UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja
ÁREA ADMINISTRATIVA
TITULACIÓN DE ECONOMISTA
Polarización de la actividad industrial manufacturera en Ecuador: Factores
determinantes y sus efectos en el territorio. Período 2001-2010.
TRABAJO DE FIN DE TITULACIÓN
AUTOR: Flores Chamba, Jorge Eduardo
DIRECTOR: Tandazo Arias, Tangya del Carmen, MSc.
LOJA-ECUADOR
2013
Esta versión digital, ha sido acreditada bajo la licencia Creative Commons 4.0, CC BY-NY-SA: Reconocimiento-No comercial-Compartir igual; la cual permite copiar, distribuir y comunicar públicamente la obra, mientras se reconozca la autoría original, no se utilice con fines comerciales y se permiten obras derivadas, siempre que mantenga la misma licencia al ser divulgada. http://creativecommons.org/licenses/by-nc-sa/4.0/deed.es
2013
ii
CERTIFICACIÓN MAGÍSTER
Tangya del Carmen Tandazo Arias
DIRECTORA DEL TRABAJO DE FIN DE TITULACIÓN CERTIFICA:
Que el presente trabajo denominado “Polarización de la actividad industrial manufacturera
en Ecuador: Factores determinantes y sus efectos en el territorio. Período 2001-2010”,
realizado por el profesional en formación Flores Chamba Jorge Eduardo, cumple con los
requisitos establecidos en las normas generales para la Graduación en la Universidad
Técnica Particular de Loja, tanto en el aspecto de forma como de contenido, por lo cual me
permito autorizar su presentación para los fines pertinentes.
Loja, Octubre del 2013
f)………………………..
iii
DECLARACIÓN DE AUTORÍA Y CESIÓN DE DERECHOS
“Yo, Flores Chamba Jorge Eduardo, declaro ser el autor del presente trabajo y eximo
expresamente a la Universidad Técnica Particular de Loja y a sus representantes legales de
posibles reclamos o acciones legales.
Adicionalmente declaro conocer y aceptar la disposición del Art. 67 del Estatuto Orgánico de
la Universidad Técnica Particular de Loja que en su parte pertinente textualmente dice:
“Forman parte del patrimonio de la Universidad la propiedad intelectual de investigaciones,
trabajos científicos o técnicos y tesis de grado que se realicen a través, o con el apoyo
financiero, académico o institucional (operativo) de la Universidad”.
f)…………………………………
Flores Chamba Jorge Eduardo
C.I. 1104636004
iv
DEDICATORIA
En primer lugar a Dios, por todas las bendiciones recibidas, sin las cuales hubiera sido
imposible cumplir con las metas planteadas en mi vida. A mis padres: Teresa y Carlos,
porque gracias a su amor, apoyo y comprensión, no sólo me convirtieron en una persona de
bien, sino que además me brindaron todas las facilidades para cumplir con mis
responsabilidades académicas a cabalidad. A mis hermanos: Teresa, Carlos y José Luis,
por sus palabras de aliento y sus buenos ejemplos, sin su apoyo tampoco hubiera sido
posible este logro.
v
AGRADECIMIENTO
A mis padres y hermanos por todo el amor desinteresado y el apoyo incondicional, que me
han permitido llegar a una feliz culminación de esta etapa tan importante de mi vida.
A la Universidad Técnica Particular por todas las facilidades brindadas para mi formación. A
la Titulación de Economía y su coordinadora, y a todos y cada uno de los docentes que me
impartieron sus conocimientos; por su influencia positiva en mi formación profesional.
Además, expreso mis más sinceros agradecimientos y estima a la MSc. Tangya Tandazo
Arias, que como docente y como Directora de tesis, me supo brindar todos los
conocimientos y recomendaciones, que no sólo me ayudaron desarrollar de buena manera
mi trabajo investigativo, sino que además fueron una guía para mi proceso de formación
profesional.
Y finalmente a todos mis familiares, amigos y compañeros, que de alguna u otra manera
influyeron de manera positiva en mi vida y contribuyeron en la consecución de mis éxitos
personales, de manera especial al apoyo del personal de la Biblioteca “Benjamín Carrión” de
la Universidad Técnica Particular de Loja y principalmente de su Encargada Tecn. Carmen
Songor, personas con las cuales no sólo tuve la oportunidad de compartir mis actividades de
Gestión Productiva, sino también una gran amistad.
vi
INDICE DE CONTENIDOS
CERTIFICACIÓN ............................................................................................................................. ii
DECLARACIÓN DE AUTORÍA Y CESIÓN DE DERECHOS ...................................................... iii
DEDICATORIA ................................................................................................................................ iv
AGRADECIMIENTO ........................................................................................................................ v
INDICE DE CONTENIDOS ............................................................................................................ vi
ÍNDICE DE TABLAS ..................................................................................................................... viii
ÍNDICE DE CUADROS................................................................................................................... ix
ÍNDICE DE GRÁFICAS .................................................................................................................. ix
RESUMEN EJECUTIVO ...............................................................................................................11
ABSTRACT .....................................................................................................................................12
INTRODUCCIÓN ...........................................................................................................................13
CAPÍTULO 1. LA LOCALIZACIÓN INDUSTRIAL .......................................................................15
1.1. Modelos clásicos de localización industrial ..................................................................18
1.1.1. La teoría del Mínimo Coste ....................................................................................18
1.1.2. El análisis de las áreas de mercado ......................................................................20
1.2. Teoría de la interdependencia locacional de Hotelling ................................................22
1.3. Teorías posteriores: Modelos integrados .....................................................................23
1.4. Nuevas tendencias en localización industrial ...............................................................24
1.4.1. La Teoría del comportamiento empresarial ..........................................................24
1.4.2. La Teoría de Sistemas ............................................................................................25
1.4.3. La Teoría Marxista ..................................................................................................25
1.5. Modelos de las etapas de localización .........................................................................26
1.6. Factores directos e indirectos de localización ..............................................................27
1.6.1. Factores directos .....................................................................................................27
1.6.2. Factores Indirectos ..................................................................................................27
1.7. Nueva Geografía Económica .........................................................................................28
1.8. Evidencia Empírica .........................................................................................................28
CAPÍTULO 2. BREVES RASGOS DE LA ECONOMÍA ECUATORIANA, DESDE UNA VISIÓN DE LA LOCALIZACIÓN INDUSTRIAL ...........................................................................32
2.1. Generalidades de la economía ecuatoriana: una revisión histórica ...........................33
Post-colonialismo ...................................................................................................................34
Consolidación del modelo agro-exportador .........................................................................35
Del auge agro-exportador a la sustitución de importaciones .............................................36
vii
La dependencia económica de la explotación petrolera .....................................................37
La crisis de los 90’s ................................................................................................................38
Post-dolarización ....................................................................................................................39
2.2. Economía ecuatoriana en el período 2001-2007 .........................................................39
2.2.1. Valor Agregado Bruto Provincial (VAB).................................................................40
2.3. Actividad económica industrial. Censo Económico 2010 ............................................42
2.3.1. Número de establecimientos (Participación) ........................................................43
2.3.2. Estratos de Personal Ocupado ..............................................................................44
2.3.3. Ingresos por ventas o prestación de servicios .....................................................45
2.3.4. Gasto en capacitación de personal y en Investigación + Desarrollo ..................45
CAPÍTULO 3. INDUSTRIA MANUFACTURERA EN ECUADOR Y FACTORES DE LOCALIZACIÓN .............................................................................................................................48
3.1. Factores de Localización Industrial en Ecuador ..........................................................49
3.1.1. Empleo .....................................................................................................................49
3.1.2. Migración Interna .....................................................................................................52
3.1.3. Infraestructura portuaria y aeroportuaria ...............................................................54
3.1.4. Recursos naturales .................................................................................................57
3.1.5. Presencia de clústers industriales .........................................................................59
3.1.6. Inversión Extranjera Directa ...................................................................................60
3.2. Análisis espacial de la actividad industrial de las provincias ......................................61
3.2.1. Análisis espacial en base al Valor Agregado Bruto (VAB) ..................................61
3.2.2. Análisis Espacial en base a dato del número de establecimientos ....................65
CAPÍTULO 4. POLARIZACIÓN DE LA INDUSTRIA EN ECUADOR: CONSECUENCIAS EN EL TERRITORIO ............................................................................................................................67
4.1. Modelación Econométrica: Modelos de Panel .............................................................68
4.1.1. Estimación de modelos ...........................................................................................69
4.2. Concentración y Spillovers sectoriales .........................................................................73
4.2.1. El índice de Maurel y Sedillot (M-S) ......................................................................74
4.3. Índice Global I de Moran (Autocorrelación Espacial) ...................................................80
4.3.1. Índice de Morán del Índice de Especialización 2007 ...........................................81
4.3.2. Índice de Morán del Índice de Concentración 2007 .............................................81
4.4. Enfoque de Clústers .......................................................................................................82
4.4.1. Determinación de agrupaciones ............................................................................84
COMENTARIOS FINALES ............................................................................................................90
REFERENCIAS BIBLIOGRÁFICAS .............................................................................................93
viii
ANEXOS .......................................................................................................................................100
Anexo 1. Box Maps Indices Espaciales (VAB 2001 y 2007) ................................................100
Anexo 2. Box Maps Indices Espaciales (Número de establecimientos 2010) ....................104
Anexo 3. Pruebas de estacionariedad y autocorrelación de los Modelos Econométricos 105
Anexo 4. Cálculo del Índice de Maurel y Sedillot ..................................................................120
Anexo 5. Tabla de Resultados del Índice de Moran (VAB 2007) .........................................125
Anexo 6. Dendogramas ...........................................................................................................126
ÍNDICE DE TABLAS
Tabla 2.1. Exportaciones de productos agrícolas, miles de dólares FOB ............................. 38
Tabla 2.2. Participación (%) Estratos de personal ocupado por ramas de actividad 2010 .... 44
Tabla 2.3. Participación (%) Estratos de ingresos por ventas por ramas de actividad 2010 . 45
Tabla 2.4. Porcentaje (%) de participación de unidades productivas que realizan gastos para
el mejoramiento del proceso productivo, del total de ramas de actividad 2010 .................... 46
Tabla 3.1. Número de Naves. Por Entradas y Salidas, Según Capitanía de Puerto. Año 2010
............................................................................................................................................ 55
Tabla 3.2. Carga de Entrada y Salida (en toneladas). Según Capitanía de Puerto. Año 2010
............................................................................................................................................ 56
Tabla 3.3 Pasajeros transportados por aeropuertos del Ecuador. Servicio Regular + No
Regular. Período 2009-2010 ................................................................................................ 57
Tabla 3.4. Tráfico internacional Regular y No Regular. Carga en toneladas métricas.
Entradas y Salidas por Aeropuertos del Ecuador. Período 2009-2010 ................................. 57
Tabla 3.5. Exportaciones de principales productos primarios 2010 (miles de dólares FOB) . 58
Tabla 3.6. Provincias relevantes en los Índices Espaciales (VAB 2001 y VAB 2007) ........... 64
Tabla 3.7. Provincias destacadas en los Índices Espaciales (# de establecimientos 2010) .. 65
Tabla 4.1. Spillovers intrasectoriales e intersectoriales Industrias manufactureras-Agricultura
............................................................................................................................................ 77
Tabla 4.2. Spillovers intrasectoriales e intersectoriales Industrias manufactureras-
Construcción ........................................................................................................................ 79
ix
ÍNDICE DE CUADROS
Cuadro 1.1. Trabajos de evidencia empírica de referencia .................................................. 29
Cuadro 2.1. Procesos económicos históricos en Ecuador.................................................... 34
Cuadro 4.1. Definición de las variables del primer modelo econométrico ............................. 70
Cuadro 4.2. Clústers Índice de Especialización. Industrias Manufactureras 2007 ................ 85
Cuadro 4.3. Clústers Índice de Especialización. Agricultura, ganadería, caza y silvicultura
2007 .................................................................................................................................... 85
Cuadro 4.4. Clústers Índice de Concentración. Agricultura, ganadería, caza y silvicultura
2007 .................................................................................................................................... 86
Cuadro 4.5. Clústers Índice de Especialización y Concentración. Elaboración de alimentos
2010 .................................................................................................................................... 87
Cuadro 4.6. Clústers Índice de Especialización y Concentración. Fabricación de prendas de
vestir 2010 ........................................................................................................................... 87
Cuadro 4.7. Clústers Índice de Especialización y Concentración. Fabricación de productos
elaborados de metal, excepto maquinaria y equipo 2010..................................................... 88
Cuadro 4.8. Clústers Índice de Especialización y Concentración. Fabricación de muebles
2010 .................................................................................................................................... 88
ÍNDICE DE GRÁFICAS
Gráfica 1.1. Triángulo locacional de Weber ......................................................................... 19
Gráfica 1.2. Ordenamiento horizontal de Christaller ............................................................. 20
Gráfica 1.3. Área de mercado de Losch ............................................................................... 22
Gráfica 2.1. Participación (%) de las principales ramas de actividad de Ecuador 2007 ........ 40
Gráfica 2.2. Tasa de crecimiento anual del Valor Agregado Bruto Nacional (no Petrolero) .. 41
Gráfica 2.3. Tasa de crecimiento del VAB Provincial (no Petrolero) ..................................... 42
Gráfica 2.4. Participación (%) de las principales ramas de actividad 2010 (# de
establecimientos) ................................................................................................................. 43
Gráfica 2.5. Industrias manufactureras (% del total de establecimientos) ............................ 44
Gráfica 3.1. Tasa de crecimiento de PEA Ocupada Total (mayor a 10 años) ....................... 50
Gráfica 3.2. Tasa de crecimiento de PEA Ocupada, mayor a 10 años, de la industria
manufacturera. ..................................................................................................................... 51
Gráfica 3.3. Tasa de crecimiento de PEA Ocupada con nivel de instrucción superior .......... 52
Gráfica 3.4. Hacia dónde se dirigen los migrantes recientes (% población inmigrante total) 53
Gráfica 3.5. De dónde provienen los migrantes recientes (% población emigrante total) .... 54
Gráfica 3.6. Participación en la IED de los principales sectores económicos. Año 2010 ...... 61
x
Gráfica 4.1. Diagrama de Dispersión y Mapa LISA Construcción ......................................... 81
Gráfica 4.2. Diagrama de Dispersión y Mapa LISA Industrias Manufactureras .................... 82
Gráfica 4.3. Diagrama de Dispersión y Mapa LISA Construcción ......................................... 82
11
RESUMEN EJECUTIVO
En el presente trabajo de investigación se realiza una revisión de los principales factores de
localización para el caso de la industria manufacturera ecuatoriana en el período 2001-2010,
así como también un análisis espacial de la actividad de dicha rama, utilizando en primer
lugar el Valor Agregado Bruto Provincial (VAB) de las Cuentas Provinciales 2001-2007 del
Banco Central y luego el dato del número de establecimientos del Censo Económico del
2010, con el fin de obtener resultados más actuales con un nivel de desagregación
importante. Además, se efectúa un análisis de autocorrelación espacial y la determinación
de spillovers sectoriales y geográficos utilizando la información inicial, con el objetivo de
determinar los “derrames” económicos y productivos de las ramas analizadas, de manera
especial de la manufactura a nivel provincial.
PALABRAS CLAVE: Localización industrial, concentración geográfica, Valor Agregado
Bruto, autocorrelación espacial, spillovers.
12
ABSTRACT
In the present investigation is a review of the main location factors for the case of Ecuadorian
manufacturing industry in the period 2001-2010, as well as a spatial analysis of the activity of
the branch, using first Provincial Gross Value Added (GVA) of the Provincial Accounts of the
Central Bank from 2001 to 2007 and then the data on the number of establishments in the
2010 Economic Census, in order to obtain more current with important disaggregation. In
addition, an analysis of spatial and determining sectoral and geographical spillovers using
the initial information in order to determine the "spills" productive economic and branches
analyzed, in particular in manufacturing at the provincial level.
KEYWORDS: Industrial location, geographic concentration, gross value added, spatial
autocorrelation, spillovers.
13
INTRODUCCIÓN
El estudio de la Economía Espacial ha tomado una gran relevancia en las últimas décadas y
la inclusión de la incidencia del espacio o territorio en los principales cuerpos teóricos de la
Ciencia Económica ha permitido expandir el nivel de entendimiento de los fenómenos
económicos, principalmente de los relacionados con las discrepancias presentes en los
distintos procesos de crecimiento. Las explicaciones de la localización económica y de
manera específica de la industrial, se han nutrido de un sinnúmero de aportes teóricos que
resaltan la importancia de las características propias de cada territorio en las decisiones de
localización de los agentes económicos.
La localización industrial obedece a una gama de factores que las distintas teorías incluyen
en sus explicaciones, que van desde de la reducción de los costos de transporte en las
iniciales, hasta las economías de urbanización y aglomeración en las más recientes. Sin
embargo, todas éstas coinciden en el hecho de que las decisiones de localización casi
siempre no se toman al azar, existiendo de por medio el interés por aprovechar las ventajas
productivas que presentan determinados territorios. Por otro lado es importante mencionar
que dicha localización se genera en un contexto de interdependencia, es decir, se tratan de
decisiones conjuntas que consideran no sólo las ventajas individuales sino también la
sinergia positiva inherente a los procesos de aglomeración.
En las últimas dos décadas, la actividad de la industria manufacturera en Ecuador, al igual
que la mayor parte de la actividad económica, se ha concentrado en pocas provincias,
principalmente en las de mayor crecimiento económico: Pichincha y Guayas, evitándose de
esta manera el crecimiento de este tipo de actividad en el resto de provincias. En este
sentido, la determinación de las consecuencias de dicha realidad en el crecimiento
económico a nivel provincial se constituye en una necesidad.
La presente investigación pretende aportar a la explicación de la concentración de la
industria manufacturera ecuatoriana en el período 2001-2010 y las consecuencias
inherentes en el territorio y se divide en cuatro capítulos: en el primero se revisan las
principales teorías de localización industrial y algunos documentos relevantes de evidencia
empírica que sustentan el tema de estudio de la presente investigación, en el segundo se
examinan algunos antecedentes históricos y la evolución de algunas variables de interés
con la finalidad de contextualizar el caso ecuatoriano, en el tercero se estudian algunos
factores determinantes de la localización industrial y se realiza un análisis espacial de la
actividad manufacturera en el período analizado con el fin de determinar el patrón espacial
14
predominante y finalmente en el cuarto se presenta un análisis de la relación de
dependencia espacial de la actividad productiva a nivel provincial, a través de la
determinación de la existencia de spillovers geográficos y sectoriales, esto para establecer
las consecuencias del patrón espacial en la actividad económica de las provincias.
Para el cumplimiento de los objetivos antes mencionados se utiliza además del método
analítico algunos índices espaciales, específicamente los de participación, especialización,
diversificación y concentración, el Índice Global de Moran I para autocorrelación espacial, la
metodología de Maurel y Sedillot para la determinación de spillovers sectoriales y la
modelización econométrica y el enfoque de clústers para la agrupación de territorios de
acuerdo a sus respectivos patrones productivos. A continuación se presenta un esquema
con los temas a desarrollarse.
Esquema 1. Estructura de la Investigación.
Elaboración: Propia.
Capítulo 1
Teorías de Localización
Industrial
Evidencia Empírica
Capítulo 2
Antecedentes históricos
Actualidad de la industria ecuatoriana
Capítulo 3
Factores de localización
Distribución de la actividad industrial en el
territorio
Capítulo 4
Modelación Econométrica
Autocorrelación Espacial
Spillovers intersectoriales y
geográficos
15
CAPÍTULO 1. LA LOCALIZACIÓN INDUSTRIAL
16
El análisis del efecto del espacio o territorio en las actividades de los agentes económicos y
de manera particular en sus decisiones de localización, ha cobrado un creciente interés en
los estudios que sobre el crecimiento económico se han realizado en los últimos años.
La Economía Espacial se ha nutrido de los aportes de un considerable número de investigaciones, sobre todo a nivel regional, que destacan la importancia que tienen los territorios y los recursos naturales, humanos y producidos que existen en los mismos sobre la configuración espacial de las ciudades y regiones, el desarrollo de las actividades económicas y los procesos de crecimiento y desarrollo económicos (Trívez Bielsa, 2004).
El presente capítulo contiene una revisión teórica cronológica sobre el tema de la
localización industrial. Aquí se revisarán los aportes de las principales corrientes de
pensamiento económico, iniciando con los modelos clásicos: el modelo de Von Thünen, la
teoría del Mínimo Costo y los modelos que se basan en el Análisis de las Áreas de Mercado.
Luego se analizarán: la Teoría de la Interdependencia Locacional, los Modelos Integrados,
las Nuevas Tendencias de Localización, los Modelos de las Etapas de Localización, los
modelos que se basan en los Factores de Localización y finalmente se hará referencia a la
Nueva Geografía Económica de Krugman. Además, se incluiría una recopilación sucinta de
la evidencia empírica existente sobre el tema.
La secuencia del análisis de los componentes teóricos es la siguiente:
17
Esquema 1.1. Modelos de localización industrial analizados.
Elaboración: Propia.
Etapas de localización Capacidades de los empresarios e información imperfecta. Berry (1979). Aydalot (1985).
Factores directos e indirectos de localización.
Comportamiento empresarial (1960).
Comportamiento organizacional de las direcciones (reducción
costos totales).
Teoría de Sistemas (1967). Crecimiento de las corporaciones
y relaciones intraorganizacionales.
Teoría Marxista (1977).
Reproducción del capital y relaciones sociales.
Interdependencia locacional
Hotelling (1929). Rigideces de la demanda.
Israd (1956). Combinación óptima de
“outputs” y factores productivos.
Greenhut (1957).
Incidencia de la toma de decisiones y las variables
económicas.
Smith (1979). Transformación técnica de
“inputs”.
Nuevas Tendencias
Factores racionales y aleatorios
Procesos Productivos
Corriente Comportamental
Clásicos
Von Thünen (1826). Localización sistemas
agrarios.
Mínimo Coste Alfred Weber (1929).
Coste mínimo de producción.
Áreas de mercado
Distribución espacial de la demanda en el mercado.
Christaller (1929). Palander (1935). Hoover (1948). Lösch (1954).
Enfoque de Demanda
Nueva Geografía Económica (1992). Comercio, especialización, rendimientos crecientes, economías de escala y competencia imperfecta.
18
1.1. Modelos clásicos de localización industrial
Estos modelos analizan el problema de la localización industrial desde el enfoque de la
demanda, el cual argumenta que las ciudades crecen debido a la demanda de bienes y
servicios de ciertos sectores que configuran la actividad económica de la ciudad.
El primer exponente es J. H. Von Thünen, considerado el pionero en la teoría de la
localización económica. Este autor desarrolló en 1826 un modelo de localización para los
sistemas agrarios en el que analiza cómo se disponen los cultivos en torno a los mercados
urbanos, aislando la variable coste de trasporte y dejando constantes los demás factores.
Según Camagni (2005), este modelo se basa en algunas hipótesis simplificadoras:
a) Una llanura homogénea con la misma fertilidad del suelo e infraestructura de trasporte.
b) Un único centro que sirve de mercado para todos los productos.
c) Disponibilidad difusa de todos los factores de producción y de los inputs de producción.
d) Una función de producción específica para cada producto, con coeficientes fijos y
rendimiento de escala constantes.
e) El precio de cada producto está definido exógenamente.
f) El costo de transporte unitario es constante.
Von Thünen recalca la importancia de los costos de transporte. Tomando en cuenta algunos supuestos simplificadores, muestra que los productos que se cultivan cerca de las ciudades presentan menores costos de transporte, mayor productividad y rentas altas de la tierra. Conforme la ubicación de los cultivos se aleja del centro de la ciudad, la renta y la productividad de la tierra disminuyen y los costos de transporte aumentan. Además utiliza la geometría para destacar la relevancia de la distancia al centro de la ciudad (Tello, 2006).
Ese fue el primer intento por explicar las causas de la localización económica y a partir de
entonces se han construido diversos modelos que mejoraron aquel trabajo. A continuación,
se revisarán los principales aportes clásicos a la localización industrial.
1.1.1. La teoría del Mínimo Coste, que incluye principalmente el trabajo de Alfred Weber de 1929, en el cual se analiza la localización industrial en función del
proceso productivo y se argumenta que la localización industrial consiste en
buscar el costo mínimo de producción para alcanzar una eficiencia técnica en el
uso de los factores productivos.
19
Weber señala que los factores locacionales son “las fuerzas que operan como causa
económica de la localización” y que al actuar sobre la “unidad locacional” se obtiene el
ahorro. Logra diferenciar cuatro tipos de factores:
Generales: Estos son costes de transporte y mano de obra.
Especiales: Propios de tipos específicos de industrias.
Regionales: Establecen el entramado locacional sobre un área extensa.
Locales: La aglomeración que genera concentraciones puntuales dentro de una
región y la deglomeración, que es la tendencia a la dispersión generada por la
elevación de la renta del suelo.
Tomando en cuenta estos principios estableció los siguientes supuestos:
a) Las materias primas, los consumidores y la mano de obra adoptan una distribución
puntual dada.
b) Los salarios en cada localización son fijos, aunque varían de un lugar a otro.
c) La oferta de la mano de obra es limitada y los costes de transporte varían en proporción
directa de la distancia en un “plano llano matemáticamente”.
Weber consideraba como el principal factor de localización al coste de transporte total, por lo
que sugería buscar un lugar de producción que minimizará los mismos, considerando el
suministro de materias primas y la distribución del producto en el mercado. Así propone una
solución geométrica: el Triángulo Óptimo de Localización, según el cual las decisiones de
localización industrial se darían en el punto del espacio que tuviese la más favorable
combinación de costes de transporte.
Gráfica 1.1. Triángulo locacional de Weber. Fuente: Hormigo (2006).
20
Además Weber estudió los impactos locacionales a partir de los costes de mano de obra.
Con el uso de isodapanas1 estableció que una empresa podría cambiar su localización
óptima, siempre y cuando, el ahorro marginal en el costo de la mano de obra supere el
aumento marginal del coste de transporte.
1.1.2. El análisis de las áreas de mercado: Esta teoría estudia la actividad industrial
en función de la influencia que tiene la distribución espacial de la demanda en las
decisiones de localización. Los supuestos básicos de los que parte son:
a) El mercado único es un caso particular.
b) Los compradores están dispersos en un área de mercado.
Según esta teoría, un comprador tenderá a elegir al vendedor competitivo que se encuentra
más próximo y como consecuencia el productor buscará acercarse a este mercado tanto
como le sea posible. El precursor de esta teoría fue Walter Christaller en 1929.
Gráfica 1.2. Ordenamiento horizontal de Christaller. Fuente: Hormigo (2006).
Christaller supuso un territorio homogéneo, neutro e isotrópico y formuló un modelo
deductivo de jerarquías espaciales de asentamiento a partir de ordenamientos verticales y
horizontales. Los primeros hacen referencia a que a mayor tamaño de la localidad, las
actividades son más diversificadas y existe mayor distancia entre ellas; mientras que los
segundos tratan de una distribución espacial regular de asentamientos y áreas de mercado
de tipo hexagonal, como se muestran en la figura 1.2. Así reconoce dos elementos del área
de mercado:
1 Línea que une puntos de igual coste.
21
a) El rango de mercado, es decir la distancia que está dispuesto a recorrer el consumidor.
b) El umbral económico del poder de compra o ingreso necesario para sostener la
actividad.
Este autor argumenta que existe una competencia que en el largo plazo tiende a organizar
la actividad de manera equilibrada sin crear deseconomías y determina que al considerar
ciertas actividades y campos de influencia, el terreno tiende a configurarse en forma
hexagonal sin dejar espacios considerables en el territorio. Comprueba además que a mayor
rango del mercado, mayor es el tamaño de la ciudad.
En 1935, Palander hizo una aportación a la teoría de Christaller, estableciendo que el límite
entre dos áreas de mercado cualesquiera se daría en el punto donde el precio de venta
fuera igual para los dos productos, de esta manera resulta indiferente para los compradores
acudir a un lugar u otro. Considerando al área de mercado como una línea en la cual los
precios de ambos productos son los mismos.
E. Hoover en 1948, también destacó la importancia de los costes de transporte en la
localización de las empresas. Para definir el área de mercado utilizó el mismo análisis que
Palander, añadiendo la posibilidad de que existan variaciones en las funciones de coste y
sus efectos en el tamaño de las áreas de mercado y en la localización de la empresa. El
resultado de su trabajo muestra que las empresas procuran localizarse cerca de las
industrias de su mismo sector productivo, con el fin de obtener los beneficios de esta
ubicación próxima. Generándose de esta manera una concentración de la actividad
económica que beneficia a las empresas ubicadas en este territorio (Macías, López y Cano,
2011).
Finalmente August Losch en 1954, destacaba al tamaño del área de mercado como el
principal factor para la localización industrial. Utilizando un plano isotrópico2, asumió la
estructura de precios propuesta por Palander y determinó un área de mercado de forma
circular mediante una curva de demanda sobre un eje de coordenadas, donde la abscisa
representaba la distancia al punto de producción y la ordenada el precio. En la siguiente
gráfica se muestra el área de mercado según Losch.
2 En este tipo de espacio el movimiento ocurre en todas direcciones con la misma facilidad y mediante el uso de un solo tipo de transporte.
22
Gráfica 1.3. Área de mercado de Losch. Fuente: Asuad (2009).
Generalmente, se argumenta que el hexágono de Christaller se convierte en la forma ideal
del área de mercado porque agrupa el mayor número de compradores posibles para cada
productor y minimiza las distancias entre el productor y los compradores dispersos por el
área de mercado (Hormigo, 2006).
1.2. Teoría de la interdependencia locacional de Hotelling
La teoría del Mínimo Coste ignora el hecho de que existe interdependencia entre las empresas y que la localización de una afecta a las demás, por tratarse de empresas competidoras. La teoría de la interdependencia locacional desarrollada por Hotelling, es una mejora en este sentido y analiza principalmente las rigideces de la demanda que vienen dadas por los costes de transporte por unidad de distancia en un mercado lineal, a lo largo del cual se distribuyen uniformemente los consumidores (Duch Brown, s.f.)
Según el modelo desarrollado por M. Hotelling en 1929 para un mercado duopolista, las
empresas involucradas situarán sus fábricas cercanas al mercado si la demanda fuera
inelástica y más apartadas si fuese elástica. Se trata de un modelo de ajuste locacional que
considera la toma de decisiones de los empresarios y donde los acuerdos tácticos son
necesarios para la obtención de beneficios, derivada de la fijación de precios. La solución
óptima propuesta se sitúa en el punto medio del área de mercado de cada productor, donde
los costes de trasportes son mínimos para los consumidores y los beneficios son máximos
para el empresario.
23
1.3. Teorías posteriores: Modelos integrados
Conforme la economía avanzaba como ciencia, también lo hacían los modelos de
localización industrial. A partir de la década de los 50´s se desarrollaron otros modelos que
ya no sólo utilizaban un enfoque de demanda, sino que además incluían otros variables
importantes como: las economías de escala, el papel de la toma de decisiones, las variables
económicas, la incidencia de las preferencias individuales, entre otras. A continuación se
presentan estas aportaciones:
Israd en 1956 desarrolló un modelo donde resuelve de manera simultánea la localización
óptima de cada empresa, la combinación óptima de “outputs” a producir y las cantidades de
factores a emplear según el tamaño de la empresa.
Matemáticamente dedujo que el óptimo de sustitución entre dos “inputs” de transporte es
igual a la inversa de la relación entre sus precios, reformulando la teoría de Weber sobre la
localización de las materias primas. Además, transformó el modelo locacional de Losch en
uno más complejo y más cercano a la realidad considerando que: a) la densidad de la
demanda de localización aumentaba en las grandes áreas urbanas y b) las empresas de
mayor área de mercado tenían menor dependencia del centro (Hormigo, 2006).
Otro autor de esta nueva línea de pensamiento es Greenhut, que en 1957 introdujo el papel
de la toma de decisiones y las variables económicas. Sostiene que cada empresa sigue una
estrategia para elegir la localización de su unidad productiva, considerando que factores
como la incertidumbre, la competitividad y la competencia oligopolista en productos iguales
pueden llevar a un óptimo de ventas con un bajo coste. Además, afirma que para empresas
individuales los contactos personales son más importantes que las sustituciones de factores
y que las fuerzas económicas pueden servir para determinar los límites de la localización.
Finalmente, concluye que no existe una localización óptima porque el empresario tiene un
conocimiento imperfecto del funcionamiento del mercado.
Por su parte, D. Smith en 1979 presenta un esquema conceptual en cuyo centro está la
transformación de inputs. El proceso de transformación es esencialmente técnico y varía
según el sistema económico y la tecnología adoptada. En este modelo la producción busca
satisfacer las necesidades y deseos humanos; sin embargo, las empresas pueden crear
necesidades mediante la publicidad, influyendo en el comportamiento de los consumidores.
24
Smith argumentaba que la contribución total de la industria debe evaluarse no sólo
considerando los factores técnicos, económicos y sociales, sino también las utilidades y
desutilidades. Señalaba que la localización industrial es interdependiente de la totalidad del
sistema industrial.
Aunque estas teorías representaron un avance en relación a las clásicas, todavía había
mucho por mejorar. El siguiente grupo de teorías recogen algunos otros aspectos que
habían sido pasados por alto como: las decisiones de los empresarios, factores “externos” al
proceso productivo, las economías de escala, entre otros, ampliando aún más el nivel de
explicación de los modelos desarrollados.
1.4. Nuevas tendencias en localización industrial
Debido a que los modelos clásicos utilizaban esquemas simplificadores y reduccionistas que
no explicaban satisfactoriamente el fenómeno de la localización industrial, la corriente
comportamental trató de ir más allá e introdujo la idea de que la localización no siempre
seguía un patrón de racionalidad. Resaltaba la importancia de diferenciar entre los factores
de localización racionales ligados a los mecanismos de competencia económica y aquellos
factores aleatorios, producto de las decisiones que las empresas toman al azar. A
continuación se hace referencia a estos modelos.
