Introducción: ¿Qué es el PIB Per Cápita?

Es definido como PIB o Producto Interno Bruto por sus siglas al indicador económico en el cual se ven reflejados todos los bienes y servicios finales que se producen en un determinado periodo de tiempo en un determinado territorio. La finalidad de este indicador es medir la riqueza que es capaz de producir un país en específico. Este puede verse afectado por diversos factores de la economía de un país los cuáles pueden impactar tanto de una forma positiva aumentando el valor de este, como negativamente reduciéndolo.

En el siguiente proyecto, se escogieron distintas variables las cuales ejemplifican el tipo de factores que pueden o no influir en el PIB per cápita de los países en los cuales hubo registro del año 2012. Entre ellas tenemos: El nivel de economía de cada país ya sea desarrollado o emergente, el porcentaje de empleados totales en un país clasificados por femenino y masculino, el porcentaje de empleados totales en el sector industrial y por último porcentaje de ingreso y salario total de la población.

A continuación, se muestran los resultados del modelo

## 
## Call:
## lm(formula = GDP.Employer ~ nivel.economia + Employers.F + Employers.M + 
##     Employer.Ind.T + Wage.Sal.T, data = A)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -29602 -14051  -2787   9408 114070 
## 
## Coefficients:
##                Estimate Std. Error t value Pr(>|t|)    
## (Intercept)     -4880.1    26311.2  -0.185 0.853749    
## nivel.economia  33933.2    11328.0   2.996 0.004581 ** 
## Employers.F     -3297.6     6247.9  -0.528 0.600420    
## Employers.M      1802.6     2924.6   0.616 0.540976    
## Employer.Ind.T  -1526.8      815.9  -1.871 0.068286 .  
## Wage.Sal.T       1290.2      349.0   3.697 0.000626 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 25030 on 42 degrees of freedom
## Multiple R-squared:  0.6609, Adjusted R-squared:  0.6205 
## F-statistic: 16.37 on 5 and 42 DF,  p-value: 6.02e-09

Con respecto al % de variabilidad (Adjusted R-squared) se puede concluir que el 62% de la variabilidad del PIB está explicado en el modelo.

Además, se observa que el valor del intercepto \(\beta_0\) en el modelo, se puede catalogar como un valor de ajuste por el hecho de que no guarda coherencia en sí mismo al ser negativo, ya que no existe la posibilidad de que un país tenga un PIB negativo, y tampoco tiene sentido al analizar las demás variables como por ejemplo, el salario total de la población del país, el cual, como valor mínimo no es posible que sea cero al igual que la cantidad de empleados ya sean masculinos o femeninos

Análisis del modelo

¿Cómo influye la cantidad de empleados hombres y mujeres?

Cómo se sabe el PIB per cápita se clasifica como la medida de producción económica de un país entre la población del mismo. También es un hecho que respecto al salario de las personas, más específicamente entre géneros, existe una brecha salarial entre hombres y mujeres, lo cual, es uno de los factores que contribuyen a la desigualdad económica y social; existe una mayor probabilidad de que las mujeres trabajen en puestos no remunerados y actividades de baja productividad, además de tener menos probabilidades de trabajar en el sector formal.

A pesar de todo esto, con respecto a la relación de este concepto con el PIB, la cantidad de mujeres laborando no es influyente de forma directa en el PIB dado a que no son consideradas en la producción económica del país. De este mismo modo la presencia de los hombres laboralmente tampoco es considerada al momento de calcular la producción económica del mencionado país.

¿Cómo influye el nivel de economía al PIB Per Cápita?

¿Qué es un país desarrollado?

Este es un país el cual cuenta con un alto índice de calidad de vida, esto se asocia a distintos indicadores de riquezas, tales como, el acceso a la salud, educación, infraestructuras, entre otros.

La mayoría de estos países suelen estar industrializados, siendo los encargados de la transformación de cualquier materia prima y convertirlo en un producto, el cual venden a un mayor costo de la materia prima. El indicador más utilizado para definir si un país es desarrollado es el Índice de Desarrollo Humano (IDH) en el que toman diferentes factores como la educación y la salud, este debe encontrarse en un valor de entre el 0.9 y 1 para ser considerado un país desarrollado.

¿Qué es un país emergente?

Estos son los países que se encuentran en vías de desarrollo, ya que se encuentran con una economía en crecimiento, si bien en estos países, su sociedad no se encuentra en una situación de pobreza extrema, tampoco es totalmente rica.

Por lo general, en estos países se cuenta con una riqueza en recursos naturales y son los encargados de provisionar toda la materia prima para aquellos que la pueden transformar en productos. Por otro lado, cuentan con un índice alto de desempleo y su economía no es autosustentable ya que aún necesitan de inversión extranjera para sostenerse.

El Índice de Desarrollo Humano de los países emergentes se encuentra por debajo de 0.9.

¿Cómo influyen?

