De igual forma, la inflación foránea sigue el siguiente proceso autorre-
gresivo:

log(πt*) = ρπ* log(πt‒1

*
) + εtπ*

donde εtπ* ~ N(0, σ2π*) es un choque de inflación externa.

3.1.2 El modelo con la UIP de Christiano et al. (2011)

Al igual que en el modelo base, el hogar puede ahorrar adquiriendo bonos

domésticos y foráneos, pero ahora la tasa de interés que pagan los últimos se
encuentra sometida a un ajuste por el riesgo relativo Φt. Entonces la restricción
presupuestaria de los agentes pasa a ser:

Bt‒1 * Bt‒1
*
B B*
WtNt + Rt‒1 + StΦt‒1Rt‒1 + RtKKt + Γt = Ct + Zt + t + St t
Pt Pt Pt Pt

y la UIP asociada a esta nueva restricción toma la siguiente forma:

St+1 Rt
ΦtE t = *
St Rt

164
 Violeta Cortéz Dios y Danilo Gallardo Morveli

Asimismo, el ajuste por riesgo de la economía local relativa a la foránea

viene dado por:

Φt = exp (‒ϕb(Bt* ‒ B*̅ ) ‒ ϕs(Rt* ‒ Rt))

Se observa que una menor tasa de interés doméstica genera que el factor
de riesgo relativo caiga.
3.1.3 El modelo con la UIP de Montoro y Ortiz (2021)

Bajo este modelo, el hogar puede ahorrar en bonos domésticos, pero solo puede
adquirir bonos foráneos a través de un FX dealer que maximiza el retorno de
su portafolio, el cual viene dado por la siguiente función:

1 R�*
Et�‒ exp� ‒ϖ t+1 dt+1
*
��
ϖ Rt

donde d* son los bonos foráneos que posee de cada intermediario financiero
y R� * es el retorno del carry trade del portafolio.
Resolviendo este problema y agregando a todos los FX dealers, se obtiene
la siguiente UIP modificada:

ϖ 2
log(St) = Etlog(St+1) + log(Rt*) ‒ log(Rt) ‒ σ D*
m dep t

Esta ecuación muestra que, como la composición del portafolio de estos

intermediarios viene dada por las órdenes de compra que reciben de los hoga-
res, van a cobrar una prima por riesgo que los compense por tomar niveles de
activos locales o extranjeros distintos a los que quisieran.
3.1.4 El modelo con la UIP de Winkelried (2013)

En este caso, se asume que ya no todos los agentes tienen expectativas racio-
nales en su creencia de cómo se comportará el tipo de cambio, sino que una
proporción fija tendrá una perspectiva ingenua o «backward looking». Enton-
ces, la esperanza del tipo de cambio para el próximo período es el promedio
ponderado entre los pronósticos de agentes plenamente racionales y de agentes
ingenuos, como se indica a continuación:

1‒ρ
St+1
e = �E S ρ
t t+1 � (St‒1) dep
dep

165
Determinantes del tipo de cambio en un modelo de equilibrio general: una estimación para la economía peruana

Al reemplazar esta ecuación en la UIP estándar, obtenemos la siguiente

versión modificada de ella:

Etdept+1 R
= t*
dept Rt
St
donde dept = St‒1
es la depreciación nominal.

3.2   Metodología
3.2.1 Estimación

Siguiendo a Del Negro y Schorfheide (2010) y a Blake y Mumtaz (2012), la

estimación bayesiana de un modelo de equilibrio general (DSGE) comprende
los siguientes pasos. En primer lugar, la solución de los modelos DSGE puede
representarse de la siguiente manera3:

st = Φ1(θ)st‒1 + Φϵ(θ)ϵt

donde st son las variables de estado del modelo; ϵt son los choques; y Φ1 y
Φϵ son matrices de coeficientes que están en función del vector θ compuesto
por los parámetros del modelo. Esta expresión es denominada «ecuación de
transición».
La ecuación de medición, que relaciona las variables observadas con las
variables de estado, toma la siguiente forma general:

ytobs = Ψ0(θ) + Ψ1(θ)t + Ψ2(θ)st

En conjunto, las ecuaciones de transición y medición forman la repre-

sentación espacio-estado del modelo DSGE y, si los choques siguen una
distribución normal, puede emplearse el filtro de Kalman para obtener una
función de verosimilitud; es decir, una distribución de las variables obser-
vadas condicionadas al vector de parámetros θ que va a permitir aplicar
técnicas bayesianas4.
El teorema de Bayes simplificado nos indica que es posible obtener
una distribución posterior conjunta y condicionada a los datos para los
parámetros del modelo, a partir de una función de verosimilitud y de dis-

3
Para obtener la solución del modelo, se pueden utilizar técnicas como la propuesta por Sims (2002).
4
En el anexo 1, se describe la obtención de la función de verosimilitud a partir de una representación espa-
cio-estado utilizando el filtro de Kalman.

166
 Violeta Cortéz Dios y Danilo Gallardo Morveli

tribuciones prior para los parámetros, como indica la siguiente relación de

proporcionalidad:

p(θ/ytobs) ∝ p(ytobs/θ)p(θ)

Una vez que obtenida la distribución posterior conjunta y condicionada, esta

puede ser integrada para obtener las distribuciones marginales y condiciona-
das de cada uno de los parámetros considerados en θ. Sin embargo, dados
la relación no lineal entre los parámetros del modelo y los coeficientes de las
matrices de las ecuaciones de transición y de medición, estas no forman parte
de las familias de distribuciones conocidas, por lo que será necesario simularlas
usando algoritmos MCMC (Markov Chain Monte Carlo) para obtener dis-
tribuciones empíricas. El algoritmo de simulación más empleado y utilizado
en este trabajo es el random walk Metropolis-Hastings, cuyo procedimiento
se explica en el anexo 2.
3.2.2 Datos

Para estimar los cuatro modelos propuestos (UIP estándar y tres con UIP modi-
ficadas), utilizamos series de tiempo trimestrales de datos peruanos obtenidas del
Banco Central de Reserva del Perú (BCRP) para el período comprendido entre
el primer trimestre de 2002 y el cuarto trimestre de 2019. Se toma como año
final 2019 para evitar que los resultados estén influenciados por la crisis durante
la pandemia de COVID-19. Se tomó la serie del PBI real a precios de 2007,
del IPC de Lima Metropolitana, de la tasa de interés interbancaria promedio
en moneda nacional y del tipo de cambio interbancario promedio del período.
Para expresar los datos en términos de las variables de los modelos, seguimos
las recomendaciones de Pfeifer (2013). En primer lugar, filtramos el logaritmo
del PBI real5 y la tasa de interés utilizando el «one-sided HP filter» para obtener
una serie de desviaciones porcentuales de la tendencia de largo plazo. Luego,
relacionamos estas con las respectivas variables de los modelos restándoles su
valor de estado estacionario. Para obtener las series de inflación y depreciación
nominal, aplicamos logaritmos y primeras diferencias al IPC y al tipo de
cambio nominal y, posteriormente, les restamos la media. Y relacionamos las
cuatro series obtenidas con las variables de los modelos mediante la siguiente
ecuación de medición:

ytobs = yt ‒ y̅

5
La serie del PBI fue previamente desestacionalizada utilizando el método X-12.

167
Determinantes del tipo de cambio en un modelo de equilibrio general: una estimación para la economía peruana

Donde ytobs corresponde a las cuatro series de tiempo empleadas; yt son las
variables PBI, inflación, tasa de interés y depreciación nominal del modelo
(en logaritmos); e y̅ representa el estado estacionario de las referidas variables.
La evolución de las cuatro series obtenidas del BCRP, a partir de las cuales
se realiza la estimación, es presentada en los anexos 4, 5, 6 y 7.
3.2.3 Priors

Para realizar la estimación, se calibraron los parámetros mostrados en la tabla

1. De modo que fijamos la depreciación del capital δ en 0,025 para tener una
depreciación anual del 10%; la participación del capital α en 0,33; el pará-
metro que mide el home-bias de la economía local η en 0,46; la elasticidad
de sustitución entre los bienes finales diferenciados ϵ en 6, para obtener un
mark-up por encima del costo marginal del 20%; y el parámetro asociado a
los costos de ajuste del portafolio κ en 0,0007427. También fijamos el coefi-
ciente de aversión al riesgo γ en 2, y la aversión al riesgo de los FX dealers (ω̅)
incluida en la UIP modificada de Montoro y Ortiz (2021) en 500. Asimismo,
al igual que en la UIP modificada de Christiano et al. (2011), calibramos en
0,1 el efecto de los activos externos netos sobre la prima por riesgo ϕB. Los
parámetros de la economía foránea también son fijados en su totalidad, pues
para la estimación solo incluimos datos peruanos.

6
Como en Castillo et al. (2013).
7
Este valor es el propuesto por Schmitt-Grohé y Uribe (2003).

168
 Violeta Cortéz Dios y Danilo Gallardo Morveli

Tabla 1
Parámetros calibrados

Parámetro Símbolo Valor

Economía local
Aversión al riesgo γ 2,00
Home bias η 0,40
Costos de ajuste del capital µ 0,28
Elasticidad de sustitución entre variedades de bienes finales ϵ 6,00
Participación del capital α 0,33
Depreciación del capital δ 0,025
Elasticidad de los NFA en la UIP de Christiano et al. (2011) ϕB 0,10
Aversión al riesgo de los FX dealers ω̅ 500
Elasticidad de sustitución entre bienes locales y foráneos τ 2,00
Inversa de la elasticidad del trabajo ω 1,455
Economía foránea
Home bias del país foráneo η* 0,60
Elasticidad de sustitución entre variedades de bienes finales del país foráneo ϵ* 6,00
Elasticidad de sustitución entre bienes locales y foráneos del país foráneo τ* 2,00
Nivel de consumo en el país foráneo C*̅ ̅ 1,00

Fuentes: Castillo et al. (2013), Christiano et al. (2011), Schmitt-Grobé y Uribe (2003). Elaboración propia,
2021.

Respecto a los parámetros por estimar, la tabla 2 indica las distribuciones

prior que se asignan a cada parámetro, así como sus medias y desviaciones
estándar. Siguiendo a Castillo, Montoro y Tuesta (2013), empleamos distribu-
ciones gamma para introducir restricciones de no negatividad y distribuciones
beta para parámetros que solo pueden tomar valores entre 0 y 1.

169
Determinantes del tipo de cambio en un modelo de equilibrio general: una estimación para la economía peruana

Tabla 2
Priors

Parámetro Símbolo Distribución Media Desv. est.

Parámetro de calvo para precios locales θH Beta 0,50 0,10
X
Parámetro de calvo para las exportaciones θ Beta 0,50 0,10
M
Parámetro de calvo para las importaciones θ Beta 0,50 0,10
π
Coeficiente de la inflación en la regla de Taylor θ Normal 1,50 0,20
R
Coeficiente de suavizamiento de la tasa de interés θ Beta 0,50 0,20
en la regla de Taylor
Elasticidad del diferencial de tasas en la UIP de ϕR Gamma 1,25 0,10
Christiano et al. (2011)
Volatilidad de la depreciación nominal de la UIP σdep InvGamma 0,01 0,20
de Montoro y Ortiz (2021)
Proporción de agentes ingenuos para la UIP del ρdep Beta 0,50 0,20
MPT
Persistencia del choque tecnológico ρa Beta 0,50 0,20
Persistencia del choque de tasa externa ρR* Beta 0,50 0,20
Persistencia del choque de inflación externa ρπ* Beta 0,50 0,20
Persistencia del choque monetario ρm Beta 0,50 0,20
Desviación estándar del choque tecnológico σa InvGamma 0,01 0,25
Desviación estándar del choque de tasa externa σR* InvGamma 0,01 0,25
Desviación estándar del choque de inflación σπ* InvGamma 0,01 0,25
externa
Desviación estándar del choque monetario σm InvGamma 0,01 0,25

Elaboración propia, 2021.

Asignamos a los coeficientes autorregresivos AR (1) de todos los choques

una distribución beta con media 0,5 y desvío 0,2, y a las desviaciones estándar
de los choques, una distribución gamma inversa con media 0,01 y desvío de
0,25.
Respecto a los parámetros de Calvo asociados a las rigideces de precios,
les asignamos una media prior de 0,5, de tal forma que las firmas podrían
modificar sus precios cada dos trimestres en promedio. Asimismo, se asume
una desviación estándar prior de 0,1 para todos los parámetros.
Para los parámetros de la regla de Taylor, asumimos un coeficiente
asociado a la inflación θπ con una distribución normal con media 1,5 y
desviación estándar de 0,2, y un parámetro de suavizamiento de la tasa de

170
 Violeta Cortéz Dios y Danilo Gallardo Morveli

interés θR, que se comporta de acuerdo con una distribución beta con media
0,5 y desvío de 0,2.
En cuanto a los parámetros asociados a cada una de las versiones modifi-
cadas de UIP evaluadas, para la elasticidad del diferencial de tasas de interés
(ϕR) asumimos como prior una distribución gamma con media 1,25 y des-
viación estándar 0,1, como en Christiano et al. (2011). Para la proporción de
agentes ingenuos de la economía (ρdep), asumimos una distribución beta con
media 0,5 y desviación 0,2, como en Winkelried (2013). Y para la volatilidad
de la depreciación nominal asociada a la versión propuesta por Montoro y
Ortiz (2021), asumimos una distribución inversa gamma con media 0,01 y
desviación estándar 0,2.
3.2.4 Simulación del posterior y comparación entre modelos

Como se ha mencionado, utilizamos el algoritmo random walk Metropo-

lis-Hastings para simular las distribuciones posterior marginales y condicio-
nadas de cada uno de los parámetros estimados. Los resultados se obtuvieron a
partir de 250 000 simulaciones, de las cuales fueron eliminadas el 50% de las
iniciales para evitar que sus valores afecten la simulación. Se aplicaron factores
de escala a la matriz de varianzas y covarianzas del error del paseo aleatorio
para asegurar una ratio de aceptación de entre 25% y 30%.
Para realizar la comparación entre los cuatro modelos estimados, fue
necesario calcular la verosimilitud marginal de cada uno de los «i» modelos,
que por definición viene dada por:

p(ytobs/Mi) = � p(ytobs/θi, Mi)p(θi/Mi)∂θi

Dado que dicha verosimilitud marginal no pudo ser calculada analítica-

mente porque no es posible integrar distribuciones cuya función de densi-
dad es desconocida, tuvimos que estimarla utilizando la técnica de la media
armónica modificada desarrollada en Geweke (1999) a partir de la estrategia
de Gelfand y Dey (1994)8.
Una vez estimadas las cuatro verosimilitudes marginales correspondientes
a cada uno de los modelos, procedimos a compararlos usando los posterior
odds ratios, que toman la siguiente forma:

8
En el anexo 4, se describe el procedimiento para calcular la verosimilitud marginal a partir de las simula-
ciones obtenidas del algoritmo Metropolis-Hastings siguiendo el método de la media armónica modificada.

171
Determinantes del tipo de cambio en un modelo de equilibrio general: una estimación para la economía peruana

p(ytobs/Mi)P(Mi)
POij =
p(ytobs/Mj)P(Mj)

donde P(Mi) y P(Mj) son los priors sobre qué tan probable se cree que los
modelos i y j sean los correctos antes de procesar los datos. En el presente
trabajo, asumimos que los cuatro modelos tienen la misma probabilidad prior
de ser los correctos, por lo cual los posterior odds ratios son equivalentes a Bayes
factors expresados como ratios de las verosimilitudes marginales.

4. Análisis de resultados

En esta sección, analizamos los resultados de la siguiente manera: primero,

examinamos las distribuciones posteriores (posterior) estimadas para los pará-
metros; luego, realizamos la comparación entre modelos determinando cuál de
los cuatro tiene un comportamiento más acorde con los datos de la economía
peruana; y, finalmente, presentamos las funciones impulso-respuesta de los
cuatro modelos tomando los parámetros estimados.

4.1   Valores posterior de los parámetros

La tabla 3 muestra la media posterior y los intervalos de mayor densidad con

probabilidad de 95% (95% highest posterior density interval) de cada uno de
los parámetros estimados en los cuatro modelos propuestos. Nuestro análisis
de estos resultados es el siguiente:

172
 Tabla 3
Distribuciones posterior

UIP Estándar UIP Christiano et al. (2011) UIP Montoro y Ortiz (2020) UIP Winkelried (2013)
Modelo 1 Modelo 2 Modelo 3 Modelo 4
Parámetro Media 5% 95% Media 5% 95% Media 5% 95% Media 5% 95%
θH 0,410 0,336 0,481 0,380 0,298 0,462 0,325 0,226 0,413 0,689 0,599 0,772
θX 0,324 0,158 0,513 0,567 0,445 0,677 0,719 0,610 0,826 0,581 0,357 0,783
M
θ 0,635 0,570 0,700 0,510 0,385 0,646 0,220 0,123 0,325 0,919 0,887 0,953
θπ 1,272 1,160 1,408 1,530 1,135 1,899 1,860 1,557 2,186 1,694 1,470 1,947
θR 0,044 0,041 0,094 0,056 0,006 0,119 0,110 0,013 0,224 0,285 0,147 0,420
ρa 0,750 0,637 0,857 0,610 0,451 0,833 0,525 0,342 0,690 0,980 0,957 0,998
ρm 0,045 0,005 0,092 0,046 0,004 0,101 0,112 0,016 0,220 0,959 0,922 0,994
ρR* 0,862 0,757 0,958 0,864 0,703 0,997 0,924 0,854 0,987 0,925 0,870 0,980
ρπ* 0,337 0,214 0,455 0,246 0,057 0,487 0,824 0,624 0,977 0,374 0,265 0,475
ϕR - - - 1,369 1,166 1,571 - - - - - -
σdep - - - - - - 0,003 0,002 0,004 - - -
ρdep - - - - - - - - - 0,333 0,066 0,600
σa 0,008 0,013 0,007 0,010 0,010 0,016 0,007 0,014 0,006 0,009 0,009 0,017
σm 0,006 0,012 0,005 0,009 0,007 0,015 0,008 0,003 0,006 0,002 0,009 0,004
σR* 0,016 0,013 0,019 0,023 0,016 0,031 0,025 0,019 0,030 0,011 0,009 0,014
σπ* 0,007 0,004 0,011 0,087 0,038 0,150 0,106 0,064 0,159 0,004 0,002 0,006
Marg.dens. 832,877 833,790 835,323 841,000

Elaboración propia, 2021.

Violeta Cortéz Dios y Danilo Gallardo Morveli

173
Determinantes del tipo de cambio en un modelo de equilibrio general: una estimación para la economía peruana

4.1.1 Parámetros de la UIP

Los modelos estimados con parámetros especiales son el 2, el 3 y el 4. Res-

pecto al parámetro de ajuste del riesgo-país, presente únicamente en la UIP
de Christiano et al. (2011), este toma una media posterior de 1,37, mayor que
la previa (prior) de 1,25. Por tanto, los datos indican que la relación entre el
diferencial de tasas de interés y el riesgo país es, en el caso peruano, ligeramente
mayor que la planteada por dichos autores.
La media posterior de la volatilidad de la depreciación nominal, presente
en la UIP de Montoro y Ortiz (2021), toma un valor de 0,3% menor que el
prior de 1%. Los datos indican así que esta variable es bastante estable en el
Perú, en línea con el objetivo reducir la volatilidad del tipo de cambio que
tiene la intervención cambiaria realizada por el BCRP.
Y la proporción de agentes ingenuos, presente en la UIP del MPT, pasa de
una media prior de 0,5 a una posterior de 0,33. Los datos peruanos revelan
así que alrededor del 33% de los agentes no siguen expectativas racionales y
tienen un componente «backward looking» en su perspectiva sobre el com-
portamiento del tipo de cambio nominal.
4.1.2 Rigidez de precios

Respecto al parámetro de Calvo para el mercado local, se observa que la media

posterior toma valores de entre 0,3 y 0,4 en los primeros tres modelos; lo
que indica que los precios domésticos son modificados, en promedio, cada
trimestre y medio. Sin embargo, para el modelo 4 la media posterior toma
un valor de 0,69, lo que implica que las firmas enfrentan mayores rigideces
que en los otros tres modelos, pues en promedio actualizan sus precios cada
tres trimestres.
Al analizar el parámetro de Calvo para las exportaciones, se observa que en
el modelo 1 los datos corrigen a la baja la media, pues se ubica en 0,3; indi-
cando que los exportadores modifican sus precios en promedio cada trimestre
y medio. En el caso de los modelos 2 y 4, el valor de la media del parámetro es
incrementado ligeramente al alcanzar valores de 0,57 y 0,58 respectivamente,
indicando que dichos precios serían modificados en promedio cada 2,3 tri-
mestres. Y, en el caso del modelo 3, los datos corrigen al alza la media prior,
pues la posterior toma un valor de 0,72; es decir, los precios de exportación,
en promedio, solo serían cambiados cada tres trimestres aproximadamente.
Sobre los resultados obtenidos respecto al parámetro de Calvo para las
importaciones, se obtuvo que en el modelo 3 la media posterior cae a 0,22 (en

174
 Violeta Cortéz Dios y Danilo Gallardo Morveli

promedio, los precios cambian cada 1,3 trimestres), indicando que la rigidez en
este caso es bastante baja. En el caso del modelo 2, la media posterior de 0,51
se mantiene prácticamente igual a la media prior e indica que los importadores
cambian sus precios cada dos trimestres. En el modelo 1, la media posterior
del parámetro toma el valor de 0,64, indicando que los precios de importación
se actualizan, en promedio, cada 2,7 trimestres. Y, en el modelo 4, el valor
del parámetro es muy corregido al alza por los datos, ubicándose en 0,92, lo
que prácticamente indica que los cambios en los precios de importación se
dan solo una vez al año.
4.1.3 Regla de Taylor

Al aplicar la regla de Taylor, asignamos al coeficiente de inflación una desvia-

ción estándar prior relativamente alta (1,5) para permitir que su distribución
posterior sea corregida por la información de los datos. En este sentido, la tabla
3 muestra que con el modelo UIP estándar se corrige a la baja dicha media a
una media posterior de 1,27, que no se desvía mucho de esta la media poste-
rior obtenida con el modelo 2 (1,53), y que las medias posteriores obtenidas
con los modelos 3 y 4 son de 1,86 y 1,69 respectivamente. Estos últimos
valores son coherentes con los cercanos a 2,0 obtenidos por Castillo et al.
(2013), lo cual refleja una respuesta bastante activa del BCRP para mantener
la estabilidad monetaria.
Otro hallazgo importante es que, bajo los primeros tres modelos, los datos
contradicen la creencia de que el BCRP da mucha importancia al suaviza-
miento del movimiento de la tasa de interés. En esos tres casos, el coeficiente
asociado θR pasa de una media prior de 0,5 a una posterior de 0,1 o menos. Y,
si bien es mayor el valor de la media posterior obtenida con el cuarto modelo
de UIP MPT (0,29), este se mantiene por debajo de la propuesta media
prior. Por tanto, los datos indican que, ante desviaciones de la inflación de su
tasa objetivo durante el período de tiempo analizado, la autoridad monetaria
peruana hizo variar el instrumento de su tasa de interés tan ampliamente
como juzgó necesario para cumplir con su objetivo de estabilidad de precios.
4.1.4 Choques

Respecto al choque de productividad, la tabla 3 muestra, respecto al pará-

metro AR (1) cuya asignada media prior es de 0,5, que los datos corrigen
el choque al alza en los modelos 1, 2 y 4 y lo aumentan ligeramente en el
modelo 3; indicando así que este tipo de choque fue persistente durante el
período analizado. En cuanto al choque monetario, este ha sido muy poco

175
Determinantes del tipo de cambio en un modelo de equilibrio general: una estimación para la economía peruana

persistente según los modelos 1, 2 y 3, a juzgar por los respectivos coeficientes

AR (1) de 0,1 o menos; pero en el modelo 4 ese parámetro toma un valor
muy cercano a 1. Sobre el choque de tasa de interés externa, este es bastante
persistente en los cuatro modelos con parámetros de alrededor de 0,9. Y el
choque de inflación externa resulta poco persistente en los modelos 1, 2 y 4,
a diferencia de en el modelo 3, donde la media posterior del coeficiente AR
(1) toma un valor de 0,82.
En cuanto a la volatilidad de los choques, los cuatro modelos coinciden
en dar una desviación estándar baja de 0,1, o menos, a todos los choques.

4.2   Comparación entre modelos

Como se observa al final de la tabla 3, el modelo con la mayor log-verosimilitud

marginal es el 4; es decir, el que utiliza la UIP del MPT del BCRP asumiendo
que una proporción exógena de los hogares no siguen expectativas racionales
en su creencia sobre el comportamiento del tipo de cambio. La tabla 4 presenta
para cada modelo el Bayes factor (tomando como referencia el que utiliza la
UIP estándar), la log-verosimilitud marginal y la posterior model probability
que indica, basada en los datos, cuál sería la probabilidad de que el modelo
sea el correcto asumiendo que el grupo de modelos evaluados es exhaustivo.
Tabla 4
Comparación entre modelos

Modelo 1 Modelo 2 Modelo 3 Modelo 4

Log marginal density 832,88 833,79 835,32 841,00
Bayes ratio 1,00 2,49 11,54 3371,12
Posterior model probability 0,0003 0,0007 0,0034 0,9956

Elaboración propia, 2021

Para realizar la comparación entre modelos utilizando el Bayes factor,

seguimos a Kass y Raftery (1995), quienes afirman que: si el Bayes factor
se encuentra entre 1 y 3,2, la evidencia de que un modelo tiene un mejor
desempeño que otro solo vale para una mención; si se encuentra entre 3,2
y 10, la evidencia es sustancial; si está entre 10 y 100, la evidencia es fuerte;
y, si es mayor de 100, la evidencia es decisiva. Entonces, si bien se observa
que las posterior model probability de los tres modelos con UIP modificadas
son mayores que la del modelo con UIP estándar, la evidencia de que existe
un mejor desempeño en explicar los datos solo es decisiva para el modelo 4;

176
 Violeta Cortéz Dios y Danilo Gallardo Morveli

mientras que para el 3 es fuerte y para el 2 no es sólida. De lo cual se puede

concluir que las UIP de Montoro y Ortiz (2021) y del MPT permiten que
un modelo neokeynesiano explique mejor los datos de la economía peruana
entre 2002 y 2019, mientras que los resultados con la versión de Christiano
et al. (2011) también son buenos resultados, pero la evidencia a su favor no
es tan contundente.
Habiéndose determinado así que los tres modelos con UIP modificadas
tienen un mejor desempeño que el de versión estándar, calculamos los Bayes
factors cruzados entre esos tres modelos para determinar si hay evidencia sufi-
ciente respecto a cuál de ellos explica mejor los datos peruanos. En la tabla
5, que muestra el Bayes factor obtenido de dividir la verosimilitud marginal
del modelo indicado en la fila entre la del modelo indicado en la columna, se
observa que dicha evidencia es sustancial para el modelo 3 y que es decisiva a
favor del modelo 4 respecto a los modelos 2 y 3. Concluimos entonces que la
comparación entre esas tres UIP modificadas indica que la del MPT, descrita
en Winkelried (2013), es la que permite que el modelo coincida mejor con
los datos peruanos entre 2002 y 2019.
Tabla 5
Bayes factors cruzados

Modelo 2 Modelo 3 Modelo 4

Modelo 2 1,00 4,63 1352,89
Modelo 3 0,22 1,00 292,07
Modelo 4 0,0007 0,0034 1,0000

Elaboración propia, 2021.

4.3   Funciones impulso-respuesta

Para analizar las diferencias entre las dinámicas de los cuatro modelos sirven
las figuras 2 y 3, que presentan las funciones impulso-respuesta. Estas utilizan
la media posterior de los parámetros estimados y los valores calibrados, para
los parámetros no estimados, ante choques de política monetaria y de tasa de
interés externa respectivamente.
En la figura 2, se observa que, ante un choque de política monetaria, en los
cuatro modelos se registra el esperado efecto contractivo del PBI y el consumo,
además de la caída de los precios de los bienes producidos domésticamente.
Sin embargo, a consecuencia del coeficiente cercano a 1 estimado para el

177
Determinantes del tipo de cambio en un modelo de equilibrio general: una estimación para la economía peruana

modelo 4, dicho choque es mucho más persistente en este modelo que en los
otros tres. Por otro lado, se observa una apreciación nominal en los cuatro
modelos, acompañada de una caída del tipo de cambio real en los modelos
1, 2 y 3. Pero en el modelo 4 ocurre una pequeña subida inicial del tipo de
cambio real, explicada por la menor volatilidad del tipo de cambio nominal
generada por las expectativas backward looking respecto a su comportamiento
que tienen algunos de los agentes incluidos en tal modelo. Por ello, poco
después de la aparición del choque, el efecto de la caída de los precios locales
prevalece sobre el de la apreciación nominal y conlleva el incremento del valor
del tipo de cambio real.
Figura 2
Función impulso-respuesta ante un choque monetario

x10-3 PBI x10-3 Inflación doméstica x10-3 Tasa de interés

0 0 2
Estándar
-2 Christiano et al. (2011) -2
0
Montoro y Ortiz (2021)
-4 MPT -4
-2
-6 -6

-8 -8 -4

-10 -10 -6
1 2 3 4 5 1 2 3 4 5 1 2 3 4 5

x10-3 Consumo Inversión x10-3 TC real

0 1
0

-5 0
-0,02

-10 -0,04 -1

-15 -0,06 -2
1 2 3 4 5 1 2 3 4 5 1 2 3 4 5

x10-3 Depreciación nominal Balanza comercial Cuenta corriente

0,03 0,03
0

0,02 0,02
-5
0,01 0,01

-10
0 0

-15 -0,01 -0,01

1 2 3 4 5 1 2 3 4 5 1 2 3 4 5

Elaboración propia, 2021.

178
 Violeta Cortéz Dios y Danilo Gallardo Morveli

Figura 3
Función impulso-respuesta ante un choque de tasa de interés externa

PBI x10-3 Inflación doméstica x10-3 Tasa de interés

0,01 4 4
Estándar
Christiano et al. (2011) 2
2
0 Montoro y Ortiz (2021)
0
MPT
0
-2
-0,01
-2 -4

-6
-0,02 -4
1 2 3 4 5 1 2 3 4 5 1 2 3 4 5

Consumo Inversión TC real

0,01 0,2 0,04

0,1
0,02
0
0
0
-0,1
-0,01
-0,02
-0,2

-0,02 -0,3 -0,04

1 2 3 4 5 1 2 3 4 5 1 2 3 4 5

Depreciación nominal Balanza comercial Cuenta corriente

0,04
0,1 0,1
0,02
0,05 0,05
0
0 0
-0,02
-0,05 -0,05

-0,04 -0,1 -0,1

1 2 3 4 5 1 2 3 4 5 1 2 3 4 5

Elaboración propia, 2021.

Como se observa en la figura 3, un choque positivo de tasa de interés

externa tiene un efecto contractivo en la economía doméstica según los mode-
los 1, 3 y 4, a consecuencia de la fuga de capitales en búsqueda de un mayor
rendimiento de los activos extranjeros; ello, a su vez, genera una depreciación
nominal y un incremento del tipo de cambio real. Sin embargo, el modelo 2
tiene una dinámica totalmente opuesta, debido a que el efecto de la mayor
percepción de riesgo ante la mayor tasa de interés de los activos foráneos
neutraliza la mayor demanda que deberían tener por haber mejorado su
rendimiento, generándose así un ingreso de capitales a la economía local que
tiene un efecto expansivo en el PBI, el consumo y la inversión, acompañado
por una apreciación nominal y la caída del tipo de cambio real.

179
Determinantes del tipo de cambio en un modelo de equilibrio general: una estimación para la economía peruana

5. Conclusiones

En este trabajo, hemos planteado y estimado un modelo neokeynesiano para

una economía pequeña y abierta con cuatro versiones de la paridad descubierta
de tasas de interés (UIP), empleando técnicas bayesianas. Las cuatro versiones
que hemos analizado comparativamente son la UIP estándar y tres con UIP
modificadas desarrolladas, respectivamente, por Christiano et al. (2011), por
Montoro y Ortiz (2021) y por Winkelried (2013) con base en modelo de
proyección trimestral (MPT) del BCRP.
El principal resultado obtenido verifica nuestra hipótesis, de que las tres
UIP modificadas permiten que dicho modelo tenga un desempeño mejor que
la versión estándar en el momento de explicar la evolución de los datos de
la economía peruana, entre el primer trimestre de 2002 y el cuarto trimestre
de 2019. Esta conclusión, válida para ese largo período de tiempo, aporta a
lo previamente encontrado por diversas investigaciones empíricas, respecto a
la incapacidad explicativa de la UIP estándar en el corto plazo. Sin embargo,
cabe mencionar que la evidencia a favor de nuestra conclusión no es tan
contundente para el caso de la UIP propuesta por Christiano et al. (2011),
como sí lo es para las otras dos UIP modificadas.
En conjunto, el modelo con mejor desempeño explicativo es el que utiliza la
UIP del MPT del BCRP desarrollada en Winkelried (2013), la cual asume que
una proporción exógena de los agentes no tienen expectativas racionales en su
perspectiva sobre el comportamiento del tipo de cambio. Este supuesto genera
que la volatilidad de esta variable se vea reducida, al tener en cuenta la existencia
de agentes con una perspectiva ingenua o «backward looking» sobre la evolución
del tipo de cambio nominal. Esta menor variabilidad del tipo de cambio generada
por el modelo se condice con lo que se observa en la realidad peruana, pues el
BCRP interviene en el mercado cambiario para conseguir dicho objetivo.
Respecto a las recomendaciones e ideas para futuras investigaciones, el
modelo empleado en la presente investigación es simplificado y podría ser
extendido para incluir otras fricciones comunes en la literatura especializada,
como hábitos de consumo o rigidez de salarios; ello para mejorar su desempeño
explicativo de los datos. Adicionalmente, sería conveniente que investigaciones
futuras incluyan en sus modelos dos aspectos característicos de la economía
peruana que no hemos modelado en el presente estudio, como son la dola-
rización y la intervención cambiaria del BCRP. Otro punto relevante es que
la UIP del MPT, la cual permitió que el modelo tenga el mejor desempeño,
no tiene un origen microfundamentado como sí lo tienen las otras dos UIP
modificadas analizadas en este trabajo.

180
 Violeta Cortéz Dios y Danilo Gallardo Morveli

Finalmente, las conclusiones del presente trabajo aportan a la literatura

de dos maneras: (i) brindan un respaldo empírico a los ejercicios teóricos de
algunos autores por generar desviaciones de la UIP que mejoren su desempeño
y (ii) pasan a formar parte de la no muy extensa colección de trabajos que
estiman modelos DSGE usando técnicas bayesianas en el Perú.
Referencias
Alpanda, S., Kotzé, K., & Woglom, G. (2010). The role of the exchange rate in a new
Keynesian DSGE model for the South African economy. South African Journal of
Economics, 78(2), 170-191. https://doi.org/10.1111/j.1813-6982.2010.01239.x
Bacchetta, P., & Van Wincoop, E. (2006). Can information heterogeneity explain the
exchange rate determination puzzle? American Economic Review, 96(3), 552-576.
https://doi.org/10.1257/aer.96.3.552
Benigno, P., & Woodford, M. (2005). Inflation stabilization and welfare: The case of a
distorted steady state. Journal of the European Economic Association, 3(6), 1185-
1236. https://doi.org/10.1162/154247605775012914
Blake, A., & Mumtaz, H. (2012). Applied Bayesian econometrics for central bankers. CCBS
Technical Handbook, 4. Bank of England Centre for Central Banking Studies. http://
personal.strath.ac.uk/gary.koop/sgpe_bayesian/Blake_Mumtaz_techbook4.pdf
Blanchard, O. (2008). The state of macro. NBER Working Paper 14259. https://www.
nber.org/papers/w14259
Calvo, G. A. (1983). Staggered prices in a utility-maximizing framework. Journal of Mon-
etary Economics, 12(3), 383-398. https://doi.org/10.1016/0304-3932(83)90060-0
Castillo, P., Montoro, C., & Tuesta, V (2013). An estimated stochastic general equilibrium
model with partial dollarization: A Bayesian approach. Open Economies Review,
24(2), 217-265. https://doi.org/10.1007/s11079-012-9239-3
Chinn, M., & Meredith, G. (2005). Testing uncovered interest parity at short and long
horizons during the post-Bretton Woods era. NBER Working Paper 11077. https://
www.nber.org/papers/w11077
Christiano, L. J., Trabandt, M., & Walentin, K. (2011). Introducing financial frictions and
unemployment into a small open economy model. Journal of Economic Dynamics
and Control, 35(12), 1999-2041. https://doi.org/10.1016/j.jedc.2011.09.005
Del Negro, M., & Schorfheide, F. (2010). Bayesian macroeconometrics. En J. Geweke,
G. Koop & H. van Dijk (Eds.). Oxford handbook of Bayesian econometrics (pp.
293-389). Oxford University Press. https://faculty.wcas.northwestern.edu/.../
del_negro_schorfheide.pdf
Froot, K. A., & Thaler, R. H. (1990). Anomalies: Foreign exchange. Journal of Economic
Perspectives, 4(3), 179-192. https://doi.org/10.1257/jep.4.3.179
Galí, J., & Monacelli, T. (2005). Monetary policy and exchange rate volatility in a
small open economy. Review of Economic Studies, 72(3), 707-734. https://doi.
org/10.1111/j.1467-937X.2005.00349.x

181
Determinantes del tipo de cambio en un modelo de equilibrio general: una estimación para la economía peruana

Gelfand, A., & Dey, D. K. (1994). Bayesian model choice: Asymptotics and exact cal-
culations. Journal of the Royal Statistical Society. Series B (Methodological), 56(3),
501-514. https://www.jstor.org/stable/2346123
Geweke, J. (1999). Using simulation methods for Bayesian econometric models: Inference,
development and communication. Econometric Reviews, 18(1), 1-73. https://doi.
org/10.1080/07474939908800433
Guender, A. V. (2014). Monetary policy and the uncovered interest rate parity puzzle:
Theory and empirical results for Oceania. Economic Record, 90(289), 207-219.
https://doi.org/10.1111/1475-4932.12097
Ismailov, A., & Rossi, B. (2018). Uncertainty and deviations from uncovered interest rate
parity. Journal of International Money and Finance, 88(C), 242-259. https://doi.
org/http://dx.doi.org/10.1016/j.jimonfin.2017.07.012
Kass, R. E., & Raftery, A. E. (1995). Bayes factors. Journal of the American Statistical
Association, 90(430), 773-795. doi:10.1080/01621459.1995.10476572
Koop, G. (2003). Bayesian econometrics. John Wiley & Sons Ltd. https://kupdf.net/down
load/koop-bayesian-econometrics-2003
Lewis, K. (1994). Puzzles in international financial markets. NBER Working Paper 4951.
https://www.nber.org/papers/w4951
Lothian, J. R., & Wu, L. (2011). Uncovered interest-rate parity over the past two cen-
turies. Journal of International Money and Finance, 30(3), 448-473. https://doi.
org/10.1016/j.jimonfin.2011.01.005
Lyons, R. (2001). The microstructure approach to exchange rates. MIT Press. doi:10.7551/
mitpress/4602.001.0001
Meese, R. A., & Rogoff, K. (1983). Empirical exchange rate models of the seventies. Do
they fit out of sample? Journal of International Economics, 14(1-2), 3-24. https://
doi.org/10.1016/0022-1996(83)90017-X
Mendoza, E. (1991). Real business cycles in a small open economy. American Economic
Review, 81(4), 797-818. https://www.sas.upenn.edu/~egme/pp/mendoza1991.pdf
Montoro, C., & Ortiz, M. (2021). The portfolio channel of capital flows and foreign exchange
intervention in a small open economy. https://faculty.wcas.northwestern.edu/.../
Ortiz_Montero_revised.pdf
Mylonidis, N., & Semertzidou, M. (2010). Uncovered interest parity puzzle: Does
it really exist? Applied Economics Letters, 17(10), 1023-1026. https://doi.
org/10.1080/00036840902762696
Pfeifer, J. (2013). A guide to specifying observation equations for the estimation of DSGE
models. Working Paper. University of Mannheim. https://sites.google.com/site/
pfeiferecon/Pfeifer_2013_Observation_Equations.pdf
Schmitt-Grohé, S., & Uribe, M. (2003). Closing small open economy models. Journal
of International Economics, 61(1), 163-185. https://doi.org/10.1016/S0022-
1996(02)00056-9
Sims, C. (2002). Solving linear rational expectations models. Computational Economics,
20(1-2). http://sims.princeton.edu/yftp/gensys/LINRE3A.pdf

182
 Violeta Cortéz Dios y Danilo Gallardo Morveli

Steinbach, M. R., Mathuloe, P. T., & Smit, B. W. (2009). An open economy New Keynesian
DSGE model of the South African economy. South African Journal of Economics,
77(2), 207-227. https://doi.org/10.1111/j.1813-6982.2009.01212.x
Winkelried, D. (2013). Modelo de proyección trimestral del BCRP: actualización y nove-
dades. Revista Estudios Económicos, 60(26), 9-60. https://www.bcrp.gob.pe/docs/
Publicaciones/Revista-Estudios-Economicos/26/ree-26-winkelried.pdf

183
Determinantes del tipo de cambio en un modelo de equilibrio general: una estimación para la economía peruana

ANEXOS

Anexo 1
El filtro de Kalman para obtener la función de verosimilitud

Siguiendo a Blake y Mumtaz (2012), si la solución de un modelo DSGE tiene

la siguiente forma:

st = Φ1(θ)st‒1 + gϵt

su representación estado-espacio será la siguiente:

st = Φ1(θ)st‒1 + ϵ̃t

ytobs = Hst

donde ϵ̃t ~ N(0, σϵ̃2) y σϵ̃2 = gσϵ2 g'.

A partir de esta forma, puede obtenerse una función de verosimilitud
aplicando el filtro de Kalman, que parte de un vector de valores iniciales para
las variables de estado y su respectiva matriz de varianza.
(1) Definimos una predicción para la variable de estado st/t‒1 usando la
ecuación de transición y su varianza estimada pt/t‒1:

st/t‒1 = Φ1st‒1/t‒1

pt/t‒1 = Φ1pt‒1/t‒1Φ'1 + σϵ̃2

(2) Calculamos el error de predicción ηt y su varianza ft:

ηt = ytobs ‒ Hst/t‒1

ft = Hpt/t‒1H'

(3) Aplicamos las ecuaciones de actualización:

st/t = st/t‒1 + Kηt

pt/t = pt/t‒1 ‒ KHpt/t‒1

donde K es denominada la ganancia de Kalman y viene dada por: K = pt/t‒1

H'ft‒1.

184
 Violeta Cortéz Dios y Danilo Gallardo Morveli

Finalmente, la log-verosimilitud vendrá dada por:

1 1 1
Lt = ‒ ln(2π) ‒ ln(|ft|) ‒ (ηt * ft‒1 * ηt' )
2 2 2

185
Determinantes del tipo de cambio en un modelo de equilibrio general: una estimación para la economía peruana

Anexo 2
Algoritmo random-walk Metropolis-Hastings

Aquí explicamos el algoritmo aplicado para simular las distribuciones margi-

nales y condicionadas de cada uno de los parámetros estimados, siguiendo a
Blake y Mumtaz (2012).
a) En primer lugar, se maximiza el log posterior utilizando un optimizador
numérico9, siendo que el log posterior viene dado por la suma del log
verosimilitud y el log prior para obtener la moda posterior que será deno-
minada θmax y la matriz de covarianzas asociada denominada Σmax.
b) Luego, se define un vector θold conteniendo los valores iniciales de los pa-
rámetros y se asume que estos son iguales al modo posterior; es decir, θold
= θmax. La densidad candidata es formada siguiendo un paseo aleatorio
de la siguiente manera:

θnew = θold + e

donde e ~ N(0, cΣmax) y c es un factor de escala que sirve para controlar

la ratio de aceptación.
c) Definimos α como la probabilidad de aceptar el valor simulado, que tiene
la siguiente forma:

α = min[ex p(posteriorNEW ‒ posteriorOLD), 1]

Cabe señalar que posterior NEW y posterior OLD vienen dados por la suma
del log verosimilitud y el log prior evaluados en θnew y θold, respectivamente.
d) Por último, se genera de manera aleatoria una u ~ U(0,1), de tal manera
que si α > u, se acepta el valor simulado y θold = θnew. En caso contrario,
se rechaza el valor simulado.
e) La cantidad de veces que deben repetirse los pasos del 2 al 4 es el número
de simulaciones MH. Se debe definir una proporción burn-in de simula-
ciones iniciales que serán eliminadas para evitar que los valores iniciales
afecten a la distribución simulada.

9
Para este trabajo se utilizó el optimizador csminwel desarrollado por Christopher Sims.

186
 Violeta Cortéz Dios y Danilo Gallardo Morveli

Anexo 3
Cálculo de la verosimilitud marginal

Para calcular la verosimilitud marginal, se utiliza la estrategia de la media

armónica modificada, propuesta por Geweke (1999) y que es descrita aquí
siguiendo a Blake y Mumtaz (2012) y a Koop (2003).
Gelfand y Dey (1994) demuestran que la inversa de la verosimilitud mar-
ginal puede ser calculada a partir de la siguiente expresión, que es conveniente
cuando se utiliza el algoritmo Metropolis-Hastings:

1 f(θ)
= E� /y obs�
p(ytobs/Mi) F(ytobs/θ)P(θ) t

Donde F(ytobs / θ) es la función de verosimilitud, P(θ) es la distribución prior,

y f(θ) es cualquier función de densidad con soporte Ξ definida dentro de la
región del posterior.
Geweke (1999) sugiere que la distribución elegida sea truncada con la
finalidad de que f(θ) tenga un límite superior. De hecho, recomienda utilizar
la distribución normal truncada, por lo que:

1 ‒
1
f(θ) = k |Σ̂ | 2 ex p�‒0,5(θj ‒ θ̂ )Σ̂ ‒1(θj ‒ θ̂ )'� x I(θj ∈ Ξ)
p(2π) 2

Donde θ̂ es la media del posterior, Σ̂ es la matriz de varianzas y covarianzas del

posterior, y k es el número de parámetros. Además, I(θj ∈ Ξ) toma el valor de 1 si:

[(θj ‒ θ̂ )Σ̂ ‒1(θj ‒ θ̂ )' ] ≤ χ1‒p

2
(k)

Donde χ21‒p(k) es la inversa de la función de densidad acumulada chi cua-

drado con k grados de libertad y probabilidad p; por lo que termina siendo el
valor que excede el 1-p% de los draws de una distribución chi cuadrado con
k grados de libertad.
Con esta función y con el posterior calculado durante el algoritmo Metropolis-
Hastings, se puede aproximar la verosimilitud marginal de la siguiente forma:
rep
1 f(θj)
�
rep F(ytobs/θj)P(θj)
j=1

Dónde rep es el número de simulaciones que se hizo durante el algoritmo

Metropolis-Hastings para simular las distribuciones posterior marginales y
condicionadas.

187
Determinantes del tipo de cambio en un modelo de equilibrio general: una estimación para la economía peruana

Anexo 4
Evolución del PBI real del Perú de 2002 a 2019 (S/ 2007)

PBI Real (S/ 2007) de 2002 a 2019

160 000
140 000
120 000
100 000
80 000
60 000
40 000
20 000
0
2002-1
2002-3
2003-1
2003-3
2004-1
2004-3
2005-1
2005-3
2006-1
2006-3
2007-1
2007-3
2008-1
2008-3
2009-1
2009-3
2010-1
2010-3
2011-1
2011-3
2012-1
2012-3
2013-1
2013-3
2014-1
2014-3
2015-1
2015-3
2016-1
2016-3
2017-1
2017-3
2018-1
2018-3
2019-1
2019-3
Fuente: BCRP. Elaboración propia, 2021.

Anexo 5
Evolución del IPC de Lima Metropolitana de 2002 a 2019 (2009=100)

IPC Lima Metropolitana (2009=100) de 2002 a 2019

140

130

120

110

100

90

80

70
2002-1
2002-3
2003-1
2003-3
2004-1
2004-3
2005-1
2005-3
2006-1
2006-3
2007-1
2007-3
2008-1
2008-3
2009-1
2009-3
2010-1
2010-3
2011-1
2011-3
2012-1
2012-3
2013-1
2013-3
2014-1
2014-3
2015-1
2015-3
2016-1
2016-3
2017-1
2017-3
2018-1
2018-3
2019-1
2019-3

Fuente: BCRP. Elaboración propia, 2021.

188
 2,50
2,70
2,90
3,10
3,30
3,50
3,70
0,00%
1,00%
2,00%
3,00%
4,00%
5,00%
6,00%
7,00%
2002-1 2002-1
2002-3 2002-3
2003-1 2003-1
2003-3 2003-3
2004-1 2004-1
2004-3 2004-3
2005-1 2005-1
2005-3 2005-3
2006-1 2006-1
2006-3 2006-3
2007-1 2007-1
2007-3

Fuente: BCRP. Elaboración propia, 2021.

