Anales Cientícos, 79 (2): 278-283 (2018)
ISSN 2519-7398 (Versión electrónica)
DOI: http://dx.doi.org/10.21704/ac.v79i2.1222
Website: http://revistas.lamolina.edu.pe/index.php/acu/index
© Universidad Nacional Agraria La Molina, Lima - Perú
Presentado: 03/04/2017
Aceptado: 12/11/2018
Productividad del capital humano para incrementar el ingreso per cápita de la
población económicamente activa (PEA) a nivel nacional y regional: caso peruano
período 2008 – 2015
Productivity of the human capital to increase the income of the economically active population
(PEA) at the national and regional level: peruvian case period 2008 – 2015
Claudio Stefano S. Castagnino Pastor
1
& Agapito Linares Salas
2
Resumen
El objetivo de este estudio fue deterrminar el grado de incidencia de la productividad del capital humano tomando en
cuenta los cambios en el PBI respecto a las inversiones realizadas por el gobierno en el recurso humano que interviene
en la producción, de igual manera la incidencia sobre la Población Económicamente Activa total (PEA) con nivel
de educación superior y la convergencia de los ingresos per cápita entre las regiones de nuestro país. Se estudia las
veinticuatro regiones del Perú para los años del 2008 al 2015. La metodología de la investigación fue cuantitativa
y emplea modelos econométricos, basándose en el modelo de Solow Extendido y su Convergencia. Los resultados
demuestran que la productividad del capital humano (s
h
) es el factor principal que incide en el incremento del ingreso per
cápita y reduce la brecha de los ingresos (convergencia) entre las diferentes regiones del Perú. Por lo tanto, consideramos
que las políticas del gobierno central y la de los gobiernos regionales deben orientarse a mejorar el capital humano, factor
determinante para el incremento del ingreso per cápita y acelera la convergencia de los ingresos per cápita.
Palabras clave: Productividad del Capital Humano; Convergencia; Modelo de Solow; Solow Perú; Stata.
Abstract
The objective of this study was to determine the degree of incidence of the productivity of human capital, taking into
account the changes in the GDP with respect to the investments made by the government in the human resources that
intervene in the production, as well as the incidence on the Total Economically Active Population (EAP) with a higher
education level and the convergence of per capita income between the regions of our country. The twenty-four regions of
Peru are studied for the years of 2008 to 2015.The research methodology is econometric, based on the extended Solow
model and Convergence. The results show that human capital (s
h
) is the main factor increases the income and reduces
the income gap (convergence) between the different regions of Peru. Therefore, the policies of the central and regional
government should be oriented towards improving human capital, a determining factor for the increase of the income
and accelerating convergence.
Keywords: Productivity of Human Capital; Convergence; Solow model; Solow Peru; Stata.
1
conomista; Oracle Certied Professional, Java Programmer y CompTIANetwork+Certied.
2
Profesor Principal, Facultad de Economía y Planicación, Universidad Nacional Agraria la Molina, Lima, Perú. Email: alinares@lamolina.edu.
pe
1. Introdución
La incidencia de la productividad del capital humano
sobre el crecimiento económico de las sociedades es un
aspecto importante para el bienestar de sus miembros.
De hecho, para Smith la Economía Política gozaría de
“buen funcionamiento” siempre y cuando la ética (como
prudencia y cuidado personal), la economía (el logro del
bienestar económico para cada ciudadano) y la política
(protección de los derechos y justicia conmutativa por
parte de las leyes y los guardianes del sistema) estuvieron
interrelacionadas y fueron inseparables y necesarias
(Pique, 2018).
En la segunda mitad del siglo pasado un fenómeno
aparentemente inexplicable apareció, fue el crecimiento
impresionante de las economías emergentes, como: China
(9,65% en promedio desde 1980 al 2015), Corea del Sur
(9 % en promedio desde 1961 al 2000), y Perú (5,17% en
promedio desde el 2000 al 2015), entre otros (The World
Bank, 2017). No solo fue impresionante por las cifras altas
de crecimiento sino porque fueron países con limitada
productividad en su capital físico, escaso capital humano
calicado, casi nulo desarrollo tecnológico e instituciones
con bajo desarrollo.
