PRINCIPALES VARIABLES QUE INFLUYEN EN EL IDC (ÍNDICE

DEPARTAMENTAL DE COMPETITIVIDAD) EN LOS DEPARTAMENTOS MÁS

REPRESENTATIVOS DE COLÓMBIA (2013 – 2017)

Jordan Alexis Pinzón Aguillón 1

Carlos Giovanni Duran Acevedo2
Luis Antonio Sanchez Sarmiento3

Resumen generan tanta relevancia en la

competitividad de un departamento. Los
Este articulo analiza la influencia de cinco
resultados muestran que las variables que
variables (demografía, educación
más afectan al IDC son la educación media
primaria, educación secundaria, educación
y tasa cobertura de internet banda ancha.
media, tasa cobertura de internet banda
Se recomienda para los siguientes años
ancha y tasa de individuos afiliados al
que cada departamento debe trabajar en
régimen social subsidiado) en el índice
estos dos aspectos para mejorar su
departamental de competitividad, IDC, en
competitividad.
los principales departamentos de
Colombia en el periodo 2013 -2017. Para Palabras clave: Índice Departamental de
ello se utiliza un enfoque de análisis de competitividad, datos panel, influencia.
datos tipo panel con ayuda del software R
para el análisis de los mismos. Este trabajo
pretende, además de contribuir a la Abstract

construcción de una perspectiva actual de His article analyses the influence of five
las variables mas influyentes en el IDC, variables (demographics, primary
desagregar mediante el análisis education, secondary education, middle
econométrico aquellas variables que no school, broadband Internet coverage rate