Fuente: BCRP. Elaboración propia, 2021.
2007-3
2008-1 2008-1
2008-3 2008-3
2009-1 2009-1
2009-3 2009-3
2010-1 2010-1
2010-3 2010-3

Anexo 7
Anexo 6

2011-1 2011-1
2011-3 2011-3
2012-1 2012-1
2012-3 2012-3
2013-1 2013-1
2013-3 2013-3
2014-1 2014-1
Tasa de interés interbancaria de 2002 a 2019

2014-3 2014-3
2015-1 2015-1
2015-3 2015-3
2016-1 Tipo de cambio nominal (S/ por US$) de 2002 a 2019
2016-1
2016-3 2016-3
2017-1 2017-1
2017-3 2017-3
2018-1 2018-1
2018-3 2018-3
2019-1 2019-1
Evolución de la tasa de interés interbancaria promedio del Perú de 2002 a 2019

2019-3 2019-3
Violeta Cortéz Dios y Danilo Gallardo Morveli

189
Desvíos de la tasa de interés interbancaria
respecto a la tasa de interés de referencia:
un estudio aplicado al Perú durante el período
2008-20161

Aníbal Fernando Torres Gonzales

Bruno Sebastián Valladares Meneses

Introducción
La política monetaria mantiene vigente su muy importante rol macroeconó-
mico, complementando sus herramientas básicas con nuevas según la evolución
económica nacional e internacional. Como se sabe, la autoridad monetaria
peruana es el Banco Central de Reserva del Perú (BCRP), una institución
autónoma desde 1993, cuyo principal objetivo es controlar la inflación. Con
tal fin, el BCRP implementa desde 2002 un esquema de metas de inflación
(MEI), buscando mantenerla entre un 1% y un 3% anual (Castillo, Pérez,
& Tuesta, 2011).
Ese estudio enfatiza dos funciones auxiliares del BCRP. Una para asegurar
un adecuado grado de liquidez en el sistema financiero, mediante instrumentos
de control como la tasa de encaje, la tasa de referencia y algunas operaciones
de mercado abierto. La otra función busca reducir la vulnerabilidad de los
agentes económicos ante la dolarización, mediante intervenciones en el mer-
cado cambiario que estabilicen el tipo de cambio nominal (Contreras, León,

1
Este ensayo es una versión resumida y editada del Trabajo de Investigación Económica que, con el mismo
título, fue concluido y aprobado en junio de 2021. Los autores agradecen en especial al asesor de este tra-
bajo, profesor Jair Montes, así como a los miembros del jurado, profesores Carlos Parodi y Marco Ortiz,
por sus valiosos aportes y sugerencias. También a nuestros padres, por sus invaluables comentarios que
ayudaron a terminar de materializar este esfuerzo, y a Diana Cueva, por su continuo apoyo a lo largo de
esta investigación.

191
Desvíos de la tasa de interés interbancaria respecto a la tasa de interés de referencia: un estudio aplicado al Perú durante el
período 2008-2016

& Quispe, 2009). Por ello, para realizar una política expansiva o restrictiva
consistente con la meta de inflación, el BCRP usa como principal herramienta
su tasa de interés de referencia (o tasa de referencia de la política monetaria),
que tiene un impacto directo en las tasas de corto plazo a través de las tasas
de interés interbancaria y bancarias.
Antes de 2002, el instrumento operativo del BCRP era una meta cuantita-
tiva respecto a las cuentas corrientes de los bancos en la autoridad monetaria
(Lupú & Pozo, 2011). A partir del esquema MEI, la meta operativa del BCRP
es la tasa interbancaria, con base en el nivel de su tasa de referencia. Lo cual
supone que las tasas de interés activas y pasivas en la economía nacional se
mueven en función de la tasa de interés interbancaria, y esta, en función de
la tasa de referencia fijada por el BCRP (Rodríguez, 2009).
Por ello, es importante conocer si el traspaso de la tasa de referencia sobre
esas otras tasas ocurre de manera completa o imperfectamente, y conocer por
qué y bajo qué circunstancias no se cumple totalmente. De hecho, los datos
de frecuencia diaria en las estadísticas accesibles del BCRP permiten identificar
desviaciones de la tasa interbancaria respecto a la de referencia, especialmente
durante los años 2008-2016, y en ese último año se registró la mayor cantidad
de fluctuaciones diarias (figura 1).
Figura 1
Evolución de la tasa de interés interbancaria y de la tasa de interés de referencia en
el Perú, período 2008-2016
8%

7%

6%

5%

4%

3%

2%

1%

0%
2008 2009 2010 2011 2012 2013 2014 2015 2016
referencia interbancaria
Fuente: BCRP. Elaboración propia, 2021.

192
 Aníbal Fernando Torres Gonzales y Bruno Sebastián Valladares Meneses

Lo anterior justifica que la presente investigación busque explicar las causas

de las distorsiones en la transmisión de la tasa de interés de referencia hacia
la tasa de interés interbancaria; es decir, del instrumento hacia la meta opera-
tiva del BCRP para asegurar el equilibrio del sistema financiero. Así, nuestra
pregunta de investigación es: ¿cuál o cuáles son los principales determinantes
que ocasionaron desvíos en la tasa de interés interbancaria respecto a la tasa
de interés de referencia durante el período 2008-2016?
El análisis del efecto de la tasa de referencia comprende dos etapas. La
primera analiza el impacto de los movimientos de la tasa de referencia sobre
la tasa de interés interbancaria, y engloba el cobro por operaciones entre
entidades financieras bancarias. La segunda analiza el impacto de los cambios
en la tasa interbancaria sobre las tasas nominales bancarias de corto plazo y
su repercusión sobre las tasas de largo plazo. Cuando el BCRP quiere que
el nivel de la tasa de interés interbancaria se alinee con la tasa de referencia,
ejecuta operaciones de mercado abierto (OMA) que inyectan o esterilizan
liquidez en el sistema financiero y así generan un impacto regulador en la
tasa interbancaria.
El BCRP también especifica, en su Circular N.º 0011-2020, que el cum-
plimiento de los requerimientos de encaje debe realizarse mensualmente y que
el plazo para presentar la información al respecto es de 10 días hábiles. Para
cumplir con estos requerimientos, los bancos deben almacenar dinero ya sea
en la cuenta corriente que tienen en el BCRP o en bóveda. Si bien cada banco
puede manejar a discreción el cumplimiento del requerimiento de encaje, a
fin de mes debe cumplir con un porcentaje específico acumulado del total
de obligaciones sujetas a encaje del régimen general (TOSE). Y, si bien esa
proporción puede ser almacenada tanto en dicha cuenta corriente como en
bóveda, existe una regla bancaria que precisa que el mínimo asignado a tal
cuenta corriente equivale al 0,75% del TOSE.
Pero los datos del BCRP revelan algo muy interesante: que las cuentas
corrientes de cada entidad financiera ascienden a niveles superlativos los pri-
meros días del mes. Este hecho nos sirvió para especificar nuestra hipótesis de
trabajo, al hacernos intuir que, en vista de que los requerimientos de encaje
son revisados mensualmente, la estrategia de los bancos comerciales sería ase-
gurarse de que cumplen con el requerimiento mensual promedio almacenando
la mayor cantidad de dinero posible en los primeros días de cada mes, tanto
en dicha cuenta corriente como en bóveda, para luego relajar los niveles de
ambos el resto del mes sin la preocupación de incumplir con el requerimiento
mensual promedio a fin de mes.

193
Desvíos de la tasa de interés interbancaria respecto a la tasa de interés de referencia: un estudio aplicado al Perú durante el
período 2008-2016

Por tanto, la hipótesis de la presente investigación consiste en que la

estrategia de los bancos comerciales, de asegurarse el cumplimiento de los
requerimientos de encaje en los 10 primeros días calendario del mes, es uno
de los determinantes de los desvíos en la tasa interbancaria respecto de la de
referencia durante el período 2008-2016.
Para verificar nuestra hipótesis, primero identificamos qué variables
presentan mayor volatilidad y valores extremos, examinando su mediana,
desviación estándar y valores máximo y mínimo. Los certificados de depósito
y el nivel de cuenta corriente en el BCRP, la liquidez en el sistema bancario, y
las operaciones de reporte, son las variables que presentan mayor variabilidad.
Asimismo, la media de la tasa interbancaria en soles y la media de la tasa de
referencia permitieron detectar que efectivamente hay desvíos entre estas
durante el período de estudio considerado.
Luego, utilizando la causalidad de Granger, determinamos la causalidad
de los distintos regresores considerados en nuestra metodología sobre la tasa
de interés interbancaria y la de referencia. Específicamente, encontramos que
regresores como intervención del BCRP en el mercado spot, liquidez de la
banca, índice VIX, aceleración del tipo de cambio, swaps cambiarios y nivel
total de cuenta corriente del BCRP, sí poseen un carácter explicativo sobre la
tasa de interés interbancaria a un nivel de significancia del 10%, mas no sobre
la tasa de referencia. Mientras que esta última es explicada por el regresor día
de la reunión de política monetaria (cuando el BCRP fija la tasa de referencia)
y por la esterilización de liquidez.
Por último, mediante el método de cointegración, comprobamos la exis-
tencia de una relación de largo plazo entre la tasa interbancaria y la tasa de
referencia del BCRP, cuyos desvíos y respectivos determinantes detectamos
aplicando el modelo de corrección de errores (MCE). Así, al cabo de demostrar
que el residuo rezagado un período captura el efecto feedback en la regresión
con la tasa interbancaria, distribuimos en cinco grupos las principales variables
para demostrar cuáles sí son determinantes de los desvíos de la tasa interban-
caria respecto a la de referencia: efectos calendario, operaciones de mercado
abierto del BCRP, indicadores cambiarios, indicadores de liquidez e incerti-
dumbre. Cabe resaltar que los resultados de estas regresiones revelan que, en
varias ocasiones, el BCRP modera sus medidas de inyección o esterilización de
liquidez, para contrarrestar movimientos bruscos del tipo de cambio nominal
en aras de la estabilidad de la moneda nacional.

194
 Aníbal Fernando Torres Gonzales y Bruno Sebastián Valladares Meneses

1. Revisión de literatura especializada

1.1   Tasa de política monetaria

El BCRP aplica política monetaria bajo el esquema de MEI, que precisa la

meta de mantener la inflación en un rango del 1% al 3% anual, según las
expectativas de los agentes. Lahura (2017) menciona que, para cumplir con
dicha meta, el BCRP toma decisiones mensualmente sobre el nivel de la tasa
de referencia. Esta es denominada así porque, al regir las operaciones inter-
bancarias realizadas por el BCRP, señaliza el nivel que deben tener las tasas de
interés en el mercado para ser consistentes con la estabilidad de precios y, por
ende, el nivel de la tasa real que incide en la brecha del producto. Mediante
una regla de Taylor, el BCRP considera todos esos factores, además de la oferta
y demanda agregada, para definir el nivel de la tasa de referencia.
Por ello, a la tasa de referencia también se la conoce como tasa de polí-
tica monetaria. Esta es la herramienta principal de política monetaria, para
economías tanto emergentes como desarrolladas, pues representa el canal de
transmisión más importante para que los bancos centrales puedan controlar
la inflación y regular monetariamente el comportamiento de una economía
abierta. Al respecto, Freixas, Martin y Skeie (2011) señalan, en su estudio
para economías emergentes influidas por la tasa de la FED, que los respecti-
vos bancos centrales usan la tasa de interés de referencia como herramienta
operativa para regular el precio de las operaciones crediticias de corto plazo
entre entidades bancarias.
Así, si la economía está sobrecalentándose, los bancos centrales deben
aumentar dicha tasa de política para encarecer el crédito y reducir el consumo
o la inversión, a fin de desacelerar un crecimiento brusco o poco sostenible.
En caso contrario, cuando hay que estimular el crecimiento económico, los
bancos centrales deben reducir su tasa de referencia a fin de estimular el crédito,
el consumo y la inversión; sin descuidar la tasa inflacionaria.
En suma, a partir de la tasa de interés de referencia se busca generar un
efecto traspaso (pass-through) entre la tasa interbancaria y las tasas bancarias
(activas y pasivas).

1.2   Tasa de interés interbancaria

Bringas y Tuesta (1998) definen la tasa de interés interbancaria como el pre-

cio de los préstamos entre entidades bancarias. Estos préstamos son de corto
plazo mayormente, por lo que la tasa suele cambiar a diario. Y este mercado
interbancario tiene mucho que ver con la necesidad de los bancos comerciales

195
Desvíos de la tasa de interés interbancaria respecto a la tasa de interés de referencia: un estudio aplicado al Perú durante el
período 2008-2016

de hacerse préstamos entre ellos para cumplir con los requerimientos de encaje
impuestos por el banco central mensualmente.
Esto, dada la ya mencionada estrategia de los bancos para cumplir con
dichos requerimientos, conlleva que, en los primeros 10 días de cada mes,
aumente la demanda de fondos líquidos entre bancos y se genere así un incre-
mento de la tasa de interés interbancaria respecto a la de referencia. Al cabo
de esos primeros días en que los bancos se aseguran el cumplimiento de los
requerimientos de encaje, bajan la demanda de fondos líquidos y la tasa de
interés interbancaria. Este ciclo se reproduce durante todos los meses del año.
Evidentemente, esas fluctuaciones de la tasa interbancaria influyen en las
tasas bancarias. Se genera así un impacto en la tasa de interés nominal, pri-
mero en las tasas de corto plazo ofrecidas por los bancos, y de estas hacia las
tasas de largo plazo para los activos de la economía nacional (Lahura, 2017).

1.3   Desvíos de la tasa de interés interbancaria respecto a la de

referencia

Según Contreras et al. (2009), uno de esos desvíos ocurrió a raíz de un impor-
tante influjo de capitales de corto plazo al mercado peruano de activos en soles
habido en enero de 2008. Esta gran entrada de moneda extranjera incrementó
la liquidez del sistema financiero, generando una presión a la baja de la tasa
de interés interbancaria respecto a la de referencia.
Freixas et al. (2011), en su estudio sobre los beneficios de las bajas tasas
de referencia para la redistribución eficiente de la liquidez en el mercado
interbancario en Estados Unidos, aportan al entendimiento de la acción de los
bancos centrales ante shocks de liquidez que causan desvíos significativos de la
tasa interbancaria respecto a la de referencia. Estos autores distinguen dos tipos
de shocks de liquidez sobre el mercado financiero: distributivos y agregados; y
concluyen que un fallo al determinar el nivel de la tasa de referencia óptimo,
según el tipo de shock de liquidez, podría causar una corrida de bancos.
En un estudio sobre la diferencia entre la tasa de política monetaria del
Banco Central Europeo (BCE) y la tasa interbancaria europea en el período
2004-2006, Linzert y Schmidt (2007) encuentran que el déficit de liquidez en
el mercado interbancario europeo fue el principal factor explicativo del spread
entre ambas tasas. Y que a esa escasez de liquidez se sumó la incertidumbre de
los bancos respecto al rumbo de la política de liquidez del BCE, de modo que
ambos factores condujeron a significativos movimientos de la tasa de interés
interbancaria a niveles distintos de la de referencia. Mientras que no hallaron
estadísticamente significativo el efecto de las expectativas respecto a la tasa de

196
 Aníbal Fernando Torres Gonzales y Bruno Sebastián Valladares Meneses

referencia sobre dicho spread. Cabe resaltar la importancia del factor liquidez
evidenciada por dicho estudio, ya que la regulación del BCRP se asemeja a
la del BCE en tanto ambas se valen de encajes obligatorios y consideran las
cuentas de la banca comercial en los respectivos bancos centrales.
Respecto a los requerimientos de encaje, Carrera y Vega (2012) demos-
traron que sus cambios tienen efectos similares a los de cambios en la tasa de
referencia, y similares repercusiones sobre la inflación y brecha del producto.
Por ello, cuando ambas herramientas se aplican concertadamente, evitan gran-
des cambios en la tasa de referencia que amplifiquen consecuencias no espe-
radas. Cuando no, puede distorsionarse la transmisión de política monetaria
y generarse marcadas diferencias entre la tasa interbancaria y la de referencia.
Carrera y Cóndor (2011) consideran que incrementos en las tasas de
encaje son medidas de política monetaria contractiva, porque elevan las tasas
de interés activas y pasivas al reducir la liquidez del sistema financiero; lo cual
frena presiones inflacionarias enfriando la actividad económica de los agentes.
Y Vega y Chávez (2017) explican que el impacto de cambios en la tasa de
encaje puede transmitirse por medio de dos canales: el canal de crédito, según
el efecto de esos cambios en la cantidad de fondos prestables en el mercado
interbancario; y el canal de liquidez, según el efecto de dichos cambios en el
balance entre la posición de liquidez por parte de los bancos y las necesidades
de liquidez por parte de sus clientes.
Respecto a las intervenciones cambiarias, Morán (2018) explica que sus
principales objetivos son acumular reservas preventivamente para que el BCRP
pueda proveer liquidez en situaciones específicas; y reducir la volatilidad del
tipo de cambio para evitar efectos negativos de hoja de balance en los agentes
económicos.
En el Perú, según Mendoza (2017), el régimen cambiario no es ni fijo ni
flexible, pues sigue un esquema de flotación «sucia». Cuando el tipo de cam-
bio baja, el BCRP tiende a comprar dólares, y a venderlos cuando el tipo de
cambio sube. Dicho autor analiza el período 2003-2016 e identifica dos fases
marcadas por el ciclo de precios de los commodities: en la primera, de auge
(2003-2012), el tipo de cambio nominal cayó (apreciación) hasta un 27%; y
subió (depreciación) en un 40% en la segunda fase (2012-2016).
La teoría de Robert Mundell enseña que en una economía abierta no es
posible tener al mismo tiempo libre movilidad internacional de capitales,
tipo de cambio fijo y política monetaria independiente. Por ello, a fin de
ganar grados de libertad en la regulación tanto monetaria como del tipo de
cambio en aras del equilibrio externo de cada economía abierta, la mayoría de

197
Desvíos de la tasa de interés interbancaria respecto a la tasa de interés de referencia: un estudio aplicado al Perú durante el
período 2008-2016

los bancos centrales del mundo –el BCRP incluido– aplican algún esquema
de intervención en el mercado cambiario; con mayor motivo en los casos de
pequeñas economías dolarizadas como es la peruana. Así, el BCRP puede
regular el tipo de cambio en forma anticíclica, comprando dólares para des-
acelerar la apreciación del tipo de cambio ante fuertes ingresos de divisas, y
vendiéndolos en el escenario opuesto. Ambos movimientos se reflejan en la
posición de cambio del BCRP y en el nivel de las reservas internacionales netas.
En cuanto a la relación entre el tipo de cambio y la tasa de referencia,
Mendoza (2017) señala que, cuando la tasa de interés de corto plazo es fijada,
la intervención en el mercado cambiario tiene que ser necesariamente este-
rilizada. Y los swaps cambiarios no generan diferencias significativas entre la
tasa de interbancaria y la de referencia (Morán, 2017).
Otra variable relevante para el análisis de los determinantes de los desvíos
entre la tasa interbancaria y la tasa de referencia es el efecto calendario. Bringas
y Tuesta (1998) manifiestan que, en los primeros días de cada mes, los bancos
se aseguran el cumplimiento de los requerimientos de encaje almacenando
estos fondos en sus reservas y en la cuenta corriente que cada uno tiene en el
BCRP. Lo cual implica que, en esos primeros días, el nivel de tales cuentas
corrientes aumenta mucho respecto al que registran el resto del mismo mes.
En consecuencia, es probable que el ciclo mensual de almacenamiento de
los fondos para cumplir con los requerimientos de encaje, a un alto nivel a
inicios del mes y a un nivel bajo el resto del mes, y el consiguiente impacto de
cada nivel sobre la liquidez en el sistema financiero, sea uno de los determi-
nantes de los desvíos de la tasa interbancaria respecto a la tasa de referencia.
Esto explica la ya mencionada hipótesis de la presente investigación.

2. Marco analítico

Para evaluar nuestra hipótesis de trabajo, examinamos econométricamente la

relación entre la tasa de interés interbancaria respecto a la tasa de referencia,
sus posibles desvíos y las variables independientes que los explican, durante
el período de estudio 2008-2016. Para ello, tenemos en cuenta los cuatro
canales de transmisión de la política monetaria considerados por Castillo et
al. (2011): expectativas de inflación, tasas de interés activas y pasivas, tipo de
cambio, y liquidez y crédito (figura 2).
Respecto al primer canal, el BCRP busca que la credibilidad y predictibili-
dad de su manejo monetario ancle las expectativas de los agentes económicos,
a fin de evitar presiones inflacionarias. Para el segundo canal, el BCRP utiliza
su herramienta operativa por excelencia (Dancourt, 2012): la tasa de referen-

198
 Aníbal Fernando Torres Gonzales y Bruno Sebastián Valladares Meneses

cia, moviéndola con la idea de generar los mismos movimientos en la tasa de

interés interbancaria y en las tasas activas y pasivas de los bancos; es decir, un
pass-through entre tasas lo más completo posible.
Respecto al tercer canal, es importante que la intervención cambiaria
tenga en cuenta el diferencial entre las tasas de interés nacional e internacional
enfatizado por el modelo de Mundell-Fleming; ya que, por ejemplo, puede
generarse fuga de capitales cuando la búsqueda de depreciar el tipo de cambio
va asociada a una considerable disminución de la tasa de interés de referencia
relativa a la internacional. Y el canal de liquidez y crédito implica que los
bancos magnifican el impacto de la decisión del banco central; por ejemplo,
si esta es muy contractiva, podría producirse un credit crunch2.
Figura 2
Canales de transmisión de la política monetaria del BCRP

Tasa de
interés de
refrerencia

Choques de
Tasas de oferta
Liquidez y interés Tipo de Expectativas
crédito (activas y cambio de inflación
pasivas)

Choques
financieros

Política Demanda Economía

fiscal agregada internacional
Choques de
demanda

Inflación

Fuente: BCRP. Elaboración propia, 2021.

Nuestra evaluación econométrica está inspirada en la desarrollada por

Ahumada et al. (2009), quienes examinan, para el caso chileno, los posibles
desvíos en la tasa de interés interbancaria respecto a la de referencia y su rela-
ción con la liquidez del sistema financiero, considerando a priori que tales
desvíos pueden estar explicados por distintas variables simultáneamente. Por
esta razón, realizan estimaciones de series de tiempo que revelan persistentes
relaciones entre variables durante el período que analizan, a fin de identificar

2
Este fenómeno sucede cuando los bancos, ante perspectivas pesimistas sobre la economía, pierden apetito
de riesgo y contraen mucho el crédito generando una crisis financiera que agrava el pesimismo económico.

199
Desvíos de la tasa de interés interbancaria respecto a la tasa de interés de referencia: un estudio aplicado al Perú durante el
período 2008-2016

los causales del spread entre aquellas tasas, independientemente de las carac-
terísticas individuales de las entidades bancarias.
Luego, utilizan el método de cointegración para probar la existencia de una
relación a largo plazo entre ambas tasas. Conforme a dicho método, primero
comprueban si efectivamente las series son estacionarias o no, aplicando las
pruebas de raíz unitaria de Dick-Fuller aumentado (DFA) y Phillips-Perrón
(PP). Sus resultados les indicaron que las series no son estacionarias, por lo
que evaluaron el término de perturbación y comprobaron que este sí es esta-
cionario, en señal de la existencia de una relación a largo plazo entre la tasa
de interés interbancaria y la tasa de referencia.
A partir de ello, dichos autores aplicaron el modelo de corrección de errores
(MCE) considerando la siguiente ecuación:

∆irt = α0(irt‒1 ‒ mprt‒1) + α1∆mprt‒1 + α2∆irt‒1 + δ' X + εt

donde irt es la tasa de interés interbancaria; mprt es la tasa de política monetaria

o de referencia; α0 es la ponderación de las desviaciones de la tasa interban-
caria al cierre de cada día; y el vector X incorpora variables como operaciones
monetarias, requerimientos de capital regulatorio, depósitos de inversionis-
tas, shocks en la tasa de referencia y efectos calendario e incertidumbre en el
sistema financiero.
Es decir, ese vector X comprende operaciones monetarias tanto discrecio-
nales como no discrecionales. Para la variable efecto calendario, considera tres
fechas adecuadas al caso chileno: el día de la reunión de política monetaria,
los días que deben cubrirse los requerimientos de encaje legal, y el día del
pago del impuesto al valor agregado. Su variable shocks en la tasa de referencia
mide la variación entre esta y aquella implícitamente esperada en contratos
a plazos celebrados dos semanas (o 14 días) antes de la reunión de política
monetaria. Y la variable incertidumbre en el sistema financiero es medida
mediante el Chicago Board Options Exchange Market Volatility Index (VIX)
y el spread Libor-OIS.
Entre los resultados obtenidos por Ahumada et al. (2009) con esa estrategia
econométrica aplicada al caso chileno, resaltamos los tres más relevantes para
nuestro estudio del caso peruano: (i) que la tasa interbancaria no presenta
mucha volatilidad en los días próximos a la reunión de política monetaria
(cuando se fija la tasa de referencia), pero sí lo hace en los últimos días del
período para cumplir con los requerimientos de encaje; (ii) que las medidas
de inyección o esterilización de liquidez (mediante OMA) explican significa-

200
 Aníbal Fernando Torres Gonzales y Bruno Sebastián Valladares Meneses

tivamente los cambios en la tasa interbancaria, especialmente las de inyección

cuando hay iliquidez en el sistema financiero; y (iii) que, en vista de (i) y (ii),
el efecto calendario y el efecto de las OMA resultan ambos como principales
variables significativas en el MCE.
El resultado (i) es congruente con el encontrado por Gaspar, Pérez-Quirós
y Rodríguez (2004) para el caso español, donde hay mucha dispersión de la
tasa interbancaria hacia el final del período de mantenimiento de reservas por
encaje. Y el resultado (ii) está en línea con Linzert y Schmidt (2007), quienes
hallan que la política de liquidez del BCE es determinante para explicar el
spread entre la tasa de interés diaria del euro y la tasa de referencia fijada por
el BCE, en especial si es aplicada flexiblemente para reducir la volatilidad del
spread induciendo a los bancos a adelantar sus tenencias de reservas por encaje.
En conjunto, esas evaluaciones empíricas aplicadas a otros países muestran
como principales determinantes de los desvíos, de la tasa interbancaria respecto
a la de referencia, a la posición de liquidez en el sistema bancario; y a los reque-
rimientos de encaje, en términos no solo de su nivel sino también del efecto
calendario asociado a las fechas clave dentro del período para su cumplimiento.
En cambio, el efecto de la variable incertidumbre en el sistema financiero no
resulta significativo en el caso chileno analizado por Ahumada et al. (2009).
Al analizar el caso peruano, es relevante incluir en nuestro marco analítico el
factor intervención cambiaria, debido a la vigencia de un régimen de flotación
«sucia», pero avalado por Blanchard, Dell’Ariccia y Mauro (2010), por el cual
el BCRP interviene en el mercado cambiario comprando y vendiendo dólares
en el mercado cambiario spot y a través de la emisión de valores indexados al
tipo de cambio.
Para la autoridad monetaria, los swaps cambiarios son instrumentos finan-
cieros derivados, en los que una de las partes del contrato se compromete a
pagar una tasa variable en soles, determinada por la capitalización del índice
acumulado overnight (ION); mientras que la otra parte se compromete a pagar
una tasa de interés fija y la variación del tipo de cambio interbancario promedio
(TC) (BCRP, 2014). Estos swaps cambiarios afectan el tipo de cambio spot
al generar un flujo cambiario, alteran el mercado forward al tratarse de un
derivado y, en principio, no afectan al mercado monetario, pues no ocurre
un intercambio con moneda nacional ni al inicio ni al cierre del contrato.
Sin embargo, las medidas de intervención cambiaria y de liquidez pueden
limitarse mutuamente. Por ejemplo, la desviación de la tasa interbancaria sobre
la de referencia puede deberse a una falta de liquidez en el sistema financiero
(como se ha visto antes), que motive al banco central a inyectar moneda nacio-

201
Desvíos de la tasa de interés interbancaria respecto a la tasa de interés de referencia: un estudio aplicado al Perú durante el
período 2008-2016

nal a fin de regular el spread de tasas (interbancaria y de referencia). Pero, si tal

desviación ocurre en un escenario de depreciación de la moneda nacional, la
inyección de liquidez podría ser aprovechada por los agentes económicos para
demandar más moneda extranjera, y esto aceleraría la depreciación. Ante ello,
el BCRP suele optar por realizar inyecciones limitadas de liquidez en moneda
nacional, sacrificando así parcialmente la regulación de dicho spread de tasas,
a fin de contener la tendencia del tipo de cambio nominal.
El scatter plot entre la aceleración del tipo de cambio y el spread de tasas
(anexo 1) muestra muy poca dispersión (de una décima o menos) y que, en
términos comparativos, el tipo de cambio es más sensible cuando el desvío
entre tasas es mínimo o inexistente, que dicho spread ante una aceleración
del tipo de cambio.

3. Metodología

3.1   Estadística descriptiva

En primer lugar, realizamos un detallado análisis descriptivo de las variables por

utilizar en las regresiones, examinando sus respectivos parámetros estadísticos
básicos: mediana, desviación estándar, valores máximos, mínimos y prome-
dio. Esto permite identificar las variables que presentan mayor volatilidad
(justificándola a la luz de los estudios consultados), y así predecir los posibles
determinantes de desvíos de la tasa interbancaria respecto a la de referencia.

3.2   Causalidad de Granger

Luego aplicamos la prueba (test) de Granger (1969), a fin de comprobar la

causalidad, sobre la tasa interbancaria, de los distintos regresores por incluir
en nuestras estimaciones. La significancia de cada regresor, mostrada por esta
prueba, indica si puede ser considerado como variable explicativa relevante
en el MCE para el siguiente paso metodológico.

3.3   Cointegración y modelo de corrección de errores

Aquí conviene recordar que la hipótesis de nuestro trabajo atribuye el desvío

de la tasa interbancaria respecto a la de referencia a un factor existente en el
corto plazo, como es el cumplimiento de los requerimientos de encaje por
parte de los bancos comerciales durante los 10 primeros días del mes. Esto
nos exige explicar qué otras variables necesitan ajustarse en el corto plazo para
posibilitar la desaparición o reducción del spread entre la tasa interbancaria y
la de referencia en el largo plazo. Razón por la cual recurrimos al método de

202
 Aníbal Fernando Torres Gonzales y Bruno Sebastián Valladares Meneses

cointegración y al MCE, con el propósito de encontrar las variables significa-

tivas que deben ajustarse para lograr que la dinámica de la tasa interbancaria
tienda hacia la tasa de referencia en el largo plazo.

3.4   Discusión de las variables y su forma de medición

Nuestras variables dependientes son tanto la tasa interbancaria como la de refe-

rencia, medidas en puntos porcentuales. Y nuestras variables independientes
son los rezagos de dichas tasas, así como también un conjunto de regresores
distribuidos en cinco grupos independientes entre sí: efectos calendario,
operaciones de mercado abierto (OMA) del BCRP, indicadores cambiarios,
indicadores de liquidez, e incertidumbre.

Efectos calendario:
• MP_Day: dummy del día de la reunión de política monetaria del BCRP
para cada mes.
• CC_Day: dummy de los 10 primeros días del mes en los que se eleva el
nivel de la cuenta corriente de los bancos comerciales en el BCRP.

OMA del BCRP:

• Repo: nivel diario de operaciones de reporte del BCRP, actuando como
proxy de OMA de inyección de liquidez, medido en millones de soles.
• CDBCRP: nivel diario de certificados de depósitos del BCRP, actuando
como proxy de OMA de esterilización de liquidez, medido en millones
de soles.

Indicadores cambiarios:
• Swaps: nivel diario de swaps cambiarios colocados por el BCRP para con-
trolar el tipo de cambio, medido en millones de soles.
• Spot: intervención diaria del BCRP mediante inyección de moneda ex-
tranjera para controlar la volatilidad del tipo de cambio, medido en mi-
llones de soles.
• Speed_e: aceleración diaria del tipo de cambio nominal.

Indicadores de liquidez:
• Liquidez: nivel diario de liquidez del sistema bancario, medido en millo-
nes de soles.
• CC: nivel diario de la cuenta corriente total del BCRP, medido en millo-
nes de soles.

203
Desvíos de la tasa de interés interbancaria respecto a la tasa de interés de referencia: un estudio aplicado al Perú durante el
período 2008-2016

Incertidumbre:
• VIX: índice diario de volatilidad que mide el riesgo para inversionistas
extranjeros.

3.5   Análisis de la base de datos

Dentro del período de estudio (2008-2016), en la base oficial de datos del

BCRP existen más de 3240 observaciones para la tasa de interés de referencia y
la tasa interbancaria. Este período comprende más del 70% de las desviaciones
de la tasa interbancaria respecto a la de referencia, desde que los respectivos
datos diarios son reportados en dicha base oficial. Particularmente, en el año
2016 se presenta, en términos absolutos, la suma de desvíos más alta (47,2
puntos porcentuales) con una media diaria de desvíos de 0,2 puntos porcen-
tuales en valor absoluto.

3.6   Método de medición econométrica

Sometemos las variables de interés existentes en la base de datos del BCRP a

las pruebas de Dick-Fuller aumentado y de Phillips-Perrón para comprobar la
existencia de raíz unitaria. Luego, aplicamos la metodología de Engle-Granger
para estimar tanto la relación entre las tasas (interbancaria y de referencia) a
largo plazo, como las variables que deben ajustarse para que esa relación se
complete. Realizamos esto en dos etapas:
Primero, determinamos si efectivamente existe una relación a largo plazo
entre la tasa interbancaria y la de referencia, y si se puede afirmar con certeza
estadística que no se trata de una relación espuria. Es decir,

interbankt = β1referencet + εt

Una vez confirmada la existencia de dicha relación de largo plazo, formu-

lamos el siguiente MCE:

∆interbankt = α0(interbankt‒1 ‒ referencet‒1) + α1∆referencet‒1

+ α2∆referencet + α3∆interbankt‒1 + α4Z + μt

Esta ecuación captura la dinámica de las tasas interbancaria y de referencia,

considerando como variables explicativas sus respectivos rezagos y las varia-
bles comprendidas en el vector Z, distribuidas en cinco grupos de regresores:
efectos calendario, OMA del BCRP, indicadores cambiarios, indicadores de
liquidez, e incertidumbre.

204
 Aníbal Fernando Torres Gonzales y Bruno Sebastián Valladares Meneses

Ello permite encontrar los coeficientes de ajuste para las variables inde-
pendientes colocadas como regresores. Los cuales, si son estadísticamente
significativos, identifican el aumento o disminución que debe haber en la
respectiva variable independiente para que las variables dependientes puedan
ajustarse y alcanzar un equilibrio estable de largo plazo.

4. Análisis de resultados

4.1   Discusión de descriptores estadísticos

En la tabla 1, se observa que el promedio y la mediana de la tasa interbancaria

son similares a los de la tasa de referencia, y que ambas variables presentan
la menor desviación estándar (1,27 y 1,24, respectivamente) entre todas las
variables en la tabla. Sin embargo, sus respectivos niveles máximo y mínimo
indican que existe cierta dispersión en los valores de cada tasa.
Esa volatilidad es explicable, dado que el BCRP decide respecto a sus OMA
diariamente, según el nivel de tasa interbancaria respecto a la de referencia.
Y también dado que la liquidez del sistema bancario y el nivel de su cuenta
corriente en el BCRP varían en el corto plazo según los incentivos que tengan
el BCRP y los bancos comerciales en asegurar el cumplimiento mensual de
los requerimientos de encaje o, por ejemplo, la estabilidad del tipo de cambio
nominal.
Tabla 1
Valores estadísticos de las variables de interés en el Perú, período 2008-2016

Variables Promedio Mediana D. E. Máximo Mínimo

Tasa de referencia 3,90 4,25 1,24 6,50 1,25
Tasa de interés interbancaria 3,93 4,21 1,27 7,33 0,50
Operaciones de reporte 1202,44 0,00 1903,76 10 053,10 0,00
Certificados de depósito del BCRP 14 602,54 16 090,20 7680,92 29 767,60 0,00
Swaps cambiarios 23,63 0,00 66,94 512,45 0,00
Intervención en el mercado spot 263,22 256,40 137,80 2993,00 0,00
Aceleración del tipo de cambio 0,00 0,00 0,00 0,02 -0,03
Liquidez en el sistema bancario 8645,98 8474,00 5055,03 27 050,00 50,00
Nivel de cuenta corriente 4658,91 3404,62 4209,14 24 494,23 32,55
VIX 21,05 17,94 10,00 80,86 0,00

Fuentes: BCRP, Yahoo Finance. Elaboración propia, 2021.

205
Desvíos de la tasa de interés interbancaria respecto a la tasa de interés de referencia: un estudio aplicado al Perú durante el
período 2008-2016

4.2   Causalidad de Granger

Como se ha dicho antes, aplicamos la prueba de causalidad de Granger para

comprobar la significancia estadística de los regresores sobre las variables
dependientes, tasa interbancaria y tasa de referencia, cada tasa por separado.
Tabla 2
Causalidad de Granger sobre la tasa interbancaria

Hipótesis nula F-Estadístico P-valor

Referencia no causa a Interbancaria 172,07*** 0
MP_Day no causa a Interbancaria 0,06008* 0,09417
CC_Day no causa a Interbancaria 5,43217*** 0,00440
Repo no causa a Interbancaria 1,72064** 0,01792
CDBCRP no causa a Interbancaria 0,08313* 0,09202
Swaps no causa a Interbancaria 1,84206** 0,01587
Speed_e no causa a Interbancaria 1,91792** 0,01471
Spot no causa a Interbancaria 0,26126* 0,07701
Liquidez no causa a Interbancaria 0,28351* 0,07532
CC no causa a Interbancaria 1,05872** 0,03471
VIX no causa a Interbancaria 0,09369* 0,09106

Nota. *, ** y *** indican significancia al 10%, 5% y 1% respectivamente.

Elaboración propia, 2021.

Respecto a la tasa interbancaria, la tabla 2 muestra que todos los regre-

sores son significativos estadísticamente, y que son significativos al 10% los
siguientes regresores: día de la reunión de política monetaria en que es fijada
la tasa de referencia (MP_Day), intervención del BCRP en el mercado spot
(Spot), liquidez de la banca (Liquidez) y VIX. Mientras que son significativos
al 5% los regresores swaps cambiarios (Swaps), aceleración del tipo de cambio
(Speed_e) y nivel total de la cuenta corriente del BCRP (CC); y al 1% lo son
los restantes regresores en la tabla.

206
 Aníbal Fernando Torres Gonzales y Bruno Sebastián Valladares Meneses

Tabla 3
Causalidad de Granger sobre la tasa de referencia

Hipótesis nula F-Estadístico P-valor

MP_Day no causa a Referencia 2,65142* 0,0708
CC_Day no causa a Referencia 1,4438 0,2362
Repo no causa a Referencia 1,3204 0,2672
CDBCRP no causa a Referencia 2,7783* 0,0623
Swaps no causa a Referencia 0,1111 0,8948
Speed_e no causa a Referencia 1,3827 0,2411
Spot no causa a Referencia 1,2320 0,2919
Liquidez no causa a Referencia 0,0858 0,9178
CC no causa a Referencia 2,2804 0,1025
VIX no causa a Referencia 1,4418 0,2367

Nota. *, ** y *** representan significancia al 10%, 5% y 1% respectivamente.

Elaboración propia, 2021.

En cambio, respecto a la tasa de referencia, la tabla 3 muestra que solamente

dos regresores resultan significativos, al 1% cada uno: día de la reunión de
política monetaria (PM_Day) y certificados de depósitos del BCRP (CDB-
CRP), este último tomado como regresor proxy de las OMA de esterilización
de liquidez. Es probable que la causalidad de los certificados de depósito sobre
la tasa de referencia sea intertemporal (Granger, 1969); razón por la cual es
difícil determinar un efecto causal puro en este caso.
Así, los resultados presentados indican que todos los regresores sí poseen
carácter explicativo sobre la tasa interbancaria, aunque solo un par sobre la
tasa de referencia. Pero es muy revelador lo obtenido para la tasa interbancaria,
porque el desvío, cuando ocurre, es en la tasa interbancaria respecto a la de
referencia. Además, Lütkepohl (1982) señala que la manera más eficiente de
obtener una estimación consistente, con coeficientes para las variables expli-
cativas de interés estadísticamente significativos, es colocar todos los regresores
posibles en la especificación econométrica.
Por ello, nosotros optamos por colocar todos los regresores dentro de la
especificación econométrica para analizar la relación de largo plazo entre la
tasa interbancaria y la de referencia, así como los ajustes que deben darse sobre
algunas variables en el corto plazo para lograr dicha relación, cuyos resultados
presentamos a continuación.

207
Desvíos de la tasa de interés interbancaria respecto a la tasa de interés de referencia: un estudio aplicado al Perú durante el
período 2008-2016

4.3   Cointegración y modelo de corrección de errores (MCE)

El primer paso fue aplicar las pruebas de raíz unitaria de Dick-Fuller aumen-
tado (D-FA) y Phillips-Perron (P-P) a los datos obtenidos del BCRP sobre la
tasa interbancaria y la tasa de referencia, para comprobar la estacionariedad
de dichos datos. Los respectivos resultados presentados en la tabla 4 retienen
la hipótesis nula de raíz unitaria, comprobándose así que las series de la tasa
interbancaria y de la tasa de referencia son no estacionarias cada una.
Tabla 4
Pruebas de raíz unitaria: tasa de referencia y tasa interbancaria

Variable Dick-Fuller aumentado Phillips-Perron

(tasa) intercepto intercepto y tendencia intercepto intercepto y tendencia
p-valor p-valor p-valor p-valor
Referencia 0,0656 0,2369 0,6738 0,9256
Interbancaria 0,3483 0,6846 0,1817 0,4612

Elaboración propia, 2021.

El paso siguiente consistió en aplicar un diferencial a cada serie y someterlas

así a las mismas pruebas de raíz unitaria (D-FA y P-P), para determinar el
orden de integración de la tasa interbancaria y de la tasa de referencia. Ello,
porque Montero (2013) menciona que, para fortalecer la afirmación de que
ambas series pueden cointegrar, es necesario probar que son integradas del
mismo orden.
Tabla 5
Pruebas de raíz unitaria: diferencial tasa de referencia y tasa interbancaria

Variable Dick-Fuller aumentado Phillips-Perron

intercepto intercepto y tendencia intercepto intercepto y tendencia
T-estadístico T-estadístico T-estadístico T-estadístico
d_referencia -4,246847 -4,294161 -48,42697 -48,43671
d_interbancaria -27,41992 -27,4224 -58,21906 -58,28682

Elaboración propia, 2021.

Como se observa en la tabla 5, al diferenciar las series una vez, estas se

convierten en estacionarias. Lo cual, según la teoría de raíz unitaria, permite
determinar que ambas series son integradas de primer orden y, por tanto,

208
 Aníbal Fernando Torres Gonzales y Bruno Sebastián Valladares Meneses

pueden ser cointegradas. Y también abre paso a la aplicación del MCE, para
detectar qué variables deben ajustarse a fin de lograr que la relación de corto
plazo entre las tasas interbancaria y de referencia tienda hacia la de largo plazo.
En consecuencia, emprendimos la primera etapa del método Engle-Gran-
ger, consistente en estimar econométricamente la relación de largo plazo
entre la tasa interbancaria y la tasa de referencia del BCRP, modelada según
la siguiente ecuación:

interbankt = β1referencet + εt

Los resultados de la regresión, mostrados en la tabla 6, comprueban que

existe una relación de largo plazo positiva y altamente significativa (al 1%)
entre la tasa interbancaria y la tasa de referencia.
Tabla 6
Regresión de largo plazo entre tasa interbancaria y tasa de referencia

Variable Coeficiente T-estadístico

referencia 1,005058*** 239,5854

Nota. *** significancia al 1%.

Elaboración propia, 2021.

Ahora bien, para afirmar que las series de la tasa interbancaria y de la tasa
de referencia cointegran, también es necesario probar que el residuo de la
regresión de largo plazo entre ambas es estacionario. Parece serlo, pues la media
de esta relación de largo tiende a cero, como se observa en el anexo 2. Pero,
para poder afirmar con certeza que dicho residuo es estacionario, lo sometimos
a las pruebas de raíz unitaria D-FA y P-P, cuyos resultados, presentados en la
tabla 7, comprueban que el residuo de esa regresión es estacionario, quedando
así confirmada la existencia de cointegración entre la tasa interbancaria y la
tasa de referencia.
Tabla 7
Prueba de raíz unitaria: residuo de la ecuación de largo plazo

Variable Dick-Fuller aumentado Phillips-Perron

intercepto intercepto y tendencia intercepto intercepto y tendencia
T-estadístico T-estadístico T-estadístico T-estadístico
residuoLP -12,76844 -13,52723 18,55224 -18,89428

Elaboración propia, 2021.

209
Desvíos de la tasa de interés interbancaria respecto a la tasa de interés de referencia: un estudio aplicado al Perú durante el
período 2008-2016

La confirmación de dicha cointegración nos permitió ejecutar el MCE (o

segunda etapa de Engle-Granger), para capturar la dinámica de la relación
entre la tasa interbancaria y la de referencia, buscando conocer tanto el ajuste
de largo plazo entre ambas tasas (o efecto feedback), como el impacto de las
variables explicativas, identificando así cuáles deben ajustarse en el corto plazo
a fin de facilitar el mencionado ajuste de largo plazo.
Lo primero exigía probar la validez de las siguientes dos regresiones, com-
probando si su residuo tiene una alta significancia estadística:

∆interbankt = θ1εt‒1 + ωt

∆referencet = δ1εt‒1 + εt

Los resultados en la tabla 8 determinan que el residuo rezagado en un

período, regresor que captura el efecto feedback de largo plazo, es altamente
significativo (al 95% de confianza) en la regresión respecto a la tasa interban-
caria; mas no es significativo en la regresión respecto a la tasa de referencia.
Tabla 8
Regresión de la tasa interbancaria y tasa de referencia con el residuo rezagado

Variable Tasa interbancaria Tasa de referencia

Coeficiente T-estadístico T-estadístico T-estadístico
residuoLPt‒1 -0,235564*** 17,17083 0,000411 0,094846

Nota. *** Residuo rezagado significativo al 5%.

Elaboración propia, 2021.

Comprobada así la validez de la regresión donde la tasa interbancaria es la

variable dependiente, formulamos el MCE de la siguiente manera:

∆interbankt = α0(interbankt‒1 ‒ referencet‒1) + α1∆referencet‒1

+ α2∆referencet + α3∆interbankt‒1 + α4Z + μ

Donde, como señalamos al presentar nuestra metodología, las variables expli-

cativas son la diferencia entre ambas tasas rezagadas y un conjunto de variables
comprendidas en el vector Z; el cual abarca cinco grupos de regresores con
las distintas variables identificadas en nuestro marco analítico como posibles
causantes de los desvíos evaluados en este trabajo: efectos calendario, opera-
ciones de mercado abierto del BCRP, indicadores cambiarios, indicadores de
liquidez e incertidumbre.

210
 Tabla 9
Estimación del modelo de corrección de errores con cinco grupos de regresores

Variables [1] [2] [3] [4] [5]

interbank_t-1 -0,275985*** -0,2758551*** -0,273635*** -0,269223*** -0,27109***
reference_t-1 0,277566*** 0,277289*** 0,27504*** 0,270621*** 0,274319***
∆reference 0,790086*** 0,78613*** 0,789745*** 0,778437*** 0,775271***
∆interbank_t_1 0,160044*** 0,136756*** 0,136263*** 0,13226*** 0,132782***
∆reference_t_1 -0,166604*** -0,148549*** -0,150478*** -0,142297*** -0,148268***
Efectos calendario
MP_Day -0,014258*** -0,005565*** -0,005902*** -0,002459*** -0,002284***
CC_Day 0,010136*** 0,007246*** 0,007742*** 0,009541*** 0,009903***
OMA del BCRP
∆repo 0,00417*** 0,00415*** 0,00527*** 0,00529***
∆repo_t_1 0,00149*** 0,00146*** 0,0012*** 0,00124***
∆repo_t_2 -0,00188*** 0,00105*** -0,00257*** -0,00024***
∆repo_t_3 -0,00129*** -0,00108*** -0,0625*** -0,00594***
∆CDBCRP 0,00123 0,00194 0,00408 0,00409
∆CDBCRP_t-1 -0,00407 -0,00408 -0,00933 -0,00929
∆CDBCRP_t-2 -0,00102 -0,00925 -0,00135 -0,00135
∆CDBCRP_t-3 -0,00155 -0,000577 -0,00585
Indicadores cambiarios
∆swaps -0,0165 -0,0167 -0,0167
∆swaps_t-1 -0,0177 0,0471 0,047
Aníbal Fernando Torres Gonzales y Bruno Sebastián Valladares Meneses

211
212
∆swaps_t-2 -0,0093 -0,00963 -0,00962
∆swaps_t-3 -0,00556 -0,00613 -0,00615
∆%tipo de cambio 1,905557*** 1,466566*** 1,449283***
período 2008-2016

∆%tipo de cambio_t-1 1,831774*** 1,60843*** 1,607317***

∆%tipo de cambio_t-2 3,300215*** 2,98915*** 2,994235***
∆%tipo de cambio_t-3 1,251505*** 1,120112*** 1,12369***
∆spot 0,0114*** 0,0265*** 0,0238***
∆spot_t-1 -0,00767*** -0,0021*** -0,0025***
∆spot_t-2 0,00252*** 0,00934*** 0,00923***
∆spot_t-3 -0,00205*** -0,00134*** -0,000137***
Indicadores de liquidez
∆liquidez 0,00344*** 0,00341***
∆liquidez_t_1 0,00251*** 0,00249***
∆liquidez_t-2 0,00919*** 0,00917***
∆liquidez_t-3 0,00906*** 0,00907***
∆Cuenta Corriente -0,01119 -0,012
∆Cuenta Corriente_t-1 0,000382 0,00369
∆Cuenta Corriente_t-2 0,00297 0,00288
∆Cuenta Corriente_t-3 0,00719 0,00714
Incertidumbre
VIX -0,00679

Nota. *** significancia al 5%.

