tesis flexibilidad laboral determinante de los flujos netos de inversión directa extranjera que...
DESCRIPTION
Enero 2011TRANSCRIPT
PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE
Flexibilidad laboral Determinante de los flujos netos de inversión
directa extranjera que ingresan a un país
Catalina Pastora Rodríguez Lanza
21 de enero del 2011
Esta investigación busca comprobar si la flexibilidad es un determinante significativo de los flujos de inversión directa extranjera (FDI) que entran a un territorio. Para esto se utilizan dos bases de datos, con información de 28 países de la OECD. Se testean 8 modelos, con distintas variables independientes. Los resultados muestran que la flexibilidad laboral impacta significativamente a la FDI, y que el tamaño del mercado y la tasa de impuesto a las empresas también son variables significativas.
1
Índice
1. Introducción 2
2. Sección I: Recorrido por la literatura 3
3. Sección II: Hipótesis y Modelos 7
4. Sección III: Resultados estadísticos y testeo de hipótesis 10
5. Sección IV: Análisis y consideraciones finales 12
6. Referencias 14
7. Apéndice 16
8. Anexo 18
2
Introducción La Inversión Directa Extranjera (Foreign Direct Investment, en adelante FDI), entendida
como la inversión transfronteriza a largo plazo (Mosley, 2007), no solo se ha convertido en una
relevante fuente de capital tanto para países industrializados como para países en desarrollo, sino
que también se ha transformado en motor de desarrollo tecnológico y productivo. Así, la FDI se ha
posicionado como el flujo de capital más estable para algunas economías nacionales (Agnès
Bénassy-Quéré, Maylis Coupet & Thierry Mayer, 2007). Y debido a esta realidad, se vuelve cada
vez más relevante el entender qué variables actúan detrás del movimiento de estos flujos, para así
comprender a cabalidad cuales son las variables que explican la existencia y el flujo mismo de la
FDI.
Ahora bien, gran parte de esta evolución no habría sido posible sin el desarrollo de la
globalización, fenómeno que abarca un conjunto de innovaciones tecnológicas, económicas y
políticas que han reducido drásticamente las barreras para el intercambio económico, político y
cultural (Drezner, 2001). Los avances tecnológicos desarrollados en áreas como el transporte y las
telecomunicaciones han generado un fuerte cambio en el comercio internacional, principalmente
en la reducción de los costos de transporte. Este desarrollo ha potenciado el intercambio
internacional, tanto en materia económica y de comercio, como en política, tecnología y ciencia,
lo que ha llevado a una mayor interconexión e interdependencia. Mientras los actores
internacionales se van acercando e interactuando y la competencia se acrecienta, las posibilidades
para los competidores van aumentando también. A medida que las distancias van “disminuyendo”
gracias a los avances tecnológicos, los inversionistas tienen la posibilidad de poder viajar y
producir en distintos lugares, y así buscar el mejor escenario posible.
Considerando lo anteriormente mencionado, acerca de las ventajas y beneficios que
implica la FDI, los estados han buscado mecanismos que les permitan aumentan los flujos de FDI
que reciben. Para lograrlo, identifican a los inversionistas y las condiciones que éstos consideran
apropiadas para invertir. Paso seguido, se realizan las reformas institucionales, políticas y
económicas, necesarias para fomentar la llegada de FDI. Entre este tipo de reformas cobra
especial relevancia la flexibilidad laboral.
Esta investigación testea la relación existente entre la Inversión Directa Extranjera (FDI) y
la flexibilidad laboral, midiendo su significancia y signo. Además, incorpora variables de control y
variables independientes secundarias. El objetivo es testear qué variables determinan
significativamente los flujos netos de FDI que entran a una economía. Para esto se utiliza
información de 28 países de la OECD, con la que se construyen 2 bases de datos que abarcan
distintos periodos de tiempo (1987-2003 y 2003-2008).
Este trabajo se presenta en 4 secciones. La primera sección hace un recorrido por la
literatura, presentando variables que inciden en el nivel neto de FDI que entra a un país. La
segunda sección presenta las hipótesis construidas, que serán testeadas en la investigación,
además de los modelos elaborados para este fin. La tercera sección contienen un análisis de los
3
resultados estadísticos obtenidos de los distintos modelos elaborados. En último lugar, la cuarta
sección plantea las conclusiones finales de la investigación.
Sección I: Recorrido por la literatura
Entendiendo el gran rol que juega la FDI en la economía mundial, sobretodo en el
desarrollo de pequeñas y medianas economías, se han desarrollado variados estudios que buscan
identificar que características son las que los inversionistas buscan.
La literatura ha identificado una serie de variables que afectan y determinan los flujos de
inversión extranjera que recibe un determinado país. Algunas de ellas corresponden a
características macro de un cierto Estado, y por ende, son condiciones que no son manipulables
fácil ni rápidamente por los gobiernos. De la misma manera, otras son determinadas por las
autoridades de cada país (Parcon, 2008). Entre las segundas, una de las variables identificadas por
la literatura es la flexibilidad laboral, entendida como la habilidad del mercado (y los agentes que
operan en él) de responder a condiciones económicas cambiantes (Jonathan Michie & Maura
Sheehan-Quinn, 2001). Una forma de verlo, es a través de la capacidad de una empresa de
cambiar el número de empleados que posee, ya sea disminuyéndolo (despidos) o aumentándolo
(contrataciones). Sin embargo, este concepto no solo abarca estas dos medidas, sino que también
puede incluir otros aspectos como las dificultades para despedir colectivamente, el tiempo de
aviso necesario para despedir, la indemnización exigida por despido; así como también la
flexibilidad para contratar, entre otros aspectos (Beata Smarzynska Javorcik & Mariana
Spatareanu, 2005). Es más, algunos autores incluso consideran las restricciones y costos para
cerrar una empresa dentro del concepto de flexibilidad laboral (Jan I. Haaland, Ian Wooton &
Giulia Faggio, 2003).
La falta de una definición clara y única de qué implica la flexibilidad laboral no es un tema
menor, considerando las implicancias que esto tiene en la medición de esta variable, y de su
impacto en la FDI. Es decir, la concepción o definición elegida de flexibilidad laboral, ya sea más
inclusiva o más restrictiva, afectará la medición que se haga acerca de sus efectos en los flujos
netos de inversión, no sólo en su magnitud sino que, más relevante aún quizás, en su dirección y
sentido (Parcon, 2008).
Por un lado, las restricciones, regulaciones y estándares laborales generan una mayor
rigidez en el mercado laboral, lo que llevaría a subir los costos para la industria, y a un rechazo por
parte de los inversionistas.
Una empresa posee dos tipos de costos; los fijos y los flexibles. Los primeros son
inevitables. Una vez que se realiza la inversión, independientemente de si ésta es exitosa o no,
estos costos estarán presentes. Sin embargo, los segundos son manejables y ajustables por la
firma, y debido a esto, es que estos son los que finalmente preocupan a los inversionistas. Una vez
realizada la inversión, la compañía busca maximizar su ganancia reduciendo al máximo los costos,
y para lograrlo ajusta el uso de los factores productivos (capital y trabajo), que son parte de los
costos flexibles. Sin embargo, en el contexto de mercados laborales rígidos, el escenario cambia. Si
4
las regulaciones y normativas generan trabas al flujo de mano de obra, la capacidad de las
empresas de poder modificar los costos reduciendo la mano de obra utilizada disminuye. Es decir,
lo que ocurre es que estos costos en mano de obra, que en otros escenarios son flexibles,
constituyen costos fijos para las empresas. La consecuencia final de todo esto es que, al verse
aumentado los costos, los inversionistas, velando por su interés y futura ganancia, optarán por
otro escenario (Parcon, 2008).
