LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, octubre, 2025, Volumen VI, Número 5 p 1595.

DOI: https://doi.org/10.56712/latam.v6i5.4691

Análisis econométrico del nivel de ética de los países de la
Europa de los 15 sobre varios indicadores de riqueza

Econometric analysis of the level of ethics in the EU-15 countries
on various wealth indicators

Charles Derond

Charles.derond@hotmail.fr
https://orcid.org/0009-0000-7056-7238

Université de Strasbourg
Martinique – France

Artículo recibido: 29 de junio de 2025. Aceptado para publicación: 21 de octubre de 2025.

Conflictos de Interés: Ninguno que declarar.

Resumen
El objetivo de este artículo es analizar el impacto de la ética en indicadores de riqueza y pobreza
económica en los países de la Europa de los 15. Para representar el nivel de ética, se utilizan dos
“proxys”: las emisiones de dióxido de carbono per cápita y el índice de percepción de la corrupción. A
través de modelos econométricos de datos de panel, se evalúan los efectos de estas variables sobre
el Producto Interior Bruto (PIB) per cápita (1995–2011) y sobre la tasa de riesgo de pobreza (2004–
2011). Los resultados muestran que la corrupción no afecta al PIB per cápita, mientras que las
emisiones de CO₂ tienen un impacto negativo y significativo en ciertas estimaciones. En cuanto a la
pobreza, los países menos corruptos presentan menores niveles de pobreza relativa. Estos hallazgos
sugieren que la ética juega un papel importante en la salud económica y en el bienestar de las
poblaciones más vulnerables.

Palabras clave: ética, corrupción, emisiones de CO₂, PIB per cápita, pobreza relativa, Europa de
los 15

Abstract
The objective of this article is to analyze the impact of ethics on indicators of wealth and economic
poverty in the EU-15 countries. Two proxies are used to represent the level of ethics: carbon dioxide
emissions per capita and the corruption perception index. Using panel data econometric models, the
effects of these variables on Gross Domestic Product (GDP) per capita (1995–2011) and the poverty
risk ratio (2004–2011) are assessed. The results show that corruption does not affect GDP per capita,
while CO₂ emissions have a negative and significant impact on certain estimates. Regarding poverty,
less corrupt countries have lower levels of relative poverty. These findings suggest that ethics plays
an important role in the economic health and well-being of the most vulnerable populations.

Keywords: ethics, corruption, CO₂ emissions, GDP per capita, relative poverty, EU-15

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, octubre, 2025, Volumen VI, Número 5 p 1596.

Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,
publicado en este sitio está disponibles bajo Licencia Creative Commons.

Cómo citar: Derond, C. (2025). Análisis econométrico del nivel de ética de los países de la Europa de
los 15 sobre varios indicadores de riqueza. LATAM Revista Latinoamericana de Ciencias Sociales y
Humanidades 6 (5), 1595 – 1606. https://doi.org/10.56712/latam.v6i5.4691

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, octubre, 2025, Volumen VI, Número 5 p 1597.

INTRODUCCIÓN

El tema principal abordado en este estudio es la ética y su papel en la sociedad. El objetivo de este
artículo es analizar el impacto de la ética en indicadores de riqueza y pobreza económica. El desafío
consiste en encontrar «proxys» relevantes que puedan representar el nivel de ética en los países de la
Europa de los 15. En este estudio se propone utilizar como «proxys» de la ética factores
socioeconómicos que capturan el grado de altruismo agregado de un país. Los dos indicadores que
utilizaremos para representar el nivel de ética de un país son las emisiones de dióxido de carbono per
cápita y un índice de percepción de la corrupción. En las siguientes secciones, presentaremos, en
orden, los datos utilizados, los métodos econométricos empleados y los resultados.12

METODOLOGÍA

Los datos utilizados son de tipo panel. La base de datos se construyó a partir de varias fuentes. La
siguiente tabla resume su descripción y procedencia.

Tabla 1

Datos

Variables Description Fuente
PIB per cápita Producto Interior Bruto basado en la paridad de poder

adquisitivo. La moneda es el dólar internacional
constante de 2011.