Desvíos de la tasa de interés interbancaria respecto a la tasa de interés de referencia: un estudio aplicado al Perú durante el

Elaboración propia, 2021.

 Aníbal Fernando Torres Gonzales y Bruno Sebastián Valladares Meneses

Aplicamos el MCE estimando cinco regresiones con los mencionados cinco

grupos de variables explicativas como respectivos regresores, a fin de obtener
coeficientes eficientes e insesgados, respecto tanto a la dinámica de la relación
entre ambas tasas, como a las variables que deban ajustarse a corto plazo para
que la tasa interbancaria tienda hacia la tasa de referencia en el largo plazo.
La tabla 9 presenta los resultados de estas estimaciones.
Acerca de la dinámica de ∆interbankt, que incluye una diferencia rezagada
entre ambas tasas, resaltan dos resultados mostrados en la parte alta de la tabla
9. En primer lugar, la velocidad de convergencia del ∆interbankt al ∆referencet
es aproximadamente 0,26-0,27, lo cual a grandes rasgos indica que un tercio
del spread entre ambas tasas se reduce en un día. Segundo, el efecto corto
plazo de los cambios en ∆referencet sobre ∆interbankt es altamente signifi-
cativo y positivo, a un nivel (0,77-0,79) cercano al de un efecto uno a uno.
Este hallazgo es consistente con la evidencia proporcionada por Offermanns
y Nautz (2006) y por Angelini (2002).
La columna [1] de la tabla 9 presenta los resultados para los efectos calen-
dario, especificados con dos fechas que permiten capturar la posible afectación
a la posición de liquidez del sector bancario: MP_Day o día de la reunión
de política monetaria (cuando es fijada la tasa de referencia); y CC_Day, que
toma el valor de 1 para los primeros 10 días del mes en que se eleva el valor
de la cuenta corriente (de los bancos en el BCRP), a fin de controlar por la
mayor demanda de liquidez por parte de los bancos que buscan asegurarse el
cumplimiento de los requerimiento de encaje en esos primeros días del mes.
Los respectivos resultados, que son significativos a un 95% de confianza,
muestran que el ∆interbankt sí varía significativamente en los primeros días del
mes, al igual que en el mismo día de la reunión de política monetaria (0,01-
0,09). En ese día, se desvía en -2 puntos porcentuales; y en el caso de los 10
primeros días, el desvío varía entre 0,9 y 1 punto porcentual. Ello confirma
la hipótesis del presente trabajo, de que la práctica de los bancos comerciales
para asegurarse el cumplimiento de los requerimientos de encaje en los 10
primeros días calendario del mes, es uno de los determinantes de los desvíos en
la tasa interbancaria respecto a la de referencia durante el período 2008-2016.
Para las OMA del BCRP, los resultados presentan magnitudes y signos
esperados (columna [2]). En el caso de las repo, el ajuste resulta ser significativo
a un nivel de confianza del 95% y positivo, en términos de liquidez equivalente
a 0,00529 miles de millones de soles (columna [5]), lo cual indica la necesi-
dad de una mayor inyección de liquidez para que la tasa interbancaria pueda
reducirse en mayor proporción. Mientras que, por el lado de los CDBCRP,
proxy de esterilización de liquidez, el ajuste es no significativo.

213
Desvíos de la tasa de interés interbancaria respecto a la tasa de interés de referencia: un estudio aplicado al Perú durante el
período 2008-2016

Respecto a los indicadores cambiarios (columna [3]), el ajuste en los swaps

no es significativo estadísticamente, por lo que no es posible afirmar que esta
variable explica los desvíos entre tasas analizados. En cambio, el ajuste de la
variable que mide la aceleración del tipo de cambio es altamente significativo
y positivo. Y también lo es el ajuste de la variación en la variable spot, por un
valor equivalente a 0,0238 miles de millones de soles en términos de liquidez
(columna [5]). Esto puede interpretarse como reflejando la necesidad de una
mayor intervención del BCRP en el mercado cambiario spot en el corto plazo,
para que la tasa interbancaria corrija su desvío respecto a la de referencia.
Al agregar en las columnas [4] y [5] el impacto sobre los indicadores de
liquidez del sistema bancario, se comprueba que el ajuste de la variable liquidez
(expresada como una variación de la liquidez y medida en miles de millones)
es significativo y positivo equivalente a 0,00341 millones de soles. Mientras
que el ajuste de la variable cuenta corriente se presenta como no significativo
estadísticamente.
Por último, los resultados muestran que tampoco es significativo estadísti-
camente el ajuste de la variable VIX, representativa del riesgo para los agentes
económicos-financieros dentro del mercado bancario peruano y que sirve de
proxy de incertidumbre. Este resultado concuerda con el hallado para el caso
chileno, antes citado.
En resumen, nuestros resultados identifican la importancia, para que la
tasa interbancaria tienda hacia la tasa de referencia, del ajuste en el corto plazo
de seis variables que correlacionan significativamente con los cambios en
∆interbankt: el día de la reunión de política monetaria en que es fijada la tasa
de referencia, el nivel de la cuenta corriente de los bancos en el BCRP durante
los 10 primeros días del mes, la aceleración del tipo de cambio nominal, la
intervención del BCRP en el mercado cambiario spot, y la liquidez inicial
diaria en el sistema bancario durante el período analizado.

5. Conclusiones

Mediante este trabajo, hemos verificado nuestra hipótesis de investigación, al

haber demostrado que uno de los determinantes de los desvíos en la tasa de
interés interbancaria (en soles) respecto a la tasa de interés de referencia (en
soles) ocurridos durante el período analizado (del 1/1/2008 al 31/12/2016),
es la práctica de los bancos comerciales de asegurarse, en los 10 primeros días
de cada mes, el cumplimiento del requerimiento de encaje mensual fijado
por el BCRP. También hemos identificado las otras variables explicativas
de tales desvíos que podrían ajustarse en el corto plazo, a fin de que la tasa

214
 Aníbal Fernando Torres Gonzales y Bruno Sebastián Valladares Meneses

interbancaria tienda hacia la de referencia en línea con la relación de largo

plazo entre ambas tasas.
Obtuvimos esos resultados aplicando la metodología Engle-Granger de
cointegración y modelo de corrección de errores (MCE), al cabo de haber com-
probado: (i) que, para el período analizado, las series de la tasa interbancaria
y de la tasa de referencia son no estacionarias e integradas de primer orden;
(ii) que esas dos series cointegran en el largo plazo; y (iii) que el residuo de la
relación de largo plazo entre ambas tasas es estacionario, según las pruebas de
Dick-Fuller aumentado y Phillips-Perron.
Nuestra regresión para el MCE especificó como variables independientes
a la diferencia entre las dos tasas de interés rezagadas, y a las variables iden-
tificadas por nuestra aplicación del análisis de causalidad Granger, las cuales
distribuimos en los cinco regresores siguientes: efectos calendario, operaciones
de mercado abierto del BCRP, indicadores cambiarios, indicadores de liqui-
dez e incertidumbre. Y como variable dependiente especificamos a la tasa
interbancaria, luego de haber comprobado que sobre esta tienen significancia
explicativa todos los mencionados regresores.
Con esa metodología, encontramos seis variables importantes en la expli-
cación de los desvíos de la tasa interbancaria respecto a la tasa de referencia
ocurridos en el Perú durante el período 2008-2016. Estas son el día de la reu-
nión de política monetaria en que se fija la tasa de referencia, los 10 primeros
días del mes a nivel de la cuenta corriente de los bancos en el BCRP, las repo,
la aceleración del tipo de cambio, la intervención del BCRP en el mercado
cambiario spot y la liquidez inicial diaria en el sistema bancario.
Con lo cual, además de la ya mencionada variable que corrobora la hipótesis
del presente trabajo, hemos encontrado cinco variables importantes para la
regulación monetaria del BCRP, porque su ajuste en el corto plazo contribuiría
al ajuste de la tasa interbancaria en línea con su relación de largo plazo con
la tasa de referencia.
En tal sentido, cabe resaltar que, según nuestros resultados, el BCRP
a veces sacrifica parcialmente sus medidas de inyección o esterilización de
liquidez y, por ende, el alineamiento de la tasa interbancaria respecto a la de
referencia, en aras de desacelerar movimientos bruscos del tipo de cambio
nominal a fin de salvaguardar la estabilidad de la moneda nacional frente al
dólar. Específicamente, durante el período analizado (2008-2016), la ace-
leración del tipo de cambio y la intervención en el mercado cambiario spot
debieron ajustarse en 1,45 puntos porcentuales y 0,0238 miles de millones
de soles, respectivamente.

215
Desvíos de la tasa de interés interbancaria respecto a la tasa de interés de referencia: un estudio aplicado al Perú durante el
período 2008-2016

Referencias
Ahumada, L., García, A., Opazo, L., & Selaive, J. (2009). Interbank rate and the liquidity
of the market. Documento de Trabajo 516. Banco Central de Chile. https://si2.
bcentral.cl/.../documentos-trabajo/pdf/dtbc516
Angelini, P. (2002). Liquidity and announcement effects in the euro area. Temi di Discussioni
del Servizi Studi 451. Banca d’Italia. https://www.bancaditalia.it/.../temi-discus
sione/.../tema_451_02.pdf
BCRP. (2014). Introducción del swap cambiario como instrumento de intervención cam-
biaria. Reporte de Estabilidad Financiera, noviembre, 71-73. https://www.bcrp.gob.
pe/docs/Publicaciones/.../ref-noviembre-2014-recuadro-7.pdf
Blanchard, O., Dell’Ariccia, G., & Mauro, P. (2010). Rethinking macroeconomic policy.
IMF Staff Position Note, SPN/10/03. https://www.imf.org/.../pubs/.../2010/
spn1003.PDF
Bringas, P., & Tuesta, V. (1998). Determinantes de la tasa de interés interbancaria y la
importancia de la variabilidad para su estimación. Revista Estudios Económicos, 3,
1-15. Banco Central de Reserva del Perú. https://www.bcrp.gob.pe/.../Revista-
Estudios-Economicos/03
Carrera, C., & Cóndor, R. (2011). Los encajes bancarios. Reseña internacional. Revista
Moneda, 148, 30-33. Banco Central de Reserva del Perú. https://www.bcrp.gob.
pe/.../Revista-Moneda/.../Moneda-148-07.pdf
Carrera, C., & Vega, H. (2012). Interbank market and macroprudential tools in a DSGE
model. Serie Documentos de Trabajo, DT 2012-014. Banco Central de Reserva
del Perú / London School of Economics. https://www.bcrp.gob.pe/.../documento-
de-trabajo-14-2012.pdf
Castillo, P., Pérez, F., & Tuesta, V. (2011). Los mecanismos de transmisión de la política
monetaria en Perú. Revista Estudios Económicos, 21, 41-63. Banco Central de Reserva
del Perú. https://www.bcrp.gob.pe/.../Revista-Estudios-Economicos/21
Contreras, A., León, D., & Quispe, Z. (2009). La crisis global 2007-2009 y la política
monetaria del Banco Central de Reserva del Perú. Revista Moneda, 139, 23-33.
Banco Central de Reserva del Perú. https://www.bcrp.gob.pe/.../Revista-Moneda/.../
Moneda-139-04.pdf
Dancourt, O. (2012). Crédito bancario, tasa de interés de política y tasa de encaje en el Perú.
Serie Documentos de Trabajo 342. Departamento de Economía. Pontificia Uni-
versidad Católica del Perú. https://files.pucp.education/departamento/economia/
DDD342.pdf
Freixas, X., Martin, A., & Skeie, D. (2011). Bank liquidity, interbank markets, and
monetary policy. The Review of Financial Studies, 24(8), 2656-2692. https://www.
jstor.org/stable/20869320
Gaspar, V., Pérez-Quirós, G., & Rodríguez M. H. (2004). Interest rate determination in
the interbank market. Documento de Trabajo 407. Banco de España. https://www.
bde.es/.../DocumentosTrabajo/04/Fic/dt0407e.pdf

216
 Aníbal Fernando Torres Gonzales y Bruno Sebastián Valladares Meneses

Granger, C. (1969). Investigating causal relations by econometric models and cross-spectral

methods. Econometrica, 37(3), 424-438. doi:10.2307/1912791
Lahura, E. (2017). El efecto traspaso de la tasa de interés de política monetaria: 2010-2017.
Revista Estudios Económicos, 33, 9-27. Banco Central de Reserva del Perú. https://
www.bcrp.gob.pe/docs/.../Revista-Estudios-Economicos/33
Linzert, T., & Schmidt, S. (2007). What explains the spread between the euro overnight rate
and the ECB’s policy rate? ZEW Discussion Papers 07-076. Zentrum für Europäi-
sche Wirtschaftsforschung. https://www.econstor.eu/bitstream/10419/24661/1/
dp07076.pdf
Lupú, J., & Pozo, J. (2011). Dinámica del mercado interbancario en el Perú. En Encuentro
de Economistas XIX. Banco Central de Reserva del Perú. https://www.bcrp.gob.
pe/.../Encuentro-de-Economistas/.../ee-2011-d3-pozo-lupu.pdf
Lütkepohl, H. (1982). Non-causality due to omitted variables. Journal of Econometrics,
19(2-3), 367-378. doi: 10.1016/0304-4076(82)90011-2
Mendoza, W. (2017). La macroeconomía de la flotación sucia en una economía primario-
exportadora: el caso del Perú. Economía, 40(79), 105-132. Pontificia Universidad
Católica del Perú. https://revistas.pucp.edu.pe/.../economia/article/.../19275/19420
Montero, R. (2013). Variables no estacionarias y cointegración. Documentos de Trabajo en
Economía Aplicada. Universidad de Granada. https://www.ugr.es/~montero/,,,/
cointegracion.pdf
Morán, M. (2017). El swap cambiario del BCRP. ¿Qué es y cómo funciona? Revista Moneda,
170, 8-15. Banco Central de Reserva del Perú. https://www.bcrp.gob.pe/.../Revista-
Moneda/.../moneda-170-02.pdf
Morán, M. (2018). El rol de la intervención cambiaria en la reducción de los riesgos de
la dolarización financiera. Revista Moneda, 175, 11-16. Banco Central de Reserva
del Perú. https://www.bcrp.gob.pe/.../Revista-Moneda/.../moneda-175-02.pdf
Offermanns, C., & Nautz, D. (2006). The dynamic relationship between the euro overnight
rate, the ECB’s policy rate and the term spread. Bundesbank Series 1 Discussion Paper
2006-01. doi:10.2139/ssrn.2785227
Rodríguez, D. (2009). Efecto de las decisiones de política monetaria sobre las tasas de los
bancos comerciales. Revista Moneda, 141, 25-29. Banco Central de Reserva del Perú.
https://www.bcrp.gob.pe/.../Revista-Moneda/.../Moneda-141-04.pdf
Vega, M., & Chávez, J. (2017). Propagación de choques de encaje en el sistema bancario
peruano. Serie de Documentos de Trabajo, DT 2017-04. Banco Central de Reserva
del Perú. https://www.bcrp.gob.pe/.../documento-de-trabajo-04-2017.pdf

217
Desvíos de la tasa de interés interbancaria respecto a la tasa de interés de referencia: un estudio aplicado al Perú durante el
período 2008-2016

Anexo 1
Scatter plot entre la aceleración del tipo de cambio y el spread de tasas

0,02

0,01

0,00
% tipo de cambio

-0,01

-0,02

-0,03
-5 -4 -3 -2 -1 0 1 2

Spread tasas
Elaboración propia, 2021.

218
 Aníbal Fernando Torres Gonzales y Bruno Sebastián Valladares Meneses

Anexo 2
Residuo de largo plazo entre la tasa interbancaria y la tasa de referencia

RESIDUO DE LARGO PLAZO

2

-1

-2

-3

-4

-5
250 500 750 1000 1250 1500 1750 2000 2250

Elaboración propia, 2021.

219
Efecto de la inclusión financiera en las ventas
netas de las mypes en el Perú1

Jean Pool Nieto Córdova

Josselin Andrea Yauri Condor

Introducción
El Perú ha sido considerado como el segundo país con el mejor entorno
favorable y propicio para la inclusión financiera, según el Microscopio
Global 2019 de la revista The Economist. Pero la Encuesta Nacional de
Empresas (ENE) 2015 (INEI, 2015a) revela que las principales restriccio-
nes al crecimiento de las empresas peruanas son la dificultad de obtener
financiamiento y la demanda limitada. Este último factor está relacionado
con el nivel de gasto de las personas, el cual depende, en cierta medida, de
su acceso a productos financieros. Y ambos factores son vistos por más de
un 20% de las mypes (que representaban un 94,7% del total de empresas
el 2014) como las principales limitantes de su crecimiento empresarial
(INEI, 2015b).
Ante ello y debido a la discontinuidad de datos completos para todos los
tamaños de empresas, el objetivo de la presente investigación es evaluar el
efecto de la inclusión financiera, tanto de mypes como de personas, sobre el
nivel de ventas netas de las mypes en el Perú, mediante una estimación de
corte transversal aplicada al año con los datos necesarios disponibles: 2014.
De las tres dimensiones principales de la inclusión financiera –acceso,
uso y calidad–, nuestra medición se enfoca en la dimensión de uso. Y dado
que la continuidad del uso del sistema financiero no se cumple regularmente

1
Este ensayo es una versión resumida y editada del Trabajo de Investigación Económica que, con el mismo
título, fue concluido y aprobado en junio de 2021. Los autores agradecen al profesor Sergio Servan por su
valiosa asesoría durante la realización de la investigación.

221
Efecto de la inclusión financiera en las ventas netas de las mypes en el Perú

en el caso peruano, consideramos que la inclusión financiera también ocurre

cuando un individuo o empresa se reinserta a dicho sistema2.
En el mercado peruano, el crédito y el ahorro son los servicios financieros
más relevantes. Estos dos productos están relacionados con las principales res-
tricciones al crecimiento empresarial: obtención de financiamiento y demanda
limitada. La primera hace referencia a la falta de acceso y uso de créditos,
mientras que la segunda puede deberse a una falta de liquidez de las personas
para consumir. En ambos casos, el otorgamiento de créditos impulsaría el
crecimiento empresarial al aliviar dichas restricciones. Por ello, nuestro estudio
utiliza el uso de crédito como variable de medición de la inclusión financiera,
tanto para las mypes como para las personas.
Nuestro marco analítico considera, a la luz de la literatura revisada, que
el modelo de Banerjee y Duflo (2014) determina, para el caso de empresas,
que la producción óptima depende del capital de trabajo y que las empresas
con recursos propios limitados usarán el crédito para incrementar sus niveles
de producción. En el caso de personas, la inclusión financiera incrementa su
posibilidad de consumo como clientes de empresas que así se ven beneficiadas
en su nivel de ventas netas.
Lo anterior justifica las dos hipótesis de nuestra investigación: (i) la
inclusión financiera de mypes, medida por su uso de créditos para capital de
trabajo, incrementa su nivel de ventas netas; y (ii) la inclusión financiera de
personas, medida por su uso de créditos de consumo, incrementa el nivel de
ventas netas de mypes.
La presente investigación contribuye a la literatura dedicada a evaluar la
relevancia de la inclusión financiera como parte de las estrategias empresariales
de las mypes para incrementar sus ventas netas. Y nuestros resultados refuerzan
la importancia prioritaria de implementar políticas públicas que efectivamente
promuevan la inclusión financiera de las mypes y personas en el Perú.

1. Revisión de literatura

Para una mejor comprensión de los efectos que evalúa nuestro trabajo, en esta
sección analizamos las enseñanzas de los especialistas y normas en la materia,
respecto a: (i) la definición de inclusión financiera; (ii) inclusión financiera
de las empresas y sus ventas netas; y (iii) inclusión financiera de las personas
y ventas netas de las empresas.

2
El concepto usado se diferencia de los que consideran inclusión financiera solo cuando una persona o
empresa hace uso de algún producto financiero por primera vez.

222
 Jean Pool Nieto Córdova y Josselin Andrea Yauri Condor

1.1   Inclusión financiera: definición

Tomamos como referencia la definición de inclusión financiera planteada en la

Política Nacional de Inclusión Financiera del Perú, donde es entendida como
el «acceso y uso de servicios financieros de calidad por parte de la población»
(D. S. N.º 255-2019-EF, art. 2.3, p. 12). Esta definición contiene tres dimen-
siones: acceso, uso y calidad. Debido a que el acceso es la posibilidad de uso
y la calidad es una dimensión compleja de medir, nos concentramos en la
dimensión uso del servicio financiero, por parte de empresas y de personas,
para evaluar los efectos de la inclusión financiera tomando como referencia
el indicador propuesto por Blancher et al. (2019).

1.2   Inclusión financiera de las empresas y sus ventas netas

Beck et al. (2008) analizan que el subdesarrollo financiero y legal y la corrup-

ción en un país son las principales limitantes del crecimiento de una empresa.
Y se han encontrado resultados robustos de que la restricción financiera es la
principal limitante del crecimiento empresarial (Ayyagari, Demirgüç-Kunt,
& Maksimovic, 2008); y de que el impacto de esta restricción es mayor sobre
las mypes (Beck & Demirguc-Kunt, 2006). Se deduce entonces que el cre-
cimiento empresarial puede ser estimulado con políticas públicas que alivien
tal restricción al promover la inclusión financiera de las empresas.
Esos estudios iniciales, aunque enfocados en la restricción financiera,
indirectamente dieron pie para vislumbrar una relación positiva entre inclu-
sión financiera y crecimiento empresarial. Pero no permiten precisar si las
características de los sectores económicos influyen en esa relación y cada
una de sus variables. Por ello, nuestro estudio analiza, en primer lugar, si los
factores propios a cada industria impactan sobre la distribución del crédito;
y, por ende, en la inclusión financiera. El informe de la evolución del sis-
tema financiero peruano de la SBS (2019) revela que, del total de créditos a
actividades empresariales, cerca del 50% se destina a los sectores comercio
e industria manufacturera (25,2% y 20,1%, respectivamente); mientras que
los sectores agricultura, transporte y minería tienen porcentajes menores del
10%3. Lo cual evidencia que la distribución del crédito no es homogénea
sino diferenciada por industrias.

3
Estos porcentajes bajos podrían deberse a que las empresas de transporte y minería tienen un mayor acceso
a los mercados de capitales.

223
Efecto de la inclusión financiera en las ventas netas de las mypes en el Perú

En segundo lugar, las características de cada industria también impactan

sobre el crecimiento de sus empresas. Lopes et al. (2017) evaluaron, para la
región latinoamericana, la influencia de las características de empresas, indus-
trias y países sobre la variabilidad del crecimiento empresarial, encontrando
que un porcentaje alto de tal variabilidad (77%) se debe a diferencias entre
industrias, y que cada una tiene sus limitaciones financieras particulares.
Estas limitaciones pueden provenir de la regulación estatal (impuestos dife-
renciados, limitaciones de capital o de acceso a instrumentos financieros) o
de las características propias a cada industria (liquidez, solvencia, estabilidad,
nivel de activos fijos). Razón por la cual enfatizan que las políticas públicas
en materia de acceso financiero son cruciales para el crecimiento no solo de
empresas sino de cada industria en conjunto. En conclusión, las características
de cada industria son cruciales para la inclusión financiera y el crecimiento de
las empresas; motivo por el cual nuestro estudio las toma en cuenta al evaluar
la relación de interés.
Algunos estudios empíricos recientes evalúan directamente la relación
entre inclusión financiera y crecimiento empresarial. Uno de los primeros es
el de Chauvet y Jacolin (2017), cuya principal conclusión es que la inclusión
financiera contribuye al crecimiento de las ventas en países con distintos
niveles de ingreso per cápita, aunque este efecto positivo es menor para los
del nivel alto. Esos autores hacen un aporte metodológico al mostrar que los
indicadores de inclusión financiera no deben construirse a nivel de empresa,
porque existe mucha discrecionalidad por parte de las entidades financieras
en el otorgamiento de créditos. Por esta razón, utilizan indicadores de inclu-
sión financiera a nivel sector y país, que capturan la distribución del crédito
independientemente de las características de cada empresa.
Léon (2020) demuestra, mediante un panel de datos, que un incremento
en la disponibilidad de créditos estimula el crecimiento de las mypes; pero
que solo los créditos de corto plazo tienen este efecto, porque los créditos de
largo plazo no suelen otorgarse a mypes sino a prestatarios con antecedentes
crediticios (exclusión financiera). Lo cual confirma que mayores niveles de
inclusión financiera, reflejados en incrementos en la disponibilidad de créditos
de corto plazo –como el crédito para capital de trabajo–, alivian las restricciones
financieras de nuevos prestatarios y facilitan su crecimiento. Esta relación es
reforzada por Lee, Wang y Ho (2020), quienes encuentran que la inclusión
financiera, medida como el porcentaje de empresas que usa financiamiento
bancario para capital de trabajo, impacta positivamente en el crecimiento de
tales empresas.

224
 Jean Pool Nieto Córdova y Josselin Andrea Yauri Condor

A la luz de lo hallado por los estudios citados, la presente investigación

evalúa en el corto plazo el efecto de la inclusión financiera sobre el nivel de
ventas netas de las mypes, teniendo en cuenta la heterogénea distribución
del crédito. Para ello, aplicamos una metodología de corte transversal, con-
siderando las variables sugeridas por esos estudios para realizar la medición
correcta del mencionado efecto de interés.

1.3   Inclusión financiera de las personas y ventas netas de las empresas

La inclusión financiera de las personas puede darse por medio del ahorro o
del crédito. Ambos incrementan sus posibilidades de gasto, pero en diferentes
plazos. Con el ahorro, las personas cuentan con un medio para incrementar
sus ingresos a futuro o suavizar su consumo, así como para afrontar shocks
inesperados o flujos de ingresos discontinuos (Cámara, Peña, & Tuesta, 2015).
Es decir, el ahorro permite a las personas optimizar su consumo intertemporal
y, con ello, su bienestar.
Con el crédito, las personas incrementan sus ingresos en el presente.
Las personas pueden destinar esta mayor liquidez a consumir más bienes o
servicios en el corto plazo, o a inversiones en capital humano u otros activos
productivos que mejoren sus ingresos en el largo plazo (Schmied & Marr,
2016). En ambos casos, el crédito opera como un desembolso de las personas
hacia las empresas en el corto plazo, independientemente del plazo en que las
primeras usufructúan los beneficios de este.
Según un estudio realizado en el Perú por Cámara et al. (2015), la mayoría
de los individuos acude a los bancos solo ante necesidades de crédito. Asimismo,
según Jaramillo, Aparicio y Cevallos (2013), los hogares presentan mayor uso de
los créditos de consumo e hipotecarios. Estas preferencias de las personas justifican
la consideración del uso de crédito como indicador de su inclusión financiera.
La literatura especializada destaca uno de los principales beneficios de la
inclusión financiera de personas: el incremento de su nivel de ingreso. Esta
variable tiene un efecto positivo sobre el crecimiento de ciertas industrias, sobre
todo de aquellas cuyas ventas están más relacionadas con el gasto por hogar.
Un estudio en China realizado por Jie et al. (2020) muestra que la inclusión
financiera aumenta el consumo de los hogares, debido a que estos cuentan
con líneas de crédito y plataformas de compras online y pagos virtuales. Los
sectores impactados positivamente por este efecto han sido principalmente
restaurantes, tiendas de ropa, cuidado personal, servicios de atención médica
y educativos, e industrias de entretenimiento. Y tal efecto es mayor para los
hogares con bajos ingresos y menores niveles educativos.

225
Efecto de la inclusión financiera en las ventas netas de las mypes en el Perú

En conjunto, la literatura especializada indica que la inclusión financiera

de las personas favorece sus niveles de ingresos, y que este efecto positivo
ocurre en el corto plazo en el caso del crédito; razón por la cual esta variable es
incluida en nuestra estimación. Y también indica que los beneficios de dicha
inclusión financiera se extienden a los sectores más vinculados con el consumo
de los individuos: comercio, manufactura, servicios, turismo y transporte.
Por ello, nuestra evaluación para el caso peruano espera que las empresas de
esos sectores muestren mejores niveles de ventas netas ante un aumento de la
proporción de personas incluidas financieramente.

2. Marco analítico y metodología

2.1   Marco analítico empresas

Este marco se basa en el modelo de Banerjee y Duflo (2014), que adecuamos

al efecto de interés. Dicho modelo analiza los efectos del aumento de la oferta
de crédito barato sobre la producción e ingresos de una empresa. Parte de una
función de producción general Q = f(I1, … In), cuyos insumos tiene una fuente
de financiamiento. Los insumos I = 1, …, m; m < n son financiados con capital
de trabajo (k), obtenido en parte de préstamos a instituciones financieras4
o contratos con entidades estales u ONG (ks), y en parte de otros mercados
(km)5. Los otros insumos (n ‒ m) son financiados posiblemente por créditos
comerciales6 (cuyos intereses están incluidos en los precios). Por lo tanto, la
maximización de la firma es de la siguiente forma:

Max f(.) ‒ (I1P1 + I2P2 + ⋯ + InPn)

s.a I1P1 + I2P2 + ⋯ + ImPm = k = ks + km

La solución al problema de maximización indica que Q = f(k), f'(k) > 0.

Esta forma reducida indica que la producción óptima está determinada por
el capital de trabajo. Por ello, si el aumento de la oferta de crédito lleva a un
incremento en k, entonces el nivel de producción aumenta. Sin embargo,
para determinar el nivel óptimo de k se requiere incluir el costo del financia-
miento, dado por la tasa de interés promedio de las instituciones financieras,
entidades estales y ONG (rs) y la tasa de interés del mercado (rm). De esta

4
Bancos, empresas financieras, cajas municipales, cajas rurales, Edpyme, cooperativas de ahorro y crédito.
5
Mercado de capitales, préstamos informales, entre otros.
6
Un crédito comercial se refiere al acuerdo entre dos empresas para la adquisición de bienes sin pagar efec-
tivo por adelantado.

226
 Jean Pool Nieto Córdova y Josselin Andrea Yauri Condor

interacción entre tasas y capital de trabajo se concluye que el impacto de un

mayor acceso y uso crediticio afectará el k óptimo y, por ende, la producción
según la situación de cada empresa.
Bajo el modelo solo existen dos situaciones posibles: (i) si una empresa
tiene racionamiento de crédito, porque desea seguir endeudándose a la tasa de
interés más baja, entonces un incremento de la oferta de crédito no necesaria-
mente incrementará su nivel de capital de trabajo óptimo ni su producción,
sino que generará una sustitución entre sus fuentes de financiamiento; (ii) si
una empresa tiene una restricción crediticia, que no le permite alcanzar su k
óptimo porque no puede conseguir más crédito, entonces deseará endeudarse
incluso a una tasa de interés alta y entonces su producción aumentará ante un
incremento de la oferta de crédito.
El citado modelo resalta dos hechos concatenados muy importantes para
nuestra investigación. Primero, la producción de una empresa depende del
capital de trabajo; por ende, cualquier variación en su nivel de capital de tra-
bajo afectará el nivel de su producción y ventas. Segundo, el acceso y uso de
un crédito de capital de trabajo impacta positivamente sobre la producción;
en mayor grado cuando una empresa enfrenta una situación de restricción
financiera.
En consecuencia, si nuestra evaluación identifica que el efecto de la
inclusión financiera de las mypes sobre su nivel de ventas netas es positivo,
podremos concluir que la mayoría de las empresas del estudio enfrentan un
escenario de restricción crediticia, por el cual desean endeudarse incluso
cuando el financiamiento es costoso. En cambio, las empresas que enfrentarán
un escenario de racionamiento de crédito no necesariamente destinarán el
crédito a fines productivos; cuyo impacto sobre producción y ventas no será
significativo, por ende.

2.2   Marco analítico personas

Como se ha visto en la literatura especializada, el ingreso y gasto de las personas

impacta sobre las empresas. Goldberg (2005) indica que la inclusión financiera
de los hogares incrementa sus ingresos. Y Zhuang et al. (2009) muestran que
el mayor nivel de ingreso de los hogares incentivará su consumo, y así este
efecto termina reflejándose en las ventas netas de las empresas. Este meca-
nismo de transmisión puede explicarse con el siguiente modelo de consumo
intertemporal. Se asumen dos períodos y que en el primero puede presentarse
ahorro (φ > 0) o crédito (φ < 0), de modo que:

227
Efecto de la inclusión financiera en las ventas netas de las mypes en el Perú

t=1 Y1 = C1 + φ

t=2 Y2 + (1 + r)φ = C2

Donde r es la tasa de interés, que toma el valor de ra si el agente es ahorrador,

y rc cuando es deudor; siendo ra < rc. Para obtener la restricción intertemporal
del consumidor, se despeja φ de la primera ecuación y se la reemplaza en la
segunda. Así:

C2 Y
C1 + = Y1 + 2
1+r 1+r

En la figura 1, se visualiza la restricción intertemporal, al considerar la

diferencia entre la tasa de interés de ahorro y la de crédito.
Figura 1
Modelo de consumo intertemporal

C2

Y2
�Y1 + � � (1 + ra) Ahorrador
1 + ra

Y2

Deudor

Y1 Y2 C1
�Y1 + �
1 + rc

Fuente: Fisher (1930). Elaboración propia, 2021.

Los individuos que usan un crédito en el período 1 se ubican en la segunda

parte de la restricción intertemporal. Es decir, tienen la posibilidad de elegir
una canasta con un mayor nivel de consumo en el período 1 y menor en el
período 2. En cambio, los ahorradores contarán con una canasta con un mayor
nivel de consumo en el período 2 y menor en el período 1.

228
 Jean Pool Nieto Córdova y Josselin Andrea Yauri Condor

Ese modelo es útil para nuestra investigación, que evalúa el efecto de interés
para un año, y por ello requiere captar los efectos inmediatos de la inclusión
financiera en el nivel de consumo de las personas. Aquel modelo respalda el
mecanismo de transmisión de la inclusión financiera hacia el mayor consumo
en el presente para los individuos que usan crédito y lo destinan a consumir.
Este mayor consumo generará un mayor nivel de ventas de las empresas,
concretándose así el efecto sobre estas de la inclusión financiera de personas.
Por lo cual, nuestras dos hipótesis (respecto a empresas y a personas, res-
pectivamente) quedarían corroboradas si se da lo siguiente:

y* = g(IFE, XE) y* = h(IFP, XP)

Donde y* representa las ventas netas de la empresa; IFE es la variable correspon-

diente a la inclusión financiera de la empresa, que muestra su uso del servicio
financiero; IFP es la variable correspondiente a la inclusión financiera de las
personas, que muestra el uso del servicio financiero; y XE y XP representan a las
variables de control del primer y segundo modelo, respectivamente.

2.3   Metodología

Debido a carencia de datos disponibles, realizamos un análisis de corte

transversal para el año 2014. Ello impide utilizar el crecimiento de las mypes
como variable dependiente y nos limita a evaluar si existe una relación positiva
inmediata entre la inclusión financiera y el nivel de ventas netas de las mypes.
Para estimar esa relación, utilizamos dos modelos econométricos. El pri-
mero respecto a la inclusión financiera de las mypes:

Ind_Ventasi,j,k = β0 + β1 * IF_Mypej,k + β2 * Controli,j,k + εi,j,k

donde Ind_Ventasi,j,k es las ventas netas de la mype i con respecto al promedio

de ventas netas en la industria j en el departamento k; Controli,j,k es el conjunto
de variables características de cada empresa: tamaño, competitividad, si reci-
bió o no un crédito de capital de trabajo, nivel educativo del representante,
estudio de mercado, entre otras; e IF_Mypej,k es el porcentaje de las mypes en
un sector j de un departamento k que usa un préstamo de capital de trabajo.
Así, este modelo estima la relación de la inclusión financiera de las mypes
con el indicador de ventas netas controlado por las características de las empre-
sas. Si bien el modelo no incluye expresamente variables de control para las
características de las industrias y de los departamentos, estas características
están incluidas en la medición de ambas variables de interés.

229
Efecto de la inclusión financiera en las ventas netas de las mypes en el Perú

El segundo modela la inclusión financiera de personas:

Ln_Ventasi,j,k = γ0 + γ1 * IF_Personasj,k + γ2 * Controlk + εi,j,k

donde Ln_Ventasi,j,k es el logaritmo natural de las ventas netas de la mype i,

en la industria j, en el departamento k; Controlk es el conjunto de variables
características de un departamento, que incluye su indicador de desarrollo
financiero, densidad poblacional, competitividad regional, pobreza monetaria y
nivel de hogares con casa propia; e IF_Personasj,k es el porcentaje de deudores de
créditos de consumo en el departamento k destinado al gasto en la industria j.
Así, este modelo estima el impacto de la inclusión financiera de personas
sobre el nivel de ventas netas de las mypes en determinados sectores, contro-
lando por las características a nivel departamental. En este caso no es necesario
controlar por las características de las empresas, debido a que no existe una
relación con la variable independiente de interés. Y el número de sectores para
este modelo se reduce porque no todos interactúan de manera directa con los
individuos consumidores. Las características de estos sectores no son incluidas
como variables de control porque generarían poca variabilidad debido a que
son similares.
En el anexo 1, se describen las variables consideradas en la estimación de
ambos modelos.
2.3.1 Datos

Las principales fuentes de información para la medición de nuestras variables de

interés son la ENE 2015 (INEI, 2015a), el Mapa de Oportunidades de Inclu-
sión Financiera (SBS, s. f.) y la Encuesta Nacional de Demanda de Servicios
Financieros y Nivel de Cultura Financiera (ENDSFNCF) 2016 (SBS, 2017).
La base para estimar nuestros modelos es la ENE 2015, que brinda datos
a nivel de cada empresa para el año 2014 en los 24 departamentos del país y
la Provincia Constitucional del Callao7. Nuestra muestra está conformada
por 9304 de las mypes8 en la ENE, pues solo incluye a las microempresas
con ventas netas por encima de 20 UIT9. Los datos de la ENE pueden ser
estimados con un nivel de inferencia nacional, departamental y según la CIIU
revisión 4. Además, cabe recalcar que, en el modelo respecto a las mypes,

7
Para la estimación, se la considera como parte de Lima.
8
Se considera pequeña empresa si sus ventas netas están entre 150 y menos de 1700 UIT, y microempresa
cuando son menores de 150 UIT.
9
Este límite conviene a nuestro estudio, porque evita que el grupo de mypes debajo del límite y, por ende,
con poca o nula diferenciación entre el manejo empresarial y su hogar, afecte la estimación de los modelos.

230
 Jean Pool Nieto Córdova y Josselin Andrea Yauri Condor

incluimos a todas las instituciones financieras10, entidades estales y ONG

registradas que otorgaron créditos de capital de trabajo.
En el modelo respecto a personas11, la construcción de la principal variable
independiente se efectuó tomando como base el porcentaje de deudores de
crédito de consumo12 a nivel departamental, considerando dichos créditos
otorgados por todas las instituciones financieras excepto las cooperativas13.
Como esta medida presentó poca variabilidad (24 valores), para incrementarla
identificamos un indicador en la ENDSFNCF 2016, que muestra la distribu-
ción del crédito recibido por los individuos según el tipo de gasto.
Dicha encuesta se efectuó a nivel nacional entre noviembre de 2015 y
febrero de 2016, e incluyó a individuos de 18 a 70 años. La muestra com-
prendió 6565 personas de los 24 departamentos del país y la Provincia Cons-
titucional del Callao, por lo cual presenta nivel de inferencia a nivel nacional.
La encuesta consultó al individuo en qué utilizó o va a utilizar el préstamo
que solicitó en 2014.
Ya que dicha muestra no cuenta con representatividad a nivel regional,
el indicador de la distribución del crédito se calculó a nivel nacional para los
sectores seleccionados, asumiendo que la distribución del gasto del crédito
según sector es similar para cada departamento. Y este indicador se multiplicó
al porcentaje de deudores de crédito de consumo a nivel departamental, obte-
niéndose así la variabilidad a nivel sectorial y departamental.
2.3.2 Estrategia empírica

Previamente a la estimación de los modelos planteados, realizamos un

análisis de las principales variables en la muestra. Para el modelo respecto
a mypes, analizamos la distribución del Ind_Ventasi,j,k, y para el modelo
respecto a personas, la distribución del Ln_Ventasi,j,k. Con base en ello,
decidimos trabajar con el percentil 90 de la muestra obtenida de la ENE
2015, el cual incluye a 8373 empresas, cuyas observaciones utilizamos en
su totalidad para la estimación del modelo mypes. Mientras que, para el
modelo respecto a personas, dado que seleccionamos al grupo de sectores
más vinculados con el consumo directo de las personas, obtuvimos 5234
empresas para la estimación.

10
Bancos, empresas financieras, cajas municipales, cajas rurales, Edpyme y cooperativas de ahorro y crédito.
11
En el anexo 8, se detallan las fuentes de datos e información sobre las variables utilizadas en este modelo.
12
Se considera solo a personas naturales.
13
Esta exclusión se debe a que, según la ENDSFNCF 2016, el porcentaje de personas que durante el año
2014 solicitó un préstamo a las cooperativas solo representa el 5,69% de todos los préstamos solicitados.

231
Efecto de la inclusión financiera en las ventas netas de las mypes en el Perú

Adicionalmente, analizamos la correlación entre las variables, a fin de evitar

la presencia de colinealidad y estimación incorrecta de los modelos (anexo 2).

3. Análisis de resultados

3.1   Estimación de los modelos base

Los resultados de la estimación econométrica del modelo mypes son reportados

en la tabla 1, cuya columna (1) presenta la evaluación con el estimador de
MCO, incluyendo algunas variables de control referidas a características de
las mypes. Los resultados muestran que las pequeñas empresas logran un nivel
de ventas netas mayor que las microempresas. Esto, probablemente, porque
las primeras cuentan con más trabajadores y recursos, lo que les permite una
productividad superior en promedio.
Las mypes que exportan tienen en promedio un índice de ventas netas
con mejor desempeño que las que no exportan. Entre las características de
las empresas exportadoras están el contar con un mercado más amplio y la
posibilidad de acceder a programas de promoción o apoyo impulsados por el
sector público y privado. Todo ello les permite tener un mejor desempeño con
respecto a sus pares no exportadores. Ambos resultados, respecto a tamaño
de empresa y exportaciones, concuerdan con los obtenidos por Chauvet y
Jacolin (2017).
El nivel de estudios del representante o gerente de la empresa presenta un
impacto positivo sobre el índice de ventas netas con respecto al promedio. Este
resultado va acorde con Ramírez-Urquidy y Aguilar-Barceló (2018), quienes
indican que la productividad de una empresa depende en cierta medida del
conocimiento de su gestor. Por ello, la inclusión de esta variable en el modelo
permite controlar por el efecto de esa educación especializada sobre ambas
variables de interés.

232
 Jean Pool Nieto Córdova y Josselin Andrea Yauri Condor

Tabla 1
Impacto de la inclusión financiera de las mypes en el índice de ventas netas de las
mypes

Inclusión variable
Modelo base
capital de trabajo
(1)
(2)
IF_Mypej,k 0,287*** 0,123*
(4,27) (1,77)
Capital de Trabajoi,j,k 0,167***
(7,39)
Tamaño de Empresai,j,k 0,865*** 0,852***
(20,43) (20,16)
Exportacionesi,j,k 0,247*** 0,250***
(3,18) (3,20)
Nivel de Estudiosi,j,k 0,035*** 0,036***
(7,5) (7,85)
Promocióni,j,k 0,123*** 0,114***
(4,52) (4,20)
Competencia del productoi,j,k 0,05** 0,053***
(2,58) (2,74)

Notas. t-student entre paréntesis. *** p<0,01, ** p<0,05, * p<0,1.

Fuente: ENE 2015. Elaboración propia, 2021

Las mypes que hacen análisis de mercados para promover sus productos
muestran un índice de ventas netas mayor. Esto debido a que la información
así recolectada les aporta un mejor conocimiento del público objetivo que les
permite asignar recursos más eficientemente, en beneficio de sus ventas netas.
Respecto a la variable de interés para el modelo mypes, los resultados en la
tabla 1 comprueban nuestra primera hipótesis. En efecto, la inclusión finan-
ciera de las mypes, medida a través del uso del crédito de capital de trabajo,
tiene un impacto positivo sobre sus ventas netas con relación al promedio
sectorial y departamental durante el año 2014. Es decir, en promedio, una
mype i tendrá un incremento de sus ventas netas mayor que el promedio de
la industria j en el departamento k, cuanto mayor sea el porcentaje de créditos
para capital de trabajo a mypes en la industria j en el departamento k. Este
resultado va acorde con los de Chauvet y Jacolin (2017) y de Lee, Wang y Ho
(2020), según los cuales la distribución de la inclusión financiera a nivel sector
y país tiene una relación positiva con el crecimiento de ventas.

233
Efecto de la inclusión financiera en las ventas netas de las mypes en el Perú

La columna (2) de la tabla 1 presenta los resultados de estimación MCO

incluyendo esta vez como variable de control la decisión de cada empresa
de usar o no un crédito de capital de trabajo. Pese a la discrecionalidad de
tal variable, persiste la relación positiva con la variable de interés, aunque
disminuye el coeficiente de impacto: de 0,287 a 0,123. Esta reducción del
coeficiente puede deberse a que dicha variable de control captura el efecto de
dos características identificadas por Aparicio y Jaramillo (2012), quienes hallan
que las mypes con créditos tienen, en promedio, un mejor historial crediticio
y un mayor valor de activos usados como colaterales, en comparación con
las mypes sin créditos. Sin embargo, a un nivel de confianza del 90% en este
caso, cabe seguir afirmando que la inclusión financiera de las mypes impacta
positivamente su índice de ventas netas.
La tabla 2 presenta los resultados de la estimación MCO del modelo para
personas. En su columna (1), se observa un mayor nivel de ventas netas en
las mypes de los departamentos con mayor desarrollo financiero. Esto guarda
relación con Beck et al. (2008), quienes mostraron que el subdesarrollo
financiero es una de las principales limitantes del crecimiento empresarial.
Asimismo, Cardona-Acevedo y Cano-Gamboa (2010) encontraron que el
desarrollo financiero tiene un efecto positivo en la producción de las mypes
en Colombia; específicamente, mediante una estimación con panel data
para el período 1995-2005, identificaron que, si se incrementan en un 1%
los desembolsos de créditos, se genera un efecto positivo de un 0,47% en la
producción de esas mypes.
En esa misma columna también se observa que el coeficiente de la densi-
dad poblacional es significativo, pero muy cercano a cero. Lo cual indica que
existe poca o ninguna diferencia en ventas netas entre las mypes ubicadas en
departamentos con mayor densidad población y las ubicadas en departamentos
con menor densidad poblacional. Además, se observa un coeficiente negativo
significativo para la variable que mide el índice de competitividad a nivel
regional14. Esto puede deberse a que los departamentos con un menor nivel de
competitividad dan mayor espacio a las mypes para que puedan desarrollarse.

14
En el anexo 7, se describe el detalle de esta variable.

234
 Jean Pool Nieto Córdova y Josselin Andrea Yauri Condor

Tabla 2
Impacto de la inclusión financiera de las personas en el logaritmo natural de ventas
netas de las mypes

Modelo base Elasticidad

(1) (2)
IF_Personasj,k 13,227***
(11,55)
Ln(IF_Personasj,k) 0,189*
(10,59)
Desarrollo Financierok 3,555*** 2,726**
(3,07) (2,28)
Densidad Poblacionalk 0,000074*** 0,00010***
(4,50) (6,19)
Competitividad Regionalk -0,201*** -0,186***
(-6,23) (-5,73)
Pobreza Monetariak -0,949*** -0,769***
(-3,68) (-2,96)
Hogares con viviendak 1,230** 1,256***
(4,42) (4,47)

Notas. t-student entre paréntesis. *** p<0,01, ** p<0,05, * p<0,1.

Fuentes: Encuesta Nacional de Demanda de Servicios Financieros y Nivel de Cultura Financiera 2016;
ENE 2015; Mapa de Oportunidades de Inclusión Financiera. Elaboración propia, 2021.