1.4.1. La Teoría del comportamiento empresarial de 1960 destaca los aspectos no
racionales, el comportamiento organizacional, las decisiones subóptimas
asumidas por las direcciones de las empresas, la división del trabajo y la división
espacial de las tareas de concepción, producción y realización. En esta teoría el
objetivo de la localización óptima es la reducción de los costes totales de la
empresa.
La dirección de una corporación funciona de acuerdo a un organigrama jerarquizado que
incide en la localización espacial: las funciones de concepción tienen una localización
central, mientras que las de producción pueden asumir una localización no centrada pero
cercana y sobre un anillo que no va más allá de 200 kilómetros, el cual debe estar
favorecido por los sistemas de transporte rápido. En cuanto al tema de la propiedad del
suelo, las variaciones espaciales de los costos afectan al patrón de localización, dando
preferencia a regiones y zonas de la ciudad con bajo costo (Sobrino, 1999).
25
1.4.2. La Teoría de Sistemas, desarrollada por Aland Pred en 1967 y Robert McNee
en 1974, destaca el poder de crecimiento de las corporaciones, la toma de
decisiones y las relaciones intraorganizacionales y señala que el cambio técnico
es la principal fuerza locacional. Según Sobrino (1999), en esta teoría el sistema
industrial se compone de tres elementos:
a) La estructura, que es el conjunto de objetos físicos (corporaciones, procesos productivos
y ciudades) con sus atributos de comportamiento y sus interrelaciones.
b) El proceso, que señala los movimientos dentro del sistema industrial así como los
cambios en su estructura. Se destacan principalmente tres procesos: el cambio técnico,
la toma de decisiones de la corporación y la transmisión del crecimiento.
c) El entorno, que son los insumos que recibe cada sistema y los cambios en los procesos
de adaptación y alimentación.
Esta teoría argumenta que el sistema corporativista configura de manera determinante la
actividad económica en el territorio. Los varios enlaces que estructuran la economía espacial
explican un patrón de distribución espacial, mientras que el cambio técnico, la toma de
decisiones y la transmisión del crecimiento inciden en los cambios de localización de las
unidades productivas.
1.4.3. La Teoría Marxista en 1977 argumentaba que la localización es un momento en
la circulación del capital industrial, el cual forma parte de la reproducción del
capital y las relaciones sociales. En esta visión el proceso de circulación se
compone de tres momentos: dinero, mercancías y dinero. La localización
industrial se ubica en el segundo momento, cuando el dinero asume la forma de
capital productivo e implica tiempo y espacio. Mientras más rápida sea la rotación
del capital, más rápida será la acumulación (Sobrino, 1999).
Según esta teoría los factores más importantes para la localización industrial son:
Efectos de las crisis macroeconómicas.
Condiciones y respuestas específicas de cada industria.
Restructuración organizacional.
Cambios en los procesos de trabajo.
Oferta de mano de obra.
26
1.5. Modelos de las etapas de localización
Siguiendo la línea de los modelos que incluyen factores relacionados con las características
de los empresarios, aparecen los siguientes basados principalmente en la capacidad que
tienen los mismos para enfrentar uno de los fallos del mercado: la información incompleta e
imperfecta. Tanto la información imperfecta, la difusión y la apropiación de la misma por
parte de cada empresario inciden significativamente en la localización de sus unidades
productivas y añade un componente de subjetividad a este proceso.
En primer lugar Berry en 1979, desarrolló un modelo que incluye factores relacionados con
la actividad económica futura de la empresa: ventas, costos y ganancias y las decisiones
personales de los empresarios. Le da un alto valor al centro del territorio en la difusión de la
tecnología, distinguiendo tres etapas en la decisión de localización:
a) Selección de la zona por potencial de ventas.
b) Selección dentro de esa zona por análisis de costos, fundamentalmente suelo y
transporte.
c) Selección final entre esas alternativas por opción personal del empresario.
Por su parte, Aydalot en 1985 propuso un modelo de localización basado en el papel
determinante desempeñado por los ambientes locales como incubadoras de la innovación
empresarial. Postulaba que el territorio no es en sí el medio importante, sino las
interacciones entre los agentes económicos y los recursos no materiales (información,
investigación, etc.) que posibilitan el desarrollo de habilidades específicas, conocimientos y
reglas (Fernández y Horrillo, 2010).
Según Hormigo (2006), la elección de una localización se hace en dos etapas:
a) Clasificación de las posibles localizaciones considerando factores generalmente
relacionados con las características de los recursos humanos. Se elabora una primera
selección de ciudades que cumplen con estas condiciones.
b) Exclusión de algunas ciudades considerando criterios técnicos (suelo disponible,
infraestructuras) o económicos (proximidad de los proveedores, del mercado, etc.).
Cuando hay algunas localizaciones satisfactorias, la elección final responde a
preferencias personales de los empresarios.
27
1.6. Factores directos e indirectos de localización
Existen factores de diversa índole que influyen en la decisión empresarial de localizar las
unidades productivas en un lugar u otro. Las posibles localizaciones se valoran en función
de las necesidades empresariales, la dotación de recursos para la producción que tiene el
territorio, la existencia de un medio empresarial fuerte, entre otros factores. Generalmente
se clasifican en dos grupos: directos e indirectos. A continuación, se hablara de cada uno de
ellos:
1.6.1. Factores directos: Son aquellos que influyen de manera más inmediata en el
proceso de producción y de localización de las unidades productivas. Según
Hormigo (2006), éstos factores son:
1.6.1.1. Los factores de producción (Materias primas y energía, mano de obra y tecnología): Componentes básicos de la unidad de producción que inciden
en la localización porque la industria se situará en el espacio donde se
pueden minimizar los costes relacionados con estos componentes, con el
objetivo de maximizar los beneficios.
1.6.1.2. El capital y la producción: El capital influye en la localización por su
incidencia en los costes de producción, principalmente el capital financiero
puede favorecer a la acumulación de capital en determinados territorios que
atraería a más industrias. 1.6.1.3. El mercado: Es un factor de localización porque se constituye en un centro
de concentración demográfica y en otros casos porque el hecho de que las
grandes empresas ubiquen sus oficinas de ventas y servicios en estos
lugares, obliga a las empresas industriales a separar sus unidades de
producción respecto a las de distribución. 1.6.1.4. El territorio, soporte y condicionante del emplazamiento: El suelo
constituye el factor de emplazamiento de la industria de acuerdo con dos
variables: cantidad y calidad. En general, las industrias prefieren
localizaciones periféricas que reduzcan al máximo los costos de trasporte y
accesibilidad y que no estén sujetas a disposiciones estrictas relacionadas
con los procesos de ordenamiento territorial.
1.6.2. Factores Indirectos: Son aquellos que aunque no intervienen directamente en el
proceso productivo, generan economías de escala y de aglomeración. Según
Hormigo (2006), éstos son:
28
La existencia de un medio industrial consolidado.
Los contactos interempresariales.
Las amenidades locales.
La fiscalidad local.
La actitud de la población.
1.7. Nueva Geografía Económica
La Nueva Geografía Económica (NGE) reconsidera los modelos espaciales provenientes de
la tradicional teoría locacional, fundamentalmente de los trabajos de Von Thünen, Weber,
Christaller y Lösch añadiendo la relación entre competencia imperfecta y los rendimientos
crecientes. De acuerdo con la NGE propuesta por Krugman en 1992, el comercio, la
especialización, los rendimientos crecientes, las economías de escala y la competencia
imperfecta son mucho más importantes que los rendimientos constantes, la competencia
perfecta y la ventaja comparativa en la explicación del tema de la aglomeración espacial de
las industrias. Aunque no resuelve el problema de la incidencia del azar en la localización
específica de una aglomeración, incorpora la geografía al cuerpo general de la economía,
brindando una mejor explicación del fenómeno de la localización económica (Moncayo, s.f.).
1.8. Evidencia Empírica En el campo de la economía espacial, sobre todo en las últimas décadas, se han realizado
diversas investigaciones que buscan explicar el fenómeno de la actividad económica desde
un enfoque del territorio y las interrelaciones con el mismo. Los siguientes estudios tratan el
problema específico de la localización industrial y contienen algunas metodologías que
servirán como guía para la realización del presente trabajo de investigación.
29
Cuadro 1.1. Trabajos de evidencia empírica de referencia.
País Año Autores Criterio Instrumento Conclusión
España
2004 Sánchez Simón. Autocorrelación espacial.
Índice de Moran, Geary y Local Moran I.
Presencia de clústers industriales.
2004 Albert José,
Mateu Jorge, Orts Vicente.
Patrones de puntos y el índice de tamaño de agrupamiento.
El “Método Normal y el ajuste de una función auto-Poisson.
En el periodo 1980-2000 se produjo un aumento de la concentración en la distribución espacial de la actividad económica interregional en Europa.
2008 Sala Mercé. Concentración absoluta y relativa.
La estimación de dos modelos de regresión múltiple.
La localización de la industria se explica en gran medida por las variables sugeridas por las teorías del comercio.
2010 García Miguel,
Muñiz Iván. Densidad bruta del empleo.
La estimación de un modelo econométrico, según el Método MCO.
El empleo crece con mayor intensidad cerca del municipio central.
México 2010 Pérez Francisco.
El desarrollo industrial en el crecimiento regional.
Los índices de localización, exportación, especialización y concentración de Gini (empleo). Además el método Shift-share.
Se comprueba que la mayoría de los subsectores de la industria manufacturera de Zacatecas presenta un crecimiento mucho menor al promedio nacional.
Elaboración: Propia.
Los documentos que constan en el cuadro 1.1 presentan algunas metodologías para el
tratamiento del tema de la concentración industrial similares a las planteadas en este
trabajo: la estimación de modelos econométricos bajo métodos nuevos y tradicionales y el
cálculo de índices espaciales que dan una idea aproximada de la importancia económica de
un determinado sector, como los de: especialización, diversificación y concentración.
Para el caso de España, los cinco estudios revisados presentan como característica común
la modelización econométrica -excepto en Albert, Mateu y Orts (2004)-. En Sánchez (2004),
bajo el enfoque de autocorrelación espacial entre los municipios estudiados, se calculan los
estadísticos globales: Coeficiente I de Moran y el Coeficiente e de Geary y el estadístico
local: Local Moran I para determinar la contribución tanto global como individual de los
municipios estudiados a la aparición de clústers industriales en el período 1981-1995 en las
provincias de Madrid, Toledo y Guadalajara. Se concluye que existen focos de alta natalidad
industrial en el límite externo de la provincia de Madrid, en Guadalajara capital y en algunos
municipios toledanos.
Por su parte en Sala (2008), se utiliza la estimación de dos modelos de regresión con el
objetivo de determinar la concentración absoluta y relativa de la industria española en los
años 1995 y 2003. En estos modelos las variables dependientes son índices que miden el
empleo sectorial, a saber: el índice de concentración absoluta de Herfindahl y el índice de
concentración relativa de Hoover-Balassa. Como variables independientes se incluyen: la
intensidad de mano de obra, la intensidad en la utilización del capital humano, la ventaja
30
comparativa tecnológica, el número de empresas, las externalidades intrasectoriales e
intersectoriales, un índice de disponibilidad de la demanda sectorial, la intensidad de bienes
intermedios, la migración interior, el ciclo de vida de las empresas y la proporción de
empresas con capital extranjero en relación con el total. Como conclusión principal se tiene
que la localización industrial en España se explica en gran medida por las variables
sugeridas por las principales teorías del comercio y la Nueva Geografía Económica.
Por otro lado, en García y Muñiz (2010) se utiliza un modelo econométrico en el cual la
variable dependiente es el crecimiento de la densidad bruta del empleo de un determinado
sector económico en cada uno de los municipios estudiados, respecto del crecimiento de la
densidad bruta del empleo del mismo sector en el conjunto de la Región Metropolitana de
Barcelona. Las variables independientes utilizadas se agrupan en tres categorías: a)
proximidad al centro y subcentros, b) accesibilidad a la red viaria y c) composición sectorial y
efectos de congestión. Se determina que en la Región Metropolitana de Barcelona en el
período 1986-1996 el empleo crece con mayor intensidad cerca del municipio central y si se
toma en cuenta las interacciones con los municipios vecinos la densidad municipal del
empleo industrial crece más en entornos supramunicipales, con una escala total de
producción importante y con un alto nivel de especialización.
Para determinar el patrón locacional de la actividad industrial regional en la Unión Europea
en el período 1980-2000, en Albert, Mateu y Orts (2004), se utiliza el valor del PIB y la
localización espacial de algunas regiones y se construyen los patrones de puntos por medio
del método denominado “método normal”. Además, se calcula el Índice del Tamaño del
Agrupamiento (ICS) y el ajuste de una función de distribución auto-Poisson para analizar la
evolución de la distribución espacial de la actividad económica en seis países de la Unión
Europea. Se evidenció que en Alemania, Bélgica y Luxemburgo existió un aumento de la
concentración industrial en la década de los 80´s, a diferencia de Holanda, Francia y
España, el nivel de la concentración se mantuvo relativamente estable en el período
analizado.
Para el caso de México, en Benita (2010) -en base al VAB regional- se calculan los índices
de localización, exportación, especialización y concentración de Gini (empleo) para
establecer en qué sectores de la economía del Estado de Zacatecas existen altos niveles de
concentración económica. Además, se utiliza el método Shift-share como una técnica de
análisis económico regional para examinar las desviaciones del VAB en una región y un
sector específico frente a su crecimiento esperado. Como resultado se obtuvo que los
sectores encargados de producir bienes de capital concentran altos niveles de ocupación en
31
pocas entidades y que las empresas que mayor concentración de empleo presentan son la
de elaboración de cerveza y calzado.
Los estudios citados contienen diversos enfoques para estudiar el tema de la localización
industrial. Sin embargo, se consideran como más relevantes para la presente investigación
los de: Esteban, Hernández, y Lanaspa (2001); Parnreiter (2003) y Sánchez (2004) debido
a que presentan una mayor pertinencia con el tema de investigación, en cuanto a la
metodología y al objetivo que se persigue. La utilización de la producción, el valor agregado
de la industria, el empleo y la migración como variables relevantes y la modelización
econométrica e índices espaciales en la determinación de la concentración de la industria y
sus consecuencias en el crecimiento económico, generó dicho interés.
Consideraciones Finales
Los aportes teóricos presentados en este primer capítulo dan cuenta de la importancia que
ha cobrado, en las últimas décadas, la explicación del fenómeno de la localización industrial
en la Ciencia Económica El estudio de la actividad económica, desde el punto de vista del
espacio, permite conocer con mayor detalle los procesos de crecimiento y desarrollo
económicos particulares de cada territorio.
Las teorías de localización que tuvieron como punto de partida la reducción de los costos de
transporte, hoy en día engloban un conjunto mucho más amplio de factores como: la
especialización, las economías de escala, los rendimientos crecientes, las decisiones
empresariales, las economías de urbanización y aglomeración, entre otros, los cuales
explican con mayor precisión los procesos de localización, aglomeración, concentración y
diversificación presentados en las economías a lo largo de la historia. La determinación y
entendimiento de los principales factores de localización en el caso de la industria se torna
importante, en el sentido de que el potenciamiento de los más relevantes permitiría el
desarrollo industrial en muchos territorios con actividad predominantemente primaria y que
cuentan con las condiciones idóneas para la consecución del mismo.
Las teorías y estudios empíricos presentados en este epígrafe justifican la pertinencia del
presente trabajo de investigación. En el siguiente capítulo se hará referencia a la realidad de
la localización industrial del Ecuador en el período 2001-2010, a través de un análisis
exploratorio de las principales variables que han incidido en esta realidad y las
consecuencias en el crecimiento económico de las provincias.
32
CAPÍTULO 2. BREVES RASGOS DE LA ECONOMÍA ECUATORIANA, DESDE UNA VISIÓN DE LA LOCALIZACIÓN INDUSTRIAL
33
La localización industrial es un fenómeno económico que responde a una gama de factores
propios de cada territorio, sin embargo, existe un conjunto de características “mínimas”
generales que favorecen la localización de industrias en el espacio. De ahí la importancia de
indagar cuáles son estos factores en el caso ecuatoriano y cuál ha sido su incidencia en la
configuración espacial de la actividad económica y en el crecimiento económico de las
provincias en las última década.
De tal manera, en el presente capítulo se analiza el proceso histórico de localización
industrial en Ecuador con la finalidad de determinar cómo ha sido el mismo a nivel provincial
y su efecto en el territorio. En la primera sección se hará una revisión sucinta de los hechos
históricos que configuraron el actual comportamiento de la industria ecuatoriana y en la
segunda se revisarán algunas variables del período de interés: 2001-2010, como: el Valor
Agregado Bruto (VAB) nacional y provincial, y algunas variables relacionadas con la
actividad de la rama industrial en el año 2010.
2.1. Generalidades de la economía ecuatoriana: una revisión histórica En los siguientes párrafos se presentan algunos datos históricos que permitirán determinar
el porqué de la actual realidad productiva en Ecuador, enfocándose principalmente en los
modelos productivos desarrollados y en los procesos de localización de la mano de obra.
Existen algunas versiones sobre los procesos económicos históricos por los que ha
atravesado el Ecuador, sin embargo, la mayoría coinciden en seis3 fases importantes: la
etapa post-colonial, la etapa primaria exportadora, la etapa de la industrialización por
sustitución de importaciones, la etapa del “boom petrolero”, la etapa de la “reprimarización
moderna de la economía” y finalmente la etapa post-dolarización.
3 A partir del año 2007, el Gobierno ecuatoriano propugna por un cambio en la matriz productiva hacia un modelo basado en la fabricación y exportación de productos y servicios con alto valor agregado en innovación y conocimiento (sobre todo bioconocimiento), pero todavía es un proceso en construcción sin resultados claros.
34
Cuadro 2.1. Procesos económicos históricos en Ecuador.
Etapa histórica Proceso Efectos
Post-colonialismo (1830-1865)
Desarrollo del modelo “hacendatario”. Practicas productivas, todavía con rasgos coloniales.
Constitución de polos de desarrollo: Quito, Guayaquil y Cuenca. Incipiente desarrollo de la industria (principalmente textil).
Agro-exportadora (1866-1965)
Explotación significativa de recursos naturales: cacao y banano principalmente.
La producción de exportación se concentró en las grandes y pequeñas plantaciones de las Costa. Mejoramiento de la red vial y portuaria.
Sustitución de importaciones (1961-1971)
Promoción selectiva de productos de exportación. Apoyo insuficiente a la industria nacional (incentivos fiscales y aduaneros).
Desarrollo de industrias con poco valor agregado. Escasa dinamización del mercado interno.
Boom petrolero (1972-1988)
Inicio de la explotación y explotación de petróleo en la Región Amazónica. Fuerte presencia militar en la política.
Aumento considerable del gasto público. Incremento de la IED. Aumento de la deuda externa. Poca diversificación productiva.
Reprimarización moderna (1989-1999)
Consolidación del papel de proveedor de materias primas. Aplicación de políticas del Consenso de Washington.
Mínimo crecimiento económico. Detrimento de las condiciones de vida de los habitantes.
Post-dolarización (2000-2010)
Nuevo sistema monetario (estabilidad cambiaria). Imposibilidad de emisión para financiar déficits.
Incremento sustancial de las exportaciones (petróleo). Nuevo incremento de la IED. Estabilidad del sistema financiero. Crecimiento de los sectores de comercio y servicios.
Elaboración: Propia.
Post-colonialismo: El declive de la economía colonial sustentada en la exportación
de metales preciosos y los procesos independentistas dejaron a los grandes terratenientes
serranos y a los latifundistas costeños de la época como los principales agentes de la
economía, los cuales a través del sistema “hacendatario” absorbieron la mano de obra
indígena liberada de los obrajes4.
La economía de la época se caracterizaba por un Estado sumamente débil, por una fuerte
presencia del militarismo y por la confrontación por las tierras y la mano de obra indígena
entre los grupos económicos antes mencionados. Desde que Ecuador se consolidó como
República, las desigualdades económicas regionales siempre estuvieron presentes,
constituyéndose inicialmente tres polos políticos y económicos: la Sierra centro-norte, cuyo
núcleo principal era Quito y que basaba su economía en el régimen hacendatario, la Costa
cuya actividad económica giraba principalmente en torno a Guayaquil que explotó el
latifundio vinculado al comercio exterior de cacao y la Sierra sur, dominada por Cuenca que
potenció la pequeña agricultura y la artesanía. Cabe resaltar que la relación comercial
interna era mínima, incluso los vínculos comerciales con el Perú eran más significativos.
4 Prestación obligada de trabajo indígena en las manufacturas, principalmente de fabricación de tejidos y artesanías en la época de la Colonia.
35
Consolidación del modelo agro-exportador: Aunque el modelo agro-exportador ya
tuvo sus primeras apariciones en los inicios de la República, se consolidó de manera
definitiva a partir de 1866 cuando el cacao se convirtió en el mayor producto ecuatoriano de
exportación, gracias al incremento de la renta de amplios sectores de la población británica
y norteamericana que demandaban en gran medida este producto como insumo para sus
florecientes industrias. Sin embargo, este auge económico no produjo eslabonamientos
productivos en el mercado interno que permitieran una diversificación productiva, al
contrario, la alta rentabilidad de la producción cacaotera desincentivó al incremento de la
productividad a nivel nacional.
El incremento de la renta de los propietarios de las grandes haciendas cacaoteras no incidió
en el aumento de los ingresos fiscales de los gobiernos de la época, únicamente incentivó la
importación de bienes suntuarios, la salida de capitales y la ampliación de la brecha entre
las clases sociales existentes. Además, el incipiente nivel de inversión privada se destinaba
casi completamente a la producción cacaotera, lo cual no implicaba mayores beneficios a
los procesos de innovación que urgentemente se requerían. El incremento de la riqueza de
los banqueros costeños vinculados a las actividades de comercio exterior fue una de las
principales causas por la cuales los gobiernos de la época aumentaron significativamente
sus niveles de endeudamiento interno.
Pero esta abundancia económica terminó en 1914 cuando se inició la Segunda Guerra
Mundial y se cerró el puerto de Hamburgo, lugar por donde ingresaba la mayor parte del
cacao exportado a Europa. Por otro lado, a nivel nacional se tomaron algunas medidas
proteccionistas que únicamente favorecieron a las manufacturas textiles de la Sierra. Ni
siquiera la aparición del ferrocarril en 1908 que mejoró significativamente el transporte de
personas y de carga entre la Costa y la Sierra pudo revertir el período de crisis que se inició
en 1914 y que se extendió hasta 1926, año en el cual se crearon5 un conjunto de
instituciones públicas que ayudaron al Estado a regular la actividad económica entre las
cuales constaba el Banco Central, al cual se le otorgó el monopolio de la emisión monetaria
que anteriormente la realizaban los bancos privados, entre los que destacaba el Banco
Comercial y Agrícola.
Luego del auge cacaotero, el banano se convirtió en el producto de exportación que volvió al
Ecuador a una senda de crecimiento económico en la década de los 50’s. La producción de
esta fruta difería de la de cacao principalmente porque se realizaba en pequeñas y
5 Por recomendación de la misión económica Kemmerer, que consistió en una serie de propuestas de remodelación de los sistemas monetarios, bancarios y fiscales para algunos países latinoamericanos elaboradas por Edwin Kemmerer.
36
medianas fincas y porque en su producción se utilizaba un mayor componente tecnológico,
en comparación con la producción agrícola de décadas anteriores.
El incremento de sus exportaciones se vio favorecido por la reducción de la producción de
las plantaciones de Centroamérica que fueron afectadas por el “mal de Panamá” y la
sigatoka. Además, la cada vez mayor participación de la producción del banano en el
agregado nacional obligó al presidente Galo Plaza en 1948 al establecimiento de políticas
en favor del mejoramiento de la productividad del sector, como: la construcción de
infraestructura, el otorgamiento de abono y de asesoramiento técnico.
Según Acosta (2006), el “boom” bananero tuvo una incidencia significativa en la economía
ecuatoriana, en comparación con el auge cacaotero, principalmente porque permitió: el
mejoramiento notable de la red vial y portuaria (en este período se construyeron los puertos
de Manta, Esmeraldas, Manabí y el nuevo puerto de Guayaquil), la importación e
implementación de un considerable componente tecnológico destinado a la producción
agrícola, la intervención del Estado en el funcionamiento de la economía, el aseguramiento
de la entrada de Inversión Extranjera Directa, una ligera diversificación productiva a nivel
nacional y la renegociación de la deuda6. Sin embargo, esta bonanza comenzó a declinar a
partir de 1964 cuando los términos de intercambio de la fruta comenzaron a bajar
drásticamente, la sigatoka redujo la producción y las empresas trasnacionales
comercializadoras empezaron a volver a Centroamérica.
Del auge agro-exportador a la sustitución de importaciones: Después de la
fuerte reducción que tuvieron las exportaciones del banano y el incipiente crecimiento
económico, el Ecuador adopta en la década de los 60s, al igual que la mayoría de países
latinoamericanos, la denominada “industrialización por sustitución de importaciones” que se
trataba básicamente de un modelo en el cual la prioridad era el desarrollo de las industriales
locales a través de medidas proteccionistas, incentivos fiscales y la promoción selectiva de
productos de exportación. Según Larrea (2006), entre 1972 y 1982, la industria se convirtió
en el sector más dinámico con un crecimiento anual de 9.1%; sin embargo, las nuevas
políticas no lograron los resultados sostenibles en el largo plazo gracias a su carácter
altamente intensivo en insumos importados y a su baja tecnología capital-intensiva.
Por otro lado, la aplicación de este modelo productivo no dinamizó el mercado interno,
debido a se crearon pocas industrias relevantes (con un mínimo valor agregado), en
6 Contraída principalmente con el Eximbak y el gobierno de los Estados Unidos en décadas anteriores.
37
especial en los sectores de servicios de telefonía y electricidad. En este período no se
garantizó el ingreso de la Inversión Extranjera Directa necesaria para el mejoramiento de la
infraestructura productiva. Y pese a los esfuerzos realizados para alcanzar una
diversificación productiva, la economía seguía dependiendo de la explotación de productos
primarios (las manufacturas todavía utilizaban de manera intensiva productos como la
madera, el tabaco, los alimentos, etc.). Cabe señalar que la industria de Guayaquil fue la
que más se fortaleció en este período de poco crecimiento.
Ni la adhesión de Ecuador al Pacto Andino (que a partir de 1979 se denominó Comunidad
Andina de Naciones), con el objetivo de una aplicación regional más efectiva de las políticas
pro-industrialización cambió los resultados de este nuevo modelo productivo, al contrario, los
altos pagos de la deuda externa, la caída de las exportaciones y la aplicación de políticas
sugeridas por los organismos financieros internacionales acabaron generando un nuevo
período de crisis, hasta la aparición del denominado “boom petrolero”.
La dependencia económica de la explotación petrolera: En la década de los 70’s,
el Ecuador se inserta definitivamente en el contexto económico internacional gracias a su
principal producto de exportación hasta la fecha: el petróleo. Este recurso no renovable
comenzó a explotarse con mayor intensidad a partir de 1972 en la Amazonía ecuatoriana,
gracias a la creciente demanda de los países industrializados y al bloqueo impuesto por los
países árabes a sus exportaciones petroleras. Los ingresos petroleros permitieron a los
gobiernos de turno, y en especial a los militares, contar con un nivel de recursos que
generaron un aumento significativo del nivel del gasto público.
El Ecuador se volvió un territorio muy atractivo para las inversiones extranjeras, de hecho
entre 1970 y 1976 el nivel de las inversiones destinadas a la actividad petrolera superó el
nivel de endeudamiento del país hasta ese entonces. El alto volumen de recursos
financieros internacionales que no tenían cabida en las naciones desarrolladas debido a la
fase económica recesiva por la que atravesaban, llegó masivamente en forma de onerosos
créditos al país por la alta rentabilidad petrolera aumentando el monto de la deuda externa,
que entre 1971 y 1981 pasó a representar del 16% al 42% del PIB y cuyo servicio en ese
mismo período pasó de 15 a 71 dólares por cada 100 dólares.
Los cambios introducidos por el “boom petrolero” en la economía ecuatoriana tampoco
dinamizaron el sector productivo porque no permitieron un mejoramiento de las relaciones
productivas entre los diversos sectores económicos, dependiendo una vez más de la
explotación de un recurso primario y de las variaciones de los precios en los mercados
38
internacionales. Una cuestión interesante a tomar en cuenta es que a pesar de que el
petróleo era el producto con mayor nivel de exportaciones, el resto de productos primarios
históricamente relacionados con el comercio exterior también vieron aumentar sus
exportaciones en este período, a saber: el banano, el cacao y el café (tabla 2.1), e incluso
los bienes manufacturados (con un nivel tecnológico incipiente). Pero como sucede hasta
hoy, sus participaciones en comparación con la del recurso no renovable eran todavía
mínimas. Aunque el petróleo nunca ha dejado de ser el mayor soporte de la economía
ecuatoriana, el denominado “boom petrolero” como período histórico comenzó su declive
cuando en 1986 el precio del barril bajó de 34,4 a 9 dólares y el mundo en crisis comenzó a
realizar esfuerzos por cambiar la matriz energética.
Tabla 2.1. Exportaciones de productos agrícolas, miles de dólares FOB.
Período Banano y plátano Café y elaborados Cacao y elaborados 1971-1980 1354686 1322610 611647
1981-1990 2493668 1859185 1301721
1991-2000 8681681 1476619 1031891
2001-2006 6256148 432025 886757
Fuente: Elaboración propia, en base a datos de la Publicación: “80 años de información estadística”
del BCE.
La crisis de los 90’s: En el marco de una crisis económica y democrática y el
cumplimiento de las medidas de política económica recomendadas por el Consenso de
Washington (1989) entre las que destacaban principalmente: la austeridad fiscal, la
restructuración del gasto público, la privatización de las empresas públicas, la liberalización
comercial y la desregulación financiera, el Ecuador entró en la modalidad productiva
denominada “reprimarización moderna” que esencialmente consistió en el fortalecimiento de
la característica de proveedor de materias primas más “baratas” hacia las economías
desarrolladas, en el contexto del proceso de globalización económica que tomaba fuerza a
partir de esa década.
Las políticas de estabilización y de ajuste estructural promovieron la liberalización del tipo de
cambio y la flexibilización del mercado laboral sirvió para enfrentar los desequilibrios
externos y mejorar la competitividad de las exportaciones nacionales. Estas políticas
provocaron un aumento significativo de las exportaciones de productos primarios
tradicionales y no tradicionales. Pero la industria en este período no recibió mayor apoyo por
parte de las autoridades, destacándose de nuevo la manufactura intensiva en materias
primas como la de productos alimenticios, de metal y de madera.
39
Y si a lo anterior se le añade el hecho de que la austeridad fiscal, la desestabilidad política y
social, el fenómeno del Niño de 1998 y la crisis financiera y cambiaria de 1999 generaron un
empeoramiento significativo de la calidad de vida de los ecuatorianos, es evidente que
factores como la reducción del poder adquisitivo de los salarios, la flexibilización del
mercado laboral, las altas tasas impositivas, las privatizaciones, la baja productividad y los
altos niveles de inflación, configuraron una década de crisis económica con mínimo
crecimiento económico, sobre todo del sector industrial.
Post-dolarización: La situación cambió sustancialmente, después de la dolarización,
debido a que el nuevo sistema cambiario trajo consigo cierta disciplina fiscal, el incremento
del nivel de las exportaciones y de la Inversión Extranjera Directa, la reducción sustancial de
la inflación y de manera indirecta la estabilidad del sistema financiero. Sin embargo, la
mayor parte de la recuperación económica presentada en esta década se debió a otros
factores como el incremento de la producción petrolera por la construcción del Oleoducto de
Crudos Pesados (OCP) en el 2003, los altos precios del barril de petróleo, el ingreso masivo
de remesas económicas por parte de los emigrantes hasta mediados de la década, el
incremento del nivel de crédito interno y el aumento del gasto público. Los incentivos fiscales
y aduaneros no fueron suficientes para mejorar la situación de la industria ecuatoriana, su
aportación al PIB no rebasó el 10% en casi todo el período (BCE, 2007).
Cabe señalar que a partir del año 2007 se han hecho algunos esfuerzos por cambiar la
matriz productiva del país, que de alguna manera han mejorado las relaciones productivas
entre los diversos sectores de la economía, pero no han sido suficientes para revertir la
excesiva dependencia de la explotación y exportación de los recursos primarios, en especial
del petróleo, y la poca generación de valor agregado en la industria. A propósito de este
último objetivo, el establecimiento de un conjunto de medidas de política industrial es el
primer paso que ha dado el actual régimen para mejorar la productividad del sector, sin
embargo, los resultados todavía no son predecibles. A continuación se revisa con mayor
detalle el comportamiento de la actividad industrial ecuatoriana en la década pasada.
2.2. Economía ecuatoriana en el período 2001-2007
La economía ecuatoriana en la última década se caracterizó por una notable dependencia
de la explotación de productos primarios sobre todo de petróleo, por un alto nivel de
informalidad y un relativo crecimiento de la actividad industrial (debido principalmente al
crecimiento de sectores industriales con poco valor agregado y con una gran dependencia
40
de productos primarios como: madera, metal, cuero, etc.). Este carácter primario de la
economía se confirma si se revisa por ejemplo, información del Banco Central sobre las
ramas de actividad en el año 2007. La gráfica 2.1 muestra la participación de las principales
ramas de actividad en el Valor Agregado Bruto del año 2007, destacando la actividad de las
ramas de: comercio al por mayor y al por menor; explotación de minas y canteras; industrias
manufactureras y transporte, almacenamiento y comunicaciones.
Gráfica 2.1. Participación (%) de las principales ramas de actividad de Ecuador 2007. Fuente: Elaboración propia, en base a datos de las Cuentas Provinciales 2001-2007 del Banco Central.
