Post on 20-Nov-2021
Page 1 of 29
Diferencial del rendimiento de los
bonos soberanos como medida del
riesgo país: ¿Es significativo,
relevante y consistente con la
literatura?
Mario Alejandro Rojas1
Universidad de los Andes. Bogotá, Colombia2
Mayo 2014
Abstract: El objetivo de este trabajo es verificar la existencia de una relación empírica
precisa entre los flujos de inversión extranjera recibidos por un país y el riesgo país
financiero. Para esto se busca ahondar en la literatura existente relacionando las tasas
de rendimiento de los bonos soberanos con el riesgo país y este, a su vez, con los flujos
de inversión extranjera que llegan a un país. Posteriormente, se implementa un modelo
econométrico para el panel de datos recolectados que busca encontrar si existe una
relación significativa y relevante entre el riesgo país y los FDI. Con este análisis
econométrico se llega a la conclusión sobre la existencia de una relación significativa y
negativa entre los flujos de inversión extranjera y el riesgo país.
Keywords: Riesgo País, Inversión Extranjera, Bonos Soberanos,
JEL Classification: C01, C23, E44, F21, F23,
1 Email: ma.rojas65@gmail.com
2 Este trabajo se elaboró como memoria de grado para culminar el pregrado en Economía en la
Universidad de los Andes. Se agradece especialmente al profesor Hernando Zuleta por su apoyo durante
los últimos meses en la elaboración del mismo
Page 2 of 29
Introducción
En el mundo globalizado en el que vivimos, las barreras comerciales se han ido
reduciendo poco a poco, las comunicaciones se han vuelto más eficaces y eficientes y
los flujos de dinero entre fronteras se han incrementado. Esto ha generado competencia
entre países por atraer flujos de inversión extranjera hacia sus economías. Siendo la
inversión extranjera un factor de simbiosis económica entre economías desarrolladas y
economías emergentes, es de gran interés el observar cómo puede una economía
emergente ser definida como más o menos apta para recibir flujos de inversión
extranjera. Así pues, este trabajo busca estudiar la asociación entre el riesgo país y la
inversión extranjera directa (FDI). El riesgo país puede ser definido como el diferencial
de riesgo que entra a afrontar un inversionista por el hecho de invertir en un país menos
seguro para la inversión (Samara, 2012). Esto se explica porque para cualquier
inversionista no es lo mismo invertir en un país con mayor seguridad y solidez
económica y política, como lo es Estados Unidos, en comparación a invertir en
Colombia, país que tiene menor poderío económico, un mercado financiero menos
eficiente y mayor inestabilidad política. El riesgo país ha sido medido o cuantificado de
diversas maneras, pero para este trabajo específicamente se busca utilizar el enfoque
manejado en el mundo financiero a la hora de calcular la tasa de descuento de un
inversionista.
La relación entre riesgo país y FDI ha sido estudiada por varios autores como Hauser
(2005), Stankovic (2008), Hayakawa, Kimura & Lee (2011, 2012), y Samara (2012),
entre otros. Dentro de la literatura, Hayakawa, Kimura & Lee (2011) definen
componentes para medir y cuantificar el riesgo político (conflictos internos, corrupción,
tensiones religiosas, etc.) y el riesgo financiero (tasa de cambio, cuenta corriente, deuda
extranjera, etc.). Si bien este trabajo toma bases teóricas en cuanto a la relación
existente entre FDI y riesgo país, busca innovar al utilizar una medida cuantitativa
diferente para dicho riesgo, la cual está más orientada al cálculo de costos de capital,
mercados financieros y valoraciones. Como presentan Scholtens (1999), Damoradan
(2002) y Villarreal & Córdoba (2010), es posible medir el riesgo país mediante la
diferencia existente entre los bonos soberanos de Estados Unidos (EEUU) y el país en
cuestión. Así pues, se busca trabajar de forma simultánea esta medición del riesgo país
Page 3 of 29
con FDI y la medición de riesgo mediante las diferencias entre los yields de los países a
estudiar en comparación con EEUU.
Para realizar este análisis empírico se utiliza el riesgo país3 histórico de 13 países
(Brasil, Bulgaria, Colombia, Filipinas, México, Panamá, Perú, Polonia, Rusia, Turquía,
Ucrania, Uruguay y Venezuela) entre los años 2003 y 2012 junto con los datos de otras
variables de interés sugeridas por la literatura (inflación, exportaciones, desempleo,
entre otros) tomadas para el mismo periodo de la base de datos del Banco Mundial
(World Bank, 2014). Tras recuperar toda la información pertinente previamente descrita
para formar un panel, se trabaja el panel de datos como sugieren Rosales, Perdomo,
Morales & Urrego (2013) para este tipo de datos (en la cual se consideran estimaciones
por MCO, efectos fijos y efectos aleatorios) para probar la significancia, dirección y
magnitud existente entre el riesgo país flujos de inversión extranjera directa.
El presente trabajo se divide en 4 secciones aparte de esta introducción. En primera
instancia está la revisión de literatura pertinente relacionada con el tema de inversión,
riesgo y bonos. En segundo lugar está el marco teórico en el cual se presentan las bases
del modelo y de la teoría que se va a usar. Posteriormente, se encuentra el marco
empírico en el cual se realizan todas las estimaciones cualitativas con los datos
recolectados para probar las hipótesis planteadas previamente. Finalmente, se concluye
analizando los resultados y se llega a conjeturas finales sobre la relación entre el spread
de los bonos y los flujos de FDI.
Revisión de Literatura
El tema de inversión extranjera ha sido ampliamente tratado por diversos autores dada
la importancia de la misma para la firma de origen y para el país receptor. Los
beneficios para el país receptor incluyen la recepción de recursos (capital,
conocimiento, etc.), posible creación de nuevo empleo, crecimiento económico, uso
eficiente de los recursos e ingresos por impuestos generados directa o indirectamente
3 Desarrollado por J.P Morgan Chase. (2014). County Risk (Embi+). Recuperado de Ámbito
Financiero: http://www.ambito.com/economia/mercados/riesgo-pais/
Page 4 of 29
por la actividad económica que fomentan estos flujos de inversión. Las firmas también
se ven beneficiadas ya que acceden a nuevos mercados, evitan barreras de comercio
internacional, disminuyen costos de producción y diversifican actividades (Samara,
2012). Para el desarrollo de este trabajo es crucial relacionar el riesgo país con la
inversión extranjera y, a su vez, el riesgo país con los bonos soberanos. Las razones por
la cual unos países pueden ser considerados más riesgosos que otros para invertir
podrían ser de carácter social, económico o político, según muestra la literatura
revisada.
