Professional Documents
Culture Documents
TESIS
ASESOR:
IQUITOS-PERÚ
2015
Análisis de la Relación entre Crecimiento Económico y Desarrollo del Sistema Financiero en el Perú 1994-2013
DEDICATORIA
Alberto Jair:
A mis padres Adrián y Rubí, por el grande amor que les tengo y que siempre me han
brindado; por ser quienes me apoyan en todo momento y por sus consejos que hacen
posible el desarrollo de mi vida personal y profesional.
Luis Guillermo:
Dedico este gran logro a Guillermo Sánchez y Olga Aspajo, quienes me brindaron todo su
apoyo para hacer realidad este gran proyecto, quienes supieron orientarme en toda
adversidad y me dieron la fuerza necesaria para afrontarla.
Para ustedes todo mi cariño y admiración por ser los mejores y excelentes padres.
AGRADECIMIENTO
Hoy, después de mucho esfuerzo y dedicación, damos gracias a nuestro DIOS PADRE,
porque puso en nuestro camino a grandes profesionales que nos brindaron todo su apoyo,
gracias a Miguel Ángel Cabello, Mario López, y George Luna, por su orientación y
consejos para lograr nuestro más ansiado sueño, ser buenos profesionales.
ÍNDICE GENERAL
DEDICATORIA ............................................................................................................... 2
AGRADECIMIENTO ...................................................................................................... 3
ÍNDICE GENERAL ......................................................................................................... 4
ÍNDICE DE GRÁFICOS ................................................................................................. 6
ÍNDICE DE CUADROS .................................................................................................. 7
INTRODUCCIÓN ............................................................................................................ 8
CAPÍTULO I: PLANTEAMIENTO DE LA INVESTIGACIÓN .................................. 9
1.1 Planteamiento del Propósito de la Investigación ...................................................... 9
1.2 Formulación del Propósito de la Investigación ...................................................... 10
Propósito General ........................................................................................................... 10
Propósitos Específicos .................................................................................................... 10
1.3 Objetivo de la Investigación ................................................................................... 10
Objetivo General............................................................................................................. 10
Objetivos Específicos ..................................................................................................... 10
1.4 Justificación de la Investigación ............................................................................. 11
1.5 Hipótesis ................................................................................................................. 11
Hipótesis General ........................................................................................................... 11
Hipótesis Específicas ...................................................................................................... 11
1.6 Operacionalización de la Hipótesis: Variables, Indicadores e Índices ................... 12
1.7 Identificación del Método de Investigación ........................................................... 13
1.8 Marco Poblacional y Población .............................................................................. 13
1.9 Marco Muestral y Muestra ..................................................................................... 14
1.10 Fuente de Recolección de Datos ......................................................................... 14
CAPÍTULO II: MARCO TEÓRICO ............................................................................. 15
2.1 Teorías Relacionadas al Sector de Estudio ............................................................. 15
2.1.1 Modelo de crecimiento neoclásico Solow-Swan ................................................ 15
2.1.1.1 Supuestos del modelo de crecimiento ............................................................ 15
2.1.1.2 Variables per cápita ........................................................................................ 19
2.1.1.3 Dinámica del modelo de crecimiento ............................................................. 20
2.1.2 Modelo de crecimiento Solow-Swan con progreso tecnológico ....................... 22
2.1.2.1 Desarrollo del modelo de crecimiento ............................................................ 22
2.1.2.2 La función de producción modificada y sus factores ..................................... 23
2.1.2.3 Supuestos relacionados con la función de producción ................................... 24
2.1.2.4 La evolución en el tiempo de los factores de producción............................... 25
2.1.2.5 El funcionamiento del modelo de crecimiento ............................................... 27
2.1.3 Modelo de crecimiento Solow-Swan con intermediación financiera ................. 29
2.1.4 Modelo de crecimiento endógeno: Modelo AK ................................................. 31
2.1.4.1 Función de producción AK............................................................................. 31
2.1.4.2 Supuestos de la función de producción AK ................................................... 31
2.1.4.3 Desarrollo y funcionamiento del modelo de crecimiento endógeno .............. 32
2.1.5 Crecimiento endógeno con intermediación financiera ....................................... 33
2.2 Teorías Relacionadas al Tema de Estudio .............................................................. 34
2.2.1 King y Levine (1993) ......................................................................................... 34
ÍNDICE DE GRÁFICOS
ÍNDICE DE CUADROS
INTRODUCCIÓN
Por otra parte, las empresas financieras, tanto las orientadas a las pequeñas y
medianas empresas como la banca comercial, han incrementado el nivel de sus
operaciones en regiones con alto potencial de expansión, financiando no sólo
créditos personales sino, en mucha mayor medida, crédito productivo. Cabe
entonces preguntarse cuál ha sido el rol que han jugado las entidades financieras
en canalizar los inmensos fondos disponibles durante este período de boom
económico.
Respecto a esto último, hay un consenso, tanto a nivel teórico como empírico,
acerca de la existencia de una relación directa entre crecimiento económico y
desarrollo del sistema financiero. Aunque, existe debate acerca de la causalidad
entre dichas variables.
Los autores.
Desde inicio de los 90’s, las economías emergentes han registrado un contexto
económico favorable, producto del alto flujo de capitales. Sin embargo, el éxito de
estas economías no hubiese sido posible sin la existencia de un sistema financiero
eficiente y competente.
Por tanto, la evidencia histórica indica que contar con un entorno macroeconómico
estable y favorable a la inversión privada es un requisito fundamental para el
crecimiento económico. Sin embargo, poseer un marco institucional transparente
para hacer negocios es necesario; y tener un sistema financiero eficiente y
competente, canalizador de los fondos disponibles, es importante.
El Perú no ha sido ajeno a este contexto económico, desde las reformas impulsadas
en la década de los 90’s se ha podido notar un mayor dinamísmo de las economías
regionales, el mismo que ha sido acompañado de una creciente expansión del sistema
financiero, en particular de las microfinanzas.
Propósito General:
Propósitos Específicos:
1. ¿Cuáles son los principales hechos estilizados del crecimiento económico del
Perú durante el período 1994-2013?
2. ¿Cuál es la evolución de los indicadores de profundización financiera del
Perú durante el período 1994-2013?
3. ¿Que modelo econométrico permite medir la relación entre el crecimiento
económico y el desarrollo del sistema financiero del Perú durante el período
1994-2013?
Objetivo General:
Objetivos Específicos:
Sin embargo, todo esto no hubiese sido posible si el desarrollo del sistema financiero
no hubiese seguido a la par del crecimiento de la actividad económica. De hecho, en
el interior del país tanto el dinamísmo de las entidades micro-financieras como de la
banca comercial han hecho posible financiar distintos proyectos productivos, lo que
ha dinamizado las economías locales.
Por tanto un desarrollo del sistema financiero que promueva la inclusión de más
agentes, tanto prestamistas como prestatarios, hace que la economía se vea
favorecida. Por lo que es importante cuantificar el efecto que ha tenido el desarrollo
del sistema financiero sobre el crecimiento económico del Perú.
1.5 Hipótesis
Hipótesis General:
Hipótesis Específicas:
Elaboración Propia
El empleo de datos de panel nos fue muy útil por dos razones principales:
𝑌𝑡 = 𝐶𝑡 + 𝐼𝐵 (1)
𝑆 = 𝐼𝐵 (2)
III. Los agentes económicos ahorran una fracción constante del ingreso:
𝑆 = 𝑠𝑌𝑡 (3)
𝐶𝑡 = (1 − 𝑠)𝑌𝑡 (4)
𝑌𝑡 = 𝐹(𝐾𝑡 , 𝐿𝑡 , 𝐴𝑡 ) (5)
V. La inversión neta o variación neta del capital está dada por la adquisición de
equipo menos la depreciación del mismo.
𝜕𝐾𝑡
𝐼𝑁 = = 𝐼𝐵 − 𝛿𝐾𝑡 (6)
𝜕𝑡
𝐿̇
𝐿𝑡 = 𝐿0 𝑒 𝑛𝑡 ⇔ 𝐿𝑡 = 𝑛 (7)
𝑡
𝑌𝑡 = 𝐹(𝐾𝑡 , 𝐿𝑡 , 𝐴𝑡 ) (8)
𝜕2 𝑌𝑡 𝜕2 𝑌𝑡
𝜕𝐾𝑡2
< 0, 𝜕𝐿2𝑡
<0 (11)
Esto quiere decir que los incrementos sucesivos en el capital o trabajo darán
lugar a aumentos cada vez menores en la producción.
𝜕𝑌 𝜕𝑌
lim ( 𝑡 ) = 0, lim ( 𝑡 ) =∞ (12)
𝐾→∞ 𝜕𝐾𝑡 𝐾→0 𝜕𝐾𝑡
𝜕𝑌 𝜕𝑌
lim ( 𝑡 ) = 0, lim ( 𝑡 ) =∞ (13)
𝐿→∞ 𝜕𝐿𝑡 𝐿→0 𝜕𝐿𝑡
Las cuales implican que las “primeras unidades" de capital y trabajo son
altamente productivas, pero cuando el capital y el trabajo son suficientemente
abundantes, entonces sus productos marginales son cercanos a cero.
Y Y
0 K 0 L
c) Función de Cobb-Douglas:
𝜆𝑌𝑡 = (𝜆𝐾𝑡 )𝛼 (𝜆𝐿𝑡 )1−𝛼 = 𝜆𝛼 𝜆1−𝛼 𝐾𝑡𝛼 (𝐿𝑡 )1−𝛼 = 𝜆𝐾𝑡𝛼 (𝐿𝑡 )1−𝛼 (15)
𝜕𝑌𝑡 𝜕𝑌𝑡
𝜕𝐾𝑡
= 𝛼𝐴𝑡 𝐾𝑡𝛼−1 (𝐿𝑡 )1−𝛼 > 0, 𝜕𝐿𝑡
= (1 − 𝛼)𝐴𝑡 𝐾𝑡𝛼 (𝐿𝑡 )−𝛼 > 0 (16)
𝜕 2 𝑌𝑡
= 𝛼(𝛼 − 1)𝐴𝑡 𝐾𝑡𝛼−2 (𝐿𝑡 )1−𝛼 < 0,
𝜕𝐾𝑡2
(17)
𝜕 2 𝑌𝑡
= (1 − 𝛼)(−𝛼)𝐴𝑡 𝐾𝑡𝛼 (𝐿𝑡 )−𝛼−1 < 0
𝜕𝐿2𝑡
𝑌𝑡 𝐹(𝐾𝑡 ,𝐿𝑡 ) 𝐾
= = 𝐹 ( 𝑡 , 1) (18)
𝐿𝑡 𝐿𝑡 𝐿𝑡
𝑌𝑡 𝐾𝑡
Sean 𝑦𝑡 = y 𝑘𝑡 = , la producción y el capital per cápita respectivamente. Con
𝐿𝑡 𝐿𝑡
𝑐𝑡 = (1 − 𝑠)𝑦𝑡 (4´)
𝑓(𝑘)
𝑘
Gráfico 2. Ejemplo de una función de producción
Con las premisas bien establecidas, veamos sus consecuencias en la descripción del
crecimiento económico. Si la economía cumple los supuestos I-VII, entonces la
dinámica de la acumulación de capital por trabajador está gobernada por:
𝑦
𝑓(𝑘)
𝑠𝑓(𝑘)
𝑠𝑦 ∗
Inversión
𝑘
∗
𝑘 Inversión por trabajador
1
𝑠 𝑠 1−𝛼
𝑘𝑡 = [ + (𝑘01−𝛼 − ) 𝑒 −(1−𝛼)(𝑛+𝛿)𝑡 ] (22)
𝑛+𝛿 𝑛+𝛿
𝛼
𝑠 𝑠 1−𝛼
𝑦𝑡 = [𝑛+𝛿 + (𝑘01−𝛼 − 𝑛+𝛿 ) 𝑒 −(1−𝛼)(𝑛+𝛿)𝑡 ] (24)
Y su estado estacionario:
𝛼
𝑠 1−𝛼
𝑦𝑡∗ = (𝑛+𝛿) (25)
realizada 𝑠𝑓(𝑘𝑡 ), es mayor que la inversión de reposición, así que 𝑘̇𝑡 = 0 y no habrá
aumento ni reducción de 𝑘𝑡 . Como puede verse, sea cual sea la posición inicial del
capital, la economía aquí considerada convergerá a 𝑘𝑡∗ .
𝑘̇
𝑘∗
0 𝑘 ∗
El supuesto de rendimientos constantes a escala nos permite operar con una función
de producción intensiva. Entonces 𝜆 > 1, nos da 𝜆𝑌𝑡 < 𝐹(𝜆𝐾𝑡 , 𝜆𝐴𝑡 𝐿𝑡 ), si invierte la
desigualdad la función de producción muestra rendimiento decreciente a escala.
1
Si definimos 𝜆 = A , reemplazando en la función de producción:
𝑡 L𝑡
𝑌𝑡 𝐾𝑡
𝐴𝑡 𝐿𝑡
= 𝐹 (𝐴 , 1) (28)
𝑡 𝐿𝑡
𝐾
En esta expresión, 𝑘𝑡 = 𝐴 𝐿𝑡 es la cantidad de capital por unidad de trabajo efectivo
𝑡 𝑡
𝑌𝑡
y, 𝑦𝑡 = 𝐴 𝐿 el producto por unidad de trabajo efectivo, podemos reescribir (28),
𝑡 𝑡
como:
𝑦𝑡 = 𝑓(𝑘𝑡 ) ⇒ (𝐹𝑃𝐼) (29)
El resto de los supuestos del modelo se refieren a cómo varían a lo largo del tiempo
las cantidades del trabajo, capital y tecnología. El modelo presupone que el tiempo
es continuo, es decir, que las variables incluidas en él están definidas en todos y cada
uno de los momentos. Las dotaciones iniciales de capital, trabajo y tecnología se
suponen dadas. El trabajo y la tecnología crecen a tasas constantes:
𝐿 ̇
𝐿̇𝑡 = 𝑛𝐿𝑡 ⇒ 𝐿 𝑡 = 𝑛 (30)
𝑡
𝐴 ̇
𝐴̇𝑡 = 𝑔𝐴𝑡 ⇒ 𝑡 = 𝑔 (31)
𝐴𝑡
Donde 𝑛 y 𝑔 son parámetros exógenos y los puntos sobre las variables indican una
𝜕𝑋𝑡
derivada con respecto al tiempo; es decir, 𝑋̇𝑡 es una forma abreviada de expresar .