El Banco
Mundial

riesgo_pobreza La tasa de riesgo de pobreza recoge la proporción de
la población que tiene un ingreso disponible
equivalente por debajo del umbral de riesgo de
pobreza, que se fija en el 60% del ingreso medio
nacional (tras las transferencias sociales).

Eurostat

ipc Índice de Percepción de la Corrupción. Es un
índiceclasificando los países según el grado
de corruption percibido en un país. El índice se elabora
a partir de encuestas realizadas a hombres de
negocios, analistas de riesgos y académicos
residentes en el país o en el extranjero.

Transparency
International

CO₂ Emisiones de CO₂ por habitante El Banco
Mundial

desempleo Tasa de desempleo. El desempleo hace referencia a la
proporción de la población activa que está sin empleo,
disponible para trabajar y en búsqueda de empleo.

Organización
Internacional del
Trabajo

empleo_vulnerable Corresponde al empleo vulnerable. El empleo
vulnerable incluye a los trabajadores familiares no
remunerados y a las personas que trabajan por cuenta
propia, expresado como porcentaje del empleo total.

Organización
Internacional del
Trabajo

urbano La población urbana se refiere a las personas que
viven en zonas urbanas según la definición de las
oficinas nacionales de estadística. Es la proporción
entre la población urbana y la población total de un
país.

El Banco
Mundial

1 « proxy » étant un terme anglo-saxon provenant du jargon économétrique désignant une variable choisie arbitrairement
et devant représenter du mieux possible une idée ou une variable théorique difficile voire impossible à récupérer
empiriquement (ici l’éthique).
2La notion d’altruisme semble proche de la notion d’éthique puisque l’on peut la définir comme ayant pour but d'indiquer
comment les êtres humains doivent se comporter, agir et être, entre eux et envers ceux qui les entourent.

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, octubre, 2025, Volumen VI, Número 5 p 1598.

deuda_gubernamental La deuda pública. Es el monto bruto del pasivo del
gobierno menos el monto de los capitales propios y de
los instrumentos financieros derivados en poder del
gobierno.

Fondo
Monetario
Internacional

crisis Crisis económica de 2009 a 2011. -

population Población de los países. El Banco
Mundial

Educ_exp_gdp Corresponde al gasto gubernamental en educación
expresado como porcentaje del Producto Interno
Bruto.

El Banco
Mundial

Fuente: elaboración propia.

El principal desafío fue encontrar una o varias variables que pudieran representar adecuadamente el
nivel de ética de un país. La primera variable elegida para representar el nivel de ética de un país es el
índice de corrupción. El índice de percepción de la corrupción fue desarrollado por Transparency
International y se publica anualmente desde 1995. Transparency International define la corrupción
como «el abuso del poder público para beneficio privado». El índice de percepción de la corrupción
clasifica a 177 países en una escala de 0 a 100, desde los más corruptos hasta los menos corruptos.
El índice se construye a partir de evaluaciones de numerosos organismos. Por lo tanto, este índice es
subjetivo, ya que es muy difícil medir objetivamente la corrupción agregada de un país. La relación
entre la ética y la corrupción radica en que la corrupción es un acto que implica mucho egoísmo y, por
tanto, poco altruismo hacia el resto de la sociedad. El comportamiento que lleva a la corrupción
claramente no es ético, y por ello decidimos utilizarlo.3

La segunda variable que elegimos para representar el nivel ético de un país es la cantidad de dióxido
de carbono per cápita emitida por cada país. El dióxido de carbono es considerado una de las
principales causas del efecto invernadero, un fenómeno responsable del calentamiento global. El
calentamiento global pone en peligro los ecosistemas de manera duradera y se considera uno de los
problemas más graves del siglo XXI. Un comportamiento poco responsable respecto a las emisiones
de dióxido de carbono puede verse, por tanto, como poco altruista e inmoral. Por estas razones,
creemos que la cantidad de dióxido de carbono emitida por un país es representativa del nivel de ética
del país y, más concretamente, de sus responsables políticos. De hecho, en cada vez más países, el
dióxido de carbono está sujeto a impuestos bajo el principio de «quien contamina paga». Sin embargo,
cada país tiene políticas diferentes respecto a la regulación de las emisiones de dióxido de carbono.
Por lo tanto, un país con altas emisiones de dióxido de carbono será visto como más permisivo en
cuanto a los desafíos ambientales y tendrá un comportamiento menos ético en comparación con otros.
This block should be merged with Block 2 as it's the continuation of the same paragraph.45