Cabe recordar que el PIB Per cápita es un indicador económico, al igual que el si un país es desarrollado o emergente. Según se muestra en el modelo lineal, el nivel de economía es una variable significativa, dando a entender que el que un país sea desarrollado o emergente sí influye a su PIB Per Cápita, esto porque se toma en cuenta los ingresos por persona, desarrollo humano, el sector industrial y comercial.

En los países desarrollados al encontrar una mayor industrialización estos cuentan con un sector más amplio laboral activo, aumentando su producción interna de manera significativa. Además del desarrollo socioeconómico de estos países que también juega un papel importante en todo.

Por otra parte, los países que se encuentran en un estado de emergencia, se apegan más a la agricultura que a la industrialización, cuentan con una producción y un IDH bajo, además de tener problemas sociales los cuales no les permiten alcanzar mejores estándares de vida y económicos. Teniendo como repercusión un PIB Per Cápita más bajo.

¿Influye la cantidad total de personas que trabajan en la industria de un país en el PIB per cápita?

La cantidad de personas que trabajan en la industria de un país puede tener una influencia en el PIB per cápita, pero no es una variable determinante.

La industria es uno de los sectores que contribuyen a la producción de bienes y servicios en un país. Si una industria emplea a más personas y produce más bienes y servicios, entonces puede contribuir a un aumento en el PIB total del país.

Sin embargo, es importante tener en cuenta que la calidad de la industria también puede ser un factor importante. Si la industria está compuesta por empresas eficientes y bien administradas, que producen bienes y servicios de alta calidad, es más probable que contribuyan a un aumento en el PIB per cápita. Por otro lado, si la industria está compuesta por empresas menos eficientes y menos productivas, que producen bienes y servicios de baja calidad, entonces es menos probable que contribuyan a un aumento en el PIB per cápita.

Por lo tanto, la cantidad de personas que trabajan en la industria de un país no es una variable significativa, pues como ya se mencionó depende de otras variables como por ejemplo la eficiencia o correcta administración de las empresas.

¿Cómo influye el Ingreso y el salario total de las personas al PIB per cápita?

El total de salarios e ingresos tienen una gran influencia en el PIB, como se puede observar en el modelo, la variable Wage.sal.T que hace referencia al total de salarios e ingresos es la que tiene mayor nivel de significancia, esta relación se debe en tres factores importantes, en primer lugar los salarios e ingresos son parte de la producción de un país, por ende, si estos aumentan o disminuye, el PIB se verá directamente afectado.

Como segundo factor podemos encontrar el poder adquisitivo de las personas, cuando las personas tienen un mayor presupuesto debido al aumento de su entrada de dinero, pueden gastar más en bienes y servicios, al aumentar la demanda de productos, aumenta la producción, lo cual afecta directamente al PIB.

Por último, podemos encontrar la variación en el recaudo de impuestos y gastos públicos, cuando las personas tienen más ingresos, pagan más impuestos, ya sea por su nivel socioeconómico o porque compran más cosas, lo cual le brinda una mayor entrada de dinero al gobierno, con lo cual pueden invertir más en los distintos sectores como salud, educación, infraestructura, etc, impulsando el crecimiento económico y afectando el PIB.

Como se puede observar en el siguiente gráfico la variable del porcentaje de ingreso y salario total de la población relacionada con el PIB per cápita presenta cierta linealidad lo cuál también se puede ver demostrado en la aceptación del modelo al tener un p-value menor que el nivel de significancia determinado. Al haber variables significativas se entiende que al menos alguna de las variables es lineal.

Análisis de hipótesis

Normalidad

\(H_0 =\) hay normalidad. \(H_1 =\) no hay normalidad.

shapiro.test(modelo1$residuals)
## 
##  Shapiro-Wilk normality test
## 
## data:  modelo1$residuals
## W = 0.76916, p-value = 2.789e-07

Según lo anterior, dado a que el p-value es menor al nivel de significancia (0.05), entonces en este modelo, no hay normalidad. y se acepta \(H_1\).

Homocedasticidad (variabilidad constante)

\(H_0 =\) varianza constante. \(H_1 =\) no hay varianza constante.

## 
##  studentized Breusch-Pagan test
## 
## data:  modelo1
## BP = 5.5637, df = 5, p-value = 0.351

Debido a que p-value es mayor que el nivel de signicancia, entonces se concluye, que en el modelo existe una variabilidad constante entre las variables, aceptando así \(H_0\).

Independencia

\(H_0 =\) hay independencia. \(H_1 =\) no hay independencia.

## 
##  Durbin-Watson test
## 
## data:  modelo1
## DW = 2.2847, p-value = 0.822
## alternative hypothesis: true autocorrelation is greater than 0

Se tiene como resultado, un p-value mayor al nivel de significancia, siendo así que existe una correlación entre las variables, es decir, se acepta un \(H_1\). Además, en la gráfica se observa como los puntos tienden a tener una linealidad.

Referencias