Retos, 15(29), 2025 Revista de Ciencias de la Administración y Economía
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
www.retos.ups.edu.ec
abril-septiembre 2025
pp. 115-129
https://doi.org/10.17163/ret.n29.2025.07
Revista de Ciencias de Revista de Ciencias de
Administración y EconomíaAdministración y Economía
La productividad en América Latina. Un análisis a través de una
función Cobb-Douglas
Productivity in Latin America. An analysis using
a Cobb-Douglas function
César Lenin Navarro-Chávez
Profesor investigador, Instituto de Investigaciones Económicas y Empresariales, Universidad Michoacana de San Nicolás
de Hidalgo, Morelia, México
cesar.navarro@umich.mx
https://orcid.org/0000-0002-4465-8117
René Augusto Marín-Leyva
Profesor investigador, Instituto de Investigaciones Económicas y Empresariales, Universidad Michoacana de San Nicolás
de Hidalgo, Morelia, México
rene.marin@umich.mx
https://orcid.org/0000-0002-4782-3798
Daniela Valenzuela-Carreño
Maestra en Políticas Públicas, Instituto de Investigaciones Económicas y Empresariales, Universidad Michoacana de San
Nicolás de Hidalgo, México
daniela.valenzuela@umich.mx
https://orcid.org/0009-0001-1435-8236
Recibido: 05/09/24 Revisado: 24/12/24 Aprobado: 17/02/25 Publicado: 01/04/25
Resumen: en América Latina el limitado crecimiento de la actividad económica se ha caracterizado por su fuerte correlación con la baja pro-
ductividad, es por ello que se analiza el comportamiento de la Productividad Total de los Factores (PTF) en esta región. El objetivo de esta
investigación es examinar el papel del trabajo (L), el capital (K) y el cambio tecnológico (A) en la evolución de la PTF en América Latina durante
el periodo 1990-2019. Se instrumenta un modelo de datos panel mediante el estimador de “Grupo de Medias Agrupadas” (PMG), para catorce
economías durante 29 años. En los resultados se evidencia la existencia de dependencia transversal y raíz unitaria de orden I(1). Se presenta
una relación de largo plazo entre las variables y se encuentra que el trabajo (L), el capital (K) y el cambio tecnológico (A) inciden positivamente
en la PTF. Se encontró que, en el corto plazo, el capital (K) tiene un impacto mayor que el cambio tecnológico (A) en la PTF; mientras que, en
el largo plazo es el cambio tecnológico (A) el que más influye. El modelo muestra una velocidad de ajuste del 18 %, lo que implica un tiempo
de corrección estimado de 5.5 años. En conclusión, en el trabajo se da cuenta de la importancia de fortalecer la innovación y el desarrollo tec-
nológico en la región, para mejorar la productividad y el crecimiento económico.
Palabras clave: Productividad Total de los Factores (PTF), crecimiento económico, datos panel, función de producción Cobb-Douglas, Grupo de
Medias Agrupadas (PMG).
Cómo citar: Navarro-Chávez, C. L., Marín-Leyva, R. A. y Valenzuela-Carreño, D. (2025). La productividad en América Latina.
Un análisis a través de una función Cobb-Douglas. Retos Revista de Ciencias de la Administración y Economía, 15(29), pp. 115-129.
https://doi.org/10.17163/ret.n29.2025.07
© 2025, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
116 César Lenin Navarro-Chávez, René Augusto Marín-Leyva y Daniela Valenzuela-Carreño
Abstract: in Latin America, the limited growth of economic activity has been characterized by its strong correlation with low productivity, which
is why the behavior of Total Factor Productivity (TFP) in this region is analyzed. The objective of this research is to examine the role of labor (L),
capital (K), and technological change (A) in the evolution of Total Factor Productivity (TFP) in Latin America during the period 1990-2019. A panel
data model is implemented using the “Pooled Mean Group” (PMG) estimator for fourteen economies over a period of 29 years. The results show
the existence of cross-sectional dependence and a unit root of order I(1). A long-term relationship between the variables is presented, and it is
found that labor (L), capital (K), and technological change (A) positively impact TFP. It was found that, in the short term, capital (K) has a greater
impact than technological change (A) on TFP; whereas, in the long term, it is technological change (A) that has the most influence. The model
shows an adjustment speed of 18%, which implies an estimated correction time of 5.5 years. In conclusion, the work highlights the importance of
strengthening innovation and technological development in the region to improve productivity and economic growth.
Keywords: Total Factor Productivity (TFP), economic growth, panel data, Cobb-Douglas, Pooled Mean Group (PMG).
Introducción
Contexto latinoamericano
El lento crecimiento económico es un pro-
blema que ha caracterizado a América Latina,
de acuerdo con datos del Banco Mundial (2023),
desde la década de los noventa los países que
integran esta región, han tenido un crecimiento
porcentual de su Producto Interno Bruto (PIB) del
2.5 %, por debajo del promedio mundial, que para
estos años fue del 2.9 % anual. Esta situación pue
-
de ser atribuida a una serie de factores de corte
estructural, sin embargo, también se asocia a la
eciencia de las economías y a su productividad
(CEPAL, 2016).
El crecimiento de la actividad económica se
encuentra correlacionado con la productividad, en
el contexto latinoamericano esta situación ha reve-
lado un atraso lo que limita el desarrollo de estos
países. El análisis de la Productividad Total de los
Factores (PTF) representa un elemento fundamen-
tal para las economías con ingresos medios, ya que
explica una parte del rezago al cual se enfrentan,
diversos autores identican que es a través de la
mejoría en la eciencia productiva donde podrán
cerrar la brecha en la distribución del ingreso (Kim
y Park, 2017; Yalçınkaya et al., 2017).
En América Latina existe una gran limitante
asociada con la informalidad de la economía, los
trabajadores no cuentan con acceso a seguridad
social afectando directamente su productividad,
las empresas se encuentran al margen del cumpli-
miento de sus obligaciones scales lo que limita
el acceso al nanciamiento (Aravena y Fuentes,
2013; Ros, 2008), este factor que ha caracterizado
a la región incide en el desempeño de los factores
de la producción, y por consiguiente en la PTF.
Adicionalmente se considera que el avance
tecnológico en la región, elemento que tendría
que ser fundamental para lograr el crecimiento
económico, no ha tenido un papel clave en el
desenvolvimiento de la PTF, este hecho es eviden-
ciado a la luz de un número limitado y por debajo
de la media mundial de solicitudes de patentes
(Banco Mundial, 2023c), y una escasa inversión
en I+D (Banco Mundial, 2023b), demostrando la
ineciencia técnica de las economías protagonis-
tas de este artículo que limitan el desarrollo de
su PTF, lo que incide de manera negativa en su
crecimiento económico.
Fundamentos
En este trabajo la PTF tiene un papel prepon
-
derante ya que es un indicador macroeconómico
que se encuentra enmarcado en la contabilidad
del crecimiento, el cual identica el desempeño
de los factores de la producción trabajo (L), capital
(K) y el cambio tecnológico (A) como determinan-
tes de la producción en el sentido de Cobb-Dou-
glas (1928), es así, que su análisis resulta de gran
utilidad para la aplicación de medidas de política
económica (Barro y Sala-i-Martin, 2012).