La respuesta se encuentra con la ayuda del modelo de
Solow (1956), premio Nobel, presentado en su obra: “Una
Contribución a la Teoría del Crecimiento Económico”,
posteriormente, lo desarrolla empíricamente, en la obra:
“Una Contribución Empírica del Crecimiento Económico”,
donde demuestra porque algunos países se hacen ricos y
otros países se hacen pobres.
Por la limitada información disponible al convertirse
en una herramienta importante en la toma de decisiones
más ecientes en relación a la productividad del capital
humano y los cambios en el PBI, la inversión en capital
C. Castagnino & A. Linares / Anales Cientícos 79 (2): 278-283 (2018)
279
físico y crecimiento de la población, gestión de los
gobiernos regionales y gobierno central. Los resultados
obtenidos permitirán el mejoramiento del bienestar de los
peruanos y disminuir las brechas de ingreso per cápita de la
PEA entre las diferentes regiones. El sector privado se verá
beneciado al incrementarse y desarrollarse los mercados
de consumo.
El objetivo del presente estudio fue determinar el
grado de incidencia de la PEA calicada con educación
universitaria y mayor productividad en el incremento
del PBI per cápita en el Perú y a nivel regional el grado
de convergencia entre las regiones explicadas por la
productividad del capital humano.
2. Materiales y métodos
Los materiales y métodos utilizados se materializan en
la formulación del modelo de Solow Extendido y el de
Convergencia, para lo cual se empleó la información
disponible de los años 2008 al 2015 de las regiones del
Perú excepto la provincia constitucional del Callao. Se
utilizó la econometría como metodología; aplicando MCO
(Mínimo Cuadro Ordinario) y la prueba de Breusch-Pagan.
Mediante el Modelo de Solow Extendido y el
de Convergencia se determina: la constante (A) que
representa el avance tecnológico, la variable (s
k
) el capital
físico, la variable(s
h
) capital humano, variables que
afectan positivamente al ingreso per cápita; sin embargo,
el aumento de la población (n) en este modelo afecta
negativamente el crecimiento del ingreso per cápita en el
período de estudio. Según las regresiones formuladas y los
casos planteados explican el ingreso per cápita en un 61
y 67%; en cambio mediante la regresión de convergencia
se explica la reducción de las brechas de los ingresos per
cápita entre regiones en un 42%.
Como resultado se observa que efectivamente la
productividad del capital humano es la principal variable
explicativa, seguida del capital físico para el mejoramiento
del ingreso per cápita de los peruanos y la convergencia de
los ingresos per cápita entre las regiones durante el período
del 2008 al 2015.
El establecimiento de las relaciones causa-efecto entre
las variables endógenas y exógenas, el crecimiento per
cápita de los ingresos, la productividad de los factores,
la formación del capital físico y los niveles tecnológicos,
proporcionan el marco teórico del crecimiento económico
de los países y al interior de las regiones.
Modelo de Solow y Solow Extendido
De acuerdo al modelo de Solow, la economía puede
alcanzar dos estados estacionarios: la producción como
el capital per cápita son iguales en el estado estacionario,
el segundo estado estacionario se alcanza por la forma
que adopte la función de producción neoclásica (relación
producción y recursos); el supuesto decisivo para que ello
suceda es el relacionado con la productividad marginal del
capital, que tiende a cero cuando el capital físico tiende a
innito, pues de no existir este supuesto no se alcanzaría
dicho estado estacionario (Plata et al., 2017).
El modelo de Solow revela que las naciones son más
ricas porque invierten más y tienen menores tasas de
crecimiento de la población, estos factores son: la tasa de
ahorro (s), la tasa de crecimiento de la población (n) la
inversión física (IBF), la acumulación del capital (K*), el
nivel de producción (PBI), y la inversión de compensación
al desgaste del capital (δ) (Linares, 2012).
