en una unidad de la corrupción disminuye la inversión en 7
TRANSCRIPT
1
Relación entre la Corrupción y la Inversión privada para los Municipios de Colombia
Valentina Castilla Camelo1
Universidad de los Andes2
Resumen
Este trabajo utiliza la información disponible de inversión de la Superintendencia de
Sociedades para los años 2006, 2007, 2009 y 2010, y el Índice de Transparencia Municipal
de Transparencia por Colombia 2005-2006 y 2008-2009 como medida de corrupción, para
hacer un análisis empírico que explora la relación entre corrupción e inversión.
Inicialmente se esperaba que la relación encontrada entre estas dos variables fuera negativa
ya que la corrupción hace que las empresas gasten recursos en actividades que no resultan
productivas, y hace que los retornos a la inversión aparezcan como una incertidumbre, por
lo que los incentivos a invertir se reducen. Al final del estudio, se obtiene que la relación
entre corrupción e inversión es negativa y significativa al 10%, mostrando que un aumento
en una unidad de la corrupción disminuye la inversión en 7’548’000’000 de pesos cuando
se incluyen todas las variables de control pertinentes para el caso. Es importante mencionar
que este trabajo pretende observar una asociación y no una relación causal entre las dos
variables.
Palabras clave
Corrupción, Inversión, Colombia
1 Agradezco a todas las personas que hicieron posible este trabajo y mi formación como economista que con
este llega a su culmen. Especialmente a mis padres Sonia Camelo y Rubén Darío Castilla que hicieron posible
que llegara hasta este punto, a mi hermano Santiago Castilla por acompañarme en todos los momentos
importantes de este proceso y de tantos otros. Igualmente a mi asesor Rafael Santos que hizo de la idea de este
trabajo una realidad al apoyarme y compartir conmigo su con su conocimiento que permitió el desarrollo de
esta. Por último agradezco a todos los maestros que hicieron parte de mi formación como economista por su
esfuerzo y paciencia para hacer de este un país con mejores profesionales.
2 Estudiante de pregrado de Economía. Información de contacto: [email protected]
2
Introducción
La corrupción es un hecho que afecta a todas las economías del mundo, en especial
aquellas en donde existen sistemas políticos débiles (Transparency International, 2013),
este problema ha generando efectos que han sido de interés en la academia desde hace ya
bastante tiempo. Está definida como “el mal uso o el abuso del poder público para beneficio
personal y privado” (Sayed y Bruce, 1998), y cada día se ha vuelto más visible tanto a nivel
nacional como internacional, como se demuestra en el Anexo 1, discutido posteriormente.
Instituciones como Transparencia Internacional y Transparencia por Colombia, han
realizado esfuerzos significativos para recoger información de percepción y uso de la
corrupción en el mundo, obteniendo que en la mayoría de los países la percepción es que
cada día es un fenómeno que incluye cifras más grande, que afecta a más individuos y que
tiene mayores implicaciones negativas en la Economía. Incluso, en el 2003 la Organización
de las Naciones Unidas adoptó la “Convención sobre la lucha contra el soborno de
funcionarios públicos extranjeros en las transacciones comerciales internacionales” de la
Organización para la Cooperación Económica y el Desarrollo.
Este trabajo realiza un estudio de la correlación entre la corrupción y las decisiones
de inversión privadas para los municipios de Colombia, y así, para responder a la pregunta
¿Cuál es la relación entre la inversión de las empresas y la corrupción a nivel municipal en
Colombia? Se espera que los resultados arrojen una relación negativa entre corrupción e
inversión, debido a que las empresas gastan recursos en actividades que no resultan
productivas, lo que hace que los retornos a la inversión aparezca como una incertidumbre.
Es relevante realizar este estudio ya que a pesar de que otros autores han revisado la
relación entre inversión y corrupción, ésta no se ha hecho a nivel municipal en Colombia,
donde a nivel nacional, según el Global Corruption Barometer 2013, el 43% de la
población considera que en los dos últimos años la corrupción ha aumentado mucho, y el
63% lo considera un problema serio del sector público. Es por esto que saber cómo es la
relación que este trabajo pretende analizar, resulta una herramienta importante para reforzar
la importancia de la lucha contra la corrupción, y generar conciencia sobre la importancia
del trabajo que realizan agencias como Transparencia por Colombia y Congreso Visible,
entre otras que concentran sus labores en el tema de la corrupción en el país.
3
Este trabajo se realiza bajo la metodología de panel de datos con efectos fijos, y una
estimación realizada con Mínimos Cuadrados Ordinarios; utilizando como Proxy para la
corrupción el Índice de Transparencia Municipal de Transparencia por Colombia para los
años 2006 y 2009, y la información de inversión agregada para municipios disponible en la
Superintendencia de Sociedades. También se utilizan controles de tipo geográfico y
variables predeterminadas de características socioeconómicas de los municipios para los
que se tiene información de corrupción. En este punto se encuentra la principal limitación
de este trabajo, ya que la información no está disponible para todos los municipios del país,
debido a que la encuesta de corrupción se realiza en aquellos donde existe algún tipo de
interés por parte de los que financian la encuesta, lo que limita el alcance del estudio.
Las siguientes secciones se desarrollan de forma que el lector pueda tener: un
contexto sobre lo que ya se ha realizado del tema, y las bases de las que se partieron en la
realización de este trabajo, con una revisión de literatura, para poder entender el análisis
empírico que se realiza después. A continuación se presenta la metodología, en donde se
describe el modelo que se utiliza para realizar el estudio del tema, y la intuición económica
de este. Además, se muestra la hipótesis mencionada anteriormente, y se da la descripción
detallada de los datos que se utilizan. Después de esto se presentan los resultados obtenidos
y para finalizar se concluye sobre el tema y se responde a la pregunta de investigación con
los resultados obtenidos.