𝜕𝑡
Un dato esencial sobre las tasas de crecimiento es que la tasa de crecimiento de una
𝑋̇
variable es igual a la tasa de crecimiento de su logaritmo natural, es decir, 𝑋𝑡 es igual
𝑡
∂ln 𝑋𝑡
a . Para comprobarlo, nótese que ln 𝑋𝑡 es una función de, 𝑋 y, 𝑋 es una función
𝜕𝑡
Si aplicamos este resultado (30) y (31), tenemos que las tasas de cambio de los
logaritmos de 𝐿 y 𝐴 son constantes e iguales ha 𝑛 y 𝑔 respectivamente, así pues:
Donde 𝐿(0) y A(0) son los valores que adoptan L y A en el período 0. Si elevamos a
sus correspondientes exponentes en ambos lados de estas ecuaciones, tendríamos:
𝐿𝑡 = 𝐿(0)𝑒 𝑛𝑡 (35)
𝐴𝑡 = 𝐴(0)𝑒 𝑛𝑡 (36)
Como la economía puede crecer a lo largo del tiempo, puede resultar más útil
centrarse en el stock de capital por unidad de trabajo efectivo 𝑘𝑡 , que en el stock de
𝐾
capital no ajustado 𝐾𝑡 . Dado que 𝑘𝑡 = 𝐴 𝐿𝑡 , se aplica la regla de la cadena que nos
𝑡 𝑡
𝐾̇ 𝐾 𝐾̇ 𝐾 𝐿̇ 𝐴̇
𝑘̇𝑡 = 𝐴 𝐿𝑡 − [𝐴 𝐿𝑡 ]2 [𝐴𝑡 𝐿̇𝑡 + 𝐿𝑡 𝐴̇𝑡 ] ⇒ 𝐴 𝐿𝑡 − 𝐴 𝐿𝑡 [𝐿𝑡 + 𝐴𝑡 ] (38)
𝑡 𝑡 𝑡 𝑡 𝑡 𝑡 𝑡 𝑡 𝑡 𝑡
𝐿̇ 𝐴̇ 𝐾𝑡
Por lo que sabemos, 𝑛 = 𝐿𝑡 , 𝑔 = 𝐴𝑡 , 𝑘𝑡 = 𝐴 y 𝐾̇𝑡 , por su parte aparece dado en la
𝑡 𝑡 𝑡 𝐿𝑡
𝑌
𝑘̇𝑡 = 𝑠 𝐴 𝑡𝐿 − 𝛿𝑘𝑡 − 𝑛𝑘𝑡 − 𝑔𝑘𝑡 (39)
𝑡 𝑡
𝑌
Finalmente teniendo en cuenta el hecho de que 𝑦𝑡 = 𝐴 𝑡𝐿 podemos reescribir:
𝑡 𝑡
𝑦
Inversión de reposición: (𝒏 + 𝒈 + 𝜹)𝒌𝒕
𝑘̇𝑡 𝜃𝑠𝐴
𝑘𝑡
= 𝑘 1−𝛼 − (𝛿 + 𝑛 + 𝑔) (43)
𝑡
1
𝜃𝑠𝐴 1−𝛼
𝑘𝑡∗ = [(𝑛+𝛿+𝑔)] (44)
Según Rebelo (1991), en el cual el autor abandona los supuestos neoclásicos en los
que el crecimiento económico de largo plazo es posible realizarlo sólo en la medida
en que existan mejoras tecnológicas, se plantea un modelo de crecimiento basado en
capital.
𝜕𝑌𝑡 𝜕2 𝑌𝑡
𝜕𝐾𝑡
=𝐴 𝑦 𝜕𝐾𝑡2
=0 (47)
No satisface las condiciones de INADA, dado que el producto marginal del capital
es siempre igual a 𝐴, por lo que no se aproxima a cero cuando 𝐾𝑡 se aproxima a
infinito y no se aproxima a infinito cuando 𝐾𝑡 se aproxima a cero.
𝐴𝐾𝑡
= 𝐴𝑘𝑡 y sustituir en el modelo de Solow-Swan,
𝐿𝑡
𝑘̇𝑡
𝑘𝑡
= 𝛾𝑘 = 𝑠𝐴 − (𝑛 + 𝛿) (50)
𝑦𝑡 𝑘̇
𝑦𝑡
= 𝛾𝑦 = 𝐴 𝑘𝑡 = 𝛾𝑘 = 𝑠𝐴 − (𝑛 + 𝛿) (52)
𝑡
𝑌𝑡 𝐾̇
𝑌𝑡
= 𝛾𝑦 = 𝐴 𝐾𝑡 = 𝛾𝐾 = 𝑠𝐴 − 𝛿 (53)
𝑡
La curva de ahorro es una línea recta horizontal, dada por 𝑠𝐴. Si consideramos el
caso en que la economía es lo suficiente productiva como para que 𝑠𝐴 > 𝛿 + 𝑛, la
tasa de crecimiento será constante y positiva 𝛾𝑘 = 𝛾 ∗ = 𝑠𝐴 − (𝑛 + 𝛿). Dado que el
PBI per cápita es proporcional a 𝑘𝑡 , la tasa de crecimiento del PBI per cápita también
será igual 𝛾 ∗ . Finalmente, como el consumo es proporcional al PBI per cápita, el
consumo también será igual a 𝛾 ∗ . Tenemos, pues, que todas las variables en términos
per cápita crecen al mismo ritmo, y éste viene dado por 𝛾𝑦 = 𝛾𝑘 = 𝛾𝑐 = 𝛾 ∗ = 𝑠𝐴 −
(𝑛 + 𝛿), y por supuesto que la variables agregadas crecen al ritmo 𝛾 ∗ + 𝑛, por lo que
𝛾𝑌 = 𝛾𝐾 = 𝛾𝐶 = 𝑠𝐴 − δ.
Curva de Ahorro
Curva de Depreciación
𝑘
∗
𝑘
Donde Rebelo, supone que la familia productora representativa posee una función
de producción: tecnología AK, el cual exhibe rendimientos constantes en el capital.
(𝛿+𝑛)
𝑠> (𝜃𝐴)
(56)
Capital: Partida del balance formado por los aportes realizados por los socios en
una sociedad. Uno de los factores de producción, junto con la tierra y el trabajo,
que se genera mediante la acumulación de riqueza. En Cuentas Nacionales, el
capital hace referencia a los activos producidos que se utilizan repetida o
continuadamente, en procesos de producción durante más de un año.
Cobb-Douglas (Función de Cobb- Douglas): Función de producción de la
forma: x = A Kα Lβ Esta función fue concebida originalmente por un matemático
(Cobb) y un economista (Douglas) para medir la participación de los factores
productivos de capital y trabajo, en el ingreso nacional. En esta formulación, K y
L son los factores de producción, A es un parámetro y la suma de los exponentes
( α + β ) determinará el tipo de rendimiento de la misma; si: ( α + β ) = 1: La
función presentará rendimientos a escala constantes, ( α + β ) > 1: La función
presentará rendimientos a escala crecientes y ( α + β ) < 1: La función presentará
rendimientos a escala decrecientes
Colocaciones: Préstamos realizados por una institución financiera. Comprende
las cuentas que registran los préstamos por el dinero puesto a disposición de los
clientes bajo distintas modalidades autorizadas en función al giro especializado
de cada entidad, provenientes de recursos propios, de los recibidos del público en
depósito y de otras fuentes de financiamiento.
Compañía de Seguros: Son aquellas que a cambio del pago de una prima otorgan
una cobertura, dentro de ciertos límites y por el tiempo determinado en el contrato,
en favor de un asegurado, en caso que se produzca un siniestro que afecte su vida
o patrimonio.
Consumo: Actividad que consiste en el uso de bienes y servicios para la
satisfacción de las necesidades o deseos humanos individuales o colectivos.
Cooperativa de Ahorro y Crédito: Institución de fomento del ahorro cuyo
capital está conformado por los aportes de los propios ahorristas y cuya finalidad
es otorgar créditos a éstos en proporción a dichos ahorros, generalmente a tasas
de interés preferenciales. Pueden operar con recursos del público, previa
autorización de la Superintendencia de Banca, Seguros y AFP, de acuerdo al
procedimiento y a los límites que determine dicho organismo.
Corporación Financiera de Desarrollo S.A -COFIDE- (Perú): Es una empresa
de economía mixta que forma parte del Sistema Financiero Nacional y cuenta con
autonomía administrativa, económica y financiera. Desde su creación se
Y K
Y = F(K, L) → y = = F ( , 1)
L L
Por otro lado, se incluyó como parte de las variables aproximadas a nuestra variable
de interés: las medidas de desarrollo financiero. Estas medidas fueron tres:
colocaciones, depósitos y la suma de ambas, conocido como intermediación
financiera. Todas ellas en proporción tanto al PBI total como al no primario,
dependiendo del caso.
1También se realizaron estimaciones considerando el porcentaje de hogares con acceso a la red de agua potable, pero
no resultó significativa. No se incluyó el porcentaje de hogares con accesos a internet, debido a que no se cuentan con
adecuadas mediciones de la misma para todos los departamentos.
distinción del grado de dolarización de los mismos. Sería interesante saber si existe
alguna diferencia.
El Producto Bruto Interno del país a precios constantes de 1994, registró una
variación acumulada de 96,9%, con una variación promedio anual de 6,4%. En este
período nueve regiones superaron el promedio nacional, con variaciones acumuladas
que fluctúan entre 101,5% y 144,6% y variaciones promedios anuales que oscilan
entre 6,6% y 8,5%.
La región de Ica presentó el mayor nivel de variación acumulada con 144,6%, y una
tasa promedio anual de 8,5%, debido al dinamísmo de las actividades agricultura,
caza y silvicultura, minería, manufactura, construcción, y transportes y
comunicaciones. Otras regiones que registran variación acumulada por encima del
promedio nacional fueron: Cusco (142,8%), Ayacucho (118,8%), La Libertad
(108,9%), Arequipa (108,2%), Apurímac (105,0%), Amazonas (105,0%), Lima
(104,8%) y San Martín (101,5%).
2 Se dirá que la medida de desarrollo financiero es una variable endógena, no que sea considerada una variable
dependiente, sino por el problema de doble causalidad.
El Producto Bruto Interno per cápita del país, en el período 2001 - 2012, registró una
variación acumulada del 72,2% con una variación promedio anual de 5,1%.
A nivel regional, la mayor variación acumulada del Producto Bruto Interno per cápita
se presentó en Cusco (122,7%) y fue superior al promedio nacional en las regiones
de Ica (113,6%), Apurímac (91,7%), Amazonas (90,8%), Ayacucho (90,0%),
Arequipa (83,9%), La Libertad (80,1%), Piura (76,8%) y Lima (72,3%), mientras
que, el resto de regiones alcanzaron un nivel de crecimiento acumulado por debajo
del PBI total, siendo la región de Madre de Dios (21,5%) donde se registró el menor
crecimiento per cápita del período 2001-2012.
Fuente: INEI
Empresas Especializadas:
Empresas de Capitalización Inmobiliaria, Empresas de Arrendamiento
Financiero, Empresas de Factoring, Empresas Afianzadoras y de Garantías,
Empresas de Servicios Fiduciarios, Bancos de Inversión y Empresas de
Seguros.
Las empresas del sector financiero deben constituirse como sociedades anónimas. Su
organización y funcionamiento es autorizado por la SBS de acuerdo con los
requisitos legales establecidos para su organización, que incluyen un informe previo
del Banco Central de Reserva del Perú. Igualmente, se requiere la autorización de la
SBS para la apertura, traslado y cierre de sucursales, agencias y oficinas.
Cabe resaltar que toda empresa del sistema financiero autorizada a captar depósitos
/ capital del público, pertenece al Fondo de Seguro de Depósitos (FSD). El FSD tiene
por objeto proteger a quienes realicen depósitos en las empresas del sistema
financiero como los depósitos nominativos de personas naturales y jurídicas,
exceptuando a las pertenecientes al sistema financiero, y los intereses devengados
por éstos.
Una primera manera de acercarse a la relación entre el impacto del desarrollo del
sistema financiero sobre el crecimiento económico es dar una mirada a indicadores
del crecimiento de la actividad económica tanto nacional y regional:
600
500
Pbi.r Pbi.c
400
Millones S/.
300
200
100
0
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Elaboración Propia
14 140
10 100
8 80
6 60
4 40
2 20
0 0
(En porcentaje)
200 600
Sistema Financiero (Millones de S/.)
140
400
120
100 300
80
200
60
40
100
20
0 -
2006
2012
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2007
2008
2009
2010
2011
2013
Elaboración Propia
(En porcentaje)
40%
30%
25%
20%
%
15%
10%
5%
0%
1997
2002
2007
1994
1995
1996
1998
1999
2000
2001
2003
2004
2005
2006
2008
2009
2010
2011
2012
2013
Elaboración propia.
CAPSF/PBI COLSF/PBI
Lima 59.23% Lima 52.39%
Arequipa 21.44% San Martín 29.77%
Tacna 14.93% Lambayeque 29.42%
La Libertad 14.57% Arequipa 26.13%
Cusco 12.12% La Libertad 24.57%
Lambayeque 12.05% Ucayali 23.95%
Apurímac 11.95% Tumbes 22.16%
Ica 11.55% Tacna 21.75%
Junín 11.38% Junín 21.36%
Piura 11.31% Puno 21.21%
Huánuco 10.88% Huánuco 20.94%
Cajamarca 9.89% Piura 20.30%
Ucayali 9.23% Madre de Dios 20.14%
Madre de Dios 7.66% Apurímac 19.15%
Tumbes 7.58% Ica 18.29%
Loreto 7.55% Cusco 16.15%
Moquegua 7.07% Cajamarca 16.09%
Puno 7.04% Loreto 15.97%
Ancash 6.89% Ancash 11.63%
San Martín 6.45% Ayacucho 11.45%
Ayacucho 5.56% Amazonas 9.55%
Pasco 5.42% Moquegua 7.53%
Amazonas 3.00% Pasco 7.25%
Huancavelica 2.53% Huancavelica 4.37%
Total general 35.24% Total general 35.92%
Elaboración propia.
3
Ver en anexos información anualizada en cada región.
45,000.00 3,500,000.00
40,000.00
3,000,000.00
35,000.00
2,500,000.00
30,000.00
25,000.00 2,000,000.00
20,000.00 1,500,000.00
15,000.00
1,000,000.00
10,000.00
5,000.00 500,000.00
- -
30,000,000.00 1,400,000.00
1,200,000.00
25,000,000.00
1,000,000.00
20,000,000.00
800,000.00
15,000,000.00
600,000.00
10,000,000.00
400,000.00
5,000,000.00 200,000.00
- -
LT.Tel LT.Cel
Elaboración propia.
Esto podría implicar dos conclusiones: (i) que nuestra hipótesis ha sido incorrecta o
(ii) que al obviar la estructura panel y asumir que no existe heterogeneidad individual
Por tanto, antes de descartar nuestra hipótesis de investigación, queda asumir que
dicha heterogeneidad individual no observable sí juega un rol importante. Una vez
cambiado el supuesto concerniente a la existencia o no de tal efecto, queda por ver la
naturaleza de la misma.
Greene y otros autores, consideran que el error del proceso generador puede ser
descompuesto de la siguiente manera:
εit = αi + uit
Donde uit ~iid(0, σ2u ) y αi proviene una distribución aleatoria independiente de uit y
de las demás variables explicativas (cov(αi , X) = 0).
Este modelo, comúnmente conocido como modelo de efectos aleatorios, arroja aún
resultados similares al de datos agrupados (tanto en las estimaciones con PBI total
como en las que se emplea PBI no primario). En ambos casos se emplean variables
instrumentales para controlar el efecto de la doble causalidad entre nuestra variable
dependiente y nuestra variable de interés.
4
Ver en el anexo el supuesto del modelo de datos agrupados.
εit = βi + uit
Donde uit ~iid(0, σ2u ) y βi es fijo pero no observable. Esto implica que la
cov(βi , X) ≠ 0.
Se puede notar en el Cuadro 15, que ante un incremento de 10 por ciento en el ratio
de colocaciones sobre PBI no primario, el crecimiento del mismo se incrementaría
en 1,4 por ciento, en promedio, en cada región. En el caso de considerar la
intermediación financiera, un 10 por ciento de incremento en esta medida, tendría
como resultado un incremento de 0,86 por ciento de la tasa de crecimiento del PBI
no primario, en promedio.
tales indicadores) respecto al PBI real, la situación se mantiene similar en ambos casos,
manteniéndose incluso el alto efecto sobre el crecimiento del PBI total ante un cambio en
el indicador de desarrollo financiero.
cada región, introducimos en la regresión los dos rezagos (dos años). El modelo a
estimar sería de la siguiente forma:
5
Para más detalle sobre la metodología ver Arellano, M., & Bond, S. (1991). Some tests of specification for panel data:
Monte Carlo evidence and an application to employment equations. The review of economic studies, 58(2), 277-297.
