RELACIÓN CAUSAL ENTRE TURISMO Y
CRECIMIENTO ECONÓMICO EN EL ESTADO DE
GUERRERO, MÉXICO, 1980-2022
CAUSAL RELATIONSHIP BETWEEN TOURISM AND
ECONOMIC GROWTH IN THE STATE OF GUERRERO,
MÉXICO, 1980-2022
Ulises Pérez Figueroa
Universidad Autónoma de Guerrero
Juan Villagómez Méndez
Universidad Autónoma de Guerrero
Norberto Noé Añorve Fonseca
Universidad Autónoma de Guerrero
pág. 9634
DOI: https://doi.org/10.37811/cl_rcm.v9i3.18625
Relación causal entre turismo y crecimiento económico en el estado de
Guerrero, México, 1980-2022
Ulises Pérez Figueroa1
ulip64@hotmail.com
https://orcid.org/0000-0002-7198-6685
Universidad Autónoma de Guerrero
México
Juan Villagómez Méndez
juanvillagomez2006@yahoo.com
https://orcid.org/0000-0001-8385-8624
Universidad Autónoma de Guerrero
México
Norberto Noé Añorve Fonseca
noeanorve@yahoo.com.mx
https://orcid.org/0009-0002-5992-3603
Universidad Autónoma de Guerrero
México
RESUMEN
Esta investigación tiene como objetivo analizar la relación entre el turismo y el crecimiento económico
en el Estado de Guerrero durante el período 1980-2022. Para el turismo se utilizó la afluencia turística
(AT) y para el crecimiento económico el Producto Interno Bruto del estado de Guerrero (PIBG) con
datos anuales. En este sentido, se utilizó la metodología Engle y Granger (1987): pruebas de raíces
unitarias, de cointegración, modelo de corrección de errores y causalidad de Granger. Los resultados
arrojaron que existe una relación unidireccional del PIBG hacia la AT.
Palabras clave: afluencia turística, producto interno bruto del estado de guerrero, cointegración,
causalidad
1
Autor principal
Correspondencia: ulip64@hotmail.com
pág. 9635
Causal relationship between tourism and economic growth in the state of
Guerrero, México, 1980-2022
ABSTRACT
This research aims to analyze the relationship between tourism and economic growth in the State of
Guerrero during the period 1980-2022. Tourism inflow (TA) was used for tourism, and the Gross
Domestic Product of the State of Guerrero (GDP) was used for economic growth using annual data. The
Engle and Granger (1987) methodology was used: unit root tests, cointegration tests, error correction
models, and Granger causality. The results showed a unidirectional relationship between GDP and TA.
Keywords: tourist influx, gross domestic product of the state of guerrero, cointegration, causality
Artículo recibido 15 mayo 2025
Aceptado para publicación: 15 junio 2025
pág. 9636
INTRODUCCIÓN
Mucho se ha escrito en relación al turismo, se menciona como uno de los sectores más dinámicos de la
economía y que puede ayudar vía ingreso de divisas a financiar otros sectores del país destino. Así para
México, los datos estadísticos revelan cosas interesantes; por ejemplo, en el año 2023 nuestro país se
situó en el rubro de ingreso de divisas por visitantes internacionales a nivel mundial, con respecto a
2018, en la decimoquinta posición (30,694.0 Millones de dólares) y en el sexto lugar por concepto de
turistas internacionales recibidos (41,949 Miles de turistas) (Secretaría de Turismo, Septiembre 2024).
Otro dato importante es la participación del PIB turístico en la economía nacional, por ejemplo, en el
año 2023, éste aportó un monto de 2, 582, 001 millones de pesos que representó el 8.6 % del PIB
nacional; así mismo, las actividades relacionadas con el turismo generaron 2.8 millones de empleos, lo
que representó a nivel nacional el 7.2 % del total (INEGI, 2024).
En relación a nuestra área de estudio que es el estado de Guerrero en un comunicado de prensa emitido
por el Gobierno del estado se señala que, para la temporada de verano del 2024 la afluencia turística fue
de 943 759 visitantes que dejaron una derrama económica de más de 6 738 millones de pesos. El
comunicado relata también que se obtuvo una ocupación global de 67.52 %. En Taxco de Alarcón, se
obtuvo una afluencia de 36 304 visitantes, que dejaron una derrama económica de 117 millones pesos,
con una ocupación 35.33 %, el binomio Ixtapa – Zihuatanejo, generó 262 893 visitantes, que arrojaron
una derrama económica de 2173 millones de pesos y un índice de 74.95 % y Acapulco se tuvo la
afluencia de 644 561 visitantes, una derrama económica de 4 448 millones de pesos y una ocupación de
64.08 % (GOBIERNO DEL ESTADO, 2024).
