Eco - t030 - 70321146 - T Molina Vásquez Pedro César

UNIVERSIDAD RICARDO PALMA
FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES
ESCUELA PROFESIONAL DE ECONÓMIA
TESIS
IMPACTO DE LA INFRAESTRUCTURA PORTUARIA EN EL CRECIMIENTO ECONÓMICO

DE: HUARI, LIMA, LA LIBERTAD, CHAVIN Y GRAU DEL 2004 AL 2016
PRESENTADO POR EL BACHILLER
PEDRO CÉSAR MOLINA VÁSQUEZ
PARA OPTAR EL TÍTULO PROFESIONAL DE
ECONOMISTA
LIMA, PERÚ
2019
Dedico este trabajo a mis padres, aquellos que me ayudaron en todo momento
hasta lograr mi objetivo de ser economista
A mi hermano, abuelos, tíos, amigos y profesores por formar parte de mi carrera
universitaria y escolar.
AGRADECIMIENTOS
A mis padres y hermano por la formación y valores la cual me ha permitido
llegar hasta donde estoy.
A la escuela académico profesional de economía de la Universidad Ricardo Palma
por la formación estudiantil brindada a lo largo de mi etapa como universitario.

iv
PRESENTACIÓN
La investigación nos plantea un estudio sobre los puertos marítimos y como estos afectan y
tienen influencia positiva sobre el indicador productivo regional para el caso peruano, el estudio
tiene como objetivo poder explicar la influencia de la infraestructura portuaria, PEA y la
infraestructura terrestre en el crecimiento regional de las macro regiones donde se ubican los
principales puertos dentro del estudio, así mismo mostrar que dicha influencia es positiva.
El estudio abordara en la primera parte la situación y papel principal de los puertos en el caso
peruano e internacional, luego pasaremos a ver la parte teórica basándonos en una función de
producción así mismo revisar el estado del arte con respecto al tema de investigación,
analizaremos las hipótesis y las variables mediante la metodología de datos de panel utilizando el
programa stata, mediante dicha metodología se llega al punto de concluir que las variables de
stock de capital portuario, variable de densidad vial y PEA influyen en 0,12, 0,11 y 1,42
respectivamente entre los años 2004 y 2016 para el caso peruano a partir de estos resultados se
dan las respectivas conclusiones del estudio donde dichas variables expresan una mejora para el
crecimiento del PBI de las macro regiones Huari, Lima, La Libertad, Chavín y Grau.
v
ÍNDICE
AGRADECIMIENTOS ............................................................................................................ iii
PRESENTACIÓN ..................................................................................................................... iv
ÍNDICE ...................................................................................................................................... v
LISTA DE TABLAS............................................................................................................... viii
LISTA DE FIGURAS ............................................................................................................... ix
LISTA DE GRÁFICOS ............................................................................................................. x
RESUMEN ................................................................................................................................ xi
ABSTRACT ............................................................................................................................. xii
CAPÍTULO I. PLANTEAMIENTO DE ESTUDIO ................................................................. 1
1. FORMULACIÓN DEL PROBLEMA ......................................................................... 1
2. OBJETIVOS GENERAL Y ESPECÍFICOS ................................................................ 8
3. JUSTIFICACIÓN E IMPORTANCIA DEL ESTUDIO: ............................................. 9
4. ALCANCES Y LIMITACIONES .............................................................................. 10
CAPÍTULO II. MARCO TEÓRICO ....................................................................................... 14
1. ANTECEDENTES DE LA INVESTIGACIÓN .............................................................. 14
2. BASES TEÓRICO CIENTÍFICAS.................................................................................. 24
3. DEFINICIÓN DE TÉRMINOS BÁSICOS ..................................................................... 30

vi
CAPÍTULO III: HIPÓTESIS Y VARIABLES........................................................................ 33
1. HIPÓTESIS Y SUPUESTOS BÁSICOS ................................................................... 33
1.1 Hipótesis General: .......................................................................................................... 33
1.2 Hipótesis Específicas: ................................................................................................. 33
2. Identificación de variables o unidad de análisis ......................................................... 34
3. Matriz lógica de Consistencia..................................................................................... 36
CAPÍTULO IV MÉTODO ....................................................................................................... 39
4.1 Tipo y método de investigación ..................................................................................... 39
4.2 Diseño específico de investigación ................................................................................ 39
4.3 Población, Muestra o Participantes ................................................................................ 39
4.4 Instrumentos de recogida de datos ................................................................................. 41
4.5 Técnicas de procesamiento y análisis de datos .............................................................. 41
4.6 Procedimiento de ejecución del estudio ......................................................................... 47
CAPÍTULO V RESULTADOS Y DISCUSIÓN ..................................................................... 49
5.1 Datos cuantitativos ......................................................................................................... 49
5.2 Análisis de Resultados ................................................................................................... 52
5.3. Discusión de resultados ................................................................................................. 61
CAPÍTULO VI CONCLUSIONES Y RECOMENDACIONES ............................................. 66
6.1 Conclusiones .................................................................................................................. 66
6.2 Recomendaciones ........................................................................................................... 67

vii
REFERENCIAS ....................................................................................................................... 69
APÉNDICE XA ....................................................................................................................... 72
viii
LISTA DE TABLAS
Tabla 1 Puertos más importantes del mundo ............................................................................. 2
Tabla 2 Puertos más importantes de américa latina y el caribe ................................................. 3
Tabla 3 Puertos del Callao, Chimbote, Salaverry, Paita y Pisco y sus concesiones: ................. 5
Tabla 4 Naves recibidas en los puertos marítimos de Perú al año 2017 .................................... 7
Tabla 5 Proceso de Regionalización ........................................................................................ 11
Tabla 6 Matriz de Conceptos ................................................................................................... 14
Tabla 7 Descripción de las variables del modelo ..................................................................... 25
Tabla 8 Explicación del grafico ............................................................................................... 28
Tabla 9 Descripción de las variables ........................................................................................ 34
Tabla 10 Matriz lógica de Consistencia ................................................................................... 36
Tabla 11 Estadísticas descriptivas de las variables de estudio, 2004-2016. ............................ 50

ix
LISTA DE FIGURAS
Figura 1 Breve grafico sobre las áreas existentes en un puerto marítimo .................................. 4
Figura 2 Identificación geográfica de los puertos del Callao, Paita, Chimbote, Salaverry y
Pisco ................................................................................................................................................ 6
Figura 3 Ubicación Geográfica Regiones del Perú del presente estudio ................................. 12
Figura 4 Resultados de la estimación del modelo de regresión agrupada. ............................... 54
Figura 5 Resultados de la estimación del modelo de regresión agrupada. ............................... 55
Figura 6 Resultados de la estimación del modelo de efectos aleatorios. ................................. 56
Figura 7 Prueba del Multiplicador de Lagrange para efectos aleatorios. ................................. 57
Figura 8 Prueba de Hausman. .................................................................................................. 58
Figura 9 Prueba de heterocedasticidad. .................................................................................... 58
Figura 10 Resultados de la estimación del modelo de regresión agrupada con errores estándar
robustos. ........................................................................................................................................ 59
Figura 11 Resultados de la estimación del modelo de efectos fijos con errores estándar
robustos. ........................................................................................................................................ 60
Figura 12 Resultados de la estimación del modelo de efectos aleatorios con errores estándar
robustos. ........................................................................................................................................ 61
Figura 13 Resumen de los resultados de las estimaciones de los modelos de regresión
agrupada, efectos fijos y efectos aleatorios................................................................................... 63
Figura 14 Resumen de los resultados de las estimaciones de los modelos de regresión
agrupada, efectos fijos y efectos aleatorios con errores estándar robustos. .................................. 64
x
LISTA DE GRÁFICOS
Grafico 1 Evolución del PBI macrorregión Huari 2004-2016 72
Grafico 2 Evolución del PBI macrorregión La Libertad 2004-2016 73
Grafico 3 Evolución del PBI macrorregión Lima 2004-2016 74
Grafico 4 Evolución del PBI macrorregión Grau 2004-2016 76
Grafico 5 Evolución del PBI macrorregión Chavin 2004-2016 77

xi
RESUMEN
Los puertos son espacios donde se dan actividades que contribuyen al crecimiento económico
del país, en un mundo globalizado donde los países están interconectados por diferentes medios
entre ellos el mar el cual tiene como centro principal a los puertos, donde se da el mayor
porcentaje de comercio internacional a nivel mundial, el movimiento de productos y mercancías
brinda un escenario positivo de intercambio entre países y ciudades, para el caso peruano los
puertos de Callao, Paita, Chimbote, Salaverry y Pisco entran en la siguiente investigación.
Dichos puertos están agrupados mediante macro regiones ya que en el presente estudio
veremos cómo mis variables dependientes influyen a mi crecimiento del PBI regional entre los
años 2004 y 2016, las variables utilizadas son el PBI regional como variable dependiente, el
stock portuario regional, densidad vial regional y la población económicamente activa regional,
donde sus respectivas elasticidades son positivas y vienen siendo 0,12, 0,11 y 1,42 sobre el
crecimiento económico por cada 1% que se incrementen mis variables independientes, dichos
resultados nos muestran como mediante la inversión y mejora de infraestructura portuaria asi
como la pea a nivel regional influencian de manera positiva al crecimiento económico partiendo
de una función de producción las macro regiones Huari, Grau, Chavín, Lima y La Libertad que
son aquellas donde se encuentran los puertos marítimos de la presente investigación donde se
utiliza una metodología de datos de panel.
Palabras clave: Puerto, Crecimiento Económico, Infraestructura, Perú

xii
ABSTRACT
Ports are places where there are activities that contribute to the development of countries, in a
globalized world where the countries are connected by different ways, one of them the sea which
has as influential place the port where we identify the most percentage of international commerce
in the world, the movement of products and items gives a positive scenario of Exchange between
countries and cities, in the Peruvian case the ports of Callao, Paita, Chimbote Salaverry and
Pisco are the ones that are going to be analyze in the next investigation from 2004 to 2016.
These ports are grouped by macroregions, in the next investigation we will see the next
variables: Regional GDP as dependent variable, Regional stock port capital, The economically
regional active population and the Regional density of vial infrastructure their elasticities on
Regional GDP if we increase by 1% each variable are: 0.12, 0.11 and 1.42 respectively, these
results shows how the The economically regional active population and investments or
improvements to the regional stock port capital lead to an increase in regional economic growth
on the next macroregions: Huari,Chavin,Lima,La Libertad and Grau, the investigation will use
panel data methodology analysis using data from 2004 to 2016.
Keywords: Port, Regional Economic Growth, Infraestructure, Peru

1
CAPÍTULO I. PLANTEAMIENTO DE ESTUDIO
1. FORMULACIÓN DEL PROBLEMA
El crecimiento económico está sujeto a diferentes variables dentro de la economía, las
inversiones que se hacen en un determinado lugar muchas veces generan consecuencias positivas
en la economía de dicho espacio, uno de estos casos es el de la inversión en infraestructura
portuaria y como esta influencia un crecimiento de la región en donde se hace dicha inversión,
tenemos diversos puertos alrededor del mundo en los cuales se han empleado acciones para
aumentar infraestructura las cargas que se trabajan en un puerto son variadas como por ejemplo:
contenedores, refrigerados y congelados, granel o granel líquido. Al mejorar dicha
infraestructura se mejora el movimiento de las importaciones y exportaciones por medio de los
puertos, (Zamora y Pedraza, 2013) indicaron que una equivoca infraestructura operacional pone
un margen para el desarrollo, un puerto es considerado como un motor para el crecimiento
económico, Para (Ducret, 2008) los puertos crean riquezas y favorecen el comercio internacional
ya sea en países subdesarrollados o desarrollados.
Dentro del presente estudio de investigación se verá como modelando una función de
producción dentro del capítulo de bases teóricas incluiremos variables que precisaran un
desenlace positivo sobre el crecimiento económico regional de las macro regiones expuestas que
serán analizadas mediante metodología econométrica.
Para (Rua Costa, 2006) debemos destacar el ámbito de multiproducción de la actividad
portuaria, dónde se dan variadas actividades y servicios para los cuales se necesitan agentes y
personal. Este ámbito de multiproducción implica utilizar más capital humano y más inversión
en infraestructura portuaria para lograr un mejor desempeño, todo esto conlleva a contratar
2
personal, lo cual está generando empleo en la región, en el presente estudio veremos también
como afecta la población al crecimiento económico de las macro regiones dentro del estudio.
Actualmente Según (International Association of Ports and Harbors, 2016) tenemos que el
puerto de Shanghái al año 2016 es el que más nivel de contenedores tiene, hablar del nivel de
contenedores significa hablar de la capacidad de carga de contenedores que soporta un puerto si
observamos la tabla veremos que todos los puertos de las primeras 10 posiciones se encuentran
situados en Asia, esto es resultado del desarrollo industrial que se ha producido en las últimas
décadas en dicha región, las inversiones que desarrollaron en sus puertos y las políticas que
tomaron las autoridades de cada país, también es uno de los continentes que cuenta con más
investigaciones sobre el sector portuario.
Tabla 1
Puertos más importantes del mundo
Posición Puertos 2016 2015 2014
1 Shanghai 37,133 36,537 35,304
2 Singpaore 30,904 30,922 33,869
3 Shenzhen 23,979 24,204 24,037
4 Ninbog-Zhoushan 21,560 20,620 19,430
5 Busan 19,850 17,625 18,683
6 Hong Kong 19,813 17,510 22,283
7 Guangzhou 18,858 15,592 16,626
8 Qindao 18,010 14,090 16,624
10 Dubai 14,722 11,887 14,249
11 Tianjin 14,900 12,235 14,050
Fuente. Adaptado de Internationals Association of Ports and Harbors (2016)

