MACRO REGIONES PERUANAS SEGÚN DESEMPEÑO ECONÓMICO: UN ANÁLISIS POR CONGLOMERADOS

RICARDO MACHUCA BREÑA

PRECY JIMENEZ DAMACEN

RESUMEN.

En el artículo se desarrolla un análisis de clusters, jerárquico y no jerárquico, que permite determinar la conformación de regiones económicas para el caso peruano. Para esto se utilizó las variables variaciones porcentuales del Producto Bruto Interno per cápita (PIB pc) departamental empleando la serie de tiempo que abarca desde el año 2002 hasta el año 2010.

Se determinó la formación de cuatro regiones económicas (cuatro clusters). Siendo la región tres, la que más departamentos tiene en su conformación.

Por otro lado, se encontró evidencias para la muestra, que los departamentos que conforman los clusters no son necesariamente vecinos, dando un carácter novedoso a la concepción de regionalización.

PALABRAS CLAVES. cluster jerárquico, cluster no jerárquico, regionalización,

1. Introducción

A inicios de la década pasada, volvió a tomar mayor presencia la discusión sobre la regionalización en nuestro país.1 La Ley de Bases de la Descentralización (2002); la Ley Orgánica de los Gobiernos Regionales (2002) hicieron que la idea de retomar un proceso de regionalización cobre importancia nuevamente. Años después con la promulgación de la Ley de Incentivos para la Integración y Conformación de Regiones (2004) y el posterior referéndum llevado a cabo el 2005, muy contrario a lo que se pensaba, la conformación de regiones2 se vio frustrada.

1 Barrenechea (1983); y Gonzáles (1994) dejaron constar que los intentos por regionalizar el Perú tenían poca fortuna y que venían de muchos años atrás (1923-1993).2 Cinco listas de regiones fueron presentadas (Región Norte, Región Nor-Centro Oriente, Región Ica-Huancavelica-Ayacucho, Región Cuzco-Apurímac y Región Arequipa-Puno-Tacna).

Horizonte Económico Nº2

100

Distintas instituciones (gubernamentales y no gubernamentales) y diversos profesionales han intentado definir regiones que tengan similitud en características sociológicas, culturales, administrativas, tributarias, históricas, geográficas. Empero, la macro-regionalización en el Perú, desde una perspectiva económica es aun una tarea pendiente.

Los gobiernos regionales en el Perú deben buscar una forma de cooperativa y coordinadora que incentive a nuestro país a entrar a un proceso de integración regional, pudiendo formar macroregiones.

En ese sentido, el presente documento pretende aportar, en alguna medida, a reconocer a través de la formación de “macro-regiones económicas”.

La agrupación por similitud en el desempeño económico, permitirá determinar qué departamentos han ejercido un similar comportamiento en el Perú, posibilitando la integración de los departamentos y generando una mayor y mejor comprensión del desempeño de la economía nacional.

Por otro lado, el análisis permitirá reconocer los efectos del manejo de la política gubernamental sobre la economía por departamentos, pudiéndose observar cuales de estas agrupaciones, determinadas por el estudio, se beneficiaron o perjudicaron en estos años de gran crecimiento económico del Perú.

2. Fundamento teórico

Nuestro país se encuentra dividido en regiones, departamentos, provincias, distritos3. Las regiones están comprendidas por departamentos, los departamentos por provincias, las provincias por distritos.

Se entenderá como región, en este documento, a la agrupación de espacios económicos que están comprendidos por algunos de los 24 departamentos con los que cuenta el Perú, cuya sumatoria de los integrantes de cada grupo, deberá representar el total de departamentos. Cabe resaltar que en este trabajo no se considera a la provincia constitucional del Callao.

En el Perú no se encontró trabajos que analicen la regionalización por desempeño económico; sin embargo, algunos autores utilizan el método clusters dentro de algunos departamentos. Por ejemplo, Kuramoto (1999) estudia la generación de clusters relacionado al inicio de operación de la empresa Yanacocha en Cajamarca. De su análisis se desprende que las externalidades positivas de la empresa, generadas por el crecimiento económico, aun es limitada. Además establece que la empresa tiene mejores relaciones productivas e institucionales con los agentes limeños que con los de Cajamarca.

3 Además de centros poblados.

Horizonte Económico Nº2

101

Cabe resaltar que Salazar, Chacón, et al (2011) analizaron en el Perú, mediante el método de clusters las artes de pesca menores en la pesquería artesanal peruana. Utilizando tres criterios principales (tamaño con esfuerzo manual y mecanizado, forma de operación y finalmente tipo de captura) determina que de un total de seis clusters, tres de ellos pertenecían a las artes de pesca menores.

