Empleo, producci—n y salario manufacturero en MŽxico ante la pandemia por la COVID-19. Un an‡lisis de VAR espacial[1]

Employment, production and manufacturing wages in Mexico in the face of the COVID-19 pandemic. A spatial VAR an‡lisis

Rold‡n AndrŽs-Rosales1 Leobardo de Jesœs-Almonte2 Yolanda Carbajal-Su‡rez3

 

Resumen

Se analiza el impacto entre/intra estatal de la pandemia COVID-19 en el nivel de empleo, las remuneraciones y la producci—n en el sector manufacturero en MŽxico. Se estima un Modelo de Vectores Autorregresivos Espaciales (MVARE) para identificar si el rezago espacial de las variables externas a una entidad federativa agrega informaci—n sobre la determinaci—n de las variables locales. Con las funciones de impulso-respuesta se cuantificaron los impactos que una entidad genera hacia sus vecinos (efecto-expulsor) y el impacto que los vecinos generan hacia una determinada entidad (efecto-atrayente). Se encontr— evidencia de que ante una peque–a perturbaci—n (shock) en el empleo, la producci—n, los salarios manufactureros y en el nœmero de contagios por la COVID-19 de las entidades vecinas, se generan efectos diferenciados sobre la poblaci—n ocupada de una entidad de manera positiva o negativa dependiendo del signo del coeficiente obtenido. Se concluye que el impacto en la propagaci—n de la pandemia por COVID-19 fue m‡s elevado en las regiones donde la manufactura tiene un peso relativamente mayor con relaci—n al total de la actividad econ—mica.

 

Palabras clave: impacto entre/intra estatal, empleo manufacturero, producci—n manufacturera, salarios manufactureros, COVID-19, VAR espacial.

 

Abstract

Art’culo Recibido: 15 de Junio de 2021

Art’culo Aceptado: 01 de Octubre de 2021

 

 
The aim of this paper is to analyze the inter and intra-regional impacts of the COVID-19 pandemic on the employment level, production and wages in the manufacturing sector in Mexico. The methodology used is the Spatial Vector Autoregressive Models (SpVAR), which provides a spatial context that allows to examine if the lag on the external variables adds valuable information about the local variables. Also, the impulse response functions are used to quantify the influence of a given state on its neighbors (Push-out effect) and the impacts of neighbors on a given state (Push-in effect). This work shows evidence that the employed population in a state can be affected by small shocks in the growth of employment, production, wages and COVID-19 infections in neighboring states. The effect can be positive or negative depending on the sign of the coefficient. One of the conclusions is that the spread of the COVID-19 pandemic had a larger impact in regions where the manufacturing labor is more predominant with respect to the rest of the economic activity.

 

Keywords: the inter/intra-regional impacts, manufacturing employment, manufacturing production, manufacturing wages, Spatial Vector Autoregressive.

C—digos JEL: E23, E24, C31.

 

Introducci—n

La pandemia generada por la COVID-19 es un evento sin precedentes en la historia reciente de MŽxico y del mundo. En MŽxico, se registr— el primer caso el 27 de febrero de 2020. Desde esa fecha, los contagios se incrementaron aceleradamente, aun cuando el 23 de marzo de 2020 se decret— la Jornada nacional de sana distancia, con la que se inici— el confinamiento de gran parte de la poblaci—n mexicana y se suspendieron las llamadas actividades no esenciales.

     Esta pandemia no s—lo ha venido a agudizar los problemas de pobreza, desempleo, precariedad laboral y bajo crecimiento econ—mico que se ven’an arrastrando en la econom’a mexicana, tambiŽn ha hecho m‡s evidente la desigualdad econ—mica que impera en las diferentes entidades federativas. El cierre de gran parte de las actividades productivas (las llamadas no esenciales) durante los meses de abril y mayo de 2020 generaron una contracci—n de la actividad econ—mica general.

     En este aspecto, diversos especialistas han realizado el recuento de los impactos econ—micos que ha tenido y que tendr‡ para MŽxico la pandemia. Esquivel (2020) enfatiza en la contracci—n de -19.9% de la actividad econ—mica durante los meses de abril y mayo, como resultado de la suspensi—n de las actividades no esenciales, y que afect— a varios sectores manufactureros y de servicios. Entre los sectores m‡s afectados se–ala al turismo, al transporte y al consumo en restaurantes o servicios de comida r‡pida.

     Con relaci—n al mercado de trabajo, S‡nchez (2020) refiere que la poblaci—n formal en el sector de servicios y de manufacturas se ver‡ afectada de manera dr‡stica, argumenta que las personas que trabajan en el sector formal, y que nacieron entre 1951 y 1985, se ver’an desplazadas hacia abajo en la distribuci—n del ingreso. Mendoza (2020) menciona que la crisis generada por la pandemia del COVID-19 ha golpeado severamente al mercado laboral, lo cual anticipa la generaci—n de mayores niveles de pobreza laboral en el pa’s. Destaca el desplome de la poblaci—n econ—micamente ocupada a partir del mes de abril, as’ como de los trabajadores formales. Pronostica las tendencias de la ocupaci—n en el corto plazo y sus resultados indican que la econom’a mexicana experimentará un periodo de estancamiento en los niveles de ocupaci—n de la poblaci—n econ—micamente activa, con la posibilidad de recuperaci—n de la tendencia hacia el primer trimestre de 2021.

     Salas, Quintana, Mendoza y Valdivia (2020) mencionan que las condiciones que prevalec’an en el mercado de trabajo y en las diferentes actividades econ—micas, hasta antes de la fase de confinamiento, se contraer‡n. Sobre esta posibilidad, Mendoza (2020) enfatiza que habr‡ un desplome de la poblaci—n econ—micamente activa (PEA) as’ como del nœmero de trabajadores formales.

     Sin duda, el impacto de la COVID-19 en la econom’a mexicana ha generado efectos adversos en el nivel de empleo, lo que ha provocado la contracci—n del mercado domŽstico. La ca’da de -8.2% de la econom’a mexicana en 2020 ha sido inevitable. A pesar de que hay una reactivaci—n por la reapertura de las actividades econ—micas, las secuelas que deja al interior del territorio pueden ser mucho m‡s graves debido a que no todas las entidades tienen la misma capacidad de recuperaci—n, por lo que la pobreza generada por el desempleo se agudizar‡. A los niveles de pobreza registrados en 2018 (61 millones), se le sumar‡n los nuevos pobres generados por el desempleo que est‡ dejando la pandemia.

     Algunos autores estiman que el costo de la pandemia, en tŽrminos de pobreza extrema, se traducir’a en aumentos de entre 6 y 10 millones adicionales de personas en condici—n de pobreza extrema (N‡jera & Huffman, 2020). Sobre este punto, el Coneval (2020a: 34) destaca que Òlos riesgos m‡s importantes de esta crisis se encuentran en la reconfiguraci—n de la distribuci—n del ingreso de los hogares y la profundizaci—n de la pobreza y la desigualdadÓ, y estima los efectos que la coyuntura generada por la COVID-19 podr’a generar en los niveles de pobreza por ingresos de la poblaci—n mexicana. A partir de considerar una ca’da generalizada en el ingreso per c‡pita de 5 por ciento en 2020, el Coneval (2020a) estima que el nœmero total de personas en situaci—n de pobreza extrema por ingresos se incrementar‡ al menos 4.9 puntos porcentuales, lo que se traducir’a en por lo menos 6.1 millones de personas.

     Como el impacto negativo de la COVID-19 es diferente al interior del pa’s, se espera que algunas entidades tarden un poco m‡s en recuperarse. Sin embargo, las secuelas econ—micas en todas ellas ser‡n importantes. A respecto, S‡nchez (2020) sugiere que una cantidad importante de trabajadores formales descender‡ al menos un decil en la distribuci—n del ingreso en la Ciudad de MŽxico. Para la frontera norte, S‡nchez-Ju‡rez y Garc’a-Almada (2020) estimaron, a partir de considerar la vulnerabilidad econ—mica de la regi—n, que en el segundo trimestre del 2020 se perder’an 493,075 empleos, superior a lo ocurrido en las crisis del 2001 y 2008.

     En este contexto, el objetivo de este trabajo es analizar el impacto entre/intra estatal de la pandemia por la COVID-19 en el nivel de empleo, remuneraciones y producci—n en el sector manufacturero de las entidades federativas de MŽxico. Su contribuci—n estriba en dilucidar el efecto de la pandemia entre las 32 entidades federativas del pa’s, no s—lo el efecto que ha tenido al interior de cada regi—n y sector como la mayor’a de los estudios.