3
A nivel de América latina tenemos los siguientes puertos como los más importantes:
Tabla 2
Puertos más importantes de américa latina y el caribe
Posición Puerto 2016 2015 2014
1 Santos 3,394 3,645 3,685
2 Colon 3,258 3,577 3,287
3 Balboa 2,832 3,078 3,236
4 Manzanillo 2,581 2,541 2,369
5 Cartagena 2,510 2,610 2,386
6 Callao 2,055 1,900 1,992
7 Guayaquil 1,822 1,765 1,621
8 Kingston 1,567 1,653 1,638
Fuente: Adaptado de Internationals Association of Ports and Harbors (2016)
Podemos ver a los puertos más importantes de América latina en la tabla N°2 a su vez
podemos decir que la región de América latina y el caribe es una de las más pequeñas con
relación al resto del mundo en cuanto a materia portuaria se refiere, sin embargo las tomas de
decisiones con respecto a la operatividad y dominio a nivel portuario ha dado como resultado
imponentes resultados en un alza de la capacidad de atender las actividades dentro de los puertos
así mismo en un mejoramiento de la competitividad de los países y regiones de América Latina.
Como podemos observar uno de los puertos que hace mención a nuestro país es el de El
Callao, en el presente estudio hablaremos sobre este puerto y sus similares de distintas macro
4
regiones del Perú, sin embargo es preciso ver cómo opera un puerto de manera sencilla tal como
se hará en este estudio de investigación.
Para Chang (2011), El componente de cambio tecnológico debido a la mayor infraestructura
portuaria provoco una mayor productividad en los principales puertos peruanos entre 2004-2009,
este estudio contempla también las concesiones donde aquellos puertos que gozaban de una
concesión resultaban ser más productivos, pero podrían serlo aún más si se concesionaban
múltiples puertos regionalmente.
Desde el punto de vista operativo un puerto es un espacio en el cual se permite desarrollar
actividades de carga descarga, embarque y desembarque, en este estudio me enfocare en el
puerto marítimo el cual lleva sus actividades en una costa colindante con el mar.
Figura 1
Breve grafico sobre las áreas existentes en un puerto marítimo
Fuente: Adaptado de Guía de Orientación al usuario de Transporte Acuático (2009)
5
Básicamente estas tres áreas de infraestructura son las que existen en un puerto, estas varían
dependiendo de la magnitud y volumen de cada puerto.
Enseguida, observaremos información sobre las concesiones que existen en nuestro país y
sobre las cuales se hablara en el presente estudio de investigación se escogieron dichos puertos
por ser de los más importantes en nuestro país y porque se contaba con la data necesaria para las
estimaciones correspondientes en la parte metodológica y de estimaciones.
La mayoría de los puertos que tenemos en el presente estudio están bajo el poder de capital
privado, los cuales lograron dicho poder mediante concesiones, dichas concesiones plantean
objetivos y metas que deben lograr.
En el presente estudio veremos los puertos del Callao, Chimbote, Salaverry, Paita y Pisco por
ende se verá un repaso breve de cada puerto según la autoridad pertinente que tenga el control de
las actividades portuarias pertinentes.
Tabla 3
Puertos del Callao, Chimbote, Salaverry, Paita y Pisco y sus concesiones:
Año de
Puerto Concesionado Autoridad
Concesión
Callao- Muelle Sur Si DP World Callao S.A. 2008
Callao-Muelle Norte Si APM Terminals 2011
Chimbote No Enapu -
Salaverry Si Grupo Romero 2018
Terminales Portuarios
Paita Si 2009
Euroandinos S.A.
Pisco Si Consorcio Paracas S.A. 2014
Fuente. Sobre la base de OSITRAN (2018)

6
Para ubicar geográficamente los puertos del presente estudio utilizamos el programa power
map para poder establecer la ubicación, donde los puntos azules identifican las ciudades en las
cuales se encuentran los puertos.
Existen 5 puntos entre los cuales tenemos de Norte a Sur al Puerto de Paita al norte en el
departamento de Piura, El puerto de Salaverry en La Libertad, El puerto de Chimbote en
Ancash, el puerto del Callao en Lima y el puerto de Pisco en Ica.
Fuente. Sobre la base de OSITRAN (2018)
Figura 2
Identificación geográfica de los puertos del Callao, Paita, Chimbote, Salaverry y Pisco
Cada puerto atiende a un número de naves determinada la situación para el último año de
estudio de la presente data en cuanto a naves atendidas viene data por la Autoridad Portuaria
Nacional de la siguiente manera:

7
Tabla 4
Naves recibidas en los puertos marítimos de Perú al año 2017
Puerto Recepcionadas Despachadas
Callao
3446 3464
Paita
589 583
Matarani
575 575
Pisco
412 421
Ilo
300 301
Salaverry
281 283
Talara 228 226
Bayovar 156 152
San Nicolás 104 103
Eten 60 60
Supe 43 43
Zorritos 20 20
Chancay 7 7
Huacho 0 0
Fuente. Adaptado de Reporte RN 002, Autoridad Nacional Portuaria (2017)

8
Pregunta de Investigación general:
• ¿Cuál es el impacto de la inversión en infraestructura portuaria y terrestre, así como la
población económica mente activa en el PBI regional de las macro regiones Huari,
Chavín, La Libertad, Lima y Grau entre el 2004 al 2016?
Preguntas específicas:
• ¿Cuál es el impacto de la infraestructura portuaria en el PBI regional de las macro
regiones Huari, Chavín, La Libertad, Lima y Grau entre el 2004 al 2016?
• ¿Cuál es el impacto de la densidad de infraestructura vial sobre mi PBI regional de las
macro regiones Huari, Chavín, La Libertad, Lima y Grau entre el 2004 al 2016?
• ¿Cuál es el impacto de la población económicamente activa en el PBI regional de las
macro regiones Huari, Chavín, La Libertad, Lima y Grau entre el 2004 al 2016?
2. OBJETIVOS GENERAL Y ESPECÍFICOS
Objetivo General:
• Determinar el impacto entre el aumento de la infraestructura portuaria y terrestre, así
como la población económicamente activa en el pbi regional de las macro regiones
Huari, Chavín, La Libertad, Lima y Grau entre el 2004 al 2016.
Objetivos específicos:
• Determinar el impacto de infraestructura portuaria en el pbi regional de las macro
regiones Huari, Chavín, La Libertad, Lima y Grau entre el 2004 al 2016.

9
• Determinar el impacto de la densidad de infraestructura vial en el pbi regional de las
macro regiones Huari, Chavín, La Libertad, Lima y Grau entre el 2004 al 2016.
• Determinar el impacto de la población económicamente activa en el pbi regional de las
3. JUSTIFICACIÓN E IMPORTANCIA DEL ESTUDIO:
a. Perspectiva Práctica: este tema puede incentivar a las autoridades de diversas regiones a
mejorar la infraestructura portuaria de sus puertos para lograr un mayor nivel de
crecimiento regional, permitirá comprobar que dicha relación es importante para el
crecimiento económico de la población en la cual se ubique dicho puerto ya que esta entra
a tallar al ser parte de la contribución y avance de la productividad sobre mi crecimiento
económico, como se verá en este estudio la población también influye en mi crecimiento
económico de las macro regiones, y esto se debe a que es una variable importante en el
crecimiento económico como se comprueba en este estudio y en diversos estudios
incluidos en la sección de investigaciones previas, Este estudio servirá para
recomendaciones de política que deben ir de la mano con decisiones que contribuyan al
bienestar de la sociedad , también como un estudio importante que se desarrollara para la
investigación portuaria en el Perú y posibles documentos académicos para el futuro

10
b. Metodológica: El tema a tratar es importante porque permite ver que un aumento en la
infraestructura portuaria en el país permitirá alcanzar niveles más altos de crecimiento en
las regiones en las cuales se evaluaran los centros portuarios del país dichos puertos
elegidos para el tema de estudio son: Paita, Pisco, Chimbote, Salaverry y Callao,
metodológicamente esto es comprobado mediante la metodología de panel de datos la cual
nos da a conocer en qué medida afectan las variables del estudio a la variable dependiente
para el caso peruano
c. Teórica: El tema a tratar es importante porque permite ver y aplicar una función de
producción en base a la parte teórica donde se incluyen las variables que se están
utilizando en el presente estudio y que teóricamente hablando muestran un efecto positivo
que luego ya se comprobara mediante metodología econométrica es decir datos y cifras,
metodológicamente se da una mayor importancia a los estudios econométricos los cuales
son muy escasos en nuestro país.
4. ALCANCES Y LIMITACIONES
a. Alcances: Los datos con los que se contaran para el presente estudio nos llevan a los
puertos de Paita, Pisco, Chimbote, Salaverry y Callao y las macro regiones Huari, Chavín,
La Libertad, Lima y Grau entre el 2004 al 2016, dichos resultados obtenidos son válidos
para las macro regiones anteriormente contempladas.
La data recoge de manera agregada las variables de la última regionalización que fue
contemplada por una constitución peruana, me refiero a la constitución política del año 1979
dicha constitución contempla en el articulo Artículo 260: “Las regiones comprendidas en el Plan
11
Nacional de Regionalización se crean por ley a iniciativa del Poder Ejecutivo, a pedido de las
corporaciones departamentales de desarrollo, con el voto favorable de los Concejos Provinciales,
siempre que ese voto represente la mayoría de la población de la población de la región
proyectada.” (Constitución política del Perú, 1979, art# 260) sin embargo cabe aclarar que no se
cuenta al Departamento de La Libertad y San Martin como una sola región, ya que dicho
departamento opto por separarse de dicha región la cual era conocida como la Región Víctor
Raúl Haya de la Torre, quedando el Departamento de la Libertad en el presente estudio.
Seguidamente veremos la forma en la cual están distribuidas las variables según sus
respectivas regiones que están comprendidas en el presente estudio y se basan en la ley antes
expuesta en el párrafo anterior:
Tabla 5
Proceso de Regionalización
Nombre de la Región Departamento(s) que la conforman
Grau Departamentos de Piura y Tumbes
La Libertad La Libertad
Chavín Departamentos de Ancash y Huánuco
Departamento de Lima y la provincia

Lima
constitucional del Callao
Departamentos de Ayacucho,
Los Libertadores Huari
Huancavelica e Ica
Fuente Elaboración Propia sobre la base de Constitución política del Perú, 1979, art# 260.
12
Geográficamente dichas regiones están establecidas dentro del siguiente mapa
Figura 3
Ubicación Geográfica Regiones del Perú del presente estudio
Fuente. Sobre la base de la utilización de mapchart
B. Limitaciones: El presente estudio considera los puertos de Paita, Pisco, Chimbote,
Salaverry y el más importante en el Perú el cual es Callao, no fue posible encontrar data de las
13
demás regiones porque no hay más puertos que ofrezcan dicha información, los años de estudio
son limitados con un periodo temporal de 2004 al 2016, inicialmente el modelo presentaba sector
manufactura se intentó incluir a dicha variable sin embargo el periodo atemporal el cual poseía
no hacia posible su evaluación dentro del presente estudio ya que no presentaba una adecuado
tamaño de muestra.
Así mismo necesito la creación de variables proxy para medir ciertos efectos de manera más
precisa, dentro del estudio se evalúa el PBI regional, la densidad de infraestructura vial la cual es
una variable proxy que viene dado por el Km de carreteras pavimentadas entre el área total de la
macro región., el capital de infraestructura portuaria y la población económicamente activa.

14
CAPITULO II. MARCO TEÓRICO
1. ANTECEDENTES DE LA INVESTIGACIÓN
Tabla 6
Matriz de Conceptos
Datos Unidad Resultados y

Autor/Año Objetivo Variables Metodología
(País/Región) de Análisis Conclusiones
PBI, Inversión en
el capital portuario,
Sector
Comprobar
manufacturero,
que existe una 12 Existe un impacto
Densidad promedio
Song y relación positiva provincias positivo de la
4 regiones del tráfico en la Datos de
Geenhuizen de la portuarias mayoría de variables
Chinas infraestructura, Panel
(2014) infraestructura divididas en independientes sobre
número de puertos a
portuaria sobre 4 regiones el pbi a excepción de
escala en regiones
el PBI regional
aledañas, y número
de vuelos en los
aeropuertos
Analizar el
PBI, Factor de
caso portuario La disponibilidad de
Zepeda, infraestructura Regiones infraestructura portuaria,
mexicano y el
Ángeles y México, 17 portuaria, Densidad donde se la PEA y la densidad de
crecimiento
Carrillo entidades de infraestructura encuentran los infraestructura de
regional de principales
Datos de Panel
carreteras tienen una
(2017) federativas con (Proxy) , Salidas de
dichas regiones puertos de influencia positiva
litoral vuelos
México en el crecimiento
internacionales y la económico regional
PEA
15
índice basado en
la densidad de
transporte terrestre,
Examinar la índice basado en la
conexión entre densidad de Fuerte evidencia de
la transporte aéreo, 31
Hong, impacto de
provincias de
China, 31 infraestructura índice basado en la infraestructura marítima
Chung, Wang china incluidas Datos de panel
y terrestre sobre el PBI
provincias del transporte y densidad de las del oeste
(2011) más no de la
el crecimiento transporte marítimo, sur y norte
infraestructura aérea
económico PBI per cápita, el
regional stock real de capital
per cápita, densidad
poblacional, índice
de instrucción.
la tasa de
crecimiento del PBI
per cápita como
variable dependiente,
el PBI per cápita, el
Mostrar Resalta la
nivel de educación
evidencia contribución de los
para poder captar el
empírica que el puertos en el
China, 41 capital humano , el
Shang, Yu puerto central de 41 crecimiento de su
provincias gasto de gobierno Datos de
& Jee-Lee una región tiene provincias ciudad, la
portuarias para lograr observar panel
(2014) impacto positivo de china competencia entre
(2003-2010) y precisas la
en la tasa de puertos ayuda a
importancia de las
crecimiento de potenciar la
políticas en el
dicha región. economía
crecimiento
económico, la
densidad de
carreteras y el índice
de precios al
consumidor para
16
poder captar el nivel

de inflación y un
ratio de inversión
extranjera para poder
captar la abertura
hacia la economía
global a su vez se
incluye la variable
de cargo de
contenedores que se
mide mediante
TEUs.
Hay una relación

entre el PBI y las
Región Agregada:
inversiones
Inversión agregada
portuarias en
de capital portuario,
infraestructura de los
Bohai Rim:
China, 4 4 puertos, el test de
Ver la Inversión portuaria
regiones regiones de causalidad granger
causalidad de la en la región Bohai, Test de
generales: china, concluye que en el
inversión Yangtze river: Causalidad de
Song & Central, inversión en largo plazo que la
portuaria en el Inversión portuaria Granger, test de
Jianning Sureste, cada región inversión en
desarrollo y en la región Yangtze, raíz unitaria y
(2016) Region Río a nivel infraestructura es la
crecimiento Sudeste, Inversión test de
Yangtze y portuario y razón del
económico y sus portuaria en la cointegración
Región Bohai el PBI de crecimiento
efectos. región sureste de
Rim cada una económico más no
china, Central:
viceversa, lo que
Inversión agregada
significa que el nivel
en la región Central
de actividades
de China.
económicas dadas
no es predictor del
número de
17
inversiones en
infraestructura
portuaria.
el rendimiento
regional de carga en
toneladas que es una
forma de identificar
las actividades de un
puerto que no están
relacionadas con
actividades de
contenedores en el 16 La existencia de
Analizar el regiones de puertos en una
ámbito portuario, la
caso de los corea del región obtuvo efecto
otra variable es el
puertos sur, negativo sobre el
16 Regiones rendimiento de
Coreanos y su incluyendo crecimiento
Park y de Corea del contenedores, la Panel de
estructura con aquellas económico regional,
Seo, (2016) Sur, 224 inversión regional datos
respecto al ciudades el rendimiento de
observaciones portuaria, se añaden
desarrollo que no también simboliza
dos variables dummy
económico tienen un un escenario donde
sobre la existencia
regional puerto bajo es significativo y
de un puerto con
actividades de su cargo positivo.
cargamento, y la
última variable es
otra dicotómica que
hace referencia que
existe actividad de
contenedores en
dicho puerto.
Sobre la base de Song Geenhuizen (2014), Shang Yu & Lee (2014), Song & Jianning (2016), Hong, Chung & Wang (2011) y Zepeda, Angeles y Carrillo
(2017)
18
Para (Geenhuizen & Song, 2014) su investigación nos muestra cómo influye la inversión en
infraestructura portuaria sobre el crecimiento de las economías regionales chinas, los puertos
chinos son los más importantes a nivel mundial, el estudio tiene data de 4 regiones chinas las
cuales son: Bohai Rin la cual es una importante región en cuanto a químicos pesados y aceros, la
otra región es la conocida como Rio Yangtzé en la cual se encuentra el puerto de Shanghái, la
otra región es la del Sudeste la cual es conocida por la producción de caña de azucar,tabaco,entre
otros. La última región que entra a tallar en este estudio es la conocida como región central
donde se da la mayoría de operaciones manufactureras de china, las variables que entran a tallar
en este estudio son el PBI, la inversión en capital portuario, el valor agregado en el sector
manufacturero, la densidad promedio de tráfico en la infraestructura, el número de puertos a
escala en provincias contiguas y el número de vuelos en los aeropuertos. (Geenhuizen & Song,
2014)
Para el caso de 12 regiones chinas se comprobó una alta conexión e incidencia de la
infraestructura portuaria ya sea activo fijo o equipamiento de los puertos y el crecimiento
regional de las regiones chinas en el este sur y norte del país, se comprobó que las variables
utilizadas como la densidad portuaria, el stock de capital, el capital humano y el spillover entre
provincias influían en el crecimiento regional, los resultados arrojados mediante el método de
datos de panel arrojaron estimadores significativos a un nivel del 5% las variables utilizadas
fueron significativas y arrojaron todas coeficientes positivos, sin embargo dichos coeficientes
variaron dependiendo la región ya que cada región está en una fase diferente de industrialización
según el estudio la zona este de china ya logro pasar la fase de industrialización mientras que las
otras zonas están en proceso de lograrlo.(Geenhuizen & Song, 2014)

