Revista Economía & Negocios

Vol. 8 Núm. 1, 2026

Artículo original

Determinantes macroeconómicos de la inversión extranjera directa: caso América Latina

Macroeconomic determinants of foreign direct investment: the case of Latin America

Evelyn Priscila Fajardo-Espinoza*

*Autor de correspondencia: efajardoe@unjbg.edu.pe, https://orcid.org/0000-0002-2369-3837 Universidad Nacional Jorge Basadre Grohmann. Tacna, Perú

Recepción: 09/01/2026 Aceptación: 27/07/2026 Publicación: 30/04/2026

Esta obra está bajo una Licencia Creative Commons Atribución 4.0 Internacional. 

Como citar: Fajardo-Espinoza, E. P. (2026). Determinantes macroeconómicos de la inversión extranjera directa:

caso América Latina. Economía & Negocios, 8(1), 66-75. https://www.doi.org/10.33326/27086062.2026.1.2555

RESUMEN

Este artículo analiza los factores macroeconómicos importantes que han influido en la inversión extranjera directa (IED) en América Latina durante el período 2007-2023. El estudio analiza en qué medida los flujos de IED en las economías latinoamericanas se ven afectados por el producto bruto interno (PBI), el riesgo país, además de la deuda externa y la balanza de pagos. La metodología empleada es cuantitativa y utiliza datos de panel de múltiples países y un diseño explicativo. A partir de información de fuente secundaria de las bases de datos del Banco Mundial, la Comisión Económica para América Latina y el Caribe (CEPAL) y JP Morgan (EMBI), se utilizaron modelos econométricos de efectos fijos, pruebas de cointegración, modelos vectoriales autorregresivos (VAR) y modelos vectoriales de corrección de errores (VEC), además de estimaciones dinámicas de mínimos cuadrados ordinarios en panel (PDOLS). Los resultados del estudio respaldan la importancia del tamaño del mercado como factor atractivo, al demostrar que el PBI sigue teniendo un impacto positivo y estadísticamente significativo en la IED. Contrariamente a la teoría económica convencional, el riesgo país también demostró una fuerte correlación positiva. Por su parte, la balanza de pagos y la deuda externa tuvieron efectos insignificantes sobre la IED. Se afirma que los principales factores que influyen en la IED son el crecimiento económico y la percepción del riesgo país. Esto plantea dificultades para el desarrollo de políticas públicas destinadas a reforzar la estabilidad macroeconómica y la confianza de los inversores extranjeros y garantizar la gobernanza en los países de América Latina.

Palabras clave: América Latina, inversión extranjera directa, producto bruto interno, riesgo país, deuda externa y

balanza de pago.

ABSTRACT

This article analyzes the key macroeconomic factors that have influenced foreign direct investment (FDI) in Latin America during the period 2007-2023. The study examines the extent to which FDI flows in Latin American economies are affected by GDP, country risk, external debt, and the balance of payments. The methodology employed is quantitative, utilizing multi-country panel data and an explanatory design. Using secondary data from the World Bank, ECLAC, and JP Morgan (EMBI) databases, the study employed fixed-effects econometric models, cointegration tests, vector autoregressive (VAR) models, and vector error correction (VEC) models, in addition to dynamic panel ordinary least squares (PDOLS) estimations. The study's findings support the importance of market size as an attractive factor, demonstrating that gross domestic product (GDP) continues to have a positive and statistically significant impact on FDI. Contrary to conventional economic theory, country risk also showed a strong positive correlation. Meanwhile, the balance of payments and external debt had negligible effects on FDI. The study concludes that the main factors influencing FDI in Latin America are economic growth and the perception of country risk. This poses challenges for the development of public policies aimed at strengthening macroeconomic stability and the confidence of foreign investors, as well as ensuring good governance in Latin American countries.

Keywords: country risk, foreign direct investment, gross domestic product, Latin America, external debt and

balance of payments.