     El trabajo se encuentra estructurado de la siguiente forma, adem‡s de la introducci—n y las conclusiones: primero se analiza la evoluci—n del sector manufacturero antes y despuŽs de la pandemia, y se presenta la evidencia que algunos especialistas han publicado relacionados con el tema. En la segunda parte se describen los datos y las fuentes de informaci—n utilizados en la investigaci—n, para despuŽs analizar el comportamiento espacial del nœmero de contagios por COVID-19, el empleo, la producci—n y las remuneraciones del sector manufacturero. En la tercera parte se estima un modelo de vectores autorregresivos espaciales (MVARE) con el fin de aportar evidencia emp’rica de los efectos mencionados. Finalmente, se muestran las principales conclusiones obtenidas de este trabajo.

1. Empleo, remuneraciones y producci—n manufacturera en el contexto de la COVID-19

Se ha discutido de manera reciente que, dado el rompimiento de los encadenamientos productivos a partir de la apertura comercial, el crecimiento del sector manufacturero no ha sido suficiente para generar el crecimiento de los dem‡s sectores. En ese aspecto, Mart’nez y Contreras (2020: 140) argumentan que Òel crecimiento de las importaciones, y de las importaciones intermedias, en particular, tienden a disminuir los componentes del mercado interno al sustituir la producci—n interna intermedia por productos semielaborados importados, transformando as’ la econom’a en simple ensambladora de productos manufacturerosÓ.

     Antes de la pandemia, el sector manufacturero ya presentaba dificultades en la generaci—n de empleo. De Jesœs, AndrŽs-Rosales y Carbajal (2020) consideraban que el sector hab’a estado expulsando empleo por su baja din‡mica de crecimiento; aun cuando hay evidencia de que el empleo que este sector ofrece es menos precario que el resto de los sectores productivos (AndrŽs-Rosales, Czarneki & Mendoza-Gonz‡lez, 2019).

     Por otro lado, a pesar del lento crecimiento de la econom’a mexicana, algunos autores muestran que la proporci—n de quienes contaban con prestaciones laborales se increment—, pasando de 62 a 65% del 2012 a inicios del 2020, lo mismo suced’a para las prestaciones sociales, de 63 a 65% en el mismo periodo; pero de 2019 a 2020 lleg— a 65.8% (Salas et al., 2020). Sin embargo, la tendencia general del empleo, sobre todo, en el sector manufacturero, es que los trabajadores temporales se han incrementado en detrimento de los trabajadores permanentes (Torres, 2020).

     Este escenario se complic— mucho m‡s con la pandemia porque algunos sectores se vieron m‡s afectados (sectores no esenciales), aunque otros s’ pudieron mantener su din‡mica de crecimiento (sectores esenciales). La contracci—n del consumo, el empleo y la producci—n estuvieron asociadas con la pol’tica del gobierno mexicano al cerrar las actividades productivas no esenciales, donde las actividades manufactureras, del turismo y de servicios han resultado ser de las m‡s afectadas. De Jesœs y ValdŽs (2020) hacen una revisi—n del nœmero de empleos perdidos por divisi—n de actividad y reportan que, para el caso de la industria de la transformaci—n, en la que se incluye la manufactura, de marzo a junio, que corresponde a la fase m‡s intensa del confinamiento, se perdieron en MŽxico 196,664 empleos y las cinco entidades que registraron el mayor nœmero de empleos perdidos en esta industria son Guanajuato (-30,812), CDMX (-22,894), Jalisco (-20,708), Coahuila (-20,176) y el Estado de MŽxico (-8,229).

     Los efectos de la pandemia en MŽxico han sido graves, afect— con mayor profundidad al consumo e inversiones privadas; sectores productivos como la manufactura vinculados con el sector externo, como la industria automotriz, maquinaria y equipo, sector de servicios y tur’sticos (Mendoza et al., 2021). No es un caso particular de MŽxico, diversos estudios analizan el efecto de la COVID-19 en las actividades econ—micas. En Seabra, Paiva, Silva y Abrantes (2021) se abordan diversos estudios sobre el impacto que ha tenido esta pandemia en las actividades tur’sticas de Turqu’a, Brasil, Rusia, Ecuador, MŽxico, Portugal, entre otras.

     Al igual que estos pa’ses, MŽxico ha sido afectado por su especializaci—n productiva concentrada en el turismo y las manufacturas, por su dependencia del exterior y por las particularidades de sus mercados laborales: altas tasas de informalidad, segmentaciones por regi—n, gŽnero, edad, etnia y a la carencia de un seguro de desempleo; a lo que se agrega una ca’da de los salarios reales. Al respecto, Hualde (2020) argumenta que no es una sorpresa que la crisis generada por la COVID-19 haya propiciado una profunda recesi—n econ—mica que ha afectado significativamente al mercado de trabajo nacional.

     Weller (2020) se–ala que como resultado de la pandemia por la COVID-19, los sectores m‡s golpeados en tŽrminos de empleo son la industria manufacturera y la construcci—n, y entre las categor’as de ocupaci—n que han registrado la mayor contracci—n es en el trabajo independiente. Esta particularidad es lo que hace diferente a esta crisis, pues deja ver que a diferencia de lo que sucede en una crisis econ—mica comœn, el trabajo informal no es una alternativa general para generar ingresos frente a una contracci—n del empleo asalariado. TambiŽn se ha se–alado que estas medidas de contenci—n afectar‡n en mayor o menor grado, dependiendo de su duraci—n, la viabilidad de muchas micro y peque–as empresas formales, que por su estructura, ya se encuentran en desventaja por la brecha tecnol—gica que se ha registrado entre empresas de diferentes tama–os en el contexto de la digitalizaci—n (Veugelers, Rückert & Weiss, 2019).

     Herrera (2020) destaca que como resultado de las medidas para intentar contener la propagaci—n de la COVID-19 en MŽxico, se ha tenido un impacto negativo sobre el empleo formal. En cambio, en las industrias de transformaci—n (que incluyen a las manufacturas, entre otras actividades) que aportan 27% del empleo formal total del pa’s, se han perdido 4.4% del total de las plazas que estaban registradas ante el IMSS al cierre de febrero 2020. En el sector del comercio, que concentra 20% de los empleos formales, la pŽrdida ha sido de 3.2%; no obstante, la mayor pŽrdida de empleo formal se ha presentado en los servicios para empresas y hogar, actividades que concentran 23% del empleo formal del pa’s, la pŽrdida en lo que va de la pandemia ha sido de 8.6%.

     Mendoza (2020) destaca que la crisis generada por la pandemia del COVID-19 ha golpeado severamente al mercado laboral, lo cual anticipa la generaci—n de mayores niveles de pobreza laboral en el pa’s. Estima los efectos econ—micos de la pandemia en MŽxico y las repercusiones iniciales en el mercado laboral. Destaca el desplome de la población econ—micamente activa ocupada a partir de abril de 2020, así como de la ocupación de trabajadores formales. Sus resultados indican que la econom’a mexicana experimentará, en el corto plazo, un periodo de estancamiento en los niveles de ocupación de la población económicamente activa, con la posibilidad de recuperación de la tendencia hacia el primer trimestre de 2021.

     En este contexto, debe enfatizarse que las pŽrdidas en el empleo formal tienen una distribuci—n desigual por estados y/o ciudades. Hualde (2020) se–ala que la recesi—n econ—mica ha golpeado en mayor medida el mercado de trabajo de los estados y ciudades con mayor actividad tur’stica, seguidos de las entidades donde se concentra la manufactura, como son las entidades de la regi—n norte y del Baj’o. De igual forma se–ala que, de acuerdo con los registros de la Encuesta Telef—nica de Ocupaci—n y Empleo del INEGI y del IMSS, con algunas excepciones, la contracci—n m‡s fuerte se produjo en abril y mayo de 2020, adem‡s de que la tendencia es mucho m‡s lenta o se revierte de manera desigual.

     En el caso espec’fico de los estudios a nivel de entidad federativa, S‡nchez (2020) analiza c—mo la propagaci—n del virus SARS-CoV-2 desencadena una sœbita reducci—n en la oferta y la demanda de trabajo, de c—mo los ingresos de los trabajadores se reducen en los sectores con m‡s empleadores en la Ciudad de MŽxico. Destaca la movilidad social a partir de la distribuci—n del ingreso. Sus hallazgos sugieren que si la poblaci—n que se encuentra en los deciles de ingreso m‡s altos, como resultado de la pandemia, dejara de percibir un salario m’nimo, no tendr’an cambios en su nivel de ingreso muy significativos; no obstante, la poblaci—n ocupada en los deciles m‡s bajos podr’a desplazarse, al menos, a un decil m‡s bajo. Destaca que la poblaci—n formal en los sectores de los servicios y las manufacturas se ver‡ afectada de manera dr‡stica. As’ como el hecho de que las personas que trabajan en el sector formal y que nacieron entre 1951 y 1985 se ver’an desplazadas hacia abajo en la distribuci—n del ingreso.

