SInfluencia del Ingreso de las Personas y Nivel de Crecimiento Económico en Áncash, 2015-2020

Resumen

El presente estudio analiza el impacto de la influencia del Covid-19 en relación a los ingresos de las personas y el nivel de experiencia en el mercado laboral en la región Áncash. El tipo de investigación utilizada fue descriptiva y correlacional para el análisis de los años de experiencia en el mercado laboral con los ingresos en la región Áncash. Entre los hallazgos más importantes se encuentran los siguientes: la variable ingresos y cantidad de experiencia mantienen una asociación directa y positiva; la posibilidad de que esto ocurra por azar es menor al 5%, lo que indica que es estadísticamente significativo. De acuerdo al coeficiente de determinación, el cual indica que el 94, 09% de las fluctuaciones que se produjeron variable ingresos se explican por la variación nivel de experiencia, y por último, el coeficiente de correlación múltiple, en función de su valor que es de 0,9212, explica que existe un alto grado de asociación entre el salario y la variable dependiente, lo que ayuda mucho a comprender el problema existente en esta investigación.

Palabras clave: Salario; educación; nivel de ingreso familiar; crecimiento económico.

Abstract

The present study analyses the impact of the influence of covid-19 in relation to people’s income and the level of experience in the labour market in the Ancash region. The type of research used was descriptive and correlational for the analysis of the years of experience in the labour market with income in the Ancash region. Among the most important findings are the following: the variable income and amount of experience maintain a direct and positive association; the possibility of this occurring by chance is less than 5%, which indicates that it is statistically significant; according to the coefficient of determination, which indicates that 94. 09% of the fluctuations that occurred in the variable income are explained by the variation in the level of experience, and finally, the multiple correlation coefficient, based on its value of 0.9212, explains that there is a high degree of association between the salary and the dependent variable, which helps a lot to understand the existing problem in this research.

Keywords: Salary; education; household income level; economic growth.

Introducción

Dado que las personas son el motor del país, según la teoría del capital humano, invertir en su educación es crucial para el desarrollo y el crecimiento del país (Ortiz et al., 2020). Si las personas están muy formadas y en constante formación, serán un capital muy rentable y contribuirán en gran medida a sus naciones (Charles et al., 2018). Además, la teoría del capital humano sostiene que un mayor nivel educativo mejorará la calidad de vida de las personas, lo que se reflejará en la productividad incentivada de la nación (Ayala et al., 2021).

La mayoría de las teorías existentes coinciden en que la educación es un bien de inversión que aumenta los ingresos potenciales, la capacidad de superación personal, la empleabilidad y la posibilidad de cambiar de trabajo con relativa facilidad (Beltrán-Ayala et al., 2020). Esto es así porque el capital intrínseco que otorga el conocimiento está siempre en el individuo, y éste se encuentra siempre en estado de constante declive. En la decisión de un joven de cursar estudios superiores influirán los costes individuales directos y los costos de oportunidad de esta opción, así como el impacto potencial sobre el empleo y los niveles de renta futuros; lo mismo ocurrirá mínimamente en el nivel de elección de la inversión que el individuo pueda realizar, ya que considerará invertir constantemente en su formación y perfeccionamiento en la especialidad o tras que atraiga su interés con el fin de maximizar los rendimientos (Aldana et al., 2019).

Se está dando una mayor inversión en el capital humano de las futuras generaciones desde los niveles más básicos hasta los más avanzados de escolaridad, como lo afirman Mendoza y García (2006), con la esperanza de que el futuro de una nación se desarrolle con las nuevas generaciones como resultado de la formación de talento humano con nuevos conocimientos que permitan resolver problemas y además permitan a su sociedad salir del subdesarrollo en el corto plazo Garca y Céspedes (2011). Recientemente se han observado incrementos en la pobreza. El crecimiento, a medida que pasa el tiempo, se muestra más importante en general. De la misma manera que la flexibilidad de la distribución de la pobreza aumenta como consecuencia del aumento del potencial, la deducibilidad de las cosas depende en gran medida de la participación de sus actores directos, como son las propias personas o ciudadanos que deben tomar conciencia de este papel que les toca asumir (Mieres, 2020). Esto pone de relieve la importancia de abordar la desigualdad de ingresos y garantizar que todo el mundo tenga acceso a los recursos que necesita para llevar una vida cómoda. Los habitantes de las grandes ciudades suelen carecer de acceso a los servicios básicos, lo que agrava sus dificultades económicas.