El objetivo de este trabajo es analizar el com-
portamiento de los factores de la producción en
el desarrollo de la PTF para las economías lati-
noamericanas durante el periodo 1990-2019. El
primer aporte de esta investigación se encuentra
relacionado con el uso del estimador del Grupo
de Medias Agrupadas propuesto por Pesaran et
al. (1999), el cual permite estimar los coecientes
de largo plazo y los coecientes de corrección de
error, al tiempo que genera los coecientes espe-
cícos de corto plazo, lo anterior mediante una
estimación de máxima verosimilitud. El segundo
La productividad en América Latina. Un análisis a través de una función Cobb-Douglas
Retos, 15(29), 115-129
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
117
aporte que tiene la investigación es que se prueba
la hipótesis de que el trabajo, el capital, así como
el cambio tecnológico han sido los determinan-
tes de la PTF de las economías latinoamericanas
durante el periodo 1990-2019, esto a partir de la
función de producción Cobb Douglas.1
Este trabajo se divide en seis apartados. En
el primero se tiene la introducción. El segundo
corresponde a la revisión de la literatura, especí-
camente se trabaja la función de producción y
los modelos de crecimiento. En el tercero se da la
evidencia empírica de las variables. En el cuarto,
se desarrolla la metodología y las bases de datos.
Los resultados se presentan y son analizados en
el quinto apartado. Finalmente, en el sexto apar-
tado se presentan las conclusiones derivadas de
este estudio.
Revisión de literatura
Desde sus inicios, la ciencia económica ha te-
nido como objetivo analizar el crecimiento de los
países, así como sus diferencias, desde la perspec-
tiva neoclásica es posible abordar los elementos
que son determinantes en la producción de un
país, a partir del desempeño de los factores de
la producción, es decir, del trabajo y del capital,
así como del cambio o avance tecnológico, es por
ello que en este apartado se realiza un análisis de
las teorías que han explicado estas disparidades,
tomando como base la función de producción
Cobb-Douglas (1928).
Función de producción Cobb-Douglas
Los antecedentes de la función de producción
se encuentran, por un lado, en la teoría de Clark
(1899) y Wicksteed (1894), los cuales proponen
que a partir de la combinación de los factores tra-
bajo y capital es posible determinar el tamaño de
la producción. Por otro lado, se tiene la inuencia
de Wicksell (2001), quien destaca la importancia
de analizar los ciclos económicos, identicando
que son aanzados a partir de una fuerza externa,
la cual denominó progreso técnico. Más tarde,
1 Técnica utilizada para medir la tasa de crecimiento de la productividad de una economía restando el crecimiento que se
debe a la acumulación de los factores del crecimiento (Weil, 2006).
2 En el documento original se consideran los coeficientes con nomenclatura P´, L y C.
Cobb y Douglas (1928), realizan una contribución
fundamentada en la evidencia empírica de la
economía de Estados Unidos.
En su trabajo Cobb y Douglas (1928), pre-
sentan a partir de la información de la industria
manufacturera de los Estados Unidos la función
de producción neoclásica, expresada en los si-
guientes términos:2
Y= AKαL β
donde:
Y= Producción.
A= Progreso tecnológico o PTF.
K= Stock de capital o factor capital (conjunto
de bienes o activos que se usan para producir).
L= Número de trabajadores o factor trabajo.
α = Parámetro que indica la capacidad pro-
ductiva del factor capital.
β= Parámetro que indica la capacidad pro-
ductiva del factor trabajo.
Los parámetros indican la tasa de cambio que
ejerce el trabajo o el capital en la producción de la
industria manufacturera, de manera que la prime-
ra derivada indica la proporción de la variación
que los factores tienen en el crecimiento de la
producción, es decir, se presenta la productividad
marginal del capital (α) y del trabajo (β).
Cobb y Douglas (1928), consideran en su ar-
tículo que existen rendimientos constantes, esto
es, la suma de los parámetros es igual a 1, no obs-
tante, existen otros casos como los rendimientos
decrecientes, donde al sumar los parámetros se
obtiene un resultado inferior a la unidad, mien-
tras que si fuera mayor que 1 se clasicaría como
rendimientos crecientes a escala. El resultado al
cual llegan Cobb y Douglas (1928), establece que
la producción, el trabajo y el capital se encuentran
relacionados, de tal manera que, si se multiplican
estos dos últimos por un factor , la producción se
incrementa en esa cuantía, es decir en m veces,
esto es, la producción es una función homogénea
de primer grado del trabajo y del capital.
© 2025, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
118 César Lenin Navarro-Chávez, René Augusto Marín-Leyva y Daniela Valenzuela-Carreño
El resultado al cual llegan Cobb y Douglas
(1928), se encuentra en congruencia con la función
de producción de Clark (1899) y Wicksteed (1894).
Los autores consideran que es posible realizar la
cuanticación a partir del método de Mínimos
Cuadrados Ordinarios (MCO), con este aporte a la
teoría económica presentan una propuesta inno-
vadora en los estudios del crecimiento económico.
Modelos de crecimiento
En el marco del enfoque neoclásico, existen
diversas perspectivas que explican el crecimiento
económico. Por un lado, se encuentran aquellas
teorías que identican el crecimiento de una ma-
nera exógena, esto es, las variables que explican
el crecimiento económico se encuentran fuera
del modelo, además se fundamenta la idea de
que una vez encontrado el estado estacionario
la relación capital-producto no varía, obtenien-
do así una relación ja, esto implicaría que en el
largo plazo la actividad productiva se encuentra
limitada por factores exógenos tanto de lado de la
oferta como de la demanda (Perrotini et al., 2019).
Por otro lado, existen teorías que determinan que
la tasa de crecimiento no se encuentra en estado
estacionario, por lo tanto, se tendría que incenti-
var el capital humano, así como las capacidades
y habilidades de este, lo que conduciría a una
mejoría en el factor tecnológico (Jiménez, 2011).
Durante la década de los cincuenta hasta los
años noventa predominó el pensamiento de los
modelos de crecimiento exógeno que identicaron
el llamado estado estacionario, donde los factores
de la producción trabajo y capital no provocan un
aumento en el crecimiento de la producción, es
decir, provocaban rendimientos decrecientes. Por
tanto, una fuerza exógena sería la que causaría esta
situación, esto es, a partir de los avances tecnológi-
cos de los países se podría mostrar dicho fenómeno,
el principal exponente de esta corriente es Solow
(1956). Con su famoso residuo, reconoce que, en el
largo plazo, será el aumento en la tasa de ahorro y
el avance tecnológico, es decir, las variaciones en
la constante A, las que provocarán el crecimiento
económico. El modelo de crecimiento óptimo de-
sarrollado a partir de los trabajos de Ramsey (1928)
y posteriormente retomado por Koopmans y Cass
(1965), muestran desde la perspectiva microeconó-
mica la decisión de los hogares y las empresas entre
el ahorro y el consumo, y como dicha situación
afectará el bienestar intertemporal y el crecimiento
económico retoman la idea del avance tecnológico
de manera exógena.
El modelo de crecimiento de Mankiw et al.