De acuerdo a los resultados obtenidos por el sector turístico en el estado de Guerrero, se esperaría un
efecto dinámico hacia las diferentes localidades de la entidad, es decir, un efecto multiplicador hacia
todas las demás regiones. Sin embargo, de acuerdo a muchos trabajos de investigación se cuestionan
las grandes contradicciones que ha generado esta actividad como la única y principal fuente de desarrollo
del estado de Guerrero.
Por ejemplo, Salgado et. al., (2022) señalan que los resultados de dicha actividad ponen en la mesa las
grandes desigualdades que se han generado con beneficios a unos cuantos; y poca atención a las
necesidades de las mayorías en el estado, y para el propio Acapulco.
pág. 9637
Otros autores como Cruz et., al., (2021) describen que las actividades gubernamentales dan preferencia
al aspecto económico, dejando en segundo término los aspectos ambientales y de bienestar social para
la población.
En concordancia con lo anterior; los resultados del Coneval 2022 son muy alarmantes, el 66.4 % de los
habitantes del estado de Guerrero viven en situación de pobreza y el 25.5 % se encuentra en pobreza
extrema (CONEVAL, 2022). Los anteriores indicadores revelan que casi el 92 % de la población
guerrerense se encuentra en una situación de marginación y que los efectos del turismo poco han hecho
para revertir tal problemática.
Otro dato interesante es el comportamiento de la tasa de crecimiento del PIB en el estado de Guerrero,
durante el período del 2012 a 2022 promedió un 2.5 %; es decir, un crecimiento muy modesto. También
podemos visualizar que, las caídas fuertes están en las crisis económicas de 1995, 2009 y 2020 (Tabla 1
y Figura 1).
Tabla 1
Producto Interno Bruto del Estado de Guerrero
Año
PIBG (Millones de pesos)
Tasa de Crecimiento
1980
80449.58722
1981
88303.4092
9.7
1982
89118.23254
0.92
1983
86823.52831
-2.57
1984
90226.55857
3.9
1985
92664.9067
2.7
1986
90538.51274
-2.29
1987
93012.16397
2.73
1988
94693.43088
1.8
1989
98489.52037
4
1990
104653.3248
6.52
1991
109816.7519
4.93
1992
113532.0863
3.38
1993
113774.4491
0.21
1994
127490.3477
12.05
1995
111801.0292
-12.3
1996
118076.9622
5.61
1997
124805.8873
5.69
pág. 9638
1998
134747.847
7.96
1999
138007.6738
2.41
2000
140903.8392
2.09
2001
142911.7098
1.42
2002
140683.8474
-1.55
2003
146402.4729
4.06
2004
169870.203
16.02
2005
179369.0826
5.59
2006
192507.5061
7.32
2007
208201.0531
8.15
2008
215801.0927
3.65
2009
201448.511
-6.65
2010
225309.0031
11.84
2011
231679.6513
2.82
2012
241904.6666
4.41
2013
247717.0296
2.4
2014
286480.0435
15.64
2015
285786.4908
-0.24
2016
296719.5942
3.82
2017
291897.6402
-1.62
2018
317844.9419
8.88
2019
312747.6995
-1.6
2020
261145.1653
-16.49
2021
282250.7203
8.08
2022
296198.2625
4.94
Nota. Elaboración propia con base a los datos de la muestra.
pág. 9639
Figura 1
Tasa de Crecimiento del PIB del Estado de Guerrero
En este trabajo el objetivo es analizar la relación causal entre el Producto interno Bruto del estado de
Guerrero (PIBG) y la actividad turística; para esta última variable utilizamos la afluencia turística estatal
que comprende visitantes nacionales y extranjeros (AT).
Existe bastante información respecto al tema de la relación causal en la actividad turística; por lo que,
solo describiremos los del ámbito nacional y resaltaremos algunos a nivel internacional donde se utiliza
la afluencia turística como variable independiente.