Markiew et al. (1992) desarrollo el modelo de Solow
Extendido adicionando el capital humano, los resultados
demostraron la importancia del capital humano por su
productividad en el crecimiento de los países. El modelo
de Solow basado en el modelo de producción de Cobb-
Douglas (CD), tiene los siguientes supuestos de acuerdo a
nuestro objetivo: Economía de Mercado donde se produce
un bien y donde solo se consume e invierte. La relación
de Capital/Producto es endógena y exible. La fuerza de
trabajo crece a una tasa constante y exógena. Existe un
mercado de competencia perfecta. La tasa de ahorro, la
tasa de crecimiento de la población y progreso tecnológico
son exógenos.
Regresión de Solow Extendido:
Y(t)= K(t)α H(t)β (A(t)L(t))
1-α-β
(1)
Para todo 0 < α<1, t es la unidad de tiempo.
Donde:
Y: Producción.
K: Capital Físico.
H: Porcentaje del capital humano. A: Nivel de Tecnología.
L: Fuerza Laboral o total usado α: Elasticidad de K.
β: Elasticidad de H.
α- β: Elasticidad n.
La acumulación de capital físico y del capital humano
se determinan por las siguientes ecuaciones:
k(t) = s
k
y(t)-( n+g+δ)κ(t) (2)
h(t) =s
h
y(t)-( n+g+δ)h(t) (3)
Para todo:
s
k
: Es la fracción del ingreso per cápita invertido en capital
físico.
s
h
Es la fracción del ingreso per cápita invertido en capital
humano.
En forma logarítmica.
ln (Y(t)/L(t))=lnA(0)+gt-((α+β)/(1-α-β)) ln(n+g+δ)+α/(1-
α-β) ln(s
k
) +β/(1-α-β) ln (s
h
) (4)
De esta forma el modelo de Solow predice que: “El
crecimiento de las economías será nito y en consecuencia
las economías convergen”.
Productividad del capital humano para incrementar el ingreso per cápita de la población económicamente activa (PEA) a nivel nacional y regional:
caso peruano período 2008 – 2015
Julio - Diciembre 2018
280
Convergencia
El modelo de Solow predice la convergencia solo después
de controlar los determinantes del estado estacionario,
un fenómeno que podría llamarse “condicional de
convergencia (Jiang, 2013).
Expresado en la siguiente ecuación logarítmica de
convergencia:
dln(y(t)/dt)=λ[ln (y*)-ln(y(t))] (5)
Donde endógenamente la tasa de convergencia se
determina mediante la siguiente relación:
λ=(n+g+ δ)(1-α-β ) (6)
λ, es la tasa de convergencia, si por citar la tasa de
convergencia sería igual a 0,02, signicaría que la economía
estaría a treinta cinco años del estado estacionario, y si
fuera de 0,04 estaría alrededor de unos diecisiete años, lo
que signica que a medida que aumenta el coeciente de
convergencia, menor es el número de años para alcanzar la
igualdad del ingreso per cápita entre las regiones. y*, es el
estado estacionario de la renta por efectivo trabajador dado
en la ecuación 4 (Markiew et al., 1992).
El modelo sugiere una regresión para el estudio de la
tasa de convergencia.
ln(y(t))=(1-e
-λt
) ln (y*)+ e
-λt
ln(y(0)) (7)
Donde:
y (0): Es el ingreso por trabajador en el período inicial 0.
ln(y(t))- ln(y(0)) = (1- e
-λt
) ln(y*) - (1- e
-λt
) ln(y(0)) (8)
Sustituyendo por:
ln(y(t))- ln(y(0))=[((1- e
-λt
)α/(1-α-β)) ln(s
k
)]+[(1- e
-λt
)β/(1-
α-β) ln(s
h
)]-[((1- e
-λt
)(α+β)/(1-α-β))] ln(n+g+δ)-(1- e
-λt
) ln(
y(0)) (9)
La convergencia es más fácil de estimar cuando los
países, estados, regiones o departamentos tienen en común
un mismo o parecido sistema institucional.