Robust
CRE_pbipc Coef. Std. Err. z P > |z| [ 95% Conf. Interval ]
CRE_pbipc
L1. 0.0893885 0.0509186 1.76 0.079 -0.0104101 0.1891871
L2. 0.2100698 0.0655165 3.21 0.001 0.0816597 0.3384798
Lpbi
L1. -0.106102 0.0391676 -2.71 0.007 -0.1828692 -0.0293349
Robust
CRE_pbipc Coef. Std. Err. z P > |z| [ 95% Conf. Interval ]
CRE_pbipc
L1. 0.0715249 0.0520909 1.37 0.170 -0.0305714 0.1736212
L2. 0.1857517 0.0687415 2.70 0.007 0.0510208 0.3204827
Lpbi
L1. -0.0413904 0.0251857 -1.64 0.100 -0.0907534 0.0079727
Robust
CRE_pbipc Coef. Std. Err. z P > |z| [ 95% Conf. Interval ]
CRE_pbipc
L1. 0.0966112 0.0476849 2.03 0.043 0.0031506 0.1900719
L2. 0.2145742 0.0657696 3.26 0.001 0.0856682 0.3434802
Lpbi
L1. -0.1159847 0.0432192 -2.68 0.007 -0.2006928 -0.0312767
Robust
CRE_pbipc Coef. Std. Err. z P > |z| [ 95% Conf. Interval ]
CRE_pbipc
L1. 0.007006 0.0863384 0.08 0.935 -0.1622143 0.1762262
L2. -0.0210889 0.0647034 -0.33 0.744 -0.1479053 0.1057274
Lpbi
L1. -0.322634 0.0737158 -4.38 0.000 -0.4671143 -0.1781538
Robust
CRE_pbipc Coef. Std. Err. z P > |z| [ 95% Conf. Interval ]
CRE_pbipc
L1. 0.0305165 0.099748 0.31 0.760 -0.164986 0.2260189
L2. -0.0014779 0.0789598 -0.02 0.985 -0.1562363 0.1532805
Lpbi
L1. -0.1596267 0.0561799 -2.84 0.004 -0.2697374 -0.049516
Robust
CRE_pbipc Coef. Std. Err. z P > |z| [ 95% Conf. Interval ]
CRE_pbipc
L1. 0.0292403 0.0942491 0.31 0.756 -0.1554846 0.2139652
L2. -0.008096 0.0714853 -0.11 0.910 -0.1482046 0.1320126
Lpbi
L1. -0.3224726 0.0749006 -4.31 0.000 -0.4692751 -0.1756702
Por otro lado, en todas las regresiones, los parámetros asociados a las variables de
infraestructura de los hogares guardan coherencia con lo esperado y son
significativos. Asimismo, en cada estimación se presenta un signo negativo del
rezago del nivel del PBI per cápita, muestra de que si hay convergencia relativa.
Estos efectos son similares a lo obtenido por Aguilar (2011).
Elaboración propia
Cuando se tiene una estructura de datos de panel, lo más lógico es pensar en estimar
empleando alguno de los métodos para este tipo de datos. Sin embargo, es recomendable
mostrar que tales modelos son más adecuados que el modelo de datos agrupados (que
emplea una estimación de mínimos cuadrados ordinarios sin considerar la estructura
particular de los datos).
El siguiente paso ha sido elegir entre el método de efectos aleatorios y el de efectos fijos.
Para ello, se estimaron ambos modelos. Como se mencionó anteriormente, la metodología
de efectos aleatorios considera que el efecto fijo tiene asociada una distribución de
probabilidades que es independiente de la del error idiosincrático y de los demás
regresores. Esta característica del método de efectos aleatorios puede ser considerada
como un caso particular del método de efectos fijos, donde se asume que la
heterogeneidad no observable está correlacionada con los regresores. De esta forma, el
test de Hausman, trata de cuantificar si la diferencia entre ambos estimadores es
significativa. La hipótesis nula del test es que no lo es, por tanto el método de efectos
aleatorios sería el más adecuado. Cuando se aplicó el test, para cada definición de
desarrollo financiero, se encontró que la diferencia entre el estimador de efectos aleatorios
y efectos fijos sí era significativo. Por tanto, el método de efectos fijos era más adecuado
que el de efectos aleatorios (cuadros 9-14).
Por otro lado, una vez determinado el método más adecuado de estimación, en este caso
efectos fijos, se buscó que determinar si existía la presencia de heteroscedasticidad en las
estimaciones. En nuestra primera estimación, sin controlar por la doble causalidad entre
crecimiento y desarrollo financiero, el test de heteroscedasticidad (de Breusch-Pagan)
aplicado a los modelos de efectos fijos no pudieron rechazar la presencia de dicho
fenómeno en los datos, para todas las definiciones de desarrollo financiero (ver cuadros
15-26). Por tanto, es necesario lidiar con dicha particularidad. Teóricamente, la forma de
proceder debería de ser estimar el modelo por algún método de mínimos cuadrados
generalizados. Sin embargo, estimar dichos modelos es bastante complicado si no se
conoce la estructura exacta de la heteroscedasticidad.
Por tanto, para la estimación por efectos fijos y controlando por la doble causalidad entre
desarrollo financiero y crecimiento económico (donde se emplea la metodología de
variables instrumentales) también se considera este tipo de corrección de la matriz de
varianza covarianza consistente con la presencia de heteroscedasticidad.
Finalmente, como los datos tienen una dimensión temporal, hemos testeado la hipótesis
de auto-correlación serial de los errores de estimación, ya que de lo contrario se vería
afectada la eficiencia de la estimación. Se realizó el test de autocorrelación de Wooldridge
(ver Wooldridge, 2002) que busca evidencia de autocorrelación serial de primer orden en
los errores. Se encontró que todos las especificaciones rechazan la hipótesis nula de no
autocorrelación serial. Ello sustenta la necesidad de estimar un modelo dinámico (cuadros
27-32).
CONCLUSIONES
RECOMENDACIONES
BIBLIOGRAFÍA
MATRÍZ DE CONSISTENCIA
ANÁLISIS DE LA RELACIÓN ENTRE CRECIMIENTO ECONÓMICO Y DESARROLLO DEL SISTEMA FINANCIERO EN EL
PERÚ 1994-2013. Se emplearan dos variables independientes como medida de crecimiento económico: (i) variación del PBI per-cápita; y (ii)
variación del PBI per-cápita no primario
FORMULACIÓN DEL PROBLEMA OBJETIVOS HIPÓTESIS VARIABLES INDICADORES ÍNDICES
¿Cuál es la relación entre el crecimiento Determinar la relación entre el crecimiento El crecimiento económico del Perú, durante Crecimiento Económico del Perú a nivel Producto Bruto Interno (PBI) Tasa de crecimiento del PBI
regional. per-cápita. per-cápita.
económico y el desarrollo del sistema económico y el desarrollo del sistema el período 1994-2013, fue impactado
Producto Bruto Interno (PBI) Tasa de crecimiento del PBI
financiero en el Perú durante el período 1994- financiero en el Perú, mediante un modelo positivamente por el desarrollo del sistema Variables Independientes per- cápita no primario. per-cápita no primario.
2013? de datos de panel, para el período 1994- financiero.
De Investigación Variables Independientes Variables Independientes
2013.
Específicos Específicos Desarrollo del Sistema De Investigación De Investigación
Financiero del Perú a nivel
¿Cuáles son los principales Específicos El fuerte desarrollo del
regional. Colocaciones sobre PBI total Ratio de colocaciones sobre
hechos estilizados del sistema financiero es uno de y PBI no primario. PBI total y PBI no primario.
Detreminar los principales
crecimiento económico del los principales hechos
De Control o Covaiables Depósitos sobre PBI total y Ratio de depósitos sobre PBI
hechos estilizados del PBI no primario. total y PBI no primario.
Perú durante el período 1994- estilizados del crecimiento Mano de Obra (PEA) a nivel Profundización Financiera Ratio de profundización
crecimiento económico del
regional. (colocaciones + depósitos) financiera (colocaciones +
2013? económico del Perú durante
Perú durante el período PBI per- cápita regional sobre PBI total y PBI no depósitos) sobre PBI total y
¿Cuál es la evolución de los el período 1994-2013. rezagado un período. primario. PBI no primario.
1994-2013.
indicadores de profundización Los indicadores de Infraestructura a nivel
Analizar los indicadores de regional. De Control o Covariables De Control o Covariables
financiera del Perú durante el profundización financiera
profundización financiera del
período 1994-2013? reflejan la importancia del Población Económicamente Tasa de variación de la PEA.
Perú durante el período Activa (PEA). Tasa de variación del PBI
¿Qué modelo econométrico sistema financiero en el PBI per-cápita rezagado un per-cápita rezagado un
1994-2013.
permite medir la relación entre crecimiento económico del período. período.
Estimar mdiante un modelo Indicador de Infraestructura. Número de teléfonso fíjos
el crecimiento económico y el Perú durante el período por cada 1000 habitantes.
de datos de panel, la relación
desarrollo del sistema 1994-2013. Número de hogares con
entre el crecimiento energía eléctrica.
financiero del Perú durante el La aplicación de un modelo
económico y el desarrollo del Número de hogares con agua
período 1994-2013? de datos de panel permite y desagüe.
sistema financiero del Perú
estimar la relación entre el
durante el período 1994-
crecimiento económico y el
2013.
desarrollo del sistema
financiero del Perú para el
período 1994-2013.
ANEXOS
′
𝑦𝑖𝑡 = 𝑥𝑖𝑡 𝜷 + 𝛼𝑖 + 𝛿𝑡 + 𝜀𝑖𝑡 , con 𝑖 = 1, 2, … … … , 𝑁 y 𝑡 = 1, 2, … … … , 𝑇 (1)
Donde, 𝑥𝑖𝑡 contiene una columna de 𝟏, que representa el intercepto. 𝛼𝑖 son denominados
efectos individuales y 𝛿𝑡 efectos temporales. Generalmente, los modelos poseen mayor
información a nivel de individuos que a lo largo del tiempo, por lo que los efectos
temporales específicos pueden ser modelados como variables dummies.
𝒚𝑖 = 𝑿𝑖 𝜷 + 𝛼𝑖 𝟏 𝑇 + 𝜺𝑖 , con 𝑖 = 1, 2, … … … , 𝑁 (2)
𝑁 𝑇 −1 𝑁 𝑇
Este estimador será consistente bajo las condiciones (A1) y (A2), por el hecho que el
efecto individual es absorbido por el término de error idiosincrático.
̅𝑖 )′ 𝜷 + (𝑤𝑖𝑡 − 𝑤
𝑦𝑖𝑡 − 𝑦̅𝑖 = (𝒙𝑖𝑡 − 𝒙 ̅𝑖 )
𝑁 𝑇 −1 𝑁 𝑇
̅𝑖 ) ′ )
̅𝑖 )(𝒙𝑖𝑡 − 𝒙
𝒃𝐹𝐸 = (∑ ∑(𝒙𝑖𝑡 − 𝒙 ̅𝑖 )(𝑦𝑖𝑡 − 𝑦̅𝑖 )
∑ ∑(𝒙𝑖𝑡 − 𝒙
𝑖=1 𝑡=1 𝑖=1 𝑡=1
Se puede hallar una transformación de los datos tal que se reproduzca la matriz de
varianza covarianza anterior. Esta transformación es de la forma siguiente:
̅𝑖 )′ 𝜷 + (𝑤𝑖𝑡 − 𝜃𝑤
𝑦𝑖𝑡 − 𝜃𝑦̅𝑖 = (𝒙𝑖𝑡 − 𝜃𝒙 ̅𝑖 )
𝑁 𝑇 −1 𝑁 𝑇
̅𝑖 )(𝒙𝑖𝑡 − 𝜙𝒙
𝒃𝑅𝐸 = (∑ ∑(𝒙𝑖𝑡 − 𝜙𝒙 ̅𝑖 ) )′ ̅𝑖 )(𝑦𝑖𝑡 − 𝜙𝑦̅𝑖 )
∑ ∑(𝒙𝑖𝑡 − 𝜙𝒙
𝑖=1 𝑡=1 𝑖=1 𝑡=1
𝛼 𝑇𝜎2
Donde 𝜙 = 𝜃(2 − 𝜃) y 𝜙 = 𝑇𝜎2 +𝜎 2
𝛼 𝜀
Prueba de Hausman
La diferencia entre la consistencia del estimador de efectos fijos y aleatorios radica en el
supuesto (A2). Mientras que el primero no requiere tal asunción, el segundo sí. Por lo que
discriminar entre ambos estimadores es probar si la siguiente hipótesis es válida
𝐻0 : 𝐸(𝑥𝑖𝑡 𝛼𝑖 ) = 0. Si esta no se cumple, el estimador de efectos aleatorios pasa a ser
inconsistente.
El contraste Hausman (test de Wald) permite discriminar estos estimadores bajo tal
hipótesis. El estadístico de Hausman es:
−1 𝑝
ℎ = (𝒃𝐹𝐸 − 𝒃𝑅𝐸 )′ (𝑽𝒃𝐹𝐸 − 𝑽𝒃𝑅𝐸 ) (𝒃𝐹𝐸 − 𝒃𝑅𝐸 ) → 𝜒𝑘2
Donde 𝑘 = dim(𝒃). Un valor alto del estadístico de Hausman sugiere que la hipótesis
nula es rechazada. Por lo que el estimador de efectos fijos sería el más apropiado para
hacer inferencia. Al contrario, si el estimador es cercano a 0, el estimador de efectos
aleatorios se mostraría como el más indicado.
Si hay indicios de que 𝑿𝑖 está correlacionado con el término de error, entonces ningún
estimador será consistente. Para solucionar ello debemos de adoptar la metodología de
variables instrumentales. El supuesto es que los instrumentos elegidos cumplen que
𝐸(𝒁′𝑖 𝒖𝑖 ) = 0.
1
Donde 𝑺𝑛 = 𝑁 ∑𝑁 ′ ′
𝑖=1 𝒁𝑖 𝒆𝑖 𝒆𝑖 𝒁𝑖
𝐸(𝑧𝑖1 𝑢𝑖1 )
𝐸(𝑧𝑖2 𝑢𝑖2 )
𝐸(𝒁′𝑖 𝒖𝑖 ) = [ ]
⋮
𝐸(𝑧𝑖𝑇 𝑢𝑖𝑇 )
Así, se tendrá:
𝐸(𝑧𝑖1 𝑢𝑖1 )
𝐸(𝑧𝑖1 𝑢𝑖2 )
𝐸(𝑧𝑖2 𝑢𝑖2 )
⋮
𝐸(𝒁′𝑖 𝒖𝑖 ) =
𝐸(𝑧𝑖1 𝑢𝑖𝑇 )
𝐸(𝑧𝑖2 𝑢𝑖𝑇 )
⋮
[𝐸(𝑧𝑖𝑇 𝑢𝑖𝑇 )]
Así, se tendrá:
𝐸(𝑧𝑖1 𝑢𝑖1 )
𝐸(𝑧𝑖2 𝑢𝑖1 )
⋮
𝐸(𝑧𝑖𝑇 𝑢𝑖1 )
𝐸(𝑧𝑖1 𝑢𝑖2 )
⋮
𝐸(𝒁′𝑖 𝒖𝑖 ) =
𝐸(𝑧𝑖𝑇 𝑢𝑖2 )
⋮
𝐸(𝑧𝑖1 𝑢𝑖𝑇 )
𝐸(𝑧𝑖2 𝑢𝑖𝑇 )
⋮
[𝐸(𝑧𝑖𝑇 𝑢𝑖𝑇 )]
Modelos Dinámicos
Considere el siguiente modelo dinámico
𝑦𝑖𝑡 = 𝜌𝑦𝑖𝑡−1 + 𝛼𝑖 + 𝜀𝑖𝑡
Se tiene que la correlación entre el regresor 𝑦𝑖𝑡−1 y la variable dependiente 𝑦𝑖𝑡 es distinto
de 𝜌. En particular:
1−𝜌
𝑐𝑜𝑟𝑟(𝑦𝑖𝑡 , 𝑦𝑖𝑡−1 ) = 𝜌 +
1 + (1 − 𝜌)𝜎𝜀2 /(1 + 𝜌)𝜎𝛼2
Por lo que ninguno de los métodos tradicionales (Pooled, Efectos Fijos o Aleatorios)
podrá ser útil para estimar de forma consistente 𝜌.
Estimador de Arellano-Bond
Uno de las formas de solucionar estimar la ecuación anterior de forma consistente es el
estimador de Arellano-Bond. Las condiciones de momento que utiliza este método hacen
uso de las condiciones de exogeneidad débil. Cabe mencionar que este estimador requiere
de al menos 𝑇 = 3 secciones transversales para ser implementable.
