la productividad del sector 2000-2010...la productividad del sector manufacturero en el perú,...
TRANSCRIPT
LA PRODUCTIVIDAD DEL SECTOR MANUFACTURERO EN EL PERÚ, 2000-2010
Lima, enero de 2014
Instituto Nacional de Estadística e InformáticaAv. General Garzón N° 658, Jesús María, Lima 11 PERÚTeléfonos: (511) 433-8398 431-1340 Fax: 433-3591Web: www.inei.gob.peEnero, 2014
Impreso en los talleres gráficos de:Servicios Gráficos y Publicitarios APAR S.R.LDirección : Calle Los Algarrobos Nº 166 Urb. Paseo de la República - ChorrillosTeléfono : 251-3655Tiraje : 200 EjemplaresHecho el Depósito Legal en la Biblioteca Nacional del Perú : 2014-00235Permitida su reproducción citando la fuente.
Las opiniones y conclusiones de esta investigación son de exclusiva responsabilidad del autor, por lo que el INEI no se solidariza necesariamente con ellas.
El Instituto Nacional de Estadística e Informática (INEI), dentro del marco de su política institucional, promueve investigaciones socioeconómicas, en este estudio en el tema del sector manufacturero explotando la base de datos de la Encuesta Económica Anual Manufacturera, pone a disposición de la comunidad nacional, autoridades, instituciones públicas y privadas, y usuarios en general, el documento “La Productividad del Sector Manufacturero en el Perú, 2000 - 2010”.
En el quinquenio 2006-2011 el Producto Bruto Interno real (PBI) del Perú creció a una tasa promedio anual de 7,2% mientras que, el respectivo producto manufacturero se incrementó a una tasa promedio anual de 6,6%. De otro lado, desde la década de los ochenta la participación del producto manufacturero del PBI total, ha tendido a decrecer de manera gradual: 16,1% (entre 1980 - 1989), 15,4% (1990 - 1999), 15,1% (2000 - 2009) y 14,9% en los años 2010 - 2011.
El objetivo principal de la presente investigación, es estimar la tasa de variación anual de la productividad total factorial agregada (PTFA) del sector manufacturero, usando datos a nivel de firmas para el periodo 2000 - 2010. Adicionalmente, el trabajo descompone dicha tasa en función de la reasignación de firmas en la industria.
El presente estudio aborda el desempeño del sector manufacturero desde la óptica de productividad total factorial agregada (PTFA) del sector y de sus componentes debido a la reasignación de firmas en la industria. En forma adicional y para una muestra de 461 empresas, el trabajo calcula las fuentes del crecimiento del producto manufacturero para el periodo 2001 - 2010. En base al objetivo mencionado, la presente investigación se compone en seis secciones: la primera, resume brevemente la evolución del producto y empleo manufacturado para el mismo periodo; la segunda, describe las características productivas de una muestra de firmas manufactureras; la tercera, resume los métodos de estimación de la productividad total factorial (PTF); la cuarta, estima la PTF a nivel de firmas; la quinta, estima la PTF agregada para el sector manufacturero y la sexta, lista los principales hallazgos del estudio y esboza una serie de reflexiones sobre el sector del desarrollo manufacturero en el Perú.
Esperamos que este documento sea de gran utilidad para, todas las instituciones involucradas al estudio en el sector manufacturero y usuarios interesados en temas relacionados con la industria.
Lima, enero de 2014
Instituto Nacional de Estadística e Informática
Presentación
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 5
Í N D I C E
Resumen Ejecutivo .......................................................................................... 7
Introducción ............................................................................................... 9
I. Desempeño Económico del Sector Manufacturero del Perú, 2000-2010 ............................................................................................ 11
II. Características Productivas de las Firmas Manufactureras del Perú, 2000-2010 ................................................................................. 13
III. Métodos de Estimación de la Productividad Total Factorial (PTF) ......................................................19
IV. Estimación del nivel y tasa de variación anual de la Productividad Total Factorial de las Firmas Manufactureras del Perú, 2001-2010 ...... 25
V. La PTF agregada del Sector Manufacturero del Perú, 2001-2010 .............................................................................................. 31
VI. Resumen y Conclusiones ...................................................................... 43
Bibliografía ............................................................................................. 45
Lista de Cuadros y Gráficos ........................................................................... 53
Anexo ............................................................................................. 55
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 7
1. Con el apoyo del Centro de Investigación y Desarrollo (CIDE) del Instituto Nacional de Estadística e Informática (INEI), el presente estudio tiene como objetivo estimar la tasa de variación anual de la productividad total factorial agregada (PTFA) del sector manufacturero peruano usando datos a nivel de firmas para el período 2000-2010. En adición, el trabajo descompone dicha tasa en función de la reasignación de firmas en la industria.
2. Basado en la Encuesta Económica Anual de Manufacturas, provista por el INEI, el estudio utiliza tres muestras para la estimación de la PTF a nivel de empresas y agregado del sector manufacturero. La primera muestra de 461 empresas para los años 2000, 2007 y 2010 que representan el 7% del valor agregado real y 10% del empleo formal manufacturero. Estas empresas se usan para el cálculo de la PTF y su contribución al crecimiento del producto. La segunda muestra comprende un promedio de 1078 empresas por año la cual representa el 19,8% del valor real de manufacturas y el 28% del empleo formal del sector. Esta muestra se utiliza para las estimaciones de la función de producción, base para el cálculo de la PTF. La tercera muestra de un promedio de 1552 empresas por año que representan el 24% del valor real de producción del sector manufacturero. Estas empresas se utilizan
RESUMEN EJECUTIVO
para las estimaciones de la tasa de variación anual de la PTFA y sus componentes debido a la reasignación de firmas en la industria.
3. Los cálculos de la PTF se basan en 5 métodos de estimación de los coeficientes de la función de producción: tres métodos estándar (mínimos cuadrados ordinarios, MCO; panel de datos con coeficientes de efectos fijos y aleatorios) y dos modernos: Levinshon-Petrin (LP) y Olley-Pakes (OP). Estos métodos resuelven problema de sesgo de simultaneidad y adicionalmente el de OP resuelve el problema de atrición o de selección de las firmas.
4. Independientemente de los métodos usados, los resultados señalan que a nivel muestral y agregado del sector manufacturero, la tasa de variación promedio anual de la PTF ha sido baja y no han contribuido de manera significativa al crecimiento de producto en el período 2001-2010. El crecimiento de las manufacturas, en dicho período, sigue dependiendo del crecimiento del capital y en menor medida del empleo formal del sector. De otro lado, la baja tasa de crecimiento de la PTFA se explica en parte por la disminución de la PTFA de las empresas que permanecen en las ramas y por la ‘salida’ de las empresas (de la muestra o de la industria) con alta productividad.
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 9
En los últimos cinco años (2006-2011) el Producto Bruto Interno real (PBI) del Perú ‘creció’ a una tasa promedio anual del 7,2% mientras que el respectivo producto manufacturero se incrementó a una tasa promedio anual de 6,6%. De otro lado, desde la década de los ochenta la participación del producto manufacturero del PBI total ha tendido a decrecer de manera gradual: 16,1% (entre 1980-1989), 15,4% (1990-1999), 15,1% (2000-2009) y 14,9% en los dos últimos años (2010-2011). A la fecha no se conoce cuales son las fuentes de esta ligera ‘de-industrialización’ manufacturera.
El presente estudio aborda el desempeño del sector manufacturero peruano desde la óptica de productividad total factorial agregada (PTFA) del sector y de sus componentes debido a la reasignación de firmas en la industria. En adición y para una muestra de 461 empresas, el trabajo calcula las fuentes del crecimiento del producto manufacturero para el período 2001-2010. Estas
INTRODUCCIÓN
son: capital, trabajo, insumos y la productividad total factorial (PTF). La información base de las estimaciones es la Encuesta Económica Anual de Manufacturas (EEAM) provistas por el INEI para los propósitos del presente estudio.
Con dicho objetivo, el estudio se compone de seis secciones, una lista de referencias, y cuadros del anexo estadístico. La Sección 1 resume brevemente la evolución del producto y empleo manufacturero para el período 2000-2010. La Sección 2 describe las características productivas de una muestra de firmas manufactureras en el mismo período. La Sección 3 resume los métodos de estimación de la productividad total factorial (PTF). La Sección 4 estima la PTF a nivel de firmas. La Sección 5 estima la PTF agregada para el sector manufacturas. La Sección 6 lista los principales hallazgos del estudio y esboza una serie de reflexiones sobre el desarrollo del sector manufacturero en el Perú.
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 11
La tasa de crecimiento promedio anual del PBI del Perú1 fue de 5,9%, la respectiva tasa del PBI manufacturero fue de 6,0%. Por otro lado, las respectivas tasas para el empleo total y formal manufacturero fueron 4,5% y 4,1%, respectivamente. De otro lado, la PEA (población económicamente activa)2 total creció a una tasa de 3,3%. Sin embargo las tasas de capacidad
I. DESEMPEÑO ECONÓMICO DEL SECTOR MANUFACTURERO DEL PERÚ, 2000-2010
de generar producto y empleo formal fueron 0,06% y 0,8% respectivamente3. Los Gráficos del 1 al 3 muestran las evoluciones del producto y empleo del sector manufacturero peruano. Si bien las asociaciones entre producto y empleo son positivas, la evolución del empleo total (y en particular el empleo formal) es más variable que la del producto.
Gráfico Nº 1.1Evolución del Producto y Empleo Manufacturero, 2000-2010
1 Estimado por la pendiente de la línea de tendencia semi-logarítmica.
2 Las estimaciones de la PEA formal e informal ha seguido la metodología de Tello (2011).
3 El primero definido como el ratio de los PBI de manufacturas sobre el PBI del Perú y el segundo definido como el ratio del empleo formal de manufacturas sobre la PEA del Perú.
12 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
Estas tasas y evoluciones sugieren que el sector manufacturero en producto y empleo formal no lidera el crecimiento de la economía, más bien estos dependen del crecimiento de la economía.
Para analizar las causas de la ausencia de liderazgo productivo es necesario indagar lo que ocurre a nivel de empresas. Este análisis es descrito en las secciones siguientes.
Gráfico Nº 1.3Capacidad de Generar Producto y Empleo del Sector Manufacturero, 2000-2010
Gráfico Nº 1.2Evolución del Producto y Empleo Formal Manufacturero, 2000-2010
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 13
La base de datos a nivel de empresas es obtenida de la Encuesta Económica Anual del Sector Manufacturero del Instituto Nacional de Estadística e Informática para los 11 años del período 2000-2010. El número de empresas varían por año y no todas las firmas tienen información completa. Debido a la diversidad de muestras de cada año y de información de las empresas, el conjunto de empresas se divide en dos muestras. La primera, denominada M1, de 461 empresas que tienen información al menos para los años 2000, 2007 y 2010. Estas empresas se usan para estimar las fuentes de crecimiento del producto, los niveles y las tasas de variación anual de la PTF de dicha muestra. La segunda, denominada M2, que comprende entre 11699 y 11859 1 observaciones correspondientes a un promedio de 1078 empresas por año que se usaron para las estimaciones de la función de producción, base para el cálculo de la PTF.
Los Cuadros del 2.1 al 2.4 descr iben la representatividad de las muestras en términos del valor agregado y empleo formal del universo manufacturero y las características productivas de las empresas en las dos muestras para el período 2000-2010. Las empresas de las dos muestras han sido clasificadas en cuatro grupos de ramas manufactureras: las industrias que procesan productos primarios (agrícolas y mineros, S1), las industrias de manufactura ligera (que incluye textiles, ropa, cuero y calzados, entre otras, S2) las industrias intensivas en conocimientos y tecnología (incluye productos químicos, farmacéuticos y maquinaria, S3) y las industrias de alimentos, bebidas y tabaco. Las cifras de los cuadros indican:1 Para el método OP1 y OP2 detallado en la sección 4 el número
de empresas para cada uno de los años del período 2000-2010 son respectivamente: 1264; 1017; 1026; 617; 923; 856; 668; 1824; 1186;1275; y 1203 que suman 11859 observaciones.
II. CARACTERÍSTICAS PRODUCTIVAS DE LAS FIRMAS MANUFACTURERAS DEL PERÚ, 2000-2010
i) Las empresas en las dos muestras emplean en promedio a más de 100 trabajadores, siendo el promedio de la muestra 1 mayor que las empresas de la muestra 2. De otro lado, en ambas muestras, las empresas de las ramas de manufacturas ligeras e intensivas en tecnología son las que tienen mayor representatividad en valor agregado y empleo formal;
ii) Las empresas de las ramas S1 son las que tienen mayores valores de la productividad laboral y el ratio capital por trabajador para todos los períodos. Por su parte las ramas de firmas en S2 son las que tienen menor productividad por trabajador y ratio capital por trabajador para todos los períodos de tiempo;
iii) Para ambas muestras y para todos los períodos, el grado de procesamiento, Sva, grado de procesamiento, es bajo y alrededor del 30%2. Las empresas de las ramas S2, que tienen menor productividad laboral son las que tienen un mayor grado de procesamiento entre 34 y 36%. Lo contrario ocurre con las empresas de la rama S1 de mayor productividad laboral las cuales tienen un menor grado de procesamiento de a lo más 30%.
iv) En general, las empresas de ambas muestras son grandes y antiguas con un promedio de existencia entre 19 y 31 años.
v) La participación de los gastos en energía del valor de producción en ambas muestras es bajo y alrededor del 1%.
2 Cifras no oficiales de la matriz insumo producto del INEI para el año 2007 estima el grado de procesamiento de manufacturas en 32,6%.
14 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
Cuadro Nº 2.1Representatividad de la Muestra de Empresas de Manufacturas del Perú en Términos de Valor Agregado y Empleo: 2000-2010
Fuente: Instituto Nacional de Estadística e Informática (2000-2010). Elaboración propia. : N es el número de empresas de la muestra, Np es el número de empresas promedio por año, %VA y %L son los porcentajes en valor agregado y empleo formal de la muestra con respecto a los respectivos valores del universo, Lp es el promedio de trabajadores por empresa.
N % VA % L Lp Np % VA % L Lp
S1 Rama de bienes primarios 153 7,49 15,43 157 301 20,05 39,03 10317 Fabricación de papel 12 4,01 9,9 131 24 22,42 39,94 13422 Refinación de petróleo 0 0 0 0 2 7,27 22,11 33523 Caucho y plástico 63 15,88 17,27 101 113 46,39 43,66 7024 Fabricación de productos no metálicos 19 4,63 13,46 198 40 15,39 41,76 14025 Siderurgia 10 10,6 35,06 310 13 23,01 56,34 22326 Transformación de metales no ferrosos 9 16,43 96,06 518 13 22,17 155,26 32727 Productos metálicos 40 6,17 6,82 107 97 17,58 22,14 69
S2 Rama manufacturera ligera 169 11,81 13,17 262 453 26,04 30,46 12312 Fabricación de textiles 67 19,41 23,32 254 132 36,96 51,25 16113 Fabricación de prendas de vestir 30 12,07 15,15 640 102 21,91 31,34 20414 Preparación del cuero 5 6,3 4,05 36 12 19,37 13,02 2415 Fabricación de calzado 12 5,48 2,36 55 23 23,67 11,3 5216 Industria de madera y muebles 16 7,51 5,15 168 57 16,33 14,89 6218 Impresión y edición 25 8,57 7,19 132 77 33,14 22,15 7531 Productos manufacturados diversos 13 3,63 7 141 46 12,03 22,28 5739 Servicios Prest. a Empresas (Reciclaje)* 1 0 0 35 3 0 0 18
S3 Rama intensiva en tecnología 103 9,12 13,79 151 203 25,31 32,94 9119 Químicos básicos 16 5,37 45,37 120 28 15,22 97,14 8520 Farmacéuticos y medicamentos 19 23,9 19,57 219 31 47,5 39,67 14621 Otros productos químicos 28 5,72 14,66 146 62 25,86 49,35 9628 Construcción de maquinaria no eléctrica 7 10,14 2,83 108 26 29,83 7,84 4329 Maquinaria eléctrica 18 10,74 9,69 86 30 24,66 31,24 7230 Construcción de material de transporte 15 13,33 17,18 199 27 23 26,61 92
S4 Rama alimentaria, bebidas y tabaco 36 1,8 2,07 226 152 11,69 15,28 1655 Fabricación de productos lácteos 1 0,01 0,04 15 7 15,51 8,53 1576 Elaboración de pescado 0 0 0 0 32 10,98 5,8 2718 Molinería y panadería 17 3,11 3,81 213 51 9,79 15,02 819 Elaboración y refinación de azúcar 0 0 0 0 3 12,34 9,17 957
10 Otros productos alimenticios 7 0,57 0,71 183 38 9,7 19,76 22411 Bebidas y tabaco 11 5,24 9,99 269 22 17,8 29,96 187
Total Total Manufactura 461 7,09 10,41 199 1 078 19,78 27,86 116
Representatividad de la Muestra de Empresas de Manufacturas del Perú en Términos de Valor Agregado y Empleo: 2000-2010
Cod SectorMuestra1 Muestra2
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 15
Cuad
ro N
º 2.2
Car
acte
rístic
as P
rodu
ctiva
s de l
a Mue
stra
de E
mpr
esas
de M
anuf
actu
ras d
el Pe
rú: 2
000-
2007
Fuen
te:
Institu
to Na
ciona
l de E
stadís
tica e
Infor
mátic
a (20
00-2
010)
. Elab
orac
ión pr
opia.
N es
el: n
úmer
o de e
mpre
sas,
Np, e
l núm
ero d
e emp
resa
s pro
medio
por a
ño, P
rod1
: Valo
r de p
rodu
cción
real
(bas
e 199
4)
por t
raba
jador,
Pro
d2: V
alor a
greg
ado
real
por t
raba
jador
por
trab
ajado
r, kl1
: valo
r rea
l de
capit
al (m
aquin
aria,
equ
ipos,
vehíc
ulos d
e tra
nspo
rte y
equip
os d
iverso
s) po
r tra
bajad
or, kl
2, va
lor re
al de
maq
uinar
ia y
equip
o por
trab
ajado
r, Sva
: gra
do de
proc
esam
iento
(VA/
VP),
Sm: g
asto
en el
ectric
idad s
obre
el va
lor de
prod
ucció
n, y E
edad
prom
edio
de la
empr
esa
N
Prod
1Pr
od2
kl 1kl 2
Sva
SmE
N pPr
od1
Prod
2kl 1
kl 2Sv
aSm
ES 1
Ram
a de b
ienes
prim
ario
s15
317
4 824
47 93
614
1 042
129 9
0727
1,27
2627
516
4 382
47 74
013
6 585
124 5
8629
1,518
17 F
abric
ación
de pa
pel
1220
0 877
49 89
013
1 545
125 6
5825
1,61
2523
191 3
1356
225
145 8
1913
8 742
291,4
421
22 R
efina
ción d
e petr
óleo
00
00
00
00
00
00
00
00
23 C
auch
o y pl
ástic
o 63
125 5
1636
747
93 66
088
070
291,5
224
107
122 2
1435
504
81 45
275
999
291,5
619
24 F
abric
ación
de pr
oduc
tos no
metá
licos
19
145 7
9353
064
117 8
3888
945
361,6
129
3515
3 475
55 21
221
9 434
190 3
2636
2,323
25 S
ideru
rgia
10
185 1
4642
447
354 4
2234
2 349
233,5
235
1320
7 879
59 90
430
4 803
290 5
3729
3,327
26 T
rans
forma
ción d
e meta
les no
ferro
sos
929
1 432
70 73
912
4 952
113 7
4624
0,117
1228
8 506
69 12
512
7 275
116 3
8924
0,49
1927
Pro
ducto
s metá
licos
40
102 7
8934
469
72 44
867
337
340,6
328
8694
484
29 87
857
295
49 26
832
0,66
19S 2
Ram
a man
ufac
ture
ra lig
era
169
74 16
626
507
54 30
350
603
361,3
624
437
72 16
025
916
51 78
447
904
361,2
1512
Fab
ricac
ión de
texti
les
6787
803
30 36
284
928
81 12
335
2,12
2313
376
586
27 33
375
605
72 25
636
1,99
1813
Fab
ricac
ión de
pren
das d
e ves
tir
3048
236
18 19
920
923
18 84
038
0,53
2095
45 79
716
078
22 44
120
582
350,5
513
14 P
repa
ració
n del
cuer
o 5
134 5
4737
673
39 56
533
491
280,6
616
1312
7 558
31 45
441
889
36 96
225
0,97
2015
Fab
ricac
ión de
calza
do
1288
381
23 91
544
552
38 63
927
1,218
2380
892
22 25
633
761
30 18
628
1,214
16 In
dustr
ia de
mad
era y
mue
bles
1614
2 148
44 82
961
496
53 93
432
1,04
3248
105 7
8434
411
43 41
337
282
331,0
218
18 Im
pres
ión y
edici
ón
2592
023
38 80
973
641
65 34
542
0,73
2777
126 4
6551
933
79 05
668
953
410,5
518
31 P
rodu
ctos m
anufa
ctura
dos d
iverso
s 13
79 55
927
573
53 36
548
205
350,4
626
4473
464
25 37
243
944
35 94
835
0,53
1739
Ser
vicios
Pre
st. a
Empr
esas
(Rec
iclaje
)*1
41 05
914
665
19 07
017
262
369,9
710
348
085
15 10
121
109
16 55
931
5,27
10
S 3Ra
ma i
nten
siva e
n te
cnol
ogía
103
116 2
0438
072
83 94
175
941
330,7
728
189
122 0
1642
362
87 49
977
723
350,9
513
19 Q
uímico
s bás
icos3
16
148 5
5937
389
252 4
6823
9 729
251,9
733
2616
8 697
49 23
828
5 687
267 1
3529
2,95
2320
Far
macé
utico
s y m
edica
mento
s 19
74 94
535
901
43 49
937
186
480,4
430
2969
615
33 99
839
936
33 71
049
0,43
2421
Otro
s pro
ducto
s quím
icos
2811
0 731
40 49
162
776
54 06
437
0,44
2860
140 9
2753
038
67 66
256
293
380,3
420
28 C
onstr
ucció
n de m
aquin
aria
no el
éctric
a 7
95 56
842
592
33 78
726
151
450,3
620
2210
2 169
40 11
932
957
24 94
639
0,49
1729
Maq
uinar
ia elé
ctrica
18
304 4
6362
041
146 2
5613
5 774
200,4
523
2918
3 915
41 15
589
119
80 80
522
0,45
2030
Con
struc
ción d
e mate
rial d
e tra
nspo
rte
1583
376
27 82
534
218
28 85
533
0,77
3423
80 42
527
018
34 91
429
665
340,7
423
S 4Ra
ma a
limen
taria
, beb
idas
y ta
baco
3614
7 484
44 13
110
0 710
81 87
530
0,66
2711
816
1 355
40 36
580
869
68 05
825
0,55
195
Fab
ricac
ión de
prod
uctos
lácte
os
196
760
22 65
615
227
13 04
923
0,66
511
536 2
6912
4 787
200 0
1617
0 056
230,3
226
Elab
orac
ión de
pesc
ado
00
00
00
00
00
00
00
00
8 M
oline
ría y
pana
dería
17
130 5
1745
214
80 00
772
299
350,5
522
5113
1 678
38 31
970
262
62 18
729
0,715
9 E
labor
ación
y re
finac
ión de
azúc
ar
00
00
00
00
00
00
00
00
10 O
tros p
rodu
ctos a
limen
ticios
7
116 9
6853
092
71 93
455
982
451,2
627
3512
8 897
31 69
059
571
50 55
625
0,46
1911
Beb
idas y
taba
co
1116
7 634
41 33
512
3 459
95 28
925
0,64
4521
169 5
1941
606
110 7
4089
204
250,7
429
Tot
al Ma
nufa
ctur
a 46
111
1 788
35 06
784
657
77 41
631
1,16
261 0
2411
7 956
36 01
085
676
77 51
631
1,06
19
Car
acte
rístic
as P
rodu
ctiva
s de l
a Mue
stra
de E
mpr
esas
de M
anuf
actu
ras d
el Pe
rú: 2
000-
2007
Cod
Sect
orMu
estra
1Mu
estra
2
16 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
N
Prod
1Pr
od2
kl 1kl 2
Sva
S mE
Np
Pr
od1
Prod
2kl 1
kl 2S v
aS m
ES 1
Ram
a de b
ienes
prim
ario
s15
318
8 917
51 71
713
2 670
121 9
6027
1,04
3139
017
5 840
52 09
012
5 904
114 2
4930
126
17 F
abric
ación
de pa
pel
1230
0 995
67 99
515
0 869
144 3
4723
0,85
3129
281 4
3184
180
161 4
0915
4 152
301
2322
Refi
nació
n de p
etróle
o0
00
00
00
02
295 9
5017
0 731
444 6
8336
9 247
580
4023
Cau
cho y
plás
tico
6317
8 590
52 99
592
223
85 60
530
1,05
2813
918
0 882
51 91
189
836
83 34
129
119
24 F
abric
ación
de pr
oduc
tos no
metá
licos
19
161 1
5063
564
105 2
7078
445
391,1
935
5514
6 695
54 34
213
1 172
108 4
9137
122
25 S
ideru
rgia
10
200 8
6750
234
292 2
7428
1 219
251,4
440
1520
5 402
58 79
528
9 976
275 6
6329
233
26 T
rans
forma
ción d
e meta
les no
ferro
sos
926
5 712
49 80
917
7 021
166 7
3219
122
1725
0 506
48 28
217
7 465
167 5
1719
122
27 P
rodu
ctos m
etálic
os
4010
7 430
36 31
053
533
48 83
034
0,43
3213
493
228
30 63
238
362
31 16
133
020
S 2Ra
ma m
anuf
actu
rera
liger
a16
969
714
23 82
352
457
48 65
734
1,26
2954
072
784
24 14
947
416
43 25
633
116
12 F
abric
ación
de te
xtiles
67
77 73
925
852
79 30
475
677
332
2814
476
431
24 68
066
567
62 76
932
219
13 F
abric
ación
de pr
enda
s de v
estir
30
44 53
715
231
20 24
217
816
340,5
424
131
46 42
215
919
22 43
820
282
341
1414
Pre
para
ción d
el cu
ero
518
3 929
54 30
746
716
39 83
930
0,65
2211
209 4
6744
728
55 51
749
885
211
1915
Fab
ricac
ión de
calza
do
1290
389
26 35
732
411
27 93
529
0,92
2426
68 13
620
741
19 68
817
107
301
1816
Indu
stria
de m
ader
a y m
ueble
s 16
130 7
0244
074
54 13
547
295
340,9
535
8598
988
30 78
742
790
35 40
631
115
18 Im
pres
ión y
edici
ón
2589
669
37 30
385
611
77 10
742
0,733
8611
5 308
45 33
479
242
70 88
439
119
31 P
rodu
ctos m
anufa
ctura
dos d
iverso
s 13
79 99
526
620
45 44
840
470
330,4
530
5212
4 470
33 78
466
354
55 88
427
118
39 S
ervic
ios P
rest.