También se observa que las mypes ubicadas en departamentos con mayor

nivel de pobreza monetaria presentan un menor nivel de ventas netas, debido
al menor nivel de consumo. Según Sotomayor, Talledo y Wong (2018), los
niveles altos de ingresos en las grandes ciudades incrementan significativamente
el acceso y uso de créditos; lo cual permite un mayor nivel de consumo por
parte de los hogares. Por ello, el efecto sería inverso a un alto nivel de pobreza.
En departamentos donde es alto el porcentaje de hogares con vivienda
propia, las ventas netas de las mypes son mayores en comparación con el resto.
Esto puede explicarse con base en De Soto, Ghersi y Ghibellini (1987), quienes
indican que los derechos de propiedad pueden ser usados como colaterales
para que las personas reciban financiamiento. Este financiamiento aumentaría
su capacidad de consumo, generando más ventas netas para las mypes.
Respecto a la variable de interés para el modelo personas, los resultados
en la tabla 2 comprueban nuestra segunda hipótesis. En efecto, la inclusión
financiera de las personas, medida como el porcentaje de deudores de cré-
ditos de consumo en el departamento k destinado al gasto en la industria

235
Efecto de la inclusión financiera en las ventas netas de las mypes en el Perú

j, tiene un significativo efecto positivo sobre las ventas netas de las mypes.
Específicamente, en promedio, si la inclusión financiera de las personas así
medida se incrementa en un punto porcentual, las ventas netas de las mypes
se incrementarán en un 13% con un nivel de confianza del 99%. Este efecto
concuerda con el identificado por Jie et al. (2020), quienes hallan que la
inclusión financiera de hogares incrementa su nivel de consumo y que ello
impacta positivamente a los sectores más relacionados con el consumo directo.
Adicionalmente, evaluamos el modelo de personas considerando el loga-
ritmo de la variable dependiente y el de la principal variable independiente, a
fin de identificar la elasticidad de las ventas netas de mypes ante la inclusión
financiera de personas. Los resultados al respecto están en la segunda columna
de la tabla 2, donde se observa un significativo coeficiente positivo igual a
0,189. Es decir, si la inclusión financiera de personas se incrementa en un 1%,
las ventas netas de las mypes se incrementarán en un 0,189%, a un 90% de
confianza. Este efecto bajo (aunque significativo) puede deberse a la existencia
de factores como el señalado por Asbanc (2015), respecto a una baja educación
financiera de las personas, que limitaría su capacidad para dar un uso efectivo
al crédito de consumo conseguido.

3.2   Estimación por grupos

Los resultados anteriores nos persuadieron de la conveniencia de evaluar

posibles efectos heterogéneos según tamaño de empresa, y por grupos de
departamentos según su nivel de pobreza. La tabla 3 presenta los resultados de
la estimación del modelo empresas según tamaño de empresa. Las columnas (1)
y (2) muestran que el efecto de la inclusión financiera de las microempresas y
de las pequeñas empresas sobre su respectivo nivel de ventas netas es positivo
y significativo en ambos casos. Esto evidencia que dicho efecto persiste en
cada grupo según tamaño de empresa.

236
 Jean Pool Nieto Córdova y Josselin Andrea Yauri Condor

Tabla 3
Impacto de la inclusión financiera de las mypes en el nivel de ventas netas de las
mypes, según tamaño de empresa

Microempresas Pequeñas empresas

(1) (2)
IF_Mypej,k 0,387*** 0,505**
(6,43) (2,22)
Capital de Trabajoi,j,k 0,105*** 0,123**
(5,72) (2,18)
Tamaño de Empresai,j,k 0,212*** 0,224***
(6,03) (4,13)
Exportacionesi,j,k 0,088 0,127
(1,33) (1,00)
Nivel de Estudiosi,j,k 0,015*** 0,022*
(3,91) (1,66)
Promocióni,j,k 0,085*** 0,0311
(3,87) (0,53)
Competencia del productoi,j,k 0,054*** -0,021
(3,51) (-0,45)
N.° observaciones 7021 1352

Notas. t-student entre paréntesis. *** p<0,01, ** p<0,05, * p<0,1.

Fuente: ENE 2015. Elaboración propia, 2021.

El efecto de la inclusión financiera en el caso de las microempresas es de

0,38, menor que el 0,50 de tal efecto en pequeñas empresas. Esta diferencia
se debería a que las pequeñas empresas cuentan con una mayor capacidad
productiva, que les permite aprovechar de mejor manera la inclusión finan-
ciera. Como se dijo antes (a propósito de la tabla 1), las pequeñas empresas
cuentan con más recursos y personal para lograr incrementos en su nivel de
ventas netas mejores que los de las microempresas.
Mientras tanto, la tabla 4 presenta los resultados de la estimación del
modelo empresas respecto a cuatro grupos de departamentos clasificados según
su índice de pobreza monetaria, de los menos pobres en el grupo I hasta los
más pobres en el grupo IV, conforme a la metodología descrita en el anexo 3.
La tabla muestra que el efecto de la inclusión financiera de las mypes en sus
ventas netas es positivo en los cuatro grupos, aunque solo es significativo en
los grupos menos pobres: I (0,48) y II (0,59). Y destaca que en los departa-
mentos más pobres (grupo IV) sea significativo y comparativamente mayor el
impacto relativo del crédito para capital de trabajo (0,25), de exportar (0,42) y

237
Efecto de la inclusión financiera en las ventas netas de las mypes en el Perú

de programas de promoción (0,17). Lo cual indica que la inclusión financiera

se suma a esas otras medidas públicas y/o privadas en la labor de aliviar la
pobreza, cuyas múltiples carencias explican que el efecto positivo no resulte
significativo en el corto plazo de nuestra estimación circunscrita al año 2014.
Tabla 4
Impacto de la inclusión financiera de las mypes en el nivel de ventas netas de las
mypes, por grupos de departamentos según niveles de pobreza

I II III IV
IF_Mypej,k 0,483*** 0,595** 0,359 0189
(2,63) (2,45) (1,31) (0,62)
Capital de Trabajoi,j,k 0,154*** 0,166*** 0,073 0,250***
(3,60) (3,78) (1,32) (3,18)
Tamaño de Empresai,j,k 1,320*** 0,948*** 1,046*** 0,819***
(14,69) (10,33) (6,44) (3,68)
Exportacionesi,j,k 0,260** 0,378** 0,227 0,429*
(2,13) (2,37) (0,66) (1,92)
Nivel de Estudiosi,j,k 0,065*** 0,039*** 0,043*** 0,027
(7,60) (3,81) (3,63) (1,63)
Promocióni,j,k 0,092* 0,061 0,043 0,174*
(1,77) (1,16) (0,66) (1,65)
Competencia del productoi,j,k 0,022 0,068 0,123** 0,063
(0,57) (1,16) (2,50) (0,95)
N.° observaciones 3519 2263 1181 791

Notas. t-student entre paréntesis. *** p<0,01, ** p<0,05, * p<0,1.

Fuente: ENE 2015. Elaboración propia, 2021.

Por otro lado, la tabla 5 presenta los resultados de la estimación según

tamaño de empresa para el modelo personas. Allí se observan coeficientes
positivos y significativos tanto para las microempresas como para las pequeñas
empresas, aunque es menor el coeficiente para estas últimas. Específicamente,
los resultados del modelo base muestran que, en promedio, si la inclusión
financiera de las personas se incrementa en un punto porcentual, las ventas
netas de las microempresas se incrementarán en un 6% y las ventas netas de
las pequeñas empresas se incrementarán en un 4%, en ambos casos con un
nivel de confianza del 99%. Al evaluar la elasticidad se identificó que, si la
inclusión financiera de personas se incrementa en un 1%, las ventas netas
de las microempresas se incrementarán en un 0,084% y las de las pequeñas
empresas aumentarán en un 0,076%.

238
 Jean Pool Nieto Córdova y Josselin Andrea Yauri Condor

Tabla 5
Impacto de la inclusión financiera de las personas en el logaritmo natural de ventas
netas de las mypes, según tamaño de empresa

Modelo base Elasticidad

Pequeñas Pequeñas
Microempresas Microempresas
empresas empresas
(1) (3)
(2) (4)
IF_Personasj,k 6,296*** 4,407***
(5,88) (5,95)
Ln(IF_Personasj,k) 0,084*** 0,076***
(5,24) (4,64)
Desarrollo Financierok 4,194*** -0,904 3,827*** -0,977
(3,85) (-0,70) (3,43) (-0,71)
Densidad Poblacionalk 0,000023 0,000026 0,000035** 0,000037**
(1,51) (1,63) (2,26) (2,20)
Competitividad Regionalk -0,171*** 0,0044 -0,164*** 0,0103
(-5,60) (0,14) (-5,36) (0,33)
Pobreza Monetariak -0,722*** 0,144 -0,644*** 0,222
(-2,96) (0,58) (-2,63) (0,89)
Hogares con viviendak 1,046** -0,279 1,051*** -0,154
(3,97) (-0,72) (3,97) (-0,40)
N.° observaciones 4494 740 4494 740

Notas. t-student entre paréntesis. *** p<0,01, ** p<0,05, * p<0,1.

Fuentes: Encuesta Nacional de Demanda de Servicios Financieros y Nivel de Cultura Financiera 2016;
ENE 2015; Mapa de Oportunidades de Inclusión Financiera. Elaboración propia, 2021.

Mientras tanto, la tabla 6 muestra los resultados de la estimación del

modelo personas por grupos de departamentos según su nivel de pobreza.
En los cuatro grupos resultan positivos y significativos los principales coe-
ficientes estimados. Así, en promedio, si la inclusión financiera de personas
se incrementa en un punto porcentual, las ventas netas de las mypes en los
departamentos menos pobres (grupo I) se incrementarán en un 10,7%. Y este
efecto es mayor (25%) para las mypes en el grupo II, posiblemente debido a
que los efectos marginales de la inclusión financiera serían mayores en depar-
tamentos con más pobreza, pero, al mismo tiempo, con otras características
que abren un amplio margen de crecimiento empresarial.
Ese potencial de crecimiento empresarial en medio de la pobreza también
explicaría el elevado coeficiente (36,4%) del efecto de la inclusión financiera en
los departamentos más pobres del grupo IV. Sin embargo, el menor coeficiente

239
Efecto de la inclusión financiera en las ventas netas de las mypes en el Perú

(10,1%) para el grupo III sugiere que en algunos departamentos pobres pesan
relativamente más otras características que reducen el efecto positivo de la
inclusión financiera, como por ejemplo el caso de la baja educación financiera
identificada por Asbanc (2015).
Tabla 6
Impacto de la inclusión financiera de personas en el logaritmo natural de ventas
netas de las mypes, por departamentos agrupados según pobreza

I II III IV
IF_Personasj,k 10,782*** 25,013*** 10,104** 36,417**
(8,47) (7,18) (2,09) (2,57)
Desarrollo Financierok -4,599* 14,516*** 13,961
-
(-1,69) (2,63) (0,61)
Densidad Poblacionalk 0,00018*** -0,000021 0,0067* -0,033*
(6,09) (-0,06) (1,89) (-1,92)
Competitividad Regionalk -0,312*** 1,442*** -0,6353** -0,739
(-6,23) (4,65) (-2,29) (-0,49)
Pobreza Monetariak -8,902*** -9,308*** -2,293
-
(-7,11) (-4,10) (-1,04)
Hogares con viviendak -0,325 -6,706 3,536*** -5,327
(-0,58) (-3,93) (3,97) (-1,04)
N.° observaciones 2226 1356 1181 471

Notas. Los coeficientes no estimados por alta colinealidad aparecen con un guion. t-student entre parénte-
sis. *** p<0,01, ** p<0,05, * p<0,1.
Fuentes: Encuesta Nacional de Demanda de Servicios Financieros y Nivel de Cultura Financiera 2016;
ENE 2015; Mapa de Oportunidades de Inclusión Financiera. Elaboración propia, 2021.

3.3   Limitaciones de la investigación

La literatura especializada enseña que la evaluación del efecto de la inclusión

financiera en las empresas debe efectuarse sobre su crecimiento. Para ello, los
estudios empíricos realizan estimaciones econométricas con panel de datos.
Pero para el Perú no existen estudios similares, debido principalmente a la falta
de información periódica pública sobre las principales variables de interés a
nivel de empresas. Por esta razón, nuestro estudio tuvo que limitarse a reali-
zar una evaluación de dicho efecto en el corto plazo, mediante estimaciones
de corte transversal aplicadas al único año (2014) con datos públicamente
disponibles sobre las variables principales.

240
 Jean Pool Nieto Córdova y Josselin Andrea Yauri Condor

El concepto de inclusión financiera adoptado para nuestro estudio se

basa en el uso real del crédito15. Sin embargo, no se tiene la certeza de que
el crédito sea usado correctamente por las empresas o por las personas. Lo
cual, unido a lo antes dicho respecto a la disponibilidad de datos principales
limitada a un solo año, nos ha impedido evaluar la persistencia en el tiempo
del efecto de la inclusión financiera y la sostenibilidad del acceso al crédito
de esos agentes económicos.
Además, la medición de otras variables fue afectada por la falta de informa-
ción completa en las bases de datos disponibles públicamente, donde no todas
las variables están a nivel tanto sectorial como departamental. Esto limitó, en
particular, nuestra evaluación de la inclusión financiera de las personas, para
la cual había datos a nivel departamental pero no sectorial. A fin de resolver
el resultante problema de poca variabilidad, tuvimos que recurrir al indicador
sectorial a nivel nacional, asumiendo que la distribución del destino sectorial
del gasto de las personas receptoras de crédito se da de manera homogénea
entre todos los departamentos. Fue así que pudimos estimar el modelo para
personas a un nivel sectorial y departamental.

4. Conclusiones y recomendaciones

El objetivo de la presente investigación ha sido analizar el efecto de la inclusión

financiera de las mypes y el efecto de la inclusión financiera de las personas,
medidas como el uso del crédito por parte de esos agentes, sobre las ventas
netas de las mypes en el Perú al año 2014. La evaluación de tales efectos se hizo
a la luz de un marco analítico que fundamenta los canales de transmisión a
través de los cuales la inclusión financiera impacta sobre las ventas netas de las
empresas, y fue realizada mediante estimaciones de corte transversal aplicadas
a dos modelos econométricos: uno para empresas y el otro para personas.
Los resultados obtenidos del primer modelo identifican un significativo
efecto positivo de la inclusión financiera de las mypes sobre sus ventas netas,
en línea con la primera hipótesis de nuestro trabajo. Los resultados del segundo
identifican un significativo efecto positivo de la inclusión financiera de las per-
sonas sobre las ventas netas de las mypes, en línea con la segunda hipótesis de
nuestro trabajo. Y ambos modelos presentaron los comportamientos esperados
en las variables de control. Estos resultados concuerdan con los obtenidos por
los estudios empíricos en la literatura especializada consultada, a pesar de las
antes mencionadas limitaciones de datos que enfrentó nuestra investigación.

15
Se considera como uso real al acceso y desembolso del crédito.

241
Efecto de la inclusión financiera en las ventas netas de las mypes en el Perú

Debido a esas limitaciones, los efectos encontrados se limitan al año de

estudio (2014) y no pueden ser inferidos para otros años. No obstante, la
determinación de una relación positiva entre la inclusión financiera de mypes o
personas y el nivel de ventas netas de las mypes tiene importantes implicancias
micro- y macroeconómicas.
A nivel microeconómico, convendría que las mypes adopten la inclusión
financiera como parte de su estrategia empresarial para incrementar sus
ventas netas. A nivel macroeconómico, el Estado y las instituciones debieran
redoblar sus medidas promotoras del uso de crédito como instrumento de
inclusión financiera de mypes y personas, ya que este aporta beneficios a nivel
agregado por mayores niveles de ventas netas para las mypes y de consumo
para las personas.
Finalmente, sugerimos que posteriores estudios incluyan en su evaluación
econométrica variables que capten los niveles de educación financiera de las
mypes y personas perceptoras de crédito, a fin de poder vislumbrar la sosteni-
bilidad de la deuda; o variables que midan el impacto de las iniciativas públicas
y/o privadas de educación financiera junto con las de inclusión financiera
sobre las ventas netas de las empresas. Asimismo, sería interesante evaluar las
hipótesis de nuestro trabajo para años más recientes, de manera que así pueda
observarse el cambio del efecto en el tiempo.
Referencias
Aparicio, C., & Jaramillo, M. (2012). Determinantes de la inclusión al sistema financiero:
¿cómo hacer para que el Perú alcance los mejores estándares a nivel internacional? SBS
Documentos de Trabajo, DT/04/2012. https://www.sbs.gob.pe/.../dt-4-2012.pdf
Asbanc. (2015). Diagnóstico general de la problemática del nivel de endeudamiento de hogares
en el Perú. Asociación de Bancos del Perú – Centro de Estudios Financieros. http://
www.cefi.edu.pe/Paginas/detalle-publicacion.aspx?IDD=92
Ayyagari, M., Demirgüç-Kunt, A., & Maksimovic, V. (2008). How important are financ-
ing constraints? The role of finance in the business environment. The World Bank
Economic Review, 22(3), 483-516. doi:10.1093/wber/lhn018
Banerjee, A., & Duflo, E. (2014). Do firms want to borrow more? Testing credit constraints
using a directed lending program. Review of Economic Studies, 81(2), 572-607.
doi:10.1093/restud/rdt046
Beck, T., & Demirguc-Kunt, A. (2006). Small and medium-size enterprises: Access to
finance as a growth constraint. Journal of Banking and Finance, 30(1), 2931-2943.
doi:10.1016/j.jbankfin.2006.05.009
Beck, T., Demirguc-Kunt, A., Laeven, L., & Levine, R. (2008). Finance, firm size and
growth. Journal of Money, Credit and Banking, 40(7), 1379-1405. https://www.
jstor.org/stable/25096315

242
 Jean Pool Nieto Córdova y Josselin Andrea Yauri Condor

Blancher, N., Appendino, M., Bibolov, A., Fouejieu, A., Li, J., Ndoye, A., ... Sydorenko,
T. (2019). Financial inclusion of small and medium-sized enterprises in the Middle
East and Central Asia. IMF Middle East and Central Asia Departamental Paper
2019/002. https://www.imf.org/.../Publications/DP/2019/.../FISFMECAEA
Cámara, N., Peña, X., & Tuesta, D. (2015). Factors that matter for financial inclusion:
Evidence from Peru. Aestimatio: The IEB International Journal of Finance, 10, 8-29.
doi:10.5605/IEB.10
Cardona-Acevedo, M., & Cano-Gamboa, C. A. (2010). Desarrollo del sector financiero
y su relación con el crecimiento de las micro y pequeñas empresas en Colombia
(1995-2005). Sociedad y Territorio, 10(34), 721-748. https://www.redalyc.org/
pdf/111/11115672006
Chauvet, L., & Jacolin, L. (2017). Financial inclusion, bank concentration, and firm
perfomance. World Development, 97, 1-13. doi:10.1016/j.worlddev.2017.03.018
De Soto, H., Ghersi, E., & Ghibellini, M. (1987). El otro sendero: la revolución informal.
Lima: Instituto Libertad y Democracia. ISBN 13: 9789580602286.
D. S. (Decreto Supremo) N.º 255-2019-EF. (2019, 5 de agosto). Política Nacional de Inclu-
sión Financiera. Normas Legales. Diario Oficial El Peruano. https://www.mef.gob.pe/
es/por-instrumento/decreto-supremo/20676-decreto-supremo-n-255-2019-ef/file
Fisher, I. (1930). Theory of interest: As determined by impatience to spend income and oppor-
tunity to invest it. Macmillan. https://fraser.stlouisfed.org/.../theory-interest-6255
Goldberg, N. (2005). Measuring the impact of microfinance: Taking stock of what we
know. Grameen Foundation USA Publications Series. https://www.academia.
edu/7606360/Grameen_Foundation_03
INEI. (2015a). Perú: principales resultados de la Encuesta Nacional de Empresas, 2015.
Instituto Nacional de Estadística e Informática. https://www.inei.gob.pe/.../publi
caciones_digitales/Est/Lib1430
INEI. (2015b). Perú: estructura empresarial, 2014. Instituto Nacional de Estadística e
Informática. https://www.inei.gob.pe/.../publicaciones_digitales/Est/Lib1262
Jaramillo, M., Aparicio, C., & Cevallos, B. (2013). ¿Qué factores explican las diferencias en el
acceso al sistema financiero?: evidencia a nivel de hogares en el Perú. SBS Documentos
de Trabajo 03/2013. https://www.sbs.gob.pe/portals/0/jer/.../dt_03_2013.pdf
Jie, L., Yu, W., & Jing Jian, X. (2020). The impact of digital finance on household con-
sumption: Evidence from China. Economic Modelling, 86, 317-326. doi:10.1016/j.
econmod.2019.09.027
Lee, C.-C., Wang, C.-W., & Ho, S.-J. (2020). Financial inclusion, financial innovation,
and firms’ sales growth. International Review of Economics and Finance, 66, 189-
205. doi:10.1016/j.iref.2019.11.021
Léon, F. (2020). The provision of long-term credit and firm growth in developing countries.
Economic Modelling, 90, 66-78. doi:10.1016/j.econmod.2020.04.023
Lopes, L., Goulart, R., Dos Santos, M., & Brunaldi, E. (2017). Cross-classified multi-
level determinants of firm’s sales growth in Latin America. International Journal of
Emerging Markets, 13(5), 902-924. doi:10.1108/IJoEM-02-2017-0065

243
Efecto de la inclusión financiera en las ventas netas de las mypes en el Perú

Ramírez-Urquidy, M., & Aguilar-Barceló, J. (2018). The impact of economic and finan-
cial management practices on the performance of Mexican micro-enterprises:
A multivariate analysis. Revista Brasileira de Gestão de Negócios, 20(3), 319-337.
doi:10.7819/rbgn.v20i3.3518
SBS. (s. f.). Mapa de oportunidades de inclusión financiera. Superintendencia de Banca,
Seguros y AFP. https://mapainclusion.sbs.gob.pe/GeoSBS/
SBS. (2017). Encuesta Nacional de Demanda de Servicios Financieros y Nivel de Cultura
Financiera. Resultados 2016. Superintendencia de Banca, Seguros y AFP. https://
www.sbs.gob.pe/Portals/0/jer/.../Informe-de-Resultados.pdf
SBS. (2019). Evolución del sistema financiero. Diciembre 2019. Superintendencia de Banca,
Seguros y AFP. https://intranet2.sbs.gob.pe/estadistica/financiera/2019/Diciembre/
SF-2103-di2019.PDF
Schmied, J., & Marr, A. (2016). Financial inclusion and poverty: The case of Peru. Regional
and Sectoral Economic Studies, 16(2), 29-43. https://www.researchgate.net/publica
tion/313305565
Sotomayor, N., Talledo, J., & Wong, S. (2018). Determinantes de la inclusión financiera en
el Perú: evidencia reciente. SBS Documentos de Trabajo 001-2018. https://www.
sbs.gob.pe/Portals/0/jer/.../DT-001-2018.pdf
Zhuang, J., Gunatilake, H., Niimi, Y., Ehsan, M., Jiang, Y., Hasan, R., ... Huang, B.
(2009). Financial sector development, economic growth, and poverty reduction: A
literature review. ADB Economics Working Paper Series 173. https://www.adb.
org/.../publication/28391/economics-wp173.pdf

244
 Anexos

Anexo 1
Descripción de las variables

Variable Nombre Descripción Fuente

Modelo de las mypes
Ventas netas de la empresa i con respecto al promedio en
Ind_Ventasi,j,k Índice de ventas netas ENE 2015
la industria j en el departamento k
1: La empresa uso un crédito de capital de trabajo
Dummy Capital de trabajo ENE 2015
0: La empresa no uso dicho crédito
1: Número de trabajadores >20 pero <=100
Capital de Trabajoi,j,k Dummy Tamaño de empresa ENE 2015
0: Número de trabajadores <=20
Tamaño de Empresai,j,k 1: Si la empresa es exportadora
Dummy Exportaciones ENE 2015
Exportacionesi,j,k 0: Si la empresa no es exportadora
1: Sin nivel
2: Inicial
3: Primaria incompleta
4: Primaria completa
Último nivel de estudios 5: Secundaria incompleta
Nivel de Estudiosi,j,k alcanzado del conductor o 6: Secundaria completa ENE 2015
responsable 7: Superior no universitaria incompleta
8: Superior no universitaria completa
9: Superior universitaria incompleta
10: Superior universitaria completa
11: Posgrado
Jean Pool Nieto Córdova y Josselin Andrea Yauri Condor

245
 1: La empresa realizó estudios o análisis de mercados para

246
Promocióni,j,k Dummy Promoción de productos promover sus productos o servicios ENE 2015
0: De otra forma
1: Mucha competencia
Competencia del producto 2: Poca competencia ENE 2015
3: No hay competencia
Competencia del productoi,j,k Inclusión financiera de las Porcentaje de empresas que usa un crédito de capital de
% ENE 2015
IF_Mypej,k empresas trabajo en el sector j en el departamento k
Modelo de las personas
Logaritmo natural de las ventas netas de la empresa i en la
Ln_Ventasi,j,k Ln Ventas netas ENE 2015
industria j en el departamento k
Encuesta Nacional de
Número de deudores de créditos de consumo16 en el Demanda de SF y nivel
Inclusión financiera de las
IF_Personasj,k % departamento k destinado al gasto en la industria j con de CF 2016 y Mapa de
personas
respecto a la población adulta total Oportunidades - SBS
(RCD)
Efecto de la inclusión financiera en las ventas netas de las mypes en el Perú

Mapa de
Desarrollo financiero Monto total de créditos otorgados al consumo con
Desarrollo Financierok % Oportunidades – SBS
hogares respecto al PBI departamental
(RCD)
Mapa de
Densidad Poblacionalk Densidad poblacional Número de habitantes por kilómetro Oportunidades – SBS
(INEI)

16
Se considera la diferencia del número de deudores en 2014 en relación con los de 2013, para evitar una sobreestimación en el modelo por los deudores de años ante-
riores.
 Indicador agregado que mide el nivel de competitividad
de una región. Está compuesto por ocho pilares: Mapa de
Índice de competitividad
Competitividad Regionalk institucionalidad, infraestructura, salud, educación, Oportunidades – SBS
regional
innovación, ambiente, evolución sectorial y desempeño (MEF SIAF/SP – IPE)
económico
Porcentaje de la población cuyo ingreso o consumo per Mapa de
Índice de pobreza
Pobreza Monetarik % cápita es menor que el costo de una canasta de bienes y Oportunidades – SBS
monetaria
servicios mínimos esenciales (línea de pobreza) (Midis)
Mapa de
Porcentaje de hogares que informaron tener una vivienda
Hogares con viviendak % Hogares con vivienda Oportunidades – SBS
totalmente pagada
(Enaho-INEI)
Elaboración propia, 2021.
Jean Pool Nieto Córdova y Josselin Andrea Yauri Condor

247
 Anexo 2

248
Matriz de correlaciones

Modelo de las mypes

(1) (2) (3) (4) (5) (6) (7) (8)
Ind_Ventas (1) 1
Capital de trabajo (2) 0,087* 1
Tamaño de empresa (3) 0,258* 0,022* 1
Exportaciones (4) 0,060* -0,001 0,049* 1
Nivel de estudios (5) 0,115* -0,095* 0,133* 0,034* 1
Promoción (6) 0,085* 0,024* 0,092* 0,028* 0,137* 1
Competencia del producto (7) 0,046* -0,050* 0,050* 0,048* 0,097* -0,003 1
Efecto de la inclusión financiera en las ventas netas de las mypes en el Perú

IF_Mype (8) 0 0,296* -0,076* 0,012 -0,221* -0,054* -0,094* 1

Nota. * p<0,05.
Fuente: ENE 2015. Elaboración propia, 2021.
 Modelo de las personas
(1) (2) (3) (4) (5) (6) (7)
Ln_Ventas (1) 1
IF_Hogares (2) 0,257* 1
Desarrollo financiero (3) 0,195* 0,500* 1
Densidad poblacional (4) 0,180* 0,543* 0,777* 1
Competitividad regional (5) 0,117* 0,538* 0,582* 0,722* 1
Pobreza monetaria (6) -0,095* -0,408* -0,485* -0,395* -0,806* 1
Hogares con vivienda (7) -0,037* -0,166* -0,374* -0,400* -0,154* 0,141* 1

Nota. *p<0,05.
Fuente: Encuesta Nacional de Demanda de Servicios Financieros y Nivel de Cultura Financiera 2016; ENE 2015; Mapa de Oportunidades de Inclusión Financiera.
Elaboración propia, 2021.
Jean Pool Nieto Córdova y Josselin Andrea Yauri Condor

249
Efecto de la inclusión financiera en las ventas netas de las mypes en el Perú

Anexo 3
Metodología de clasificación de departamentos por grupos según nivel de pobreza

El porcentaje de pobreza monetaria de cada departamento se obtuvo del

Mapa de Oportunidades de la SBS para el año 2014. Dividimos el rango
total, diferencia entre el valor mínimo (4,1%) y máximo (52,3%), en cuatro
intervalos de igual rango que se presentan en la siguiente tabla.

Intervalos Límite inferior Límite superior

1 4,1% 16,2%
2 16,2% 28,2%
3 28,2% 40,3%
4 40,3% 52,3%

Elaboración propia, 2021.

250
 Jean Pool Nieto Córdova y Josselin Andrea Yauri Condor

Con estos intervalos, clasificamos a los departamentos según su nivel de

pobreza. La distribución por cada grupo es presentada en la siguiente tabla.

Grupo Departamento %
Arequipa 7,8
Ica 4,1
Lima 12,0
Madre de Dios 7,3
I
Moquegua 11,9
Tacna 11,8
Tumbes 15,0
Ucayali 13,9
Áncash 23,9
Cusco 18,7
II Junín 18,2
La Libertad 27,4
Lambayeque 24,7
Huánuco 40,0
Loreto 35,2
Pasco 39,0
III
Piura 29,6
Puno 32,8
San Martín 28,4
Amazonas 51,3
Apurímac 42,6
IV Ayacucho 47,4
Cajamarca 50,7
Huancavelica 52,3

Fuente: Mapa de Oportunidades de Inclusión Financiera. Elaboración propia, 2021.

251
El impacto del buen gobierno corporativo sobre la
volatilidad de los retornos de las acciones listadas
en la Bolsa de Valores de Lima1

Rodrigo Peña
Brian Esparza

Introducción
Las crisis financieras dan varias lecciones. La crisis financiera asiática (1997-
1998) avivó el interés por la adopción de mecanismos que resguarden la ética
y credibilidad empresarial en pro de la estabilidad económica a nivel global.
Por ello, la OCDE (OECD, 1999) planteó una lista de principios generales
de buen gobierno corporativo (BGC), como marco de referencia para que los
países se beneficien mejorando la eficiencia, integridad, estabilidad y trans-
parencia de sus respectivos mercados financieros. Desde entonces, gobiernos
y sectores privados de varios países han ido formulando sus mecanismos de
BGC en línea con dichos principios.
Paralelamente, ha ido desarrollándose la literatura especializada en BGC y
sus impactos en precios y retornos de acciones, indicadores financieros empre-
sariales, eficiencia de mercados bursátiles, entre otros. En general, esta literatura
sugiere que el BGC tiene implicancias económicas positivas en distintos países,
en cuanto a precios de las acciones y ratios financieros (Claessens, 2006). Pero
el impacto del BGC sobre la volatilidad ha sido poco estudiando, y en el Perú
no hemos encontrado investigaciones enfocadas exclusiva y exhaustivamente
en evaluar tal impacto.

1
Este ensayo es una versión resumida y editada del Trabajo de Investigación Económica que, con el mismo
título, fue concluido y aprobado en noviembre de 2021. Sus autores agradecen al profesor Miguel Robles
Flores por su valiosa asesoría durante la investigación, así como al jurado del trabajo conformado por los
profesores Serhat Yaman y Diego Winkelried, por sus observaciones y sugerencias.

253
El impacto del buen gobierno corporativo sobre la volatilidad de los retornos de las acciones listadas en la Bolsa de Valores de
Lima

Por ende, el objetivo de la presente investigación es analizar los impactos del

BGC sobre la volatilidad de los retornos de las acciones de la Bolsa de Valores
de Lima (BVL), buscando ofrecer respuestas empíricas y teóricas al respecto.
Para ello, nos planteamos la siguiente hipótesis: Un mejor cumplimiento
de los principios de BGC reduce la volatilidad de los retornos. Y evaluamos
econométricamente esta relación utilizando un modelo de datos de panel con
efectos fijos por empresa, cuyos resultados sometemos a pruebas de robustez
con distintas mediciones de volatilidad y especificaciones econométricas,
asimetrías de shocks, entre otros.

1. Revisión de la literatura

1.1   Literatura teórica

La provisión de información financiera, operativa y de responsabilidad empre-

sarial/social es relevante para identificar el valor de una empresa. Ferreira y
Laux (2007) argumentan que el BGC contribuye a un mercado financiero
mejor informado y con precios más representativos de los activos financieros,
dado que incluyen información privada relevante. Similarmente, Lee, Chung
y Yang (2016) concluyen que el BGC influye positivamente en la eficiencia
informativa de los precios, al existir una mejor calidad y transparencia en los
reportes financieros, lo cual acorta la diferencia entre el precio de la acción
en el mercado y su valor fundamental.
Y Ross (1989) demuestra, basándose en la teoría de mercados eficientes,
que la volatilidad de los precios está directamente relacionada con el flujo de
información en el mercado; brindando así sustentación teórica a la influencia
del BGC en la volatilidad, ya que este brinda información relevante sobre
cómo se comporta la empresa. Además, Claessens (2006) explica que el BGC
aminora las asimetrías de información al propiciar un entorno más transpa-
rente y creíble en los mercados financieros, haciéndolos menos volátiles. Por
ejemplo, según Zhu (2010), el BGC sirve como un mecanismo regulador de
información privilegiada (insider trading), lo cual suaviza la volatilidad de los
mercados financieros (Du & Wei, 2004).
Lo anterior implica que cumplir con los estándares de BGC reduce las bre-
chas de información entre compradores y vendedores, propiciando una mejor
asignación de recursos al reducir la información asimétrica que podría provocar
sorpresivos períodos de alta volatilidad. Sin embargo, el BGC puede aumentar la
volatilidad en ciertos casos, cuando la publicación de reportes con atractivos están-
dares de BGC acelera la demanda por algunas acciones (Bushee & Noe, 2000).

254
 Rodrigo Peña y Brian Esparza

Albuquerque y Wang (2008) aplican un modelo DSGE2 para evaluar

teóricamente el impacto de la protección al inversionista sobre los retornos
de los activos. Argumentan que una menor protección al inversionista, y la
presencia de conflictos de agencia entre accionistas y gerentes, generan una
mayor volatilidad de dichos retornos y menores beneficios a largo plazo. Por
ello, sugieren que fortalecer el BGC contribuye a una mejor distribución y
menor volatilidad de los retornos, porque reduce tanto el peso de los intereses
particulares de accionistas dominantes, como los conflictos de agencia entre
directores y accionistas.

1.2   Estudios empíricos

Para el Perú existe evidencia empírica de la relación entre el BGC y el precio

de las acciones en la BVL (Arteaga et al., 2013). Estos autores encontraron
que, tras el anuncio de la inclusión de una empresa en el Índice de Buen
Gobierno Corporativo, el precio de sus acciones aumentaba anormalmente
al día siguiente del anuncio. Este efecto fue hallado con la metodología de
estudio de eventos, útil para evaluar efectos de corto plazo. La estimación fue
realizada con los estimadores Theil-Sen y ARCH.
En un estudio de alcance global, basado en una muestra de 33 831 accio-
nes en 48 países y reportes anuales de BGC durante el período 1990-2016,
Gagnon y Jeanneret (2020) utilizan un modelo de diferencias en diferencias
con efectos fijos para estimar el impacto del BGC en la volatilidad de accio-
nes. Sus resultados demuestran que las empresas con mejores índices de BGC
presentan retornos menos volátiles, al optimizar la valorización de sus activos
y sus niveles de deuda.
A nivel de la región latinoamericana, Chong et al. (2003) mostraron
que, al implementar mejores prácticas de gobierno corporativo, se reduce la
sensibilidad de las entradas de capitales a los shocks externos y, por ende, la
volatilidad de las respectivas economías. La estimación de esos autores utilizó
efectos fijos por países, para controlar por factores específicos que puedan
afectar el nivel de entrada de capitales.
Otros autores evaluaron la volatilidad del precio de las acciones en los
índices de valores en Turquía (Erdag & Mugaloglu, 2013), incorporando una
variable dummy en la especificación de su modelo para la varianza Garch (1,1).
Pero estos autores obtienen que más de la mitad de los coeficientes asociados
a la publicación de información son positivos y significativos. Un resultado

2
En inglés: dynamic stochastic general equilibrium model.

255
El impacto del buen gobierno corporativo sobre la volatilidad de los retornos de las acciones listadas en la Bolsa de Valores de
Lima

contraintuitivo, pues indica que la volatilidad aumentó con la publicación

de información.
Por su parte, Aloui y Jarboui (2018) evaluaron el efecto del BGC sobre
la volatilidad de los retornos de las acciones de la bolsa francesa durante la
crisis financiera de 2008. Utilizando un modelo de panel con efectos fijos y la
desviación estándar anual de los retornos como variable dependiente, demos-
traron que un gobierno corporativo de mejor calidad de BGC estabiliza los
retornos de las acciones, al dar mayor confianza a los inversionistas mediante
la incorporación de directores independientes para un mejor monitoreo de
las actividades de la empresa.
Por último, Rogers y Securato (2009) midieron el impacto del BGC sobre
la volatilidad del mercado de capitales en Brasil. Utilizando un modelo Garch
(1,1), encontraron que mejores niveles de gobierno corporativo reducen la
volatilidad de las acciones, tanto en el corto como en el largo plazo; y las
empresas con bajos índices de BGC están más expuestas al riesgo sistémico por
menor confiabilidad ante los inversionistas. Estos autores también analizaron
el efecto leverage aplicando un Tarch (1,1) y encontraron que este efecto es sig-
nificativo para empresas con peor índice de BGC, pero que no es significativo
para aquellas con mejores índices de BGC, dado que estas gozan de mayor
credibilidad y generan menos pánico en los inversionistas.

2. Marco analítico y metodología

2.1   Marco analítico

En el Perú, los principios de BGC fueron actualizados en el año 2013 y adop-

tados como código a partir de 2014 bajo la guía de 14 instituciones públicas
y privadas, e implementados voluntariamente bajo el criterio de «cumple o
explica», como en otros países de la región. Este código consta de lineamientos
agrupados en cinco pilares: derechos de accionistas, junta general de accionis-
tas, directorio y alta gerencia, riesgos y cumplimiento, y transparencia de la
información. Las empresas deben reportar si cumplen o no con estos pilares
mediante sus respuestas a un banco de preguntas, las cuales señalan la calidad
de su gobierno corporativo (SMV, 2014).
A la luz de los estudios consultados, el cumplimiento de esos lineamientos
tiene las siguientes implicancias económicas que inciden en la volatilidad de los
retornos de acciones cotizadas en bolsa: (i) implica otorgar igualdad de trato e
información confiable a todo tipo de accionistas (minoritarios o mayoritarios),
lo cual propicia un clima de confianza y transparencia en el mercado finan-

256
 Rodrigo Peña y Brian Esparza

ciero; (ii) implica facilitar la participación de los accionistas en las decisiones

importantes de la empresa a través de la junta general de accionistas, lo cual
facilita el conocimiento de la situación y planes futuros de la empresa; (iii)
supone la incorporación en el directorio de directores independientes, para
que velen por los intereses de todos los accionistas y por los objetivos a largo
plazo de la empresa, lo cual da mayor protección a los inversionistas mino-
ritarios; (iv) promueve un código de ética y solución de conflictos de interés
entre directores y accionistas, que mejore la calidad conjunta de la gerencia y
dirección de la empresa; (v) supone una auditoría interna y externa de calidad
e imparcial, proveedora de reportes financieros transparentes y confiables que
permitan a los inversionistas tomar decisiones financieras más acertadas; y (vi)
supone una política de información transparente y sujeta a un marco legal, que
brinde oportunamente detalles relevantes para los inversionistas (SMV, 2013).
De lo anterior se infiere que, por varias razones, las prácticas de BGC
contenidas en dicho código peruano reducirían la volatilidad de los retornos
de las acciones cotizadas en la BVL; es decir, econométricamente cabe esperar
que el coeficiente de tal impacto tenga un signo negativo. En primer lugar,
porque el BGC reduce las asimetrías de información existentes entre accionistas
mayoritarios y minoritarios, gerentes y directores; debido tanto a la obligación
de brindar información relevante y veraz, como por la incorporación en el
directorio de directores independientes sin ningún vínculo de consanguinidad
o gerencial con la empresa o el grupo empresarial del que forma parte. Claessens
(2006) explica que el cumplimiento de los principios de BGC soluciona los
problemas principal-agente entre accionistas mayoritarios y minoritarios, al
regular más eficientemente la búsqueda de beneficios particulares por parte
de los primeros. Esta reducción de brechas de información y elevación del
nivel de transparencia corporativa puede aminorar la incidencia y magnitud
de shocks negativos sobre los retornos. Casas (2019) sostiene que el código
peruano de BGC contribuye a aumentar la responsabilidad corporativa para
superar contextos adversos, como fueron los casos de Enron en 2001 o la
crisis asiática de 1997-1998. Tales shocks negativos pueden volatilizar más los
retornos debido al efecto leverage antes mencionado.
En segundo lugar, un mejor índice de BGC contribuye a que el mercado
esté guiado por precios más eficientes, en el sentido de más cercanos a valor
fundamental y, por ende, a una menor variabilidad de los retornos. El canal
por el cual el BGC mejora la eficiencia de precios es mediante la divulgación de
información financiera creíble y oportuna, que permite ajustar correctamente
la proyección de flujos de caja de la empresa y su respectiva valorización en

257
El impacto del buen gobierno corporativo sobre la volatilidad de los retornos de las acciones listadas en la Bolsa de Valores de
Lima

el mercado (Lee et al., 2016). Por ejemplo, los discounted cash flow (DCF) o
dividend discount model (DDM) son modelos financieros usados comúnmente
por la industria para determinar el valor de la empresa en función de su riesgo
y de la proyección de sus flujos de caja. El código peruano de BGC implica la
adopción de auditorías internas y externas autónomas, con la especialización y
experiencia necesarias para proveer buena información financiera, reduciendo
posibles errores contables que cambien las perspectivas de valorización del
activo3. En síntesis, la relación entre BGC y volatilidad se transmite mediante
la transparencia de información relevante y confiable, que se inserta en los
modelos financieros de los inversionistas institucionales, permitiendo predic-
ciones más acertadas acerca del futuro de la empresa.
Por último, cumplir con el BGC contribuye a la solución de conflictos
de agencia entre gerentes y accionistas, al conciliar los intereses de ambos. Se
esperaría así una reacción conciliada ante shocks de mercado por parte de la
dirección y gerencia, en virtud de la cual las decisiones financieras relevantes
de la empresa serían menos inciertas para el mercado al conocerse un plan de
acción a favor de todos los interesados en la empresa. En particular, si existen
claros objetivos de largo plazo de la empresa y un código de ética en línea
con los principios del BGC peruano, habría menos incentivos para priorizar
ganancias elevadas en el corto plazo por parte de gerentes propensos a medi-
das riesgosas que perjudiquen la estabilidad y reputación de la empresa. Así,
se esperaría que los inversionistas tengan expectativas más estables respecto
al desempeño de la empresa, y confíen más en la habilidad de los gerentes y
directores para sostenerla.

2.2   Metodología
2.2.1 Muestra de empresas y variables

Existen criterios para seleccionar las empresas cotizantes en la BVL que son
incluidas en el respectivo Índice de Buen Gobierno Corporativo (IBGC). Pero
utilizar esos criterios en nuestro estudio habría generado un sesgo de selección,
ya que para dicha inclusión se requiere un cumplimiento de más del 80% del
estándar de BGC fijado por el índice y ponderado según un procedimiento
propio a la BVL, además de que el IBGC solo incorpora a empresas en el
tramo 95% mayor en cuanto a capitalización bursátil4.

3
En ciertos casos, los estados financieros se reajustan posteriormente (restating earnings); lo cual altera las
perspectivas del valor de la empresa y su credibilidad financiera.
4
Dicho índice no es ponderado por capitalización de mercado sino por la capitalización ajustada al capital

258
 Rodrigo Peña y Brian Esparza

Por ello, del universo de empresas listadas en la BVL, nosotros construi-

mos dos muestras aplicando un par de criterios de selección que las hacen
representativas y adecuadas para la metodología de nuestro estudio. El primer
criterio, común a ambas muestras, es que una empresa haya reportado sobre
su cumplimiento del código de BGC durante los años de estudio. El segundo
criterio de selección, para la primera muestra, consiste en que las acciones
de la empresa tengan una frecuencia de negociación5 superior a 2 puntos.
Escogimos este corte para que la muestra contenga empresas cuyas acciones
sean suficientemente líquidas, a fin de que los cambios en la varianza de su
rendimiento puedan ser capturados según el nivel de BGC de la empresa.
Así, nuestra primera muestra consta de 48 empresas. El anexo 1 muestra el
movimiento de los precios de las acciones de las cinco empresas con mejor
frecuencia de negociación; y el anexo 2 lo hace respecto a las cinco empresas
con menor frecuencia de negociación.
Para la segunda muestra, elegimos un criterio más flexible. Allí están las
empresas que han reportado sobre su BGC, tienen un valor en renta variable
y cuya acción se haya movido al menos una vez durante el período estudiado.
Así, nuestra segunda muestra comprende 101 empresas. Esta flexibilidad se
justifica para no perder observaciones debido la limitación impuesta por la
conocida iliquidez de la BVL. Pero nuestra estimación econométrica mitiga
esa limitación al incluir, como control de liquidez, el volumen promedio anual
de acciones transadas para cada empresa y período.
Puesto que nos proponemos estimar el efecto del BGC en la volatilidad
de los retornos, nuestra principal variable explicativa es el score resultante de
nuestro índice de BGC. El cual construimos con base en los reportes de las
empresas listadas en la BVL conteniendo sus respuestas a preguntas dirigidas
a detectar cuántos principios del código de BGC han cumplido en el ejer-
cicio fiscal. Los cinco pilares del código de BGC peruano comprenden 31
principios y dan lugar a 88 preguntas, porque, como se observa en el anexo
3, a cada pilar y principio está asociado un número distinto de preguntas.
Todas las preguntas están específicamente redactadas de modo que un «sí»
como respuesta indique un cumplimiento merecedor de un punto. Así, cada
empresa puede tener un score de BGC de entre 0 y 88 puntos; y, mientras

flotante y a un factor de BGC asignado por la BVL. De entre las acciones comprendidas en el S&P/BVL
Peru General Index, no son elegibles para el IBGC las acciones con calificaciones en Cumplimiento de
Gobierno Corporativo inferiores al 80%, ni las de emisoras juniors (S&P Dow Jones, 2021, p. 17).
5
La frecuencia de negociación es el número de sesiones de una rueda de negociación bursátil en las que
son cotizadas las acciones de una empresa, entre el número de ruedas durante un determinado período.

259
El impacto del buen gobierno corporativo sobre la volatilidad de los retornos de las acciones listadas en la Bolsa de Valores de
Lima

mayor sea este score, mejor será la calidad del gobierno corporativo. Lo cual
permite comparar entre empresas y observar la evolución de dicha calidad a
nivel de cada empresa y de la BVL en agregado.
Según Casas (2019), para aumentar la calidad del BGC hay que realizar
mejoras en todos los pilares, pues concretarlas solo en alguno no tendría efectos
significativos debido la interrelación existente entre los pilares del código. Por
ejemplo, la percepción de los inversionistas sobre la calidad del BGC depende
no solo de la protección al inversionista, sino también de otros factores como
transparencia en los reportes contables u otra información financiera. Por ello,
el mencionado score representa una alternativa para medir en conjunto todos
los pilares de manera equitativa.
Cabe mencionar que existen encuestas que pretenden determinar la cali-
dad del BGC con otro score específico. Este es el caso de La Voz del Mercado
(LVDM), que genera un ranking incorporando ciertas características adicio-
nales. Sin embargo, para nuestra investigación no era conveniente utilizar
este instrumento porque no reporta detalladamente las estimaciones para
cada empresa en la BVL.
Nuestro período de análisis comprende los ejercicios fiscales de 2015 a
2020, en vista de que el código de BGC entró en vigor a partir del año 2014,
y teniendo en cuenta que los reportes sobre su cumplimiento en un ejercicio
se divulgan en el primer trimestre del año siguiente. Además, dicho período
permite observar el impacto de los estándares internacionales recogidos en el
código sobre la variable score de BGC.
2.2.2 Modelo empírico

Para estimar el impacto del BGC sobre la volatilidad de los retornos, emplea-
mos un modelo de panel con efectos fijos por empresa. Escogimos este tipo de
modelo empírico debido a la disponibilidad de datos históricos y por agente,
que permite analizar la información tanto de corte transversal como de series
de tiempo a fin de obtener estimaciones consistentes. Y controlamos los efectos
fijos por empresa con el estimador within, para eliminar la variable atemporal
no observable6 correlacionada con la variable explicativa (score de BGC) a fin
de que no sesgue la estimación.
Se bien aplicamos el test de Hausman para comprobar empíricamente si
existe o no correlación entre la variable de BGC y la variable no observable,

6
Dado que esta variable teórica no se altera en el tiempo, queda eliminada al diferenciar por la media de las
variables en la regresión, permitiendo así la obtención de estimadores insesgados.