19
En el estudio de (Zepeda, Ángeles & Carrillo, 2017) se hace mención a el manejo de
inversión privada sobre el manejo de los puertos mexicanos es decir concesiones, menciona la
importancia de los puertos a nivel mundial así mismo del comercio, el estudio abarca 17
entidades federativas en México, el espacio temporal es de 1996 (este año fue cuando se sufrió el
cambio de manejo de inversión privada en los puertos mexicanos) al 2013, la investigación
utiliza una variable proxy denominada como factor de infraestructura portuaria, una variable
proxy dada por longitud de carreteras/área de la región, se incluye la variable sal que hace
mención a las salidas de vuelos internacionales realizados en los aeropuertos de las regiones y la
población económicamente activa.
La cantidad de capital portuario que se pueda tener afecta al crecimiento económico de las
regiones, este capital portuario no solo es suficiente físicamente también debe aprovecharse su
uso de manera eficiente, una forma de medir esto es mediante la demanda de transporte, Para
(Zepeda, Angeles, & Carrillo, 2017) la infraestructura portuaria solo será adecuada cuando esta
se asocie con políticas y toma de decisiones que potencien la producción, el uso y el beneficio
social correspondiente. Entre las regiones que se evidencia un menor factor de infraestructura
portuaria y PBI son: Chiapas, Oaxaca y Guerrero. (Zepeda, Angeles, & Carrillo, 2017)
La investigación concluye un resultado inverso al de otros estudios donde aquellas ciudades o
regiones interiores muestran menor crecimiento que las regiones litorales, el estudio hace una
elección de estudio de 17 entidades federativas con litoral en mexico 1996-2013.
Dicho trabajo utiliza variables como el Factor de Infraestructura portuaria, una variable proxy
denominada Dencar la cual considera la longitud de carreteras entre el area geografica de la
región de estudio, la población economicamente activa y el número de salida de vuelos

20
internacionales comerciales, estas variables antes expresadas con las independientes donde la
dependiente viene siendo el pbi regional de cada región de estudio, la investigación utiliza la
metodologia de panel de datos con 3 modelos el de efectos fijos, aleatorios y el minimo
cuadrados ordinarios.
Asi mismo dentro del paper se utiliza la metodologia de panel de datos donde todas las
regiones presentan un intercepto en el pbi positivo y significativo es decir las variables antes
mencionadas tienen importancia sobre el pbi regional, dentro de esta metodologia se opta por el
modelo de efectos fijos que sera presentando también para evaluar en la Figura N°14 en nuestra
presente investigación ya que este explicaba mejor los efectos de las independientes con respecto
a la dependiente, los coeficientes resultantes dentro de los 3 modelos demostraron ser
significantes y positivos según (Zepeda, Angeles, & Carrillo, 2017), las variables de
infraestructura portuaria, la variable proxy dencar y la población economicamente activa
tuvieron una influencia sobre el pib regional con un nivel de significancia del 99%, no obstante
la variable que va relacionada con la salidas de los vuelos internacionales no mostro influencia
alguna en el modelo por lo que no explica un crecimiento productivo regional de las regiones de
estudio.
Dentro del estudio de (Hong, Chu, & Wang, 2011) la infraestructura de transporte conlleva al
crecimiento económico de diversas maneras, invertir en infraestructura conlleva a incrementar la
demanda de bienes y servicios, un mejoramiento de la infraestructura nos lleva a un escenario,
viéndolo desde otro punto si se logra mejorar la infraestructura las ciudades se verán conectadas
por lo que desencadenara en mercados conectados entre sí, el trabajo añade variables cualitativas
y cuantitativas, desde la década de los 90s la inversión en infraestructura ha sido puesta como
una de las acciones a tomar en política, el estudio se encarga de clasificar 3 variables las cuales
21
son la infraestructura terrestre, la infraestructura aérea y la infraestructura marítima, se utiliza
una data para 10 años desde 1998 a 2007 cada una de estas 3 variables se encarga de ver cómo
afectan a las regiones este, central y oeste de china, a estas variables añadimos la densidad
poblacional, el PBI per cápita y un ratio que se encarga de medir el nivel educativo, actualmente
entre las regiones chinas hay una disparidad de fases de la industrialización, el estudio se centra a
explicar el desequilibrio en términos económicos que sucede en las regiones chinas
contempladas en la estimación, dicha estimación viene dada por la modelación de datos de panel
para 31 provincias chinas, (Hong, Chu, & Wang, 2011) nos muestran cómo se ve afectado
positivamente con fuerte evidencia el crecimiento económico debido a la infraestructura
portuaria y terrestre pero dejando de lado a la infraestructura aérea, esta última no incide en el
crecimiento del PBI para el caso de 31 provincias chinas vistas en este estudio también se
utilizan variables como la densidad poblacional para medir la población en cada región y analizar
cada caso a su vez se hace mención del PBI per cápita en aproximado por región, se logra
encontrar fuerte conectividad entre la infraestructura terrestre y marítima sobre el PBI más no de
la infraestructura aérea (Hong, Chu, Wang, 2011).
La globalización ha hecho que se incremente el crecimiento económico a diferencia de épocas
pasadas, el transporte marítimo entre ellos el transporte de contenedores que ocupa el lugar
pionero en el comercio e intercambio de bienes, los puertos se transformaron de ser facilitadores
para el comercio a un pilar fundamental de este mismo, la existencia de los puertos debería
incentivar al gobierno a construir más carreteras y vías que apoyen al flujo de mercancías, el
trabajo tiene como objetivo ver el impacto de los puertos en el área local donde se ubica. (Shan,
Yu, & Lee, 2014).

22
El estudio de (Shan, Yu, & Lee, 2014) colecta datos de panel, donde se utiliza la tasa de
crecimiento del PBI per cápita, el nivel de educación para poder captar el capital humano , el
gasto de gobierno para lograr observar y precisar la importancia de las políticas en el crecimiento
económico, la densidad de carreteras y el índice de precios al consumidor para poder captar el
nivel de inflación y un ratio de inversión extranjera para poder captar la abertura hacia la
economía global a su vez se incluye la variable de cargo de contenedores que se mide mediante
TEUs.
Se hizo una regresión de datos agrupados, los resultados mediante la estimación del modelo
de efectos fijos concluyeron que el ratio de inversión extranjera así como el gasto de gobierno
tienen conexión positiva con la tasa de crecimiento, del mismo modo la variable de cargo de
contenedores como la educación fueron positivos, la gran sorpresa de este estudio radica en que
la densidad de carreteras no contribuye de manera positiva al crecimiento del PBI per cápita.
Las funciones de los puertos están conectadas entre sí, las economías más avanzadas tienen
puertos y transporte marítimo más avanzado, mostrar evidencia empírica que el puerto central de
una región tiene impacto positivo en dicha región, (Shan, Yu, & Lee, 2014) concluyen que la
competencia entre puertos ayuda a potenciar la economía local mediante este estudio, los puertos
en la misma ciudad se pueden beneficiar de la cooperación entre ellos por lo que resultara
positivo para políticas macroeconómicas.
En el estudio de (Song & Jianing, 2016) se pretende ver cuál es la causalidad entre la
inversión portuaria y el crecimiento económico en china, se utilizan datos con periodo temporal
de 1999-2009 los puertos chinos juegan un papel crucial en el ámbito económico y en el
transporte, el crecimiento de un puerto está altamente relacionado con su economía regional, el
objetivo de este trabajo es el de investigar la relación causal entre la infraestructura portuaria y el

23
crecimiento económico regional en china en este estudio se va a utilizar el test de causalidad de
granger que permite ver si una variable influye a otra y viceversa, Las estimaciones empiezan
formulando el test de raíz unitaria para datos de panel, ya que la data viene dada de esa forma
econométrica así mismo se aplicó en el trabajo un test de cointegración para luego pasar a el test
de causalidad de granger, la data utilizada esta subdivida en 4 regiones, Este estudio trata de ver
la causalidad de la inversión portuaria en el crecimiento económico y sus efectos.
En la metodología presente se inicia por el test de raíz unitaria para los datos de panel, un test
de cointegración y luego el test de causalidad de granger, las variables a tomar en cuenta son el
PBI de las regiones Bohai Rim, Yangtze River, Sudeste y Central así como el capital en
infraestructura de cada una, para aplicar el test de granger primero debe manejarse series
estacionarias, de no ser el caso se aplica un test de cointegración que en este caso muestran una
relación entre la infraestructura portuaria y el crecimiento económico regional, el test de
causalidad de granger concluye que en el largo plazo que la inversión en infraestructura es la
razón del crecimiento económico más no viceversa, lo que significa que el nivel de actividades
económicas dadas no es predictor del número de inversiones en infraestructura portuaria. (Song
& Jianing, 2016)
Para (Park y Seo, 2016) los puertos sin suficiente estructura fija obstruyen el crecimiento
económico regional, sé utiliza datos de panel para la estimación del año 2000 al 2013 en 16
regiones de corea del sur donde el número de observaciones es de 224, incluye las regiones que
tienen y también aquellas que no cuentan con un puerto, en cuanto a las variables utilizadas son
5, el rendimiento regional de carga en toneladas que es una forma de identificar las actividades
de un puerto que no están relacionadas con actividades de contenedores en el ámbito portuario, la
otra variable es el rendimiento de contenedores, la inversión regional portuaria, se añaden dos

24
variables dummy sobre la existencia de un puerto con actividades de cargamento, y la última
variable es otra dicotómica que hace referencia que existe actividad de contenedores en dicho
puerto, se llega a los resultados siguientes donde el capital humano juega un papel que refuerza
el crecimiento económico, un aumento en el rendimiento de carga es altamente positivo para el
crecimiento económico regional, la existencia de puertos en una región obtuvo efecto negativo
sobre el crecimiento económico regional, el rendimiento de carga de contenedores también
simboliza un escenario donde es significativo y positivo. (Park & Seo, 2016)
2. BASES TEÓRICO CIENTÍFICAS
Para poder utilizar la metodología econométrica respectiva debo partir de una función de
producción, en el siguiente modelo de crecimiento económico se incluyen las variables que
veremos en el presente estudio las cuales son el capital y la población/empleo como factores
contribuyentes al crecimiento económico:
Modelo de Solow:
Este modelo se encarga de explicar el crecimiento de la economía y marcó un antes y un
después en los modelos de crecimiento económico, se nos hace mención que la inversión que se
lograr realizar en las empresas y la educación de la población contribuye positivamente al
crecimiento económico así como la capacidad tecnológica que se tenga
El modelo parte de los siguientes supuestos

25
Tabla 7
Descripción de las variables del modelo
N° Descripción
Tiempo Continuo
1
Cada producto elaborado se hace con una

2
variable constante de tecnología
3 Economía Cerrada
Todos los factores de producción son

4
utilizados
es el consumo per cápita
la fuerza laboral crece de forma constante

5
dado por :
𝐿𝐿̇
𝑛𝑛 =
𝐿𝐿
Los valores iniciales de capital 𝑘𝑘0 y 𝐿𝐿0

6
trabajo están dados
Fuente. Sobre la base de Barro, R.J. y Sala-i-Martin, X. (1996)
Se parte de la siguiente función de producción donde:
Y: es la producción total de bienes y servicios.
K: Es el stock de capital y capital total que se tiene.
A: La variable tecnológica.
L: La fuerza laboral o trabajo de las personas utilizado.

26
Y (t) = F[K(t), L(t)] = K(t) α L(t) 1−α (1)
Acotando la función: Y = A Kα L1−α (2)
En dicha función de producción existen rendimientos a escala constantes es decir que si se
multiplica por el mismo factor los demás factores productivos la función se incrementa la
producción en el mismo sentido:
F(λK, λL) = λ F(K, L) = λA Kα L1−α (3)
Las productividades marginales del stock de capital y la fuerza laboral son positivas:
∂F
∂K
= αAKα−1L 1−α > 0 (4)
∂F
∂L
= (1 − α) AKαL −α > 0 (5)
A su vez los productos marginales de las derivadas están en declive o decrecimiento:
∂2 F
∂K2
= (α − 1) αA Kα−2L 1−α < 0 (6)
∂2 F
∂L2
= −α (1 − α) A KαL −α−1 < 0 (7)
Finalmente se deben cumplir las condiciones de Inada:
lim 𝑘𝑘 → 0 𝑓𝑓 ′ (𝑘𝑘) = ∞
lim ∞ → 0 𝑓𝑓 ′ (𝑘𝑘) = 0
Luego si tenemos:
𝑿𝑿
𝒙𝒙 = 𝑳𝑳 (8)
Donde tenemos que la producción per cápita viene siendo una función del stock de capital y la
𝑌𝑌 A Kα L1−α F 𝐾𝐾 𝐿𝐿
tecnología: y = 𝐿𝐿 = A KαL1−α L
= A ( 𝐿𝐿 )α ( 𝐿𝐿 )1−α = A k α (9)
Donde tenemos que la función de acumulación de capital viene dado por:
K˙ = sY – δK (10)
27
En esta instancia se debe asumir que existe una tasa de depreciación constante y una tasa de
ahorro constante.
Si dividimos la ecuación (10) entre K obtenemos:
𝐾𝐾̇
𝐾𝐾
= s Y K − δ. (11)
𝑌𝑌
𝐾𝐾̇ 𝑌𝑌̇ 𝑦𝑦
𝐾𝐾
= s 𝐾𝐾 − δ = s 𝐿𝐿
𝐾𝐾 −δ = s 𝐾𝐾 – δ (12)
𝐿𝐿
𝑘𝑘̇ 𝑦𝑦
𝑘𝑘
+ n = s 𝑘𝑘 − δ ⇒ k˙ = sy − (δ + n) k (13)
Obteniendo la ecuación fundamental del crecimiento en el modelo de Solow (14) esta es una
ecuación que refleja como el crecimiento económico es la diferencia del ahorro per cápita menos
la inversión necesaria para que el capital per cápita se mantenga constante, cuanto mayor ahorro
y mayor tecnología tendremos mayor crecimiento economico
𝑘𝑘 = s A kαs A k (α) − (δ + n) k (14)
Gráficamente
28
F(x)
Sobre la base de Barro, R.J. y Sala-i-Martin, X. (1996)