Entonces, las regulaciones, restricciones y estándares laborales generan mayor rigidez del
mercado laboral y , por ende, convierten el costo en mano de obra en un costo inevitable para los
inversionistas. Por otro lado, sería lógico pensar entonces, que la flexibilidad laboral otorga mayor
manejabilidad a las empresas, reduciendo los costos fijos al ubicar el trabajo dentro de los costos
variables de la firma. Ergo, los inversionistas buscan escenarios de mayor flexibilidad, ya que les
permite mayor manejo de sus costos variables, que son los únicos que pueden manejar. Por tanto,
un país con mayor flexibilidad laboral, y por tanto, con menores costos fijos, será más atractivo
para la FDI (Beata Smarzynska Javorcik & Mariana Spatareanu, 2005), dándose una relación
positiva entre ambas variables.
Ahora bien, las características del mercado laboral no tienen el mismo impacto o
relevancia en los distintos mercados e industrias. El efecto de una mayor flexibilidad será más
fuerte en las empresas que operan en el sector terciario (servicios) que en otras firmas, como las
manufactureras (Beata Smarzynska Javorcik & Mariana Spatareanu, 2005). Esto debido a que en el
primer caso, el uso de mano de obra es mayor, mientras que en las firmas manufactureras el
porcentaje de mano de obra es menor al de capital, siendo este último el predominante.
Sin embargo, un marco regulatorio con márgenes y normas claras no se asocia sólo con
mayor rigidez y costos. Los estándares y regulaciones del mercado laboral mejoran la
productividad laboral, lo que atrae mayor flujo de FDI (Parcon, 2008). Las restricciones que se
establecen permiten que el mercado de mano de obra funcione bajo reglas claras y estables,
disminuyendo la incertidumbre, y por ende, los riesgos. Al existir menor riesgo, los costos también
se ven disminuidos. Entonces, se daría un escenario estable y seguro, donde los inversionistas
sabrían con mayor exactitud a qué atenerse y bajo que normas regirse. Además, como éstas serían
generales e imparciales, la competencia sería más clara, llegando a un resultado más óptimo y
eficiente, y finalmente a una mayor productividad.
Considerando lo anterior, una mayor regulación sería algo positivo para los inversionistas,
algo que ellos desearían, y por ende, buscarían. Tomando el concepto de flexibilidad laboral como
un escenario con menores regulaciones y estándares laborales, entonces podría darse que las
firmas prefieran un país con menor flexibilidad, si se considera las ventajas y beneficios de “jugar
con reglas claras”.
Esto demuestra que no hay consenso claro con respecto a qué relación existe entre la FDI
y la flexibilidad laboral. Es más, Parcon (2008) plantea que no existe de hecho una relación lineal
entre ambas variables, argumentando que dependerá del nivel de flexibilidad y regulación laboral
del que se trate. Es decir, que los inversionistas aceptarán y desearán, y buscarán, un cierto nivel
5
de regulación. Esto, con el fin de disminuir la incertidumbre y el riesgo. Sin embargo, al mismo
tiempo plantea que un nivel demasiado alto de regulación será rechazado por las firmas, ya que
generaría rigidez en el mercado laboral, lo que aumentaría los costos.
Sin embargo, no sólo la flexibilidad laboral incide en la decisión de los inversionistas sobre
dónde dirigir sus recursos. Tal como se mencionó al principio de esta sección, son múltiples las
variables que afectan. La literatura en su mayoría concuerda en que la flexibilidad laboral incide,
ya sea atrayendo o repeliendo, en los flujos de inversión extranjera que un país recibe. Así
también, la mayoría de los académicos afirman que el tamaño del mercado incide fuertemente en
la FDI neta que entra a un territorio.
El ingreso nacional de un determinado país, medido ya sea en su Producto Interno Bruto
(Gross Domestic Product, en adelante, GDP) o en algún otro indicador, refleja el tamaño del
mercado que se está evaluando. El GDP, al considerar toda la actividad económica realizada en el
territorio geográfico nacional en un determinado periodo de tiempo, sirve como referente del
tamaño de esa industria o mercado, y finalmente, de esa economía. Ahora bien, considerar sólo el
GDP como referente del tamaño de un mercado, sería bastante riesgoso e impreciso. El
crecimiento porcentual del GDP, con respecto al año anterior, el GDP per cápita o incluso el
tamaño de la población, son indicadores que permiten, al igual que el GDP, dimensionar el tamaño
de un mercado nacional determinado (Asiedu, 2005). A su vez, cada uno de ellos, influye de
manera particular y diversa en la decisión de los inversionistas.
Por un lado, los inversionistas buscan territorios donde producir de manera eficiente. Sin
embargo, al mismo tiempo, buscan aumentar sus ingresos a través del aumento en sus ventas. Por
tanto, no solo es relevante el GDP, como referente del potencial del mercado, sino que también
consideran el GDP per cápita, como reflejo del poder de compra de esa población. Así, las firmas
no sólo se ubicarán en un territorio con condiciones óptimas para producir, sino que también para
vender. Dado esto, sería lógico pensar que una economía con un GDP per cápita mayor, atraerá
más FDI (Beata Smarzynska Javorcik & Mariana Spatareanu, 2005).
Por otro lado, si se considera que un inversionista busca explotar un nuevo mercado, no
sólo querrá que se trate de una economía grande, sino que también sea una industria en
crecimiento. Así, un mercado pequeño o mediano, pero que está en crecimiento constante, puede
implicar mayores oportunidades de ganancias que un mercado que ya está saturado.
Sin embargo, la literatura plantea una serie de otras variables alternativas. Una de ellas es
el contexto político, entendido como gobernanza.
La gobernanza se refiere al contexto político, institucional y legal de un determinado país
(Steven Globerman & Daniel Shapiro, 2002), e involucra una serie de indicadores que pueden ser
considerados por separado, cada uno como concepto independiente, o de manera conjunta, bajo
el concepto de gobernanza.
6
La literatura en general postula que la gobernanza tiene un efecto positivo en los flujos de
inversión extranjera, atrayendo mayor FDI a un país. Sin embargo, no todos los estudios miden
esta interacción de igual manera, esto dado lo amplio del concepto y lo complejo de medirlo.
Algunos académicos han utilizado los indicadores que componen el Índice de Gobernanza Mundial
(World Governance Index, en adelante, WGI). Estos son; “voz y accountability”; “estabilidad
política y ausencia de violencia/terrorismo”; “efectividad del gobierno”; “calidad regulatoria”;
“Estado de Derecho”; y “control de la corrupción”. Sin embargo, no solo estas 6 dimensiones han
sido utilizadas. Diferentes medidas se han seleccionado, tales como nivel de corrupción (Wei,
1999); calidad de las instituciones (Blonigen, 2005); tipo de régimen (Bismas, 2002); instituciones
democráticas (Jensen, 2003); entre otros.
Tanto las 6 dimensiones que contiene el WGI, así como los demás indicadores planteados
en la literatura, buscan otorgar un diagnóstico o evaluación del nivel de estabilidad político-
institucional de un país. Los inversionistas utilizan esta información, y buscan un escenario que
cumpla con niveles óptimos de estabilidad, lo que en definitiva implica menor incertidumbre y
riesgos. Por ejemplo, están los casos del Estado de Derecho y la estabilidad política. Ambos
indicadores son parte del WGI. El primero de ellos simboliza el respeto por las reglas y normas.