Por otro lado, analizando la actividad económica a nivel provincial, se puede evidenciar
fácilmente que en Ecuador existen cuatro provincias que concentran la mayor parte de la
actividad económica: Pichincha, Guayas, Azuay y Manabí, que por ejemplo, según el Banco
Central en el año 2007 representaron conjuntamente el 65,5% del PIB. Ya sea por factores
históricos (analizados en la sección 2.1.1), por su dotación de recursos naturales, por sus
infraestructuras viales, portuarias y aeroportuarias, por su capital humano, el crecimiento
económico y la actividad industrial pesada se han concentrado en estos territorios. A
continuación se presenta con mayor detalle la evolución del crecimiento económico
presentado por Ecuador y sus provincias en el período 1993-20077.
2.2.1. Valor Agregado Bruto Provincial (VAB) Al no contar con datos del PIB provincial, se utilizará el Valor Agregado Bruto de las Cuentas
Provinciales del Banco Central para analizar el crecimiento económico de dichos territorios.
7 Se considera este período, en vista de que en las Cuentas Provinciales del Banco Central sólo existe información de la producción provincial de dichos años.
10.15
22.62
16.019.66
16.80
12.37
12.39
Agricultura, ganadería, caza ysilvicultura
Explotación de minas ycanteras
Industrias manufactureras
Construcción
Comercio al por mayor y al pormenor
Transporte, almacenamiento ycomunicaciones
Resto de ramas
41
Pero antes de esto, con la finalidad de contextualizar el tema, se analiza el comportamiento
de la variable a nivel nacional en el período 1993-2007 (gráfica 2.2).
Gráfica 2.2. Tasa de crecimiento anual del Valor Agregado Bruto Nacional (no Petrolero). Fuente: Elaboración propia, en base a datos de las Cuentas Provinciales 1993-2007 del BCE.
Analizando la gráfica 2.2, se puede observar que la tendencia del crecimiento de la
producción agregada (considerando únicamente el VAB) es bastante irregular en el período
analizado. Entre 1992 y 1996 el Ecuador mantuvo cierta estabilidad política y económica,
hubo un crecimiento de las exportaciones sobre todo las petroleras, y se iniciaron procesos
de privatización y modernización del Estado que permitieron obtener tasas de crecimiento
superiores al 3%. Pero a partir de 1996 el país entra en una grave crisis democrática y
económica. Los reiterados cambios de Presidente, los escándalos de corrupción, las
constantes devaluaciones de la moneda, las fallidas renegociaciones de la deuda externa,
los estragos en la producción agrícola del Fenómeno del Niño en 1998 y la grave crisis
financiera y cambiaria de 1999 fueron los principales hechos que configuraron uno de los
períodos más funestos de la historia del Ecuador. Esto explica porque la tasa de crecimiento
fue negativa en el período 1997-1999.
Pero a partir del año 2000 la producción en Ecuador presentó un crecimiento considerable
después de la desaceleración experimentada en la década de los 90s. Entre el 2000 y el
2002, el nuevo sistema cambiario permitió el incremento de las exportaciones y de la
Inversión Extranjera Directa (IED), la tasa de crecimiento económico en estos años estuvo
entre el 4 y el 5%. En los años 2003 y 2004 el efecto de las políticas fiscales contractivas
bajó la tasa de crecimiento a 3.29 y 3.58 % respectivamente. Finalmente entre 2005 y 2007
la tasa de crecimiento de la producción agregada presenta sus mayores niveles, sobre todo
en el 2005 (6.98%), debido básicamente al aumento del consumo final de los hogares y de
la IED y al alto precio del barril de petróleo: 41.01 dólares (BCE, 2006). Luego de este año,
-2
0
2
4
6
8
1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
42
la producción nacional presentó una tendencia a la baja, registrándose en el 2007 un
crecimiento aproximado de apenas 4.23%.
.
En cuanto a la producción a nivel provincial se analiza las tasas de crecimiento del VAB en
los períodos 1993-1999 y 2001-2007. Entre 1993 y 1999 las provincias presentaron tasas de
crecimiento bastante dispares, por ejemplo, Cotopaxi mostró un crecimiento positivo de
8.78%, al contrario de El Oro y Pichincha que mostraron crecimientos negativos de -0.35% y
-0.28% respectivamente. Cotopaxi, Sucumbíos, Galápagos y Los Ríos, fueron las provincias
con mayores niveles de crecimiento, todos superiores al 4%.
Entre 2001 y 2007 la producción tuvo un mayor crecimiento gracias al incremento de las
exportaciones petroleras, las remesas de los migrantes y a la estabilidad económica
resultado de la dolarización vigente desde el año 2000. El crecimiento a nivel provincial en
este período presentó un comportamiento algo más regular con tasas que variaban entre el
3 y el 8%. Las provincias con mayor crecimiento fueron: Manabí, El Oro y Orellana, con
tasas de crecimiento superiores al 6%.
Gráfica 2.3. Tasa de crecimiento del VAB Provincial (no Petrolero). Fuente: Elaboración propia, en base a datos de las Cuentas Provinciales 1993-2007 del BCE.
2.3. Actividad económica industrial. Censo Económico 2010
Con la finalidad de analizar con mayor profundidad la actividad de la industria manufacturera
en esta parte final del capítulo se analiza la información pertinente del Censo Económico del
2010. La gráfica 2.4 muestra, por ejemplo, que considerando el dato del número de
establecimientos, a nivel nacional la participación de la industria manufacturera es mucho
menor que la del comercio al por mayor y al por menor.
-10123456789
10
Azu
ay
Bol
ívar
Cañ
ar
Car
chi
Cot
opax
i
Chi
mbo
razo
El O
ro
Esm
eral
das
Gua
yas
Imba
bura
Loja
Los
Rio
s
Man
abi
Mor
ona
S.
Nap
o
Past
aza
Pic
hinc
ha
Tung
urah
ua
Zam
ora
Ch.
Gal
apag
os
Suc
umbi
os
Ore
llana
1993-1999 2001-2007
43
Gráfica 2.4. Participación (%) de las principales ramas de actividad 2010 (# de
establecimientos). Fuente: Elaboración propia, en base a datos del Censo Económico del 2010 del INEC.
La información de la gráfica anterior, es considerablemente diferente a la presentada en la
2.1, en vista de que en este caso se está analizando el número de establecimientos8 y no el
valor de la producción de cada rama de actividad; sin embargo, nos da una idea sobre la
importancia que tiene la actividad industrial en dicho año, coincidiendo con lo sucedido en
años anteriores. A continuación, se presenta mayor información de la rama industrial.
2.3.1. Número de establecimientos (Participación)
Para determinar la estructura económica de una región, es necesario establecer las
actividades económicas líderes del territorio y su distribución en el mismo, así como la
relación subyacente. En el presente trabajo el primer paso para determinar la importancia de
la rama de la industria manufacturera, es precisamente analizar la participación de dicha
rama en las economías provinciales.
8 El Censo Económico no incluye datos sobre el valor de la producción de los establecimientos y el número de establecimientos es una de las pocas variables relevantes que no se presenta en rangos.
0.20 0.03
9.570.31
53.93
1.05
34.92
Agricultura, ganadería, silviculturay pesca.
Explotación de minas y canteras.
Industrias manufactureras.
Construcción.
Comercio al por mayor y al pormenor; reparación de vehículosautomotores y motocicletas. Transporte y almacenamiento.
Resto de ramas
44
Gráfica 2.5. Industrias manufactureras (% del total de establecimientos). Fuente: Elaboración propia, en base a datos del Censo Económico del 2010 del INEC.
Como lo señala la gráfica 2.5, la industria manufacturera se encuentra mayoritariamente
localizada en las provincias de Guayas y Pichincha. Del total de establecimientos de esta
rama el 48% se ubican en estas dos provincias. Le siguen Azuay con una participación del
10.22%, Tungurahua con un 5.80% y Manabí con un 5.61%. El resto de provincias
presentan participaciones menores al 5%. Estos resultados muestran en cierta manera las
ventajas9 de localización que presentan dichas provincias para la actividad industrial.
2.3.2. Estratos de Personal Ocupado El empleo es una de las variables a analizar a la hora de establecer el aporte de una rama
de actividad específica a la economía de una región. Para indagar sobre la realidad del
empleo por ramas de actividad se utilizaran los datos sobre el personal ocupado. Los
sectores con mayor participación se muestran a continuación.
Tabla 2.2. Participación (%) Estratos de personal ocupado por ramas de actividad 2010.
Ramas de actividad Estratos de personal ocupado
1 - 9 10 - 49 50 - 99 100 - 199 200 - 499 500 y mas Agricultura, ganadería, silvicultura y pesca. 0.15 0.91 1.80 3.26 2.33 6.82 Explotación de minas y canteras. 0.01 0.24 0.85 0.47 1.71 1.89 Industrias manufactureras. 9.52 10.40 12.73 14.99 20.53 13.26 Construcción. 0.25 1.38 1.95 1.68 2.80 3.03 Comercio al por mayor y al por menor; reparación de vehículos automotores y motocicletas.
55.61 22.75 15.19 13.13 11.20 10.61
Transporte y almacenamiento. 0.89 3.67 4.42 3.91 3.89 2.27 Fuente: Elaboración propia, en base a datos del Censo Económico del 2010 del INEC.
9 Los principales factores de localización se analizan con mayor profundidad en el capítulo 3.
10.22
20.95
5.61
27.44
5.80 Azuay Bolivar
Cañar Carchi
Cotopaxi Chimborazo
El Oro Esmeraldas
Guayas Imbabura
Loja Los Rios
Manabi Morona S.
Napo Pastaza
Pichincha Tungurahua
Zamora Ch. Galapagos
Sucumbios Orellana
45
Aunque el Censo Económico no presenta el dato bruto del número de empleados por ramas
de actividad, la información de los estratos de personal ocupado por rama indica, como era
de esperarse, que las ramas que ocupan la mayor parte del empleo en el año 2010 son la
de comercio al por mayor y al por menor y la de industria manufactureras.
2.3.3. Ingresos por ventas o prestación de servicios Si se revisa la información correspondiente a los ingresos por ventas se tiene la misma
realidad presentada en la tabla 2.2: la mayoritaria participación de los establecimientos de
las ramas de comercio al por mayor y al por menor y de las industrias manufactureras en
todos los estratos de ingresos por ventas (tabla 2.3). Incluso en este caso la participación
del comercio es mayor al 50%, señalando el crecimiento que ha tenido este tipo de actividad
en los últimos años.
Tabla 2.3. Participación (%) Estratos de ingresos por ventas por ramas de actividad 2010.
Ramas de Actividad
Estratos de ingresos por ventas
De $1 a $9999
De $10000
a $29999
De $30000
a $49999
De $50000
a $69999
De $70000
a $89999
De $90000
a $199999
De $200000 a $399999
Más de $400000
Agricultura, ganadería, silvicultura y pesca.
0.15 0.10 0.11 0.19 0.23 0.38 0.72 1.35
Explotación de minas y canteras.
0.00 0.01 0.02 0.04 0.08 0.09 0.15 0.48
Industrias manufactureras. 8.49 10.68 11.90 11.25 11.84 10.70 9.34 11.14 Construcción. 0.18 0.20 0.28 0.35 0.48 0.78 1.25 2.21 Comercio al por mayor y al por menor; reparación de vehículos automotores y motocicletas.
55.53 53.39 55.03 56.92 57.11 57.09 55.88 50.87
Transporte y almacenamiento.
0.78 0.94 0.94 1.34 1.40 1.70 2.28 3.22
Fuente: Elaboración propia, en base a datos del Censo Económico del 2010 del INEC.
2.3.4. Gasto en capacitación de personal y en Investigación + Desarrollo La inversión destinada al potenciamiento de las cualificaciones de la mano de obra y al
mejoramiento de los procesos productivos, es un factor determinante para el éxito
económico en un mundo tan competitivo como el actual. Los beneficios que se derivan de
las economías de escala y la especialización no serían posibles sin la presencia de una
mano de obra cualificada y de procesos productivos eficientes, de ahí la importancia de este
tipo de inversión. Además del hecho de que esta característica puede actuar como un factor
de atracción para la localización. En la siguiente tabla se muestra la relevancia del gasto en
capacitación de personal y en I+D de las ramas de actividad analizadas.
46
Tabla 2.4. Porcentaje (%) de participación de unidades productivas que realizan gastos para
el mejoramiento del proceso productivo, del total de ramas de actividad 2010.
Ramas de actividad Gasto en Capacitación
Gasto en I+D
Agricultura, ganadería, silvicultura y pesca. 0.62 1.09 Explotación de minas y canteras. 0.18 0.38 Industrias manufactureras. 10.63 14.24 Construcción. 1.11 1.22 Comercio al por mayor y al por menor; reparación de vehículos automotores y motocicletas. 23.70 21.22
Transporte y almacenamiento. 2.22 1.47 Otras 61.53 60.37
Fuente: Elaboración propia, en base a datos del Censo Económico del 2010 del INEC.
En esta última variable también se observa la predominancia de las ramas de comercio al
por mayor y al por menor y de las industrias manufactureras, destacando la relevancia que
tiene este tipo de inversión. Finalmente, cabe señalar que a pesar de que la rama del
comercio, según el Censo Económico del 2010, es la que presenta la mayor participación en
la economía ecuatoriana en dicho año, este tipo de actividad no se genera a partir de las
ventajas de localización de los territorios como lo es el caso de las manufacturas, sino más
bien, se desarrolla como actividad complementaria a otras “localizadas”, debido
principalmente a que aprovecha las ventajas relacionadas con la demanda y el ahorro de
gastos de producción generados por la actividad de ramas como la manufactura y porque no
requiere de localizaciones con abundancia de recursos naturales o producidos.
Consideraciones finales Los procesos históricos han generado el surgimiento de disparidades productivas a nivel
provincial, favoreciendo a las provincias “concentradoras”: Pichincha, Guayas, Azuay,
Manabí y El Oro, en donde se han ubicado tradicionalmente las actividades económicas de
mayor crecimiento a nivel nacional y las ligadas al comercio exterior, principalmente de
productos primarios. Sin embargo, cabe mencionar el caso especial de la actividad petrolera
de exportación localizada en las provincias amazónicas, la cual genera la mayor parte de los
ingresos públicos en Ecuador desde 1972, pero que no se trata a profundidad en esta
investigación en vista de que la actividad principal a analizar es la manufactura.
47
Por otro lado, se puede evidenciar el hecho de aunque la actividad de la industria
manufacturera no es la de mayor participación en el agregado nacional es una de la ramas
que mayor cantidad de establecimientos, empleados e ingresos por ventas presenta a nivel
nacional en el período analizado. La distribución espacial a nivel provincial, y los factores
determinantes de la misma son objeto de análisis del siguiente capítulo.
La actividad de comercio al por mayor y al por menor, considerando el número de
establecimientos del Censo Económico del 2010, es la actividad de mayor crecimiento a
nivel nacional en la última década.
48
CAPÍTULO 3. INDUSTRIA MANUFACTURERA EN ECUADOR Y FACTORES DE LOCALIZACIÓN
49
Una vez revisados los antecedentes históricos que han dispuesto la actual distribución
espacial de la industria manufacturera en Ecuador, en este capítulo se presentará una
descripción de algunos factores determinantes de dicha localización y se realizará un
análisis espacial con la finalidad de determinar la distribución espacial de la actividad a nivel
provincial. Para ello, se utiliza información relacionada con la industria manufacturera y de
otras ramas de actividad, proveniente de las Cuentas Provinciales del Banco Central que
servirá para el cálculo de los índices espaciales de: Participación, Especialización,
Diversificación y Concentración. Adicionalmente se calcularan los Índices de Especialización
y Concentración utilizando el dato del número de establecimientos del Censo Económico,
con la finalidad de analizar la realidad de la localización industrial al 2010, específicamente
de los sectores con mayor participación en el agregado industrial.
3.1. Factores de Localización Industrial en Ecuador
En primera lugar se realiza una descripción sucinta de algunos factores determinantes de la
localización industrial, de manera específica: empleo, población migrante infraestructura
portuaria y aeroportuaria, recursos naturales, presencia de clústers industriales y el nivel de
Inversión Extranjera Directa (IED), a través del análisis de algunas estadísticas pertinentes.
3.1.1. Empleo
3.1.1.1. Población Económicamente Activa (PEA) Ocupada.
En el caso del empleo, la variable que servirá para el análisis será la Población
Económicamente Activa (PEA) Ocupada. Como se pudo revisar en el segundo capítulo, las
características y la localización del empleo a lo largo de la historia del Ecuador han
respondido principalmente a los requerimientos de la explotación de productos primarios:
cacao, banano, café y petróleo y de manufacturas relacionadas con las prendas de vestir,
los productos de madera y los alimentos. En la siguiente gráfica se muestra la tasa de
crecimiento de la PEA Ocupada en el período 1990-200110 y 2001 y 201011 con el fin de
indagar sobre el comportamiento de la variable en las dos últimas décadas.
10 En los años 2001 y 2010 se suma el dato de Orellana a Napo, para poder realizar la comparación con el año 1990, en el que ambas provincias eran una sola. Lo mismo ocurre con las gráficas del resto del capítulo. 11 En el año 2010, el dato correspondiente a Santo Domingo de los Tsáchilas se incluye en Pichincha y el de Santa Elena en Guayas. Lo mismo ocurre con las gráficas del resto del capítulo.
50
Gráfica 3.1. Tasa de crecimiento de PEA Ocupada Total (mayor a 10 años). Fuente: Elaboración propia, en base a datos de los Censos de Población y Vivienda de 1990,
2001 y 2010 del INEC.
Según la gráfica 3.1, la tasa de crecimiento de la PEA Ocupada es positiva en los dos
períodos, a excepción de Bolívar, Cotopaxi y Chimborazo que presentaron una tasa
negativa en el período 2001-2010, explicada principalmente por la migración interna hacia
otras provincias y por el incipiente desarrollo de actividades económicas intensivas en mano
de obra. Las provincias con las tasas más altas son: Galápagos, Sucumbíos, Napo,
Esmeraldas, Pichincha y Guayas, principalmente en el período 1990-2001.
En el caso de las dos provincias amazónicas: Napo y Sucumbíos, estos valores se debieron
al incremento del empleo relacionado con la actividad petrolera, en el caso de Esmeraldas a
los efectos de la construcción de la Refinería en el empleo, en Galápagos al aumento de la
población y el empleo relacionado con la actividad turística, y finalmente en Guayas y
Pichincha al desarrollo de la industria manufacturera y los servicios y a la presencia
significativa de los entes gubernamentales.
Los valores mostrados en la gráfica 3.1 evidencian el hecho de la concentración de la PEA
Ocupada no sólo en las provincias de mayor crecimiento: Guayas y Pichincha, sino además
en provincias como las mencionadas en el párrafo anterior que cuentan con actividades
propias de su territorio, las cuales ha presentado un desarrollo importante en las dos
décadas pasadas. Estos resultados corroboran la tesis de que el crecimiento económico de
determinados sectores como la manufactura y la minería pueden actuar como un factor
determinante de la localización industrial, e incluso de la movilidad laboral.
-20
0
20
40
60
80
100
Azua
y
Bol
ívar
Cañ
ar
Car
chi
Cot
opax
i
Chi
mbo
razo
El O
ro
Esm
eral
das
Gua
yas
Imba
bura
Loja
Los
Río
s
Man
abí
Mor
ona
S.
Nap
o
Past
aza
Pic
hinc
ha
Tung
urah
ua
Zam
ora
Ch.
Gal
ápag
os
Suc
umbí
os
1990-2001 2001-2010
51
3.1.1.2. PEA de la industria manufacturera.
Gráfica 3.2. Tasa de crecimiento de PEA Ocupada, mayor a 10 años, de la industria
manufacturera. Fuente: Elaboración propia, en base a datos de los Censos de Población y Vivienda de 1990,
2001 y 2010 del INEC.
La gráfica 3.1 señala el crecimiento de la PEA Ocupada en los períodos 1990-2001 y 2001-
2010; sin embargo, en vista de que el objeto de estudio de la presente investigación es la
manufacturera, es necesario indagar sobre el comportamiento de esta rama a nivel
provincial. En este sentido, la gráfica 3.2 muestra que en la mayoría de provincias el
crecimiento de la PEA Ocupada manufacturera es positivo en los dos períodos, a excepción
de Bolívar, Cañar y Carchi, que presentan tasas negativas en al menos uno de los dos
períodos. Cabe señalar que la provincia de Galápagos en el período 1990-2001 presentó
una tasa superior al 150% debido principalmente al significativo crecimiento de la población
y de la actividad manufacturera relacionada con la elaboración de productos alimenticios.
Además, entre las provincias con las tasas más altas están Sucumbíos y Napo, esto por el
crecimiento de la manufactura de los productos elaborados de madera.
3.1.1.3. PEA y Nivel de Instrucción. El nivel de instrucción de la mano de obra (PEA) es uno de los factores determinantes de la
localización industrial. En el presente capítulo, la información para esta variable proviene de
los Censos de Población y Vivienda y se muestra en la siguiente gráfica. Cabe aclarar que
únicamente se considera el nivel de instrucción superior, en vista de su relevancia como
factor de localización de la industria manufacturera.
-50-30-101030507090
110130150170
Azua
y
Bol
ívar
Cañ
ar
Car
chi
Cot
opax
i
Chi
mbo
razo
El O
ro
Esm
eral
das
Gua
yas
Imba
bura
Loja
Los
Río
s
Man
abí
Mor
ona
S.
Nap
o
Past
aza
Pic
hinc
ha
Tung
urah
ua
Zam
ora
Ch.
Gal
ápag
os
Suc
umbí
os
1990-2001 2001-2010
52
Gráfica 3.3. Tasa de crecimiento de PEA Ocupada con nivel de instrucción superior. Fuente: Elaboración propia, en base a datos de los Censos de Población y Vivienda de 1990,
2001 y 2010 del INEC.
En lo que respecta al crecimiento de la PEA Ocupada con nivel de instrucción superior, la
gráfica 3.3 señala que las provincias amazónicas y Galápagos son los territorios con las
tasas más altas. En el caso de las provincias amazónicas, esto se explica por el aumento de
la demanda de profesionales relacionados con la actividad petrolera y carreras afines y por
el mayor acceso a establecimientos de Educación Superior por parte de los habitantes de
estos territorios. En lo que concierne a la provincia insular, estos altos valores se deben al
incremento de la población y a la inmigración de profesionales de ciencias biológicas y
ambientales destinados a la conservación de la flora y fauna de esta región.
3.1.2. Migración Interna La movilidad de la mano de obra es otro factor relevante en la localización de las actividades
económicas en el territorio. Ahora bien, en vista de que los Censos de Población y Vivienda
y las encuestas utilizadas para la medición de las variables relacionadas con el empleo,
como la Encuesta Nacional de Empleo, Desempleo y Subempleo (ENEMDU) no brindan
información explícita sobre la migración laboral, se utiliza la información de la migración
interna para tener una idea aproximada sobre la realidad de la movilidad de este factor en
Ecuador.
Analizando la historia económica ecuatoriana se puede evidenciar que en los inicios de
República más de la mitad de la población se asentaba en la Sierra, de manera específica
020406080
100120140160180200
Azua
y
Bol
ívar
Cañ
ar
Car
chi
Cot
opax
i
Chi
mbo
razo
El O
ro
Esm
eral
das
Gua
yas
Imba
bura
Loja
Los
Río
s
Man
abí
Mor
ona
S.
Nap
o
Past
aza
Pic
hinc
ha
Tung
urah
ua
Zam
ora
Ch.
Gal
ápag
os
Suc
umbí
os
1990-2001 2001-2010
53
en Quito, pero luego debido al auge del modelo agroexportador gran parte de la misma
emigró a la Costa localizándose para 1950 el 49% de la población total en esta zona.
Posteriormente y hasta nuestros días la población ha tendido a ocupar de manera algo más
homogénea el territorio, aunque manteniéndose todavía la supremacía de la región litoral. A
continuación, se presentan mayores detalles sobre la migración en las últimas dos décadas.
Gráfica 3.4. Hacia dónde se dirigen los migrantes recientes (% población inmigrante total). Fuente: Elaboración propia, en base a datos de los Censos de Población y Vivienda de 1990, 2001 y
2010 del INEC.
La gráfica 3.4 que recoge información sobre migración12 interna de los últimos tres censos
de Población y Vivienda exhibe la característica concentradora de las provincias
consideradas como polos de desarrollo: Guayas y Pichincha. Como se observa en dicha
gráfica, del total de la población inmigrante a nivel provincial en los tres años censales el
mayor porcentaje se dirige a estas provincias. Ya sea por factores relacionados con el
empleo, las condiciones de vida o las oportunidades de educación estos territorios son los
que más población concentran a nivel nacional, a pesar de no presentar las más altas tasas
de crecimiento de la PEA como lo muestran las tres gráficas anteriores. Del resto de
provincias. la mayoría presenta tasas menores al 5%.
12 Para el cálculo, tanto de emigrantes como de inmigrantes, se utiliza la información de los Censos de Población y Vivienda, correspondiente al total de Provincia donde vivía hace cinco años y al total de Provincia actual o de residencia (es decir se trata de migración reciente).
0
5
10
15
20
25
30
35
Azu
ay
Bol
ivar
Cañ
ar
Car
chi
Cot
opax
i
Chi
mbo
razo
El O
ro
Esm
eral
das
Gua
yas
Imba
bura
Loj
a
Los
Rio
s
Man
abi
Mor
ona
S.
Nap
o
Pas
taza
Pic
hinc
ha
Tun
gura
hua
Zam
ora
Ch.
Gal
apag
os
Suc
umbi
os
Año 1990 Año 2001 Año 2010
54
Gráfica 3.5. De dónde provienen los migrantes recientes (% población emigrante total). Fuente: Elaboración propia, en base a datos de los Censos de Población y Vivienda de 1990, 2001 y
2010 del INEC.
Haciendo la operación inversa, es decir al analizar la provincia de origen, se tiene que en los
tres años censales la mayor cantidad de migrantes recientes como porcentaje de la
población emigrante total proceden de: Pichincha, Manabí, Guayas y Los Ríos. Del resto, la
mayoría presentan tasas entre el 3 y el 8%, a excepción de las provincias amazónicas y
Galápagos que en los tres años censales presentan tasas menores al 3%. Una realidad
interesante que señala la gráfica 3.5 es que a pesar de que Pichincha y Guayas son las
provincias que reciben mayoritariamente a los migrantes, también son las provincias de
dónde salen la mayor cantidad de migrantes a nivel nacional en el mismo período, esto se
explica en parte por la cantidad de habitantes que poseen estos territorios.
3.1.3. Infraestructura portuaria y aeroportuaria Uno de los principales factores que determinan la localización económica e industrial son las
condiciones de infraestructura que posee un territorio. En Ecuador este tipo de inversión ha
aumentado de manera significativa, sobre todo a partir del 2007, lo que ha permitido mejoras
significativas en este campo. Cabe señalar que en esta sección sólo se analizará la
incidencia económica de los puertos y aeropuertos en las decisiones de localización. A
continuación, se presentan algunas estadísticas pertinentes del año 2010.
0
5
10
15
20
25
Azu
ay
Bol
ivar
Cañ
ar
Car
chi
Cot
opax
i
Chi
mbo
r…
El O
ro
Esm
eral
…
Gua
yas
Imba
bura
Loj
a
Los
Rio
s
Man
abi
Mor
ona
S.
Nap
o
Pas
taza
Pic
hinc
ha
Tung
ura…
Zam
ora
Ch.
Gal
apag
os
Sucu
mbi
os
Año 1990 Año 2001 Año 2010
55
3.1.3.1. Puertos.
Ecuador presenta una ventaja competitiva en el transporte de cabotaje, en vista de que
cuatro de sus veinte y dos provincias limitan con el Océano Pacífico y mantienen una
relación comercial con el resto de naciones a través de sus puertos. Analizando la tabla 3.1,
que muestra el número de naves que ingresaron y salieron de nuestro país en el año 2010,
se observa que las provincias de El Oro, Guayas y Manabí mantienen una significativa
relación comercial con el resto del mundo, por ejemplo del total de naves que ingresaron al
Ecuador en el 2010, aproximadamente el 30% lo hicieron a la provincia de Guayas, el 58% a
la provincia de El Oro y el 4% a Manabí.
Tabla 3.1. Número de Naves. Por Entradas y Salidas, Según Capitanía de Puerto. Año 2010.
Provincia Capitanías de puerto
Entradas (Número de naves) % Participación Salidas
(Número de naves) %
Participación
Total 10006 100 10747 100
Esmeraldas Balao 69 0.69 69 0.64
Esmeraldas Esmeraldas 793 7.93 793 7.38
Guayas Guayaquil 1039 10.38 1780 16.56
Manabí Manta 371 3.71 371 3.46
El Oro Puerto Bolívar 5797 57.94 5797 53.94
Guayas13 La Libertad 901 9.00 901 8.38
Guayas El Salitral 1036 10.35 1036 9.64
Fuente: Elaboración propia, en base a las Estadísticas de Transporte 2010 del INEC.
Aunque el dato del número de naves que ingresan y salen de un territorio a través de sus
puertos brinda una idea de la importancia económica que tiene la actividad portuaria en
dicho territorio, la información del tonelaje de carga que manejan puede ser aún más
relevante a la hora de determinar si este tipo de infraestructura es un factor de localización
relevante. A continuación, se muestra esta información para el año 2010.
13 Debido a que el período de análisis de este trabajo de investigación es 2001-2010, los datos que en el 2010 corresponden a Santa Elena se asignan a Guayas, para que los análisis comparativos sean más homogéneos.
56
Tabla 3.2. Carga de Entrada y Salida (en toneladas). Según Capitanía de Puerto. Año 2010.
Provincia Capitanías de Puerto Entradas % Participación Salidas % Participación
Total 10379349 100 19948616 100
Esmeraldas Balao 0 0.00 14318901 71.78
Esmeraldas Esmeraldas 503768 4.85 187994 0.94
Guayas Guayaquil 4148685 39.97 3546296 17.78
Guayas La Libertad 4139085 39.88 0 0.00
Manabí Manta 725910 6.99 63713 0.32
El Oro Puerto Bolívar 43709 0.42 1798856 9.02
Guayas El Salitral 818192 7.88 32856 0.16 Fuente: Elaboración propia, en base a las Estadísticas de Transporte 2010 del INEC.
La tabla 3.2 muestra la importancia del comercio internacional en el desarrollo de la
actividad económica del Ecuador. Se puede evidenciar fácilmente que si se considera el
volumen del comercio las provincias con mayor participación son: Guayas con
aproximadamente el 88% en entradas y 18% en salidas, Manabí con el 7% en entradas y
Esmeraldas con el 5% en entradas y con aproximadamente el 73%14 en salidas del total de
tonelaje del año 2010. Estos valores destacan la importancia de la infraestructura portuaria
en la actividad comercial del país y su incidencia en las decisiones de localización para las
empresas dedicadas a las actividades de exportación e importación de bienes.
3.1.3.2. Aeropuertos.
El trasporte aéreo, tanto de pasajeros como de carga, no sólo mejora la calidad de vida de
los habitantes de un territorio sino que brinda a las industrias la posibilidad de reducir los
costos de trasporte de sus insumos y productos. En Ecuador existe un total de 31
aeropuertos, en 19 de las 22 provincias; sin embargo, solo cincos realizan actividades
internacionales, los de: Quito, Guayaquil, Esmeraldas, Latacunga y Manta. A continuación
se presentan algunas estadísticas correspondientes a los años 2009 y 2010.
14 Esta alta participación está relacionada con las actividades de la Refinería Estatal, ubicada en esta provincia.
57
Tabla 3.3 Pasajeros transportados por aeropuertos del Ecuador. Servicio Regular + No Regular.
Período 2009-2010.
2 0 0 9 2 0 1 0 % Variación Anual
Aeropuertos Total Entrados Salidos Total Entrados Salidos 2009-2010
Total 2696109 1340150 1355959 2961076 1486226 1474850 9.83
Quito 1561786 791950 769836 1680657 865470 815187 7.61 Guayaquil 1117848 540221 577627 1261597 611543 650054 12.86 Esmeraldas 8290 4038 4252 18581 9213 9368 124.14 Tulcán 8050 3941 4109 0 0 0 -100.00
Manta 135 0 135 241 0 241 78.52
Fuente: Elaboración propia, en base a las Estadísticas de Transporte Aéreo 2010 de la Dirección Aviación Civil.
La actividad aeroportuaria se concentra principalmente en dos aeropuertos: el Mariscal
Sucre de Quito y el José Joaquín de Olmedo de Guayaquil. En el transporte de pasajeros,
por ejemplo en el año 2010, por estas dos terminales aéreas pasaron aproximadamente el
99.36% del total de pasajeros que entraron y salieron del país. Esta es una de las causas
por las cuales estas dos ciudades presentan altas tasas de población y de actividad
económica. Complementando esta información la tabla 3.4 señala la carga, en toneladas
métricas, de las entradas y salidas en los aeropuertos internacionales del Ecuador en los
años 2009 y 2010, en donde los aeropuertos antes mencionados también presentan el
mayor nivel de actividad.
Tabla 3.4. Tráfico internacional Regular y No Regular. Carga en toneladas métricas. Entradas y
Salidas por Aeropuertos del Ecuador. Período 2009-2010.
2 0 0 9 2 0 1 0 % Variación Anual Aeropuertos Total Entrada Salida Total Entrada Salida 2009-2010
Total 95706.30 21766 73940.30 107299.75 24811.02 82488.73 12.11
Quito 60351.19 12924.93 47426.26 71576.07 14798.10 56777.97 18.60 Guayaquil 31518.85 8699.94 22818.91 35320.49 10007.68 25312.81 12.06
Esmeraldas 8.11 6.60 1.51 6.11 5.24 0.87 -24.66
Latacunga 3781.64 134.53 3647.11 0.00 0.00 0.00 -100.00 Manta 46.51 0.00 46.51 397.08 0.00 397.08 753.75
Fuente: Elaboración propia, en base a las Estadísticas de Transporte Aéreo 2010 de la Dirección Aviación Civil.