(1993), retoma las ideas del residuo de Solow
identicando que dicho autor estaría en lo correc-
to al considerar los factores de la producción, no
obstante, se tendría que dar un mayor peso al fac-
tor trabajo ya que será la fuerza trabajadora quien,
a través de sus habilidades y conocimientos, ge-
nere un cambio en el crecimiento económico. En
resumen, los modelos de crecimiento exógeno
identican que, en el largo plazo, la única manera
de generar un aumento en la producción será si
se implementan mejoras tecnológicas.
Durante la década de los noventa, los estudios
económicos muestran un fuerte rechazo al llama-
do estado estacionario, logrando de esta manera,
endogeneizar las variables que permiten lograr
un crecimiento de la producción. De acuerdo con
diversos autores el papel de los trabajadores será
decisivo y, no proviene de manera foránea o ex-
terna debido a que es este factor ya sea mediante
la adquisición de conocimientos y habilidades,
o por las externalidades positivas generadas por
la I+D que incrementa su productividad y por
consiguiente, el crecimiento económico de una
manera sostenida (Romer, 1986; Baumol, 1986;
Lucas, 1988). Adicionalmente existen otros tra-
bajos que identican la importancia del gasto
público y de las inversiones en I+D, así como de
la estabilidad en las políticas monetarias y scales
y el papel de las instituciones como elementos
que propician el crecimiento económico (Barro,
1991; Rebelo, 1991; Howitt, 2004).
En síntesis, los modelos endógenos conside-
ran que, para lograr el crecimiento económico
de manera sostenida es necesario incentivar el
capital humano, y esto será posible a través de la
inversión en I+D, ya que genera externalidades
positivas, como el incremento de la producti-
vidad en este factor. Dicho de otro modo, será
posible tener rendimientos crecientes o constantes
a escala, conjuntamente se resalta el papel de las
instituciones y de la estabilidad macroeconómica
para lograr la expansión económica de los países.
La productividad en América Latina. Un análisis a través de una función Cobb-Douglas
Retos, 15(29), 115-129
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
119
Evidencia empírica
La revisión de la literatura permite identicar
algunos aspectos de la PTF en diversos contextos,
en este sentido, existen trabajos que consideran el
papel que ha tenido la PTF en el crecimiento eco-
nómico (Hofman et al., 2017; Kim y Park, 2017; Vi-
llalobos et al., 2021; Yalçınkaya et al., 2017). Otros
estudios se enfocan en cuanticar la aportación
de los factores de la producción en el crecimiento
de la PTF (Ayvar y Guitrón, 2013; Maudos et al.,
1999; Nguyen, 2021; The Conference Board, 2023).
Adicionalmente hay evidencia empírica que ana-
liza el impacto en la PTF de otras variables tales
como, los desequilibrios macroeconómicos, los
términos de intercambio, las volatilidades en el
comercio o la importancia en la I+D (Dańska-Bor-
siak y Laskowska, 2012; Gutiérrez Villca, 2020;
Méndez et al., 2013).
En los estudios que tienen como objetivo es-
tudiar la inuencia que tiene la PTF en el cre-
cimiento económico, es posible generalizar las
similitudes que existen en los resultados a los
cuales llegan diversos autores que revelan la im-
portancia que tiene la PTF, incluso por encima
de los factores de la producción trabajo y capital
en el crecimiento económico (Kim y Park, 2017;
Yalçınkaya et al., 2017). Los estudios latinoame-
ricanos dan evidencia en este sentido, ya que
presentan contribuciones negativas en el creci-
miento de la PTF, siendo esto una consecuencia y
explicación para el escaso crecimiento económico
(Hofman et al., 2017; Méndez et al., 2013; Villalo-
bos et al., 2021).
Los trabajos que analizan la aportación de los
factores de la producción consideran, por un lado,
que el factor trabajo o capital humano inuye
de manera más signicativa en la PTF (Ayvar y
Guitrón, 2013; Maudos et al., 1999), mientras que
para otros estudios es el factor capital el que tiene
mayor incidencia en la PTF (Nguyen, 2021; The
Conference Board, 2023) por supuesto que estos
resultados deben ser considerados para diferentes
economías en diversos contextos.
Existen estudios latinoamericanos, no enmar-
cados en el enfoque de la función de producción
que consideran variables que explican el com-
portamiento de la PTF. Por una parte, se tiene los
estudios que relacionan de manera directa la PTF
con la eciencia técnica, el progreso tecnológico,
los términos de intercambio, Inversión Extranjera
Directa, el ahorro, la productividad media por
trabajador, la escolaridad y la esperanza de vida
(Gutiérrez, 2020; Méndez et al., 2013; Ramírez y
Aquino, 2005). Por otra parte, Gutiérrez (2020)
encuentra una relación negativa de la PTF con los
desequilibrios macroeconómicos, la volatilidad en
el comercio, la informalidad, la tasa de fertilidad, la
desigualdad y crisis externas. Finalmente, Ramírez
y Aquino (2005), dan evidencia de una relación
inversa entre las crisis inacionarias y la PTF.
Los trabajos revisados enfatizan la importan-
cia de la variable I+D, ya que serán los esfuerzos
en el progreso tecnológico los que causen el in-
cremento en la PTF, y con ello generarán mayor
crecimiento económico (Dańska-Borsiak y Las
-
kowska, 2012; Méndez et al., 2013; Nguyen, 2021).
Estudios más recientes analizan el comporta-
miento de las economías de Asia Oriental, a través
de metodologías de datos de panel, adicionando
otros elementos, en los cuales se destacan: la in-
versión real, la acumulación de capital físico, el
número de horas promedio de trabajo, el desarro-
llo del capital humano, así como la tasa interna
de retorno como factores clave en el crecimiento
de la PTF (Lee y Viale, 2023). El trabajo realiza-
do por Rehman e Islam (2023), se enfoca en las
economías de los BRICS y destaca la importancia
de la infraestructura nanciera tanto en el corto
como en el largo plazo, la apertura comercial, la
IED, el capital humano, la innovación y la calidad
institucional como factores que inciden en la PTF.
En otro enfoque de estudios, se destaca la im-
portancia de la PTF verde (GTFP, por sus siglas en
inglés), como una medida de eciencia orientada
a la sostenibilidad ambiental. Es decir, por un
lado, se consideran los factores tradicionales de
la producción, y por otro, se integra el impacto
al medio ambiente, promoviendo enfoques de
corte más sostenible, este tipo de trabajos tienen
mayor aplicación en la economía China (Jiakui et
al., 2023; H. Liu et al., 2023; Y. Liu et al., 2023). En
la misma línea, existen trabajos donde se analiza
la incidencia de la tecnología digital (Pan et al.,
2024), las nanzas verdes (ujos nancieros des-
tinados a proyectos sostenibles) (Feng et al., 2024;
© 2025, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
120 César Lenin Navarro-Chávez, René Augusto Marín-Leyva y Daniela Valenzuela-Carreño
Yue et al., 2024), así como el desarrollo del internet
y la banda ancha móvil en la determinación de
la PTF verde (Edquist, 2024; Wen y Deng, 2024).
Materiales y métodos
En esta investigación, los modelos de creci-
miento son analizados mediante la metodología
de datos panel, se han tomado en cuenta los bene-
cios que tienen este tipo de modelos compara-
dos con un modelo típico de corte transversal o,
inclusive, también serían capaces de controlar la
heterogeneidad individual e identicar los efectos
que habrían sido indetectables en datos de series
de tiempo tradicionales.