Figura 4 Explicación grafica del modelo de solow
En la figura tenemos las líneas clasificadas por colores donde en la siguiente tabla será
explicada cada línea dentro del gráfico:
Tabla 8
Explicación del grafico
Colores de línea Descripción
Rojo Capital per cápita: Kt

29
Verde
Tasa de depreciación: SAKtα
Azul
Función de producción: y= AKtα
Viene siendo la producción y está repartida
entre ahorro y la diferencia entre producción y
Naranja ahorro que viene siendo consumo,
recordemos que el ahorro es igual a la
inversión
Amarillo Función de ahorro: (δ + n) kt
Negro Eje de Producción: F(Kt)
Fuente: Sobre la base de Barro, R.J. y Sala-i-Martin, X. (1996)
Lo que nos dice este modelo es que nos da la clave como va a crecer el capital per cápita de
una economía, en este caso crece el capital per cápita, la economía se traslada hacia la derecha,
por lo que se recogerá crecimientos de la renta per cápita del país, de esta forma se logró explicar
el crecimiento económico, la inversión se convierte en capital es decir Infraestructura y este se
convierte en producción por eso dentro de este estudio veremos como el capital de las
infraestructuras portuarias y viales contribuirán a mi crecimiento económico aplicando
metodología econométrica partiendo de la función de producción vista en esta base teórica donde
se incluye también a la población o trabajo como se ve en este modelo los cuales son
representados como la variable pea que es un forma de medir dicha población aplicando en la
metodología econométrica
30
3. DEFINICIÓN DE TÉRMINOS BÁSICOS
• Carga de contenedores: El tipo de carga más común y el más utilizado en el comercio
internacional, se trata de todo tipo de artículos que quepan en un contenedor y son los
que más incidencia en el comercio tienen. (American association of ports Authorities,
2018).
• Carga de Granel: Se refiere al tipo de carga a granel es el que va relacionado a un
commodity, este tipo de carga viene en forma de granos o semillas. (American
association of ports Authorities, 2018).
• Carga de Granel Líquido: Se refiere al tipo de carga de granel en forma líquida es
decir aceites de maíz, trigo, hidrocarburos entre otros. (American association of ports
Authorities, 2018).
• Concesión: Es un contrato mediante el cual se concede el derecho o facultad que da el
estado a la inversión privada de manera que ambos salgan beneficiados.
• Crecimiento: Hace referencia algo que ha crecido dentro de un determinado periodo
de tiempo.
• Crecimiento Económico: Hace mención al aumento de la producción de bienes o
servicios de un área determinada dentro de un periodo. (Barro y Sala-i-Martin, 1996).
• Datos de Panel: Hace mención a data existente que está conformada por múltiples
unidades económicas y múltiples periodos de tiempo. (Wooldridge, 2010)
• Densidad: Hace referencia a cuan compacto o concentrado algo en realidad es.

31
• Enapu: Es la empresa de ámbito nacional que se encarga de realizar diversas
actividades dentro de los puertos.
• Estado de Hechos: Es un estado en el cual se ponen a estudio las actividades que se
dan en cada área dentro de un puerto, dichas actividades están controladas por el
número de horas/comidas, detalles de trabajo diario, observaciones generales, detalla
el tipo de carga y permite mantener conectadas las actividades de las 3 diversas áreas
de un puerto la zona de carga, la zona terrestre y la zona de altamar, dicho estado de
hechos debe ser firmado por estas 3 partes. (American association of ports Authorities,
2018).
• Infraestructura: Hace mención a las facilidades, instalaciones o servicios que se
necesitan para el funcionamiento de una sociedad o grupo de actividades determinadas
en un lugar determinado.
• Laytime: Es el tiempo aproximado que un barco debe realizar las actividades de carga,
descarga, embarque y desembarque. (American association of ports Authorities,
2018).
• Macro región: Viene a entenderse como una subdivisión geopolítica de áreas.
• Ositran: Es el organismo supervisor de la inversión en infraestructura de transporte de
uso público en el Perú.
• PBI: El producto bruto interno es el valor monetario de todos los productos o servicios
terminados en un determinado periodo de tiempo. (Bishop,2004)
• PEA: Se entiende como la población económicamente activa (Bishop,2004)
• Puerto: Un puerto es el lugar geográfico que colinda con espacios de agua, y en el cual
se lleva a cabo el cargue y descargue de mercancías o pasajeros, dicho puerto incluye

32
diverso tipo de actividades, existen de diverso tipo lacustres, fluviales y marítimos
como los de la presente investigación.
• Refrigerados: Tipo de carga que hace mención a aquel cargamento que necesita tener
una refrigeración bajo cero para poder conservarse y por ende poder comercializarse
de manera óptima sin afectar su estado o condición. (American association of ports
Authorities, 2018).
• Regionalización: Es el proceso de dividir a un país mediante regiones administrativas.
• TEUs: Es la unidad de medida de la carga en contenedores hace mención en ingles al
termino Twenty Equivalent unit, 1 TEUs habla acerca de 1 contenedor de 20 pies.
(American association of ports Authorities, 2018).

33
CAPÍTULO III: HIPÓTESIS Y VARIABLES
1. HIPÓTESIS Y SUPUESTOS BÁSICOS
1.1 Hipótesis General:
La inversión de infraestructura portuaria y terrestre, así como la población económicamente
activa son factores significativos en el pbi regional de las macro regiones Huari, Chavín, La
Libertad, Lima y Grau entre el 2004 al 2016.
1.2 Hipótesis Específicas:
H1: La infraestructura portuaria es un factor significativo en el PBI regional de las macro
H2: La densidad de infraestructura vial es un factor significativo en el PBI regional de las

34
2. Identificación de variables o unidad de análisis
Las variables a utilizar en el presente estudio tienen un periodo de estudio del 2004 al 2016
dichas variables serán las siguientes:
Tabla 9
Descripción de las variables
Variables Descripción
Variable Dependiente hace mención al PBI

PBI Regional
regional de las macro regiones dentro del
estudio.
Variable independiente, capital en

K port
infraestructura portuaria real (miles de
dólares) , stock de capital portuario.
Variable independiente, Km de carreteras
Div pavimentadas entre el área total de la macro
región.
Población económicamente activa, variable

PEA
independiente (miles de personas).
Fuente: Sobre la base de Barro, R.J. y Sala-i-Martin, X. (1996)
Dichas variables están agrupadas por macro regiones según la Figura N°3
Unidad de Análisis
Va enfocada hacia las macro regiones Los Libertadores Huari, Lima, La Libertad, Grau y
departamentos de Trujillo, lima, Ica, Ancash donde se encuentran los puertos de Paita,
35
Salaverry, Pisco, Chimbote y Callao, las cifras utilizadas son precisas en cuanto a las
regiones/departamentos de los cuales se hablara véase Tabla n°5

36
3. Matriz lógica de Consistencia
Tabla 10
Matriz lógica de Consistencia
Problema Objetivos Hipótesis Variables
General General General General
La inversión de
¿Cuál es el impacto de la Determinar el impacto entre • PBI regional de las
infraestructura portuaria y
inversión en infraestructura el aumento de la infraestructura macro regiones de Huari,
terrestre, así como la población
portuaria y terrestre así como la portuaria y terrestre, así como la Chavín, La Libertad, Lima y
económicamente activa son
población económicamente en población económicamente Grau. También el Stock de
factores significativos en el pbi
el crecimiento del PBI regional activa en el pbi regional de las capital del terminal
regional de las macro regiones
de las macro regiones de Huari, macro regiones Huari, Chavín, portuario de dichas macro
Huari, Chavín, La Libertad,
Chavín, La Libertad, Lima y La Libertad, Lima y Grau entre regiones, PEA y densidad
Lima y Grau entre el 2004 al
Grau entre el 2004 al 2016? el 2004 al 2016. vial
2016.
Específicos Específicos Específicos Específicos

37
: La infraestructura portuaria
¿Cuál es el impacto de la Determinar el impacto de la
es un factor significativo en el
infraestructura portuaria en el infraestructura portuaria en el
PBI regional de las macro
PBI regional de las macro pbi regional de las macro
regiones Huari, Chavín, La • Densidad de
regiones Huari, Chavín, La regiones Huari, Chavín, La
Libertad, Lima y Grau entre el infraestructura vial regional
Libertad, Lima y Grau entre el Libertad, Lima y Grau entre el
2004 al 2016. (m/km2)
2004 al 2016? 2004 al 2016.
Stock de capital portuario
(infraestructura portuaria)
Determinar el impacto de la La densidad de • PEA (Población

¿Cuál es el impacto de la
densidad en infraestructura vial infraestructura vial es un factor económicamente activa
densidad de infraestructura vial
en el pbi regional de las macro significativo en el PBI regional regional)
sobre mi PBI regional de las
regiones Huari, Chavín, La de las macro regiones Huari,
macro regiones Huari, Chavín,
Libertad, Lima y Grau entre el Chavín, La Libertad, Lima y
La Libertad, Lima y Grau entre
2004 al 2016. Grau entre el 2004 al 2016.
el 2004 al 2016?
38
La población
• ¿Cuál es el impacto de la Determinar el impacto de la económicamente activa es un
población económicamente población económicamente factor significativo en el PBI
activa en el PBI regional de las activa en el pbi regional de las regional de las macro regiones
macro regiones Huari, Chavín, macro regiones Huari, Chavín, Huari, Chavín, La Libertad,
La Libertad, Lima y Grau entre La Libertad, Lima y Grau entre Lima y Grau entre el 2004 al
el 2004 al 2016? el 2004 al 2016. 2016.
Fuente: Sobre la base de Elaboración Propia

39
CAPÍTULO IV MÉTODO
4.1 Tipo y método de investigación
La presente investigación es de tipo explicativa ya que se emplean variables para una
población de estudio con el objeto de determinar la relación existente entre ellas. Del mismo
modo, se utilizan técnicas cuantitativas para probar las hipótesis de investigación y, de esta
manera, se busca identificar el comportamiento de una variable respecto a las demás planteadas
en el estudio, con la finalidad de medir el impacto de la inversión en infraestructura portuaria en
el crecimiento económico regional.
4.2 Diseño específico de investigación
Se emplea un diseño no experimental debido a que el investigador no controla el
comportamiento de las variables de estudio, sino se limita a observarlas y las utiliza para los
fines de la investigación. Asimismo, se emplea un panel de datos, es decir, se realiza un análisis
longitudinal, ya que se evalúa la evolución temporal de las variables para cada una de las
entidades de estudio con el objetivo de realizar inferencia sobre ellas y analizar los resultados.
4.3 Población, Muestra o Participantes
Población de estudio
La población de estudio está representada por las regiones donde se encuentran ubicados los
puertos de Paita, Salaverry, Chimbote, Callao y Paracas correspondientes, respectivamente, a los
departamentos de Piura, Trujillo, Ancash, Lima e Ica en el periodo 2004-2017. Estas regiones
40
están clasificadas según el antiguo sistema de regionalización del Perú, vigente desde 1988 hasta
el año 1992, de la siguiente manera:
Región Grau, la cual está conformada por los actuales departamentos de Tumbes y Piura.
Región La Libertad, la cual abarca el actual departamento de La Libertad.
Región Chavín, la cual abarca el actual departamento de Ancash.
Región Lima, la cual está conformada por el actual departamento de Lima y la provincia
constitucional del Callao.
Región Libertadores-Huari, la cual abarca los actuales departamentos de Huancavelica, Ica y
Ayacucho.
Cabe resaltar que, la información relacionada a los puertos ubicados en estas regiones se
limita a las mencionadas líneas arriba debido a la falta de información pública disponible.
Tamaño de la muestra
La muestra consta de las cinco (05) regiones citadas en la sección anterior: Grau, La Libertad,
Chavín, Lima y Libertadores-Huari en el periodo 2004-2016. Por lo tanto, el número de
observaciones es igual a la multiplicación de la cantidad de ambos (regiones y años)
representando un total de 70 observaciones.
Unidad de análisis
La unidad de análisis en este trabajo de investigación es cada región donde se encuentran
ubicados los puertos de Paita, Salaverry, Pisco, Callao y Paracas para cada año del periodo 2004-
2016.
41
4.4 Instrumentos de recogida de datos
Los datos relacionados a las variables Producto Bruto Interno regional, Población
Económicamente Activa y el área en km2 de cada región y/o departamento fueron recolectados
de las bases de datos publicadas por el Instituto Nacional de Estadística e Informática (INEI).
Del mismo modo, la información referida a la variable stock de capital de los terminales
portuarios fue tomada de los artículos publicados por el Organismo Supervisor de la Inversión en
Infraestructura de Uso Público (Ositran). Finalmente, los datos referidos a la variable kilómetros
pavimentados de carretera fueron tomados de la información publicada en la página web del
Ministerio de Transportes y Comunicaciones (MTC).
4.5 Técnicas de procesamiento y análisis de datos
En la presente investigación, se plantea un modelo econométrico con una estructura de datos
de panel, lo cual se refiere a la utilización conjunta de datos de corte transversal y series de
tiempo y permite observar el comportamiento de las entidades, representada por las regiones, a
través del tiempo, expresado en años. Asimismo, presenta la ventaja de controlar variables que
no se pueden observar o medir, así como también, aquellas que cambian a través del tiempo,
pero no a través de las entidades. En otras palabras, se toma en cuenta la heterogeneidad de los
individuos lo que reduce la probabilidad de presencia de sesgo.
Debido a que se hace referencia a un modelo espacio - temporal en el que existen 𝑁𝑁
observaciones transversales en 𝑇𝑇 periodos de tiempo, se especifica un modelo de regresión lineal
para un panel de datos balanceado, de modo que la variable dependiente (𝑌𝑌) se expresa de la
siguiente manera:
42
𝑌𝑌𝑖𝑖𝑖𝑖 = 𝑎𝑎 + 𝑏𝑏𝑋𝑋𝑖𝑖𝑖𝑖 + 𝑢𝑢𝑖𝑖𝑖𝑖 (1)
Donde 𝑋𝑋 representa a las variables independientes y el subíndice 𝑖𝑖 = 1; 2; … ; 𝑁𝑁 representa a
la entidad (región) y el subíndice 𝑡𝑡 = 1; 2; … ; 𝑇𝑇 expresa el período (año). Para este caso, la
muestra total de las observaciones en el modelo es 𝑁𝑁𝑁𝑁𝑁𝑁. Asimismo, 𝑢𝑢𝑖𝑖𝑖𝑖 representa el término de
perturbación puramente aleatorio.
Respecto a los métodos de estimación, se plantean 3 posibles modelos aplicables a los datos
de panel los cuales se detallan a continuación:
4.5.1. Regresión agrupada (pooled)
Representa el modelo general para datos de panel y se plantea mediante el siguiente modelo:
𝑦𝑦𝑖𝑖𝑖𝑖 = 𝛼𝛼 + 𝛽𝛽𝑋𝑋𝑖𝑖𝑖𝑖 + 𝑢𝑢𝑖𝑖𝑖𝑖 (2)
La ecuación (2) puede estimarse mediante el método de Mínimos Cuadrados Ordinarios
(MCO), sin embargo, cabe la posibilidad que la covarianza de las variables explicativas con el
término de error sea diferente de cero, es decir, que los residuos no sean independientes de las
observaciones por cual la estimación podría resultar sesgada. Principalmente, esto se debe a un
error en la especificación del modelo por la omisión de alguna variable relevante o la existencia
de características inobservables para cada individuo. Este problema puede solucionarse con el
planteamiento de un método de estimación que incluya anidamiento de los datos a través de un
modelo de efectos fijos o un modelo de efectos aleatorios.