Para un inversionista, el riesgo de invertir está determinado por una serie de factores, donde la
incertidumbre es uno de ellos. Entonces, un ambiente que garantiza que las normas se cumplirán
como se estipularon otorga seguridad a los inversionistas, y les permite reducir el riesgo. Sin
embargo, existen estudios que postulan que el Estado de Derecho no tiene un efecto significativo
en la entrada de FDI, ya que serían otras características, tales como el origen o base del sistema
jurídico, las que considerarían las firmas. El segundo indicador, estabilidad política, involucra una
serie de características, como la calidad de las instituciones y su estabilidad. Varios académicos
sostienen que una inestabilidad política aleja la inversión extranjera (Asiedu, 2005) (Josef C. Brada,
Ali M. Kutan & Taner M. Yigit, 2006).
Otra variable que postulan algunos autores es el nivel educacional, como proxy del nivel
de productividad o calidad de la mano de obra de un país (Leonard K. Cheng & Yum K. Kwan,
2000). Una población con mayor educación y capacitación puede interpretarse como una fuerza
laboral más instruida, lo que llevaría a una mayor productividad, condición deseable por una
firma. Entonces, una población con altos niveles educacionales, que implicaría una mano de obra
de mayor calidad y productividad, formaría un escenario atractivo para la FDI (John F.Cassidy &
Bernadette Andreosso-O'Callaghan, 2006). Sin embargo, al mismo tiempo, una fuerza laboral más
educada e instruida conlleva mayores salarios (Robert E. Lipsey & Fredrik Sjöholm, 2004), lo que
genera mayores costos para las empresas. Dado esto entonces, es necesario entender qué
relación existe entre el nivel de salario medio y la entrada de FDI.
El salario medio o salario promedio de un país es una variable que también influye en los
flujos de inversión extranjera que un este país recibe. Sin embargo, en este caso en particular,
existe evidencia muy diversa con respecto a la relación entre salario medio y FDI. Algunos
académicos postulan que existe una correlación positiva entre ambas variables (Beata Smarzynska
Javorcik & Mariana Spatareanu, 2005), en tanto otros han concluido que se trata de una
7
correlación negativa (Agarwal, 1980), y otros incluso postulan que no existe relación y que son
otras las variables que consideran los inversionistas (Bismas, 2002).
En el primer caso, la lógica tras el argumento es que los inversionistas van a buscar un
escenario donde el salario medio sea lo más bajo posible, para así tener menores costos de
producción. Esto será más evidente y fuerte en el caso de las industrias intensivas en mano de
obra, donde ese costo representa una mayor proporción de los costos totales de producción.
Ahora bien, siguiendo la segunda lógica, los inversionistas prefieren un mercado donde la
población participe en la producción y que también sea consumidora de sus productos, lo que se
relaciona mucho con lo planteado sobre el GDP per cápita. En ambos casos, las empresas buscan
una sociedad con ingreso suficiente para consumir lo que ellos producen, y el salario medio
reflejaría el poder de compra de la población (Beata Smarzynska Javorcik & Mariana Spatareanu,
2005).
Los impuestos a empresas extranjeras no es un tema menor para los inversionistas.
Autores como Javorcik y Spatareanu (2005) plantean que la diferencia entre las tasas de impuesto
del país de origen y el anfitrión se asocia positivamente con el nivel de FDI. Es decir que, mientras
más bajas las tasas del país anfitrión, con respecto al país de origen, mayor será el flujo de FDI.
Además, Hines (1996) postula que existe una correlación negativa entre las tasas de impuesto y el
volumen de la inversión. Esto es razonable si consideramos que el gasto en impuestos en el que
van a tener que incurrir las firmas extranjeras es parte de los costos fijos de esta.
Sin embargo, podría darse que esta relación fuera positiva. Si altos impuestos generan una
alta recaudación, esto lleva a que el Estado aumente sus ingresos. Con esto, se podría esperar una
mayor inversión en infraestructura, conectividad o educación, lo que sería algo positivo para las
empresas. Sin embargo, no se encontró literatura que estudiase esta relación.
Además de las variables recién descritas, existen varias otras que son mencionadas por la
literatura. Es el caso del nivel de protección de la propiedad privada (Beata Smarzynska Javorcik &
Mariana Spatareanu, 2005), la infraestructura (Bismas, 2002), la distancia geográfica entre el país
de origen y el potencial país anfitrión, el tipo de cambio o el nivel de protección del comercio. Sin
embargo, en estos casos, la literatura no es muy abundante, al igual que los datos al respecto. En
la Tabla 1 se puede ver un resumen de las variables planteadas, y de los autores y sus posturas con
respecto a estas y su relación con la FDI. (Véase Apéndice, Tabla 1)
Sección II: Hipótesis y Modelos
Considerando lo planteado en la sección I, a continuación se presentan las variables que
serán consideradas y medidas en esta investigación.
Primero se encuentra la FDI, que corresponde a la variable dependiente de esta
investigación. La finalidad principal de este trabajo es entender qué factores consideran los
inversionistas a la hora de decidir donde destinar sus recursos, qué influye en su determinación.
8
En otras palabras; el objetivo es identificar los determinantes de los flujos netos de FDI que entran
a un territorio.
La principal variable independiente es la flexibilidad laboral, que de acuerdo a variados
académicos, debiese ser un determinante significativo de los flujos netos de FDI que entran a un
país. Dado esto, se espera que la evidencia muestre una fuerte relación entre las variables, y que
la correlación sea positiva.
Hipótesis 1: Una mayor flexibilidad laboral, entendida como menores restricciones al
manejo de los factores productivos, y por ende, menores costos de producción, atrae mayores
flujos de FDI.
Junto a ella se encuentran dos variables de control; el GDP o GDP per cápita y el
crecimiento anual del GDP con respecto al periodo anterior. Ambas representan el tamaño del
mercado, y dada la evidencia existente al respecto, no pareciera haber duda alguna de que el
resultado que se obtenga mostrará un significativo efecto de esta variable en el flujo de FDI.
Por tanto, se postula la siguiente hipótesis:
Hipótesis 2: El tamaño del mercado, entendido como la capacidad o volumen de una
economía, se correlaciona positivamente con la entrada de FDI. Un mayor mercado, atrae mayor
inversión extranjera.
Y finalmente, están las variables independientes secundarias, que representan
explicaciones alternativas a la planteada en esta investigación. Este trabajo considerará
únicamente gobernanza, nivel educacional e impuestos a empresas. Esto es principalmente debido
a la disponibilidad de datos, que impiden poder medir las demás variables.
Dada la evidencia que la literatura presenta, se elaboran las siguientes hipótesis:
Hipótesis 3: La gobernanza existente en un país, entendiéndola en cualquiera de sus
dimensiones, es significativa para los inversionistas. Así, mayores niveles de gobernanza atraen
más FDI, dándose una correlación positiva entre ambas.
Hipótesis 4: Una población educada y capacitada atrae inversión extranjera. La mayor
productividad de la fuerza laboral, dada por el nivel educacional más alto de esta, impacta
positivamente en los niveles de FDI que entran a un país.
Hipótesis 5: Los tasas de impuestos que establecen los gobiernos afectan los flujos de FDI
que este recibe. Bajas tasas de impuestos atraen inversión, dándose una correlación negativa entre
ambas variables.
Para testear las hipótesis planteadas, se elaboran 8 modelos de regresión multinivel,
usando la función lme de R1. Si bien los datos de las variables utilizadas responden a un
1 1 R, programa estadístico.
9
determinado país y año, el objetivo de esta investigación es testear la relación entre las variables,
independiente del país. Ergo, lo que se busca es medir de manera genérica el impacto de un
determinada variable en los flujos de FDI, y no medir esta relación para cada caso (país) en
particular. Debido a esta razón es que se utilizan regresiones multinivel.