𝜌̂1
𝑁 𝑁 𝑁 −1 𝑁 𝑁 𝑁
Donde
Δ𝑦𝑖3 Δ𝑦𝑖2 𝑦𝑖1 0 0 ⋯ 0 0 ⋯ 0
Δ𝑦 Δ𝑦𝑖3 0 𝑦𝑖1 𝑦𝑖2 ⋯ 0 0 ⋯ 0
Δ𝒚𝑖 = [ 𝑖4 ], Δ𝒚
̃𝑖 = [ ] y 𝒁𝑖 = [ ]
⋮ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋯ ⋮
Δ𝑦𝑖𝑇 Δ𝑦𝑖𝑇−1 0 0 0 ⋯ 𝑦𝑖1 𝑦𝑖2 ⋯ 𝑦𝑖𝑇−2
COLSF/PBI
Lima Lambayeque San Martín La Libertad Arequipa Tumbes
1994 0.00% 0.00% 3.96% 0.00% 0.00% 0.00%
1995 0.00% 0.00% 5.08% 0.00% 0.00% 0.00%
1996 0.00% 0.00% 4.86% 0.00% 0.00% 0.00%
1997 0.00% 0.00% 5.65% 0.00% 0.00% 0.00%
1998 0.00% 0.00% 5.02% 15.66% 0.00% 0.00%
1999 39.70% 11.35% 5.53% 14.43% 21.29% 4.47%
2000 38.75% 10.33% 5.28% 12.45% 16.65% 3.94%
2001 38.00% 11.75% 7.51% 10.16% 14.33% 4.10%
2002 36.49% 11.58% 8.97% 9.49% 12.19% 6.87%
2003 31.42% 12.45% 8.85% 10.04% 11.49% 8.71%
2004 28.49% 14.38% 9.65% 11.16% 12.79% 8.98%
2005 31.20% 15.91% 10.30% 13.99% 11.99% 11.38%
2006 30.89% 16.48% 12.18% 13.96% 12.32% 14.61%
2007 36.79% 18.45% 15.38% 16.08% 12.20% 16.53%
2008 43.31% 22.82% 20.64% 20.53% 14.65% 21.44%
2009 41.80% 24.61% 21.27% 19.89% 16.20% 21.88%
2010 43.18% 25.25% 22.89% 20.25% 17.53% 21.82%
2011 47.03% 26.37% 26.06% 21.33% 20.17% 22.44%
2012 47.99% 27.92% 28.72% 22.33% 22.47% 22.53%
2013 52.39% 29.42% 29.77% 24.57% 26.13% 22.16%
Total general 36.06% 17.97% 16.61% 16.50% 15.46% 14.41%
COLSF/PBI
Piura Ucayali Ica Tacna Madre de Dios Junín
1994 0.00% 3.43% 0.00% 0.00% 0.00% 0.00%
1995 0.00% 5.49% 0.00% 0.00% 0.00% 0.00%
1996 0.00% 7.24% 0.00% 0.00% 0.00% 0.00%
1997 0.00% 7.58% 0.00% 0.00% 0.00% 0.00%
1998 14.10% 6.71% 0.00% 0.00% 0.00% 0.00%
1999 14.85% 5.76% 9.11% 7.34% 0.93% 3.70%
2000 11.38% 5.84% 8.62% 5.74% 0.82% 3.14%
2001 9.24% 4.89% 11.52% 7.57% 1.02% 5.27%
2002 9.98% 4.98% 11.41% 8.10% 3.29% 4.97%
2003 10.16% 4.88% 11.10% 8.04% 4.18% 5.98%
2004 9.27% 5.77% 10.76% 6.83% 5.24% 6.05%
2005 10.07% 7.13% 11.42% 7.85% 6.39% 7.67%
2006 10.25% 8.86% 12.21% 7.80% 7.65% 7.57%
2007 12.04% 12.32% 13.44% 9.13% 10.82% 9.50%
2008 14.59% 16.27% 13.71% 11.98% 14.77% 13.42%
2009 15.80% 16.58% 14.69% 14.79% 16.17% 15.18%
2010 17.90% 17.89% 14.40% 15.39% 14.60% 16.78%
2011 18.77% 20.87% 15.16% 17.05% 12.87% 18.49%
2012 19.43% 22.02% 17.88% 20.59% 20.58% 20.87%
2013 20.30% 23.95% 18.29% 21.75% 20.14% 21.36%
Total general 13.76% 13.42% 12.79% 11.58% 11.33% 11.18%
COLSF/PBI
Puno Cusco Huánuco Apurímac Loreto Cajamarca
1994 0.00% 0.00% 0.00% 0.00% 4.50% 0.00%
1995 0.00% 0.00% 0.00% 0.00% 4.62% 0.00%
1996 0.00% 0.00% 0.00% 0.00% 5.97% 0.00%
1997 0.00% 0.00% 0.00% 0.00% 6.23% 0.00%
1998 5.01% 6.43% 0.00% 0.00% 6.79% 0.00%
1999 4.02% 5.27% 2.21% 1.34% 5.18% 2.35%
2000 3.59% 5.61% 2.04% 1.53% 3.55% 2.37%
2001 3.35% 6.16% 2.51% 2.49% 5.21% 2.46%
2002 3.63% 7.11% 2.88% 4.31% 4.30% 2.97%
2003 4.43% 7.79% 3.27% 5.38% 4.32% 3.30%
2004 4.17% 7.55% 3.55% 4.77% 5.19% 3.64%
2005 6.07% 7.24% 5.15% 5.36% 5.90% 4.92%
2006 7.65% 7.02% 6.29% 5.77% 7.01% 6.55%
2007 9.61% 8.70% 8.66% 7.96% 8.67% 9.78%
2008 12.49% 10.44% 12.27% 10.89% 9.76% 10.61%
2009 13.44% 12.18% 13.52% 12.96% 10.83% 10.13%
2010 15.27% 12.59% 15.46% 15.37% 12.04% 11.67%
2011 17.41% 13.43% 18.64% 17.87% 14.00% 12.43%
2012 19.86% 15.29% 20.24% 18.46% 14.10% 13.54%
2013 21.21% 16.15% 20.94% 19.15% 15.97% 16.09%
Total general 10.94% 10.37% 9.61% 9.41% 9.09% 8.18%
COLSF/PBI
Ancash Ayacucho Moquegua Amazonas Pasco Huancavelica Total general
1994 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.20%
1995 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.24%
1996 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.29%
1997 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.30%
1998 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 1.88%
1999 12.51% 1.75% 4.33% 0.54% 0.71% 0.14% 24.91%
2000 11.66% 1.61% 4.56% 0.63% 0.86% 0.14% 23.75%
2001 7.71% 2.44% 5.64% 0.57% 1.03% 0.18% 23.58%
2002 7.44% 2.65% 7.77% 0.46% 1.26% 0.27% 22.67%
2003 5.27% 2.75% 6.07% 0.29% 1.15% 0.43% 19.94%
2004 4.31% 2.76% 3.21% 0.48% 1.17% 0.41% 18.09%
2005 4.97% 3.70% 3.26% 1.48% 1.64% 0.94% 19.78%
2006 4.60% 4.08% 3.49% 2.58% 1.37% 1.01% 19.48%
2007 6.67% 5.91% 6.50% 3.29% 1.73% 1.31% 23.22%
2008 8.97% 9.25% 5.85% 6.37% 3.88% 1.91% 27.83%
2009 9.25% 10.16% 6.99% 7.30% 4.20% 2.26% 27.70%
2010 8.87% 11.09% 5.17% 7.96% 4.66% 2.56% 28.69%
2011 9.88% 11.40% 6.29% 8.55% 5.26% 3.03% 31.17%
2012 10.32% 11.55% 7.32% 8.51% 6.36% 3.64% 32.73%
2013 11.63% 11.45% 7.53% 9.55% 7.25% 4.37% 35.92%
Total general 7.74% 7.29% 5.24% 4.84% 3.07% 1.60% 23.86%
CAPSF/PBI
Lima Arequipa Tacna La Libertad Cusco Ica
1994 0.00% 0.00% 0.00% 0.00% 0.00% 0.00%
1995 0.00% 0.00% 0.00% 0.00% 0.00% 0.00%
1996 0.00% 0.00% 0.00% 0.00% 0.00% 0.00%
1997 0.00% 0.00% 0.00% 0.00% 0.00% 0.00%
1998 0.00% 0.00% 0.00% 12.04% 12.35% 0.00%
1999 42.24% 16.28% 13.26% 12.18% 10.31% 15.12%
2000 41.01% 16.83% 12.25% 11.99% 10.01% 11.70%
2001 40.28% 14.89% 13.32% 10.99% 12.15% 7.85%
2002 40.62% 13.89% 12.66% 10.94% 12.90% 8.35%
2003 36.93% 12.97% 10.31% 10.90% 12.07% 10.91%
2004 35.16% 11.65% 8.69% 11.13% 11.53% 8.21%
2005 38.22% 13.45% 10.74% 11.91% 12.01% 8.62%
2006 36.36% 12.55% 11.52% 11.14% 11.42% 8.56%
2007 40.18% 11.96% 12.96% 12.23% 10.60% 9.42%
2008 47.44% 15.06% 15.27% 12.68% 12.16% 8.90%
2009 47.62% 14.67% 16.98% 12.22% 12.28% 9.83%
2010 52.81% 14.73% 15.31% 12.39% 11.06% 10.85%
2011 51.33% 16.15% 13.87% 13.01% 10.24% 10.14%
2012 52.90% 16.28% 13.86% 13.07% 11.09% 10.83%
2013 59.23% 21.44% 14.93% 14.57% 12.12% 11.55%
Total general 40.73% 13.64% 11.91% 11.39% 10.54% 9.10%
CAPSF/PBI
Piura Lambayeque Ucayali Junín Apurímac Cajamarca
1994 0.00% 0.00% 8.25% 0.00% 0.00% 0.00%
1995 0.00% 0.00% 6.84% 0.00% 0.00% 0.00%
1996 0.00% 0.00% 8.00% 0.00% 0.00% 0.00%
1997 0.00% 0.00% 10.06% 0.00% 0.00% 0.00%
1998 10.60% 0.00% 7.41% 0.00% 0.00% 0.00%
1999 11.35% 9.05% 8.12% 9.27% 4.88% 4.71%
2000 10.04% 8.54% 8.48% 7.86% 5.42% 4.40%
2001 8.53% 9.06% 7.32% 7.01% 6.93% 4.21%
2002 7.78% 9.23% 7.17% 7.85% 6.86% 5.06%
2003 8.14% 8.49% 7.76% 7.63% 6.65% 4.94%
2004 8.83% 8.51% 8.48% 7.48% 6.23% 5.57%
2005 9.37% 9.08% 8.99% 8.17% 6.24% 6.65%
2006 9.05% 9.48% 7.47% 7.60% 5.78% 6.11%
2007 8.76% 9.89% 6.73% 7.03% 6.24% 8.06%
2008 8.88% 10.78% 6.95% 9.02% 7.42% 9.51%
2009 9.94% 10.67% 7.16% 9.47% 8.08% 6.63%
2010 10.30% 10.56% 7.73% 9.82% 9.32% 9.17%
2011 10.45% 11.44% 8.00% 10.45% 10.86% 7.81%
2012 11.20% 11.52% 8.15% 10.61% 9.92% 9.05%
2013 11.31% 12.05% 9.23% 11.38% 11.95% 9.89%
Total general 9.04% 8.82% 7.91% 7.91% 6.91% 6.61%
CAPSF/PBI
Loreto Ancash Tumbes San Martín Moquegua Huánuco
1994 4.68% 0.00% 0.00% 4.95% 0.00% 0.00%
1995 4.81% 0.00% 0.00% 4.34% 0.00% 0.00%
1996 5.43% 0.00% 0.00% 4.25% 0.00% 0.00%
1997 6.19% 0.00% 0.00% 5.63% 0.00% 0.00%
1998 5.63% 0.00% 0.00% 5.40% 0.00% 0.00%
1999 5.69% 7.98% 6.06% 4.95% 9.88% 4.59%
2000 5.42% 7.93% 5.69% 5.07% 7.62% 4.92%
2001 5.67% 5.99% 6.30% 6.42% 8.01% 5.12%
2002 6.21% 5.70% 6.31% 6.77% 7.58% 4.85%
2003 6.53% 5.20% 6.30% 6.95% 6.28% 4.42%
2004 5.16% 4.38% 7.14% 6.38% 4.40% 4.38%
2005 5.66% 4.73% 7.30% 6.28% 5.87% 4.94%
2006 6.40% 4.79% 7.44% 6.07% 5.61% 4.70%
2007 6.09% 7.39% 7.34% 6.05% 6.31% 4.58%
2008 6.47% 9.35% 6.78% 5.31% 7.36% 5.74%
2009 6.66% 10.02% 7.04% 5.40% 7.01% 6.20%
2010 6.89% 6.08% 7.59% 6.04% 6.02% 7.20%
2011 6.84% 6.29% 7.19% 6.52% 5.89% 7.63%
2012 6.88% 6.48% 6.64% 6.18% 6.75% 8.30%
2013 7.55% 6.89% 7.58% 6.45% 7.07% 10.88%
Total general 6.30% 6.18% 6.03% 5.91% 5.90% 5.43%
CAPSF/PBI
Ayacucho Madre de Dios Puno Pasco Amazonas Huancavelica Total general
1994 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.26%
1995 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.25%
1996 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.27%
1997 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.32%
1998 0.00% 0.00% 4.78% 0.00% 0.00% 0.00% 1.71%
1999 6.28% 2.18% 5.22% 3.79% 2.71% 1.09% 26.44%
2000 6.51% 2.83% 4.72% 3.86% 3.06% 0.77% 25.51%
2001 4.49% 3.82% 4.52% 3.66% 2.56% 0.72% 25.12%
2002 5.34% 4.23% 5.69% 3.50% 2.87% 0.79% 25.20%
2003 5.69% 4.48% 4.32% 2.97% 2.80% 0.81% 23.08%
2004 5.52% 4.26% 3.63% 2.52% 2.80% 1.09% 21.47%
2005 5.69% 4.88% 4.64% 2.63% 2.48% 1.25% 23.22%
2006 5.24% 5.13% 4.36% 1.92% 2.15% 1.14% 21.73%
2007 4.72% 5.66% 3.82% 1.94% 2.23% 1.09% 23.74%
2008 6.17% 5.16% 4.81% 4.23% 2.38% 1.33% 27.94%
2009 5.94% 5.11% 5.27% 3.63% 2.30% 1.47% 28.16%
2010 6.25% 5.42% 5.73% 4.06% 3.47% 2.02% 30.54%
2011 5.31% 5.25% 5.77% 3.55% 3.26% 2.01% 29.76%
2012 5.72% 7.89% 6.37% 4.40% 2.82% 2.50% 31.07%
2013 5.56% 7.66% 7.04% 5.42% 3.00% 2.53% 35.24%
Total general 5.00% 4.99% 4.84% 3.09% 2.46% 1.30% 24.52%
(CAPSF+COLSF)/PBI
Lima Arequipa La Libertad Lambayeque Tacna Piura
1994 0.0% 0.0% 0.0% 0.0% 0.0% 0.0%
1995 0.0% 0.0% 0.0% 0.0% 0.0% 0.0%
1996 0.0% 0.0% 0.0% 0.0% 0.0% 0.0%
1997 0.0% 0.0% 0.0% 0.0% 0.0% 0.0%
1998 0.0% 0.0% 27.7% 0.0% 0.0% 24.7%
1999 81.9% 37.6% 26.6% 20.4% 20.6% 26.2%
2000 79.8% 33.5% 24.4% 18.9% 18.0% 21.4%
2001 78.3% 29.2% 21.2% 20.8% 20.9% 17.8%
2002 77.1% 26.1% 20.4% 20.8% 20.8% 17.8%
2003 68.4% 24.5% 20.9% 20.9% 18.3% 18.3%
2004 63.6% 24.4% 22.3% 22.9% 15.5% 18.1%
2005 69.4% 25.4% 25.9% 25.0% 18.6% 19.4%
2006 67.3% 24.9% 25.1% 26.0% 19.3% 19.3%
2007 77.0% 24.2% 28.3% 28.3% 22.1% 20.8%
2008 90.8% 29.7% 33.2% 33.6% 27.2% 23.5%
2009 89.4% 30.9% 32.1% 35.3% 31.8% 25.7%
2010 96.0% 32.3% 32.6% 35.8% 30.7% 28.2%
2011 98.4% 36.3% 34.3% 37.8% 30.9% 29.2%
2012 100.9% 38.7% 35.4% 39.4% 34.5% 30.6%
2013 111.6% 47.6% 39.1% 41.5% 36.7% 31.6%
Total general 76.8% 29.1% 27.9% 26.8% 23.5% 22.8%
(CAPSF+COLSF)/PBI
San Martín Ica Ucayali Cusco Tumbes Junín
1994 8.9% 0.0% 11.7% 0.0% 0.0% 0.0%
1995 9.4% 0.0% 12.3% 0.0% 0.0% 0.0%
1996 9.1% 0.0% 15.2% 0.0% 0.0% 0.0%
1997 11.3% 0.0% 17.6% 0.0% 0.0% 0.0%
1998 10.4% 0.0% 14.1% 18.8% 0.0% 0.0%
1999 10.5% 24.2% 13.9% 15.6% 10.5% 13.0%
2000 10.3% 20.3% 14.3% 15.6% 9.6% 11.0%
2001 13.9% 19.4% 12.2% 18.3% 10.4% 12.3%
2002 15.7% 19.8% 12.2% 20.0% 13.2% 12.8%
2003 15.8% 22.0% 12.6% 19.9% 15.0% 13.6%
2004 16.0% 19.0% 14.2% 19.1% 16.1% 13.5%
2005 16.6% 20.0% 16.1% 19.3% 18.7% 15.8%