43
4.5.2. Efectos fijos (EF)
Se utiliza el modelo de efectos fijos cuando se busca analizar el impacto de las variables que
varían a través del tiempo o cuando se quiere explorar la relación entre las variables exógenas y
la variable endógena dentro de una entidad. Cada entidad tiene sus propias características
individuales que pueden o no pueden influir en las variables explicativas.
Para plantear este modelo, se asume que alguna de las características dentro de los individuos
puede impactar o sesgar alguna de las variables por lo cual es necesario controlarlas. Esto es
razonable bajo el supuesto de la existencia de correlación entre el término de perturbación de las
entidades y las variables explicativas, por lo cual su aplicación remueve el efecto de aquellas
variables invariantes en el tiempo y es posible evaluar el efecto neto de las variables explicativas
sobre la variable dependiente.
Otro importante supuesto del modelo de efectos fijos es que aquellas características
invariantes en el tiempo son únicas para el individuo y no deben estar correlacionadas con otras
características individuales. Cada entidad es diferente, entonces el término de perturbación de la
entidad y la constante (la cual captura las características individuales de las entidades) no deben
estar correlacionados con las demás. Si los términos de error están correlacionados, entonces este
modelo no es el adecuado ya que la estimación realizada puede no ser correcta y se podría
necesitar un modelo que tome en cuenta esta relación, probablemente utilizando efectos
variables.
La ecuación para el modelo de efectos fijos es la siguiente:
𝑦𝑦𝑖𝑖𝑖𝑖 = 𝛼𝛼𝑖𝑖 + 𝛽𝛽𝑋𝑋𝑖𝑖𝑖𝑖 + 𝑢𝑢𝑖𝑖𝑖𝑖 (3)

44
Así también, 𝛼𝛼𝑖𝑖 = 𝛼𝛼 + 𝑣𝑣𝑖𝑖 y reemplazando este término en la ecuación (4) queda:
𝑦𝑦𝑖𝑖𝑖𝑖 = 𝛼𝛼 + 𝛽𝛽𝑋𝑋𝑖𝑖𝑖𝑖 + 𝑣𝑣𝑖𝑖 + 𝑢𝑢𝑖𝑖𝑖𝑖 (4)
es decir, el error puede descomponerse en: una parte fija (𝛼𝛼), la cual es constante para cada
individuo y otra aleatoria (𝑣𝑣𝑖𝑖 ). De ello se puede obtener una tendencia general por regresión
dando a cada individuo un punto de origen distinto.
La estimación puede realizarse de diversas maneras, una de ellas es introduciendo una dummy
por cada individuo y estimando por MCO. Otra es calculando las diferencias, para lo cual se
procede de la siguiente manera:
𝑦𝑦�𝑖𝑖𝑖𝑖 = 𝛼𝛼 + 𝛽𝛽𝑋𝑋�𝑖𝑖𝑖𝑖 + 𝑣𝑣𝑖𝑖 + 𝑢𝑢𝑖𝑖𝑖𝑖 (5)
y restando (4) y (5) se obtiene la ecuación
(𝑦𝑦𝑖𝑖𝑖𝑖 − 𝑦𝑦�𝑖𝑖𝑖𝑖 ) = (𝑋𝑋𝑖𝑖𝑖𝑖 − 𝑋𝑋�𝑖𝑖𝑖𝑖 )𝛽𝛽 + (𝑢𝑢𝑖𝑖𝑖𝑖 − 𝑢𝑢�𝑡𝑡 ) (6)
La cual, finalmente, puede estimarse por MCO.
4.5.3. Efectos aleatorios (EA)
Cuando existen razones para creer que la heterogeneidad entre las entidades tiene alguna
influencia sobre la variable dependiente entonces es preferible aplicar el modelo de efectos
aleatorios. La racionalidad detrás es que, a diferencia del modelo de efectos fijos, la variación a
45
través de las entidades es asumida como aleatoria y no se encuentra correlacionada con las
variables explicativas del modelo.
Una ventaja de los efectos aleatorios es que se puede incluir variables invariantes en el
tiempo. En el modelo de efectos fijos, estas variables son absorbidas por el intercepto.
El modelo de efectos aleatorios presenta una especificación parecida al de efectos fijos, a
diferencia que, se incluye el término 𝜀𝜀𝑖𝑖𝑖𝑖 que representa el error entre las entidades de estudio,
cuya ecuación es la siguiente:
𝑦𝑦𝑖𝑖𝑖𝑖 = 𝛼𝛼 + 𝛽𝛽𝑋𝑋𝑖𝑖𝑖𝑖 + 𝑢𝑢𝑖𝑖𝑖𝑖 + 𝜀𝜀𝑖𝑖𝑖𝑖 (7)
Se asume que el término de error de las entidades no está correlacionado con las variables
regresoras lo cual permite a las variables invariantes en el tiempo tener un rol importante como
variables explicativas. Asimismo, se necesita especificar aquellas características individuales que
podrían o no influir en las variables explicativas, sin embargo, algunas podrían no estar
disponibles lo cual puede conllevar a obtener un sesgo por variable omitida en el modelo.
Este modelo es más eficiente, es decir, la varianza de la estimación es menor, pero es menos
consistente que la de efectos fijos. En otras palabras, es más exacto en el cálculo del valor del
parámetro, pero este puede estar más sesgado que el de efectos fijos.
Respecto al método de estimación para este modelo, se puede estimar eficientemente
mediante Mínimos Cuadrados Generalizados Factibles (MCGF). Otra alternativa es obtener el
estimador de efectos aleatorios estimando por MCO el modelo transformado previamente la
ecuación (7) de la siguiente manera:

46
′
�𝑦𝑦𝑖𝑖𝑖𝑖 − 𝜃𝜃�𝑖𝑖 𝑦𝑦�𝑖𝑖𝑖𝑖 � = 𝛼𝛼�1 − 𝜃𝜃�𝑖𝑖 ��𝑋𝑋𝑖𝑖𝑖𝑖 − 𝜃𝜃�𝑖𝑖 𝑋𝑋�𝑖𝑖𝑖𝑖 � 𝛽𝛽 + 𝑣𝑣𝑖𝑖 �1 − 𝜃𝜃�𝑖𝑖 � + (𝑢𝑢𝑖𝑖𝑖𝑖 − 𝜃𝜃�𝑖𝑖 𝑢𝑢�𝑡𝑡 ) (8)
donde 𝜃𝜃�𝑖𝑖 es un estimador consistente de
𝜃𝜃𝑖𝑖 = 1 − �𝜎𝜎𝑢𝑢2 /(𝑇𝑇𝑖𝑖 𝜎𝜎𝛼𝛼2 + 𝜎𝜎𝑢𝑢2 ) (9)
Para elegir el modelo adecuado y que los efectos no observados sean tratados como fijos o
aleatorios se procede a aplicar el test de especificación de Hausman.
4.5.4. Test de Hausman
Esta prueba se utiliza para comparar las estimaciones del modelo de efectos fijos y efectos
aleatorios y determinar si las diferencias en sus resultados son sistemáticas y significativas para
luego elegir el más adecuado.
La hipótesis nula (𝐻𝐻0 ) para el test de Hausman es que no existen diferencias sistemáticas
entre los estimadores de ambos modelos. Es así que un p-valor por debajo del nivel de
significancia establecido implica el rechazo de 𝐻𝐻0 lo cual indica que los estimadores obtenidos
por el modelo de efectos aleatorios son inconsistentes y es preferible usar el modelo de efectos
fijos.
En otras palabras, si se encuentra correlación entre el error y los regresores (𝐶𝐶𝐶𝐶𝐶𝐶(𝑋𝑋𝑖𝑖𝑖𝑖 ; 𝑢𝑢𝑖𝑖𝑖𝑖 ) ≠
0), lo cual incumple el principal supuesto del modelo de efectos aleatorios, es preferible elegir el
modelo de efectos fijos.
Finalmente, de acuerdo a las variables a utilizar en esta investigación, el modelo queda
especificado de la siguiente manera:

47
log(𝑝𝑝𝑝𝑝𝑝𝑝𝑖𝑖𝑖𝑖 ) = 𝛼𝛼 + 𝑏𝑏1 log(𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑘𝑖𝑖𝑖𝑖 ) + 𝑏𝑏2 log(𝐷𝐷𝐷𝐷𝐷𝐷) + 𝑏𝑏3 log(𝑝𝑝𝑝𝑝𝑝𝑝𝑖𝑖𝑖𝑖 )
+ 𝑢𝑢𝑖𝑖𝑖𝑖 (10)
y el tratamiento de las variables no observables se determinará luego de la aplicación del Test
de Hausman que compara ambas estimaciones.
4.6 Procedimiento de ejecución del estudio
El presente estudio se elaboró en una estructura dividida en 6 capítulos cuyo procedimiento se
detalla en los siguientes párrafos:
El Capítulo 1 inicia con la elaboración del planteamiento del estudio la cual incluye la
formulación del problema que consiste en describir, a modo general, la situación del tema a
desarrollar para luego plantear las preguntas de investigación. De ellas, se desprenden los
objetivos generales y específicos los cuales direccionan este trabajo de investigación ya que es lo
que se pretende alcanzar. Posterior a ello, se elabora la justificación e importancia del estudio, así
como también, sus alcances y limitaciones resultado de la búsqueda de información relacionada a
las variables empleadas para la estimación del modelo.
El capítulo II desarrolla el Marco Teórico – Conceptual dividido en tres aspectos: los
Antecedentes de la investigación que se refiere a investigaciones anteriores relacionadas al tema
de investigación con la finalidad de obtener información sobre las variables, metodología y
resultados obtenidos en estos estudios; las Bases teórico-científicas referidas a los modelos
teóricos en los cuales se basa este estudio y la Definición de términos básicos que alude a los
conceptos utilizados cuyas definiciones son necesarias aclarar para el entendimiento del estudio.
48
El capítulo III aborda el planteamiento de las Hipótesis y las Variables de estudio las cuales
son resultado de la revisión de los dos capítulos anteriores. A modo de resumen, se presenta una
Matriz lógica de consistencia que incluye el título, los problemas, los objetivos y las hipótesis de
investigación, así como también las variables a incluir en el modelo.
El capítulo IV desarrolla el Método a aplicar en la investigación el cual incluye el tipo, el
diseño específico, la población y muestra, los instrumentos de recolección de los datos, las
técnicas de procesamiento y análisis de los datos y la presente sección donde se resume el
procedimiento de elaboración del presente documento.
El capítulo V hace referencia a los Resultados del trabajo de investigación donde se presentan
los datos cuantitativos y estadísticas descriptivos relacionados a las variables de estudio, seguido
a ello se realiza el análisis de las pruebas estadísticas la estimación del modelo econométrico
planteado y, posterior a ello, la discusión de los resultados obtenidos.
Finalmente, el capítulo VI contiene las conclusiones y recomendaciones producto de la
investigación.
49
CAPÍTULO V RESULTADOS Y DISCUSIÓN
5.1 Datos cuantitativos
En la presente sección se presenta la información cuantitativa para las variables de estudio a
través de estadísticas descriptivas, las cuales facilitarán el entendimiento y posterior
interpretación de los resultados obtenidos
Inicialmente, se utilizaron los datos disponibles para el periodo 2004-2017, sin embargo, se
procedió a sustraer el año 2017 ya que no se cuenta con la información completa en las fuentes
consultadas, por lo cual, se realizó el análisis para el periodo 2004-2016. Como resultado, los
datos recogidos constituyen un panel balanceado, donde las regiones y los años representan las
variables panel y de tiempo, respectivamente. Debido a que se cuenta con 5 regiones y 13 años
en el periodo de estudio, se registran un total de 65 observaciones.
Como se está describiendo un panel de datos, se presentan 3 tipos de medición para las
variables: dentro de su misma entidad (within), entre las entidades (between) y agrupadas sin
diferenciar entre entidades (overall). Para fines de simplicidad se interpretan los valores de la
variable dependiente (PIB) cuando es tomada de forma agrupada.
A continuación, se presentan algunas estadísticas descriptivas para las variables medidas en
niveles, es decir, tomando su valor absoluto previo a la aplicación de alguna transformación a su
valor original.
50
Tabla 11
Estadísticas descriptivas de las variables de estudio, 2004-2016.
Desviación
Variable Media Mediana Mínimo Máximo Observaciones
estándar
PIB overall 31,8 12,0 42,7 6,9 154,6 N = 65
between 45,8 9,7 114,8 n=5
within 10,9 -0.1 72,7 T = 13
KPORT overall 29111,8 6234,2 52610,0 2457,9 187175,6 N = 65
between 49122,2 4936,7 116875,6 n=5
within 28412,3 -59198,3 99411,8 T = 13
DIV overall 22,9 24,4 8,8 2,6 41,9 N = 65
between 6,5 17,2 30,5 n=5
within 6,5 7,7 47,0 T = 13
PEA overall 1720,6 987,3 1558,6 747,1 5107,0 N = 65
between 1724,8 884,9 4803,8 n=5
within 109,9 1366,8 2023,8 T = 13

Fuente: Sobre la base de elaboración propia
En el Tabla Nº 11 se observa que existe una notable diferencia entre los valores de la media y
la mediana por lo cual se sospecha de la presencia de datos atípicos o asimétricos. En
consecuencia, se elige como mejor medida de tendencia central a la mediana.
Para el caso de la variable PIB, el 50% de las entidades presentan valores inferiores a 12 miles
de millones de soles, mientras que el otro 50% supera esa cifra. Asimismo, se tiene un valor
mínimo de 6,9 y un valor máximo de 154,6 miles de millones de soles y, en promedio, el valor
del PIB se desvía de la media aproximadamente en 42,7 miles de millones de soles.

51
Para identificar la heterogeneidad entre entidades y la heterogeneidad en el tiempo se realizan
representaciones gráficas para la variable PIB, para lo cual sus valores fueron transformados en
logaritmos debido a la presencia de valores asimétricos en la muestra.
En la figura N°5 se aprecia que la región Lima, en comparación con las otras regiones,
presenta mayor PIB medio en el periodo 2004-2016. Así también, el PIB de la región
Libertadores – Huari presenta valores más dispersos comparados con las demás regiones para el
periodo 2004-2016.
19
18
17
16
15
Chavín Grau La Libertad Libertadores-Huari Lima
logPIB logPIB_median
Fuente: Instituto Nacional de Estadística e Informática (INEI)

Figura 5
Heterogeneidad entre el Producto Bruto Interno de las regiones, 2004-2016.
52
Por otro lado, en el Gráfico Nº 6 se observa que el PIB medio de las regiones se fue
incrementando a través del periodo 2004-2016. Asimismo, se muestra que en todos los años una
región cuenta con mayor PIB que las demás. De acuerdo al gráfico anterior se puede saber que
corresponde a la región de Lima, por tanto, se puede afirmar que en todos los años del periodo
2004-2016, el PIB de la región Lima es notablemente superior al de las demás regiones.