En el ámbito de otros países, Baron (2002), mediante el método de clusters establece regiones económicas para Colombia, utilizando como variable de análisis las captaciones del sistema financiero identifica cinco regiones económicas.

Galvis (2001) analiza la distribución de la población y de las actividades económicas en Colombia por municipios. Utilizando índices de correlación espacial de Geary, Moran, Getis y Ord, encuentra altas y bajas dependencias espaciales en los municipios por actividad económica.

Crone (1999) forma grupo de regiones de acuerdo a la similitud del desempeño económico a través del tiempo en Estados Unidos. El autor mediante su análisis agrupa a 48 estados de los 50 que tiene el mencionado país. Utilizando los cambios mensuales de los índices de actividad económica encuentra 6 regiones económicas.

Porter (2003) desarrolla un trabajo sobre el desempeño y composición de la economía regional en Estados Unidos, además de que analiza el papel de los Cluster. El análisis es descriptivo y encuentra que las regiones presentan gran influencia dependiendo de las agrupaciones locales y de la pluralidad de la innovación.

3. Metodología

En el presente artículo utilizamos el método de conglomerados4. En esta sección desarrollamos una breve descripción del método, incluyendo los pasos que se utilizarán para el posterior análisis.

El análisis de Cluster, que es la forma de denominar a un grupo de técnicas multivariantes, básicamente intenta clasificar las observaciones en diversos grupos, donde las observaciones contenidas en cada grupo deben ser parecidas a todas las incluidas en él siguiendo algún criterio de selección predeterminado, pero, esta debe ser lo más diferente posible entre grupo y grupo.4 También denominado análisis de Clusters.

Horizonte Económico Nº2

102

Es importante aclarar que la composición de los clusters son totalmente desconocidas a priori y es necesario derivarlos a partir de las observaciones.

El análisis no implementa pruebas de hipótesis sobre el fenómeno en particular que se estudia, empero coadyuva a la elaboración de nuevas hipótesis mediante la clasificación natural de los datos utilizados.

Uriel y Aldas (2005) resumen la implementación del método en cuatro pasos:

a) Disponer de observaciones y esta debe de estar separada por variables

b) Establecer indicadores que indiquen en qué medida cada par de observaciones se parecen entre sí, esta medida es denominada distancia o similaridad.

c) Formar grupos donde cada uno de ellos contenga observaciones que más se parezcan entre sí, de acuerdo con la medida de similaridad calculada anteriormente. Para este paso se pueden utilizar dos tipos de análisis de conglomerados, el jerárquico y no jerárquico. Cada uno de ellos tiene sus propios métodos de agrupación y conglomeración.

El método jerárquico, empieza su análisis considerando a cada individuo (en nuestro caso departamento) como un grupo en si mismo. Posteriormente se forman grupos de mayor tamaño fusionando grupos cercanos entre sí. Finalmente todos los individuos confluyen en un solo grupo.

Los métodos no jerárquicos, establecen un número de grupos a priori, y los individuos se van clasificando en cada uno de esos grupos.

d) Por último, se describe los grupos obtenidos y se comparan unos con otros.

Para el desarrollo de los pasos mencionados, se utilizará el programa estadístico SPSS 15.0. De esta manera se pretende establecer regiones desde el ámbito económico en el Perú.

En el presente trabajo se utilizará, en primer momento, el análisis jerárquico. Posteriormente se utilizará un método no jerárquico para poder establecer los grupos según el número obtenido en el análisis jerárquico.

Horizonte Económico Nº2

103

4. Resultados

Para la construcción de los Clusters por regiones económicas se analizó la variable en variaciones porcentuales del producto bruto interno per cápita y por departamento en soles constantes de 1994.

La data es de corte anual y abarca el período 2002 - 2010. La información utilizada se obtuvo del instituto nacional de estadísticas e informática (INEI).

En el documento se analizan los 24 departamentos del Perú, quedando excluido la provincia constitucional del Callao. El análisis abarca precisamente los años donde el Perú mostró una bonanza económica, reflejada en un alto crecimiento económico sostenido, en especial en la última década.

En el gráfico No 1 se muestra la variación del PBI percápita de los 24 departamentos del Perú en el período 2002-2010.