Para poder estructurar teóricamente este trabajo, se parte del hecho que debe existir una
relación significativa y relevante entre el riesgo y los FDI. Hakayawa, Kimura & Lee
(2011) desarrollaron un modelo empírico para asociar diferentes dimensiones del riesgo
país (político y financiero) con los flujos de FDI. El estudio analiza el riesgo país
diferenciado entre el riesgo político y el riesgo financiero. Dicha investigación incluye
datos relevantes para países emergentes y desarrollados con el fin de poder realizar
conclusiones segregadas para ambos grupos y el total. Dentro de los componentes
políticos analizados están la las tensiones políticas, la presencia de militares en la
política, las tensiones étnicas, la calidad de la democracia y la estabilidad
gubernamental, entre otros. Para dimensionar el riesgo financiero, se incluyen variables
de deuda extranjera, las cuentas corrientes, la estabilidad de la tasa de cambio y la
inflación, entre otros. Los resultados de este estudio señalan que no todas las variables
inicialmente tenidas en cuenta afectan los flujos de FDI. Empíricamente, los autores
encuentran resultados en los que las variables significativas son el stock de FDI, la
población y el PIB de los países. Como resultado relevante a esta investigación, se
destaca el hecho de que el componente político de riesgo país es casi siempre
significativo, mientras que en solo 2 de los 4 modelos de regresión probados es
significativo el riesgo financiero.
La relación entre la inversión extranjera y el riesgo país también es trabajada por
Samara (2012). El autor define el riesgo país como “the potentially adverse effects of a
country’s political environment and its economic and financial environment” (Samara,
2012). Posteriormente, se trata el tema de las diferentes formas y variables relevantes
para la medición del riesgo país. Algunos de los factores tratados son los económicos
(PIB, exportaciones, importaciones, etc.) y sociales (desempleo, educación,
Page 5 of 29
malnutrición, etc.). Por último, el autor relaciona el riesgo país y con los flujos de FDI
explicando su relación teórica y sugiriendo un modelo econométrico que explique el
FDI mediante las diferentes dimensiones consideradas de riesgo país. (Samara, 2012).
El objetivo del presente trabajo no es utilizar diferentes dimensiones de riesgo (como el
político y el financiero) o encontrar diferentes variables macro que pudieran definir el
riesgo país. Este trabajo busca utilizar un indicador global que pudiese agrupar todas
estas diferentes dimensiones del riesgo país en un solo valor. Medir el riesgo país
utilizando el yield spread da un enfoque relacionado con activos libres de riesgo como
los bonos soberanos de los países en cuestión. Scholtens (1999) presenta un trabajo en
el cual se busca validar la idea de que existe una alta correlación entre los yield spreads
y la calificación de riesgo para los países. En su paper, él demuestra de forma empírica
que la correlación existente entre el riesgo y el yield spread de los bonos es superior a la
existente entre los loan spreads y el riesgo mismo. Damoradan (2002) y Villarreal y
Córdoba (2010) presentan el riesgo país como un premium que debe ser considerado
por los inversionistas a la hora de calcular tasas de descuento para evaluar sus proyectos
de inversión. La teoría financiera considera que el inversionista cuenta en el mercado
con riesgo diversificable y riesgo no diversificable. El diversificable puede ser
eliminado mediante la elaboración de un portafolio “diversificado” en el cual las
correlaciones entre activos jueguen a favor del inversionista reduciendo el riesgo (Berk,
2011).
Para el caso a tratar en este trabajo, se debe tener en cuenta que estar en un mundo
globalizado, donde los mercados se encuentran correlacionados y hay en alguna medida
libre flujo de información y de capitales, se considera que el inversionista no puede
eliminar el riesgo país mediante la diversificación de portafolios (Damoradan, 2002).
Para el cálculo de este riesgo para determinada nación se analizan tres metodologías
diferentes como lo son la diferencia entre yields de los bonos (EEUU vs la nación a
analizar), las desviaciones de los retornos del mercado accionario de la nación en
cuestión o una combinación de ambas metodologías (Damoradan, 2002). Como método
de selección entre las tres metodologías propuestas se elige el diferencial entre las tasas
yield de ambos países. Esto conforme lo presentan Villarreal & Córdoba (2010): “The
most popular empiric measurement, for this (country risk) premium, based on market
prices information, though still debated; is the difference between a country’s issued
Page 6 of 29
foreign bonds and those considered as risk-free rate bonds. For this practical exercise,
the EMBI+ series, calculated by J. P. Morgan Chase is considered”.
Marco Teórico
Con base en lo que sugiere la literatura revisada, se parte de la idea de que existe una
relación relevante y significativa entre el riesgo de un país y los flujos de inversión
extranjera que este recibe. Esto debe implicar que ante aumentos o disminuciones del
riesgo a final de un año, se debe dar algún efecto en el comportamiento de los flujos de
FDI para el periodo siguiente. Los inversionistas podrían responder de forma más o
menos fuerte ante aumentos del riesgo país, y esto depende de su grado de aversión al
riesgo (Berk, 2011). Conforme a lo expuesto por Damoradan (2002), se toma el enfoque
de diferencial entre el spread de los bonos soberanos para cuantificar el riesgo bajo el
supuesto de que este es un enfoque ampliamente utilizado por los inversionistas
considerando que el profesor Damoradan es una autoridad en lo que a valoraciones de
activos y proyectos se refiere. Se toma como medición global de este riesgo país la
relación existente entre los yields de los bonos soberanos entre el país emergente y una
economía del primer mundo. Para el cálculo de este modelo se toma el EMBI+ como
mejor estimación del riesgo país teniendo en cuenta toda la información de mercado
disponible (Villarreal & Córdoba, 2010). El modelo considera dos variables
fundamentales; por un lado está la inversión extranjera en el periodo t, que representa
los flujos externos a determinado país que ingresaron en ese año. Por el otro está el
riesgo país representado por el EMBI+, presentado por el diario argentino especializado
en economía Ámbito Financiero según lo calcula la banca de inversión J.P. Morgan
Chase (2014).
Para la consolidación del panel de datos es necesario juntar las variables de interés
(flujos de inversión extranjera y riesgo país) con otras variables de control que
acompañen al riesgo como variables explicativas de la inversión. Este es un punto de
debate ya que en la literatura se tratan diversos y diferentes puntos como determinantes
de los FDI, así que se eligen variables concordantes con los papers desarrollados por
Hakayawa, Kimura & Lee (2011, 2012). Estas variables son consumo total, inflación,
PIB per cápita, crecimiento del PIB, población total, tasa de crecimiento poblacional,
Page 7 of 29
Como variable explicativa de los FDI en el periodo t se toma el EMBI+ del último día
del año t-1, al ser este el valor que pueden observar los inversionistas previos al año t
para planear y tomar sus decisiones con respecto a inversiones. También cabe recalcar
que, basado en las especificaciones empíricas realizadas por los autores consultados,
solo se considera la existencia de otro efecto intertemporal entre los flujos de FDI de un
periodo y los del periodo siguiente. Esto implica se parte del supuesto de que ninguna
de las otras variables tiene relación con los flujos de FDI de otros periodos o con sí
misma en otros instantes de tiempo. Existe la posibilidad de que la relación entre FDI y
el diferencial de tasas puede ser bi-causal, lo cual implica que se toma la variable
EMBI rezagada.