19
18
17
16
15
2004 2006 2008 2010 2012 2014 2016
logPIB logPIB_median1
Fuente: Instituto Nacional de Estadística e Informática (INEI)

Figura 6
Heterogeneidad del Producto Bruto Interno a través de los años, 2004-2016 .
5.2 Análisis de Resultados
En esta sección, se presentan los resultados de los modelos estimados con el fin de contrastar
las hipótesis planteadas.

53
Inicialmente, al estimar un modelo incluyendo la variable participación del sector
manufactura en el PIB regional el cual fue especificado para los modelos de regresión agrupada,
efectos fijos y efectos aleatorios, se encontró que esta no es significativa, por lo cual fue
eliminada del modelo. Ello se puede explicar por el escaso crecimiento del sector manufacturero
en las regiones de estudio, las cuales destacan principalmente por la realización de actividades
primarias como las minería, pesca, agricultura y ganadería que reportan un bajo valor agregado;
a excepción de la región Lima que tiene mayor participación en el sector servicios. Por el
contrario, el resto de variables planteadas resultan significativas para el modelo por lo que se
procede a plantear un nuevo modelo que solo incluya a estas últimas.
A continuación, se muestran los resultados de las estimaciones de los 3 modelos de datos de
panel mencionados líneas arriba.
En la figura N°7 se observan los resultados de la estimación bajo el método de Mínimos
Cuadrados Ordinarios (MCO), resultando que a pesar que se obtienen los signos esperados en los
coeficientes, la variable DIV resulta no significativa para el modelo planteado.

54
Source SS df MS Number of obs = 65

F(3, 61) = 764.78
Model 57.3977026 3 19.1325675 Prob > F = 0.0000
Residual 1.52604774 61 .025017176 R-squared = 0.9741
Adj R-squared = 0.9728
Total 58.9237504 64 .9206836 Root MSE = .15817
logPIB Coef. Std. Err. t P>|t| [95% Conf. Interval]
logKPORT .2130507 .0364198 5.85 0.000 .1402248 .2858765

logDIV .0365589 .0456864 0.80 0.427 -.0547968 .1279145
logPEA 1.043551 .0656418 15.90 0.000 .9122924 1.17481
_cons 7.108064 .2485339 28.60 0.000 6.61109 7.605039
Sobre la base de elaboración propia

Figura 7
Resultados de la estimación del modelo de regresión agrupada.
En la figura N° 8 se muestran los resultados de la estimación para el modelo de efectos fijos
obteniéndose que los errores están correlacionados negativamente con los regresores. Así
también, el test F muestra que las variables planteadas son conjuntamente significativas para el
modelo, y, por tanto, sus coeficientes son estadísticamente diferentes de cero. Por otro lado,
existe una alta correlación entre grupos (98,3%), es decir, el 98,3% de la varianza es explicada
por la heterogeneidad entre regiones.
A modo individual, se muestra que las variables KPORT y PEA resultan significativas para el
modelo de efectos fijos. Este no es el caso de la variable DIV, por lo cual se procede a plantear el
modelo de efectos aleatorios.

55
Fixed-effects (within) regression Number of obs = 65

Group variable: id Number of groups = 5
R-sq: Obs per group:

within = 0.8354 min = 13
between = 0.9797 avg = 13.0
overall = 0.9658 max = 13
F(3,57) = 96.43
corr(u_i, Xb) = -0.9696 Prob > F = 0.0000
logKPORT .1107613 .0274191 4.04 0.000 .0558554 .1656671

logDIV .0345418 .0472072 0.73 0.467 -.0599891 .1290727
logPEA 2.149434 .2781351 7.73 0.000 1.592478 2.70639
_cons .1232929 1.852005 0.07 0.947 -3.585282 3.831868
sigma_u .70069176
sigma_e .09272734
rho .98278839 (fraction of variance due to u_i)
F test that all u_i=0: F(4, 57) = 30.12 Prob > F = 0.0000

Figura 8
Resultados de la estimación del modelo de efectos fijos.
En el Figura N°9 se muestran los resultados de la estimación para el modelo de efectos
aleatorios donde se asume que los errores no están correlacionados con los regresores.
Asimismo, el test Chi-cuadrado muestra que las variables planteadas son conjuntamente
significativas para el modelo, y, por tanto, sus coeficientes son estadísticamente diferentes de
cero. Por otro lado, el 85,5% de la varianza es explicada por la heterogeneidad entre regiones.
A modo individual, se muestra que las tres variables regresoras, KPORT, DIV y PEA,
resultan significativas para el modelo de efectos aleatorios.

56
Random-effects GLS regression Number of obs = 65


within = 0.8184 min = 13
between = 0.9801 avg = 13.0
Wald chi2(3) = 323.24

corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000
logPIB Coef. Std. Err. z P>|z| [95% Conf. Interval]
logKPORT .1215465 .0287187 4.23 0.000 .0652588 .1778342

logDIV .1144862 .0409351 2.80 0.005 .0342548 .1947175
logPEA 1.417342 .1550668 9.14 0.000 1.113417 1.721268
_cons 5.035239 1.01198 4.98 0.000 3.051795 7.018684
sigma_u .22560391
sigma_e .09272734

Figura 9
Resultados de la estimación del modelo de efectos aleatorios.
Seguido a ello, se realiza la prueba del Multiplicador de Lagrange para efectos aleatorios para
determinar si es necesaria la especificación de un modelo de efectos aleatorios para el
tratamiento de los efectos no observados o si la regresión agrupada es suficiente.
En la Figura Nº 10, con base en esta prueba, se rechaza la hipótesis nula (Ho) que plantea que
la variabilidad de los efectos específicos es cero. Entonces, existen efectos específicos, por lo
que se debería aplicar modelo de datos de panel.

57
Breusch and Pagan Lagrangian multiplier test for random effects
logPIB[id,t] = Xb + u[id] + e[id,t]
Estimated results:
Var sd = sqrt(Var)
logPIB .9206836 .9595226

e .0085984 .0927273
u .0508971 .2256039
Test: Var(u) = 0
chibar2(01) = 94.05
Prob > chibar2 = 0.0000

Figura 10
Prueba del Multiplicador de Lagrange para efectos aleatorios.
En consecuencia, para determinar cuál es el mejor modelo de datos de panel se aplica el test
de Hausman, sin embargo, esta prueba debe cumplir algunas propiedades asintóticas para que sus
resultados sean válidos.
En este caso, la prueba incumple la propiedad de la existencia de una matriz de varianzas y
covarianzas definida positiva. Adicionalmente, el modelo debe estar bien especificado, es decir,
las variables que se plantean deben explicar el modelo correctamente. Sin embargo, se realiza la
prueba para contrastar sus resultados, pero de no ser coherentes con los resultados de las
estimaciones anteriores no serán tomados en cuenta.
En la figura N°11 se muestra que se rechaza la hipótesis nula (Ho) que plantea que existen
diferencias no sistemáticas en los coeficientes, por lo tanto, es preferible aplicar el modelo de
efectos fijos. Sin embargo, estos resultados no son coherentes con los coeficientes de la
estimación.
58
Coefficients
(b) (B) (b-B) sqrt(diag(V_b-V_B))
fixed1 random1 Difference S.E.
logKPORT .1107613 .1215465 -.0107852 .

logDIV .0345418 .1144862 -.0799444 .0235126
logPEA 2.149434 1.417342 .7320916 .230897
b = consistent under Ho and Ha; obtained from xtreg

B = inconsistent under Ha, efficient under Ho; obtained from xtreg
Test: Ho: difference in coefficients not systematic
chi2(3) = (b-B)'[(V_b-V_B)^(-1)](b-B)
= 9.87
Prob>chi2 = 0.0197
(V_b-V_B is not positive definite)

Figura 11
Prueba de Hausman.
Otro argumento que refuerza la no utilización del modelo de efectos fijos es la presencia de
heterocedasticidad por lo cual se realiza una prueba para determinar su existencia.
En la figura N° 12 se observa que se rechaza la hipótesis nula (Ho) que plantea la presencia de
homocedasticidad, es decir, varianza constante. Entonces, se muestra que existe
heterocedasticidad y es necesario controlarla para obtener resultados fiables.
Modified Wald test for groupwise heteroskedasticity

in fixed effect regression model
H0: sigma(i)^2 = sigma^2 for all i
chi2 (5) = 17.81

Prob>chi2 = 0.0032

Figura 12
Prueba de heterocedasticidad.
Elaboración propia
59
Para controlar la heterocedasticidad es necesario realizar una estimación con errores estándar
robustos permitiendo que las pruebas tengan mayor validez.
A continuación, se muestran los resultados de las estimaciones de los 3 modelos de datos de
panel considerando errores estándar robustos.
En la figura N°13 se observan los resultados de la estimación del modelo de regresión
agrupado con errores estándar robustos, resultando que a pesar que se obtienen los signos
esperados en los coeficientes, la variable DIV resulta no significativa.
Linear regression Number of obs = 65

F(3, 61) = 1684.68
Prob > F = 0.0000
R-squared = 0.9741
Root MSE = .15817
Robust
logKPORT .2130507 .0321147 6.63 0.000 .1488334 .2772679

logDIV .0365589 .0374377 0.98 0.333 -.0383024 .1114201
logPEA 1.043551 .0487291 21.42 0.000 .9461114 1.140991
_cons 7.108064 .1616417 43.97 0.000 6.784842 7.431287
Figura 13
Resultados de la estimación del modelo de regresión agrupada con errores estándar robustos.
En la figura N° 14 se muestran los resultados de la estimación para el modelo de efectos fijos
con errores estándar robustos obteniéndose que estos están correlacionados negativamente con
los regresores. Así también, el test F muestra que las variables planteadas son conjuntamente
60
significativas para el modelo, y, por tanto, sus coeficientes son estadísticamente diferentes de
cero.
Asimismo, de manera individual, se muestra que las variables KPORT y PEA resultan
significativas para el modelo de efectos fijos, a diferencia de la variable DIV, por lo cual se
realiza la estimación del modelo de efectos aleatorios.
Fixed-effects (within) regression Number of obs = 65


within = 0.8354 min = 13
between = 0.9797 avg = 13.0
F(3,4) = 361.52
corr(u_i, Xb) = -0.9696 Prob > F = 0.0000
(Std. Err. adjusted for 5 clusters in id)
Robust
logKPORT .1107613 .0466547 2.37 0.076 -.018773 .2402956

logDIV .0345418 .0477639 0.72 0.510 -.0980719 .1671556
logPEA 2.149434 .4080882 5.27 0.006 1.0164 3.282468
_cons .1232929 2.576109 0.05 0.964 -7.029134 7.275719
sigma_u .70069176
sigma_e .09272734

Figura 14
Resultados de la estimación del modelo de efectos fijos con errores estándar robustos.
En la figura N°15 se muestran los resultados de la estimación para el modelo de efectos
aleatorios con errores estándar robustos donde se asume que los errores no están correlacionados
con los regresores. Asimismo, el test Chi-cuadrado muestra que las variables planteadas son
61
conjuntamente significativas para el modelo, y, por tanto, sus coeficientes son estadísticamente
diferentes de cero.
Asimismo, de manera individual, se muestra que las tres variables regresoras, KPORT, DIV y
PEA, resultan significativas para el modelo de efectos aleatorios.
Random-effects GLS regression Number of obs = 65


within = 0.8184 min = 13
between = 0.9801 avg = 13.0
Wald chi2(3) = 589.59

corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000
(Std. Err. adjusted for 5 clusters in id)
Robust
logPIB Coef. Std. Err. z P>|z| [95% Conf. Interval]
logKPORT .1215465 .0512999 2.37 0.018 .0210005 .2220925

logDIV .1144862 .0341695 3.35 0.001 .0475152 .1814572
logPEA 1.417342 .30936 4.58 0.000 .811008 2.023677
_cons 5.035239 1.772935 2.84 0.005 1.560351 8.510128
sigma_u .22560391
sigma_e .09272734

Figura 15
Resultados de la estimación del modelo de efectos aleatorios con errores estándar robustos.
5.3. Discusión de resultados
En esta sección se presenta un resumen de los resultados de las estimaciones realizadas en el
apartado anterior. De modo que se presentan 2 tablas: la primera incluye los modelos de
62
regresión agrupada, efectos fijos y efectos aleatorios y la segunda, los modelos de regresión
agrupada, efectos fijos y efectos aleatorios considerando en cada uno la presencia de errores
estándar robustos.
En la figura Nº 16, se muestra que para los tres modelos se obtienen coeficientes con los
signos esperados, sin embargo, estos resultados varían de acuerdo a la significancia de las
variables.
Para el caso de los modelos de regresión agrupada (ols1) y de efectos fijos (fixed1), la
variable DIV, que representa la infraestructura vial, es no significativa para el modelo, y ello no
es coherente con investigaciones previas relacionadas al tema.
En consecuencia, es preferible el modelo de efectos aleatorios (random1) ya que cuenta con
los signos y la significancia esperada para los coeficientes de las variables planteadas por lo que
se pueden aceptar mis hipótesis planteadas en la investigación donde:
H2: La densidad de infraestructura vial es un factor significativo en el PBI regional de las
H3: H3: La población económicamente activa es un factor significativo en el PBI regional de
las macro regiones Huari, Chavín, La Libertad, Lima y Grau entre el 2004 al 2016.
Sin embargo este resultado no es definitivo ya que el modelo presenta heterocedasticidad por
lo que en los siguientes párrafos se muestran las estimaciones de los modelos con errores
estándar robustos.
63
Variable ols1 fixed1 random1
logKPORT .21305067*** .11076128*** .12154649***

logDIV .03655886 .03454182 .11448619**
logPEA 1.0435513*** 2.149434*** 1.4173424***
_cons 7.1080645*** .1232929 5.0352392***
N 65 65 65
r2 .97410131 .83539558
r2_a .97282761 .815181
legend: * p<0.05; ** p<0.01; *** p<0.001

Figura 16
Resumen de los resultados de las estimaciones de los modelos de regresión agrupada, efectos
fijos y efectos aleatorios.
En la figura Nº 17, se muestra que para los tres modelos se obtienen coeficientes con los
signos esperados, sin embargo, estos resultados varían de acuerdo a la significancia de las
variables.
Para el caso de los modelos de regresión agrupada con errores estándar robustos (ols2), la
variable DIV resulta no significativa, mientras que, en el modelo de efectos fijos con errores
estándar robustos (fixed2), tanto la variable DIV como la variable KPORT, que representa la
infraestructura portuaria, resultan no significativas; lo cual no es coherente con investigaciones
previas relacionadas al tema donde la infraestructura tiene una alta relevancia.
En consecuencia, es preferible el modelo de efectos aleatorios con errores estándar robustos
(random2) ya que cuenta con los signos y la significancia esperada para los coeficientes de las
variables planteadas. Además, los valores de los coeficientes son similares a los obtenidos con
anterioridad.
Respecto a las variables esenciales del modelo, tal como este lo predice, se evidencia una
relación directa entre la producción, representada por el Producto Bruto Interno regional (PIB) y
64
el capital, representado por la infraestructura portuaria (KPORT) y la infraestructura vial (DIV),
y el trabajo, representado por la Población Económicamente Activa (PEA).
Por su parte, el R cuadrado ajustado (r2_a) es alto, de manera que las variables independientes
incluidas están explicando en un alto porcentaje la producción de las regiones analizadas.
Variable ols2 fixed2 random2
logKPORT .21305067*** .11076128 .12154649*

logDIV .03655886 .03454182 .11448619***
logPEA 1.0435513*** 2.149434** 1.4173424***
_cons 7.1080645*** .1232929 5.0352392**
N 65 65 65
r2 .97410131 .83539558
r2_a .97282761 .82730028
legend: * p<0.05; ** p<0.01; *** p<0.001