2006 18.3% 20.8% 16.3% 18.4% 22.0% 15.2%
2007 21.4% 22.9% 19.0% 19.3% 23.9% 16.5%
2008 26.0% 22.6% 23.2% 22.6% 28.2% 22.4%
2009 26.7% 24.5% 23.7% 24.5% 28.9% 24.6%
2010 28.9% 25.2% 25.6% 23.7% 29.4% 26.6%
2011 32.6% 25.3% 28.9% 23.7% 29.6% 28.9%
2012 34.9% 28.7% 30.2% 26.4% 29.2% 31.5%
2013 36.2% 29.8% 33.2% 28.3% 29.7% 32.7%
Total general 22.5% 21.9% 21.3% 20.9% 20.4% 19.1%
(CAPSF+COLSF)/PBI
Madre de Dios Apurímac Puno Loreto Huánuco Cajamarca
1994 0.0% 0.0% 0.0% 9.2% 0.0% 0.0%
1995 0.0% 0.0% 0.0% 9.4% 0.0% 0.0%
1996 0.0% 0.0% 0.0% 11.4% 0.0% 0.0%
1997 0.0% 0.0% 0.0% 12.4% 0.0% 0.0%
1998 0.0% 0.0% 9.8% 12.4% 0.0% 0.0%
1999 3.1% 6.2% 9.2% 10.9% 6.8% 7.1%
2000 3.6% 7.0% 8.3% 9.0% 7.0% 6.8%
2001 4.8% 9.4% 7.9% 10.9% 7.6% 6.7%
2002 7.5% 11.2% 9.3% 10.5% 7.7% 8.0%
2003 8.7% 12.0% 8.8% 10.9% 7.7% 8.2%
2004 9.5% 11.0% 7.8% 10.4% 7.9% 9.2%
2005 11.3% 11.6% 10.7% 11.6% 10.1% 11.6%
2006 12.8% 11.6% 12.0% 13.4% 11.0% 12.7%
2007 16.5% 14.2% 13.4% 14.8% 13.2% 17.8%
2008 19.9% 18.3% 17.3% 16.2% 18.0% 20.1%
2009 21.3% 21.0% 18.7% 17.5% 19.7% 16.8%
2010 20.0% 24.7% 21.0% 18.9% 22.7% 20.8%
2011 18.1% 28.7% 23.2% 20.8% 26.3% 20.2%
2012 28.5% 28.4% 26.2% 21.0% 28.5% 22.6%
2013 27.8% 31.1% 28.2% 23.5% 31.8% 26.0%
Total general 16.3% 16.3% 15.8% 15.4% 15.0% 14.8%
(CAPSF+COLSF)/PBI
Ancash Ayacucho Moquegua Amazonas Pasco Huancavelica Total general
1994 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.5%
1995 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.5%
1996 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.6%
1997 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.6%
1998 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 3.6%
1999 20.5% 8.0% 14.2% 3.3% 4.5% 1.2% 51.3%
2000 19.6% 8.1% 12.2% 3.7% 4.7% 0.9% 49.3%
2001 13.7% 6.9% 13.7% 3.1% 4.7% 0.9% 48.7%
2002 13.1% 8.0% 15.3% 3.3% 4.8% 1.1% 47.9%
2003 10.5% 8.4% 12.4% 3.1% 4.1% 1.2% 43.0%
2004 8.7% 8.3% 7.6% 3.3% 3.7% 1.5% 39.6%
2005 9.7% 9.4% 9.1% 4.0% 4.3% 2.2% 43.0%
2006 9.4% 9.3% 9.1% 4.7% 3.3% 2.2% 41.2%
2007 14.1% 10.6% 12.8% 5.5% 3.7% 2.4% 47.0%
2008 18.3% 15.4% 13.2% 8.7% 8.1% 3.2% 55.8%
2009 19.3% 16.1% 14.0% 9.6% 7.8% 3.7% 55.9%
2010 14.9% 17.3% 11.2% 11.4% 8.7% 4.6% 59.2%
2011 16.2% 16.7% 12.2% 11.8% 8.8% 5.0% 60.9%
2012 16.8% 17.3% 14.1% 11.3% 10.8% 6.1% 63.8%
2013 18.5% 17.0% 14.6% 12.6% 12.7% 6.9% 71.2%
Total general 13.9% 12.3% 11.1% 7.3% 6.2% 2.9% 48.4%
Id. Reg. Year LT.Tel LT.Cel LA.Cel LA.Tel LInts.Tel Ts.TVcbl %Inter
1 Amazonas 1994 0 0 0 0 520 0 0.0
1 Amazonas 1995 0 0 0 0 2,432 0 0.0
1 Amazonas 1996 0 0 0 0 2,816 0 0.0
1 Amazonas 1997 0 0 0 0 3,840 0 0.0
1 Amazonas 1998 3,419 0 0 3,419 3,904 0 0.0
1 Amazonas 1999 3,675 0 0 3,675 4,160 0 0.0
1 Amazonas 2000 3,677 0 0 3,677 4,288 0 0.0
1 Amazonas 2001 3,548 842 842 3,548 4,288 0 0.0
1 Amazonas 2002 3,713 687 687 3,713 4,288 0 0.0
1 Amazonas 2003 4,537 2,097 2,097 4,537 4,984 0 0.3
1 Amazonas 2004 5,687 5,458 5,458 5,687 6,081 1,119 0.0
1 Amazonas 2005 6,382 10,512 10,512 6,382 6,807 1,593 0.0
1 Amazonas 2006 6,300 22,007 22,007 6,300 6,820 1,500 0.0
1 Amazonas 2007 7,170 54,398 54,398 7,170 7,951 2,285 0.6
1 Amazonas 2008 6,950 98,454 98,454 6,950 7,601 2,380 1.4
1 Amazonas 2009 6,394 127,851 127,851 6,394 7,874 3,874 1.5
1 Amazonas 2010 6,625 173,763 173,763 6,625 8,273 3,193 2.0
1 Amazonas 2011 5,125 208,272 208,272 5,125 6,790 4,273 2.9
1 Amazonas 2012 4,685 187,753 187,753 4,685 5,989 4,827 5.1
1 Amazonas 2013 4,225 208,308 208,308 4,225 4,901 6,296 5.0
2 Ancash 1994 0 0 0 0 22,992 0 0.0
2 Ancash 1995 0 0 0 0 32,214 0 0.0
2 Ancash 1996 0 0 0 0 40,344 0 0.0
2 Ancash 1997 0 0 0 0 45,080 1,259 0.0
2 Ancash 1998 35,469 0 0 35,469 51,032 1,358 0.0
2 Ancash 1999 37,781 30,708 30,708 37,781 46,336 2,423 0.0
2 Ancash 2000 39,811 44,798 44,798 39,811 48,448 3,720 0.0
2 Ancash 2001 36,718 30,248 30,248 36,718 49,916 4,101 0.0
2 Ancash 2002 38,884 43,536 43,536 38,884 50,044 3,191 0.2
2 Ancash 2003 44,294 52,967 52,967 44,294 53,962 3,456 0.0
2 Ancash 2004 49,990 76,109 76,109 49,990 60,473 7,529 0.6
2 Ancash 2005 56,109 112,382 112,382 56,109 65,590 9,085 1.4
2 Ancash 2006 59,743 199,554 199,554 59,743 69,580 9,306 1.8
2 Ancash 2007 65,331 404,793 404,793 65,331 76,769 12,344 3.2
2 Ancash 2008 70,672 582,697 582,697 70,672 81,575 10,518 3.7
2 Ancash 2009 71,473 700,109 700,109 71,473 87,510 15,882 5.6
2 Ancash 2010 72,696 899,178 899,178 72,696 86,529 16,850 8.4
2 Ancash 2011 76,670 1,031,749 1,031,749 76,670 89,293 27,112 12.7
2 Ancash 2012 81,605 793,260 793,260 81,605 94,970 32,143 14.2
2 Ancash 2013 79,562 837,312 837,312 79,562 94,457 29,731 18.6
3 Apurímac 1994 0 0 0 0 1,624 0 0.0
3 Apurímac 1995 0 0 0 0 1,624 0 0.0
3 Apurímac 1996 0 0 0 0 5,248 0 0.0
16 Madre de Dios 2007 4,149 50,689 50,689 4,149 4,710 969 0.1
16 Madre de Dios 2008 5,652 79,367 79,367 5,652 6,468 1,475 0.8
16 Madre de Dios 2009 5,964 103,962 103,962 5,964 7,022 1,630 1.3
16 Madre de Dios 2010 7,061 132,396 132,396 7,061 8,232 3,681 3.3
16 Madre de Dios 2011 5,210 162,190 162,190 5,210 5,871 7,561 5.2
16 Madre de Dios 2012 7,113 151,199 151,199 7,113 7,902 7,704 11.3
16 Madre de Dios 2013 6,790 153,884 153,884 6,790 8,273 9,855 16.9
17 Moquegua 1994 0 0 0 0 3,772 0 0.0
17 Moquegua 1995 0 0 0 0 10,300 0 0.0
17 Moquegua 1996 0 0 0 0 10,624 0 0.0
17 Moquegua 1997 0 0 0 0 10,496 0 0.0
17 Moquegua 1998 7,684 0 0 7,684 10,432 0 0.0
17 Moquegua 1999 8,470 0 0 8,470 10,496 0 0.0
17 Moquegua 2000 8,478 0 0 8,478 10,816 0 0.0
17 Moquegua 2001 7,890 5,311 5,311 7,890 10,816 0 0.0
17 Moquegua 2002 8,082 7,613 7,613 8,082 10,944 0 0.2
17 Moquegua 2003 9,061 13,027 13,027 9,061 10,936 0 0.2
17 Moquegua 2004 9,855 24,332 24,332 9,855 11,520 2,851 0.6
17 Moquegua 2005 10,970 42,060 42,060 10,970 12,877 4,787 0.9
17 Moquegua 2006 12,025 73,378 73,378 12,025 14,030 5,613 2.8
17 Moquegua 2007 13,371 122,256 122,256 13,371 15,813 7,082 3.8
17 Moquegua 2008 12,542 153,250 153,250 12,542 15,311 9,274 9.2
17 Moquegua 2009 12,063 174,418 174,418 12,063 15,341 5,534 10.1
17 Moquegua 2010 12,305 203,654 203,654 12,305 15,688 3,712 15.1
17 Moquegua 2011 12,425 211,129 211,129 12,425 14,853 5,780 17.1
17 Moquegua 2012 13,446 166,055 166,055 13,446 15,409 5,736 24.0
17 Moquegua 2013 13,308 173,495 173,495 13,308 15,334 6,577 21.9
18 Pasco 1994 0 0 0 0 2,444 0 0.0
18 Pasco 1995 0 0 0 0 2,444 0 0.0
18 Pasco 1996 0 0 0 0 3,040 0 0.0
18 Pasco 1997 0 0 0 0 3,904 0 0.0
18 Pasco 1998 2,689 0 0 2,689 4,032 0 0.0
18 Pasco 1999 3,001 0 0 3,001 4,032 0 0.0
18 Pasco 2000 3,120 0 0 3,120 4,160 0 0.0
18 Pasco 2001 2,889 1,716 1,716 2,889 4,416 0 0.0
18 Pasco 2002 2,939 2,647 2,647 2,939 4,416 0 0.0
18 Pasco 2003 3,857 2,628 2,628 3,857 4,848 0 0.1
18 Pasco 2004 4,419 6,350 6,350 4,419 5,441 469 0.1
18 Pasco 2005 5,059 11,968 11,968 5,059 6,117 490 0.0
18 Pasco 2006 5,265 31,518 31,518 5,265 6,134 855 0.3
18 Pasco 2007 6,364 79,508 79,508 6,364 7,558 939 1.6
18 Pasco 2008 6,885 123,704 123,704 6,885 8,250 1,998 2.2
18 Pasco 2009 6,148 159,262 159,262 6,148 7,627 2,779 2.6
18 Pasco 2010 5,695 189,578 189,578 5,695 7,505 3,361 3.9
18 Pasco 2011 4,998 192,824 192,824 4,998 6,619 5,105 2.9
Id. Reg. Year COLSF CAPSF Pbi.r Pbi.c Con.Elec_GW Pro.Elec_GW Pob.EdTr Pea Pro.Ag
1 Amazonas 1999 4,032 20,215 526,350 744,623 0.0 26.4 0.0 0.0 4,194
1 Amazonas 2000 4,852 23,415 528,555 764,980 0.0 27.5 0.0 0.0 4,610
1 Amazonas 2001 5,615 25,358 713,283 992,349 0.0 28.6 257.2 183.7 2,852
1 Amazonas 2002 4,545 28,369 748,512 989,220 0.0 33.1 262.8 182.7 3,323
1 Amazonas 2003 3,086 30,258 788,252 1,079,511 20.4 35.2 268.1 198.9 1,360
1 Amazonas 2004 6,065 35,168 828,113 1,255,643 22.4 33.3 272.9 209.0 4,818
1 Amazonas 2005 20,321 34,027 886,099 1,369,479 23.2 39.3 276.8 201.0 6,591
1 Amazonas 2006 38,146 31,848 947,537 1,479,909 26.6 47.9 279.5 206.0 6,210
1 Amazonas 2007 56,242 38,067 1,019,239 1,707,719 29.0 50.1 281.3 220.0 6,808
1 Amazonas 2008 124,680 46,581 1,096,782 1,958,519 33.3 49.7 282.5 219.0 6,554
1 Amazonas 2009 153,211 48,232 1,121,513 2,099,410 35.1 55.0 283.7 223.0 6,475
1 Amazonas 2010 183,411 79,925 1,208,874 2,304,604 39.7 56.0 285.4 228.0 6,240
1 Amazonas 2011 226,104 86,241 1,283,055 2,644,565 45.0 62.6 287.5 231.9 6,468
1 Amazonas 2012 267,543 88,818 1,461,940 3,144,351 48.0 66.5 289.9 225.5 6,526
1 Amazonas 2013 306,436 96,408 1,540,368 3,209,891 52.6 70.2 292.4 230.1 7,265
2 Ancash 1999 605,207 386,032 3,135,594 4,835,941 0.0 1,027.5 0.0 0.0 40,636
2 Ancash 2000 572,759 389,656 3,196,337 4,911,244 0.0 1,230.6 0.0 0.0 37,990
2 Ancash 2001 510,155 396,328 4,264,848 6,616,183 0.0 1,247.0 709.0 489.9 37,610
2 Ancash 2002 560,891 429,759 5,002,200 7,534,779 0.0 1,567.7 719.4 495.5 40,182
2 Ancash 2003 427,153 421,969 5,108,579 8,107,341 647.6 1,553.1 730.0 557.7 40,128
2 Ancash 2004 430,742 437,737 5,253,292 9,983,505 715.2 1,584.5 740.3 566.0 41,091
2 Ancash 2005 557,331 529,979 5,419,566 11,210,536 1,417.0 1,680.1 750.0 555.0 41,062
2 Ancash 2006 687,137 714,627 5,550,261 14,930,876 1,466.3 1,605.4 759.0 572.0 42,287
2 Ancash 2007 1,117,841 1,239,329 5,932,921 16,761,404 1,532.0 1,651.5 767.4 572.0 43,072
2 Ancash 2008 1,536,323 1,600,950 6,457,790 17,119,729 1,528.9 1,688.8 775.5 593.0 41,081
2 Ancash 2009 1,504,740 1,629,782 6,453,409 16,270,385 1,448.4 1,637.3 783.7 587.5 40,516
2 Ancash 2010 1,666,843 1,141,247 6,646,818 18,785,829 1,488.7 1,702.1 792.0 591.0 41,740
2 Ancash 2011 2,021,305 1,286,983 6,719,262 20,464,609 1,630.5 1,575.0 800.7 592.0 41,253
2 Ancash 2012 2,100,454 1,318,588 7,019,212 20,344,415 1,855.9 1,658.4 809.5 607.7 37,643
2 Ancash 2013 2,448,358 1,451,374 7,276,124 21,053,746 1,927.9 1,615.3 818.4 602.6 37,995
3 Apurímac 1999 13,301 48,315 701,568 990,380 0.0 23.3 0.0 0.0 5,135
3 Apurímac 2000 14,473 51,230 689,519 944,850 0.0 26.4 0.0 0.0 3,953
3 Apurímac 2001 20,226 56,193 513,671 811,035 0.0 23.9 271.3 211.5 5,816
3 Apurímac 2002 36,477 58,078 543,195 846,836 0.0 30.2 277.0 206.8 5,502