a Em
pres
as (R
ecicl
aje)*
142
108
11 59
025
186
23 16
728
7,11
154
71 98
718
374
32 25
224
880
263
14S 3
Ram
a int
ensiv
a en
tecn
olog
ía10
313
5 448
42 61
170
450
63 07
631
0,61
3225
914
0 296
47 93
873
359
64 11
434
120
19 Q
uímico
s bás
icos3
16
216 2
3438
946
248 8
2223
4 782
181,6
837
3421
0 139
53 02
526
7 332
246 7
6825
224
20 F
arma
céuti
cos y
med
icame
ntos
1980
565
40 16
044
304
37 15
050
0,41
3638
73 71
736
407
39 25
632
550
490
2521
Otro
s pro
ducto
s quím
icos
2899
910
38 07
952
470
45 68
838
0,48
3273
147 4
2657
455
59 16
649
324
390
2228
Con
struc
ción d
e maq
uinar
ia no
eléc
trica
714
9 541
64 62
029
573
23 76
843
0,27
2639
137 4
8550
263
26 60
619
995
370
1729
Maq
uinar
ia elé
ctrica
18
333 2
9963
487
98 38
490
388
190,2
827
3722
3 867
48 96
963
591
56 33
122
021
30 C
onstr
ucció
n de m
ateria
l de t
rans
porte
15
107 3
8137
796
33 42
328
354
350,4
439
3910
8 177
38 02
732
085
26 63
935
021
S 4Ra
ma a
limen
taria
, beb
idas
y ta
baco
3616
0 213
46 85
096
744
82 06
929
0,48
3320
513
9 410
35 81
980
839
69 68
926
125
5 F
abric
ación
de pr
oduc
tos lá
cteos
1
250 4
2453
338
40 65
534
407
210,9
510
450
0 775
161 2
2120
1 726
158 3
0932
027
6 E
labor
ación
de pe
scad
o 0
00
00
00
032
79 58
731
663
251 8
9224
2 901
401
138
Moli
nería
y pa
nade
ría
1712
4 175
35 42
773
898
69 19
729
0,35
3266
119 7
3233
904
66 92
960
474
280
189
Elab
orac
ión y
refin
ación
de az
úcar
0
00
00
00
07
41 15
416
889
58 09
150
798
411
5110
Otro
s pro
ducto
s alim
entic
ios
712
5 429
57 53
572
033
59 43
746
1,42
3572
137 3
5429
007
33 03
724
277
210
1811
Beb
idas y
taba
co
1122
4 021
59 40
913
8 315
108 6
0627
0,41
4825
208 9
8953
958
120 4
8495
751
261
28 T
otal
Manu
fact
ura
461
121 1
5636
636
80 86
473
552
300,9
431
1 372
122 1
8236
976
77 74
469
513
301
19
Car
acte
rístic
as P
rodu
ctiva
s de l
a Mue
stra
de E
mpr
esas
de M
anuf
actu
ras d
el Pe
rú: 2
007-
2010
Cod
Sect
orMu
estra
1Mu
estra
2
Cuad
ro N
º 2.3
Car
acte
rístic
as P
rodu
ctiva
s de l
a Mue
stra
de E
mpr
esas
de M
anuf
actu
ras d
el Pe
rú: 2
007-
2010
Fuen
te:
Institu
to Na
ciona
l de E
stadís
tica e
Infor
mátic
a (20
00-2
010)
. Elab
orac
ión pr
opia.
N es
el: n
úmer
o de e
mpre
sas,
Np, e
l núm
ero d
e emp
resa
s pro
medio
por a
ño, P
rod1
: Valo
r de p
rodu
cción
real
(bas
e 199
4)
por t
raba
jador,
Pro
d2: V
alor a
greg
ado
real
por t
raba
jador
por
trab
ajado
r, kl1
: valo
r rea
l de
capit
al (m
aquin
aria,
equ
ipos,
vehíc
ulos d
e tra
nspo
rte y
equip
os d
iverso
s) po
r tra
bajad
or, kl
2, va
lor re
al de
maq
uinar
ia y
equip
o por
trab
ajado
r, Sva
: gra
do de
proc
esam
iento
(VA/
VP),
Sm: g
asto
en el
ectric
idad s
obre
el va
lor de
prod
ucció
n, y E
edad
prom
edio
de la
empr
esa.
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 17
N
Prod
1Pr
od2
kl 1kl 2
Sva
mE
Np
Pr
od1
Prod
2kl 1
kl 2Sv
aS m
ES 1
Ram
a de b
ienes
prim
ario
s15
317
4 824
47 93
614
1 042
129 9
0727
126
301
182 0
4350
756
132 9
4712
2 206
281
2417
Fab
ricac
ión de
pape
l 12
200 8
7749
890
131 5
4512
5 658
252
2524
236 8
0569
227
155 3
2514
8 945
291
2222
Refi
nació
n de p
etróle
o0
00
00
00
02
1 146
813
179 4
6141
7 491
376 4
8016
033
23 C
auch
o y pl
ástic
o 63
125 5
1636
747
93 66
088
070
292
2411
314
6 892
42 46
384
082
78 90
629
119
24 F
abric
ación
de pr
oduc
tos no
metá
licos
19
145 7
9353
064
117 8
3888
945
362
2940
152 2
9756
818
173 0
3914
8 380
372
2225
Side
rurg
ia
1018
5 146
42 44
735
4 422
342 3
4923
435
1320
6 226
57 33
430
0 992
287 6
7428
229
26 T
rans
forma
ción d
e meta
les no
ferro
sos
929
1 432
70 73
912
4 952
113 7
4624
017
1326
7 835
59 05
114
8 625
139 5
4122
121
27 P
rodu
ctos m
etálic
os
4010
2 789
34 46
972
448
67 33
734
128
9794
344
30 23
545
823
40 02
132
020
S 2Ra
ma m
anuf
actu
rera
liger
a16
974
166
26 50
754
303
50 60
336
124
453
73 49
225
275
50 07
346
534
341
1612
Fab
ricac
ión de
texti
les
6787
803
30 36
284
928
81 12
335
223
132
77 48
226
299
71 84
168
849
342
1813
Fab
ricac
ión de
pren
das d
e ves
tir
3048
236
18 19
920
923
18 84
038
120
102
46 82
515
978
22 34
320
546
341
1314
Pre
para
ción d
el cu
ero
513
4 547
37 67
339
565
33 49
128
116
1215
6 466
36 01
646
265
41 37
923
120
15 F
abric
ación
de ca
lzado
12
88 38
123
915
44 55
238
639
271
1823
76 62
921
636
26 69
323
951
281
1516
Indu
stria
de m
ader
a y m
ueble
s 16
142 1
4844
829
61 49
653
934
321
3257
104 1
6333
697
43 47
737
196
321
1718
Impr
esión
y ed
ición
25
92 02
338
809
73 64
165
345
421
2777
122 0
0348
696
78 19
569
656
401
1831
Pro
ducto
s man
ufactu
rado
s dive
rsos
1379
559
27 57
353
365
48 20
535
026
4694
895
28 67
652
576
45 23
730
117
39 S
ervic
ios P
rest.
a Em
pres
as (R
ecicl
aje)*
141
059
14 66
519
070
17 26
236
1010
361
905
17 39
127
276
21 63
528
412
S 3Ra
ma i
nten
siva e
n te
cnol
ogía
103
116 2
0438
072
83 94
175
941
331
2820
313
0 127
44 24
578
205
69 78
934
119
19 Q
uímico
s bás
icos3
16
148 5
5937
389
252 4
6823
9 729
252
3328
185 8
9149
480
268 0
2325
1 860
272
2420
Far
macé
utico
s y m
edica
mento
s 19
74 94
535
901
43 49
937
186
480
3031
71 89
535
191
38 65
232
803
490
2521
Otro
s pro
ducto
s quím
icos
2811
0 731
40 49
162
776
54 06
437
028
6214
4 712
54 41
761
872
52 35
238
021
28 C
onstr
ucció
n de m
aquin
aria
no el
éctric
a 7
95 56
842
592
33 78
726
151
450
2026
121 5
0545
226
28 50
221
942
370
1729
Maq
uinar
ia elé
ctrica
18
304 4
6362
041
146 2
5613
5 774
200
2330
196 0
7644
210
75 32
168
021
230
2130
Con
struc
ción d
e mate
rial d
e tra
nspo
rte
1583
376
27 82
534
218
28 85
533
134
2793
804
30 99
733
618
28 72
633
122
S 4Ra
ma a
limen
taria
, beb
idas
y ta
baco
3614
7 484
44 13
110
0 710
81 87
530
127
152
152 5
0338
692
89 20
278
830
251
245
Fab
ricac
ión de
prod
uctos
lácte
os
196
760
22 65
615
227
13 04
923
15
753
2 930
124 0
8019
8 619
168 8
6223
021
6 E
labor
ación
de pe
scad
o 0
00
00
00
032
79 58
731
663
251 8
9224
2 901
401
138
Moli
nería
y pa
nade
ría
1713
0 517
45 21
480
007
72 29
935
122
5112
6 484
36 08
666
832
60 86
029
116
9 E
labor
ación
y re
finac
ión de
azúc
ar
00
00
00
00
360
947
25 68
782
742
72 97
642
149
10 O
tros p
rodu
ctos a
limen
ticios
7
116 9
6853
092
71 93
455
982
451
2738
144 6
7232
191
53 36
045
314
220
1811
Beb
idas y
taba
co
1116
7 634
41 33
512
3 459
95 28
925
145
2218
4 401
46 76
610
7 817
90 68
525
129
Tot
al Ma
nufa
ctur
a 46
111
1 788
35 06
784
657
77 41
631
126
1 078
121 4
3036
547
81 04
073
899
301
19
Cara
cter
ística
s Pro
duct
ivas d
e la M
uest
ra d
e Em
pres
as d
e Man
ufac
tura
s del
Perú
: 200
0-20
10
Cod
Sect
orMu
estra
1Mu
estra
2
Cuad
ro N
º 2.4
Car
acte
rístic
as P
rodu
ctiva
s de l
a Mue
stra
de E
mpr
esas
de M
anuf
actu
ras d
el Pe
rú: 2
000-
2010
Fuen
te:
Institu
to Na
ciona
l de E
stadís
tica e
Infor
mátic
a (20
00-2
010)
. Elab
orac
ión pr
opia.
N es
el: n
úmer
o de e
mpre
sas,
Np, e
l núm
ero d
e emp
resa
s pro
medio
por a
ño, P
rod1
: Valo
r de p
rodu
cción
real
(bas
e 199
4)
por t
raba
jador,
Pro
d2: V
alor a
greg
ado
real
por t
raba
jador
por
trab
ajado
r, kl1
: valo
r rea
l de
capit
al (m
aquin
aria,
equ
ipos,
vehíc
ulos d
e tra
nspo
rte y
equip
os d
iverso
s) po
r tra
bajad
or, kl
2, va
lor re
al de
maq
uinar
ia y
equip
o por
trab
ajado
r, Sva
: gra
do de
proc
esam
iento
(VA/
VP),
E: ga
sto en
elec
tricida
d sob
re el
valor
de pr
oduc
ción,
y A ed
ad pr
omed
io de
la em
pres
a.
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 19
Existen cuatro métodos para estimar el nivel y variaciones de la PTF: el método contable, el método de los números índices; los métodos no paramétricos y los métodos paramétricos. En cada uno de estos métodos se pueden usar de información ‘cantidades’ del proceso productivo consistentes con una función de producción o precios consistentes con una función de costos. El primer caso se le denomina la técnica primal y al segundo la dual. Esta sección se concentra en el resumen de la literatura de los métodos paramétricos basados en la función de producción1. Los trabajos de Balk (1998), Schreyer y Pilat, (2001), OECD (2008), Diewert et al (2007), Caves et al (1982) entre otros presentan los métodos contables y de números índices. Farrell (1957), Charnes et al (1994) y Fijie et al (1985) discuten los métodos no paramétricos y Nadiri (1970) cubre todos los métodos incluyendo los paramétricos tradicionales.
Todos los métodos, sin embargo, enfrentan una limitación común: la de la información que se requiere para las estimaciones de la PTF tales como producción, factores de producción y precios. Diewert (2008) discute algunos de estos problemas de medición de la información y sugiere formas de mejorarla. En lo que resta de la sección se listará los métodos modernos de estimación paramétricos en ausencia de problemas de información, los cuales requieren ser considerados en la interpretación de los resultados de la estimación.
Los métodos paramétricos con la técnica primal parten de la siguiente función producción estocástica:
1 En estos métodos paramétricos no se incluyen los métodos si bien usan parámetros las estimaciones de la PTF provienen de simulaciones. Por ejemplo, el trabajo de Hsieh & Klenow (2007).
III. MÉTODOS DE ESTIMACIÓN DE LA PRODUCTIVIDAD TOTAL FACTORIAL
[3.1] Yit =F(Ait; Vit , eit);
Donde Yit es la medida de producción de la firma ‘i’ en el período ‘t’, Ait representa la PTF de dicha firma en el mismo período, Vit el vector de factores de producción incluyendo los insumos intermedios y eit el término estocástico no controlado por la firma. La especificación de F puede tomar diferentes funciones2. La más común y que usaremos para la discusión de los métodos es la función Cobb-Douglas:
[3.2] Yit= Ait. Lita1it Kit
a2it.Ma3it.eeit. ea0it
En esta función el vector Vit está compuesto por Lit, el número de trabajadores empleados por la firma ‘i’ en el período ‘t; el capital empleado Kit, y los insumos intermedios Mit. En adición se introduce un factor ea0it que representa otro conjunto de variables de control de las firmas que también pueden incidir en el proceso de producción3. Las variables en logaritmo neperiano son denotadas en letras minúsculas. Así, la ecuación [3.2] se transforma en:
[3.3] yit= a0it+ a1it.lit+ a2it.kit+ a3it.mit + ait+ eit;
Basados en esta ecuación a continuación se ilustra los problemas de estimación y las formas como se han tratado de resolver dichos problemas.
2 Fuss et al (1978) presenta las diferentes especificaciones que pueden usarse para las estimaciones de la PTF. En el presente trabajo el problema de la especificación no es analizado aunque será tomado en cuenta en la interpretación de los resultados.
3 En el caso que aoit=ao, el parámetro puede ser interpretado como el grado de eficiencia promedio de todas las firmas en todos los períodos (Ackerberg et al, 2007).
20 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
3.1 Sesgo de Simultaneidad o Factores de Producción Endógenos
Marschak & Andrews (1944), Griliches (1957) y Griliches & Mairesse (1998) entre otros mostraron los sesgos e inconsistencias de los estimadores de mínimos cuadrados ordinarios (MCO) de la ecuación [1.3] debido a que las firmas deciden de forma simultánea los factores de producción y la productividad, por consiguiente E[xit; (ait+eit)]K0, para xit=[lit; kit; mit]. Note que (ait +eit) son variables no observadas por el investigador a pesar de que la variable ait es ‘controlada por la firma’.
Dos métodos tradicionales que ‘resuelven’ este problema de simultaneidad son:
El Método de Variables Instrumentales. Por ejemplo, aplicados en los trabajos de Eslava et al (2004) y Blundell & Bond (1998, 2000). Los dos métodos más comunes de estimación son los de MCO con variables instrumentales (o su equivalente MCO en dos etapas) y el método generalizado de momentos (GMM4). En ambos métodos el vector zit de ‘k’ instrumentos requiere estar correlacionado con el vector de ‘p’ regresores de la ecuación [3], esto es E(zit; xit)K0 y no correlacionado con los errores y la productividad, esto es E[zit;(ait+e it)]=0. En adición para que los parámetros de los regresores estén sobre-identificados o identificados (osea que sean sujetos de estimación) es necesario que k Pp.
En el trabajo de Eslava et al (2004) la selección de instrumentos fue usando el criterio de Shea (1993a y b). Así, una rama industrial, A, es considerada un adecuado instrumento de la rama B si la rama A demanda un proporción importante del producto de B5 y si el output de la rama B (y ramas relacionadas) no representan un costo importante en la producción de A6. Los productos de la industria son usando como instrumentos de
4 Hansen (1982 y 2007) y Hayasi (2000) proveen una discusión completa de método GMM.
5 Esta es la condición de relevancia.6 Esta es la condición de exogeneidad.
demanda en la primera etapa de las estimaciones de los factores de producción. En los trabajos de Blundell & Bond (1998, 2000) los instrumentos son la diferencia con retardos de los factores de producción7;
El Método de Datos de Panel (Con coeficiente Fijos, EF, o Aleatorios, EA). Por ejemplo aplicados en el trabajo de Isgut et al (1999). De acuerdo a Baltagi (1995) y Arnold (2005). Si se asume que los parámetros estructurales (ajit) son iguales entre empresas y tiempo (esto es ajit=aj) entonces la variable productividad ait puede ser estimada con datos de panel asumiendo como fija o aleatoria para cada empresa y tiempo. Los estimadores serian consistentes.
Entre los métodos modernos de afrontar el problema de simultaneidad destacan los trabajos de Levinsohn & Petrin (2003) (denominado método LP), Levinsohn et al (2004) y Olley and Pakes (1996) (denominado método OP). Prácticamente la mayoría de estimaciones de productividad a nivel de la firma en los países desarrollado y algunos en desarrollo en el presente siglo se han realizado con estos dos métodos. En esta sección presentaremos el método LP y en el siguiente acápite abordaremos el método OP8.
7 Los autores lo denominan el sistema GMM estimador cuando se usa estos instrumentos. Cuando se usa diferencia sin retardo los estimadores GMM serian sesgados para periodos cortos de la muestra.
8 Ackerberg et al (2007) exponen las limitaciones de los método IV y de datos de panel (EF y EA). Respecto al primer método los autores señalan cuatro limitaciones: i) dificultad para seleccionar las variables instrumentales; ii) en el caso que se seleccione precios como instrumentos, usualmente estos no tienen mucha variabilidad en períodos cortos de tiempo; iii) los instrumentos seleccionados pueden influenciar la evolución de la PTF y de esa forma no cumplir con una de las condiciones de ser instrumentos; iv) el método no aborda el problema de la endogeneidad debido a la salida de firmas en el mercado. En el caso del segundo método (en particular el de EF) los autores señalan tres limitaciones: i) el supuesto que la PTF sea fija a través del tiempo es muy fuerte para que sea válida; ii) los sesgos de estimación se agrandan si existe medidas de error de los insumos (factores) de producción; iii) en la práctica las estimaciones del capital son muy bajas produciendo retornos a escala por debajo de uno.
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 21
El Método LP. Aplicado por ejemplo en Levinsohn & Petrin (2003) y Van Beveren (2012). LP introduce un conjunto de supuestos que le permiten estimar los parámetros sin tener sesgos de estimación. El primer supuesto es que los materiales dependen de la productividad y del capital. Esto es que mit = mit(ait; kit). El segundo (que se deduce de otro conjunto de supuestos adicionales) que la demanda mit es una función monotónica creciente con respecto a ait, de tal forma que existe una función ait = a it(m it; kit). El tercero que ait es gobernado por un proceso de Markov de primer orden, i.e.:
[3.4] ait = E(ait/ai(t-1)) + xit ;
Donde xit es un error no correlacionado con kit pero puede estar correlacionado con el trabajo lit. Con estos supuestos, LP definen la variable fit tal que la ecuación [3.3] se convierte en:
[3.3]’ yit= a1it.lit+fit(kit; mit)+ eit; y
[3.5] fit= a0it + a2it.kit+ a3it.mit+ ait(kit,mit);
La ecuación [3.5] puede ser aproximada por un polinomio igual a [3.5]’
3 3-j [3.5]’ fit= a0it+ ∑ ∑ dsj. ki
tj.mits ;
j=0 s=0
En la Etapa 1 de la estimación, la ecuación [3.3]’ puede ser estimada por MCO reemplazando fit por la ecuación [3.5]’. Note que en esta estimación el parámetro estimado del trabajo, a1it
e (=a1e,
para todo i y t) es insesgado dado que lit no está correlacionado con eit.