Esta es una primera aproximación al problema, y deja bases para futuras
investigaciones, donde haya acceso a una base de corrupción más rigurosa y disponible a
más municipios del país. Igualmente es importante hacer énfasis en un futuro en una
relación causal, ya que este trabajo no pretende hacer un análisis sobre esta relación entre
las variables en cuestión.
Revisión de literatura
Existen 2 teorías principales de los efectos que tiene la corrupción en una economía,
y estos pueden ser descritos desde la discusión greasing or sanding the machine. Esta
discusión se basa en la idea de que este fenómeno puede causar efectos tanto positivos
como negativos en una economía, generando así su crecimiento o estancamiento. El efecto
4
positivo (greasing) puede justificarse económicamente si existen costos de transacción muy
altos que se pueden reducir por el pago de sobornos, y por el incentivo que genera para los
políticos generar proyectos con impacto social positivo si de este se recibe un beneficio
individual positivo.
En primer lugar, “la corrupción puede resultar beneficiosa en un segundo mundo
donde se alivian las distorsiones generadas por mal funcionamiento de las instituciones
(…), funcionando como un mecanismo de ahorro de problemas, mejorando así la
eficiencia” (Meon & Weill, 2008). En su trabajo, Is the corruption an efficient grease, los
autores encuentran para 54 países, que en aquellos donde las instituciones resultan
problemáticas o negligentes, o donde existen otros problemas asociados a la gobernanza, la
corrupción puede resultar positiva al ayudar a aprovechar mejor los factores de producción
con los cuales están dotados.
Sin embargo, ellos mismos están de acuerdo con que éste no es el mejor mundo
posible, y que la corrupción resulta negativa en general si no existen factores externos sobre
los cuáles la corrupción pueda tener un efecto positivo. Es por esto, que este trabajo hace un
énfasis en el efecto negativo de la corrupción y revisa más a fondo los resultados obtenidos
que respaldan la teoría de sanding the wheels. Esta teoría muestra que la corrupción afecta
negativamente la economía de un país, en casos que van desde un soborno hasta la
apropiación de recursos de un contrato estatal, ya que genera una redistribución en los
recursos, causando distorsiones costosas en una economía (Schleifer, Vishnny, 1993).
En el trabajo Corruption realizado por Schleifer y Vishny (1993), los autores
encuentran bajo un modelo de corrupción en donde se usa un agente político que puede
decidir si ser corrupto o no, que esta puede resultar similar a los impuestos, y más costosa
en términos de las distorsiones que genera al realizar la comparación entre los dos. Esto es
explicado porque la diferencia entre los dos es la asignación de los recursos; mientras que
los impuestos quedan en manos del Gobierno cuya función es generar beneficio social, la
corrupción queda en manos de los burócratas que utilizan los recursos para su propio
beneficio.
Por su parte, el hecho de que la corrupción sea vista como un impuesto, hace que los
incentivos que tienen los inversionistas para invertir se reduzcan, ya que este impuesto
5
resulta de una naturaleza particularmente perversa al estar bajo la ilegalidad y porque
genera incertidumbre sobre cuál será su real retorno (Mauro, 1993). Esto se ve reflejado en
los resultados obtenidos en el trabajo The Effects of Corruption on Growth, Investment and
Government Expenditure: A Cross Country Analisis (Mauro, 1996), donde se encuentra que
los efectos son considerables tanto en magnitud como en significancia, mostrando que la
inversión se reduce en 5 puntos porcentuales del Producto Interno Bruto. Esto lo hacen
utilizando la información del Índice de Corrupción para Negocios Internacionales, y
teniendo como base que el efecto que causa la corrupción en el PIB se da a través de la
inversión (Mauro, 1996).
Estos resultados son reforzados por Alejandro Gaviria en su trabajo Assesing the
effects of corruption and crime on firm performance: evidence from Latin America, en
donde se hace eco en el efecto negativo que causa la corrupción, pero esta vez a través del
despilfarro y la apropiación de recursos públicos por parte de privados. Este es un efecto
que aunque no se da de forma directa, genera un impacto negativo en las prospectivas
económicas que realizan las empresas privadas; a través del deterioro que se genera en las
finanzas públicas y la incertidumbre que esto ocaciona, el crédito aumenta su precio.
Además la infraestructura y los servicios públicos también se ven deteriorados y el clima de
negocios tiende a parecer menos favorable (Gaviria, 2002). Este trabajo muestra resultados
similares, obteniendo que la percepción de corrupción disminuye la inversión en un 16%, al
hacer una correlación entre resultados de la Encuesta del Sector Privado realizada por el
Banco Mundial y el Banco Interamericano de Desarrollo, entre la percepción de la
corrupción y los resultados de desempeño de las firmas privadas.
Al revisar información actual sobre las condiciones en Colombia para la corrupción,
se puede acudir al Observatorio de la Democracia del Barómetro de las Américas, que ha
realizado encuestas periódicas sobre la materia desde 1996 para los países de la región. En
el más reciente informe realizado en el 2012 se obtuvo que Colombia es el país de Latino
América en donde se percibe el mayor nivel de corrupción como lo muestra el Anexo 1 y
en donde esta percepción ha tendido a aumentar a través de los años.