3.1.4. Recursos naturales
Según la teoría económica, la dotación de recursos naturales es otro de los factores
relevantes de la localización económica e industrial, en el caso ecuatoriano este tipo de
recursos es uno de los más abundantes. Aunque lo más recomendable para analizar la
abundancia de estos factores es la información sobre la extensión del territorio ocupado por
58
la explotación o cultivo de los mismos, en el caso de este capítulo se procederá a utilizar el
valor en miles de dólares FOB de las exportaciones de dichos productos como variable
proxy, en vista de la falta de información homogénea y de la mayor relevancia del dato de
las exportaciones.
El Ecuador ha sido un país tradicionalmente exportador de productos primarios: el petróleo
crudo, recurso característico de la mayoría de provincias amazónicas, continúa siendo la
mayor fuente de ingresos hasta nuestros días. Por su parte, la producción agrícola de
exportación: arroz, banano, plátano, cacao, frutas y flores ocupa una importante extensión
del territorio cultivable15, sobre todo en las provincias del litoral. En el caso de otros
minerales, los productos de mayor exportación son: oro, plata, plomo y cobre, recursos
ubicados principalmente en las provincias amazónicas y en algunas provincias de la Sierra
Sur. Y finalmente los principales productos piscícolas de exportación son: atún, pescado,
camarones y langostas, localizados mayoritariamente en Guayas, Manabí, y El Oro. En la
tabla 3.5 se muestra el monto de exportaciones de los principales productos primarios en
miles de dólares FOB, en el año 2010.
Tabla 3.5. Exportaciones de principales productos primarios 2010 (miles de dólares FOB).
Productos Agrícolas Minerales Productos Piscícolas Arroz 12857 Petróleo crudo 8951941 Atún 94932
Banano y plátano 2032769 Concentrados de oro y plata 79664 Pescado 142473
Banano 1980178 Concentrados de plomo y cobre 6784 Camarones 849674
Plátano 52591 Otros minerales 2691 Langostas 169
Cacao en grano 349920 Otros 1755
Café en grano 55911
Otras frutas 66070
Flores 607765
Total 3250056 Total 9041080 Total 1089003
Fuente: Elaboración propia, en base a datos del Boletín Anuario del año 2011 del Banco Central.
Analizando la participación de los productos primarios en las exportaciones nacionales y
haciendo una relación con la producción de los principales sectores industriales del Ecuador
en el año 2010 (sección 3.2.2), no es difícil determinar, desde el punto de vista de los
recursos naturales, porque la fabricación de productos alimenticios y de metal, de prendas
de vestir y de muebles presentan las mayores participaciones.
15 Según los datos del Censo Agropecuario del 2010, con una participación de más del 50% del territorio cultivable nacional en todos los productos, a excepción de las flores.
59
3.1.5. Presencia de clústers16 industriales
En las últimas décadas el avance de las legislaciones, de las formas de organización
industrial y de los procesos productivos ha potenciado las ventajas derivadas de la
implementación de los clústers industriales. Sin embargo, en Ecuador la falta de una política
suficientemente articulada no ha permitido que las industrias (a excepción de algunos casos
puntuales que luego se detallaran) se beneficien de las interacciones positivas que se
derivan de las economías de aglomeración. Aunque en los casos que se describen a
continuación no se cumplen a cabalidad las condiciones o parámetros necesarios para que
se consideren estrictamente como clústers, son ejemplos de algunos sectores que avanzan
en el camino del mejoramiento de su productividad. Según Arcos (2008) estos clústers se
presentan en los siguientes sectores:
Sector carrocero metalmecánico: En éste participan la Cámara de la Pequeña Industria
de Tungurahua (CAPIT), La Federación Ecuatoriana de Industrias Procesadoras del Metal y
Productoras de Acero, Maquinaria y Equipo (FEDIMETAL), La Cámara de la Pequeña
Industria de Pichincha (CAPEIPI), el Ministerio de Relaciones Exteriores, Comercio e
Integración y el Ministerio de Industria y Competitividad.
Sector maderero: Participan la Corporación Maderera del Austro (COMA) y las empresas
privadas Colineal y Bienestar.
Sector pesquero atunero: Participan las empresas que están relacionadas con la captura,
procesamiento y comercialización del atún que trabajan dentro del territorio nacional y que
atienden tanto a la demanda interna como a la extranjera.
Aglomeración Empresarial de Salinas: En la provincia de Bolívar, esta aglomeración que
funciona bajo el esquema de “Economía Solidaria” y cooperativismo promueve la
producción de productos textiles, orgánicos, artesanales, confites, lácteos, cárnicos y
derivados de soya.
16 Según Arcos (2008), un clúster es “una concentración empresarial geográfica, de organizaciones que realizan las mismas actividades o actividades complementarias en un mismo sector industrial, pero que pueden integrarse en la generación de una cadena de valor que les permita ser más competitivas.”
60
La presencia de clústers de gran escala económica se constituye en un factor relevante de
localización económica e industrial en una economía como la actual, no sólo por los
beneficios económicos derivados sino también por la transferencia de tecnología y de
conocimientos que permiten mejorar los procesos productivos. En Ecuador las pequeñas
agrupaciones empresariales existentes no generan el nivel de externalidades positivas
requeridas para que influyan de manera significativa en las decisiones de localización de la
industria manufacturera
Finalmente, cabe señalar que los ejemplos analizados hacen referencia a empresas que se
dedican a las actividades manufactureras con mayor importancia económica en Ecuador:
fabricación de productos alimenticios, productos textiles, productos de metal y de madera.
Sin embargo, no constituyen evidencia suficiente que permita asegurar que la presencia de
clústers industriales en Ecuador favorece a la concentración de la actividad industrial.
3.1.6. Inversión Extranjera Directa Finalmente, una de las principales variables en el análisis de los factores que inciden en la
localización es el nivel de Inversión Extranjera Directa (IED) con el que cuenta un
determinado sector económico. En Ecuador, según la Superintendencia de Compañías, en
el año 2010 la industria manufacturera fue el principal sector económico que recibió este tipo
de inversión. En la gráfica 3.6 se muestra los porcentajes de participación de la Inversión
Extranjera Directa en los principales sectores económicos en el 2010. Como se puede
observar los principales destinos de la IED son la industria manufacturera, el comercio y la
intermediación financiera. El aporte al sector industrial fue de 308 millones de dólares,
principalmente a la Compañía Cervecera Ambev S.A. con una participación de 44.7
millones. (Superintendencia de Compañías, 2010). Si se analiza esta variable, el panorama
es favorable para el crecimiento de la rama de la industria manufacturera.
Aunque la mayor parte de la IED en el año 2010 se destinó principalmente a las industrias,
todavía ese tipo de inversión presenta niveles bastante incipientes en Ecuador y además si
se considera el hecho de que las industrias relacionadas con la exploración y explotación de
petróleo acapararon el mayor volumen de esos recursos, la IED todavía no se constituye
como un factor de localización relevante para la industria manufacturera ecuatoriana. El
cambio de la matriz productiva podría mejorar la financiación de este sector económico y
revertir esta situación en los próximos años.
61
Gráfica 3.6. Participación en la IED de los principales sectores económicos. Año 2010.
Fuente: Superintendencia de Compañías. Análisis de la Inversión Societaria 2010.
3.2. Análisis espacial de la actividad industrial de las provincias
Luego de revisar los principales factores que han incidido en las decisiones de localización
de la industria manufacturera en Ecuador, para introducir el componente espacial al análisis
de la localización industrial, en esta parte final del capítulo se procederá al cálculo de
algunos índices espaciales elaborados en base a los datos del Valor Agregado Bruto
Provincial de los años 2001 y 200717, con la finalidad de determinar los patrones de
distribución en el espacio de la rama de la industria manufacturera.
3.2.1. Análisis espacial en base al Valor Agregado Bruto (VAB)
A continuación se señala la metodología utilizada y los correspondientes resultados para los
valores del VAB provincial y sus correspondientes índices.
Según Lira y Quiroga (2003) los índices espaciales sirven para efectuar un diagnóstico de la
estructura económica regional y su relación con la distribución de las actividades en el
territorio, su dinámica y competitividad. Se pueden clasificar según el ámbito territorial que
es objeto de análisis: la región en su contexto (dentro de un ámbito supranacional o en
relación a otras regiones) o la región en la actividad propia de su territorio.
17 Se toma el dato de estos años, por tratarse del año inicial y final del período analizado de las Cuentas Provinciales del Banco Central y por fines comparativos.
62
Región en su contexto
Participación económica: Este índice permite la identificación de las actividades
líderes en la economía regional y la existencia de ventajas comparativas. Se trata del
porcentaje de participación de un sector en el total de la economía de la región estudiada
(mientras más alto, mayor participación del sector en la región). Su fórmula de matemática
es:
퐼푃퐸 = ∑ ∗ 100 (Fórmula 3.1)
Dónde:
IPE: Es el Índice de participación económica.
Xij: Es el valor de la variable de interés (VAB, empleo, n° de empresas, etc.) del
sector i en la región j.
ΣiVij: Es el total de la actividad económica de la región j.
Especialización económica: Este índice señala el grado de homogeneidad de la
estructura económica regional con la estructura económica del patrón de comparación
(país). En otras palabras, permite establecer el grado de especialización del sector i en la
región j. Su expresión matemática es:
t
i
ArArAtA
C
1
1 (Fórmula 3.2)
Dónde:
A1: Es el valor de la variable en la actividad económica seleccionada en la región y/o
subregión i.
Ati: Es el total de la actividad económica de la región y/o subregión i.
Ar: Es el valor de la variable en la actividad seleccionada a nivel nacional y/o
regional.
Art: Es el total de la actividad económica nacional y/o regional.
El valor de este índice oscila entre valores menores, iguales o mayores a 1 y los parámetros
de evaluación son los siguientes: si es mayor que 1, la zona es más especializada que el
país en la actividad económica analizada, si es menor que 1, la zona es menos
especializada que el país en la actividad económica y si es igual a 1, la región y el país se
especializan en grado semejante en dicha actividad económica.
63
Actividades en el territorio
Diversificación económica: Este índice tiene una interpretación inversa al de
especialización, es decir, señala el nivel de diversificación que tiene un sector i en la
actividad económica total de la región j. Su expresión matemática es:
퐼퐷퐸 = (Fórmula 3.3)
Dónde:
IDE: Es el Índice de diversificación económica.
IEE: Es el Índice de especialización económica.
La interpretación de su valor es la siguiente: si es cercano a 0, existe una mayor diversificación
(sector) de la región en relación a la nación y si es cercano a 1, existe una mayor
especialización (sector) de la región en relación a la nación.
Concentración económica: Este índice muestra el grado de similitud de la distribución
de un sector con respecto a la distribución de un patrón de comparación (país). Se trata de
una medida de concentración geográfica cuya fórmula matemática es la siguiente:
퐼퐶 = 100 − |푃푟 − 푃푐푟| (Fórmula 3.4)
Dónde:
IC: Es el Índice de concentración.
Pr: Es el valor de referencia territorial, que corresponde a la proporción de cada
unidad del total del territorio bajo estudio, el cual se expresa generalmente en Km2.
Pcr: Es el valor de la variable seleccionada, que corresponde a la proporción de cada
subunidad en que participa la actividad o característica que es analizada.
El valor del Índice fluctúa entre 0 y 100 y su interpretación es la siguiente: si la región tiene
un alto valor de concentración en relación a la nación, el IC es cercano a 100, pero cuando
la concentración en la región es reducida o presenta mayor dispersión en relación a la
nación, el IC es cercano a 0.
Para la graficación de los índices se utilizará el software GeoDa, el cual permite representar
gráficamente la distribución de una determinada variable en el territorio y permite establecer
ciertas características relacionadas con esa distribución: concentración, diversificación, etc.
Por otro lado, cabe señalar que se calcularon y graficaron los índices espaciales para las
64
principales ramas de actividad a nivel nacional (CIIU a 1 digito), a saber: Industrias
manufactureras, Agricultura, ganadería, caza y silvicultura y Construcción para los años
2001 y 2007 (izquierda y derecha, respectivamente en los gráficos), los cuales constan en el
anexo 1. Esto con la finalidad de comparar los resultados de la industria manufacturera con
los del resto de ramas de actividad relacionadas.
Tabla 3.6. Provincias relevantes en los Índices Espaciales (VAB 2001 y VAB 200718).
Ramas Participación Especialización Diversificación Concentración
Industrias Manufactureras
Guayas, Manabí, Pichincha, Cotopaxi, Tungurahua y Cañar.
Guayas, Manabí, Pichincha, Cotopaxi, Tungurahua y Cañar.
Sucumbíos, Orellana y Galápagos (2007).
Manabí, Carchi, Imbabura, Chimborazo, Cañar, El Oro y Los Ríos (2007)
Agricultura, ganadería, caza y
silvicultura
Los Ríos, El Oro, Bolívar, Cotopaxi, Napo, Morona Santiago y Esmeraldas (2007).
Los Ríos, El Oro, Bolívar, Cotopaxi, Napo, Morona Santiago y Esmeraldas (2007).
Sucumbíos, Orellana, Pastaza y Galápagos.
Manabí (2001), Carchi, Imbabura, Chimborazo, Azuay, Loja, Esmeraldas (2007) y Cañar (2007)
Construcción Cañar, Azuay, Morona Santiago, Loja, Zamora Chinchipe, Imbabura y Napo (2007).
Cañar, Azuay, Morona Santiago, Loja, Zamora Chinchipe, Imbabura y Napo (2007).
Sucumbíos, Orellana y Pastaza (2007).
Carchi, Los Ríos, Cotopaxi, Chimborazo, Cañar, El Oro (2001) y Manabí (2007).
Fuente: Elaboración propia, en base a datos de las Cuentas Provinciales 2001-2007 del BCE.
Iniciando con los índices de participación y de especialización, se tiene que las provincias
que presentan distribuciones mayores al promedio nacional son las mismas para ambos
casos, destacando Guayas y Pichincha en la rama de la industria manufacturera, Los Ríos,
El Oro y Cotopaxi en la rama de la agricultura, ganadería, caza y silvicultura y las provincias
australes: Cañar, Azuay, Loja y Morona Santiago en la rama de la construcción, debido a las
remesas de los emigrantes desde el año 2000. Con respecto al Índice de Diversificación, se
tiene que las provincias amazónicas: Sucumbíos, Orellana y Pastaza son las que presentan
el mayor grado de diversificación económica en las tres ramas analizadas.
En cuanto al índice de concentración se observa que aunque Guayas y Pichincha son las
que tienen un mayor nivel de actividad en la rama manufacturera, si se toma como
referencia el territorio, esta actividad no se encuentra concentrada espacialmente en dichas
provincias sino más bien en provincias como: Manabí, Los Ríos y Chimborazo, la
agricultura, ganadería, caza y silvicultura se encuentran concentradas principalmente en las
provincias de Carchi, Imbabura, Chimborazo y Azuay y la rama de la construcción en Carchi,
Los Ríos, Chimborazo y Cañar.
En la tabla 3.6 se evidencia que existen provincias que se encuentran ubicadas
geográficamente juntas y que se especializan en actividades distintas, pero
18 El año al frente del nombre de la provincia señala que la característica está presente sólo en dicho año y las que no tienen ninguna referencia del año frente a su nombre, en los años 2001 y 2007.
65
complementarias como la agricultura y la industria manufacturera, un hecho a considerar en
el análisis de los efectos espaciales de la localización y la autocorrelación espacial. Con la
finalidad de profundizar en la relación entre estas ramas y los factores determinantes de
localización en el caso de la industria manufacturera, seguidamente se realiza un análisis
espacial de dicha actividad utilizando la información a dos dígitos, según la Clasificación
CIIU, del Censo Económico del 2010.
3.2.2. Análisis Espacial en base a dato del número de establecimientos Con el fin de complementar la información obtenida en la sección anterior, en esta parte final
del capítulo utilizando el dato del número de establecimientos del Censo Económico del
201019 se procederá al cálculo de los índices de especialización y concentración20, para
establecer el comportamiento de la rama manufacturera a un nivel más desagregado. Los
cálculos y la graficación de los índices mencionados sólo se realizan para las cuatro
actividades de mayor participación. Según el Censo Económico del 2010, las actividades
industriales de mayor participación son: elaboración de productos alimenticios (20.55%),
fabricación de prendas de vestir (17.28), fabricación de productos elaborados de metal,
excepto maquinaria y equipo (16.77%) y fabricación de muebles (11.83%). Los resultados21
presentan en la siguiente tabla.
Tabla 3.7. Provincias destacadas en los Índices Espaciales (# de establecimientos 2010)
Actividades Especialización Concentración
Elaboración de productos alimenticios
Guayas, Manabí, Los Ríos Bolívar, Carchi y Galápagos.
Sucumbíos, Orellana, Pastaza, Morona Santiago, Zamora Chinchipe y Pichincha.
Fabricación de prendas de vestir
Imbabura, Tungurahua, Bolívar, Napo, Cañar y Zamora Chinchipe.
Guayas, Manabí, Pichincha, Orellana, Pastaza y Morona Santiago.
Fabricación de productos elaborados de metal, excepto
maquinaria y equipo
El Oro, Loja, Cañar, Los Ríos, Sucumbíos y Orellana.
Napo, Cotopaxi, Bolívar, Pastaza y Morona Santiago.
Fabricación de muebles Sucumbíos, Esmeraldas, Napo, Galápagos, El Oro y Zamora Chinchipe
Guayas, Manabí, Pichincha, Orellana, Pastaza y Morona Santiago.
Fuente: Elaboración propia, en base a datos del Censo Económico del 2010 del INEC.
Las provincias que constan en la tabla 3.7 son las que presentan valores superiores en la
distribución del índice a nivel nacional. En el listado del Índice de Especialización destacan
las provincias de la Costa en la fabricación de alimentos, las provinciales australes en la
fabricación de productos elaborados de metal, las de la Sierra Central en la fabricación de
19 Por las razones ya mencionadas en la segunda sección del segundo capítulo. 20 Sólo se analiza estos dos índices, en vista de que son los que brindan información más relevante. 21 En el anexo 2 constan los box mapas de los índices analizados.
66
prendas de vestir y las amazónicas en la fabricación de muebles. En el Índice de
Concentración, sobresalen las amazónicas, en especial Morona Santiago, señalando la
concentración geográfica de la actividad manufacturera en dichas provincias.
Relacionando la información de las tablas 3.6 y 3.7 se puede evidenciar la interrelación que
existe entre la industria manufactura y la agricultura y ganadería, esto en vista de que las
actividades manufactureras de mayor participación en el año 2010 son intensivas en el uso
de insumos primarios, especialmente agrícolas. Esto explica el hecho de que estas
actividades se localicen en provincias contiguas y los eslabonamientos productivos
generados entre estas ramas de actividad. Además, cabe resaltar que los resultados
obtenidos corroboran la incidencia que tienen factores locacionales como la dotación de
recursos naturales y humanos y la infraestructura física en el caso ecuatoriano. Consideraciones finales La existencia de factores de localización relevantes como: la dotación de mano de obra
calificada, la movilidad laboral, la infraestructura física y una dotación importante de recursos
naturales, medida por el valor de exportación en miles de dólares FOB de los principales
productos primarios son algunas de las razones por las cuales la actividad de la industria
manufacturera se localiza en las provincias del litoral: Guayas, Manabí y El Oro y en las
provincias interandinas: Pichincha, Tungurahua y Cotopaxi.
Aunque el Ecuador a nivel global no presenta un patrón de especialización productivo
especifico, existen algunas provincias que muestran un nivel de especialización significativo
en las ramas analizadas. En la rama de la industria manufacturera destacan Guayas,
Manabí, Pichincha, Cotopaxi, Tungurahua y Cañar. Por otro lado, la actividad económica de
las provincias amazónicas en las ramas analizadas se encuentra diversificada y concentrada
geográficamente.
Galápagos se considera como un caso especial, debido a que la significativa participación
de la industria manufacturera de la fabricación de alimentos obedece a la existencia de
recursos del mar exclusivos de esta provincia y a que su actividad económica no se
encuentra concentrada geográficamente gracias a su naturaleza insular.
La actividad manufacturera ecuatoriana en el período analizado, se caracteriza por un uso
intensivo de insumos productivos primarios y una interrelación productiva con la agricultura y
la ganadería.
67
CAPÍTULO 4. POLARIZACIÓN DE LA INDUSTRIA EN ECUADOR: CONSECUENCIAS EN EL TERRITORIO
68
En los capítulos anteriores se reveló que en el Ecuador en los años analizados ya sea por
procesos económicos históricos, por la dotación de recursos naturales, humanos y
producidos, o por la infraestructura vial, portuaria y aeroportuaria, la industria manufacturera
se localizó mayoritariamente22 en cuatro provincias: Pichincha, Guayas, Manabí y Azuay.
Finalmente en este capítulo, mediante la estimación de dos modelos econométricos, se
busca establecer la incidencia que tiene esa localización polarizada en el crecimiento
económico del resto de provincias que conforman el Ecuador, tomando como referencia el
período 2001-200723. A continuación se hace referencia a la metodología utilizada en la
primera sección:
4.1. Modelación Econométrica: Modelos de Panel
En vista de que la información para las estimaciones corresponde a 2224 provincias para
cada uno de los años del período 2001-2007, lo que se va utilizar son modelos de panel.
Según Gujarati (2004) en este tipo de modelos, la misma unidad transversal (familia,
empresa, estado, etc.) se estudia a lo largo de un período de tiempo determinado. Además,
este mismo autor señala que este tipo de modelos presenta las siguientes ventajas, con
relación a las series de tiempo y a los datos de corte transversal:
No existe límite alguno para la heterogeneidad en las unidades de corte transversal.
Al contener un conjunto considerable de datos, proporcionan más variabilidad,
menos colinealidad entre variables, más grados de libertad y una mayor eficiencia.
Presentan mayores facilidades para el estudio de la dinámica de cambio.
Permiten estudiar modelos de comportamiento más complejos.
Minimizan el sesgo resultante cuando se agregan individuos en un conjunto ya
amplio.
En su contra, la mayor desventaja que se les puede adjudicar es el alto nivel de
autocorrelación que por lo general presentan. Muchas veces esta condición dificulta la
estimación de los mismos y las inferencias correspondientes carecen de validez.
22 A pesar de no mostrar un nivel de concentración significativo, en relación a su territorio. 23 Se considera este período en vista de la disponibilidad de la información correspondiente, proveniente principalmente del Banco Central del Ecuador. Para el caso de la información del empleo, se toma el dato interpolado de la PEA, proveniente de los Censos de Población y Vivienda. 24 En las estimaciones no se consideran por separado a las provincias de Santo Domingo de los Tsáchilas y Santa Elena, porque recién fueron creadas en el año 2010.
69
En el caso de los datos de panel, para que las regresiones generan estimadores
consistentes e insesgados y las inferencias que se hagan en base a las pruebas estadísticas
tengan validez, los modelos a estimar deben cumplir con los supuestos básicos de los
Mínimos Cuadrados Ordinarios, además de algunas requerimientos propios de este tipo de
modelos. Principalmente con este propósito se deben detectar y corregir problemas de
heterogeneidad, correlación contemporánea, heterocedasticidad y autocorrelación. Además,
se debe determinar la pertinencia de la estimación mediante el método de regresión
agrupada, de efectos fijos o de efectos aleatorios y la inclusión o no de variables dicótomas
que recojan los efectos temporales, los efectos de estado (datos de corte transversal) o
ambos simultáneamente.
4.1.1. Estimación de modelos
En esta parte del documento se exponen más detalles sobre los modelos econométricos a
estimar. El primero servirá para determinar el tipo de concentración existente en el sector
manufacturero ecuatoriano: absoluta, es decir la que se genera a partir de las externalidades
positivas de las economías de aglomeración, o relativa, que es la que se genera gracias a la
ventaja comparativa que presentan los territorios por la abundancia de sus factores
productivos. Y el segundo, para establecer los efectos del desarrollo de la manufactura en el
crecimiento económico provincial, en el contexto de las Leyes de Crecimiento de Kaldor25.
Primer modelo: Tipo de concentración en la industria ecuatoriana
Modelo teórico
Para el caso del primer modelo se tomará como referencia el trabajo de Sala (2008), en el
cual se estiman dos modelos econométricos para medir el tipo de concentración industrial
existente en la Unión Europea en los años 1995 y 2003, en el contexto de la integración
europea y la configuración geográfica de la industria española. La base teórica está formada
por la teoría clásica y la nueva teoría del comercio internacional, así como de los postulados
de la Nueva Geografía Económica. El siguiente cuadro muestra la función de las variables
que se aplicaron26 para el caso ecuatoriano.
25 Se utiliza como referencia teórica estas leyes, en vista de que consideran la influencia del crecimiento de la industria manufacturera en el crecimiento económico de una nación. 26 No se pudieron utilizar todas las variables del documento base, en vista de la falta de información a nivel provincial.
70
Cuadro 4.1. Definición de las variables del primer modelo econométrico.
Teoría Variables Nombre Función
Índices de Concentración
Dependientes HERF Mide la concentración absoluta de la rama industrial.
HVBA Mide la concentración relativa de la rama industrial
Teoría clásica
del comercio
Independientes
IFT Mide la intensidad en el uso de la mano de obra de cada
sector, con respecto al valor añadido.
ICAP Indica la intensidad en la utilización de capital humano de
un sector en relación al promedio industrial.
Nueva teoría del comercio y la
Nueva Geografía de
Krugman
EXINTRA
Mide la proporción de la concentración industrial que se
debe a externalidades intrasectoriales (dentro del mismo
sector industrial).
EXINTER
Mide la proporción de la concentración industrial que se
debe a externalidades intersectoriales (entre sectores
industriales).
FBL
Sirve para captar la intensidad de uso de bienes
intermedios en la producción final de los sectores
industriales.
MIG1 y MIG2
(Dicotómicas)
Mide el grado de movilidad de población (migración) y su
influencia en las decisiones de localización, a través de la
identificación de provincias con valores superiores al
promedio nacional.
Fuente: Elaboración propia, en base a datos de Sala (2008).
Las variables del cuadro 4.1 se calcularon para el período 2001-2007 y como ya mencionó
anteriormente la mayor parte de las mismas se tratan de datos interpolados.
Fuentes de Información: Los datos para la estimación de este primer modelo
provienen de los Censos de Población y Vivienda de los años 2001 y 2010, las Cuentas
Provinciales del Banco Central y los Anuarios Estadísticos de la Superintendencia de
Compañías.
Antes de proceder a la estimación del modelo es necesario realizar algunas pruebas que
permitan establecer la pertinencia de la estimación del mismo, mediante la utilización del
software Eviews 5. Primeramente se presentaran los gráficos (por provincias) del
comportamiento de cada una las variables preliminares en el tiempo analizado, luego la
correspondiente matriz de correlaciones y finalmente los correlogramas de cada variable (a
niveles y en primera diferencia). Dichas pruebas constan en el anexo 3.A.
Las primeras gráficas del anexo 3.A muestran el comportamiento de las dos variables
dependientes: HERF y HBVA y de las cinco variables independientes resultantes: IFT, ICAP,
EXINTRA y EXINTER y FBL en ese orden respectivamente. Todas las variables, aunque en
menor grado IFT y FBL, presentan procesos estocásticos no estacionarios, es decir, que las
71
observaciones del tiempo t dependen de las observaciones del tiempo t+1 (ya sea positiva o
negativamente), imposibilitando la estimación econométrica en vista de sus marcadas
tendencias. Por un lado, esto se debe a errores de medición y por otro a que en la
elaboración de algunas variables se utilizaron datos interpolados provenientes de los
Censos de Población y Vivienda, de manera específica la PEA27 como proxy del empleo y la
PEA de instrucción superior como proxy de la Mano de Obra Calificada.
Para complementar el análisis en el anexo 3.B se presenta la matriz de correlaciones de las
variables del modelo, la misma que indica que no existen mayores problemas de
multicolinealidad, es decir, que las variables independientes estén correlacionadas entre sí.
Sin embargo, considerando que la prueba gráfica inicial nos muestra un problema de no
estacionariedad de la series, se elaboraron los correspondientes correlogramas con el
objetivo de contar con mayores elementos de juicio para la determinación del
comportamiento de las variables. Los correlogramas en niveles indican que todas las
variables presentan problemas de autocorrelación28 generando la presencia de procesos no
estocásticos, incluso esta situación persiste cuando se aplican las primeras diferencias ya
que sólo dos de las siete variables dejan de exhibir este problema.
Por lo tanto, considerando la información de la prueba gráfica y de los correlogramas se
tiene que las variables preliminares del modelo muestran procesos estocásticos no
estacionarios que no permiten la estimación de un modelo econométrico con estimadores
consistentes e insesgados.
Segundo Modelo: Efectos de la concentración en el crecimiento económico provincial
Marco Teórico
Según De Mattos (2000), existe una infinidad de modelos o teorías que estudian el tema del
crecimiento económico, los mismos que consideran aspectos que van desde la tasa de
ahorro en los keynesianos, la tasa de progreso técnico en los neoclásicos y la acumulación
de capital fijo, humano y conocimientos en los endógenos. Empero, considerando que el
objetivo de este trabajo es determinar los efectos de la localización de la industria en el
crecimiento económico de las provincias, se procederá a la estimación de un modelo basado
27 La única fuente de información completa a nivel provincial del personal empleado por rama de actividad fueron precisamente los Censos de Población y Vivienda. 28 Esto debido a que en las correspondientes gráficas del anexo 3.C, se rebasan los niveles de confianza y las probabilidades son todas menores a 0.05.
72
las leyes de crecimiento de Kaldor de 1967. Según Moreno (2008), el modelo de Kaldor
sostiene que el crecimiento económico de un territorio está estrechamente relacionado con
la dinámica de las actividades de manufactura y su incidencia en el incremento de la
demanda interna considerando variables como: el consumo, la inversión, las exportaciones
netas, la dotación de factores de producción: trabajo, capital y tecnología, entre otras. Este
modelo establece tres leyes:
Primera ley: Existe una fuerte correlación positiva entre el crecimiento del PIB total y
el crecimiento del sector manufacturero.
Segunda ley: Asimismo existe una significativa relación positiva entre el crecimiento
de la productividad del sector industrial y la tasa de crecimiento del producto
(manufacturas y total).
Tercera ley: La productividad total de la economía está correlacionada positivamente
con el crecimiento del producto y del empleo industrial y negativamente con el
crecimiento del empleo no manufacturero.
Cabe mencionar que las variables que forman parte del modelo corresponden a datos
provinciales del periodo 2001-2007 y fueron obtenidos por interpolación. Estas variables
son: el Valor Agregado Total, el Valor Agregado de la Industria Manufacturera, el Valor
Agregado no Manufacturero, los Ingresos, el Capital Suscrito y el Número de
establecimientos de la Industria Manufacturera, la Población Económicamente Activa Total,
la Población Económicamente Activa de la Industria Manufacturera, la Mano de Obra
Calificada de la Industria Manufacturera, la Productividad Media Laboral de la Industria
Manufacturera y la Productividad Media Laboral Total.
Fuentes de Información: Las fuentes de las cuales proceden los datos para las
variables de este modelo son los Censos de Población y Vivienda de los años 2001 y 2010,
las Cuentas Provinciales del Banco Central y los Anuarios Estadísticos de la
Superintendencia de Compañías, al igual que en el primer modelo.
En este caso también se realizaron algunas pruebas estadísticas (en el Eviews 5) para
justificar la estimación econométrica. Estas pruebas constan en los anexos 3.D, 3.E, 3.F.
Por un lado, la prueba gráfica muestra que tanto la variable dependiente como las
independientes presentan tendencias positivas marcadas, aunque en menor grado que las
del primer modelo, con lo que se tiene que en primera instancia no se debe estimar el
modelo por la presencia de procesos estocásticos no estacionarios.
73
Por otro lado, los correlogramas elaborados en niveles muestran que todas las variables
tienen problemas de autocorrelación (las gráficas superan los niveles de confianza y las
probabilidades son todas menores a 0,05). Incluso para las primeras diferencias sólo tres de
las once variables dejan de presentar autocorrelación, esto sin mencionar el hecho de que al
obtener la primera diferencia, la mayoría de variables no aportaron mayor información
debido a que están construidas en base a datos proyectados. Finalmente, la matriz de
correlaciones correspondiente muestra que existen problemas de multicolinealidad29, lo que
junto con los resultados de las pruebas anteriores, nos dan la pauta para argumentar que la
estimación de este modelo no aportaría mayor información para el cumplimiento del objetivo
de este capítulo.
4.2. Concentración y Spillovers30 sectoriales
Como se ve en el apartado 4.1. las pruebas estadísticas no permitieron la comprobación de
la hipótesis a través de la modelización econométrica, por ello se ha procedido a buscar una
metodología alternativa que nos permita llegar a dicha comprobación. Es así que se plantea
desarrollar el índice de Maurel y Sedillot31 (M-S) para determinar la existencia de spillovers
sectoriales, en este caso entre las industrias: manufactura-agricultura y la manufactura-
construcción, como paso previo al análisis de los efectos espaciales de la polarización.
En cuanto a la determinación de los efectos de la concentración de la manufactura en el
territorio se ha empleado el Índice Global I de Moran, tanto para los índices de
concentración como especialización económica, que permite determinar la existencia de
autocorrelación espacial y los efectos de “derrame”32 de la industria manufacturera en el
territorio.
Finalmente, una vez determinados los efectos de “derrame” en el territorio se creyó
pertinente revisar si ello conlleva la conformación de agrupaciones del sector manufacturero,
esto a través del análisis de clústers. Dicho análisis se aplicó para los índices de
concentración y especialización económica tanto del VAB como del Censo Económico 2010.
En el primer caso para definir desde el ámbito económico la conformación de agrupaciones
y en el segundo para observar si las agrupaciones obtenidas en primera instancia muestran
el mismo comportamiento, si el análisis se realiza a partir del número de establecimientos.