     Por su parte, Weller (2020) refiere que el inminente cierre de una importante cantidad de empresas, como resultado de la pandemia por la COVID-19, agudizar‡ el acceso a empleos formales de personas con educaci—n media, lo que puede generar concentraci—n del empleo de este segmento de la fuerza de trabajo en sectores de baja productividad y el sector informal. La recomendaci—n de la Cepal (2020a) al respecto, es que se debe fomentar y enfatizar el uso de tecnolog’as digitales en las empresas de menor tama–o (CEPAL, 2020b).

     La misma CEPAL (2020a) se–ala que como resultado de las restricciones al transporte internacional adoptadas por un gran nœmero de pa’ses desde la irrupci—n del COVID-19, se han generado grandes perturbaciones en las cadenas globales de valor, lo que ha provocado la ca’da m‡s importante en los œltimos 11 a–os de las manufacturas mundiales.

     El panorama descrito, da pauta al interŽs de abordar el impacto entre/intra estatal de la pandemia generada por la COVID-19 desde el cierre de las actividades econ—micas hasta el mes de agosto del 2020; aunque la modelaci—n se hace desde el 2013 para mostrar la tendencia que ven’a mostrando el sector. La evidencia indica que, como refiere Mendoza (2020: 7), la Òcrisis econ—mica ocasionada por la COVID-19 ha impactado negativamente al empleo formal de trabajadores asegurados desde marzo de 2020. En marzo, abril y mayo se redujo el empleo formal en 130,593, 555,247 y 344,526 puestos de trabajo, respectivamente. Como resultado, la reducci—n acumulada del empleo formal al mes de mayo era de 907,207 puestos de trabajoÓ. La informalidad se ha incrementado, segœn Mendoza (2020) alcanz— 56.6% de la poblaci—n ocupada que equivale un total de 31.5 millones de trabajadores.

     De acuerdo con Torres (2020), las medidas iniciales de confinamiento tendr‡n, principalmente, un efecto sobre el consumo de las familias, debido a que tuvieron que modificar repentinamente sus h‡bitos de compra al mismo tiempo que disminuy— la movilidad nacional. De acuerdo con este autor, esta modificaci—n en los h‡bitos de compra se reflej— en una contracci—n aproximada del 4% en el consumo de bienes semi-duraderos durante el mes de marzo, y aproximadamente del 75% en el siguiente mes.

     En este contexto, en los apartados siguientes se analiza el impacto que esta pandemia ha ocasionado en el nivel de empleo, remuneraciones y producci—n, tanto al interior de una determinada entidad federativa como con sus vecinos, lo que le llamamos Òefecto-expulsorÓ y la derrama que hacen las entidades vecinas hacia una determinada entidad en las variables anteriores, lo que denominamos Òefecto-atrayenteÓ; es decir, mucho se ha analizado y discutido sobre la disminuci—n del ingreso en el pa’s por el cierre de las actividades econ—micas, pero no se ha mostrado el efecto que una entidad tiene con respecto a otras entidades, que es el principal prop—sito del trabajo.

2. El an‡lisis espacial

2.1. Los datos y su naturaleza

La falta de informaci—n actualizada dificulta la inferencia sobre la magnitud del problema. Para el desarrollo de esta investigaci—n se utilizaron diferentes fuentes de informaci—n oficiales, como el Indicador Global de la Actividad Econ—mica (IGAE) y la Encuesta Mensual de la Industria Manufacturera (EMIM) publicados por el Instituto Nacional de Estad’stica y Geograf’a (INEGI, 2020), el nœmero de trabajadores asegurados al Instituto Mexicano del Seguro Social (IMSS) de la Secretar’a del Trabajo y Previsi—n Social, y el nœmero de contagios activos por COVID-19, de la Secretar’a de Salud. La informaci—n de los indicadores de producci—n y remuneraciones se encuentran deflactadan a precios de julio de 2019. La informaci—n estad’stica es mensual, de febrero de 2013 a agosto de 2020.

     Si se analiza la distribuci—n espacial de la pobreza y los contagios, as’ como de las muertes ocasionadas en las entidades federativas de MŽxico, podemos encontrar algunos hechos importantes (ver figuras 1 y 2). En principio se observa que para los niveles de contagio (figura 1) la correlaci—n, aunque es ligeramente positiva, no es muy alta. Esto implica que las entidades que tradicionalmente son pobres, como Guerrero, Oaxaca y Chiapas, no concentran los mayores contagios; incluso, el visor geoespacial del Coneval muestra que a noviembre de 2020 hab’a entidades pobres que no mostraron un solo contagio. Esto implica que las regiones pobres pueden aislarse f‡cilmente dada la autosuficiencia que tienen tanto en el trabajo como en la producci—n de sus propios alimentos. Incluso, algunos municipios de Guerrero, que tradicionalmente reciben turistas, han cerrado el paso a cualquier persona que no es de la poblaci—n. Los mayores contagios se observaron en el Estado de MŽxico, Ciudad de MŽxico y Guanajuato, aunque aqu’ se debe destacar que la œnica entidad que, adem‡s de concentrar la mayor cantidad de pobres (Estado de MŽxico) tambiŽn presenta altos niveles de contagio.

Fuente: elaborado con datos de Coneval (2020) y Secretar’a de Salud (2020).

Figura 1: Pobreza total y contagios por la COVID-19, por entidades federativas.

 

     Si analizamos la tasa de mortandad, podemos observar que en muchas entidades, la correlaci—n es positiva; por ejemplo, en el caso del Estado de MŽxico, que concentra la mayor cantidad de personas pobres, las defunciones son elevadas, lo mismo podemos observar para Veracruz, Puebla, Chiapas, Oaxaca, Guanajuato, Guerrero, Jalisco y Michoac‡n, lo que indica una elevada mortandad en estas entidades. La Ciudad de MŽxico muestra un caso at’pico, la mortandad no se correlaciona con la pobreza.

Fuente: elaborado con datos de Coneval (2020) y Secretar’a de Salud (2020).

Figura 2: Pobreza total y defunciones por la COVID-19, por entidades federativas.

 

     En la figura 3 se presentan de forma esquem‡tica los contagios por COVID-19, la poblaci—n ocupada total y los trabajadores asegurados, permanentes y eventuales, en agosto de 2020. La intensidad de los colores de negro a blanco representa el porcentaje de los contagios activos. Se observa que Chiapas present— los mayores contagios en ese mes, pero los porcentajes en el empleo total de este sector no fueron tan representativos. Las entidades que figuran en el empleo total, permanentes y eventuales se encuentran en el centro y norte del pa’s.

Fuente: elaborado con datos de la STyPS (2020) y Secretar’a de Salud (2020).

Figura 3: Contagios por COVID-19 y trabajadores asegurados al IMSS (poblaci—n ocupada total, permanentes y eventuales) por entidad federativa, agosto 2020.

 

     Se debe destacar que, en las entidades del norte del pa’s, por la estructura porcentual, se observan m‡s trabajadores asegurados permanentes que eventuales como parte del total. Estas entidades son: Baja California, Sonora, Chihuahua, Coahuila Nuevo Le—n y Tamaulipas, mientras que en las entidades del centro del pa’s se identifica una mayor participaci—n de los trabajadores asegurados eventuales. Esto parece sugerir un incremento de la desigualdad laboral entre los estados, y que la regi—n centro es la que ofrece empleos m‡s precarios dado que contrata m‡s trabajadores de temporal; mientras la regi—n norte m‡s empleo de calidad relativa mayor por el tipo de contrataci—n por tratarse de son trabajadores asegurados de manera permanente.

3. Planteamiento del modelo y evidencia emp’rica

Como se ha mencionado, el objetivo principal es mostrar c—mo el comportamiento pasado de las variables en las entidades vecinas (empleo, remuneraciones, el nœmero de contagio por covid-19 y la producci—n del sector manufacturero) afectan a las mismas variables en el presente. Para ello, se parte de un Modelo de Vectores Autorregresivos Espaciales (MVARE), cuya tŽcnica fue usada por primera vez por M‡rquez, Ramajo y Hewings (2010, 2015) para estimar el crecimiento de la econom’a espa–ola, y Torres Preciado (2017), para pronosticar el crecimiento del empleo manufacturero en MŽxico.