Metodología de investigación
La metodología de investigación para el presente trabajo
fue el método econométrico. Se obtuvo la información de
las variables desde fuentes secundarias. Del marco teórico
se extrajo las regresiones cuatro (4) y nueve (9).
Donde el Ingreso per cápita (y) es igual al PBI per
cápita de la PEA. La diferencia de ingreso per cápita entre
2008 y 2015 es igual a la diferencia del PBI per cápita de
la PEA para el mismo período. Población (n) es igual a la
tasa de crecimiento de la población promedio. El capital
humano (s
h
) es igual al promedio porcentual de la PEA con
educación superior universitario. La inversión en capital
físico (s
k
) es igual al gasto público promedio por estudiante
del nivel superior universitario.
Este modelo se enfoca en el capital humano en la
forma de inversión en la educación versus la inversión en
la población sin educación. Se usa el proxy de la tasa de
capital humano, el porcentaje de la PEA con educación
universitaria en las regiones del Perú, asumiendo que (g
+ δ) es igual a 0,05 a falta de información local y por ser
un valor que no inuye sustancialmente en el resultado
(Markiew et al., 1992).
Variables principales para la investigación
Se procesó información de las regiones del Perú, para
los años 2008 al 2015, en el cual se desarrolló y denió
según INEI, las siguientes variable: El PBI per cápita de
la PEA Regional del año 2008. El PBI per cápita de la
PEA Regional del año 2015. La diferencia entre PBI per
cápita de la PEA Regional de los años 2008 y 2015. Tasa de
Crecimiento de la Población Promedio (n). EL Promedio
Porcentual de la PEA Regional con Educación Superior
Universitaria (s
h
). El Gasto Publico Regional Promedio por
Alumno Superior Universitario (s
k
).
Se evaluó el ingreso per cápita (y2008) es igual al PBI
per cápita de la PEA del año 2008. El ingreso per cápita
(y
2015
) es igual al PBI per cápita de la PEA del año 2015.
La diferencia de ingreso per cápita (y
2015
-y
2008
) es igual al
ingreso per cápita (y
2015
) menos el ingreso per cápita (y
2008
).
Base de Datos: una breve explicación
La información para la aplicación de este modelo se ha
obtenido del Instituto Nacional de Estadística e Informática
(INEI), del Sistema Integrado de Administración Financiera
del Sector Público (SIAF-SP), del Ministerio de Economía
y Finanzas, y el Banco Mundial (World Bank). El PBI per
cápita de la PEA de los años 2008 y 2015 se obtuvo del
PBI a precios constantes del 2007 entre la PEA nacional y
la tasa de crecimiento de la población promedio, tomando
como promedio en este caso los años 2008 al 2015.
Se obtuvo también la tasa de crecimiento anual de la
población, el promedio porcentual de la PEA con educación
universitario. De igual forma se estimó el promedio
de los años 2008 al 2015 el porcentaje de población en
edad de trabajar con educación universitaria y el gasto
público promedio por alumno universitario. Fue necesario
determinar el promedio durante el periodo 2008 al 2015
de gasto público en educación por alumno universitario a
precios corrientes del 2007, no se consideró la información
de Lima Metropolitana sino Lima provincias, todas las
regiones del Perú sin la provincia constitucional del
Callao por falta de información, los resultados no fueron
redondeados y la información monetaria real expresada en
soles peruanos del 2007.
C. Castagnino & A. Linares / Anales Cientícos 79 (2): 278-283 (2018)
281
Tabla 1. Variables
Nombre de
la Variable
en Teoría
Nombre de la Variable
en Stata (forma no
logarítmica)
Nombre de la Variable en
Archivo (Anexo 1)
Variables Endógenas
y
2008
pbi_pea_percapita_2008 PBI_PEA_percapita_2008
y
2015
pbi_pea_percapita_2015 PBI_PEA_percapita_2015
Dif_2015_18
y
2015 -
y
2008
Variables Exógenas
n tasa_crec_prom_pob %Tasa_Crec_Prom _Pob
promedio_pea_edu_univ Promedio %_PEA_EDU_
UNIV
gasto_pub_prom_per_
alumn_univ
Gasto_Pub_Prom_per_
Alumn_Univ
La variable (y
2008
), es la variable exógena para la
regresión de la Convergencia. Debe añadirse que toda
variable en su forma logarítmica se antepone (ln) más su
nombre de la variable en para los programas realizados en
Stata en su forma no logarítmica (Castagnino, 2018).