Estos 8 modelos están categorizados en 2 grupos; grupo a y grupo b. El primer grupo de
modelos (grupo a) sólo incluye a las variables dependiente, independiente y de control. En
cambio, el segundo grupo (grupo b), además de tomar estas mismas, incluye las variables
independientes secundarias (gobernanza, educación e impuestos). En todos los modelos se usan
los valores “tm1” de las variables, que significa que se usan los valores del t anterior (año anterior)
para evitar la homogeneidad entre los datos. Así también, se incluye como variable independiente
a los flujos de FDI del año anterior. Esto, pensando que un inversionista se fijará en los niveles de
inversión existentes en el tiempo t, y que al tomarse la decisión en ese tiempo, la inversión se
materializará en el periodo siguiente (t+1).
En el caso del grupo a, constituido por los modelos 1a, 2a, 3a y 4a, la base de datos
utilizada abarca un periodo de 22 años (1987-2008). La variable dependiente de los primeros dos
modelos es el flujo neto de FDI, mientras que en los dos últimos modelos es la flexibilidad laboral.
Si bien la hipótesis de trabajo identifica a esta última como variable independiente, una
correlación significativa entre las variables no determina la dirección o sentido de esta relación.
Ergo, al intercambiar las variables de posición, es posible tener una mejor comprensión de quién
impacta en quién; si la flexibilidad laboral en la FDI, como se plantea en la hipótesis 1, o al revés.
Otra diferencia existente entre los modelos es el indicador utilizado para medir el tamaño del
mercado. Todos los modelos incorporan los valores porcentuales del crecimiento del mercado
(gdp_growth), pero además utilizan ya sea el GDP o el GDP per cápita como proxys del tamaño del
mercado. En el modelo 1a y 3a, se utiliza el GDP de los países, mientras que en los modelos 2a y 4a
se usa el GDP per cápita. Esto se realiza con el fin de evitar medir dos veces lo mismo. Ambos
indicadores son reflejo del tamaño del mercado. Sin embargo, el utilizar los dos valores en un
mismo modelo puede generar una distorsión, ya que se estaría midiendo dos veces lo mismo. Esto
debido a que el GDP per cápita no es más que el GDP dividido en la población.
Por otro lado, el grupo b, constituido por los modelos 1b, 2b, 3b y 4b, utiliza una base de
datos con mayor número de variables, pero que sólo incorpora 6 años (2003-2008). Esto es debido
a que no existen datos de años anteriores para el caso de las variables independientes
secundarias. Entonces, además de los indicadores utilizados en el primer grupo, los modelos del
grupo b incorporan adicionalmente los indicadores de las variables secundarias. Para medir el
impacto de la gobernanza se utiliza la dimensión de Estado de Derecho (rule_of_law), obtenido del
WGI, índice construido por el Banco Mundial. A su vez, para incorporar la variable “educación”, se
usa el porcentaje de matriculas escolares en la educación terciaria (enr_tertiary), obtenido de la
base de datos del Banco Mundial. Y finalmente, para medir el efecto de los impuestos a empresas
10
se incorpora un índice construido por la OECD (tax_oecd), que mide la tasa de impuesto del
gobierno al ingreso de las corporativas.2
En este caso, las diferencias en variable dependiente y medición del tamaño del mercado,
presentes en el primer grupo de modelos, se mantienen. Los modelos 1b y 2b tienen a la FDI como
variable dependiente, y los 3b y 4b tienen a la flexibilidad laboral en esa posición. Además, los
modelos 1b y 3b utilizan el GDP, y los 2b y 4b usan el GDP per cápita.
Los modelos y sus respectivas tablas de resultados se encuentran en el Anexo. Cada tabla
contiene los resultados estadísticos de las regresiones arrojados por R, con los betas y valores-p
correspondientes a cada variable. A continuación se analizarán sus resultados.
Sección III: Resultados estadísticos y testeo de hipótesis
Lo primero que salta a la vista luego de revisar los resultados arrojados por los modelos es
la relación existente entre flexibilidad laboral y la FDI. En los modelos donde la FDI fue la variable
dependiente, la flexibilidad laboral fue estadísticamente significativa en 3 de 4 modelos. Sin
embargo, al intercambiarse los roles, y pasar la flexibilidad laboral a ser la variable dependiente, la
correlación dejó de ser significativa en todos los modelos. Es decir, mientras que la flexibilidad
laboral resultó ser un determinante estadísticamente significativo de los flujos de FDI, estos
últimos mostraron no serlo para la flexibilidad laboral. Estos resultados ayudan a entender mejor
la dirección de la correlación existente entre ambas variables, y dan pie para confirmar lo
planteado en esta investigación; que la flexibilidad laboral es un determinante significativo de los
flujos de FDI que entran a un país, y no al revés.
Con respecto al signo del la correlación existente, es necesario realizar algunas
aclaraciones. Primero que todo, es preciso aclarar que el índice de flexibilidad laboral utilizado en
esta investigación corresponde a un índice de protección laboral construido por la OECD (Véase
Apéndice, Tabla 2), que va de 0 (menos restricción) a 6 (más restricción). Entonces, si un país X
posee un valor mayor a un país Y, esto significa que el país X posee mayores restricciones laborales
que el país Y. Es decir, que el país Y posee mayor flexibilidad laboral que el país X. Entonces,
mientras menor sea el valor de la variable “flexibilidad laboral”, mayor será la flexibilidad laboral.
Considerando esto, los valores beta (Values en las tablas) deben ser interpretados con
cuidado. En todos los modelos donde la flexibilidad es una variable independiente
estadísticamente significativa, los betas correspondientes poseen valores negativos, indicando que
la correlación entre ambas variables es negativa. Sin embargo, dada esa particularidad aclarada
anteriormente con respecto al significado de los valores del índice de la OECD, el valor negativo
del beta solosólo confirma la correlación positiva existente entre las variables. Es decir, los betas
muestran que una mayor rigidez (menor flexibilidad) laboral genera menor entrada de FDI. Esto
confirma lo planteado en la hipótesis 1 de esta investigación, que la flexibilidad laboral es un
2 En el Apéndice, Tabla 2, se encuentra en mayor detalle la descripción de cada uno de los indicadores
utilizados, y la fuente de la cual fueron extraídos.
11
determinante estadísticamente significativo de los flujos de FDI que entran a un territorio; y que la
flexibilidad laboral atrae mayores flujos de inversión, existiendo una correlación positiva entre
ambas variables.
Otro dato interesante con respecto a los modelos que ubican a la flexibilidad laboral como
variable dependiente, es el rol que toman las variables secundarias. En el caso de los modelos 3a y
4a, la única variable independiente estadísticamente significativa es el mismo índice de
flexibilidad, pero con los valores “tm1”. Y en el caso de los modelos 3b y 4b, además de esta
variable, el índice de Estado de Derecho también arroja un valor-p estadísticamente significativo,
con un beta negativo. En otras palabras, estos últimos modelos postulan que a mayores niveles de
Estado de Derecho, mayores serán los flujos de FDI que entren.
Ahora bien, los resultados respecto a las demás variables no son unánimes. Para empezar,
en el caso del tamaño de mercado, ya sea medido por el GDP o GDP per cápita y el crecimiento
porcentual del primero, los resultados no son los mismos para todos los casos.
El crecimiento porcentual del GDP no muestra valores-p significativos en ningún modelo.
Sin embargo, el GDP muestra un impacto estadísticamente significativo en los modelos 1 de
ambos grupos, mientras el GDP per cápita lo hace únicamente en el modelo 2a. Algo interesante
de esto es que en el modelo 2a, al cambiarse el indicador de tamaño de mercado (de GDP a GDP
per cápita), el valor-p de la flexibilidad laboral cambia y pasa de no relevante (modelo 1a) a
estadísticamente significativo (modelo 2a). Es decir, que si se toma el GDP per cápita, la variable
flexibilidad muestra ser un determinante significativo, situación que no ocurre si se considera el
GDP como medida del tamaño del mercado. A su vez, algo similar ocurre con la tasa de impuesto.