29 Altos niveles de correlación entre las variables explicativas. 30 De manera general, se pueden definir como las ventajas inherentes a la contigüidad territorial. 31 Para mayores detalles, revisar Maurel y Sedillot (1999) 32 Se denomina efectos de “derrame” a todas aquellas externalidades positivas o negativas relacionadas con el desarrollo de determinada actividad económica y que benefician a otros sectores de la economía, o a territorios vecinos al lugar donde se desenvuelve dicha actividad.
74
4.2.1. El índice de Maurel y Sedillot (M-S)
Cuando se habla de los efectos inherentes a la contigüidad territorial se deben considerar
las consecuencias de los procesos de concentración o aglomeración espacial, en vista de
que generalmente los individuos no se distribuyen de manera regular en el territorio. Ya sea
por motivos relacionados con las posibles ganancias derivadas de la localización, las
externalidades intersectoriales, la cercanía al mercado o a la fuente de materias primas, etc.,
determinados espacios se constituyen en los centros de actividad de la actividad económica.
Existen una diversidad de índices que miden la concentración espacial de la industria, los
cuales por lo general consideran las diferencias entre los patrones de localización de una
determinada actividad o sector y los del agregado nacional o regional, de tal manera que
entre mayor sea dicha diferencia, mayor será la concentración. Según Vidal-Suñé y Pezoa-
Fuentes (2012) entre estos índices podemos mencionar los siguientes: el índice de
concentración relativa, el índice de localización de Gini, el coeficiente de localización (CL) y
los índices de aglomeración geográfica, donde consta el Índice M-S.
Maurel y Sedillot (1999), en base al trabajo de Ellison y Glaeser de 1997, proponen un
modelo de localización para las industrias manufactureras en el que las plantas realizan sus
decisiones de localización considerando dos aspectos relevantes: las condiciones naturales
de la zona y los spillovers (ventajas inherentes a la proximidad entre empresas). Según
Villar, Chamorro y González (2006) se define una variable aleatoria 푈 , que toma el valor de
1 si la planta j si se sitúa en la localización i y toma el valor de 0 en otro caso. Se asume que
para todos los pares de plantas: j y k del sector tienen la misma distribución conjunta para
sus respuestas binarias (푈 , 푈 ), de tal forma que la probabilidad de que las dos plantas se
ubiquen en la localización i, que ambas no lo hagan, y que una se ubique y otra no, serían
respectivamente las siguientes:
푝푟표푏 푈 = 푈 = 1 = 푥 + 푥 (1− 푥 )훾 (퐹ó푟푚푢푙푎4.1)
푝푟표푏 푈 = 푈 = 0 = (1− 푥 ) + 푥 (1 − 푥 )훾(퐹ó푟푚푢푙푎4.2)
푝푟표푏 푈 = 1,푈 = 0 = 푝푟표푏 푈 = 1,푈 = 0 = 푥 (1 − 푥 )(1− 훾) (퐹ó푟푚푢푙푎4.3)
퐸 푈 = 퐸(푈 ) = 푥 (퐹ó푟푚푢푙푎4.4)
Dónde:
푥 , es la probabilidad de que cualquier planta se ubique en la localización i, que vendrá
determinada por el nivel de actividad industrial en la zona representado por el empleo.
75
훾, es el parámetro que recoge la correlación que existe entre las localizaciones de las
plantas j y k.
Considerando que 푥 dentro del índice está representado por la proporción del empleo
industrial en i, de las expresiones anteriores se tiene que si una localización posee el doble
de empleo que otra, la probabilidad de que una planta del sector analizado escoja ubicarse
en ésta será el doble que si decide hacerlo en otra. Además se deduce que 훾 = 푐표푟푟(푈 ,
푈 ), para j ≠ k y ∈ [−1,1], es el parámetro que recoge la interdependencia entre las
decisiones de localización de las plantas j y k.
De las distribuciones de probabilidad anteriores, se obtiene que la probabilidad p de que dos
plantas del sector escojan la misma ubicación se puede escribir como función lineal del
parámetro 훾:
푝 = ∑ 푝푟표푏 (푈 = 1,푈 = 1) = ∑ 푥 +훾(1 − ∑ 푥 ) (퐹ó푟푚푢푙푎4.5)
Maurel y Sedillot (1999) para calcular la expresión anterior proponen el siguiente estimador:
푝̂ = ∑∑ , ∈∑ ,
(퐹ó푟푚푢푙푎4.6)
Dónde los términos:푗, 푘 ∈ 푖, indican las plantas j y k del sector que escogen ubicarse en la
localización i, y z es la proporción del empleo del sector que posee cada planta. Ahora bien,
en vista de la relación lineal entre p y 훾 y teniendo en cuenta que el estimador p se puede
reescribir como:
푝̂ = ∑ (퐹ó푟푚푢푙푎4.7)
Dónde 푠 , representa la proporción del empleo de la localización y H es el índice de
concentración de Herfindhal, que simplemente mide la proporción del empleo ocupado en
determinada planta en relación al total del sector. Matemáticamente se expresa como:
퐻 = ∑ 푧 , o en su defecto, como se expresó en este mismo capítulo en la definición de las
variables del modelo econométrico que pretendía determinar el tipo de concentración en el
presente caso de estudio:
퐻퐸푅퐹 = ∑ (퐹ó푟푚푢푙푎4.8)
76
Finalmente y utilizando la forma equivalente de expresión del parámetro 푝̂, se tiene que la
expresión para determinar las externalidades intrasectoriales queda de la siguiente manera:
훾 =∑ ∑
∑ (퐹ó푟푚푢푙푎4.9)
La principal ventaja del índice M-S es que corrige el sesgo de concentración geográfica que
pueda derivarse de la simple concentración del empleo en unas pocas plantas. Además,
permite analizar las externalidades (spillovers)33 entre empresas que surgen de dichos
procesos de aglomeración. En este sentido, para la determinación de la aglomeración estos
autores proponen la siguiente expresión matemática:
훾 =∑ ∑
∑∑ ( )
∑ (퐹ó푟푚푢푙푎4.10)
Dónde 훾 , es el índice de concentración del sector l, 푤 , la proporción de empleo que el
sector l tiene dentro del grupo y 퐻 , el índice de Herfindahl del sector l. El cálculo de 훾 sirve
para determinar el interés que tienen las empresas de un sector de localizarse junto a las
empresas de otros sectores.
Cabe señalar, que tanto 훾 como 훾 , son estimadores de los parámetros 훾 e 훾 y se utilizan
de manera conjunta para construir el índice M-S, como se muestra a continuación:
훾 =∑ ( ) ∑
∑ (퐹ó푟푚푢푙푎4.11)
Este índice se puede descomponer con el fin de cuantificar de manera independiente los
spillovers intrasectoriales e intersectoriales, de manera respectiva:
∑ ( )
∑ (퐹ó푟푚푢푙푎4.11.푎)
∑
∑ (퐹ó푟푚푢푙푎4.11.푏)
33 Siendo ésta la principal función del índice en este capítulo, en vista de que la determinación de la concentración ya se la hizo en el capítulo anterior.
77
Utilizando el dato de la Población Económicamente Activa (PEA)34 mayor a 10 años de
edad, proveniente de los Censos de Población y Vivienda del 2001 y 2010, se calculó el
Índice de Maurel y Sedillot para las tres ramas de actividad industrial, a saber: Industria
manufacturera, Agricultura, ganadería, silvicultura y pesca, y Construcción. A priori, se
espera que presenten encadenamientos productivos, y por ende, justifiquen la localización
conjunta de sus unidades productivas. A continuación, las siguientes tablas resumen los
resultados del índice35 para las combinaciones de ramas: Industrias manufactureras-
Agricultura e Industrias manufactureras-Construcción.
Tabla 4.1. Spillovers intrasectoriales e intersectoriales Industrias manufactureras-Agricultura.
Intrasectoriales Intersectoriales Maurel y Sedillot Provincia 2001 2010 2001 2010 2001 2010
Azuay 0.00090538 0.00017107 0.01816978 0.02194331 0.01907516 0.02211438
Bolívar 0.00091826 0.00027279 0.00164347 0.00147713 0.00256173 0.00174993
Cañar 0.00193284 0.00092176 0.00764493 0.01219740 0.00957777 0.01311916
Carchi 0.00077482 0.00032543 0.00352343 0.00328387 0.00429825 0.00360930
Cotopaxi 0.00202132 0.00090422 0.00634276 0.01013959 0.00836407 0.01104381
Chimborazo 0.00137012 0.00051267 0.00442850 0.00744768 0.00579861 0.00796035
El Oro 0.00013906 0.00014066 0.00205568 0.00277512 0.00219474 0.00291578
Esmeraldas 0.00026777 0.00016149 0.00237126 0.00212782 0.00263903 0.00228931
Guayas -0.00283338 -0.00162874 -0.15601899 -0.14607592 -0.15885236 -0.14770466
Imbabura 0.00166112 0.00065938 0.02438266 0.03064160 0.02604378 0.03130098
Loja 0.00040396 0.00019240 0.00173306 0.00422196 0.00213702 0.00441436
Los Ríos 0.00027304 0.00023514 0.00086071 0.00124869 0.00113374 0.00148384
Manabí -0.00015553 -0.00002533 -0.00100619 -0.00017166 -0.00116173 -0.00019700
Morona S. 0.00069443 0.00023331 0.00160517 0.00189746 0.00229960 0.00213077
Napo 0.00123746 0.00016374 0.00349849 0.00202540 0.00473594 0.00218915
Pastaza 0.00069673 0.00016940 0.00442175 0.00402696 0.00511848 0.00419636
Pichincha -0.00182752 -0.00065324 -0.16567305 -0.17855497 -0.16750057 -0.17920821
Tungurahua 0.00236914 0.00103062 0.02005523 0.03640761 0.02242437 0.03743823
Zamora Ch. 0.00036832 0.00018679 0.00086385 0.00212795 0.00123217 0.00231474
Galápagos 0.00003479 0.00001404 0.00327061 0.00270994 0.00330540 0.00272398
Sucumbíos 0.00026475 0.00016183 0.00144809 0.00261773 0.00171285 0.00277956
Orellana 0.00023613 0.00019896 0.00064732 0.00217173 0.00088345 0.00237070
Fuente: Elaboración propia, en base a datos de los Censos de Población y Vivienda 2001 y 2010 del INEC.
La tabla 4.1 muestra que las decisiones de localización de las unidades productivas de las
ramas de la industria manufacturera y de la Agricultura en los años 2001 y 2010, se deben
principalmente a las ventajas derivadas de la proximidad entre las plantas de distintos
sectores, pero complementarios en cierta parte de la cadena productiva, en este caso la
34 Sólo se pudo utilizar la información hasta un dígito de la clasificación CIIU, en vista de la disponibilidad de la información. 35 Mayores detalles del cálculo del Índice se muestran en el anexo 4.
78
rama de la Agricultura provee de insumos productivos a la industria manufacturera, intensiva
en este tipo de factores. Esta característica es más acentuada en las provincias de
Tungurahua, Imbabura, Azuay, Cañar y Cotopaxi, sobre todo en el año 2010, principalmente
porque la región interandina es la que provee de insumos agropecuarios para la fabricación
de alimentos y de prendas de vestir a los establecimientos manufactureros de estas mismas
provincias, dando como resultado la presencia significativa de spillovers intersectoriales
entre las ramas analizadas.
Cabe resaltar que las provincias con mayor crecimiento económico: Pichincha, Guayas y
Manabí son las que presentan valores negativos en el índice, corroborando el hecho de que
aunque presentan los más altos niveles de participación en las ramas de actividad
analizadas, si se considera el territorio y las ventajas de localización, las unidades
productivas no buscan de manera deliberada ubicarse en estos territorios, esto
probablemente por las pocas ventajas relacionados con la proximidad a las fuentes de
materias primas, los altos costos de producción existentes (incluidos los costos del suelo) y
en unos pocos casos por la legislación pertinente en cuanto al ordenamiento territorial.
Si se analiza la relación entre la Industria manufacturera y la construcción utilizando la
información de la tabla 4.2, se tiene que en este caso también las decisiones de localización
obedecen mayoritariamente a las ventajas de la localización conjunta entre plantas de
ramas de actividad complementarias, como es el caso de estas dos industrias. Las
provincias con valores más altos del índice en los años analizados son: Tungurahua,
Imbabura, Azuay, Cañar y Cotopaxi, lo que evidencia el interés de las unidades productivas
por aprovechar los encadenamientos productivos entre estas dos ramas. Pichincha, Guayas
y Manabí siguen siendo las provincias con el mayor grado de dispersión de la actividad y
con los valores más bajos del índice, mostrando las pocas ventajas de localización conjunta
que presentan estas provincias.
De manera general se puede argumentar que en los años analizados y en las ramas
seleccionadas, la presencia de spillovers internos es mínima, es decir, que aunque las
unidades productivas realizan el mismo tipo de actividad no tienen interés de aglomerarse
en el territorio (a excepción de los casos puntuales de Cotopaxi-Tungurahua y Cañar- Azuay
que destacan en la actividad manufacturera y de la construcción, respectivamente), en vista
de la casi nula sinergia de la ubicación contigua explicada, entre otras razones, por las
inexistentes medidas de política industrial encaminadas a mejorar la productividad conjunta
del sector y a generar encadenamientos productivos.
79
Tabla 4.2. Spillovers intrasectoriales e intersectoriales Industrias manufactureras-Construcción.
Spillovers intrasectoriales Spillovers intersectoriales Maurel y Sedillot Provincia 2001 2010 2001 2010 2001 2010
Azuay 0.00010774 0.00017584 0.01896039 0.02193859 0.01906813 0.02211442
Bolívar 0.00000349 0.00000482 0.00255820 0.00174511 0.00256169 0.00174993
Cañar 0.00006470 0.00011985 0.00951263 0.01299915 0.00957733 0.01311900
Carchi 0.00000840 0.00000803 0.00428980 0.00360125 0.00429820 0.00360928
Cotopaxi 0.00002854 0.00007632 0.00833378 0.01096701 0.00836232 0.01104333
Chimborazo 0.00001226 0.00003836 0.00578516 0.00792173 0.00579741 0.00796008
El Oro 0.00000669 0.00001263 0.00218798 0.00290306 0.00219467 0.00291570
Esmeraldas 0.00000797 0.00000586 0.00263101 0.00228341 0.00263897 0.00228927
Guayas -0.00059006 -0.00067288 -0.15807671 -0.14695758 -0.15866677 -0.14763046
Imbabura 0.00012388 0.00015531 0.02591622 0.03114449 0.02604009 0.03129980
Loja 0.00000906 0.00003565 0.00212788 0.00437866 0.00213693 0.00441431
Los Ríos 0.00000185 0.00000297 0.00113177 0.00148077 0.00113362 0.00148373
Manabí -0.00000377 -0.00000168 -0.00115757 -0.00019528 -0.00116135 -0.00019695
Morona S. 0.00000554 0.00001766 0.00229404 0.00211311 0.00229959 0.00213077
Napo 0.00001753 0.00001155 0.00471839 0.00217760 0.00473592 0.00218915
Pastaza 0.00001659 0.00003047 0.00510188 0.00416589 0.00511847 0.00419636
Pichincha -0.00086466 -0.00080673 -0.16654845 -0.17841617 -0.16741311 -0.17922291
Tungurahua 0.00004318 0.00013085 0.02236754 0.03730176 0.02241072 0.03743261
Zamora Ch. 0.00000360 0.00001479 0.00122856 0.00229995 0.00123217 0.00231474
Galápagos 0.00001888 0.00001600 0.00328652 0.00270798 0.00330540 0.00272398
Sucumbíos 0.00000494 0.00002018 0.00170790 0.00275938 0.00171284 0.00277956
Orellana 0.00000148 0.00000958 0.00088196 0.00236111 0.00088344 0.00237069
Fuente: Elaboración propia, en base a datos de los Censos de Población y Vivienda 2001 y 2010 del INEC.
Por otro lado, los resultados de este índice coinciden con los del Índice de Concentración
calculado en el capítulo anterior, donde las provincias “concentradoras” presentaban los
niveles más bajos de concentración geográfica en las actividades analizadas. Cabe
mencionar además que si se analizará las interrelaciones entre la manufactura y la industria
petrolera, probablemente las provincias con mayor nivel de spillovers sectoriales serían las
amazónicas, principalmente Sucumbíos y Orellana, pero dicha relación está fuera del objeto
de estudio de esta investigación.
Galápagos sigue siendo un caso particular ya que gracias a su naturaleza insular, los
spillovers sectoriales entre las ramas analizadas se reducirían a su espacio geográfico, esto
a pesar de compartir recursos comunes, principalmente del mar, con las provincias costeras
de mayor crecimiento económico: Guayas y Manabí.
80
4.3. Índice Global I de Moran (Autocorrelación Espacial)
Según López y Palacios (2004), el Índice Global I de Moran mide de forma global la
presencia o ausencia de autocorrelación espacial36 en un conjunto de observaciones
distribuidas sobre una superficie. Se trata de un estadístico que trabaja bajo las hipótesis de
independencia de las observaciones y de distribución asintótica y normal. En el presente
trabajo se utilizará con la finalidad de determinar cómo la concentración de la industria
manufacturera influye en el comportamiento espacial de la rama entre provincias.
Matemáticamente se expresa:
퐼 =∑ ∑
.∑ ∑ ( ̅) ̅
∑ ( ̅)(Fórmula 4.12)
Fuente: Vilalta y Perdomo (2006)
Dónde:
x: Es el valor de la variable de interés (VAB, empleo, número de establecimientos).
n: Es el número de unidades (áreas o puntos en el mapa).
Wij: Es la matriz de distancias que define si las áreas o puntos i y j son o no vecinos.
El valor de este índice varía entre +1 y -1, donde el primer valor indica una autocorrelación
positiva perfecta y el segundo una autocorrelación negativa perfecta. El cero significa un
patrón espacial totalmente aleatorio.
Para validar la existencia autocorrelación espacial se analizarán los diagramas de dispersión
que incluyen el valor del Índice Global de Moran y la distribución de la variable, el
correspondiente histograma que a través de su valor p nos permitirá rechazar la hipótesis
nula de aleatoriedad de la distribución, si su valor es menor o igual a 0.05 y finalmente los
mapas LISA que permitirán la identificación de territorios o grupo de territorios (clústers) que
presentan ventajas (autocorrelación positiva) o desventajas (autocorrelación negativa) para
el desempeño de la variable estudiada. En el último caso el análisis es como sigue: los
territorios de color rojo o high-high, son los que presentan mayor presencia de la variable y
así mismo están rodeados por territorios con significativos valores de la variable; y por el
contrario, los de color azul oscuro o low-low, son los que presentan la menor presencia de la
variable y están rodeados por territorios con similar característica.
36 La autocorrelación o dependencia espacial surge cuando el valor de una variable en un lugar del espacio está relacionado con el valor correspondiente de un lugar contiguo. En otras palabras, el desempeño en un sector económico de una región está influenciado por el comportamiento del mismo sector en la región vecina.
81
Para el cálculo y la graficación del Índice Global de Morán se utilizaron los valores de los
índices de especialización y concentración, estimados en base al VAB del 2007 de las
principales ramas de actividad de la sección 3.2 del capítulo anterior. Sin embargo, sólo se
mostrarán los diagramas de dispersión y los Mapas LISA correspondientes a los índices que
presentaron autocorrelación espacial, según el valor p37 de los histogramas
correspondientes38.
4.3.1. Índice de Morán del Índice de Especialización 2007 En este índice destacan las provincias: El Oro, Azuay y Zamora Chinchipe (provincias con
altas tasas de emigración internacional) con autocorrelación espacial positiva y Orellana con
negativa. Además, existen provincias que presentan significativa presencia de la variable,
rodeadas de provincias con bajos valores y provincias con baja presencia pero rodeadas por
otras con significativa presencia de la variable, como lo es el caso de Napo y Chimborazo,
respectivamente (gráfica 4.1).
Gráfica 4.1. Diagrama de Dispersión y Mapa LISA Construcción. Fuente: Elaboración propia, en base a datos de las Cuentas Provinciales 2001-2007 del BCE.
4.3.2. Índice de Morán del Índice de Concentración 2007
Finalmente se analiza la información correspondiente al Índice de Concentración, en este
caso las ramas de Industrias manufactureras y Construcción son las que presentan
autocorrelación espacial significativa a nivel global, sin la presencia de provincias
destacadas, como lo indican las gráficas 4.2 y 4.3.
37 Se utilizaron 99 permutaciones para la obtención del valor p. 38 En el anexo 5 consta las ramas que presentan autocorrelación espacial, con el correspondiente valor p de sus histogramas.
82
Gráfica 4.2. Diagrama de Dispersión y Mapa LISA Industrias Manufactureras. Fuente: Elaboración propia, en base a datos de las Cuentas Provinciales 2001-2007 del BCE.
Gráfica 4.3. Diagrama de Dispersión y Mapa LISA Construcción. Fuente: Elaboración propia, en base a datos de las Cuentas Provinciales 2001-2007 del BCE.
4.4. Enfoque de Clústers
Finalmente, se procederá a la búsqueda de clústers en las principales ramas de actividad
económica del Ecuador en los años analizados, a través de la utilización de dendogramas39,
que permitirán corroborar si las externalidades industriales de las provincias
“concentradoras” rebasan los límites geográficos de las mismas. Pero antes de esto es
necesario referirse a las teorías que explican la formación y la existencia de estas
agrupaciones geográficas empresariales.
Según Ramos (1999), los clústers son concentraciones sectoriales y/o geográficas de
empresas que realizan las mismas actividades o actividades relacionadas, tanto hacia atrás:
hacia los proveedores de insumos y equipo, como hacia delante y hacia los lados: hacia
industrias procesadoras y usuarias, con importantes economías de aglomeración y
especialización, que buscan la eficiencia colectiva gracias a dicha agrupación. Entre las 39 Es un tipo de representación gráfica o diagrama de datos en forma de árbol que organiza los datos en subcategorías que se van dividiendo en otras hasta llegar al nivel de detalle deseado. Permite apreciar claramente las relaciones de agrupación entre los datos e incluso entre grupos de ellos.
83
razones para la aparición de los clústers se pueden mencionar los siguientes: atracción de
clientes a un mismo lugar, mayor especialización y división de trabajo, “derrames”
tecnológicos y de comercialización, reducción de costos de transacción para los clientes y
reducción de costos de operación comunes para las empresas. Según este mismo autor,
existen varios enfoques teóricos que intentan explicar la formación de clústers industriales:
En primer lugar, la teoría de localización y de geografía económica hace énfasis en el peso
relativo del costo de transporte en el costo total. Destaca las interdependencias de la
materia prima y los productos procesados y subproductos. Además, señala como factor
determinante para la localización a la claridad y la transparencia en la legislación y los
derechos de propiedad. Este enfoque es característico de la economía especial.
Por su lado, la teoría de los encadenamientos hacia atrás y hacia delante pretende
establecer cómo y cuándo la producción de un sector es suficiente para satisfacer la escala
mínima necesaria para hacer atractiva la inversión en otro sector que éste abastece (hacia
atrás) o procesa (hacia delante).
La teoría de los “distritos industriales” busca explicar las condiciones propicias para que
haya aprendizaje intraempresarial a través de la sinergia de la interacción, es decir los
factores determinantes para la transferencia de tecnología y conocimiento. Según Alfred
Marshall, su principal precursor, la aglomeración de empresas genera un margen de
economías externas que reducen los costos de producción.
Finalmente, El modelo de Michael Porter argumenta que la diversidad e intensidad de las
relaciones funcionales entre empresas explican la formación de clústers. Estas relaciones
son: las de competencia entre empresas, con los proveedores, con actividades de apoyo,
con productores de insumos complementarios y con proveedores de insumos
especializados. Según Corrales (2007), Porter fue quien introdujo por primera vez el
concepto de clúster como tal para explicar agrupamientos industriales competitivos en
Dinamarca, Suecia e Italia, donde destacaba el papel preponderante de las cadenas de
valor que se generaban por la cooperación o coalición entre empresas.
84
Cabe señalar que existe una infinidad de teorías que tratan de explicar la existencia de
clústers; sin embargo, éstas responden principalmente a las características particulares de
cada territorio, es por esa razón que sólo se analizan las que presentan mayor generalidad
en su contenido.
4.4.1. Determinación de agrupaciones
Existen diversas metodologías utilizadas para la determinación de aglomeraciones
geográficas. Sin embargo, en esta parte del capítulo se procederá a la utilización del análisis
de conglomerados (clústers), que se trata de una técnica multivariante que busca agrupar
variables considerando la presencia significativa o no de dicha variable en los individuos
analizados, con la finalidad de que las agrupaciones obtenidas sean las más homogéneas
en sí mismas y lo suficientemente heterogéneas entre ellas. En este sentido, los
dendogramas son las representaciones gráficas más idóneas ya que permiten identificar k
clústers, según el número de categorías que se desea obtener, únicamente con la
segmentación40 horizontal o vertical adecuada.
En el caso particular del presente trabajo se utiliza esta técnica con el objetivo de establecer
las agrupaciones provinciales con mayor especialización en la actividad industrial y los
efectos de la localización concentrada de la industria manufacturera en el crecimiento de las
provincias.
Según Terrádez Gurrea (s.f.) los clústers se pueden clasificar en grupos jerárquicos:
acumulativos o en grupos crecientes, o diminutivos o en grupos decrecientes. Los métodos
más utilizados para los clústers acumulativos son:
Método de las distancias mínimas, que agrupa los elementos más cercanos.
Método de las distancias máximas, que agrupa los elementos más alejados.
Método de las distancias medias, en el que se calcula la media de las distancias
entre los elementos.
La información utilizada para la construcción de los dendogramas procede de los índices de
Especialización y Concentración41, elaborados en base al dato del VAB del 2007 (el dato
40 A través del trazo de una línea recta en el límite permitido para la agrupación, en el caso del presente trabajo ese límite es: 5. 41 Sólo se utilizan los resultados de estos dos índices en vista de que el Índice de Participación presenta resultados completamente similares al de Especialización y el de Diversificación no genera más de un clúster en ambas ramas, no siendo este un buen criterio de agrupación.
85
más reciente) de las ramas de actividad de la industria manufacturera y de la agricultura y
los que corresponden al dato del número de establecimientos del Censo Económico del
2010 de las principales actividades industriales (dos dígitos CIIU), mostrados las secciones
3.2.1 y 3.2.2 del capítulo anterior, respectivamente. En primer lugar, se muestran los clústers
correspondientes a las ramas de actividad económica: Industrias manufactureras y
Agricultura42, los siguientes cuadros resumen dicha información 43.
Cuadro 4.2. Clústers Índice de Especialización. Industrias Manufactureras 2007.
Clústers C1 C2 C3 C4 C5
Provincias
Manabí,
Pichincha, Cañar y
Cotopaxi.
Azuay e
Imbabura.
Chimborazo, El
Oro y Esmeraldas.
Orellana, Sucumbíos,
Galápagos, Bolívar, Napo
y Pastaza.
Zamora Chinchipe,
Loja, Morona Santiago
y Carchi.
Fuente: Elaboración propia, en base a datos de las Cuentas Provinciales 2001-2007 del BCE.
En el caso de la industria manufacturera el Índice de Concentración apenas formó un clúster
(anexo 6) por lo que no se lo consideró para el análisis. Sin embargo, el de Especialización
conformó los cinco clústers que se señalan en el cuadro 4.2, constituyéndose un mejor
criterio de agrupación. Analizando dichas agrupaciones, se tiene que en tres clústers las
provincias participantes presentan proximidad geográfica, corroborando el hecho de que el
crecimiento de la actividad de la industria manufacturera en ciertos territorios favorece al
crecimiento de este mismo tipo de actividad en sus territorios vecinos. Esto último
principalmente se aplica para las provincias amazónicas. En vista de la presencia de
spillovers intersectoriales entre las ramas analizadas se espera, a priori, que exista una
similitud en los clústers resultantes. Los cuadros 4.3 y 4.4 nos dan una pauta de la realidad
de la actividad agrícola en el año 2007.
Cuadro 4.3. Clústers Índice de Especialización. Agricultura, ganadería, caza y silvicultura 2007.
Clústers C1 C2 C3
Provincias
Imbabura, Manabí, Chimborazo,
Loja, Napo, Zamora Chinchipe y
Cañar.
Carchi, El Oro, Morona
Santiago y Esmeraldas.
Bolívar, Cotopaxi, Galápagos, Orellana,
Sucumbíos, Pastaza, Pichincha,
Tungurahua, Azuay y Guayas.
Fuente: Elaboración propia, en base a datos de las Cuentas Provinciales 2001-2007 del BCE.
42 No se construyeron dendogramas de la rama de la Construcción en vista de que este tipo de actividad presenta escasos eslabonamientos productivos con las ramas mencionadas. 43 Los dendogramas correspondientes están incluidos en el anexo 6.
86
Cuadro 4.4. Clústers Índice de Concentración. Agricultura, ganadería, caza y silvicultura 2007.
Clústers C1 C2 C3 C4 C5 C6
Provincias
Chimborazo,
Esmeraldas, Carchi,
Imbabura, Azuay,
Cañar y Loja.
Manabí, Tungurahua,
Zamora Chinchipe,
Sucumbíos y El Oro.
Bolívar, Napo
y Galápagos.
Los Ríos y
Pichincha.
Guayas y
Orellana.
Morona
Santiago y
Napo.
Fuente: Elaboración propia, en base a datos de las Cuentas Provinciales 2001-2007 del BCE.
En el caso de la rama de la Agricultura, ganadería, caza y silvicultura, el mejor criterio de
agrupación es el Índice de Concentración, en base al cual se forman 6 clústers en los que
destaca el primero, formado por 3 provincias del norte y 3 provincias del sur del país que
presentan proximidad geográfica en cada grupo. Este resultado señala la importancia que
tiene la actividad agrícola y ganadera en las provincias fronterizas y las relaciones
comerciales inherentes con los países vecinos. El resto de clústers aunque presenta
homogeneidad productiva entre las provincias que los conforman, los spillovers geográficos
de la actividad nos son tan significativos.
Analizando de manera conjunta los resultados de las dos ramas de actividad se puede
evidenciar el hecho de que las decisiones de localización en estos casos particulares,
obedecen a las ventajas de la aglomeración geográfica, esto en vista de la coincidencia en
cuanto a la estructura de los clústers resultantes. Por otro lado, cabe resaltar el hecho de
que aunque las provincias amazónicas presentan características productivas idóneas, el
nivel de actividad todavía es muy bajo y no se benefician de la proximidad geográfica con
provincias con significativo crecimiento en las ramas analizadas, más aún en el caso de la
industria manufacturera.
Ahora bien, para determinar con mayor precisión la incidencia de los factores locacionales,
se analizará la formación de clústers en las actividades manufactureras de mayor
participación analizadas en la última sección del capítulo anterior, a saber: Elaboración de
alimentos, fabricación de prendas de vestir, fabricación de productos elaborados de metal,
excepto maquinaria y equipo y fabricación de muebles. Los resultados se muestran a
continuación.
87
Cuadro 4.5. Clústers Índice de Especialización y Concentración. Elaboración de alimentos 2010.
Clústers C1 C2 C3 C4 C5
Especialización Cañar, Zamora
Chinchipe y Azuay.
Tungurahua,
Sucumbíos y
Orellana.
Cotopaxi, Pichincha,
Chimborazo, El Oro,
Pastaza y Morona
Santiago.
Guayas
Manabí y
Galápagos.
Bolívar y
Napo.
Concentración
El Oro, Esmeraldas,
Imbabura, Loja, Cañar,
Azuay, Pichincha,
Tungurahua, Cotopaxi y
Chimborazo.
Bolívar, Napo,
Morona Santiago,
Sucumbíos y
Pastaza.
Galápagos Carchi y
Los Ríos.
Guayas y
Manabí.
Fuente: Elaboración propia, en base a datos del Censo Económico del 2010 del INEC.
En cuanto a la actividad de mayor participación: la elaboración de alimentos (cuadro 4.5), se
tiene que tanto el Índice de Especialización como el de Concentración son buenos criterios
de clasificación. En el caso del primero, dos de los cinco clústers generados están formados
por provincias con contigüidad geográfica, destacando el formado por Guayas, Manabí y
Galápagos, provincias en las que el procesamiento de productos del mar tiene gran
participación en el agregado manufacturero. Con el segundo índice se forman cuatro
clústers, dos de los cuales presentan proximidad geográfica, sobresaliendo el que está
conformado por diez provincias.
Cuadro 4.6. Clústers Índice de Especialización y Concentración. Fabricación de prendas de vestir
2010.
Clústers C1 C2 C3 C4 C5
Especialización
Carchi,
Esmeraldas, Loja,
Pastaza y
Orellana.
Azuay y
Los Ríos. Cañar, Imbabura y Napo.
Tungurahua, Zamora
Chinchipe, Chimborazo,
El Oro, Morona Santiago
y Sucumbíos.
Concentración Los Ríos, Zamora
Chinchipe y Azuay.
Bolívar y
Cotopaxi.
Loja, Sucumbíos,
Galápagos, Esmeraldas,
Cañar, Imbabura,
Chimborazo, El Oro y
Napo.
Manabí y Pastaza.
Pichincha,
Orellana y
Morona
Santiago.
Fuente: Elaboración propia, en base a datos del Censo Económico del 2010 del INEC.
En lo que respecta a la fabricación de prendas de vestir, ambos índices se consideran como
buenos criterios para la organización de clústers. Sólo uno de los clústers resultantes está
formado por provincias contiguas geográficamente, lo que evidencia el hecho de que
aunque su estructura económica en cuanto a este tipo de actividad es bastante homogénea
las provincias no se benefician de ningún tipo de spillover geográfico, según el cuadro 4.6.
88
Cuadro 4.7. Clústers Índice de Especialización y Concentración. Fabricación de productos elaborados
de metal, excepto maquinaria y equipo 2010.
Clústers C1 C2 C3 C4 C5 C6 C7
Especialización
Esmeraldas,
Morona
Santiago y
Galápagos.
Azuay,
Zamora
Chinchipe y
Pichincha.
Chimborazo,
Napo y
Bolívar.