Horizonte Económico Nº2

104

Grafico No 1: variación del PIB percápita departamental. 2002-2010

Horizonte Económico Nº2

105

En primer lugar, analizamos la medida de similaridad, donde se establece preliminarmente las observaciones que más se parecen entre sí para cada departamento. Se tiene a Amazonas como el departamento más cercano a San Martin (0.059); Ancash a Moquegua (0.117); Apurímac a Amazonas (0.078); Arequipa a Lima (0.081); Ayacucho a Lambayeque (0.097); Cajamarca a Moquegua (0.159); Cuzco a Piura (0.160); Huancavelica a Loreto (0.108); Huánuco a Tacna (0.085); Ica a San Martin (0.144); Junín a Lima (0.082); La Libertad a Amazonas (0.101); Lambayeque a Ayacucho (0.097); Lima a Amazonas (0.064); Loreto a Puno (0.054); Madre de Dios a Puno (0.108); Moquegua a Ancash (0.112); Pasco a Puno (0.150); Piura a Amazonas (0.064); Puno a Loreto (0.054); San Martin a Amazonas (0.059); Tacna a Loreto (0.082); Tumbes a San Martin (0.116); Ucayali a Loreto (0.056).

A continuación se realizó el Análisis Jerárquico de Dendograma (véase anexo) del cual se determinó que se apuntaría a la formación entre 4 a 8 Clusters aproximadamente.

Horizonte Económico Nº2

106

Con la información obtenida se efectuó el análisis de conglomerados no jerárquico que nos dará la mejor solución posible.

El programa estadístico utilizado arrojó que con un grupo de 7 Clusters se acercan más las distancias entre los centroides iniciales con los finales.

Este hecho confirma la estabilidad de los conglomerados formados y que la aproximación de los centroides, proporcionada por el análisis de conglomerados jerárquicos nos ayudo a determinar en qué rango tentativamente se encontraba la solución óptima para los Clusters formados. Además, esta cercanía se corrobora porque la convergencia ocurrió en solo una iteración con cambios de los centros conglomerados prácticamente nulos.

Los siete conglomeranos inicialmente determinados, con los correspondientes departamentos que la integran son:

Cluster 1: Ica.

Cluster 2: Ancash y Moquegua.

Cluster 3: Madre de Dios, San Martin y Tumbes.

Cluster 4: Amazonas, Apurímac, Arequipa, Huancavelica, Huánuco, Junín, Lima, Loreto, Pasco, Piura, Puno, Tacna y Ucayali.

Cluster 5: Ayacucho, La Libertad y Lambayeque.

Cluster 6: Cajamarca.

Cluster 7: Cusco.

En el mapa No 1 se muestra las regiones que se determinaron inicialmente en base al tipo de información disponible.

Posteriormente se realizó un análisis global de todos los resultados encontrándose que existe una gran similaridad entre el Cluster 1 (sólo Ica) con el conglomerado 5, por lo que se decidió incorporarlo. También ocurrió lo propio con el Cluster 6 (sólo Cajamarca) que se incorporó al Cluster 2. Por último, el Cluster 7 (sólo cusco) se incorporó al Cluster 4.

Horizonte Económico Nº2

107

Mapa No 1: Clusters del análisis inicial

Según los criterios expuestos, la solución para el análisis con estos datos, arrojó el siguiente resultado de cuatro conglomerados

Cluster 1: Ancash, Moquegua, Cajamarca.Cluster 2: Madre de Dios, San Martín, Tumbes.Cluster 3: Amazonas, Apurímac, Arequipa, Huancavelica, Huánuco,

Junín, Lima, Loreto, Pasco, Piura, Puno, Tacna, Ucayali, Cusco.

Cluster 4: Ica; Ayacucho, La Libertad; Lambayeque.

Horizonte Económico Nº2

108

El mapa No 2 muestra la conformación de los Clusters finales del documento.

Las características de cada región económica establecidas por el análisis realizado en el documento las presentamos en la tabla No 1.

El Cluster 3 tiene la mayor extensión territorial ascendiendo a un 74% del territorio nacional, además es el Cluster que mayor aporta a la formación del PIB (78.21%), ya que está compuesto por 14 departamentos. Adicionalmente notamos que los Clusters 1, 2 y 4 tienen una extensión territorial del 7%, 11% y 8%. De estos tres Clusters el segundo sólo tiene una aportación del 2.12% a la formación del PIB nacional.

Por otro lado, vemos que la distribución de la población a lo largo del territorio nacional se da de acuerdo a la concentración territorial, es decir que el Cluster 1 tiene una extensión de 7% y una población del 9.78% del total nacional; el Cluster 2 tiene una extensión de 11% y una población del 3.95% del total nacional; el Cluster 3 como se mencionó es el que mayor concentración tiene (una extensión de 74% y una población de 71% del total nacional) y por último el Cluster 4 tiene una extensión de 8% y una población de 15.26% del total nacional.