De la ecuación [3.4], un estimador de E(ait/ai(t-1)) es:
[3.6] Ê(ait/ai(t-1))=âit= g0it+ g1it.âi(t-1)+ g2it. âi(t-1)
2 +g3it.âi(t-1)3;
[3.7] âit= fite- a2it
e.kit- a3ite.mit;
[3.8] fite= yit
e- a1e.lit;
3 (3-j)
[3.9] yite= a1
e.lit + ∑ ∑ dsje. kit
j.mits ; j=0 s=0
Note que el estimado del parámetro d00
e incluye el intercepto de la función de producción: parámetro a0. Este parámetro no está identificado. Los parámetros dsj
e son estimados por MCO de la ecuación [3.9]. Note que en [3.6] y [3.7] se asume que los parámetros gkit y akit son constantes para toda firma ‘i’ y período ‘t’, i.e., gkit=gk y akit=ak. Para la Etapa 2, se parte de la ecuación [3.3] y se introduce la [3.4] en esta con el supuesto de homogeneidad de los parámetros para cada firma y período se tiene:
[3.10] yit=a0+ a1e.lit+ a2.kit+ a3.mit+ Ê(ait/
ai(t-1))+ xit+eit
Se observa que en esta ecuación la covarianza entre [kit;mit] con los errores [xit;eit] es cero y como consecuencia los estimadores de los parámetros del capital y de los insumos intermedios serían insesgados. Estos parámetros son estimados minimizando los errores. Esto es: [3.11] Min ∑∑ (yit -a1
e.lit-a2e.kit- a3
emit a2
e; a3e i t
- Ê(ait/ai(t-1)))2
Así Ê(ait/ai(t-1)) también depende de los parámetros a 0, a 1
e, a 2e; a 3
e como se observa de las ecuaciones del [3.6] al [3.9]9. LP también usa el método de momentos (o variables instrumentales) para estimar los parámetros del capital y de los insumos. Sea Zit el vector de instrumentos. Entonces los parámetros a2
e y a3e pueden ser
obtenidos minimizando:
9 El parámetro f0 no es identificado dado que existe también otra constante en el polinomio de la función fit. Lo que se estima es (a0+d0).
22 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
[3.11]’ Min ∑∑ [(xit+eit).Zit]2 a2
e; a3e i t
LP sugiere dos conjuntos de instrumentos: Zit= [kit; mi(t-1)]; Z1it= [kit; mi(t-1); li(t-1); mi(t-2); ki(t-1)]. Los errores estándar de los coeficientes se calculan con la técnica del ‘bootstrap’10.
3.2 Sesgo de Selección de La Muestra o Endogeneidad Por Movimiento de Firmas11
Este sesgo ocurre cuando las decisiones de compra de los factores de producción de las firmas, en particular el capital, están asociadas a la decisión de las firmas de continuar o salir del mercado. Si esta decisión se basa en la productividad entonces existirá una correlación entre los factores de producción (particularmente el capital) y la productividad futura condicional a que las firmas continúen en producción lo cual conducirá a sesgos de las estimaciones de los parámetros. Específicamente el sesgo será negativo y el estimador del parámetro del capital sería subestimado. Estudios teóricos (por ejemplo, Jovanovic, 1982 y Hopenhayn, 1992) y empíricos (por ejemplo, Fariñas & Ruano, 2005) sustentan dicha decisión. El método Olley y Pakes (1996) aborda este problema conjuntamente con el problema de simultaneidad de la sección anterior.
El método OP, aplicado por Olley y Pakes (1996) y Van Beveren (2012) comprende tres etapas. Para ello requieren el supuesto [3.4] y dos supuestos adicionales:
[3.12] ait=h(invit, kit; vit);
La productividad es un función creciente de la inversión, invit >0, capital y otras variables vit que inciden en la función de producción. 10 Bootstrap’ se obtiene de la muestra original de datos otras
muestras (del mismo tamaño) de la muestra origina permitiendo ‘reemplazamiento’ de los datos obtenidos. Para cada ‘muestra’ obtenida se estima los parámetros ake y sus errores estándar, sak (Varian, 2005).
11 El término en ingles es ‘endogeneity of attrition’
1; si ait P ait [3.13] cit= s 0; si ait<ait
Donde cit es variable de decisión de la firma si se queda (cit=1) o sale del mercado (cit=0).
En la primera etapa se estima los parámetros del trabajo, y en el caso de OP, el de los materiales usando la ecuación [3.10] cuando estos no dependen de ‘i’ ni del tiempo:
[3.14] yit= a1.lit+ a3mit+ ait(invit; kit; vit)+ eit; y J
[3.14]’ fit= a0 + a2.kit+ ∑ aj.vjit + ait(invit; j=4
kit, vit); J
[3.14]’’ ait= fite - a2.kit- ∑ aj.vjit;
j=4
Donde, similar al caso anterior (ecuación [3.5]’), fit
e es estimado a través de un polinomio en las variables (invit; kit; vit). En la segunda etapa se estima Pit
e la probabilidad de que la firma continúe en el mercado mediante un probit teniendo como regresores (invi(t-1); ki(t-1); vi(t-1)).
La tercera etapa parte de la ecuación [3.15] donde la PTF ha sido reemplazada por la ecuación [3.4] del supuesto del proceso Markov condicional a que la empresa continúa en el mercado.
[3.15] yit= a1e.lit+ a3
e..mit+ a2.kit + E(ait/ ai(t-1), Pit)+xit + eit;
Un estimador de E(ait/ai(t-1), Pit) sugerido por OP12 es un polinomio (de grado 2), que dependa de ai(t-1) de la ecuación [3.10] y de Pit
e. Entonces la ecuación que se estima por MCO no lineales es: 12 Otro estimador para y la función g (debajo) expuesto por Olley &
Pakes (1996) son los estimadores Kernel (por ejemplo, Bierens, 1987).
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 23
[3.15]’ yit=a1e.lit+ a3
e..mit+ a2e.kit + g (fi(t-1)
e - a2
e. ki(t-1)- ∑ aje.vji(t-1); Pit
e)+xit + eit;
En esta ecuación los parámetros a estimar son a2
e y aje.
3.3 Heterogeneidad de las Plantas
Cuando la distribución del tamaño de la planta (o firmas) y por ende del tamaño de la producción varía notoriamente de acuerdo a los factores que lo explica implicando que el error de la ecuación de producción tenga diferentes distribuciones de acuerdo a los valores de producción y los factores que lo determinan. En estos casos de heterogeneidad de las plantas, los estimadores MCO de la ecuación [3] serian ineficientes e inconsistentes.
El método de cuantiles13 desarrollado por Basset & Koenker (1978 y 1982) y resumidos en Koencker & Hallock (2001) produce estimadores más eficientes que el del MCO en los casos que: i) el supuesto de normalidad de los errores no se cumple; ii) el foco de las estimaciones sean sobre la completa distribución condicional de la variable dependiente y no sobre el promedio de la distribución; iii) existan observaciones muy distantes del promedio o que la distribución sea sesgada hacia las colas. Sea Q(t) el cuantil ‘t’ condicional de la variable dependiente, yit y zit=(1, lit; kit; mit), tal que:
[3.16] Q(t)= zit’at; dondeat es el vector de
parámetros del cuantil Q(t).
El estimador at
e del cuantil Q(t) es obtenido de la siguiente optimización (de acuerdo con Basset & Koenker, 1978)
[3.16]’ at
e= min { ∑ i rt./yit-zit. at
e/};
Donde rt=t, para yit P zit. at
e y rt=(1-t)
para yit < zit. ate.
13 Morrison & Yasar (2007) aplicaron este método para el caso de la industria manufacturera de Turquía.
La ecuación [3.16]’ se resuelve con diferentes algoritmos de programación lineal (por ejemplo, los de Koenker & D’Orey, 1987; y Barrodale & Roberts, 1974). De otro lado, las desviaciones estándar de los parámetros pueden ser estimadas por: i) técnicas de ‘bootstrap’; ii) la estimación directa de la distribución asintótica de los errores derivada por ejemplo por Basset & Koenker (1978) para el caso de errores i.i.d (idénticos e independientemente distribuidos)14, y iii) la estimación directa de la distribución asintótica de errores derivada por ejemplo por Hendricks & Koenker (1992) para el caso de errores que no tienen distribuciones independientes. 3.4 Multicolinealidad
Más que un problema resultante de las relaciones entre los factores de producción, insumos y la productividad de las firmas, Ackerberg et al (2006) arguyen que el método LP y en menor medida el método OP pueden originar multicolinealidad entre el factor trabajo y la estimación de f(m,k) (de las ecuaciones [3.5] o [3.5]’) en la medida que el factor trabajo sea una variable dinámica o que esté asociado a la inversión (invit) o a los insumos intermedios (mit). En esos casos el parámetro del trabajo no podría ser identificado en la primera etapa de ambos métodos.
El método ACF sugeridos por Ackerberg et al (2006) ‘resuelve’ el problema de multicolinealidad si se asume que la función la productividad también dependa del insumo trabajo y que a través de los momentos de los errores con los factores trabajo y capital se identifique simultáneamente los parámetros de estos dos factores. Dos importantes aspectos que señalan los autores son por un lado, que el problema de colinealidad sería más severo con el método de LP que el de OP dado que es
14 Cabe señalar que la distribución de Basset & Koncker (1978) requiere información de la función de densidad del cuantil (llamada también función ´sparsity´). Esta pueda ser obtenida por los métodos: de dos cocientes de diferencia de Siddiqui (1960) (Koenker, 1994; Bassett and Koenker (1982) and el estimador de la densidad de Kernel (Powell, 1986; Jones, 1992; Buchinsky 1995).
24 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
más factible que la asociación entre insumos y el empleo será más fuerte que entre la mano de obra y la inversión. De otro lado, en los trabajos empíricos las correlaciones entre el trabajo y la función f probablemente no sean altas y por consiguiente no alteren las estimaciones de los parámetros aunque teóricamente los estimadores sean inconsistentes.
3.5 El Sesgo de Precios y Firmas Multi-Producto
En ausencia de precios de los productos de las firmas, las cantidades de la producción y los factores de producción (como capital e insumos intermedios) son obtenidos deflactando los valores con índices de precios agregados. Si yit= qit+pit-IPit donde pit es el precio del producto para la firma ‘i’ en el período ‘t’. IPit es el deflactor y qit la cantidad del producto entonces:
[3.3]” yit=a0it+ a1it.lit+ a2it.kit+ a3it.mit + (pit-IPit)+ ait+ eit;
En las estimaciones de [3.3] la diferencia de precios de [3.3]” no se incluye lo cual origina un sesgo en las estimaciones por omisión de variables. De otro lado, esta diferencia de precios origina correlaciones entre los factores de producción y los ‘errores’ que incluyen esta diferencia de precios.
Esto se agrava con los deflactores del capital y del valor de los insumos15.
Sesgos similares de estimación ocurren si las firmas producen más de un producto o tienen más de una planta. Cuando las tecnologías de cada producto o las respectivas demandas son diferentes (produciendo diferentes precios) estos sesgos ocurren. De otro lado, cuando existe información por producto de las firmas, el problema surge en el nivel deseado de ‘dígitos’ de la clasificación de productos. De Loecker (2011) presenta un método simple de abordar el problema usando el número de productos por firma y Goldberg et al., (2008) y Iacovone & Javorcik (2008), usan clasificaciones de 8 a 10 dígitos para ‘resolver´ el problema de firmas multi-producto.
Debido a limitaciones de la información disponible para la estimación de la PTF, este trabajo usa cuatro métodos de estimación para comparar los resultados y establecer cierto grado de robustez estadística en las estimaciones de la PTF. Estos son: MCO, datos de panel con efectos fijos (EF) y aleatorios (EA), LP y OP. Este último método es el que resuelve dos de los principales problemas de estimación de la PTF, los sesgos de simultaneidad y de selección de la muestra.
15 Katayama et al (2009), De Loecker (2011) y Van Beveren (2012) abordan estos problemas, y Eslava et al (2004) y Ornaghi (2006) lo ‘resuelven’ vía cantidades y precio de los insumos.
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 25
De acuerdo con la función de producción [3.2], la estimación de la PTF (=Ait ) se obtiene de la siguiente fórmula:
[4.1] Ait= exp { yit- (a0e + a1
e .lit+ a2e .kit+
a3e.mit )};
Los Ait estimados pueden ser convertidos a un índice PTFit usando la siguiente formulación:
Nt T [4.2] PTFit= (100.Ait)/Ap; Ap= (∑ ∑ Ait)/N; i t
Donde N= ∑t Nt es el número de observaciones.
Si al función [3.2] se le agrega el tiempo, esta se convierte en:
[4.3] Yit= Ait’. eaat Lit
a1it Kita2it.Ma3it.eeit. ea0it
En este caso la productividad total factorial de la firma es compuesta por dos componentes: la eficiencia/ineficiencia técnica Ait’ y el cambio tecnológico medido por la tasa de crecimiento promedio de todas las firmas aa
1. En consecuencia la tasa de variación promedio anual del producto entre el período t y (t-k) descompuesta por la contribución de cada factor estaría dado por:
1 De acuerdo a Kumbhakar & Lovell C.A.K. (2000), la variación anual de la PTF se descompone en 4 componentes: cambio tecnológico (que captura los cambios en la frontera de producción), cambio en la escala de producción (que captura cambios en la escala de las operaciones), cambio técnico (que captura los cambios técnicos hacia la frontera de producción), y ineficiencia en la asignación (el cual captura la desviación de cada participación del factor de su elasticidad). En las estimaciones a ser reportadas se asume que los dos últimos componentes son cero..
IV. ESTIMACIÓN DEL NIVEL Y TASA DE VARIACIÓN ANUAL DE LA PRODUCTIVIDAD TOTAL FACTORIAL DE LAS FIRMAS
MANUFACTURERAS DEL PERÚ, 2001-2010
[4.3]’Dk lnYit= (lnYit-lnYi(t-k))/k= (lnAit’+aa.t)- (lnAi(t-k)+aa.(t-k))/k + SDklnXit/k
= Dk.lnAit’/k+ aa + SDklnXit/k
Donde la contribución de la PTF es igual a los dos primeros términos del lado derecho de la ecuación [4.3]’. Cabe señalar que aa sólo será parte de la tasa de variación anual de la PTF si dicho coeficiente es estadísticamente significativo en las estimaciones. El segundo sumando del lado derecho de la ecuación [4.3]’ corresponde a la contribución de cada factor Xit (por ejemplo, capital trabajo y materiales)
Cuando el cambio tecnológico es introducido en la frontera de producción los índices PTF del componente de la eficiencia y técnica se calculan de la siguiente forma:
[4.1]’ Ait’= exp { yit- (a0e + a1
e .lit+ a2e .kit+
a3e.mit+aa.t )};
Note que:
[4.4] Ait’= exp{-aa.t}.Ait; ó Ait= exp{aa.t}.Ait’
En términos de índices, el índice PTF de la firma ‘i’ en el período t es descompuesto en:
[4.5] PTFit= (Ait’/Ap) (eaa.t)
El primer componente (del lado derecho de la ecuación) corresponde al índice de eficiencia técnica. El segundo componente, constante para cada firma y, que varía en forma exponencial para cada período es el índice de cambio tecnológico.
26 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
El diferencial de logaritmo de estos índices para ‘k’ períodos es definido como:
[4.6] Dk lnAit= Dk lnAit’+aa
[4.7] Dk lnPTFit= Dk lnAit=Dk lnAit’+aa
El Cuadro 4.1 presenta las estimaciones del nivel y la tasa de variación anual de la PTF de cambio técnico (esto es, el primer componente de ecuación [4.5]) de acuerdo a los métodos implementados para la Muestra1 de 461 empresas con información mínima de los años 2000, 2007, y 2010. El Cuadro 4.2 presenta las cifras de la PTF total (esto es ecuación [4.5]). Estas estimaciones se basan en las estimaciones de los parámetros de la función de producción cuyos coeficientes se reportan en el Cuadro A1 del anexo de cuadros2. Las cifras de los cuadros indican:
i) A excepción del método de efectos fijos y aleatorios3, la tasa de crecimiento promedio anual de la productividad total factorial del período 2001-2010 debido al factor cambio técnico fue negativa para todos los métodos y su magnitud varió entre -4,51% (método
2 La suma de los coeficientes k, l, m de los métodos MCO, LP y OP1 y OP2 pasaron la prueba estadística de Wald con la cual la función de producción admite economías de escala constante. Esta nula hipótesis es rechazada para las estimaciones de los datos de panel de efectos fijos y aleatorios.
3 Los métodos de datos de panel con efectos fijos y aleatorios no reportan cambios anuales de la PTF. Solo estiman promedios del nivel de acuerdo al período de la información. Para obtener las variaciones anuales de la PTF debido al cambio técnico, la muestra se dividió en 4 sub-períodos: 2000-2004; 2004-2007; 2007-2009 y 2009-2010 para 333 firmas. En cada uno de estos sub-períodos de estimaron los coeficiente de la función de producción, los cuales están reportados en el Cuadro A1 del anexo. Debido a la no constancia de la significancia estadística del coeficiente del tiempo en estas 8 estimaciones (4 para efectos fijos y 4 para los efectos aleatorios) no se pudo estimar la PTF total con estos métodos de datos de panel. Los cambios de PTF debido al cambio técnico para los sub períodos son calculados como la diferencia de los coeficientes fijos y aleatorios de cada firma y de acuerdo al período de la regresión y divididos por el número de cambios en los períodos 2000-2007; 2007- 2010 y 2000-2010.
OP14) y -2,38 (métodos MCO). El mismo
patrón siguió los cuatros grupos de ramas manufactureras.
ii) A excepción de los métodos de efectos fijos
y aleatorios de cada sub-período (2001-2007 y 2007-2010), la tasa promedio de variación anual de la PTF debido al cambio técnico para todos los métodos y sub-períodos también fue negativa, aunque la magnitud del decrecimiento fue menor para el sub-período 2007-2010. Al igual que el caso anterior, prácticamente los cuatro grupos de ramas manufactureras siguieron el mismo patrón que el total de las 461 empresas.
iii) Las estimaciones del coeficiente ‘aa’ de cambio tecnológico fue positiva para la mayoría de estimaciones implicando una tasa de variación promedio anual de la PTF debido al cambio tecnológico entre 2,98% (para OP1 y OP2) y 3,34% (para MCO) para el período 2001-2010.
iv) Tomando en cuentas los cambios tecnológicos, las tasas de variación promedio anual de la PTF (que incorpora los cambios técnicos y tecnológicos) del período 2001-2010 fueron bajas (menor a 1% para los métodos MCO y LP) incluso negativas (para los métodos OP1 y OP2). A nivel de ramas, las ramas de bienes primarios y las intensivas en tecnología son los que tuvieron en todos los métodos tasas positivas de crecimiento de la PTF en el período 2001-2010 en por lo menos uno de
4 Los comandos Stata de LP y OP1 fueron respectivamente (Levinsohn et al, 2003 y Po et al., 2006):
levpet y, free(l e Dt2 Dt3 DS1 DS2 DS3 TPeríodo) proxy (m) capital(k) revenue justid reps(100)
opreg y, exit (Salida) state(e k) proxy(inv) free( l m Dt2 Dt3 DS1 DS2 DS3 TPeríodo) vce(bootstrap, rep(100)).
Para el caso de OP1 el comando es opreg y, exit (Salida) state(e k) proxy(inv) free( l m TPeríodo)
cvars (Dt2 Dt3 DS1 DS2 DS3) vce(bootstrap, rep(100)).
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 27
los 2 sub-períodos (2001-2007 y 2008-2010). Los otros dos grupos de ramas tuvieron o tasas muy bajas o negativas de crecimiento de la PTF.
v) Para el total de las 461 empresas, la tasa de crecimiento promedio anual de la PTF con todos los métodos fue positiva para el sub-período 2008-2010, menores al 1% para los métodos OP1 y OP2 y cerca al 2,3% para los otros dos métodos (MCO y LP). En el sub-período 2001-2007 las tasas de crecimiento de la PTF fueron negativas para los métodos OP1 y OP2 y menores al 0,5% (pero positivas) para los otros dos métodos;
vi) Para todos los métodos 5 y períodos, el crecimiento del capital y la mano de obra fueron los que en mayor proporción contribuyeron al crecimiento del producto, más no así la PTF, cuya contribución fue menor a 1%. Con métodos de estimación que resuelven los problemas de sesgos por simultaneidad y de atrición (OP1 y OP2) dicha contribución fue negativa.
Los resultados de la baja PTF del sector manufacturero a nivel de 461 empresas, las cuales representan el 7% del valor agregado total y el 10% del empleo formal del sector, son consistentes con los resultados obtenidos por Tello (2012) cuya muestra fue para el período 2002-2007.
5 En los cuadros del A2 al A2 se reportan las fuentes de crecimiento del producto para los métodos OP2, LP y MCO.
28 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
Prom
Var%
Prom
Var%
Prom
Var%
Prom
Var%
Prom
Var%
Prom
Var%
Rama
s de b
ienes
prim
arios
, S1
98,3
-0,36
115,5
2,18
102,4
0,93
96,8
-0,23
79,5
-2,85
84-2
,29Ra
mas m
anufa
cture
ras l
igera
s, S 2
100,9
-4,53
89,7
1,17
98,1
0,65
99,6
-4,55
84,6
-7,18
88-6
,54Ra
mas i
ntens
ivas e
n tec
nolog
ía, S
389
-3,08
860,9
910
2,71
88-3
,0767
,6-5
,4472
,1-4
,9Ra
mas d
e Alim
entos
, Beb
ida y
Taba
co, S
410
9,4-5
,3710
3,1-2
,2398
,50,6
310
9,5-5
,3880
,4-8
,2184
,7-7
,59Pr
omed
io97
,8-2
,8998
,11,3
100,6
0,82
96,6
-2,85
78,8
-5,43
82,9
-4,84
Olley
-Pak
es2
Prod
uctiv
idad
Tot
al F
acto
rial d
e Cam
bio
Técn
ico y
su T
asa d
e Var
iació
n An
ual d
e 461
Em
pres
as p
or M
étod
o de
Est
imac
ión,
2000
- 200
7
Sect
ores
Ín
dice
de l
a PTF
y Ta
sa V
ariac
ión
Prom
edio
Anu
al1
MCO
Efec
tos F
ijos2
Efec
tos A
leato
rios2
Levin
sohn
-Pet
rinOl
ley-P
akes
1
Prom
Var%
Prom
Var%
Prom
Var%
Prom
Var%
Prom
Var%
Prom
Var%
Rama
s de b
ienes
prim
arios
, S1
102,9
-0,91
123,5
4,68
102,5
1,02
102,2
-0,74
80,1
-3,06
85,5
-2,54
Rama
s man
ufactu
rera
s lige
ras,
S 297
-4,12
86,5
-0,87
97,7
0,55
95,8
-4,07
78,6
-6,46
82,5
-5,9
Rama
s inte
nsiva
s en t
ecno
logía,
S3
91,4
-1,4
98,6
4,22
102,4
1,290
,4-1
,3967
,7-3
,2372
,9-2
,75Ra
mas d
e Alim
entos
, Beb
ida y
Taba
co, S
410
9,3-3
,0911
6,33,8
598
,91,3
710
9,9-3
,0376
,3-5
,2381
,7-4
,69Pr
omed
io98
,5-2
,3710
3,12,4
610
0,50,8
997
,7-2
,2876
,5-4
,5181
,3-3
,99
Prod
uctiv
idad
Tot
al F
acto
rial d
e Cam
bio
Técn
ico y
su T
asa d
e Var
iació
n An
ual d
e 461
Em
pres
as p
or M
étod
o de
Est
imac
ión,
2000
- 201
0
Sect
ores
Ín
dice
de l
a PTF
y Ta
sa V
ariac
ión
Prom
edio
Anu
al1
MCO
Efec
tos F
ijos2
Efec
tos A
leato
rios2
Levin
sohn
-Pet
rinOl
ley-P
akes
1 Ol
ley-P
akes
2
Cuad
ro N
º 4.1
Pro
duct
ivida
d To
tal F
acto
rial d
e Cam
bio
Técn
ico y
su Ta
sa d
e Var
iació
n Anu
al de
461 E
mpr
esas
por
Mét
odo
de E
stim
ació
n, 20
00- 2
010
Cuad
ro N
º 4.1
Pro
duct
ivida
d To
tal F
acto
rial d
e Cam
bio
Técn
ico y
su Ta
sa d
e Var
iació
n Anu
al de
461 E
mpr
esas
por
Mét
odo
de E
stim
ació
n, 20
00- 2
007
Fuen
te:
Institu
to Na
ciona
l de E
stadís
tica e
Infor
mátic
a (2
000-
2010
). El
núme
ro de
empr
esas
de S
1 es 1
53, d
e S2:
169,
de S
3 103
, de S
4 36.