260
 Rodrigo Peña y Brian Esparza

a priori consideramos que esa correlación existe porque cada empresa tiene
características particulares que influyen en su cumplimiento de los principios de
BGC. Razón por la cual planteamos la siguiente especificación econométrica:

σi,t = α + μi + φ1BGCi,t + βX̅ + εi,t

donde σi,t hace referencia a nuestro estimador de volatilidad. Seguimos los

pasos de Aloui y Jarboui (2018) y de Gagnon y Jeanneret (2020) para estimar
la volatilidad, medida como la desviación estándar de los retornos diarios
anualizados para cada empresa y cada año7. Y calculamos dos bases de datos
para σi,t: una para la volatilidad anualizada de los retornos diarios de enero a
diciembre, y otra de marzo a marzo. Explicaremos el motivo de esta segunda
base alterna de volatilidades más adelante, al presentar y analizar nuestros
resultados.
La variable BGCi,t representa el (antes descrito) score de gobierno corpora-
tivo. Al respecto, debe tenerse en cuenta que el reporte de BGC (conteniendo
las respuestas de la empresa a las preguntas sobre su cumplimiento de los
pilares del código) se publica anualmente, pero es efectivamente divulgado
aproximadamente tres meses después del cierre del ejercicio (en marzo),
como anexo de la memoria anual. Por ello, empíricamente corresponde
asignar el score de BGC en un ejercicio fiscal al año siguiente, cuando es
efectivamente observado por los inversionistas y eventualmente considerado
en sus decisiones de inversión.
Siguiendo con la descripción de los estadísticos utilizados, μi es la variable
atemporal no observable correlacionada, a priori, con nuestra variable inde-
pendiente de interés. βX̅ son el vector de coeficientes y su respectiva matriz
de controles pertinentes que permiten mejorar el ajuste de nuestro estimador
de interés φ1.
Por último, utilizamos el estimador range de la varianza (Voli,t) desarro-
llado por Garman y Klass, como otra variable dependiente adicional para las
pruebas de robustez (Vinte, Ausloos, & Felix 2021):

n
1 1 H 2 C 2
Voli,t = � * � � * �ln i,t � ‒ (2 * ln2 ‒ 1) * �ln i,t � �
n 2 Li,t Oi,t
i=n

7
Dado que los datos de panel son de observaciones anuales, la fórmula para anualizar la desviación estándar
de los retornos diarios es σ=252×SD. Donde 252 es la cantidad de días hábiles para la compra/venta de
acciones y SD es la desviación estándar diaria de los retornos de enero a diciembre del respectivo año. Estos
últimos se calculan en función de la diferencia de los precios de cierre diarios menos la unidad.

261
El impacto del buen gobierno corporativo sobre la volatilidad de los retornos de las acciones listadas en la Bolsa de Valores de
Lima

donde Hi representa el valor máximo de la acción de una empresa para un

día de compra/venta; Li representa el valor mínimo; Ci representa el precio de
cierre del mismo día, y Oi, el precio de apertura de la acción. También anuali-
zamos este estimador, mediante un procedimiento similar al aplicado para la
desviación estándar anualizada de los retornos en el caso base8.

3. Análisis de resultados

3.1   Estrategia empírica

3.1.1 Datos y cálculo de variables

Los precios de las acciones fueron obtenidos de la base de datos en la pla-

taforma Bloomberg; específicamente, de allí extrajimos los precios de cierre
diarios desde diciembre de 2014 hasta marzo de 2021. Los retornos diarios de
estas acciones fueron calculados en función de la variación de los precios de
cierre9. Y las volatilidades anuales de estos retornos diarios fueron calculadas
con la fórmula ya descrita en la metodología, anualizando las volatilidades
de enero a diciembre –y también de marzo a marzo– en los días laborales con
actividad bursátil de todos los años analizados.
En cuanto a los scores de BGC, la información anual va desde 2015 hasta
202110 y se obtuvo de los reportes publicados en la web de la Superintendencia
del Mercado de Valores (SMV). Cabe precisar que el conteo de las respuestas
en dichos reportes es brindado por la SMV desde el año 2017; por lo cual tuvi-
mos que realizarlo manualmente para para los dos primeros años: 2015-2016.
El anexo 4 presenta una descripción estadística de dichos scores por sectores
(todos los años) y anualmente (todos los sectores), para la muestra completa.
Las variables de control fueron obtenidas de Bloomberg para los años
2015-2020. De allí se obtuvieron ratios financieras de eficiencia y rentabilidad
(como retorno sobre activos (ROA) o margen operativo), solvencia (como
debt-to-equity o interest coverage ratio) y liquidez (como la ratio corriente).
También se obtuvieron otras ratios de valoración: earnings per share (EPS), price
to earning (PE) y la capitalización de mercado por período para cada empresa.

8
Es decir, anualizamos ese estimador según el número de períodos a los que se aplica; lo cual es equivalente
a multiplicar el resultado de tal promedio por la raíz de 252.
9 P(t)
P(t‒1)
‒ 1.
10
Como se explicó al presentar la metodología, el score de BGC del año T es asignado al año T+1, debido
a la divulgación a inicios de este último. Es decir, el score resultante del reporte del ejercicio de 2014 es
asignado a 2015, y así sucesivamente.

262
 Rodrigo Peña y Brian Esparza

3.1.2 Modelo empírico aplicado

Como ha sido mencionado anteriormente, aplicamos el test de Hausman

para determinar el tipo adecuado de modelo de datos de panel (con efectos
aleatorios o con efectos fijos). En la tabla 1, se observa que dicho test rechaza
la hipótesis nula, razón por la cual empleamos efectos fijos.
Tabla 1
Tests de Hausman

Volatilidades de los retornos diarios de enero a diciembre para todas las empresas Coef.
Chi-cuadrado (controles: ratios financieras, ratios de valorización e ingresos) 22,688
P-value 0,0
Volatilidades de los retornos diarios de marzo a marzo para todas las empresas Coef.
Chi-cuadrado (controles: ratios financieras, ratios de valorización e ingresos) 20,951
P-value 0,0
Volatilidades de los retornos diarios de enero a diciembre para empresas líquidas Coef.
Chi-cuadrado (controles: ratios financieras, ratios de valorización e ingresos) 22,688
P-value 0,006
Volatilidades de los retornos diarios de marzo a marzo para empresas líquidas Coef.
Chi-cuadrado (controles: ratios financieras, ratios de valorización e ingresos) 20,951
P-value 0,002

Elaboración propia, 2021.

Para las regresiones, utilizamos diversas especificaciones econométricas.

Para el caso base, utilizamos el control de liquidez (volumen promedio), los
retornos anualizados de la acción y el score de BGC. Para el segundo caso,
utilizamos ratios de solvencia y liquidez financiera (debt-to-equity, interest
coverage y ratio corriente), por ser posibles candidatos para explicar el riesgo de
una empresa, y, por ende, su volatilidad bursátil. Para el tercer caso, utilizamos
las ratios de eficiencia y rentabilidad, como el ROA y el margen operativo.
En cuarto lugar, añadimos controles de valorización de empresas (earnings
per share (EPS), price to earnings (PE) y la capitalización de mercado). Estos
controles incorporan ratios usualmente utilizadas por los inversionistas para
tomar sus decisiones de compra/venta en bolsa.
Esas diversas especificaciones permitieron corroborar la solidez y exoge-
neidad de nuestro coeficiente, al limpiarlo de la subestimación o sobrees-
timación provocada por otra variable que repercuta en la volatilidad y esté

263
El impacto del buen gobierno corporativo sobre la volatilidad de los retornos de las acciones listadas en la Bolsa de Valores de
Lima

potencialmente vinculada con la calidad de gobierno corporativo, eliminando

así posibles sesgos por variable omitida. Por ejemplo, Casas (2019) demues-
tra, para el caso peruano, que el BGC repercute en diversas variables y ratios
bursátiles, como el ROA o la capitalización de mercado.

3.2   Discusión de los resultados

Para el primer caso, en el que la volatilidad es calculada para cada año fiscal y
en la muestra de 48 empresas, la tabla 2 muestra que se obtiene un coeficiente
para el BGC de signo negativo y de hasta -0,00604 cuando se incluyen todas
las variables de control. Bajo este escenario, aumentar el score de BGC en
un punto reduciría la volatilidad en un 0,6%, con un nivel de confianza del
99%. Además, pese a las distintas especificaciones planteadas, el coeficiente
demuestra ser robusto al ser significativo con un mínimo de 95% de confianza
del segundo caso en adelante.
Tabla 2
Regresión por efectos fijos sobre las volatilidades de los retornos de enero a
diciembre con muestra de 48 empresas

(1) (2) (3) (4)

VARIABLES Caso base Ratios de Ratios de Ratios de
solvencia y eficiencia y valorización
liquidez rentabilidad
Score de BGC -0,00181* -0,00422*** -0,00406** -0,00604***
(0,00103) (0,00154) (0,00156) (0,00173)
Retornos anualizados 0,0609*** 0,0656*** 0,0652*** 0,0822***
(0,0141) (0,0150) (0,0152) (0,0124)
Volumen promedio negociado 0,0277* 0,0269* 0,0272* 0,0296**
(0,0155) (0,0145) (0,0142) (0,0111)
Debt to equity 0,0937*** 0,0902*** 0,0948***
(0,0300) (0,0320) (0,0347)
Ratio corriente -0,0132 -0,0121 -0,0163*
(0,0104) (0,0103) (0,00844)
Interest coverage ratio -2,97e-06*** -2,88e-06** -1,91e-06***
(9,39e-07) (1,11e-06) (5,61e-07)
Retorno sobre activos -0,154 -0,224
(0,159) (0,271)

264
 Rodrigo Peña y Brian Esparza

Margen operativo 0,0123*** 0,0630

(0,00321) (0,114)
Earnings per share 0,00123
(0,00721)
Price to earnings -0,000695***
(0,000158)
Capitalización de mercado 5,48e-06
(6,60e-06)
Constante 0,369*** 0,495*** 0,490*** 0,588***
(0,0647) (0,0947) (0,0966) (0,110)

Observaciones 281 235 234 168

R2 0,305 0,392 0,399 0,497
N.º de empresas 48 42 42 37
Efectos fijos por empresa X X X X
Efectos fijos por período - - - -
F-Stat 9,157 8,908 11,49 3877

Notas. Volatilidades anualizadas de los retornos de enero a diciembre de empresas líquidas. Errores están-
dar robustos entre paréntesis. *** p<0,01, ** p<0,05, * p<0,1.
Elaboración propia, 2021.

Tabla 3
Regresión por efectos fijos sobre las volatilidades de los retornos de enero a
diciembre con muestra de 101 empresas

(1) (2) (3) (4)

VARIABLES Caso base Ratios de Ratios de Ratios de
solvencia y eficiencia y valorización
liquidez rentabilidad
Score de BGC -0,00175 -0,00471** -0,00543** -0,00383*
(0,00156) (0,00214) (0,00214) (0,00209)
Retornos anualizados 0,00127*** 0,00127*** 0,00126*** 0,0962**
(0,000160) (0,000159) (0,000142) (0,0405)
Volumen promedio negociado 0,0266** 0,0333** 0,0338*** 0,0425***
(0,0103) (0,0130) (0,0123) (0,0148)

265
El impacto del buen gobierno corporativo sobre la volatilidad de los retornos de las acciones listadas en la Bolsa de Valores de
Lima

Debt to equity 0,0602 0,108** 0,0423

(0,0419) (0,0482) (0,0557)
Ratio corriente -0,0108 -0,0173 -0,0134
(0,0116) (0,0128) (0,0111)
Interest coverage ratio -6,97e-07 -6,00e-06** -1,82e-06**
(2,68e-06) (2,94e-06) (8,99e-07)
Retorno sobre activos 1,015*** -0,468
(0,350) (0,355)
Margen operativo 0,00385 0,0616
(0,0105) (0,119)
Earnings per share 0,000486
(0,0101)
Price to earnings -0,000728***
(0,000210)
Capitalización de mercado 5,35e-06
(6,31e-06)
Constante 0,320*** 0,488*** 0,486*** 0,470***
(0,0868) (0,121) (0,116) (0,126)

Observaciones 591 477 455 231

R 2
0,794 0,816 0,834 0,605
N.º de empresas 101 85 82 59
Efectos fijos por empresa X X X X
Efectos fijos por período - - - -
F-Stat 23,27 12,79 12,56 1540

Notas. Volatilidades anualizadas de los retornos de enero a diciembre de todas las empresas. Errores están-
dar robustos entre paréntesis. *** p<0,01, ** p<0,05, * p<0,1.
Elaboración propia, 2021.

Por su parte, la tabla 3 muestra los resultados para la segunda muestra,

de 101 empresas. En esta muestra, se observa una pérdida de significancia en
el coeficiente de interés en casi todos los escenarios, excepto el tercero, que
mantiene la misma significancia estadística que en la muestra alterna.
Para corroborar nuestro coeficiente de interés, procedimos a analizar las
volatilidades anualizadas de los retornos diarios de marzo a marzo; es decir, de
las volatilidades anualizadas que concuerdan en el tiempo con la divulgación

266
 Rodrigo Peña y Brian Esparza

de los scores de BGC por parte de la SMV. Para la muestra de 48 empresas,

en la tabla 4 se observa que también en este caso se obtienen coeficientes de
signo negativo para el score de BGC, lo que indica que un mejor gobierno
corporativo reduce la volatilidad de los retornos.
Además, la magnitud del coeficiente de interés aumenta cuando se incluyen
todas las variables de control (-0,000747), y resulta significativo con un 99%
de confianza desde la segunda especificación en adelante. Esto sugiere que
la congruencia en el tiempo es crucial para la calidad de los resultados de la
regresión, ya que dicha congruencia permite identificar un impacto del BGC
sobre la volatilidad más fuerte que cuando las volatilidades corresponden al
período de enero a diciembre.
Tabla 4
Regresión por efectos fijos sobre las volatilidades de los retornos de marzo a marzo
con muestra de 48 empresas

(1) (2) (3) (4)

VARIABLES Caso base Ratios de Ratios de Ratios de
solvencia y eficiencia y valorización
liquidez rentabilidad
Score de BGC -0,00297** -0,00615*** -0,00597*** -0,00747***
(0,00116) (0,00156) (0,00156) (0,00161)
Retornos anualizados 0,0386** 0,0411** 0,0418** 0,0556***
(0,0146) (0,0157) (0,0157) (0,0171)
Volumen promedio negociado 0,0252 0,0245 0,0247* 0,0207**
(0,0155) (0,0146) (0,0143) (0,00955)
Debt to equity 0,0851*** 0,0783** 0,0584
(0,0315) (0,0330) (0,0521)
Ratio corriente -0,0132 -0,0118 -0,0195***
(0,0100) (0,00975) (0,00687)
Interest coverage ratio -3,55e-06*** -3,12e-06*** -1,96e-06***
(1,13e-06) (1,12e-06) (4,63e-07)
Retorno sobre activos -0,273 -0,439
(0,175) (0,320)
Margen operativo 0,0157*** 0,201
(0,00349) (0,127)

267
El impacto del buen gobierno corporativo sobre la volatilidad de los retornos de las acciones listadas en la Bolsa de Valores de
Lima

Earnings per share 0,0106

(0,00868)
Price to earnings -0,000200
(0,000223)
Capitalización de Mercado 7,86e-06
(7,58e-06)
Constante 0,446*** 0,626*** 0,626*** 0,672***
(0,0724) (0,0957) (0,0978) (0,108)

Observaciones 281 235 234 168

R2 0,229 0,317 0,332 0,380
N.º de empresas 48 42 42 37
Efectos fijos por empresa X X X X
Efectos fijos por período - - - -
F-Stat 5,663 6,020 10,40 6724

Notas. Volatilidades anualizadas de los retornos de marzo a marzo del siguiente período para empresas
líquidas. Errores estándar robustos entre paréntesis. *** p<0,01, ** p<0,05, * p<0,1.
Elaboración propia, 2021.

La tabla 5 muestra los resultados de marzo a marzo para la muestra de

101 empresas. También en este caso aumenta la significancia y magnitud de
los estimadores, en comparación con los obtenidos de enero a diciembre. Sin
embargo, esta vez la significancia es menor que las observadas en la tabla 4.
Vale precisar que estas regresiones por efectos fijos de marzo a marzo, tanto
para la muestra de 48 empresas como para la de 101 empresas, también fueron
realizadas corrigiendo por heterocedasticidad.

268
 Rodrigo Peña y Brian Esparza

Tabla 5
Regresión por efectos fijos sobre las volatilidades de los retornos de marzo a marzo
con muestra de 101 empresas

(1) (2) (3) (4)

VARIABLES Caso base Ratios de Ratios de Ratios de
solvencia y eficiencia y valorización
liquidez rentabilidad
Score de BGC -0,00426* -0,00860** -0,00949*** -0,00575***
(0,00248) (0,00359) (0,00354) (0,00203)
Retornos anualizados 0,000300 0,000301 0,000274 0,0934**
(0,000544) (0,000547) (0,000516) (0,0407)
Volumen promedio negociado 0,0235** 0,0269** 0,0288** 0,0363**
(0,0100) (0,0127) (0,0120) (0,0161)
Debt to equity 0,112** 0,170** 0,0377
(0,0455) (0,0688) (0,0654)
Ratio corriente -0,00798 -0,0150 -0,0115
(0,0299) (0,0358) (0,0101)
Interest coverage ratio 1,16e-06 -9,71e-06 -1,79e-06**
(6,30e-06) (6,20e-06) (8,24e-07)
Retorno sobre activos 2,103** -0,832**
(0,805) (0,408)
Margen operativo -0,00895 0,209
(0,0186) (0,127)
Earnings per share 0,00563
(0,0120)
Price to earnings -0,000332
(0,000221)
Capitalización de mercado 6,26e-06
(6,75e-06)
Constante 0,484*** 0,703*** 0,670*** 0,569***
(0,140) (0,205) (0,181) (0,125)

269
El impacto del buen gobierno corporativo sobre la volatilidad de los retornos de las acciones listadas en la Bolsa de Valores de
Lima

Observaciones 591 477 455 231

R2 0,049 0,053 0,085 0,580
N.º de empresas 101 85 82 59
Efectos fijos por empresa X X X X
Efectos fijos por período - - - -
F-Stat 3,102 3,284 2,529 562,7

Notas. Volatilidades anualizadas de los retornos de marzo a marzo del siguiente período para empresas
líquidas. Errores estándar robustos entre paréntesis. *** p<0,01, ** p<0,05, * p<0,1.
Elaboración propia, 2021.

Respecto a los resultados obtenidos de las regresiones incluyendo efectos

fijos por período, el anexo 5 los presenta para la muestra con 48 empresas,
donde se observa que el coeficiente es significativo para las especificaciones 2
y 4; y el anexo 6 lo hace para la muestra de 101 empresas.
Adicionalmente, a fin de comparar las empresas según su posición en el
ranking del score de BGC, estimamos el modelo con una variable dummy que
toma el valor de 1 si el score es mayor que el percentil 50 y de 0 si el score es
menor que ese percentil11. Sus resultados para la muestra de 48 empresas son
presentados en el anexo 7, y para la muestra de 101 empresas, en el anexo
8. El coeficiente de interés sugiere, a partir de la especificación con ratios de
solvencia y liquidez en adelante, que las acciones de empresas con un nivel de
BGC mejor que la moda tienen retornos menos volátiles. Específicamente, en
promedio, las empresas con mejor score de BGC tienen una volatilidad menor
en un 7,0% que aquellas cuyo score está por debajo de la moda.

3.3   Pruebas de robustez

Como anunciamos en la metodología, realizamos dos pruebas de robustez,

una alterando la variable dependiente y otra indagando por la existencia de
un efecto leverage en la volatilidad de los retornos.

11
Para el caso de las empresas líquidas, se tiene una mediana de 62 puntos de BGC, mientras que para el
caso de todas las empresas se tiene una mediana de 55.

270
 Rodrigo Peña y Brian Esparza

Tabla 6
Regresión por efectos fijos sobre las volatilidades de los retornos con estimador
Range GK: 48 empresas

(1) (2) (3) (4)

VARIABLES Caso base Ratios de Ratios de Ratios de
solvencia y eficiencia y valorización
liquidez rentabilidad
Score de BGC -0,000799 -0,00178** -0,00176* -0,00255**
(0,000634) (0,000861) (0,000880) (0,00116)
Retornos anualizados 0,0255*** 0,0260*** 0,0255*** 0,0330***
(0,00366) (0,00412) (0,00429) (0,00425)
Volumen promedio negociado 0,00132 0,000989 0,00109 0,0174*
(0,00262) (0,00246) (0,00241) (0,0103)
Debt to equity 0,0240 0,0245 0,0367*
(0,0159) (0,0165) (0,0183)
Ratio corriente -0,00171 -0,00157 -0,00528
(0,00542) (0,00542) (0,00427)
Interest coverage ratio -1,87e-06*** -2,00e-06** -1,05e-06***
(6,60e-07) (7,87e-07) (3,36e-07)
Retorno sobre activos 0,0118 -0,0697
(0,0715) (0,139)
Margen operativo 0,00184 0,0224
(0,00128) (0,0589)
Earnings per share 0,00237
(0,00365)
Price to earnings -0,000351***
(5,21e-05)
Capitalización de mercado 3,26e-06
(2,57e-06)
Constante 0,184*** 0,239*** 0,236*** 0,264***
(0,0391) (0,0537) (0,0555) (0,0723)

271
El impacto del buen gobierno corporativo sobre la volatilidad de los retornos de las acciones listadas en la Bolsa de Valores de
Lima

Observaciones 281 235 234 168

R 2
0,118 0,160 0,162 0,356
N.º de empresas 48 42 42 37
Efectos fijos por empresa X X X X
Efectos fijos por período - - - -
F-Stat 20,41 10,96 18,84 3996

Notas. Volatilidades anualizadas de los retornos de enero a diciembre del siguiente período de empresas
líquidas. Errores estándar robustos entre paréntesis. *** p<0,01, ** p<0,05, * p<0,1.
Elaboración propia, 2021.

Para la primera prueba, en lugar de utilizar la desviación estándar anualizada

de los retornos, utilizamos el estimador de volatilidad Range GK propuesto
por Garman y Klass, ya descrito en la metodología. Las tablas 6 y 7 presentan
los resultados obtenidos con el estimador Range GK para las muestras de 48
y 101 empresas, respectivamente. El coeficiente de interés pierde magnitud y
significancia en ambas muestras, cuando son comparadas con las observadas
en las tablas 2 y 3. Esta caída en el impacto del BGC se debe a que las vola-
tilidades obtenidas con el estimador Range GK son mucho más suavizadas
que con la desviación estándar anualizada.
Tabla 7
Regresión por efectos fijos sobre las volatilidades de los retornos con estimador
Range GK: 101 empresas

(1) (2) (3) (4)

VARIABLES Caso base Ratios de Ratios de Ratios de
solvencia y eficiencia y valorización
liquidez rentabilidad
Score de BGC -0,000353 -0,00120 -0,00151 -0,00189*
(0,000741) (0,000912) (0,00104) (0,00107)
Retornos anualizados 7,43e-05*** 7,42e-05*** 6,08e-05 0,0200***
(1,58e-05) (1,55e-05) (3,67e-05) (0,00382)
Volumen promedio negociado 0,00419** 0,00432 0,00429 0,0181***
(0,00200) (0,00312) (0,00275) (0,00462)
Debt to equity 0,000722 0,0460* 0,00773
(0,0231) (0,0239) (0,0203)
Ratio corriente 0,00438 0,00368 -0,00758
(0,00427) (0,00569) (0,00532)

272
 Rodrigo Peña y Brian Esparza

Interest coverage ratio -9,85e-07 -4,87e-06* -1,15e-06***

(9,63e-07) (2,53e-06) (4,08e-07)
Retorno sobre activos 1,040* -0,00401
(0,556) (0,115)
Margen operativo -0,0155 0,00549
(0,0132) (0,0573)
Earnings per share 0,00211
(0,00422)
Price to earnings -0,000301***
(4,41e-05)
Capitalización de mercado 3,84e-06
(2,72e-06)
Constante 0,124*** 0,168*** 0,129* 0,225***
(0,0415) (0,0464) (0,0658) (0,0655)

Observaciones 591 477 455 231

R 2
0,049 0,054 0,185 0,414
N.º de empresas 101 85 82 59
Efectos fijos por empresa X X X X
Efectos fijos por período - - - -
F-Stat 10,15 13,85 6,732 149,2

Notas. Volatilidades anualizadas de los retornos de enero a diciembre del siguiente período de todas las
empresas. Errores estándar robustos entre paréntesis. *** p<0,01, ** p<0,05, * p<0,1.
Elaboración propia, 2021.

Por otro lado, los resultados con el Range GK de marzo a marzo coinciden
con las anteriores regresiones para ese período. El coeficiente de interés mejora
en significancia y magnitud, para ambas muestras (48 y 101 empresas), como
se puede observar en los anexos 9 y 10.
La otra prueba de robustez, realizada para la muestra de 48 empresas,
buscó la existencia de un efecto leverage en la volatilidad de los retornos. A
partir de esa muestra, armamos un grupo compuesto por las 10 empresas con
mayor puntaje de BGC y otro con las 10 de peor puntaje, esperando que, ante
la presencia de shocks negativos en los retornos de las acciones, la volatilidad
para el primer grupo de empresas aumente en menor medida que para las
del segundo grupo. Para ello, con base en información de frecuencia diaria,

273
El impacto del buen gobierno corporativo sobre la volatilidad de los retornos de las acciones listadas en la Bolsa de Valores de
Lima

estimamos modelos Egarch para cada empresa de cada grupo, utilizando la

metodología de selección de modelos Box-Jenkins. Esto es ejemplificado en
el anexo 11 para una empresa de cada grupo. El coeficiente de interés en la
ecuación de la varianza es obtenido en dos series (Top10, Bottom10) y puede
ser comparado.
Para que exista efecto leverage, dicho coeficiente debe ser negativo y
estadísticamente significativo. Los resultados de las regresiones presentados
en los anexos 12 y 13 indican que sí existe efecto leverage en el grupo de alto
puntaje de BGC. Pero en el otro grupo el coeficiente es positivo, indicando
que, para esas empresas en promedio, un shock negativo impacta menos en la
volatilidad que un shock positivo (véanse los Box-Plots en el anexo 13). Este
resultado es contraintuitivo y debe ser interpretado con cautela debido a la
poca liquidez de la BVL.

3.4   Limitaciones de la investigación

Una limitación importante consiste en que, tras los filtros según existencia
de respuestas en los reportes sobre BGC y de liquidez (descartando acciones
con precios inmóviles por largos lapsos de tiempo), el tamaño de muestra
principal se redujo a 48 empresas; lo cual hace perder potencia a nuestras
estimaciones. Además, los missing values de los controles también hicieron
perder grados de libertad.
Otra posible limitación sería que nuestro estimador seleccionado para
medir el índice de BGC no sea el que mejor refleje la calidad del gobierno
corporativo. Existen otras metodologías con ponderaciones distintas. Por
ejemplo, el antes mencionado índice que utiliza La Voz de Mercado (LVDM)
presenta a Credicorp Capital como la empresa con mejor calidad de BGC el
2018; pero su score de BGC calculado según el código de la SMV la coloca
por debajo del promedio en dicho año.

4. Conclusiones y recomendaciones

Motivados por la creciente evidencia internacional acerca del impacto

benéfico del BGC en varias variables económicas, en la presente investi-
gación hemos evaluado si una mejor calidad de gobierno corporativo en
empresas listadas en la BVL reduce la volatilidad de sus retornos. Y también
hemos evaluado si esa relación inversa entre BGC y volatilidad persiste en
el tiempo y ante shocks negativos en precios de acciones. Para ello, hemos
utilizado distintas especificaciones econométricas, muestras de empresas y
estimadores de volatilidad, con un modelo de datos de panel por efectos

274
 Rodrigo Peña y Brian Esparza

fijos para estimar el efecto del BGC en dicha volatilidad. Y hemos utilizado
un modelo Egarch para comprobar la existencia de asimetría de shocks entre
las empresas según su score de BGC.
Los resultados de esas estimaciones permiten concluir que un mejor cum-
plimiento del código de BGC peruano tiene el efecto de reducir la volatilidad
de los retornos de las acciones listadas en la BVL. En efecto, para ese efecto de
interés hemos encontrado un coeficiente de signo negativo y significativo con
un nivel de confianza del 95% en la mayoría de los escenarios, tanto para la
muestra de empresas líquidas (48) como para la de todas las empresas (101).
Además, se probó que la temporalidad y el flujo de información en el mer-
cado son importantes para capturar dicho efecto de interés, puesto que este
incrementa su significancia y magnitud cuando las volatilidades anualizadas
son medidas de marzo a marzo, ya que la publicación del reporte anual de
BGC ocurre en el mes de marzo. Y, si bien cae la significancia y magnitud
del coeficiente de interés obtenido con el estimador de volatilidad Range
GK, se mantiene su signo negativo y su significancia aumenta al incorporar
las volatilidades de marzo a marzo. Pero no pudimos corroborar que el efecto
leverage es menor para las empresas con mejor score de BGC, probablemente
debido a la poca liquidez de la BVL.
Intuitivamente puede afirmarse, con base en el marco analítico planteado
para esta investigación a la luz de los estudios especializados consultados,
que nuestros resultados sugieren que las empresas gozan de mayor credi-
bilidad ante los inversionistas cuando mejoran su gobierno corporativo,
demostrando un mejor manejo de riesgos, mejor calidad de información
provista, reducción de asimetrías de información y solución de conflictos de
interés dentro de la empresa. Además, nuestros resultados también sugieren
que un mejor cumplimiento del código de BGC contribuye a la eficiencia
informativa de los precios en el mercado y, por ende, a una menor volatili-
dad en los retornos al permitir un mejor ajuste de los modelos financieros
utilizados por los inversionistas.
En vista de las limitaciones impuestas a nuestra investigación por la ili-
quidez de la bolsa peruana y por la subjetividad y escasez de los índices de
BGC disponibles, que pueden llevar a estimaciones significativamente dis-
tintas según los criterios usados, recomendamos que futuras investigaciones
desarrollen estimadores econométricos que perfeccionen el conocimiento
sobre el efecto del BGC en la volatilidad de los retornos y la calidad del
mercado bursátil.

275
El impacto del buen gobierno corporativo sobre la volatilidad de los retornos de las acciones listadas en la Bolsa de Valores de
Lima

Referencias
Albuquerque, R. A., & Wang, N. (2008). Agency conflicts, investment, and asset pricing.
Journal of Finance, 63(1), 1-40. doi: 10.1111/j.1540-6261.2008.01309.x
Aloui, M., & Jarboui, A. (2018). The effects of corporate governance on the stock return
volatility: During the financial crisis. International Journal of Law and Management,
60(2), 478-495. doi: 10.1108/IJLMA-01-2017-0010
Arteaga, J. R., Erausquin, A., Fuenzalida, D., & Mongrut, S. (2013). Good corporate
governance: Does it pay in Peru? Journal of Business Research, 66(10), 1759-1770.
doi:10.1016/j.jbusres.2013.01.008
Bushee, B. Y., & Noe, C. F. (2000). Corporate disclosure practices, institutional investors
and stock return volatility. Journal of Accounting Research, 38 (Supplement 2000),
171-202. doi:10.2307/2672914
Casas, C. (2019). Impacto del buen gobierno corporativo en diferentes variables bursátiles.
Bolsa de Valores de Lima. https://documents.bvl.com.pe/ipgc/Impacto_BGC.pdf
Chong, A., Izquierdo, A., Micco, A., & Panizza, U. (2003). Corporate governance and
private capital flows to Latin America. Inter-American Development Bank Research
Department Working Paper 482. https://publications.iadb.org/.../Corporate-
Governance-and-Private-Capital-Flows-to-Latin-America.pdf
Claessens, S. (2006). Corporate governance and development. The World Bank Research
Observer, 21(1), 91-122. doi:10.1093/wbro/lkj004
Du, J., & Wei, S. J. (2004). Does insider trading raise market volatility? The Economic
Journal, 114(498), 916-942. doi:10.1111/j.1468-0297.2004.00249.x
Erdag, E., & Mugaloglu, Y. (2013). Corporate governance, transparency and stock return
volatility: Empirical evidence from the Istanbul Stock Exchange. Journal of Applied
Economics and Business Research, 3(4), 207-221. http://www.aebrjournal.org/
uploads/.../joaebrdecember2013_207_221.pdf
Ferreira, M., & Laux, P. (2007). Corporate governance, idiosyncratic risk and information
flow. Journal of Finance, 62(2), 951-989. doi:10.1111/j.1540-6261.2007.01228.x
Gagnon, L., & Jeanneret, A. (2020). Does corporate governance impact equity volatility?
Theory and worldwide evidence. Northern Finance Association. https://portal.nor
thernfinanceassociation.org/viewp.php?n=2240005096
Lee, C., Chung, K. H., & Yang, S. (2016). Corporate governance and the informational
efficiency of prices. Financial Management, 45(1), 239-260. https://www.jstor.
org/stable/24736523
OECD. (1999). Principles of corporate governance. Meeting of the OECD Council at
Ministerial Level. Organization for Economic Co-operation and Development.
https://www.oecd.org/officialdocuments/publicdisplaydocumentpdf/?cote=C/
MIN(99)6&docLanguage=En
Rogers, P., & Securato, J. (2009). Corporate governance and volatility in the capital markets:
Brazil case study. Corporate Ownership and Control, 7(1), 43-54. doi:10.22495/
cocv7i1p4

276
 Rodrigo Peña y Brian Esparza

Ross, S. A. (1989). Information and volatility: No arbitrage martingale approach to timing

and resolution irrelevancy. Journal of Finance, 44(1), 1-17. doi:10.2307/2328272
S&P Dow Jones. (2021). S&P/BVL Peru Índices. Metodología. Standard & Poor’s Global
Inc. https://s3.us-east-1.amazonaws.com/site.documents.cdn.prod.bvl.com.pe/
methodology-sp-bvl-peru-indices-spanish_(Ene2021)[1595].pdf
SMV. (2013). Código de buen gobierno corporativo para las sociedades peruanas. Superinten-
dencia del Mercado de Valores. https://www.smv.gob.pe/uploads/codbgc2013%20
_2_.pdf
SMV. (2014). Resolución SMV N.º 012-2014-SMV/01. Superintendencia del Mercado
de Valores. https://www.smv.gob.pe/ConsultasP8/temp/RSMV_012-2014_
(Reporte_BGC).pdf
Vinte, C., Ausloos, M., & Feliz, T. (2021). A volatility estimator of stock market indices
based on the intrinsic entropy model. Entropy, 23(4), 484. doi:10.3390/e23040484
Zhu, W. (2010). Corporate governance and insider trading regulation efficiency. Frontiers
of Business Research in China, 4(2), 306-324. doi:10.1007/s11782-010-0014-2

277
El impacto del buen gobierno corporativo sobre la volatilidad de los retornos de las acciones listadas en la Bolsa de Valores de
Lima

Anexos

Anexo 1
Cinco empresas en la BVL con mayor liquidez: precios y retornos
15
10
5
0

1/1/2014 1/1/2015 1/1/2016 1/1/2017 1/1/2018 1/1/2019 1/1/2020 1/1/2021

Fecha
.4
.2
0
-.2
-.4

1/1/2014 1/1/2015 1/1/2016 1/1/2017 1/1/2018 1/1/2019 1/1/2020 1/1/2021

Fecha

Enel distribución Perú Aenza

Volcan compañía minera Alicorp
Ferreycorp

Fuente: Bloomberg. Elaboración propia, 2021.

278
 Rodrigo Peña y Brian Esparza

Anexo 2
40
30
20
10
0 Cinco empresas en la BVL con menor liquidez: precios y retornos

1/1/2014 1/1/2015 1/1/2016 1/1/2017 1/1/2018 1/1/2019 1/1/2020 1/1/2021

Fecha
.4
.2
0
-.2

1/1/2014 1/1/2015 1/1/2016 1/1/2017 1/1/2018 1/1/2019 1/1/2020 1/1/2021

Fecha

Motores Diésel Andinos Corp. Lindley

Michell y Cía. Credicorp cap. Perú
Cervecería San Juan

Fuentes: Bloomberg. Elaboración propia, 2021.

279
El impacto del buen gobierno corporativo sobre la volatilidad de los retornos de las acciones listadas en la Bolsa de Valores de
Lima

Anexo 3
Evolución de preguntas respondidas por pilar de BGC

66,1%
66,1%
Pilar I (13 preguntas) 66,7%
64,4%
64,9%
2016
57,7%
2017
58,2%
Pilar II (14 preguntas) 58,8% 2018
59,9% 2019
60,2% 2020
67,5%
67,2%
Pilar III (38 preguntas) 68,1%
69,7%
69,0%

69,6%
67,8%
Pilar IV (11 preguntas) 66,8%
69,2%
69,5%

53,0%
50,8%
Pilar V (5 preguntas) 50,6%
52,2%
53,1%

Fuente: SMV. Elaboración propia, 2021.

280
 Rodrigo Peña y Brian Esparza

Anexo 4
Descripción estadística del BGC por sector y año para toda la muestra

Sector N.º Media Desv. est. Mínimo Máximo

Agrario 56 54,929 4,389 47 68
Bancos y financieras 42 61,69 7,216 45 74
Diversas 151 54,344 16,505 24 85
Industriales 160 59,394 12,780 28 83
Mineras 75 52,333 15,308 20 80
Mineras de inversión 6 49,167 1,722 47 51
Seguros 30 58,133 8,110 45 76
Servicios públicos 72 50,972 11,725 28 77

Período N.º Media Desv. est. Mínimo Máximo

2015 95 54,8 11,995 27 79
2016 96 55,063 13,215 26 81
2017 99 56,495 13,884 26 83
2018 100 56,39 14,215 22 85
2019 101 56 13,775 22 83
2020 101 55,743 13,314 20 83

Fuente: Bloomberg. Elaboración propia. 2021.

281
El impacto del buen gobierno corporativo sobre la volatilidad de los retornos de las acciones listadas en la Bolsa de Valores de
Lima

Anexo 5
Regresión por efectos fijos sobre las volatilidades de los retornos, controlando por
período para la muestra de 48 empresas

(1) (2) (3) (4)

VARIABLES Caso base Ratios de Ratios de Ratios de
solvencia y eficiencia y valorización
liquidez rentabilidad

Score de BGC -0,00101 -0,00264* -0,00241 -0,00472***

(0,00113) (0,00155) (0,00155) (0,00165)
Retornos anualizados 0,0686*** 0,0614*** 0,0579*** 0,0774***
(0,0201) (0,0191) (0,0191) (0,0162)
Volumen promedio negociado 0,0276* 0,0282* 0,0340***
(0,0149) (0,0145) (0,0124)
Debt to equity 0,0657* 0,0650* 0,0624
(0,0341) (0,0363) (0,0460)
Ratio corriente -0,0197** -0,0187** -0,0189***
(0,00918) (0,00880) (0,00641)
Interest coverage ratio -5,91e-07 -8,91e-07 -1,31e-06**
(9,85e-07) (1,04e-06) (6,15e-07)
Retorno sobre activos -0,0420 -0,0583
(0,145) (0,262)
Margen operativo 0,0137*** 0,00475
(0,00301) (0,0998)
Earnings per share 0,000705
(0,00689)
Price to earnings -0,000706***
(0,000184)
Capitalización de mercado 8,90e-06
(6,66e-06)
Constante 0,367*** 0,461*** 0,445*** 0,546***
(0,0700) (0,0959) (0,0962) (0,101)

Observaciones 281 235 234 168

R2 0,234 0,442 0,452 0,550
N.º de empresas 48 42 42 37
Efectos fijos por empresa X X X X
Efectos fijos por período X X X X
F-Stat 15,25 17,23 634,9 1865
Notas. Volatilidades anualizadas de los retornos de enero a diciembre para empresas líquidas. Errores
estándar robustos entre paréntesis. *** p<0,01, ** p<0,05, * p<0,1.
Elaboración propia, 2021.

282
 Rodrigo Peña y Brian Esparza

Anexo 6
Regresión por efectos fijos sobre las volatilidades de los retornos, controlando por
período para la muestra de 101 empresas

(1) (2) (3) (4)

VARIABLES Caso base Ratios de Ratios de Ratios de
solvencia y eficiencia y valorización
liquidez rentabilidad

Score de BGC -0,00152 -0,00347* -0,00390** -0,00251

(0,00145) (0,00187) (0,00194) (0,00200)
Retornos anualizados 0,00126*** 0,00126*** 0,00125*** 0,0936**
(0,000157) (0,000154) (0,000137) (0,0432)
Volumen promedio negociado 0,0340** 0,0332*** 0,0418***
(0,0129) (0,0124) (0,0142)
Debt to equity 0,0480 0,0930** 0,0130
(0,0394) (0,0454) (0,0559)
Ratio corriente -0,0131 -0,0210 -0,0176*
(0,0128) (0,0132) (0,00994)
Interest coverage ratio 7,83e-07 -4,10e-06* -6,74e-07
(3,36e-06) (2,44e-06) (1,00e-06)
Retorno sobre activos 0,955*** -0,306
(0,331) (0,372)
Margen operativo 0,00591 0,0229
(0,0104) (0,115)
Earnings per share 0,00155
(0,0102)
Price to earnings -0,000750***
(0,000229)
Capitalización de mercado 9,83e-06
(6,15e-06)
Constante 0,304*** 0,434*** 0,427*** 0,437***
(0,0794) (0,108) (0,110) (0,124)

Observaciones 592 477 455 231

R2 0,792 0,821 0,839 0,622
N.º de empresas 101 85 82 59
Efectos fijos por empresa X X X X
Efectos fijos por período X X X X
F-Stat 10,36 7,922 9,428 376,1
Notas. Volatilidades anualizadas de los retornos de enero a diciembre para todas las empresas. Errores
estándar robustos entre paréntesis. *** p<0,01, ** p<0,05, * p<0,1.
Elaboración propia, 2021.

283
El impacto del buen gobierno corporativo sobre la volatilidad de los retornos de las acciones listadas en la Bolsa de Valores de
Lima

Anexo 7
Regresión por efectos fijos sobre las volatilidades de los retornos, con dummy de
BGC para la muestra de 48 empresas

(1) (2) (3) (4)

VARIABLES Caso base Ratios de Ratios de Ratios de
solvencia y eficiencia y valorización
liquidez rentabilidad

Dummy de BGC -0,0178 -0,0565* -0,0550* -0,0972***

(0,0175) (0,0292) (0,0297) (0,0320)
Retornos anualizados 0,0596*** 0,0645*** 0,0640*** 0,0806***
(0,0140) (0,0151) (0,0153) (0,0144)
Volumen promedio negociado 0,0281* 0,0277* 0,0280* 0,0318**
(0,0155) (0,0147) (0,0144) (0,0117)
Debt to equity 0,0862*** 0,0833** 0,0637**
(0,0301) (0,0322) (0,0295)
Ratio corriente -0,0115 -0,0104 -0,0128
(0,0109) (0,0108) (0,00954)
Interest coverage ratio -2,07e-06 -2,20e-06* -3,45e-06***
(1,46e-06) (1,27e-06) (6,39e-07)
Retorno sobre activos -0,141 -0,343
(0,167) (0,308)
Margen operativo 0,0124*** 0,150
(0,00333) (0,126)
Earnings per share -0,00172
(0,00776)
Price to earnings -0,000663***
(0,000157)
Capitalización de mercado 4,83e-06
(6,18e-06)
Constante 0,266*** 0,262*** 0,265*** 0,267***
(0,0102) (0,0258) (0,0277) (0,0348)

Observaciones 281 235 234 168

R2 0,299 0,374 0,383 0,477
N.º de empresas 48 42 42 37
Efectos fijos por empresa X X X X
Efectos fijos por período - - - -
F-Stat 8,726 6,406 10,36 1587
Notas. Volatilidades anualizadas de los retornos de enero a diciembre para empresas líquidas. Errores
estándar robustos entre paréntesis. *** p<0,01, ** p<0,05, * p<0,1.
Elaboración propia, 2021.

284
 Rodrigo Peña y Brian Esparza

Anexo 8
Regresión por efectos fijos sobre las volatilidades de los retornos, con dummy de
BGC para la muestra de 101 empresas

(1) (2) (3) (4)

VARIABLES Caso base Ratios de Ratios de Ratios de
solvencia y eficiencia y valorización
liquidez rentabilidad

Dummy de BGC -0,00465 -0,0172 -0,0165 -0,0561*

(0,0262) (0,0303) (0,0321) (0,0285)
Retornos anualizados 0,00127*** 0,00127*** 0,00125*** 0,0965**
(0,000160) (0,000159) (0,000143) (0,0402)
Volumen promedio negociado 0,0267** 0,0342** 0,0348*** 0,0415***
(0,0104) (0,0132) (0,0125) (0,0132)
Debt to equity 0,0497 0,0950* 0,0271
(0,0411) (0,0483) (0,0529)
Ratio corriente -0,00992 -0,0153 -0,00730
(0,0115) (0,0124) (0,0117)
Interest coverage ratio 5,37e-07 -4,25e-06*** -2,13e-06**
(3,00e-06) (1,20e-06) (9,68e-07)
Retorno sobre activos 1,012*** -0,529
(0,358) (0,379)
Margen operativo 0,00375 0,0516
(0,0103) (0,134)
Earnings per share 0,000976
(0,0102)
Price to earnings -0,000742***
(0,000218)
Capitalización de mercado 6,55e-06
(6,23e-06)
Constante 0,224*** 0,241*** 0,193*** 0,277***
(0,0135) (0,0286) (0,0382) (0,0383)

Observaciones 591 477 455 231

R2 0,793 0,815 0,833 0,605
N.º de empresas 101 85 82 59
Efectos fijos por empresa X X X X
Efectos fijos por período - - - -
F-Stat 23,15 12,35 13,28 581,6
Notas. Volatilidades anualizadas de los retornos de enero a diciembre para todas las empresas. Errores
estándar robustos entre paréntesis. *** p<0,01, ** p<0,05, * p<0,1.
Elaboración propia, 2021.

285
El impacto del buen gobierno corporativo sobre la volatilidad de los retornos de las acciones listadas en la Bolsa de Valores de
Lima

Anexo 9
Regresion por efectos fijos sobre las volatilidades de los retornos, con estimador
Range GK para la muestra con 48 empresas de marzo a marzo

(1) (2) (3) (4)

VARIABLES Caso base Ratios de Ratios de Ratios de
solvencia y eficiencia y valorización
liquidez rentabilidad

Score de BGC -0,00120* -0,00253*** -0,00248*** -0,00301***

(0,000609) (0,000749) (0,000757) (0,00101)
Retornos anualizados 0,0206*** 0,0210*** 0,0214*** 0,0276***
(0,00399) (0,00435) (0,00434) (0,00443)
Volumen promedio negociado 0,00107 0,000709 0,000746 0,0148*
(0,00282) (0,00260) (0,00254) (0,00869)
Debt to equity 0,0249** 0,0226* 0,0199
(0,0122) (0,0126) (0,0174)
Ratio corriente -0,00289 -0,00250 -0,00803*
(0,00523) (0,00523) (0,00407)
Interest coverage ratio -1,70e-06*** -1,56e-06** -8,37e-07**
(5,90e-07) (5,89e-07) (3,27e-07)
Retorno sobre activos -0,0823 -0,131
(0,0664) (0,171)
Margen operativo 0,00373** 0,0802
(0,00143) (0,0709)
Earnings per share 0,00604
(0,00421)
Price to earnings -2,72e-05
(0,000133)
Capitalización de mercado 4,67e-06
(3,11e-06)
Constante 0,211*** 0,289*** 0,290*** 0,288***
(0,0376) (0,0460) (0,0472) (0,0618)

Observaciones 281 235 234 168

R2 0,091 0,153 0,158 0,343
N.º de empresas 48 42 42 37
Efectos fijos por empresa X X X X
Efectos fijos por período - - - -
F-Stat 11,45 6,998 16,99 5661
Notas. Volatilidades anualizadas de los retornos de marzo a marzo del siguiente año para empresas líqui-
das. Errores estándar robustos entre paréntesis. *** p<0,01, ** p<0,05, * p<0,1.
Elaboración propia, 2021.

286
 Rodrigo Peña y Brian Esparza

Anexo 10
Regresión por efectos fijos sobre las volatilidades de los retornos, con estimador
Range GK para la muestra con 101 empresas de marzo a marzo

(1) (2) (3) (4)

VARIABLES Caso base Ratios de Ratios de Ratios de
solvencia y eficiencia y valorización
liquidez rentabilidad

Score de BGC -0,000729 -0,00194** -0,00218** -0,00255***

(0,000768) (0,000953) (0,00105) (0,000935)
Retornos anualizados -6,23e-06 -6,19e-06 -2,02e-05** 0,0202***
(1,62e-05) (1,65e-05) (7,79e-06) (0,00321)
Volumen promedio negociado 0,00363* 0,00291 0,00351 0,0163***
(0,00198) (0,00278) (0,00264) (0,00456)
Debt to equity 0,0260* 0,0498** 0,00168
(0,0135) (0,0238) (0,0203)
Ratio corriente 0,00335 0,00159 -0,00847*
(0,00399) (0,00453) (0,00486)
Interest coverage ratio 2,42e-07 -4,62e-06* -9,46e-07**
(1,89e-06) (2,57e-06) (3,73e-07)
Retorno sobre activos 1,085* -0,111
(0,603) (0,137)
Margen operativo -0,0155 0,0670
(0,0141) (0,0640)
Earnings per share 0,00462
(0,00466)
Price to earnings -5,01e-06
(0,000150)
Capitalización de mercado 4,89e-06
(3,15e-06)
Constante 0,148*** 0,202*** 0,172*** 0,255***
(0,0428) (0,0490) (0,0618) (0,0567)

Observaciones 591 477 455 231

R2 0,002 0,006 0,149 0,435
N.º de empresas 101 85 82 59
Efectos fijos por empresa X X X X
Efectos fijos por período - - - -
F-Stat 1,635 1,630 83,18 153,2
Notas. Volatilidades anualizadas de los retornos de marzo a marzo del siguiente período para todas las
empresas. Errores estándar robustos entre paréntesis. *** p<0,01, ** p<0,05, * p<0,1.
Elaboración propia, 2021.

