Crescimento Econômico e Capital Humano

Vista previa del material en texto

1 
TESIS DE GRADO 
 
 
CRECIMIENTO ECONÓMICO DE LAS CIUDADES EN 
COLOMBIA Y SU RELACIÓN CON EL CAPITAL HUMANO 
 
PRESENTADO POR: 
ISABELLA SANABRIA MARTÍNEZ 
 
ASESOR: 
ADOLFO MEISEL 
 
 
 
UNIVERSIDAD DE LOS ANDES 
FACTULTAD DE ECONOMÍA 
 
 
 
BOGOTÁ, COLOMBIA 
Noviembre 2017 
 
 
 2 
RESUMEN 
En este estudio se examinan los determinantes del crecimiento económico en el periodo de 1990- 
2015 de las ciudades en Colombia. En particular, se busca determinar el rol que juega el desempeño 
de las pruebas ICFES, como una proxy del capital humano, en el crecimiento económico de las 
ciudades en Colombia. Para esta estimación se utilizó el recaudo tributario per capita como proxy 
del ingreso per cápita, y los resultados de las pruebas ICFES como indicador de calidad y cobertura 
en educación. Estas pruebas han logrado llevar un historial de los conocimientos de los estudiantes, 
permitiendo sacar una estadística general en todo el país. Por esta razón, es pertinente ver la 
relación que hay entre el desempeño de las pruebas en los últimos años y el crecimiento 
económico. Como muestra representativa, se utilizaron las 27 ciudades más pobladas del país que 
componen el 51% de la población. 
 
 
 
Palabras Claves: Crecimiento Económico, Educación, economía urbana. 
Clasificación JEL: R11, O18 
 
 
 
 
 
 
 3 
1. INTRODUCCIÓN 
 
Colombia se caracteriza por la diferenciación de sus regiones. Si se sitúa una persona al nororiente 
del país, en la ciudad de Bucaramanga, encontrará fuerte presencia agrícola y la explotación de 
minas y canteras. Si esta misma persona viaja a la capital del país, verá la fuerte influencia del 
sector financiero y gubernamental. Al extremo norte, está la costa caribe en donde Barranquilla se 
destaca por la industria y comercio debido a su posición privilegiada de puerto marítimo. 
Finalmente, en el pacifico, la cosa cambia, pues se encuentra la mayor concentración de pesca 
industrial y maricultura. 
 
Si bien cada región se diferencia no solo por aspectos obvios cómo la geografía, el clima, o la 
densidad poblacional, también ocurre por las ramas de actividad y su desarrollo económico. Así 
tal cual es el crecimiento de las ciudades: diferenciado. Estas diferencias tanto culturales, 
geográficas y económicas han generado un patrón de urbanización llevando a cada región a 
convergir hacía un centro urbano o ciudad principal. Por eso, este trabajo estudia los determinantes 
de crecimiento económico de las ciudades en Colombia durante el período 2000-2015 con el fin 
de identificar por qué unas ciudades crecen a mayor ritmo que otras. Puntualmente, este trabajo se 
enfocará en destacar la educación cómo motor de crecimiento e identificar si hay o no una relación 
significativa. Para esto se van a usar los resultados de las pruebas ICFES del periodo en estudio 
como indicador de calidad y cobertura en educación. Estas pruebas han logrado llevar un historial 
de la calidad de conocimiento que los estudiantes obtienen permitiendo sacar una estadística 
general en todo el país. Se tomó como muestra un total de 27 ciudades que corresponden al 51% 
de la población de Colombia según las cifras del DANE para el año 2015. 
 
Si bien los departamentos son la principal subdivisión nacional de Colombia, para objetivos de 
este estudió se decidió analizar las ciudades porque son el centro de urbanización y centro 
económico de las regiones. También, para estudiar los efectos de los resultados del ICFES y la 
causal de relación era imperativo el uso de las ciudades considerando que estas pruebas se miden 
a este nivel de subdivisión. 
 
 4 
El objetivo de este trabajo es identificar los determinantes del crecimiento económico en Colombia 
y establecer qué relación hay entre las pruebas del ICFES y el crecimiento de las principales 
ciudades. Se espera encontrar una relación positiva entre los resultados del ICFES y el crecimiento 
de las ciudades, es decir, que aquellas ciudades que hayan tenido los mejores resultados en el 
período de estudio presenten una tendencia positiva de crecimiento. 
 
Es importante determinar la relación entre estas dos variables en la medida en que se entienden los 
resultados del ICFES como indicador de la educación y del capital humano. Colombia cuenta con 
un bajo nivel de calidad en el sistema educativo y poca cobertura. Según el DANE en el 2016 
decreció el número de matrículas en los tres niveles de educación: preescolar, primaria y 
secundaria mientras que el gasto porcentual del gasto del Gobierno Central aumentó para este 
mismo año. La educación fue el segundo sub sector con mayor inversión después de inversión 
social. Es por esto que por medio de este estudio se quiere identificar oportunidades económicas 
posicionando la educación como motor de crecimiento e igualdad. 
Para desarrollar este trabajo se va a usar el ingreso per cápita de las ciudades como variable 
dependiente. Dado que no hay información del PIB per cápita por ciudades en Colombia, se 
utilizará como proxy de esta variable el recaudo tributario por ciudad. 
Dentro de los determinantes se van a analizar variables de infraestructura física, medida a través 
de la cobertura a servicios públicos básicos. El nivel de recaudación de impuestos y cultura de 
pago en las ciudades cómo medida del nivel de instituciones en las ciudades. El número de 
homicidio per cápita y el número de capturas per cápita cómo indicador de violencia. La población 
municipal como proxy del tamaño del mercado local y el índice de ruralidad para examinar la 
composición del mismo. Más adelante se verá el detalle de los datos con mayor extensión. 
El documento se fundamenta en cinco partes, la primera inicia con esta introducción, en la segunda 
se hace una revisión bibliográfica del tema de estudio en donde se van a revisar autores claves 
cómo punto de partida, mientras que en la tercera se expone el marco teórico. Dentro de este marco 
se va a ver la fundamentación económica de la importancia del capital humano en la economía 
junto con los conceptos de convergencia beta y convergencia sigma y cómo estos aplican o no al 
estudio en cuestión. Seguido, la cuarta parte donde se va a ver la metodología que se va a usar para 
 5 
la estimación del modelo y la revisión de los datos que se usaron en cuanto a la calidad, la 
consistencia y las limitaciones de estos. Por último, se presentan las conclusiones más relevantes. 
 