De o
tro la
do, 8
7 emp
resa
s son
pequ
eñas
, 220
med
ianas
y 1
54 gr
ande
s. El
núme
ro de
obse
rvacio
nes e
s. 41
23 1
Perio
do 20
01-2
010.
Las v
ariab
les di
scre
tas de
rama
s y ta
maño
de em
pres
as se
inclu
yen e
n el e
spac
io ‘cv
ars’
del c
oman
do de
STA
TA de
l méto
do
Olley
Pak
es1.
En O
lley P
akes
2 esta
s se i
ncluy
en en
el es
pacio
‘free
’ del
mism
o com
ando
. 2 La
mue
stra e
s de 3
33 fir
mas:
110 d
e S1,
127 d
e S2,
79 de
S3 y
17 de
S4.
De es
tas fir
mas,
48 so
n pe
queñ
as,
142 m
edian
as y
143 g
rand
es.
Fuen
te:
Institu
to Na
ciona
l de E
stadís
tica e
Infor
mátic
a (2
000-
2010
). El
núme
ro de
empr
esas
de S
1 es 1
53, d
e S2:
169,
de S
3 103
, de S
4 36.
De o
tro la
do, 8
7 emp
resa
s son
pequ
eñas
, 220
med
ianas
y 1
54 gr
ande
s. El
núme
ro de
obse
rvacio
nes e
s 286
5. 1 P
eriod
o 200
1-20
07. L
as va
riable
s disc
retas
de ra
mas y
tama
ño de
empr
esas
se in
cluye
n en e
l esp
acio
‘cvar
s’ de
l com
ando
de S
TATA
del m
étodo
Ol
ley P
akes
1. En
Olle
y Pak
es2 e
stas s
e inc
luyen
en el
espa
cio ‘fr
ee’ d
el mi
smo c
oman
do. 2
La m
uestr
a es d
e 333
firma
s: 11
0 de S
1, 12
7 de S
2, 79
de S
3 y 17
de S
4. De
estas
firma
s, 48
son
pequ
eñas
, 14
2 med
ianas
y 14
3 gra
ndes
.
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 29
Prom
Var%
Prom
Var%
Prom
Var%
Prom
Var%
Prom
Var%
Prom
Var%
Rama
s de b
ienes
prim
arios
, S1
111,4
-2,2
142,9
10,49
103,5
1,21
112,4
-1,92
80,8
-3,55
87,9
-3,14
Rama
s man
ufactu
rera
s lige
ras,
S 289
,2-3
,1882
,5-5
,6396
,80,3
388
,2-2
,9466
,5-4
,7871
,6-4
,39Ra
mas i
ntens
ivas e
n tec
nolog
ía, S
393
,12,5
111
3,611
,7410
2,21,6
792
,12,5
164
,81,9
271
,12,2
4Ra
mas d
e Alim
entos
, Beb
ida y
Taba
co, S
410
7,12,2
214
5,418
,0410
1,33,1
108,1
2,47
67,9
1,73
74,7
2,06
Prom
edio
98,7
-1,16
112,8
5,18
100,5
1,06
98,6
-0,96
70,9
-2,37
77,1
-1,99
Olley
-Pak
es1
Olley
-Pak
es2
Prod
uctiv
idad
Tot
al F
acto
rial d
e Cam
bio
Técn
ico y
su T
asa d
e Var
iació
n An
ual d
e 461
Em
pres
as p
or M
étod
o de
Est
imac
ión,
2007
- 201
0
Sect
ores
Ín
dice
de l
a PTF
y Ta
sa V
ariac
ión
Prom
edio
Anu
al1
MCO
Efec
tos F
ijos2
Efec
tos A
leato
rios2
Levin
sohn
-Pet
rin
Cuad
ro N
º 4.1
Pro
duct
ivida
d To
tal F
acto
rial d
e Cam
bio
Técn
ico y
su Ta
sa d
e Var
iació
n Anu
al de
461 E
mpr
esas
por
Mét
odo
de E
stim
ació
n, 20
07- 2
010
Fuen
te: I
nstitu
to Na
ciona
l de E
stadís
tica e
Infor
mátic
a (2
000-
2010
). ) E
l núm
ero d
e emp
resa
s de S
1 es 1
53, d
e S2:
169,
de S
3 103
, de S
4 36.
De o
tro la
do, 8
7 emp
resa
s son
pequ
eñas
, 220
med
ianas
y 1
54 gr
ande
s. El
núme
ro de
obse
rvacio
nes e
s 196
0. La
s var
iables
disc
retas
de ra
mas y
tama
ño de
empr
esas
se in
cluye
n en e
l esp
acio
‘cvar
s’ de
l com
ando
de S
TATA
del m
étodo
Olle
y Pak
es1.
En O
lley
Pake
s2 es
tas se
inclu
yen e
n el e
spac
io ‘fre
e’ de
l mism
o com
ando
. 1 P
eriod
o 200
8-20
10. 2
La m
uestr
a es d
e 333
firma
s: 11
0 de S
1, 12
7 de S
2, 79
de S
3 y 17
de S
4. De
estas
firma
s, 48
son
pequ
eñas
, 14
2 med
ianas
y 14
3 gra
ndes
.
30 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
Prom Var% Prom Var% Prom Var% Prom Var%Ramas de Bienes Primarios, S1 102,5 2,43 101,9 2,43 79,3 -0,08 84,7 0,43Ramas manufactureras ligeras, S2 95,1 -0,78 94,1 -0,9 76,6 -3,48 80,6 -2,92Ramas intensivas en tecnología, S3 90,7 1,94 89,7 1,78 66,7 -0,25 72 0,22Ramas de Alimentos, Bebida y Tabaco, S4 108,6 0,25 109,3 0,14 75,3 -2,25 80,7 -1,72
Promedio 97,5 0,98 96,7 0,89 75,2 -1,54 80 -1,01
Productividad Factorial Total y su Tasa de Variación Anual de 461 Empresas de Acuerdo a la Estimación del VP (2000- 2010)
Sectores Indice de la PTF y Tasa Variación Promedio Anual1
MCO Levinsohn-Petrin Olley-Pakes1 Olley-Pakes2
Prom Var% Prom Var% Prom Var% Prom Var%Ramas de Bienes Primarios, S1 91,9 2,98 90,8 2,94 74,5 0,13 78,8 0,69Ramas manufactureras ligeras, S2 93,5 -1,18 92,7 -1,38 78,7 -4,21 81,9 -3,57Ramas intensivas en tecnología, S3 82,7 0,26 82,1 0,1 63 -2,46 67,3 -1,92Ramas de Alimentos, Bebida y Tabaco, S4 100,8 -2,02 101,4 -2,21 74,4 -5,23 78,5 -4,61
Promedio 91 0,46 90,2 0,32 73,5 -2,46 77,4 -1,87
Productividad Factorial Total y su Tasa de Variación Anual de 461 Empresas de Acuerdo a la Estimación del VP (2000- 2007)
Sectores Indice de la PTF y Tasa Variación Promedio Anual1
MCO Levinsohn-Petrin Olley-Pakes1 Olley-Pakes2
Prom Var% Prom Var% Prom Var% Prom Var%Ramas de Bienes Primarios, S1 123 1,1 123,5 1,28 88,3 -0,57 96 -0,16Ramas manufactureras ligeras, S2 98,2 0,12 96,8 0,26 72,5 -1,8 78 -1,41Ramas intensivas en tecnología, S3 102,9 5,81 101,3 5,71 70,9 4,9 77,9 5,22Ramas de Alimentos, Bebida y Tabaco, S4 118,4 5,52 119 5,67 74,3 4,71 81,8 5,04
Promedio 109 2,14 108,3 2,24 77,5 0,61 84,2 0,99
Productividad Factorial Total y su Tasa de Variación Anual de 461 Empresas de Acuerdo a la Estimación del VP (2007- 2010)
Sectores Indice de la PTF y Tasa Variación Promedio Anual1
MCO Levinsohn-Petrin Olley-Pakes1 Olley-Pakes2
Cuadro Nº 4.2 Productividad Factorial Total y su Tasa de Variación Anual de 461
Empresas de Acuerdo a la Estimación del VP (2000- 2010)
Cuadro Nº 4.2 Productividad Factorial Total y su Tasa de Variación Anual de 461
Empresas de Acuerdo a la Estimación del VP (2000- 2007)
Cuadro Nº 4.2 Productividad Factorial Total y su Tasa de Variación Anual de 461 Empresas de Acuerdo a la Estimación del VP (2007- 2010)
Fuente: Instituto Nacional de Estadística e Informática (2000-2010). El número de empresas de S1 es 153, de S2: 169, de S3 103, de S4 36. De otro lado, 87 empresas son pequeñas, 220 medianas y 154 grandes. El número de observaciones es. 4123. 1 Periodo 2001-2010. Las variables discretas de ramas y tamaño de empresas se incluyen en el espacio ‘cvars’ del comando de STATA del método Olley Pakes1. En Olley Pakes2 estas se incluyen en el espacio ‘free’ del mismo comando.
Fuente: Instituto Nacional de Estadística e Informática (2000-2010). 1 Período 2001-2007. El número de empresas de S1 es 153, de S2: 169, de S3 103, de S4 36. De otro lado, 87 empresas son pequeñas, 220 medianas y 154 grandes. El número de observaciones es. 2865. Las variables discretas de ramas y tamaño de empresas se incluyen en el espacio ‘cvars’ del comando de STATA del método Olley Pakes1. En Olley Pakes2 estas se incluyen en el espacio ‘free’ del mismo comando.
Fuente: Instituto Nacional de Estadística e Informática (2000-2010). El número de empresas de S1 es 153, de S2: 169, de S3 103, de S4 36. De otro lado, 87 empresas son pequeñas, 220 medianas y 154 grandes. El número de observaciones es. 1960. Las variables discretas de ramas y tamaño de empresas se incluyen en el espacio ‘cvars’ del comando de STATA del método Olley Pakes1. En Olley Pakes2 estas se incluyen en el espacio ‘free’ del mismo comando. 1 Periodo 2008-2010.
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 31
Dos temas que se originan cuando se requiere analizar las variables de desempeño agregadas de una economía son el nivel de agregación y la descomposición de la tasa de variación de dicho nivel. Levinshon & Petrin (2012) y Foster et al (2001) abordan estos temas. Para los propósitos del informe la productividad total factorial agregada para el sector manufacturero, denotado por PTFAt para el período ‘t’ es definida, de acuerdo a Bailey et al (1992), según las ecuaciones [5.1] y [5.2].ida de las siguientes dos ecuaciones:
N [5.1] lnPTFAt= S sitlnPTFit; i=1
[5.2] PTFAt= elnPTFAt
Donde ln es el operador del logaritmo neperiano, sit es la participación de la firma ‘i’ en periodo ‘t’ del valor del producto (VPit)1 del respectivo universo de las ‘Nt’ empresas representativas del período ́ t´. Si existe disponibilidad de los denominados ‘factores de expansión’ (fit) para cada firma ‘i’ entonces sit es calculada de la siguiente forma:
Nt Nt
[5.3] sit= VPit.fit/[SiVPit.fit]; donde SiVPit. fit=VPt
En ausencia de estos factores de expansión, se puede usar las participaciones de los J grupos de ramas de la Clasificación Internacional Industrial
1 Las estimaciones de los valores de producción real se obtienen de dividir cada valor agregado real de cada grupo de rama ‘j’ entre el ratio valor agregado sobre valor de producción obtenido como promedio de los respectivos ratios de las matrices input-output de 1994 y 2007 del INEI. Estos ratios por rama se han asumidos constantes durante el período 2000-2010.
V. LA PTF AGREGADA DEL SECTOR MANUFACTURERO DEL PERÚ, 2001-2010
Uniforme - CIIU donde exista información del valor agregado real. La participación de cada grupo ‘j’ del universo es: J J[5.4] sjt= VPjt/[Sj.VPjt], note que Sj.VPjt= VPt
Donde VPjt es el valor de producción real del grupo de ramas CIIIUs ´j´ en el período ´t´, VPt es el valor de producción agregado real del sector manufacturero en el período ‘t’. Supongamos que cada grupo ´j´ tiene una muestra representativa de njt firmas en el período ‘t’. En consecuencia, la participación en el valor de producción de cada firma ́ i´ dentro de cada grupo ́ j´ en el período ‘t’ es:
njt J[5.5] sjit’= VPjit/[Si VPjit]; note que Sj njt= Nt
En ausencia de los factores de expansión la ecuación [5.3] es reemplazada por:
njt
[5.3]’sjit= sjit’.sjt= (VPjit.fjt)/VPt; fjt=VPjt/[SiVPjit] La productividad agregada sería entonces:
J njt [5.1]’ lnPTFAt= S S sjit.lnPTFjit; j=1 i=1
J njt Note que Sj Si sjit=1 La tasa de cambio de la PTFA entre el período ́ t´y ‘t-k’ es dada por:
[5.6] DklnPTFAt= lnPTFAt-lnPTFA(t-k)
32 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
En el tema de la descomposición de la tasa de variación de la PTAt, Bailey et al (1992) toma en cuenta el movimiento de firmas (las nuevas
firmas que entran denotada por ‘NE’; las firmas que salen denotadas por ‘Ex’ y las que continúan entre períodos denotado por ‘C’). Así, la ecuación [5.6] se descompone en:
J nj J nj J njt
[5.7] DklnPTFAt = Sj Si sji(t-k).DklnPTFjit +Sj Si lnPTFjit Dksjit+ +Sj Si sjit.lnPTFjit
(i e C) (i e C) (i e NE)
J njt
- Sj Si sji(t-k).lnPTFji(t-k) ; (i e Ex)
El primer sumando del lado derecho de la ecuación [5.7] es la contribución de los cambios de la productividad total factorial al crecimiento de la PTF del sector manufacturero de las firmas que continúan produciendo entre los períodos ‘t’ y ‘t-k’. El segundo sumando del lado derecho es la contribución de la reasignación de firmas entre ramas productivas. El tercer sumando es la contribución de las nuevas firmas en el crecimiento de la PTF del sector y el último sumando es la contribución de las firmas que salen del mercado
en el período ‘t-k’. La diferencia del tercer sumando menos el cuarto sumando representa el cambio neto en la productividad debido al movimiento de entrada y salidas. Así, si la PTF de las empresas que salen es menor que las que entran dicha contribución sería positiva. Lo contrario ocurre si la PTF de las empresas salientes es mayor al de las entrantes.
Foster et al (2001), por su parte presenta una alternativa descomposición:
J nj J nj [5.8] DklnPTFAt= Sj Si sji(t-k).DklnPTFjit +Sj Si (lnPTFji(t-k)-lnPTFA(t-k)).Dksjit+ (i e C) (i e C) J njt Sj Si Dksjit.DklnPTFjit
(i e C)
J njt J njt
+ Sj Si sjit.(lnPTFjit-lnPTFA(t-k))- Sj Si sji(t-k).(lnPTFji(t-k)-lnPTFA(t-k)) (i e NE) (i e Ex)
El primer componente del lado derecho de [5.8] corresponde a los cambios de la PTF dentro del sector y de la firma (WE). El segundo componente corresponde al efecto del cambio de PTF de firma entre dos grupos de ramas distintas (BE). El tercer componente corresponde al efecto cruzado (covarianza) de los cambios de PTF y de
participaciones, (CT). El cuarto componente es la contribución de las empresas que entran (En) a la PTF agregada y el quinto componente es la respectiva de las empresas que salen (Ex).
De acuerdo a Haltinwager (1997), dos diferencias existen entre las fórmulas [5.7] y [5.8]. La primera
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 33
que los efectos de los cambios de productividad entre ramas ‘j’ y el neto del movimiento de firmas en [5.7] no considera las desviaciones de la PTF de las firmas con respecto a la PTF de la industria en el período ‘t-k’. Al considerar estas desviaciones en [5.8] es posible tener efectos negativos y positivos de las empresas que entran y salen y de los cambios de las participaciones de las empresas que continúan en la industria. La segunda que la formula [5.8] considera de la ‘covarianza’ de los cambios de las participaciones y productividad de las firmas. Así si las empresas incrementan su productividad es posible que disminuyan su participación y el efecto cruzado de estos cambios disminuiría la PTF agregada del sector manufacturero.
Una información adicional que se introduce en las descomposiciones de la PTF es con respecto al movimiento de empleo de las empresas. Así, se distingue tres tipos de empresas: las que generan o crean empleo (JC), las que destruyen o reducen el empleo (JD) y las que empresas que mantienen e empleo (NC).
Dado que no existe información del nivel de universo de empresas manufactureras (formales e informales), la estimación de la PTF agregada de manufacturas se basa en dos grupos de empresas. El primer grupo, denominado el universo simulado (U) y el segundo la muestra empresas, M, que tienen información para el cálculo de la PTF.
Para estimar los valores de producción del universo real manufacturero, que se requieren por [5.3]’, se utiliza el promedio de los grados procesados de cada grupo de ramas manufactureras de las matrices insumo producto de 1994 y 2007. Dichos promedios multiplicados por el valor agregado real de cada grupo de ramas generan el valor de producción del respectivo grupo de ramas.
La primera hoja del Cuadro 5.1 describe las participaciones del valor real (en soles de 1994)
de producción de cada rama del valor real de producción del sector manufacturero. En la siguiente hoja del Cuadro 5.1 se lista el número de empresas que tienen información para el cálculo de la PTF. Estas empresas son las correspondientes a la muestra. Estas también sirven para el cálculo de la PTF agregada del sector manufacturero donde se asume que el factor de expansión fjt es igual para todas las firmas ‘i’ que pertenecen a la rama ‘j’ del período ‘t’. En la tercera hoja del Cuadro 5.1 se lista las empresas que continúan del período o año anterior. Esto es, tienen información de la PTF en el año ‘t-1’ y ‘t’. Este es el conjunto ‘C’ de la ecuación [5.8]. Las siguientes dos hojas del Cuadro 5.1 describen el número de firmas que entran (en la muestra) en el período (año) ‘t’ y las que salen en dicho período (año) y que operaban en dicho período. La última hoja del Cuadro 5.1 reporta la representatividad (en términos de valor real (soles de base 94) de producción de las empresas consideradas en la muestra y que sirve del base para el universo simulado.
Los Cuadros 5.2 y en el anexo A5 reportan las tasas promedio de crecimiento anual de la productividad total factorial agregada del sector manufacturero del universo simulado y de la muestra por periodo anual y sub-periodos, y por años respectivamente. El Cuadro A6 del anexo lista el número de empresas que se incluyen en cada uno de los componentes de la ecuación [5.8].
Las cifras de los cuadros indican:
i) Similar a los resultados de la sección anterior y para los grupos de muestras (el universo simulado y el muestral), la PTF agregada en el periodo 2001-2010 (basados en los índices PTF del método OP1) fue negativa y no contribuyó sustancialmente al crecimiento del producto manufacturero que creció a una tasa de 5.86%. Sin embargo, por sub-períodos, la productividad creció en el período 2008-2010 y decreció en el período 2001-2007.
34 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
ii) En todos los períodos, las empresas que crearon empleo disminuyeron su PFT, mientras que las empresas que disminuyeron empleo incrementaron su productividad en el período 2001-2007 y la disminuyeron en el segundo período, 2008-2010. De otro lado, las empresas sin cambio de empleo también decrecieron su PTF. Estos resultados implicaron que el cambio de la PTF para el conjunto de empresas fuese negativo para todos los períodos.
iii) Los cambios de productividad debido a la reasignación de firmas entre ramas CIIU de 4 dígitos sigue el mismo patrón que el de los cambios de cada empresa. Sin embargo, la magnitud de estos cambios fueron mucho menores que los del componente anterior. Esto sugiere que los cambios de la PTFA dependen en mayor proporción a los cambios dentro de la empresa que al movimiento de empresas entre ramas productivas formales.
iv) Los efectos cruzados en todos los periodos y para los tres tipos de empresas fueron positivos indicando que las empresas que ganaban (perdían) en participación en producción lo hacían con un mayor (menor) nivel de PTF.
v) Prácticamente para todos los períodos la PTF de las nuevas empresas que ‘entraban’ a la industria (o a la muestra) era menor de las empresas que salían de la industria (o a la muestra). El efecto neto del flujo de empresas de la industria (muestra) fue negativo disminuyendo así la PTF agregada del sector manufacturero.
vi) Finalmente, la tasa de crecimiento negativa de la PTFA al parecer se explica por la disminución de la PTF de las empresas que permanence en las ramas y por la ‘salida’ de las empresas (de la muestra o de la industria) con alta productividad.
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 35
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
Prod
uctos
Alim
entic
ios15
1 152
153 1
5428
,2229
,2329
,2329
,3827
,7126
,1626
,0726
,7827
,4229
,2626
,96Be
bidas
y Ta
baco
155 1
60
4,95,0
15,3
24,9
74,2
54,1
34,0
94,0
24,1
84,6
64,5
Fabr
icació
n de T
extile
s01
40 17
1 172
173
7,98
7,16
7,51
7,38
7,44
6,91
6,25
6,12
4,92
3,87
4,12
Fabr
icació
n de P
rend
as de
Ves
tir18
1 182
7,0
76,9
96,9
57,1
76,6
86,2
15,4
65,3
94,7
43,5
64,8
7Pr
epar
ación
del C
uero
191
0,22
0,21
0,15
0,20,1
80,1
50,1
20,1
10,1
0,12
0,11
Fabr
icació
n de C
alzad
o19
20,9
10,8
40,6
0,41
0,31
0,21
0,11
0,13
0,20,3
20,2
8Ind
ustria
Mad
era y
Mue
bles
201 2
02 2
03 36
12,1
72,0
62,4
52,2
62,4
12,2
52,1
52,1
22,0
92,0
12
Fabr
icació
n de P
apel
210
3,13,0
23,1
52,8
63
3,23,1
63,3
43,9
33,5
93,6
5Im
pres
ion y
Edici
ón22
1 222
223
2,22,2
82,5
12,9
92,8
12,9
32,7
42,6
82,7
82,9
43,0
3Qu
ímico
s Bas
icos
241 2
42 24
33,5
13,6
33,7
23,6
13,5
43,8
23,6
33,8
3,46
2,79
2,69
Farm
aceú
ticos
y Me
dicam
entos
242
1,52
1,61,8
61,7
81,2
71,3
1,51
1,59
1,61
1,74
1,43
Otro
s Pro
ducto
s Quím
icos
242
4,37
4,54
4,58
4,58
4,54
4,34
4,54,7
24,8
75,0
24,7
3Ca
ucho
, Plas
tico y
Ref.