287
El impacto del buen gobierno corporativo sobre la volatilidad de los retornos de las acciones listadas en la Bolsa de Valores de
Lima

Anexo 11
Estimaciones Egarch para una empresa del grupo con altos puntajes de BGC
(Aenza) y otra del grupo con bajo puntaje (ENEL Distribución)

Dependent Variable: AENZA_S_A_A_ Dependent Variable: ENEL_DISTRIBUCION_PERU_S_A_A_

Method: ML - ARCH Method: ML - ARCH
Date: 11/02/21 Time: 01:24 Date: 11/02/21 Time: 01:24
Sample (adjusted): 1/08/2014 4/01/2021 Sample (adjusted): 1/02/2014 4/01/2021
Included observations: 1887 after adjustments Included observations: 1891 after adjustments
Convergence achieved after 25 iterations Convergence achieved after 179 iterations
MA Backcast: 1/01/2014 1/07/2014 MA Backcast: 1/01/2014 1/07/2014
Presample variance: backcast (parameter = 0.7) Presample variance: backcast (parameter = 0.7)
LOG(GARCH) = C(5) + C(6)*ABS(RESID(-1)/@ LOG(GARCH) = C(3) + C(4)*ABS(RESID(-1)/@
SQRT(GARCH(-1))) + C(7) SQRT(GARCH(-1))) + C(5)
*RESID(-1)/@SQRT(GARCH(-1)) + C(8)*LOG(GARCH(-1)) *RESID(-1)/@SQRT(GARCH(-1)) + C(6)*LOG(GARCH(-1))
Variable Coefficient Std. Error z-Statistic Prob. Variable Coefficient Std. Error z-Statistic Prob.
AR(1) 0.337352 0.016508 20.43594 0.0000 AR(1) 0.490657 0.195289 2.512462 0.0120
AR(5) 0.637246 0.015440 41.27304 0.0000
MA(1) -0.390387 0.206944 -1.886443 0.0592
MA(1) -0.326013 0.011049 -29.50740 0.0000
Variance Equation
MA(5) -0.670483 0.010797 -62.09689 0.0000
C(3) -1.123223 0.072291 -15.53748 0.0000
Variance Equation
C(5) -0.163605 0.010173 -16.08220 0.0000 C(4) 0.175614 0.009177 19.13703 0.0000

C(6) 0.122763 0.007679 15.98737 0.0000 C(5) -0.018977 0.007191 -2.639155 0.0083
C(7) -0.059631 0.005455 -10.93044 0.0000 C(6) 0.886250 0.007543 117.4892 0.0000
C(8) 0.988310 0.001211 815.9275 0.0000
R-squared 0.010993 Mean dependent var 0.000177
R-squared 0.002979 Mean dependent var -0.000515
Adjusted R-squared 0.010469 S.D. dependent var 0.011026
Adjusted R-squared 0.001390 S.D. dependent var 0.031186
S.E. of regression 0.031164 Akaike info criterion -4.357860 S.E. of regression 0.010968 Akaike info criterion -6.271932
Sum squared resid 1.828776 Schwarz criterion -4.334362 Sum squared resid 0.227249 Schwarz criterion -6.254339
Log likelihood 4119.641 Hannan-Quinn criter. -4.349207
Log likelihood 5936.112 Hannan-Quinn criter. -6.265454
Durbin-Watson stat 1.826898
Durbin-Watson stat 1.982962
lnverted AR Roots .99 .35+.86i .35-.86i -.68-.53i
-.68+.53i lnverted AR Roots .49
lnverted MA Roots 1.00 .35+.87i .35-.87i -.69-.54i
-.69+.54i lnverted MA Roots .39

Elaboración propia, 2021.

288
 Rodrigo Peña y Brian Esparza

Anexo 12
Histogramas de coeficientes significativos de la variable efecto leverage por grupos
de empresas con mayor (Top10) o menor (Bottom10) score de BGC

6
Series: TOP10
Sample 1/01/2014 4/01/2021
5 Observations 8

4 Mean -0,113125
Median -0,057169
Maximum 0,049731
3
Minimum -0,580360
Std. Dev. 0,193751
2 Skewness -2,027651
Kurtosis 5,611223
1
Jarque-Bera 7,754652
Probability 0,020706
0
-0,6 -0,5 -0,4 -0,3 -0,2 -0,1 -0,0 0,1

4
Series: BOTTOM10
Sample 1/01/2014 4/01/2021
Observations 9
3
Mean 0,054407
Median 0,010064
2 Maximum 0,313228
Minimum -0,064304
Std. Dev. 0,124736
Skewness 1,089548
1 Kurtosis 3,014232

Jarque-Bera 1,780749
Probability 0,410502
0
-0,10 -0,15 0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35

Elaboración propia, 2021.

289
El impacto del buen gobierno corporativo sobre la volatilidad de los retornos de las acciones listadas en la Bolsa de Valores de
Lima

Anexo 13
Box-Plots de coeficientes significativos de la variable efecto leverage por grupos de
empresas con mayor (Top 10) o menor (Bottom 10) score de BGC

TOP 10 BOTTOM 10
0,1 0,4

0,0
0,3
-0,1

0,2
-0,2

-0,3 0,1

-0,4
0,0
-0,5

-0,6 -0,1

290
Transferencias monetarias condicionadas y
autoempleo: el caso del programa Juntos en Perú1

Samantha Valeria Guillén Luna

María Fe Mendoza Segura

Introducción
Los programas de transferencias monetarias condicionadas (CCT por sus siglas
en inglés) han sido considerados como «el nuevo instrumento contra la pobreza
favorito del mundo» (The Economist, 2010). Surgidos en Latinoamérica, parten
de la premisa de que la transmisión intergeneracional de la pobreza es cau-
sada por la inversión subóptima en salud y educación (Fiszbein et al., 2009;
Maluccio, 2010). Así, esos programas entregan un incentivo monetario a los
hogares beneficiarios bajo la condición de que estos inviertan en la formación
del capital humano de sus hijos.
Los CCT se han hecho populares debido a las múltiples evidencias de su
efectividad, provistas por estudios que han encontrado resultados positivos
en indicadores de educación (Behrman, Parker, & Todd, 2011; Millán et al.,
2019; Schultz, 2004) y salud (Barham, 2011; Fernald, Gertler, & Neufeld,
2008; Gertler, 2004). Además, otras investigaciones han encontrado que los
CCT promueven la inversión en activos productivos (Gertler, Martínez, &
Rubio-Codina, 2012; Todd, Winters, & Hertz, 2010) y fomentan tanto los
microemprendimientos como los ingresos por autoempleo (Bianchi & Bobba,
2013; Lichand, 2010; Gertler et al., 2012).
En 2005 fue creado en el Perú el Programa Nacional de Apoyo Directo
a los Más Pobres, abreviadamente denominado programa Juntos, el cual

1
Este ensayo es una versión resumida y editada del Trabajo de Investigación Económica que, con el mismo
título, fue concluido y aprobado en junio de 2021. Las autoras agradecen profundamente a su asesor, el
profesor Manuel Barrón, por su tiempo y retroalimentación constante.

291
Transferencias monetarias condicionadas y autoempleo: el caso del programa Juntos en el Perú

entrega bimensualmente S/ 200 a familias pobres del país, condicionado a

compromisos en materia de salud, nutrición y educación. El programa Juntos
está destinado a hogares en condición de pobreza o pobreza extrema según el
Sistema de Focalización de Hogares (Sisfoh), con gestantes o hijo(a)s entre 0
y 19 años que aún no hayan acabado la secundaria. Además de esa prioriza-
ción individual, Juntos sigue criterios de focalización geográfica al seleccionar
distritos con alta concentración de hogares pobres.
Por otro lado, el autoempleo es la fuente predominante de trabajo en
el Perú. La Encuesta Nacional de Hogares (Enaho) de 2016 reveló que 6,5
millones de trabajadores son autoempleados, lo cual representa el 45% de la
población ocupada. Se recurre al autoempleo principalmente por necesidad
económica (INEI, 2020) y como posible solución o atenuante del desempleo
y la pobreza (Banerjee & Duflo, 2007). Sin embargo, debido a las decisiones
económicas subóptimas generadas por las restricciones financieras y cargas
cognitivas que enfrentan los hogares pobres, estos serían menos capaces de
autoemplearse exitosamente.
En ese sentido, si bien el autoempleo puede ser visto como una forma
de salir de la pobreza, también debe considerarse la productividad de este
tipo de ocupaciones. Por ello, en la presente investigación nos pregunta-
mos si los hogares receptores de Juntos pueden percibir mayores ingresos
provenientes del autoempleo, mediante la reducción de sus restricciones
financieras y cargas cognitivas que posibilitaría tal programa. Así, buscamos
dar luces sobre si Juntos, a través del autoempleo, puede ser un instrumento
de lucha contra la pobreza con efectos sostenidos en la calidad de vida de
sus beneficiarios.

1. Revisión de literatura

1.1   Autoempleo en países en vías de desarrollo

Los altos niveles de pobreza y desempleo o subempleo son problemas que

caracterizan a países en vías de desarrollo (Fields, 2019), donde muchas
personas recurren al autoempleo como vía de solución o reducción de tales
problemas (Banerjee & Duflo, 2007). Los especialistas definen este fenómeno
como autoempleo por necesidad (Block & Wagner, 2007; Reynolds et al.,
2005), muy presente en los mercados laborales de países en vías de desarrollo
(Kremer, Rao, & Schilbach, 2019). Sin embargo, si bien el autoempleo permite
generar ingresos, no siempre es efectivo para salir de la pobreza, ya que suele
darse en condiciones de baja productividad (Fields, 2019).

292
 Samantha Valeria Guillén Luna y María Fe Mendoza Segura

Algunas investigaciones explican las fuentes de dicha productividad baja,

la cual, para Banerjee y Duflo (2007), se debería en parte a la falta de espe-
cialización y pequeña escala de los negocios. Para otros autores, se debería al
bajo capital humano gerencial que conlleva una gestión deficiente (La Porta &
Shleifer, 2008; Calderón, Iacovone, & Juárez, 2016). Pero estas investigaciones
dejan de lado los sesgos cognitivos que afectan las decisiones económicas,
especialmente en condiciones de pobreza.

1.2   Pobreza, decisiones económicas y productividad

Los estudios recientes reevalúan la dirección de causalidad entre bajos ingresos

y pobreza. Los ingresos bajos generan pobreza, obviamente; sin embargo, es
probable que la pobreza reduzca la capacidad de generar ingresos al perjudicar
la productividad (Kaur et al., 2021). Lo cual, cuando los ingresos dependen
directamente de la productividad, como es el caso del autoempleo, generaría
un círculo vicioso que dificulta librarse de la pobreza en el largo plazo (Haus-
hofer & Fehr, 2014; Kaur et al., 2021; Mani et al., 2013).
1.2.1 Cargas cognitivas

La pobreza suele estar atormentada por preocupaciones resultantes de las

restricciones financieras. Estas preocupaciones, que pueden surgir por
ejemplo de un gasto no planificado, generan cargas cognitivas como estrés
y afecciones negativas (Chemin, De Laat, & Haushofer, 2013; Haushofer
& Fehr, 2014), y ocupan gran parte de la capacidad cognitiva de los pobres
(Mullainathan & Shafir, 2013), cuyas funciones ejecutivas –como atención
y memoria– son absorbidas por esas cargas, reduciéndose así su habilidad
de enfocarse en otras tareas (Adamkovič & Martončik, 2017; Mani et
al., 2013). Inversamente, cuando se relajan las restricciones financieras,
la productividad de los trabajadores aumenta (Kaur et al., 2021), porque
pueden prestar más atención a las actividades productivas (Banerjee &
Mullainathan, 2008).
1.2.2 Sesgo hacia el presente y aversión al riesgo

Haushofer y Fehr (2014) encuentran que los pobres son más propensos a
descontar pagos futuros y más adversos al riesgo que los no pobres, debido a
las cargas cognitivas que enfrentan. Similarmente, Liu et al. (2012) señalan que
las afecciones negativas, como preocupaciones por restricciones financieras,
darían lugar a preferir menores pagos inmediatos en lugar de pagos futuros

293
Transferencias monetarias condicionadas y autoempleo: el caso del programa Juntos en el Perú

más altos. Asimismo, Carvalho, Meier y Wang (2016) concluyen que, en

situaciones en las que se enfrentan más restricciones de liquidez, los individuos
tendrían un sesgo hacia el presente.
Cabe mencionar que el sesgo hacia el presente y la aversión al riesgo no
serían preferencias intrínsecas del individuo, sino producto de la pobreza (Car-
valho et al., 2016). Aunque dos individuos tengan las mismas preferencias, si
uno es pobre y el otro no, sus decisiones económicas pueden diferir debido a
las restricciones financieras que enfrentan. Así, los pobres tienden a priorizar
los beneficios de corto plazo, porque sus necesidades apremiantes copan sus
decisiones y merman su capacidad de invertir a largo plazo (Adamkovič &
Martončik, 2017; Haushofer & Fehr, 2014).

1.3   Efectos de las transferencias monetarias condicionadas

1.3.1 Consumo, ahorro e inversión

Hay evidencia empírica de que las transferencias monetarias condicionadas

aumentan el consumo de las familias beneficiarias, tanto en el corto plazo
(Attanasio & Mesnard, 2006; Fiszbein et al., 2009) como en el largo plazo
(Gertler et al., 2012). Pero el incremento del consumo sería menor, en térmi-
nos absolutos, que el monto de la transferencia. Al respecto, tanto Attanasio
y Mesnard (2006) como Fiszbein et al. (2009) argumentan que parte de la
transferencia puede ser ahorrada, probablemente con fines de inversión en
actividades productivas o reducción de deudas.
Para los casos de los programas Juntos en el Perú y Progresa en México, se
ha encontrado que los hogares beneficiarios invierten en animales de carga,
ganado, uso de tierra y producción de cultivos (Gertler et al., 2012; Todd,
Winters, & Hertz, 2010; Zegarra, 2015; Cirillo & Giovannetti, 2018). Así,
estas inversiones les permitirían contar con mayores ingresos y lograr un mejor
nivel de vida, incluso si no continuaran recibiendo la transferencia.
1.3.2 Microemprendimientos y autoempleo: las restricciones financieras

También hay evidencia empírica del efecto positivo de las CCT sobre el auto-
empleo (Bianchi & Bobba, 2013; Lichand, 2010; Gertler et al., 2012; Ribas,
2019). El programa Progresa habría aumentado la probabilidad de convertirse
en emprendedor (Bianchi & Bobba, 2013), en especial fuera de actividades
de campo (Gertler et al., 2012). Mientras que, para el caso de una transfe-
rencia incondicionada, Haushofer y Shapiro (2016) señalan que los hogares
tratados aumentaron sus ingresos por autoempleo, pero no encontraron un

294
 Samantha Valeria Guillén Luna y María Fe Mendoza Segura

efecto significativo sobre los beneficios netos del negocio ni la probabilidad

de tener una empresa no agrícola.
En tal sentido, la literatura ha buscado explicar el rol de las CCT a través
del relajamiento de las restricciones financieras al empezar un negocio (Bianchi
& Bobba, 2013; Fernald et al., 2008; Lichand, 2010; Gertler et al., 2012;
Ribas, 2019). Por un lado, la restricción de liquidez hace que los hogares pobres
usualmente no tengan el capital suficiente para solventar la inversión inicial
requerida. Por el otro lado, la restricción de cobertura de riesgo implica que
dichos hogares buscan tener menos incertidumbre sobre sus ingresos futuros.
Esta restricción es relajada por las CCT, pues dan certeza de contar con un
ingreso fijo en el futuro, haciendo así que los hogares estén más dispuestos
a asumir el riesgo de emprender. Pero la evidencia no es concluyente sobre
la importancia relativa del rol de las CCT respecto a cada una de esas dos
restricciones (Bianchi & Bobba, 2013; Lichand, 2010).
Con base en la literatura revisada, se deduce que el autoempleo en
Latinoamérica es generalmente poco productivo y rentable, posiblemente
debido al entorno de pobreza en que surge. Si bien hay estudios sobre la
relación entre CCT y autoempleo, no hemos encontrado ninguno que la
analice para el caso del programa Juntos. Por ello, el presente trabajo busca
contribuir a la literatura indagando si dicho programa contribuye a mejorar
el bienestar de sus beneficiarios promoviendo su obtención de ingresos por
autoempleo. Específicamente, abordamos esa pregunta a través del análisis
de sesgos cognitivos.

2. Marco analítico

La hipótesis de nuestra investigación es que la transferencia CCT del programa

Juntos contribuye a que los hogares beneficiarios incrementen sus ingresos
por autoempleo. Nuestro marco analítico plantea que esa relación positiva
opera a través de los mecanismos de transmisión esquematizados en la figura
1 y explicados a continuación.
Recibir la transferencia relaja las restricciones financieras que los hogares
pobres enfrentan, debido a la recepción de un ingreso fijo mensual. Esto
tiene dos efectos: por un lado, reduce las preocupaciones y el estrés de los
beneficiarios; es decir, reduce sus cargas cognitivas permitiéndoles prestar más
atención a otras tareas; y, por otro lado, reduce la priorización del corto plazo
sobre el largo plazo, llevando a decisiones económicas menos subóptimas y
aumentando la inversión. Ambos efectos aumentan la productividad laboral
y los ingresos del autoempleo.

295
Transferencias monetarias condicionadas y autoempleo: el caso del programa Juntos en el Perú

Figura 1
Mecanismos de transmisión del marco analítico

Reducción de cargas Incrementa la

cognitivas atención

Relajación de Mejora la Afectan ingresos

CCT restricciones productividad del por autoempleo
financieras autoempleo

Priorización de CP Incentivos a invertir

sobre LP

Reduciría la dependencia de CCT

Elaboración propia, 2021.

2.1   Autoempleo

Parker (2004) define al autoempleo como la ocupación de «aquellos individuos

que no ganan sueldo o salario, pero perciben ingresos ejerciendo su profesión
o un negocio por cuenta propia y a su propio riesgo» (p. 5). Siguiendo la cla-
sificación de la Organización Internacional del Trabajo, el autoempleo abarca
a empleadores, trabajadores independientes y miembros contribuyentes de la
familia. Aunque los trabajadores tienen en teoría la opción de ser asalariados,
la pobreza y carencias de los beneficiarios de Juntos hacen que pocos de ellos
puedan optar por ser asalariados en vez de autoempleados.

2.2   Pobreza y restricciones financieras

La pobreza configura un entorno de gran escasez. Según Mullainathan y Shafir

(2013), la escasez no es solo una falta de recursos, sino también una forma
de pensar que afecta «cómo decidimos y nos comportamos» (p. 7). Por ello,
aquí abordamos el problema de los hogares de Juntos, que están entre los más
pobres del país, con un enfoque de restricciones financieras y considerando
el canal conductual.
Varios estudios exploran cómo las restricciones financieras afectan a los más
pobres, principalmente generando imperfecciones en el mercado de capital que
impiden su flujo hacia hogares pobres (Banerjee & Newman, 1993; Galor &
Zeira, 1993; Aghion & Bolton, 1997). Dadas esas imperfecciones estructurales,
los hogares pobres podrían beneficiarse mucho de un relajamiento de dichas
restricciones (Beck, Demirgüç-Kunt, & Levine, 2007), como el provisto por
una CCT. Un beneficio de acceso no solo a recursos sino también a la posi-
bilidad de tomar mejores decisiones.

296
 Samantha Valeria Guillén Luna y María Fe Mendoza Segura

Por un lado, la teoría del ingreso permanente de Milton Friedman enseña

que los individuos buscan suavizar su consumo a lo largo de su vida. Pero
el acceso nulo o costoso al crédito de un hogar pobre limita su capacidad de
sustituir intertemporalmente recursos endeudándose hoy con cargo a sus
ingresos futuros. Esta aguda restricción de liquidez produce una falta de capital
suficiente para solventar el inicio de un negocio u otra actividad en autoempleo
(Bianchi & Bobba, 2013; Evans & Jovanovic, 1989; Holtz-Eakin, Joulfaian, &
Rosen, 1994; Hurst & Lusardi, 2004). Por ello, los hogares pobres responden
en mayor magnitud a cambios en su ingreso disponible (Hubbard & Judd,
1986), como el resultante de la inyección de liquidez provista por una CCT.
Por otro lado, los hogares pobres son más vulnerables frente a situaciones
económicas adversas. Alderman y Paxson (1994) señalan que a los hogares
pobres les es más difícil lidiar con el riesgo debido a su limitada capacidad
de acceder a mecanismos de cobertura (seguros). También es limitado el
acceso de esos hogares a formas de autocobertura como los ahorros, debido
a sus ingresos insuficientes (Dercon, 2002). Estas situaciones ejemplifican la
restricción de cobertura al riesgo. Una transferencia, cuando es vista como
certera y perdurable, ayudaría a relajar tal restricción actuando como un
método de cobertura al riesgo. Así, promovería la incursión de dichos hogares
en actividades riesgosas, como lo es un negocio u otra forma de autoempleo.
Lo anterior enseña que las restricciones financieras son especialmente rele-
vantes para los hogares pobres. Y lo son, con mayor motivo, porque generan
otro conjunto de restricciones de índole psicológica y conductual que padecen
los hogares pobres.

2.3   Mecanismos de transmisión

2.3.1 Cargas cognitivas

Las cargas cognitivas son el primer mecanismo de transmisión planteado,

mediante el cual las CCT afectan a los ingresos del autoempleo. Se definen
como la presencia de agobios en el sistema cognitivo de un individuo (Adamko-
vič & Martončik, 2017). Haushofer y Fehr (2014) las clasifican en estrés y
afecciones negativas, como la tristeza. Nuestra investigación está enfocada en
las cargas cognitivas provenientes exclusivamente de la escasez, es decir, en las
resultantes del estilo de vida y forma de pensar que la escasez impone en los
individuos pobres (Mullainathan & Shafir, 2013).
A un individuo pobre, por el hecho de no contar con suficiente dinero
para cubrir varias necesidades básicas, cada gasto le representa una agobiante

297
Transferencias monetarias condicionadas y autoempleo: el caso del programa Juntos en el Perú

decisión a favor de una necesidad en lugar de otra también básica. Esto le

sustrae recursos cognitivos, especialmente atención, para otras tareas como
el trabajo, exponiéndolo a realizarlas con más errores o demoras; ergo, con
menor productividad (Kaur et al., 2021). Las CCT, al aliviar las restricciones
financieras de los pobres, mejorarían su productividad porque les reducen el
estrés y les permiten dedicarse más a una actividad productiva.
2.3.2 Sesgo hacia el presente y aversión al riesgo

El segundo mecanismo de transmisión reduce la preferencia por ingresos actua-

les sobre ingresos futuros, modificando sus dos componentes: (i) la aversión
al riesgo; y (ii) el sesgo hacia el presente. Los pobres suelen encontrarse en
entornos más riesgosos, y las restricciones de liquidez limitan su capacidad
para lidiar con la incertidumbre (Gollier, 2002). Por ello, están menos dis-
puestos a asumir mayores riesgos voluntariamente y, ante la posibilidad de
recibir ingresos en el presente o en el futuro, preferirían la primera opción,
ya que esta relaja la restricción de liquidez y les permite satisfacer necesidades
apremiantes (Haushofer & Fehr, 2014).
En particular, la pobreza desincentiva la inversión en activos productivos
destinados al autoempleo, debido a que esta implicaría sacrificar ingresos
presentes y asumir riesgos adicionales para obtener retornos inciertos en el
futuro (Haushofer & Fehr, 2014). La menor propensión de los individuos
pobres autoempleados a invertir en capital físico reduciría su productividad
e ingresos.
A la luz de la literatura revisada, deducimos que el programa Juntos, al
asegurar una inyección de liquidez a hogares pobres, puede reducir su aversión
al riesgo y su sesgo hacia el presente, promoviendo su disposición a invertir
en activos productivos, cuyos retornos futuros verían como menos inciertos,
debido a la mejora en productividad e ingresos resultantes del alivio a sus
cargas cognitivas.

3. Metodología y estrategia empírica

Esta investigación utilizó la metodología cuasi experimental de regresión dis-

continua (RD) para identificar el efecto de la recepción del programa Juntos
sobre los ingresos por autoempleo. La asignación de dicho programa no es
aleatoria, pues selecciona a los beneficiarios mediante un método de focali-
zación distrital seguida por una focalización categórica, implementado por el
Ministerio de Desarrollo e Inclusión Social (Midis) con base en una serie de
criterios socioeconómicos recolectados a partir del Sistema de Focalización

298
 Samantha Valeria Guillén Luna y María Fe Mendoza Segura

de Hogares (Sisfoh). Esta clasificación distribuye a los hogares dentro de un

índice que cuenta con un punto de corte o límite para determinar la elegibi-
lidad. La RD permite explotar esta discontinuidad, para evaluar cómo afecta
la recepción de la CCT a los mecanismos de transmisión antes planteados y
a los ingresos por autoempleo (Lee & Lemieux, 2010).
Sin embargo, ese punto de corte no representa un quiebre completamente
claro, porque existe un problema de cumplimiento en la implementación del
método de Juntos. En efecto, la focalización distrital implica que no serían
beneficiarios los hogares pobres no pertenecientes a los distritos selecciona-
dos. Además, existen problemas de identificación a nivel hogar que generan
filtración y subcobertura en el programa. Ambos defectos indican que un
índice por encima del punto de quiebre, aunque no garantiza que los respec-
tivos hogares participarán en Juntos, sí incrementa la probabilidad de que lo
hagan. Así, la discontinuidad se da en la probabilidad de participación en el
programa. Por ello, nosotras recurrimos a la metodología de RD difusa, que
permite un «salto» menor en la probabilidad de asignación del tratamiento
(Lee & Lemieux, 2010).
En esta, para solucionar el mencionado problema de cumplimiento, inclui-
mos como variable instrumental el índice de focalización de hogares (IFH),
aprendiendo de estudios previos (Bernal, Carpio, & Klein, 2017; Guerrero,
Molina, & Winkelried, 2020). El IFH es una puntuación socioeconómica
calculada por el Midis mediante el promedio ponderado de indicadores de
pobreza predeterminados (anexo 1). Los hogares catalogados como «pobres»
son los que obtienen puntuaciones por encima de 0; por lo cual este será
nuestro punto de quiebre. Si bien el IFH no predice de manera exacta la
clasificación como elegible o no elegible para Juntos, esta variable mantiene
la discontinuidad en la probabilidad de tratamiento. Alrededor del punto de
quiebre, la clasificación puede considerarse como casi aleatoria, porque los
grupos de tratamiento y de control son comparables (Lee & Lemieux, 2010).
Lo cual permite evaluar la relación causal entre recibir el CCT y el incremento
de los ingresos por autoempleo, realizando el análisis del IFH a nivel de hogares
para poder captar los dos mecanismos de transmisión explicados previamente.
A fin de resolver la pregunta de investigación sobre el efecto de las CCT del
programa Juntos sobre los ingresos por autoempleo, planteamos el siguiente
modelo no paramétrico de RD difusa:

Yi = α0 + α1Ji + f(D_IFHi) + γ'Xi + εi (1)

Ji = β0 + β1D_IFHi + + g(D_IFHi) + δ'Xi + μi (2)

299
Transferencias monetarias condicionadas y autoempleo: el caso del programa Juntos en el Perú

Yi representa a los ingresos por autoempleo del hogar; ji es una variable

binomial que toma el valor de 1 cuando el hogar es beneficiario de Juntos y 0
de otro modo; D_IFHi corresponde a una variable binomial que toma el valor
de 1 cuando el hogar obtiene una calificación mayor a cero en el IFH y 0 de
otro modo; Xi representa al vector de las variables de control; y los términos
de perturbación de cada ecuación son εi y μi. Como variables de control con-
sideramos sexo, lengua materna y educación.
En línea con la metodología usada por Guerrero, Molina y Winkel-
ried (2020), las funciones f(D_IFHi) y g(D_IFHi) comprenden polinomios
localmente lineales estimados de manera flexible. El coeficiente α1 será un
estimador consistente del efecto de Juntos sobre los ingresos por autoem-
pleo, y este efecto será válido únicamente para las observaciones cercanas
al punto de quiebre (IFH cercano a 0). Y hacemos el cálculo del margen
de validez para el estimador utilizando el método propuesto por Imbens y
Kalyanaraman (2012).
Con el fin de evaluar el mecanismo de transmisión de inversión en activos
productivos, utilizamos la misma metodología de RD difusa no paramétrica.

Ii = ρ0 + ρ1Ji + j(D_IFHi) + φ'Xi + ωi (3)

Ei = θ0 + θ1Ji + ψ'Xi + ωi (4)

La ecuación 3 muestra el efecto de la mayor inversión en activos produc-

tivos (Ii), resultante de la reducción del sesgo hacia el presente y de la aversión
al riesgo, medido mediante ρ1. Para medir las cargas cognitivas, utilizamos
variables sobre distintos aspectos del estado mental de los individuos, con las
cuales generamos índices estandarizados mediante el método de análisis de
componentes principales (PCA por sus siglas en inglés). Y, como no es posible
replicar el IFH a partir de los datos disponibles, recurrimos a una regresión
MCO para medir el impacto de ser beneficiario de Juntos sobre las cargas
cognitivas (Ei) en la ecuación 4.

4. Análisis de resultados

4.1   Identificación

Para asegurar la validez de la metodología de regresión discontinua (RD),

es necesario verificar que el índice de focalización de hogares (IFH) no sea
manipulable; lo que dirigiría la asignación al programa Juntos. Al aplicar
el test de McCrary (2008) al IFH (figura 2), concluimos que no se puede

300
 Samantha Valeria Guillén Luna y María Fe Mendoza Segura

rechazar la continuidad de la función de densidad (pval > 0,05); por lo cual

no existiría manipulación en la asignación del tratamiento por parte de los
beneficiarios.
Figura 2
Test de McCrary para el IFH, 2016

Muestra de empleados Muestra de autoempleados

0,04
0,04

0,02
0,02
0,00

0,00

-30 -20 -10 0 10 20 30 -30 -20 -10 0 10 20 30

IFH IFH
ancho de banda 15,601 ancho de banda 15,694
p-value 0,867 p-value 0,897

Elaboración propia, 2021.

Además, para asegurar la consistencia de los resultados, fue necesario

realizar pruebas de balance. Si estas confirman que no hay discontinuidad
alrededor del punto de corte (IFH = 0) en otras variables que podrían influir en
los ingresos por autoempleo, se puede afirmar que Juntos está siendo asignado
aleatoriamente alrededor de dicho corte.
Para ello, seleccionamos como variables de control a las siguientes tres
características del jefe del hogar que determinan el nivel de pobreza del
hogar: años de educación, sexo y probabilidad de que su lengua materna sea
el quechua; e incluyendo a estas variables, corrimos regresiones discontinuas
sobre el IFH. Dado que los coeficientes obtenidos en las tres variables ana-
lizadas no son significativos para los autoempleados (tabla 1), concluimos
que el comportamiento de las variables es continuo alrededor del punto de
corte, es decir, no hay heterogeneidad entre el grupo con un IFH<0 y el
grupo con un IFH>0.

301
Transferencias monetarias condicionadas y autoempleo: el caso del programa Juntos en el Perú

Tabla 1
Pruebas de balance de variables de control

Muestra Educación Mujer Quechua

-7,241* -0,052 -0,870*
Dependientes y autoempleados
(3,896) (0,437) (0,445)
-6,670 0,456 -1,624
Autoempleados
(5,190) (0,659) (1,022)

Notas. * significancia al 10%. Errores estándar entre paréntesis.

Fuente: INEI (2016). Elaboración propia, 2021.

Adicionalmente, teniendo en cuenta que varios hogares receptores de

Juntos también reciben otros programas sociales que podrían relajar sus res-
tricciones presupuestarias, evaluamos la continuidad en la probabilidad de
recibirlos alrededor del punto de corte. Los resultados en la tabla 2 muestran
la continuidad del comportamiento de las variables correspondientes a otros
programas sociales cuando el IFH = 0; por lo que no fue necesario incluirlos,
ya que no sesgarían la evaluación del efecto de Juntos.
Tabla 2
Pruebas de balance de programas sociales

Muestra Pensión 65 Vaso de Qali Warma Qali Warma Cuna Más

Leche – Desayuno – Almuerzo
Dependientes y -0,012 0,102 0,344 0,485* 0,067
autoempleados (0,291) (0,299) (0,319) (0,272) (0,052)
-0,316 0,018 0,235 0,245 0,129
Autoempleados
(0,541) (0,449) (0,502) (0,703) (0,118)

Notas. * significancia al 10%. Errores estándar entre paréntesis.

Fuente: INEI (2016). Elaboración propia, 2021.

4.2   Estadísticas descriptivas

4.2.1 Datos distritales

Según la plataforma InfoMidis, a diciembre de 2016, Juntos estaba presente

en 1289 de los 1875 distritos existentes en el país. En 18 de ellos, Juntos es
el único programa social presente, mientras que en los otros 1271 es posible
que un hogar sea receptor de más de un programa. Y no incluimos en esta
investigación a distritos para los cuales el IFH no es válido como criterio de

302
 Samantha Valeria Guillén Luna y María Fe Mendoza Segura

elegibilidad, como son los 65 en el Vraem, los 143 correspondientes a comu-

nidades indígenas, y los que ingresaron a Juntos antes del año 2011.
4.2.2 Empleo y autoempleo

Para el análisis del empleo y autoempleo, utilizamos los módulos 500 y 700 de
la Enaho 2016, que asimismo sirven para reconstruir el IFH2. Con base en ello,
construimos dos muestras: la primera compuesta tanto por autoempleados como
por trabajadores dependientes, y la segunda incluyendo solo a autoempleados.
La primera muestra de 2016, que incluye a todo tipo de trabajadores,
cuenta con 4170 observaciones, de las cuales 1102 son receptores de Juntos y,
de estos, 255 son calificados como pobres por el IFH (anexo 4). En principio,
destaca que la educación promedio de los receptores de Juntos sea aproxima-
damente primaria completa, y que la prevalencia del analfabetismo sea mayor
en el sector pobre de la muestra. En cuanto a los indicadores laborales, el
62% de la muestra son autoempleados, de los cuales el 58% tiene un trabajo
independiente y el 4% son empleadores. Y los ingresos laborales promedio
de toda la muestra se ubican en S/ 6299 anuales.
Respecto a la segunda muestra, compuesta solo por autoempleados, se
observa un comportamiento similar por submuestras (de receptores y no
receptores de Juntos, respectivamente) en cuanto a características demográ-
ficas (anexo 5). Sin embargo, para los pobres que no reciben Juntos, los años
de educación son menos, y mayores son tanto la proporción de analfabetos
como la prevalencia de una lengua materna diferente al español. Asimismo,
el promedio de ingresos laborales para las submuestras se encuentra entre S/
2800 y S/ 5100 anuales deflactados. Además, el 5% de la muestra hace algún
producto en casa para luego venderlo, y el 4% vende algún producto de belleza,
ropa, joyas, entre otros. Por último, el 13% de los beneficiarios de Juntos no
pobres fabrican algún producto.
4.2.3 Discusión de resultados
4.2.3.1 Primera etapa: evaluación de mecanismos de transmisión

El análisis del monto de inversión en activos productivos fue realizado para la

muestra de autoempleados, y encontramos que el efecto local promedio del

2
Dado que la única metodología para el cálculo del IFH replicable con la Enaho es la del MEF 2011 (R.
M. N.º 320-210-PCM, 2010), que es válida entre 2011 y 2015 (anexo 3), optamos por utilizar la Enaho
2016 porque esta encuesta captura el mayor uso de la metodología MEF 2011.

303
Transferencias monetarias condicionadas y autoempleo: el caso del programa Juntos en el Perú

tratamiento (LATE por sus siglas en inglés) de Juntos sobre dicha inversión es
estadísticamente nulo (tabla 3). Así, los individuos autoempleados no destina-
rían sus ingresos por las CCT de Juntos al gasto en activos que les permitan
ser más productivos. En cambio, dejarán de ser trabajadores independientes,
como se verá más adelante.
Tabla 3
Efecto de Juntos sobre la inversión en activos productivos

LATE ln_costo activos ln_costo activos

Juntos -0,819 -1,117
(2,047) (1,770)
Controles No Sí
Ancho de banda 6,103 6,052
Observaciones 4687 4687

Nota. Errores estándar entre paréntesis.

Fuente: INEI (2016). Elaboración propia, 2021.

Para evaluar el mecanismo de transmisión de cargas cognitivas, se realizó el

PCA incluyendo las variables obtenidas de la Endes 2016 que se mencionan
en el anexo 6. Dado que varias de esas variables forman parte del IFH bajo
la metodología MEF 2011 (R. M. N.º 320-210-PCM, 2010), las incluimos
como controles en una regresión MCO aplicada a los primeros cuatro com-
ponentes resultantes del PCA (tabla 4).
Tabla 4
Resultados del PCA de las variables de salud mental o cargas cognitivas

Componente Proporción Prop. acumulada

Primer componente 0,49 0,49
Segundo componente 0,11 0,60
Tercer componente 0,08 0,68
Cuarto componente 0,07 0,75
Quinto componente 0,06 0,81
Sexto componente 0,06 0,86
Séptimo componente 0,05 0,91
Octavo componente 0,05 0,96
Noveno componente 0,04 1,00
Fuente: INEI (2016). Elaboración propia, 2021.

304
 Samantha Valeria Guillén Luna y María Fe Mendoza Segura

El programa Juntos sí reduce las cargas cognitivas de sus beneficiarios, a

juzgar por los signos negativos de los coeficientes hallados en la estimación del
respectivo efecto LATE. Al ser los componentes índices estandarizados, dicho
programa reduciría las cargas cognitivas en 0,11 desviaciones estándar (tabla
5). Y los resultados de esta primera etapa también representan un indicio de
que el IFH es un buen predictor de la probabilidad de que el hogar sea un
beneficiario de Juntos.
Tabla 5
Efecto de Juntos sobre los componentes de las cargas cognitivas

LATE Primer componente

Juntos -0,120** -0,109** -0,152***
(0,029) (0,051) (0,057)
Controles No Demográficos IFH
Observaciones 4140 4075 4024
LATE Segundo componente
Coeficiente -0,072 -0,110 -0,122
(0,049) (0,049) (0,055)
Controles No Demográficos IFH
Observaciones 4140 4075 4024
LATE Tercer componente
Coeficiente -0,090 -0,104 -0,130
(0,049) (0,051) (0,057)
Controles No Demográficos IFH
Observaciones 4140 4075 4024
LATE Cuarto componente
Coeficiente -0,082 0,011 0,031
(0,049) (0,047) (0,052)
Controles No Demográficos IFH
Observaciones 4140 4075 4024

Notas. *** significancia al 1%, ** al 5% y * al 10%. Errores estándar entre paréntesis.

Fuente: INEI (2016). Elaboración propia, 2021.

305
Transferencias monetarias condicionadas y autoempleo: el caso del programa Juntos en el Perú

4.2.3.2 Segunda etapa: estimación de efectos de Juntos

Esta sección analiza los resultados de la estimación del efecto de recibir Juntos
sobre los ingresos por autoempleo, así como los respectivos efectos heterogé-
neos relevantes.
Para la muestra de autoempleados, se obtuvo un estimador positivo,
indicando que ser receptor de Juntos aumentaría los ingresos por autoempleo
(tabla 6 y figura 3). Pero este estimador no es significativo a ningún nivel de
confianza, tanto con controles como sin controles; por lo que no se puede
descartar que tal efecto sea nulo.
Este procedimiento fue replicado para la muestra de trabajadores en
general (dependientes e independientes), obteniendo resultados similares. En
efecto, los resultados mostrados en la tabla 7 indican que participar en Juntos
aumentaría los ingresos laborales para aquellos hogares cuya participación en
dicho programa depende de su IFH. Es decir, el conjunto de ingresos por
autoempleo y ocupación dependiente se incrementaría. Sin embargo, este
coeficiente es no significativo.
Tabla 6
Efecto de Juntos sobre los ingresos de autoempleo

LATE ln_ing ln_ing

Coeficiente 1,779 2,027
(1,521) (1,332)
Controles No Sí
Ancho de banda 6,192 6,145
Observaciones 2662 2662

Nota. Errores estándar entre paréntesis.

Fuente: INEI (2016). Elaboración propia, 2021.

306
 Samantha Valeria Guillén Luna y María Fe Mendoza Segura

Figura 3
10 9
IFH e ingresos de autoempleo
Log (Ingresos de autoempleo)
7 8
6

-60 -40 -20 0 20

IFH

Fuente: INEI (2016). Elaboración propia, 2021.

Tabla 7
Efecto LATE de participar en Juntos sobre ingresos laborales y la probabilidad de
estar autoempleado

LATE ln_ing autoempleo ln_ing autoempleo

Coeficiente 0,640 -0,541 1,255 -0,725*
(0,890) (0,440) (0,780) (0,395)
Controles No No Sí Sí
Ancho de banda 9,055 5,939 6,07 5,935
Observaciones 4170 4170 4170 4170
Significancia etapa 1 Sí Sí Sí Sí

Notas. * significancia al 10%. Errores estándar entre paréntesis.

Fuente: INEI (2016). Elaboración propia, 2021.

307
Transferencias monetarias condicionadas y autoempleo: el caso del programa Juntos en el Perú

Esos resultados también muestran un coeficiente significativo al 10% al

controlar por sexo, lengua materna y educación. Y, al controlar únicamente
por educación, el coeficiente se vuelve significativo. Lo cual podría indicar que,
a menor nivel de educación, es menor la probabilidad de estar autoempleado;
por ello, es importante analizar esta variable más adelante. Así, el coeficiente
indica que Juntos estaría reduciendo la probabilidad de ser autoempleado
en 72,5 puntos porcentuales. Adicionalmente, realizamos una estimación
paramétrica que coincide con la estimación no paramétrica (anexo 7).
4.2.4 Efectos heterogéneos

Con base en lo anterior, exploramos si existen complementariedades con

otros programas sociales que puedan potenciar el efecto encontrado respecto
a Juntos. También exploramos los efectos heterogéneos según el nivel de edu-
cación, dado que los resultados antes presentados indicaron la influencia de
esa variable en la significancia de nuestros estimadores. Para ello, trabajamos
con la muestra de trabajadores en general, y la dividimos para evaluar posibles
cambios en magnitudes o signos.
4.2.4.1 Otros programas sociales

Al evaluar el efecto del programa Juntos sobre la probabilidad de ser auto-

empleado cuando el hogar también es perceptor de otros programas sociales,
obtuvimos que estos otros no influyen sobre dicha variable (tabla 8). Lo cual
rechaza la hipótesis de que el efecto de Juntos pueda ser mayor cuando sus
beneficiarios reciben otros programas sociales.
Tabla 8
Efectos heterogéneos en la probabilidad de autoempleo por recepción de otros
programas sociales

LATE Pensión 65 Vaso de Leche Qali Warma

Coeficiente -3,030 0,960 -19,294
(6,592) (3,210) (174,970)
Controles Sí Sí Sí
Ancho de banda 7,136 6,864 5,919
Observaciones 464 978 1,718
Significancia etapa 1 No No No

Nota. Errores estándar entre paréntesis.

Fuente: INEI (2016). Elaboración propia, 2021

308
 Samantha Valeria Guillén Luna y María Fe Mendoza Segura

4.2.4.2 Educación

En este caso evaluamos el efecto de ser beneficiario de Juntos sobre la

probabilidad de ser autoempleado según diferentes niveles de educación.
La tabla 9 muestra los resultados de la estimación correspondiente a los
jefes de hogares catalogados como pobres por el IFH que son receptores
de Juntos. Ahí se observa que los que cuentan únicamente con educación
primaria tienen una probabilidad menor –en 83,5 puntos porcentuales– de
ser autoempleados. También se observa que Juntos no tiene incidencia en
la probabilidad de ser autoempleado para los jefes de hogar con educación
secundaria o superior.
Tabla 9
Efectos heterogéneos en la probabilidad de autoempleo por nivel educativo

LATE Primaria Secundaria Educación superior

Coeficiente -0,835* -0,387 0,523
(0,489) (0,707) (2,854)
Observaciones 2197 1402 571
Significancia Etapa 1 Sí Sí Sí

Notas. * significancia al 10%. Errores estándar entre paréntesis.

Fuente: INEI (2016). Elaboración propia, 2021.

4.2.4.3 Desplazamiento laboral

Sin embargo, lo anterior no implica que los beneficiarios de Juntos con nive-
les bajos de educación tiendan a convertirse en trabajadores dependientes a
causa del programa. En efecto, mediante una RD difusa encontramos que
dichos beneficiarios suelen migrar del autoempleo hacia empleos temporales
en diversos sectores (tabla 10). En la medida en que esta movilidad laboral
les permite obtener mayores ingresos, representa una contribución adicional
de Juntos al bienestar de sus beneficiarios.

309
Transferencias monetarias condicionadas y autoempleo: el caso del programa Juntos en el Perú

Tabla 10
Efecto LATE de Juntos sobre probabilidad de tener un empleo temporal para
individuos con educación primaria completa como máximo

LATE Temporal Temporal ‒ informal

Coeficiente 0,757* 0,699*
(0,413) (0,397)
Ancho de banda 6,558 6,583
Observaciones 2197 2197

Notas. * significancia al 10%. Errores estándar entre paréntesis.

Fuente: INEI (2016). Elaboración propia, 2021.

No obstante, tal desplazamiento laboral suele ocurrir hacia empleos

temporales en el sector informal. Así, Juntos aumentaría la probabilidad
de estar empleado temporalmente en el sector informal en casi 70 puntos
porcentuales (tabla 10). De hecho, el aumento de este tipo de empleo prác-
ticamente compensa la reducción en el autoempleo. Además, son empleos
informales que en promedio generan S/ 3028 más de ingresos anuales que
el autoempleo.