 
2. REVISIÓN DE LITERATURA 
 
El marco conceptual del cual parte este estudio se inspira en el trabajo de Meisel y Galvis sobre 
“El Crecimiento Económico de las Ciudades Colombianas y sus Determinantes” (2000) entre 1973 
y 1998. Este estudio busca establecer la dinámica de los determinantes mencionados previamente 
y el crecimiento de las ciudades en los últimos 17 años. Las estimaciones econométricas de este 
estudio señalan que los principales determinantes del crecimiento en el PIB per cápita de las 
ciudades colombianas son: el nivel de capital humano, la infraestructura urbana y de 
telecomunicaciones, las variables institucionales, el PIB per cápita inicial, y el tamaño del mercado 
local. La literatura económica sobre los determinantes del crecimiento es bastante extensa. En 
cuanto del marco literario se trata, este estudio se va a enfocar en trabajos que se han enfocado en 
entablar una relación entre el crecimiento económico regional o por ciudades y variables que tienen 
que ver con: geografía, economías de escala, instituciones y capital humano. 
 
Siguiendo esta línea de ideas, se va a empezar con la literatura que destaca el rol que juega la 
geografía económica y las economías de escala como determinantes del crecimiento. En este 
campo se destacan dos autores: Paul Krugman y Edward Glaeser. El primero, enfatiza el papel de 
las economías de escala y cómo estas contribuyen a la aglomeración de centros industrializados vs 
periferiasagrícolas en su trabajo “Increasing Returns and Economic Geography” (1991). Glaeser 
por su parte, destaca la importancia de las externalidades del conocimiento en el crecimiento 
económico y la influencia y la relación que se puede entablar entre estas dos variables (Glaeser et 
al, 1995) 
 
La importancia de Krugman en el estudio del crecimiento económico se basa en un modelo 
esquemático que explica cómo un país puede fragmentarse o diferenciarse en dos áreas: una 
concentración en un centro industrializado y en una periferia agrícola más dispersa. Esto sucede a 
medida que, a través de la minimización de costos de transportes, las firmas manufactureras 
 6 
tienden a localizarse y reagruparse en las regiones con la mayor demanda de sus bienes y servicios 
y dado que la demanda misma depende de la distribución de manufactura, a medida que se 
empiezan a formar las agrupaciones, surgen los centros urbanos (Krugman, 1991). Puesto en otras 
palabras, Galvis y Meisel también destacan los aportes de Krugman y dicen que “las decisiones de 
los productores en torno a la localización tienen en cuenta el acceso a los mercados para aprovechar 
las economías de escala, y estás, a su vez, refuerzan la concentración geográfica de la actividad 
económica” (Galvis y Meisel, 2000). 
 
En este mismo sentido en el trabajo de “Economic Growth in a Cross-Section of Cities” (1995), 
Glaeser et al examinan la relación entre características urbanas, crecimiento urbano e ingreso 
poblacional. Destacan de su estudio la importancia que tiene el nivel inicial de educación en la 
población siendo esta una variable con fuerte relación positiva al crecimiento. También encuentran 
significante el nivel de desempleo inicial y la accesibilidad a la manufactura. Sugieren que entre 
más alto sea el nivel de educación de un país más alta va a ser la influencia de esta variable en el 
crecimiento económico a medida que impacta el crecimiento tecnológico (precisamente lo que se 
busca reaplicar para el estudio aterrizado a las ciudades). Muchas de las explicaciones más 
interesantes para conectar el crecimiento con el capital humano inicial se ha enfocado en la 
presencia de externalidades productivas que se desarrollan a través del sistema escolar (Glaeser et 
al, 1995). 
 
Este mismo autor en su publicación sobre “Consumer City” (Glaeser et al, 2000) explica el énfasis 
que se le ha dado a las ciudades en el estudio de economía urbana a medida que estas tienen 
ventajas productivas y considerable oportunidad por el lado del consumo. En el paper los autores 
discuten el rol que tiene la densidad urbana para desarrollar y facilitar el consumo. Dicen que a 
medida que las empresas se convierten más móviles, el éxito y desarrollo de las ciudades se centra 
cada vez más en el rol que tienen como centros de consumo. Empíricamente, los autores 
encuentran que las ciudades con altos amenities tienden a crecer más que aquellas ciudades con 
menos. También encuentran que la renta en ciudades ha crecido más que los mismos salarios y es 
por esto que sugieren que esta diferencia en el crecimiento se debe a razonas más allá de los 
salarios- es decir, mientras la productividad de las ciudades crece, la calidad de vida crece a una 
velocidad más rápida. 
 7 
 
En este trabajo, los autores destacan cuatro amenitites que resultan críticos para el desarrollo de 
centros urbanos: 1. Presencia de variedad de bienes y servicios de consumo como restaurantes, 
teatros, centros comerciales. 2. Estética y entorno físico. 3. Servicios públicos en donde entra el 
factor de buenos colegios y baja criminalidad 4. Velocidad, esto refiriéndose a la velocidad de 
acceso y uso de los servicios (Glaeser et al, 2000). En esta línea de ideas, para este documento 
puntual, si bien se tiene en cuenta la importancia de los amenities cómo motor de crecimiento e 
impulsor de urbanidad, no se encontró data suficientemente significativa que condense y capture 
el sentido de amenities como se expresa aquí por lo que no se incluyó en el estudio. Ahora bien, 
se incluyó la cobertura de servicios públicos, total número de homicidio y total número de capturas 
como indicio de presencia institucional. 
 
Para entrar a estudiar el contexto en el caso de Latinoamérica se pueden destacar dos trabajos de 
Gerardo Esquivel para el caso de México y a Javier Escobal y Máximo Torero para el caso peruano. 
 
En su trabajo sobre la “Geografía y Desarrollo Económico en México”, Esquivel encontró que 
existen variables geográficas, como el clima y la vegetación, que explican gran parte de las 
diferencias regionales en el ingreso per cápita y que se le atribuye a estos factores la mayor 
contribución a la desigualdad regional (Esquivel, 2000). Con respecto al capital humano, el autor 
hace dos aproximaciones a la relación de la calidad y cantidad de la educación con las variables 
geográficas. 
 
El primer efecto supone que “si la geografía afecta la salud de la población infantil o juvenil, 
entonces también tenderá a minar su capacidad de aprendizaje y concentración en la escuela” 
(Esquivel, 2000). Esto se traduce en una menor asistencia escolar y por ende en un menor nivel de 
educación. El segundo efecto supone la relación entre geografía y esperanza de vida, relación que 
comprobó significativa previamente en este mismo artículo. Con respecto a esto, Esquivel dice 
que, en efecto, “cabe la posibilidad de que un cambio en la esperanza de vida altere las perspectivas 
de las personas con respecto a la rentabilidad de invertir tiempo y recursos en la adquisición de 
una mayor y mejor educación” (Esquivel, 2000). 
 