El modelo de crecimiento positivo utilizado en el Perú desde mediados del siglo pasado es analizado por Frank e Iguiz (2006); los vínculos con la reducción de la pobreza permiten esta comprobación; sin embargo, el modelo juega un papel menor en este sentido. Han logrado reducir la incidencia de la pobreza, que cuantitativamente sería muy alta de no aplicar este tipo de políticas gubernamentales que benefician a la población especialmente a los que menos tienen (Jansson, 2020), para mejorar su calidad de vida, sin ningún modelo de Industrialización por Sustitución de Importaciones (ISI), que es el principal modelo exportador de los años 50. Como una línea de evidencia, Campos y Monroy (2016) establecen una correlación entre el crecimiento del PIB y la reducción de la pobreza a lo largo del año. En un examen trimestral de los años 2005-2014, se encuentra que la pobreza disminuyó a la par del crecimiento per cápita en sólo un subconjunto de estados, correspondiente a un subconjunto de sectores económicos.

La baja calidad de vida de la población en los distintos estados de México se refleja en el alto índice de pobreza per cápita de México en comparación con las poblaciones de otros países de América del Norte y del Sur (De Jesus et al., 2019). Esto se debe a que el crecimiento económico está relacionado con el aumento del empleo formal, pero no con un mejor nivel de salarios, dado el estado actual de la economía mexicana durante el periodo de tiempo del estudio. Por el contrario, Gamarra (2017) utilizó un modelo econométrico multinivel que incluye los datos desagregados del PIB, el Índice de Pobreza Monetaria y el Coeficiente de Gini para analizar la desigualdad de ingresos en la economía peruana. Este análisis encuentra que el PIB extractivo del Perú tiene un papel importante en el alivio de la pobreza en las diversas regiones del país.

Asimismo, la contribución de la minería al PIB es considerable en las zonas con tasas de pobreza moderadas, ya que es la principal fuente de ingresos de muchos residentes, lo que les permite salir de la pobreza a ellos y a sus familias. La importancia del sector servicios en el PIB de las zonas más ricas del país se explica bien. La correlación entre el PIB y los niveles de empleo. Además, Salazar, (2020) concluye que la disminución de la desigualdad no ha ido acompañada de una disminución de la pobreza, como demuestra el modelo econométrico. Este modelo ilustra la conexión entre las variables investigadas; es decir, las variables de pobreza no disminuirán si no existe un impulso de factores externos que permitan a las familias más pobres obtener mejores niveles de ingresos económicos y éstos sean permanentes en el tiempo, es decir, en el corto, mediano y/o largo plazo.

La única forma de aliviar la pobreza económica es generar nuevas fuentes de ingresos a largo plazo para las familias (Özkaya et al., 2021). Además, García y Céspedes (2011) utilizaron diversos escenarios para sacar sus conclusiones sobre la factibilidad de alcanzar los objetivos del milenio de reducir la pobreza económica. También, Trivelli (2010) explica que los sectores rurales, indígenas y campesinos se ven desproporcionadamente afectados por la pobreza: el gobierno actual no los considera para implementar políticas públicas que les permitan generar un mejor ingreso por capital, mejorando así sus ingresos y, en consecuencia, su calidad de vida como habitantes, lo que a su vez repercutiría en los miembros de sus familias; el investigador también demuestra una correlación entre la pobreza y la presencia de pueblos indígenas.