En este trabajo la especicación empírica del
modelo de datos panel queda como sigue:
Donde el representa el promedio de las va-
riables en el largo plazo, de tal suerte que el lo-
garitmo de la PTF se encuentra en función del
logaritmo del factor capital (K), en segundo lugar,
se considera el logaritmo del factor trabajo y por
último la PTF está denida por el cambio tecno-
lógico y es el término de error.
Como lo especican Pesaran et al. (1999), es
posible llevar a efecto una reparametrización con
la nalidad de realizar una estimación PMG, que-
dando la ecuación en los siguientes términos:
donde:
ϕi: = Parámetro de velocidad de corrección
de errores del término de ajuste.
PTF
it
= Vector de T x 1 de las observaciones
de la variable dependiente en las economías
latinoamericanas.
Kit= Matriz de T x k de observaciones sobre
los regresores de la variable independiente
capital que varían entre grupos en el periodo
de tiempo.
L
it
= Matriz de T x k de observaciones sobre
los regresores de la variable independiente
trabajo que varían entre grupos en el periodo
de tiempo.
A
it
= Matriz de T x k de observaciones sobre
los regresores de la variable independiente
cambio tecnológico que varían entre grupos
en el periodo de tiempo.
ι = (1,…, 1) es un vector T x 1 de los PTFi,-j,
K i-j, L i-j, A i-j son j valores rezagados del
periodo de PTFit, Kit, Lit y Ait.
λit = Escalares.
δ= Vectores de coecientes k x 1.
εi= Término de error.
Prueba de dependencia transversal
Pesaran (2004), propone un estadístico elimi-
nando el método de cálculo que tradicionalmente
se había considerado, esto es, la matriz espacial
resultaba incompleta para especicar si los da-
tos contaban con dependencia, esta métrica no
permitía que se capturasen los factores comunes
(económicos o sociopolíticos) que son determi-
nantes y que generan dependencia. La prueba CD
de Pesaran (2004), es una rutina válida cuando
N y T →∞ bajo cualquier orden.
La toma de decisión para determinar si existe
o no dependencia transversal, supone que el tér-
mino de error uit es independiente e idénticamen-
te distribuido (i.i.d.) a lo largo de los periodos y
entre las unidades transversales (Pesaran, 2004).
Prueba de raíz unitaria CADF
Las variables que son observadas a través
del tiempo requieren una serie de pruebas que
aseguren que son estacionarias “en términos ge-
(1)
(2)
(3)
La productividad en América Latina. Un análisis a través de una función Cobb-Douglas
Retos, 15(29), 115-129
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
121
nerales, una serie de tiempo es estacionaria si su
media y varianza no varían sistemáticamente con
el tiempo” (Gujarati y Porter, 2010).
Existe una metodología que permite identi-
car la raíz unitaria cuando existe dependencia
en la sección transversal (Im et al., 2003), de esta
manera se relaja el supuesto de independencia
transversal que las pruebas de primera genera-
ción pugnaban ya que “eran bastante restrictivas
y poco realistas en las aplicaciones macroeconó-
micas” (Hurlin y Mignon, 2006, p. 3).
La prueba de estacionariedad (Im et al., 2003)
consiste en aumentar las regresiones estándar con
los promedios de sección transversal, a partir de
los rezagos y de las primeras diferencias para
cada serie teniendo de esta manera promedios
simples aumentados transversalmente, lo que
resultaría en un nuevo estadístico denominado
CADF. El desarrollo del modelo se encuentra
especicado a partir de las regresiones estándar
de Dickey-Fuller con el promedio de la sección
transversal de los niveles rezagados y de las pri-
meras diferencias.
Se considera un modelo para N secciones
transversales observadas en T periodos:
El interés resulta en los valores de probando
la hipótesis nula de raíces unitarias para todo
i (ϕ
i
= 1), lo cual puede ser expresado en la si-
guiente ecuación:
Donde:
αi = (1 - ϕi)μi
βi = - (1 - ϕi)
ΔYit = Yit - Yi,t-1)
Cointegración
Los modelos de datos panel tienen la posibi-
lidad de establecer relaciones en el largo plazo lo
cual puede ser vericable a través de la prueba
de cointegración, tradicionalmente dicho test re-
quería que los parámetros del corto plazo fueran
iguales a los de largo plazo, lo que mostraría una
falla por poner una restricción de factor común.
La prueba propuesta por Westerlund (2007), se
encuentra diseñada bajo la hipótesis nula de no
cointegración.
El modelo de cointegración desarrollado por
Westerlund (2007), puede ser especicado como
sigue.
Se considera el siguiente proceso de genera-
ción de datos
Donde es un escalar determinístico, el vector
es una caminata aleatoria y es el término estocás-
tico. Mientras que t = 1,…,T y i = 1,…,N expresan
las series de tiempo y las unidades de sección
cruzada respectivamente.
La prueba de cointegración presentada consta
de cuatro estadísticos, dos de ellos agrupan la
información sobre el error y son denominados
estadísticas de panel (Gt y Ga), mientras que los
otros muestran las estadísticas (Pa y Pt) de las
medias en los grupos, sugiriendo que al menos
alguna unidad se encuentra cointegrada (Persyn
y Westerlund, 2008).
Estimador de medias agrupadas
para paneles dinámicos
(Pooled Mean Group)
Tradicionalmente los estimadores para datos
panel asumían que los coecientes y las varianzas
de los errores no dirieran entre los grupos, dadas
las características de los individuos o unidades
económicas, resultaba complejo asumir que en el
corto plazo las varianzas del error fueran igua
-
les. Por tal razón, Pesaran et al. (1999), proponen
una nueva manera de realizar estimaciones para
paneles con N y T grandes a través del estimador
para medias agrupadas en paneles dinámicos
Pooled Mean Group (PMG), el cual condiciona a
los coecientes en el largo plazo a ser idénticos.
De acuerdo con Pesaran et al. (1999), en el largo
plazo se espera que existan relaciones de equilibrio,
(4)
(5)
(6)
© 2025, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
122 César Lenin Navarro-Chávez, René Augusto Marín-Leyva y Daniela Valenzuela-Carreño
lo que se expresaría mediante variables homogé-
neas, o similares entre los grupos. Esto, parecería
visible al considerar ciertas condiciones que inu-
yen de manera parecida en el panel, tales como
restricciones presupuestales o tecnologías comunes.
Un modelo Autoregressive Distributed Lag
Model (ARDL por sus siglas en inglés) es aquel
que considera rezagos en las variables o lo que es
lo mismo se introducen retardos en las variables
de los vectores contemplados (Cho et al., 2023).
Estos modelos tienen como nalidad probar
la cointegración de las variables. La propuesta
de Pesaran et al. (2001), se realiza a partir de una
prueba de límites con la nalidad de encontrar
las relaciones en el largo plazo a través de un
mecanismo de corrección de error, que permite
identicar la dinámica de ajuste de las variables
en el corto y largo plazo. El panel está dado por
la ecuación:
donde:
Yit = Variable dependiente del grupo i.
xit: = Vector de variables explicativas (regre-
sores) para el grupo i.
μi: = Efectos jos (los coecientes de las va-
riables dependientes rezagadas).
λij = Escalares.
δij = Vectores de coecientes kx1.