1
Estudiante de Economía de la Universidad Industrial de Santander (UIS), Colombia. E-mail:
jordan.pinzon.a@gmail.com
2
Estudiante de Economía de la Universidad Industrial de Santander (UIS), Colombia. E-mail:
carlos27ace@hotmail.com
3
Estudiante de Economía de la Universidad Industrial de Santander (UIS), Colombia. E-mail:
antonioSDrums@gmail.com
and the rate of individuals affiliated to indicador de cómo está cada departamento
subsidized social Security) in the en temas de competitividad, este indicador
departmental index of Competitiveness, es: el Índice Departamental de
IDC, in the main departments of Colombia Competitividad. Éste es desarrollado bajo
during the period 2013-2017. This uses a diferentes variables que afectan la
panel-type data analysis approach with the competitividad de un departamento.
help of software R for analysis. This work
En el siguiente trabajo analizamos que
aims, in addition to contributing to the
tanto afectan las variables: demografía,
construction of a current perspective of the
educación primaria, educación secundaria,
most influential variables in the IDC, to
educación media, tasa cobertura de
disaggregate by econometric analysis
internet banda ancha y tasa de individuos
Those variables that do not generate so
afiliados al régimen social subsidiado, en
much relevance in the competitiveness of
el IDC, tomando como base los
a department. The results show that the
departamentos más representativos de
variables that most affect the IDC are the
Colombia (Antioquia, Atlántico, Bolívar,
average education and broadband internet
Boyacá, Caldas, Cauca, Cesar, Córdoba,
coverage rate. It is recommended for the
Cundinamarca, Bogotá D.C, Huila, La
following years that each department
Guajira, Magdalena, Meta, Nariño, Norte
should work on these two aspects to
de Santander, Quindío, Risaralda,
improve its competitiveness.
Santander, Tolima y Valle del Cauca) en el
Keywords: Departmental index on periodo 2013-2017.
competitiveness, panel data, influence.
Para ello, el siguiente documento muestra
en un primer momento el marco teórico
que muestra el soporte conceptual del
Introducción
análisis. En segunda instancia, se presenta
En un mundo globalizado y en evolución un análisis de tipo econométrico con datos
se hace indispensable ser competitivo, por tipo panel y sus respectivos resultados.
esta razón un país como Colombia debe Para finalizar se presentan las
estar a la vanguardia en temas de conclusiones de la investigación.
competitividad. Para esto cada año se
publica un informe que muestra un
Marco teórico
En el auge de la expansión económica en
la que se encuentra el mundo con la
globalización se han venido presentando
distintos métodos que permiten la
obtención de datos cuantitativos
cualitativos de la población, lo que a su vez
permite analizar los factores que sean más
influyentes o determinantes en un
acontecimiento económico o social, estos
datos ayudan a entender y a ver en forma
de escala, el lugar que ocupa cada nación,
departamento o municipio con respecto a
estándares nacionales o internacionales.
Los índices de competitividad miden la
capacidad que posee una nación o región
para lograr un crecimiento económico en
relación con los recursos materiales, como
inmateriales con que dispone y su
capacidad para proveer a sus habitantes de
un alto nivel de prosperidad.
El foro económico mundial evalúa las
naciones con el Índice de Competitividad
Global (ICG) mediante 12 pilares
fundamentales. A nivel mundial Estados
Unidos se posiciona como el país más
competitivo del mundo, seguido de países
nórdicos y asiáticos. En Latinoamérica
Chile lidera el grupo de los países más
competitivos de la región y Colombia se
encuentra en la quinta posición.
Estos índices de competitividad globales
necesariamente implican la creación de
índices departamentales y municipales de
y competitividad, de tal forma se logra medir
dicho índice por sectores específicos en
una nación. En Colombia el Consejo
Privado de Competitividad (CPC) es el
ente encargado de suministrar los
resultados cada año del progreso que
tienen los departamentos, para medir dicho
progreso utiliza el Índice Departamental
de Competitividad (IDC). En los
resultados presentados para el año 2018,
Bogotá se sitúa en la primera posición,
seguido de Antioquia y Caldas, por su
parte, Santander, ocupa la cuarta posición
en el IDC.
Este índice evalúa la competitividad
territorial a partir de diez pilares, los cuales
están agrupados en tres factores: i)
condiciones básicas, ii) eficiencia, y iii)
sofisticación e innovación. El factor de
condiciones básicas comprende seis
pilares: instituciones, infraestructura,
tamaño del mercado, educación básica y
media, salud y sostenibilidad ambiental.
Por su parte, el factor eficiencia consta de
dos pilares: educación superior y
capacitación y eficiencia de los mercados.
A la vez, el factor sofisticación e
innovación está compuesto por los pilares
de sofisticación y diversificación
innovación y dinámica empresarial.
En los factores mencionados
anteriormente, el primero es el que agrupa
la mayor cantidad de pilares o variables
para analizar, en el caso del presente
trabajo se busca explicar en qué factores y
cuáles son los pilares o variables que
indican una mayor influencia
determinación en el IDC, en otras
palabras, evidenciar cuales
aspectos que hacen que un departamento
sea más o menos competitivo, todo esto
mediante el planteamiento de un modelo
econométrico enfocado en los datos panel.
En este trabajo se ese hace importante
tomar las impresiones de autores como:
Eduardo Wiesner se concentra en exponer
las debilidades de las
latinoamericanas y resaltar el papel del
estado como ente encargado de brindar
una sociedad basada en la equidad social y
la descentralización, donde la salud y la
educación juegan un rol
importancia en el desarrollo de países
emergentes; además, de lo expuesto por
Schumpeter, Veblen y Pareto la
e innovación permite que la economía de un
país adquiera un rango estructurante desde
el punto de vista institucional.
Análisis y resultados
A priori, se intuye la presencia de
multicolinealidad al agrupar variables para
o cualquier modelo. Esto gracias a que, los
datos proporcionados, en su mayoría,
son los explican el puntaje del Índice
Departamental de Competitividad tales
como: la cobertura en educación primaria,
secundaria y media, la cobertura de
internet y porcentaje de afiliados al
régimen subsidiado. Con el fin de obtener
resultados acertados y afines a la realidad,
el primer paso es corroborar la correlación
entre variables, para así minimizar efectos
instituciones adversos.
Se evaluó la correlación de las variables
expresadas anteriormente, obteniendo los
siguientes resultados:
de suma
 Índice Primaria Secundaria Media Int ARS
Índice 1 (-) 0.065 0,48 0,7 0,71 (-)0,84
Primaria (-) 0.065 1 0,6 0,23 0,021 0,18
secundaria 0,48 0,6 1 0,87 0,41 (-)0,44
Media 0,7 0,23 0,87 1 0,58 (-)0,67
Int 0,71 0,021 0,41 0,58 1 (-)0,68
ARS (-)0.84 0,18 (-)0,44 (-)0,67 (-)0,68 1