Vamos a estimar dos modelos, cada uno con su propia variable a explicar. El primer modelo consistirá
en estimar el impacto de nuestras variables explicativas sobre el Producto Interior Bruto (PIB) per
cápita. Este indicador mide el nivel de vida económico de los habitantes de un país. El Producto Interior
Bruto busca cuantificar, para un país y un año determinados, el valor total de la producción de riqueza

3 La Banque d’Afrique de Développement,La Fondation Bertelsmann, The Economist Intelligence Unit, Freedom
House, Global Insight, International Institute for Management Development, Political and EconomicRiskConsultancy,
PoliticalRisk Services, le World Economic Forum, La Banque Mondiale et le World Justice Project.
4 L’effet de serre est défini comme le réchauffement de l’atmosphère due à l’émission de certains, notamment le dioxyde
de carbone (co2).
5 Depuis le protocole de Kyoto en 1997.

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, octubre, 2025, Volumen VI, Número 5 p 1599.

generada por los agentes económicos residentes en el territorio en cuestión (hogares, empresas,
administraciones públicas). Este modelo nos permitirá, por tanto, observar el impacto de nuestras
variables que representan el nivel de ética de un país sobre un indicador general de riqueza. El segundo
modelo a estimar tendrá como variable a explicar la tasa de riesgo de pobreza. Este indicador recoge
la proporción de la población cuyo ingreso disponible equivalente está por debajo del umbral de riesgo
de pobreza, fijado en el 60% de la mediana de ingresos nacional (después de transferencias sociales).
Cabe señalar que aquí utilizamos un indicador de pobreza relativa, ya que la tasa de riesgo de pobreza
depende de la mediana de ingresos nacional, por lo que un aumento de la pobreza absoluta no
necesariamente incrementará el nivel de pobreza relativa. Además, existen pocos indicadores de
pobreza económica en los países desarrollados, ya que sus poblaciones están mucho menos
afectadas por la pobreza que muchos países en desarrollo. De hecho, los indicadores de pobreza
absoluta utilizados para medir la pobreza en países en desarrollo no serían relevantes en nuestro caso,
ya que en los países de la Europa de los 15 todos tendrían índices iguales a 0.678

Finalmente, utilizaremos varias variables explicativas adicionales en nuestros modelos para controlar
que las correlaciones entre nuestras variables explicativas de interés y las variables explicadas no se
deban a otros factores igualmente importantes. La primera variable independiente que incluiremos en
nuestros modelos es la tasa de desempleo. Efectivamente, el desempleo es una de las principales
causas de pobreza o dificultad económica en los países desarrollados. Además, también incluiremos
una variable que capture el empleo vulnerable. El empleo vulnerable está definido por la Organización
Internacional del Trabajo como la suma de las personas que trabajan por cuenta propia y los
trabajadores familiares no remunerados. Estos tienen menos probabilidades de contar con contratos
laborales formales y, por lo tanto, menos probabilidades de trabajar en condiciones decentes. El
empleo vulnerable suele caracterizarse por ingresos insuficientes, baja productividad y condiciones
laborales difíciles que socavan los derechos fundamentales de los trabajadores. También incluiremos
el nivel de deuda pública, que es un buen indicador de la salud económica del país y de la calidad de
su gobernanza económica. Asimismo, tendremos en cuenta los gastos en educación, un factor
institucional clave para el éxito económico y el desarrollo social de un país. También consideraremos
la crisis económica que afectó a toda la Unión Europea durante el período 2009-2011. Tener en cuenta
esta crisis económica es fundamental, ya que es en gran parte responsable del deterioro del nivel de
vida de la población durante el período en cuestión. Por último, consideraremos factores demográficos
que pueden modificar el nivel de vida de los habitantes de un país, como la proporción de población
que vive en zonas urbanas y el tamaño de las poblaciones. En la siguiente sección, presentaremos las
técnicas econométricas que utilizaremos para llevar a cabo las estimaciones.

Método econométrico

Los dos principales modelos utilizados en este estudio son los modelos de efectos fijos y de efectos
aleatorios. Estos modelos son característicos de los datos de panel y difieren en las hipótesis
planteadas sobre la estructura de las ecuaciones a estimar.