Al cambiar el GDP por el GDP per cápita, en los modelos 1b y 2b, el valor-p de la variable de
impuestos a las empresas experimenta un cambio en su significancia. Mientras en el modelo 1b
(con GDP), los impuestos no son estadísticamente relevantes, en el modelo 2b (con GDP per
cápita) si lo son.
Con respecto al signo de los betas correspondientes al GDP y al GDP per cápita, los
resultados si son unánimes en todos los modelos. El impacto significativo que tiene el tamaño del
mercado en la FDI es positivo, dándose que a mayor mercado, mayor GDP o GDP per cápita,
mayores serán los flujos netos de FDI que entrarán a ese mercado.
Estos antecedentes confirman lo propuesto en la segunda hipótesis. Si bien la literatura
propone la relevancia del crecimiento del mercado, los datos arrojados por los modelos muestran
que esto no es así. Sin embargo, el tamaño del mercado, medido ya sea por el GDP o el GDP per
cápita de ese país, es estadísticamente significativo en 3 de los 4 modelos. Esto confirma lo
planteado en la hipótesis; que el tamaño del mercado es un determinante importante para los
inversionistas, y que a mayor tamaño del mercado, mayores será la FDI que ingresa al país.
Pasando a las variables independientes secundarias, sólo la tasa de impuestos muestra un
impacto significativo. Mientras que, el nivel educacional y el Estado de Derecho no son
determinantes significativos de los flujos de FDI.
12
Tal como se mencionó ya, la variable impuestos es estadísticamente significativa sólo en
el modelo 2b. Si bien esta variable es incorporada como determinante de la FDI en 2 modelos,
modelo 1b y 2b, sólo en el segundo posee relevancia estadística. Dado esto, es posible sustentar la
hipótesis 5 en los resultados del modelo 2b. Es decir, es posible confirmar que la tasa de impuesto
a empresas que establecen las autoridades afecta los flujos de FDI que entran a un país. Sin
embargo, el signo del beta correspondiente a esta variable no condice con lo propuesto en la
hipótesis. SI bien existe un impacto significativo, este responde a una correlación positiva. El
modelo muestra que a mayores tasas de impuesto, mayores son los flujos de FDI. Esta lógica
refuta lo propuesto en esta investigación, y puede responde a lo planteado en la Sección I; que
mayores impuestos conllevan mayores gastos por parte del gobierno, ya sea en infraestructura,
educación, tecnología, entre otros. Pero tal como se mencionó en esa oportunidad, no se encontró
literatura que estudiara o apoyara esta teoría.
Con respecto al nivel educacional, medido en el porcentaje de matriculas en la educación
terciaria, los resultados contradicen lo propuesto en la hipótesis 4, mostrando que esta variable no
es un determinante estadísticamente significativo de los flujos entrantes de FDI. Lo mismo ocurre
con la gobernanza, medido por el nivel de Estado de Derecho existente. Los resultados de los
modelos muestra que la hipótesis 3 no se condice con los datos.
Sección IV: Análisis y consideraciones finales
Mucho se ha publicado con respecto a los determinantes de la FDI. Sin embargo, no todos
los académicos han llegado a las mismas conclusiones, ni han identificado las mismas variables.
Varias son las características mencionadas en la literatura, y esta investigación ha seleccionado a
algunas de ellas y ha testeado, a través de varios modelos de regresión multinivel, la correlación
existente entre estas variables y los flujos netos de FDI que entran a un territorio.
Tal como se postula al principio de este documento, la flexibilidad laboral es un
determinante estadísticamente significativo de los flujos netos de FDI. Si bien, no es el único
determinante, esta variable muestra valores significativos en 3 de los 4 modelos donde se postula
como variable independiente. Además, el signo del beta que corresponde a estos 3 modelos,
concuerda con lo propuesto en esta investigación; mayor flexibilidad genera mayor entrada de
FDI. Con estos resultados se deduce que los inversionistas buscan países con mayores niveles de
flexibilidad laboral. Esto, dado los costos que implica el tener menor flexibilidad, o más bien,
mayores restricciones laborales.
Ahora bien, esta no es la única característica que interesa a los inversionistas. Los datos
utilizados en esta investigación muestran que el tamaño del mercado, medido en el GDP o GDP
per cápita, también es una variable significativa. Estos resultados dan sustento a la afirmación de
que los inversionistas buscan mercados grandes para invertir. Esto debido a que no sólo buscan un
mercado laboral eficiente o económico para producir, sino también una población con poder
adquisitivo suficiente para consumir sus productos.
13
Con respecto a las demás variables, la tasa de impuesto a las empresas resulta también ser
relevante. Los resultados muestran una relación significativa pero positiva. Es decir, la primera
parte de la hipótesis planteada se ve confirmada, sin embargo, los resultados rechazan la
propuesta de que mayores tasas de impuesto generan menor entrada de FDI. El Estado de
Derecho y el nivel educacional son variables que no muestran ser significativas de acuerdo a los
datos utilizados.
Algunas debilidades de esta investigación se presentan en los datos utilizados. Una base
de datos más amplia, tanto en el número de países, periodo de tiempo abarcado y variables
consideradas, podría generar conclusiones distintas a las obtenidas, y con más sustento. Existen
variables, tales como el nivel de ingreso medio, la protección a la propiedad privada, la estabilidad
política y la corrupción, que son mencionadas por la literatura y que no son incluidas ni medidas
en esta investigación. El incluirlas podría llevar a cambios en los resultados obtenidos. El
considerar solo países de la OECD, podría estar generando un sesgo que distorsiona los datos. Sin
embargo, más allá de estas críticas, los datos utilizados provienen de fuentes serias y de prestigio.
Además, los resultados obtenidos se condicen con investigaciones anteriores existentes en la
literatura, lo que otorga mayor sustento a sus conclusiones.
14
Referencias
Agarwal, J. P. (1980). Determinants of Foreign Direct Investment: A Survey. Review of World
Economics, Vol. 116, No.4 , 739-773.
Agnès Bénassy-Quéré, Maylis Coupet & Thierry Mayer. (2007). Institutional Determinants of
Foreign Direct Investment. The World Economy , 764-782.
Asiedu, E. (2005). Foreign Direct Investment in Africa: The Role of Natural Resources, Market Size,
Goverment Policy, Institutions and Political Instability. United Nations University, WIDER, Research
Paper No. 2005/24.
Beata Smarzynska Javorcik & Mariana Spatareanu. (2005). Do Foreign Investors Care about Labor
Market Regulations? Review of World Economics, Vol. 141 (3) .
Bismas, R. (2002). Determinants of Foreign Direct Investment. Review of Development Economics,
6(3) , 492-504.
Blonigen, B. (2005). A Review of the Empirical Literature on FDI Determinants. Atlantic Economic
Journal, 33 , 383-403.
Drezner, D. W. (2001). Globalization and Policy Convergence. International Studies Review, Vol.3,
No.1 , 53-78.
Jan I. Haaland, Ian Wooton & Giulia Faggio. (2003). Multinational Firms: Easy Come, Easy Go?
FinanzArchiv 59, Nº1.
Jensen, N. M. (2003). Democratic Governance and Multinational Corporations: Political Regimes
and Inflows of Foreign Direct Investment. International Organization, Vol. 57, No. 3 , 587-616.
John F.Cassidy & Bernadette Andreosso-O'Callaghan. (2006). Spatial determinants of Japanese FDI
in China. Japan and the World Economy, 18 , 512-527.