Esto genera inquietudes acerca de los determinantes de la corrupción que este
trabajo abordará brevemente. La corrupción es vista como un fenómeno político, y como tal
6
muchos estudios han observado la relación entre esta y variables que invocan instituciones
relacionadas con la situación y la actividad política de los países. Sin embargo, es
pertinente relacionar factores geográficos y sociales con la corrupción para observar si
factores relacionados con las condiciones del municipio más que por sus gobernantes,
generan una propensión más alta a la corrupción. En primer lugar se encuentra que el
tamaño del Gobierno tiene un impacto negativo relevante en la corrupción, mostrando que
mayor intervención estatal genera más corrupción (Goel, Nelson, 2008).
Igualmente, al indagar sobre los factores geográficos, se muestra que en los lugares
donde hay mayor población rural se da una mayor corrupción que aquellos donde la
concentración de población urbana es más alta, debido a que “las prácticas corruptas
pueden ser más fáciles de detectar en poblaciones urbanas, disminuyendo así la corrupción”
(Goel & Nelson, 2008). Los resultados obtenidos por Goel y Nelson muestran que la
distribución geográfica de la población es más relevante que sus características físicas
como tales en términos de la forma en que afectan a la corrupción.
Como se puede observar existe ya una amplia literatura que compara la relación
entre corrupción e inversión y de los determinantes de la corrupción a nivel internacional,
algunos de ellos incluyen información del país, pero a nivel interno para Colombia no se ha
realizado un estudio que tome como base la información a nivel municipal, por lo cual
resulta pertinente y relevante realizar este análisis al nivel de detalle que se pretende.
Metodología
Para empezar con el análisis resulta pertinente hacer una revisión a los
determinantes de la corrupción, ya que pueden existir características endógenas a los
municipios que los hagan más propensos a que esta actividad se presente en el lugar de
estudio. Es por esto que se pretende, a través de una regresión por Mínimos Cuadrados
Ordinarios, determinar qué factores geográficos, sociales y de conflicto, que para el caso
colombiano resulta muy pertinente analizar, resultan significativos al explicar la
corrupción. Esta parte del trabajo consiste en tres regresiones, en donde se agrega
progresivamente información del municipio que puede explicar la corrupción que este vive:
7
Siendo así, la primera regresión compara la corrupción con una variable dicótoma
que toma el valor de 1 si la información corresponde al 2009 y 0 si es para el 2006, un
vector de características geográficas del municipio, y el término del error. La segunda
regresión incluye todo lo anterior y se le añade un vector de características
socioeconómicas del lugar. Por último a todo esto se le agrega un vector de variables que
hacen referencia al conflicto armado. Todos estos vectores se utilizan igual para las dos
partes del trabajo por lo que más adelante se explican en detalle los componentes de cada
uno de estos.
Por otro lado, este trabajo también pretende mirar la relación existente entre
corrupción e inversión. Esta es importante debido a que hay evidencia que muestra que los
principales efectos de la corrupción en una economía se dan a través de la inversión
(Mauro, 1996). Dado esto, para observar la relación existente entre la corrupción y la
inversión, se realizan tres regresiones econométricas por Mínimos Cuadrados Ordinarios,
basadas en un panel de datos con efectos fijos de tiempo y de municipio. Esto último se
hace para eliminar el ruido que puede generar el hecho de que haya cambios inter
temporales e inter espaciales que no son generados por las variables dependientes del
modelo. Siendo así, los modelos que se utilizan están descritos por:
8
Donde la variable dependiente es para los cuatro casos la inversión del municipio i
para el periodo t. En el primer modelo, esta depende de la corrupción que presenta el
municipio i para el periodo t, de una variable dicótoma que toma el valor de 1 para el
año 2009 y de 0 para el 2006 y del error para el municipio i en el periodo t; el segundo
además de las variables del primero, incluye un vector de características geográficas del
municipio para el año de 1995, en donde se encuentran superficie en kilómetros cuadrados,
altitud, precipitación, erosión, temperatura, población y ubicación de acuerdo con la región
a la que pertenecen; denominado aquí como Xi, que interactúa con la variable dicótoma,
más el término del error. El tercer modelo cuenta con todas las variables anteriores más un
vector Zi, de características socioeconómicas del municipio para 1995, que incluye vías en
kilómetros, índice de Gini, índice de Necesidades Básicas Insatisfechas (NBI), cobertura de
educación secundaria, distancia a la capital más cercana, índice de ruralidad, ingresos
totales del municipio, presencia de entidades bancarias, inversión en fortalecimiento
institucional, valor total de los créditos brindados en el municipio y cobertura de
electricidad, multiplicada también por la variable dicótoma; más el término del error. Por
último, se incluye un vector en donde están las variables de conflicto que muestran
presencia de varios grupos armados, la tasa de homicidios por cada 100.000 habitantes, el
número de capturas, la cantidad de desplazados y la presencia de cultivos de coca en el
municipio, que también se multiplica por la variable dicótoma de tiempo y se le suma el
término del error al igual que las otras regresiones.
Dado que tanto la inversión como la corrupción son variables que pueden
describirse de diferentes formas, es necesario hacer una explicación clara de lo que aquí se
entiende por cada una de ellas y de la forma en que estas se construyen para productos
prácticos de este trabajo. En primera instancia, se utiliza como Proxy para corrupción el
Índice de Transparencia Municipal construido por Transparencia por Colombia.
Este índice define el riesgo de corrupción al que se enfrentan las entidades públicas
de cada municipio, a través de la identificación de condiciones de debilidad institucional
que pueden generar posibles riesgos de corrupción en 153 municipios para los años 2005-
2006 y 2008-2009. Estos municipios incluyen las capitales y los que llaman la atención en
las empresas que tienen un particular interés en el desarrollo social y que financian la
9
encuesta.3 Esto constituye un problema mayor en la investigación, ya que sesga los
resultados que se obtienen al no ser la muestra de municipios una aleatoria, lo que causa
una imprecisión en los betas obtenidos en las regresiones, siendo estos más pequeños de lo
que deberían ser por el tipo de sesgo que se presenta (Ver Anexo 2).