3 Apurímac 2003 47,879 59,262 570,523 890,540 27.9 33.5 282.7 214.2 4,899
3 Apurímac 2004 48,120 62,858 602,753 1,008,583 34.2 31.9 288.0 218.0 5,220
3 Apurímac 2005 58,862 68,502 647,375 1,097,661 47.8 34.0 292.3 201.0 4,814
3 Apurímac 2006 74,072 74,277 705,842 1,284,114 58.1 31.7 295.5 232.0 6,029
3 Apurímac 2007 107,949 84,684 725,416 1,356,311 75.4 38.1 297.8 233.0 6,551
3 Apurímac 2008 157,786 107,422 746,771 1,448,448 90.8 44.9 299.6 239.0 6,199
3 Apurímac 2009 204,348 127,455 786,994 1,576,978 88.0 42.1 301.4 228.6 5,522
3 Apurímac 2010 272,039 165,071 869,487 1,770,489 101.5 36.7 303.5 237.0 5,618
3 Apurímac 2011 352,698 214,297 941,466 1,974,150 111.0 39.0 306.1 244.0 5,842
3 Apurímac 2012 429,966 231,033 1,053,112 2,329,758 121.2 38.5 308.8 246.4 5,924
3 Apurímac 2013 522,402 326,028 1,175,891 2,728,099 130.9 40.8 311.6 254.2 5,902
4 Arequipa 1999 1,693,848 1,295,096 5,813,686 7,957,429 0.0 1,526.4 0.0 0.0 47,950
4 Arequipa 2000 1,434,268 1,449,969 6,014,487 8,615,748 0.0 1,183.8 0.0 0.0 50,808
4 Arequipa 2001 1,262,891 1,312,477 5,925,803 8,814,325 0.0 1,254.9 797.6 528.4 54,467
4 Arequipa 2002 1,169,841 1,333,255 6,426,819 9,599,921 0.0 991.7 812.5 560.2 58,634
4 Arequipa 2003 1,145,176 1,292,152 6,652,795 9,965,682 1,005.9 1,033.4 827.0 597.3 58,528
4 Arequipa 2004 1,433,685 1,305,832 7,015,310 11,208,332 980.4 1,164.7 841.2 594.0 55,017
4 Arequipa 2005 1,486,057 1,667,066 7,495,342 12,395,675 1,111.6 884.0 855.3 594.0 53,127
4 Arequipa 2006 1,704,306 1,735,440 7,952,657 13,832,561 1,237.4 1,211.0 869.0 610.0 52,603
4 Arequipa 2007 2,089,962 2,047,415 9,193,252 17,124,298 2,074.4 1,093.6 882.3 641.0 56,691
4 Arequipa 2008 2,915,387 2,997,141 9,995,135 19,904,312 2,236.1 1,038.6 895.5 619.0 56,777
4 Arequipa 2009 3,338,955 3,022,984 10,038,408 20,611,612 2,241.9 863.3 908.8 636.0 57,335
4 Arequipa 2010 4,150,184 3,487,119 10,832,088 23,672,032 2,440.8 991.7 922.4 649.0 58,091
4 Arequipa 2011 5,290,715 4,237,235 11,352,718 26,230,329 2,574.0 1,153.0 936.5 670.0 54,042
4 Arequipa 2012 6,493,703 4,704,661 12,336,720 28,904,565 2,558.5 1,267.1 950.8 660.7 59,199
4 Arequipa 2013 7,556,102 6,201,153 12,602,523 28,917,520 2,615.0 1,365.8 965.3 698.4 67,741
5 Ayacucho 1999 25,422 91,451 1,074,485 1,455,906 0.0 11.0 0.0 0.0 17,582
5 Ayacucho 2000 23,135 93,258 1,073,520 1,433,596 0.0 12.4 0.0 0.0 15,136
5 Ayacucho 2001 35,455 65,292 1,034,536 1,453,838 0.0 11.1 355.2 274.5 15,891
5 Ayacucho 2002 41,452 83,740 1,096,438 1,567,047 0.0 14.9 363.0 271.4 16,645
5 Ayacucho 2003 46,362 95,825 1,154,810 1,684,013 58.9 15.1 371.4 281.9 16,931
5 Ayacucho 2004 49,263 98,632 1,146,302 1,785,318 66.6 15.2 380.1 302.0 16,477
5 Ayacucho 2005 73,243 112,488 1,250,596 1,977,404 56.7 14.6 388.7 314.0 14,967
5 Ayacucho 2006 93,988 120,759 1,367,277 2,303,885 62.5 14.6 397.0 317.0 15,673
5 Ayacucho 2007 163,861 130,924 1,535,601 2,773,994 72.0 13.2 405.6 320.0 16,962
5 Ayacucho 2008 300,673 200,597 1,676,957 3,248,780 79.8 12.2 414.2 330.0 17,556
5 Ayacucho 2009 403,287 235,631 1,855,685 3,968,738 98.2 13.3 422.8 325.3 14,295
5 Ayacucho 2010 502,353 282,932 1,975,353 4,528,872 107.4 11.7 431.3 334.0 15,867
5 Ayacucho 2011 584,836 272,414 2,009,850 5,128,198 111.7 12.1 439.8 341.0 15,599
5 Ayacucho 2012 664,342 329,074 2,263,473 5,752,446 126.9 14.1 448.3 333.7 13,165
5 Ayacucho 2013 736,057 357,290 2,506,906 6,425,824 158.2 16.3 456.7 352.8 14,566
6 Cajamarca 1999 103,164 207,025 3,441,741 4,394,912 0.0 844.4 0.0 0.0 10,274
6 Cajamarca 2000 109,447 203,528 3,586,630 4,627,450 0.0 748.9 0.0 0.0 6,455
6 Cajamarca 2001 121,957 208,507 3,532,517 4,953,591 0.0 863.6 911.0 703.5 6,376
6 Cajamarca 2002 165,169 281,846 3,899,627 5,570,156 0.0 840.3 927.4 738.7 11,610
6 Cajamarca 2003 209,650 313,598 4,239,997 6,348,834 310.5 776.7 943.6 773.5 11,483
6 Cajamarca 2004 252,985 386,867 4,300,234 6,948,288 390.3 723.8 959.0 790.0 12,404
6 Cajamarca 2005 380,457 514,477 4,615,759 7,739,016 447.9 680.4 973.2 800.0 12,321
6 Cajamarca 2006 570,353 532,445 4,569,651 8,712,020 502.0 720.4 985.8 828.0 13,020
6 Cajamarca 2007 749,130 617,484 4,229,719 7,659,597 546.8 826.3 997.2 812.0 12,702
6 Cajamarca 2008 1,003,156 899,106 4,595,685 9,454,519 749.8 1,017.9 1,007.8 843.0 13,589
6 Cajamarca 2009 1,157,835 758,504 4,911,993 11,434,751 912.4 959.0 1,018.3 832.6 13,582
6 Cajamarca 2010 1,357,953 1,066,514 4,875,978 11,633,734 904.8 813.9 1,029.3 815.0 14,445
6 Cajamarca 2011 1,652,216 1,037,823 5,020,107 13,295,085 979.4 777.4 1,040.8 820.0 13,775
6 Cajamarca 2012 1,960,798 1,310,421 5,278,870 14,479,218 988.7 894.5 1,052.5 778.4 14,052
6 Cajamarca 2013 2,203,164 1,353,907 5,249,401 13,692,192 936.0 962.1 1,064.1 814.0 18,169
7 Cusco 1998 262,978 505,476 2,915,254 4,092,918 0.0 0.0 0.0 0.0 0
7 Cusco 1999 226,217 442,284 2,894,809 4,289,070 0.0 125.1 0.0 0.0 20,457
7 Cusco 2000 252,609 450,437 2,970,863 4,500,461 0.0 29.1 0.0 0.0 24,320
7 Cusco 2001 247,657 488,992 2,601,352 4,023,466 0.0 342.3 792.4 619.7 25,009
7 Cusco 2002 285,464 518,100 2,495,739 4,015,943 0.0 730.8 808.3 622.1 25,993
7 Cusco 2003 341,541 529,265 2,650,262 4,383,633 502.9 742.8 824.0 658.3 27,475
7 Cusco 2004 428,615 654,173 3,123,972 5,673,548 616.0 753.2 839.0 658.0 28,399
7 Cusco 2005 505,678 838,328 3,399,360 6,981,803 662.0 807.9 852.7 694.0 28,599
7 Cusco 2006 597,219 971,343 3,801,775 8,504,085 702.5 816.8 864.7 701.0 31,616
7 Cusco 2007 840,489 1,024,026 4,166,288 9,657,078 728.3 816.4 875.3 677.0 33,201
7 Cusco 2008 1,160,478 1,351,294 4,466,897 11,111,274 722.8 828.3 885.2 711.0 32,258
7 Cusco 2009 1,420,346 1,430,895 4,638,006 11,656,966 696.6 866.0 895.1 730.8 29,525
7 Cusco 2010 1,802,629 1,584,019 5,320,489 14,319,403 809.5 837.4 905.4 712.0 28,600
7 Cusco 2011 2,312,682 1,763,444 6,002,365 17,224,015 859.0 869.5 916.3 736.0 28,519
7 Cusco 2012 2,758,696 2,000,429 6,314,792 18,039,736 1,058.0 866.3 927.4 749.2 31,079
7 Cusco 2013 3,350,693 2,513,749 7,421,155 20,744,379 1,347.8 863.0 938.5 760.5 32,895
8 Huancavelica 1999 2,559 19,265 1,238,700 1,775,290 0.0 6,800.9 0.0 0.0 2,261
8 Huancavelica 2000 2,385 13,526 1,194,212 1,753,651 0.0 6,886.4 0.0 0.0 2,199
8 Huancavelica 2001 3,300 13,411 1,186,443 1,866,635 0.0 6,933.1 250.2 206.2 2,170
8 Huancavelica 2002 4,874 14,120 1,167,209 1,787,114 0.0 6,869.3 254.6 218.3 2,248
8 Huancavelica 2003 8,094 15,075 1,200,522 1,869,440 111.0 7,117.5 259.3 227.3 2,287
8 Huancavelica 2004 8,074 21,581 1,217,730 1,985,125 119.0 6,597.9 264.2 230.0 2,578
8 Huancavelica 2005 20,740 27,426 1,304,894 2,194,880 155.9 6,788.8 269.1 219.0 2,604
8 Huancavelica 2006 26,337 29,751 1,385,070 2,600,595 174.4 7,330.8 274.0 221.0 2,491
8 Huancavelica 2007 34,762 28,886 1,345,979 2,649,161 200.5 7,154.3 279.0 230.0 3,192
8 Huancavelica 2008 54,103 37,614 1,383,979 2,832,124 219.9 6,688.3 284.1 232.0 4,087
8 Huancavelica 2009 69,077 44,933 1,447,868 3,050,460 214.6 7,084.0 289.1 237.1 4,049
8 Huancavelica 2010 83,194 65,521 1,488,212 3,248,986 226.8 7,084.6 294.0 235.0 4,074
8 Huancavelica 2011 111,174 73,780 1,574,753 3,663,193 277.1 7,098.8 298.7 248.0 3,898
8 Huancavelica 2012 137,861 94,592 1,651,768 3,791,112 292.5 7,243.6 303.4 254.4 3,819
8 Huancavelica 2013 171,440 99,271 1,693,643 3,925,729 278.1 7,270.2 307.9 254.9 3,653
9 Huánuco 1999 45,195 94,071 1,482,143 2,048,312 0.0 38.9 0.0 0.0 13,286
9 Huánuco 2000 44,171 106,700 1,512,452 2,169,117 0.0 35.4 0.0 0.0 16,239
9 Huánuco 2001 47,199 96,383 1,268,731 1,882,862 0.0 38.2 492.1 354.3 15,345
9 Huánuco 2002 53,453 90,158 1,295,158 1,858,267 0.0 36.3 502.6 381.4 15,564
9 Huánuco 2003 66,723 90,104 1,416,082 2,038,798 99.5 36.6 512.7 389.9 15,040
9 Huánuco 2004 76,923 94,936 1,456,180 2,166,986 104.6 34.7 522.2 407.0 15,024
9 Huánuco 2005 120,046 115,033 1,489,770 2,328,743 109.6 33.7 530.8 411.0 15,024
9 Huánuco 2006 168,552 125,955 1,525,127 2,680,859 121.4 36.0 538.0 416.0 15,043
9 Huánuco 2007 258,266 136,441 1,561,718 2,981,591 132.6 35.2 544.0 415.0 15,875
9 Huánuco 2008 393,607 184,205 1,664,728 3,206,648 136.3 27.7 549.5 424.0 17,869
9 Huánuco 2009 451,786 207,230 1,674,123 3,341,223 138.7 31.8 555.0 433.2 17,226
9 Huánuco 2010 574,640 267,672 1,795,293 3,717,714 156.7 30.9 561.2 438.0 16,474
9 Huánuco 2011 757,261 310,132 1,908,448 4,061,991 167.4 29.6 568.2 441.0 16,608
9 Huánuco 2012 923,308 378,759 2,076,727 4,562,696 179.1 29.1 575.5 444.9 16,344
9 Huánuco 2013 1,042,761 541,675 2,196,366 4,980,487 199.2 30.8 583.0 452.7 15,760
10 Ica 1999 352,035 584,437 2,616,047 3,864,708 0.0 35.8 0.0 0.0 36,240
10 Ica 2000 353,323 479,927 2,735,353 4,100,846 0.0 41.8 0.0 0.0 35,386
10 Ica 2001 484,892 330,708 2,704,603 4,210,291 0.0 38.2 461.5 313.4 32,708
10 Ica 2002 520,368 380,761 2,881,768 4,561,563 0.0 54.5 470.4 311.8 29,228
10 Ica 2003 531,004 521,938 2,980,564 4,781,923 1,144.4 77.4 479.4 324.5 42,372
10 Ica 2004 585,561 446,799 3,243,770 5,440,025 1,235.6 91.3 488.5 334.0 34,844
10 Ica 2005 744,196 561,905 3,674,862 6,518,664 1,405.4 173.6 497.7 349.0 42,363
10 Ica 2006 891,739 625,027 3,983,793 7,301,927 1,474.9 173.2 507.2 350.0 43,088
10 Ica 2007 1,110,706 778,332 4,352,162 8,266,754 1,432.0 100.8 516.9 363.0 43,125
10 Ica 2008 1,516,531 984,384 5,308,770 11,064,514 1,605.4 307.3 526.7 377.0 44,001
10 Ica 2009 1,678,020 1,123,195 5,499,425 11,422,261 1,725.5 256.0 536.4 388.6 44,311
10 Ica 2010 1,907,220 1,436,412 6,001,728 13,242,806 1,928.3 179.5 546.0 395.0 45,699
10 Ica 2011 2,374,173 1,587,866 6,339,602 15,657,335 2,022.9 537.1 555.3 406.0 48,456
10 Ica 2012 2,852,269 1,727,347 6,614,435 15,953,018 2,122.8 556.5 564.6 415.5 48,715
10 Ica 2013 3,219,272 2,032,659 7,206,183 17,596,981 2,406.5 643.3 573.8 418.2 53,270
11 Junín 1999 202,879 507,714 3,970,816 5,475,954 0.0 1,271.2 0.0 0.0 21,001
11 Junín 2000 182,526 457,318 4,081,472 5,820,996 0.0 1,673.4 0.0 0.0 23,901
11 Junín 2001 304,913 406,187 3,926,630 5,790,581 0.0 2,283.5 781.4 551.7 21,991
