Impacto de la inversión directa extranjera sobre la desigualdad interpersonal: una persectiva no lineal
Impact of foreign direct investment on interpersonal inequalities: a non-linear perspective
Ver/ Abrir
Identificadores
URI: http://hdl.handle.net/10902/14808Registro completo
Mostrar el registro completo DCAutoría
Rodríguez Luengo, PatriciaFecha
2018-06Director/es
Derechos
© Patricia Rodríguez Luengo
Resumen/Abstract
RESUMEN: El objetivo de este trabajo es analizar el efecto que tiene la inversión directa extranjera (IED) sobre el coeficiente de desigualdad interpersonal, medido a través del índice de Gini. Para ello, se utilizará una base de datos formada por una muestra de 31 países miembros de la OCDE para el periodo 2000-2015, es decir, una muestra únicamente de países desarrollados. Las variables que se incluyen como posibles determinantes de la desigualdad serán aspectos macroeconómicos relevantes como el nivel de comercio con el exterior, el nivel de desarrollo y el desempleo. La revisión de la literatura mostrará que no existe un consenso sobre el efecto de la IDE, mientras unos autores encuentran una relación lineal positiva, otros la encontrarán negativa, no lineal, o que dependerá de aspectos como el nivel de desarrollo. En este contexto, se llevará a cabo un estudio paramétrico de la regresión de Gini sobre la IDE, la apertura exterior, el desempleo y la producción per cápita. Junto con ello, se analizará la posible mala especificación del modelo llegando a la conclusión de que la estimación MCO no es adecuada para este estudio y por tanto el método de estimación utilizado será el de efectos fijos que nos permite controlar por la heterogeneidad no observable. A pesar de la no significatividad de la variable inversión, una interacción con el PIB per cápita si será relevante. Posteriormente, se propondrá un modelo semiparamétrico con el objetivo de evitar problemas de especificación como los comentados previamente. Finalmente, comparando los resultados obtenidos para las variables explicativas (tasa de desempleo o nivel de producción per cápita) en modelos puramente parámetricos con los correspondientes para un modelo semiparamétrico se aprecian cambios sustanciales. Este es un claro indicador de que los estimadores obtenidos en modelos totalmente paramétricos estaban sujetos a un problema de mala especificación del modelo pudiéndonos llevar a conclusiones engañosas. En este contexto, parece que un modelo semiparamétrico en el cual no imponemos una forma funcional concreta sobre la inversión extranjera y el índice de GINI es mucho más recomendable.
ABSTRACT: The main purpose of this paper is to obtain conclusions about the impact of foreign direct investment on Gini index (as a measure of interpersonal inequalities). For this, we will use a data panel with 31 of the members of the OCDE (so as the sample is homogeneous and all of them are developed countries) for the period 2000-2015 and 3 other macroeconomics determinants such as the rate of unemployment, GDP per capita, and foreign trade. The review of the literature shows there is no consensus about the impact of FDI. Many authors point out that there is a positive effect of the FDI on GINI while others sum up it is negative, non-linear, or there is no effect. First, we will run a parametric regression of GINI on FDI, foreign trade, unemployment and GDP per cápita using OLS estimators. At this stage we will carry out the Reset’s test finding that the previous model would be misspecified, and, also the Hausman’s test to prove the relation between the explanatory variables and the non-observed heterogeneity. Thus, the method estimation will be Fixed Effects. Although FDI is not significant, an interaction of GDP and FDI will be relevant. Then, we will carry out a semi parametric estimation with the aim of avoiding the problems related to misspecification. Finally, if we compare parametric models with the semiparametric one, we can appreciate some changes on the explanatory variables. This fact means that the estimations on totally parametric models are biased due to a problem of misspecification leading us to wrong conclusions. In this way a semiparametric model seems to be much better.