 8 
De esta manera se pueden ver las dos caras de la misma moneda. Por un lado está la visión de la 
calidad de la vida de las personas, en donde el primer efecto es directo a la capacidad y posibilidad 
de educarse siendo exógeno a las decisiones de los agentes. Y el segundo efecto, está vinculado 
con la cantidad de vida y “es el resultado de una decisión estrictamente racional de los agentes 
económicos” (Esquivel, 2000), invertir o no en su educación. Asimismo, Esquivel concluye que 
los resultados que obtiene manifiestan que uno de los canales por los que la geografía puede estar 
afectando el nivel del ingreso per cápita de los estados mexicanos, es a través de sus efectos en la 
formación de capital humano, que afecta o no la región a medida que esta tenga cierta desventaja 
geográfica tanto en el clima como en la vegetación. 
 
Para el caso de Perú, Javier Escobal y Máximo Torero, en su publicación de “¿Cómo Enfrentar 
Una Geografía Adversa?” (2000), señalan que la geografía no es factor suficiente para explicar las 
diferencias regionales en los ingresos. Si bien establecen que la geografía si es un factor influyente 
en el ingreso y crecimiento económico, dicen que “una adecuada dotación de activos públicos y 
privados permite superar los efectos potencialmente negativos de una geografía adversa” (Escobal 
y Torero, 2000). Los autores sostienen que las diferencias entre el gasto per cápita en las diferentes 
regiones geográficas, por ejemplo, la costa vs la sierra, se pueden explicar por las dotaciones de 
infraestructura y activos privados. Puede ser que la dispareja disposición y disponibilidad de 
infraestructura pública este limitado por la geografía por lo que “las regiones geográficas más 
adversas son las que tienen menor acceso a infraestructura pública” y por ende menor crecimiento 
económico. 
 
Así bien, Meisel y Galvis tambén señalan a partir de su estudio la diferencia que existe en las 
ciudades en Colombia según su ubicación geográfica. Concluyen que las ciudades más prósperas 
tienden a estar situadas a lo largo de la cordillera de los Andes, al interior del país y las ciudades 
menos dinámicas tienden a ubicarse en las zonas periféricas del país, especialmente a lo largo de 
la Costa Caribe. Si bien es cierto que la ubicación geográficano es el determinante del crecimiento 
per se, este si influye directamente en otras variables que afectan el crecimiento como lo muestran 
los casos de México y Perú. Para estos dos países, los autores hacen recomendaciones que giran 
en torno a políticas públicas que consideren las diferencias en acceso a activos privados y públicos 
para el caso peruano y mayor inversión en infraestructura y educación para el caso mexicano. 
 9 
 
Otro enfoque a los determinantes de los crecimientos es propuesto por Gilles Duranton. En su 
publicación sobre, “Determinants of City Growth in Colombia” (2008), posiciona como 
determinante fundamental del crecimiento económico en Colombia los índices de Fertilidad, 
también menciona la importancia de los altos niveles salariales y productividad que se ven 
determinados por la educación urbana y shocks industriales. 
 
“Colombian cities should be considered as local labor markets”( Duranton, 2008) 
 
Giles Duranton, en su paper titulado “Cities: Engines of Growth and Prosperity for Developing 
Countries?” habla de la fuerte interacción entre el nivel de capital humano promedio en las 
ciudades y el salario individual. Una vez controladas las características individuales, los efectos 
son relativamente grande; es particularmente fuerte cuando el capital humano de las ciudades es 
medido por la cuota de personas graduadas de la universidad por ciudad. Así, hay evidencia lo 
suficientemente significativa para establecer una causalidad desde el nivel de capital humano de 
una ciudad a los salarios individuales. 
 
Los estudios de Duranton parten del análisis de dos variables principales: la productividad urbana 
y la calidad de vida. La primera variable se mide a partir de los ingresos generados por las ciudades 
que dependen de varios factores. Por un lado, dice que los ingresos generados se ven afectados por 
el tamaño de las ciudades, pues el tamaño de la ciudad refleja la concentración del capital humano, 
que como vimos antes, este refleja los salaries individuales. También este se ve afectado por la 
existencia de rendimientos crecientes en la actividad económica y de la especialización y eficiencia 
de producción que se maximizan por medio de la conectividad físicas y virtual, infraestructura en 
general y la presencia de instituciones legitimas locales. Por otro lado, la calidad de vida se refleja 
por medio de los costos de vida que cada quien se ve obligado a costear para poder tener acceso a 
los sistemas de transporte, los servicios públicos, costos de vivienda y los bienes y servicios que 
consume en general la población. 
 
Dicho esto, Carolina Barco (2014) en su estudio reciente sobre los sistemas de ciudades en 
Colombia usa la aproximación teórica de Duranton para explicar la importancia de las políticas 
 10 
públicas para mejorar la calidad de vida de las personas y de esta manera impactar el crecimiento 
económico. Es por esto que se debe dar foco a la reducción de costos de vida para la población y 
los aumentos de productividad para poder asegurar el crecimiento. A partir de esto, se construyó 
un modelo de equilibrio urbano basado en las investigaciones de Henderson (1974). En este se 
analiza el comportamiento de los ingresos, los costos de vida, los ingresos netos y la oferta laboral. 
Según Duranton el crecimiento urbano de una ciudad representativa se explica por la relación entre 
los ingresos y los costos de vida sujetos al tamaño del mercado laboral, que per se es dado por el 
tamaño de la ciudad. 
 
Ha medida que el tamaño de la ciudad es mayor, aumentan los ingresos dado que hay mayor trabajo 
y por ende mayor productividad, pero también aumentan los costos de vida. Por esto, Carolina 
Barco sugiere dos tipos de políticas públicas, que dado el modelo de Duranton puede concluir que 
son el mecanismo correcto para mejorar la calidad de vida de las personas disminuyendo los costos 
de esta y aumentando la productividad de la ciudad. Primero, sugiere políticas publicas enfocadas 
en la expansión de la curva salarial, estas son políticas publicas “orientadas a la innovación, 
mejoras en la movilidad laboral y mejor conectividad, entre otras” (Barco, 2014). Segundo, 
propone políticas publicas orientas a mejorar los mercados de suelos la prestación de servicios 
públicos y sociales, la provisión de bienes públicos, entre otras enfocadas en la contracción de la 
curva de costo de vida. Por medio de esta manipulación: expandir la curva de salario y contraer la 
curva de costo de vida se estaría alcanzando el mayor nivel de eficiencia económica lo que se 
traduce a un mayor estado de bienestar de la ciudad en su totalidad. 
 
Ahora bien, para finalizar se destacan los conceptos de convergencia introducidos en el año 1995 
por los economistas Robert J. Barro y Xavier Sala- I Martin. Estos autores hablan principalmente 
de la presencia de dos tipos de convergencia en un modelo económico. En la teoría del crecimiento 
y del desarrollo económico se dice que existe convergencia, si las disparidades en los grados de 
bienestar y niveles de riquezas ya presentes entre países tiende a disminuir o desaparecer, mientras 
que hay divergencia si estas características se mantienen en el tiempo o aumentan. 
 