Bases de datos y fuentes de
información
En este trabajo la Productividad Total de los
Factores se recupera de la base de datos del Penn
World Table versión 10.0 (University of Gronin-
gen, 2021), y se obtiene a través del índice de
Törnqvist considerando los precios de los factores
que se encuentran implícitos en los precios de
los bienes (Feenstra et al., 2015).
La Productividad Total de los Factores se cal-
cula utilizando tasas de Paridad de Poder Ad-
quisitivo de cada país en relación con Estados
Unidos; y se expresa de la siguiente manera:
donde:
CTFPjk = Es la Productividad Total de Factores
a precios corrientes de cada país j en relación
con k. Para k se utilizan los precios de refe-
rencia de Estados Unidos.
= Es la variación del PIB a precios co-
rrientes.
Qt (vj, vk, wj, wk) = Es el índice de Törnqvist
de la dotación de factores de la producción.
El factor trabajo fue obtenido de la base de da-
tos del Banco Mundial (2023c), y se dene como
aquellos trabajadores que cuentan con un tipo
de empleo remunerado, esto implica que tengan
algún contrato (escrito u oral) que garantice su
salario.
En el factor capital se utilizó el indicador de
servicios de capital, el cual se obtuvo de las ba-
ses de datos del Penn World Tabble versión 10.
0 (University of Groningen, 2021). El indicador
se obtiene de la siguiente manera: a) a través las
existencias iniciales con base en el método de
inventarios perpetuos; b) mediante el deactor
de la Formación Bruta de Capital Fijo; c) se in-
cluye el rendimiento del capital en la economía
considerando la Tasa Interna de Retorno (TIR)
(Inklaar y Woltjer, 2019).
Para la medición del cambio tecnológico, se
considera el indicador del grado de intensidad
de industrialización como una variable proxy que
reeje el cambio tecnológico de las economías
latinoamericanas (United Nations Industrial De-
velopment Organization, 2013). Haga clic o pulse
aquí para escribir texto.
El indicador de grado de intensidad de indus-
trialización (INDint) se obtiene de la siguiente
manera:
donde:
MHVash = Es la participación del valor agre-
gado de manufactura de media y alta tecnolo-
gía en el valor de la manufactura total.
(7)
(8)
(9)
La productividad en América Latina. Un análisis a través de una función Cobb-Douglas
Retos, 15(29), 115-129
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
123
MVash = Es la participación del valor agre-
gado de manufactura en el PIB total (United
Nations Industrial Development Organiza-
tion, 2022).
Resultados y discusión
En este apartado se presentan los resultados
de dependencia transversal, de estacionariedad
de las series, de cointegración de largo plazo entre
los paneles y del proceso de estimación a través
de la metodología PMG de Pesaran et al. (1999).
Análisis de dependencia transversal
A través de la prueba CD de Pesaran (2004),
se verica la existencia de la dependencia trans-
versal en las variables estudiadas, los resultados
muestran que el valor probabilístico, tanto en la
variable dependiente, como en las independien-
tes es 0.000. De acuerdo con la especicación y
criterios referidos en el apartado del desarrollo
metodológico, la hipótesis nula propone que
existe independencia transversal, esta puede
ser rechazada lo que permite concluir que existe
dependencia transversal. A través de la prueba se
obtiene el promedio de los coecientes de corre-
lación por pares de los residuos de MCO de las
regresiones individuales en el panel. Y se puede
utilizar para probar la dependencia de la sección
transversal de cualquier orden jo p, así como el
caso donde no se asume un orden de las unidades
de sección transversal a priori (véase tabla 1).
Tabla 1
Resultados de la prueba de dependencia de la sección cruzada
lnPTF lnck lnLw lnA
prom ρ0.09 0.70 0.31 0.28
prom |ρ| 0.50 0.78 0.44 0.37
CD 5.00 35.94 16.91 14.40
Valor-p0.00 0.00 0.00 0.00
Nota. Elaboración propia con base en las estimaciones realizadas en Stata 17.
Prueba de raíz unitaria CADF
Considerando que existe dependencia trans-
versal en las variables estudiadas es posible
utilizar las pruebas de raíz unitaria de segunda
generación. Con la metodología de estaciona-
riedad (Im et al., 2003), se considera a partir del
estadístico CADF los valores críticos consideran
que la hipótesis nula de series no estacionarias
debe ser rechazada. Se busca que los valores pro-
babilísticos sean inferiores a 0.05, el resumen de
la prueba para cada variable y en su primera di-
ferencia puede ser observado en la tabla 2.
Tabla 2
Resultados de las pruebas de raíz unitaria de Pesaran (2003)
lnPTF lnck lnLw lnA
Zt-bar Valor-pZt-bar Valor-pZt-bar Valor-pZt-bar Valor-p
2.81 1.00 5.07 1.00 -0.83 0.20 -1.20 0.11
ΔlnPTF Δlnck ΔlnLw ΔlnA
-9.91 0.00 -3.08 0.00 -13.9 0.00 -13.2 0.00
Nota. Elaboración propia con base en las estimaciones realizadas en Stata 17.
© 2025, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
124 César Lenin Navarro-Chávez, René Augusto Marín-Leyva y Daniela Valenzuela-Carreño
Las variables cumplen su característica de ser
estacionarias en su primera diferencia, por lo que
podemos rechazar la hipótesis nula de la no esta-
cionariedad de acuerdo con la prueba de Im et al.
(2003), de segunda generación, concluyendo así, que
las variables tienen orden de integración uno, I (1).
Análisis de cointegración
La prueba de Westernlund (2007), se basa en
la cointegración del panel, si es que ocurre de esta
manera, los valores probabilísticos de algunos de
los cuatro criterios se encontrarían por debajo de
los niveles de signicación. En la prueba realizada
para las economías latinoamericanas seleccio-
nadas se demuestra que dos de los criterios Gt
y Pt son de 0.04 y 0.00 respectivamente, por lo
que es posible armar que el panel se encuentra
cointegrando (ver tabla 3).
Tabla 3
Resultados de la prueba de cointegración de Westerlund (2007)
Estadístico Value Z-value P-Value
Gt -3.12 -1.81 0.04
Ga -10.18 2.48 0.99
Pt -11.72 -2.66 0.00
Pa -13.23 -0.53 0.30
Nota. Elaboración propia con base en las estimaciones realizadas en Stata 17.
El estimador Pooled Mean Group
(PMG) para el análisis de la PTF
A través del estimador PMG propuesto por
Pesaran et al. (1999), que considera la máxima ve
-
rosimilitud de coecientes de largo plazo es posi-
ble realizar una agrupación, dadas las condiciones
de homogeneidad en los coecientes. Como lo
especica el autor, a través de un mecanismo de
corrección de error es posible determinar que en
el corto plazo los coecientes de las pendientes
y las varianzas del error dieran y en el largo
plazo sea posible presentar estimadores homo-
géneos, teniendo los resultados que se observan
en la tabla 4.