Tabla 1. Correlaciones de las variables. Elaboración propia.

Teniendo en cuenta los altos puntajes obtenida, el numerario de los coeficientes

obtenidos por la correlación de Pearson, se y sus respectivos ajustes de bondad,
determina que las variables explicativas podrían expresar valores inflados.
son: La educación media, la cobertura de
Los modelos a tratar en este trabajo son:
internet y el porcentaje de afiliados al
fijos y aleatorios. Todos los tratamientos
régimen subsidiado, excluyendo, la
toman a consideración datos de panel para
educación primaria y la educación
20 departamentos y la capital colombiana
secundaria. Este resultado se explica a
Bogotá D.C a lo largo de 5 años,
través de los menores coeficientes de
obteniendo una base de 105 datos por cada
correlación obtenidos, tratando de mitigar
variable. El primer modelo, no toma a
efectos adversos. Por lo anteriormente
consideración el intercepto, a diferencia
expuesto, se permite definir un modelo
del segundo que sí lo incluye. A
estándar de las variables tratando de
continuación, se muestran los resultados
explicar el puntaje del Índice
obtenidos:
Departamental de Competitividad. Cabe
aclarar que, gracias a la alta correlación

Estimate Std.Error T-value Pr(>|t|)

Media 8,17 1,99 4,099 9.77e-05 ***
0.0002989
Int 2,45 0,6491 3,7797
***
ARS -0.53056 1,75 -0.3017 0.7636544

Tabla 2. Resultado del modelo fijo con las variables Educación media (Media), cobertura
de internet banda ancha (Int) y afiliados al régimen subsidiado de salud (ARS). Elaboración
propia.
Pese a que el porcentaje de afiliados al salud, no ocasionan ninguna diferencia
régimen subsidiado (ARS) presentaba una notable.
correlación negativa alta, al correr el
Dada la nula significancia de la variable
modelo de efectos fijos arrojó que la
(ARS), se decidió correr el modelo de
variable no era para nada significativa.
efectos fijos y aleatorios con las dos
Esto se podría explicar, a qué tanto las
variables explicativas más significativas
personas del régimen contributivo como
(Media e Int). Los resultados fueron los
las del subsidiado tienen las mismas
siguientes:
condiciones de servicio en salud. Por lo
cual ambos regímenes gozan de buena

Estimate Std.Error T-value Pr(>|t|)

Media 8,4277 1,79 4,699 1.057e-05 ***
Int 2,5377 0,59 4,29 4.810e-05 ***

Total Sum
of 13.195
Squares:
Residual
Sum of 7.3831
Squares
R-
0.44046
Squared:

4.5808e-
F-statistic: 0.29034 p-value
11

Tabla 3. Resultado del modelo fijo con las variables educación media (Media) y cobertura
de internet banda ancha (Int). Elaboración propia.