Petr
oleo
231 2
32 25
1 252
11,56
11,72
10,81
10,92
12,27
14,06
13,21
12,76
12,53
14,99
15,25
Fab.
de P
rod.
no M
etálic
os26
1 269
5,5
85,4
26,0
25,9
95,7
45,6
95,8
66,3
97,4
17,8
48,2
6Si
deru
rgia
271 2
73
2,19
2,17
2,12
2,23
3,21
3,64
3,71
3,84
4,11
3,31
2,99
Tran
sform
ación
de M
etales
No F
erro
sos
272 2
73
4,75
4,84
4,49
5,39
6,99
7,56
9,28
6,87
5,76
4,76
5,29
Prod
uctos
Metá
licos
281 2
89
3,71
3,47
3,43,5
53,4
3,39
3,73
4,09
4,72
4,28
4,71
Cons
trucc
ión de
Maq
uinar
ia No
Eléc
trica
291 2
92 30
01,1
31,0
60,8
60,6
50,4
20,3
90,4
0,43
0,37
0,30,2
6Ma
quina
ria E
léctric
a29
3 311
312 3
13 31
4 315
319 3
921,9
21,7
91,4
91,1
91,4
71,2
61,6
1,83
1,71
1,31,3
3Co
nstru
cción
de M
ateria
l de T
rans
porte
341 3
42 34
3 351
352 3
53 35
90,8
20,8
0,67
0,68
0,67
0,77
0,86
1,12
1,41
1,59
2,04
Prod
uctos
Man
uf. D
iverso
s22
1 321
322 3
23 33
1 332
333 3
69 37
1 372
2,17
2,16
2,12
1,83
1,68
1,61
1,56
1,87
1,69
1,74
1,49
Repr
esen
tativ
idad
y Ca
mbi
os d
el Nú
mer
o de
Em
pres
as p
ara l
a Est
imac
ión
de la
PTF
Agr
egad
a del
Sect
or M
anuf
actu
rero
, 200
0-20
10
Ram
a Ind
ustri
alCI
IU (3
díg
itos)
Parti
cipac
ión
del V
P de
cada
Ram
a Ind
ustri
al re
spec
to al
VP
man
ufac
ture
ro
Cuad
ro N
º 5.1
Repr
esen
tativ
idad
y Ca
mbi
os d
el Nú
mer
o de
Em
pres
as p
ara l
a Est
imac
ión
de la
PTF
Agr
egad
a del
Sect
or M
anuf
actu
rero
, 200
0-20
10
Fuen
te: I
nstitu
to Na
ciona
l de E
stadís
tica e
Infor
mátic
a (20
00-2
010)
. La r
ama P
rodu
ctos A
limen
ticios
agru
pa la
s ram
as Fa
brica
ción d
e Pro
ducto
s Lác
teos,
Elab
orac
ión de
Pes
cado
, Moli
nería
y Pa
nade
ría, E
labor
ación
y R
efina
ción d
e Azú
car y
Otro
s Pro
ducto
s Alim
entic
ios.
36 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
Prod
uctos
Alim
entic
ios15
1 154
152 1
5322
517
311
333
7066
4642
319
120
620
5Be
bidas
y Ta
baco
155 1
6045
3037
2218
2718
3132
3336
Fabr
icació
n de T
extile
s17
1 173
172
190
176
206
119
190
156
133
247
181
215
185
Fabr
icació
n de P
rend
as de
Ves
tir18
1 182
156
112
149
8013
512
786
196
208
222
221
Prep
arac
ión de
l Cue
ro19
127
2628
1020
1613
2422
2018
Fabr
icació
n de C
alzad
o19
248
3241
1829
2414
4743
3339
Indus
tria M
ader
a y M
ueble
s20
1 202
361
9458
7635
6460
4413
117
118
418
5Fa
brica
ción d
e Pap
el21
027
2835
2126
2524
4933
3131
Impr
esion
y Ed
ición
221 2
22 22
313
010
212
376
109
8880
137
145
153
139
Quím
icos B
asico
s24
1 243
242
3837
4416
4030
2656
4245
38Fa
rmac
eútic
os y
Medic
amen
tos24
231
3042
2835
3729
6033
4641
Otro
s Pro
ducto
s Quím
icos
242
9372
9544
7978
6910
885
9573
Cauc
ho, P
lastic
o y R
ef. P
etrole
o23
1 232
251 2
5216
113
516
494
130
125
8821
415
318
017
9Fa
b. de
Pro
d. no
Metá
licos
261 2
6964
4357
3552
4630
8467
9485
Side
rurg
ia27
1 273
1815
2014
1213
1121
1618
16Tr
ansfo
rmac
ión de
Meta
les N
o Fer
roso
s27
2 273
2417
2112
1613
1219
2622
23Pr
oduc
tos M
etálic
os28
1 289
139
115
134
5911
710
382
204
188
212
181
Cons
trucc
ión de
Maq
uinar
ia No
Eléc
trica
291 2
92 30
0 47
2840
1726
3323
6460
5847
Maqu
inaria
Eléc
trica
293 3
11 31
2 313
314 3
15 31
943
3944
2441
3431
5644
5248
Cons
trucc
ión de
Mate
rial d
e Tra
nspo
rte34
1 342
343 3
51 35
2 359
4134
3319
3125
2454
5265
59Pr
oduc
tos M
anuf.
Dive
rsos
221 3
21 32
2 323
331 3
32 33
3 369
371 3
7285
7191
4067
4438
8572
9375
Tota
l17
2613
7315
9381
613
0711
7092
123
1018
6420
7719
24
Rep
rese
ntat
ivida
d y C
ambi
os d
el Nú
mer
o de
Em
pres
as p
ara l
a Est
imac
ión
de la
PTF
Agr
egad
a del
Sect
or M
anuf
actu
rero
, 200
0-20
10
Ram
a Ind
ustri
alCI
IU (3
díg
itos)
Núm
ero
de E
mpr
esas
de U
nive
rso
Sim
ulad
o
Cuad
ro N
º 5.1
Rep
rese
ntat
ivida
d y C
ambi
os d
el Nú
mer
o de
Em
pres
as p
ara l
a Est
imac
ión
de la
PTF
Agr
egad
a del
Sect
or M
anuf
actu
rero
, 200
0-20
10
Fuen
te: I
nstitu
to Na
ciona
l de E
stadís
tica e
Infor
mátic
a (20
00-2
010)
. La r
ama P
rodu
ctos A
limen
ticios
agru
pa la
s ram
as Fa
brica
ción d
e Pro
ducto
s Lác
teos,
Elab
orac
ión de
Pes
cado
, Moli
nería
y Pa
nade
ría, E
labor
ación
y R
efina
ción d
e Azú
car y
Otro
s Pro
ducto
s Alim
entic
ios.
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 37
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
Prod
uctos
Alim
entic
ios15
1 154
152 1
53n.d
.10
475
1115
3828
2357
8411
0Be
bidas
y Ta
baco
155 1
60n.d
.22
2416
1113
1412
1926
28Fa
brica
ción d
e Tex
tiles
171 1
73 17
2n.d
.14
013
782
8312
587
9412
714
114
5Fa
brica
ción d
e Pre
ndas
de V
estir
181 1
82n.d
.64
7044
4065
4843
7511
712
0Pr
epar
ación
del C
uero
191
n.d.
2117
74
87
614
1413
Fabr
icació
n de C
alzad
o19
2n.d
.28
2712
1014
77
2017
24Ind
ustria
Mad
era y
Mue
bles
201 2
02 36
1n.d
.38
4216
1533
1826
4778
95Fa
brica
ción d
e Pap
el21
0n.d
.21
2413
1216
1420
2723
23Im
pres
ion y
Edici
ón22
1 222
223
n.d.
7069
4442
5240
4355
7689
Quím
icos B
asico
s24
1 243
242
n.d.
2729
1315
2213
1933
3432
Farm
aceú
ticos
y Me
dicam
entos
242
n.d.
2328
2221
2317
2631
3138
Otro
s Pro
ducto
s Quím
icos
242
n.d.
5656
2926
5244
5262
6965
Cauc
ho, P
lastic
o y R
ef. P
etrole
o23
1 232
251 2
52n.d
.10
810
575
6076
5568
108
117
146
Fab.
de P
rod.
no M
etálic
os26
1 269
n.d.
3530
2222
2722
2132
4659
Side
rurg
ia27
1 273
n.d.
1114
1310
89
1013
1312
Tran
sform
ación
de M
etales
No F
erro
sos
272 2
73n.d
.15
149
911
75
1316
18Pr
oduc
tos M
etálic
os28
1 289
n.d.
8985
4139
6744
4880
108
114
Cons
trucc
ión de
Maq
uinar
ia No
Eléc
trica
291 2
92 30
0 n.d
.22
2012
915
911
2630
31Ma
quina
ria E
léctric
a29
3 311
312 3
13 31
4 315
319
n.d.
2927
1719
2014
2328
2837
Cons
trucc
ión de
Mate
rial d
e Tra
nspo
rte34
1 342
343 3
51 35
2 359
n.d.
2720
1313
1813
1526
3542
Prod
uctos
Man
uf. D
iverso
s22
1 321
322 3
23 33
1 332
333 3
69 37
1 372
n.d.
4042
2319
2919
2431
4248
Tota
ln.d
.99
095
553
449
473
252
959
692
411
4512
89
Repr
esen
tativ
idad
y Ca
mbi
os d
el Nú
mer
o de
Em
pres
as p
ara l
a Est
imac
ión
de la
PTF
Agr
egad
a del
Sect
or M
anuf
actu
rero
, 200
0-20
10
Ram
a Ind
ustri
alCI
IU (3
díg
itos)
Núm
ero
de E
mpr
esas
que
Con
tinúa
n de
l Per
íodo
Ant
erio
r [C]
Cuad
ro N
º 5.1
Repr
esen
tativ
idad
y Ca
mbi
os d
el Nú
mer
o de
Em
pres
as p
ara l
a Est
imac
ión
de la
PTF
Agr
egad
a del
Sect
or M
anuf
actu
rero
, 200
0-20
10
Fuen
te: I
nstitu
to Na
ciona
l de E
stadís
tica e
Infor
mátic
a (2
000-
2010
). La r
ama P
rodu
ctos A
limen
ticios
agru
pa la
s ram
as Fa
brica
ción d
e Pro
ducto
s Lác
teos,
Elab
orac
ión de
Pes
cado
, Moli
nería
y Pa
nade
ría, E
labor
ación
y R
efina
ción d
e Azú
car y
Otro
s Pro
ducto
s Alim
entic
ios. n
.d .no
disp
onibl
e.
38 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
Prod
uctos
Alim
entic
ios15
1 154
152 1
53n.d
.69
3822
5528
1840
013
412
295
Bebid
as y
Taba
co15
5 160
n.d.
813
67
144
1913
78
Fabr
icació
n de T
extile
s17
1 173
172
n.d.
3669
3710
731
4615
354
7440
Fabr
icació
n de P
rend
as de
Ves
tir18
1 182
n.d.
4879
3695
6238
153
133
105
101
Prep
arac
ión de
l Cue
ro19
1n.d
.5
113
168
618
86
5Fa
brica
ción d
e Calz
ado
192
n.d.
414
619
107
4023
1615
Indus
tria M
ader
a y M
ueble
s20
1 202
361
n.d.
2034
1949
2726
105
124
106
90Fa
brica
ción d
e Pap
el21
0n.d
.7
118
149
1029
68
8Im
pres
ion y
Edici
ón22
1 222
223
n.d.
3254
3267
3640
9490
7750
Quím
icos B
asico
s24
1 243
242
n.d.
1015
325
813
379
116
Farm
aceú
ticos
y Me
dicam
entos
242
n.d.
714
614
1412
342
153
Otro
s Pro
ducto
s Quím
icos
242
n.d.
1639
1553
2625
5623
268
Cauc
ho, P
lastic
o y R
ef. P
etrole
o23
1 232
251 2
52n.d
.27
5919
7049
3314
645
6333
Fab.
de P
rod.
no M
etálic
os26
1 269
n.d.
827
1330
198
6335
4826
Side
rurg
ia27
1 273
n.d.
46
12
52
113
54
Tran
sform
ación
de M
etales
No F
erro
sos
272 2
73n.d
.2
73
72
514
136
5Pr
oduc
tos M
etálic
os28
1 289
n.d.
2649
1878
3638
156
108
104
67Co
nstru
cción
de M
aquin
aria
No E
léctric
a29
1 292
300
n.d.
620
517
1814
5334
2816
Maqu
inaria
Eléc
trica
293 3
11 31
2 313
314 3
15 31
9n.d
.10
177
2214
1733
1624
11Co
nstru
cción
de M
ateria
l de T
rans
porte
341 3
42 34
3 351
352 3
59n.d
.7
136
187
1139
2630
17Pr
oduc
tos M
anuf.
Dive
rsos
221 3
21 32
2 323
331 3
32 33
3 369
371 3
72n.d
.31
4917
4815
1961
4151
27To
tal
n.d.
383
638
282
813
438
392
1714
940
932
635
Repr
esen
tativ
idad
y Ca
mbi
os d
el Nú
mer
o de
Em
pres
as p
ara l
a Est
imac
ión
de la
PTF
Agr
egad
a del
Sect
or M
anuf
actu
rero
, 200
0-20
10
Ram
a Ind
ustri
alCI
IU (3
dig
itos)
Núm
ero
de em
pres
as q
ue en
tran
en el
año
(NE)
Cuad
ro N
º 5.1
Repr
esen
tativ
idad
y Ca
mbi
os d
el Nú
mer
o de
Em
pres
as p
ara l
a Est
imac
ión
de la
PTF
Agr
egad
a del
Sect
or M
anuf
actu
rero
, 200
0-20
10
Fuen
te: I
nstitu
to Na
ciona
l de E
stadís
tica e
Infor
mátic
a (20
00-2
010)
. La r
ama P
rodu
ctos A
limen
ticios
agru
pa la
s ram
as Fa
brica
ción d
e Pro
ducto
s Lác
teos,
Elab
orac
ión de
Pes
cado
, Moli
nería
y Pa
nade
ría, E
labor
ación
y R
efina
ción d
e Azú
car y
Otro
s Pro
ducto
s Alim
entic
ios. n
.d. no
disp
onibl
e.
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 39
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
Prod
uctos
Alim
entic
ios15
1 154
152 1
5312
198
102
1832
3823
366
107
96n.d
.Be
bidas
y Ta
baco
155 1
6023
621
115
136
126
5n.d
.Fa
brica
ción d
e Tex
tiles
171 1
73 17
250
3912
436
6569
3912
040
70n.d
.Fa
brica
ción d
e Pre
ndas
de V
estir
181 1
8292
4210
540
7079
4312
191
102
n.d.
Prep
arac
ión de
l Cue
ro19
16
921
612
97
108
7n.d
.Fa
brica
ción d
e Calz
ado
192
205
298
1517
727
269
n.d.
Indus
tria M
ader
a y M
ueble
s20
1 202
361
5616
6020
3142
1884
9389
n.d.
Fabr
icació
n de P
apel
210
64
229
1011
422
108
n.d.
Impr
esion
y Ed
ición
221 2
22 22
360
3379
3457
4837
8269
64n.d
.Qu
ímico
s Bas
icos
241 2
43 24
2 11
831
118
177
238
13n.d
.Fa
rmac
eútic
os y
Medic
amen
tos24
28
220
712
203
292
8n.d
.Ot
ros P
rodu
ctos Q
uímico
s24
237
1666
1827
3417
4616
30n.d
.Ca
ucho
, Plas
tico y
Ref.
Petr
oleo
231 2
32 25
1 252
5330
8934
5470
2010
636
34n.d
.Fa
b. de
Pro
d. no
Metá
licos
261 2
6929
1335
1325
249
5221
35n.d
.Si
deru
rgia
271 2
737
17
44
41
83
6n.d
.Tr
ansfo
rmac
ión de
Meta
les N
o Fer
roso
s27
2 273
93
123
56
76
104
n.d.
Prod
uctos
Metá
licos
281 2
8950
3093
2050
5934
124
8098
n.d.
Cons
trucc
ión de
Maq
uinar
ia No
Eléc
trica
291 2
92 30
0 25
828
811
2412
3830
27n.d
.Ma
quina
ria E
léctric
a29
3 311
312 3
13 31
4 315
319
1412
275
2120
828
1615
n.d.
Cons
trucc
ión de
Mate
rial d
e Tra
nspo
rte34
1 342
343 3
51 35
2 359
1414
206
1312
928
1723
n.d.
Prod
uctos
Man
uf. D
iverso
s22
1 321
322 3
23 33
1 332
333 3
69 37
1 372
4529
6821
3825
1454
3045
n.d.
Tota
l73
641
810
5932
257
564
132
513
8671
978
8n.d
.
Repr
esen
tativ
idad
y Ca
mbi
os d
el Nú
mer
o de
Em
pres
as p
ara l
a Est
imac
ión
de la
PTF
Agr
egad
a del
Sect
or M
anuf
actu
rero
, 200
0-20
10
Ram
a Ind
ustri
alCI
IU (3
díg
itos)
Núm
ero
de em
pres
as q
ue sa
len en
el añ
o (E
x)
Cuad
ro N
º 5.1
Repr
esen
tativ
idad
y Ca
mbi
os d
el Nú
mer
o de
Em
pres
as p
ara l
a Est
imac
ión
de la
PTF
Agr
egad
a del
Sect
or M
anuf
actu
rero
, 200
0-20
10
Fuen
te: I
nstitu
to Na
ciona
l de E
stadís
tica e
Infor
mátic
a (20
00-2
010)
. La r
ama P
rodu
ctos A
limen
ticios
agru
pa la
s ram
as Fa
brica
ción d
e Pro
ducto
s Lác
teos,
Elab
orac
ión de
Pes
cado
, Moli
nería
y Pa
nade
ría, E
labor
ación
y R
efina
ción d
e Azú
car y
Otro
s Pro
ducto
s Alim
entic
ios. n
.d. no
disp
onibl
e.
40 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
Prod
uctos
Alim
entic
ios15
1 154
152 1
5323
,919
,881,5
90,9
71,1
51,9
60,6
148
,0713
,9810
,957,5
Bebid
as y
Taba
co15
5 160
48,61
19,56
31,12
24,5
27,84
28,44
21,6
32,28
28,18
26,91
26,44
Fabr
icació
n de T
extile
s17
1 173
172
40,78
34,59
38,28
36,15
41,31
38,48
35,67
47,41
62,09
63,62
63,61
Fabr
icació
n de P
rend
as de
Ves
tir18
1 182
23,95
13,85
22,69
23,94
26,61
24,54
27,44
36,58
34,91
48,42
33,83
Prep
arac
ión de
l Cue
ro19
132
,7130
,2160
,389,4
222
,7331
,330
,664
,868
,4651
,8257
,54Fa
brica
ción d
e Calz
ado
192
19,53
12,01
21,65
17,77
36,28
42,97
31,57
98,34
79,16
37,21
45,47
Indus
tria M
ader
a y M
ueble
s20
1 202
361
26,39
21,84
26,44
10,25
18,62
18,69
16,2
31,3
32,44
31,47
32,89
Fabr
icació
n de P
apel
210
16,66
20,44
33,11
18,81
21,19
18,03
24,62
30,29
37,61
41,52
39,82
Impr
esion
y Ed
ición
221 2
22 22
351
,2437
,1444
45,28
43,14
39,03
35,28
44,26
34,4
36,42
28,52
Quím
icos B
asico
s24
1 243
242
17,13
16,24
31,73
17,33
20,8
16,31
19,45
28,47
27,39
27,44
29,77
Farm
aceú
ticos
y Me
dicam
entos
242
42,23
31,93
41,35
43,62
59,76
47,42
39,96
47,67
52,67
55,42
58,54
Otro
s Pro
ducto
s Quím
icos
242
44,44
14,3
27,25
22,06
30,05
30,9
30,26
33,54
37,46
38,83
28,81
Cauc
ho, P
lastic
o y R
ef. P
etrole
o23
1 232
251 2
5254
,8312
,9346
,7311
,210
,48,5
68,7
723
,7118
,5613
,8116
,48Fa
b. de
Pro
d. no
Metá
licos
261 2
6924
,7113
,1141
,8713
,9216
,3519
,6817
,7118
,1523
,8117
,7717
,69Si
deru
rgia
271 2
7336
,4853
,3152
,955
,4527
,922
,877,5
39,61
36,78
17,75
48,59
Tran
sform
ación
de M
etales
No F
erro
sos
272 2
7348
,0741
,5348
,834
,432
,837,2
56,4
245
,0254
,8823
,1315
,45Pr
oduc
tos M
etálic
os28
1 289
22,77
23,18
19,37
17,38
25,12
25,67
19,59
29,53
27,74
32,69
29,91
Cons
trucc
ión de
Maq
uinar
ia No
Eléc
trica
291 2
92 30
0 13
,813
,5118
,2514
,624
,0431
,5623
,9154
,3864
,1383
,3793
,31Ma
quina
ria E
léctric
a29
3 311
312 3
13 31
4 315
319
27,43
24,06
39,13
39,42
45,75
47,77
55,88
41,48
50,94
78,99
71,17
Cons
trucc
ión de
Mate
rial d
e Tra
nspo
rte34
1 342
343 3
51 35
2 359
56,21
51,53
31,57
42,16
48,69
22,47
28,43
30,15
32,48
32,6
21,32
Prod
uctos
Man
uf. D
iverso
s22
1 321
322 3
23 33
1 332
333 3
69 37
1 372
16,28
11,91
22,62
12,68
15,41
14,01
11,39
23,91
46,53
18,38
19,18
Tota
l32
,8621
,5125
,7617
,3619
,2816
,4314
,8337
,3129
,124
,3623
,22
Repr
esen
tativ
idad
y Ca
mbi
os d
el Nú
mer
o de
Em
pres
as p
ara l
a Est
imac
ión
de la
PTF
Agr
egad
a del
Sect
or M
anuf
actu
rero
, 200
0-20
10
Ram
a Ind
ustri
alCI
IU (3
dig
itos)
Parti
cipac
ión
en V
P de
la M
uest
ra
Cuad
ro N
º 5.1
Repr
esen
tativ
idad
y Ca
mbi
os d
el Nú
mer
o de
Em
pres
as p
ara l
a Est
imac
ión
de la
PTF
Agr
egad
a del
Sect
or M
anuf
actu
rero
, 200
0-20
10
Fuen
te: I
nstitu
to Na
ciona
l de E
stadís
tica e
Infor
mátic
a (2
000-
2010
). La r
ama P
rodu
ctos A
limen
ticios
agru
pa la
s ram
as Fa
brica
ción d
e Pro
ducto
s Lác
teos,
Elab
orac
ión de
Pes
cado
, Moli
nería
y Pa
nade
ría, E
labor
ación
y R
efina
ción d
e Azú
car y
Otro
s Pro
ducto
s Alim
entic
ios.