Tabla 4
Resultados del modelo Pooled Mean Group de Pesaran (1999)
Pooled Mean Group
Variables Coeficientes Valor Prob. Error estándar
Largo plazo
lnK (L1) 0.018 0.009 0.006
lnL (L1) 0.087 0.009 0.033
InA (L1) 0.073 0.013 0.029
Corto plazo
lnK (D1) 0.135 0.000 0.035
La productividad en América Latina. Un análisis a través de una función Cobb-Douglas
Retos, 15(29), 115-129
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
125
lnL (D1) 0.580 0.001 0.180
lnA (D1) 0.074 0.039 0.036
Corrección de Error (O) -0.182 0.010 0.070
Intercepto -0.046 0.000 0.012
Nota. Elaboración propia con base en las estimaciones realizadas en Stata 17.
El modelo estimado ARDL es de orden (1, 1, 1)
dado que la metodología propuesta por Pesaran
et al. (1999), el primer 1 supone que existe un
modelo que cuenta con un retraso para el cálculo
del largo plazo, el segundo hace referencia a la
media móvil, y el tercer uno es considerado como
la diferenciación de las variables en el modelo,
las cuales permiten presentar coecientes en el
corto plazo.
Con base en la evidencia empírica es posible
obtener algunas conclusiones respecto a las va-
riables utilizadas. En la parte superior de la tabla
en el modelo de largo plazo se encuentran esti-
madores signicativos —los valores probabilís-
ticos son inferiores a 0.05—. La relación entre las
variables es la esperada, es decir, se comprueba
la hipótesis de trabajo en esta investigación en la
que se establece una relación directa entre la PTF
y las variables independientes —según la teoría
económica neoclásica—.
En el largo plazo ante un cambio de 1 % en la
variable trabajo, la PTF se incrementa en 0.0871 %
en las economías latinoamericanas seleccionadas
en el periodo 1990-2019. La interpretación de este
comportamiento da cuenta que ante una mayor
formalidad en los empleos y las rmas que apo-
yan a los trabajadores con servicios médicos, y
diversas prestaciones inciden de manera positiva
en la PTF. En este sentido, la informalidad y el
autoempleo (que serían los trabajadores que no
están incluidos en la variable seleccionada de
trabajo), son los sectores con productividad más
baja, esto es, entre más informalidad y autoem-
pleo exista en los países latinoamericanos menor
será la PTF.
Un segundo elemento que se rescata en el
largo plazo es el cambio tecnológico, la eviden-
cia empírica revela que, ante cambios unitarios
porcentuales de esta variable, la PTF aumenta
en 0.073 %, lo que demuestra la importancia de
tener un alto grado de intensidad industrial en
América Latina. Esto es congruente con la teoría
del crecimiento económico propuesta por Solow
(1956), que especica que, en el largo plazo, el
progreso tecnológico será determinante para lo-
grar el crecimiento económico.
Por lo que se reere al factor capital este tiene
una elasticidad pequeña, lo que indica que ante
un cambio de 1 % en la variable, la PTF se incre-
mentaría en 0.018 %. Esta variable fue la menos
representativa en el largo plazo, mientras que el
trabajo es la de mayor importancia para las eco-
nomías latinoamericanas en el periodo 1990-2019.
En la tabla 4 se tiene evidencia además para
el corto plazo, en este caso, los estimadores son
signicativos con valores probabilísticos infe-
riores a 0.05 y al igual que en el largo plazo se
tienen relaciones positivas del trabajo, el capital
y el cambio tecnológico respecto a la PTF.
El factor trabajo, presenta un comportamiento
similar en el corto y largo plazo, en el sentido de
ser la variable que tiene una mayor incidencia en
la PTF; sin embargo, se tiene aquí, una mayor
elasticidad. Esto es, ante cambios unitarios en
esta variable la PTF aumenta en 0.580 %, dando
cuenta de la importancia del trabajo formal en
las economías estudiadas en esta investigación.
En este caso —corto plazo— el factor capital
su importancia es de segundo orden en la deter-
minación del crecimiento de la PTF, se tiene un
coeciente de 0.135. Esto es, la acumulación de
los factores de la producción, en el corto plazo,
denen en mayor medida el crecimiento eco-
nómico en correspondencia con los modelos de
crecimiento exógeno.
Respecto al cambio tecnológico, para el corto
plazo se tiene que ante cambios unitarios porcen-
tuales en esta variable la PTF aumenta en 0.74 %.
© 2025, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
126 César Lenin Navarro-Chávez, René Augusto Marín-Leyva y Daniela Valenzuela-Carreño
Este coeciente es semejante al de largo plazo, no
obstante, para el corto plazo ocuparía la tercera
posición en orden de importancia.
Por último, la evidencia del mecanismo de
corrección de error (O) muestra la velocidad con
la cual el modelo converge al equilibrio en el largo
plazo. Se cumple, además, con las especicacio-
nes del modelo, es decir, es negativo, inferior a
la unidad y signicativo (Blackburne y Frank,
2007; Pesaran et al., 1999). La interpretación de
(O) muestra que ante choques o alteraciones de
las variables seleccionadas el modelo se corrige en
un 0.182, es decir, en un 18 % de forma anual. De
esta manera, la velocidad de ajuste del modelo se
alcanza en 5.5 años,3 lo que reejaría la dinámica
de ajuste del corto al largo plazo.
Conclusiones
En este trabajo se revisan los factores que in-
ciden en el crecimiento de la PTF a partir de la
función de producción Cobb-Douglas en catorce
economías de América Latina —Argentina, Bolivia,
Brasil, Chile, Colombia, Costa Rica, Ecuador, Gua-
temala, Jamaica, México, Paraguay, Perú, Uruguay
y Venezuela, durante el periodo 1990-2019.
La metodología instrumentada es la estima-
ción para datos panel del “Grupo de Medias
Agrupadas” (PMG), con la finalidad de cap-
turar el comportamiento de los factores de la
producción trabajo y capital, así como el cambio
tecnológico sobre la PTF. Se consideran en este
proceso las pruebas de dependencia transversal,
raíz unitaria y cointegración.
Se realizaron pruebas previas al proceso de
estimación del modelo de datos panel, eviden-
ciando que existe dependencia transversal de
las variables en las economías seleccionadas, el
comportamiento de las series es estacionario con
grado de integración I(1) y las variables en el
largo plazo se encuentran cointegradas. En el
proceso de estimación se aplica la propuesta de
Pesaran et al. (1999) PMG, que combina los pa-
neles de datos dinámicos y los estimadores de
medias grupales.
3 Para calcular la velocidad en la cual el modelo converge al equilibrio se considera 1/O, teniendo como resultado el tiempo
en el cual las variables se equilibran en el largo plazo (Asteriou y Hall, 2021).
De lo resultados de la estimación del modelo
PMG se encontró evidencia de que en el corto y
en el largo plazo las variables trabajo, capital y
cambio tecnológico tienen una relación directa
con la PTF. En los coecientes del trabajo se en-
contró que en el largo plazo ante un cambio del
1 % en esta variable la PTF se incrementaría en
un 0.0871 %; mientras que, en el corto plazo el
aumento en la PTF sería del orden del 0.580 %.
En el largo plazo las variaciones del factor
capital en 1 % originan que la PTF aumente en
0.018 %; en tanto que, en el corto plazo se tiene
un mayor aumento, siendo este del 0.135 %. Por
lo que se reere al cambio tecnológico, en el largo
plazo un cambio del 1 % da lugar a un incremento
de la PTF del 0.073 %; en el corto plazo, los efectos
de esta variable sobre la PTF son similares a los
que se tienen en el largo plazo (0.074 %).