Equipos Usados y Procedimientos
Se utilizó el software estadístico Stata versión 13 de prueba,
aplicando los programas de Castagnino (2018) anexos 1, 2
y 3; la econometría para el desarrollo de la teoría.
3. Resultados y discusión
Regresiones
Las regresiones simples se ejecutaron con el método de
Mínimo Cuadro Ordinario (MCO) o Least Square (LS).
Caso I
Tabla 2. Regresión del Caso I de y
2008
=c
0
-c
1
n+c
2
s
h
+c
3
s
k
_cons 5.649689 4.174216 1.35 0.191 -3.057574 14.35695
ln_gasto_pub_prom_per_alumn_univ .7371727 .2328884 3.17 0.005 .2513761 1.222969
ln_promedio_pea_edu_univ 1.197429 .2412292 4.96 0.000 .6942343 1.700625
ln_tasa_
c
rec_prom_p
o
b
-
.082
4
942
1.18
3
474
-0.
07
0.
945
-2
.5
51178
2.
38619
ln_pbi_pea_percapita_2008 Coef. Std. Err. t P>|t| [95% Conf. Interval]
Total 8.86172937 23 .385292581 Root MSE = .38681
Adj R-squared = 0.6117
Residual 2.99238529 20 .149619264 R-squared = 0.6623
Model 5.86934408 3 1.95644803 Prob > F = 0.0001
F( 3, 20) = 13.08
Source SS df MS Number of obs = 24
Representación de la regresión del Caso I.
y
2008
=5,650-0,083n+1,197s
h
+0,737s
k
(10)
Interpretación de los coecientes estimados:
Cuando la tasa de crecimiento poblacional aumenta en 1%
en promedio el ingreso per cápita disminuye en 0,083%.
Cuando la productividad del capital humano aumenta en
1% en promedio el ingreso per cápita aumenta en 1,197
%. Cuando el capital físico aumenta en 1% en promedio el
ingreso per cápita aumenta en 0,737%.
Caso II
Tabla 3. Regresión del caso II de y
2015
=c
0
-c
1
n+c
2
s
h
+c
3
s
k
_cons 6.850726 3.295065 2.08 0.051 -.0226583 13.72411
ln_gasto_pub_pro~v .5779217 .1838386 3.14 0.005 .1944411 .9614024
ln_promedio_pea_~v
1.123968 .1904227 5.90 0.000 .7267529 1.521183
ln_tasa_crec_pro~b
-.160143 .934217 -0.17 0.866 -2.108886 1.7886
ln_pbi_pea_pe~2015 Coef. Std. Err. t P>|t| [95% Conf. Interval]
Total 6.53191335 23 .283996233 Root MSE = .30534
Adj R-squared = 0.6717
Residual
1.86464191 20 .093232095 R-squared = 0.7145
Model
4.66727145 3 1.55575715 Prob > F = 0.0000
F( 3, 20) = 16.69
Source
SS df MS Number of obs = 24
Representación de la Regresión del caso II.
y
2015
=6,851-0,160n+1,224s
h
+0,578s
k
(11)
Interpretación de los coecientes estimados:
Cuando la tasa de crecimiento poblacional aumenta en 1%
en promedio el ingreso per cápita disminuye en 0,160%.
Cuando la productividad del capital humano aumenta en
1% en promedio el ingreso per cápita aumenta en 1,224%.
Cuando el capital físico aumenta en 1% en promedio el
ingreso per cápita aumenta en 0,578%.