Materiales y Métodos

La presente investigación es una investigación descriptiva y correlacional; para el examen del crecimiento económico en la Región Áncash. Los datos utilizados en el presente estudio provienen de fuentes secundarias; específicamente, la revisión de la bibliografía existente en la biblioteca especializada de la universidad y páginas web acreditadas como las del BCRP, INEI: La técnica de recolección de información cuantitativa producida por las principales instituciones de la región: BCRP, INEI; una técnica de recolección de información cuantitativa producida por las principales instituciones públicas vinculadas a la temática. Finalmente, se procesaron los datos utilizando la hoja de cálculo Excel como soporte para convertir los datos a Eviews y realizar la regresión del modelo estimado empleado en este estudio.

Resultados

Modelo económico del modelo trabajado:
Ln (Y) = β0 + β1 S + β2Exp + β3Exp2 + µ
Donde:
Y: son los ingresos del individuo
S: es el número de años de educación alcanzada
Exp: son los años de experiencia en el mercado laboral
µ: es el término de error aleatorio
B0, B1, B2, B3: parámetros de regresión.

Data empleada:
En el presente trabajo se utilizó los módulos y data existente del ENAHO, para los años del estudio que son: 2014-2020, para el departamento de Áncash: Características de los Miembros del Hogar (Modulo 2), Modulo 3: Educación (Modulo 3) Modulo 5: Empleo e Ingresos (Modulo 5) y Modulo 34: Sumaria (Modulo 34). Considerando una muestra 302 jefes de hogar.

Las variables son:

Ingmens: ingreso mensual
Edad: edad de los jefes de hogar en años
Escolar: años que el jefe de hogar estudio
Exp_lab: años de experiencia laboral
Pea: población económicamente activa

Tabla 1

Logaritmo de ingreso de las personas y nivel de crecimiento económico en la Región Áncash

Modelo log lin: lningmensper= β_0+ β_1*escolaridad+ µ

Dependent Variable: LNING-MENSPER
Method: Least Squares
Date: 04/21/21 Time: 18:32
Sample: 1 302

Variable	Coefficient	Std. Error	t-Statistic	Prob
Escolaridad	1.30E-01	3.70E-02	3.515956	0.0005
C	5.89E+00	1.46E-01	40.25422	0.0000
R-squared	0.0395776	Mean dependent var		6.363817
Adjusted R-squared	0.036374	S.D. dependent var		1.010876
S.E. of regression	9.92E-01	Akaike info criterion		2.829061
Sum squared resid	2.95E+02	Schwarz criterion		2.853633
Log likelihood	-425.1882	Hannan-Quinn criter		2.838892
F-statistic	12.36195	Durbin-Watson stat		1.028319
Prob(F-statistic)	0.000506

Fuente: Equipo Investigador

Modelo Desarrollado: lningmensper = 5.890141 + 0.129928*ingreso + µ

Cuando el jefe del hogar logra aumenta su ingreso en un año, su ingreso mensual aplicando los logaritmos este se incrementa en 0.129928. Además, cuando no hay variación el logaritmo del ingreso mensual se incrementa en 5.890141. La variable Ingreso es significativa a nivel individual (prueba t-student) ya que el p values es menor a 0.05. Además, el modelo es explicado en 0.9576% (R2), del coeficiente de determinaron.

Tabla 2

Determinación de los intervalos de confianza con Eviews

Regresión del Modelo Log Lin

INGMENSPER, EXP_LAB

Dependent Variable: LNINGMENSPER
Method: Least Squares
Date: 04/21/21 Time: 18:32
Sample: 1 302
Included observations: 302