Modelo de efectos fijos

6 « Equivalent » signifie ici que le revenu est mesuré après les transferts sociaux et qu’un poids est attribué à chaque
membres des ménages en fonction de leur importance.
7 On peut imaginer le cas où toutes les couches de la population sont touchées uniformément par une baisse de leur revenu,
alors on aura une baisse de la pauvreté absolue mais aucune modification de la pauvreté relative.
8On peut notamment citer la part de la population vivant avec moins de 2 dollars par jour ou la part de la population
consommant plus de 2000 calories par jour.

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, octubre, 2025, Volumen VI, Número 5 p 1600.

Consideremos la siguiente ecuación,

Donde i = 1,…,n ; t = 1,…,T ; x_{it} es el valor del primer regresor para el individuo i en el período t, z_{it}
es el valor del segundo regresor y así sucesivamente. α_i,…,α_n son los efectos individuales específicos.
Se requiere la hipótesis de exogeneidad estricta, formalmente denotada como E[u_{it}|X_i,α_i]=0 ∀t. La
fortaleza de este método es que permitirá que el modelo no se vea afectado por las variables omitidas,
siempre que estas no varíen en el tiempo. De hecho, aquí se asume que α_i está potencialmente
correlacionado con el término que representa el error idiosincrático del modelo u_{it}.

Modelo de efectos aleatorios

Aquí, consideramos la siguiente ecuación,

Donde i = 1,…,n ; t = 1,…,T ; x_{it} es el valor del primer regresor para el individuo i en el período t, z_{it}
es el valor del segundo regresor y así sucesivamente. α_i,…,α_n son los efectos individuales específicos.
Se requiere la hipótesis de exogeneidad estricta, formalmente denotada como E[u_{it}|X_i,α_i]=0 ∀t.
Aquí, a diferencia del modelo de efectos fijos, se asumirá que α_i no está correlacionado con el término
que representa el error idiosincrático del modelo u_{it}. Esto significa que los efectos individuales no
observados capturados por α_i son aleatorios y se distribuyen independientemente respecto a los
regresores X_i.

¿Qué modelo elegir?

En primer lugar, cabe destacar que el modelo de efectos aleatorios es más restrictivo que el modelo
de efectos fijos, ya que este último relaja la hipótesis de que los efectos individuales no observados
capturados por son aleatorios y se distribuyen independientemente respecto a los regresores ,…, . En
los casos donde la causalidad es segura, como en los experimentos aleatorizados, no es necesario
utilizar modelos de efectos fijos. Sin embargo, cuando las relaciones causa-efecto no están
establecidas con certeza y se sospecha que se han omitido variables importantes pero difíciles de
medir, entonces se preferirá el modelo de efectos fijos sobre el de efectos aleatorios.

En caso de no estar seguros de qué modelo utilizar, es preferible optar por el modelo de efectos fijos.
Finalmente, existe la prueba de Hausman que permite decidir entre estos dos modelos. El principio es
simple: si dos estimadores son ambos convergentes, entonces su diferencia no debería ser

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, octubre, 2025, Volumen VI, Número 5 p 1601.

estadísticamente diferente de cero. Por lo tanto, si su diferencia es estadísticamente significativa, se
deberá privilegiar el modelo de efectos fijos, que es más general.9

Prueba de Hausman

Consideremos dos estimadores y (en el mismo modelo).

Con la siguiente estadística,10

Vamos a probar las siguientes hipótesis.

: plim( - ) = 0 contra : plim( - ) ≠ 0.

Si se rechaza H₀, entonces el modelo preferido será el de efectos fijos, mientras que si se acepta H₀, el

modelo a privilegiar será el de efectos aleatorios, ya que en principio será más eficiente. 11

Finalmente, las razones detrás de la selección de los modelos se discutirán para cada estimación en
la sección empírica de «resultados» (parte V).