Ahora, con respecto a los tipos de convergencias que definen los autores, hay dos: Convergencia 
Beta y Convergencia Sigma. Se dice que si se observa que los países pobres han crecido a mayor 
 11 
velocidad que los países ricos, existe la presencia de convergencia beta; es decir, los países pobres 
crecen más rápido que los ricos. En caso de presentarse este tipo de convergencia, existe o no la 
Convergencia Sigma. Se dice que existe sigma convergencia si la dispersión y las desigualdades 
entre países baja con el tiempo. En este sentido, la convergencia Beta es una condición necesaria 
más no suficiente para la convergencia sigma. En el estudio de Galvis y Meisel (2000), los autores 
encuentran que no hay presencia de ninguna de los dos tipos de convergencia. Para propósitos de 
este estudio, se quiere hacer el mismo análisis, pero con la nueva data y el periodo en cuestión. 
 
Finalmente, para destacar la presencia de instituciones sólidas como determinante del crecimiento 
económico, se puede recurrir a los estudios hechos por Douglas C. North. North ha enfatizado el 
rol de las instituciones en el proceso de seguimiento sin embargo no es fácil entablar una relación 
directa en la medida en que estas instituciones van más allá del “aparato burocrático” como tal, en 
cuanto, “éstas también constituyen los patrones culturales, las reglas del juego que se definen para 
los agentes económicos y que orientan su actuación o su papel en la sociedad” (Galvis y Meisel, 
2000). En este contexto, aterrizado al caso colombiano, no es lo mismo analizar a centros 
históricamente con las mejores instituciones del país como lo son Bogotá y Antioquia, que cuentan 
con zonas departamentales que su mayor % porcentaje del PIB en ramas de actividad enfocadas 
en establecimientos financieros, seguros, actividades, inmobiliarios vs. ciudades periféricas que se 
dedican principalmente a la agricultura y maricultura, por ejemplo 
 
Vale la pena destacar un estudio hecho por Berdegué et al. en el cual se exploran los efectos que 
tiene la presencia de ciudades de tamaños pequeños y medianos dentro de un territorio urbano-
rural vs territorios altamente rurales o exclusivamente metropolitanos. Se busca una relación entre 
la composición del territorito y el crecimiento económico, la reducción de pobreza y la desigualdad 
de ingreso. En el caso de Colombia los resultados sugieren que los centros urbanos pueden hacer 
una gran contribución a la tasa de crecimiento económico y reducción de pobreza en territorios 
mixtos en comparación a los altamente rurales, pero en algunos casos conlleva a aumento en la 
desigualdad de ingreso (Berdegué et al, 2015). También enfatizanque el estudio de centro urbanos 
y su relación con las dinámicas de desarrollo territorial es y debe ser especifica por país. 
 
 12 
Teniendo en cuenta las consideraciones anteriores, se cree que en una ciudad con mayor presencia 
de instituciones legitimas mayor será la cultura del pago y recaudación de impuestos lo que se va 
a reflejar en un aumento en el nivel de la riqueza con base a los niveles del recaudo tributario. 
 
4.MARCO TEÓRICO 
 
Para entender la relación que existe entre el capital humano y el crecimiento económico se va a 
partir del modelo neoclásico Solow- Swan. Se va a empezar estableciendo la relación de la renta 
nacional para luego entrar en el detalle de los factores de producción de la misma. Partiremos del 
producto interno bruto (PIB) total el cual denotaremos como Yt. Este PIB se compone de la 
suma de cuatro variables claves dentro de la economía. Estas variables son Consumo Privado, 
Inversión, Gasto Público y Exportaciones Netas a partir de las cuales construimos el siguiente 
modelo: 
𝒀𝒕 = 𝑪𝒕 + 𝑰𝒕 + 𝑮𝒕 + 𝑁𝑋𝒕 
 (1.1) 
Donde la producción total 𝒀𝒕 es igual al Consumo Privado (𝑪𝒕) + Inversión (𝑰𝒕) + Gasto Público 
(𝑮𝒕) + Exportaciones Netas (𝑵𝑿𝒕). En este modelo puntual, se quiere estudiar el papel de la 
inversión en capital como motor fundamental del crecimiento a largo plazo, por esto para ver el 
rol que juega la inversión es necesario aislarla de las demás variables. Por esto, se va a asumir 
una economía cerrada y sin gobierno. Así, la identidad nacional se reduce a la siguiente 
ecuación: 
𝒀𝒕 = 𝑪𝒕 + 𝑰𝒕 
(1.2) 
 
Ahora bien, tenemos del lado izquierdo la oferta de la economía y a la derecha la demanda 
agregada. Adicionalmente, incluimos el ahorro. Se dice que todo aquello que se produce en una 
economía y no se consume es considerado ahorro, St. En este sentido, en esta economía cerrada y 
sin gobierno se tiene que el ahorro de los hogares es igual a la inversión o la demanda de las 
empresas tal que: 
𝒀𝒕 − 𝑪𝒕 = 𝑰𝒕 = 𝑺𝒕 
 (1.3) 
 13 
Ahora, la producción de la economía se construye a partir de tres factores de producción: Capital 
físico (𝑲𝒕) capital humano (𝑳𝒕) y tecnología (𝑨𝒕). Los primeros dos factores son bastante tangibles 
y obvios, por otro lado, la tecnología, también interpretada a veces como conocimiento, no es tan 
obvia y tangible, pero si es fundamental en la producción que puede ser mayor o menor 
dependiendo del país y momento en el tiempo. Dicho esto, se puede construir el siguiente modelo: 
 
𝒀𝒕 = 𝑭(𝑲𝒕 , 𝑳𝒕, 𝑨𝒕) 
 (1.4) 
En el cual se puede observar que la producción de la economía aumenta a medida que aumenta el 
capital físico, capital humano y/o la tecnología. 
 
Ahora bien, partiremos de una función de producción Cobb Douglas para seguir con el análisis 
propuesto: estudiar el papel de la inversión en capital como motor fundamental del crecimiento a 
largo plazo. 
 