Dicho índice, es construido evaluando tres factores de las entidades públicas:
visibilidad, institucionalidad y control y sanción, dándole a cada uno de ellos el mismo
peso. Las calificaciones van de 0 a 100 siendo 0 la peor (menos transparencia y más riesgo
de corrupción y 100 la mejor) (Transparencia por Colombia, 2010)4. Para efectos prácticos
este trabajo tomará la corrupción como 100 menos el índice para indicar que un mayor
valor implica una mayor corrupción evitando así confusiones para el lector.
Por su parte, aquí se entiende como inversión “el flujo de producto de un período
dado que se usa para mantener o incrementar el stock de capital de la economía”
(Superintendencia de Sociedades). La recolección de información para esta variable es
tomada de la información agregada de los Balances Generales de las empresas que entregan
información a la Superintendencia de Sociedades, lo cual implica que no incluye empresas
de servicios ni que estén valoradas en Bolsa. La construcción de esta base de datos
consistió en agrupar la información de todas las empresas disponibles en las bases de datos
anuales de la Superintendencia y sumándolas por municipio, para así generar el agregado
anual municipal de inversión de las empresas privadas.
Ahora bien, debido a que la variable de corrupción está disponible para solo dos
periodos de tiempo – a saber 2005-2006 y 2008-2009- la información de inversión se ajustó
a esto utilizando la suma de la inversión para 2006 y 2007 como la correspondiente al
primer periodo, y la del 2009 y 2010 para el segundo. Se realiza el agregado así del último
año al que se refiere el índice y del año siguiente debido al rezago de los efectos que puede
generar la corrupción para el año siguiente a la recolección de su información. Este
ejercicio resultó en una base de datos con información para 358 municipios del país que
3 Entre los financiadores se encuentran: La Embajada Británica, La cooperación República de Colombia –
República Federal de Alemania, GTZ, el Programa Cimientos de USAID y la Corporación Transparencia por
Colombia 4 Para más información sobre la construcción de este índice dirigirse al Índice de Transparencia Municipal
2008-2009 disponible en: http://www.transparenciacolombia.org.co/
10
tienen información disponible en la Superintendencia, para dos periodos de tiempo, que se
asume son los mismos de la corrupción para poder así contar con una base de datos tipo
panel.
Al unir la información disponible de corrupción e inversión se obtiene que
coinciden para 146 municipios en 2 periodos de tiempo, que desde ahora se nombrarán
como 2006 y 2009. En el Anexo 2 se muestran las estadísticas descriptivas de estas
variables por separado, para observar los problemas que puede generar el hecho de que no
exista información para todos los municipios como se había mencionado anteriormente.
Esta muestra, además de las características detalladas de las dos variables principales, un
análisis de la variable de inversión cuando hay información de corrupción y cuando no la
hay. Esto es relevante ya que la media y la desviación estándar para los dos casos resulta
diferente. Los municipios con información de corrupción tienen una inversión de
$166,000,000,000 y para los que no existen datos la media toma un valor de
$720,000,000,000. Igualmente la desviación estándar presenta la misma relación.
He aquí un posible problema del modelo que este trabajo realiza al no existir
aleatoriedad en la muestra. Teóricamente se obtiene un sesgo en los coeficientes, haciendo
que estos no representen todos los municipios sino solo los aquí trabajados . Sin
embargo, al observar la naturaleza de las instituciones que financian el estudio de
corrupción, que se destacan por trabajar en alianza para el desarrollo, se puede interpretar
que sus intereses pueden estar asociados a lugares donde la corrupción es especialmente
alta.
Por otro lado, las variables de control que se mencionaron anteriormente se utilizan
para darle más relevancia al estudio. Estas provienen de la base de datos panel del Centro
de Estudios sobre Desarrollo Económico, CEDE y corresponden al año de 1995. Estos
controles son importantes ya que eliminan el ruido que se puede generar en los resultados
que no sean por la corrupción sobre la inversión. Igualmente, estudios han demostrado que
este tipo de variables son importantes al determinar la corrupción (Goel, Nelson, 2008) por
lo que es pertinente observar esta relación para el caso colombiano a nivel municipal.
A continuación se presentan dos tablas con las estadísticas descriptivas de las
variables que se utilizan en este trabajo. Aquí cabe mencionar que al ser una base de datos
11
tipo panel el número de observaciones corresponde a la cantidad de municipios para la que
hay información (153) por el número de periodos, en este caso 2. También es relevante
mencionar el carácter de las variables de control. Estas se toman como constantes en el
tiempo, y es por esto que se interactúan con la variable dicótoma para que se vea su efecto
en la inversión, al incluir efectos fijos por municipio. Al observar las estadísticas
descriptivas, se puede observar en especial la naturaleza de la variable de corrupción. Esta
toma un valor máximo de 88.36 que corresponde al municipio de Santiago de Tolú en
Sucre para el año de 2009, y mínimo de 10 para Pasto, Nariño y para Envigado, Antioquia
ambos datos correspondientes al 2006.