Variable	Coefficient	Std. Error	t-Statistic	Prob
Escolaridad	1.30E-01	3.70E-02	3.515956	0.0005
C	5.89E+00	1.46E-01	40.25422	0.0000
R-squared	0.0395776	Mean dependent var		6.363817
Adjusted R-squared	0.036374	S.D. dependent var		1.010876
S.E. of regression	9.92E-01	Akaike info criterion		2.829061
Sum squared resid	2.95E+02	Schwarz criterion		2.853633
Log likelihood	-425.1882	Hannan-Quinn criter		2.838892
F-statistic	12.36195	Durbin-Watson stat		1.028319
Prob(F-statistic)	0.000506

Fuente: Equipo Investigador

Prueba de normalidad

1. Histograma de residuos

Figura 1. Histograma de residuos
Fuente: Equipo Investigador

Tabla 3

Multicolinealidad - Correlation

LNINGRESO		EDUCACION	EXP_LAB	EXPLAB2
LNING	1.00000	0.198936	-0.006611	-0.021704
EDUCA	0.198936	1.000000	-0.072827	-0.122441
EXP_LAB	-0.006611	-0.072827	1.000000	0.94675
EXPLAB2	-0.021704	-0.122441	0.94675	1.000000

Fuente: Equipo investigador

La colinealidad es baja en la mayoría, solo en exp_lab y explab2.

A continuación, se presenta los datos de la heteroscedasticidad, esta significa que la varianza de las perturbaciones no es constante a lo largo de las observaciones.

Tabla 4

Heteroscedasticidad

HeterosKedasticity Test White
Null hupothesis:Homoskedasticity
F-statistic	4.896312	Prob. F(5,3)	0.00000
Prob. Chi-Squa-
Obs*R-squared	35.6127	re(5)	0.00000
Prob. Chi-Squa-
Scaled explained SS	59.7587	re(5)	0.00000

Test Equation:
Dependent Variable: RESID*2
Method: Least Squares
Date: 05/23/21 Time: 12:25
Sample: 1 302
Included observations: 302
Collinear test regressors dropped from specification

Variable	Coefficient	Std. Error	t-Statistic	Prob
C	3.84E-01	6.97E-01	0.55094	0.5821
EDUCACION*2	-4.92E-03	6.35E-02	-0.0077361	0.9384
EDUCACION*EXPLAB	-0.049083	0.017438	-2.81478	0.0052
EDUCACION*EXPLAB2	0.001369	0.000444	3.080877	0.0023
EDUCACION	0.03636	0.423272	0.085903	0.9316
EXP_LAB*2	-0.012032	0.011214	-1.073002	0.2842
EXP_LAB*EXPLAB2	0.000207	0.000386	0.535013	0.593
EXP_LAB	0.285992	0.126348	2.263526	0.0243
EXPLAB2*2	-1.60E-06	4.20E-06	-0.380137	0.7041

Fuente: Equipo investigador

En este análisis se logra observar el valor de obsr-square=35,61 se ve que en el test de White. Bajo que la hipótesis nula es homocedastico. La probabilidad es menos al 5% y se rechaza la hipótesis nula. Hay evidencia de heterocedasticidad.

Intervalos de confianza para B2 Y B1

Como hay 302 observaciones, los grados de libertad (gl) son 300. Si suponemos que α=5%, (coeficiente de confianza a 95%), entonces la tabla t muestra que para 300 gl el valor crítico tα/2=1.968 Al sustituir estos valores, se verifica que el intervalo de confianza para β2 a 95% es el siguiente:

Interpretación de los parámetros:

β^_2=0.129928, Indica que, dentro del intervalo muestral de años de ingreso entre 1 y 6 años de ingreso, a medida que el valor de X aumenta un año de ingreso el incremento estimado en el logaritmo natural del ingreso mensual por individuo, aproximadamente 12 soles.

β^_1=5.890141, Indica que el logaritmo del ingreso mensual promedio cuando el nivel de ingreso es cero.

R2=0.0396, Indica que el nivel de ingreso explica el 3.96% de la variación del logaritmo natural del ingreso mensual.

R=0.1990, Muestra que el logaritmo natural del ingreso mensual y la ingreso tienen una baja correlación positiva.