 

 

3.1. Estimaci—n

     Se plantea el modelo de estimaci—n de la siguiente forma:

    [1]

     [2]

    [3]

    [4]

    [5]

Donde,

     poti,t  = tasa de crecimiento de la poblaci—n ocupada total de cada entidad de la entidad i del sector manufacturero, a travŽs del tiempo t;

      = tasa de crecimiento promedio de la poblaci—n ocupada total de los vecinos de las diferentes entidades manufactureras;

     va = tasa de crecimiento de la actividad econ—mica estatal;

      = crecimiento promedio de la actividad manufacturera de los vecinos de una entidad;

     rem = crecimiento de las remuneraciones en el sector manufacturero;

      = crecimiento promedio de las remuneraciones en las entidades vecinas.

     Finalmente, cov y  es la tasa de crecimiento del nœmero de contagios a partir de que se present— el primer caso en cada una de las entidades (cov) y el de los vecinos (), respectivamente.

     En este contexto de an‡lisis espacial, se puede determinar si el rezago de las variables externas agrega informaci—n valiosa sobre la determinaci—n de las variables locales (Marquez et al., 2015). De acuerdo con la ecuaci—n [1], si los valores pasados de  contribuyen a explicar los valores futuros de y el valor del par‡metro , son significativos, podemos decir que tenemos Òefecto atrayenteÓ, que implica que los vecinos de una entidad en particular influyen sobre su comportamiento. Por su parte, si los valores previos de  explican el comportamiento de  y los par‡metros ,  tienden a ser estad’sticamente significativos, podemos decir que se tiene Òefecto expulsorÓ, que significa que la din‡mica de una entidad en particular genera un efecto en la poblaci—n ocupada de las entidades vecinas.

     La matriz de pesos espaciales (W), que es la base principal de la estimaci—n espacial (AndrŽs-Rosales, Bustamante & Argumosa, 2018; Quintana & AndrŽs-Rosales, 2014), es una matriz cuadrada positiva y su dimensi—n depende del tama–o de la muestra, describe la interacci—n de unidades espaciales presentes entre las entidades.

     Por definici—n wij=1 y wii=0, aunque es posible usar diferentes tipos de vecindades y se pueden incorporar otros tipos de variables que no se limiten a la de la contigŸidad. En nuestro caso usamos el criterio de contigŸidad normalizada, que implica que las sumas de las filas son igual a uno y representan un suavizado espacial de los impactos de las regiones vecinas y la autocontigŸidad est‡ descartada o es igual a cero (Anselin, 1988; Quintana & AndrŽs-Rosales, 2014; AndrŽs-Rosales et al., 2018). En suma, dado que las variables son usadas en tasas de crecimiento y la matriz normalizada, se evita obtener relaciones espurias.

 

3.2. Prueba espacial de causalidad de Granger

De la misma forma que en el modelo de vectores autorregresivos (VAR), el modelo de vectores autorregresivos espaciales (MVARE) puede usarse para examinar en quŽ medida las variables en el sistema est‡n determinados por sus valores pasados, lo que se conoce como causalidad de Granger (Granger, 1969). En el contexto del an‡lisis de efectos espaciales se puede determinar la propagaci—n espacial y las causalidades entre las variables y las regiones (M‡rquez, Ramajo & Hewings, 2015). Estas nuevas consideraciones fueron llamadas por M‡rquez, Ramajo y Hewings (2015) y Kuethe y Pede (2011) un An‡lisis espacial de causalidad de Granger, y es la nueva forma de demostrar los efectos colaterales espaciales en el contexto del VAR tradicional.

     En la tabla 1 y 1.1 del anexo se presentan las pruebas de causalidad en sentido de Granger, bajo la hip—tesis nula. Ho: de no causalidad en el sentido de Granger (se marcaron con negritas las que resultaron significativas) se rechaza esta hip—tesis, dado el p-valor, y no se rechaza la hip—tesis alternativa, Ha: Causalidad en el sentido de Granger. Los resultados principales se presentan a continuaci—n:

      a) ÒEfecto atrayenteÓ. Este efecto se refiere cuando una entidad en particular es afectada por sus vecinos; lo que significa que la variable de interŽs que proviene de sus vecinos influye sobre la entidad. En este caso, cuando se incrementa la poblaci—n ocupada (POTw), la producci—n (Vaw), las remuneraciones (REMw) del sector manufacturo y la COVID-19 (COVw) de los vecinos de una entidad, afectan a una entidad en particular. Por ejemplo, encontramos que cuando se incrementa la poblaci—n ocupada de los vecinos de las siguientes entidades: Baja California Sur, CDMX, Chiapas, Colima, Nuevo Le—n, Oaxaca, San Luis Potos’, Sonora, Tabasco, Tlaxcala y Veracruz, el empleo se increment— al interior de estas entidades. Por su parte, al incrementarse el nœmero de contagios por COVID-19 de los vecinos de Aguascalientes, Chihuahua, Chiapas, Coahuila, Durango, Guerrero, Guanajuato, Hidalgo, Jalisco, Estado de MŽxico, Nuevo Le—n, Puebla, QuerŽtaro, San Luis Potos’, sonora, Tamaulipas y Zacatecas, afect— el nivel de empleo de estas entidades.

      b) ÒEfecto expulsorÓ es la causalidad que parte de una entidad hacia sus vecinos contiguos. Encontramos que la poblaci—n ocupada de entidades como: Aguascalientes, Baja California, Campeche, Chiapas, Coahuila, Guerrero, Nuevo Le—n, QuerŽtaro, Quintana Roo, Sonora y Zacateras influyeron en el empleo de sus vecinos. Por su parte, al incrementarse la POT en el Estado de MŽxico, Tlaxcala y Yucat‡n, incrementaron el contagio en sus vecinos.

     c) ÒEfecto internoÓ es la causalidad de las variables sobre el rezago de las otras variables.  En este caso observamos que existe causalidad de la variable Covid con la poblaci—n ocupada en la mayor’a de las entidades, lo que es un hecho importante porque el empleo del sector manufacturero se contrajo (tabla 1.1).

 

3.3. An‡lisis espacial de impulso respuesta

     En la estimaci—n del MVARE, la funci—n de impulso respuesta nos proporciona informaci—n c’clica del comportamiento y la interdependencia entre las regiones (M‡rquez, Ramajo & Hewings, 2015). Con las funciones de impulso respuesta podemos cuantificar los impactos que una entidad genera hacia sus vecinos (efecto expulsor) y el impacto que los vecinos generan hacia una determinada entidad (efecto atrayente). A diferencia de la prueba de causalidad de Granger, en la de impulso-respuesta podemos conocer el impacto proveniente de los vecinos de una entidad y viceversa.

     La tabla 2 y 2.1 del anexo cuantifica estos efectos generados por el crecimiento del empleo manufacturero a nivel de las entidades federativas, tomando en cuenta el efecto contempor‡neo. En esta tabla se encuentran los resultados de los siguientes efectos: a) Efecto atrayente; b) Efecto expulsor y c) Efecto interno. Se destaca que los efectos internos que las mismas variables generan a travŽs de sus rezagos en las diversas entidades son mayores, lo que implica que el comportamiento pasado de la misma variable es m‡s importante para explicar su comportamiento futuro. En segundo lugar, se identific— que el efecto expulsor es m‡s importante (dado que los coeficientes son mayores) que el efecto atrayente, lo que implica que es m‡s significativo el efecto que una entidad genera hacia sus vecinos y no tanto lo que sus vecinos generan en una entidad. La interpretaci—n econ—mica se explica de la siguiente forma:

     a) Efecto atrayente: estos efectos muestran que ante una peque–a perturbaci—n (shock) en el crecimiento de las variables potw, vaw, remw, covw que corresponde a los vecinos de una entidad determinada, se generan efectos sobre la poblaci—n ocupada (pot) de una entidad de manera positiva o negativa dependiendo del signo del coeficiente. Como ejemplo, ante un choque en el nivel de empleo de los vecinos de Baja California, Campeche, Chiapas y Guanajuato, presentan efectos positivos en sus niveles de empleo en 0.14; 0.57; 0.55 y 0.18 por ciento, respectivamente (columna 1 del cuadro 2). Mientras que el efecto negativo lo observamos en Morelos y Nayarit. Esto implica que, al modificarse el nivel de empleos de los vecinos de estas dos entidades, se afecta negativamente el empleo al interior de Morelos y Nayarit en -0.11 y -0.63%, respectivamente. Aunque es importante destacar que el impacto de la pot de los vecinos hacia la poblaci—n ocupada de las entidades ha sido menor del 1% en todas ellas.