Modelo de producción Cobb Douglas: 
F(K, L) = Yt = AKt
 Lt
1− 
(2.1) 
A través de este modelo se establece una relación tal que  toma valores entre 0 y 1 y es una 
constante que asegura que las rentas de los factores mantengan propiedades constantes. En otras 
palabras,  y (1-) son las elasticidades producto de cada uno de los factores. Siendo así, esta 
función satisface las condiciones básicas en el modelo de crecimiento neoclásico que son las 
siguientes: 
 
1. Rendimientos a escala constantes tal que: 
 
𝑨(𝝀𝑲)𝜶(𝝀𝑳)𝟏−𝜶 = 𝝀𝑨𝑲𝜶𝑳𝟏−𝜶= 𝝀Y 
 (2.2) 
 
2. La productividad marginal de todos los factores es positiva: 
 14 
𝜹𝒀
𝜹𝑲
= 𝜶𝑨𝑲𝜶−𝟏𝑳𝟏−𝜶 > 𝟎 
 
𝜹𝒀
𝜹𝑳
= (𝟏 − 𝜶)𝑨𝑲𝜶𝑳−𝜶 > 𝟎 
 (2.3) 
3. La productividad marginal es decreciente, es decir, a medida que aumenta el factor de 
producción aumenta el producto, pero cada vez a una menor escala: 
𝜹𝟐𝒀
𝜹𝑲𝟐
= 𝜶(𝜶 − 𝟏)𝑨𝑲𝜶−𝟐𝑳𝟏−𝜶 < 𝟎 
 
𝜹𝟐𝒀
𝜹𝑳𝟐
= (𝟏 − 𝜶)(−𝜶)𝑨𝑲𝜶𝑳−𝟏−𝜶 < 𝟎 
 (2.4) 
4. Condiciones de los límites de Inada: 
𝒍𝒊𝒎
𝑲→∞
𝜹𝒀
𝜹𝑲
= 𝜶𝑨𝑲𝜶−𝟏𝑳𝟏−𝜶 = 𝟎 𝒍𝒊𝒎
𝑲→𝟎
𝜹𝒀
𝜹𝑲
= 𝜶𝑨𝑲𝜶−𝟏𝑳𝟏−𝜶 = ∞ 
 
𝒍𝒊𝒎
𝑳→∞
𝜹𝒀
𝜹𝑳
= (𝟏 − 𝜶)𝑨𝑲𝜶𝑳−𝜶 = 𝟎 𝒍𝒊𝒎
𝑳→𝟎
𝜹𝒀
𝜹𝑳
= (𝟏 − 𝜶)𝑨𝑲𝜶𝑳−𝜶 = ∞ 
(2.5) 
Retomando la primera ecuación (1.3), la función de producción con rendimientos constantes a 
escala permite que se exprese el producto tal que: 
 
Y t= F (Kt , Lt,, At) 
 
Por simplicidad se va a sumir que la tecnología =1 dado que para propósitos de este análisis no 
tiene ningún efecto, así se tiene que: 
 
 Y = L ∗ 𝑭 (
𝑲
𝑳
, 𝟏) 
 
Y = L∗ 𝒇(𝒌) 
 
 15 
y = 𝒇(𝒌) 
(2.6) 
En donde se entiende que y es el producto per cápita, y k es la razón capital-trabajo. 
 
Agregamos a este modelo dos supuestos: 1. Tasa de ahorro constante como proporción del 
producto tal que: 
𝑪𝒕 = (𝟏 − 𝒔)𝒀𝒕 
(2.7) 
 
 2.. Tasa de depreciación del capital constante, igual a 𝛿 lo que significa que hay una porción del 
capital mayor a 0 que se desgasta por cada periodo de tiempo. Así mismo, se tiene que la inversión 
neta es igual al incremento neto del stock de capital físico y que la inversión es igual a la proporción 
de ahorro sobre el producto. Reemplazamos 𝑪𝒕 (2.7) que contempla la tasa de ahorro constante en 
la ecuación (1.2) y se obtiene que: 
 
𝑰𝒕 = 𝒔𝒀𝒕 
(2.8) 
Ello indica que en esta economía, cerrada y sin gobierno, la tasa de ahorro es igual a la tasa de 
inversión. Incluyendo la depreciación se obtiene que el aumento de capital en el tiempo K. es igual 
a: 
 
𝑰𝒕 = 𝑲.𝒕 + 𝜹(𝒌𝒕) 
(2.9) 
Reemplazando (2.7) y (2.9) en la identidad nacional (1.2) se logra que: 
𝒀𝒕 = (𝟏 − 𝒔)𝒀𝒕 + 𝑲.𝒕+ 𝜹𝑲𝒕 
 
𝑲.𝒕 = 𝒔𝒀𝒕 − 𝜹𝑲𝒕 
 (3.0) 
Reemplazando (2.8): 
 
𝑲.𝒕 = ∆𝑲 = 𝒔𝒀𝒕 − 𝜹𝑲𝒕= 𝑰𝒕 − 𝜹𝑲𝒕 
 16 
 
Que es lo mismo que decir que: 
 
𝑲.𝒕 = 𝒔𝑭(𝑲𝒕, 𝑳𝒕 ) − 𝜹𝑲𝒕 
(3.1) 
Aquí se ve que el aumento en la cantidad de capital lleva a un aumento o crecimiento en la 
producción. Se puede observar que esta ecuación es potencialmente útil y es la base en la cual se 
construye el modelo de crecimiento. 
 
 
5. DATOS 
Teniendo en cuenta la revisión de literatura presentada anteriormente se construyó una base de 
datos a partir de 14 variables con información de 25 años, desde 1990 a 2015. Como bien se 
menciona, se usaron las ciudades como núcleos de estudio porque son económicamente más 
homogéneas, pues, los departamentos tienden a ser más heterogéneos. En una economía más 
homogénea, se tiende a ver una reducción en los costos de transacción y en las asimetrías de 
información. Asimismo, esto permite un mejor estudio del crecimiento económico pues se 
establece un ambiente practico para innovaciones disruptivas. 
 
La variable dependiente mide el ingreso per cápita de las principales ciudades de Colombia. 
Considerando que en Colombia la información del PIB solo está a nivel nacional y departamental, 
se decidió usar un variable proxy del recaudo tributario construida a partir de las operaciones 
efectivas de caja que reporta la Dirección de Desarrollo Territorial del DNP. Si bien la base de 
datos municipal, que se menciona más abajo, tiene información del PIB per cápita municipal, solo 
tiene datos del 2000 al 2009 por lo que se descartó como variable dependiente y se toma el recaudo 
tributario. 
 
En varias ocasiones este proxy se ha usado en otros estudios en Colombia y se ha encontrado una 
alta correlación con el PIB departamental lo que indica que esta variable se puede considerar una 
buena aproximación del PIB urbano. Fabio Sánchez y Jairo Núñez estudiaron los determinantes 
del crecimiento de los municipios en Colombia y la evolución de las disparidades en el ingreso per 
 17 
cápita entre estos (Nuñez y Sanchez, 2000). Sánchez y Núñez utilizaron como proxy del PIB de 
los municipios los ingresos tributariosde industria, comercio y predial municipal, como 
proporción de lo recaudado en todo el departamento, asumiendo que esa participación equivale a 
la participación porcentual del municipio en el PIB departamental (Galvis y Meisel, 2000). 
 
Como muestra del estudio se utilizaron las 27 ciudades (municipios) más grandes en población, 
tabla 1. Según vimos previamente, la densidad poblacional juega un rol importante en el desarrollo 
de estas mismas. En el gráfico 1, se puede observar la diferencia significativa entre Bogotá y la 
segunda ciudad más grande, Medellín. Por esto es importante mencionar que independientemente 
de si se sobrestima o subestima el PIB urbano por medio del recaudo tributario para efectos de este 
estudio lo que interesa es ver y analizar la jerarquía de ingreso per cápita en las ciudades y no el 
valor absoluto como tal. 
 