La interpretación de este intervalo de confianza es: Dado el coeficiente de confianza de 95%, en 95 de cada 100 casos, el intervalo contendrá al verdadero valor de β2. Pero no se puede afirmar que la probabilidad de que este intervalo contenga al verdadero β2 sea de 95% porque este intervalo es ahora fijo y no aleatorio; por consiguiente, β2 se encontrará o no dentro de él: la probabilidad de que el intervalo fijo específico incluya al verdadero valor de β2 es por consiguiente 1 o 0.

PARA B1

• De acuerdo a los resultados obtenidos de la regresión, el intervalo de confianza para β1 a 95% en este ejemplo es:

En 95 de cada 100 casos, el intervalo 5.60218≤β_1≤ 6.17810 contendrá al verdadero valor de β1; la probabilidad de que este intervalo fijo en particular incluya al verdadero β1 es de 1 o 0.

Intervalos de confianza para σ2

En nuestro ejemplo σ^2 se calcula de la siguiente manera:

Si seleccionamos α de 5%, la tabla ji cuadrada para 300 gl da los siguientes valores críticos:

Figura 2. Distribución Chi-cuadrada

Estos valores muestran que la probabilidad de que un valor del estimador estadístico: Chi cuadrada sea superior a 349,8745 es 2,5%, y la de 253,9122 es 97,5%. Por consiguiente, el intervalo entre estos dos valores es el intervalo de confianza para a 95%, como se aprecia en el diagrama de la figura adjunta.

Al sustituir los datos en:

El intervalo de confianza para a 95% es:

Este intervalo se interpreta: Si establecemos límites de confianza a 95% sobre σ^2 y se afirma a priori que entre estos límites caerá el verdadero σ^2 ; nivel de varianza de las variables de estudio.

Figura 3. Prueba de Jarque Bera (JB)

• A partir del presente histograma, parece que los residuos no están normalmente distribuidos. Podemos calcular la prueba Jarque-Bera (JB) de normalidad (JB=63.3808), con un valor p = 0.0000 Por tanto, al parecer, el término de error no sigue una distribución normal. Por lo tanto, se rechaza la hipótesis nula

Discusión

Según Mendoza y García (2006) la economía peruana se ha desarrollado sustancialmente en los últimos años. Desde el punto de vista histórico e internacional, es amplia y permanente; cuenta con todos los ingredientes para hacerla viable a través del tiempo, notándose un parecido sustancial con el presente trabajo (Gómez et al., 2021). Adicionalmente, García y Nikita (2011) en base a la información del Banco Central de Reserva del Perú examinan la conexión empírica entre ingreso económico y crecimiento en su estudio Pobreza y crecimiento económico: patrones durante la década de 2017. Dificultades monetarias en el Perú durante una década Se inició en el año 2010; que a partir de entonces buscó construir una línea recta de crecimiento; con diversas caídas y aumentos, por lo que estos resultados tienen muchos paralelismos con el trabajo actual.

Aunque se reconoce ampliamente que la desigualdad de ingresos es indeseable, su relación con el crecimiento económico ha sido difícil de establecer (Aiyar & Ebeke, 2020). Se ha aportado pruebas de que la relación está mediada por la igualdad de oportunidades. La desigualdad de ingresos tiene un impacto negativo en el crecimiento en aquellas economías caracterizadas por una baja igualdad de oportunidades, medida por la movilidad intergeneracional (Beltrán-Ayala et al., 2020). En el mismo sentido Gómez et al., (2021) explican el corolario es que no tener en cuenta la desigualdad de oportunidades tenderá a sesgar las estimaciones empíricas de la relación entre desigualdad de ingresos y crecimiento. Es probable que éste sea un factor importante que explique el estado poco concluyente de esta literatura.