De forma homóloga a la realizada por los autores previamente mencionados, se utilizan
métodos econométricos para buscar encontrar la significancia de la relación entre las
variables riesgo y FDI así como validar la relación negativa existente entre ellas. Ya que
para el presente trabajo se busca agrupar observaciones de diferentes individuos (países)
agrupados por periodos (anualidades), se define esto como un panel de datos (Rosales,
Perdomo, Morales, & Urrego, 2013). Mediante el uso de datos con estas características
se espera aprovechar 4 posibles ventajas al realizar la estimación empírica. En primera
instancia, la omisión de variables constantes en todos los periodos de estimación
permite llegar a cierto grado de eliminación del problema de endogeneidad que puede
presentar un modelo. En segunda instancia, la existencia de observaciones repetidas en
el tiempo elimina efectos cíclicos lo cual posibilita al modelo para analizar efectos de
largo plazo entre las variables. Estos datos también permiten identificar y medir efectos
no detectables por simples muestras de corte transversal. Por último, utilizar datos de
estas características permite mejorar la precisión de las estimaciones consideradas
(Rosales, Perdomo, Morales, & Urrego, 2013).
De esta forma, se buscara encontrar una relación de la siguiente manera mediante el uso
de los datos panel con observaciones para 13 países en 10 años (2003-2012):
∑
Page 8 of 29
Para la estimación y el trabajo con datos longitudinales se utilizan los pasos ilustrados
para el manejo de este tipo de bases de datos en el texto Fundamentos de Econometría
Intermedia (Rosales, Perdomo, Morales, & Urrego, 2013).
Análisis de Datos
La disponibilidad de datos permite trabajar con 13 países para 10 años en un panel
balanceado. En la tabla 2 se puede observar el valor promedio para las variables de
interés para los 13 países seleccionados. Estos promedios permiten observar que existe
una gran diferencia entre los países seleccionados en cuando a magnitud de la población
y al PIB se refiere. Referente a la población (y por ende a la magnitud del mercado) se
observa que la base de datos oscila entre países pequeños como Uruguay y Panamá
(alrededor de 3 millones) y otros de gran tamaño como Rusia y Brasil (más de 100
millones de habitantes). En cuanto a magnitudes del PIB ocurre algo similar, ya que se
tienen valores entre los 20 mil millones de dólares (Uruguay y Panamá) y valores
cercanos al millón de millones (Brasil y Rusia). A continuación se presenta la tabla 1
con las variables explicativas a utilizar en el modelo y su explicación respectiva como
reportada por el Banco Mundial (2014):
Tabla 1: Explicación de las variables tomada del Banco Mundial
Fuente: Banco Mundial
Variable de Control Descripción (Worold Bank)
Foreign direct
investment, net inflows
(BoP, current US$)
Foreign direct investment are the net inflows of investment to acquire a lasting management interest (10 percent or more
of voting stock) in an enterprise operating in an economy other than that of the investor. It is the sum of equity capital,
reinvestment of earnings, other long-term capital, and short-term capital as shown in the balance of payments. This series
shows net inflows (new investment inflows less disinvestment) in the reporting economy from foreign investors. Data are
in current U.S. dollars.
Final consumption
expenditure, etc.
(constant 2005 US$)
Final consumption expenditure (formerly total consumption) is the sum of household final consumption expenditure
(formerly private consumption) and general government final consumption expenditure (formerly general government
consumption). This estimate includes any statistical discrepancy in the use of resources relative to the supply of
resources. Data are in constant 2005 U.S. dollars.
Inflation, GDP deflator
(annual %)
Inflation as measured by the annual growth rate of the GDP implicit deflator shows the rate of price change in the
economy as a whole. The GDP implicit deflator is the ratio of GDP in current local currency to GDP in constant local
currency.
GDP growth (annual %)
Annual percentage growth rate of GDP at market prices based on constant local currency. Aggregates are based on
constant 2005 U.S. dollars. GDP is the sum of gross value added by all resident producers in the economy plus any product
taxes and minus any subsidies not included in the value of the products. It is calculated without making deductions for
depreciation of fabricated assets or for depletion and degradation of natural resources.
GDP per capita
(constant 2005 US$)
GDP per capita is gross domestic product divided by midyear population. GDP is the sum of gross value added by all
resident producers in the economy plus any product taxes and minus any subsidies not included in the value of the
products. It is calculated without making deductions for depreciation of fabricated assets or for depletion and
degradation of natural resources. Data are in constant 2005 U.S. dollars.
Population growth
(annual %)
Population growth (annual %) is the exponential rate of growth of midyear population from year t-1 to t, expressed as a
percentage.
Population (Total) Population, total refers to the total population.
Page 9 of 29
Tabla 2: Promedios por país para el periodo 2003-2012
Fuente: Cálculos realizados por el autor con datos del Banco Mundial
El gráfico 1 presenta la evolución del riesgo país a lo largo del periodo considerado para
todos los países seleccionados. Se puede observar que existe una tendencia similar en
todos los países en cuanto a subidas y bajadas refiere. El 2008, por ejemplo, muestra
como una situación coyuntural como la crisis financiera generó un alza generalizada del
riesgo país para las naciones consideradas. Sin embargo, la diferencia absoluta da
muestras sobre la diferencia en la percepción del riesgo para los diferentes países.
Venezuela, por ejemplo, presentó valores de riesgo mucho más elevados durante dicha
crisis. La explicación del exceso de incremento en Venezuela del riesgo país por encima
del promedio de los otros países es explicable por otros hechos políticos y sociales
independientes de la crisis del 2008 como lo son unos niveles de inflación muy
elevados, expropiaciones, inestabilidad política y dependencia excesiva del petróleo.
Row Labels
Average of FDI
$$ (Current US)
Average of
Riesgo Pais
(PB)
Average of
Consumo Total
($$ USD Const
Average of
Inflation
(%)
Average of GDP
($$ USD Const
2005)
Average of
GDP g (%)
Average of GDP
Per Cap ($$ USD
Const 2005)
Average of
Population
g (%)
Average of
Population
(No.)