11 Junín 2002 288,093 455,093 4,043,976 5,795,884 0.0 2,327.2 793.5 592.1 19,599
11 Junín 2003 371,222 473,775 4,129,039 6,209,120 1,735.2 2,366.8 805.9 599.1 18,304
11 Junín 2004 424,662 524,825 4,386,278 7,017,115 1,781.9 2,370.1 818.4 617.0 40,307
11 Junín 2005 571,754 608,967 4,395,032 7,456,712 1,041.4 2,194.1 830.9 624.0 49,107
11 Junín 2006 704,511 707,773 4,873,585 9,306,981 1,136.8 2,399.1 843.8 647.0 53,725
11 Junín 2007 1,005,062 743,040 5,186,921 10,576,552 1,224.7 2,231.0 856.9 635.0 54,558
11 Junín 2008 1,487,644 999,780 5,618,786 11,082,437 1,296.4 2,283.5 870.2 670.0 54,710
11 Junín 2009 1,713,371 1,068,898 5,472,982 11,290,428 1,053.9 1,835.2 883.2 667.7 56,904
11 Junín 2010 2,132,035 1,247,791 5,901,787 12,703,653 884.4 2,208.0 895.9 688.0 58,779
11 Junín 2011 2,569,471 1,451,947 6,273,626 13,899,946 927.6 2,595.8 908.3 700.0 58,229
11 Junín 2012 3,121,590 1,587,296 6,635,387 14,956,800 1,079.5 2,629.6 920.4 695.0 54,563
11 Junín 2013 3,326,712 1,772,969 6,880,248 15,577,613 1,605.7 2,750.9 932.3 695.6 51,837
12 La Libertad 1998 1,065,197 818,901 4,740,564 6,802,896 0.0 0.0 0.0 0.0 0
12 La Libertad 1999 997,946 842,568 4,734,900 6,916,833 0.0 227.8 0.0 0.0 47,548
12 La Libertad 2000 934,557 900,118 4,968,036 7,508,035 0.0 208.3 0.0 0.0 43,040
12 La Libertad 2001 793,240 858,134 4,884,885 7,805,729 0.0 195.3 1,049.3 690.2 41,303
12 La Libertad 2002 788,297 908,485 5,201,706 8,307,019 0.0 210.4 1,072.1 719.3 43,600
12 La Libertad 2003 897,230 974,777 5,546,278 8,939,195 778.4 230.4 1,094.9 746.7 43,424
12 La Libertad 2004 1,077,162 1,075,041 5,509,042 9,655,276 785.5 223.5 1,117.8 747.0 44,362
12 La Libertad 2005 1,470,753 1,252,331 6,056,995 10,515,460 842.6 209.7 1,140.8 770.0 44,378
12 La Libertad 2006 1,832,112 1,461,492 7,001,076 13,121,729 963.7 193.0 1,164.0 805.0 45,931
12 La Libertad 2007 2,366,270 1,800,227 7,714,464 14,714,521 1,126.1 173.3 1,187.2 829.0 47,571
12 La Libertad 2008 3,489,929 2,154,717 8,303,876 16,997,364 1,303.7 164.3 1,210.6 837.0 47,596
12 La Libertad 2009 3,650,109 2,241,447 8,483,161 18,348,547 1,262.1 258.3 1,234.0 903.4 46,816
12 La Libertad 2010 4,190,566 2,563,480 9,192,984 20,694,615 1,428.6 343.6 1,257.3 925.0 47,878
12 La Libertad 2011 4,992,926 3,044,995 9,615,355 23,405,729 1,539.1 399.4 1,280.5 909.0 49,538
12 La Libertad 2012 5,662,340 3,313,963 10,205,808 25,352,617 1,710.3 331.3 1,303.7 947.8 51,231
12 La Libertad 2013 6,320,324 3,749,341 10,643,810 25,728,513 1,784.0 343.7 1,326.9 944.7 50,452
13 Lambayeque 1999 606,773 483,868 3,570,247 5,345,412 0.0 84.1 0.0 0.0 39,516
13 Lambayeque 2000 580,831 480,155 3,630,849 5,620,257 0.0 77.3 0.0 0.0 46,801
13 Lambayeque 2001 599,705 462,594 3,232,646 5,104,346 0.0 74.4 755.6 476.9 46,214
13 Lambayeque 2002 612,030 488,174 3,390,632 5,287,043 0.0 78.4 770.1 459.0 48,675
13 Lambayeque 2003 687,500 468,682 3,527,421 5,521,778 344.2 92.7 784.2 529.0 49,114
13 Lambayeque 2004 809,890 478,998 3,369,789 5,631,805 355.9 134.1 798.0 556.0 47,945
13 Lambayeque 2005 991,537 566,004 3,641,260 6,230,290 386.7 100.9 811.6 572.0 47,297
13 Lambayeque 2006 1,116,766 642,805 3,837,890 6,778,541 416.2 104.1 825.0 559.0 49,400
13 Lambayeque 2007 1,461,003 783,221 4,245,403 7,920,240 459.5 118.4 838.1 604.0 50,909
13 Lambayeque 2008 2,066,446 976,540 4,602,479 9,056,358 511.6 122.2 850.9 610.0 51,232
13 Lambayeque 2009 2,381,532 1,032,213 4,751,336 9,676,749 555.6 124.7 863.8 630.8 53,354
13 Lambayeque 2010 2,712,864 1,134,407 5,140,162 10,744,049 574.1 103.2 876.8 637.0 53,838
13 Lambayeque 2011 3,125,740 1,355,893 5,431,684 11,851,710 627.9 95.5 890.0 634.0 53,012
13 Lambayeque 2012 3,730,180 1,539,961 5,904,460 13,362,458 655.2 95.4 903.2 636.2 53,962
13 Lambayeque 2013 4,216,270 1,727,409 6,200,609 14,330,628 746.8 90.1 916.5 647.6 51,482
14 Lima 1999 32,753,748 34,853,232 53,415,858 82,510,101 0.0 3,537.7 0.0 0.0 712,125
14 Lima 2000 33,942,036 35,921,156 54,694,646 87,601,210 0.0 3,878.8 0.0 0.0 706,316
14 Lima 2001 34,773,736 36,855,225 56,250,024 91,500,027 0.0 3,848.0 5,755.5 4,184.8 689,394
14 Lima 2002 34,962,055 38,922,121 58,409,932 95,824,706 0.0 3,805.6 5,891.9 4,244.3 678,043
14 Lima 2003 31,950,894 37,544,867 60,541,005 101,675,680 9,279.5 4,046.4 6,027.8 4,496.1 693,553
14 Lima 2004 31,195,658 38,508,715 63,640,092 109,515,865 10,058.7 4,774.6 6,164.7 4,531.0 654,825
14 Lima 2005 37,163,180 45,531,436 68,042,728 119,123,465 9,303.8 4,185.3 6,304.1 4,450.0 701,892
14 Lima 2006 41,547,518 48,905,661 74,159,330 134,486,345 10,006.1 4,549.2 6,445.9 4,736.0 697,085
14 Lima 2007 54,901,036 59,970,535 82,029,344 149,237,986 10,795.3 6,651.1 6,508.1 5,048.0 681,519
14 Lima 2008 72,525,658 79,439,062 90,969,937 167,450,116 11,781.9 7,883.5 6,639.3 5,172.0 691,064
14 Lima 2009 73,683,680 83,937,969 91,432,237 176,269,079 11,914.5 8,996.7 6,772.2 5,254.7 703,504
14 Lima 2010 85,246,939 104,257,718 100,395,871 197,426,335 13,391.6 11,656.6 6,906.9 5,399.0 713,760
14 Lima 2011 103,680,469 113,170,181 108,673,350 220,470,303 14,683.7 14,097.6 7,043.5 5,508.0 715,265
14 Lima 2012 116,088,707 127,974,645 115,207,952 241,904,807 15,512.0 16,374.6 7,181.9 5,107.0 715,208
14 Lima 2013 137,409,214 155,353,089 122,171,341 262,272,550 15,920.2 21,841.1 7,322.1 5,078.9 716,444
15 Loreto 1994 99,879 103,875 2,217,764 2,217,764 0.0 0.0 0.0 0.0 0
15 Loreto 1995 130,651 136,164 2,434,754 2,830,791 0.0 0.0 0.0 0.0 0
15 Loreto 1996 187,448 170,395 2,457,547 3,138,375 0.0 0.0 0.0 0.0 0
15 Loreto 1997 216,337 214,773 2,567,459 3,471,779 0.0 0.0 0.0 0.0 0
15 Loreto 1998 236,427 195,929 2,686,209 3,480,985 0.0 0.0 0.0 0.0 0
15 Loreto 1999 208,150 228,456 2,609,806 4,017,867 0.0 580.5 0.0 0.0 23,424
15 Loreto 2000 165,498 252,542 2,671,573 4,656,041 0.0 586.5 0.0 0.0 26,119
15 Loreto 2001 209,902 228,628 2,437,682 4,030,379 0.0 610.4 539.8 370.4 24,593
15 Loreto 2002 186,934 270,069 2,556,723 4,351,519 0.0 641.8 553.0 377.7 23,104
15 Loreto 2003 200,065 302,735 2,614,188 4,633,875 618.1 656.5 566.0 387.7 25,224
15 Loreto 2004 259,472 258,247 2,707,259 5,001,022 651.8 683.9 578.6 432.0 24,870
15 Loreto 2005 333,959 320,133 2,825,365 5,658,583 658.2 691.1 590.7 431.0 24,928
15 Loreto 2006 436,220 397,747 2,972,445 6,219,643 711.2 744.5 602.1 446.0 26,007
15 Loreto 2007 579,323 407,221 3,105,041 6,685,393 700.0 733.2 612.8 478.0 26,501
15 Loreto 2008 736,516 488,220 3,259,269 7,546,223 798.4 834.0 623.3 457.0 31,374
15 Loreto 2009 771,883 474,900 3,342,804 7,126,685 751.1 919.2 634.0 464.7 36,766
15 Loreto 2010 954,347 546,188 3,582,572 7,925,241 1,052.0 1,090.2 645.5 471.0 37,311
15 Loreto 2011 1,259,481 615,655 3,868,051 8,999,070 1,081.6 1,102.0 657.7 480.0 34,386
15 Loreto 2012 1,402,588 683,949 4,024,546 9,947,677 1,055.6 1,071.8 670.6 500.7 31,183
15 Loreto 2013 1,614,422 763,904 4,209,431 10,111,333 1,073.6 1,090.5 683.8 516.8 34,694
Madre de
16 Dios 1994 0 0 356,921 356,921 0.0 0.0 0.0 0.0 0
Madre de
16 Dios 1995 0 0 384,169 368,573 0.0 0.0 0.0 0.0 0
Madre de
16 Dios 1996 0 0 363,642 453,367 0.0 0.0 0.0 0.0 0
Madre de
16 Dios 1997 0 0 381,958 472,200 0.0 0.0 0.0 0.0 0
Madre de
16 Dios 1998 0 0 390,125 502,077 0.0 0.0 0.0 0.0 0
Madre de
16 Dios 1999 5,375 12,570 427,620 577,072 0.0 15.4 0.0 0.0 2,001
Madre de
16 Dios 2000 5,518 19,055 469,271 673,758 0.0 15.8 0.0 0.0 2,247
Madre de
16 Dios 2001 5,854 21,891 409,367 572,959 0.0 16.5 63.2 46.0 2,434
Madre de
16 Dios 2002 21,332 27,432 449,259 649,093 0.0 17.8 65.8 46.7 2,632
Madre de
16 Dios 2003 30,023 32,174 449,017 717,770 14.7 18.2 68.4 50.7 2,511
Madre de
16 Dios 2004 44,675 36,310 494,149 852,522 17.0 20.7 70.9 53.0 2,488
Madre de
16 Dios 2005 62,237 47,509 544,043 973,582 18.4 23.0 73.5 55.0 2,536
Madre de
16 Dios 2006 89,582 60,034 565,343 1,170,848 20.3 24.7 75.9 59.0 2,542
Madre de
16 Dios 2007 138,796 72,650 626,829 1,282,992 22.9 29.2 78.2 64.0 2,734
Madre de
16 Dios 2008 241,591 84,370 674,783 1,636,105 27.4 34.1 80.5 66.0 3,221
Madre de
16 Dios 2009 304,333 96,111 679,951 1,882,558 31.7 8.7 83.0 68.2 3,335
Madre de
16 Dios 2010 332,980 123,633 744,928 2,280,425 39.5 5.0 85.5 71.0 3,556
Madre de
16 Dios 2011 389,608 158,958 828,532 3,028,157 49.3 5.3 88.3 71.0 2,877
Madre de
16 Dios 2012 454,044 174,077 688,459 2,206,650 56.4 4.7 91.2 74.3 4,401
Madre de
16 Dios 2013 490,628 186,603 785,948 2,436,294 61.2 4.7 94.2 76.9 4,918
17 Moquegua 1999 80,023 182,628 1,557,609 1,847,986 0.0 1,198.3 0.0 0.0 10,025
17 Moquegua 2000 98,044 163,849 1,640,352 2,151,191 0.0 1,305.1 0.0 0.0 9,885
17 Moquegua 2001 112,710 160,252 1,605,836 1,999,561 0.0 813.0 113.9 79.6 9,500
17 Moquegua 2002 186,073 181,422 1,871,831 2,394,975 0.0 1,303.3 116.0 84.9 10,554
17 Moquegua 2003 164,451 170,203 2,006,978 2,708,803 1,533.1 1,447.5 118.1 82.8 10,644
17 Moquegua 2004 130,075 178,311 2,157,370 4,055,417 1,592.0 1,713.4 120.1 89.0 11,111
17 Moquegua 2005 151,670 273,164 2,252,234 4,654,281 1,569.5 1,368.1 122.1 95.0 12,154
17 Moquegua 2006 208,546 334,638 2,263,407 5,968,612 1,591.8 1,400.5 124.1 94.0 13,471
17 Moquegua 2007 390,797 379,547 2,256,846 6,011,964 1,701.2 1,196.9 126.1 98.0 13,976
17 Moquegua 2008 372,314 468,770 2,380,381 6,366,625 1,780.5 1,558.5 128.0 93.0 14,454
17 Moquegua 2009 416,865 418,204 2,355,521 5,965,373 1,793.0 1,438.0 130.0 96.6 14,693
17 Moquegua 2010 391,893 456,734 2,478,118 7,584,752 1,825.6 1,622.6 132.0 99.0 13,602
17 Moquegua 2011 489,707 458,247 2,381,952 7,785,517 1,858.7 1,009.7 134.0 100.0 13,252
17 Moquegua 2012 553,023 510,188 2,499,640 7,554,868 1,812.8 706.3 135.9 103.9 13,434
17 Moquegua 2013 610,489 572,516 2,815,802 8,103,480 1,854.6 1,060.1 137.9 105.9 13,593
18 Pasco 1999 13,213 70,167 1,302,681 1,851,579 0.0 92.8 0.0 0.0 2,007
18 Pasco 2000 16,684 74,893 1,308,973 1,939,385 0.0 89.3 0.0 0.0 -
18 Pasco 2001 19,761 70,099 1,386,018 1,913,829 0.0 95.6 168.0 112.7 -