Por otro lado, Jansson (2020) se ha pronunciado sobre los canales precisos a través de los cuales la distribución de oportunidades afecta al nexo entre desigualdad de ingresos y crecimiento. Pero el estudio ha sugerido tres factores como son: la desigualdad en el acceso a la educación, la desigualdad en el acceso a los mercados laborales y la desigualdad en el acceso a la financiación, por separado o en varias combinaciones a la financiación, por separado o en diversas combinaciones, podrían amplificar el impacto negativo que un empeoramiento de la distribución de la renta tiene sobre el crecimiento. Para complementar sobre el crecimiento Özkaya (2021) propone medir la importancia de estos y otros aspectos sobre la medición de la importancia de estos y otros canales parece un terreno fértil para futuras investigaciones, para orientar sobre qué políticas para nivelar el terreno de juego políticas para nivelar el terreno de juego.

Adicionalmente se analizaron y compararon los resultados de otras investigaciones con es el estudio de Frank e Iguiñiz (2006) titulado Crecimiento Pro pobre en el Perú-Lima, responde a una de las definiciones del: “crecimiento a favor de los pobres”, que significa que el sector de la pobreza está creciendo más rápido que el resto de la sociedad. Análisis del Modelo de Crecimiento Positivo Aplicado en el Perú; desde mediados del siglo pasado los vínculos con la reducción de la pobreza permiten ser verificados, tiene un papel débil en este sentido; buscar alcanzar el crecimiento y mejorar el ingreso económico del poblador peruano en sus diferente actividades económicas y en diferentes partes del país, Contrariamente Ortiz et al., (2020) propone que sin aplicar un verdadero modelo de industrialización por sustitución de importaciones (ISI) no se posible lograr el crecimiento económico esperado; Finalmente, Barro & Sala-Martin, (2015) explica que el modelo de industrialización por sustitución de importaciones es el verdadero motor de desarrollo y crecimiento de diferentes países del primer mundo que se encuentran en diferentes partes del planeta tierra, que es el principal modelo exportador de los años cincuenta, con características de éxito donde se aplicó; por ende se logra observar una similitud de este trabajo de investigación.

Conclusiones

Se cumplen con las hipótesis que se plantearon inicialmente en la presente investigación, donde la ingreso de las personas y nivel de crecimiento económico, guardan una relación directa y positiva con el salario que percibe las persona.

El valor del coeficiente: b2 =0.1286; es el coeficiente de regresión parcial del ingreso la cual nos indica, si se mantiene constante la influencia de la exp-lab, explab2, conforme ingreso se incrementa, es decir si la educación se incrementara 1 año, en promedio, el ingreso se incrementa en 12.86 soles de manera anual.

El nivel de educación influencia positivamente el ingreso salarial de las personas, lo que significa que a mayor inversión en la educación por parte de los gobiernos y por la misma persona; significaría un aumento generalizado de las condiciones de vida de los ciudadanos y por ende una mejora de los indicadores sociales y un mejor desarrollo económico de país; dejando una inadecuada condición de vida no solo para el sino para todos los que dependen del individuo.

Referencias Bibliográficas

Aiyar, S. & Ebeke, C. (2020). Inequality of opportunity, inequality of income and economic growth. World Development, 136, 105115. https://doi.org/10.1016/j.worlddev.2020.105115

Aldana, U.; Clausen, J.; Cozzubo, A.; Trivelli, C.; Urrutia, C. & Yancari, J. (2019). Desigualdad y pobreza en un contexto de crecimiento económico. Instituto de Estudios Peruanos.

Ayala, J., Marquinez, L., & Vásquez, J. (2021). Indicador de pobreza por ingreso en Ecuador y el efecto Covid-19, del 2010 al 2020. Sociedad & Tecnología, 4(2), 248-264. https://doi.org/10.51247/st.v4i2.108

Battista, P. (2006). Metodología de la Investigación. 4ta. ed. Mc Graw Hill.

Barro R. &, Sala-Martin, X. (2015). Crecimiento Económico. Reverté.