De las Tabla 2 y Tabla 3 se observa que los ajustado
(Adj R-squared) son 0,6117; 0,6717; lo que representa
un fuerte apoyo al modelo de Solow Extendido. El
coeciente (cons) en Caso I no es signicativo al tener una
probabilidad (P>|t| = 0,191), mayor que 0,05, en el caso
II es signicativo (P>|t| = 0,051). Las probabilidades de
los ln_tasa_crec_prom_pob (P>|t| = 0,945; P>|t| = 0,866)
en los dos casos no son signicativas; ln_promedio_pea_
edu_univ (P>|t|=0,000) y en cambio hay signicancia en:
ln_gasto_pub_prom_per_alumn_univ (P>|t|=0,005).
Caso: Modelo de Convergencia
Tabla 4. Regresión de y
2015
- y
2008
= c
0
+ c
1
y
2008
+c
2
n+ c
3
s
k
+
c
4
s
h
_cons 2.769792 1.424617 1.94 0.067 -.2119656 5.75155
ln_gasto_pub_prom_per_alumn_univ
.0454405 .0932023 0.49 0.631 -.1496341 .2405151
ln_promedio_pea_edu_univ
.2590297 .1177252 2.20 0.040 .0126281 .5054313
ln_tasa_crec_prom_pob
-.100555 .3866376 -0.26 0.798 -.9097968 .7086867
ln_pbi_pea_percapita_2008
-.277671 .0730428 -3.80 0.001 -.4305514 -.1247907
ln_Dif_2015_18 Coef. Std. Err. t P>|t| [95% Conf. Interval]
Total .633490379 23 .02754306 Root MSE = .12635
Adj R-squared = 0.4204
Residual
.303337509 19 .015965132 R-squared = 0.5212
Model
.330152869 4 .082538217 Prob > F = 0.0054
F( 4, 19) = 5.17
Source
SS df MS Number of obs = 24
El coeciente del ingreso per cápita del 2008 (- 0,28),
con un ajustado del 0,42, nos indica una fuerte evidencia
de convergencia de los ingresos per cápita hacia el 2015.
Propósito y signicancia
De la Tabla 2 y Tabla 3 de la variable ln_promedio_pea_
Productividad del capital humano para incrementar el ingreso per cápita de la población económicamente activa (PEA) a nivel nacional y regional:
caso peruano período 2008 – 2015
Julio - Diciembre 2018
282
edu_univ que representa la productividad del s
h
capital
humano, en el presente trabajo se obtuvo los siguientes
resultados que forma resumida se pueden visualizar en la
siguiente Tabla 5.
Tabla 5. Resumen del capital humano
Casos Coeciente Probabilidad (p)
Caso I 1,197 < 0,05
Caso II 1,224 < 0,05
Signicando que la productividad del capital humano
es la variable principal que contribuye realmente al
incremento del PBI per cápita de la PEA o ingreso per
cápita (y), al poseer el mayor coeciente positivo con una
p < 0,05 para ambos casos. De la tabla relativa al análisis
de la Convergencia se obtiene:
Tabla 6. Resumen de convergencia
Variables Exógenas
adicionales
Coeciente de y
2008
R
2
Ajustado
n, s
k
, sh -0,277 0,42
Los valores de la convergencia se acrecientan cuando
los coecientes de las variables son más negativos y el
R2 se aproxima a 1. Se puede armar por lo tanto que en
Perú existe convergencia entre las regiones y se asevera
que en presencia del capital humano (s
h
), la convergencia
es más rápida (-0,277), en otros términos, la brecha de
PBI per cápita entre las regiones del Perú disminuirá con
mayor rapidez si la productividad del capital humano se
incrementa.
De la investigación de Markiew et al. (1992) se
considera como capital humano a la población cursando
estudios de educación secundaria entre las edades de 12
a 17, es una variable imperfecta porque no todo el capital
humano es parte de la PEA. En esta investigación el
capital humano y la población con estudios de educación
universitaria constituyen parte de la PEA para el caso de
esta investigación.