18 Pasco 2002 25,158 69,806 1,512,180 1,995,155 0.0 96.0 170.7 121.7 -
18 Pasco 2003 24,088 62,194 1,506,843 2,096,401 489.1 96.9 173.6 137.3 -
18 Pasco 2004 30,318 65,579 1,563,520 2,598,839 475.8 87.1 176.6 131.0 -
18 Pasco 2005 47,848 76,640 1,580,671 2,910,224 497.6 346.9 179.8 128.0 785
18 Pasco 2006 67,815 95,282 1,713,377 4,956,485 516.2 966.0 183.3 133.0 824
18 Pasco 2007 105,941 118,359 1,914,504 6,107,307 552.7 884.0 186.9 137.0 1,734
18 Pasco 2008 170,520 185,615 1,937,316 4,393,108 612.0 882.7 190.7 134.0 1,556
18 Pasco 2009 180,686 156,347 1,850,382 4,303,235 608.3 927.0 194.5 153.2 2,385
18 Pasco 2010 222,118 193,643 1,825,271 4,765,540 643.0 791.9 198.1 154.0 1,837
18 Pasco 2011 298,295 201,541 1,841,206 5,675,175 699.2 1,001.9 201.5 155.0 1,587
18 Pasco 2012 345,273 239,047 1,908,558 5,428,454 699.2 1,009.7 204.8 158.8 2,040
18 Pasco 2013 378,531 282,748 1,903,665 5,217,999 629.9 1,054.5 208.1 161.0 2,028
19 Piura 1998 865,434 650,796 4,250,075 6,138,204 0.0 0.0 0.0 0.0 0
19 Piura 1999 933,674 713,660 4,200,625 6,288,133 0.0 727.9 0.0 0.0 59,057
19 Piura 2000 800,801 706,280 4,291,299 7,034,333 0.0 576.8 0.0 0.0 58,922
19 Piura 2001 715,275 660,265 4,448,783 7,743,766 0.0 472.1 1,067.8 713.5 60,220
19 Piura 2002 808,735 630,644 4,574,952 8,105,855 0.0 434.2 1,087.1 719.9 62,636
19 Piura 2003 882,836 707,242 4,732,866 8,685,103 569.4 556.8 1,106.2 780.7 61,768
19 Piura 2004 933,231 888,457 5,118,678 10,062,658 619.1 794.0 1,124.9 778.0 54,412
19 Piura 2005 1,125,511 1,047,401 5,409,216 11,179,447 646.2 765.5 1,143.6 801.0 63,408
19 Piura 2006 1,340,115 1,183,572 5,938,875 13,072,863 726.5 890.3 1,162.1 811.0 68,126
19 Piura 2007 1,742,896 1,267,618 6,523,105 14,474,517 776.3 881.2 1,180.3 876.0 68,049
19 Piura 2008 2,510,541 1,527,413 6,972,970 17,203,013 838.8 1,031.3 1,198.3 860.0 69,787
19 Piura 2009 2,828,402 1,778,094 7,134,276 17,895,737 869.8 916.4 1,216.3 894.0 70,772
19 Piura 2010 3,432,613 1,975,535 7,533,918 19,178,706 1,033.5 1,061.9 1,234.2 901.0 72,751
19 Piura 2011 4,197,340 2,337,366 8,099,733 22,367,323 1,204.5 1,101.0 1,252.1 875.0 74,869
19 Piura 2012 4,767,344 2,746,361 8,694,545 24,530,514 1,314.4 1,167.1 1,269.8 898.3 75,044
19 Piura 2013 5,103,683 2,842,760 9,041,483 25,144,880 1,351.3 807.1 1,287.5 917.6 79,247
20 Puno 1999 150,403 195,413 2,488,300 3,742,281 0.0 53.4 0.0 0.0 11,376
20 Puno 2000 145,383 191,260 2,631,146 4,050,668 0.0 597.3 0.0 0.0 11,808
20 Puno 2001 138,410 186,857 2,607,004 4,132,825 0.0 771.5 806.8 666.7 11,436
20 Puno 2002 156,658 245,567 2,800,570 4,317,259 0.0 805.5 820.8 670.8 12,972
20 Puno 2003 197,814 192,621 2,830,070 4,460,922 221.1 765.7 835.0 691.9 14,609
20 Puno 2004 209,645 182,838 2,907,341 5,030,186 233.9 823.4 849.1 700.0 14,980
20 Puno 2005 320,969 245,125 3,059,759 5,286,981 247.1 789.6 862.7 741.0 16,093
20 Puno 2006 443,975 253,138 3,213,931 5,803,958 274.8 805.7 875.5 742.0 17,769
20 Puno 2007 650,346 258,471 3,448,855 6,770,811 295.7 795.2 887.8 731.0 17,968
20 Puno 2008 970,085 373,379 3,630,828 7,766,012 335.8 773.4 900.0 739.0 18,366
20 Puno 2009 1,115,638 437,771 3,773,706 8,302,556 350.9 767.4 912.5 749.5 18,330
20 Puno 2010 1,443,078 541,311 4,061,101 9,447,791 381.6 627.5 925.9 773.0 18,011
20 Puno 2011 1,833,657 608,145 4,252,423 10,534,541 401.8 778.4 940.2 783.0 18,553
20 Puno 2012 2,255,658 723,155 4,469,220 11,359,727 430.2 738.2 955.2 783.6 19,221
20 Puno 2013 2,628,726 872,334 4,776,673 12,394,689 468.0 815.2 970.7 803.5 22,881
21 San Martín 1994 48,576 60,710 1,226,686 1,226,686 0.0 0.0 0.0 0.0 0
21 San Martín 1995 79,099 67,504 1,320,329 1,556,731 0.0 0.0 0.0 0.0 0
21 San Martín 1996 87,950 76,892 1,402,313 1,809,099 0.0 0.0 0.0 0.0 0
21 San Martín 1997 116,749 116,340 1,502,449 2,067,676 0.0 0.0 0.0 0.0 0
21 San Martín 1998 122,203 131,419 1,599,161 2,434,613 0.0 0.0 0.0 0.0 0
21 San Martín 1999 142,412 127,350 1,663,750 2,574,937 0.0 75.3 0.0 0.0 16,329
21 San Martín 2000 143,031 137,358 1,706,616 2,709,075 0.0 75.8 0.0 0.0 15,514
21 San Martín 2001 159,725 136,518 1,368,041 2,127,512 0.0 78.0 455.3 311.1 16,140
21 San Martín 2002 192,398 145,166 1,415,563 2,143,908 0.0 90.6 467.3 325.4 16,885
21 San Martín 2003 201,431 158,030 1,464,116 2,275,302 96.7 94.3 478.7 363.9 17,019
21 San Martín 2004 260,506 172,281 1,586,537 2,700,575 102.3 105.3 489.8 374.0 18,119
21 San Martín 2005 295,824 180,501 1,728,978 2,873,190 112.8 116.3 500.6 383.0 17,207
21 San Martín 2006 370,518 184,839 1,819,006 3,042,869 118.1 120.1 510.9 385.0 16,178
21 San Martín 2007 536,070 210,925 1,983,231 3,486,558 134.4 137.2 520.6 404.0 16,847
21 San Martín 2008 821,290 211,511 2,178,177 3,979,895 151.7 153.9 530.2 402.0 17,571
21 San Martín 2009 928,312 235,549 2,260,809 4,364,957 162.8 166.8 539.9 405.5 18,127
21 San Martín 2010 1,104,004 291,405 2,441,439 4,822,907 185.2 178.0 550.1 426.0 17,650
21 San Martín 2011 1,430,772 358,037 2,571,951 5,489,288 205.6 44.8 560.9 439.0 18,242
21 San Martín 2012 1,735,123 373,574 2,756,097 6,041,055 228.2 52.1 572.0 425.4 17,284
21 San Martín 2013 1,835,603 397,566 2,774,163 6,165,359 252.1 51.5 583.4 437.4 18,244
22 Tacna 1999 178,529 322,350 1,664,076 2,431,067 0.0 238.6 0.0 0.0 15,993
22 Tacna 2000 159,756 341,135 1,786,409 2,785,217 0.0 209.0 0.0 0.0 16,217
22 Tacna 2001 174,083 306,275 1,650,411 2,298,815 0.0 139.6 198.4 141.4 14,757
22 Tacna 2002 196,485 306,978 1,718,371 2,425,150 0.0 135.8 203.3 140.4 14,892
22 Tacna 2003 216,367 277,495 1,826,170 2,692,344 147.3 178.1 208.1 150.8 14,624
22 Tacna 2004 240,788 306,189 1,936,943 3,524,413 126.5 202.9 212.8 162.0 15,296
22 Tacna 2005 296,433 405,632 2,012,649 3,775,690 134.2 195.5 217.4 160.0 15,375
22 Tacna 2006 357,593 528,481 2,094,159 4,586,338 143.3 47.0 221.9 161.0 16,344
22 Tacna 2007 478,731 679,302 2,223,776 5,241,822 154.3 92.4 226.2 163.0 17,021
22 Tacna 2008 639,770 815,914 2,319,570 5,342,110 171.4 108.8 230.5 172.0 17,987
22 Tacna 2009 743,853 854,299 2,265,392 5,030,716 180.9 102.4 234.7 168.3 17,910
22 Tacna 2010 966,755 961,864 2,521,602 6,282,444 197.7 100.3 239.0 176.0 17,499
22 Tacna 2011 1,185,616 964,545 2,633,908 6,953,152 205.8 96.6 243.3 178.0 16,927
22 Tacna 2012 1,453,815 978,621 2,773,672 7,059,655 216.7 119.4 247.7 179.2 19,686
22 Tacna 2013 1,625,565 1,116,192 2,908,128 7,474,737 243.4 160.1 252.0 180.3 20,518
23 Tumbes 1999 41,622 56,459 563,653 931,745 0.0 55.1 0.0 0.0 11,064
23 Tumbes 2000 35,425 51,161 540,224 899,354 0.0 24.1 0.0 0.0 10,054
23 Tumbes 2001 36,986 56,859 517,591 901,830 0.0 36.3 135.3 95.5 11,109
23 Tumbes 2002 64,801 59,524 538,915 943,089 0.0 34.0 139.1 96.6 10,961
23 Tumbes 2003 85,908 62,147 563,199 986,168 68.8 41.2 142.8 108.2 12,294
23 Tumbes 2004 101,089 80,281 602,995 1,125,096 81.4 49.2 146.5 113.0 12,252
23 Tumbes 2005 151,480 97,142 688,786 1,331,003 100.7 63.8 150.0 114.0 3,670
23 Tumbes 2006 188,765 96,163 665,285 1,292,395 104.7 57.6 153.3 116.0 16,213
23 Tumbes 2007 248,143 110,149 722,302 1,501,219 117.8 41.2 156.4 124.0 16,173
23 Tumbes 2008 359,704 113,720 770,598 1,678,053 127.6 51.8 159.4 121.0 16,074
23 Tumbes 2009 388,922 125,120 790,515 1,777,144 132.4 37.7 162.4 121.6 16,640
23 Tumbes 2010 440,332 153,095 880,391 2,018,233 135.3 60.8 165.4 127.0 16,500
23 Tumbes 2011 502,557 161,107 942,625 2,239,453 151.9 38.1 168.4 128.0 17,844
23 Tumbes 2012 568,117 167,514 1,007,231 2,521,976 165.8 23.5 171.5 129.3 19,003
23 Tumbes 2013 591,396 202,242 1,044,077 2,669,076 181.4 18.3 174.5 130.7 20,576
24 Ucayali 1994 27,483 66,134 801,216 801,216 0.0 0.0 0.0 0.0 0
24 Ucayali 1995 52,377 65,279 874,046 953,942 0.0 0.0 0.0 0.0 0
24 Ucayali 1997 93,199 123,671 970,960 1,229,119 0.0 0.0 0.0 0.0 0
24 Ucayali 1998 102,265 112,797 1,185,631 1,523,044 0.0 0.0 0.0 0.0 0
24 Ucayali 1999 95,581 134,714 1,209,446 1,658,717 0.0 431.8 0.0 0.0 6,662
24 Ucayali 2000 97,941 142,268 1,126,353 1,677,578 0.0 382.9 0.0 0.0 6,858
24 Ucayali 2001 87,074 130,177 1,221,856 1,778,943 0.0 570.4 260.4 167.7 7,641
24 Ucayali 2002 94,124 135,597 1,281,902 1,890,682 0.0 832.6 267.4 172.0 8,282
24 Ucayali 2003 99,535 158,157 1,328,456 2,038,968 113.0 910.8 274.1 190.7 8,262
24 Ucayali 2004 134,244 197,414 1,439,890 2,327,744 121.7 1,254.2 280.6 202.0 9,546
24 Ucayali 2005 182,182 229,763 1,539,686 2,555,666 136.1 1,380.4 287.2 206.0 9,373
24 Ucayali 2006 249,167 210,108 1,640,187 2,812,312 146.1 1,265.8 293.6 211.0 10,211
24 Ucayali 2007 377,358 206,060 1,708,637 3,062,612 162.1 1,196.5 299.8 230.0 10,014
24 Ucayali 2008 566,086 241,886 1,808,232 3,480,221 180.4 1,291.9 305.9 240.0 10,407
24 Ucayali 2009 598,376 258,248 1,860,851 3,609,195 185.3 1,066.9 312.2 247.6 11,883
24 Ucayali 2010 706,898 305,301 1,958,146 3,952,116 203.3 786.7 318.8 256.0 11,538
24 Ucayali 2011 883,598 338,763 1,961,026 4,234,318 212.8 508.4 325.8 261.0 11,797
24 Ucayali 2012 1,067,721 395,016 2,188,412 4,848,142 223.9 908.9 333.0 265.2 12,377
24 Ucayali 2013 1,169,112 450,393 2,252,314 4,882,127 239.1 412.2 340.5 267.6 14,198
Indicador Detalle
Tasa de crecimiento del PBI Real (PBI No Primario Real) per
CRE_pbipc
cápita
coloc Ratio de Crédito sobre PBI Nominal
coloc2 Ratio de Crédito sobre PBI Nominal al cuadrado
Lpbi Logaritmo del PBI real (PBI real No Primario) per cápita
Teléfono Porcentaje de hogares con teléfono fijo
depo Ratio de Depósitos sobre PBI Nominal
depo2 Ratio de Depósitos sobre PBI Nominal al cuadrado
Ratio de Intermediación (Depósitos + Colocaciones) sobre PBI
inter
Nominal
Ratio de Intermediación (Depósitos + Colocaciones) sobre PBI
inter2
Nominal al cuadrado
coloc_r Ratio de Crédito real sobre PBI Real
depo_r Ratio de Depósitos reales sobre PBI Real
Ratio de Intermediación (Depósitos + Colocaciones) real
inter_r
sobre PBI Real
Electricidad Porcentaje de hogares con electricidad en el hogar
L1 Nomenclatura de STATA para referirse al primer rezago.
L2 Nomenclatura de STATA para referirse al segundo rezago.