     De acuerdo con la informaci—n de la columna 4, tabla 2 del anexo, el incremento en el nœmero de contagios por Covid-19 (Covid) en los vecinos de Aguascalientes, Chiapas, Morelos, Yucat‡n y Zacatecas, influy— positivamente en el nivel de la poblaci—n ocupada de estas entidades en 0.24, 0.78, 0.41, 0.17 y 0.18 por ciento respectivamente; lo que implica que probablemente el incremento del contagio de los vecinos de estas entidades benefici— a los trabajadores que radican en estas entidades y pudieran obtener empleo en su mismo lugar de origen. Aunque tambiŽn se puede destacar que el impacto porcentual es menor al 1% en todas las entidades.

     b) Efecto expulsor: en las columnas 5-8 (ver tabla 2 del anexo) se presenta el efecto que tiene la poblaci—n ocupada total de una entidad hacia sus vecinos en potw, vaw, remw, covw. Si se analiza el efecto que tiene la poblaci—n ocupada de una entidad en particular hacia sus vecinos, se identifica que Aguascalientes influy— sobre la producci—n de sus vecinos en 1.68%, Baja California en 3.71%. Los mayores impactos se encontraron en Quintana Roo hacia sus vecinos (4.59%). TambiŽn se hall— evidencia de que, al incrementarse el empleo en una entidad, sus vecinos disminuyeron su producci—n, el coeficiente tiene un signo negativo y este impacto es mayor en los vecinos de Yucat‡n (-6.81%).

     La columna 8 (tabla 2 del anexo) muestra el impacto que genera la poblaci—n ocupada de una entidad hacia la variable covid de sus respectivos vecinos. Se encontr— un grupo de entidades en las que al incrementarse el nivel de empleo genera efectos adversos en los vecinos por el incremento en el nivel de contagios, que puede tener explicaci—n por la movilidad social generada para buscar un empleo o por el desplazamiento al trabajo. Los casos que m‡s destacan son Chiapas, Morelos, Nayarit, Yucat‡n y Zacatecas. Probablemente porque los trabajadores provienen de sus vecinos.

     Llama la atenci—n lo que ocurre con otras entidades cuyos estad’sticos de impulso respuesta son negativos. En principio, esto implica que, si aumenta el empleo en las entidades vecinas, el nœmero de contagios en una entidad se reduce, hecho que se puede asociar a los riesgos de la movilidad social. Por ejemplo, el caso de la CDMX y el Estado de MŽxico, que son las entidades m‡s pobladas del pa’s y con m‡s contagios. Los resultados del efecto expulsor (ver columna 8 de la tabla 2 del anexo) indican que, ante un choque en el empleo en la CDMX, la respuesta de los contagios por COVID-19 en los estados vecinos disminuye en -6.32; o en el caso del Estado de MŽxico, un choque positivo en el empleo genera reducci—n en los niveles de contagios de sus vecinos de -2.38.

     c) Efecto interno: el impacto de la poblaci—n ocupada sobre sus propios valores pasados es m‡s importante que el rezago de otras variables. Esto lo encontramos en la columna 9 de la tabla 2.1 del anexo. El impacto al interior de las 32 entidades que conforman al pa’s son positivas al incrementarse el empleo manufacturero, en casi todos ellos el valor se ubica entre 1% y 3%. TambiŽn encontramos que el comportamiento pasado del empleo en las remuneraciones es positivo en muchas entidades, entre ellas Nayarit (7%), Veracruz (6.6%), Baja California Sur (5.06%) y Sinaloa (2%). Negativo y significativo en Yucat‡n (-1.51%).

 

Conclusiones

En este trabajo se mostr— el impacto que ha tenido el empleo, las remuneraciones, la producci—n manufacturera y el nœmero de contagios por COVID-19 intra/entre las 32 entidades federativas del pa’s. Se encontr— evidencia de que el impacto en la propagaci—n de la pandemia fue m‡s elevado en las entidades federativas que son atrayentes de mano de obra.

     Si bien es cierto que el sector manufacturero se hab’a considerado como el sector que ofrece empleos menos precarios que el del sector servicios (AndrŽs-Rosales, Czarneki y Mendoza Gonz‡lez, 2019), lo que se espera despuŽs de la pandemia, en el regreso a la nueva normalidad, es una tendencia a los trabajos igualmente de precarios que en los dem‡s sectores. Que esto ser‡ una tendencia generalizada en todas las entidades federativas del pa’s, por lo que ser‡n pocas las empresas que ofrezcan empleos bien remunerados y con las prestaciones de ley.

     Finalmente, no cabe duda de que el empleo se recuperar‡ paulatinamente en el 2021, aunque las secuelas que esta pandemia genere en las diversas entidades federativas en lo que a empleo se refiere ser‡n permanentes, sobre todo, ha afectado a muchos sectores productivos que en este trabajo no se analizaron, pero que en el futuro cercano se tendr‡ que hacer, como el sector de turismo.

 

Referencias

AndrŽs-Rosales, R., Czarneki, L., y Mendoza-Gonz‡lez M. (2019). A spatial analysis of precariousness and the gender wage gap en Mexico, 2005-2018. The Journal of Chinese Sociology, 6(13), 1-21.

AndrŽs-Rosales, R., Bustamante L., Argumosa, P. (2018). Social exclusion and economic growth in the Mexican regions: A spatial approach. Journal of Regional Research, 40, 57-78.

Anselin, L. (1988). Spatial econometrics methods and models. California, EEUU: Kluwer Academic Publishers.

Comisi—n Econ—mica para AmŽrica Latina y el Caribe (CEPAL) (2020a). Dimensionar los efectos del COVID-19 para pensar en la reactivaci—n. Informe especial, COVID-19. Comisi—n Econ—mica para AmŽrica Latina y el Caribe. No. 2.

Comisi—n Econ—mica para AmŽrica Latina y el Caribe (CEPAL), Banco de Desarrollo de AmŽrica Latina (CAF), DPL Consulting y Telecom Advisory Services (2020b). ÒLas oportunidades de la digitalizaci—n en AmŽrica Latina frente al COVID-19Ó.

Consejo Nacional de Evaluaci—n de la Pol’tica de Desarrollo Social (Coneval) (2020a). La pol’tica social en el contexto de la pandemia por el virus SARS-CoV-2 (COVID-19) en MŽxico. MŽxico: Coneval. https://www.coneval.org.mx/Evaluacion/IEPSM/Documents/Politica_Social_COVID-19.pdf

Consejo Nacional de Evaluaci—n de la Pol’tica de Desarrollo Social (Coneval) (2020b). Medici—n de la pobreza. Consejo Nacional de Evaluaci—n de la Pol’tica de Desarrollo Social, MŽxico. https://www.Coneval.org.mx/Medicion/Paginas/PobrezaInicio.aspx

De Jesœs-Almonte, L., AndrŽs-Rosales, R., y Carbajal-Su‡rez, Y. (2020). Spatial analysis of manufacturing emplyoment in Mexico, 1984-2013. Revista Desarrollo y Sociedad, (84), 91-129.

De Jesœs Almonte, L. y ValdŽs Hinojosa, A. (2020). Hacia la recuperaci—n del empleo formal en las entidades federativas, Econom’a Actual, Revista de An‡lisis de Coyuntura, 13 (3). http://economia.uaemex.mx/Publicaciones/e1304/Eco.%20Actual%2013.4.2-Articulo%20Leobardo.pdf  

Esquivel, G. (2020). Los impactos econ—micos de la pandemia en MŽxico, Econom’a UNAM, 17(51), 28-44.

Granger, C. (1969). Investigating causal relation by econometrics models and cross-spectral methods, Econometrica., (37), 424-438.

Herrera, S. (2020). El impacto del covid-19 sobre el empleo formal en los estados. Repositorio Universitario Facultad de Econom’a, UNAM. Recuperado de http://ru.economia.unam.mx/178/1/El%20impacto%20del%20covid-19%20sobre%20el%20empleo%20formal%20en%20los%20estados.pdf

Kuethe, T. y Pede, V. (2011). Regional Housing price cycles: A spatio-temporal analysis usign US state-level data. Regional Studies. (45), 563-574.

M‡rquez, M., Ramajo, J., y Hewings, J. (2015). Regional growth and spatial spillovers: Evidence from an SPVAR for the Spanish regions. Papers in Regional Science, 94(1), 1-19.