Horizonte Económico Nº2

109

Mapa No 2: Clusters finales

Horizonte Económico Nº2

110

Tabla No 1

Nombres Departamentos

PIBpc Departamental

Promedio 2002-2010

Variación Promedio 2002-2010

CLUSTER 1 Ancash, Moquegua y Cajamarca 84966,32 7% 2788004 9,78% 12456803,2 8,40% 7126,5 3,85%

CLUSTER 2Madre de Dios, San Martin y

Tumbes141223,1 11% 1125613 3,95% 3136274,9 2,12% 3642,8 4,09%

CLUSTER 3

Amazonas, Apurimac, Arequipa, Huanvacevelica, Huanuco, Junin, Lima, Loreto, Pasco,

Piura, Tacna, Puno, Ucayali y Cusco

954050,4 74% 20254490 71,02% 115936958,9 78,21% 4062,1 4,30%

CLUSTER 4Ica, Ayacucho, La Libertad y

Lambayeque104873,8 8% 4352558 15,26% 16712284,6 11,27% 3868,6 6,04%

Extensión territorial (km2)

Población 2010PIB Departamental

Promedio 2002-2010

La no contigüidad de los departamentos peruanos que conforman un Cluster es algo novedoso en la investigación. Crone (1999) y Barón (2002) también encontraron que en la conformación de las regiones económicas los departamentos no necesariamente tienen que ser vecinos o colidantes.

5. Conclusiones

Del análisis estadístico realizado en el documento se obtuvieron cuatro clusters, siendo el cluster 3 el que cuenta con la mayor cantidad de departamentos en su conformación (54% aproximadamente del total), lo que indicaría que entre los años 2002 y 2010 tuvieron un comportamiento similar en su desempeño económico, demostrando que existe una integración comercial entre departamentos, además de que los beneficios generados por el crecimiento económico fueron medios vinculantes para la economía.

En promedio, el cluster 1 cuenta con el PIB per cápita más elevada y su población representa casi el 10% de la población del Perú.

El trabajo pretende aportar a que la conformación de regiones en el Perú vincule el desempeño económico por departamentos a través del tiempo.

En la conformación de los clusters no necesariamente los departamentos que los integran son vecinos, lo que aporta un elemento muy importante para la toma de decisión en la conformación de regiones en el Perú.

Horizonte Económico Nº2

111

6. Referencias bibliográficas

BARON RIVERA, Juan David (2002). “Regiones económicas de Colombia: un análisis de Clusters”. Centro de Estudios Económicos Regionales. Nº 23. 40 pp. Colombia.

CRONE , Theodore M. (1999). “Using state indexes to define economic regions in the u.s”. Federal Reserve Bank of Philadelphia. Working Paper. Nº 99-19. 31 pp. U.S.A.

CORDIGALAT, Nelly Ángela. (1999). “¿Se cumplen las verdades nacionales a nivel regional? Primera aproximación a la construcción de matrices de contabilidad social regionales en Colombia”. Departamento Nacional de Planificación-Archivos de Macroeconomía. Documento Nº 121. 103 pp. Colombia.

KURAMOTO, Juana R. (1999). “Las aglomeraciones productivas alrededor de la minería YanacochaS.A”. GRADE. Documento de Trabajo 27. 83 pp. Perú.

PORTER, Michael E. (2003). “The economic performance of regions”. Regionalsstudies. Vol 37. 549-578 pp. U.S.A.

URIEL, E., ALDAS, J. (2005). “Análisis Multivariante Aplicado”. Thomson editores Spain.

HAIR, J., ANDERSON, R, et al (1999). “Análisis Multivariante”. Quinta edición. Prentice hall iberia.

SALAZAR, C; CHACON, G; ALARCON, J; MEDINA, A; MARIN, W; CALDERON, M. (2011). “Alcance sobre criterios para determinar las artes de pesca menores en la pesquería artesanal peruana”. IMARPE. 12 pp.

Horizonte Económico Nº2

112

ANEXO

Para fines prácticos a cada departamento (caso) le corresponderá un número como se detalla a continuación: 1) Amazonas; 2) Ancash; 3) Apurímac; 4) Arequipa; 5) Ayacucho; 6) Cajamarca; 7) Cusco; 8) Huancavelica; 9) Huánuco; 10) Ica; 11) Junín; 12) La Libertad; 13) Lambayeque; 14) Lima; 15) Loreto; 16) Madre de Dios; 17) Moquegua;18) Pasco; 19) Piura; 20) Puno; 21) San Martín; 22) Tacna; 23) Tumbes; 24) Ucayali.

Gráfico de Dendograma correspondiente al análisis Jerárquico.