Cotopaxi, Imbabura,
Tungurahua, Orellana,
Sucumbíos, El Oro,
Guayas, Manabí y
Pastaza.
Loja, Los Ríos
y Cañar.
Concentración
Chimborazo,
Manabí y
Azuay.
Esmeraldas,
Tungurahua,
Galápagos y
Orellana.
Morona
Santiago y
Pastaza.
Bolívar y Pichincha.
Napo, Zamora
Chinchipe e
Imbabura.
Cañar y El
Oro.
Loja y
Sucumbíos.
Fuente: Elaboración propia, en base a datos del Censo Económico del 2010 del INEC.
En la fabricación de productos elaborados de metal, excepto maquinaria y equipo (cuadro
4.7), los dos índices originan una cantidad significativa de agrupaciones territoriales. Cabe
mencionar que casi la totalidad de los clústers formados no presentan proximidad
geográfica, destacando principalmente los spillovers geográficos generados por las
provincias de la Sierra Central: Cotopaxi, Chimborazo, Bolívar y Cañar, en donde se
localizan la mayor parte de las unidades productivas dedicadas a la fabricación de productos
de metal, entre ellos las carrocerías para autobuses.
Cuadro 4.8. Clústers Índice de Especialización y Concentración. Fabricación de muebles 2010.
Clústers C1 C2 C3 C4 C5
Especialización
Guayas, Pichincha,
Azuay, Pastaza. Orellana,
Bolívar, Manabí y
Tungurahua.
Cañar e Imbabura. El Oro, Loja
y Carchi.
Cotopaxi y
Chimborazo.
Galápagos, Zamora
Chinchipe y Napo.
Concentración Los Ríos, Zamora
Chinchipe y Tungurahua.
Carchi, El Oro, Napo,
Cañar, Imbabura y
Esmeraldas.
Galápagos y
Sucumbíos.
Bolívar,
Cotopaxi y
Manabí.
Guayas Orellana y
Pichincha.
Fuente: Elaboración propia, en base a datos del Censo Económico del 2010 del INEC.
Finalmente en lo concerniente a la fabricación de muebles, los dos índices mostrados en el
cuadro 4.8 se constituyen como buenos criterios de clasificación. En este caso también las
provincias que conforman los clústers no son contiguas geográficamente, lo que muestra
que aunque presentan características productivas similares en cuanto a este tipo de
actividad dentro de los clústers obtenidos, solo algunas provincias se benefician de los
spillovers geográficos, por ejemplo: Pastaza y Orellana, El Oro y Loja, Esmeraldas, Carchi e
Imbabura, Bolívar y Cotopaxi.
89
Considerando la incidencia de los factores locacionales, se evidencia el hecho de que la
dotación de recursos naturales y de mano de obra, la migración, y la infraestructura son
factores importantes en las decisiones de localización de las unidades productivas de la
industria manufacturera. Esto en vista de que las actividades manufactureras de mayor
participación se ubican en provincias con abundancia de recursos, principalmente agrícolas
y del mar y con una importante infraestructura física. Cabe resaltar en este punto que las
provincias con mayor crecimiento en el período analizado, a saber: Pichincha, Guayas,
Manabí y Azuay aunque concentran la mayor parte de la actividad industrial, según los
resultados de esta sección, no generan encadenamientos productivos de gran escala que
favorezcan al crecimiento de sus provincias vecinas.
Por otro lado, si se considera los resultados de la sección 4.2 de este mismo capítulo, se
observa que en algunas provincias de la Sierra central, de manera específica: Tungurahua,
Chimborazo y Cañar no sólo existen spillovers entre ramas de actividad, es decir beneficios
de la complementariedad en los procesos productivos, sino también que la actividad
industrial genera importantes spillovers geográficos.
Consideraciones finales En el período analizado se observa la presencia de significativos spillovers, tanto entre
ramas de actividad como geográficos, principalmente en las provincias del centro del país.
Las provincias amazónicas aunque presentan las ventajas naturales idóneas para el
desarrollo de la actividad industrial y un alto nivel de diversificación productiva, muestran un
bajo nivel de actividad en las ramas analizadas en el período 2001-2010. Por su lado, las
provincias: Pichincha, Guayas, Manabí y Azuay concentran la mayor parte de la actividad
industrial, aunque no desde un punto de vista geográfico. Sin embargo, no producen
spillovers geográficos de importancia que sirvan de estímulo para el crecimiento de este tipo
de actividad en las provincias vecinas, al contrario de lo que ocurre con las provincias de la
Sierra central: Tungurahua, Chimborazo y Cañar.
Las cuatro actividades manufactureras de mayor participación en el período analizado
generan clústers geográficos que incluyen a las cuatro provincias de mayor crecimiento:
Pichincha, Guayas, Manabí y Azuay, destacando uno existente en la fabricación de
alimentos formado por Guayas, Manabí y Galápagos.
90
COMENTARIOS FINALES
Tradicionalmente en la Ciencia Económica la dimensión temporal ha sido la de mayor
relevancia en la explicación de los fenómenos económicos. Sin embargo, el desarrollo
reciente de la Economía Espacial ha relanzado la influencia que tiene el territorio como el
espacio en el que se desenvuelve la actividad económica, en las decisiones de los agentes.
Las teorías de localización industrial consideran un sinnúmero de factores determinantes en
los procesos de localización: las clásicas resaltan el papel de la distancia hacia las fuentes
de materias primas y a los mercados, los costos de transporte, y la distribución de la
demanda en el mercado. Las neoclásicas destacan factores como: la interdependencia en
las decisiones de localización, la productividad de los factores productivos y la incidencia de
los principales agregados económicos. Y los nuevos enfoques utilizan variables como: la
incertidumbre de las decisiones empresariales, las relaciones interempresariales, las
relaciones laborales, el comercio, la especialización y las economías de escala.
El caso de la localización de la industria ecuatoriana en el período 2001-2010 obedece
principalmente a variables como la dotación de recursos naturales y humanos, la
infraestructura vial, portuaria y aeroportuaria, la migración interna, las relaciones
interempresariales y las relaciones de producción resultantes de los procesos históricos
económicos por los que atravesado el país. Por estas, y otras razones, la actividad industrial
se ha concentrado en pocas provincias, principalmente en Pichincha y Guayas.
Revisando la historia económica del Ecuador, es fácil evidenciar que la actual distribución de
la actividad económica e industrial data de muchas décadas atrás. Las actividades de
exportación de productos primarios como: cacao, banano y petróleo configuraron de manera
importante la localización industrial, ubicando las actividades de mayor crecimiento en la
región litoral y oriental principalmente.
Al analizar la actividad económica del Ecuador en las últimas dos décadas se puede
observar las significativas variaciones de la tasa de crecimiento económico: negativa
principalmente en los cuatro últimos años del siglo XX, gracias a los desastres naturales, la
desestabilidad política y las crisis monetaria y cambiara de dichos años y positiva en la
década de los 90s y aún más a partir del año 2004, con una ligera caída en el 2008, debido
a la estabilidad política y económica, el cambio de moneda y el incremento de la producción
y de los precios de los principales bienes primarios de exportación. La realidad a nivel
provincial no dista de lo mencionado, generando procesos de crecimiento bastante dispares.
91
Cuando se analizan algunos de los factores determinantes para la localización, se observa
la predominancia de los mismos en las provincias de mayor crecimiento. Por mencionar
algunos: Entre 1990 y 2010, más de la mitad de la PEA total y la de nivel de instrucción
superior de la industria manufacturera se concentró en las provincias de Pichincha y
Guayas, los principales flujos migratorios se dirigieron también a dichas provincias, además
de que los mencionados territorios cuentan con los puertos y aeropuertos de mayor
actividad a nivel nacional.
Estudiando el caso particular de la industria manufacturera, se puede evidenciar la
localización de este tipo de actividad en pocas provincias, principalmente en Pichincha y
Guayas y la escasa relevancia económica de dicha actividad en el resto de provincias, en
relación al total de su economía. Esta concentración se da no sólo por el número de
establecimientos que se dedica a este tipo de actividad, sino también por el empleo y las
ganancias generadas, según el Censo Económico del 2010.
La actividad de la industria manufacturera tiene mayor participación en las economías de las
provincias de Guayas, Manabí, Pichincha, Cotopaxi, Tungurahua y Cañar, aunque si se
considera el punto de vista espacial dicha actividad se encuentra dispersa, a diferencia de lo
que ocurre en provincias como Carchi, Imbabura, Chimborazo, Cañar, El Oro y Los Ríos.
Por otro lado, si se realiza un análisis más desagregado se evidencia la importancia
económica de actividades como la elaboración de productos alimenticios, prendas de vestir,
productos de metal y muebles, actividades intensivas en el uso de insumos primarios, en el
agregado industrial a nivel nacional.
En vista de la presencia de procesos estocásticos no estacionarios, autocorrelación y
multicolinealidad en las observaciones provinciales de la producción, el empleo, la
migración, la productividad, entre otras variables no se pudo realizar la estimación de los
modelos econométricos del período 2001-2007 para la determinación de los efectos de la
localización polarizada en el nivel de actividad de los territorios.
Existe un consenso general en los estudios de evidencia empírica analizados de que el
crecimiento de la actividad industrial de un territorio favorece al desarrollo de este tipo de
actividad en sus territorios vecinos. Sin embargo, para el caso ecuatoriano las provincias de
mayor participación no generan encadenamientos productivos que incidan de manera
positiva en los procesos de crecimiento económico de sus provincias vecinas, esto en vista
de que los resultados del Índice de Morán, en base al VAB, señalan ausencia de
autocorrelación espacial positiva entre dichas provincias.
92
Por otro lado, los spillovers entre ramas de actividad, de manera específica entre la
agricultura y la industria manufacturera y los spillovers geográficos son mucho más
significativos en provincias como: Cotopaxi, Chimborazo, Bolívar y Cañar, que en las
provincias de mayor participación económica en la rama industrial, razón por la cual se
justifica el escaso crecimiento de las provincias que tienen proximidad geográfica con
Pichincha, Guayas y Manabí. Incluso esta tendencia se mantiene si se analiza la actividad
manufacturera de manera más desagregada.
Cabe señalar el hecho de que las provincias amazónicas además de presentar los niveles
más bajos en las actividades productivas analizadas, también son las que presentan niveles
de autocorrelación espacial escasamente significativos, especialmente la provincia de
Orellana, que es la provincia de menor crecimiento entre las provincias con menor
crecimiento, en las actividades analizadas entre el 2001 y el 2010.
En cuanto a la formación de clústers en la industria manufacturera, se puede observar la
presencia en dichas agrupaciones de provincias con y sin proximidad geográfica, lo que
muestra que los efectos de “derrame” superan los límites provinciales en las actividades
analizadas, incluso entre provincias bastante alejadas. Cabe mencionar que en las
agrupaciones resultantes destacan las provincias costeras y Galápagos en la fabricación de
alimentos y las provincias de la Sierra en la elaboración de prendas de vestir y de productos
elaborados de metal.
Finalmente, las provincias amazónicas a pesar de presentar bajos niveles de actividad y de
autocorrelación espacial, presentan las ventajas locacionales para el desarrollo de la
actividad manufacturera en el período analizado, un resultado bastante contradictorio.
93
REFERENCIAS BIBLIOGRÁFICAS
Acosta, A. (2006). Breve Historia Económica del Ecuador. Quito: Corporación
Editorial Nacional.
Albert, J.; Mateu, J. y Orts, V. (2004) Concentración versus dispersión. Un análisis
espacial de la localización de la actividad económica en la U.E. Recuperado el 30 de enero
del 2012, del sitio web de la Universidad Jaume I de Castellón:
http://www.uv.es/=inteco/jornadas/concentracion.pdf
Appleyard, D., y Field, A. (2003). Economía Internacional. Bogotá: McGraw- Hill
Interamericana.
Arcos, C. (2008). Clústers como modelo para alcanzar la productividad y la
competitividad industrial en el Ecuador. Recuperado el 22 de marzo del 2013, del sitio web
de la Universidad Andina Simón Bolívar:
http://repositorio.uasb.edu.ec/bitstream/10644/1101/1/T0606-MRI-Arcos-
Clusters%20como%20modelo.pdf
Asuad, N. (2009). Guía de Estudio de Economía Urbana y Regional.
Banco Central del Ecuador (2006). Información Estadística Mensual.
Banco Central del Ecuador (2007): Cuentas provinciales 1993-2007.
Banco Central del Ecuador (2011). Boletín Anuario 2011.
Banco Central del Ecuador (2012) Reportes trimestrales de mercado laboral 2011.
Banco Central del Ecuador. Dirección de Estadística Económica. (2011). Recuperado
el 17 de octubre de 2012, del sitio web del Banco Central del Ecuador:
http://www.bce.fin.ec/documentos/Estadisticas/SectorReal/Previsiones/IndCoyuntura/EstMac
roEstruc2011.pdf
Benita, F. (2010). Concentración de las industrias manufactureras en México. El caso
de Zacatecas. Revista Nueva Época. Recuperado del 10 de febrero del 2012, de:
http://www.uaz.edu.mx/cippublicaciones/ricvol6num1/Concentraciondelasindustrias.pdf
94
Boisier, S. (1965). Análisis Económico Regional: Una nota introductoria. Revista de la
Facultad de Ciencias Económicas de la Universidad de Chile. Recuperado el 3 de enero del
2012, de:
http://memoria.econ.uchile.cl/site/portalpad_upload/9a153192eba250bd538d8fd74722d449.p
df
Cabezas, M., y Zambrano, D. (2011). El gasto público y el crecimiento económico en
el Ecuador, desde una perspectiva Keynesiana, para el período 2000-2008. Recuperado el
21 de septiembre del 2012, del sitio web de la Facultad de Ciencias de la Escuela
Politécnica Nacional: http://bibdigital.epn.edu.ec/bitstream/15000/4361/1/CD-3957.pdf
Calvopiña, G., y Charco, P. (2009). Análisis de los cambios ocurridos en los
diferentes tipos de inversión, antes y después de la dolarización y su influencia en la
producción nacional, según Ramas de Actividad Económica. Período 1995-2006.
Recuperado el 21 de septiembre del 2012, del sitio web de la Facultad de Ciencias de la
Escuela Politécnica Nacional: http://bibdigital.epn.edu.ec/bitstream/15000/1476/1/CD-
2165.pdf
Camagni, R. (2005). Economía Urbana. Barcelona: Antonio Bosch.
CEPAL. (septiembre de 2006). Recuperado el 22 de octubre de 2012, del sitio web
de la FLACSO Ecuador: http://www.eclac.org/publicaciones/xml/8/27548/lcr2133e.pdf
Corrales, S. (2007). Importancia del clúster en el desarrollo regional actual. Revista
Frontera Norte. Recuperado el 13 de marzo del 2013, de:
http://www.redalyc.org/pdf/136/13603707.pdf
De la Rosa, J. (2006). Dos enfoques teóricos sobre el proceso de crecimiento
económico: con enfásis en las exportaciones manufactureras. Revista Análisis Económico.
Recuperado el 7 de enero del 2013, de: http://www.analisiseconomico.com.mx/pdf/4806.pdf
De Mattos, C. (2000). Nuevas teorías del crecimiento económico: una lectura desde
la perspectiva de los territorios de la periferia. Revista de Estudios Regionales. Recuperado
el 5 de mayo del 2013, de: http://www.revistaestudiosregionales.com/pdfs/pdf666.pdf
95
Del Búfalo, E. (2002). Las Reformas Económicas en América Latina. Revista
Venezolana de Economía y Ciencias Sociales. Recuperado el 30 de junio del 2012, de:
http://biblioteca.clacso.edu.ar/ar/libros/venezuela/rvecs/bufalo.pdf
Departamento de Estudios Tributarios. Servicio de Rentas Internas. (2010).
Recuperado el 18 de octubre de 2012, del sitio web de Munich Personal RePEc Archive:
http://mpra.ub.uni-muenchen.de/30280/1/MPRA_paper_30280.pdf
Dirección Nacional de Aviación Civil (2010). Estadísticas de Transporte Aéreo 2010.
Duch Brown, N. (s.f.). La teoría de la localización. Recuperado el 29 de junio de
2012, del sitio web de la Universidad de Barcelona:
http://www.eco.ub.es/~nduch/postgrau_archivos/Duch_localizacion.pdf
Esteban, L.; Hernández, J. y Lanaspa, L. (2001). Patrones de localización de la
producción. Efectividad de la Política Industrial. Revista Economía Industrial. Recuperado el
30 de enero del 2012, de:
http://www.mityc.es/Publicaciones/Publicacionesperiodicas/EconomiaIndustrial/RevistaEcon
omiaIndustrial/342/15LolaEsteban.pdf
Fenández, D., y Horrillo, J. (2010). El papel del territorio en el desarrollo de los
procesos de innovación. Los determinantes del Entorno Innovador. Recuperado el 27 de
agosto del 2012, del sitio web de la Escuela Universitaria Politécnica de Mataró:
http://upcommons.upc.edu/pfc/bitstream/2099.1/11175/1/Mem%C3%B2ria%20David%20Fer
n%C3%A1ndez%20%C3%81lvarez.pdf
García, M. y Muñiz, I. (2010). El impacto espacial de las economías de aglomeración
y su efecto sobre la estructura espacial del empleo. El caso de la industria en Barcelona,
1986-1996. Revista de Economía Aplicada. Recuperado el 8 de abril del 2013, de:
http://www.ecap.uab.es/RePEc/doc/wpdea0509.pdf
Gujarati, D. (2004). Econometría. México: McGraw-Hill Interamericana Editores.
Hormigo, J. (2006). Recuperado el 9 de Noviembre de 2011, del sitio web de la
Universidad Técnica de Catalunya:
http://upcommons.upc.edu/pfc/bitstream/2099.1/3308/6/54987-6.pdf
96
Instituto Nacional de Estadística y Censos (2010). I Censo Económico.
Instituto Nacional de Estadística y Censos (2010). I Censo Nacional Agropecuario.
Instituto Nacional de Estadística y Censos (1990). V Censo de Población y IV de
Vivienda.
Instituto Nacional de Estadística y Censos (2001). VI Censo de Población y V de
Vivienda.
Instituto Nacional de Estadística y Censos (2010). VII Censo de Población y VI de
Vivienda.
Instituto Nacional de Estadística y Censos (2010). Estadísticas de Transporte 2010.
Larrea, C. (2006). Recuperado el 21 de enero de 2013, del sitio web de la
Universidad Andina Simón Bolívar:
http://www.uasb.edu.ec/UserFiles/File/pdfs/DOCENTES/CARLOS%20LARREA/LarreaDolari
zacionfinal06.pdf
Lira, L., y Quiroga, B. (2003). Manual de Técnicas de Análisis Regional. Instituto
Latinoamericano y del Caribe de Planificación Económica y Social (ILPES). Recuperado el
21 de enero, del sitio web de la CEPAL: http://www.eclac.org/cgi-
bin/getProd.asp?xml=/publicaciones/xml/1/13861/P13861.xml&xsl=/ilpes/tpl/p9f.xsl&base=/il
pes/tpl/top-bottom.xsl
López F., y Palacios, M. (2004). Distintos modelos de dependencia espacial. Análisis
de Autocorrelación. Recuperado el 19 de abril del 2013, del sitio web de la Universidad de
Oviedo: http://repositorio.bib.upct.es/dspace/bitstream/10317/1513/1/dmd.pdf
Macías, A., López, N., y Cano, M. (2011). Determinantes de la decisión de
localización de las actividades industriales manufactureras en Pereira y Dosquebradas,
1990-2008. Recuperado el 2 de octubre del 2012 del sitio web de la Universidad Católica de
Pereira: http://biblioteca.ucp.edu.co:8080/jspui/bitstream/10785/372/1/completo.pdf
97
Maurel, F., & Sedillot, B. (1999). A measure of the geographic concentration in french
manufacturing industries. Regional Science and Urban Economics 29. Recuperado el 16 de
mayo del 2013, del sitio web de Cultural Exchange Network:
http://web.cenet.org.cn/upfile/7502.pdf
Moncayo, E. (s.f.). Modelos de Desarrollo Regional: Teorías y factores
determinantes. Recuperado el 2 de octubre del 2012 del sitio web del Instituto
Latinoamericana de Planificación Económica y Social:
http://www.sogeocol.edu.co/documentos/0mode.pdf
Moreno, Á. (2008). Las leyes del desarrollo económico endógeno de Kaldor: El caso
colombiano. Revista de Economía Institucional. Recuperado el 8 de abril del 2013, de:
http://www.economiainstitucional.com/pdf/No18/amoreno18.pdf
Moreno, R. y Vayá, E. (2000). Técnicas Econométricas para el tratamiento de datos
espaciales: La Econometría Espacial. Revista Investigaciones Regionales. Recuperado el 8
de abril del 2013, de: http://www.redalyc.org/articulo.oa?id=28900109
Pampillón, R. (2003). De la sustitución de importaciones a la crisis económica de
2002 en América Latina. Boletín Económico. Información Comercial Española. Recuperado
el 10 de enero del 2013, del sitio web del Instituto de Estudios sobre el Desarrollo y
Cooperación Internacional:
http://biblioteca.hegoa.ehu.es/system/ebooks/13137/original/De_la_sustitucion_de_importaci
ones_a_la_crisis.pdf
Parnreiter, C. (2003) Polarización económica y fragmentación espacial. El caso de
México. Recuperado el 17 de octubre del 2011, del sitio web de la Universidad de Varsovia:
http://www.wgsr.uw.edu.pl/pub/uploads/actas03/12-CHRIS.pdf
Ramos, J. (1999). Una estrategia de desarrollo a partir de los complejos productivos
(clústers) en torno a los recursos naturales ¿una estrategia prometedora? Revista de la
CEPAL. Recuperado el 19 de abril del 2013, de:
http://www.eclac.org/publicaciones/xml/3/13493/LCG2122P_I.pdf
Sala, M. (2008). Factores determinantes de la concentración industrial de la
economía española. Recuperado el 9 de Noviembre de 2011, del sitio web de Dialnet:
98
http://www.mityc.es/Publicaciones/Publicacionesperiodicas/EconomiaIndustrial/RevistaEcon
omiaIndustrial/367/197.pdf
Salvatore, D. (1999). Economía Internacional. México: Prentice Hall
Hispanoamericana.
Sánchez, S. (2004) El estudio econométrico de la concentración espacial de la
industria. Ejemplo de aplicación en Madrid, Toledo y Guadalajara. Revista Anales de
Geografía de la Universidad Complutense de Madrid. Recuperado el 17 de octubre del 2011,
de: http://dialnet.unirioja.es/servlet/articulo?codigo=1097702
Sobrino, J. (1999). El contexto espacial de las actividades económicas. Revista
Economía, Sociedad y Territorio. Recuperado el 17 de octubre del 2011, de:
www.cmq.edu.mx/subir-documento/doc_download/164-di0300143.html
Superintendencia de Compañías. (2010). Análisis de la Inversión Societaria 2010.
Quito: Superintendencia de Compañías.
Tello, M. (2006). Las teorías del desarrollo económico local y la teoría práctica del
proceso de descentralización en los países en desarrollo. Recuperado el 2 de octubre del
2012, del sitio web de la Pontificia Universidad Católica del Perú:
http://www.cusur.udg.mx/fodepal/articulos%20referentes%20de%20des%20susr/articulos%2
0teor%C3%ADas%20de%20des%20sust/2%20teorias%20des.%20econo.%20local.pdf
Terrádez Gurrea, M. (s.f.). Recuperado el 26 de julio de 2013, del sitio web de la
Universitat Oberta de Catalunya: http://www.uoc.edu/in3/emath/docs/Cluster.pdf
Trívez Bielsa, J. (2004). Economía Espacial: una disciplina en auge. Revista Estudios
de Economía Aplicada. Recuperado el 10 de enero del 2013, de: http://www.revista-
eea.net/docs/22320_ejemplo.pdf
Vidal-Suñé, A. y Pezoa-Fuentes (2012). Identificación de clústers productivos:
aplicación a la economía chilena. Revista de Ciencias Sociales (Ve). Recuperado el 28 de
julio del 2013, de: http://www.redalyc.org/articulo.oa?id=28024392007&idp=1&cid=665758
99
Vilalta y Perdomo, C. (2006). Sobre cómo enseñar Autocorrelación Espacial. Revista
Economía, Sociedad y Territorio. Recuperado el 10 de enero del 2013, de
http://www.redalyc.org/pdf/111/11101804.pdf
Villar, O.; Chamorro, J. y González, X. (2006). La concentración geográfica de la
industria en Galicia. Recuperado el 18 de abril del 2013, del sitio web de la Universidad de
Vigo: http://webs.uvigo.es/alonso-villar/Libro-Barrie.pdf
Wooldridge, J. (2001). Introducción a la Econometría. Un enfoque moderno. México:
International Thomson Editores.
100
ANEXOS
Anexo 1. Box Maps Indices Espaciales (VAB 2001 y 2007)
A. Indice de Participación
Fuente: Elaboración propia, en base a datos de las Cuentas Provinciales 2001-2007 del BCE.
Industrias 2001 Industrias 2007
Agricultura 2001 Agricultura 2007
Construcción 2001 Construcción 2007
101
B. Indice de Especialización
Fuente: Elaboración propia, en base a datos de las Cuentas Provinciales 2001-2007 del BCE.
Industrias 2001 Industrias 2007
Agricultura 2001 Agricultura 2007
Construcción 2001 Construcción 2007
102
C. Índice de Diversificación
Fuente: Elaboración propia, en base a datos de las Cuentas Provinciales 2001-2007 del BCE.
Industrias 2001 Industrias 2007
Agricultura 2001 Agricultura 2007
Construcción 2007 Construcción 2001
103
D. Indice de Concentración
Fuente: Elaboración propia, en base a datos de las Cuentas Provinciales 2001-2007 del BCE.
Industrias 2001 Industrias 2007
Agricultura 2001 Agricultura 2007
Construcción 2001 Construcción 2007
104
Anexo 2. Box Maps Indices Espaciales (Número de establecimientos 2010)
A. Índice de Especialización
Fuente: Elaboración propia, en base a datos del Censo Económico del 2010 del INEC.
B. Índice de Concentración
Fuente: Elaboración propia, en base a datos del Censo Económico del 2010 del INEC.