4. Conclusiones
La PEA con Educación Universitaria (s
h
) es la de mayor
productividad, variable que más acrecienta el PBI per
cápita, seguida por la productividad de la población con
estudios universitarios (s
k
). Los resultados de la regresión
(12) y la regresión (13), así lo demuestran, es decir que
cuando la productividad del capital humano aumenta en
1% en promedio el ingreso per cápita aumenta en 1,224%
y el ingreso per cápita aumenta en 0,578%.
Existe convergencia del PBI per cápita de la PEA entre
las regiones del Perú y, la PEA con Educación Universitaria,
variables con mayor incidencia en la disminución de la
brecha entre las regiones de mayores ingresos per cápita
relativos y las regiones de más bajos ingreso per cápita para
el período 2008 – 2015. Es el caso, por ejemplo: Apurímac
con menor PBI per cápita en 2008 creció cuatro veces más
que Moquegua con un mayor PBI per cápita en el 2015.
Utilizando el modelo de Solow Extendido se demuestra
que la productividad del capital humano (s
h
) incrementa el
ingreso per cápita de los peruanos y también disminuye
las diferencias de ingreso per cápita entre residentes de las
diferentes regiones del Perú, lo que signica que mantener
altas las tasas de productividad es esencial para contar
con un uso sostenible de los recursos productivos y para
contribuir con el crecimiento regional y nacional.
5. Recomendaciones de políticas
El gobierno central y los gobiernos regionales deben
impulsar el crecimiento económico desde de las regiones
de menores ingresos per cápita, por ser las de mayor
crecimiento económico promedio para el período, con
una mayor inversión en capital físico para incrementar
la productividad del capital humano con educación
universitaria, proceso que se viene denominando como
“crecimiento económico desde adentro”.
6. Literatura citada
Castagnino, S.2018. Mejoramiento de Capital Humano
Para el Incremento Del Ingreso Per Cápita De la PEA
Caso Peruano Años 2008 y 2015.49, 56,71,73,76, 77pp.
Universidad Nacional Agraria La Molina, Lima, Perú.
ESCALE [Unidad de Estadística Educativa - Ministerio
de Educación]. 2016. Gasto público en educación por
alumno, superior universitaria -soles corrientes (en
línea). Disponible en: http://escale.minedu.gob.pe/.
INEI [Instituto Nacional de Estadística e Informática].
2016. Dirección Nacional de Cuentas Nacionales.
Indicadores: PBI a precios constantes 2007, PEA, PBI
a precios corrientes, Tasa de crecimiento promedio
anual de la población. Disponible en: https://www.inei.
gob.pe.
Jiang, Y. 2013. Openness, Economic Growth and Regional
Disparities: The Case of China. 32pp. Springer, Berlin,
Heidelberg.
Linares, A. 2012. Teoría y Política Macroeconómica en
una Economía Abierta. 326pp. Universidad Nacional
Agraria La Molina, Lima, Perú.
Mankiw, G.; Romer, D.; Weil, D. 1992. A Contribution to
the Empirics of Economic Growth. 408, 413, 415pp.
The Quarterly Journal of Economics, 107:407-437
Piqué, P. 2018. La Enseñanza del Proyecto Filosóco de
Adam Smith En La Historiografía del Pensamiento. Pp
99. Praxis Filosóca Nueva serie, No. 46 enero-junio
2018: 89110 DOI: 10.25100/plosóca.v0i46.6150}
Plata, L.; González, P.; Calderón, E. 2017. La función de
crecimiento de Richard y los modelos de crecimiento
neoclásicos. EconoQuantum [online] 14 (1): 99-118.
Solow, R. 1956. A Contribution to the Theory of conomic
Growth”, The Quarterly Journal of Economics 70. The
World Bank. 2017. Índices: PBI per cápita de China,
Corea de Sur, Filipinas y Perú (en línea). Disponible
en: https://data.worldbank.org/indicator/NY.GDP.
PCAP.CD.