Brasil $39,091,807,322 278.2 $812,199,863,300 7.71 $983,963,374,811 3.60 $5,150 1.02 190,609,472
Bulgaria $5,088,587,475 204.9 $26,988,635,852 5.26 $31,308,461,083 3.52 $4,123 -0.74 7,609,918
Colombia $8,444,483,649 253 $85,862,291,629 5.51 $167,242,925,579 4.73 $3,718 1.46 44,810,708
Filipinas $1,919,100,000 278.9 $96,958,661,421 4.31 $117,221,919,917 5.17 $1,302 1.78 89,636,156
Mexico $21,944,467,786 174 $696,712,066,126 6.91 $896,654,482,831 2.54 $7,836 1.24 114,330,211
Panama $2,032,090,000 240.6 $13,196,237,644 2.99 $19,826,984,800 8.25 $5,577 1.79 3,521,963
Peru $5,675,605,010 220.1 $72,563,515,529 3.71 $96,821,956,245 6.52 $3,380 1.15 28,498,501
Polonia $14,599,800,000 130.7 $277,113,498,326 2.65 $346,487,480,980 4.29 $9,059 0.08 38,235,200
Rusia $34,545,742,280 241 $593,374,717,907 14.75 $817,144,751,218 4.85 $5,717 -0.21 143,070,771
Turqía $12,277,500,000 271 $436,113,476,356 9.66 $526,238,984,750 5.06 $7,501 1.29 69,944,771
Ucrania $6,370,400,000 672.1 $77,245,470,089 16.33 $90,730,074,398 3.65 $1,953 -0.56 46,514,840
Uruguay $1,600,767,908 320.2 $16,752,934,406 7.78 $20,091,751,079 5.27 $5,990 0.20 3,350,304
Venezuela $1,564,000,000 790.3 $102,618,429,120 25.80 $163,138,459,575 4.99 $5,825 1.68 27,883,330
Page 10 of 29
Gráfico 1: Riesgo País
Fuente: Cálculos realizados por el autor con datos del JP Morgan
4
Por último se puede observar en el gráfico 2 la relación entre los promedios de Flujos de
Inversión Extranjera y el Riesgo País. Para tener en cuenta que existen diferencias en
cuanto a tamaño de los países (Bulgaría es similar en tamaño a Bogotá y Brasil es el
país mas grande de Latinoamerica), se utiliza el cociente entre los FDI y el PIB de cada
país y esta relación es la que se compara con el riesgo país promedio.
4 Cálculos propios del autor con los datos del riesgo país de J.P Morgan Chase. (2014).
Recuperado de Ámbito Financiero: http://www.ambito.com/economia/mercados/riesgo-
pais/
Page 11 of 29
Gráfica 2: Ubicación de los países en relación a FDI/GDP5 y Riesgo
6
Con el gráfico, se puede observar que la relación no parece dar fuertes indicios sobre
como el riesgo es la explicación exclusiva de FDI por riesgo, lo cual señala que la
explicación sobe la magnitud de flujos de inversión también debe estar relacionada con
las variables de control. El análisis empírico de este trabajo permite pasar de la parte
gráfica a la matemática para observar como los flujos de FDI son afectados por el riesgo
país y las demás variables de control.
Marco Empírico
Resultados Preliminares: Propuesta de Modelos de Regresión7 8
En esta sección se busca proponer, validar y calibrar un modelo de regresión que
relacione el riesgo país (EMBI+) con los flujos de inversión extranjera directa. Para
5 Cálculos propios del autor con la información de la base de datos del Banco Mundial (2014).
Recuperada de www.worldbank.com/data 6 Cálculos propios del autor con los datos del riesgo país de J.P Morgan Chase. (2014). Recuperado de
Ámbito Financiero: http://www.ambito.com/economia/mercados/riesgo-pais/
7 Resultados obtenidos a la fecha 27 de Marzo de 2014 8 Fuente: Todas las regresiones realizadas en este capítulo son el resultado de los cálculos realizados por el autor con las bases de datos del riesgo país de J.P. Morgan y del Banco Mundial
Page 12 of 29
desarrollar el modelo empírico que permita asociar el riesgo país con la inversión
extranjera, se tomó como base el modelo propuesto en el paper de discusión How Does
Country Risk Matter for Foreing Direct Investment?. El modelo propuesto por los
autores es el siguiente (Hayakawa, Kimura, & Lee, 2011):
En este modelo FDI es el logaritmo de la entrada de flujos de inversión extranjera, CV
es el conjunto de variables de control que acompañarán al riesgo en la regresión, es
una dummy para identificar el país y es una dummy que identifica el año de la toma
de datos (Hayakawa, Kimura, & Lee, 2011).
Para el modelo de este trabajo de grado se decidió utilizar un modelo similar tomando
los flujos de inversión extranjera explicada por el riesgo país del periodo
inmediatamente anterior y un grupo de variables de control. El modelo personal
propuesto, basado en el previamente expuesto, es el siguiente:
( )
Para esta, y las demás regresiones propuestas, el subíndice i hace referencia al país que
se está tratando y el subíndice t hace referencia al dato que se está tratando. Así pues,
representa el riesgo país como medición del spread de los bonos soberanos de
forma reportada por J.P Morgan para el país i a final del año t. Las variables FDI
representan los flujos de inversión extranjera del país en cuestión. Las demás variables
siguen la misma metodología con respecto a los subíndices, y fueron previamente
explicadas como se observó en la tabla1. Para este modelo se presenta la inversión
como auto explicativa a un periodo, ya que en la literatura revisada9 se utilizó este
enfoque y el flujo del periodo t-1 resultó ser significativo para la explicación de la
inversión en el periodo t. Las demás variables de control se seleccionaron basados en
los trabajos similares realizados por Hayakawa, Kimura & Lee (2011, 2012) y el de
Samara (2012).
9 Los trabajos realizados en 2011 y 2012 por Hayakawa, K., Kimura, F., & Lee, H.-H. titulados How Does
Country Risk Matter for Foreign Direct Investment? validan este enfoque del efecto autoregresivo de un periodo.
Page 13 of 29
Inicialmente analiza la existencia de alguna relación estadística entre los flujos de
inversión extranjera y el riesgo país a final del año anterior de la base de datos
recolectada. El coeficiente de correlación arroja un valor de -0.18, lo cual indicaría que
la relación entre ambas variables de interés es negativa. Una regresión simple entre FDI
y CR de prueba arroja un Beta negativo y significativo, lo cual validaría esta idea
inicial.
Tabla 3: Regresión auxiliar entre la inversión y el riesgo país
(1)
VARIABLES investment
countryrisklast -7.627e+06**
(3.680e+06)
Constant 1.461e+10***
(1.856e+09)
Observations 130
R-squared 0.032
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
El coeficiente de correlación cumple con dos características esperadas para los datos.
Por un lado, el valor resultado es negativo, lo cual es esperable ya que se asume que los
individuos racionales son adversos al riesgo, lo cual implica que al aumentar los niveles
de riesgo país deberían reducirse los de inversión extranjera. Por otro lado, si bien el
coeficiente no presenta valores elevados cercanos a -1, tampoco presenta un valor muy
cercano a 0, lo cual podría indicar que existe un potencial de relación entre las variables.