Tabla 1. Estadísticas descriptivas variables continuas
Variable Número de
Observaciones Media
Desviación
Estándar Mínimo Máximo
Variables principales
Inversión (miles de
millones de pesos) 238 0.203 0.654 121 5.00
Corrupción 292 38.52 14.38 10 88.36
Variables que indican Información Geográfica
Superficie (km.) 280 965.86 1690.614 15 13912
Altura 280 1072.39 883.75 2 2897
Precipitación 280 1827.89 1076.12 300 7750
Agua (millones de
litros) 280 3.44 0.533 2.10 5..60
Erosión 280 1.92 1.01 0 5
Temperatura 290 22.09 5.05 11.6 32
Población (miles
de personas) 292 97.43 143.21 3.42 1088,92
Variables que indican Información socioeconómica
Vías en Kilómetros 280 110096.7 114358.5 0 640518.5
Gini 280 0.58 0.13 0.12 0.87
NBI 280 34.72 16.56 8.49 93.49
Cobertura de
secundaria 280 0.79 0.25 0.23 2.11
Distancia a la
capital (millones
de km.)
292 3.58 3.12 0 9.98
12
Índice de ruralidad 292 0.85 1.42 0 10.50
Ingresos totales 292 6536.99 11135.08 0 94137.23
Presencia de
entidades bancarias 292 3.91 6.17 0 51
Inversión en
fortalecimiento
institucional
(millones de pesos)
292 2.24 7.16 0 81.8
Valor de créditos 292 2,688.58 8,135.29 0 84777.3
Cobertura de
electricidad 292 88.04 8.08 0 98.99
Variables que indican Información sobre el conflicto armado
Tasa de homicidios
por cada 100,000
habitantes
292 68.37 61.41 0 387.90
Número de
capturas 292 6.29 10.49 0 64
Desplazados 292 387.75 704.01 0 3649
Tabla 2. Estadísticas descriptivas variables dicótomas
Variable Número de
Observaciones
Toma el
valor de 1
Toma el valor
de 0
Variables dicótomas
Región Andina 280 160 120
Región Oriental 280 30 250
Región Pacífica 280 46 234
Región Caribe 280 46 234
Presencia de
ELN 292 86 206,00
Presencia de
FARC 292 114 178,00
Presencia de
Cultivos de
coca
292 36 256,00
13
Resultados
Determinantes de la corrupción
La corrupción es un fenómeno que afecta a todos los municipios de Colombia, pero
no es algo que se dé igual en todos los lugares. Es por esto, que observar si existe una
relación entre las características del municipio y la corrupción resulta pertinente. En la
Tabla 3 se observan los resultados obtenidos al realizar las regresiones de las que se habló
previamente. De estas, se puede resaltar las que resultan significativas en el análisis; en
primer lugar que un municipio sea de la Región Oriental aumenta la corrupción en 7.8
puntos que resulta alto si se tiene en cuenta que el índice de corrupción va desde 0 hasta
100, resultando significativo a un 10% para los 3 casos.
Con respecto a las variables socioeconómicas se obtuvieron los siguientes
resultados que vale la pena resaltar. En primer lugar contrario a lo que se esperaba, la
relación entre ruralidad y corrupción resulta negativa y significativa al 1%, con una
desviación estándar de 0.69. En este caso un aumento en una unidad de la ruralidad genera
una disminución de 2 puntos en la corrupción. Por su parte la desigualdad parece tener una
relación negativa con la variable principal, sin embargo en este caso la significancia es sólo
del 10%. Un aumento de una unidad en el Índice de Gini genera una disminución de la
corrupción de 20 unidades para la segunda regresión y de 21 para la tercera con
desviaciones estándar de 11.93 y 12.02 respectivamente, lo que implica que municipios
más desiguales tienden a tener una incidencia más baja de corrupción que aquellos en
donde hay más igualdad.
Con respecto a la incidencia de la participación del Estado en el municipio, hay dos
resultados que se pueden contrastar. La inversión en el fortalecimiento institucional no
parece ser significativa para la incidencia de la corrupción lo que hace pensar que esta
inversión no está dando los frutos que debería. Para el caso de la cobertura en electricidad
se obtiene el signo esperado y una significancia al 5%, lo que resulta coherente con lo
esperado. Un aumento en una unidad de la cobertura en electricidad reduce la corrupción en
0.3 puntos, este también es un aspecto que revela la incidencia del Gobierno.
14
Tabla 3: Resultados para los determinantes de la corrupción5
(1) (2) (3)
VARIABLES Corrupción Corrupción Corrupción
Altitud (m.s.n.m) 0.0104* 0.0111* 0.0114**
(0.00567) (0.00601) (0.00555)
Temperatura 1.792* 1.688* 1.713*
(0.956) (1.014) (0.946)
Población 1.11e-05* 1.37e-05 1.61e-05
(6.21e-06) (1.08e-05) (1.17e-05)
Región Oriental 7.790* 7.002* 7.916*
(4.049) (4.003) (4.335)
Índice de Gini -20.00* -21.16*
(11.93) (12.02)
Índice de Ruralidad -2.083*** -2.062***
(0.694) (0.676)
Inversión en fortalecimiento
institucional
8.24e-08 7.52e-08
(1.38e-07) (1.50e-07)
Cobertura de electricidad -0.337** -0.364**
(0.161) (0.170)
Presencia de las FARC -0.756
(2.363)
Desplazados -9.44e-05
(0.00209)
Número de Observaciones 280 280 280
R-cuadrado 0.066 0.123 0.140
Número de municipios 140 140 140
Errores estándar robustos en paréntesis
*** p<0.01, ** p<0.05, * p<0.1
Relación entre corrupción e inversión
La Tabla 4 muestra los resultados obtenidos para las cuatro regresiones que se
realizaron para observar la relación existente entre la corrupción y la inversión. Los
5 Se muestran los principales resultados. La regresión incluye todas las variables que se listan a continuación:
altitud, agua, temperatura, población, región pacífica, región Caribe, región oriental, índice de Gini, cobertura de educación secundaria, índice de ruralidad, inversión en fortalecimiento institucional, cobertura de electricidad, tasa de homicidios por cada 100.000 habitantes, presencia de las FARC, presencia de cultivos de coca y número de desplazados
15
resultados indican que al incluir variables, excluyendo el primer caso, la magnitud del
coeficiente que acompaña a la corrupción disminuye en términos absolutos. Ocurriendo lo
mismo con los coeficientes estandarizados como se muestra más adelante.