C. Castagnino & A. Linares / Anales Cientícos 79 (2): 278-283 (2018)
283
Anexos
Anexo 1:Informacion para el desarrollo de las regresiones de esta investigación (data)
AÑO
PBI_PEA_
percapita_2008
PBI_PEA_
percapita_2015
%Tasa_Crec_Prom
_Pob
Promedio%_PEA_
EDU_UNIV
Gasto_Pub_Prom_per_
Alumn_Univ
Amazonas 8824,64 12182,87 0,513 6,900 9324,484076
Ancash 28431,69 28074,18 0,588 13,213 6015,728353
Apurímac 7079,67 9924,48 0,563 10,363 6005,238493
Arequipa 30527,65 34090,84 1,075 22,150 3346,583881
Ayacucho 10317,85 14637,12 1,175 10,263 3734,702918
Cajamarca 11061,25 13150,43 0,450 7,613 4406,494506
Cusco 16394,25 27424,19 0,675 13,275 5020,545999
Huancavelica 11257,67 12672,34 0,825 6,038 4320,486455
Huánuco 8177,28 10934,07 0,850 11,888 4530,330614
Ica 27634,72 38035,00 1,075 17,838 5302,720882
Junín 14957,87 20100,44 0,738 15,138 4450,450044
La Libertad 18696,66 21220,42 1,288 14,138 4210,540807
Lambayeque 12308,77 16966,53 0,888 11,863 3837,910171
Lima 31631,21 41338,25 1,500 22,000 6388,291951
Loreto 16019,75 16707,60 1,213 9,563 6449,618177
Madre de Dios 28763,34 29532,52 2,638 14,075 8031,646191
Moquegua 93063,13 84088,02 1,075 17,513 16802,860720
Pasco 40564,74 32499,96 0,800 15,400 6237,287674
Piura 15793,06 20608,47 0,825 9,550 5380,192001
Puno 8561,58 10665,36 0,900 13,463 4590,141878
San Martin 8960,55 12897,96 1,488 8,175 5600,275310
Tacna 29146,09 36701,10 1,388 20,738 5793,617898
Tumbes 15766,14 19723,22 1,513 11,938 9942,807899
Ucayali 13407,63 15290,39 1,375 10,000 6303,537305
Fuente: INEI (2017) y ESCALE (2016).
. Producto Bruto Interno a precios constantes de 2007(Miles de soles de 2007).
. Población económicamente activa (Personas).
. *Gasto público en educación por alumno, superior universitario (soles corrientes).
. Tasa de crecimiento promedio anual de la población (Porcentaje).
. Porcentaje de la población económicamente activa con educación superior universitaria (Porcentaje).
. Producto Bruto Interno a precios corrientes (Miles de soles).
. Producto Bruto Interno per cápita a precios constantes de 2007 (Soles).
. Corrido a precios soles del 2007.
Anexo 2. Capital Físico
Crecimiento
Porcentual
Gasto Publico Alumno
Universitario Nacional (soles
2007)
PBI per cápita
(soles 2007)
2008 15,94% 7,90%
2009 -0,02% -0,03%
2010 26,47% 7,12%
2011 0,54% 5,13%
2012 8,30% 4,94%
2013 11,98% 4,68%
2014 13,96% 1,23%
2015 19,82% 2,14%
Promedio 12,12% 4,14%
Fuente: INEI (2017) y ESCALE (2016).
. *Gasto público en educación por alumno, superior universitaria
(soles corrientes).
. Producto Bruto Interno per cápita a precios constantes de 2007
(Soles).
Anexo 3. Convergencia
Regiones de Menor
Ingreso Per cápita
2008
PBI per cápita (soles
2007)
Crecimiento
Económico
Promedio 2008-2015
Apurímac 3825 4,42%
Huánuco 4266 5,20%
Amazonas 4725 5,35%
San Martin 4741 5,21%
Regiones de Mayor
Ingreso Per cápita
2008
PBI per cápita (soles
2007)
Crecimiento
Económico
Promedio 2008-2015
Tacna 16129 1,90%
Madre de Dios 16571 1,41%
Pasco 18814 -1,33%
Moquegua 51687 1,02%
Nacional 12111 4,14%
Promedio regional 11140 3,65%
Fuente: INEI (2017).
Producto Bruto Interno per cápita a precios constantes de 2007 (Soles).