En primera instancia se analiza la regresión por MCO, y se obtienen los siguientes
resultados:
Tabla 4: Regresión por MCO del modelo 1
(1)
VARIABLES investment
investmentlast 0.836***
(0.0671)
countryrisklast 1.345e+06
(2.009e+06)
totalconsumption 0.0147**
(0.00735)
inflation 6.251e+07
Page 14 of 29
(7.480e+07)
gdpgrowth 7.604e+08***
(1.743e+08)
gdppercap -375,697
(412,424)
popgrowth -1.289e+09**
(6.219e+08)
pop 0.0511
(31.20)
Constant -2.492e+09
(2.761e+09)
Observations 130
R-squared 0.855
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Para esta regresión se analizarán los signos de los coeficientes y la significancia de los
mismos. Se observa que las variables significativas son únicamente el consumo total, el
crecimiento porcentual del PIB per cápita. En adición a esto, se observa que todas las
variables tienen un efecto positivo sobre los flujos de inversión excepto el PIB per
cápita y la tasa de crecimiento de la población. Esto no concuerda con lo esperado para
el riesgo país según la noción de individuos adversos al riesgo. El PIB per cápita
negativo tampoco con cuerda con el signo esperado teniendo en cuenta la literatura
analizada. Esto implica que podría existir heterogeneidad no observada por países
(Rosales, Perdomo, Morales, & Urrego, 2013).
Sin embargo, antes de pasar a analizar los efectos fijos y efectos aleatorios que se
proponen en la literatura como siguiente paso, se plantean dos modelos alternativos al
inicial para tener propuestas alternativas teóricas como modelo econométrico. Para esto,
se usa un concepto utilizado por los autores de la versión del 2012 del paper How Does
Country Risk Matter for Foreign Direct Investment? (Hayakawa, Kimura, & Lee,
2012). En este modelo, los autores utilizan el logaritmo de datos como los flujos, el PIB
y la población. Entonces se plantean a partir de esta idea dos modelos. El primero de
ellos toma las variables no porcentuales del modelo. Esto es, excluye las tasas de
crecimiento entre años, y no tendrá en cuenta la población dado que ya incluye el PIB y
el PIB per capita, lo cual generaría problemas de munlticolinealidad.:
( )
Page 15 of 29
Tabla 5: Regresión por MCO del modelo 2
(1)
VARIABLES lninvest
lninvestlast 0.597***
(0.0587)
countryrisklast -0.000416***
(0.000143)
lncon 1.143**
(0.465)
lngdp -0.914**
(0.457)
lngdpper 0.157
(0.0992)
Constant 2.334**
(1.030)
Observations 127
R-squared 0.831
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Los resultados de este modelo por MCO muestran resultados más consistentes con la
teoría. El PIB per cápita tiene un efecto positivo, aunque no es significativo a un 5%.
Todas las demás variables son significativas y se destaca que el riesgo país tiene un
efecto relevante al 5% y además es un efecto negativo, lo cual implica que va acorde
con la teoría de individuos adversos al riesgo.
El segundo modelo alternativa considerado sería uno casi idéntico al propuesto por los
autores, que consideraría las tasas de crecimiento del PIB y población a través del
tiempo y saca de la ecuación el consumo:
( )
Tabla 6: Regresión por MCO del modelo 3
(1)
VARIABLES lninvest
countryrisklast -0.000350**
(0.000173)
lninvestlast 0.619***
(0.0606)
lngdpper 0.323***
(0.108)
gdpgrowth 0.00884
Page 16 of 29
(0.0148)
lnpop 0.240***
(0.0553)
popgrowth -0.136**
(0.0555)
Constant 1.983*
(1.108)
Observations 128
R-squared 0.832
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Este modelo también presenta significancia de la variable y una correcta dirección
negativa de la misma. Las demás variables también van de acuerdo a la literatura
estudiada pues los efectos de las variables son en general positivos. La población se
presenta con un efecto negativo, pero eso si se presentó en algunas ocasiones en los
papers leídos.
Efectos Fijos y Efectos Aleatorios
Aunque la realización de la prueba de Ramsey da indicios sobre la validez del modelo
vs la posible existencia de sesgos de especificación, se trabaja posteriormente la
metodología de efectos fijos y efectos aleatorios para calibrar de mejor forma la
regresión. Pese a que la prueba de Ramsey reportó que dos modelos presentan posible
sesgo de especificación, se trabaja con los tres modelos propuestos en el ejercicio
preliminar.
Así pues, este trabajo considera realizar el cálculo de la regresión con efectos aleatorios
y posteriormente el cálculo de la regresión con efectos fijos para poder realizar un
comparativo entre ambos y elegir el más adecuado.
Tabla 7: Regresión por efectos aleatorios del modelo 1
(1)
VARIABLES investment
investmentlast 0.836***
(0.0671)
countryrisklast 1.345e+06
(2.009e+06)
totalconsumption 0.0147**
Page 17 of 29
(0.00735)
inflation 6.251e+07
(7.480e+07)
gdpgrowth 7.604e+08***
(1.743e+08)
gdppercap -375,697
(412,424)
popgrowth -1.289e+09**
(6.219e+08)
pop 0.0511
(31.20)
Constant -2.492e+09
(2.761e+09)
Observations 130
Number of id 13
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Se puede observar que el resultado obtenido al estimar el modelo 1 por efectos
aleatorios. Se puede observar al realizar esta regresión que los resultados en cuanto al
valor, orientación y significancia de las variables analizadas son prácticamente iguales a
los obtenidos con MCO. Posteriormente se realiza la regresión por efectos fijos, en la
cual los valores y significancias si varían con respecto al MCO inicial. En cuanto a la
bondad de ajuste de la regresión, se puede observar que los R-cuadrado totales
calculados arrojan valores favorables superiores al 60% en todos los casos.
Tabla 8: Regresión por efectos fijos del modelo 1
(1)
VARIABLES investment
investmentlast 0.693***
(0.0798)
countryrisklast 1.978e+06
(2.283e+06)
totalconsumption 0.0332***
(0.0101)
inflation 2.565e+08**
(1.186e+08)
gdpgrowth 6.520e+08***
(1.914e+08)
gdppercap 741,374
(928,082)
popgrowth -8.693e+08
(2.502e+09)
pop 270.9
Page 18 of 29
(249.8)
Constant -3.001e+10*
(1.619e+10)
Observations 130
Number of id 13
R-squared 0.676
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
La regresión por efectos fijos presenta resultados diferentes a los presentados en los
casos anteriores. En este caso la inflación si presenta resultados significativos al 5%
mientras que la tasa de crecimiento poblacional deja de ser significativa. Los valores del
estadístico R-cuadrado son superiores al 65% para las tres modalidades presentadas. Las
demás variables siguen los mismos patrones de significancia encontrados anteriormente.
Por último, se realiza con este primer modelo la prueba de Hausman para diferenciar
entre efectos fijos y efectos aleatorios.