Uno de los primeros estudios en este tema es el de Ramírez (2006), aquí se analiza la relación de largo
plazo entre el PIB turístico y el PIB nacional con datos anualizados desde 1950 al 2004, utiliza para ello
las pruebas de raíces unitarias de Dickey y Fuller (1981) y de Phillips y Perrón (Phillips & Pierre, 1988)
y pruebas de cointegración. Sus resultados muestran que las dos series son integradas de orden uno; es
decir, que tienen tendencia estocástica. En segundo lugar, las dos series comparten tendencia estocástica
y equilibrio de largo plazo.
Otro documento interesante es el de Sánchez (2020) en él se analiza la relación entre el PIB real de
México y el turismo internacional a través de un modelo ARDL (Autoregresivo de Rezagos
Distribuidos), utiliza la llegada de turistas como variable independiente y el PIB real como variable
dependiente con datos trimestrales que van de 1993 a 2017. Los resultados arrojaron una coexistencia
de equilibrio en el largo plazo entre las dos variables y que existe una relación estadísticamente
-20
-15
-10
-5
0
5
10
15
20
1980198219841986198819901992199419961998200020022004200620082010201220142016201820202022
Tasa de crecimiento del PIB de Guerrero
pág. 9640
significativa entre la llegada de turistas internacionales y el crecimiento económico. Es importante
señalar que en este trabajo la ecuación de largo plazo es inelástica con apenas 0.72 % lo que indica que
el PIB real aumenta poco al aumentar un punto porcentual la llegada de turistas.
Así también, De la Cruz et. al., (2010) analiza el crecimiento económico y la llegada de turistas hacia
México en el período de 1980 a 2006, se aplicaron pruebas estadísticas de raíz unitaria, pruebas de
cointegración y de causalidad de Toda y Yamamoto (1995). Los resultados señalan una relación causal
que va de la llegada de turistas internacionales hacia el PIB mexicano.
Los antecedentes importantes en esta área de trabajo los encontramos en Brida et. al., (2008) en donde
se investiga la relación causal que guarda el gasto turístico, el tipo de cambio real con el crecimiento
económico con datos trimestrales para un período que va desde 1980 a 2007, en esta investigación se
utilizan las pruebas de Dickey y Fuller (1981) para conocer el orden de integración de las variables, para
el análisis de cointegración se utilizó la prueba de Johansen (1988) y para la causalidad de Granger los
test de Toda y Yamamoto (1995). Los resultados muestran estabilidad para las tres variables en el largo
plazo, la elasticidad del PIB real con respecto al gasto turístico y al tipo de cambio es inelástica y
relativamente débil, aunque la causalidad es unidireccional del gasto turístico hacia el PIB real. El
resultado del análisis para el impulso-respuesta muestra que un choque en el gasto turístico produce una
caída breve y luego un efecto positivo sobre el crecimiento económico.
A nivel regional se ha escrito poco sobre este tema, el único estudio que encontramos es el de Cruz et.
al., (2016) quienes analizan la relación existente para Los Cabos, Baja California Sur, en este trabajo se
utilizan datos trimestrales de las variables afluencia turística internacional, tipo de cambio real y PIB
nacional para un período de 1995-2011. Los resultados muestran una relación estable de largo plazo
entre el PIB y la afluencia turística internacional, pero la relación de causalidad es bidireccional entre
las dos variables.
A nivel internacional, encontramos el trabajo de Taibi y Lamri (2020) quienes llevan a cabo su
investigación para Argelia durante el período 1998-2018 y en el que, analizan la relación causal entre el
número de turistas y crecimiento económico. Utilizaron pruebas de raíces unitarias, de cointegración,
de corrección de error y de causalidad. Los resultados arrojaron que el número de turistas tiene un
pág. 9641
impacto negativo en el crecimiento económico para Argelia, llegando a la conclusión de que este país
depende de su crecimiento de otras variables como los ingresos petroleros.
Otro trabajo interesante a nivel internacional es el de Wanyonyi y Mbithi (2024) llevado en Kenia en
donde se analiza la relación causal entre la llegada de turistas internacionales y el crecimineto económico
en el período 2012-2023, utilizando datos anuales. Utiliza pruebas de raíz unitaria, análisis de
cointegración, modelos de corrección de errores y pruebas de causalidad de Granger. Los resultados
arrojaron equilibrio de largo plazo entre las dos variables; sin embargo, en el corto plazo el turismo no
causa al crecimiento económico.