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 41
ΔΔk
ΔΔk
ΔΔk
ΔΔk
ΔΔk
ΔΔk
WE-
JC-3
,14-0
,27-3
,73-0
,35-3
,48-0
,06-5
-0,07
-3,24
-0,75
-4,11
-0,8
WE-
JD0,8
3-0
,381,1
9-0
,51-4
,79-5
,4-5
,14-6
,53-0
,86-1
,12-0
,71-1
,62W
E-NC
-0,46
-0,51
-0,23
-0,51
-0,35
0-0
,470
-0,42
-0,02
-0,3
0W
E-2
,77-4
,52-2
,77-5
,78-8
,61-5
,43-1
0,61
-6,6
-4,52
-1,87
-5,12
-2,42
BE-JC
-0,88
0,04
-1,62
0,11
0,29
-1,52
-3,07
-1,5
-0,53
-0,08
-2,06
-0,37
BE-JD
0,55
0,2-0
,450,2
2-0
,81-2
,38-1
,57-3
,580,1
4-0
,24-0
,79-0
,99BE
-NC
0,09
0,05
0,01
0,16
-0,06
-0,12
-0,21
-0,12
0,05
-0,03
-0,06
-0,01
BE-0
,24-0
,33-2
,06-1
,27-0
,58-3
,94-4
,86-5
,28-0
,34-0
,31-2
,9-1
,36CT
-JC1,6
70,3
61,9
60,4
17,8
42,4
87,7
71,8
73,5
20,2
63,7
10,4
5CT
-JD1,0
90,0
91,4
70,2
4,49
5,08
6,33
7,54
2,11
0,88
2,93
1,94
CT-N
C0,5
30,3
10,3
10,3
10,2
10,1
90,3
40,1
40,4
30,0
40,3
20,0
1CT
3,29
2,58
3,74
3,98
12,53
8,12
14,44
106,0
61,2
46,9
52,4
4N E
3,57
-1,13
5,64
-1,98
6,06
6,25
4,39
3,58
4,32
1,29
5,26
-0,02
Ex6,9
9-0
,278,9
9-0
,64,3
2-0
,071,3
6-0
,36,1
91,0
16,7
1,15
ΔlnP
TFA t
-3,14
-3,13
-4,44
-4,45
5,08
5,07
22
-0,67
-0,66
-2,51
-2,51
Δ lnV
P t1
6,15
6,15
7,94
7,94
5,17
5,17
-10,6
2-1
0,62
5,86
5,86
2,38
2,38
Δ lnV
A t1
5,97
5,97
11,25
11,25
4,72
4,72
-13,5
8-1
3,58
5,59
5,59
3,83,8
Mues
traUn
ivers
o S.
Mues
tra
Fuen
te: I
NEI (
2000
-201
0). W
E: ef
ecto
del c
ambio
de pr
oduc
tivida
d al in
terior
de la
rama
, BE:
efec
to de
l cam
bio en
tre ra
mas,
CT:
efec
to cru
zado
de lo
s cam
bios,
En: e
fectos
de la
s emp
resa
s que
entra
n, Ex
: efec
tos de
las e
mpre
sas q
ue sa
len. J
C: em
pres
as qu
e cre
an em
pleo,
JD: e
mpre
sas q
ue de
struy
en em
pleo,
NC:
empr
esas
que n
o cam
bian d
e emp
leo. 1 Lo
s cam
bios d
el VP
y VA
son d
el un
iverso
real
de m
anufa
ctura
s.
Desc
ompo
sició
n de
la T
asa d
e Va
riació
n Pr
omed
io A
nual
(Δ) y
por
Per
íodo
s (Δk ) d
e la P
TF A
greg
ada d
e Man
ufac
tura
s del
Perú
, 200
1-20
10
Efec
tos
Desc
ompo
sició
n de
la P
TF p
or p
erio
dos
2001
-200
720
08-2
010
2001
-201
0Un
ivers
o S.
Mues
traUn
ivers
o S.
Cuad
ro N
º 5.2
Desc
ompo
sició
n de
la Ta
sa d
e Va
riació
n Pr
omed
io A
nual
(Δ) y
por
Pe
ríodo
s (Δk
) de l
a PTF
Agr
egad
a de M
anuf
actu
ras d
el Pe
rú, 2
001-
2010
Fuen
te:
Institu
to Na
ciona
l de
Estad
ística
e In
formá
tica
(200
0-20
10).
WE:
efec
to de
l cam
bio d
e pr
oduc
tivida
d al
inter
ior d
e la
rama
, BE:
efec
to de
l cam
bio e
ntre
rama
s, CT
: efec
to cru
zado
de lo
s cam
bios,
En: e
fectos
de la
s emp
resa
s que
entra
n, Ex
: efec
tos de
las e
mpre
sas q
ue sa
len. J
C: em
pres
as qu
e cre
an em
pleo,
JD: e
mpre
sas q
ue
destr
uyen
emple
o, NC
: emp
resa
s que
no ca
mbian
de em
pleo.
1 Los
camb
ios de
l VP
y VA
son d
el un
iverso
real
de m
anufa
ctura
s.
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 43
Basados en la Encuesta Económica Anual de Manufacturas provistas por el INEI (2000-2010), el presente estudio estima la productividad total factorial a nivel de firmas y agregado del sector manufacturero del Perú en el periodo 2000-2010. El estudio utiliza tres muestras para la estimación de la PTF a nivel de empresas y agregado del sector manufacturero. La primera muestra comprende un promedio de 1074 empresas por año la cual representa el 20% del valor real de manufacturas y el 34% del empleo formal del sector. Esta muestra se utiliza para las estimaciones de la función de producción, base para el cálculo de la PTF. La segunda muestra de 461 empresas para los años 2000, 2007 y 2010 que representan el 7% del valor agregado real y 10% del empleo formal manufacturero. Estas empresas se usan para el cálculo de la PTF y su contribución al crecimiento del producto. La tercera muestra de un promedio de 1547 empresas por año que representan el 24% del valor real de producción del sector manufacturero. Estas empresas se utilizan para las estimaciones de los componentes del cambio de la PTF agregada del sector manufacturero.
VI. RESUMEN Y CONCLUSIONES
Los cálculos de la PTF se basan en cinco métodos de estimación de los coeficientes de la función de producción: tres métodos estándar (mínimos cuadrados ordinarios, MCO; panel de datos con coeficientes de efectos fijos y aleatorios) y dos modernos: Levinshon-Petrin (LP) y Olley-Pakes (OP). Estos métodos resuelven problema de sesgo de simultaneidad y adicionalmente el de OP resuelve el problema de atrición o de selección de las firmas.
Independientemente de los métodos usados, los resultados de las estimaciones señalan, por un lado, que la tasa de variación promedio anual de la PTF ha sido baja y no han contribuido de manera significativa al crecimiento de producto en el período 2001-2010. El crecimiento del producto manufacturado, en dicho período, ha dependido fundamentalmente del crecimiento del capital y en menor medida del empleo formal del sector. De otro lado, la baja tasa de crecimiento de la PTFA se explica en parte por la disminución de la PTF de las empresas que permanence en las ramas y por la ‘salida’ de las empresas (de la muestra o de la industria) con alta productividad.
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 45
Ackerberg, Daniel, C. Lanier Benkard, Steven Berry, and Ariel Pakes. 2007. “Econometric Tools for Analyzing Market Outcomes.” En el Handbook of Econometrics: Vol. 6A, Capítulo 63, eds. J. Heckman and E. Leamer, North Holland.
Ackerberg, D., Kevin Caves, and Garth Frazer 2006. “Structural Identification of Production Functions”. Mimeo, Department of Economics, UCLA.
Arnold, J. 2005. “Productivity Estimation at the Plant Level: A practical guide”. Bocconi University, Milan, Italy.
Astorga, P., A. Bergés, V. Fitzgerald 2011. “Productivity Growth in Latin America Over de Long Run”. The Review of Income and Wealth, V. 57, No 2, pp. 203–223.
Balk, B. 1998. Industrial Price, Quantity, and Productivity Indices: The Microeconomic Theory and An Application. Kluver Academic Publishers.
Baltagi, B.H. 1995. Econometric Analysis of Panel Data, New York: John Wiley & Sons.
Banco Central de Reserva del Perú, BCRP 2008. “Limitantes al Crecimiento Económico”. Notas del Estudios del BCRP. No. 1 – 04, Enero.
Bailey, M., Hulten, C., and Campbell, D. 1992. “Productivity dynamics in manufacturing plants”. In Brookings Papers on Economic Activity: Microeconomics, Vol. 4, pp. 187-267. Brookings Institute.
BIBLIOGRAFÍA
Barrodale I. , F. D. K. Roberts 1974. “Solution of an Overdetermined System of Equations in the Norm,” Communications of the ACM, 17(6), 319-320.
Basett, G., R., Koenker. 1978. “Regression Quantiles”. Econometrica, 46, pp. 33–50.
1982. An empirical quantile function for linear models with iid Errors. Journal of the American Statistical Association 77, pp. 407–415.
Bierens, H. J. 1987. “Kernel Estimators of Regression Functions,”. En Advances in Econometrics-Fif th World Congress, Vol. I, ed. by T. F. Bewley. Cambridge: Cambridge University Press.
Birbuet, J., C. Machicado 2009a. “Misallocation and Manufacturing TFP in the Market Liberalization Period of Bolivia”. Institute for Advanced Development Studies, WP No 06/2009.
2009b. “Understanding Productivity Levels, Dispersion and Growth in the Leather Shoe Industry: Effects of Size and Informality.” Institute for Advanced Development Studies Development Research Working Paper Series. No. 08/2009.
Blundell, R. S. Bond 2000. “GMM estimation with persistent panel data: an application to production functions”. Econometric Reviews, 19: pp.321-340.
Blundell, R., S. Bond. 1998. “Initial conditions and moment restrictions in dynamic panel data models”. Journal of Econometrics, 87, pp. 115-43.
46 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
Buchinsky, M. 1995. “Estimating the Asymptotic Covariance Matrix for Quantile Regression Models: A Monte Carlo Study,” Journal of Econometrics, 68, 303-338.
Busso, M., L. Madrigal. , C. Pagés 2012 “Productivity and Resource Misallocation in Latin America.” IDB Working Paper Series No. IDB-WP-306.
Cabezas, L 1994. “Factor Substitution, Capacity Utilization, and Total Factor Productivity Growth in the Peruvian Manufacturing Industry”. Tesis doctoral de la University of Goterborg, Suecia.
Calderón, A., A. Voicu 2004. “Total Factor Productivity Growth and Job Turnover in Mexican Manufacturing Plants in the 1990s”. IZA DP No. 993, Institute for the Study of Labor, Bonn, Germany.
Camacho, A., E. Conover 2010 “Misallocation and productivity in Colombia’s manufacturing industries.” IDB working paper series ; 123
Carlos Casacuberta, C., N. Gandelman 2009. “Productivity, exit and crisis in Uruguayan manufacturing and services sectors”. Mimeo, Universidad de Uruguay.
Cassoni, A. y M. Ramada-Sarasola. 2009. To Innovate or Not to Innovate. Effects on Uruguayan Manufacturing Firms’ Productivity. Documento inédito. Washington, DC: Red de Centros de Investigación de América Latina y el Caribe, Banco Interamericano de Desarrollo.
Cavalcanti, F., J. Rossi 2003. “New Evidence from Brazil on Trade Liberal izat ion and Product iv i t y Growth”. International Economic Review, Vol. 44, No. 4, Nov., pp. 1383-1405.
Caves, D. W., Christensen, L. R. & Diewert, W. E. 1982 “The economic theory of index numbers and the measurement of input, output, and productivity”, Econometrica 50(6), 1393-1414.
Charnes, A., W. Cooper, A. Lewin, L. Seiford 1994. Data Envelopment Analysis. Kluwer Academic Publishers.
Daude, C., E. Fernández-Arias 2010. “On the Role of Productivity and Factor Accumulation in Economic Development in Latin America and the Caribbean”. IDB WP Series # IDB-WP-155.
De Loecker, Jan 2011, “Product Differentiation, Multi-Product Firms and Estimating the Impact of Trade Liberalization on Productivity”. Econometrica, Vol. 79, Noe 5, pp. 1407–1451, Setiembre.
De Loecker, J., J. Konings. 2006. “Job reallocation and productivity growth in a post-socialist economy: Evidence from Slovenian manufacturing”. European Journal of Political Economy, Vol. 22, pp. 388–408.
De Vries, G. 2009. “Productivity in a Distorted Market: The case of Brazil’s Retail Sector”. Research Memorandum GD-112. Groningen Growth and Development Centre
Diewert. E. 2008. “What Is To Be Done for Better Productivity Measurement”. International Productivity Monitor No 16 , Spring, pp. 40-52.
Diewert, E., A. Nakamura, H. Pyo, y H. Chun 2007. “Productivity Measures and Sustainable Prosperity”. Seoul Journal of Economics; Spring
Engle, Robert F. 1983. “Wald, Likelihood Ratio, and Lagrange Multiplier Tests in Econometrics”. In Intriligator, M. D. y Griliches, Z.. Handbook of Econometrics. II. Elsevier. pp. 796–801.
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 47
Eslava, M., J. Haltiwanger, A. Kugler y M. Kugler 2010. “Market Reforms, Factor Reallocation, and Productivity Growth in Latin America,” en Business Regulation and Economic Performance, pp. 225-63. Editado por Norman Loayza y Luis Serven. Washington: The World Bank.
2009.“Trade Reforms and Market Selection: Evidence from Manufacturing Plants in Colombia”. NBER WP, No 14935.
2004. “The effects of structural reforms on productivity and profitability enhancing reallocation: evidence from Colombia”. Journal of Development Economics 75. Pp. 333– 371
Esteban-Pretel, J., R. Nakajima, R. Tanaka, 2010. “TFP growth slowdown and the Japanese labor market in the 1990s”. Journal of The Japanese and International Economies, 24, pp. 50–68.
Fariñas, J.C. and Ruano, S. 2005. “Firm productivity, heterogeneity, sunk costs and market selection”. International Journal of Industrial Organization, 23: 505–534.
Farrell, M. J. 1957. “The Measurement of Productive Efficiency”, Journal of Royal Statistical Society, A 120, pp. 253-290.
Fernandes, A. 2007. Trade Policy, Trade Volumes and Plant Level Productivity in Colombian Manufacturing Industries. Journal of International Economics 71(1), pp.52–71.
Ferreira, P., S. Pessóa, F. Veloso 2012. “On the Evolution of Total Factor Productivity in Latin America”. Economic Inquiry, Enero, Wiley On Line Library.
Fijie, R., S. Grosskopf y C. A. K. Lovel 1985. The Measurement of Efficiency of Production, Boston, Khiwer-Nijhoff Publishing.
Foster, L., Haltiwanger, J., and Krizan, C
2001. “Aggregate Productivity Growth: Lessons from Microeconomic Evidence”. En Charles R. Hulten, Edwin R. Dean and Michael J. Harper, editors. New Developments in Productivity Analysis, pp. 303-372. University of Chicago Press.
Fuglie, K 2010. “Total factor productivity in the global agricultural economy: Evidence from FAO data”. En, The Shifting Patterns of Agricultural Production and Productivity Worldwide. Julian Alston, Bruce Babcock, Philip Pardey, eds. Ames, Iowa: Midwest Agribusiness Trade and Research Information Center, pp 63-95.
Fuss, M., D. McFadden, Y. Mundlak 1978. “A Survey of Functional Forms in the Economic Analysis of Production”. En Production Economics: A Dual Approach to Theory and Applications Volume I: The Theory of Production, Melvyn Fuss y Daniel L. McFadden, Editors, Amsterdam: North-Holland.
Gallardo, J., A. Arrieta 2000. “Medición y Dinámica de la Producción Industrial”. CIES, Lima-Perú.
Goldberg, P.K., Khandelwal, A., Pavcnik, N., Topalova, P. 2008. “Multi-product firms and product turnover in the developing world: evidence from India. National Bureau of Economic Research Working Paper Series 14127.
Griliches, Z. and J. Mairesse 1998. “Production Functions: The Search for Identification” in Econometrics and Economic Theory in the Twentieth Century: The Ragnar Frisch Centennial Symposium (Cambridge University Press) 169-203
Griliches, Z. 1957. “Specification Bias in Estimates of Production Functions,” Journal of Farm Economics, 39, pp.8-20.
48 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
Haltiwanger, J., S. Scarpetta, and H. Schweiger, 2008. “Assessing Job Flows Across Industries: The Role of Industry, Firm Size and Regulations”. NBER, Working Paper 13920.
Haltiwanger, J., 1997. “Measuring and Analyzing Aggregate Fluctuations: The Importance of Building from Microeconomic Evidence”. Review of the Federal Reserve Bank of S T. Louis. Mayo, pp.55-77.
Hansen, L. 1982 Large sample properties of generalized method of moments estimators. Econometrica, 50, 1029—1054
Hayashi, F. 2000. Econometrics. Princeton University Press, New Jersey.
Hendricks, W, R. Koenker. 1992. “Hierarchical Spline Models for Conditional Quantiles and the Demand for Electricity.” Journal of the American Statistical Association. March, 87:417, pp. 58–68.
Hopenhayn, H. 1992. “Entry, Exit, and Firm Dynamics in Long Run Equilibrium,” Econometrica, 60,1127-1150.
Hsieh, C., P. Klenow 2007. “Misallocation and Manufacturing TFP in China and India.” WP No 13290, NBER.
Iacovone, L., Javorcik, B.S. 2008. “Shipping good tequila out: investment, domestic unit values and entry of multi-product plants into export markets”. Mimeo
Isgut., A. M.D. Tello, A. Veiderpass. 1999. “Microeconomic Adjustment During Structural Reforms: The Nicaraguan Manufacturing Sector 1991-1995”. Octubre. Canadian Journal of Development Studies, Vol. XX, No 3, pp.1-24.
Jones, M. C. 1992. “Estimating Densities, Quantiles, Quantile Densities and Density Quantiles,” Annals of the Institute of Statistical Mathematics, 44(4), 721-727.
Jovanovic, B. 1982. “Selection and the evolution of industry”. Econometrica 50: 649–670.
Kapp, D., A. Sánchez 2012 “Heterogeneity of total factor productivity across Latin American countries: evidence from manufacturing firms.” Documents de Travail du Centre d’Economie de la Sorbonne, CES Working Papers, Paris, Francia.
Katayama, H., S. Lu and J. Tybout 2009. “Firm-Level Productivity Studies: Illusions and a Solution”. International Journal of Industrial Organization, 27, pp. 403–413. También en NBER Working Paper No. 9617, http://econ.la.psu.edu/~jtybout/KLT.pdf
Kumbhakar S.C. and Lovell C.A.K. 2000, Stochastic Frontier Analysis, Cambridge University Press.
Koenker, R., Hallock, K.F. 2001. Quantile Regression. Journal of Economic Perspectives, 15, (4), pp. 143–156.
Koenker, Roger W. , Vasco D’Orey 1987. “Algorithm AS 229: Computing Regression Quantiles,” Applied Statistics, 36(3), 383-393.
Koenker, Roger 1994. “Confidence Intervals for Regression Quantiles”. En Asymptotic Statistics, P. Mandl and M. Huskova, eds., New York: Springer-Verlag, 349-359.
Levinsohn J., A. Petrin 2012. “Measuring Aggregate Productivity Growth Using Plant-level Data”. Mimeo, University of Minnesota, Twin Cities y National Bureau of Economic Research, Marzo.
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 49
Levinsohn J., A. Petrin 2006. “Measuring Productivity Growth Using Plant-Level Data”. Mimeo, University of Chicago.
Levinsohn, J., A. Petrin 2003. “Estimating Production Functions Using Inputs to Control for Unobservables”. The Review of Economic Studies, Vol. 70, No. 2, Apr., pp. 317-341.
Levinsohn, J., A. Petrin, B. Poi 2004. “Estimating Production Functions Using Inputs to Control for Unobservables”. The Stata Journal, 4, Number 2, pp. 113–123.
Marschak J. and W.H. Andrews 1944. “Random Simultaneous Equations and the Theory of Production”, Econometrica, Vol. 12, No. 3/4, Jul-Oct., pp. 143-205.
Morrison A., A. Semenick 2000. “Trade Reform Dynamics and Technical Efficiency: The Peruvian Experience”. World Bank Econ. Rev. 14:309-330, 2000.
Morrison, M. Yasar. 2007. “International linkages and productivity at the plant level: Foreign direct investment, exports, imports and licensing”. Journal of International Economics, 71, pp. 373–388.
Nadiri, M 1970; “Some Approaches to the theory of Measurement of Total Factor Productivity: A Survey”. Journal of Economic Literature, 8, dic, pp.1137-77.
Nevo A. 2009. “Estimation of Production Functions”. Mimeo Northwestern University, Winter.
OECD 2008. OECD Compendium of Productivity Indicators. OECD
Olley, S., A. Pakes 1996. “The Dynamics of Productivity in the Telecommunications Equipment Industry”. Econometrica, 64 (6), pp. 1263-1298.
Ornaghi, C. 2006. “Assessing the effects of measurement errors on the estimation of production functions”. Journal of Applied Econometrics 21: 879–891.
Pagés, C., ed 2010. The Age of Productivity: Transforming Economies from the Bottom Up. Inter American Development Bank, Washington, D. C.
Palma, J. 2010. “Why has productivity growth stagnated in most Latin American countries since the neo-liberal reforms?”. Cambridge Working Papers in Economics (CWPE) 1030. A shortened version of this paper will be published in J. A. Ocampo and J. Ros (eds.), The Handbook of Latin American Economics, OUP.
Pavcnik, N., 2003. “Trade Liberalization, Exit, and Productivity Improvements: Evidence from Chilean Plants”. The Review of Economic Studies, Vol. 69, No. 1, Jan., pp. 245-276.
Poi, B., M. Yasar, R. Raciborski 2006. “Production Function Estimation in Stata Using the Olley and Pakes Method”. Stata Journal, StataCorp LP, vol. 8(2), pages 221-231, June.
Powell, J. 1986. “Censored Regression Quantiles,” Journal of Econometrics, 32, 143-155.
Restuccia, D. 2011. “The Latin American Development Problem”. WP No 432, Depar tamento de Economia, Universidad de Toronto, Junio.
Rodrik, D., M. McMillan 2011. “Globalization, Structural Change and Productivity Growth”. ILO-WTO.
50 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
Saliola, F, M. Seker 2011. “Total Factor Productivity Across the Developing World”. Enterprise Surveys Enterprise Note Series, Enterprise Note No. 23. World Bank Group, Washington, D.C.
Schor, A. 2004. “Heterogeneous productivity response to tarif f reduction. Evidence from Brazilian manufacturing firms”. Journal of Development Economics, 75, pp. 373– 396.
Schreyer, P., D. Pilat 2001. “Measuring Productivity”. OECD Economic Studies No. 33, 2001/II
Shea, John 1993a. “The Input-Output Approach to Instrument Selection”. Journal of Business and Economic Statistics, Vol. 11, No 2, pp. 145-165.
Shea, John 1993b. “Do supply curves slope up?”. Quarterly Journal of Economics 108 (1), 1 –32.
Siddiqui, M. M. 1960. “Distribution of Quantiles in Samples from a Bivariate Population,” Journal of Research of the National Bureau of Standards–B, 64(3), 145-150.
Syverson, C. 2011. “What Determines Productivity?” Journal of Economic Literature, 49:2, pp. 326–365.
Syverson, C. 2004. “Market Structure and Productivity: a Concrete Example”. Journal of Political Economy, Vol. 112, No. 6, Diciembre, pp. 1181-1222.
Tello, M.D. 2012. “Productividad Total Factorial en el Sector Manufacturero del Perú: 2002-2007”. Revista Economía, PUCP.
Tello, M.D. 2011a. “ ’Golden Rules’ en el Diseño de Una Estratega de Desarrollo”. En J. Rodriguez y M.D.
Tello, eds, Opciones de Política Economica, 2011-2015, PUCP, Lima Perú.
2011b. “Indicadores del Sector MYPE Informal en el Perú: Valor Agregado, Potencial Exportador, Capacidad de Formalizarse y Requerimientos de Norma Técnicas Peruanas. CISEPA, PUCP, No 310.