El resultado de la prueba de Hausman para este modelo es un p-valor de 0,091410
. La
hipótesis nula indica que el modelo de efectos aleatorios es preferido sobre el de efectos
fijos al ser estimadores más eficientes, lo cual indicaría que para el modelo 1, la
representación por efectos aleatorios sería la más adecuada. Este mismo procedimiento
de efectos aleatorios, fijos y prueba de Hausman se realiza con los modelos 2 y 3 para
encontrar cuál de todos sería el más adecuado para representar los determinantes de los
FDI para los países representados. Para el modelo 2, se obtienen los siguientes
resultados:
Tabla 10: Regresión por efectos aleatorios del modelo 2
(1)
VARIABLES lninvest
lninvestlast 0.597***
(0.0587)
countryrisklast -0.000416***
(0.000143)
lncon 1.143**
(0.465)
lngdp -0.914**
(0.457)
lngdpper 0.157
(0.0992)
Constant 2.334**
10
La table de resultados puede verse en los anexos al final del documento
Page 19 of 29
(1.030)
Observations 127
Number of id 13
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Se puede observar al realizar esta regresión que los resultados en cuanto al valor,
orientación y significancia de las variables analizadas son nuevamente iguales a los
obtenidos con MCO para el modelo 2. En cuanto a la bondad de ajuste de la regresión,
se puede observar que los R-cuadrado totales calculados arrojan valores favorables
superiores al 50% en todos los casos.
Tabla 11: Regresión por efectos fijos del modelo 2
(1)
VARIABLES lninvest
lninvestlast 0.326***
(0.0809)
countryrisklast -0.000420***
(0.000151)
lncon 2.520***
(0.774)
lngdp -0.607
(1.626)
lngdpper -0.408
(2.004)
Constant -29.92
(26.68)
Observations 127
Number of id 13
R-squared 0.568
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
La regresión por efectos fijos, nuevamente, presenta resultados diferentes a los
presentados en los casos anteriores. En este caso el PIB per cápita deja de ser
significativo como determinante de los FDI con un 5% de significancia, mientras que
las demás variables siguen manteniendo comportamientos similares a los de las
regresiones pasadas. Los valores del estadístico R-cuadrado son superiores al 50% para
las tres modalidades presentadas. Las demás variables siguen los mismos patrones de
significancia encontrados anteriormente. Por último, se realiza con este segundo modelo
la prueba de Hausman para diferenciar entre efectos fijos y efectos aleatorios.
Page 20 of 29
El resultado de la prueba de Hausman para este modelo es un p-valor de 0,00011
. Para
este caso, se observa que en la prueba de Hausman se rechaza la hipótesis nula, lo cual
indica que el modelo de efectos fijos es preferido al de efectos aleatorios ya que son
consistentes. Por último, se realizó la misma metodología para el tercer modelo.
Tabla 13: Regresión por efectos aleatorios del modelo 3
(1)
VARIABLES lninvest
countryrisklast -0.000350**
(0.000173)
lninvestlast 0.619***
(0.0606)
lngdpper 0.323***
(0.108)
gdpgrowth 0.00884
(0.0148)
lnpop 0.240***
(0.0553)
popgrowth -0.136**
(0.0555)
Constant 1.983*
(1.108)
Observations 128
Number of id 13
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Se puede observar. Para este último modelo, que los resultados en cuanto al valor,
orientación y significancia de las variables analizadas son nuevamente iguales a los
obtenidos con MCO para el modelo 3. Se concluye entonces que para estos modelos y
en general para estos datos tratados, los resultados entre MCO y efectos aleatorios
presentarían poca, o ninguna, variación entre sí. En cuanto a la bondad de ajuste de la
regresión, se puede observar que los R-cuadrado totales calculados arrojan valores
favorables superiores al 45% en todos los casos.
11
Los resultados pueden observarse en los anexos a final del documento
Page 21 of 29
Tabla 14: Regresión por efectos fijos del modelo 3
(1)
VARIABLES lninvest
countryrisklast -0.000334*
(0.000192)
lninvestlast 0.333***
(0.0877)
lngdpper 1.780***
(0.613)
gdpgrowth -0.00132
(0.0152)
lnpop 0.992
(1.694)
popgrowth 0.236
(0.207)
Constant -17.20
(27.43)
Observations 128
Number of id 13
R-squared 0.536
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
La regresión por efectos fijos, nuevamente, presenta resultados diferentes a los
presentados en los casos anteriores. En este tanto la población como el crecimiento
poblacional dejan de ser significativos como determinantes de los FDI con un 5% de
significancia. De este resultado se resalta que el riesgo país deja de ser significativo
también, lo cual va totalmente en contra del objetivo de este trabajo y va también en
contra de los resultados de las otras 8 regresiones realizadas.. Los valores del estadístico
R-cuadrado son superiores al 50% para las tres modalidades presentadas. Es de resaltar
que este estadístico presenta para este caso el valor más bajo de los tres modelos
analizados.
El resultado de la prueba de Hausman para este modelo es un p-valor de 0,000512
. Para
este último caso, se observa que en la prueba de Hausman se rechaza la hipótesis nula,
lo cual nuevamente indica que el modelo de efectos fijos es preferido al de efectos
aleatorios ya que son consistentes, pese a que este es el modelo que presento menores
valores para el estadístico R-cuadrado en general y el que además no valido el uso del
riesgo país como determinante de la inversión extranjera.
12
Los resultados pueden observarse en los anexos a final del documento
Page 22 of 29
Como última medida estadística a tener en cuenta, y teniendo en cuenta que se trabaja
con regresiones por la metodología MCO, se utiliza la prueba de RAMSEY para estos
tres modelos para verificar si existe algún tipo de sesgo de especificación, donde la
hipótesis a probar es si el modelo no omite variables.
Tabla 16: Prueba de Ramsey para los modelos
Según estos resultados, con un nivel de significancia de 5%, se puede decir que el único
modelo que no presentaría problemas de especificación es el segundo modelo
propuesto.
Análisis de Resultados
Para poder analizar toda la información obtenida anteriormente, se consolidan los
estadísticos más relevantes en la tabla presentada a continuación.