Una explicación del comportamiento del turismo a lo largo del tiempo en relación al crecimiento
económico lo brinda la investigación de Bronzini et. al., (2021) quien analiza el impacto del gasto
turístico extranjero en el crecimiento económico en algunas provincias italianas y concluye que, aunque
el efecto es positivo éste es moderado en términos económicos y lo más interesante: el impacto del
turismo es mayor en aquellas localidades menos desarrolladas y nulo en aquellas provincias que
registraron ingresos mayores en los inicios del período, lo que sugiere un fenómeno llamado de
“congestión”. En otras palabras, llega a la conclusión que el turismo a través del tiempo guarda una
relación en forma de U invertida en relación al crecimiento.
El objetivo de esta investigación es identificar si existe equilibrio de largo plazo entre el Producto Interno
Bruto del estado de Guerrero (PIBG) y la Afluencia Turística del estado de Guerrero (AT) y determinar
la causalidad entre las dos variables.
METODOLOGÍA
Esta investigación comprende el período de 1980-2022, se tomaron series anualizadas del Producto
Interno Bruto del Estado de Guerrero (PIBG) a precios del 2018, es decir que tuvimos que pasar toda la
serie a una misma base ya que de 1980 a 2002 estaba en base diferente. La información fue tomada de
DATATUR y de INEGI (DATATUR, 2023) (INEGI, 2013). Para la afluencia turística del estado de
Guerrero (AT) tomamos los anuarios estadísticos del Guerrero (INEGI, 2025). Para nuestro modelo, la
variable independiente es la afluencia turística y como variable dependiente el PIB del estado de
Guerrero. Para darle estabilidad a nuestras variables utilizamos logaritmos.
pág. 9642
En economía muchas veces trabajamos con variables como el PIB, la inflación, tasa de interés,
desempleo y otros indicadores macroeconómicos, este tipo de variables generalmente tienen tendencia
por lo que son variables no estacionarias, lo que dificulta llevar a cabo pronósticos ante tal circunstancia,
es necesario corroborar si nuestras variables son estacionarias. Este tipo de prueba se denomina prueba
de raíz unitaria. Ante variables no estacionarias, se recomiendan dos alternativas para darle certidumbre
a nuestro modelo: la primera, llevar a cabo el número de veces adecuado de la diferenciación; sin
embargo, este procedimiento conlleva a la pérdida de información de acuerdo al número de veces que
se tenga que diferenciar, Engle y Granger (1987) identificaron que podría haber equilibrio de largo plazo
entre dos variables (cointegración) si la combinación de variables no estacionarias llevaban a los
residuales a procesos estacionarios en sus niveles, en otras palabras serían I (0). De acuerdo a los
muestreos realizados a nuestras variables (PIBG y AT), es el camino que pretendemos llevar a cabo en
nuestra investigación. La metodología Engle y Granger (1987) se lleva a cabo a través de los pasos
siguientes:
Primero, se analiza la estacionariedad de las variables a través del estadístico Dickey-Fuller Aumentada
(DFA). La ecuación de regresión quedaría de la siguiente manera (Gujarati & Porter, 2009):
La hipótesis nula es H0: = 0, frente a la hipótesis alternativa H1: < 0.
Lo anterior se traduce como:
H0: =0. La serie contiene raíz unitaria, o sea, la media de la serie es no estacionaria.
H1: <0. La serie no contiene una raíz unitaria, o sea, la media de la serie es estacionaria.
El contraste de las hipótesis se realiza a través del estadístico DFA =
. De acuerdo a MacKinnon
(2010) si el valor p se acerca a 0.01, 0.05 o 0.1 como nivel de significancia, la evaluación de la hipótesis
nula compara la estadística de prueba con el valor crítico para ese nivel de significación. Si la estadística
de prueba es menor o igual que el valor crítico, no se apoya a la hipótesis nula.
La siguiente prueba es la de cointegración, dos variables están cointegradas si hay equilibrio de largo
plazo a través del tiempo, para ello, es fundamental que las series tengan raíz unitaria y al diferenciarlas
pág. 9643
sean del mismo orden, es decir I (1), o decíamos también que una combinación lineal entre ellas sea
estacionaria en niveles I (0).
Derivado de que nuestras variables resultaron I (1), nuestro modelo quedaría especificado de la siguiente
manera:
. Se aplican las pruebas de raíz unitaria a los residuales para verificar su
orden de integración, en caso de ser I (0) no puede rechazar la hipótesis nula de no cointegración.
En otras palabras:
H0: Las series no están cointegradas.