RESULTADOS

Impactos en el Producto Interior Bruto per cápita (1995-2011)

En esta subsección analizaremos el impacto de nuestros dos «proxys» sobre el producto interior bruto
per cápita. El PIB per cápita refleja el bienestar material general de los habitantes de un país, aunque
este indicador no tiene en cuenta las desigualdades de ingresos. El análisis econométrico se realizó
para el período 1995-2011 y se incluyeron 8 variables independientes en el modelo.12En primer lugar,
hemos eliminado parcialmente la tendencia temporal de las series para cada país. De hecho, el
producto interior bruto per cápita tiende a aumentar de manera continua y sostenida, incluso en caso
de crisis económicas. Esto se debe a que, gracias a la innovación, ya sea de procesos, tecnológica, de
productos o incluso de ideas, la producción interna de un país tiende a crecer continuamente. Por lo
tanto, es importante tener esto en cuenta en un análisis econométrico, de lo contrario, se atribuirá un
efecto falaz a las variables explicativas. Podemos pensar, por ejemplo, en los choques económicos
que no serán identificados como teniendo un efecto tendencial sobre el crecimiento de la producción,
aunque tienen un impacto real al ralentizarla.13Hemos utilizado tres métodos14para desestacionalizar

9 Cela signifie que lorsque la taille de l’échantillon grandit, les estimations produites par l’estimateur convergeront vers la
vraie valeur du paramètre à estimer.
10 Statistique d’Hausman développé par J. A. Hausman dans « Specification Tests in Econometrics », Econometrica, 1978.
11 Un modèle est dit plus efficient qu’un autre lorsqu’il nécessite moins d’observations pour le même niveau de performance.
12 Sans compter la constante.
13 Nous avons dans cette même étude pu vérifier que la variable crise (capturant par une variable dichotomique la crise
financière allant de 2008 à 2013) apparaissait comme significative seulement après avoir dé-stationnariser le produit
intérieur brut.
14 Les méthodes utlisées ici pour dé-stationnariser notre variable production sont contenus dans le package « tsfilter » de
STATA et sont communément dénommés Hodrick–Prescott (1997), Christiano–Fitzgerald (2003) et Butterworth (1930).

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, octubre, 2025, Volumen VI, Número 5 p 1602.

nuestra variable de producción, que no discutiremos aquí pero que nos permitirá tener interpretaciones
más robustas y rigurosas de nuestros resultados.

El modelo seleccionado en esta estimación es el modelo de efectos fijos. De hecho, la prueba de
Hausman indica que los resultados de los modelos de efectos fijos y de efectos aleatorios son
estadísticamente diferentes. Para no correr riesgos, decidimos comentar el modelo de efectos fijos, ya
que es menos restrictivo que el de efectos aleatorios.

Aquí, nuestros resultados15indican que el índice de percepción de la corrupción no parece afectar al
PIB per cápita, mientras que la cantidad de dióxido de carbono está negativa y significativamente
asociada al PIB per cápita en una de las tres estimaciones. Si este coeficiente llegara a confirmarse,
estaría en línea con la curva ambiental de Kuznets. De hecho, segúnGrossman et Krueger16se puede
aplicar la curva de Kuznets al medio ambiente. Esta curva predice que, durante el desarrollo económico
de un país, este estará cada vez menos preocupado por el medio ambiente hasta cierto nivel de
desarrollo económico, momento en el que comenzará a preocuparse cada vez más por el medio
ambiente. Estas predicciones pueden ilustrarse con una curva en forma de U17invertida, con el ingreso
per cápita en el eje de abscisas y el nivel de degradación ambiental en el eje de ordenadas. Finalmente,
entre nuestras variables de control, parece que la tasa de desempleo tiene un impacto
significativamente negativo en el PIB per cápita, mientras que el desempleo vulnerable es
significativamente negativo en solo una de las tres estimaciones. No es sorprendente que la tasa de
desempleo tenga un impacto negativo en el PIB per cápita, ya que la producción agregada de un país
depende de la cantidad de capital humano que participará en la creación de riqueza. Si este capital
humano está poco o menos activo, la producción también lo estará. La deuda nacional claramente
perjudica el nivel del PIB per cápita, mientras que la variable dicotómica correspondiente a los años de
crisis económica solo es significativa y está negativamente correlacionada con el PIB per cápita en
una de las tres estimaciones. En cuanto a la deuda, esto simplemente significaría que los países con
una política fiscal equilibrada serían los mismos que tienen una buena salud económica. Finalmente,
la variable de crisis es significativa y está negativamente asociada al PIB per cápita en los tres modelos.
Efectivamente, la crisis económica que afectó a Europa durante el período 2009-2011 fue real y sin
duda impactó negativamente en el PIB per cápita de todos los países de la Europa de los 15.