Van Beveren, Ilke 2012. “Total Factor Productivity Estimation: A Practical Review”. Journal of Economic Surveys, Vol. 26, No. 1, pp. 98–128.
Varian, H. 2005. “Bootstrap Tutorial”. Mathematica Journal, 9, pp. 768-775.
Veiderpass A., L. Cabezas. 1994. “Eficiencia y cambio de la productividad en la industria cementera del Perú. Aplicación de un método no paramétrico”. El Trimestre Económico, Vol. LXI(2), No. 242. (Plant/Firm data and DEA methods).
Veiderpass A., L. Cabezas 1992. “Eficiencia Relativa y Desarrollo de la Productividad en la Producción Peruana de Cemento (Un enfoque no paramétrico)”. Economía, Vol. XV No 29/30 (Plant/firm data and DEA methods).
Fuentes de Información
BANCO CENTRAL DE RESERVA DEL PERÚ, BCRP 2012. Estadísticas Económicas. http://www.bcrp.gob.pe/estadisticas.html
INEI 2012. Información Económica.
2000-2010. Encuesta Económica Anual de Manufacturas.
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 51
MINISTERIO DE ECONOMÍA Y FINANZAS
2012.Estadísticas.
http://www.mef.gob.pe/index.php?option=com_content&view=article&id=266%3Aestadisticas&catid=136%3Aestadisticas&Itemid=100236&lang=es
PERÚ TOP PUBLICATION, 2008, 2009 y 2010. Las 10,000 Top Empresas del Perú. Lima Perú.
PRODUCE 2012a. Estadísticas del Censo del 2007. Ministerio de la Producción.
h t t p : / / w w w . p r o d u c e . g o b . p e /p o r t a l / p o r t a l / a p s p o r t a l p r o d u c e /internaindustria?ARE=2&JER=318
PRODUCE 2012b. Estadística Mensual del Sector Industrial. Ministerio de la Producción.
h t t p : / / w w w . p r o d u c e . g o b . p e /p o r t a l / p o r t a l / a p s p o r t a l p r o d u c e /internaindustria?ARE=2&JER=409
PRODUCE 2011. Anuario Estadístico 2011. Lima Perú.
SUNAT,
2012a . Super in tendenc ia Nac iona l de Administración Tributaria, www.sunat.gob.pe
2012b. Estadística de Comercio Exterior.
http://www.aduanet.gob.pe/aduanas/informae/estadisticasComExt.htm
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 53
Gráfico Nº 1.1 Evolución del Producto y Empleo Manufacturero del Perú, 2000-2010
Gráfico Nº 1.2 Evolución del Producto y Empleo Formal Manufacturero, 2000-2010
Gráfico Nº 1.3 Capacidad de Generar Producto y Empleo Formal Manufacturero, 2000-2010
Cuadro Nº 2.1 Representatividad de la Muestra de Empresas de Manufacturas del Perú en Términos de Valor Agregado y Empleo: 2000-2010
Cuadro Nº 2.2 Características Productivas de la Muestra de Empresas de Manufacturas del Perú: 2000-2007
Cuadro Nº 2.3 Características Productivas de la Muestra de Empresas de Manufacturas del Perú: 2007-2010
Cuadro Nº 2.4 Características Productivas de la Muestra de Empresas de Manufacturas del Perú: 2000-2010
Cuadro Nº 4.1 Productividad Total Factorial de Cambio Técnico y su Tasa de Variación Anual de 461 Empresas por Método de Estimación, 2000- 2010
Cuadro Nº 4.2 Productividad Factorial Total y su Tasa de Variación Anual de 461 Empresas de Acuerdo a la Estimación del VP (2000- 2010)
Cuadro Nº 5.1 Representatividad y Cambios del Número de Empresas para la Estimación de la PTF Agregada del Sector Manufacturero, 2000-2010
Cuadro Nº 5.2 Descomposición de la Tasa de Variación Promedio Anual (D) y por Períodos (DK) de la PTF Agregada de Manufacturas del Perú, 2001-2010
LISTA DE GRÁFICOS Y CUADROS
Cuadro A1 Coeficientes de Regresión de las Estimaciones de la Función de Producción de Acuerdo a Métodos de Estimación
Cuadro A2 Descomposición Factorial de la Tasa de Variación Promedio Anual del Valor Real de Producción de 461 Empresas, Método Olley-Pakes2, 2001-2010
Cuadro A3 Descomposición Factorial de la Tasa de Variación Promedio Anual del Valor Real de Producción de 461 Firmas Manufactureras del Perú, Método Levinschn-Petrin, 2001-2010
Cuadro A4 Descomposición Factorial de la Tasa de Variación Promedio Anual del Valor Real de Producción de 461 Firmas Manufactureras del Perú, Método MCO, 2001-2010
Cuadro A5 Descomposición de la Tasa de Variación promedio anual de la PTF Agregada de Manufacturas del Perú, 2001-2010
Cuadro A6 Número de Empresas Usadas en la Descomposición de la Tasa de Variación promedio anual de la PTF Agregada de Manufacturas del Perú, 2001-2010
Cuadro A7 Descomposición Factorial de la Tasa de Variación Promedio Anual del Valor Real de Producción de 461 Empresas, Método Olley-Pakes1, 2001-2010
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 55
2000
-200
420
04-2
007
2007
-200
920
09-2
010
2000
-200
420
04-2
007
2007
-200
920
09-2
010
l0.6
44***
0.654
***0.2
43***
0.150
***0.3
28***
0.439
***0.4
06***
0.418
***0.4
71***
0.605
***0.5
23***
0.523
***-0
,0123
-0,02
66-0
,0471
-0,04
82-0
,0544
-0,08
2-0
,0409
-0,07
4-0
,0613
-0,05
89-0
,0178
-0,01
93k
0.248
***0.2
37**
0.121
***0,0
252
0,039
40,0
477
0.288
***0.2
30***
0.258
***0.2
84***
0.328
***0.3
21***
-0,00
606
-0,09
27-0
,0365
-0,02
38-0
,0303
-0,04
67-0
,0326
-0,07
49-0
,0591
-0,03
94-0
,05-0
,0509
m0.1
24***
0,16
0.057
7**
0.061
6**
0,035
0,005
140.0
915*
**0.1
28***
0.092
5***
0.067
8**
0.107
***0.1
07***
-0,00
578
-0,10
8-0
,0242
-0,02
67-0
,0315
-0,03
93-0
,0247
-0,03
71-0
,0353
-0,03
22-0
,0093
3-0
,0105
ex-0
.142*
**-0
.143*
**0,1
380,0
434
0.956
*-1
.422*
-0,05
78-0
,0138
-0,02
76-0
,0638
0,268
0,192
-0,00
942
-0,02
19-0
,131
-0,17
8-0
,573
-0,86
2-0
,0517
-0,06
4-0
,0663
-0,07
28-0
,896
-0,39
8Dt
2-0
.158*
**-0
.108*
*0,0
502
-0.10
5**
-0,00
8-0
.422*
**-0
,0398
-0.21
1***
-0.16
6*-0
.466*
**-0
,042
-0,04
2-0
,0229
-0,04
41-0
,0477
-0,05
19-0
,0722
-0,15
7-0
,0476
-0,07
4-0
,0926
-0,11
-0,03
63-0
,0338
Dt3
-0.12
1***
-0.13
5*0,0
431
-0,07
55-0
,0249
-0.38
5*0,0
0179
-0.16
8*-0
,0497
-0.41
6***
-0,00
947
-0,00
947
-0,03
96-0
,0765
-0,07
27-0
,076
-0,10
2-0
,203
-0,08
04-0
,101
-0,11
9-0
,158
-0,05
64-0
,0626
D S1
0.066
8***
0,067
30,0
504
0,245
0,254
0,158
-0,01
16-0
,0116
-0,02
57-0
,0512
-0,13
6-0
,161
-0,15
9-0
,151
-0,04
07-0
,0397
Ds2
-0.08
6***
-0,08
12-0
,0289
0,097
9-0
,0994
-0,19
5-0
.123*
**-0
.123*
**-0
,0244
-0,05
04-0
,137
-0,15
5-0
,154
-0,14
7-0
,0423
-0,03
56Ds
30.2
53***
0.269
***0,1
030,2
520,2
380,2
280.1
83***
0.183
***-0
,027
-0,05
61-0
,141
-0,15
6-0
,158
-0,15
4-0
,0455
-0,04
73T 2
000-
2010
0.033
4***
0.031
7***
0.021
6**
0.058
0***
-0,00
30.1
24***
0,006
610.0
175*
*0.0
342*
*-0
,0052
10.0
298*
**0.0
298*
**-0
,0020
5-0
,0024
9-0
,0093
1-0
,011
-0,02
59-0
,039
-0,00
642
-0,00
782
-0,01
43-0
,0205
-0,00
279
-0,00
28C
8.060
***11
.64***
13.76
***10
.50***
17.10
***8.7
19***
8.959
***8.6
43***
8.742
***-0
,0589
-0,58
3-0
,649
-1,79
2-2
,659
-0,32
6-0
,614
-0,59
5-0
,403
N obs
11 69
911
699
1 456
1 133
953
666
1 456
1 133
953
666
11 85
911
859
N em
pres
as2 7
002 7
0033
333
333
333
333
333
333
333
34 3
224 3
22R2
0,82
0,257
0,289
0,175
0,162
R2 -adj
0,82
Pseu
do-R
20,7
640,7
670,4
190,2
230,8
140,8
310,7
960,7
93W
ald p
-valu
e0,1
50,5
40
00
00
00
0,31
0,44
0,32
Coef
icien
tes d
e Reg
resió
n de
las E
stim
acio
nes d
e la F
unció
n de
Pro
ducc
ión
de A
cuer
do a
Méto
dos d
e Est
imac
ión
Varia
bles
MCO
Levin
sohn
-Pe
trin
Fixe
d Ef
fect
sRa
ndom
Effe
cts
Olley
Pak
es1
Olley
Pak
es2
ANEX
O
Cuad
ro A
1Co
eficie
ntes
de R
egre
sión
de la
s Est
imac
ione
s de l
a Fun
ción
de P
rodu
cció
n de
Acu
erdo
a Mé
todo
s de E
stim
ació
n
Fuen
te: I
nstitu
to Na
ciona
l de E
stadís
tica e
Infor
mátic
a (20
00-2
010)
*** p
<0.01
, ** p
<0.05
, * p<
0.1. L
as va
riable
s disc
retas
de ra
mas y
tama
ño de
empr
esas
se in
cluye
n en e
l esp
acio
‘cvar
s’ de
l com
ando
de S
TATA
de
l méto
do O
lley P
akes
1. En
Olle
y Pak
es2 e
stas s
e inc
luyen
en el
espa
cio ‘fr
ee’ d
el mi
smo c
oman
do.
56 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
Cuad
ro A
2De
scom
posic
ión
Fact
orial
de l
a Tas
a de V
ariac
ión
Prom
edio
Anu
al de
l Valo
r Re
al de
Pro
ducc
ión
de 46
1 Em
pres
as, M
étod
o Ol
ley-P
akes
2, 20
01-2
007
Cuad
ro A
2 D
esco
mpo
sició
n Fa
ctor
ial d
e la T
asa d
e Var
iació
n Pr
omed
io A
nual
del V
alor
Real
de P
rodu
cció
n de
461 E
mpr
esas
, Mét
odo
Olley
-Pak
es2,
2008
-201
0
Fuen
te:
Institu
to Na
ciona
l de
Estad
ística
e In
formá
tica
(200
0-20
10).
El n
úmer
o de
emp
resa
s de
S1 e
s 153
, de
S2: 1
69,
de S
3 10
3, de
S4
36.
De o
tro la
do,
87 e
mpre
sas s
on p
eque
ñas,
220
media
nas y
154 g
rand
es. E
l núm
ero d
e obs
erva
cione
s es 2
865.
Las v
ariab
les di
scre
tas de
rama
s y ta
maño
de em
pres
as se
inclu
yen e
n el e
spac
io ‘cv
ars’
del c
oman
do de
STA
TA de
l méto
do O
lley
Pake
s1. E
n Olle
y Pak
es2 e
stas s
e inc
luyen
en el
espa
cio ‘fr
ee’ d
el mi
smo c
oman
do.
Fuen
te:
Institu
to Na
ciona
l de
Estad
ística
e In
formá
tica
(200
0-20
10).
El n
úmer
o de
emp
resa
s de
S1 e
s 153
, de
S2: 1
69,
de S
3 10
3, de
S4
36.
De o
tro la
do,
87 e
mpre
sas s
on p
eque
ñas,
220
media
nas y
154 g
rand
es. E
l núm
ero d
e obs
erva
cione
s es 1
960.
Las v
ariab
les di
scre
tas de
rama
s y ta
maño
de em
pres
as se
inclu
yen e
n el e
spac
io ‘cv
ars’
del c
oman
do de
STA
TA de
l méto
do O
lley
Pake
s1. E
n Olle
y Pak
es2 e
stas s
e inc
luyen
en el
espa
cio ‘fr
ee’ d
el mi
smo c
oman
do
Δ Te
cno
Δ Te
cni
Tota
lCo
efici
ente
10,3
210,5
230,1
070,1
92-0
,042
-0,00
90,0
298
Rama
s de T
rans
forma
ción d
e Bien
es P
rimar
ios, S
17,8
73,2
2,28
0,47
1,22
0,03
-0,01
2,98
-2,29
0,69
Rama
s man
ufactu
rera
s lige
ras,
S 26,2
63,6
23,8
50,9
81,3
90,0
2-0
,022,9
8-6
,54-3
,56Ra
mas i
ntens
ivas e
n tec
nolog
ía, S
36,3
33,7
62,4
50,8
91,1
30,0
4-0
,022,9
8-4
,9-1
,92Ra
mas d
e Alim
entos
, Beb
ida y
Taba
co, S
45,0
95,1
42,2
90,9
81,2
50,0
7-0
,012,9
8-7
,59-4
,61Pr
omed
io6,7
23,6
32,8
90,7
91,2
60,0
3-0
,022,9
8-4
,84-1
,86
Desc
ompo
sició
n Fa
ctor
ial d
e la T
asa d
e Var
iació
n Pr
omed
io A
nual
del V
alor R
eal d
e Pro
ducc
ión
de 46
1 Em
pres
as, M
étod
o Ol
ley-P
akes
2, 20
01-2
007
Varia
ble
Crec
. del
VPPa
rticip
ació
n de
los f
acto
res e
n el
crec
imien
to d
el pr
oduc
to
kl
me
T 2T 3
PTF
Δ Te
cno
Δ Te
cni
Tota
lCo
efici
ente
10,3
210,5
230,1
070,1
92-0
,042
-0,00
90,0
298
Rama
s de T
rans
forma
ción d
e Bien
es P
rimar
ios, S
19,1
83,3
64,8
70,3
0,83
0,03
-0,03
2,98
-3,14
-0,16
Rama
s man
ufactu
rera
s lige
ras,
S 21,9
81,3
1,18
-0,02
0,90,0
4-0
,012,9
8-4
,39-1
,41Ra
mas i
ntens
ivas e
n tec
nolog
ía, S
312
,141,0
64,5
50,5
80,7
6-0
,03-0
,012,9
82,2
45,2
2Ra
mas d
e Alim
entos
, Beb
ida y
Taba
co, S
411
,720,8
34,6
30,3
40,7
90,1
2-0
,032,9
82,0
65,0
4Pr
omed
io7,4
1,89
3,43
0,25
0,84
0,03
-0,02
2,98
-1,99
0,99
Des
com
posic
ión
Fact
orial
de l
a Tas
a de V
ariac
ión
Prom
edio
Anu
al de
l Valo
r Rea
l de P
rodu
cció
n de
461 E
mpr
esas
, Mét
odo
Olley
-Pak
es2,
2008
-201
0
Varia
ble
Crec
. del
VPPa
rticip
ació
n de
los f
acto
res e
n el
crec
imien
to d
el pr
oduc
to
kl
me
T 2T 3
PTF
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 57
Cuad
ro A
2De
scom
posic
ión
Fact
orial
de l
a Tas
a de V
ariac
ión
Prom
edio
Anu
al de
l Valo
r Rea
l de
Prod
ucció
n de
461
Firm
as M
anuf
actu
rera
s del
Perú
, Mét
odo
Olley
-Pak
es2,
2001
-201
0
Fuen
te:
Institu
to Na
ciona
l de
Estad
ística
e In
formá
tica
(200
0-20
10).
El n
úmer
o de
emp
resa
s de
S1 e
s 153
, de
S2: 1
69,
de S
3 10
3, de
S4
36.
De o
tro la
do,
87 e
mpre
sas s
on p
eque
ñas,
220
media
nas y
154 g
rand
es. E
l núm
ero d
e obs
erva
cione
s es 4
123.
Las v
ariab
les di
scre
tas de
rama
s y ta
maño
de em
pres
as se
inclu
yen e
n el e
spac
io ‘cv
ars’
del c
oman
do de
STA
TA de
l méto
do O
lley
Pake
s1. E
n Olle
y Pak
es2 e
stas s
e inc
luyen
en el
espa
cio ‘fr
ee’ d
el mi
smo c
oman
do.
Δ Te
cno
Δ Te
cni
Tota
lCo
efici
ente
10,3
210,5
230,1
070,1
92-0
,042
-0,00
90,0
298
Rama
s de T
rans
forma
ción d
e Bien
es P
rimar
ios, S
18,2
63,2
53,0
60,4
21,1
0,03
-0,02
2,98
-2,54
0,44
Rama
s man
ufactu
rera
s lige
ras,
S 24,9
82,9
23,0
50,6
81,2
40,0
3-0
,022,9
8-5
,9-2
,92Ra
mas i
ntens
ivas e
n tec
nolog
ía, S
38,0
72,9
53,0
80,8
1,02
0,02
-0,01
2,98
-2,75
0,23
Rama
s de A
limen
tos, B
ebida
y Ta
baco
, S4
7,08
3,85
2,99
0,79
1,11
0,08
-0,02
2,98
-4,69
-1,71
Prom
edio
6,92
3,11
3,05
0,63
1,14
0,03
-0,02
2,98
-3,99
-1,01
Des
com
posic
ión
Fact
orial
de l
a Tas
a de V
ariac
ión
Prom
edio
Anu
al de
l Valo
r Rea
l de P
rodu
cció
n de
461
Firm
as M
anuf
actu
rera
s del
Perú
, Mét
odo
Olley
-Pak
es2,
2001
-201
0
Varia
ble
Crec
. del
VPPa
rticip
ació
n de
los f
acto
res e
n el
crec
imien
to d
el pr
oduc
to
kl
me
T 2T 3
PTF
58 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
Cuad
ro A
3De
scom
posic
ión
Fact
orial
de l
a Tas
a de V
ariac
ión
Prom
edio
Anu
al de
l Valo
r Rea
l de
Prod
ucció
n de
461 F
irmas
Man
ufac
ture
ras d
el Pe
rú, M
étod
o Le
vinso
hn-P
etrin
, 200
1-20
07
Cuad
ro A
3De
scom
posic
ión
Fact
orial
de l
a Tas
a de V
ariac
ión
Prom
edio
Anu
al de
l Valo
r Rea
l de
Prod
ucció
n de
461 F
irmas
Man
ufac
ture
ras d
el Pe
rú, M
étod
o Le
vinso
hn-P
etrin
, 200
8-20
10
Fuen
te:
Institu
to Na
ciona
l de
Estad
ística
e In
formá
tica
(200
0-20
10).
El n
úmer
o de
emp
resa
s de
S1 e
s 153
, de
S2: 1
69,
de S
3 10
3, de
S4
36.
De o
tro la
do,
87 e
mpre
sas s
on p
eque
ñas,
220
media
nas y
154 g
rand
es. E
l núm
ero d
e obs
erva
cione
s es 2
865.
Las v
ariab
les di
scre
tas de
rama
s y ta
maño
de em
pres
as se
inclu
yen e
n el e
spac
io ‘cv
ars’
del c
oman
do de
STA
TA de
l méto
do O
lley
Pake
s1. E
n Olle
y Pak
es2 e
stas s
e inc
luyen
en el
espa
cio ‘fr
ee’ d
el mi
smo c
oman
do.
Fuen
te:
Institu
to Na
ciona
l de
Estad
ística
e In
formá
tica
(200
0-20
10).
El n
úmer
o de
emp
resa
s de
S1 e
s 153
, de
S2: 1
69,
de S
3 10
3, de
S4
36.
De o
tro la
do,
87 e
mpre
sas s
on p
eque
ñas,
220
media
nas y
154 g
rand
es. E
l núm
ero d
e obs
erva
cione
s es 1
960.
Las v
ariab
les di
scre
tas de
rama
s y ta
maño
de em
pres
as se
inclu
yen e
n el e
spac
io ‘cv
ars’
del c
oman
do de
STA
TA de
l méto
do O
lley
Pake
s1. E
n Olle
y Pak
es2 e
stas s
e inc
luyen
en el
espa
cio ‘fr
ee’ d
el mi
smo c
oman
do.
Δ Te
cno
Δ Te
cni
Tota
lCo
efici
ente
10,2
370,6
540,1
6-0
,143
-0,10
8-0
,135
0,032
Rama
s de T
rans
forma
ción d
e Bien
es P
rimar
ios, S
17,8
72,3
62,8
50,7
-0,91
0,08
-0,18
3,17
-0,23
2,94
Rama
s man
ufactu
rera
s lige
ras,
S 26,2
62,6
74,8
11,4
6-1
,030,0
6-0
,323,1
7-4
,55-1
,38Ra
mas i
ntens
ivas e
n tec
nolog
ía, S
36,3
32,7
73,0
71,3
3-0
,840,1
-0,22
3,17
-3,07
0,1Ra
mas d
e Alim
entos
, Beb
ida y
Taba
co, S
45,0
93,8
2,86
1,47
-0,93
0,17
-0,16
3,17
-5,38
-2,21
Prom
edio
6,72
2,68
3,62
1,18
-0,94
0,09
-0,24
3,17
-2,85
0,32
Des
com
posic
ión
Fact
orial
de l
a Tas
a de V
ariac
ión
Prom
edio
Anu
al de
l Valo
r Rea
l de P
rodu
cció
n de
461 F
irmas
Man
ufac
ture
ras d
el Pe
rú, M
étod
o Le
vinso
hn-P
etrin
, 200
1-20
07
Varia
ble
Crec
. del
VPPa
rticip
ació
n de
los f
acto
res e
n el
crec
imien
to d
el pr
oduc
to
kl
me
T 2T 3
PTF
Δ Te
cno
Δ Te
cni
Tota
lCo
efici
ente
10,2
370,6
540,1
6-0
,143
-0,10
8-0
,135
0,032
Rama
s de T
rans
forma
ción d
e Bien
es P
rimar
ios, S
19,1
82,4
86,0
90,4
5-0
,620,0
7-0
,443,2
-1,92
1,28
Rama
s man
ufactu
rera
s lige
ras,
S 21,9
80,9
61,4
8-0
,02-0
,670,1
1-0
,133,2
-2,94
0,26
Rama
s inte
nsiva
s en t
ecno
logía,
S3
12,14
0,78
5,69
0,87
-0,57
-0,07
-0,17
3,22,5
15,7
1Ra
mas d
e Alim
entos
, Beb
ida y
Taba
co, S
411
,720,6
15,7
90,5
2-0
,590,3
-0,5
3,22,4
75,6
7Pr
omed
io7,4
1,44,2
90,3
8-0
,620,0
7-0
,273,2
-0,96
2,24
Des
com
posic
ión
Fact
orial
de l
a Tas
a de V
ariac
ión
Prom
edio
Anu
al de
l Valo
r Rea
l de P
rodu
cció
n de
461 F
irmas
Man
ufac
ture
ras d
el Pe
rú, M
étod
o Le
vinso
hn-P
etrin
, 200
8-20
10
Varia
ble
Crec
. del
VPPa
rticip
ació
n de
los f
acto
res e
n el
crec
imien
to d
el pr
oduc
to
Kl
me
T 2T 3
PTF
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 59
Cuad
ro A
3 D
esco
mpo
sició
n Fa
ctor
ial d
e la T
asa d
e Var
iació
n Pr
omed
io A
nual
del V
alor R
eal d
e Pr
oduc
ción
de 46
1 Firm
as M
anuf
actu
rera
s del
Perú
, Mét
odo
Levin
sohn
-Pet
rin, 2
001-
2010
Fuen
te:
Institu
to Na
ciona
l de
Estad
ística
e In
formá
tica
(200
0-20
10).