H1: Las series están cointegradas
La regla de decisión es: rechazar la hipótesis nula cuando el valor de p es significativo.
Dado que nuestras variables están cointegradas, existe equilibrio de largo plazo, sin embargo, en el corto
plazo pueden presentarse desajustes, el Modelo de Corrección de Error sirve para relacionar el
comportamiento de nuestras series en el corto plazo con su valor de largo plazo. Para nuestra
investigación el Modelo de Corrección de Error quedaría de la siguiente manera:
∆LPIBGt = + ∆LATt +
t-1 +
La expresión
t de la regresión anterior, es el error de equilibrio que deberá ser negativo y menor a la
unidad para asegurar la estabilidad ya que absorbe las perturbaciones a corto plazo en el PIBG.
Por último, se evalúa la prueba de causalidad a través de un modelo de Vectores Autorregresivos (VAR).
De acuerdo con Gujarati & Porter (2009) para nuestro modelo pueden plantearse las siguientes
ecuaciones:
(1)
(2)
La ecuación (1) indica que la AT actual se relaciona con los valores pasados de la misma AT, al igual
que con los de PIBG, y la ecuación (2) señala un comportamiento similar para PIBG.
Podemos encontrar cuatro resultados (Gujarati & Porter, 2009):
• Deberá haber causalidad unidireccional de PIBG hacia la AT si los coeficientes i estimados
sobre la PIBG rezagada en (1) son significativamente diferentes de cero y el conjunto de
pág. 9644
coeficientes estimados sobre la AT rezagado en (2) no son significativamente diferente de
cero.
• Hay causalidad unidireccional de la AT hacia PIBG si el conjunto de coeficientes αi de PIBG
rezagada en (1) no es significativamente diferente de cero y el conjunto de coeficientes de la
AT rezagado en (2) es significativamente diferente de cero.
• Hay causalidad bilateral, cuando los conjuntos de coeficientes de PIBG y de la AT son
estadísticamente significativos diferentes de cero, en ambas regresiones.
• Hay independencia cuando los conjuntos de coeficientes de PIBG y de la AT no son
estadísticamente significativos en ambas regresiones.
Utilizando la prueba F (Fischer) en donde se rechaza la hipótesis nula, si el valor de p muestra
significancia se pueden contrastar los resultados. Para establecer la longitud máxima de rezagos en las
pruebas de cointegración y en la de Vectores Autorregresivos, se utilizarán los estadísticos de Akaike,
Schwarz y Hannan-Quinn, dando preferencia al criterio de Akaike.
RESULTADOS Y DISCUSIÓN
Un primer acercamiento sobre el comportamiento de nuestras series lo dan las gráficas, en la figura 2 se
aprecia que nuestras variables se mueven de manera ascendente por lo que, pueden ser no estacionarias.
También se mueven juntas por lo que, es posible que estén cointegradas. Cabe precisar que la
información que se muestra en relación al PIBG y que se observó en la tabla 1, esta se encuentra en
millones de pesos, respecto a la AT, la información se expresa en datos brutos.
pág. 9645
Figura 2
Comportamiento del PIBG y la AT
Al realizar las pruebas de Dickey-Fuller Aumentada, efectivamente nuestras series son no estacionarias
y tienen raíz unitaria, los resultados se muestras en la tabla 2.
Tabla 2
Prueba de raíz unitaria
Variable
Valor de p
PIBG
0.8812
AT
0.765
Nota. Elaboración propia con base a los datos de la muestra.
Para evitar resultados espurios en los pronósticos es importante verificar si hay cointegración en nuestras
series; es decir, si existe equilibrio de largo plazo. Habíamos comentado que hay dos maneras para
verificar la cointegración, la primera, es a través de la diferenciación con la consecuente pérdida de
información y la siguiente con verificar si los residuales en sus niveles son estacionarios. Esta última
alternativa es la que nosotros seguimos, los resultados se muestran en la tabla 3. Al aplicar la prueba de
50000
100000
150000
200000
250000
300000
350000
1980 1985 1990 1995 2000 2005 2010 2015 2020
1e+06
2e+06
3e+06
4e+06
5e+06
6e+06
7e+06
8e+06
9e+06
1e+07
PIBG (izquierda)
AT (derecha)
pág. 9646
contraste de cointegración Engle y Granger el valor p es significativo, al respecto nuestras variables
están cointegradas en sus niveles I (0) y son estacionarias en sus primeras diferencias I (1). El número
de retardos para la prueba de cointegración es de 1 como se aprecia en la tabla 4.