Mart’nez, H. y Contreras, O. (2020). Determinantes, tama–o y evoluci—n del mercado interno en MŽxico y sus implicaciones macroecon—micas para el crecimiento econ—mico, 1970-2017. El Trimestre Econ—mico, 1 (345), 133-169.

Mej’a-Reyes, P.; Hurtado-Jaramillo, A. y Rend—n-Rojas, L. (2020). Efecto de los factores socio-econ—micos y condiciones de salud en el contagio de COVID-19 en los estados de MŽxico. Contadur’a y Administraci—n, 4(65), 1-19.

Mendoza, M., Quintana, L., Salas, C., y Valdivia, M. (2021). Crisis e impactos macroecon—micos, sectoriales y estatales del Covid-19 en MŽxico durante 2020. Revista de Econom’a Mexicana, 6,189-226.

Mendoza Cota, E. (2020). COVID-19 y el empleo en MŽxico: impacto inicial y pron—stico de corto plazo. Contadur’a y Administraci—n, 65(4), 1-18.

Najera, H. y Huffman, C. (2020). Estimaci—n del costo de eliminar la pobreza extrema por ingreso en MŽxico, en tiempos del COVID. Programa Universitario de Estudios del Desarrollo, UNAM. MŽxico. http://www.pued.unam.mx/export/sites/default/archivos/covid/DocTecnico.pdf

Quintana, L., y AndrŽs-Rosales, R. (2014). TŽcnicas modernas de an‡lisis regional. MŽxico, D.F: Plaza y ValdŽs.

Salas, C., Quintana, L., Mendoza, M., y Valdivia, M. (2020). Distribuci—n del ingreso laboral y la pobreza en MŽxico durante la pandemia de la Covid-19. Escenarios e impactos potenciales. El Trimestre Econ—mico. 4(348), 929-962.

S‡nchez-Ju‡rez. I. y Garc’a-Almada, R. (2020). Empleo en la frontera norte de MŽxico ante el COVID-19. Econom’a Actual, Revista de An‡lisis de Coyuntura, 13 (3), 31-35. http://economia.uaemex.mx/CICE/Revista_economia_actual.html

S‡nchez, A. (2020). Impacto de la crisis del COVID-19 en la distribuci—n del ingreso en la Ciudad de MŽxico. Contadur’a y Administraci—n, 4(65), 1-15.

Seabra, C., Paiva, O., Silva, C., y Abrantes, J. (2021). Tourism security-safety ans post conflict destinations. EEUU: Editorial Advisory and Board.

Secretar’a del Trabajo y Previsi—n Social (2020). Estad’sticas del sector. http://www.stps.gob.mx/gobmx/estadisticas/

Torres, V. (2017). Desempleo y criminalidad en los estados de la frontera norte de MŽxico: un enfoque espacial bayesiano de vectores autoregresivos. Ensayos Revista de Econom’a, 36(1), 25-58.

Torres, V. (2020). La econom’a de la pandemia: efectos, medidas y perspectivas econ—micas ante la pandemia de la COVID-19 en el sector manufacturero de MŽxico. Contadur’a y Administraci—n, 4(65), 1-25.

Veugelers, R., RŸckert, D., y Weiss, Ch. (2019). Bridging the divide: new evidence about firms and digitalization. Policy Contribution, 17, 1-13. https://www.bruegel.org/wp-content/uploads/2019/12/PC-17_2019-101219_-1.pdf

Weller, J. (2020). La pandemia del COVID-19 y su efecto en las tendencias de los mercados laborales. Documentos de proyectos. CEPAL. https://repositorio.cepal.org/bitstream/handle/11362/45759/S2000387_es.pdf?sequence=1&isAllowed=y

 


Anexo

 

Tabla 1

Estimaci—n espacial de las Pruebas de causalidad de Granger, 2013:01-2020:08

Efectos atractor

Efecto expulsor

 Entidad federativa

De POTw a POT

De VAw a POT

De REMw a POT

De COVW a POT

De POT a POTw

De POT a VAw

De POT a REMW

De POT a COVw

Aguascalientes

0.34 (0.71)

0.19 (0.83)

2.26 (0.11)

4.95 (0.01)

6.08 (0.00)

0.37 (0.69)

0.27 (0.76)

0.57 (0.57)

Baja California

1.14 (0.32)

0.96 (0.39)

2.21 (0.12)

1.51 (0.23)

10.88 (0.00)

2.65 (0.08)

9.42 (0.00)

0.39 (0.68)

Baja California Sur

8.28 (0.00)

1.33 (0.27)

0.11 (0.90)

1.25 (0.29)

1.32 (0.27)

0.73 (0.48)

2.57 (0.08)

0.28 (0.75)

Campeche

1.72 (0.18)

4.84 (0.01)

1.67 (0.19)

0.02 (0.98)

4.73 (0.01)

0.66 (0.52)

0.62 (0.54)

0.48 (0.62)

Ciudad de MŽxico

3.84 (0.03)

5.03 (0.01)

40.43 (0.00)

1.54 (0.22)

0.58 (0.56)

6.66 (0.00)

4.30 (0.02)

0.46 (0.63)

Chihuahua

0.54 (0.58)

2.10 (0.13)

1.04 (0.36)

4.58 (0.01)

1.08 (0.34)

3.09 (0.05)

1.08 (0.34)

0.06 (0.94)

Chiapas

3.80 (0.03)

0.52 (0.60)

2.62 (0.08)

8.92 (0.00)

10.10 (0.00)

1.12 (0.33)

3.77 (0.03)

0.25 (0.78)

Coahuila

0.18 (0.84)

0.49 (0.62)

0.89 (0.42)

3.85 (0.03)

3.92 (0.02)

1.34 (0.27)

2.96 (0.06)

0.37 (0.69)

Colima

6.07 (0.00)

2.36 (0.10)

1.57 (0.21)

2.97 (0.06)

0.85 (0.43)

1.54 (0.22)

2.95 (0.06)

0.32 (0.73)

Durango

0.03 (0.97)

1.16 (0.32)

1.09 (0.34)

3.39 (0.04)

0.01 (0.99)

0.45 (0.64)

0.10 (0.90)

0.05 (0.95)

Guerrero

0.99 (0.38)

0.94 (0.40)

3.15 (0.05)

9.24 (0.00)

3.37 (0.04)

0.46 (0.63)

0.13 (0.87)

0.11 (0.90)

Guanajuato

0.72 (0.49)

2.95 (0.06)

0.60 (0.55)

5.22 (0.01)

0.34 (0.71)

4.69 (0.01)

1.12 (0.33)

1.06 (0.35)

Hidalgo

0.80 (0.45)

2.40 (0.10)

0.09 (0.91)

5.10 (0.01)

2.96 (0.06)

3.33 (0.04)

0.54 (0.58)

2.27 (0.11)

Jalisco

2.61 (0.08)

0.37 (0.69)

4.69 (0.01)

6.53 (0.00)

0.15 (0.86)

7.14 (0.00)

1.58 (0.21)

2.06 (0.13)

Estado de MŽxico

1.24 (0.30)

3.38 (0.04)

1.70 (0.19)

5.00 (0.01)

1.61 (0.21)

2.49 (0.09)

4.85 (0.01)

3.10 (0.05)

Michoac‡n

0.28 (0.76)

1.52 (0.22)

3.31 (0.04)

0.61 (0.54)

0.97 (0.38)

1.43 (0.24)

0.15 (0.86)

0.78 (0.46)

Morelos

0.40 (0.67)

1.60 (0.21)

2.88 (0.06)

1.02 (0.37)

1.87 (0.16)

0.19 (0.83)

10.35 (0.00)

0.74 (0.48)

Nayarit

0.59 (0.56)

0.16 (0.85)

4.36 (0.02)

0.13 (0.88)

0.09 (0.91)

0.87 (0.42)

0.78 (0.46)

0.05 (0.95)

Nuevo Le—n

5.14 (0.01)

2.84 (0.06)

0.27 (0.76)

10.96 (0.00)

3.30 (0.04)

6.70 (0.00)

0.60 (0.55)

0.49 (0.61)

Oaxaca

3.76 (0.03)

0.73 (0.48)

1.57 (0.21)

1.01 (0.37)

0.87 (0.42)

0.74 (0.48)

3.28 (0.04)

0.03 (0.97)

Puebla

0.73 (0.48)

0.41 (0.67)

5.26 (0.01)

3.34 (0.04)

1.39 (0.25)