Tabla 17: Resultados estadísticos consolidados por el autor
La prueba de Hausman permite diferenciar, para cada uno de los tres modelos, si el más
adecuado es el que considera efectos fijos y efectos aleatorios. Según lo indicado por la
prueba, para los tres modelos expuestos, el primero es más eficiente cuando se utiliza
F(3,118) P-value
Modelo 1 4.77 0.0035
Modelo 2 2.21 0.0908
Modelo 3 3.36 0.0212
P-Value Valor P-Value Valor P-Value Valor P-Value Valor P-Value Valor P-Value Valor
MCO 0.0000 0.8355 0.5040 1344873 0.0480 0.0147 0.4050 62,500,000 0.0000 760,000,000 0.3640 -375,697
FE 0.0000 0.6934 0.3880 1977945 0.0010 0.0332 0.0330 256,000,000 0.0010 652,000,000 0.4260 741,374
RE 0.0000 0.8336 0.5030 1344873 0.0460 0.0147 0.4030 62,500,000 0.0000 760,000,000 0.3620 -375,697
MCO 0.0000 0.5974 0.0040 -0.0004 0.0150 1.1434 0.0480 -0.9137 0.1150 0.1574
FE 0.0000 0.3264 0.0060 -0.0004 0.0020 2.5203 0.7090 -0.6073 0.8390 -0.4076
RE 0.0000 0.5974 0.0040 -0.0004 0.0140 1.1434 0.0460 -0.9137 0.1120 0.1574
MCO 0.0000 0.6188 0.0450 -0.0003 0.5510 0.0088 0.0040 0.3226
FE 0.0000 0.3327 0.0850 -0.0003 0.9310 -0.0013 0.0040 1.7803
RE 0.0000 0.6122 0.0430 -0.0003 0.5500 0.0088 0.0030 0.3226
P-Value Valor P-Value Valor Overall Within Between
MCO 0.0400 -1,290,000,000 0.9990 0.5115 0.0035 0.0000 0.8458
FE 0.7290 -869,000,000 0.2800 270.9097 0.7346 0.6757 0.9216
RE 0.0380 -1,290,000,000 0.9990 0.5115 1.0000 0.8553 0.6435 0.9861
MCO 0.0908 0.0059 0.8241
FE 0.6609 0.5678 0.7911
RE 1.0000 0.831 0.5184 0.9606
MCO 0.0160 -0.1357 0.0000 0.2395 0.0212 0.0021 0.8232
FE 0.2560 0.2363 0.5590 0.9916 0.6713 0.5363 0.7616
RE 0.0150 -0.1357 0.0000 0.2395 1.0000 0.8316 0.491 0.973Mo
d. 3
R2
0.0914
0.0000
0.0005
Mo
d. 1
Mo
d. 2
Mo
d. 3
Mo
d. 1
Mo
d. 2
DeltaL LRamsey Breusch Hausman
GDPPCFDI-1 CR-1 Tcons Pi GDP/DeltaGDP
Page 23 of 29
con efectos aleatorios mientras que, para los dos modelos restantes, la metodología de
efectos fijos es la más adecuada. Al ceñir el análisis de resultados a estos tres modelos,
se descarta el modelo 3 ya que su presentación por efectos fijos arroja los estadísticos
R-cuadrado más bajos y porque no paso la prueba de Ramsey, lo cual indicaría que
existe sesgo de especificación. Al realizar un comparativo entre el modelo 1 y el modelo
2, se destaca como principal diferencia que el primero de estos tampoco pasa la prueba
de Ramsey de sesgo de especificación, lo cual señalaría que no es el modelo más
adecuado para representar la relación que se desea mostrar.
Por estas razones, se define que el modelo más adecuado para representar la relación de
causalidad entre las variables de control y la variable riesgo país con los FDI es el
segundo modelo propuesto en el presente trabajo. Como dicho modelo presenta dos
variables no significativas, se busca finalmente calcular un cuarto modelo que ignore
estas variables y solo tenga en cuenta las significativas.
( )
Se realiza la estimación pertinente para este modelo por MCO como metodología inicial
según sugiere la teoría:
Tabla 18: Regresión por MCO para el modelo final
(1)
VARIABLES lninvest
lninvestlast 0.644***
(0.0552)
countryrisklast -0.000424***
(0.000143)
lncon 0.220***
(0.0544)
Constant 2.632***
(0.924)
Observations 127
R-squared 0.824
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Se puede observar, como era de esperarse, que todas las variables consideradas como
explicativas en este caso son significativas al 5% para explicar el comportamiento de la
variable FDI. Para continuar con la validación del modelo y, como se observa a lo largo
Page 24 of 29
de los modelos pasados, se realiza la estimación con efectos fijos y efectos aleatorios
para comparar los tres modelos y elegir entre ellos.
Tabla 19: Regresión por efectos aleatorios para el modelo final
(1)
VARIABLES lninvest
lninvestlast 0.644***
(0.0552)
countryrisklast -0.000424***
(0.000143)
lncon 0.220***
(0.0544)
Constant 2.632***
(0.924)
Observations 127
Number of id 13
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Tabla 20: Regresión por efectos fijos del modelo final
(1)
VARIABLES lninvest
lninvestlast 0.304***
(0.0766)
countryrisklast -0.000368**
(0.000142)
lncon 1.802***
(0.383)
Constant -30.19***
(8.655)
Observations 127
Number of id 13
R-squared 0.563
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Al observar los resultados de las regresiones por efectos fijos y efectos aleatorios se
puede ver que todas las variables son significativas al 5% para ambos modelos.
También se puede observar que los valores de los R-cuadrados son superiores al 50%
para los casos presentados. Para realizar un comparativo entre el modelo por MCO y los
de efectos aleatorios y fijos se utilizan la prueba de Hausman y la de Breusch-Pagan.
Page 25 of 29
El resultado de esta prueba de heteroscedasticidad es un p-valor de 0,0058. Al observar
los resultados de esta prueba de Breusch-Pagan para el modelo por MCO, se puede
observar que no se cumple con el principio de homoscedasticidad para esta regresión.
Eso implica que el modelo por MCO no es la estimación más adecuada para la
representación de la relación entre las variables como las presenta el modelo final. Esto
deja como modelos válidos los estimados por efectos fijos o por efectos aleatorios. La
elección entre estos dos modelos se hace, como en los casos previamente expuestos,
mediante el uso de la prueba de Hausman
El resultado de la prueba de Hausman para este modelo es un p-valor de 0,000013
. Se
puede observar que para este modelo se rechaza la hipótesis nula lo cual implica que es
el modelo por efectos fijos. Según este modelo, la inversión extranjera, el riesgo país y
el consumo son variables significativas para la determinación de los flujos de FDI.
Conclusiones
Como objetivo de este trabajo, se puede concluir que efectivamente el riesgo país si
tiene un efecto significativo en la determinación de los flujos de FDI del siguiente año
en los países. Los resultados del marco empírico prueban que efectivamente existe una
relación significativa entre el riesgo país y los FDI. También se demuestra que la
relación es negativa entre estos dos factores para un país, lo cual se explica por el
concepto de aversión al riesgo, bajo el cual los individuos buscarían en general realizar
inversiones con menor riesgo para sus capitales. Según las estimaciones realizadas y
tras calibrar el modelo, se puede concluir que, si bien el riesgo país mostró ser
significativo, dicho efecto fue muy pequeño. Según la estimación realizada, un
incremento de un 1% en el riesgo país genera una reducción de -0.0003678 en los flujos
de inversión extranjera. Puede decirse entonces que el efecto es negativo y significativo,
aunque esta medición especifica de riesgo, adaptada de la metodología de J.P. Morgan,
vista como diferencial de las tasas de rendimiento de los bonos no tiene un efecto
absoluto tan relevante.