En el largo y en el corto plazo el orden de
importancia de los efectos de las variables explica-
tivas sobre la PTF presenta cambios signicativos.
El factor trabajo antes que el capital y cambio
tecnológico es el que más incide sobre la PTF,
mientras que, el capital en el corto plazo ocupa el
segundo lugar y en el largo plazo tiene la tercera
posición; por lo que respecta al cambio tecnológi
-
co en el corto plazo tiene el tercer orden de impor-
tancia y en el largo plazo se sitúa en la segunda
posición. Esto es, se corrobora el planteamiento
de la teoría económica neoclásica de los modelos
de crecimiento exógeno propuestos primeramente
por Solow (1956), los cuales establecen que, en
el largo plazo no será la acumulación de factores
físicos la que conduzca al crecimiento económico,
sino el avance tecnológico.
Se conrma la hipótesis establecida en este
artículo según la cual el capital (K), el trabajo (L),
y el cambio tecnológico (A) fueron los determi-
nantes de la PTF en las economías de América
Latina durante el periodo 1990-2019.
Dentro de las futuras líneas de investigación
se encuentran: a) considerar estudios a nivel
subregional en América Latina con la nalidad
de identicar condiciones económicas similares
entre los países y así, revisar la incidencia de las
La productividad en América Latina. Un análisis a través de una función Cobb-Douglas
Retos, 15(29), 115-129
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
127
variables independientes de esta investigación
en la PTF de estos espacios geográcos; b) rea-
lizar el estudio a nivel sectorial, para revisar de
manera comparativa la inuencia de los factores
de la producción y el cambio tecnológico en la
PTF de las economías latinoamericanas; y, c) in-
corporar dentro de las principales directrices de
este trabajo las variables ambientales, dada la
importancia que ha venido adquiriendo la PTF
verde (GTFP, por sus siglas en inglés), como un
indicador enfocado a la sostenibilidad ambiental.
Referencias bibliográficas
Aravena, C. y Fuentes, J. A. (2013). El desempeño
mediocre de la productividad laboral en
América Latina: una interpretación neo-
clásica. CEPAL - Serie Macroeconomía Del
Desarrollo, 1-36.
Asteriou, D. y Hall, S. G. (2021). Applied econometrics
(4th ed.). Macmillan Education Limited.
Ayvar, J. y Guitrón, M. (2013). Análisis Comparativo de
los Niveles de Productividad entre los Sectores
Manufactureros de México, Estados Unidos
y Alemania. CIMEXUS, 1, 13-28.
https://bit.ly/4hRUuLt
Banco Mundial. (2023a). Crecimiento del PIB (% anual).
https://bit.ly/3Qug1hv
Banco Mundial. (2023b). Gasto en investigación y
desarrollo (% del PIB). https://bit.ly/4kaKkat
Banco Mundial. (2023c). Solicitudes de patentes, resi-
dentes. https://bit.ly/3XbQzB5
Banco Mundial. (2023d). Trabajadores asalariados
(empleados), total (% del empleo total).
Barro, R. y Sala-i-Martin, X. (2012). Crecimiento eco
-
nómico. Reverté.
Barro, R. (1991). Economic growth in a cross section of
countries. The Quarterly Journal of Economics,
106(2), 407. https://doi.org/10.2307/2937943
Baumol, W. J. (1986). American Economic Association
Productivity Growth, convergence, and wel-
fare: what the long-run data show. Source: The
American Economic Review, 76(5), 1072-1085.
https://bit.ly/3XbQI7B
Blackburne, E. F. y Frank, M. W. (2007). Estimation of
nonstationary heterogeneous panels. The Stata
Journal, 7(2), 197-208.
https://bit.ly/4jAizaJ
CEPAL. (2016). Productividad y brechas estructurales en
México. Ciudad de México.
Cho, J. S., Greenwood-Nimmo, M. y Shin, Y. (2023).
Recent developments of the autoregressive
distributed lag modelling framework. Journal
of Economic Surveys, 37(1), 7-32.
https://doi.org/10.1111/joes.12450
Clark, J. (1899). The distribution of wealth: a theory of
wages, interest and profits. The Macmillan
Company. https://bit.ly/3XeUo8s
Cobb, P. y Douglas, H. (1928). A theory of production.
American Economic Association, 18, 139-165.
https://bit.ly/3QuJ1FT
Dańska-Borsiak, B. y Laskowska, I. (2012). The deter-
minants of total factor productivity in Polish
Subregions. Panel data analysis. Comparative
Economic Research, 15(4), 17-29.
https://doi.org/10.2478/v10103-012-0023-9
Edquist, H. (2024). How important is mobile broadband
latency for total factor productivity growth?
Journal of Telecommunications and the Digital
Economy, 12(1), 305-327. https://bit.ly/4bgTez7
Feenstra, R. C., Inklaar, R. y Timmer, M. P. (2015). The
next generation of the Penn World Table.
American Economic Review, 105(10), 3150-3182.
https://doi.org/10.1257/aer.20130954
Feng, C., Zhong, S. y Wang, M. (2024). How can green
finance promote the transformation of China’s
economic growth momentum? A perspective
from internal structures of green total-factor
productivity. Research in International Business
and Finance, 70, 102356.
https://bit.ly/3EFN1B2
Gujarati, D. y Porter, D. (2010). Econometría (5ta ed.).
McGraw-Hill.
Gutiérrez, A. (2020). Determinantes de la producti-
vidad total de factores en América del Sur.
Investigación & Desarrollo, 19(2), 5-26.
https://bit.ly/439dMHe
Hofman, A., Mas, M., Aravena, C. y Fernández, J.
(2017). Crecimiento económico y productivi-
dad en Latinoamérica el Proyecto: LA-KLEMS.
El Trimestre Económico, LXXXIV(2), 259-306.
https://doi.org/10.20430/ete.v84i334.302
Howitt, P. (2004). Endogenous growth, productivi-
ty and economic policy: A progress report.
International Productivity Monitor, 8, 3-15.
Hurlin, C. y Mignon, V. (2006). Second generation panel
unit root tests second generation panel unit
root tests corresponding author.
https://bit.ly/4ia4yzk
Jiakui, C., Abbas, J., Najam, H., Liu, J. y Abbas, J. (2023).
Green technological innovation, green finance,
and financial development and their role in
green total factor productivity: Empirical insi-
ghts from China. Journal of Cleaner Production,
382, 135131.
https://doi.org/10.1016/j.jclepro.2022.135131
Lee, V. y Viale, A. M. (2023). Total factor productivi-
ty in East Asia under ambiguity. Economic
Modelling, 121, 106232.
https://bit.ly/3GyREgY
© 2025, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
128 César Lenin Navarro-Chávez, René Augusto Marín-Leyva y Daniela Valenzuela-Carreño
Liu, H., Zhang, J., Huang, H., Wu, H. y Hao, Y. (2023).
Environmental good exports and green total
factor productivity: Lessons from China.
Sustainable Development, 31(3), 1681-1703.
https://doi.org/10.1002/sd.2476
Liu, Y., Ma, C. y Huang, Z. (2023). Can the digital eco-
nomy improve green total factor productivity?