Jonathan Michie & Maura Sheehan-Quinn. (2001). Labour Market Flexibility, Human Resource
Management and Corporate Performance. British Journal of Management, Vol. 12 , 287-306.
Josef C. Brada, Ali M. Kutan & Taner M. Yigit. (2006). The effects of transition and political
instability on foreign direct investment inflows. Economics of Transition, Vol. 14 (4) , 649-680.
Leonard K. Cheng & Yum K. Kwan. (2000). What are the determinants of the location of foreign
direct investment? The Chinese experience. Journal of International Economics, 57 , 379-400.
Mosley, L. a. (2007). Racing to the Bottom or Climbing to the Top? Economic Glabalization and
Collective Labor Rights. Comparative Political Studies, Vol. 40, No. 8 , 923-948.
Parcon, H. (2008). Labor Market Flexibility as a Determinant of FDI Inflows. University of Hawaii at
Manoa,Working Paper No. 08-07.
15
Robert E. Lipsey & Fredrik Sjöholm. (2004). Foreign direct investment, education and wages in
Indonesian manufacturing. Journal of Development Economics, 73 , 415-422.
Steven Globerman & Daniel Shapiro. (2002). Global Foreign Direct Investment Flows: The Role of
Governance Infrastructure. World Development, Vol. 30, No. 11 , 1899-1919.
Wei, S.-J. (1999). Does Corruption Relieve Foreign Investors of the Burden of Taxes and Capital
Controls? Policy Research Working Paper Series 2209.
16
Apéndice
Tabla 1
VARIABLES INDEPENDIENTES
EFECTO
POSITIVO NEGATIVO Poco o nada
Flexibilidad laboral Javorcik & Spatareanu (2005), Parcon (2008), Haaland et al. (2003), Bénassy-Quéré et al. (2007)
Drezner (2000), Parcon (2008)
Traxler & Woitech (2000), Marginson et al, 1996
Tamaño del mercado Agarwal (1980) Haaland et al. (2003) Javorcik & Spatareanu (2005), Asiedu (2006)
Salario medio Javorcik & Spatareanu (2005)
Riedel (1975), Agarwal (1980)
Bismas (2002)
Nivel educacional de la población
Cassidy & 0`Callaghan (2006)
Cheng & Kwanb (2000), Cheng (1999)
Gobernanza Globerman & Shapiro (2002), Bismas (2002), (Globerman & Shapiro, 2003)
Protección de derechos de propiedad
Bismas (2002), Javorcik & Spatareanu (2005)
Impuestos a empresas Javorcik & Spatareanu (2005), Hines (1996), Devereux & Griffith (1998)
17
Tabla 2
VARIABLE DEFINICIÓN FUENTE
fdi_inflows “Foreign direct investment, net inflows (BoP, current US$)” World Bank
flex_laboral Índice construido por la OECD. “OECD Indicators on Employment Protection – annual time series data 1985-2008”. Específicamente; “EPR_v1: Sub-indicator for dismissal of employees on regular contracts – calculated as weighted sum of items relating to regular contracts (REG1-REG8)” Los valores van de 0 a 6 (más restrictivo)
OECD
gdp “GDP (current US$)” World Bank
gdp_pcapita “GDP per capita (current US$)” World Bank
gdp_growth “GDP growth (annual %) World Bank
rule_of_law Indicador del World Governance Index (WGI); “Rule of Law”. Los valores van de -2,5 a 2,5 (mayor Estado de Derecho)
World Bank, WGI
enr_tertiary “School enrollment, tertiary (% gross)” World Bank
tax_oecd Datos sacados de; “Taxation of Corporate and Capital Income (2009)”; “Adjusted central government corporate income tax rate”
OECD
Para mayor información acerca de los datos del World Bank;
http://databank.worldbank.org/ddp/home.do ó http://data.worldbank.org/indicator. Ahí se
encuentran los datos utilizados en esta investigación, además de una descripción más detallada
acerca de los datos.
18
Anexo
Modelo 1a:
fdi_inflows~fdi_inflows_tm1+log(gdp_tm1)+gdp_growth_tm1+flex_laboral_tm1
Modelo 2a:
fdi_inflows~fdi_inflows_tm1+log(gdp_pcapita_tm1)+gdp_growth_tm1+flex_laboral_tm1
Modelo 3a:
flex_laboral~fdi_inflows_tm1+log(gdp_tm1)+gdp_growth_tm1+flex_laboral_tm1
Modelo 4a:
flex_laboral~fdi_inflows_tm1+log(gdp_pcapita_tm1)+gdp_growth_tm1+flex_laboral_tm1
Modelo 1b:
fdi_inflows~fdi_inflows_tm1+log(gdp_tm1)+gdp_growth_tm1+flex_laboral_tm1+rule_of_law_tm1+enr_tert
iary_tm1+tax_oecd_tm1
Modelo 2b:
fdi_inflows~fdi_inflows_tm1+log(gdp_pcapita_tm1)+gdp_growth_tm1+flex_laboral_tm1+rule_of_law_tm1+
enr_tertiary_tm1+tax_oecd_tm1
Modelo 3b:
flex_laboral~fdi_inflows_tm1+log(gdp_tm1)+gdp_growth_tm1+flex_laboral_tm1+rule_of_law_tm1+enr_ter
tiary_tm1+tax_oecd_tm1
Modelo 4b:
flex_laboral~fdi_inflows_tm1+log(gdp_pcapita_tm1)+gdp_growth_tm1+flex_laboral_tm1+rule_of_law_tm1
+enr_tertiary_tm1+tax_oecd_tm1
19
MODELO 1a
MODELO 2a
Linear mixed-effects model fit by REML
Data: datos
AIC BIC logLik
13187,29 13217,73 -6586,645
Random effects:
Formula: ~1|pais
(Intercept) Residual
StdDev: 5019,149 22778,24
Fixed effects:fdi_inflows~1+fdi_inflows_tm1+log(gdp_tm1)+gdp_growth_tm1+flex_laboral_tm1
Value Std,Error DF t-value p-value
(Intercept) -49079,59 15268,217 545 -3,214494 0,0014
fdi_inflows_tm1 0,70 0,033 545 21,376672 0,0000