Tabla 3
Pruebas de Estacionariedad y Cointegración
Variable
Prueba de estacionariedad
Orden
Prueba de
Cointegración
LPIBG
p = 6.355e-12
I(1)
p = 0.02838
I(0)
LAT
P = 7.771e-09
I(1)
Nota. Elaboración propia con base a los datos de la muestra.
Tabla 4
Selección del Orden de Retardos para la Prueba de Cointegración
Retardos
Log. Veros
P(RV)
AIC
BIC
HQC
1
71.45390
-3.192873*
-2.942107*
-3.101558*
2
72.44130
0.74040
-3.045917
-2.627973
-2.893725
Dado que nuestras series tienen equilibrio de largo plazo y son integradas de orden I (1) el siguiente
paso es modelar la Corrección de Errores, este resultado deberá ser negativo y menor a la unidad para
asegurar el equilibrio, señala como los errores se van corrigiendo con un período de retraso. Nuestra
función estimada es la siguiente:
t-1
El coeficiente del Modelo de Corrección de Error en nuestro caso es de -0.0360123, es interesante
señalar que es negativo y menor a la unidad. Su valor nos está indicando que las desviaciones en el PIBG
en la función de largo plazo se reestablecen al siguiente período en 3.6 por ciento aproximadamente. Es
de suma importancia agregar que las diferencias en el PIBG responden en 14 % ante los cambios de una
unidad que se pudieran presentar en la AT.
A manera de conclusión en relación al Modelo de Corrección de Error, podemos decir, que a pesar de
que la AT tiene un impacto positivo en el PIBG, éste es muy pequeño, ni siquiera llega a la unidad y
cualquier desajuste en el largo plazo, el PIBG disminuye de manera asintótica.
pág. 9647
También realizamos el Modelo de Corrección de Error, tomando como variable independiente al PIBG
y a la AT como variable dependiente, la ecuación resultante es la siguiente:
t-1
El resultado de −0.551134 en el Modelo de Corrección de Error, como puede apreciarse es negativo y
menor a la unidad. Para esta ecuación, las desviaciones de la AT respecto a su equilibrio en la función
de largo plazo se reestablecen al año siguiente en 55 por ciento. Así mismo, las diferencias en la AT
responden en 1.74 unidades ante los cambios de una unidad de las diferencias del PIBG. Cuando
utilizamos al PIBG como variable independiente, su impacto es significativo en la AT, además, el
Modelo de Corrección de Errores tiende al equilibrio rápidamente.
Pasemos ahora a los resultados de la causalidad de Granger. Si observamos la figura 2, podemos
identificar tres quiebres estructurales que seguramente incidieron durante el período de estudio en
nuestra variable dependiente, el primero es la crisis económica de 1995, este choque produjo grandes
niveles de pobreza y desempleo en nuestro país, producto de las devaluaciones del peso mexicano, el
segundo choque se da con la crisis económica financiera del 2009 que inició en los Estados Unidos y
que repercutió desfavorablemente en nuestro país en todos sus indicadores económicos, el último
quiebre estructural corresponde al Covid 2019 con todas sus consecuencias económicas. Los tres
choques estructurales fueron sometidos a la prueba de Chow test y ninguno paso dicha prueba, lo
anterior nos llevó a introducir tres variables artificiales para darle estabilidad a nuestro modelo. Los
rezagos para la prueba de causalidad se describen en la tabla 5.
Tabla 5
Selección del Orden de Retardos para la Prueba de Causalidad
Retardos
Log. Veros
P(RV)
AIC
BIC
HQC
1
98.34038
-3.919043*
-3.166743*
-3.645097*
2
99.73379
0.59411
-3.791892
-2.872415
-3.457069
Ahora analicemos los resultados de la prueba de causalidad que se presentan en la tabla 6, los datos
estadísticos indican que hay una relación unidireccional del PIBG hacia la AT.
pág. 9648
Tabla 6
Prueba de Causalidad
Prueba de Causalidad
Valor de p
PIBG no causa a AT
0.0001
AT no causa a PIBG
0.1982
Nota. Elaboración propia con base a los datos de la muestra.
Las pruebas de especificación, indican que los pronósticos son válidos para nuestro modelo y son
confiables. La prueba de normalidad de los residuos es correcta y no hay autocorrelación (tabla 7).