DISCUSIÓN

En esta subsección estudiaremos el impacto de nuestros dos 'proxys' sobre la tasa de riesgo de
pobreza. En este caso también, el test de Hausman es significativo. Por lo tanto, comentaremos y
presentaremos los resultados del modelo de efectos fijos. La tasa de riesgo de pobreza es la
proporción de personas con ingresos disponibles (después de transferencias sociales) por debajo del
umbral de riesgo de pobreza, que se fija en el 60% de la mediana de ingresos nacionales.Aquí
encontramos que el índice de percepción de corrupción está negativa y significativamente asociado
con la pobreza. Cabe recordar que cuanto más alto es el índice de percepción de corrupción, menos se
considera que el país en cuestión está afectado por la corrupción. Por lo tanto, obtenemos un resultado
bastante intuitivo: cuanto menos corrupto es un país, menos afectado está por la pobreza. Además,
las emisiones de dióxido de carbono per cápita, la deuda pública, la tasa de empleo vulnerable y el
gasto en educación no parecen influir en el nivel de pobreza de los países. A primera vista, sorprende
no encontrar que el gasto en educación esté asociado con un efecto negativo en el nivel de pobreza.
No obstante, el gasto en educación tendrá efecto a largo plazo, y las decisiones políticas para mejorar
los sistemas educativos de los países solo repercutirán en el nivel de vida de los habitantes muchos

15 Voir tableau 1 dans l’annexe.
16 « EconomicGrowth and the Environment », Gene M. Grossman and Alan B. Krueger, The Quarterly Journal of Economics,
1995.
17 L’illustration se trouve en annexe (Graphique 1).

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, octubre, 2025, Volumen VI, Número 5 p 1603.

años después. Por su parte, la tasa de desempleo tiene el impacto esperado sobre el nivel de pobreza,
ya que está negativa y significativamente asociada con la tasa de riesgo de pobreza. Finalmente, el
nivel de pobreza está negativamente asociado con el porcentaje de población que habita en áreas
urbanas. Esto se explica en parte porque los empleos mejor remunerados se encuentran en las grandes
áreas urbanas. Además, podría existir una causalidad inversa entre estas variables, ya que parte de las
personas con mejores condiciones económicas tendrán mayor movilidad y podrían decidir vivir en
áreas urbanas para acceder a más servicios que en zonas rurales. El tamaño de la población parece
impactar negativamente el nivel de pobreza. Esto podría deberse a una relación causal inversa que
hace que la población de un país desarrollado crezca durante los períodos económicamente prósperos.
Finalmente, la crisis está asociada negativa y significativamente con el nivel de pobreza. Esto es
sorprendente y se explica en parte por el hecho de que la crisis afectó a toda la población y que, por lo
tanto, pudo haber aumentado el nivel de pobreza absoluta, pero al mismo tiempo haber disminuido la
tasa de pobreza relativa al reducir el ingreso medio mediano. En efecto, dado que la tasa de riesgo de
pobreza es una tasa relativa construida en relación con el nivel de ingresos medianos de la población,
la crisis hizo bajar el ingreso mediano y, por lo tanto, impactó negativa y «artificialmente» el nivel de
pobreza.

CONCLUSIONES

En este estudio hemos buscado analizar el impacto de variables representativas del nivel de ética de
los países de la Europa de los 15 sobre indicadores de riqueza económica.