Elaboración de productos alimenticios
Fabricación de prendas de vestir
Fabricación de productos elaborados de metal Fabricación de muebles
Fabricación de prendas de vestir
Fabricación de productos elaborados
de metal Fabricación de muebles
Elaboración de productos alimenticios
105
Anexo 3. Pruebas de estacionariedad y autocorrelación de los Modelos Econométricos
Modelo del Tipo de concentración en la industria ecuatoriana
A. Gráfica de comportamiento de las variables contra el tiempo HERF
HVBA
.00780
.00784
.00788
.00792
.00796
.00800
2001 2002 2003 2004 2005 2006 2007
1
.0000150
.0000200
.0000250
.0000300
.0000350
.0000400
.0000450
.0000500
2001 2002 2003 2004 2005 2006 2007
2
.000204
.000208
.000212
.000216
.000220
.000224
.000228
.000232
2001 2002 2003 2004 2005 2006 2007
3
.000044
.000048
.000052
.000056
.000060
.000064
.000068
2001 2002 2003 2004 2005 2006 2007
4
.00064
.00068
.00072
.00076
.00080
.00084
.00088
2001 2002 2003 2004 2005 2006 2007
5
.00060
.00064
.00068
.00072
.00076
.00080
.00084
.00088
2001 2002 2003 2004 2005 2006 2007
6
.00054
.00055
.00056
.00057
.00058
.00059
.00060
.00061
.00062
2001 2002 2003 2004 2005 2006 2007
7
.000226
.000227
.000228
.000229
.000230
.000231
.000232
.000233
2001 2002 2003 2004 2005 2006 2007
8
.0700
.0705
.0710
.0715
.0720
.0725
.0730
.0735
2001 2002 2003 2004 2005 2006 2007
9
.00223
.00224
.00225
.00226
.00227
.00228
.00229
2001 2002 2003 2004 2005 2006 2007
10
.00021
.00022
.00023
.00024
.00025
.00026
.00027
2001 2002 2003 2004 2005 2006 2007
11
.000440
.000444
.000448
.000452
.000456
.000460
.000464
2001 2002 2003 2004 2005 2006 2007
12
.0026
.0027
.0028
.0029
.0030
.0031
.0032
.0033
.0034
2001 2002 2003 2004 2005 2006 2007
13
.0000136
.0000140
.0000144
.0000148
.0000152
.0000156
.0000160
.0000164
.0000168
.0000172
2001 2002 2003 2004 2005 2006 2007
14
.000018
.000020
.000022
.000024
.000026
.000028
.000030
.000032
2001 2002 2003 2004 2005 2006 2007
15
.0000105
.0000110
.0000115
.0000120
.0000125
.0000130
.0000135
2001 2002 2003 2004 2005 2006 2007
16
.0800
.0805
.0810
.0815
.0820
.0825
.0830
2001 2002 2003 2004 2005 2006 2007
17
.00536
.00540
.00544
.00548
.00552
.00556
.00560
2001 2002 2003 2004 2005 2006 2007
18
.0000036
.0000038
.0000040
.0000042
.0000044
.0000046
.0000048
.0000050
2001 2002 2003 2004 2005 2006 2007
19
1.080E-06
1.100E-06
1.120E-06
1.140E-06
1.160E-06
1.180E-06
1.200E-06
1.220E-06
2001 2002 2003 2004 2005 2006 2007
20
.000018
.000019
.000020
.000021
.000022
.000023
.000024
.000025
2001 2002 2003 2004 2005 2006 2007
21
.000004
.000005
.000006
.000007
.000008
.000009
.000010
2001 2002 2003 2004 2005 2006 2007
22
HERF
.0432
.0433
.0434
.0435
.0436
.0437
.0438
.0439
.0440
.0441
2001 2002 2003 2004 2005 2006 2007
1
.0105
.0110
.0115
.0120
.0125
.0130
.0135
.0140
2001 2002 2003 2004 2005 2006 2007
2
.0136
.0140
.0144
.0148
.0152
.0156
.0160
2001 2002 2003 2004 2005 2006 2007
3
.0114
.0116
.0118
.0120
.0122
.0124
.0126
.0128
2001 2002 2003 2004 2005 2006 2007
4
.025
.026
.027
.028
.029
.030
2001 2002 2003 2004 2005 2006 2007
5
.029
.030
.031
.032
.033
.034
.035
2001 2002 2003 2004 2005 2006 2007
6
.0422
.0423
.0424
.0425
.0426
.0427
.0428
2001 2002 2003 2004 2005 2006 2007
7
.0280
.0285
.0290
.0295
.0300
.0305
.0310
2001 2002 2003 2004 2005 2006 2007
8
.194
.195
.196
.197
.198
.199
.200
.201
.202
.203
2001 2002 2003 2004 2005 2006 2007
9
.0261
.0262
.0263
.0264
.0265
.0266
.0267
.0268
2001 2002 2003 2004 2005 2006 2007
10
.0276
.0280
.0284
.0288
.0292
.0296
.0300
.0304
2001 2002 2003 2004 2005 2006 2007
11
.0478
.0480
.0482
.0484
.0486
.0488
.0490
.0492
2001 2002 2003 2004 2005 2006 2007
12
.0775
.0780
.0785
.0790
.0795
.0800
.0805
.0810
.0815
2001 2002 2003 2004 2005 2006 2007
13
.00850
.00855
.00860
.00865
.00870
.00875
.00880
.00885
.00890
2001 2002 2003 2004 2005 2006 2007
14
.0062
.0063
.0064
.0065
.0066
.0067
2001 2002 2003 2004 2005 2006 2007
15
.0053000
.0053050
.0053100
.0053150
.0053200
.0053250
.0053300
.0053350
2001 2002 2003 2004 2005 2006 2007
16
.138
.140
.142
.144
.146
.148
.150
.152
.154
2001 2002 2003 2004 2005 2006 2007
17
.0345
.0350
.0355
.0360
.0365
.0370
.0375
.0380
2001 2002 2003 2004 2005 2006 2007
18
.00548
.00552
.00556
.00560
.00564
.00568
.00572
2001 2002 2003 2004 2005 2006 2007
19
.00190
.00195
.00200
.00205
.00210
.00215
.00220
2001 2002 2003 2004 2005 2006 2007
20
.01080
.01082
.01084
.01086
.01088
.01090
.01092
2001 2002 2003 2004 2005 2006 2007
21
.0072
.0073
.0074
.0075
.0076
.0077
.0078
.0079
.0080
.0081
2001 2002 2003 2004 2005 2006 2007
22
HVBA
106
IFT
ICAP
.0013
.0014
.0015
.0016
.0017
.0018
.0019
.0020
.0021
.0022
2001 2002 2003 2004 2005 2006 2007
1
.000012
.000014
.000016
.000018
.000020
.000022
.000024
.000026
.000028
2001 2002 2003 2004 2005 2006 2007
2
.000018
.000019
.000020
.000021
.000022
.000023
.000024
.000025
.000026
2001 2002 2003 2004 2005 2006 2007
3
.000020
.000022
.000024
.000026
.000028
.000030
.000032
2001 2002 2003 2004 2005 2006 2007
4
.00005
.00006
.00007
.00008
.00009
.00010
.00011
.00012
.00013
2001 2002 2003 2004 2005 2006 2007
5
.00021
.00022
.00023
.00024
.00025
.00026
.00027
.00028
.00029
.00030
2001 2002 2003 2004 2005 2006 2007
6
.00000
.00001
.00002
.00003
.00004
.00005
.00006
.00007
2001 2002 2003 2004 2005 2006 2007
7
.00000
.00001
.00002
.00003
.00004
.00005
2001 2002 2003 2004 2005 2006 2007
8
.008
.010
.012
.014
.016
.018
.020
2001 2002 2003 2004 2005 2006 2007
9
.00080
.00084
.00088
.00092
.00096
.00100
2001 2002 2003 2004 2005 2006 2007
10
.00006
.00007
.00008
.00009
.00010
.00011
2001 2002 2003 2004 2005 2006 2007
11
.00001
.00002
.00003
.00004
.00005
.00006
.00007
.00008
.00009
.00010
2001 2002 2003 2004 2005 2006 2007
12
.0005
.0006
.0007
.0008
.0009
.0010
.0011
.0012
2001 2002 2003 2004 2005 2006 2007
13
.0000060
.0000062
.0000064
.0000066
.0000068
.0000070
.0000072
.0000074
2001 2002 2003 2004 2005 2006 2007
14
.000014
.000016
.000018
.000020
.000022
.000024
.000026
.000028
2001 2002 2003 2004 2005 2006 2007
15
.0000002
.0000004
.0000006
.0000008
.0000010
.0000012
.0000014
2001 2002 2003 2004 2005 2006 2007
16
.0000
.0001
.0002
.0003
.0004
.0005
.0006
2001 2002 2003 2004 2005 2006 2007
17
.0011
.0012
.0013
.0014
.0015
.0016
.0017
.0018
.0019
2001 2002 2003 2004 2005 2006 2007
18
.0000012
.0000014
.0000016
.0000018
.0000020
.0000022
.0000024
2001 2002 2003 2004 2005 2006 2007
19
3.20E-07
3.60E-07
4.00E-07
4.40E-07
4.80E-07
5.20E-07
5.60E-07
6.00E-07
6.40E-07
6.80E-07
2001 2002 2003 2004 2005 2006 2007
20
.000004
.000005
.000006
.000007
.000008
.000009
.000010
.000011
.000012
.000013
2001 2002 2003 2004 2005 2006 2007
21
.000001
.000002
.000003
.000004
.000005
.000006
.000007
2001 2002 2003 2004 2005 2006 2007
22
IFT
.00132
.00136
.00140
.00144
.00148
.00152
.00156
2001 2002 2003 2004 2005 2006 2007
1
.000002
.000004
.000006
.000008
.000010
.000012
.000014
.000016
2001 2002 2003 2004 2005 2006 2007
2
.000028
.000032
.000036
.000040
.000044
.000048
.000052
.000056
.000060
2001 2002 2003 2004 2005 2006 2007
3
.0000000
.0000004
.0000008
.0000012
.0000016
.0000020
.0000024
2001 2002 2003 2004 2005 2006 2007
4
.00006
.00008
.00010
.00012
.00014
.00016
.00018
2001 2002 2003 2004 2005 2006 2007
5
.000000
.000002
.000004
.000006
.000008
.000010
.000012
2001 2002 2003 2004 2005 2006 2007
6
.0001800
.0001850
.0001900
.0001950
.0002000
.0002050
.0002100
.0002150
.0002200
2001 2002 2003 2004 2005 2006 2007
7
.000014
.000016
.000018
.000020
.000022
.000024
.000026
.000028
2001 2002 2003 2004 2005 2006 2007
8
.0001
.0002
.0003
.0004
.0005
.0006
.0007
.0008
2001 2002 2003 2004 2005 2006 2007
9
.00048
.00050
.00052
.00054
.00056
.00058
.00060
2001 2002 2003 2004 2005 2006 2007
10
.000250
.000252
.000254
.000256
.000258
.000260
2001 2002 2003 2004 2005 2006 2007
11
.0000500
.0000550
.0000600
.0000650
.0000700
.0000750
.0000800
.0000850
.0000900
2001 2002 2003 2004 2005 2006 2007
12
.00012
.00013
.00014
.00015
.00016
.00017
.00018
.00019
.00020
2001 2002 2003 2004 2005 2006 2007
13
.0000000
.0000004
.0000008
.0000012
.0000016
.0000020
.0000024
2001 2002 2003 2004 2005 2006 2007
14
4.50E-07
5.00E-07
5.50E-07
6.00E-07
6.50E-07
7.00E-07
7.50E-07
8.00E-07
2001 2002 2003 2004 2005 2006 2007
15
.0000000
.0000005
.0000010
.0000015
.0000020
.0000025
.0000030
2001 2002 2003 2004 2005 2006 2007
16
.0007
.0008
.0009
.0010
.0011
.0012
.0013
.0014
.0015
2001 2002 2003 2004 2005 2006 2007
17
.00144
.00146
.00148
.00150
.00152
.00154
.00156
.00158
2001 2002 2003 2004 2005 2006 2007
18
.0000024
.0000026
.0000028
.0000030
.0000032
.0000034
.0000036
2001 2002 2003 2004 2005 2006 2007
19
.0000017
.0000018
.0000019
.0000020
.0000021
.0000022
.0000023
.0000024
2001 2002 2003 2004 2005 2006 2007
20
.0000002
.0000004
.0000006
.0000008
.0000010
.0000012
.0000014
.0000016
2001 2002 2003 2004 2005 2006 2007
21
.0000002
.0000004
.0000006
.0000008
.0000010
.0000012
.0000014
.0000016
2001 2002 2003 2004 2005 2006 2007
22
ICAP
107
EXINTRA
EXINTER
.000018
.000019
.000020
.000021
.000022
.000023
.000024
.000025
.000026
2001 2002 2003 2004 2005 2006 2007
1
1.5280E-06
1.5320E-06
1.5360E-06
1.5400E-06
1.5440E-06
1.5480E-06
1.5520E-06
2001 2002 2003 2004 2005 2006 2007
2
.0000056
.0000060
.0000064
.0000068
.0000072
.0000076
.0000080
.0000084
.0000088
.0000092
2001 2002 2003 2004 2005 2006 2007
3
.0000025
.0000026
.0000027
.0000028
.0000029
.0000030
2001 2002 2003 2004 20 05 2006 2007
4
.00000 55
.00000 60
.00000 65
.00000 70
.00000 75
.00000 80
.00000 85
2001 2002 2003 2004 2005 2006 2007
5
.000 0040
.000 0044
.000 0048
.000 0052
.000 0056
.000 0060
.000 0064
2001 2002 2003 2004 2005 2006 2007
6
.0000018
.0000020
.0000022
.0000024
.0000026
.0000028
.0000030
2001 2002 2003 2004 2005 2006 2007
7
.0000017
.0000018
.0000019
.0000020
.0000021
.0000022
2001 2002 2003 2004 2005 2006 2007
8
.0000056
.0000060
.0000064
.0000068
.0000072
.0000076
.0000080
2001 2002 2003 2004 20 05 2006 2007
9
.000017
.000018
.000019
.000020
.000021
.000022
.000023
.000024
.000025
2001 2002 2003 2004 2005 2006 2007
10
.000 0012
.000 0016
.000 0020
.000 0024
.000 0028
.000 0032
2001 2002 2003 2004 2005 2006 2007
11
.0000011
.0000012
.0000013
.0000014
.0000015
.0000016
.0000017
2001 2002 2003 2004 2005 2006 2007
12
.0000020
.0000024
.0000028
.0000032
.0000036
.0000040
.0000044
.0000048
2001 2002 2003 2004 2005 2006 2007
13
1.350E-06
1.400E-06
1.450E-06
1.500E-06
1.550E-06
1.600E-06
1.650E-06
1.700E-06
2001 2002 2003 2004 20 05 2006 2007
14
.000002
.000003
.000004
.000005
.000006
.000007
.000008
2001 2002 2003 2004 2005 2006 2007
15
.000 0029
.000 0030
.000 0031
.000 0032
.000 0033
.000 0034
.000 0035
2001 2002 2003 2004 2005 2006 2007
16
.0000095
.0000100
.0000105
.0000110
.0000115
.0000120
.0000125
2001 2002 2003 2004 2005 2006 2007
17
.000018
.000020
.000022
.000024
.000026
.000028
.000030
.000032
2001 2002 2003 2004 2005 2006 2007
18
.0000007
.0000008
.0000009
.0000010
.0000011
.0000012
.0000013
.0000014
.0000015
2001 2002 2003 2004 20 05 2006 2007
19
1.900E-06
1.950E-06
2.000E-06
2.050E-06
2.100E-06
2.150E-06
2.200E-06
2.250E-06
2001 2002 2003 2004 2005 2006 2007
20
.000 0010
.000 0011
.000 0012
.000 0013
.000 0014
.000 0015
.000 0016
.000 0017
.000 0018
.000 0019
2001 2002 2003 2004 2005 2006 2007
21
.0000005
.0000006
.0000007
.0000008
.0000009
.0000010
.0000011
.0000012
.0000013
.0000014
2001 2002 2003 2004 2005 2006 2007
22
EXINTRA
.003
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
1
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
2
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
3
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
4
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
5
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
6
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
7
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
8
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
9
.003
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
10
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
11
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
12
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
13
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
14
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
15
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
16
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
17
.003
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
18
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
19
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
20
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
21
.004
.005
.006
.007
.008
2001 2002 2003 2004 2005 2006 2007
22
EXINTER
108
FBL
Fuente: Elaboración propia, en base a datos de los Censos de Población y Vivienda 2001 y 2010 del
INEC, las Cuentas Provinciales 2001-2007 del BCE y los Anuarios Estadísticos de la Superintendencia
de Compañías.
B. Matriz de correlaciones del Modelo 1
Herf Hvba Ift Icap Exinter Exintra Fbl Herf 1.000000 0.463690 0.608723 0.417053 -0.003672 0.204751 -0.027807
Hvba 0.463690 1.000000 -0.031772 0.756993 0.010858 0.519069 -0.020816
Ift 0.608723 -0.031772 1.000000 0.188913 -0.066793 0.175621 -0.167579
Icap 0.417053 0.756993 0.188913 1.000000 0.033917 0.851859 -0.141699
Exinter -0.003672 0.010858 -0.066793 0.033917 1.000000 -0.126320 0.118656
Exintra 0.204751 0.519069 0.175621 0.851859 -0.126320 1.000000 -0.289496
Fbl -0.027807 -0.020816 -0.167579 -0.141699 0.118656 -0.289496 1.000000
Fuente: Elaboración propia, en base a datos de los Censos de Población y Vivienda 2001 y 2010 del
INEC, las Cuentas Provinciales 2001-2007 del BCE y los Anuarios Estadísticos de la Superintendencia
de Compañías.
.708
.710
.712
.714
.716
.718
20 01 2002 200 3 20 04 2005 20 06 2 007
1
.6 32
.6 36
.6 40
.6 44
.6 48
.6 52
.6 56
.6 60
.6 64
2001 20 02 2003 200 4 20 05 2006 20 07
2
.472
.476
.480
.484
.488
.492
2 001 2002 20 03 2004 2005 20 06 2007
3
.7 40
.7 44
.7 48
.7 52
.7 56
.7 60
.7 64
.7 68
.7 72
.7 76
20 01 20 02 2003 20 04 2 005 2006 20 07
4
.690
.695
.700
.705
.710
.715
.720
.725
.730
2001 200 2 20 03 2004 20 05 2 006 2007
5
.710
.712
.714
.716
.718
.720
.722
.724
20 01 2002 200 3 20 04 2005 20 06 2 007
6
.56
.57
.58
.59
.60
.61
.62
.63
.64
.65
2001 20 02 2003 200 4 20 05 2006 20 07
7
.6 5
.6 6
.6 7
.6 8
.6 9
.7 0
.7 1
2 001 2002 20 03 2004 2005 20 06 2007
8
.61
.62
.63
.64
.65
.66
20 01 20 02 2003 20 04 2 005 2006 20 07
9
.5 6
.5 7
.5 8
.5 9
.6 0
.6 1
2001 200 2 20 03 2004 20 05 2 006 2007
10
.60
.61
.62
.63
.64
.65
20 01 2002 200 3 20 04 2005 20 06 2 007
11
.7 10
.7 15
.7 20
.7 25
.7 30
2001 20 02 2003 200 4 20 05 2006 20 07
12
.648
.652
.656
.660
.664
.668
2 001 2002 20 03 2004 2005 20 06 2007
13
.6 60
.6 64
.6 68
.6 72
.6 76
.6 80
.6 84
.6 88
.6 92
20 01 20 02 2003 20 04 2 005 2006 20 07
14
.6 5
.6 6
.6 7
.6 8
.6 9
.7 0
.7 1
2001 200 2 20 03 2004 20 05 2 006 2007
15
.672
.676
.680
.684
.688
.692
20 01 2002 200 3 20 04 2005 20 06 2 007
16
.6 95
.7 00
.7 05
.7 10
.7 15
.7 20
.7 25
2001 20 02 2003 200 4 20 05 2006 20 07
17
.615
.616
.617
.618
.619
.620
.621
.622
2 001 2002 20 03 2004 2005 20 06 2007
18
.7 25
.7 30
.7 35
.7 40
.7 45
.7 50
.7 55
.7 60
20 01 20 02 2003 20 04 2 005 2006 20 07
19
.6 0
.6 4
.6 8
.7 2
.7 6
.8 0
.8 4
.8 8
2001 200 2 20 03 2004 20 05 2 006 2007
20
.735
.740
.745
.750
.755
.760
.765
.770
20 01 2002 200 3 20 04 2005 20 06 2 007
21
.64
.66
.68
.70
.72
.74
.76
.78
2001 20 02 2003 200 4 20 05 2006 20 07
22
FBL
109
C. Correlogramas (Niveles y primeras diferencias)
HERF
HVBA
IFT
ICAP
EXINTRA
110
EXINTER
FBL
Fuente: Elaboración propia, en base a datos de los Censos de Población y Vivienda 2001 y 2010 del INEC, las
Cuentas Provinciales 2001-2007 del BCE y los Anuarios Estadísticos de la Superintendencia de Compañías.
Modelo de los Efectos de la concentración en el crecimiento económico provincial
D. Gráfica de comportamiento de las variables contra el tiempo
VAB Total
8.400E+0 8
8.800E+0 8
9.200E+0 8
9.600E+0 8
1.000E+0 9
1.040E+0 9
1.080E+0 9
20 01 2002 2003 2004 20 05 2006 2007
1
1.160E+0 8
1.200E+0 8
1.240E+0 8
1.280E+0 8
1.320E+0 8
1.360E+0 8
1.400E+0 8
20 01 2002 2003 2004 20 05 2006 2007
2
2.20E+ 08
2.30E+ 08
2.40E+ 08
2.50E+ 08
2.60E+ 08
2.70E+ 08
2.80E+ 08
2001 2002 2003 2004 20 05 2006 2007
3
1.45 0E+08
1.50 0E+08
1.55 0E+08
1.60 0E+08
1.65 0E+08
1.70 0E+08
1.75 0E+08
1.80 0E+08
1.85 0E+08
2001 20 02 2003 2004 2005 2006 2007
4
3.60E+ 08
3.80E+ 08
4.00E+ 08
4.20E+ 08
4.40E+ 08
4.60E+ 08
4.80E+ 08
5.00E+ 08
20 01 2002 2003 2004 20 05 2006 2007
5
2.60E+08
2.80E+08
3.00E+08
3.20E+08
3.40E+08
3.60E+08
3.80E+08
20 01 2002 2003 2004 20 05 2006 2007
6
5.20E+ 08
5.60E+ 08
6.00E+ 08
6.40E+ 08
6.80E+ 08
7.20E+ 08
7.60E+ 08
8.00E+ 08
20 01 2002 2003 2004 20 05 2006 2007
7
3.60E+ 08
3.80E+ 08
4.00E+ 08
4.20E+ 08
4.40E+ 08
4.60E+ 08
4.80E+ 08
5.00E+ 08
2001 2002 2003 2004 20 05 2006 2007
8
3.80 E+ 09
4.00 E+ 09
4.20 E+ 09
4.40 E+ 09
4.60 E+ 09
4.80 E+ 09
5.00 E+ 09
5.20 E+ 09
5.40 E+ 09
2001 20 02 2003 2004 2005 2006 2007
9
3.00E+ 08
3.20E+ 08
3.40E+ 08
3.60E+ 08
3.80E+ 08
4.00E+ 08
4.20E+ 08
20 01 2002 2003 2004 20 05 2006 2007
10
3.30E+08
3.40E+08
3.50E+08
3.60E+08
3.70E+08
3.80E+08
3.90E+08
4.00E+08
4.10E+08
4.20E+08
20 01 2002 2003 2004 20 05 2006 2007
11
5.60E+ 08
6.00E+ 08
6.40E+ 08
6.80E+ 08
7.20E+ 08
7.60E+ 08
8.00E+ 08
20 01 2002 2003 2004 20 05 2006 2007
12
9.00E+ 08
1.00E+ 09
1.10E+ 09
1.20E+ 09
1.30E+ 09
1.40E+ 09
1.50E+ 09
2001 2002 2003 2004 20 05 2006 2007
13
7.00 E+ 07
7.50 E+ 07
8.00 E+ 07
8.50 E+ 07
9.00 E+ 07
9.50 E+ 07
1.00 E+ 08
2001 20 02 2003 2004 2005 2006 2007
14
5.60E+ 07
6.00E+ 07
6.40E+ 07
6.80E+ 07
7.20E+ 07
7.60E+ 07
20 01 2002 2003 2004 20 05 2006 2007
15
5.20E+07
5.40E+07
5.60E+07
5.80E+07
6.00E+07
6.20E+07
6.40E+07
6.60E+07
20 01 2002 2003 2004 20 05 2006 2007
16
3.20E+ 09
3.40E+ 09
3.60E+ 09
3.80E+ 09
4.00E+ 09
4.20E+ 09
4.40E+ 09
20 01 2002 2003 2004 20 05 2006 2007
17
4.80E+ 08
5.00E+ 08
5.20E+ 08
5.40E+ 08
5.60E+ 08
5.80E+ 08
6.00E+ 08
6.20E+ 08
6.40E+ 08
2001 2002 2003 2004 20 05 2006 2007
18
7.00 E+ 07
7.20 E+ 07
7.40 E+ 07
7.60 E+ 07
7.80 E+ 07
8.00 E+ 07
8.20 E+ 07
8.40 E+ 07
8.60 E+ 07
2001 20 02 2003 2004 2005 2006 2007
19
8.400E+07
8.800E+07
9.200E+07
9.600E+07
1.000E+08
1.040E+08
1.080E+08
20 01 2002 2003 2004 20 05 2006 2007
20
8.000E+0 7
8.500E+0 7
9.000E+0 7
9.500E+0 7
1.000E+0 8
1.050E+0 8
1.100E+0 8
1.150E+0 8
20 01 2002 2003 2004 20 05 2006 2007
21
4.00E+ 07
4.40E+ 07
4.80E+ 07
5.20E+ 07
5.60E+ 07
6.00E+ 07
6.40E+ 07
20 01 2002 2003 2004 20 05 2006 2007
22
VAB
111
VAB Industria Manufacturera
VAB no Manufacturero
1.15 0E+08
1.20 0E+08
1.25 0E+08
1.30 0E+08
1.35 0E+08
2001 2002 2003 2004 2005 2006 2007
1
2400000
2600000
2800000
3000000
3200000
3400000
3600000
3800000
2001 2002 2003 2004 2005 2006 20 07
2
4.40E+07
4.60E+07
4.80E+07
5.00E+07
5.20E+07
5.40E+07
5.60E+07
5.80E+07
20 01 20 02 20 03 20 04 20 05 20 06 2007
3
5000 000
5200 000
5400 000
5600 000
5800 000
6000 000
6200 000
6400 000
2001 2002 2003 2004 2005 2006 2007
4
8.000E+0 7
8.400E+0 7
8.800E+0 7
9.200E+0 7
9.600E+0 7
1.000E+0 8
1.040E+0 8
20 01 2002 2003 2004 2005 2006 2007
5
2.70 E+07
2.80 E+07
2.90 E+07
3.00 E+07
3.10 E+07
3.20 E+07
3.30 E+07
2001 2002 2003 2004 2005 2006 2007
6
3.0E+07
4.0E+07
5.0E+07
6.0E+07
7.0E+07
8.0E+07
2001 2002 2003 2004 2005 2006 20 07
7
5.00E+07
5.10E+07
5.20E+07
5.30E+07
5.40E+07
5.50E+07
5.60E+07
5.70E+07
5.80E+07
20 01 20 02 20 03 20 04 20 05 20 06 2007
8
8.00E+08
9.00E+08
1.00E+09
1.10E+09
1.20E+09
1.30E+09
2001 2002 2003 2004 2005 2006 2007
9
3.60E+07
4.00E+07
4.40E+07
4.80E+07
5.20E+07
5.60E+07
20 01 2002 2003 2004 2005 2006 2007
10
1.40 E+07
1.50 E+07
1.60 E+07
1.70 E+07
1.80 E+07
1.90 E+07
2.00 E+07
2001 2002 2003 2004 2005 2006 2007
11
2.50E+07
3.00E+07
3.50E+07
4.00E+07
4.50E+07
5.00E+07
5.50E+07
2001 2002 2003 2004 2005 2006 20 07
12
1.60E+08
1.80E+08
2.00E+08
2.20E+08
2.40E+08
2.60E+08
2.80E+08
20 01 20 02 20 03 20 04 20 05 20 06 2007
13
3100 000
3200 000
3300 000
3400 000
3500 000
3600 000
3700 000
3800 000
3900 000
4000 000
2001 2002 2003 2004 2005 2006 2007
14
120000 0
124000 0
128000 0
132000 0
136000 0
140000 0
144000 0
148000 0
152000 0
20 01 2002 2003 2004 2005 2006 2007
15
64 00000
65 00000
66 00000
67 00000
68 00000
69 00000
70 00000
71 00000
72 00000
2001 2002 2003 2004 2005 2006 2007
16
6.80E+08
7.20E+08
7.60E+08
8.00E+08
8.40E+08
8.80E+08
2001 2002 2003 2004 2005 2006 20 07
17
9.000E+0 7
9.200E+0 7
9.400E+0 7
9.600E+0 7
9.800E+0 7
1.000E+0 8
1.020E+0 8
1.040E+0 8
20 01 20 02 20 03 20 04 20 05 20 06 2007
18
1700 000
1800 000
1900 000
2000 000
2100 000
2200 000
2300 000
2001 2002 2003 2004 2005 2006 2007
19
700000
800000
900000
100000 0
110000 0
120000 0
130000 0
20 01 2002 2003 2004 2005 2006 2007
20
41 00000
42 00000
43 00000
44 00000
45 00000
46 00000
47 00000
48 00000
49 00000
50 00000
2001 2002 2003 2004 2005 2006 2007
21
1400000
1600000
1800000
2000000
2200000
2400000
2600000
2001 2002 2003 2004 2005 2006 20 07
22
VABIND
7.20E+08
7.60E+08
8.00E+08
8.40E+08
8.80E+08
9.20E+08
9.60E+08
2001 2002 2003 20 04 2005 2006 2007
1
1.120E+08
1.160E+08
1.200E+08
1.240E+08
1.280E+08
1.320E+08
1.360E+08
2001 2002 20 03 2004 2005 20 06 20 07
2
1.800E+08
1.840E+08
1.880E+08
1.920E+08
1.960E+08
2.000E+08
2.040E+08
2.080E+08
2.120E+08
2.160E+08
2001 20 02 2003 2004 20 05 2006 2007
3
1.400E+0 8
1.440E+0 8
1.480E+0 8
1.520E+0 8
1.560E+0 8
1.600E+0 8
1.640E+0 8
1.680E+0 8
1.720E+0 8
1.760E+0 8
20 01 2002 2003 20 04 2005 2006 2007
4
2.80E+08
3.00E+08
3.20E+08
3.40E+08
3.60E+08
3.80E+08
4.00E+08
2001 2002 2003 2004 2005 2006 2007
5
2.50E+08
2.60E+08
2.70E+08
2.80E+08
2.90E+08
3.00E+08
3.10E+08
3.20E+08
3.30E+08
2001 2002 2003 20 04 2005 2006 2007
6
5.00E+08
5.50E+08
6.00E+08
6.50E+08
7.00E+08
2001 2002 20 03 2004 2005 20 06 20 07
7
3.00 E+08
3.20 E+08
3.40 E+08
3.60 E+08
3.80 E+08
4.00 E+08
4.20 E+08
4.40 E+08
4.60 E+08
2001 20 02 2003 2004 20 05 2006 2007
8
3.00E+09
3.20E+09
3.40E+09
3.60E+09
3.80E+09
4.00E+09
4.20E+09
20 01 2002 2003 20 04 2005 2006 2007
9
2.70E+08
2.80E+08
2.90E+08
3.00E+08
3.10E+08
3.20E+08
3.30E+08
3.40E+08
3.50E+08
3.60E+08
2001 2002 2003 2004 2005 2006 2007
10
3.10E+08
3.20E+08
3.30E+08
3.40E+08
3.50E+08
3.60E+08
3.70E+08
3.80E+08
3.90E+08
4.00E+08
2001 2002 2003 20 04 2005 2006 2007
11
5.60E+08
6.00E+08
6.40E+08
6.80E+08
7.20E+08
7.60E+08
2001 2002 20 03 2004 2005 20 06 20 07
12
7.500E+08
8.000E+08
8.500E+08
9.000E+08
9.500E+08
1.000E+09
1.050E+09
1.100E+09
1.150E+09
2001 20 02 2003 2004 20 05 2006 2007
13
6.50E+07
7.00E+07
7.50E+07
8.00E+07
8.50E+07
9.00E+07
9.50E+07
20 01 2002 2003 20 04 2005 2006 2007
14
5.60E+07
6.00E+07
6.40E+07
6.80E+07
7.20E+07
7.60E+07
2001 2002 2003 2004 2005 2006 2007
15
4.60E+07
4.80E+07
5.00E+07
5.20E+07
5.40E+07
5.60E+07
5.80E+07
6.00E+07
2001 2002 2003 20 04 2005 2006 2007
16
2.60E+09
2.70E+09
2.80E+09
2.90E+09
3.00E+09
3.10E+09
3.20E+09
3.30E+09
3.40E+09
3.50E+09
2001 2002 20 03 2004 2005 20 06 20 07
17
4.00 E+08
4.20 E+08
4.40 E+08
4.60 E+08
4.80 E+08
5.00 E+08
5.20 E+08
2001 20 02 2003 2004 20 05 2006 2007
18
6.80E+07
7.00E+07
7.20E+07
7.40E+07
7.60E+07
7.80E+07
8.00E+07
8.20E+07
8.40E+07
20 01 2002 2003 20 04 2005 2006 2007
19
8.400E+07
8.800E+07
9.200E+07
9.600E+07
1.000E+08
1.040E+08
1.080E+08
2001 2002 2003 2004 2005 2006 2007
20
7.500E+07
8.000E+07
8.500E+07
9.000E+07
9.500E+07
1.000E+08
1.050E+08
1.100E+08
2001 2002 2003 20 04 2005 2006 2007
21
3.60E+07
4.00E+07
4.40E+07
4.80E+07
5.20E+07
5.60E+07
6.00E+07
6.40E+07
2001 2002 20 03 2004 2005 20 06 20 07
22
VABNI
112
Ingresos Industria Manufacturera (en dólares)
Capital Suscrito Industria Manufacturera (en dólares)
4.0E+08
5.0E+08
6.0E+08
7.0E+08
8.0E+08
9.0E+08
2001 2002 2003 2004 20 05 2006 2007
1
0
100000
200000
300000
400000
20 01 2002 2003 2004 2005 2006 2007
2
2.00E+07
4.00E+07
6.00E+07
8.00E+07
1.00E+08
1.20E+08
1.40E+08
1.60E+08
2001 2002 20 03 2004 2005 2006 2007
3
25 00 000
30 00 000
35 00 000
40 00 000
45 00 000
50 00 000
55 00 000
20 01 2002 2003 2004 2005 2006 2007
4
4.00E+07
6.00E+07
8.00E+07
1.00E+08
1.20E+08
1.40E+08
2001 2002 20 03 2004 2005 2006 20 07
5
2.0E+07
3.0E+07
4.0E+07
5.0E+07
6.0E+07
2001 2002 2003 2004 20 05 2006 2007
6
0.00E+ 00
2.00E+ 07
4.00E+ 07
6.00E+ 07
8.00E+ 07
1.00E+ 08
1.20E+ 08
1.40E+ 08
20 01 2002 2003 2004 2005 2006 2007
7
0.0E+00
1.0E+07
2.0E+07
3.0E+07
4.0E+07
5.0E+07
6.0E+07
2001 2002 20 03 2004 2005 2006 2007
8
2.40 E+ 09
2.80 E+ 09
3.20 E+ 09
3.60 E+ 09
4.00 E+ 09
4.40 E+ 09
4.80 E+ 09
5.20 E+ 09
20 01 2002 2003 2004 2005 2006 2007
9
3.00E+07
3.50E+07
4.00E+07
4.50E+07
5.00E+07
2001 2002 20 03 2004 2005 2006 20 07
10
1.20E+07
1.60E+07
2.00E+07
2.40E+07
2.80E+07
3.20E+07
3.60E+07
4.00E+07
2001 2002 2003 2004 20 05 2006 2007
11
0.0E+0 0
1.0E+0 7
2.0E+0 7
3.0E+0 7
4.0E+0 7
5.0E+0 7
6.0E+0 7
7.0E+0 7
20 01 2002 2003 2004 2005 2006 2007
12
2.0E+08
3.0E+08
4.0E+08
5.0E+08
6.0E+08
7.0E+08
8.0E+08
9.0E+08
1.0E+09
2001 2002 20 03 2004 2005 2006 2007
13
-1.0
-0.5
0.0
0.5
1.0
20 01 2002 2003 2004 2005 2006 2007
14
0
20000
40000
60000
80000
100000
120000
140000
2001 2002 20 03 2004 2005 2006 20 07
15
1800000
2000000
2200000
2400000
2600000
2800000
3000000
3200000
2001 2002 2003 2004 20 05 2006 2007
16
2.0E+0 9
3.0E+0 9
4.0E+0 9
5.0E+0 9
6.0E+0 9
7.0E+0 9
20 01 2002 2003 2004 2005 2006 2007
17
8.00E+07
1.00E+08
1.20E+08
1.40E+08
1.60E+08
1.80E+08
2.00E+08
2001 2002 20 03 2004 2005 2006 2007
18
0
40 000
80 000
1200 00
1600 00
2000 00
20 01 2002 2003 2004 2005 2006 2007
19
0
100000
200000
300000
400000
500000
600000
2001 2002 20 03 2004 2005 2006 20 07
20
0
20000
40000
60000
80000
100000
120000
140000
2001 2002 2003 2004 20 05 2006 2007
21
0
200000
400000
600000
800000
1000 00 0
1200 00 0
20 01 2002 2003 2004 2005 2006 2007
22
ING
2.00E+07
4.00E+07
6.00E+07
8.00E+07
1.00E+08
1.20E+08
1.40E+08
2001 2002 2003 2004 2005 2006 2007
1
0
5000
10000
15000
20000
25000
30000
35000
2001 2002 2003 2004 2005 2006 2007
2
0.00E+00
4.00E+06
8.00E+06
1.20E+07
1.60E+07
2.00E+07
2.40E+07
2.80E+07
3.20E+07
2001 2002 2003 2004 2005 2006 2007
3
40000
50000
60000
70000
80000
90000
2001 2002 2003 2004 2005 20 06 2007
4
0.0E+00
1.0E+07
2.0E+07
3.0E+07
4.0E+07
5.0E+07
6.0E+07
2001 2002 2003 2004 2005 2006 2007
5
2.00E+06
3.00E+06
4.00E+06
5.00E+06
6.00E+06
7.00E+06
8.00E+06
9.00E+06
1.00E+07
1.10E+07
2001 2002 2003 2004 2005 2006 2007
6
0
500000
1000000
1500000
2000000
2500000
3000000
3500000
4000000
2001 2002 2003 2004 2005 2006 2007
7
0
1000000
2000000
3000000
4000000
5000000
6000000
7000000
2001 2002 2003 2004 2005 2006 2007
8
1.0E+08
2.0E+08
3.0E+08
4.0E+08
5.0E+08
6.0E+08
7.0E+08
2001 2002 2003 2004 2005 20 06 2007
9
0.00E+00
2.00E+06
4.00E+06
6.00E+06
8.00E+06
1.00E+07
1.20E+07
2001 2002 2003 2004 2005 2006 2007
10
3600000
4000000
4400000
4800000
5200000
5600000
6000000
6400000
2001 2002 2003 2004 2005 2006 2007
11
0
1000000
2000000
3000000
4000000
5000000
2001 2002 2003 2004 2005 2006 2007
12
2.0E+07
3.0E+07
4.0E+07
5.0E+07
6.0E+07
7.0E+07
2001 2002 2003 2004 2005 2006 2007
13
0
100
200
300
400
500
2001 2002 2003 2004 2005 20 06 2007
14
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
2001 2002 2003 2004 2005 2006 2007
15
0
200000
400000
600000
800000
1000000
1200000
2001 2002 2003 2004 2005 2006 2007
16
2.0E+08
3.0E+08
4.0E+08
5.0E+08
6.0E+08
7.0E+08
8.0E+08
9.0E+08
1.0E+09
2001 2002 2003 2004 2005 2006 2007
17
0.00E+00
4.00E+06
8.00E+06
1.20E+07
1.60E+07
2.00E+07
2001 2002 2003 2004 2005 2006 2007
18
0
40000
80000
120000
160000
200000
240000
2001 2002 2003 2004 2005 20 06 2007
19
0
2000
4000
6000
8000
10000
12000
2001 2002 2003 2004 2005 2006 2007
20
0
200
400
600
800
1000
2001 2002 2003 2004 2005 2006 2007
21
0
500
1000
1500
2000
2500
3000
3500
2001 2002 2003 2004 2005 2006 2007
22
CS
113
Número de establecimientos Industria Manufacturera
PEA Total
172
176
180
184
188
192
196
200
204
208
2001 2002 2003 2004 2005 2006 2007
1
0.0
0.4
0.8
1.2
1.6
2.0
2.4
2001 2002 2003 2004 2005 2006 2007
2
1
2
3
4
5
6
7
20 01 2002 2003 2004 2005 2006 2007
3
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
2001 2002 2003 2004 2005 2006 2007
4
10
12
14
16
18
20
22
24
26
2001 2002 2003 2004 2005 2006 2007
5
12
13
14
15
16
17
18
19
20
2001 2002 2003 2004 2005 2006 2007
6
30
35
40
45
50
55
60
65
2001 2002 2003 2004 2005 2006 2007
7
2
4
6
8
10
12
14
20 01 2002 2003 2004 2005 2006 2007
8
1200
1300
1400
1500
1600
1700
1800
2001 2002 2003 2004 2005 2006 2007
9
14
15
16
17
18
19
20
21
2001 2002 2003 2004 2005 2006 2007
10
8
12
16
20
24
28
32
2001 2002 2003 2004 2005 2006 2007
11
5
10
15
20
25
30
2001 2002 2003 2004 2005 2006 2007
12
70
80
90
100
110
120
130
20 01 2002 2003 2004 2005 2006 2007
13
0.0
0.2
0.4
0.6
0.8
1.0
2001 2002 2003 2004 2005 2006 2007
14
0.0
0.4
0.8
1.2
1.6
2.0
2.4
2001 2002 2003 2004 2005 2006 2007
15
0.94
0.96
0.98
1.00
1.02
1.04
1.06
2001 2002 2003 2004 2005 2006 2007
16
1320
1360
1400
1440
1480
1520
2001 2002 2003 2004 2005 2006 2007
17
78
79
80
81
82
83
84
85
86
20 01 2002 2003 2004 2005 2006 2007
18
0.0
0.4
0.8
1.2
1.6
2.0
2.4
2001 2002 2003 2004 2005 2006 2007
19
0.0
0.4
0.8
1.2
1.6
2.0
2.4
2001 2002 2003 2004 2005 2006 2007
20
0.0
0.4
0.8
1.2
1.6
2.0
2.4
2001 2002 2003 2004 2005 2006 2007
21
0.0
0.4
0.8
1.2
1.6
2.0
2.4
2.8
3.2
2001 2002 2003 2004 2005 2006 2007
22
NUM
230000
235000
240000
245000
250000
255000
260000
265000
20 01 2002 2003 2004 2005 2006 20 07
1
52000
54000
56000
58000
60000
62000
64000
2001 2002 2003 2004 2005 2006 2007
2
70 600
70 800
71 000
71 200
71 400
71 600
71 800
72 000
72 200
2001 20 02 2003 2004 2005 2006 2007
3
58150
58200
58250
58300
58350
2001 2002 2003 2004 2005 2006 2007
4
131000
132000
133000
134000
135000
136000
137000
138000
139000
140000
2001 2002 2003 2004 2005 2006 2007
5
150000
152000
154000
156000
158000
160000
162000
20 01 2002 2003 2004 2005 2006 20 07
6
190000
195000
200000
205000
210000
215000
220000
2001 2002 2003 2004 2005 2006 2007
7
125000
130000
135000
140000
145000
150000
155000
160000
2001 20 02 2003 2004 2005 2006 2007
8
1200000
1240000
1280000
1320000
1360000
1400000
2001 2002 2003 2004 2005 2006 2007
9
130000
132000
134000
136000
138000
140000
142000
144000
2001 2002 2003 2004 2005 2006 2007
10
137000
138000
139000
140000
141000
142000
20 01 2002 2003 2004 2005 2006 20 07
11
224000
228000
232000
236000
240000
244000
2001 2002 2003 2004 2005 2006 2007
12
380000
385000
390000
395000
400000
405000
410000
2001 20 02 2003 2004 2005 2006 2007
13
40400
40800
41200
41600
42000
42400
42800
43200
2001 2002 2003 2004 2005 2006 2007
14
30200
30400
30600
30800
31000
31200
31400
31600
2001 2002 2003 2004 2005 2006 2007
15
24000
24500
25000
25500
26000
26500
27000
20 01 2002 2003 2004 2005 2006 20 07
16
960000
1000000
1040000
1080000
1120000
1160000
1200000
2001 2002 2003 2004 2005 2006 2007
17
196000
197000
198000
199000
200000
201000
202000
203000
2001 20 02 2003 2004 2005 2006 2007
18
25600
26000
26400
26800
27200
27600
28000
2001 2002 2003 2004 2005 2006 2007
19
8400
8800
9200
9600
10000
10400
10800
11200
2001 2002 2003 2004 2005 2006 2007
20
49000
50000
51000
52000
53000
54000
55000
56000
20 01 2002 2003 2004 2005 2006 20 07
21
33000
34000
35000
36000
37000
38000
39000
40000
41000
2001 2002 2003 2004 2005 2006 2007
22
PEAT
114
PEA Industria Manufacturera
Mano de Obra Calificada Industria Manufacturera
41000
42000
43000
44000
45000
46000
47000
48000
49000
2001 2002 2003 2004 2005 2006 2007
1
2200
2400
2600
2800
3000
3200
3400
2001 2002 2003 2004 2005 2006 2007
2
7100
7200
7300
7400
7500
7600
7700
7800
2001 2002 2003 2004 2005 2006 2007
3
3600
3650
3700
3750
3800
3850
3900
2001 2002 2003 2004 2005 2006 2007
4
13780
13800
13820
13840
13860
13880
2001 2002 2003 2004 2005 2006 2007
5
13710
13720
13730
13740
13750
13760
13770
13780
13790
13800
2001 2002 2003 2004 2005 2006 2007
6
11000
11500
12000
12500
13000
13500
2001 2002 2003 2004 2005 2006 2007
7
7000
7200
7400
7600
7800
8000
8200
8400
2001 2002 2003 2004 2005 2006 2007
8
125000
130000
135000
140000
145000
2001 2002 2003 2004 2005 2006 2007
9
22500
23000
23500
24000
24500
25000
25500
26000
2001 2002 2003 2004 2005 2006 2007
10
6800
7200
7600
8000
8400
8800
9200
2001 2002 2003 2004 2005 2006 2007
11
10000
10200
10400
10600
10800
11000
11200
11400
11600
2001 2002 2003 2004 2005 2006 2007
12
24000
25000
26000
27000
28000
29000
30000
31000
32000
2001 2002 2003 2004 2005 2006 2007
13
1950
1960
1970
1980
1990
2000
2010
2020
2030
2001 2002 2003 2004 2005 2006 2007
14
2000
2200
2400
2600
2800
3000
3200
2001 2002 2003 2004 2005 2006 2007
15
1730
1740
1750
1760
1770
1780
1790
1800
1810
2001 2002 2003 2004 2005 2006 2007
16
132000
136000
140000
144000
148000
152000
156000
160000
2001 2002 2003 2004 2005 2006 2007
17
34000
35000
36000
37000
38000
39000
40000
41000
2001 2002 2003 2004 2005 2006 2007
18
900
950
1000
1050
1100
1150
1200
1250
2001 2002 2003 2004 2005 2006 2007
19
500
510
520
530
540
550
560
570
580
590
2001 2002 2003 2004 2005 2006 2007
20
2000
2100
2200
2300
2400
2500
2600
2700
2800
2001 2002 2003 2004 2005 2006 2007
21
900
1000
1100
1200
1300
1400
1500
1600
1700
2001 2002 2003 2004 2005 2006 2007
22
PEAI
35,000
40,000
45,000
50,000
55,000
01 02 03 04 05 06 07
1
6,000
6,500
7,000
7,500
8,000
8,500
01 02 03 04 05 06 07
2
5,000
6,000
7,000
8,000
9,000
10,000
01 02 03 04 05 06 07
3
5,500
6,000
6,500
7,000
7,500
8,000
8,500
01 02 03 04 05 06 07
4
10,000
12,000
14,000
16,000
18,000
01 02 03 04 05 06 07
5
18,000
20,000
22,000
24,000
26,000
28,000
01 02 03 04 05 06 07
6
24,000
28,000
32,000
36,000
40,000
01 02 03 04 05 06 07
7
12,000
14,000
16,000
18,000
20,000
22,000
01 02 03 04 05 06 07
8
200,000
220,000
240,000
260,000
280,000
300,000
01 02 03 04 05 06 07
9
16,000
18,000
20,000
22,000
24,000
26,000
01 02 03 04 05 06 07
10
20,000
24,000
28,000
32,000
36,000
01 02 03 04 05 06 07
11
20,000
24,000
28,000
32,000
01 02 03 04 05 06 07
12
45,000
50,000
55,000
60,000
65,000
70,000
75,000
01 02 03 04 05 06 07
13
2,000
3,000
4,000
5,000
6,000
01 02 03 04 05 06 07
14
2,500
3,000
3,500
4,000
4,500
5,000
01 02 03 04 05 06 07
15
3,000
3,500
4,000
4,500
5,000
5,500
01 02 03 04 05 06 07
16
220,000
240,000
260,000
280,000
300,000
320,000
340,000
01 02 03 04 05 06 07
17
24,000
28,000
32,000
36,000
40,000
01 02 03 04 05 06 07
18
2,500
3,000
3,500
4,000
4,500
01 02 03 04 05 06 07
19
1,600
1,800
2,000
2,200
2,400
2,600
2,800
01 02 03 04 05 06 07
20
3,000
4,000
5,000
6,000
7,000
01 02 03 04 05 06 07
21
1,500
2,000
2,500
3,000
3,500
4,000
4,500
01 02 03 04 05 06 07
22
MOC
115
Productividad Media Laboral Industria Manufacturera
Productividad Media Laboral Total
Fuente: Elaboración propia, en base a datos de los Censos de Población y Vivienda 2001 y
2010 del INEC, las Cuentas Provinciales 2001-2007 del BCE y los Anuarios Estadísticos de la
Superintendencia de Compañías.