El n
úmer
o de
emp
resa
s de
S1 e
s 153
, de
S2: 1
69,
de S
3 10
3, de
S4
36.
De o
tro la
do,
87 e
mpre
sas s
on p
eque
ñas,
220
media
nas y
154 g
rand
es. E
l núm
ero d
e obs
erva
cione
s es 4
123.
Las v
ariab
les di
scre
tas de
rama
s y ta
maño
de em
pres
as se
inclu
yen e
n el e
spac
io ‘cv
ars’
del c
oman
do de
STA
TA de
l méto
do O
lley
Pake
s1. E
n Olle
y Pak
es2 e
stas s
e inc
luyen
en el
espa
cio ‘fr
ee’ d
el mi
smo c
oman
do
Δ Te
cno
Δ Te
cni
Tota
lCo
efici
ente
10,2
370,6
540,1
6-0
,143
-0,10
8-0
,135
0,032
Rama
s de T
rans
forma
ción d
e Bien
es P
rimar
ios, S
18,2
62,4
3,83
0,63
-0,82
0,08
-0,26
3,17
-0,74
2,43
Rama
s man
ufactu
rera
s lige
ras,
S 24,9
82,1
63,8
11,0
2-0
,920,0
8-0
,263,1
7-4
,07-0
,9Ra
mas i
ntens
ivas e
n tec
nolog
ía, S
38,0
72,1
83,8
51,1
9-0
,760,0
5-0
,213,1
7-1
,391,7
8Ra
mas d
e Alim
entos
, Beb
ida y
Taba
co, S
47,0
82,8
43,7
41,1
8-0
,830,2
1-0
,263,1
7-3
,030,1
4Pr
omed
io6,9
22,2
93,8
20,9
4-0
,850,0
8-0
,253,1
7-2
,280,8
9
Des
com
posic
ión
Fact
orial
de l
a Tas
a de V
ariac
ión
Prom
edio
Anu
al de
l Valo
r Rea
l de P
rodu
cció
n de
461 F
irmas
Man
ufac
ture
ras d
el Pe
rú, M
étod
o Le
vinso
hn-P
etrin
, 200
1-20
10
Varia
ble
Crec
. del
VPPa
rticip
ació
n de
los f
acto
res e
n el
crec
imien
to d
el pr
oduc
to
kl
me
T 2T 3
PTF
60 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
Cuad
ro A
4 D
esco
mpo
sició
n Fa
ctor
ial d
e la T
asa d
e Var
iació
n Pr
omed
io A
nual
del V
alor R
eal d
e Pr
oduc
ción
de 46
1 Firm
as M
anuf
actu
rera
s del
Perú
, Mét
odo
MCO,
2001
-200
7
Cuad
ro A
4 D
esco
mpo
sició
n Fa
ctor
ial d
e la T
asa d
e Var
iació
n Pr
omed
io A
nual
del V
alor R
eal d
e Pr
oduc
ción
de 46
1 Firm
as M
anuf
actu
rera
s del
Perú
, Mét
odo
MCO,
2008
-201
0
Fuen
te:
Institu
to Na
ciona
l de
Estad
ística
e In
formá
tica
(200
0-20
10).
El n
úmer
o de
emp
resa
s de
S1 e
s 153
, de
S2: 1
69,
de S
3 10
3, de
S4
36.
De o
tro la
do,
87 e
mpre
sas s
on p
eque
ñas,
220
media
nas y
154 g
rand
es. E
l núm
ero d
e obs
erva
cione
s es 2
865.
Las v
ariab
les di
scre
tas de
rama
s y ta
maño
de em
pres
as se
inclu
yen e
n el e
spac
io ‘cv
ars’
del c
oman
do de
STA
TA de
l méto
do O
lley
Pake
s1. E
n Olle
y Pak
es2 e
stas s
e inc
luyen
en el
espa
cio ‘fr
ee’ d
el mi
smo c
oman
do.
Fuen
te:
Institu
to Na
ciona
l de
Estad
ística
e In
formá
tica
(200
0-20
10).
El n
úmer
o de
emp
resa
s de
S1 e
s 153
, de
S2: 1
69,
de S
3 10
3, de
S4
36.
De o
tro la
do,
87 e
mpre
sas s
on p
eque
ñas,
220
media
nas y
154 g
rand
es. E
l núm
ero d
e obs
erva
cione
s es 1
960.
Las v
ariab
les di
scre
tas de
rama
s y ta
maño
de em
pres
as se
inclu
yen e
n el e
spac
io ‘cv
ars’
del c
oman
do de
STA
TA de
l méto
do O
lley
Pake
s1. E
n Olle
y Pak
es2 e
stas s
e inc
luyen
en el
espa
cio ‘fr
ee’ d
el mi
smo c
oman
do.
Δ Te
cno
Δ Te
cni
Tota
lCo
efici
ente
10,2
480,6
440,1
24-0
,142
-0,15
8-0
,121
0,033
Rama
s de T
rans
forma
ción d
e Bien
es P
rimar
ios, S
17,8
72,4
72,8
10,5
5-0
,90,1
2-0
,163,3
4-0
,362,9
8Ra
mas m
anufa
cture
ras l
igera
s, S 2
6,26
2,84,7
41,1
3-1
,030,0
9-0
,293,3
4-4
,53-1
,19Ra
mas i
ntens
ivas e
n tec
nolog
ía, S
36,3
32,9
3,02
1,03
-0,84
0,15
-0,2
3,34
-3,08
0,26
Rama
s de A
limen
tos, B
ebida
y Ta
baco
, S4
5,09
3,97
2,81
1,14
-0,92
0,25
-0,14
3,34
-5,37
-2,03
Prom
edio
6,72
2,83,5
60,9
2-0
,930,1
3-0
,213,3
4-2
,890,4
5
Desc
ompo
sició
n Fa
ctor
ial d
e la T
asa d
e Var
iació
n Pr
omed
io A
nual
del V
alor R
eal d
e Pro
ducc
ión
de 46
1 Firm
as M
anuf
actu
rera
s del
Perú
, Mét
odo
MCO,
2001
-200
7
Varia
ble
Crec
. del
VPPa
rticip
ació
n de
los f
acto
res e
n el
crec
imien
to d
el pr
oduc
to
kl
me
T 2T 3
PTF
Δ Te
cno
Δ Te
cni
Tota
lCo
efici
ente
10,2
480,6
440,1
24-0
,142
-0,15
8-0
,121
0,033
Rama
s de T
rans
forma
ción d
e Bien
es P
rimar
ios, S
19,1
82,5
96
0,35
-0,61
0,1-0
,43,3
-2,2
1,1Ra
mas m
anufa
cture
ras l
igera
s, S 2
1,98
11,4
6-0
,02-0
,670,1
6-0
,123,3
-3,18
0,12
Rama
s inte
nsiva
s en t
ecno
logía,
S3
12,14
0,82
5,60,6
8-0
,56-0
,1-0
,163,3
2,51
5,81
Rama
s de A
limen
tos, B
ebida
y Ta
baco
, S4
11,72
0,64
5,70,4
-0,58
0,44
-0,45
3,32,2
25,5
2Pr
omed
io7,4
1,46
4,22
0,29
-0,62
0,1-0
,243,3
-1,16
2,14
Desc
ompo
sició
n Fa
ctor
ial d
e la T
asa d
e Var
iació
n Pr
omed
io A
nual
del V
alor R
eal d
e Pro
ducc
ión
de 46
1 Firm
as M
anuf
actu
rera
s del
Perú
, Mét
odo
MCO,
2008
-201
0
Varia
ble
Crec
. del
VPPa
rticip
ació
n de
los f
acto
res e
n el
crec
imien
to d
el pr
oduc
to
kl
me
T 2T 3
PTF
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 61
Cuad
ro A
4 D
esco
mpo
sició
n Fa
ctor
ial d
e la T
asa d
e Var
iació
n Pr
omed
io A
nual
del V
alor R
eal d
e Pr
oduc
ción
de 46
1 Firm
as M
anuf
actu
rera
s del
Perú
, Mét
odo
MCO,
2001
-201
0
Fuen
te:
Institu
to Na
ciona
l de
Estad
ística
e In
formá
tica
(200
0-20
10).
El n
úmer
o de
emp
resa
s de
S1 e
s 153
, de
S2: 1
69,
de S
3 10
3, de
S4
36.
De o
tro la
do,
87 e
mpre
sas s
on p
eque
ñas,
220
media
nas y
154 g
rand
es. E
l núm
ero d
e obs
erva
cione
s es 1
960.
Las v
ariab
les di
scre
tas de
rama
s y ta
maño
de em
pres
as se
inclu
yen e
n el e
spac
io ‘cv
ars’
del c
oman
do de
STA
TA de
l méto
do O
lley
Pake
s1. E
n Olle
y Pak
es2 e
stas s
e inc
luyen
en el
espa
cio ‘fr
ee’ d
el mi
smo c
oman
do.
Δ Te
cno
Δ Te
cni
Tota
lCo
efici
ente
10,2
480,6
440,1
24-0
,142
-0,15
8-0
,121
0,033
Rama
s de T
rans
forma
ción d
e Bien
es P
rimar
ios, S
18,2
62,5
13,7
70,4
9-0
,810,1
1-0
,233,3
4-0
,912,4
3Ra
mas m
anufa
cture
ras l
igera
s, S 2
4,98
2,26
3,75
0,79
-0,92
0,11
-0,24
3,34
-4,12
-0,78
Rama
s inte
nsiva
s en t
ecno
logía,
S3
8,07
2,28
3,80,9
2-0
,760,0
8-0
,193,3
4-1
,41,9
4Ra
mas d
e Alim
entos
, Beb
ida y
Taba
co, S
47,0
82,9
73,6
80,9
2-0
,820,3
1-0
,243,3
4-3
,090,2
5Pr
omed
io6,9
22,4
3,76
0,73
-0,84
0,12
-0,22
3,34
-2,37
0,97
T 3PT
F
Desc
ompo
sició
n Fa
ctor
ial d
e la T
asa d
e Var
iació
n Pr
omed
io A
nual
del V
alor R
eal d
e Pro
ducc
ión
de 46
1 Firm
as M
anuf
actu
rera
s del
Perú
, Mét
odo
MCO,
2001
-201
0
Varia
ble
Crec
. del
VPPa
rticip
ació
n de
los f
acto
res e
n el
crec
imien
to d
el pr
oduc
to
kl
me
T 2
62 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
UM
UM
UM
UM
UM
UM
UM
UM
UM
UM
WE-
JC-5
,97-6
,22-5
,22-6
,56-1
,52-0
,81-2
,64-3
,28-5
-5,98
1,77
1,08
-3,38
-4,35
7,03
7,17
-13,1
-18,0
3-4
,36-4
,14W
E-JD
1,14
-0,09
1,78
1,92
1,01
1,89
0,57
3,15
0,48
-0,25
2,12
3,38
-1,3
-1,67
-1,24
-2,24
-13,9
6-1
3,11
0,84
-0,07
WE-
NC0,4
40,2
6-0
,13-0
,27-0
,03-0
,030,0
60,0
50
-0,08
0,11
0,04
-3,65
-1,58
0,01
0,02
-0,62
-0,51
-0,44
-0,93
WE
-4,39
-6,05
-3,57
-4,91
-0,54
1,05
-2,01
-0,08
-4,53
-6,31
44,5
-8,33
-7,61
5,84,9
5-2
7,69
-31,6
5-3
,96-5
,13BE
-JC-3
,13-1
,572,7
50,9
9-6
,46-1
1,04
2,09
1,79
-1,04
-2,17
-1,43
1,51
1,07
-0,87
8,95
-1,88
-6,54
-6,16
-1,54
-1,17
BE-JD
-1,49
-3,02
2,61
1,33
-2,15
-3,59
0,55
1,13
1,27
-0,3
1,32
-0,58
1,73
1,87
-2,34
0,42
-0,22
-0,86
0,12
-4,28
BE-N
C0,2
3-0
,260,1
30,2
5-0
,26-0
,260,0
50,1
10,1
9-0
,09-0
,38-0
,080,6
90,3
9-0
,06-0
,04-0
,19-0
,370,0
8-0
,23BE
-4,39
-4,85
5,49
2,57
-8,87
-14,8
82,6
93,0
40,4
3-2
,56-0
,490,8
53,4
91,3
96,5
5-1
,5-6
,95-7
,39-1
,34-5
,68CT
-JC-0
,41-1
,612
2,76
0,34
1,72
1,07
1,42,6
2,87
3,79
3,54
2,35
3,06
14,43
9,99
6,82
10,63
2,27
2,7CT
-JD1,6
12,5
41,2
30,4
71,7
2,88
0,80,5
60,3
70,8
20,6
31,3
51,3
11,6
54,7
2,44,1
66,0
84,5
910
,5CT
-NC
0,26
0,42
0,14
0,34
0,07
0,06
00,0
20,0
50,1
0,04
0,05
3,14
1,15
0,05
0,05
0,23
0,34
0,33
0,63
CT1,4
51,3
63,3
73,5
62,1
4,66
1,87
1,98
3,01
3,79
4,45
4,94
6,85,8
619
,1912
,4411
,2117
,057,1
913
,84N E
0,55
0,09
18,64
30,04
-16,5
6-7
,936,2
1,76
3,46
-0,41
-4,61
-2,71
17,32
18,61
8,97,5
4-3
,31-0
,9912
,586,6
3Ex
7,912
,3615
,2411
,7312
,0421
,88-5
,310,7
77,7
310
,045,9
62,8
85,3
43,2
7-4
,41-6
,11,5
31,8
815
,858,3
1Δl
nPTF
A t-1
4,68
-21,8
18,7
19,53
-35,9
1-3
8,98
14,05
5,93
-5,36
-15,5
3-2
,614,7
13,94
14,99
44,85
29,53
-28,2
7-2
4,86
-1,38
1,36
ΔlnV
P t1
1,8-4
0,63
3,821
,825,6
4-3
3,83
6,38
16,91
8,49
-7,54
6,98
-3,36
9,96
102,2
48,8
4-1
5,93
-6,48
-24,2
513
,168,3
2Δl
nVA t
10,6
5-3
1,42
5,52
43,25
3,51
-51,7
57,1
511
,137,1
96,9
57,2
4-7
,5910
,5210
8,28,7
1-3
6,75
-7,31
-13,4
712
,759,4
7
Desc
ompo
sició
n de
la T
asa d
e Va
riació
n pr
omed
io an
ual d
e la P
TF A
greg
ada d
e Man
ufac
tura
s del
Perú
, 200
1-20
10
Efec
tos
Desc
ompo
sició
n de
la P
TF p
or añ
os20
0120
0220
0320
0420
0520
0620
0720
0820
0920
10
Cuad
ro A
5De
scom
posic
ión
de la
Tasa
de
Varia
ción
prom
edio
anua
l de l
a PTF
Agr
egad
a de M
anuf
actu
ras d
el Pe
rú, 2
001-
2010
Fuen
te:
Institu
to Na
ciona
l de E
stadís
tica e
Infor
mátic
a (20
00-2
010)
. WE:
efec
to de
l cam
bio de
prod
uctiv
idad a
l inter
ior de
la ra
ma, B
E: ef
ecto
del c
ambio
entre
rama
s, C
T: efe
cto cr
uzad
o de l
os ca
mbios
, En:
efecto
s de l
as
empr
esas
que e
ntran
, Ex:
efecto
s de l
as em
pres
as qu
e sale
n. JC
: emp
resa
s que
crea
n emp
leo, J
D: em
pres
as qu
e des
truye
n emp
leo, N
C: em
pres
as qu
e no c
ambia
n de e
mpleo
. 1 Lo
s cam
bios d
el VP
y VA
son d
el un
iverso
re
al de
man
ufactu
ras.
U=u
niver
so si
mulad
o, M=
Mue
stra
La Productividad del Sector Manufacturero en el Perú, 2000-2010 • 63
Cuad
ro A
6Nú
mer
o de
Em
pres
as U
sada
s en
la De
scom
posic
ión
de la
Tasa
de
Varia
ción
prom
edio
anua
l de l
a PTF
Agr
egad
a de M
anuf
actu
ras d
el Pe
rú, 2
001-
2010
Fuen
te: I
nstitu
to Na
ciona
l de E
stadís
tica e
Infor
mátic
a (20
00-2
010)
. C: E
mpre
sas q
ue co
ntinú
an, E
n: em
pres
as qu
e entr
an, E
x: em
pres
as qu
e sale
n. JC
: emp
resa
s que
crea
n emp
leo,
JC: e
mpre
sas q
ue de
struy
en em
pleo,
NC: e
mpre
sas q
ue no
camb
ian el
emple
o.
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
C-JC
436
479
287
268
444
295
182
633
456
722
C-JD
387
319
191
177
205
175
225
248
469
351
C-NC
167
157
5649
8359
189
4322
021
6C
990
955
534
494
732
529
596
924
1145
1289
N E38
363
828
281
343
839
217
1494
093
263
5Ex
736
418
1059
322
575
641
325
1386
719
788
Tota
l Mue
stra
1373
1593
816
1307
1170
921
2310
1864
2077
1924
Desc
ompo
sició
n de
la T
asa d
e Va
riació
n pr
omed
io an
ual d
e la P
TF A
greg
ada d
e Man
ufac
tura
s del
Perú
, 200
1-20
10
Efec
tos
Núm
ero
de em
pres
as p
or añ
o
64 • La Productividad del Sector Manufacturero en el Perú, 2000-2010
Cuadro Nº A.7 Descomposición Factorial de la Tasa de Variación Promedio Anual del
Valor Real de Producción de 461 Empresas, Método Olley-Pakes1, 2001-2007
Cuadro Nº A.7 Descomposición Factorial de la Tasa de Variación Promedio Anual del
Valor Real de Producción de 461 Empresas, Método Olley-Pakes1, 2008-2010
Cuadro Nº A.7 Descomposición Factorial de la Tasa de Variación Promedio Anual del
Valor Real de Producción de 461 Empresas, Método Olley-Pakes1 , 2001-2010
Fuente: Instituto Nacional de Estadística e Informática (2000-2010) El número de empresas de S1 es 153, de S2: 169, de S3 103, de S4 36. De otro lado, 87 empresas son pequeñas, 220 medianas y 154 grandes. El número de observaciones es 2865. Las variables discretas de ramas y tamaño de empresas se incluyen en el espacio ‘cvars’ del comando de STATA del método Olley Pakes.
Fuente: Instituto Nacional de Estadística e Informática (2000-2010). El número de empresas de S1 es 153, de S2: 169, de S3 103, de S4 36. De otro lado, 87 empresas son pequeñas, 220 medianas y 154 grandes. El número de observaciones es. 1960. Las variables discretas de ramas y tamaño de empresas se incluyen en el espacio ‘cvars’ del comando de STATA del método Olley Pakes.
Fuente: Instituto Nacional de Estadística e Informática (2000-2010). El número de empresas de S1 es 153, de S2: 169, de S3 103, de S4 36. De otro lado, 87 empresas son pequeñas, 220 medianas y 154 grandes. El número de observaciones es. 4123. 1 Periodo 2001-2010. Las variables discretas de ramas y tamaño de empresas se incluyen en el espacio ‘cvars’ del comando de STATA del método Olley Pakes1.
Δ Tecno Δ Tecni Total
Coeficiente 1 0,328 0,523 0,107 0,268 -0,042 -0,009 0,0298 1 1
Ramas de bienes primarios, S1 7,87 3,27 2,28 0,47 1,7 0,03 -0,01 2,98 -2,85 0,13
Ramas manufactureras ligeras, S2 6,26 3,7 3,85 0,98 1,94 0,02 -0,02 2,98 -7,18 -4,2
Ramas intensivas en tecnología, S3 6,33 3,84 2,45 0,89 1,58 0,04 -0,02 2,98 -5,44 -2,46
Ramas de Alimentos, Bebida y Tabaco, S4 5,09 5,26 2,29 0,98 1,74 0,07 -0,01 2,98 -8,21 -5,23
Promedio 6,72 3,71 2,89 0,79 1,76 0,03 -0,02 2,98 -5,43 -2,45
Descomposición Factorial de la Tasa de Variación Promedio Anual del Valor Real de Producción de 461 Empresas, Método Olley-Pakes1, 2001-2007
Variable Crec. del VP
Participación de los factores en el crecimiento del producto
k l m e T2 T3PTF
Δ Tecno Δ Tecni Total
Coeficiente 1 0,328 0,523 0,107 0,268 -0,042 -0,009 0,0298 1 1
Ramas de bienes primarios, S1 9,18 3,43 4,87 0,3 1,16 0,03 -0,03 2,98 -3,55 -0,57
Ramas manufactureras ligeras, S2 1,98 1,32 1,18 -0,02 1,26 0,04 -0,01 2,98 -4,78 -1,8
Ramas intensivas en tecnología, S3 12,14 1,09 4,55 0,58 1,06 -0,03 -0,01 2,98 1,92 4,9
Ramas de Alimentos, Bebida y Tabaco, S4 11,72 0,85 4,63 0,34 1,1 0,12 -0,03 2,98 1,73 4,71
Promedio 7,4 1,93 3,43 0,25 1,17 0,03 -0,02 2,98 -2,37 0,61
Descomposición Factorial de la Tasa de Variación Promedio Anual del Valor Real de Producción de 461 Empresas, Método Olley-Pakes1, 2008-2010
m e T2 T3PTFVariable Crec.
del VP
Participación de los factores en el crecimiento del producto
k l
Δ Tecno Δ Tecni Total
Coeficiente 1 0,328 0,523 0,107 0,268 -0,042 -0,009 0,0298 1 1
Ramas de bienes primarios, S1 8,26 3,32 3,06 0,42 1,54 0,03 -0,02 2,98 -3,06 -0,08
Ramas manufactureras ligeras, S2 4,98 2,99 3,05 0,68 1,73 0,03 -0,02 2,98 -6,46 -3,48
Ramas intensivas en tecnología, S3 8,07 3,01 3,08 0,8 1,43 0,02 -0,01 2,98 -3,23 -0,25
Ramas de Alimentos, Bebida y Tabaco, S4 7,08 3,93 2,99 0,79 1,55 0,08 -0,02 2,98 -5,23 -2,25
Promedio 6,92 3,18 3,05 0,63 1,58 0,03 -0,02 2,98 -4,51 -1,53
T2 T3PTF
Descomposición Factorial de la Tasa de Variación Promedio Anual del Valor Real de Producción de 461 Empresas, Método Olley-Pakes1 , 2001-2010
Variable Crec. del VP
Participación de los factores en el crecimiento del producto
k l m e