La muestra que se utilizó para el estudio captura el 51% de la población del país sumando un total 
de 24,395,226 habitantes según la muestra poblacional del Panel Municipal del CEDE para el 
2015. Esta muestra compone el 65% del PIB municipal en el sector de servicios, 54% en el sector 
industrial y tan solo el 5% en actividad agrícola. En línea con la teoría de Glaeser, se refleja cómo 
los centros urbanos con mayor población reflejan mayor participación en el sector de servicios y 
el sector industrial indicando el desarrollo de producción y consumo. 
 
Se usaron 14 variables independientes para explicar el crecimiento económico. Las variables se 
seleccionaron teniendo en cuenta la revisión bibliográfica, pues se ha mostrado la relación que hay 
entre estas variables y el crecimiento de las ciudades; estas se pueden clasificar en las siguientes 
categorías: Capital Humano, Infraestructura Física, Indicador de Violencia, Economías de Escala, 
y Localización y Geografía. Se construyó la base de datos a partir del Panel Municipal del Centro 
de Estudios sobre Desarrollo Económico – CEDE- de la Universidad de Los Andes. 
 
 
 
 
 
 18 
Tabla 1: Población por Municipio 
 2015 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Fuente: Panel Municipal CEDE 
 -
 1
 2
 3
 4
 5
 6
 7
 8
B
o
go
tá
, D
.C
.
M
ed
el
lín C
al
i
B
ar
ra
n
q
u
ill
a
C
ar
ta
ge
n
a
C
ú
cu
ta
So
le
d
ad
Ib
ag
u
é
B
u
ca
ra
m
an
ga
So
ac
h
a
V
ill
av
ic
en
ci
o
Sa
n
ta
 M
ar
ta
P
er
e
ir
a
B
el
lo
V
al
le
d
u
p
ar
M
o
n
te
rí
a
P
as
to
B
u
e
n
av
en
tu
ra
M
an
iz
al
e
s
N
e
iv
a
P
al
m
ir
a
A
rm
en
ia
P
o
p
ay
án
Si
n
ce
le
jo
It
ag
u
i
R
io
h
ac
h
a
M
il 
m
ill
o
n
es
Gráfico 1: Población por Municipio 2015
 19 
Enfocándonos en el propósito de este estudio, el crecimiento económico y su relación con el 
ICFES, el capital humano se midió a partir de la cobertura y calidad de educación a partir de tres 
variables: Puntaje ICFES, total primíparas (personas que entran a primer semestre de universidad 
en un año) y total alumnos graduados de secundaria en un año. 
 
Para el puntaje ICFES se tomó el puntaje promedio total de los resultados en la prueba saber 11. 
Para hacer comparables los resultados en todos los años se normalizan los resultados individuales 
de cada prueba con una media de 50 y desviación de 10, tal como lo realiza el ICFES. Para el 
cálculo solo se tienen en cuenta los puntajes de matemáticas, lenguaje, sociales, filosofía y 
biología. Esta variable la usamos cómo fuente de información para la calidad de la educación en 
el país. 
 
Para medir el nivel de absorción entre el nivel de personas que aspiran a educación superior, 
graduados en un año y los estudiantes que realmente ingresan a una institución de educación por 
primera vez se usó el número total de alumnos de secundaria y el número total de primíparas por 
año. Es importante tener ambas variables para poder capturar las diferentes barreras de acceso de 
un nivel de educación al otro. Según cifras del Ministerio de Educación, en el 2015, la tasa de 
absorción a la educación superior fue de 48,5% según los estudiantes de colegios oficiales y no 
oficiales que aparecen en los registros. 
 
En el caso de la infraestructura física se utilizaron las cifras de cobertura de servicios públicos. Se 
utilizó la cobertura total de alcantarillado, de gas, de acueducto y de servicios de aseo, todas en 
valores porcentuales per cápita. Como indicador de violencia usamos el número de total 
homicidios y total capturados por ciudad. Este indicador también como reflejo de la presencia de 
instituciones en las ciudades. 
 
Finalmente, para el efecto de economías de escala, en línea con la teoría de Krugman, se tomó la 
población municipal como proxy del tamaño del mercado total. También se incluyó en el estudio 
el índice de ruralidad, población rural/población total, para considerar la composición de la 
población. Y para la localización y geografía se usó la distancia a Bogotá y la altitud sobre el nivel 
del mar. 
 20 
6. METODOLOGIA 
 
El análisis empírico se realiza utilizando modelos de datos de panel. La ventaja de este modelo es 
que proporciona información sobre una muestra de individuos, en el caso de este estudio 27 
municipios, que son observados en distintos momentos del tiempo. Los modelos de datos panel 
tienen par de ventajas sobre otros modelos más convencionales de corte transversal y de series de 
tiempo. La primera ventaja, se encuentra en que proporcionan al investigador un gran número de 
datos, lo que aumenta los grados de libertad y consecuentemente reduce la multicolinealidad entre 
las variables explicativas; en otras palabras, mejora la eficiencia de las estimaciones 
econométricas. Segundo, permite entrar en el análisis de temas económicos que al usar otro tipo 
de modelos no es posible estudiarse usando solamente uno de los dos tipos de modelo mencionada. 
 
Teniendo en cuenta las consideraciones anteriores, como aproximación principal para estimar el 
modelo se pensó en hacer un modelo de regresión simple líneal estimado a través de mínimos 
cuadrados agrupados (Pooled OLS). Esto considerando que es el enfoque más simple para analizar 
datos tipo panel, pues omite las dimensiones del espacio y el tiempo de los datos agrupados y sólo 
se centra en calcular la regresión de mínimos cuadrados ordinarios. 
 
Este modelo se expresa como: 
𝑌𝑖𝑡 = 𝛼 + 𝛽1𝑋𝑖𝑡 + 𝑒𝑖𝑡 
Donde 𝒾 significa la 𝒾-ésima unidad transversal (municipio) y el t el tiempo (año). 
 
Al construir la base de datos, se utilizó STATA para estimar el modelo. El primer pasó fue definir 
la variable dependiente, ingreso del recaudo tributario como proxy del crecimiento económico y 
el código del municipio cómo el identificador. 
 