Puede resultar atractivo, que no se utilizan todas las variables que se proponen en la
metodología y se presentan en las estadísticas descriptivas. Sin embargo, esto se realiza
porque al realizar las regresiones en un primer momento no se obtiene ningún resultado de
estas ya que resultan ser muy poco significativas y presentan un p-valor muy elevado, lo
cuál muestra un indicio de que son irrelevantes y pueden resultar en variables que sobran y
generan ruido en los resultados. Sin embargo, para más rigurosidad en la investigación, el
Anexo 3 muestra los resultados incluyendo todas las variables en niveles, y el Anexo 4
muestra los resultados también incluyendo todas las variables pero en logaritmos naturales.
El análisis aquí no resulta pertinente ya que no parece haber significancia cuando se realiza
este procedimiento
En el caso en donde no se incluyen variables de control, se obtiene que un aumento
en una unidad de la corrupción, se asocia con una disminución de la inversión en
$8’347’000’000 en términos absolutos. En términos económicos este hallazgo parece
importante dado que la magnitud parece elevada. Sin embargo en términos de desviación
estándar para este caso, los coeficientes estandarizados indican que la disminución en la
inversión, producido por el aumento en una unidad de desviación estándar de la corrupción
es de -0.59. Para realizar estos cálculos se multiplica el coeficiente que acompaña a la
corrupción por la desviación estándar de esta variable (ver Tabla 1), y este resultado se
divide por la media de la inversión.
La segunda regresión, que incluye variables con información geográfica del
municipio, muestra un coeficiente igual de significativo (10%), pero con una magnitud
mayor. Aquí un aumento en una unidad de corrupción disminuye la inversión en
9’074’000’000. De los coeficientes estandarizados por su parte , se puede decir que el
aumento en una unidad de desviación estándar de la corrupción disminuye la inversión en
0,64 en unidades de desviación estándar. Para este caso resulta significativa la presencia de
agua en el municipio, de la que se puede observar tiene una relación positiva con la
inversión con un nivel de confianza del 90%.
16
Al incluir variables geográficas la magnitud disminuye, y el coeficiente representa
una disminución de la inversión en 8’615’000’000 por un aumento en la corrupción y el
coeficiente estandarizado resulta siendo -0.61. Aquí sigue siendo significativa la presencia
de agua con el municipio, mostrando la misma relación positiva, pero un resultado
interesante que vale mencionar es que el signo de la inversión en fortalecimiento
institucional resulta ser negativo para la inversión, pero su magnitud resulta baja dadas las
unidades que la inversión maneja. Igualmente resulta contradictorio que la cobertura en
electricidad también presente una relación negativa con la inversión con una significancia
del 10%.
Por último, al incluir variables de conflicto no se observan muchos cambios en los
resultados de las variables. Ninguna de estas variables que se incluyeron en el estudio
aparecen como significativas, pero se incluyen para más precisión en la información, en
este caso las variables que antes habían resultado significativas lo siguen siendo. Con
respecto a la corrupción, la magnitud de este coeficiente es el menor comparándolo con el
de todas las demás regresiones siendo este -7’548’000’000, igualmente sigue siendo una
suma importante, y el coeficiente estandarizado resulta ser -0.53, también el menor de las 4
regresiones.
Tabla 4: Resultados principales que muestran la relación entre la corrupción y la inversión
(1) (2) (3) (4)
VARIABLES Inversión Inversión Inversión Inversión
17
Corrupción (miles de millones
de pesos)
-8.34* -9.07* -8.62* -7.55*
(4.55) (5.03) (5.04) (4.65)
Altitud (m.s.n.m) 34.24 -12,503 -44,442
(65,246) (74,637) (70,379)
Agua 66.66* 74.46* 95.38*
(38.24) (47.46) (52.21)
Población -390.7 570.4 525.1
(499.8) (422.4) (483.3)
Gini ( -1598 -1408
(2854) (2852)
Cobertura en secundaria -2.512e+08 -1.878e+08
(1.838e+08) (1.862e+08)
Índice de Ruralidad 2.556e+07 2.232e+07
(5.008e+07) (5.035e+07)
Inversión en fortalecimiento
institucional
-21.82*** -21.75***
(5.968) (6.753)
Cobertura de electricidad (miles
de millones de pesos)
-6.96* -8.54*
(4.0) (4.54)
Tasa de Homicidios (miles de
millones de pesos)
-1.05
(696,474)
Presencia de las FARC (miles de
millones de pesos)
-45.09
(72.92)
Presencia de cultivos de cocaína -82.70
(80.93)
Desplazados 850.2
(45,989)
Número de observaciones 238 226 226 226
R-cuadrado 0.050 0.107 0.200 0.216
Municipios 131 125 125 125
Errores estándar robustos en paréntesis
*** p<0.01, ** p<0.05, * p<0.1
Conclusiones
Este trabajo ha realizado un análisis de los posibles determinantes de la corrupción,
y de la relación de esta con la inversión. Para el primer caso es de particular relevancia el
hecho de que los municipios que pertenecen a la región Oriental hayan mostrado una mayor
incidencia a la corrupción que otras regiones del país, y contrario a lo que se esperaba, un
aumento en la ruralidad de los municipios implica una mayor corrupción. Estos resultados
18
requieren un análisis más detallado del que aquí se presenta y puede ser materia para
próximos estudios.