Tabla 7
Pruebas de Especificación
Prueba
Valor de p
Normalidad de los residuos
0.4296
Autocorrelación
0.4826
Nota. Elaboración propia con base a los datos de la muestra.
También elaboramos y analizamos la prueba de impulso-respuesta la cual nos señala que, ante un choque
de la AT, el PIBG disminuye de manera asintótica. Con respecto a la respuesta de la AT en Guerrero ante
un choque del PIBG, la afluencia Turística disminuye en dos períodos, sin embargo, su recuperación es
muy rápida (Figuras 3 y 4).
Figura 3
Respuesta del PIBG ante Choque del AT
-0.012
-0.01
-0.008
-0.006
-0.004
-0.002
0
0 2 4 6 8 10
años
respuesta de l_PIBG a un shock en l_AT
pág. 9649
Figura 4
Respuesta de la AT ante Choque del PIBG
CONCLUSIONES
El período de estudio de nuestra investigación comprendió los años de 1980-2022 con datos anualizados
tomados de INEGI y de DATATUR; los resultados arrojaron datos interesantes, primero que las dos
series son estacionarias en sus primeras diferencias segundo, que las dos variables están cointegradas
por lo tanto existe equilibrio de largo plazo y tercero, existe una relación unidireccional del PIBG hacia
la AT.
En relación a los resultados del Modelo de Corrección de error, podemos concluir que el coeficiente
relacionado con la AT de Guerrero es muy pequeño; es decir el PIBG de la economía guerrerense
aumenta en 14% al variar la AT en una unidad. Su coeficiente responde de manera muy lenta ante los
desajustes de las variables. Sólo el 3% de los desequilibrios en el PIBG en el período anterior, se ajustan
en el período actual. Cuando utilizamos al PIBG como variable independiente, su impacto es
significativo en la AT, éste responde en 1.74 unidades al variar en una unidad el PIBG, además el Modelo
de Corrección de Errores tiende al equilibrio rápidamente (55 %).
La prueba de impulso-respuesta señala que, ante un choque de la AT, el PIBG disminuye de manera
asintótica. Con respecto a la respuesta de la AT en Guerrero ante un choque del PIBG, la AT disminuye
en dos períodos; sin embargo, su recuperación es muy rápida.
0.034
0.035
0.036
0.037
0.038
0.039
0.04
0.041
0.042
0.043
0.044
0.045
0 2 4 6 8 10
años
respuesta de l_AT a un shock en l_PIBG
pág. 9650
El anterior resultado nos está señalando como lo advierten los datos de CONEVAL, llevar a cabo un
análisis más profundo sobre el comportamiento del turismo como motor de crecimiento para la economía
guerrerense.
REFERENCIAS BIBLIOGRÁFICAS
Brida, J. G., Sanchez , E. J., & Risso, W. A. (2008). Tourism’s Impact on Long-Run Mexican Economic
Growth. Economics Bulletin, 1-8. Obtenido de
http://economicsbulletin.vanderbilt.edu/2008/volume3/EB-07C20155A.pdf
Bronzini, R., Ciani, E., y Montaruli, F. (2021). Turismo y crecimiento local en Italia. Estudios
Regionales, 56(1), 140-154. doi:https://doi.org/10.1080/00343404.2021.1910649
CONEVAL. (2022). Informe de pobreza y evaluación 2022: Guerrero. CONEVAL.
Cruz , M. Á., Dimas, J. J., y Ortega, G. O. (2021). Competitividad turística y su impacto en el desarrollo
social en Acapulco, Guerrero; México. Una primera aproximación. En J. Gasca, & H.
Hoffmann, Recuperación transformadora de los territorios con equidad y sostenibilidad (págs.
440-460). UNAM. Obtenido de http://ru.iiec.unam.mx/id/eprint/5393
Cruz, G. R., Hernández, V., Avilés, G., y Valdivia, R. (2016). Turismo extranjero y crecimiento
económico en México. Evidencia empírica para Los Cabos. Economía, Sociedad y Territorio,
XVI(50), 1-38. Obtenido de file:///C:/Users/ECONOMIA/Documents/ACAPULCO-
PIB%20GRO/TUR%20y%20CREC%20LOS%20CABOS.pdf
DATATUR. (2023). El PIB turístico estatal y municipal 2018-2022 EN MÉXICO. México: GOB.