Las variables independientes, en su
totalidad, demuestran una significancia
alta; muy por encima del 99% de
confianza. Con el fin de corroborar la
teoría de los modelos de efectos fijos, se
realiza un proceso de significancia para
cada región (Ver imagen 2 del anexo). Con
este procedimiento, se puede observar que,
casi la totalidad de los departamentos
posee un efecto común; exceptuando
Bogotá D.C y Antioquia, el cual posee un
efecto constante único.
Esto se debe a que Bogotá es la capital de y competitivas, ya que si observamos (Ver
Colombia la cual posee características imagen 3 del anexo) Antioquia ha liderado
propias de igual manera Antioquia con su en el IDC como región durante los 5 años
capital Medellín es una región bastante estudiados, con mucho margen de
única, por ser una de las más innovadores diferencia

Estimate Std.Error T-value Pr(>|t|)

(Intercept) 0,8295 0,57018 1,45 0.1457
Media 8,57 1,39 6,13 8.262e-10 ***
Int 2,84 0,6 4,71 2.382e-06 ***

Total Sum 19.553

of
Squares
Residual
Sum of 10.034
Squares
R- 0.48684
Squared
Adj. R- 0.47678
Squared
96.7682
Chisq p-value < 2.22e-16
on 2 DF

Tabla 4. Resultado del modelo aleatorio con las variables educación media (Media) y
cobertura de internet banda ancha (Int). Elaboración propia.

Se hace necesaria la elección de un modelo frente al de efectos aleatorios. En la

que explique nuestro trabajo. Para ello se (imagen 1 del anexo) se encuentra el
hace uno de una prueba que compara la soporte del comando utilizado para la
significancia del modelo de efecto fijo determinación del modelo más verídico.

Este proceso indica que, tanto el modelo
de efectos fijos, como el modelo de efectos
aleatorios tienen efectos significativos, por
lo tanto, cualquiera de los dos explica bien
la variable dependiente
la variable dependiente. Dado que el
intercepto no es significativo se decide
tomar el modelo de efectos fijos.
Conclusiones.
En todo el proceso de investigación y de
experimentación con los diversos modelos
presentados, dados los cambios que se iban
implementando al momento de ejecutarlo,
se logra evidenciar que la educación
primaria y secundaria no tienen una fuerte
relación con el IDC, esto en gran parte
porque en ese rango es donde los jóvenes
estudiantes tienden a desertar más de sus
estudios, por el contrario, en la educación
media, la cual comprende el grado decimo
y once, es donde se observa una relación
fuerte con el IDC, esto es importante
porque es la etapa en la que los estudiantes
están terminando su bachillerato, lo cual
implica responsabilidad en la toma de
decisiones, la cual se ve reflejada en la
conclusión de dichos estudios; en otras
palabras, es de mayor importancia para el
IDC la influencia de la educación media.
Esto comprenderá la generación una
mayor competitividad en la región.
Por otro lado, con la variable internet se
expone que es un determinante fuerte en el
IDC, dado que esté, facilita el acceso a la
información y por ende la expansión de
conocimiento en toda la región la harían
por sí misma más competitiva.
En síntesis, las principales variables que
influyen en el Índice Departamental de
Competitividad son la educación media, y
el acceso a internet.
Anexos

Imagen 1.

Imagen 2. Significancia de los departamentos de cuerdo con el modelo de efectos fijos.

Imagen 3. Encabezado de los datos.

Referencias.

Competitividad, C. P. (2016). Índice

Departamental de Competitividad 2016.
Competitividad. Colombia: Universidad
del Rosario.

Veblen, T. (1899). Teoría de la clase

ociosa. Estados Unidos: John Addison
Porter Prize.

Competitividad, c. p. (2017). Informe

nacional de competitividad 2016 - 2017.
Bogotá

Conpes. (2016). POLÍTICA NACIONAL

DE DESARROLLO PRODUCTIVO.
Bogotá, D.C.: DEPARTAMENTO
NACIONAL DE PLANEACIÓN.

Sistema Nacional de Competitividad e

Innovación. (2018) Índice de
Competitividad Global (Índex Global
Competitiviness ICG) Recuperado de:
http://www.colombiacompetitiva.gov.co/s
ncei/Paginas/indicadores-internacionales-
igc.aspx