Al hacer esta regresión los resultados inicialmente no fueron significativos. De las 13 variables 
que fueron incluidas en el modelo solo 5 tuvieron un nivel de significancia superior al 95%. Por 
esta razón, se entró a analizar la distribución de la variable dependiente. Dado esto la variable 
dependiente, ingreso, se transformó mediante una función logarítmica con el fin de capturar el 
efecto de las variables explicativas en función del cambio porcentual del recaudo tributario y un 
 21 
análisis más contundente en cuanto a esta variación. Al analizar el logaritmo del ingreso los datos 
se ajustan a una distribución normal con media de distribución igual a 0 y desviación estándar de 
la distribución igual a 1. Esto se refleja en el histograma que se presenta a continuación: 
 
 
 
Debido a esto, se decidió utilizar un modelo Log-Lin para estimar el modelo. Teniendo en cuenta 
las características de este tipo de modelo, se puede rescatar que después de estimar un modelo log-
lin, los coeficientes se pueden utilizar para determinar el impacto de las variables independientes 
sobre la variable dependiente. También, dado que la relación ya no es 100% lineal,los coeficientes 
en un modelo log-lin representan el cambio porcentual previsto en la variable dependiente para un 
cambio de unidad en la variable independiente. Esta interpretación la usaremos más a fondo en las 
ultimas consideraciones de esta sección, cuando se entre a analizar los resultados del modelo. 
 
Ya establecido el modelo Log- Lin, se descartó el modelo de mínimos cuadrados agrupados porque 
si bien es el más simple, se considera necesario estimar el modelo de tal forma que se pueda 
controlar el carácter “individual” de los datos, es decir mantener la esencia de cada municipio 
dentro del análisis de datos. Para capturar y controlar el carácter individual se utilizan dos pruebas: 
Efectos Aleatorios o Efectos Fijos. 
 
Para determinar qué modelo es mejor usar si RE, FE o Pooled OLS existen varias pruebas 
econométricas. Para revisar Efecto Aleatorios vs. Pooled OLS se usa la prueba de Breusch y 
 22 
Pagan. Esta prueba parte de la hipótesis nula de que la varianza al cuadrado del error es igual a 0. 
En caso de rechazar la hipótesis nula, se concluye que sí existe diferencia entre ambos modelos 
por lo que es preferible usar efectos aleatorios. En el caso de Efectos Fijos vs Pooled OLS, se usa 
la prueba F restrictiva, la hipótesis nula es que las variables dicótomas, en este caso el factor de 
diferenciación de los municipios, son iguales a cero. Si la prueba se rechaza, significa que al menos 
algunas variables dicotómicas sí pertenecen al modelo, y por esto es necesario usar el modelo de 
Efectos Fijos. 
 
Teniendo en cuenta esto, se trae a consideración el modelo de Efectos Aleatorios y Efectos Fijos 
pues para este estudio es fundamental controlar el carácter individual de los municipios. Ambos 
modelos, Efectos Aleatorios y Efectos Fijos, permiten suponer que cada unidad transversal tiene 
un intercepto diferente. La diferencia entre ambos modelos recae a la hora de modelar el carácter 
individual de cada estado, ver que el primero supone que las diferencias entre estados son 
aleatorias, mientras que el segundo los asume constantes o fijos. Por esto en el segundo se debe 
estimar cada intercepto mientras que en el primer modelo se estima un valor medio con desviación 
aleatoria. Dado esto, cuando se estima un modelo por Efectos Fijos se eliminan todas las variables 
que son constantes en el tiempo mientras que, por Efectos Aleatorios, se impone ortogonalidad en 
los factores tiempo invariante. 
 
Ahora bien, teniendo en cuenta las consideraciones de los modelos se optó por correr la regresión 
para ambos Efectos: Aleatorios y Fijos. Una vez se obtuvieron los resultados, se utilizó la prueba 
de Hausman para determinar la posible correlación entre el componente de error individual y las 
variables independientes. Así pues, la hipótesis nula de la prueba de Hausman es que los 
estimadores de ambos modelos no difieren sustancialmente. En caso de que se rechace, los 
estimadores si difieren y se concluye que el modelo de Efectos Fijos es más conveniente que 
Efectos Aleatorios. 
 
Al hacer esta prueba, los resultados indicaron que no podemos rechazar la hipótesis nula, lo que 
indica que no hay sesgo del cual preocuparse por lo que se prefiere efectos aleatorios que, al no 
estimar tantas variables dummies, es un modelo más eficiente. 
 
 23 
Ahora bien, es fundamental que aun cuando se ha corrido el modelo correcto para nuestro estudio, 
este puede estar mal especificado en otros aspectos. De acuerdo con los supuestos de Gauss-
Markov, los estimadores de OLS son los Mejores Estimadores Lineales Insesgados (MELI) 
siempre y cuando los errores sean independientes entre sí y se distribuyan idénticamente con 
varianza constante. Por esto, es importante probar la presencia de auto correlación y 
heteroscedasticidad. En el caso de estudio, se presentan ambos sesgos y se corrigieron utilizando 
la prueba de Breusch y Pagan y la prueba Modificada de Wald, respectivamente. En la presencia 
de auto correlación los errores dentro de cada unidad se correlacionan temporalmente, es decir que 
no son independientes con respecto al tiempo. Cuando hay heteroscedasticidad, las varianzas no 
son iguales entre los datos, entonces, al no ser constantes a lo largo de las observaciones, resulta 
en error en el cálculo del estimador de varianzas y covarianzas y perdida de eficiencia en este 
mismo. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 24 
7. RESULTADOS 
Finalmente, una vez identificado el modelo correcto y verificando que estuviera bien especificado. 
Los resultados fueron los siguientes: 
Variable Dependiente Crecimiento del Recaudo 
Tributario per Cápita. 
Variables Independientes 
Población 0.0308*** 
 (4.04e-07) 
Índice de ruralidad -24.46*** 
 (2.063) 
Distancia de Bogotá 0.0119*** 
 (0.00164) 
Altura sobre nivel del mar 0.00286*** 
 (0.000308) 
Capturas per cápita -0.00131** 
 (0.000622) 
Homicidios per cápita -0.00315** 
 (7.17e-05) 
Puntaje ICFES 0.0170*** 
 (0.00126) 
Primíparos per cápita 0.0102*** 
 (2.02e-06) 
Alumnos de Secundaria per cápita -0.00040 
 (6.07e-07) 
Graduados por Año per cápita 0.0155** 
 (3.37e-06) 
Cobertura Acueducto (% per cápita 0.00471* 
 (0.00391) 
Cobertura Gas Natural (% per cápita -0.00171 
 (0.00361) 
Cobertura Servicio de Aseo (% per cápita) -0.000963 
 (0.00106) 
Cobertura Alcantarillado (% per cápita) 0.000363 
 (0.000744) 
Constante -0.634 
 
Observations 611 
Número de Municipios 27 
R-squared 0.888 
 
Standard errors in parentheses 
*** p<0.01, ** p<0.05, * p<0.1 
 25 
Se puede observar que con las variables del modelo se logra explicar en un 88,9% de la variación 
del recaudo tributario como proxy del crecimiento económico de acuerdo con el resultado del R 
cuadrado; esto a partir de la composición de 14 variables, para 27 municipios en un periodo de 
tiempo de 1990 a 2015. 
 