Obtenido de https://datatur.sectur.gob.mx/SitePages/PibTuristicoEstatalMunicipal.aspx
De la Cruz, J. L., Canfield, C., & Núñez, J. A. (2010). Drivers of Economic Growth: The Case for
Drivers of Economic Growth: The Case for. Revista RBEE, 10(2), 38-53. Obtenido de
file:///C:/Users/ECONOMIA/Downloads/3100-Texto%20do%20artigo-10538-1-10-
20120316%20(1).pdf
Dickey , D.A., & Fuller, W.A. (1981). Likelihood ratio statistics for autorregresive time series with a
unit root. Econometrica, 49(4), 1057-1072.
Engle, R., y Granger, C. (1987). Cointegración y corrección de errores: representación, estimación y
pruebas. Econométrica, 55(2), 251-276. doi:https://doi.org/10.2307/1913236
pág. 9651
Gobierno del Estado. (2024). Logra Guerrero exitosa Temporada de Verano 2024. Chilpancingo, Gro.:
GOB. Obtenido de https://www.guerrero.gob.mx/2024/08/logra-guerrero-exitosa-temporada-
de-verano-2024-resultado-del-impulso-y-trabajo-de-promocion-de-evelyn-salgado-y-el-sector-
turistico/
Gujarati, D. N., y Porter, D. C. (2009). Econometría. Mc Graw Hill.
INEGI. ( 2024). Cuenta satélite del turismo en México (CSTM) 2023. México: GOB. Obtenido de
https://www.inegi.org.mx/contenidos/saladeprensa/boletines/2024/CSTM/CSTM2023.pdf
INEGI. (2013). Producto Interno Bruto por Entidad Federativa. Año base 2013. México: GOB.
Obtenido de
https://www.inegi.org.mx/app/tabulados/default.aspx?pr=17&vr=6&in=2&tp=20&wr=1&cno
=2
INEGI. (2025). Anuarios estadísticos del estado de Guerrero. México: GOB. Obtenido de
https://www.inegi.org.mx/
Johansen, S. (1988). Análisis estadístico de vectores de cointegración. Revista de dinámica económica
y control, 12(2 y 3), 231-254. doi:https://doi.org/10.1016/0165-1889(88)90041-3
MacKinnon, J. G. (2010). Critical values for cointegration tests. Kingston (Ontario): Queen's
Economics Department Working Paper, No. 1227, Queen’s University, Department of
Economics (QED).
Phillips, P., & Pierre, P. (1988). Testing for a unit root in time series regression. Biometrika, 75(2), 335-
346. Obtenido de https://users.ssc.wisc.edu/~bhansen/718/PhillipsPerron1988.pdf
Quintana, L., y Mendoza, M. (2016). Econometría aplicada utilizando R. UNAM.
Ramírez, J. (2006). Actividad económica del sector turístico mexicano : situación actual, tendencias y
cointegración. Aportes, XI(032-032), 89-106. Obtenido de
https://www.redalyc.org/pdf/376/37603206.pdf
Salgado, M. F., y Quintero, D. M. (2022). Desigualdad social en contexto de turismo y violencia en
Acapulco,. En S. De la Vega Estrada, Efectos del proceso de empobrecimiento en la desigualdad
y el desarrollo social en los territorios (págs. 425-442). México: UNAM.
pág. 9652
Sánchez, F. (2020). Inbound tourism and economic growth in Mexico: Inbound tourism and economic
growth in Mexico:. Contaduría y Administración (UNAM), 65(2), 1-19.
doi:http://dx.doi.org/10.22201/fca.24488410e.2019.1994
Secretaría de Turismo. (Septiembre 2024). 6° Informe de labores. México: SECTUR.
Taibi, B., & Lamri, K. (2020). The Impact of Tourism Industry on Economic Growth: The Case of
Algeria (Cointegration & Causal Analysis). Management & Economics Research Journal, 2
(4), 10-26. doi:https://doi.org/10.48100/merj.v2i4.122
Toda, H., y Yamamoto, T. (1995). Inferencia estadística en autorregresiones vectoriales con posibles
procesos integrados. Revista de Econometría, 66(1 y 2), 225-250.
doi:https://doi.org/10.1016/0304-4076(94)01616-8
Wanyonyi , M., & Mbithi, J. (2024). Tourism and Economic Growth in Kenya: A Time Series Analysis.
Asian Journal of Probability and Statistics, 26(8), 107-117.
doi:https://doi.org/10.9734/ajpas/2024/v26i8640