Como se ha mostrado a lo largo del escrito, hay evidencia cuantitativa de que mayor
corrupción se relaciona con una menor inversión privada a nivel municipal. Sin embargo no
hace parte del estudio medir los efectos de tal forma que expliquen una relación causal. Al
no poder instrumentar la variable de la corrupción, se obtienen problemas en el
planteamiento del modelo y un sesgo en los coeficientes que este trabajo no analiza, pero
resulta en una primera aproximación al tema, dejando campo a nuevos estudios.
Por otro lado, los resultados muestran una relación negativa entre la corrupción y la
inversión, sin embargo estos resultados no resultan particularmente fuertes, al haber una
significancia relativamente baja y una cantidad de municipios que no permite generalizar
con un alto nivel de confianza los resultados a todo el país. Sin embargo queda el
precedente de que la relación es negativa y si es posible aumentar la muestra en futuras
investigaciones esto podría hacer los resultados más fuertes.
Igualmente los resultados encontrados con respecto a la relación entre la inversión
en fortalecimiento institucional y cobertura de electricidad con la inversión requieren
particular atención, esto debido a que no se obtienen los resultados esperados, lo que resulta
en una situación preocupante. Aunque este trabajo no lo presenta, al ver la relación de la
inversión con las variables mencionadas queda la inquietud de si los recursos que van
encaminados hacia estas actividades están siendo aprovechados de la mejor manera posible.
Resulta pertinente mencionar también ciertos problemas resultantes de las bases de
datos disponibles que generan distorsiones en los resultados econométricos. En primera
instancia la existencia de sesgo en la muestra de los municipios de la corrupción al no ser
estos aleatorios genera que los coeficientes no se adapten a todo el universo de los
municipios del país.
19
Anexos
Anexo 1: Percepción de la corrupción en países de América Latina para 2012 y para
Colombia en el periodo comprendido entre 2004 y 2012
Tomado de: ©Barómetro de las Américas por LAPOP 2012
20
Anexo 2: Información inicial de las principales variables del modelo
Corrupción (Índice de Transparencia Municipal)
Media:38.51849 Desviación estándar: 14.37892 Varianza 206.7533 Número de observaciones: 292
Máxima: 88.36 Mínima: 10 Kurtosis: 3.225424
Inversión
Media: 4.94e+08 Desviación estándar: 6.07e+09 Varianza: 3.68e+19 Número de observaciones: 716
Mínima: 0 Máxima: 1.09e+11 Kurtosis: 276.7076
Municipios con información de corrupción Municipios sin información de corrupción
Media 1.66E+08 Media 7.20E+08
desviación estándar 5.97E+08 Desviación estándar 7.86E+09
Máxima 5.02E+09 Máximo 1.09E+11
Mínimo 0 Mínimo 0
Número de Observaciones 292 Número de Observaciones 424
21
Anexo 3: Resultado de la relación entre inversión y corrupción e inversión incluyendo
todas las variables
Inversión (1) Inversión (2) Inversión (3) Inversión(4)
VARIABLES
Corrupción -8.347e+06* -8.932e+06* -7.603e+06 -6.866e+06
(4.556e+06) (4.931e+06) (5.236e+06) (5.034e+06)
Superficie (Km2) 14,280 -8,915 -11,409
(14,245) (15,903) (16,208)
Altitud (m.s.n.m) 117,413 102,996 71,111
(85,027) (127,560) (137,109)
Precipitación -27,602 -49,178 -55,905
(37,512) (54,153) (51,824)
Agua 113.4* 175.5* 174.5**
(67.80) (89.91) (86.49)
Erosión -3.789e+07 -7.786e+07 -7.773e+07
(8.454e+07) (7.776e+07) (7.764e+07)
Temperatura -2.049e+06 -9.690e+06 -8.606e+06
(1.211e+07) (1.215e+07) (1.548e+07)
Población -442.4 172.7 284.5
(512.3) (710.3) (880.3)
Región Andina -1.141e+08 -8.600e+07 -9.008e+06
(1.263e+08) (1.280e+08) (9.899e+07)
Región Oriental -4.446e+07 3.561e+07 1.036e+08
(9.897e+07) (1.838e+08) (1.869e+08)
Región pacífica -2.123e+08 -2.686e+08 -2.072e+08
(1.120e+08) (1.693e+08) (1.694e+08)
Vías (Km) 495.2 489.9
(361.5) (350.1)
Índice de Gini 1.523e+08 6.094e+07
(3.905e+08) (4.156e+08)
NBI -828,989 -1.975e+06
(3.276e+06) (3.600e+06)
Cobertura de secundaria -3.416e+08 -2.675e+08
(2.844e+08) (2.898e+08)
Distancia a la Capital (Km) -16.87 -20.81
(28.28) (29.87)
Índice de ruralidad 2.761e+07 2.894e+07
(4.117e+07) (4.269e+07)
Ingresos totales -5,667 -6,683
(15,070) (14,459)
Presencia de entidades
bancarias
1.412e+07 1.959e+07
(1.581e+07) (1.673e+07)
Inversión en fortalecimiento
institucional
-21.07** -22.76**
(10.56) (10.08)
Valor total de los créditos -2,173 3.895
(2,924) (3,940)
Cobertura de electricidad -9.788e+06 -1.222e+07
(1.000e+07) (1.083e+07)