5. Conclusiones y recomendaciones

Los estudios consultados enseñan que la población en pobreza de países en vías

de desarrollo recurre al autoempleo como fuente de subsistencia en condiciones
precarias, y que los hogares pobres se ven atrapados en un círculo vicioso de
bajos ingresos y estresantes carencias que limitan su productividad. Por ello,
nuestro estudio ha indagado econométricamente si el programa Juntos con-
tribuye a mejorar la productividad y los ingresos de sus beneficiarios pobres,
al asegurarles transferencias monetarias con periodicidad fija que alivian no
solo sus restricciones financieras, sino también sus cargas cognitivas y sesgos
hacia el presente que limitan su disposición a invertir en capital.
Nuestros resultados indican, respecto a la submuestra de beneficiarios de
Juntos en autoempleo, que el efecto positivo del programa sobre sus ingresos
no es significativo estadísticamente, y que el efecto sobre su inversión en activos
productivos es estadísticamente nulo. Ambos resultados guardan coherencia
con los hallados respecto a la muestra de beneficiarios que incluye distintos
tipos de empleo, en la cual se reduce en 72,5 puntos porcentuales la proba-
bilidad de que opten por el autoempleo, particularmente cuando su nivel
educativo es de primaria completa como máximo; y ocurre un desplazamiento

310
 Samantha Valeria Guillén Luna y María Fe Mendoza Segura

hacia empleos temporales, mayormente en el sector informal, pero generadores

de S/ 3028 más de ingresos anuales que el autoempleo.
La opción por esos otros empleos en vez del autoempleo se explicaría no
solo porque aportan más ingresos, sino también porque reducen la incerti-
dumbre respecto a recibir pagos futuros, complementando así el rol aliviador
del estrés que tienen las transferencias fijas de Juntos. Nuestros resultados
sugieren entonces que los beneficiarios pobres de Juntos ven reducidas sus
cargas cognitivas negativas, lo cual les permite poner más atención en tareas
productivas, incrementar su productividad e ingresos laborales y tener así
condiciones de vida menos precarias.
Sin mengua de lo anterior, al elaborar nuestro estudio también hemos
detectado que muchos hogares beneficiarios de Juntos no son pobres según
el IFH, por lo que recomendamos que sean mejorados los criterios de foca-
lización y cobertura del programa.Esto permitiría realizar evaluaciones más
certeras de la eficiencia de Juntos.
Y los hallazgos de nuestro estudio también aconsejan recomendar que se
continúe investigando los efectos «colaterales» de programas sociales como
Juntos, especialmente en la salud mental de los beneficiarios, a fin de que tales
efectos sean tomados en cuenta al diseñar e implementar el programa. Propo-
nemos que el cuidado de la salud mental sea incluido como corresponsabilidad
programa-beneficiario; por ejemplo, cubriendo la salud mental dentro del
Seguro Integral de Salud para todos los beneficiarios de Juntos.
Adicionalmente, teniendo en cuenta nuestros hallazgos respecto al impacto
de Juntos según el nivel educativo y el tipo de empleo del beneficiario, con-
viene que la educación y capacitación laboral también sean incluidas como
corresponsabilidades programa-beneficiario. Por ejemplo, ampliando el tipo de
transferencias realizadas con perspectiva de largo plazo, como las de Progresa
en México. Este programa implementa incentivos para promover la formación
laboral y mejorar directamente las perspectivas laborales de los beneficiarios.
Todo esto ayudaría a mejorar su productividad y calidad de vida, así como la
calidad del empleo en el mercado laboral peruano.
Referencias
Adamkovič, M., & Martončik, M. (2017). A review of consequences of poverty on eco-
nomic decision-making: A hypothesized model of a cognitive mechanism. Frontiers
in Psychology, 8(Oct.), article 1784. doi:10.3389/fpsyg.2017.01784
Aghion, P., & Bolton, P. (1997). A theory of trickle-down growth and development. Review
of Economic Studies, 64(2), 151-172. doi:10.2307/2971707

311
Transferencias monetarias condicionadas y autoempleo: el caso del programa Juntos en el Perú

Alderman, H., & Paxson, C. H. (1994). Do the poor insure? A synthesis of the literature
on risk and consumption in developing countries. En E. L. Bacha. Economics in a
changing world (pp. 48-78). doi:10.1007/978-1-349-23458-5_3
Attanasio, O., & Mesnard, A. (2006). The impact of a conditional cash transfer
programme on consumption in Colombia. Fiscal Studies, 27(4), 421-442.
doi:10.1111/j.1475-5890
Banerjee, A. V., & Duflo, E. (2007). The economic lives of the poor. Journal of Economic
Perspectives, 21(1), 141-167. doi:10.1257/jep.21.1.141
Banerjee, A. V., & Newman, A. F. (1993). Occupational choice and the process of devel-
opment. Journal of Political Economy, 101(2), 274-298. doi:10.1086/261876
Banerjee, A. V., & Mullainathan, S. (2008). Limited attention and income distribution.
American Economic Review, 98(2), 489-493. doi:10.1257/aer.98.2.489
Barham, T. (2011). A healthier start: The effect of conditional cash transfers on neonatal
and infant mortality in rural Mexico. Journal of Development Economics, 94(1),
74-85. doi:10.1016/j.jdeveco.2010.01.003
Beck, T., Demirgüç-Kunt, A., & Levine, R. (2007). Finance, inequality and the poor.
Journal of Economic Growth, 12(1), 27-49. doi:10.1007/s10887-007-9010-6
Behrman, J. R., Parker, S. W., & Todd, P. E. (2011). Do conditional cash transfers for
schooling generate lasting benefits?: A five-year followup of Progresa/Oportunidades.
Journal of Human Resources, 46(1), 93-122. doi:10.3368/jhr.46.1.93
Bernal, N., Carpio, M. A., & Klein, T. J. (2017). The effects of access to health insurance:
Evidence from a regression discontinuity design in Peru. Journal of Public Economics,
154(C), 122-136. doi:10.1016/j.jpubeco.2017.08.008
Bianchi, M., & Bobba, M. (2013). Liquidity, risk, and occupational choices. Review of
Economic Studies, 80(2), 491-511. doi:10.1093/restud/rds031
Block, J. H., & Wagner, M. (2007). Opportunity recognition and exploitation by
necessity and opportunity entrepreneurs: Empirical evidence from earnings
equations. AOM 2007 Annual Meeting: Doing Well by Doing Good. doi:10.5465/
ambpp.2007.26523855
Calderón, G., Iacovone, L., & Juárez, L. (2016). Opportunity versus necessity: Under-
standing the heterogeneity of female micro-entrepreneurs. World Bank Economic
Review, 30(April), S86-S96. doi:10.1093/wber/lhw010
Carvalho, L. S., Meier, S., & Wang, S. W. (2016). Poverty and economic decision-making:
Evidence from changes in financial resources at payday. American Economic Review,
106(2), 260-284. doi:10.1257/aer.20140481
Chemin, M., De Laat, J., & Haushofer, J. (2013). Negative rainfall shocks increase levels
of the stress hormone cortisol among poor farmers in Kenya. SSRN Electronic
Journal. doi:10.2139/ssrn.2294171
Cirillo, C., & Giovannetti, G. (2018). The impact of conditional cash transfers on households
investments in productive assets and activities: Evidence from the Juntos Programme
in Peru. Working Papers – Economics 03/2018. Universita degli Studi di Firenze.
https://www.disei.unifi.it/upload/sub/pubblicazioni/repec/pdf/wp03_2018.pdf

312
 Samantha Valeria Guillén Luna y María Fe Mendoza Segura

Dercon, S. (2002). Income risk, coping strategies and safety nets. World Bank Research
Observer, 17(2), 141-166. doi:10.1093/wbro/17.2.141
Evans, D., & Jovanovic, B. (1989). An estimated model of entrepreneurial choice
under liquidity constraints. Journal of Political Economy, 97(4), 808-827.
doi:10.1086/261629
Fernald, L., Gertler, P. J., & Neufeld, L. (2008). Role of cash in conditional cash transfer pro-
grammes for child health, growth, and development: An analysis of Mexico’s Opor-
tunidades. The Lancet, 371(9615), 828-837. doi:10.1016/S0140-6736(08)60382-7
Fields, G. S. (2019). Self-employment and poverty in developing countries. IZA World of
Labor, 60(2). doi:10.15185/izawol.60.v2
Fiszbein, A., Schady, N., Ferreira, F., Grosh, M., Kelecher, N., Olinto, P., & Skoufias, E.
(2009). Conditional cash transfers – Reducing present and future poverty. World Bank
Policy Research Report, 47603. doi:10.1001/jama.298.16.1900
Galor, O., & Zeira, J. (1993). Income distribution and macroeconomics. The Review of
Economic Studies, 60(1), 35-52. doi:10.4337/9781785365065.00026
Gertler, P. J. (2004). Do conditional cash transfers improve child health? Evidence from
Progresa’s control randomized experiment. American Economic Review, 94(2), 336-
341. doi:10.1257/0002828041302109
Gertler, P. J., Martínez, S. W., & Rubio-Codina, M. (2012). Investing cash transfers to
raise long-term living standards. American Economic Journal: Applied Economics,
4(1), 164-192. doi:10.1257/app.4.1.164
Gollier, C. (2002). Discounting an uncertain future. Journal of Public Economics, 85(2),
149-166. doi:10.1016/S0047-2727(01)00079-2
Guerrero, N., Molina, O., & Winkelried, D. (2020). Conditional cash transfers, spillovers
and informal health care: Evidence from Peru. Health Economics, 29(2), 111-122.
doi:10.1002/hec.3956
Haushofer, J., & Fehr, E. (2014). On the psychology of poverty. Science, 344(6186), 862-
867. doi:10.1126/science.1232491
Haushofer, J., & Shapiro, J. (2016). The short-term impact of unconditional cash transfers
to the poor: Experimental evidence from Kenya. The Quarterly Journal of Economics,
131(4), 1973-2042. doi:10.1093/qje/qjw025
Holtz-Eakin, D., Joulfaian, D., & Rosen, H. S. (1994). Entrepreneurial decisions
and liquidity constraints. The RAND Journal of Economics, 25(2), 334-347.
doi:10.2307/2555834
Hubbard, R. G., & Judd, K. L. (1986). Liquidity constraints, fiscal policy, and consump-
tion. Brookings Papers on Economic Activity, 17(1), 1-59. doi:10.2307/2534413
Hurst, E., & Lusardi, A. (2004). Liquidity constraints, household wealth, and entrepre-
neurship. Journal of Political Economy, 112(2), 319-347. doi:10.1111/j.1475-
4991.2011.00491.x
Imbens, G., & Kalyanaraman, K. (2012). Optimal bandwidth choice for the regression
discontinuity estimator. Review of Economic Studies, 79(3), 933-959. doi:10.1093/
restud/rdr043

313
Transferencias monetarias condicionadas y autoempleo: el caso del programa Juntos en el Perú

INEI. (2016). Encuesta Nacional de Hogares sobre Condiciones de Vida y Pobreza. Instituto
Nacional de Estadística e Informática. http://webinei.inei.gob.pe
INEI. (2020). Producción y empleo informal en el Perú. Instituto Nacional de Estadística e
Informática. https://www.inei.gob.pe/.../publicaciones_digitales/Est/Lib1764.pdf
Kaur, S., Mullainathan, S., Oh, S., & Schilbach, F. (2021). Do financial concerns make
workers less productive? NBER Working Paper 28338. https://www.nber.org/papers
Kremer, M., Rao, G., & Schilbach, F. (2019). Behavioral development economics. En B.
Douglas Bernheim, S. DellaVigna & D. Laibson. Handbook of behavioral econom-
ics – Foundations and applications 2 (cap. 5, pp. 346-458). Elsevier. doi:10.1016/
bs.hesbe.2018.12.002
La Porta, R., & Shleifer, A. (2008). The unofficial economy and economic development.
Brookings Papers on Economic Activity, 2, 275-363. doi:10.1353/eca.0.0016
Lee, D. S., & Lemieux, T. (2010). Regression discontinuity designs in economics. Journal
of Economics Lterature, 48(2), 281-355. doi:10.1257/jel.48.2.281
Lichand, G. (2010). Decomposing the effects of CCTs on entrepreneurship. World Bank Policy
Research Working Paper 5457. doi:10.1596/1813-9450-5457
Liu, L., Feng, T., Suo, T., Lee, K., & Li, H. (2012). Adapting to the destitute situations:
Poverty cues lead to short-term choice. PLoS One, 7(4), 1-6. doi:10.1371/journal.
pone.0033950
Maluccio, J. A. (2010). The impact of conditional cash transfers on consumption
and investment in Nicaragua. Journal of Development Studies, 46(1), 14-38.
doi:10.1080/00220380903197952
Mani, A., Mullainathan, S., Shafir, E., & Zhao, J. (2013). Response to comment on
«poverty impedes cognitive function». Science, 342(6163), 1169. doi:10.1126/
science.1246799
McCrary, J. (2008). Manipulation of the running variable in the regression discontinuity
design: A density test. Journal of Econometrics, 142(2), 698-714. doi:10.1016/j.
jeconom.2007.05.005
Millán, T. M., Barham, T., Macours, K., Maluccio, J. A., & Stampini, M. (2019). Long-
term impacts of conditional cash transfers: Review of the evidence. World Bank
Research Observer, 34(1), 119-159. doi:10.1093/wbro/lky005
Mullainathan, S., & Shafir, E. (2013). Scarcity: Why having too little means so much. Times
Books. ISBN: 0-80-509264-1. https://behavioralscientist.org/scarcity-excerpt
Parker, S. (2004). The economics of self-employment and entrepreneurship. ISBN:
9780511493430. doi:10.1017/CBO9780511493430
Reynolds, P., Bosma, N., Autio, E., … Chin, N. (2005). Global entrepreneurship monitor:
Data collection design and implementation 1998-2003. Small Business Economics,
24(3), 205-231. doi:10.1007/s11187-005-1980-1
Ribas, R. P. (2019). Liquidity constraints, spillovers, and entrepreneurship: Evidence from
a cash transfer program. Small Business Economics, 55, 1131-1158. doi:10.1007/
s11187-019-00178-1

314
 Samantha Valeria Guillén Luna y María Fe Mendoza Segura

R. M. N.º 320-210-PCM. (2010, 24 de septiembre). Aprueban la Ficha Socioeconómica

Única (FSU) y la metodología de cálculo del índice de focalización de hogares que
serán utilizadas por el Sistema de Focalización de Hogares (Sisfoh). Normas Legales,
N.º 426287. Diario Oficial El Peruano. https://vlex.com.pe/vid/fsu-focalizacion-
sisfoh-222196923
Schultz, T. P. (2004). School subsidies for the poor: Evaluating the Mexican Progresa
poverty program. Journal of Development Economics, 74(1), 199-250. doi:10.1016/j.
jdeveco.2003.12.009
The Economist. (2010, 29 de julio). Give the poor money. Conditional cash-transfers are
good. They could be even better. The Economist. https://www.economist.com/
leaders/2010/07/29
Todd, J. E., Winters, P. C., & Hertz, T. (2010). Conditional cash transfers and agricultural
production: Lessons from the Oportunidades experience in Mexico. Journal of
Development Studies, 46(1), 39-67. doi:10.1080/00220380903197945
Zegarra, E. (2015). Efectos dinámicos del programa Juntos en decisiones productivas de los
hogares rurales del Perú. Grupo de Análisis para el Desarrollo. https://repositorio.
grade.org.pe/handle/20.500.12820/537

315
Transferencias monetarias condicionadas y autoempleo: el caso del programa Juntos en el Perú

Anexo 1
La condición de pobreza como criterio de elegibilidad a Juntos: clasificación
socioeconómica del hogar en el Sisfoh, R. M. N.º 184-2019-Midis3

1. Evaluación de la afiliación a seguros de salud privados

Evaluación de la afiliación a un seguro privado de salud o acceso a empresa
prestadora de salud por parte del jefe del hogar o su cónyuge. Los hogares
con esta característica serán considerados como no pobres.
2. Evaluación de la tenencia de vehículos
Con base en la Sunarp, los hogares en los que alguno de sus miembros
tenga posesión de un automóvil o camioneta o camión serán considerados
como no pobres.
3. Evaluación de ingresos del hogar
Con información de la Sunat, se comparan los ingresos mensuales pro-
medio del hogar per cápita (de primera, tercera, cuarta y quinta categoría)
contra ciertos puntos de corte. Estos son S/ 948 para Lima Metropolitana,
S/ 718 para la zona urbana y S/ 380 para la zona rural. Los hogares por
encima de estos umbrales son considerados no pobres.
4. Evaluación por el consumo en servicios de electricidad
Se utilizan las bases de datos de Osinergmin. Los puntos de corte son
S/ 25,11, S/ 16,76 y S/ 7,80 para Lima Metropolitana, zona urbana y
rural, respectivamente. Los hogares por encima de estos umbrales son
considerados no pobres.
5. Cálculo del índice de focalización de hogares
Se utilizan 15 conglomerados para el cálculo del IFH, según los dominios
geográficos y si es zona urbana o rural. Las variables utilizadas para este
fin se dividen en cuatro categorías:
• Bienes del hogar
• Servicios básicos del hogar
• Calidad de la vivienda
• Población.

3
Este anexo, por tratarse de normatividad, ha sido parcialmente transcrito de esa Resolución Ministerial.

316
 Samantha Valeria Guillén Luna y María Fe Mendoza Segura

Anexo 2
Expansión de la cobertura del programa Juntos a nivel distrital, 2005-2019

Año de inicio
2005-2007

2008-2010

2011-2019

Fuente: http://www2.juntos.gob.pe/infojuntos. Elaboración propia, 2021.

317
Transferencias monetarias condicionadas y autoempleo: el caso del programa Juntos en el Perú

Anexo 3
Cálculo del IFH: metodología MEF 2011

Siguiendo la metodología MEF 2011, el IFH es calculado de manera que tome

un valor entre 0 y 100. Utilizando la Enaho de 2016, es posible reconstruir
el índice basándose en los pesos asignados a cada variable, que, cabe resaltar,
varían según área geográfica (Lima, otras áreas urbanas, y áreas rurales). La
siguiente tabla muestra las variables consideradas, donde existen alternativas
mutuamente excluyentes, y sus correspondientes pesos.
Pesos de componentes del IFH

Lima Otras áreas

Áreas rurales
Metropolitana urbanas
Combustible para cocinar
No cocina -0,49 -0,67 -0,76
Otro -0,40 -0,50 -0,38
Leña -0,37 -0,33 0,05
Carbón -0,33 -0,22 0,36
Querosene -0,29 -0,19 0,37
Gas 0,02 0,12 0,52
Electricidad 0,43 0,69 0,52
Suministro de agua
Otro -0,78 -0,58
Río -0,65 -0,42
Pozo -0,62 -0,37
Cisterna de agua -0,51 -0,34
Pilón de uso público -0,41 -0,32
Red pública dentro de la vivienda -0,35 -0,25
Red fuera de la vivienda, pero en edificio 0,10 0,12
Material de paredes
Otro -0,70 -0,80
Madera o estera -0,48 -0,55
Piedra con barro -0,44 -0,46
Quincha -0,41 -0,43
Arcilla -0,39 -0,38
Adobe -0,37 -0,20

318
 Samantha Valeria Guillén Luna y María Fe Mendoza Segura

Piedras, cal o concreto -0,33 -0,07

Ladrillo o adobe secado al sol 0,10 0,25
Tipo de desagüe
Ninguno -0,89 -0,68
Río -0,75 -0,49
Pozo ciego o negro -0,59 -0,40
Pozo séptico -0,46 -0,30
Red fuera de la vivienda, pero en edificio -0,39 -0,21
Red dentro de la vivienda 0,10 0,20
Número de miembros con seguro de salud
Ninguno -0,26 -0,25 -0,10
Uno -0,04 0,06 0,50
Dos 0,06 0,17 0,59
Tres 0,14 0,27 0,66
Más de tres 0,32 0,48 0,86
Bienes para identificar riqueza del
hogar
Ninguno -0,47 -0,35 -0,11
Uno -0,17 0,05 0,64
Dos 0,02 0,25 0,83
Tres 0,15 0,40 0,90
Cuatro 0,25 0,52 1,09
Cinco 0,47 0,75 1,09
Tiene teléfono fijo
Sí -0,32
No 0,20
Material de techo
Otro -0,86 -0,90
Paja -0,74 -0,72
Estera -0,67 -0,62
Caña -0,38 -0,23
Tejas -0,23 0,03
Madera o estera -0,21 0,07
Cemento 0,17 0,32

319
Transferencias monetarias condicionadas y autoempleo: el caso del programa Juntos en el Perú

Educación del jefe del hogar

Ninguna -0,51 -0,57 -0,59
Preescolar -0,43 -0,25 -0,08
Primaria -0,28 0,01 0,35
Secundaria -0,06 0,19 0,59
Superior no universitaria 0,10 0,33 0,68
Pregrado 0,22 0,55 0,88
Posgrado 0,40 0,55 0,88
Material de pisos
Otro -0,97 -1,12
Tierra/adobe -0,60 -0,47
Cemento -0,16 -0,01
Madera 0,08 0,30
Losetas 0,16 0,40
Láminas vinílicas 0,28 0,51
Parqué 0,51 0,71
Hacinamiento
Más de 6 -0,68
Entre 4 y 6 -0,51
Entre 2 y 4 -0,31
Entre 1 y 2 -0,07
Menos de 1 0,24
Máximo nivel de educación en el hogar
Ninguno -0,35
Primaria 0,11
Secundaria 0,41
Superior no universitaria 0,62
Pregrado 0,83
Electricidad
Sí 0,22
No -0,29
Piso de tierra
Sí -0,17
No 0,47

Fuente: R. M. N.º 320-210-PCM. Elaboración propia, 2021.

320
 Samantha Valeria Guillén Luna y María Fe Mendoza Segura

Siguiendo la reconstrucción realizada por Bernal, Carpio y Klein (2017),

el ifhij es calculado como una combinación lineal de las características del
hogar con sus pesos específicos. Así, se estandariza entre 0 y 100 el resultado
obtenido, de la siguiente manera:

ifhij ‒ ifhjmin
ifhij' = 100 *
ifhjmax ‒ ifhjmin

donde ifhjmin e ifhjmax son los mínimos y máximos del ifh en el clúster j, res-
pectivamente.
Como paso siguiente, para evaluar la clasificación socioeconómica del
hogar, el Sisfoh define umbrales de IFH de acuerdo con 15 agrupaciones
(clusters), tal que si ifhij < umbralj, el hogar es considerado como «Pobre». La
siguiente tabla presenta los umbrales de acuerdo con cada clúster:
Umbrales de IFH según clúster
Clúster 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Umbral IFH 33 36 34 38 35 34 52 42 44 50 44 43 43 33 55

Fuente: R. M. N.º 184-2019-Midis (véase el anexo 1). Elaboración propia, 2021.

321
Transferencias monetarias condicionadas y autoempleo: el caso del programa Juntos en el Perú

Anexo 4
Estadísticos descriptivos de población empleada, 2016

Recibe Juntos No recibe Juntos

Todos
Pobre (IFH<0) Pobre No pobre Pobre No pobre
(A) Características demográficas
Mujer 0,40 0,31 0,40 0,35 0,35
(0,49) (0,46) (0,49) (0,48) (0,48)
Edad 40,82 39,72 53,87 44,00 44,45
(14,56) (13,42) (19,38) (16,77) (17,02)
Años de educación 5,72 7,26 4,46 8,28 7,33
(4,00) (3,62) (4,43) (4,38) (4,44)
Número de miembros en el hogar 5,09 5,05 2,87 4,13 4,19
(1,91) (1,72) (1,88) (2,00) (2,04)
Jefa del hogar es mujer 0,20 0,14 0,31 0,15 0,18
(0,40) (0,34) (0,46) (0,36) (0,38)
Analfabeto 0,20 0,07 0,31 0,06 0,11
(0,40) (0,26) (0,46) (0,24) (0,31)
Lengua materna es español 0,70 0,70 0,59 0,77 0,72
(0,46) (0,46) (0,49) (0,42) (0,45)
Pobreza en distrito 54,20 54,48 54,49 51,68 52,83
(9,17) (10,29) (11,00) (10,04) (10,28)
(B) Indicadores laborales
Ingresos laborales 5794,42 5933,77 4711,81 6776,74 6229,02
(4826,66) (5049,09) (4919,24) (5775,79) (5502,84)
Autoempleado 0,60 0,65 0,71 0,59 0,62
(0,49) (0,48) (0,46) (0,49) (0,49)
Trabajador independiente 0,58 0,61 0,68 0,55 0,58
(0,50) (0,49) (0,47) (0,50) (0,49)
Empleador 0,02 0,04 0,03 0,04 0,04
(0,15) (0,20) (0,16) (0,19) (0,19)
Trabaja en negocio propio o familiar 0,14 0,07 0,11 0,16 0,13
(0,38) (0,27) (0,32) (0,37) (0,34)
Observaciones 255 847 639 2429 4170

Fuente: INEI (2016). Elaboración propia, 2021.

322
 Samantha Valeria Guillén Luna y María Fe Mendoza Segura

Anexo 5
Estadísticos descriptivos de población autoempleada, 2016

Recibe Juntos No recibe Juntos

Todos
Pobre (IFH<0) Pobre No pobre Pobre No pobre
(A) Características demográficas
Mujer 0,43 0,35 0,46 0,37 0,39
(0,50) (0,48) (0,50) (0,48) (0,49)
Edad 45,36 43,50 61,59 50,26 50,73
(13,86) (12,44) (16,93) (16,06) (16,52)
Años de educación 4,85 6,53 3,02 6,96 6,01
(3,81) (3,51) (3,46) (4,02) (4,10)
Número de miembros en el hogar 4,75 4,95 2,43 3,78 3,82
(1,73) (1,79) (1,69) (1,92) (2,02)
Jefa del hogar es mujer 0,23 0,13 0,35 0,15 0,19
(0,42) (0,34) (0,48) (0,35) (0,39)
Analfabeto 0,26 0,10 0,40 0,08 0,15
(0,44) (0,30) (0,49) (0,28) (0,36)
Lengua materna es español 0,67 0,65 0,52 0,72 0,66
(0,47) (0,48) (0,50) (0,45) (0,47)
Pobreza en distrito 54,67 54,79 54,99 52,41 53,52
(9,49) (10,55) (11,26) (10,16) (10,49)
(B) Indicadores laborales
Ingresos por autoempleo 4739,93 5054,29 2848,46 5984,91 5130,72
(6927,84) (7447,09) (4283,11) (10 589,28) (8971,10)
Trabajador independiente 0,96 0,93 0,96 0,93 0,94
(0,19) (0,26) (0,19) (0,26) (0,25)
Empleador 0,04 0,07 0,04 0,07 0,06
(0,19) (0,26) (0,19) (0,26) (0,25)
Trabaja en negocio propio o familiar 0,20 0,08 0,14 0,16 0,14
(0,45) (0,28) (0,35) (0,37) (0,35)
Hace algo en casa para vender 0,00 0,00 0,05 0,07 0,05
(0,00) (0,00) (0,21) (0,26) (0,22)
Vende prod. de belleza, ropa, etc. 0,00 0,00 0,00 0,07 0,04
(0,00) (0,00) (0,00) (0,26) (0,20)
Realiza labor artesanal 0,00 0,04 0,00 0,01 0,02
(0,00) (0,20) (0,00) (0,12) (0,13)
Fabrica algún producto 0,00 0,13 0,05 0,01 0,04
(0,00) (0,34) (0,21) (0,12) (0,20)
Costo de activos prod. en hogar 670,86 7254,93 5163,57 6112,40 5985,30
(1275,04) (11 668,37) (12 806,68) (18 505,38) (16 623,43)
Observaciones 165 621 567 1646 2999
Fuente: INEI (2016). Elaboración propia, 2021.

323
Transferencias monetarias condicionadas y autoempleo: el caso del programa Juntos en el Perú

Anexo 6
Variables de salud mental o cargas cognitivas de la Endes, 2016

Variables Endes Categorías

QS704A Últimos 12 meses tuvo poco interés 0 Para nada
1 Varios días (1 a 6 días)
2 La mayoría de días (7 a 11 días)
3 Casi todos los días (12 a más días)
QS704B Se sintió deprimido(a) 0 Para nada
1 Varios días (1 a 6 días)
2 La mayoría de días (7 a 11 días)
3 Casi todos los días (12 a más días)
QS704C Tuvo problemas para dormir 0 Para nada
1 Varios días (1 a 6 días)
2 La mayoría de días (7 a 11 días)
3 Casi todos los días (12 a más días)
QS704D Se sintió cansado(a) 0 Para nada
1 Varios días (1 a 6 días)
2 La mayoría de días (7 a 11 días)
3 Casi todos los días (12 a más días)
QS704E Tuvo poco apetito 0 Para nada
1 Varios días (1 a 6 días)
2 La mayoría de días (7 a 11 días)
3 Casi todos los días (12 a más días)
QS704F Dificultad en poner atención 0 Para nada
1 Varios días (1 a 6 días)
2 La mayoría de días (7 a 11 días)
3 Casi todos los días (12 a más días)
QS704G Poco movimiento 0 Para nada
1 Varios días (1 a 6 días)
2 La mayoría de días (7 a 11 días)
3 Casi todos los días (12 a más días)
QS704H Pensamiento de morir 0 Para nada
1 Varios días (1 a 6 días)
2 La mayoría de días (7 a 11 días)
3 Casi todos los días (12 a más días)
QS704I Sentirse mal de sí mismo(a) 0 Para nada
1 Varios días (1 a 6 días)
2 La mayoría de días (7 a 11 días)
3 Casi todos los días (12 a más días)

Fuente: INEI (2016). Elaboración propia, 2021.

324
 Samantha Valeria Guillén Luna y María Fe Mendoza Segura

Anexo 7
Efecto LATE de participar en Juntos sobre ingresos laborales y la probabilidad de
estar autoempleado. Estimación paramétrica. Muestra de trabajadores

LATE ln_ing autoem

Coeficiente 1,427 -0,642
(0,937) (0,411)
Controles Sí Sí
Ancho de banda 6,070 5,935
Observaciones 856 842

Nota. Errores estándar entre paréntesis.

Fuente: INEI (2016). Elaboración propia, 2021.

325
¿El mayor gasto en prevención de riesgos reduce
los efectos negativos de los desastres? Un análisis
regional en el Perú1

Marah Melany Díaz Bauer

Tatiana Alejandra Elorrieta Echarri

Introducción
Durante las últimas dos décadas, se ha incrementado el número de desastres
de origen natural alrededor del mundo. Sus consecuencias se calculan en más
de 1 230 000 pérdidas de vidas humanas y US$ 2,97 billones en pérdidas
económicas (UNDRR, 2020). Según el Banco Mundial, los desastres causados
por la naturaleza y cambios climáticos extremos representan una amenaza
latente, que potencialmente podría sumir a más de 100 millones de personas
en la pobreza extrema para el año 2030 (Toro, 2020).
El incremento del número de desastres está asociado al calentamiento glo-
bal, al crecimiento poblacional y a la rápida urbanización (UNDRR, 2020).
Estos factores se observan en el Perú, cuya geografía diversa y posición sobre el
Cinturón de Fuego del Pacífico hacen que sea un país vulnerable a diferentes
peligros de origen natural y al incremento de situaciones de emergencia2.
Los fenómenos más frecuentes son de origen hidrometeorológico, que se
caracterizan por su estacionalidad, aunque existe una gran variabilidad de la
intensidad entre períodos (Indeci, 2006).

1
Este ensayo es una versión resumida y editada del Trabajo de Investigación Económica que, con el mismo
título, fue concluido y aprobado en noviembre de 2021. Las autoras agradecen profundamente a su asesora,
la profesora Joanna Kamiche, por el gran apoyo y dedicación brindados.
2
Una emergencia es definida como un «Estado de daños sobre la vida, el patrimonio y el medio ambiente
ocasionados por la ocurrencia de un fenómeno natural o tecnológico que altera el normal desenvolvimiento
de las actividades de la zona afectada» (Indeci, 2006, p. 44).

327
¿El mayor gasto en prevención de riesgos reduce los efectos negativos de los desastres? Un análisis regional en el Perú

Según el Indeci, el número total de emergencias registradas durante los años

2003 a 2008 fue de 74 932 a nivel nacional; de las cuales, casi el 65,8% fueron
causadas por algún fenómeno hidrometeorológico3. Las emergencias de este
tipo han aumentado: en 2018 fueron un 86% más que en 2003, y tuvieron
un pico en 2017 debido al Fenómeno de El Niño Costero (Indeci, 2019a).
El costo de ocurrencia de un desastre es muy alto para la sociedad, pues
ocasiona pérdida de vidas humanas y activos e interrumpe flujos de ingreso,
generando pobreza y vulnerabilidad. Por ello, el Marco de Sendai4 incentiva
la adopción de medidas gubernamentales para prevenir este tipo de riesgos.
El rol estatal es fundamental como pilar de protección social, a cargo de
inversiones de gran escala no realizables de manera privada5 y de asistir a la
población más vulnerable (Cannon, 2008).
Entre las estrategias implementadas por el Estado peruano destaca el Plan
Nacional de Gestión del Riesgo de Desastres (Planagerd) 2014-2021, elabo-
rado por un equipo técnico multiinstitucional6. Las acciones allí planteadas
están incluidas en el Programa Presupuestal 068 (PP068), cuya asignación
fiscal ha ido en aumento y el año 2018 ascendió aproximadamente al 2,17%
del presupuesto total destinado a los gobiernos regionales (MEF, 2021). El
PP068 comprende medidas económicas y financieras que buscan disminuir
la vulnerabilidad7 de los hogares peruanos frente a desastres de origen natural.
Dado que cada región tiene distintas características físicas, sociales y econó-
micas que influyen en su nivel de vulnerabilidad, cada gobierno regional debe
asignar un monto presupuestal al PP068 a fin de que sea mejor ejecutado.
No obstante, en un balance al año 2013, la UNISDR (2015) consideró
que el esfuerzo de los gobiernos en materia de gestión de riesgos de desastre
(GRD) era insuficiente, tanto en nivel o escala como en efectividad. El caso
peruano incluido, pues estudios de Cenepred (2014) y el BID (2015) señalan

3
Son fenómenos o procesos de origen atmosférico, hidrológico u oceanográfico (UNISDR, 2009, pp. 6-7)
por ejemplo: lluvias torrenciales, inundaciones, deslizamientos, etc. (Corporación OSSO, 2008). De los
cuales, por disponibilidad de datos, la presente investigación toma en cuenta los siguientes: alud, inunda-
ción, deslizamiento, huaico, lluvias y tormenta eléctrica.
4
El Marco de Sendai para la Reducción del Riesgo de Desastres 2015-2030 fue adoptado en la Tercera
Conferencia Mundial de las Naciones Unidas, el 18 de marzo de 2015, como sucesor del Marco de Acción
de Hyogo 2005-2015 (UNISDR, 2015).
5
Tales como la construcción y mantenimiento de defensas ribereñas, taludes, diques, represas, etc.
6
Conformado por representantes de la Secretaría de Gestión de Riesgos de Desastres (SGRD) de la Presi-
dencia del Consejo de Ministros (PCM), del Centro Nacional de Estimación, Prevención, y Reducción del
Riesgo de Desastres (Cenepred), del Instituto Nacional de Defensa Civil (Indeci), del Ministerio de Eco-
nomía y Finanzas (MEF), del Centro Nacional de Planeamiento Estratégico (Ceplan) y de otras entidades
integrantes del Sistema Nacional de Gestión de Riesgos de Desastres (Sinagred) (PCM, 2014).
7
Vulnerabilidad: características y circunstancias físicas, sociales y económicas de una comunidad o región
que la vuelven susceptible a los efectos dañinos de una amenaza de origen natural (Cepal, 2014).

328
 Marah Melany Díaz Bauer y Tatiana Alejandra Elorrieta Echarri

que aún existe insuficiente inversión y pobre capacidad de gestión. Por ejemplo,
en 2018, algunas provincias con menos recurrencia de desastres recibieron
un presupuesto mayor que otras más afectadas (figura 1). Así, el problema en
cuestión reside tanto en el monto asignado como en la calidad de la gestión.
Y, pese a esos estudios y las valorizaciones de daños resultantes de eventos
específicos, no existen investigaciones que den cuenta del efecto en infraes-
tructura del gasto destinado a la prevención de daños ante la ocurrencia de un
desastre originado por un evento hidrometeorológico; más aún, se desconoce
el impacto de dicho gasto en el bienestar y la recuperación luego del desastre.
Figura 1
Presupuesto per cápita asignado al PP068 y número de emergencias por
departamento en el año 2018

1000
900
852
Número de emergencias

800
700
600
500 541
449
400
300 320 328 303
255 277 262
200 234194 228 207 222
176
100 126
85 78 49
0 48 64 63
22 40 66
Amazonas
Áncash
Apurímac

Ayacucho

Callao
Cusco

Huánuco

Junín
La Libertad
Lambayeque

Loreto
Madre de Dios

Pasco

Puno
San Martín

Tumbes
Ucayali
Arequipa

Cajamarca

Huancavelica

Ica

Lima

Moquegua

Piura

Tacna

Nota. El tamaño de la burbuja representa la cantidad de presupuesto per cápita asignado por el gobierno
regional a su respectivo departamento.
Fuentes: Portal de Transparencia Económica, MEF (2021); Indeci (2019a). Elaboración propia, 2021.

En este escenario, para el presente estudio nos planteamos la pregunta:

¿una mayor inversión en acciones de prevención reduce los efectos negativos
de un desastre de origen hidrometeorológico?; y las siguientes dos hipótesis
de trabajo:

329
¿El mayor gasto en prevención de riesgos reduce los efectos negativos de los desastres? Un análisis regional en el Perú

H1: Una mayor inversión en medidas de prevención vía el PP0688en el año

previo de ocurrencia del suceso, mitigaría los efectos contraproducentes de
los desastres (excluyendo los gastos de reconstrucción).
H2: Una mayor inversión en infraestructura pública de prevención vía la
correspondiente partida del PP068 (excluyendo ordenamiento territorial,
reforestación y capacitaciones) en el año previo de ocurrencia del suceso,
reduce los efectos negativos de este.
Específicamente, nuestra investigación analiza el efecto de una mayor
asignación de presupuesto para acciones de prevención sobre la infraestructura
afectada. Para ello, construimos un índice que aproxima los daños en infraes-
tructura, utilizando la información del Indeci sobre los desastres ocurridos
durante el período 2012-2018.
La importancia de este trabajo radica en identificar la contribución de la
GRD en la prevención de desastres, dado que acciones efectivas en mitigar
vulnerabilidades reducirían pérdidas tanto en vidas humanas como en infraes-
tructura y, por ende, de bienestar y crecimiento. Además, ante la amenaza del
calentamiento global, resulta crucial identificar la situación actual en materia
de prevención de riesgos y evaluar el rol de una mejor infraestructura en la
reducción de daños.

1. Contexto peruano

Desastres de origen hidrometeorológico

Históricamente, los eventos de origen hidrometeorológico representan una
de las principales amenazas que ocasionan los desastres de mayor envergadura
(Corporación OSSO, 2008). Entre los años 2003 y 2018, se han registrado
74 932 emergencias por desastres de origen natural, de las cuales 49 333 fueron
causadas por fenómenos hidrometeorológicos y dejaron un gran número de
fallecidos, heridos y desaparecidos.
El territorio peruano es muy rico en diversidad de climas y genética
debido a su compleja orografía9. Pero esto implica características disímiles
entre regiones, que conllevan distintos grados de vulnerabilidad. Adicional-
mente, el cambio climático supone graves amenazas por mayor variabilidad

8
El PP068 busca disminuir la vulnerabilidad de la población y sus medios de vida ante la ocurrencia de
desastres, reduciendo la exposición a estos e incrementando tanto la seguridad como la capacidad de res-
puesta de la infraestructura y servicios para mitigar riesgos de desastres (Care Perú, 2019).
9
La orografía es la rama de la geografía física encargada del estudio, descripción y representación cartográ-
fica del relieve terrestre, el cual es complejo cuando comprende numerosos pisos altitudinales y pendientes
muy pronunciadas.

330
 Marah Melany Díaz Bauer y Tatiana Alejandra Elorrieta Echarri

de precipitaciones pluviales, derretimiento de glaciares y aumento del nivel

del mar. El conjunto de estos sucesos incrementa el riesgo de la ocurrencia
de desastres de origen natural, especialmente de aquellos con consecuencias
masivas (inundaciones, huaicos, heladas).
Asignación presupuestal y gestión
La GRD en el Perú empieza con la Política de Estado 32 – Gestión del riesgo
de desastres, cuyo fin es «proteger la vida, la salud y la integridad de las per-
sonas; así como el patrimonio público y privado» (Acuerdo Nacional, 2010,
p. 1). Para lo cual abarca los tres tipos de gestiones examinados por Lavell
(2014): (i) prospectiva: interviene antes de que se produzca un futuro riesgo;
(ii) correctiva: trata de reducir la vulnerabilidad ante riesgos ya existentes; y,
(iii) reactiva: lidia con el riesgo que no se ha podido reducir y eventualmente
con las consecuencias de ello.
En el año 2011 fue promulgada la Ley N.º 29664, que crea el Sistema
Nacional de Gestión del Riesgo de Desastres (Sinagerd), a cargo de definir los
principios y lineamientos de política para la GRD. Y el año 2014 fue aprobado
el Planagerd, que constituye el documento de planificación estratégica para el
cumplimiento de las medidas de GRD. Para lograr los fines del Planagerd, la
PCM conduce el programa presupuestal «Reducción de la vulnerabilidad y
atención de emergencias por desastres» (PP068), que comprende las medidas
económicas y financieras para la reducción de la vulnerabilidad y atención de
emergencias por desastres (anexo 1).
Sin embargo, en la figura 2 se observa que, tanto la asignación de presu-
puesto en el PP068 como su ejecución, al cabo de haberse incrementado en
todos los departamentos afectados (salvo escasas excepciones) hasta el año
2015, se reducen en 2016 en la mayoría de los departamentos10, para luego
incrementarse en casi todos11 en el año 2017 y reducirse de nuevo en 2018.
Esto da indicios de que la mayor parte de los fondos es para una GRD reactiva
o en respuesta a desastres, pero no para prevenirlos.

10
A excepción de Áncash, Arequipa, Callao, Lima, Pasco y Puno, que aumentan el presupuesto asignado
para 2016.
11
A excepción de Lima, Pasco y San Martín, que reducen el presupuesto ejecutado en 2017.

331
¿El mayor gasto en prevención de riesgos reduce los efectos negativos de los desastres? Un análisis regional en el Perú

Figura 2
Presupuesto ejecutado del PP068 y número de emergencias en los departamentos
de Cajamarca, La libertad, Huancavelica, Loreto y Callao para los años 2013-2018

Número de emergencias y ejecución del presupuesto, 2012-2018

70 000 000 1476 1600

1400

NÚMERO DE EMERGENCIAS
60 000 000 1288
EJECUCIÓN DE PP 068

1137 1200
50 000 000
994 992 986
1000
40 000 000
800
30 000 000
600
20 000 000
400
10 000 000 200
0
0 0
2013 2014 2015 2016 2017 2018
N.º de emergencias Cajamarca La Libertad Huancavelica Loreto Callao

Fuentes: Indeci (2019a); Portal de Transparencia Económica (2012-2018). Elaboración propia.

Además, si bien el PP068 cuenta con todos los mecanismos e institucio-

nes correctamente designados, aún se presentan muchas deficiencias en la
práctica. Un estudio del Banco Interamericano de Desarrollo identificó que
la efectividad de las medidas peruanas de GRD era «incipiente»12 y que per-
sistían problemas como cobertura limitada de amenazas, baja coordinación
interinstitucional, entre otros (BID, 2015). En la misma línea, el informe de
seguimiento del Cenepred al año 2014 identificó que: las autoridades y los gru-
pos de trabajo designados para la GRD nunca se habían reunido, no se habían
dispuesto mecanismos de monitoreo, un 85% en promedio, entre ministerios,
municipios y distritos13, desconocían el Planagerd, y los distritos más alejados y
expuestos al riesgo contaban con menores recursos, capacitaciones y asistencia
técnica (Zevallos, 2017). Galarza y Kamiche (2012) resaltan que, además de
la poca priorización de la gestión ambiental en la agenda pública, existe un

12
El BID califica la performance de la GRD de manera cualitativa, según un punto de referencia al que
deben dirigirse las medidas de GRD, en cinco niveles de desempeño: bajo, incipiente, apreciable, sobresa-
liente y óptimo (BID, 2015).
13
En desagregado, dicho desconocimiento se daba en el 72,2% de los ministerios, el 80% de los gobiernos
regionales, el 92,9% de los municipios provinciales, el 81,6% de los distritos limeños, y el 99,37% de los
otros distritos peruanos.

332
 Marah Melany Díaz Bauer y Tatiana Alejandra Elorrieta Echarri

permanente incumplimiento de normas, como la de adquirir seguros para las

grandes obras de infraestructura pública.
Por último, si bien el presupuesto para el PP068 ha ido en aumento en
términos agregados, todavía es limitada la evidencia empírica sobre la efecti-
vidad de la inversión en infraestructura para prevenir riesgos en la reducción
de los efectos negativos de los desastres de origen natural en el Perú.

2. Revisión de la literatura

Riesgo y vulnerabilidad
Lavell (1996) define el riesgo como una «condición latente o potencial y su
grado depende de la intensidad probable de la amenaza y los niveles de vulne-
rabilidad existentes» (p. 9) y propone una tipología de amenazas o peligros en
cuatro categorías, según su origen: naturales, socionaturales, antrópico-con-
taminantes y antrópico-tecnológicas.
Por otro lado, la vulnerabilidad se refiere a «la propensión o predisposi-
ción de ser adversamente afectado» (IPCC, 2012, p. 32). En este sentido, la
vulnerabilidad debe ser vista como la variable en la que se puede intervenir
para mitigar el impacto de un desastre. El grado de vulnerabilidad se explica
por dos factores: fragilidad (condiciones de desventaja) y resiliencia (nivel
de asimilación frente a un peligro). Por tanto, la vulnerabilidad comprende
también factores geográficos y naturales en los cuales poco se puede intervenir;
no obstante, conocer esta condición permite tomar mayores medidas de pre-
vención y mitigación. Con tal propósito, el Ministerio del Ambiente (Minam)
propuso una medida de susceptibilidad física que comprende características
litológicas, forma del territorio, pendientes, vegetación y clima; con las cuales
se elaboraron dos importantes contribuciones14 para la toma de decisiones y
planificación territorial.
Ibarrarán, Reyes y Altamirano (2014) proponen un índice para medir la
vulnerabilidad ante desastres de origen hidrometeorológico ponderando seis
variables: (i) eventos y daños, (ii) geográficas, (iii) naturales, (iv) socioeco-
nómicas, (v) capacidad institucional y (vi) cambio climático. Sus resultados
muestran que la incidencia de vulnerabilidad proviene de: rezagos en la
capacidad de respuesta institucional (42%), anomalías en precipitaciones
(16%), efectos adversos (15%), y rezagos en capacidades económicas y
sociales (9%).

14
El mapa de vulnerabilidad física como herramienta de gestión de riesgos (Minam, 2011) y el mapa de
susceptibilidad para zonas propensas a inundaciones y deslizamientos en la Costa y Sierra (Minam, 2015).

333
¿El mayor gasto en prevención de riesgos reduce los efectos negativos de los desastres? Un análisis regional en el Perú

Recapitulando, la vulnerabilidad puede provenir de distintas fuentes,

siendo algunas más sencillas de intervenir que otras; y su reducción, a través
de cualquiera de sus componentes, puede contribuir a la mitigación de los
efectos adversos de un desastre hidrometeorológico.
Medición de los efectos económicos
La Cepal (2003) propone tres métodos para cuantificar los daños ocasionados
por los desastres de origen natural:
a) Precio sombra: toma los precios de mercado, las externalidades y los cos-
tos indirectos de un desastre (p. ej., la divisa, la mano de obra y la tasa
de descuento). Pero esta metodología es difícil de aplicar, porque requie-
re de estudios específicos complejos, como conocer la oferta y demanda
actuales.
b) Pérdidas humanas: incluye pérdidas de capital humano, aproximadas es-
timando el ingreso futuro que la persona habría generado o mediante los
montos que pagan las compañías de seguros. Pero estas aproximaciones
presentan limitaciones, ya que el ingreso por habitante varía entre países
y su aplicación arrojaría que una vida perdida en un país desarrollado
vale más que una en un país en desarrollo. Aunque tales deficiencias des-
aconsejan el uso de esta metodología (Cepal, 2003), para el caso peruano
existen algunas estimaciones del costo social del fallecimiento15.
c) Efectos en indicadores macroeconómicos: consiste en comparar la evolu-
ción de principales de variables macroeconómicas luego del desastre con
la que habrían tenido si no hubiera ocurrido el desastre16. Puede incluir la
identificación de deterioros en las condiciones de vida en las zonas afec-
tadas por dificultades de acceso a sus fuentes de abastecimiento, menor
disponibilidad de servicios esenciales y pérdidas de fuentes de empleo e
ingresos (Cepal, 2003).
También se ha recurrido a otros métodos para cuantificar el costo de los
daños. Dixon et al. (1994) usan el método de valoración de costos evitados,
basándose en precios de mercado de la inversión en infraestructura y de

15
De la Cruz et al. (2020) calcularon el valor de la vida estadística (VVE) para el Perú, a través de la dis-
posición de una persona a pagar para reducir el riesgo de perder la vida o ver deteriorada su salud, bajo los
enfoques de preferencias reveladas y preferencias declaradas. Y Seminario (2017) estimó el costo de muerte
prematura (fallecimiento de una persona, por causa evitable, antes de alcanzar la edad de su esperanza de
vida en promedio), a través de la pérdida de productividad generada a la sociedad.
16
El Banco Central del Caribe Oriental estimó el cambio del PBI antes y después de los huracanes Luis
y Marylin en 1995, y halló una reducción en 2,5 puntos porcentuales del crecimiento del PBI respecto al
año anterior (Cepal, 2003).