Figura 17
Resumen de los resultados de las estimaciones de los modelos de regresión agrupada, efectos
fijos y efectos aleatorios con errores estándar robustos.
Cabe resaltar que los resultados aquí presentados equivalen a la forma de interpretación de los
datos luego de estimar los modelos econométricos, en donde los impactos de los coeficientes de
las variables regresoras sobre la variable dependiente resultan de aplicar logaritmos a las
variables originales, el resultado del modelo responde a las hipótesis vistas en la presente
investigación tal que está sujeto a las bases teóricas e investigaciones previas vistas:
1. Impacto de la infraestructura portuaria en el PIB
Los resultados muestran que existe una relación positiva entre la infraestructura portuaria y el
PIB. Específicamente, un aumento del 1% en infraestructura portuaria genera un aumento de
0,12% en el PIB de las regiones analizadas, esto responde a la hipótesis donde mayor
65
infraestructura portuaria genera un incremento en el PBI regional de las macro regiones Huari,
Chavín, La Libertad, Lima y Grau entre el 2004 al 2016.
2. Impacto de la infraestructura vial en el PIB
Tal como se espera, se encuentra que existe una relación positiva entre la infraestructura vial
y el PIB. Para este caso, un aumento del 1% en la densidad en infraestructura vial genera un
aumento de 0,11% en el PIB de las regiones analizadas.
Así mismo esto responde a la hipótesis referente a la variable de infraestructura vial la cual es
la densidad de infraestructura vial es un factor significativo en el PBI regional de las macro
regiones Huari, Chavín, La Libertad, Lima y Grau entre el 2004 y 2016, esta hipótesis se acepta
al ver el coeficiente de la variable div la cual también es positiva.
3. Impacto de la Población Económicamente Activa en el PIB
Del mismo modo, se encuentra que existe una relación positiva entre la Población
Económicamente Activa (PEA) y el PIB. Un incremento del 1% en la PEA genera un incremento
de 1,42% en el PIB.
Así mismo al ver este 1,42% se responde y comprueba la hipótesis donde la población
económicamente activa es un factor significativo en el PBI regional de las macro regiones Huari,
Chavín, La Libertad, Lima y Grau entre el 2004 al 2016, que esta sujeta a las bases teóricas
vistas en el estudio de (Zepeda Angeles y Carrillo, 2017) donde la población influía en el pbi
regional de las regiones mexicanas que formaron parte de su evaluación.
Estos resultados van sujetos a los planteados por (Song & Heenguizen, 2014) donde las
variables de infraestructura portuaria y terrestre eran así mismo significativas en sus respectivos
estudios.
66
CAPÍTULO VI CONCLUSIONES Y RECOMENDACIONES
6.1 Conclusiones
1. Se determinó que la infraestructura del capital portuario incidió positivamente en el pbi
regional de las macro regiones estudiadas, así mismo se logro indica que se logra el
primer objetivo de determinar el impacto que se genera entre el pbi regional de las macro
regiones estudiadas y la infraestructura del capital portuario donde un incremento de 1%
en la infraestructura portuaria incrementa el PIB de las macro regiones Huari, La libertad,
Lima, Chavín y Grau en 0,12% entre los años 2004 y 2016 con lo cual se logra aceptar la
hipótesis donde la infraestructura portuaria es un factor significativo en el pbi regional,
esto tiene mucho sentido si vemos los resultados de otros autores donde para (Hong,
Chung, Wang 2011) se concluye que hay una fuerte incidencia de la infraestructura
portuaria en el pbi regional, así mismo para (Song y Jianning, 2016) se determina que hay
una relación entre el PBI y las inversiones portuarias en infraestructura de los puertos.
2. La variable de infraestructura terrestre afecta positivamente al pbi regional de las macro
regiones estudiadas, se logra el objetivo de determinar el impacto generado entre el pbi
regional y la infraestructura terrestre el cual es positivo, donde la densidad de
infraestructura vial es un factor significativo en el PBI regional de las macro regiones
Huari, Chavín, La Libertad, Lima y Grau entre el 2004 al 2016. Ya que un incremento del
1% en la infraestructura terrestre genera un aumento de 0,11% en el PIB de las macro
regiones Huari, La libertad, Lima, Chavín y Grau para los años 2004 al 2016 con lo cual
logramos aceptar la hipótesis referente a la densidad de infraestructura vial como factor

67
significativo en el PBI regional de las macro regiones Huari, Chavín, La Libertad, Lima y
Grau entre el 2004 al 2016, esta conclusión se conecta con las conclusiones de otros
autores donde para (Hong, Chung, Wang, 2011) la infraestructura terrestre también es
una variable importante que afecta al pbi regional.
3. La población económicamente activa genera un impacto positivo sobre el PBI regional.
Se obtuvo que un incremento del 1% en la PEA genera un incremento de 1,42% en el PIB
de las macro regiones Huari, Chavín, Grau, La libertad y Lima. Para este caso, se logra el
objetivo de determinar el impacto que generaba la producción logrando aceptar la
hipótesis de que la población económicamente activa es un factor significativo en el PBI
regional de las macro regiones Huari, Chavín, La Libertad, Lima y Grau entre el 2004 al
2016, esto va relacionado otros estudios como el de (Zepeda Angeles y Carrillo, 2017)
donde se concluye que la población es un motor para el crecimiento económico.
6.2 Recomendaciones
Quedan como recomendaciones de este estudio las siguientes:
1. Se deberá invertir más en infraestructura portuaria por parte de inversión privada o
pública ya que esta representa una de las principales vías de crecimiento económico y
significativo, la cual es necesaria para crear oportunidades de crecimiento de pbi para
las regiones del Perú. Como se comprueba en el presente estudio la infraestructura
portuaria influye en el crecimiento del PBI en 0,12% si logramos incrementar la

68
inversión existente en nuestros puertos peruanos lograremos un mayor crecimiento en
las macro regiones de Lima, Chavín, La libertad, Huari y Grau, una manera de hacerlo
es mediante la privatización de los puertos mediante concesiones
2. Se recomienda aportar mayores recursos por parte del estado a la inversión en
infraestructura vial donde en el modelo esta viene dada por la densidad vial que en el
modelo influye en un 0,11% en el crecimiento del PBI de las macro regiones, si se
logran mejoras en esta variable inevitablemente contribuiremos al crecimiento
económico de las macro regiones Lima, Chavín, La libertad, Huari y Grau, dicha
infraestructura terrestre puede mejorarse mediante políticas públicas de gobierno que
se encarguen de evaluar el estado y acondicionamiento de las carreteras que conectan
a los diferentes centros de comercio.
3. Se deberá implementar mejoras y capacitación en el capital humano por parte de la
inversión privada o estatal ya que se ha mostrado que la pea tiene una importante
participación de 1,42% en el crecimiento de los niveles de pbi regional de las macro
regiones de Lima, Chavín, Huari, La Libertad y Grau , de este modo lograremos un
aumento en el pbi regional de las regiones en estudio.

69
REFERENCIAS
American association of ports Authorities. (2018). Glossary of maritime terms.
Barro, R.J. y Sala-i-Martin, X. (1996) Regional Cohesion: Evidence and theories of regional
growth and convergence.
Bishop, M. (2004) Economist essential. The Economist
Chang, (2011), Una aproximación de los cambios en la productividad y los determinantes de la
eficiencia de los puertos del Perú, Universidad Nacional Mayor de San Marcos, Lima
Perú.
Chandra, & Thompson. (2000). Does public infrastructure affect economic activity? Evidence
from the rural interstate highway system. El Servier, 457-490.
Doerr, O., & Sánchez, R. (2006). Indicadores de productividad para la industria portuaria,
Aplicación en america latina y el caribe , division de recuros naturales e infraestructura.
Chile: Division de Recuros Naturales e Infraestructura de la CEPAL.
Ducruet, C. (2008). Régions portuaires et mondialisation. Méditerranée, págs. 15-24.
García, L. (2015). Econometría 1. Fondo Editorial de la Pontificia Universidad Católica del
Perú, Lima-Perú.
Geenhuizen, & Song. (noviembre de 2014). Port infrastructure investment and regional
economic growth. Transport Policy, págs. 173-183.
Hong, Chu, & Wang. (2011). Transport infrastructure and regional economic growth evidence
from China. En Transportation (págs. 737-752).
International Chamber of Commerce. (2018). Incoterms rules

70
Lucas Robert E. (2002). Lectures on economic growth. Harvard College
Ministerio de Transportes y telecomunicaciones. (2018). Concesiones en infraestructura de
transporte
MINCETUR (2015). Analisis de los costos maritimos portuarios.
Montero, R. (2011). Efectos fijos o aleatorios: test de especificación. Documentos de Trabajo en
Economía Aplicada. Universidad de Granada, España.
International Association of Ports and Harbors. (2017). World Container Traffic Data 2017.
OSITRAN (2011). Ficha de contrato A.P.M Terminals Callao S.A
Paelinck, J., Mur, J., Trívez, F. (2015). Modelos para datos espaciales con estructura
transversal o de panel. Una revisión. Estudios de Economía Aplicada, vol. 33, núm. 1,
enero-abril, 2015, pp. 7-30 Asociación Internacional de Economía Aplicada. Valladolid,
España. Disponible en: http://www.redalyc.org/articulo.oa?id=30133775001
Park, & Seo. (2016). The impact of seaports on the regional economies in South Korea. ElSevier,
págs. 107–119.
Romo, B. (2016). Modelo de datos de panel para el análisis del efecto de variables
macroeconómicas en los procedimientos concursales de empresas españolas. Facultad de
Ciencias Económicas y Empresariales, Universidad Pontificia Comillas ICAI-ICADE,
Madrid, España.
Rosas y Sanchez. (2012) Desarrollo de Infraestructura y Crecimiento Económico: Revisión
Conceptual
Rosales, L. (2010). Técnicas de medición económica. Facultad de Economía, Universidad
Nacional de Piura, Perú.

71
Rua Costa, C. (2006). Los puertos en el transporte marítino. Enginyeria d’Organització i
Logística Industrial, 1-20.
Shan, Yu, & Lee. (2014). An empirical investigation of the seaport’s economic impact: Evidence
from major ports in China. El Sevier , págs. 41-53.
Song, & Jianing. (2016). Port infrastructure and regional economic growth in China: a granger
causality test. MARITIME POLICY & MANAGEMENT, págs. 456–468.
Torres-Reyna, Oscar (2007). Panel Data Analysis Fixed and Random Effects using Stata (v. 4.2).
Universidad de Princeton, Estados Unidos. Recuperado de
https://www.princeton.edu/~otorres/Panel101.pdf
Xavier Sala i Martín. (2002). Apuntes de crecimiento económico. Barcelona-España: Antoni
Bosch.
Wooldridge, J. (2010). Econometric Analysis of Cross Section and Panel data. Segunda edición.
Universidad de Cambridge, Inglaterra.
Zamora y Pedraza. (2013). El transporte internacional como factor de competitividad en el
comercio exterior. Journal of Economics, Finance and AdministrativeScience, 108-118.
Zepeda, Angeles, & Carrillo. (2017). Infraestructura portuaria y crecimiento económico
regional en México. Economía Sociedad y Territorio, 337-366.

72
APENDICE XA
Las Macro regiones presentes en el estudio se encuentran en la tabla N°5 y la figura N°3,
dichas han venido presentando los siguientes cambios a lo largo del periodo temporal del 2004 al
2016 de estudio de la presente investigación, en el caso de la macro región Huari la cual es
constituida por los departamentos de Ayacucho, Huancavelica e Ica a continuación observaremos
un gráfico sobre la evolución del PBI de dicha macro región:
Grafico 1
Evolución del PBI macrorregión Huari 2004-2016
Evolución del PBI macrorregión Huari 2004-2016

18000000.00
16000000.00
14000000.00
PBI EN MILES DE SOLES
12000000.00
10000000.00
8000000.00
6000000.00
4000000.00
2000000.00
0.00
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
AÑO
Como podemos ver la macro región Huari presenta crecimiento económico y una evolución
positiva del PBI a lo largo de los años la dinámica de la evolución no muestra indicios de
volatilidad, esta macro región se caracteriza por la producción de bienes mediante los cultivos y
minería así como la ganadería.

73
En esta macro región dentro del puerto de Pisco, existe el terminal de nombre San Martin y
está localizado en Ica, el puerto de pisco se encuentra aproximadamente a 275 km del puerto
central del Perú el cual es el puerto del Callao, el puerto de pisco es conocido por la exportación
de sus productos agrícolas captados de la región. El grupo Consorcio Paracas S.A es aquel que
tiene concesionado al puerto de pisco, al estar relativamente ubicado próximo al puerto del callao
se habla sobre una relación de competitividad con este, sin embargo sin infraestructura adecuada
no se puede dar un escenario de competitividad ya que un puerto tiene mejor capacidad
tecnológica que otro, dicho puerto colinda con la carretera panamericana sur.
A continuación veremos la Macro región La Libertad y su evolución.
Grafico 2
Evolución del PBI macrorregión La Libertad 2004-2016
Evolución del PBI macrorregión La Libertad 2004-2016

16000000.00
14000000.00
12000000.00
10000000.00
8000000.00
6000000.00
4000000.00
2000000.00
0.00
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
AÑO

74
La macro región La Libertad es la que muestra mejor indicio de evolución ya que al ver el
grafico vemos que no hay picos extraños ni volatilidad, dicha macro región se caracteriza por la
pesca y la minería.
La concesión más reciente es la que tiene el Grupo Romero sobre el puerto de Salaverry de la
cual existen 2 etapas de objetivos en la concesión donde destacan la reparación del muelle N°2,
la construcción de silos de maíz y trigo, la reparación del muelle N°1, las reparaciones de los
muelles no pueden ser simultaneas. (Ministerio de transporte y Comunicaciones, 2018)
La tercera macro región en ser evaluada será Lima: Evolución del PBI macro región Lima
2004-2016
Grafico 3
Evolución del PBI macrorregión Lima 2004-2016
Evolución del PBI macrorregión Lima 2004-2016

180000000.00
160000000.00
140000000.00
120000000.00
100000000.00
80000000.00
60000000.00
40000000.00
20000000.00
0.00
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
AÑO