log(gdp_tm1) 4789,94 1103,952 545 4,338902 0,0000
gdp_growth_tm1 396,10 398,223 545 0,994678 0,3203
flex_laboral_tm1 -2978,09 1636,429 545 -1,819871 0,0693
Correlation:
(Intr) fd_n_1 lg(_1) gdp__1
fdi_inflows_tm1 0,282
log(gdp_tm1) -0,966 -0,376
gdp_growth_tm1 -0,096 -0,044 0,032
flex_laboral_tm1 -0,466 0,133 0,255 -0,045
Standardized Within-Group Residuals:
Min Q1 Med Q3 Max
-5,84707586 -0,2518352 -0,05787636 0,11229881 6,98570813
Number of Observations: 577
Number of Groups: 28
Linear mixed-effects model fit by REML
Data: datos
AIC BIC logLik
13199,81 13230,26 -6592,906
Random effects:
Formula: ~1|pais
(Intercept) Residual
StdDev: 6895,493 22863,97
Fixed effects: fdi_inflows ~1+fdi_inflows_tm1+log(gdp_pcapita_tm1)+gdp_growth_tm1+flex_laboral_tm1
Value Std,Error DF t-value p-value
(Intercept) -29321,027 19980,540 545 -1,467479 0,1428
fdi_inflows_tm1 0,715 0,033 545 21,952251 0,0000
log(gdp_pcapita_tm1) 4430,261 1918,896 545 2,308755 0,0213
gdp_growth_tm1 383,652 405,731 545 0,945583 0,3448
flex_laboral_tm1 -4003,767 1905,995 545 -2,100618 0,0361
Correlation:
(Intr) fd_n_1 l(__1) gdp__1
fdi_inflows_tm1 0,164
log(gdp_pcapita_tm1) -0,974 -0,236
gdp_growth_tm1 -0,044 -0,039 -0,006
flex_laboral_tm1 -0,417 0,156 0,225 -0,054
Standardized Within-Group Residuals:
Min Q1 Med Q3 Max
-5,78511042 -0,22205232 -0,06892065 0,08911344 7,08001752
Number of Observations: 577
Number of Groups: 28
20
MODELO 3a
MODELO 4a
Linear mixed-effects model fit by REML
Data: datos
AIC BIC logLik
-1240,13 -1209,686 627,0649
Random effects:
Formula: ~1|pais
(Intercept) Residual
StdDev: 0,00347787 0,07701859
Fixed effects: flex_laboral~1+fdi_inflows_tm1+log(gdp_tm1)+gdp_growth_tm1+flex_laboral_tm1
Value Std,Error DF t-value p-value
(Intercept) 0,0485075 0,03950023 545 1,22803 0,2200
fdi_inflows_tm1 0,0000000 0,00000010 545 -0,42501 0,6710
log(gdp_tm1) -0,0014556 0,00287611 545 -0,50611 0,6130
gdp_growth_tm1 0,0014787 0,00129266 545 1,14388 0,2532
flex_laboral_tm1 0,9813160 0,00409592 545 239,58354 0,0000
Correlation:
(Intr) fd_n_1 lg(_1) gdp__1
fdi_inflows_tm1 0,309
log(gdp_tm1) -0,965 -0,421
gdp_growth_tm1 -0,157 -0,047 0,074
flex_laboral_tm1 -0,436 0,188 0,225 -0,034
Standardized Within-Group Residuals:
Min Q1 Med Q3 Max
-13,8048919 -0,08549233 0,06004638 0,21911337 6,27063272
Number of Observations: 577
Number of Groups: 28
Linear mixed-effects model fit by REML
Data: datos
AIC BIC logLik logLik
-1240,989 -1210,545 627,4947
Random effects:
Formula: ~1|pais
(Intercept) Residual
StdDev: 0,00278805 0,07705203
Fixed effects: flex_laboral~1+fdi_inflows_tm1+log(gdp_pcapita_tm1)+gdp_growth_tm1+flex_laboral_tm1
Value Std,Error DF t-value p-value
(Intercept) 0,0454001 0,04908433 545 0,92494 0,3554
fdi_inflows_tm1 -0,0000001 0,00000010 545 -0,62847 0,5300
log(gdp_pcapita_tm1) -0,0015977 0,00471152 545 -0,33910 0,7347
gdp_growth_tm1 0,0014759 0,00129299 545 1,14143 0,2542
flex_laboral_tm1 0,9815285 0,00407248 545 241,01520 0,0000
Correlation:
(Intr) fd_n_1 l(__1) gdp__1
fdi_inflows_tm1 0,106
log(gdp_pcapita_tm1) -0,978 -0,195
gdp_growth_tm1 -0,154 -0,033 0,087
flex_laboral_tm1 -0,397 0,263 0,227 -0,031
Standardized Within-Group Residuals:
Min Q1 Med Q3 Max
-13,82655629 -0,07267569 0,05594059 0,20617259 6,2733083
Number of Observations: 577
Number of Groups: 28
21
MODELO 1b
Lin
ear
mix
ed
-eff
ect
s m
od
el f
it b
y R
EML
Dat
a:d
ato
s
AIC
BIC
logL
ik
3416
,977
3446
,535
-169
8,48
8
Ran
do
m e
ffe
cts:
Form
ula
: ~1|
pai
s
(In
terc
ep
t)R
esi
du
al
Std
De
v:57
84,7
3629
258,
32
Fixe
d e
ffe
cts:
fd
i_in
flo
ws~
1+fd
i_in
flo
ws_
tm1+
log(
gdp
_tm
1)+g
dp
_gro
wth
_tm
1+fl
ex_
lab
ora
l_tm
1+ru
le_o
f_la
w_t
m1+
en
r_te
rtia
ry_t
m1+
tax_
oe
cd_t
m1
Val
ue
Std
,Err
or
DF
t-va
lue
p-v
alu
e
(In
terc
ep
t)-7
7907
,81
4428
0,35
117
-1,7
5942
10,
0811
fdi_
infl
ow
s_tm
10,
710,
0711
79,
7199
430,
0000
log(
gdp
_tm
1)63
95,8
730
22,3
911
72,
1161
660,
0365
gdp
_gro
wth
_tm
112
84,3
815
68,0
511
70,
8190
910,
4144
fle
x_la
bo
ral_
tm1
-974
0,44
4310
,88
117
-2,2
5950
00,
0257
rule
_of_
law
_tm
126
27,0
959
21,2
011
70,
4436
750,
6581
en
r_te
rtia
ry_t
m1
-51,
9719
1,79
117
-0,2
7096
20,
7869
tax_
oe
cd_t
m1
807,
2045
3,00
117
1,78
1910
0,07
74
Co
rre
lati
on
:
(In
tr)
fd_n
_1lg
(_1)
gdp
__1
flx_
_1rl
___1
en
r__1
fdi_
infl
ow
s_tm
10,
324
log(
gdp
_tm
1)-0
,903
-0,4
25
gdp
_gro
wth
_tm
1-0
,416
-0,0
800,
222
fle
x_la
bo
ral_
tm1
-0,5
250,
206
0,36
80,
080
rule
_of_
law
_tm
1-0
,317
-0,1
450,
197
0,42
30,
128
en
r_te
rtia
ry_t
m1
-0,0
480,
115
-0,0
64-0
,220
0,12
5-0
,558
tax_
oe
cd_t
m1
0,04
9-0
,099
-0,2
990,
279
-0,2
850,
196
-0,2
63
Stan
dar
diz
ed
Wit
hin
-Gro
up
Re
sid
ual
s:
Min
Q1
Me
dQ
3M
ax
-3,2
3236
006
-0,3
6629
668
-0,0
7720
292
0,27
8151