334
 Marah Melany Díaz Bauer y Tatiana Alejandra Elorrieta Echarri

reconstrucción para estimar el impacto que pudo tener el evento en ausencia

de medidas de GRD, y consideran como beneficios a los costos así evadidos.
Un limitante de este método es que atribuye el 100% de los costos evadidos
a las medidas de GRD.
Por último, se han sugerido evaluaciones estimando los impactos directos
e indirectos por interrupciones del acceso a bienes y servicios. Los impactos
directos son los ocurridos durante el desastre y poco después. Estos toman en
cuenta el número de días con acceso interrumpido y el costo de la atención de
emergencia. Y son evaluados estimando la pérdida de medios de producción
(número de hectáreas perdidas, número de días de escuela perdidos, etc.) y el
valor del equipamiento y del personal asignado para la atención de emergencia
(MEF, 2007). Mientras que los impactos indirectos toman en cuenta a las otras
personas, instituciones y actividades económicas afectadas (MEF, 2007), y su
evaluación considera que pueden prolongarse durante la fase de rehabilitación
y reconstrucción hasta un máximo de cinco años (Cepal, 2003).
El Estado
La mitigación de riesgos depende de las acciones tanto públicas como privadas
que se adopten. Sin embargo, a diferencia del alcance limitado de las medidas
de prevención posibles para agentes privados, mayor magnitud puede tener la
acción del gobierno para reducir las pérdidas por desastres porque cuenta con
más recursos y herramientas para evaluar y gestionar la exposición a riesgos
(Phaup & Kirschner, 2010). Cannon (2008) también resalta la importancia de
adoptar políticas públicas de GRD, especialmente en países cuyas poblaciones
son más vulnerables y no cuentan con recursos ni conocimientos técnicos para
mejorar sus mecanismos de autoprotección. Por añadidura, la seguridad es un
bien público cuya preservación es una responsabilidad principal del gobierno.
Anderson (1994) considera como «antieconómico» que los gobiernos no
inviertan en reducción de riesgos. Más aún cuando estos riesgos son una barrera
para el desarrollo porque generan pobreza e incrementan la vulnerabilidad.
Pero, si bien el Marco de Hyogo y luego el Marco de Sendai marcaron un
hito importante en la concientización y aplicación del manejo de reducción
de riesgos, el gasto público para reducir riesgos es aún insuficiente en escala y
efectividad (Gordon, 2013), existiendo problemas no solo de montos asignados
sino también en las medidas y funciones adoptadas.
Murphy y Gardoni (2007) plantean que las políticas públicas y asignaciones
de recursos para GRD deben tener tres objetivos principales: (i) proteger a
los individuos y comunidades de los peligros reduciendo las potenciales pér-
didas; (ii) informar y advertir a poblaciones vulnerables sobre las amenazas;

335
¿El mayor gasto en prevención de riesgos reduce los efectos negativos de los desastres? Un análisis regional en el Perú

y (iii) aumentar la comprensión y eficacia de las medidas de mitigación. Por

su parte, Anderson (1994) hace una distinción entre el gasto en prevención
y el gasto de recuperación. Aunque estos pueden superponerse, la mezcla de
ambos conceptos complica el análisis de la eficiencia del gasto. Dicho autor
señala que los países desarrollados tienden a asignar más recursos a las acti-
vidades de prevención que los países en vías de desarrollo, cuyo presupuesto
se concentra en actividades de respuesta y recuperación. Y los presupuestos
latinoamericanos no distinguen claramente entre gastos de prevención y
de respuesta (Orihuela, 2012). Priorizar la inversión ex post implica que los
gobiernos aún consideren la GRD como choques exógenos en lugar de riesgos
endógenos. Es decir, se suele tratar los desastres como eventos impredecibles
que deben manejarse de manera reactiva, en lugar de tratar la vulnerabilidad
proactivamente (Gordon, 2013).
El impacto del gasto en infraestructura pública de prevención para reducir
los costos de un desastre es complicado de medir. No obstante, existen estudios
empíricos que muestran que el gasto en mitigación es efectivo. Por ejemplo,
Ishizawa et al. (2017) condujeron un estudio en Tabasco (México) para evaluar
el impacto del aumento de la inversión en GRD sobre los costos provocados
por inundaciones en el período 2007-2010. Bajo la metodología del costo
evitado, encontraron que las acciones de precaución tomadas ayudaron a pre-
venir daños y pérdidas por un monto estimado de US$ 2317 millones. Más
aún, los beneficios de la inversión en GRD del año 2010 fueron tres veces
mayores que sus costos de implementación en dicho año.
Otro ejemplo es el estudio de Prada (2006), que muestra que la asignación
presupuestal para programas estatales de protección y asistencia social logró
mitigar los efectos de choques en el consumo de los hogares colombianos.
Concluye así que este tipo de gasto permite evitar una caída drástica en el
consumo de los hogares.
Por último, B.-Y. Heo y W.-H. Heo (2019) realizaron un análisis costo-be-
neficio del gasto en prevención en Corea del Sur. Sus estimaciones muestran
que, en el corto plazo, un proyecto de prevención en zonas propensas a
desastres aporta un beneficio de un 9% en términos de reducción de daños y
que, durante un largo plazo de 10 años, aporta una ratio beneficio/costo del
proyecto en valor presente de 3,66.
Acciones privadas
Los agentes económicos buscan reducir el riesgo de perder recursos ante
amenazas de origen natural y social (Yamauchi, Yohannes, & Quisumbing
2009), mudándose a zonas menos riesgosas, invirtiendo en reforzar sus

336
 Marah Melany Díaz Bauer y Tatiana Alejandra Elorrieta Echarri

moradas y lugares de trabajo, o comprando un seguro. Pero muchos no

conocen el riesgo real de las zonas que habitan, o estiman que tomar más
medidas de prevención no necesariamente les redituará mayores ingresos
(Iwata, Ito, & Managi, 2014). Y pueden no optar por adquirir un seguro,
sea porque prefieren esperar la asistencia gubernamental, o porque subesti-
man la probabilidad real de pérdidas ante un desastre, o por problemas de
selección adversa (Picard, 2008).
Además, en países subdesarrollados, los actores privados están menos
atraídos a participar en el manejo del riesgo, pues la percepción de los eventos
de origen natural como episodios aislados desemboca en menos participantes
que los necesarios para que el sistema de seguros sea rentable. En sus mercados
financieros escasean mecanismos como capital de contingencia, productos
multi-trigger, derivados ambientales, bonos de catástrofe, etc. (Auzzir, Haigh,
& Amaratunga, 2014). Y también son insuficientes sus capacidades técnicas
e institucionales para implementar servicios financieros complejos, ya que
los riesgos ante desastres no son un tema recurrente, y existen poca cultura
de aseguramiento, alta informalidad en los bienes asegurables y poco conoci-
miento de los nuevos instrumentos financieros (Galarza & Kamiche, 2012).
En suma, a la luz de la literatura revisada es posible concluir que, tanto
teórica como empíricamente, es conveniente realizar inversiones guberna-
mentales en prevención de riesgos por desastres. Sin embargo, existe un uso
indistinto de conceptos en cuanto a gasto de «prevención» (ex ante) y gasto
de «recuperación» (ex post). Además, pocos estudios han abordado nuestro
objetivo específico de investigación: cuantificar los beneficios de mayores
asignaciones presupuestales a inversiones en infraestructura pública para
prevenir riesgos, en cuanto a reducción de efectos negativos de desastres de
origen hidrometeorológico en el Perú.

3. Marco analítico

El momento preciso en que un desastre de origen natural ocurre es incierto.

Cuando ocurre, genera una disminución en los ingresos de las personas afec-
tadas y un alto costo para el Estado en responder a la emergencia y recons-
trucción. Así, la utilidad se vería reducida. Ante la posibilidad de pérdidas y
bajo el supuesto de aversión al riesgo, se crea un potencial mercado de seguro,
mediante el cual se invierte hoy para recuperar una parte de la pérdida en caso
ocurra el siniestro (Varian, 1992).

pU(W ‒ L ‒ πq + q) + (1 ‒ p)U(W ‒ πq)

337
¿El mayor gasto en prevención de riesgos reduce los efectos negativos de los desastres? Un análisis regional en el Perú

Desde esta perspectiva, un gobierno regional podría invertir una determi-

nada cantidad πq para reducir la magnitud de la inversión requerida después
(‒L + q)17.
Por otro lado, la teoría económica enseña que los individuos suelen tener
conductas defensivas ante situaciones de riesgo18. Sin embargo, la prevención
de daños por desastres naturales, además de requerir de inversiones a gran
escala difícilmente realizables por medios privados, representa un bien público
porque provee un bien no rival ni excluyente como es la seguridad19. Por
ello, la oferta del nivel de seguridad, asociada a un mayor grado de medidas
preventivas, vendría dada por decisiones gubernamentales.
Cada gobierno regional debe asignar, considerando su restricción presu-
puestaria y distintos proyectos de inversión, un monto determinado a acciones
de prevención y de recuperación. El gasto de recuperación en el período t es
una función que depende de diversos factores, como el número de desastres
en t y los daños que han ocasionado; sin embargo, estos últimos también
dependen de la inversión en prevención realizada el período anterior (t-1).

Pérdida de infraestructura públicat = f(Intensidad eventot, Prevenciónt‒1,…)

Bajo este escenario, se invierte en «Costo de Prevención (CPt‒1)» si este resulta

menor que el costo de la pérdida en infraestructura pública en t multiplicado
por la probabilidad de ocurrencia del evento y ajustado por la tasa de descuento.
Así, la representación de esta dinámica en un determinado año vendría dada por:

p * CAt
CPt‒1 ≤
(1 + i)

Guiado por este marco analítico, el presente estudio busca determinar si

efectivamente una mayor inversión en prevención en el año t-1 genera una
disminución de efectos adversos en el período t.

4. Metodología

El análisis empírico aplica un modelo de efectos fijos basado en un panel de

datos agregado por provincias para el intervalo de tiempo 2012-2018.

17
Lo cual, para los hogares, vendría a representar la mitigación en la caída de sus ingresos o activos. Aunque,
bajo el supuesto de que el gobierno es el que invierte, la prima pi*q no se aplica a los hogares.
18
Averting behavior: acciones para defenderse de peligros ambientales u otros, reduciendo la exposición o
mitigando los efectos (Dickie, 2017).
19
Bien excluyente: si se puede excluir de su consumo a una persona. Bien no rival: su consumo por parte de
un individuo no reduce la cantidad de que pueden disponer los demás (Varian, 1992).

338
 Marah Melany Díaz Bauer y Tatiana Alejandra Elorrieta Echarri

4.1   Variables

Variable dependiente
Para estimar los efectos negativos de los desastres, utilizamos la metodología
de la Cepal (2014), la cual consiste en estimar los impactos directos por la
interrupción de bienes y servicios. Con tal fin, construimos un índice que
utiliza los datos de destrucción y colapso de infraestructura tanto pública como
privada registrada por el Indeci (2019b), y realizamos un ranking agregado
del número de daños per cápita.
El índice está compuesto por nueve tipos de infraestructura destruida:
número de centros educativos y de centros de salud destruidos; puentes,
carreteras, caminos y sistemas de agua y desagüe colapsados; pérdida de
canales de regadío y número de viviendas destruidas. Estos daños están en
unidades y son registrados por el Indeci (2019b). El mayor número de daños
corresponde a viviendas destruidas, sistemas de agua y desagüe colapsados, y
carreteras colapsadas (figura 3).
El índice fue construido de la siguiente manera:
a) Calculamos el número de infraestructuras destruidas por cada tipo y per
cápita para cada provincia y año.

Número de unidades destruidassit

DPCsit =
Poblaciónit

∀ s = Viviendas, C.Educativos, C.Salud, etc.

Donde:
i = provincia
t = año
s = tipo de infraestructura destruida o colapsada
DPC = daños per cápita

b) Construimos un ranking por cada tipo de infraestructura, ordenando los

daños per cápita (DPC) de menor a mayor para cada año. El primer
puesto del ranking corresponde a la provincia con menos daños, y así
sucesivamente.

RKGst = ranking(DPCst)

339
¿El mayor gasto en prevención de riesgos reduce los efectos negativos de los desastres? Un análisis regional en el Perú

c) Para formar el índice, hicimos la suma simple de los nueve rankings por
tipo, asignándoles así la misma ponderación (1/9) al asumir que todos los
tipos tienen la misma relevancia. Asimismo, dado que se trata de infraes-
tructura pública salvo viviendas, los daños públicos tienen una represen-
tación de 8/9 y los privados, de 1/9.
9

ÍNDICE = � RKGts
s=1

Por tanto, un mayor puntaje en el índice refleja mayores daños e implica

ocupar los últimos puestos en una mayor cantidad de tipos de infraestructura
dañada.
Figura 3
Porcentaje del total de unidades destruidas por tipo de infraestructura

Desagües colapsados
7,96%
Regadíos colapsados
4,22%
Caminos rurales
colapsados 7,42%

Sistema de agua
colapsado 16,84% 56,19% Viviendas destruidas

Carreteras colapsadas 6,01%

Centros de salud destruidos 0,05%

Centros educ. destruidos 0,28% 1,04% Puentes colapsados
Fuente: Indeci (2019b). Elaboración propia, 2021.

Variables de interés
Nos planteamos tres variables de interés para cada una de las especificaciones:
a) Gasto total en prevención de desastres por eventos hidrometeorológicos
asignado al PP068. Incluye gastos tanto en infraestructura como en capa-
citaciones, ordenamiento territorial y reforestación (anexo 1).
b) Gasto en infraestructura pública de prevención.
c) Gasto en infraestructura de prevención con un rezago adicional (gasto de
prevención en t-2).

340
 Marah Melany Díaz Bauer y Tatiana Alejandra Elorrieta Echarri

Obtuvimos del portal Transparencia Económica del MEF el gasto asignado

al PP068 a nivel provincial para cada año de estudio. Lidiamos con los outliers
utilizando la metodología de winsorization20 y reemplazando el 2% de los datos
por los valores más cercanos a estos (Castellani et al., 2019).
Recurrimos a la transformación logarítmica de estas variables para tratar
su relación no lineal con la variable dependiente, ajustar la distribución a una
normal y facilitar la interpretación de los resultados (Benoit, 2011).
Nuestras hipótesis de estudio implican que los coeficientes asociados a
estas variables tengan un signo negativo en las tres especificaciones, en señal
de que el gasto en prevención reduce los efectos negativos medidos a través
del índice de daños.
Variables explicativas
Intensidad
Medimos las amenazas de daños a través de la intensidad del evento hidro-
meteorológico, tomando en cuenta la precipitación acumulada registrada
cada 12 horas según el portal de la Autoridad Nacional del Agua (ANA).
Procedimos a calcular las medias por región natural (Costa, Sierra, Selva)
y año, y calculamos las desviaciones de estas medias para cada provincia
respecto a su región natural en cada año; pues los mayores desastres son
desencadenados por eventos extremos de gran intensidad, con baja frecuencia
temporal y distribución irregular. Así, una mayor desviación media significa
eventos extremos portadores de mayores amenazas (Sánchez, Borim, &
Coutinho, 2011). Cabe esperar, entonces, que el coeficiente de esta variable
tenga un signo positivo.
Vulnerabilidad
La vulnerabilidad fue aproximada mediante el índice de desarrollo humano
(IDH) ajustado por el nivel de desigualdad, y el PBI. El IDH es provisto
por el PNUD y se forma como el promedio de tres componentes: esperanza
de vida, acceso a educación y nivel de ingresos; cada uno de los cuales toma
valores entre 0 y 1, haciendo que un IDH cercano a 1 signifique mejor desa-
rrollo humano. Se espera así que esta variable tenga un coeficiente negativo,
pues un mayor IDH indica menor vulnerabilidad y, por ende, menos daños.

20
Winsorization: asignar un menor peso o modificar los valores de los outliers para que sean cercanos al resto
de los datos (Ghosh & Vogt, 2012). A la variable X, se le asigna el valor de X=k cuando X ≥ k y X = −k
cuando X ≤ −k (Lien & Balakrishnan, 2005).

341
¿El mayor gasto en prevención de riesgos reduce los efectos negativos de los desastres? Un análisis regional en el Perú

Por otro lado, las provincias con mayores niveles de PBI per cápita ten-
drían más recursos para invertir en obras públicas e infraestructura de calidad.
Sin embargo, si estas decisiones de inversión no consideran la prevención de
riesgos, podrían agregar más vulnerabilidad (Lavell, 2014). Por ello, el signo
esperado al respecto es indefinido.
Gestión pública
Dado el impacto socioambiental de los daños por desastres, su reducción depende
de decisiones en materia tanto de reconstrucción posdesastre como de planes
y políticas de desarrollo. Por esta razón, la capacidad institucional y la calidad
de la inversión para reducir vulnerabilidades son factores fundamentales para
el desarrollo sostenible (BID, 2015). En el presente estudio, utilizamos como
proxy de calidad de la gestión pública el porcentaje de presupuesto ejecutado
sobre el presupuesto institucional modificado (devengado/PIM) por parte de
los gobiernos regionales, tomado del portal Transparencia Económica del MEF.
Urbanización
La rápida urbanización, sobre todo la no planificada, conlleva que las autorida-
des municipales sean incapaces de garantizar la disponibilidad de terrenos segu-
ros para viviendas, lo que complica la gestión de los riesgos medioambientales
(UNISDR, 2009). Además, Choi (2016) resalta que el desarrollo urbano mal
administrado amplifica el daño de los desastres, ya que existe mayor número
de personas expuestas a los desastres y generalmente está acompañado de una
degradación medioambiental que aumenta las probabilidades de ocurrencia
de un evento de origen natural. Así, utilizamos como proxy de urbanización la
tasa de crecimiento poblacional anual (Choi, 2016) por provincia, esperando
que el coeficiente de esta variable sea positivo.

4.2   El modelo

Nos basamos en el siguiente modelo, propuesto por Greene (1997) y desa-

rrollado por Oswald y Brauch (2009):

y⬚
it = x'it‒1β + x'itθ + z'iα + εit … (1)

Donde:

y⬚
it = índice agregado de daños ocasionado para cada provincia i en el año t

Nuestra variable dependiente está definida por el índice de destrucción

de infraestructura de cada región (i) en el año (t) y β es el parámetro de la

342
 Marah Melany Díaz Bauer y Tatiana Alejandra Elorrieta Echarri

variable de interés «Gasto total en prevención» o «Gasto en infraestructura

pública de prevención», según la especificación. Xit representa a las variables
explicativas y zit, a los efectos fijos.

x1it‒1 = Inversión total o en infraestructura pública de prevención de desastres

(en el año anterior)

x2it‒2 = Inversión en infraestructura pública de prevención de desastres

(dos años antes)21

x3it = Calidad de gestión pública(proxy Ejecución/PIM)

x4it = Intensidad del evento (desviación de la media de la precipitación

acumulada)

x5it =Vulnerabilidad (medida por el IDH)

x6it =Urbanización (medida por la tasa de crecimiento poblacional)

x7it =Intensidad del evento (número de eventos hidrometeorológicos)

x8it =Vulnerabilidad (medida por el PBI per cápita)

Aplicamos un modelo de efectos fijos por dos razones: (i) debido a la

existencia de factores propios a cada provincia analizada que son invariables
en el tiempo (geográficos, culturales), pero que podrían correlacionarse con
la variable de interés, afectando la consistencia de los estimadores22; y (ii) el
reducido espacio geográfico de nuestro estudio implica la existencia de una
alta correlación espacial que sesgaría nuestros resultados si utilizáramos efec-
tos aleatorios. De hecho, cuando aplicamos la prueba de Hausman, resultó
rechazada la hipótesis nula, confirmándose así que era preferible un modelo
de panel con efectos fijos.

Entonces: Cov(zi, x1i,t‒1) ≠ 0.

También utilizamos clústeres a nivel provincia para tener en cuenta tanto

la heterocedasticidad como la autocorrelación del error sistemático del panel

21
Solo para nuestra especificación 3.
22
Por ejemplo, nuestra variable de interés podría estar relacionada con la vulnerabilidad física y natural
del territorio, resultante de sus características específicas en términos de fisiografía, litología, precipitación,
pendiente y cobertura de uso (Minam, 2011), pues es posible que, ante una mayor vulnerabilidad conocida
por las autoridades, estas inviertan más en prevención.

343
¿El mayor gasto en prevención de riesgos reduce los efectos negativos de los desastres? Un análisis regional en el Perú

eit (Kezdi, 2003). Respecto a la heterocedasticidad, es probable que los no

observables no sean constantes para todas las provincias, ya que existen fac-
tores culturales, geográficos y de gestión, que interfieren en el nivel del gasto.

5. Análisis de resultados

La tabla 1 muestra los resultados para nuestras tres especificaciones, obtenidos

mediante efectos fijos.
Tabla 1
Resultados de la regresión panel data con efectos fijos

(1) (2) (3)

VARIABLES Modelo 1 Modelo 2 Modelo 3
Ln (Gasto total en prevención (t-1)) -23,05***
(7,635)
Ln (Gasto en infraestructura (t-1)) -4,986 -7,633
(3,882) (4,962)
Ln (Gasto en infraestructura (t-2)) 2,945
(4,475)
Eficiencia (ejecutado/PIM) -9,504*** -5,525** -2,883
(2,634) (2,170) (3,477)
Desviación de la media de precipitación 17,83** 40,17*** 44,75***
(7,735) (6,881) (7,850)
Índice de desarrollo humano (%) 13,26* 2,769 16,65
(7,886) (7,602) (15,63)
Número de eventos hidrometeorológicos 2,004*** 1,834*** 2,067***
(0,438) (0,400) (0,378)
Ingreso per cápita 0,102 0,278 0,110
(0,184) (0,188) (0,319)
Tasa de crecimiento poblacional 1,194** 1,568**
(0,538) (0,734)
Tasa de crecimiento poblacional (t-1) 1,477
(0,998)
Constante 251,0 103,8 -646,4
(219,4) (196,0) (631,9)
Observaciones 442 387 277
R-cuadrado 0,444 0,517 0,552
Número de PROV1 107 107 96

Notas. La columna (1) muestra los resultados utilizando el logaritmo del gasto total en el año t-1, la columna
(2) utiliza el logaritmo del gasto en infraestructura de prevención en t-1 y la columna (3) utiliza el gasto en
infraestructura en t-1 y t-2. Los errores estándar robustos están entre paréntesis. *** p<0,01, ** p<0,05, * p<0,1.

344
 Marah Melany Díaz Bauer y Tatiana Alejandra Elorrieta Echarri

Con la primera especificación (columna 1) resulta que, si el gasto total per

cápita en prevención aumenta en un 1%, el índice de daños en la provincia
se reduce en 0,2305 y este coeficiente es significativo. Es decir, la provincia
mejoraría su posición en el ranking de daños, pues esta bajaría en 0,2305.
Este resultado valida nuestra primera hipótesis.
Pero no es posible inferir el impacto de un mayor gasto en infraestructura
de prevención. En efecto, en la segunda especificación (columna 2) con un
rezago (t-1), si bien se mantiene el signo negativo del coeficiente, este ya no
resulta significativo. Y con la especificación 3 (columna 3), que agrega un
rezago adicional (t-2), no resultan significativos los coeficientes ni del gasto en
infraestructuras de prevención en t-1 ni del rezago en t-2. Ambos resultados
rechazan la segunda hipótesis planteada.
Respecto a la eficiencia del gobierno local, el coeficiente en las tres especi-
ficaciones tiene el signo esperado (negativo) y es significativo en dos de estas
(1 y 2); lo que reafirma la importancia de la calidad de gestión pública.
Acerca de las amenazas, los coeficientes de la desviación respecto a la media
de la precipitación acumulada y del número de eventos meteorológicos por
año y provincia, presenta los signos esperados y son significativos bajo las
tres especificaciones. Esto significa que el número de eventos y su nivel de
intensidad influyen decisivamente en los efectos posdesastre, e implica que
la inversión solo en infraestructura no es suficiente para reducir la exposición
a las amenazas.
Respecto a la vulnerabilidad, el coeficiente de desarrollo humano no tiene
el signo esperado y solo resulta significativo (al 10%) en el modelo 1. Esto se
alinea con los resultados de Corominas y Martí (2015), quienes no encuentran
una asociación significativa entre el nivel de IDH y una mejor preparación
frente al riesgo volcánico. Similarmente, el coeficiente del ingreso per cápita
de la provincia no es significativo en ninguna de las tres especificaciones.
En cambio, el crecimiento poblacional cuenta con un coeficiente positivo
y significativo bajo las dos primeras especificaciones; de lo cual se intuye que
este, sin una planificación territorial que ordene una rápida urbanización,
aumenta la vulnerabilidad ante desastres.
Luego de haber presentado los resultados de nuestras estimaciones,
corresponde señalar que la no significancia del gasto en infraestructura de
prevención (y el consiguiente rechazo de nuestra segunda hipótesis) podría
estar asociada a un nivel subóptimo de inversión, tanto en magnitud como
por carecer de un adecuado marco de planificación integral y priorización
por parte de las autoridades. En tal sentido, la última Encuesta Nacional de

345
¿El mayor gasto en prevención de riesgos reduce los efectos negativos de los desastres? Un análisis regional en el Perú

Gestión de Riesgos de Desastre (Enagerd), realizada el año 2019, identifica

que los avances en prevención aún son limitados en cuanto a ordenamiento
territorial y condiciones de seguridad en centros educativos, establecimientos
de salud y otros servicios públicos (Cenepred, 2021).
Al respecto, cabe resaltar que el cambio climático y el crecimiento pobla-
cional incrementan la intensidad de los eventos hidrometeorológicos y la
exposición a sus riesgos (Ishiwatari & Surjan, 2019), haciendo necesario un
mayor gasto en prevención para lograr un nivel de mitigación de daños similar
al de años anteriores.
Asimismo, la inversión subóptima en infraestructura de prevención de
riesgos futuros puede estar relacionada con la reactividad del gasto frente a
eventos presentes, que reduce la cantidad disponible para invertir en preven-
ción (Paleari, 2018).
α * Gasto reactivot γ Gasto preventivot
Presupuestot = + *
α+γ α+γ

α≥γ

Así, el rechazo de la segunda hipótesis del presente trabajo podría estar

influenciado por:
a) Un insuficiente nivel de inversión de prevención en «t-1», exponiendo a
mayores daños por eventos en «t», y entonces, la mayor asignación para
reparación en «t» termina desviando la asignación de prevención para
«t+1». Esta dinámica sugiere una especie de trampa, donde la inversión
mejora poco la infraestructura de prevención acumulada y así esta es fá-
cilmente destruida por los siguientes eventos hidrometeorológicos (figura
4).
b) Una inadecuada planificación, debido a la falta de capacitaciones a po-
bladores y autoridades para que comprendan el riesgo real y la eficacia de
las medidas de mitigación, ordenamiento territorial e instrumentos de
gestión de riesgos.

346
 Marah Melany Díaz Bauer y Tatiana Alejandra Elorrieta Echarri

Figura 4
Trampa de infraestructura

Destrucción de infraestructura
Infraestructura de prevención en «t+1»

𝒳𝒳₁ 𝒳𝒳₀ Gasto de infraestructura en «t»

Nota. Si la inversión inicial en infraestructura se posiciona debajo la línea diagonal (x0), la inversión en in-
fraestructura del próximo año será menor (x1) y así sucesivamente hasta llegar a un punto de equilibrio bajo
que no sea significativo para evitar la destrucción ocasionada por los eventos hidrometeorológicos extremos.
Fuente: elaboración propia sobre la base de la trampa de pobreza (Banerjee & Duflo, 2011).

Análisis de robustez: submuestras

Para verificar la robustez de los resultados, dividimos la muestra entre las

provincias con mayor y menor susceptibilidad física (SF)23. Según el Minam,
la SF toma valores entre 1 (menor vulnerabilidad) y 5 (mayor vulnerabilidad).
Para analizar si existen efectos diferenciados por niveles de SF, realizamos dos
regresiones con efectos fijos, catalogando en el nivel alto o muy alto de SF a las
provincias con valores mayores o iguales a 4, y al resto en el nivel medio o bajo.
En lo concerniente al gasto total en prevención, la tabla 2 muestra que este
es significativo en la reducción del índice de daños, tanto para las provincias
con alta SF como para aquellas con baja SF. En estas últimas, un incremento
de un 1% en prevención mejora su posición en el ranking bajándola en

23
Características de vulnerabilidad por factores fisiográficos, litológicos, de pendiente y cobertura de uso
que tiene una determinada área.

347
¿El mayor gasto en prevención de riesgos reduce los efectos negativos de los desastres? Un análisis regional en el Perú

0,34; mientras que para las provincias con alta SF el efecto es menor, pues
solo reduce en 0,15 dicha posición. Ello indica que las provincias que sufren
mayores daños por tener una alta SF requieren de un incremento del gasto
en prevención mayor del 1% para lograr una mejora en su posición similar
a la de las provincias con baja SF. Y estos resultados también sugieren que
la inclusión de gastos en capacitaciones y campañas de concientización es
importante para ambos casos.
Tabla 2
Análisis de robustez – Especificación 1 (Gasto preventivo total)

(1) (2)
VARIABLES SF=baja / media SF=alta / muy alta
Ln (Gasto total en prevención (t-1)) -34,70** -15,67*
(14,59) (8,286)
Eficiencia (ejecutado/PIM) -1,339 -9,156***
(3,147) (2,857)
Desviación de la media de precipitación 37,31*** 10,51**
(8,345) (5,086)
Índice de desarrollo humano (%) 9,101 6,220
(12,85) (9,405)
Tasa de crecimiento poblacional 0,750 1,561
(0,665) (1,492)
Número de eventos hidrometeorológicos 3,472*** 1,711***
(0,857) (0,459)
Ingreso per cápita 0,146 0,261
(0,273) (0,229)
Constante -394,9 458,0
(334,7) (298,8)
Observaciones 118 324
R-cuadrado 0,687 0,343
Número de PROV1 28 79

Notas. Regresión panel data con efectos fijos por submuestras según el nivel de susceptibilidad física.
Errores estándar robustos entre paréntesis.
Elaboración propia, 2021.

348
 Marah Melany Díaz Bauer y Tatiana Alejandra Elorrieta Echarri

En lo relativo al nivel de eficiencia, este resulta significativo solo para el

grupo de mayor SF, lo cual resalta la importancia de contar con gestiones
eficientes sobre todo en áreas donde el peligro es mayor. Y es posible que la
respectiva no significancia para la submuestra de SF baja pueda deberse a que
esta cuenta con menos observaciones.
Tabla 3
Análisis de robustez – Especificación 2 (Gasto preventivo en infraestructura)

(1) (2)
VARIABLES SF=baja / media SF=alta / muy alta
Ln (Gasto en infraestructura (t-1)) -5,637 -5,514
(9,258) (4,224)
Eficiencia (ejecutado/PIM) -0,565 -7,723**
(3,311) (2,961)
Desviación de la media de precipitación 39,57*** 39,63***
(9,660) (13,05)
Índice de desarrollo humano (%) 3,389 1,059
(10,20) (10,02)
Tasa de crecimiento poblacional 0,921 3,809**
(0,713) (1,800)
Número de eventos hidrometeorológicos 3,326*** 1,599***
(0,821) (0,440)
Ingreso per cápita 0,186 0,351
(0,264) (0,252)
Constante -319,5 332,6
(203,6) (312,9)
Observaciones 107 280
R-cuadrado 0,686 0,411
Número de PROV1 28 79

Notas. Regresión panel data con efectos fijos por submuestras según el nivel de susceptibilidad física.
Errores estándar robustos entre paréntesis.
Elaboración propia, 2021.

Respecto al gasto preventivo en infraestructura, la tabla 3 muestra que

ambos grupos presentan el signo esperado respecto al gasto per cápita en
inversión de infraestructura, pero en ningún caso resulta significativo. Si bien

349
¿El mayor gasto en prevención de riesgos reduce los efectos negativos de los desastres? Un análisis regional en el Perú

es probable que en las provincias con mayor SF se invierta más que en las de
baja SF (Miller & Vela, 2014), este no es un factor determinante, ya que su
impacto en la reducción de daños tampoco es significativo en las provincias
con baja SF. Lo cual parece deberse a un gasto preventivo en infraestructura
insuficiente e ineficiente al mismo tiempo.
En este caso, el crecimiento poblacional sí resulta significativo, pero solo
en las provincias con mayor SF, como era de esperarse, pues es más probable
que más personas se vean expuestas en un área cuyas condiciones geográficas
implican una mayor SF.
Por último, los coeficientes asociados a las variables de intensidad y
número de eventos son positivos y significativos en ambas tablas (2 y 3), lo
cual confirma el rol clave de las amenazas en la magnitud de los daños y la
destrucción de infraestructura en particular. En cambio, los coeficientes de
las variables IDH e ingreso per cápita no son significativos para ninguna de
las submuestras.

6. Conclusiones y recomendaciones

Nuestro estudio ha buscado responder la interrogante de si un mayor gasto en

el PP068 para prevención y gestión de riesgos de desastres (GRD) contribuyó
a reducir los daños por los desastres ocurridos en el Perú durante el período
2012-2018; enfocándonos en los resultantes de eventos hidrometereológicos,
al estilo de la Cepal (2014).
Con tal fin, hemos utilizado la metodología de panel data con efectos
fijos, para cuya variable dependiente construimos un índice compuesto por
nueve tipos de infraestructura destruida por un evento hidrometeorológico.
Para nuestra variable de interés, tomamos el gasto per cápita en el PP068 y,
como variables explicativas, los factores determinantes de desastres definidos
por Lavell (1996): amenaza, aproximada por la intensidad de los fenómenos;
vulnerabilidad, aproximada por el IDH y el PBI per cápita; urbanización; y
la calidad de la gestión pública.
Las hipótesis que nos planteamos son: (i) el mayor gasto total en prevención
de riesgos y (ii) el gasto solo en infraestructura para prevenir riesgos, reducen
ambos los efectos negativos de los desastres en infraestructura tanto pública
como privada. El análisis empírico no rechazó la primera hipótesis, mas sí
la segunda. Esto significa que el gasto preventivo total destinado a la GRD
es el que contribuye a reducir las consecuencias negativas ante desastres. Y
atribuimos este efecto a que las acciones de capacitación, ordenamiento terri-
torial y reforestación son las que amplifican los beneficios de la GRD, cuando

350
 Marah Melany Díaz Bauer y Tatiana Alejandra Elorrieta Echarri

complementan la inversión preventiva en infraestructura. Cuando esta última

se da sin un marco de intervención integral, es probable que no se invierta
donde realmente se necesita y no se obtengan beneficios significativos. Estos
resultados son robustos frente a submuestras de provincias según su nivel de
susceptibilidad física ante desastres.
Y son resultados alentadores, pues reafirman que las acciones de GRD bien
implementadas sí reducen los daños. Esto resalta la importancia de la agenda
medioambiental, muchas veces ignorada por autoridades y agentes privados.
También pone de relieve el importante papel que tienen las capacitaciones
y el ordenamiento territorial en la reducción de daños, dado que el gasto en
infraestructura por sí mismo no logra tener un efecto significativo.
Nuestro análisis ha estado limitado por la disponibilidad de datos y su
correcto registro. Algunas provincias presentan menos datos y, por ende,
puede haber problemas de representatividad. Tampoco dispusimos de la
valoración monetaria equivalente de los daños no monetarios causados
por desastres, lo que hace imprecisa su comparación con los monetarios y
el correspondiente total. Esto explica en parte nuestra opción de ponderar
linealmente los distintos tipos de infraestructura destruida al elaborar el
índice de daños, lo cual puede ser fuente de distorsión. Por todo ello, se
recomienda un registro de datos más desagregado; que asegure el acceso a
la información de los lugares más alejados del país; que realice una mejor
distinción entre el presupuesto total y el asignado a prevención, capacita-
ciones y reconstrucción; y que permita una valoración monetaria de todos
los principales daños por desastres.
Como sugerencias para futuras investigaciones, convendría que identi-
fiquen el nivel óptimo de gasto preventivo para que así sea posible estimar
mejor su probable efecto reductor de los daños por desastres de origen natural,
así como lo que supone en términos de calidad de la gestión pública, a fin
de optimizar la combinación de políticas públicas en el país para reducir las
probabilidades de pérdidas por dichos desastres.
Además, convendría explorar nuevas metodologías para calcular el
respectivo índice de daños. Finalmente, ante la posible endogeneidad por
bidireccionalidad entre el gasto y los daños, hemos analizado submuestras
según niveles de susceptibilidad que arrojaron resultados robustos. Pero una
potencial mejora sería utilizar variables instrumentales para verificar la validez
de los resultados hallados.

351
¿El mayor gasto en prevención de riesgos reduce los efectos negativos de los desastres? Un análisis regional en el Perú

Referencias
Acuerdo Nacional. (2010). Política de Estado 32. Gestión del riesgo de desastres. https://
www.gob.pe/.../minjus/informes-publicaciones/1941748-politica-de-estado-32
Anderson, M. B. (1994). ¿Qué cuesta más: la prevención o la recuperación? En A. Lavell
(Comp.). Al norte del Río Grande (pp. 1-25). La Red. http://www.funsepa.net/.../
pubs/MTUw.pdf
Auzzir, Z., Haigh, R., & Amaratunga, D. (2014). Public-private partnerships (PPP) in
disaster management in developing countries: A conceptual framework. Procedia
Economics and Finance, 18, 807-814. doi:10.1016/S2212-5671(14)01006-5
Banerjee, A., & Duflo, E. (2011). Poor economics: A radical rethinking of the way to fight global
poverty. Public Affairs. https://warwick.ac.uk/.../courses/.../poor_economics.pdf
Benoit, K. (2011). Linear regression models with logarithmic transformations. London School
of Economics. https://kenbenoit.net/assets/courses/ME104/logmodels2.pdf
BID. (2015). Indicadores de riesgo de desastres y de gestión de riesgos: Perú. Banco Interame-
ricano de Desarrollo. https://publications.iadb.org/es/...13890
Cannon, T. (2008). Reducing people’s vulnerability to natural hazards. UNU-Wider Research
Paper 2008/34. https://www.wider.unu.edu/.../rp2008-34.pdf
Care Perú. (2019). Mecanismos de financiamiento para el Sinagerd. PCM – Viceministerio
de Gobernanza Territorial. https://cdn.www.gob.pe/uploads/document/file/475096
Castellani, F., Olarreaga, M., Panizza, U., & Zhou, Y. (2019). Investment gaps in Latin
America and the Caribbean. International Development Policy, 11(1). doi:10.4000/
poldev.2894
Cenepred. (2014). Manual para la evaluación de riesgos originados por fenómenos naturales.
Versión 02. Centro Nacional de Estimación, Prevención y Reducción del Riesgo de
Desastres. https://sigrid.cenepred.gob.pe/sigridv3/documento/257
Cenepred. (2021). Informe de resultados de la Encuesta Nacional de Gestión del Riesgo de
Desastres (Enagerd) 2019. Actualizado a octubre 2020. Centro Nacional de Estima-
ción, Prevención y Reducción del Riesgo de Desastres. https://dimse.cenepred.gob.
pe/.../INFORME_ENAGERD_2019_Rev03_final.pdf
Cepal. (2003). Manual para la evaluación del impacto socioeconómico y ambiental de los
desastres. LC/L.1874. https://www.cepal.org/es/publicaciones/2781
Cepal. (2014). Manual para la evaluación de desastres. LC/L.3691. https://www.cepal.org/
es/publicaciones/35894
Choi, C. (2016). Does economic growth really reduce disaster damages? Index decompo-
sition analysis. International Journal of Urban Sciences, 20(2), 188-205. doi:10.10
80/12265934.2016.1144520
Corominas, O., & Marti, J. (2015). Estudio comparativo de los planes de actuación frente
al riesgo volcánico (Costa Rica, El Salvador, Ecuador, España, México, Nicaragua
y Chile. Revista Geológica de América Central, 52. https://doi.org/10.15517/rgac.
v0i52.18980

352
 Marah Melany Díaz Bauer y Tatiana Alejandra Elorrieta Echarri

Corporación OSSO. (2008). Anexo 8. Manifestaciones del riesgo intensivo y extensivo. Perú.
Informe de Consultoría al UNISDR. https://www.preventionweb.net/.../Chap3/
LAC-overview/OSSO/8_Informe-Peru-v0.doc
De la Cruz S. R., Salazar, C. R., Guevara, R., Chávez, D., & Carrillo, A. (2020). El valor
de la vida estadística en el Perú. Documento de Trabajo 48. Osinerming – Gerencia
de Políticas y Análisis Económico. https://cdn.www.gob.pe/uploads/.../file/1394390
Dickie, M. (2017). Averting behavior methods. En P. Champ, K. Boyle & T. Brown (Eds.).
A primer on nonmarket valuation. The economics of non-market goods and resources,
Vol. 13 (pp. 293-346). Springer. https://doi.org/10.1007/978-94-007-7104-8_8
Dixon, J., Fallon, L., Carpenter, R., & Sherman, P. (1994). Análisis económico de impactos
ambientales. Turrialba. https://catalogosiidca.csuca.org/Record/UNANI.012251/
Similar
Galarza, E., & Kámiche, J. (2012). Impactos del Fenómeno El Niño (FEN) en la eco-
nomía regional de Piura, Lambayeque y La Libertad. Informe Técnico N.º 1.
Seguros para la Adaptación al Cambio Climático. GIZ. https://www.apeseg.org.
pe/.../2019/02/2012
Gordon, M. (2013). Exploring existing methodologies for allocating and tracking disaster risk
reduction in national public investment. UNISDR. https://www.agr.una.py
Gosh, D., & Vogt, A. (2012). Outliers: An evaluation of methodologies. Georgetown
University. http://www.asasrms.org/Proceedings/y2012/Files/304068_72402.pdf
Greene, W. (1997). Econometric analysis. 3.ª ed. Prentice-Hall. ISBN: 9780023466021.
Heo B.-Y., & Heo, W.-H. (2019). Economic analysis of disaster management investment
effectiveness in Korea. Sustainability, 11(11), 3011. doi:10.3390/su11113011
Ibarrarán, M., Reyes, M., & Altamirano, A. (2014). Medición de la vulnerabilidad ante
desastres hidrometeorológicos extremos. Universidad Iberoamericana Puebla. https://
repositorio.iberopuebla.mx/bitstream/handle/20.500.11777/1071
Indeci. (2006). Manual básico para la estimación de riesgo. Instituto Nacional de Defensa
Civil. http://bvpad.indeci.gob.pe/doc/pdf/.../doc319_contenido.pdf
Indeci. (2019a). Compendio estadístico Indeci 2019. En la preparación, respuesta y rehabi-
litación de la GRD. Instituto Nacional de Defensa Civil. https://cdn.www.gob.
pe/.../file/1048231
Indeci. (2019b). Índice de capacidad de preparación ante emergencias – EPCI 2019. A nivel
sectorial, regional, provincial y distrital. Instituto Nacional de Defensa Civil. https://
cdn.www.gob.pe/.../file/1681578
IPCC. (2012). Managing the risks of extreme events and disasters to advance climate change
adaptation. Special Report. Intergovernmental Panel on Climate Change (IPCC).
Cambridge University Press. ISBN: 9781107607804
Ishiwatari, M., & Surjan, A. (2019). Good enough today is not enough tomorrow: Cha-
llenges of increasing investments in disaster risk reduction and climate change
adaptation. Progress in Disaster Science, 1, 1-3. doi:10.1016/j.pdisas.2019.100007

353
¿El mayor gasto en prevención de riesgos reduce los efectos negativos de los desastres? Un análisis regional en el Perú

Ishizawa, O. A., Miranda, J. J., Paredes, M., De Haro, I., & Pedrozo, A. (2017). Analysis
of the impact of investments in disaster risk reduction and prevention in Mexico: Case
study of Tabasco between 2007 and 2011. World Bank. doi:10.1596/29105
Iwata, K., Ito, Y., & Managi, S. (2014). Public and private mitigation for natural disasters
in Japan. International Journal of Disaster Risk Reduction, 7, 39-50. doi:10.1016/j.
ijdrr.2013.12.005
Kezdi, G. (2003). Robust standard error estimation in fixed-effects panel models. Central
European University. doi:10.2139/ssrn.596988
Lavell, A. (1996). Degradación ambiental, riesgo y desastre urbano: problemas y conceptos.
En M. A. Fernández (Comp.). Ciudades en riesgo (pp. 21-59). Lima: La Red. https://
www.fundacionhenrydunant.org/.../Cuidades%20en%20Riesgo%20
Lavell, A. (2014). Disaster risk reduction and public investment decisions: The Peruvian case.
GIZ & UNISDR. https://sigrid.cenepred.gob.pe/sigridv3/documento/343
Lien, D., & Balakrishnan, N. (2005). On regression analysis with data cleaning via
trimming, Winsorization, and dichotomization. Communications in Statistics –
Simulation and Computation, 34(4), 839-849. doi:10.1080/03610910500307695
MEF. (2007). Pautas metodológicas para la incorporación del análisis del riesgo de desastres en
proyectos de inversión pública. Ministerio de Economía y Finanzas. https://sigrid.
cenepred.gob.pe/sigridv3/documento/184
MEF. (2021). Portal de Transparencia Económica – Presupuestos 2012-2018. Ministerio de
Economía y Finanzas. http://www.mef.gob.pe/index
Miller, S., & Vela, M. (2014). Is disaster risk reduction spending driven by the ocurrence of
natural disasters? IDB Working Paper Series IDB-WP-500. https://publications.
iadb.org/en/publication/12054
Minam. (2011). Memoria descriptiva del mapa de vulnerabilidad física del Perú: herramienta
para la gestión del riesgo. Ministerio del Ambiente. http://www.minam.gob.pe/
handle/123456789/402
Minam. (2015). Mapa de susceptibilidad física del Perú: zonas propensas a inundaciones y des-
lizamientos en la costa y sierra frente a la ocurrencia de eventos hidrometeorológicos extre-
mos. Ministerio del Ambiente. http://www.minam.gob.pe/handle/123456789/98
Murphy, C., & Gardoni, P. (2007). Determining public policy and resource allocation
priorities for mitigating natural hazards: A capabilities-based approach. Science and
Engineering Ethics, 13(4), 489-504. doi:10.1007/s11948-007-9019-4
Orihuela, J. C. (2012). Consultancy on understanding existing methodologies for allocating and
tracking DRR resources in 6 countries in the Americas. GAR 2013 Contributing Paper.
UNISDR. http://www.preventionweb.net/.../gar/2013/.../Orihuela%202012.pdf
Oswald, U., & Brauch, H. (2009). Securitizar la Tierra y aterrizar la seguridad. CLD –
Documento Temático N.° 2. Convención de las Naciones Unidas de Lucha contra
la Desertificación. https://catalogue.unccd.int/843_dldd_spa.pdf
Paleari, S. (2018). Natural disasters in Italy: Do we invest enough in risk prevention and
mitigation? International Journal of Environmental Studies, 75(4), 673-687. doi:1
0.1080/00207233.2017.1418995

354
 Marah Melany Díaz Bauer y Tatiana Alejandra Elorrieta Echarri

PCM. (2014). Plan Nacional de Gestión del Riesgo de Desastres – Planagred 2014-2021.
Presidencia del Consejo de Ministros. http://www.cenepred.gob.pe/sigridv3/
documento/417
Phaup, M., & Kirschner, C. (2010). Budgeting for disasters: Focusing on the good times.
OECD Journal on Budgeting, 2010(1), 1-24. doi:10.1787/16812336
Picard, P. (2008). Natural disaster insurance and the equity-efficiency trade-off. The Journal
of Risk and Insurance, 75(1), 17-38. https://www.jstor.org/stable/25145261
Prada, M. (2006). Los hogares colombianos ante los choques: efectividad de los mecanismos
de protección social. Documento CEDE 2006-23. http://www.uniandes.edu.co/
handle/1992/7996
Sánchez, E., Borim, C., & Coutinho, C. (2011). Teachers understanding of variation. En
C. Batanero, G. Burril & C. Reading (Eds.). Teaching statistics in school mathematics.
The 18th ICMI Study (pp. 211-222). Springer. doi:10.1007/978-94-007-1131-0
Seminario, B. (2017). Anexo 11. Parámetros de la Evaluación Social. http://www.mef.gob.
pe/contenidos/inv_publica/.../anexo11_directiva001_2019EF6301
Toro, J. (2020, 29 de julio). Los desastres no son naturales. Banco Mundial. https://www.
bancomundial.org/es/news/feature/2020/07/29
UNDRR. (2020) Human cost of disasters – An overview of the last 20 years (2000-2019). UN
Office for Disaster Risk Reduction. https://www.undrr.org/media/48008/download
UNISDR. (2009). Terminología sobre reducción del riesgo de desastres. UN International
Strategy for Disaster Reduction. https://www.unisdr.org/files/7817
UNISDR. (2015). Marco de Sendai para la reducción del riesgo de desastres 2015-2030. UN
International Strategy for Disaster Reduction. https://www.unisdr.org/files/43291
Varian, H. (1992). Microeconomic analysis, 3.ª ed. Norton & Co., Inc. https://es.scribd.
com/document/83093538
Yamauchi, F., Yohannes, Y., & Quisumbing, A. (2009). Risk ex-ante actions and public
assistance: Impacts of natural disasters on child schooling in Bangladesh, Ethiopia, and
Malawi. Ipfri Discussion Paper 880. https://www.ifpri.org/publications/
Zevallos, A. (2017). La gestión del riesgo de desastres en el Perú. Paideia, XXI, 6(7), 137-
158. doi:10.31381/paideia.v6i7.1605

355
¿El mayor gasto en prevención de riesgos reduce los efectos negativos de los desastres? Un análisis regional en el Perú

Anexo 1
Subcategorías del PP068

Conceptos de gasto en infraestructura Conceptos de gastos totales en PP068

• Construcción de defensas ribereñas • Prevención, limpieza y descolmatación
• Instalación de infraestructura de protección • Recuperación de cobertura forestal
contra inundaciones y filtraciones • Mejoramiento del servicio educativo en
• Mejoramiento de canalizaciones prevención
• Instalación de sistemas de drenaje pluvial • Mejoramiento de los servicios de reducción
• Encauzamiento de ríos de la vulnerabilidad y atención de
• Enrocado de defensas ribereñas emergencias por desastre
• Creación de diques • Mejoramiento de la gestión de riesgos para
• Construcción de muros de contención la prevención y mitigación de los desastres
• Protección contra deslizamientos • Mejoramiento de los servicios de
• Construcción de taludes zonificación ecológica y económica para el
• Rehabilitación y mejoramiento de las ordenamiento territorial
infraestructuras de servicio básico • Mejoramiento de gestión territorial urbana
• Instalación de infraestructura de • Mejoramiento de prevención y atención
prevención de riesgos oportuna de emergencias por compañías de
• Instalación de espigones bomberos voluntarios
• Canal de evacuación • Gestión comunal
• Mejoramiento del servicio de atención en
emergencias y desastres naturales
• Desarrollo de capacidades para el
ordenamiento territorial
• (+) gastos en infraestructura

Fuente: Portal de Transparencia Económica. MEF. Elaboración propia, 2021.

356