75
La macro región Lima conformada por la provincial constitucional del Callao y el
Departamento de Lima presenta una situación similar al caso de La Libertad ya que su evolución
productiva nos muestra que no hay picos o situaciones de alta volatilidad, dicha macro región
contiene a la capital del Perú y cuenta con un alto comercio internacional de productos.
En esta macro región se encuentra el puerto del callao donde el muelle norte del puerto del
callao el que atiende el mayor volumen de demanda y oferta, se encuentra concesionado a APB
Terminals, en resumen este capital privado debe repotenciar el puerto del callao a medida que
avance el tiempo de concesión.
La Concesión hace énfasis sobre un terminal de concentración de minerales, el cual se localiza
en la zona norte cerca al muelle número 7, El detalle de las inversiones que constatado por
(Ministerio de transporte y Comunicaciones, 2018) para el terminal de la zona sur en el puerto
del callao es el siguiente:
Se debe lograr Una inversión acumulada al año 2014 de 120, 330,000 dólares, actualmente el
cumplimento a la fecha de concesión es del 85.7% lo cual nos indica que hay un gran avance de
la meta, así mismo se debe construir un sistema para la carga y descarga de minerales como
también para su respectivo transporte. En tanto si nos referimos al muelle sur del puerto del
callao, nos encontramos con una concesión a DPW, este muelle cuenta con 650 metros de largo y
una profundidad de 16 metros, cuenta con equipamiento tecnológico adecuado, un patio de
contenedores de 14.5 hectáreas, el promedio de naves que arriba al terminal muelle sur es de
3000 TEUS, la TEUS es la unidad de medida del peso que se utiliza en los puertos y referente a
76
la carga una TEU nos hace mención a un contenedor de 20 pies de longitud. (Ministerio de
transporte y Comunicaciones, 2018)
La macro región Grau conformada por los departamentos de Tumbes y Piura nos muestra la
siguiente evolución
Grafico 4
Evolución del PBI macrorregión Grau 2004-2016
Evolución del PBI macrorregión Grau 2004-2016

16000000.00
14000000.00
12000000.00
10000000.00
8000000.00
6000000.00
4000000.00
2000000.00
0.00
AÑO
En este caso podemos observar una tendencia hacia el crecimiento sin embargo no es tan
lineal como el caso de las macro regiones Lima y La Libertad.
En este macro región se encentra el puerto de Paita que se localiza en la ciudad de Piura, el
puerto tiene conexión con Piura gracias a una carretera, en el presente estudio veremos cómo las
carreteras también están conectadas con el crecimiento, los productos principales son los de tipo
pesquero, agrícola y de minerales. El capital privado que tiene la concesión es Terminales
Peruanos Portuarios Euro andinos S.A, dicha concesión deberá repotenciar las operaciones del
77
puerto de Paita mediante un mejoramiento en la estructura portuaria al igual que las otras
concesiones.
La última macro región que hace falta mencionar en cuanto al crecimiento de su PBI viene
dada por la macro región Chavín la cual está conformada por los departamentos de Ancash y
Huánuco:
Grafico 5
Evolución del PBI macrorregión Chavin 2004-2016
Evolución del PBI macrorregión Chavin 2004-

2016
12000000.00
10000000.00
8000000.00
6000000.00
4000000.00
2000000.00
0.00
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
AÑO
En este caso si tenemos ciertos picos al descenso y esto se explica a razón de fenómenos
naturales ocurridos, corrupción y menor producción minera, esta macro región se caracteriza por
la producción de electricidad y el sector manufactura.
El único puerto presente en este estudio que sigue siendo controlado por la autoridad portuaria
nacional es el puerto de Chimbote ubicado en la macro región Chavín, se tiene previsto que se
logre una concesión de dicho puerto en el año 2019.

78
Situación Actual de la actividad portuaria
El sector marino y portuario en general de américa latina tiene nueva inversión constante, al
haber más inversión podremos lograr un aumento en el mejoramiento de las condiciones de vida
de la región, se generará más empleos en la región, al hablar de comercio debemos hablar de
importaciones y exportaciones generadas. muchos sectores entran a tallar en cuenta tales como el
sector manufacturero, minero, pesquero, en general de alimentos, así como muchos otros,
incentivar la inversión portuaria generaría un efecto positivo sobre el crecimiento de la región, en
este estudio veremos el caso de los puertos de Paita, Pisco, Chimbote, Salaverry y Callao,
veremos cómo el crecimiento económico de dichas regiones aumentara también se utilizaran
variables que identifiquen a la población económicamente activa para poder ver cómo la
población también afecta a mi crecimiento del PBI regional, la globalización y modernización de
nuestro planeta ha permitido obtener productos de todas partes del mundo y de todo tipo, generar
una mayor inversión desarrollara un mayor crecimiento regional de determinadas regiones tal
como se verá en la presente investigación, si logramos potenciar las variables de la
infraestructura que va asociada a mis puertos así como la población lograremos efectos positivos
en nuestro crecimiento económico como se verá en la parte de resultados de la presente
investigación.
La regulación portuaria es importante en este punto ya que permitirá ver el desempeño de los
diferentes puertos existentes, en el caso peruano tenemos dos entes que se encargan de ver dicha
regulación los cuales son el Organismo Supervisor de la Inversión en infraestructura de
transporte y la Autoridad Portuaria Nacional, ambos organismos se encargan de regular y
verificar diferentes ámbitos a nivel portuario, OSITRAN se encarga de ver la regulación en la
competitividad, según (MINCETUR, 2015) Análisis de los costos marítimos portuarios, el rol
79
fundamental del regulador en cuestión es adjudicar y resolver conflictos entre el concesionario y
los usuarios a su vez la regulación entre los operadores portuarios, La autoridad portuaria
nacional se encarga de regular la parte técnica y va regida de la parte operacional de los puertos.
Para (Rua Costa, 2006) debemos destacar el ámbito de multiproducción de la actividad
portuaria, dónde se dan variadas actividades y servicios para los cuales se necesitan agentes y
personal. Este ámbito de multiproducción implica utilizar más capital humano y más inversión
en infraestructura portuaria para lograr un mejor desempeño, todo esto conlleva a contratar
personal, lo cual está generando empleo en la región, en el presente estudio veremos también
como afecta la población al crecimiento económico de las macro regiones dentro del estudio.
En el escenario peruano tenemos como puerto pilar al del callao el cual es considerado el más
importante del Perú y de la costa este de Sudamérica fue construido entre 1930 y 1960, en 2011
APM terminal se adjudicó la concesión del terminal norte multipropósito del callao por un
periodo de 30 años, el objetivo de APM Terminal según (OSITRAN, 2011) es el de construir una
infraestructura que de una capacidad necesaria a los clientes, en 2013 APM terminal, llevo a
cabo las etapas 1 y 2, las obras consistieron en la remodelación de los muelles 11 y 5 y
ampliación del patio de contenedores, los muelles nuevos se construyeron sobre pilotes de acero,
se llevó a cabo una renovación de infraestructura eléctrica con nuevos sistemas de ingreso al
puerto, mejoramiento de la infraestructura de contenedores, utilización de tecnología de punta, el
objetivo es hacer más eficiente la descarga e incrementar la productividad.
Los puertos son considerados entre uno de los nodos principales en el ámbito marítimo, los
puertos cuentan con dos áreas: áreas de agua y áreas de tierra, muelles donde recibimos las
mercancías, el diseño y las instalaciones para el almacenamiento, si logramos potenciar esas
áreas mediante infraestructura se lograran crecimientos económicos más altos.

80
En ambas áreas se desarrollan diferentes operaciones, primero se presta un servicio al barco,
el practicaje se da cuando un piloto practico toma el control de la embarcación esto es una norma
internacional, los remolcadores ayudan a que el buque frene en el puerto donde se dan servicios
del buque en agua. (American Association of Port Authorities, 2018).
Para el Cargue y descargue de la mercancía se debe ayudar a las condiciones del buque, por
ejemplo que este tenga combustible, energía entre otros.
Se puede saber con exactitud qué día y a qué hora llega un buque, hay 4 fases establecidas de
cómo vamos a atender el buque según el contrato, el puerto empieza a programar la atención del
buque, se debe preparar la llegada de un buque con anticipación.
El buque llega se genera una nota de alistamiento cuando se toma el buque y se amarra al
muelle, se genera una libre platica y empezaran a darse los tiempos del buque (laytime) que tiene
que ver con los movimientos y horarios del puerto, así vez, se establecen las ventanas de
atención al buque. (American Association of Port Authorities, 2018)
Cuando se empieza a correr el laytime se debe planear toda la operación, se tiene un estado de
hechos el cual controla las operaciones de forma horaria y quien empieza a descargar primero, en
cuanto a la carga se tienen los tipos de carga denominados gráneles que por lo general se deben
descargar primero, en el tipo de carga de contenedores el plano de estibas indica cual es la carga
que se viene trayendo a diferencia de gráneles donde la carga viene repartida, se recibe el buque,
existe un piloto practico que toma el mando del buque a cierta distancia del puerto ya que él es el
conocedor del canal navegable él está asignado y lleva el buque al punto determinado, una vez
que llega lo amarran y se lleva a cabo la operación de cargue y descargue de la mercancía que
puede venir en diferentes tipos como veremos en el marco teórico, se debe tener diferente
personal para el cargue y descargue. Debe haber camiones para recibir las mercancías, una vez
81
terminada la operación se debe revisar los 3 estados de hechos del buque, puerto y el de los
agentes del puerto (American Association of Port Authorities, 2018).
El puerto programa la hora del zarpe para poner en altamar el buque. Las cargas deben pasar
por una coordinación de protección y cuidado para evitar pérdidas robos o saqueos.
Si es un proceso de exportación una vez que esa mercancía está en los patios o bodegas de
exportación, esta se pasa al buque para empezar el cargue de la mercancía al buque, si logramos
agilizar la operatividad antes vista dentro de un puerto lograremos mayores niveles de
productividad por ende tendremos resultados positivos sobre el crecimiento económico de la
región en la cual se encuentra el puerto determinado en el cual se están llevando a cabo múltiples
actividades.
Hablando de exportación, tocare brevemente los términos Incoterms que entrar a tallar en el
presente estudio, si hablamos de exportación también debemos hablar de importación, dentro del
comercio globalizado que se tiene en el mundo existen algunos términos aceptados por el
comercio internacional, los cuales fueron introducidos a dicho sistema de comercio en el año
1936 por la Cámara de comercio internacional, tenemos una última actualización al año 2010,
dentro de estos Incoterms tenemos algunos términos que van de la mano con los puertos dichos
Incoterms se clasifican según el modo de transporte nos establecen la responsabilidad de
importadores y exportadores en cuanto a los costes riesgos y tramites que ocurren en un
determinado contrato de compra y venta.
A continuación, veremos los términos asociados a los barcos, tenemos el termino FAS que se
utiliza en el transporte marítimo significa que el exportador organiza la mercancía para el
transporte, carga y transporte local en el país de origen, el importador carga la mercancía en el

82
barco o buque, contrata el transporte principal, descarga en el lugar de destino y se encarga del
despacho aduanero de importación y el transporte local en el país de destino.
También tenemos el termino FOB que significa que el exportador se ocupa de preparar la
mercancía en el transporte la carga y el transporte local en el país de origen, se debe encargar del
despacho aduanero de exportación y la carga en el barco, en tanto el importador se debe de
encargar de contratar el transporte principal, evaluar la descarga del banco en el puerto o lugar de
destino, hacer el despacho aduanero de importación y el transporte local en el país de destino.
(International Chamber of Commerce, 2010)

Eco - t030 - 70321146 - T Molina Vásquez Pedro César

Cargado por

Copyright:

Formatos disponibles

Eco - t030 - 70321146 - T Molina Vásquez Pedro César

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Eco - t030 - 70321146 - T Molina Vásquez Pedro César

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD RICARDO PALMA

FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES

ESCUELA PROFESIONAL DE ECONÓMIA

IMPACTO DE LA INFRAESTRUCTURA PORTUARIA EN EL CRECIMIENTO ECONÓMICO

PRESENTADO POR EL BACHILLER

PEDRO CÉSAR MOLINA VÁSQUEZ

PARA OPTAR EL TÍTULO PROFESIONAL DE

hasta lograr mi objetivo de ser economista

A mi hermano, abuelos, tíos, amigos y profesores por formar parte de mi carrera

A mis padres y hermano por la formación y valores la cual me ha permitido

llegar hasta donde estoy.

A la escuela académico profesional de economía de la Universidad Ricardo Palma

por la formación estudiantil brindada a lo largo de mi etapa como universitario.

tiene como objetivo poder explicar la influencia de la infraestructura portuaria, PEA y la

AGRADECIMIENTOS ............................................................................................................ iii

LISTA DE TABLAS............................................................................................................... viii

LISTA DE FIGURAS ............................................................................................................... ix

LISTA DE GRÁFICOS ............................................................................................................. x

ABSTRACT ............................................................................................................................. xii

CAPÍTULO I. PLANTEAMIENTO DE ESTUDIO ................................................................. 1

1. FORMULACIÓN DEL PROBLEMA ......................................................................... 1

2. OBJETIVOS GENERAL Y ESPECÍFICOS ................................................................ 8

3. JUSTIFICACIÓN E IMPORTANCIA DEL ESTUDIO: ............................................. 9

4. ALCANCES Y LIMITACIONES .............................................................................. 10

CAPÍTULO II. MARCO TEÓRICO ....................................................................................... 14

1. ANTECEDENTES DE LA INVESTIGACIÓN .............................................................. 14

2. BASES TEÓRICO CIENTÍFICAS.................................................................................. 24

3. DEFINICIÓN DE TÉRMINOS BÁSICOS ..................................................................... 30

CAPÍTULO III: HIPÓTESIS Y VARIABLES........................................................................ 33

1. HIPÓTESIS Y SUPUESTOS BÁSICOS ................................................................... 33

1.1 Hipótesis General: .......................................................................................................... 33

1.2 Hipótesis Específicas: ................................................................................................. 33

2. Identificación de variables o unidad de análisis ......................................................... 34

3. Matriz lógica de Consistencia..................................................................................... 36

CAPÍTULO IV MÉTODO ....................................................................................................... 39

4.1 Tipo y método de investigación ..................................................................................... 39

4.2 Diseño específico de investigación ................................................................................ 39

4.3 Población, Muestra o Participantes ................................................................................ 39

4.4 Instrumentos de recogida de datos ................................................................................. 41

4.5 Técnicas de procesamiento y análisis de datos .............................................................. 41

4.6 Procedimiento de ejecución del estudio ......................................................................... 47

CAPÍTULO V RESULTADOS Y DISCUSIÓN ..................................................................... 49

5.1 Datos cuantitativos ......................................................................................................... 49

5.2 Análisis de Resultados ................................................................................................... 52

5.3. Discusión de resultados ................................................................................................. 61

CAPÍTULO VI CONCLUSIONES Y RECOMENDACIONES ............................................. 66

6.1 Conclusiones .................................................................................................................. 66

6.2 Recomendaciones ........................................................................................................... 67

Tabla 1 Puertos más importantes del mundo ............................................................................. 2

Tabla 2 Puertos más importantes de américa latina y el caribe ................................................. 3

Tabla 5 Proceso de Regionalización ........................................................................................ 11

Tabla 6 Matriz de Conceptos ................................................................................................... 14

Tabla 7 Descripción de las variables del modelo ..................................................................... 25

Tabla 8 Explicación del grafico ............................................................................................... 28

Tabla 9 Descripción de las variables ........................................................................................ 34

Tabla 10 Matriz lógica de Consistencia ................................................................................... 36

Tabla 11 Estadísticas descriptivas de las variables de estudio, 2004-2016. ............................ 50

Figura 4 Resultados de la estimación del modelo de regresión agrupada. ............................... 54

Figura 5 Resultados de la estimación del modelo de regresión agrupada. ............................... 55