2660
2680
2700
2720
2740
2760
2780
2800
2001 2002 2003 2004 2005 2006 2007
1
900
1000
1100
1200
1300
1400
20 01 2002 2003 2004 2005 2006 2007
2
6200
6400
6600
6800
7000
7200
7400
7600
2001 2002 2003 2004 2005 2006 2007
3
13 00
14 00
15 00
16 00
17 00
18 00
2001 20 02 2003 2004 2005 2006 2007
4
6000
6200
6400
6600
6800
7000
7200
7400
7600
2001 2002 2003 2004 2005 2006 2007
5
1900
2000
2100
2200
2300
2400
2001 2002 2003 2004 2005 2006 2007
6
2800
3200
3600
4000
4400
4800
5200
5600
20 01 2002 2003 2004 2005 2006 2007
7
6200
6400
6600
6800
7000
7200
7400
2001 2002 2003 2004 2005 2006 2007
8
64 00
68 00
72 00
76 00
80 00
84 00
88 00
2001 20 02 2003 2004 2005 2006 2007
9
1600
1700
1800
1900
2000
2100
2200
2001 2002 2003 2004 2005 2006 2007
10
1960
2000
2040
2080
2120
2160
2200
2001 2002 2003 2004 2005 2006 2007
11
2400
2800
3200
3600
4000
4400
4800
20 01 2002 2003 2004 2005 2006 2007
12
6800
7200
7600
8000
8400
8800
9200
2001 2002 2003 2004 2005 2006 2007
13
15 50
16 00
16 50
17 00
17 50
18 00
18 50
19 00
19 50
2001 20 02 2003 2004 2005 2006 2007
14
440
480
520
560
600
640
680
2001 2002 2003 2004 2005 2006 2007
15
3600
3700
3800
3900
4000
4100
2001 2002 2003 2004 2005 2006 2007
16
5100
5150
5200
5250
5300
5350
5400
5450
20 01 2002 2003 2004 2005 2006 2007
17
2360
2400
2440
2480
2520
2560
2600
2640
2001 2002 2003 2004 2005 2006 2007
18
15 00
16 00
17 00
18 00
19 00
20 00
21 00
22 00
2001 20 02 2003 2004 2005 2006 2007
19
1200
1400
1600
1800
2000
2200
2400
2001 2002 2003 2004 2005 2006 2007
20
1400
1600
1800
2000
2200
2400
2600
2001 2002 2003 2004 2005 2006 2007
21
800
1200
1600
2000
2400
2800
20 01 2002 2003 2004 2005 2006 2007
22
PMELI
3700
3750
3800
3850
3900
3950
4000
4050
4100
2001 2002 2003 2004 2005 2006 2007
1
1800
1900
2000
2100
2200
2300
2400
2500
2600
2001 2002 2003 2004 2005 2006 2007
2
3100
3200
3300
3400
3500
3600
3700
3800
3900
2001 2002 2003 2004 2005 2006 2007
3
2500
2600
2700
2800
2900
3000
3100
3200
2001 2002 2003 2004 2005 2006 2007
4
2600
2800
3000
3200
3400
3600
3800
2001 2002 2003 2004 2005 2006 2007
5
1700
1800
1900
2000
2100
2200
2300
2400
2500
2001 2002 2003 2004 2005 2006 2007
6
2800
2900
3000
3100
3200
3300
3400
3500
2001 2002 2003 2004 2005 2006 2007
7
2800
2900
3000
3100
3200
3300
2001 2002 2003 2004 2005 2006 2007
8
3200
3300
3400
3500
3600
3700
3800
3900
2001 2002 2003 2004 2005 2006 2007
9
2300
2400
2500
2600
2700
2800
2900
2001 2002 2003 2004 2005 2006 2007
10
2400
2500
2600
2700
2800
2900
3000
2001 2002 2003 2004 2005 2006 2007
11
2600
2700
2800
2900
3000
3100
3200
3300
2001 2002 2003 2004 2005 2006 2007
12
2400
2600
2800
3000
3200
3400
3600
2001 2002 2003 2004 2005 2006 2007
13
1700
1800
1900
2000
2100
2200
2300
2001 2002 2003 2004 2005 2006 2007
14
1900
2000
2100
2200
2300
2400
2500
2001 2002 2003 2004 2005 2006 2007
15
2150
2200
2250
2300
2350
2400
2450
2001 2002 2003 2004 2005 2006 2007
16
3300
3350
3400
3450
3500
3550
3600
2001 2002 2003 2004 2005 2006 2007
17
2500
2600
2700
2800
2900
3000
3100
2001 2002 2003 2004 2005 2006 2007
18
2720
2760
2800
2840
2880
2920
2960
3000
3040
3080
2001 2002 2003 2004 2005 2006 2007
19
9200
9400
9600
9800
10000
10200
10400
2001 2002 2003 2004 2005 2006 2007
20
1600
1700
1800
1900
2000
2100
2001 2002 2003 2004 2005 2006 2007
21
1200
1300
1400
1500
1600
2001 2002 2003 2004 2005 2006 2007
22
PMELT
116
E. Correlogramas (Niveles y primeras diferencias)
VAB Total
VAB Industria Manufacturera
VAB no Manufacturero
Ingresos Industria Manufacturera (en dólares)
117
Capital Suscrito Industria Manufacturera (en dólares)
Número de establecimientos Industria Manufacturera
PEA Total
PEA Industria Manufacturera
118
Mano de Obra Calificada Industria Manufacturera
Productividad media laboral industrias manufactureras
Productividad media laboral total
Fuente: Elaboración propia, en base a datos de los Censos de Población y Vivienda 2001 y 2010 del INEC, las
Cuentas Provinciales 2001-2007 del BCE y los Anuarios Estadísticos de la Superintendencia de Compañías.
119
F. Matriz de correlación
VAB VABNI VABIND ING CS NUM PEAI PEAT MOC PMELT PMELI VAB 1.000000 0.999309 0.991231 0.951822 0.910815 0.979874 0.972264 0.995539 0.983950 0.104945 0.521875
VABNI 0.999309 1.000000 0.985633 0.949535 0.909642 0.976356 0.972602 0.995709 0.984413 0.105867 0.516499
VABIND 0.991231 0.985633 1.000000 0.949262 0.904757 0.981378 0.960150 0.983759 0.971256 0.100491 0.535123
ING 0.951822 0.949535 0.949262 1.000000 0.989954 0.965704 0.950013 0.935677 0.976911 0.107923 0.421284
CS 0.910815 0.909642 0.904757 0.989954 1.000000 0.929671 0.919500 0.890838 0.950538 0.106928 0.384387
NUM 0.979874 0.976356 0.981378 0.965704 0.929671 1.000000 0.970567 0.970924 0.981926 0.103389 0.422121
PEAI 0.972264 0.972602 0.960150 0.950013 0.919500 0.970567 1.000000 0.970304 0.980545 0.090807 0.437388
PEAT 0.995539 0.995709 0.983759 0.935677 0.890838 0.970924 0.970304 1.000000 0.980905 0.068239 0.524038
MOC 0.983950 0.984413 0.971256 0.976911 0.950538 0.981926 0.980545 0.980905 1.000000 0.089204 0.459969
PMELT 0.104945 0.105867 0.100491 0.107923 0.106928 0.103389 0.090807 0.068239 0.089204 1.000000 0.087784
PMELI 0.521875 0.516499 0.535123 0.421284 0.384387 0.422121 0.437388 0.524038 0.459969 0.087784 1.000000
Fuente: Elaboración propia, en base a datos de los Censos de Población y Vivienda 2001 y 2010 del INEC, las Cuentas Provinciales 2001-2007 del BCE
y los Anuarios Estadísticos de la Superintendencia de Compañías.
120
Anexo 4. Cálculo del Índice de Maurel y Sedillot
A. Cálculo de variables para la rama de la industria manufacturera 2001 2010
Provincia PEA Industrial
si2 PEA Total
xi2 xi H PEA Industrial
si2 PEA Total
xi2 xi H
Azuay 41709 0.0323084 232045 0.0078080 0.0883628 0.0078080 52442 0.035625386 277843 0.0081182 0.0901011 0.008118
Bolívar 3200 0.0026359 62328 0.0000460 0.0067794 0.0000460 2077 0.001769103 49381 0.0000127 0.0035685 0.000013
Cañar 7159 0.0098886 71992 0.0002300 0.0151667 0.0002300 8095 0.013320697 70138 0.0001934 0.0139081 0.000193
Carchi 3868 0.0043967 58334 0.0000672 0.0081946 0.0000672 3513 0.003660139 58067 0.0000364 0.0060357 0.000036
Cotopaxi 13787 0.0097994 139274 0.0008531 0.0292085 0.0008531 13918 0.011909164 127537 0.0005718 0.0239127 0.000572
Chimborazo 13796 0.0073115 161343 0.0008543 0.0292276 0.0008543 13680 0.008864839 145295 0.0005524 0.0235037 0.000552
El Oro 11071 0.0032305 194783 0.0005501 0.0234545 0.0005501 14831 0.004123441 230962 0.0006493 0.0254813 0.000649
Esmeraldas 7109 0.0030495 128735 0.0002268 0.0150608 0.0002268 8956 0.002723947 171599 0.0002368 0.0153874 0.000237
Guayas 127749 0.0109824 1219015 0.0732477 0.2706432 0.0732477 152916 0.011110124 1450753 0.0690252 0.2627265 0.069025
Imbabura 22539 0.0292477 131792 0.0022801 0.0477501 0.0022801 27479 0.034174427 148645 0.0022290 0.0472119 0.002229
Loja 6909 0.0025310 137331 0.0002142 0.0146371 0.0002142 10059 0.004930214 143259 0.0002987 0.0172825 0.000299
Los Ríos 10125 0.0020197 225297 0.0004601 0.0214504 0.0004601 12149 0.002315057 252499 0.0004357 0.0208733 0.000436
Manabí 24337 0.0040782 381095 0.0026584 0.0515593 0.0026584 36093 0.00726771 423374 0.0038455 0.0620117 0.003845
Morona S. 1951 0.0023242 40469 0.0000171 0.0041333 0.0000171 2059 0.002148213 44424 0.0000125 0.0035376 0.000013
Napo 2083 0.0047539 30211 0.0000195 0.0044129 0.0000195 1506 0.002196855 32131 0.0000067 0.0025875 0.000007
Pastaza 1731 0.0051266 24176 0.0000134 0.0036672 0.0000134 1836 0.004202995 28320 0.0000100 0.0031544 0.000010
Pichincha 133845 0.0181251 994172 0.0804051 0.2835579 0.0804051 169055 0.017112385 1292328 0.0843641 0.2904550 0.084364
Tungurahua 34594 0.0311170 196111 0.0053713 0.0732893 0.0053713 44090 0.045638162 206384 0.0057383 0.0757515 0.005738
Zamora Ch. 909 0.0012372 25843 0.0000037 0.0019258 0.0000037 1376 0.00232043 28565 0.0000056 0.0023641 0.000006
Galápagos 504 0.0033042 8768 0.0000011 0.0010678 0.0000011 635 0.002723385 12168 0.0000012 0.0010910 0.000001
Sucumbíos 2054 0.0017432 49196 0.0000189 0.0043515 0.0000189 3089 0.002820993 58159 0.0000282 0.0053072 0.000028
Orellana 991 0.0008904 33211 0.0000044 0.0020995 0.0000044 2181 0.002389841 44614 0.0000140 0.0037472 0.000014
472020 4545521 582035 5296445
Fuente: Elaboración propia, en base a datos de los Censos de Población y Vivienda 2001 y 2010 del INEC.
121
B. Cálculo de variables para la rama de la Agricultura
2001 2010
Provincia PEA Agricultura
si2 PEA Total xi2 xi H PEA Agricultura
si2 PEA Total xi2 xi H
Azuay 53721 0.053597403 232045 0.002076 0.045559 0.002076 25947 0.008721183 277843 0.000913 0.030224 0.000913
Bolívar 37445 0.360928592 62328 0.001008 0.031756 0.001008 19532 0.156449317 49381 0.000518 0.022751 0.000518
Cañar 32591 0.204940077 71992 0.000764 0.027640 0.000764 18722 0.071252109 70138 0.000476 0.021808 0.000476
Carchi 24870 0.181764077 58334 0.000445 0.021092 0.000445 17489 0.090713344 58067 0.000415 0.020372 0.000415
Cotopaxi 69563 0.249468956 139274 0.003480 0.058995 0.003480 36950 0.083937589 127537 0.001852 0.043040 0.001852
Chimborazo 79737 0.244241539 161343 0.004573 0.067623 0.004573 37334 0.066024893 145295 0.001891 0.043488 0.001891
El Oro 49748 0.065230266 194783 0.001780 0.042190 0.001780 51517 0.049753091 230962 0.003601 0.060008 0.003601
Esmeraldas 41341 0.103126121 128735 0.001229 0.035060 0.001229 45962 0.07174115 171599 0.002866 0.053538 0.002866
Guayas 173023 0.020146035 1219015 0.021532 0.146736 0.021532 161551 0.012400304 1450753 0.035411 0.188179 0.035411
Imbabura 34141 0.067108013 131792 0.000838 0.028954 0.000838 22115 0.022134681 148645 0.000664 0.025760 0.000664
Loja 60188 0.192080227 137331 0.002605 0.051044 0.002605 30183 0.044389574 143259 0.001236 0.035158 0.001236
Los Ríos 112232 0.248154747 225297 0.009059 0.095181 0.009059 101872 0.162775988 252499 0.014081 0.118663 0.014081
Manabí 135233 0.125921203 381095 0.013153 0.114688 0.013153 105226 0.061772867 423374 0.015023 0.122570 0.015023
Morona S. 22285 0.303235701 40469 0.000357 0.018899 0.000357 14726 0.109883952 44424 0.000294 0.017153 0.000294
Napo 15477 0.262448058 30211 0.000172 0.013126 0.000172 8799 0.074992555 32131 0.000105 0.010249 0.000105
Pastaza 8936 0.136620989 24176 0.000057 0.007578 0.000057 5699 0.040495878 28320 0.000044 0.006638 0.000044
Pichincha 110371 0.012324999 994172 0.008761 0.093603 0.008761 83131 0.004137905 1292328 0.009377 0.096833 0.009377
Tungurahua 66626 0.115420665 196111 0.003193 0.056504 0.003193 35724 0.029961814 206384 0.001732 0.041612 0.001732
Zamora Ch. 14143 0.299500276 25843 0.000144 0.011994 0.000144 8124 0.08088563 28565 0.000090 0.009463 0.000090
Galápagos 900 0.010536198 8768 0.000001 0.000763 0.000001 874 0.005159225 12168 0.000001 0.001018 0.000001
Sucumbíos 19384 0.15524843 49196 0.000270 0.016439 0.000270 14071 0.05853506 58159 0.000269 0.016390 0.000269
Orellana 17188 0.267846999 33211 0.000212 0.014577 0.000212 12949 0.084242285 44614 0.000228 0.015083 0.000228
1179143 4545521 858497 5296445
Fuente: Elaboración propia, en base a datos de los Censos de Población y Vivienda 2001 y 2010 del INEC.
122
C. Cálculo de variables para la rama de la Construcción
2001 2010
Provincia PEA Construcción si2 PEA
Total xi2 xi H PEA Construcción si2 PEA Total xi2 xi H
Azuay 18535 0.006380 232045 0.004168 0.064558 0.004168 26306 0.008964 277843 0.004932 0.070227 0.004932
Bolívar 2308 0.001371 62328 0.000065 0.008039 0.000065 2595 0.002762 49381 0.000048 0.006928 0.000048
Cañar 5963 0.006861 71992 0.000431 0.020769 0.000431 6751 0.009265 70138 0.000325 0.018023 0.000325
Carchi 2589 0.001970 58334 0.000081 0.009018 0.000081 2747 0.002238 58067 0.000054 0.007333 0.000054
Cotopaxi 8267 0.003523 139274 0.000829 0.028794 0.000829 10735 0.007085 127537 0.000821 0.028659 0.000821
Chimborazo 7542 0.002185 161343 0.000690 0.026269 0.000690 10212 0.004940 145295 0.000743 0.027262 0.000743
El Oro 10911 0.003138 194783 0.001444 0.038004 0.001444 15440 0.004469 230962 0.001699 0.041219 0.001699
Esmeraldas 7131 0.003068 128735 0.000617 0.024838 0.000617 8758 0.002605 171599 0.000547 0.023381 0.000547
Guayas 79005 0.004200 1219015 0.075723 0.275179 0.075723 103863 0.005125 1450753 0.076882 0.277276 0.076882
Imbabura 9324 0.005005 131792 0.001055 0.032476 0.001055 10733 0.005214 148645 0.000821 0.028653 0.000821
Loja 9013 0.004307 137331 0.000986 0.031393 0.000986 12992 0.008224 143259 0.001203 0.034684 0.001203
Los Ríos 9231 0.001679 225297 0.001034 0.032152 0.001034 11443 0.002054 252499 0.000933 0.030549 0.000933
Manabí 21066 0.003056 381095 0.005384 0.073374 0.005384 27064 0.004086 423374 0.005220 0.072251 0.005220
Morona S. 1991 0.002420 40469 0.000048 0.006935 0.000048 4051 0.008316 44424 0.000117 0.010815 0.000117
Napo 1842 0.003717 30211 0.000041 0.006416 0.000041 2337 0.005290 32131 0.000039 0.006239 0.000039
Pastaza 1379 0.003254 24176 0.000023 0.004803 0.000023 2417 0.007284 28320 0.000042 0.006453 0.000042
Pichincha 75938 0.005834 994172 0.069958 0.264496 0.069958 92379 0.005110 1292328 0.060821 0.246618 0.060821
Tungurahua 8998 0.002105 196111 0.000982 0.031341 0.000982 12730 0.003805 206384 0.001155 0.033984 0.001155
Zamora Ch. 1399 0.002931 25843 0.000024 0.004873 0.000024 2286 0.006404 28565 0.000037 0.006103 0.000037
Galápagos 663 0.005718 8768 0.000005 0.002309 0.000005 933 0.005879 12168 0.000006 0.002491 0.000006
Sucumbíos 2647 0.002895 49196 0.000085 0.009220 0.000085 4969 0.007300 58159 0.000176 0.013265 0.000176
Orellana 1362 0.001682 33211 0.000023 0.004744 0.000023 2842 0.004058 44614 0.000058 0.007587 0.000058
287104 4545521 374583 5296445
Fuente: Elaboración propia, en base a datos de los Censos de Población y Vivienda 2001 y 2010 del INEC.
123
D. Valores del estimador del parámetro 후퐢
Provincia Industria 2001 Industria 2010 Agricultura 2001
Agricultura 2010
Construcción 2001
Construcción 2010
Azuay 0.0170181 0.0197746 0.0496563 0.0069077 -0.0019542 -0.000884
Bolívar 0.0025442 0.0017437 0.3596377 0.1555754 0.0012421 0.002666
Cañar 0.0094330 0.0129389 0.2037239 0.0703681 0.0060032 0.008621
Carchi 0.0042630 0.0035875 0.1810356 0.0899582 0.0018075 0.002131
Cotopaxi 0.0081077 0.0107782 0.2442173 0.0805342 0.0018689 0.005452
Chimborazo 0.0056133 0.0077689 0.2372819 0.0624822 0.0008066 0.003459
El Oro 0.0021329 0.0028289 0.0618936 0.0428723 0.0002521 0.001078
Esmeraldas 0.0025970 0.0022515 0.1009171 0.0663969 0.0018372 0.001513
Guayas -0.1515339 -0.1409644 -0.0234525 -0.0614428 -0.1656499 -0.167492
Imbabura 0.0248057 0.0298544 0.0655419 0.0208356 0.0029031 0.003578
Loja 0.0021035 0.0043355 0.1878537 0.0420228 0.0023418 0.005834
Los Ríos 0.0011007 0.0014451 0.2343448 0.1386906 -0.0003885 0.000189
Manabí -0.0012380 -0.0004116 0.1024655 0.0329339 -0.0077663 -0.006393
Morona S. 0.0022901 0.0021232 0.3027377 0.1093599 0.0023245 0.008084
Napo 0.0047151 0.0021835 0.2621939 0.0747982 0.0036355 0.005213
Pastaza 0.0050998 0.0041832 0.1365218 0.0404113 0.0032076 0.007201
Pichincha -0.1610823 -0.1723526 -0.0052121 -0.0148038 -0.1493544 -0.127919
Tungurahua 0.0206242 0.0345904 0.1097452 0.0265937 0.0001420 0.001499
Zamora Ch. 0.0012298 0.0023093 0.2992987 0.0807210 0.0028832 0.006330
Galápagos 0.0033019 0.0027210 0.0105350 0.0051572 0.0057072 0.005867
Sucumbíos 0.0017054 0.0027648 0.1547917 0.0580290 0.0027255 0.006950
Orellana 0.0008816 0.0023618 0.2675358 0.0838255 0.0016369 0.003943
Fuente: Elaboración propia, en base a datos de los Censos de Población y Vivienda 2001 y 2010 del INEC.
124
E. Valores del estimador del parámetro 후ퟎ
Industrias-Agricultura Industrias-Construcción
Provincia 2001 2010 Provincia 2001 2010 Azuay 0.0191907 0.0221348 Azuay 0.0190812 0.0221354
Bolívar 0.0025716 0.0017511 Bolívar 0.0025617 0.0017499
Cañar 0.0096151 0.0131330 Cañar 0.0095783 0.0131207
Carchi 0.0043061 0.0036115 Carchi 0.0042983 0.0036093
Cotopaxi 0.0084492 0.0110681 Cotopaxi 0.0083632 0.0110452
Chimborazo 0.0058584 0.0079739 Chimborazo 0.0057978 0.0079610
El Oro 0.0021991 0.0029203 El Oro 0.0021949 0.0029161
Esmeraldas 0.0026439 0.0022922 Esmeraldas 0.0026391 0.0022894
Guayas -0.1589918 -0.1477834 Guayas -0.1586947 -0.1476624
Imbabura 0.0261326 0.0313336 Imbabura 0.0260463 0.0313074
Loja 0.0021450 0.0044180 Loja 0.0021371 0.0044150
Los Ríos 0.0011447 0.0014914 Los Ríos 0.0011337 0.0014838
Manabí -0.0011508 -0.0001829 Manabí -0.0011611 -0.0001961
Morona S. 0.0023037 0.0021317 Morona S. 0.0022996 0.0021308
Napo 0.0047434 0.0021896 Napo 0.0047360 0.0021892
Pastaza 0.0051214 0.0041969 Pastaza 0.0051185 0.0041965
Pichincha -0.1675742 -0.1792343 Pichincha -0.1674473 -0.1792552
Tungurahua 0.0226580 0.0375257 Tungurahua 0.0224145 0.0374434
Zamora Ch. 0.0012332 0.0023152 Zamora Ch. 0.0012322 0.0023148
Galápagos 0.0033054 0.0027240 Galápagos 0.0033054 0.0027240
Sucumbíos 0.0017142 0.0027805 Sucumbíos 0.0017129 0.0027797
Orellana 0.0008841 0.0023715 Orellana 0.0008834 0.0023707
Fuente: Elaboración propia, en base a datos de los Censos de Población y Vivienda 2001 y 2010 del INEC.
125
Anexo 5. Tabla de Resultados del Índice de Moran (VAB 2007)
Índices/ Ramas Agricultura, ganadería, caza y silvicultura
Industrias Manufactureras Construcción Comercio
Participación
X (0.04) X (0.02)
Especialización X (0.04) Diversificación X (0.02) X (0.02) X (0,02) X (0.01) Concentración
X (0.02) X (0.03)
Fuente: Elaboración propia, en base a datos de las Cuentas Provinciales 2001-2007 del BCE.
126
Anexo 6. Dendogramas
A. Dendogramas de Ramas de actividad (CIIU, 1 dígito)
Índice de Especialización Industrias manufactureras 2007
Índice Concentración Industrias manufactureras 2007
127
Índice de Especialización Agricultura 2007
Índice de Concentración Agricultura 2007
128
B. Dendogramas de Actividades de la Industria manufacturera (CIIU, dos dígitos)
Índice de Especialización. Elaboración de Alimentos
Índice de Especialización. Fabricación de prendas de vestir
129
Índice de Especialización. Fabricación de Productos elaborados de metal, excepto maquinaria y equipo
Índice de Especialización. Fabricación de muebles
130
Índice de Concentración. Elaboración de Alimentos
Índice de Concentración. Fabricación de prendas de vestir
131
Índice de Concentración. Fabricación de Productos elaborados de metal, excepto maquinaria y equipo
Índice de Concentración. Fabricación de muebles
Fuente: Elaboración propia, en base a datos de las Cuentas Provinciales 2001-2007 del BCE y del
Censo Económico del 2010 del INEC.