An empirical study based on Chinese urban
data. Mathematical Biosciences and Engineering,
20(4), 6866-6893.
https://doi.org/10.3934/mbe.2023296
Im, K. S., Pesaran, M. H. y Shin, Y. (2003). Testing for
unit roots in heterogeneous panels. Journal
of Econometrics, 115(1), 53-74. https://doi.
org/10.1016/S0304-4076(03)00092-7
Inklaar, R. y Woltjer, P. (2019). What is new in PWT
9.1? University of Groningen.
https://bit.ly/3QxOJGN
Jiménez, F. (2011). Crecimiento económico enfoques y
modelos. Fondo Editorial de la Pontificia
Universidad Católica del Perú.
Kim, J. y Park, J. (2017). The role of total factor produc-
tivity growth in middle income countries. In
Emerging Markets Finance and Trade (Vol. 527).
Metro Manila.
https://doi.org/10.22617/WPS179136-2
Koopmans, T. (1965). On the concept of optimal growth,
econometric approach to development plan-
ning. En J. Johansen (ed.), The Econometric
Approach to Development Planning (pp. 225-
300). North Holland.
Lucas, R. E. (1988). On the mechanics of economic
development. Journal of Monetary Economics,
22, 3-42.
https://doi.org/10.1016/0304-3932(88)90168-7
Mankiw, N. G., Romer, D. y Weil, D. N. (1993). A con-
tribution to the empirics of economic growth.
The Quarterly Journal of Economics, 107(2), 407-
437. https://doi.org/10.2307/2118477
Maudos, J., Pastor, J. y Serrano, L. (1999). Total fac-
tor productivity measurement and human
capital in OECD countries. Economics Letters,
63, 39-44.
https://doi.org/10.1016/S0165-1765(98)00252-3
Méndez, J., Mildred, J. y Hernández, H. (2013).
Productividad total de los factores, cambio
técnico, eficiencia técnica y PIB potencial en
Latinoamérica. Semestre Económico, 16(34),
65-92.
https://doi.org/10.22395/seec.v16n34a3
Nguyen, H. Q. (2021). Total factor productivity grow-
th of vietnamese enterprises by sector and
region: Evidence from panel data analysis.
Economies, 9(3), 109.
https://doi.org/10.3390/economies9030109
Pan, J., Cifuentes-Faura, J., Zhao, X. y Liu, X. (2024).
Unlocking the impact of digital technology
progress and entry dynamics on firm’s total
factor productivity in Chinese industries.
Global Finance Journal, 60, 100957.
https://doi.org/10.1016/j.gfj.2024.100957
Perrotini, I., Vázquez-Muñoz, J. A. y Angoa, M. I.
(2019). Capital accumulation, economic grow-
th and the balance-of-payments constraint:
The case of Mexico, 1951-2014. Nóesis. Revista
de Ciencias Sociales y Humanidades, 28(1), 38-63.
https://doi.org/10.20983/noesis.2019.1.3
Persyn, D. y Westerlund, J. (2008). Error-Correction–
Based Cointegration Tests for Panel Data. The
Stata Journal: Promoting Communications on
Statistics and Stata, 8(2), 232-241.
https://bit.ly/44gQC2W
Pesaran, M. H. (2004). General diagnostic tests for cross
section dependence in panels. SSRN Electronic
Journal. https://doi.org/10.2139/ssrn.572504
Pesaran, M. H., Shin, Y. y Smith, R. J. (2001). Bounds
testing approaches to the analysis of level rela-
tionships. Journal of Applied Econometrics, 16(3),
289-326. https://doi.org/10.1002/jae.616
Pesaran, M. H., Shin, Y. y Smith, R. P. (1999). Pooled
Mean Group Estimation of Dynamic
Heterogeneous Panels. Journal of the American
Statistical Association, 94(446), 621-634.
https://bit.ly/3Gx7zMI
Ramírez, N. y Aquino, J. (2005). Crisis de inflación y
productividad total de factores en Latinoamérica.
Banco Central de Reserva del Perú.
https://bit.ly/4kaKej8
Ramsey, F. P. (1928). A mathematical theory of saving.
The Economic Journal, 38(152), 543.
https://doi.org/10.2307/2224098
Rebelo, S. (1991). Long-run policy analysis and long-
run growth. Source: The Journal of Political
Economy, 99(3), 500-521.
https://doi.org/10.1086/261764
Rehman, F. U. e Islam, M. M. (2023). Financial infras-
tructure—total factor productivity (TFP)
nexus within the purview of FDI outflow,
trade openness, innovation, human capi-
tal and institutional quality: Evidence from
BRICS economies. Applied Economics, 55(7),
783-801.
https://bit.ly/4jNvGos
Romer, P. M. (1986). Increasing returns and long-run
growth. The Journal of Political Economy, 94(5),
1002-1037. https://doi.org/10.1086/261420
Ros, J. (2008). La productividad y el desarrollo en
América Latina dos interpretaciones. Economía
UNAM, 8(23), 37-52. https://bit.ly/3GyeOnr
La productividad en América Latina. Un análisis a través de una función Cobb-Douglas
Retos, 15(29), 115-129
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
129
Solow, R. (1956). A contribution to the theory of econo-
mic growth. The Quarterly Journal of Economics,
70(1), 65-94.
The Conference Board. (2023). Total Economy Database.
https://bit.ly/3Qx68iV
United Nations Industrial Development Organization.
(2013). The Industrial Competitiveness of Nations
Looking back, forging ahead. Vienna.
United Nations Industrial Development Organization.
(2022). CIP - Competitive Industrial
Performance Index. https://bit.ly/3QvmKaO
University of Groningen. (2021). Penn World Table
version 10.0.
https://doi.org/DOI: 10.15141/S5Q94M
Villalobos, A., Molero, L. y Castellano, G. (2021, January
1). Analysis of the total factor productivity in
South America 1950-2014. Lecturas de Economía,
pp. 127-163. Universidad de Antioquia.
https://bit.ly/4jV6dtu
Weil, D. (2006). Crecimiento económico. Pearson
Educación.
Wen, J. y Deng, Z. (2024). Internet development,
resource allocation and total factor producti-
vity: Empirical evidence from China’s listed
manufacturing enterprises. Applied Economics,
56(21), 2497–2508.
https://bit.ly/3ELIgG7
Westerlund, J. (2007). Testing for error correction in
Panel Data. Oxford Bulletin of Economics and
Statistics, 69(6), 709-748.
https://bit.ly/3RCzu01
Wicksell, K. (2001). A new theory of crises. Structural
Change and Economic Dynamics, 12(3), 335-342.
https://bit.ly/3YmFVYQ
Wicksteed, P. H. (1894). An Essay on the Co-ordination of
the Laws of Distribution (1932nd ed.). McMaster
University Archive for the History of
Economic Thought. https://bit.ly/41dxNKH
Yalçınkaya, Ö., Hüseyni, İ. y Çelik, A. K. (2017).
The impact of total factor productivity on
economic growth for developed and emer-
ging countries: A Second-generation Panel
Data Analysis. Margin: The Journal of Applied
Economic Research, 11(4), 404-417.
https://doi.org/10.1177/0973801017722266
Yue, H., Zhou, Z. y Liu, H. (2024). How does green
finance influence industrial green total factor
productivity? Empirical research from China.
Energy Reports, 11, 914–924.
https://doi.org/10.1016/j.egyr.2023.12.056