Tasa de homicidios -895,020
22
(743,099)
Capturas -5.970e+06
(6.608e+06)
Presencia del ELN -1.683e+07
(7.112e+07)
Presencia de las FARC 1.141e+07
(6.109e+07)
Número de Observaciones 238 226 226 226
R-cuadrado 0.050 0.129 0.264 0.281
Número de Municipios 131 125 125 125
Errores robustos estándar en paréntesis
*** p<0.01, ** p<0.05, * p<0.1
Anexo 4: Resultados de la relación entre inversión y corrupción en logaritmos naturales
Logaritmo
natural de la
inversión (1)
Logaritmo
natural de la
inversión (2)
Logaritmo
natural de la
inversión (3)
Logaritmo
natural de la
inversión (4)
VARIABLES
Logaritmo natural de la
corrupción
-0.196 -0.113 -0.157 0.171
(0.404) (0.493) (0.639) (0.646)
Superficie (km2) -3.74e-05 -1.66e-05 -7.01e-05
(0.000132) (0.000131) (0.000141)
Altitud (m.s.n.m) 0.000563 0.000643 0.000631
(0.00135) (0.00117) (0.000963)
Precipitación 0.000215 0.000110 0.000123
(0.000242) (0.000242) (0.000253)
Agua 1.93e-07 3.67e-07 3.13e-07
(4.17e-07) (4.12e-07) (4.26e-07)
Erosión 0.0134 -0.0271 -0.0663
(0.264) (0.260) (0.243)
Temperatura 0.107 0.113 0.141
(0.213) (0.192) (0.154)
Población -1.80e-06 8.31e-09 -1.44e-06
(1.26e-06) (3.41e-06) (3.58e-06)
Región Andina -1.200 -1.371 -1.196
(0.858) (0.953) (1.139)
Región Oriental -1.526 -1.707 -2.331*
(0.973) (1.060) (1.352)
Región pacífica -2.526** -2.914** -3.247**
(1.238) (1.357) (1.533)
Vías (Km) -8.52e-07 -1.77e-06
(1.61e-06) (1.90e-06)
Índice de Gini 0.736 1.084
(2.660) (2.772)
NBI -0.0180 -0.0294
(0.0226) (0.0221)
Cobertura de educación
secundaria
-0.534 -0.251
(0.879) (0.952)
Distancia a la capital (Km) -1.47e-08 -8.09e-08
23
(8.15e-08) (7.98e-08)
Índice de ruralidad 0.00225 0.0120
(0.152) (0.142)
Ingresos totales -1.88e-05 -3.02e-05
(2.73e-05) (3.10e-05)
Presencia de entidades
bancarias
0.00382 0.0272
(0.0664) (0.0673)
Inversión en fortalecimiento
institucional
-8.18e-10 -4.41e-09
(1.45e-08) (1.72e-08)
Valor total de los créditos -3.20e-06 -7.20e-06
(1.55e-05) (1.97e-05)
Cobertura de electricidad -0.0766* -0.0915**
(0.0450) (0.0462)
Tasa de homicidios por cada
100.000 habitantes
-0.00765*
(0.00389)
Capturas 0.00199
(0.0221)
Presencia del ELN -0.337
(0.603)
Presencia de las FARC 1.076
(0.718)
Número de Observaciones 238 226 226 226
R-cuadrado 0.029 0.128 0.165 0.248
Número de Municipios 131 125 125 125
Errores estándar robustos en paréntesis
*** p<0.01, ** p<0.05, * p<0.1
24
Bibliografía
Centro de Estudios sobre Desarrollo Económico (CEDE), Universidad de los Andes
Congreso Visible
García, Camilo. 2005. “Colonial Institutions and long-run economic performance in
Colombia: is there evidence of persistence?” CEDE – Universidad de los Andes.
Documento CEDE 2005-59
Gaviria, Alejandro, 2002. "Assessing the effects of corruption and crime on firm
performance: evidence from Latin America," Emerging Markets Review, Elsevier,
vol. 3: 245-268, Septiembre
Goel, Rajeev K; Nelson, Michael A. 2008. “Causes of corruption: History,
geography and government” BOFIT Discussion Papers 6/2008.
Hardoon, Deborah; Heinrich, Finn. 2013. “Global corruption barometer 2013”.
Transparency International.
Latin American Public Opinion Project (LAPOP)
Mahagaonkar, Prashanth. “Corruption and innovation: a grease or sand
relationship?” Jena Economic Research Papers, MPI für Ökonomik, 017
Mauro, Paul. 1996. “The Effects of Corruption on Growth, Investment and
Government Expenditure: A Cross Country Analysis” IMF Working Papers 96/98
Méon, Pierre-Guillaume; Weill, Laurent. 2008. “Is Corruption an Efficient Grease?”
Laboratoire de Recherche en Gestion & Economie. Papier N° 2008-06.
Pupović, Elvira. 2012. “Corruption's Effect On Foreign Direct Investment – The
Case Of Montenegro”, Economic Review – Journal of Economics and Business,
Vol. X, Issue 2: 13-28
Rodríguez, Juan Carlos; Seligson, Mitchell A. 2012. “Cultura Política de la
Democracia en Colombia y las Américas, 2012: Hacia la igualdad de
oportunidades”. Observatorio de la democracia.
Shleifer, Andrei & Vishny, Robert W, 1993. "Corruption." National Bureau of
Economic Research Working Paper Series
Superintendencia de Sociedades
25
Svensson, Jakob. 2005. "Eight Questions about Corruption." Journal of Economic
Perspectives, 19(3): 19–42.
Toke S. Aidt. 2003. “Economic Analysis of Corruption: A Survey”. The Economic
Journal, 113 (November), F632–F652
Toke S. Aidt. 2009. “Corruption, Institutions, and economic development.” Oxford
Review of Economic Policy, 25 (2): 271-291
Transparencia por Colombia