Entrando en el análisis de las variables independientes se puede ver que de las 14 variables que se 
usaron en el estudio, todas presentaron algún nivel de significancia a excepción de 5; 6 de las 
variables tienen significancia en el modelo a un nivel de confianza del 99%; 3 variables presentan 
nivel de confianza del 95% y una al 90%. 
 
Centrándonos en las variables de capital humano, vemos que la calidad de educación expresada 
por medio del puntaje ICFES y la cobertura expresada por número de primíparas y total alumnos 
graduados en unos años son todas significativas. Por otro lado, la variable de total alumnos de 
secundaria no resultó ser significativa. De las tres mencionadas de primero, la que más incide en 
el ingreso del municipio es la de puntaje ICFES, con un nivel de significancia del 95%. Por cada 
unidad adicional en el puntaje, el ingreso del municipio crece en 0.017%. Un aumento en la 
cobertura por un estudiante, si es primípara, crece el ingreso en 0.0102 % y si es graduado de 
último año de secundaria en 0.0155%. 
 
La infraestructura física, medida a través de la cobertura de servicios públicos, no resulto ser 
significativa a excepción de cobertura de acueducto. En contraparte, los indicadores de violencia 
presentaron significancia al 95%. Por cada homicidio adicional, el ingreso disminuye en 0.003%, 
y por cada captura adicional disminuye en 0.001%. En este aspecto se puede decir que Colombia 
ha mejorado, pues en el 2016, según el Ministerio de Defensa, presentó la tasa más baja de 
homicidio de los últimos 42 años. 
 
La población resultó ser la variable con mayor influencia positiva en el ingreso. Por cada persona 
adicional, el ingreso aumenta en .03%. Esto en línea con los varios estudios que se resaltaron en 
la revisión bibliográfica que señalan la importancia de la población en el crecimiento urbano y 
señalamiento del crecimiento local. También, se refleja esto en el índice de ruralidad, que al igual 
de la población, es la variable que tiene mayor influencia, esta vez negativa, en el ingreso.26 
En este mismo sentido en el trabajo de “Economic Growth in a Cross-Section of Cities” (1995), 
Glaeser et al examinan la relación entre características urbanas, crecimiento urbano e ingreso 
poblacional. Destacan de su estudio la importancia que tiene el nivel inicial de educación en la 
población siendo esta una variable con fuerte relación positiva al crecimiento. También por un 
aumento de una unidad en el índice de ruralidad, el ingreso disminuye en 24%. Si bien a primera 
instancia la cifra resulta ser impactante, hay que tener en cuenta que para mover el indicadoor en 
una unidad del índice de ruralidad se requiere bastante intercambio en la composición de la 
población, pues al cogerse los municipios más grandes de Colombia, este índice resulta ser 
particularmente bajo. 
 
Finalmente, las variables de localización y geográficas indican que a mayor cercanía a Bogotá y a 
mayor altura sobre el nivel del mar, hay más ingreso. Esto también en línea con los estudios de 
Galvis y Meisel (2000) en donde presentan las disyuntivas entre la costa del país y el interior. 
 
8. CONCLUSIONES 
 
Para concluir con el estudio, destacamos la relación positiva que tiene el capital humano con el 
ingreso de las ciudades. Analizando los resultados podemos observar que entre mayor puntaje 
ICFES, mayor es el ingreso de la ciudad. Es curioso resaltar, que, si bien vimos que la cobertura, 
número de graduados en un año y número de primíparos, se relacionan positivamente con el 
ingreso, el número de graduados de secundaria tiene mayor alcance en el ingreso que aquellos que 
se matriculan en la universidad. 
 
Cabe recalcar también que el mayor impacto en el ingreso viene por parte de la población. En este 
sentido, también podemos asemejar la población con el capital humano. Pues a mayor población 
mayor educación, partiendo de la base que son personas aptas y calificables para recibir educación. 
Esto también lo podemos soportar por la relación negativa que hay con el índice de ruralidad, pues 
a mayor urbanismo hay mayor desarrollo del capital humano como vemos en la revisión 
bibliográfica. 
 
 27 
Podemos rescatar del estudio la importancia que se le debe dar al desarrollo del capital humano al 
largo plazo. Esto en aras de fortalecer la competitividad y las instituciones que sean capaces de 
diseñar instrumentos y mecanismos que reconozcan y garanticen las condiciones sociales y 
culturales propias, de manera que guíen y construyan el crecimiento económico. 
 
Retomando las consideraciones principales del documento concluimos en que sí se encontró que 
las ciudades que hayan tenido mejores resultados en las pruebas ICFES, tuvieron un mayor 
crecimiento económico, ya que estas, como indicador de la calidad de la educación reflejan el 
potencial del capital humano que afecta positivamente el crecimiento económico. Adicionalmente 
se comprueba la relación positiva entre el crecimiento del nivel de ingreso y el tamaño de la 
población de las ciudades, siendo éste último un indicador del tamaño del mercado local y del 
potencial de demanda que existe en los entornos urbanos analizados, así como de las economías 
de escala y aglomeración. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 28 
9. BIBLIOGRAFÍA: 
 
Barco, C. (2014) Misión Sistema de Ciudades: Una Política Nacional para el Sistema de Ciudades 
Colombiano con Visión A Largo Plazo. Departamento Nacional de Planeación, DNP. 
 
Duranton, G. (2008). Cities: Engines of Growth and Prosperity for Developing Countries?. 
Commission of Growth 
 
Duranton, G. (2015). Determinants of city growth in Colombia. University of Pennsylvania 
 
ESCOBAL, J., TORERO, M. (2000)"¿Cómo enfrentar una geografía adversa?: el rol de los activos 
públicos y privados", Documento de trabajo # 29, Grupo de Análisis para el Desarrollo, Perú. 
 
ESQUIVEL, G. (2000)"Geografía y desarrollo económico en México", Mimeo, México. 
 
Galvis, L & Meisel, A. (2000) El Crecimiento Económico de las Ciudades Colombianas y sus 
Determinantes, 1973-1998. (No.18), Colombia. 
 
Glaeser, E., Kallal, H., Scheinkman, J., & Shleifer, A. (1992) Growth in Cities. Journal of Political 
Economy Vol 100 (No. 6) 
 
Glaeser E. (2000) KOLKO, Jed, and SAIZ, Albert, "Consumer City", NBER Working Paper 
Series, No. 7790. 
 
Henderson, J. (1974). The Sizes and Types of Cities (Vol. 61). American Economic Review. 
 
Krugman, P. (1991) Increasing Returns and Economic Geography. Massachusetts Institute of 
Technology 
 
Nuñez, J., Sanchez, F. (2000) “Geography and Economic Development: A Municipal Approach 
for Colombia”, CEDE, Uniandes.