El primer modelo parece indicar que la variación de la corrupción en los países de la Europa de los 15
no ha hecho variar significativamente el nivel del Producto Interior Bruto per cápita. No obstante, las
cantidades de emisiones de dióxido de carbono parecen haber tenido un impacto ligeramente
comprobado sobre el Producto Interior Bruto. Su efecto es negativo y estadísticamente significativo en
uno de los 3 modelos. Esto no es, si nos limitamos a esto, suficiente para afirmar que hay realmente
un impacto comprobado de las emisiones de dióxido de carbono sobre la actividad económica de un
país. No obstante, si este resultado llegara a ser confirmado, sugeriría que los países están más
preocupados por el medio ambiente cuando alcanzan un cierto nivel de riqueza. En el segundo modelo,
las emisiones de dióxido de carbono no parecen desempeñar un papel en la formación de la pobreza
relativa; sin embargo, el nivel de corrupción parece tener un impacto comprobado y positivo sobre el
nivel de pobreza de un país. El nivel de corrupción de un país sería, por lo tanto, un factor explicativo
del nivel de pobreza de un país, o al menos asociado. Al yuxtaponer los resultados de los dos modelos,
podemos decir que el nivel de ética capturado por variables que lo representan parece desempeñar un
papel positivo sobre la salud económica de los países de la Europa de los 15 y, en particular, sobre las
poblaciones más pobres.

Para validar o completar estos resultados, sería necesario trasponer este estudio a otras zonas
geográficas, en particular a los países en vías de desarrollo, donde las variables que representan la
ética serían más variables y aportarían, por lo tanto, más información a los modelos econométricos.
Además, sería interesante crear un índice de la ética de los países a partir de varias variables que
puedan representarlo adecuadamente.

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, octubre, 2025, Volumen VI, Número 5 p 1604.

REFERENCIAS

Butterworth, S. (1930). On the Theory of Filter Amplifiers. Wireless Engineer (también llamado
Experimental Wireless and the Wireless Engineer), vol. 7, pp. 536–541.

Christiano, L. & Fitzgerald, T. (2003). The Band-Pass Filter. International Economic Review.

Grossman, G. M. & Krueger, A. B. (1995). Economic Growth and the Environment. The Quarterly Journal
of Economics.

Hodrick, R. & Prescott, E. (1997). Postwar U.S. Business Cycles: An Empirical Investigation. Journal of
Money, Credit, and Banking.

Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, publicados en
este sitio está disponibles bajo Licencia Creative Commons .

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, octubre, 2025, Volumen VI, Número 5 p 1605.

ANEXOS

Gráfico 1

La curva ambiental de Kuznets

Fuente: elaboración propia.

Tabla 1

Efectos sobre el PIB per cápita

Método Hodrick–
Prescott

Método Christiano–
Fitzgerald

Método
Butterworth

VARIABLES PIB per cápita PIB per cápita PIB per cápita

ipc -0.258 0.141 -0.0979
(0.229) (0.170) (0.212)
co2 -0.196* -0.0182 -0.106
(0.115) (0.0882) (0.105)
unemployment -0.264*** -0.106** -0.206***
(0.0749) (0.0446) (0.0673)
empleo_vulnerable -0.0296 -0.104* -0.0349
(0.0768) (0.0553) (0.0687)
urbano 0.136** 0.166*** 0.123**
(0.0633) (0.0453) (0.0566)
deuda_gub -0.0344*** -0.0346*** -0.0359***
(0.0113) (0.00800) (0.0101)
crisis -1.746*** -0.679*** -1.084*
(0.650) (0.201) (0.582)
population -1.57e-07 6.37e-08 -6.01e-08
(1.17e-07) (7.61e-08) (1.05e-07)
Constant 8.155 -4.483 4.321
(5.392) (3.916) (4.873)

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, octubre, 2025, Volumen VI, Número 5 p 1606.

Observations 138 156 135
R-squared 0.330 0.398 0.333
Number of country 15 15 15

Nota: Errores estándar entre paréntesis. *** p<0.01, ** p<0.05, * p<0.1

Fuente: elaboración propia.

Tabla 2

Efectos sobre la tasa de riesgo de pobreza

Modèle à effets fixes

VARIABLES poverty_risk

cpi -0.944*
(0.529)
co2 -0.342
(0.236)
unemployment 0.213***
(0.0687)
vulnerable_employ 0.221
(0.184)
educ_exp_gdp 0.796
(0.593)
gov_debt 0.00720
(0.0155)
urban -0.368**
(0.149)
crisis -0.798**
(0.322)
population -8.01e-07***
(2.38e-07)
Constant 73.86***
(13.59)

Observations 106
Number of country1 14
R-squared 0.374

Nota: Errores estándar entre paréntesis. *** p<0.01, ** p<0.05, * p<0.1

Fuente: elaboración propia.