0.20 (0.82)

0.82 (0.44)

0.70 (0.50)

QuerŽtaro

1.99 (0.14)

2.37 (0.10)

4.46 (0.01)

7.03 (0.00)

3.96 (0.02)

4.82 (0.01)

0.27 (0.77)

0.16 (0.86)

Quintana Roo

1.89 (0.16)

1.85 (0.16)

0.17 (0.84)

0.12 (0.88)

3.01 (0.05)

1.54 (0.22)

2.03 (0.14)

0.70 (0.50)

Sinaloa

0.18 (0.84)

4.86 (0.01)

1.35 (0.26)

1.37 (0.26)

0.27 (0.76)

1.34 (0.27)

1.67 (0.20)

1.01 (0.37)

San Luis Potos’

4.79 (0.01)

1.95 (0.15)

0.68 (0.51)

6.31 (0.00)

1.18 (0.31)

3.01 (0.05)

2.38 (0.10)

0.84 (0.43)

Sonora

3.36 (0.04)

5.08 (0.01)

1.99 (0.14)

4.71 (0.01)

3.36 (0.04)

4.69 (0.01)

0.62 (0.54)

0.03 (0.97)

Tabasco

14.75 (0.00)

2.88 (0.06)

0.98 (0.38)

0.06 (0.95)

2.45 (0.09)

1.44 (0.24)

0.62 (0.54)

0.29 (0.75)

Tamaulipas

1.96 (0.15)

0.03 (0.97)

3.83 (0.03)

10.79 (0.00)

2.78 (0.07)

0.40 (0.67)

1.50 (0.23)

1.86 (0.16)

Tlaxcala

5.68 (0.00)

2.71 (0.07)

1.72 (0.19)

0.25 (0.78)

0.09 (0.92)

0.76 (0.47)

1.67 (0.20)

4.95 (0.01)

Veracruz

8.06 (0.00)

3.28 (0.04)

1.39 (0.26)

0.51 (0.60)

0.13 (0.88)

0.89 (0.41)

4.86 (0.01)

0.22 (0.80)

Yucat‡n

1.09 (0.34)

0.68 (0.51)

7.43 (0.00)

2.19 (0.12)

0.32 (0.73)

0.09 (0.91)

0.39 (0.68)

3.07 (0.05)

Zacatecas

0.13 (0.87)

1.70 (0.19)

2.74 (0.07)

5.97 (0.00)

3.66 (0.03)

5.55 (0.01)

1.37 (0.26)

0.89 (0.41)

 

 


 

Tabla 1.1

Estimaci—n espacial  de las Pruebas de causalidad de Granger, 2013:01-2020:08 (continuaci—n)

Efecto interno

 Entidad federativa

De COV a POT

De APER a POT

De AEVE a POT

De VA a POT

De REM a POT

De POT a REM

Aguascalientes

5.37 (0.01)

6.92 (0.00)

2.53 (0.09)

0.20 (0.82)

2.44 (0.09)

0.11 (0.90)

Baja California

3.33 (0.04)

65.45 (0.00)

12.98 (0.00)

0.89 (0.42)

5.26 (0.01)

18.42 (0.00)

Baja California Sur

0.36 (0.70)

2.85 (0.06)

14.65 (0.00)

1.86 (0.16)

11.14 (0.00)

0.13 (0.88)

Campeche

1.21 (0.30)

5.85 (0.00)

7.56 (0.00)

4.64 (0.01)

1.68 (0.19)

2.18 (0.12)

Ciudad de MŽxico

1.84 (0.17)

30.08 (0.00)

26.30 (0.00)

4.19 (0.02)

54.67 (0.00)

6.92 (0.00)

Chihuahua

3.10 (0.05)

24.56 (0.00)

8.90 (0.00)

2.67 (0.08)

0.31 (0.73)

5.15 (0.01)

Chiapas

8.34 (0.00)

5.39 (0.01)

3.16 (0.05)

2.25 (0.11)

3.04 (0.05)

3.88 (0.02)

Coahuila

7.13 (0.00)

42.82 (0.00)

24.85 (0.00)

1.78 (0.17)

1.72 (0.19)

5.49 (0.01)

Colima

4.13 (0.02)

1.77 (0.18)

0.27 (0.76)

1.64 (0.20)

0.49 (0.61)

5.05 (0.01)

Durango

1.23 (0.30)

1.74 (0.18)

2.06 (0.13)

1.75 (0.18)

1.05 (0.35)

11.27 (0.00)

Guerrero

0.01 (0.99)

0.49 (0.61)

0.63 (0.53)

0.09 (0.91)

0.22 (0.80)

2.84 (0.06)

Guanajuato

1.51 (0.23)

24.96 (0.00)

7.86 (0.00)

2.15 (0.12)

2.82 (0.07)

3.35 (0.04)

Hidalgo

6.17 (0.00)

9.46 (0.00)

7.05 (0.00)

1.72 (0.19)

0.41 (0.66)

0.34 (0.72)

Jalisco

3.61 (0.03)

11.21 (0.00)

19.89 (0.00)

2.76 (0.07)

0.69 (0.51)

1.06 (0.35)

Estado de MŽxico

4.95 (0.01)

47.04 (0.00)

45.60 (0.00)

5.21 (0.01)

0.76 (0.47)

2.61 (0.08)

Michoac‡n

1.04 (0.36)

19.46 (0.00)

38.89 (0.00)

3.79 (0.03)

2.33 (0.10)

1.03 (0.36)

Morelos

0.40 (0.67)

3.16 (0.05)

15.28 (0.00)

0.76 (0.47)

1.83 (0.17)

14.69 (0.0)

Nayarit

0.03 (0.97)

8.78 (0.00)

41.61 (0.00)

5.67 (0.00)

1.54 (0.22)

7.36 (0.00)

Nuevo Le—n

8.33 (0.00)

54.71 (0.00)

32.64 (0.00)

1.92 (0.15)

1.78 (0.17)

3.35 (0.04)

Oaxaca

1.98 (0.14)

2.35 (0.10)

5.02 (0.01)

0.94 (0.39)

3.26 (0.04)

3.04 (0.05)

Puebla

0.92 (0.40)

2.24 (0.11)

15.82 (0.00)

0.07 (0.93)

2.58 (0.08)

1.09 (0.34)

QuerŽtaro

6.96 (0.00)

39.73 (0.00)

29.60 (0.00)

0.59 (0.56)

1.26 (0.29)

1.25 (0.29)

Quintana Roo

2.82 (0.07)

1.71 (0.19)

3.85 (0.03)

2.03 (0.14)

4.86 (0.01)

0.63 (0.53)

Sinaloa

0.28 (0.75)

1.27 (0.29)

5.88 (0.00)

1.17 (0.32)

2.04 (0.14)

0.64 (0.53)

San Luis Potos’

4.79 (0.01)

9.34 (0.00)

11.51 (0.00)

1.08 (0.34)

0.07 (0.94)

2.10 (0.13)

Sonora

7.28 (0.00)

30.65 (0.00)

8.88 (0.00)

1.97 (0.15)

0.31 (0.74)

7.96 (0.00)

Tabasco

0.03 (0.97)

0.04 (0.96)

7.76 (0.00)

0.12 (0.89)

0.95 (0.39)

1.32 (0.27)

Tamaulipas

0.74 (0.48)

57.94 (0.00)

20.96 (0.00)

0.53 (0.59)

1.77 (0.18)

3.13 (0.05)

Tlaxcala

0.49 (0.61)

8.45 (0.00)

13.95 (0.00)

5.49 (0.01)

8.23 (0.00)

1.38 (0.26)

Veracruz

4.66 (0.01)

3.52 (0.03)

28.76 (0.00)

0.39 (0.68)

2.11 (0.13)

5.52 (0.01)

Yucat‡n

30.59 (0.00)

19.60 (0.00)

4.41 (0.02)

0.75 (0.48)

2.19 (0.12)

1.01 (0.37)

Zacatecas

0.25 (0.78)

24.96 (0.00)

3.99 (0.02)

2.04 (0.14)

0.84 (0.43)

2.77 (0.07)

Nota: prueba con dos rezagos. Entre parŽntesis se presenta la probabilidad.

Fuente: estimaciones realizadas con EViews versi—n 10, con informaci—n del INEGI y Secretar’a de Salud.