Las conclusiones de este trabajo van de acuerdo con las encontradas en la literatura
tanto en significancia del riesgo país a la hora de determinar los FDI como en cuanto a
13
Los resultados pueden observarse en los anexos al final del documento
Page 26 of 29
la relación negativa existente entre estas dos variables. En la literatura revisada previo a
la elaboración de esta Memoria de Grado, especialmente la expuesta por por Hayakawa,
Kimura & Lee para los años 2011 y 2012, se identifica el riesgo país, especialmente el
de carácter político, como determinante significativo y relevante (mediante una relación
negativa) para los flujos de FDI.
Cabe resaltar que los resultados obtenidos con la medición de riesgo país hecha por
autores como Hayakawa, Kimura & Lee (2011) arrojan una relación negativa pero más
fuerte en términos de coeficiente Beta. Esto implicaría que, en materia de análisis de
metodologías de cálculo, el riesgo país que utilizan bancas de inversión como J.P.
Morgan no sería tal vez el indicado para tratar de explicar el aumento o disminución de
los flujos de FDI, así que esta metodología debe seguir ciñéndose a la valoración de
empresas.
Anexos
Anexo1: Prueba de Hausman para el modelo 1
Prob>chi2 = 0.0914
= 9.48
chi2(5) = (b-B)'[(V_b-V_B)^(-1)](b-B)
Test: Ho: difference in coefficients not systematic
B = inconsistent under Ha, efficient under Ho; obtained from xtreg
b = consistent under Ho and Ha; obtained from xtreg
pop 270.9097 .0511482 270.8586 254.3796
popgrowth -8.69e+08 -1.29e+09 4.19e+08 2.49e+09
gdppercap 741374 -375696.9 1117071 858326.6
gdpgrowth 6.52e+08 7.60e+08 -1.08e+08 9.04e+07
inflation 2.56e+08 6.25e+07 1.94e+08 9.59e+07
totalconsu~n .0332104 .0146682 .0185422 .0072714
countryris~t 1977945 1344873 633072.1 1205035
investment~t .6933731 .8355163 -.1421432 .0469482
FE1 RE1 Difference S.E.
(b) (B) (b-B) sqrt(diag(V_b-V_B))
Coefficients
Page 27 of 29
Anexo2: Prueba de Hausman para el modelo 2
Anexo3: Prueba de Hausman para el modelo 3
Anexo4: Prueba de Heteroscedasticidad para el modelo final por MCO
Prob>chi2 = 0.0000
= 25.04
chi2(4) = (b-B)'[(V_b-V_B)^(-1)](b-B)
Test: Ho: difference in coefficients not systematic
B = inconsistent under Ha, efficient under Ho; obtained from xtreg
b = consistent under Ho and Ha; obtained from xtreg
lngdpper -.4076319 .1574035 -.5650354 2.219588
lngdp -.607343 -.9137286 .3063856 1.743414
lncon 2.520315 1.143358 1.376957 .7208385
countryris~t -.0004203 -.0004156 -4.71e-06 .0000863
lninvestlast .32639 .5973642 -.2709742 .0677839
FE2 RE2 Difference S.E.
(b) (B) (b-B) sqrt(diag(V_b-V_B))
Coefficients
Prob>chi2 = 0.0005
= 22.29
chi2(5) = (b-B)'[(V_b-V_B)^(-1)](b-B)
Test: Ho: difference in coefficients not systematic
B = inconsistent under Ha, efficient under Ho; obtained from xtreg
b = consistent under Ho and Ha; obtained from xtreg
popgrowth .2362842 -.1357027 .3719868 .2131503
lnpop .9916181 .2395411 .752077 1.802217
gdpgrowth -.0013168 .0088396 -.0101564 .0066594
lngdpper 1.780347 .3225775 1.45777 .6435629
lninvestlast .3327176 .6188366 -.286119 .0710778
countryris~t -.0003339 -.0003495 .0000156 .0001097
FE3 RE3 Difference S.E.
(b) (B) (b-B) sqrt(diag(V_b-V_B))
Coefficients
Prob > chi2 = 0.0058
chi2(1) = 7.60
Variables: fitted values of lninvest
Ho: Constant variance
Breusch-Pagan / Cook-Weisberg test for heteroskedasticity
. hettest
Page 28 of 29
Anexo5: Prueba de Hausman para el modelo final
Prob>chi2 = 0.0000
= 30.78
chi2(3) = (b-B)'[(V_b-V_B)^(-1)](b-B)
Test: Ho: difference in coefficients not systematic
B = inconsistent under Ha, efficient under Ho; obtained from xtreg
b = consistent under Ho and Ha; obtained from xtreg
lncon 1.802273 .22013 1.582143 .4283187
countryris~t -.0003678 -.0004244 .0000566 .0000712
lninvestlast .3038083 .6442108 -.3404025 .0663485
FE4 RE4 Difference S.E.
(b) (B) (b-B) sqrt(diag(V_b-V_B))
Coefficients
Page 29 of 29
Bibliografía
Berk, J. (2011). Corporate Finance. Prentice Hall.
Damoradan, A. (2002). Investment Valuation: Tools and Techniques for Determining the Value
of Any Asset. New York: John Wiley & Sons.
Damoradan, A. (s.f.). The Data Page. Obtenido de NYU Stern:
http://people.stern.nyu.edu/adamodar/
Hayakawa, K., Kimura, F., & Lee, H.-H. (2011). How Does Country Risk Matter for Foreign
Direct Investment? Obtenido de Institute of Developing Economies:
http://www.ide.go.jp/English/Publish/Download/Dp/pdf/281.pdf
Hayakawa, K., Kimura, F., & Lee, H.-H. (2012). How Does Country Risk Matter for Foreign
Direct Investment? Obtenido de Economic Research Institute for ASEAN and East
Asia: http://www.eria.org/ERIA-DP-2012-03.pdf
J.P Morgan Chase. (2014). County Risk (Embi+). Obtenido de Ámbito Financiero:
http://www.ambito.com/economia/mercados/riesgo-pais/
J.P. Morgan. (2014). Riesgo País. Obtenido de Diario Ámbito Financiero:
http://www.ambito.com/economia/mercados/riesgo-pais/
Rosales, R., Perdomo, J., Morales, C., & Urrego, J. (2013). Fundamentos de Econometría
Intermedia. Bogotá: Ediciones Uniandes.
Samara, S. (31 de Octubre de 2012). Foreign Direct Investment and Country Risk: What Kind of
Interaction? Obtenido de University of Macedonia:
http://dspace.lib.uom.gr/dspace/bitstream/2159/15434/3/SamaraStauroulaMsc2012.pdf
Scholtens, B. (December de 1999). Bond Yield Spreads and Country Risk. Obtenido de
Karlsruher Institute of Technology:
http://www.fbv.kit.edu/symposium/8th/papers/scholtens.pdf
Villarreal, J., & Córdoba, M. J. (Julio de 2010). A Consistent Methodology for the Calculation
of the Cost of Capital in Emerging Markets. Bogotá, Colombia.
World Bank. (2014). Data By Country. Obtenido de The World Bank:
http://data.worldbank.org/country