Beltrán-Ayala, P.; Gómez-Dunkley, J. C. & Pico-Aguilar, A. L. (2020). Los impuestos directos e indirectos y su incidencia en el crecimiento económico en el Ecuador. Identidad Bolivariana, 4(2), 103-128. https://doi.org/10.37611/IB4ol2103-128

Blanchard, O. (2000). Macroeconomía. 2da. ed. Pearson educación.

Campos, R. &, Monroy, L. (2016). La Relación entre Crecimiento Económico y Pobreza en México. UNAM.

Charles, J. A.; Mayer, E. L. & Cheín, N. F. (2018). Desigualdad en el ingreso y crecimiento económico de los municipios mexicanos: el efecto natalidad-capital humano. Estudios Económicos 33(2), 195-217. https://doi.org/10.24201/ee.v33i2.357

Dancourt, O. y Mendoza, W. (2012). Informe de coyuntura Perú. Universidad Católica.

De Jesus, C.; Drumond, C.; Lopes, T. H. & Uchôa, F. (2019). Personal income distribution and economic growth: The case of Brazilian municipalities. Revista de Economía, 40(71). 49-64. http://dx.doi.org/10.5380/re.v40i71.67910

Francke, P. & Iguiñiz, J. (2006). Crecimiento con Inclusión en el Perú, Documento de Trabajo. ACSC, CIES, Pontificia Universidad Católica del Perú.

Francke, P. & Iguiñiz, J. (2006). Crecimiento Pro pobre en el Perú-Lima. S.e.

Gamarra, V. (2017). Pobreza, desigualdad y crecimiento económico: un enfoque regional del caso peruano. Pontificia Universidad Católica del Perú.

García, J. & Nikita R. (2012). Pobreza y crecimiento económico: Tendencias durante la década del 2007. Banco Central de Reserva del Perú.

García, J. & Céspedes N. (2011). Pobreza y crecimiento económico: tendencias durante la década del 2000. Banco Central de Reserva del Perú.

Gómez, T.; Ríos, H. & Zambrano, A. (2021). Interacción entre crecimiento económico, estabilidad e inclusión financiera: evidencia empírica internacional. Contaduría y administración, 66(1). 1-22. https://doi.org/10.22201/fca.24488410e.2021.2498

INEI (2013). Evolución de la pobreza 2010-2017. Informe técnico.

Jansson, B. (2020). Changes in disposable personal income and the gender personal income gap in sweden, 1983–2010: A study of three different income positions. Social Science History, 44(2), 381-408. https://doi.org/10.1017/ssh.2020.9

Mendoza, W. & García J. M. (2006). Perú, 2010-2015: Crecimiento económico y pobreza. Documento de trabajo 250 Perú: Pontificia Universidad Católica del Perú.

Mieres, M. (2020). Develando los determinantes de la desigualdad del ingreso en Chile: Estudio empírico regional. Revista de análisis económico, 35(1), 99-127. http://dx.doi.org/10.4067/S0718-88702020000100099

Mitnik, O. (2010). Distribución del Ingreso y Pobreza. Georgetown University.

Özkaya, M., Alakbarov, N. & Gündüz, M. (2021). The relationship between health-care expenditure and disposable personal income: a panel econometric analysis on the EU countries. International Journal of Human Rights in Healthcare, Vol. ahead-of-print. https://doi.org/10.1108/IJHRH-04-2021-0103

Ortiz, L.; Sánchez, L.; Ferrer, N. & Cartay, R. (2020). Desarrollo y crecimiento económico: Análisis teórico desde un enfoque cuantitativo. Revista de ciencias sociales, 26(1), 233-253. https://doi.org/10.31876/rcs.v26i1.31322

Salazar, C. A. (2020). Gasto público y crecimiento económico: Controversias teóricas y evidencia para México. Economía UNAM, 17(50), 53-71. https://doi.org/10.22201/fe.24488143e.2020.50.519

Trivelli, C., & Urrutia, C. (2018). Crecimiento y reducción de la pobreza. Instituto de Estudios Peruanos.