093,
6786
5783
Nu
mb
er
of
Ob
serv
atio
ns:
150
Nu
mb
er
of
Gro
up
s:
26
22
MODELO 2b
Lin
ear
mix
ed
-eff
ect
s m
od
el f
it b
y R
EML
Dat
a:d
ato
s
AIC
BIC
logL
ik
3419
,315
3448
,873
-169
9,65
7
Ran
do
m e
ffe
cts:
Form
ula
: ~1|
pai
s
(In
terc
ep
t)R
esi
du
al
Std
De
v:6,
4659
1630
100,
57
Fixe
d e
ffe
cts:
fd
i_in
flo
ws~
1+fd
i_in
flo
ws_
tm1+
log(
gdp
_pca
pit
a_tm
1)+g
dp
_gro
wth
_tm
1+fl
ex_
lab
ora
l_tm
1+ru
le_o
f_la
w_t
m1+
en
r_te
rtia
ry_t
m1+
tax_
oe
cd_t
m1
Val
ue
Std
,Err
or
DF
t-va
lue
p-v
alu
e
(In
terc
ep
t)14
711,
065
6673
9,87
117
0,22
0424
0,82
59
fdi_
infl
ow
s_tm
10,
805
0,07
117
12,2
1882
50,
0000
log(
gdp
_pca
pit
a_tm
1)-8
24,0
6769
13,3
211
7-0
,119
200
0,90
53
gdp
_gro
wth
_tm
138
1,58
215
09,5
711
70,
2527
760,
8009
fle
x_la
bo
ral_
tm1
-124
62,7
4838
47,7
711
7-3
,238
955
0,00
16
rule
_of_
law
_tm
157
6,74
877
58,3
111
70,
0743
390,
9409
en
r_te
rtia
ry_t
m1
-23,
291
181,
5011
7-0
,128
327
0,89
81
tax_
oe
cd_t
m1
1018
,244
412,
3311
72,
4694
660,
0150
Co
rre
lati
on
:
(In
tr)
fd_n
_1l(
__1)
gdp
__1
flx_
_1rl
___1
en
r__1
fdi_
infl
ow
s_tm
10,
140
log(
gdp
_pca
pit
a_tm
1)-0
,963
-0,1
89
gdp
_gro
wth
_tm
1-0
,292
-0,0
080,
157
fle
x_la
bo
ral_
tm1
-0,3
030,
403
0,18
50,
028
rule
_of_
law
_tm
10,
618
0,08
0-0
,708
0,17
5-0
,095
en
r_te
rtia
ry_t
m1
0,03
00,
129
-0,0
96-0
,228
0,14
8-0
,330
tax_
oe
cd_t
m1
-0,1
92-0
,293
0,05
20,
375
-0,2
030,
168
-0,3
19
Stan
dar
diz
ed
Wit
hin
-Gro
up
Re
sid
ual
s:
Min
Q1
Me
dQ
3M
ax
-3,1
9650
69-0
,441
0534
-0,1
1835
230,
3035
336
3,84
5117
Nu
mb
er
of
Ob
serv
atio
ns:
150
Nu
mb
er
of
Gro
up
s:
26
23
MODELO 3b
Lin
ear
mix
ed
-eff
ect
s m
od
el f
it b
y R
EML
Dat
a:d
ato
s
AIC
BIC
logL
ik
-316
,065
9-2
86,5
076
168,
0329
Ran
do
m e
ffe
cts:
Form
ula
: ~1|
pai
s
(In
terc
ep
t)R
esi
du
al
Std
De
v:6,
59E-
070,
0580
3838
Fixe
d e
ffe
cts:
fle
x_la
bo
ral~
1+fd
i_in
flo
ws_
tm1+
log(
gdp
_tm
1)+g
dp
_gro
wth
_tm
1+fl
ex_
lab
ora
l_tm
1+ru
le_o
f_la
w_t
m1+
en
r_te
rtia
ry_t
m1+
tax_
oe
cd_t
m1
Val
ue
Std
,Err
or
DF
t-va
lue
p-v
alu
e
(In
terc
ep
t)0,
0573
886
0,08
1152
6711
70,
7071
70,
4809
fdi_
infl
ow
s_tm
10,
0000
000
0,00
0000
1411
7-0
,318
040,
7510
log(
gdp
_tm
1)-0
,000
7908
0,00
5525
6011
7-0
,143
110,
8865
gdp
_gro
wth
_tm
10,
0005
740
0,00
2961
9611
70,
1937
80,
8467
fle
x_la
bo
ral_
tm1
0,98
1845
80,
0078
2158
117
125,
5304
00,
0000
rule
_of_
law
_tm
1-0
,025
3385
0,01
0783
2511
7-2
,349
810,
0205
en
r_te
rtia
ry_t
m1
0,00
0548
30,
0003
4892
117
1,57
143
0,11
88
tax_
oe
cd_t
m1
-0,0
0075
240,
0008
3123
117
-0,9
0518
0,36
72
Co
rre
lati
on
:
(In
tr)
fd_n
_1lg
(_1)
gdp
__1
flx_
_1rl
___1
en
r__1
fdi_
infl
ow
s_tm
10,
329
log(
gdp
_tm
1)-0
,904
-0,4
31
gdp
_gro
wth
_tm
1-0
,438
-0,0
850,
241
fle
x_la
bo
ral_
tm1
-0,5
160,
226
0,36
20,
086
rule
_of_
law
_tm
1-0
,327
-0,1
560,
204
0,43
90,
121
en
r_te
rtia
ry_t
m1
-0,0
470,
126
-0,0
57-0
,223
0,13
7-0
,566
tax_
oe
cd_t
m1
0,05
2-0
,121
-0,2
960,
273
-0,3
000,
211
-0,2
84
Stan
dar
diz
ed
Wit
hin
-Gro
up
Re
sid
ual
s:
Min
Q1
Me
dQ
3M
ax
-8,6
1339
336
-0,1
1975
212
0,08
5980
960,
2829
7422
3,04
6196
84
Nu
mb
er
of
Ob
serv
atio
ns:
150
Nu
mb
er
of
Gro
up
s:
26
24
MODELO 4b
Lin
ear
mix
ed
-eff
ect
s m
od
el f
it b
y R
EML
Dat
a:d
ato
s
AIC
BIC
logL
ik
-318
,775
9-2
89,2
176
169,
3879
Ran
do
m e
ffe
cts:
Form
ula
: ~1|
pai
s
(In
terc
ep
t)R
esi
du
al
Std
De
v:5,
41E-
070,
0578
4482
Fixe
d e
ffe
cts:
fle
x_la
bo
ral~
1+fd
i_in
flo
ws_
tm1+
log(
gdp
_pca
pit
a_tm
1)+g
dp
_gro
wth
_tm
1+fl
ex_
lab
ora
l_tm
1+ru
le_o
f_la
w_t
m1+
en
r_te
rtia
ry_t
m1+
tax_
oe
cd_t
m1
Val
ue
Std
,Err
or
DF
t-va
lue
p-v
alu
e
(In
terc
ep
t)-0
,074
9334
0,12
8255
2111
7-0
,584
250,
5602
fdi_
infl
ow
s_tm
1-0
,000
0001
0,00
0000
1311
7-0
,600
670,
5492
log(
gdp
_pca
pit
a_tm
1)0,
0131
017
0,01
3285
4611
70,
9861
70,
3261
gdp
_gro
wth
_tm
10,
0011
253
0,00
2900
9611
70,
3879
00,
6988
fle
x_la
bo
ral_
tm1
0,98
3596
90,
0073
9433
117
133,
0204
90,
0000
rule
_of_
law
_tm
1-0
,035
4409
0,01
4909
2811
7-2
,377
110,
0191
en
r_te
rtia
ry_t
m1
0,00
0512
50,
0003
4879
117
1,46
948
0,14
44
tax_
oe
cd_t
m1
-0,0
0074
730,
0007
9239
117
-0,9
4315
0,34
75
Co
rre
lati
on
:
(In
tr)
fd_n
_1l(
__1)
gdp
__1
flx_
_1rl
___1
en
r__1
fdi_
infl
ow
s_tm
10,
140
log(
gdp
_pca
pit
a_tm
1)-0
,963
-0,1
89
gdp
_gro
wth
_tm
1-0
,292
-0,0
080,
157
fle
x_la
bo
ral_
tm1
-0,3
030,
403
0,18
50,
028
rule
_of_
law
_tm
10,
618
0,08
0-0
,708
0,17
5-0
,095
en
r_te
rtia
ry_t
m1
0,03
00,
129
-0,0
96-0
,228
0,14
8-0
,330
tax_
oe
cd_t
m1
-0,1
92-0
,293
0,05
20,
375
-0,2
030,
168
-0,3
19
Stan
dar
diz
ed
Wit
hin
-Gro
up
Re
sid
ual
s:
Min
Q1
Me
dQ
3M
ax
-8,5
8100
16-0
,133
8190
0,12
3028
90,
2983
530
2,94
7541
4
Nu
mb
er
of
Ob
serv
atio
ns:
150
Nu
mb
er
of
Gro
up
s:
26