Tabla 2

Impulso respuesta generalizados entre/intra entidad federativa, 2013:01-2020:08

Entidad federativa

1. Efecto atrayente

2. Efecto expulsor

1.De WTCPOT a POT

2.De WTCVA a POT

3.De WTCREM a POT

4.De WCOV a POT

5.De POT a WTCPOT

6.De POT a WTCVA

7.De POT a WTCREM

8.De POT a WCOV

Aguascalientes

0.01

0.34***

0.04

0.24***

0.01

1.68***

1.56

0.76***

Baja California

0.14***

0.23***

0.18***

-0.04

0.53***

3.71***

21.34***

-5.65

Baja California Sur

-0.05

-0.81***

0.31

0.34

-0.02

-1.91***

18.63

14.85

Campeche

0.57***

0.26

-0.56**

0.15

0.28***

0.80

-25.72**

3.74

Ciudad de MŽxico

0.02

0.04

-0.01

-0.05

0.02

0.51

-0.57

-6.32

Chihuahua

-0.07

0.04

-0.07

-0.05

-0.06

0.20

-4.48

-6.56

Chiapas

0.55***

0.38

-0.40

0.78***

0.37***

2.07

-20.02

22.73***

Coahuila

0.02

0.04

0.03

-0.10**

0.02

0.27

1.83

-1.13

Colima

-0.01

0.03

-0.27

-0.11

0.00

0.04

-23.27

-8.43

Durango

0.22

-0.12

0.08

0.01

0.14

-0.45

1.64

1.73

Guerrero

0.27

0.23

0.24

0.16

0.06

0.53

22.44

3.24

Guanajuato

0.18***

0.21***

0.06

0.04

0.16***

1.35***

4.74

9.32

Hidalgo

-0.08

-0.33***

0.27***

-0.13

-0.04

-1.53***

17.53***

-10.79

Jalisco

0.06

0.03

0.06

0.04

0.14

0.46

2.81

5.28

Estado de MŽxico

-0.01

0.08***

-0.03

-0.02

-0.01

1.58***

-1.73

-2.38

Michoac‡n

0.25**

0.18

0.00

-0.08

0.15**

0.54

0.15

-17.29

Morelos

-0.11

0.14

-0.04

0.41***

-0.11

0.86

-3.82

8.92***

Nayarit

-0.62**

-0.22

1.33***

0.57

-0.14**

-0.26

76.42***

61.69***

Nuevo Le—n

0.06

0.09***

-0.06

0.06

0.11**

1.24***

-5.90**

5.70**

Oaxaca

0.26

0.18

0.18

-0.02

0.14

0.44

11.93

-1.3

Puebla

0.21***

0.11

-0.13

-0.07

0.23***

1.07

-7.51

-12.68

QuerŽtaro

0.00

0.10***

0.12***

0.03

0.00

0.93**

6.45***

6.55

Quintana Roo

0.31

0.60***

-0.32

-0.30***

0.17

4.59***

-8.38

-15.64

Sinaloa

-0.03

-0.10

-0.10

-0.08

-0.03

-0.53

-3.8

-0.31

San Luis Potos’

0.07

0.11**

-0.04

0.02

0.05

0.86**

-2.99

1.27

Sonora

0.05

0.21***

0.04

-0.01

0.04

1.26***

2.23

-1.00

Tabasco

0.28

0.42***

-0.85***

-0.17

0.26

3.71***

-29.09***

-3.8

Tamaulipas

0.15***

0.19***

-0.02

0.08

0.17***

1.72***

-2.42

19.61

Tlaxcala

-0.08

0.06

-0.19**

0.07

-0.04

0.43

-9.43**

8.1

Veracruz

0.42***

0.25

-0.46***

-0.16

0.18***

0.99

-35.2***

-20.13

Yucat‡n

-0.10

-0.21***

0.09

0.17***

-0.26

-6.81***

3.65

56.36***

Zacatecas

-0.23

0.10

0.11

0.38***

-0.11

0.44

19.48

131.96***

 

 

 

 

 

 

Tabla 2.1

Impulso respuesta generalizados entre/intra entidad federativa, 2013:01-2020:08 (continœa)

Entidad federativa

3. Efecto interno

9.De POT a POT

10.De COV a POT

11.De APER a POT

12.De AEVE a POT

13.De VA a POT

14.De REM a POT

15.De POT a REM

Aguascalientes

1.09***

0.26***

0.03

-0.09

0.27***

0.34***

1.58***

Baja California

0.62***

-0.04

0.17***

0.14***

0.17***

0.20***

1.37***

Baja California Sur

3.74***

-0.13

-0.02

-0.26

0.45

1.14***

5.06***

Campeche

2.72***

0.23

0.68***

-0.35

0.11

0.27

1.03

Ciudad de MŽxico

0.47***

-0.05

-0.09**

-0.05

0.13***

0.01

0.13

Chihuahua

0.87***

-0.06

0.00

-0.12

0.10

0.00

-0.02

Chiapas

2.36***

0.76***

0.38

-0.33

0.16

0.37

2.17

Coahuila

0.60***

-0.01

0.08

0.12***

0.10**

0.05

0.33

Colima

3.26***

-0.09

1.28***

-0.22

0.65**

-0.15

-0.58

Durango

1.76***

-0.36***

0.16

-0.29

0.49***

0.39***

0.88***

Guerrero

3.74***

0.25

0.28

0.19

-0.08

0.46

0.64

Guanajuato

0.66***

0.05

0.06

0.17***

0.08

0.04

0.43

Hidalgo

0.98***

-0.14

0.04

0.09

-0.13

-0.06

-0.48

Jalisco

0.47***

-0.07

0.03

0.03

0.08

0.12***

1.14***

Estado de MŽxico

0.29***

-0.02

0.11***

0.06***

0.07***

0.00

-0.06

Michoac‡n

1.41***

-0.13

-0.07

-0.03

-0.03

0.15

1.02

Morelos

0.99***

0.39***

-0.08

-0.11

-0.1

0.26***

1.19***

Nayarit

3.52***

0.07

0.14

-0.12

0.55

1.32***

6.99***

Nuevo Le—n

0.33***

0.07**

0.00

0.07**

0.06

-0.05

-0.52

Oaxaca

2.47***

0.04

-0.01

-0.02

-0.7***

0.05

0.43

Puebla

0.73***

-0.07

0.16***

0.27***

0.06

0.17***

1.38***

QuerŽtaro

0.46***

0.08

-0.03

-0.01

0.08

0.04

0.45

Quintana Roo

2.78***

-0.19**

-0.86***

0.29

0.44

0.20

1.01

Sinaloa

1.47***

-0.14***

-0.35***

-0.35***

0.04

0.44***

1.99***

San Luis Potos’

0.58***

0.03

0.10**

0.09

0.04

0.09

0.84

Sonora

0.85***

-0.01

-0.22***

-0.23***

0.22***

0.23***

0.94***

Tabasco

1.84***

-0.15***

-0.02

0.28

-0.02

0.30

2.99

Tamaulipas

0.59***

0.13***

0.10**

0.01

0.09

0.12***

1.06**

Tlaxcala

0.96***

0.07

0.09

0.27***

0.33***

0.22***

1.37***

Veracruz

1.60***

-0.22

0.37***

0.29**

0.53***

0.70***

6.60***

Yucat‡n

0.79***

0.03

0.10

-0.03

0.26***

-0.16***

-1.51**

Zacatecas

1.54***

-0.02

0.31**

-0.02

-0.07

0.25

1.34

Nota: Prueba con dos rezagos. ***Estad’sticamente significativo al 5%, ** significativo al 10%.

Fuente: estimaciones realizadas con EViews versi—n 10, con informaci—n del INEGI y Secretar’a de Salud.



Investigaci—n realizada como parte del proyecto UNAM-PAPIIT IN303821.

1Doctor en Econom’a. Profesor-investigador de la Facultad de Estudios Superiores Cuautitl‡n, Universidad Nacional Aut—noma de MŽxico, adscrito al Departamento de Ciencias Sociales. Especialista en desarrollo y crecimiento regional, econom’a social y solidaria. Correo-e: roldandres@comunidad.unam.mx.

21Doctor en Econom’a. Profesor investigador adscritos al Centro de investigaci—n en Ciencias Econ—micas, Facultad de Econom’a de la Universidad Aut—noma del Estado de MŽxico. Empleo y crecimiento econ—mico y econom’a regional y sectorial.  Correo-e: ldejesusa@uaemex.mx.

31Doctora en Econom’a. Profesora investigadora adscrita al Centro de investigaci—n en Ciencias Econ—micas, Facultad de Econom’a de la Universidad Aut—noma del Estado de MŽxico. Econom’a sectorial y regional, sector automotriz y manufactura. Correo-e: ycarbajals@uaemex.mx.