INTRODUCCIÓN

En el contexto de la economía global contemporánea, la inversión extranjera directa (IED) se ha consolidado como uno de los principales mecanismos de financiamiento externo para los países en desarrollo, al contribuir no solo al crecimiento económico, sino también a la transferencia de tecnología, la generación de empleo y el fortalecimiento de las capacidades productivas locales (UNCTAD, 2023; Borensztein et al., 1998). Es así que durante los últimos años la IED en América Latina ha logrado demostrar un protagonismo estratégico en las gestiones de los diferentes gobiernos que han impulsado políticas de apertura económica y de reformas estructurales implementadas desde finales del siglo XX; sin embargo, su comportamiento ha sido diverso, volátil y muy sensible a las condiciones macroeconómicas internas y externas (CEPAL, 2022).

Dunning (1988) explica, desde la perspectiva teórica, el paradigma ecléctico que sostiene y permite entender el movimiento de los flujos de la IED, considerando para ello tres condiciones relevantes como la propiedad, localización e internacionalización que constituyen ventajas competitivas. En este sentido, es determinante considerar algunos factores relevantes que inciden al momento de elegir dónde invertir como el tamaño del mercado, la estabilidad legal y el riesgo país (Asiedu, 2006; Alfaro et al., 2010).

Sin embargo, la evidencia en América Latina resulta contradictoria, lo que conlleva realizar análisis más profundos que permitan identificar claramente algunas variables que explican el movimiento de los capitales externos. Si bien se conoce que el PBI se señala constantemente como un impulsor activo de la inversión extranjera al reflejar dinamismo y rentabilidad (Blonigen & Piger, 2014), otros autores señalan que el crecimiento económico es insuficiente por sí mismo para propiciar un desarrollo pleno de los países por lo que resulta necesario impulsar políticas macroeconómicas que dinamicen las finanzas públicas y garanticen la gobernanza en cada país, generando así la credibilidad institucional (Busse & Hefeker, 2007).

Además, se asume que un riesgo país alto ahuyenta la inversión, ya que refleja inestabilidad política, económica y social, generando incertidumbre y miedo al incumplimiento de pagos (Erb et al., 1996). Sin embargo, estudios recientes revelan una paradoja: debido a que, en ciertas economías emergentes, un mayor riesgo asumido puede conllevar altos flujos de inversión si las expectativas de retorno del mismo son lo suficientemente atractivas (Krifa-Schneider & Matei, 2010), condición que contraviene el paradigma ecléctico que sostiene Dunning.

Esta situación también se refleja en el comportamiento de la deuda externa y la balanza de pagos. Aunque la teoría advierte que un endeudamiento excesivo o déficits económicos críticos deberían generar altos niveles de desconfianza (Reinhart & Rogoff, 2010); sin embargo, la evidencia en América Latina no es concluyente.

Por lo tanto, es ahí donde se encuentra un vacío importante en la literatura debido a que la mayoría de los estudios previos son estáticos y suelen analizar estas variables de manera independiente; ello acrecienta la brecha al momento de analizar y evaluar el comportamiento de estas variables y su incidencia en la inversión extranjera en un país. En tal sentido se evidencia la ausencia de contar con una visión integradora, que permita capturar y valorar las dinámicas complejas a lo largo del tiempo. Por eso, esta investigación utiliza modelos avanzados (como VAR, VEC y PDOLS), que permiten entender la vinculación entre las variables estudiadas.

El objetivo principal de la investigación consiste en analizar cómo el PBI, además del riesgo país, la deuda externa y la balanza de pagos, impactó sobre la IED en América Latina entre el periodo de 2007 y 2023. Para lo cual, la hipótesis del estudio sugiere que el crecimiento del PBI y el riesgo son los verdaderos pilares que impulsan la IED, mientras que la deuda externa y la balanza de pagos tienen un rol secundario o negativo a largo plazo. Así, buscamos aportar datos sólidos y relevantes que permitan proponer y formular políticas públicas más eficientes que generen desarrollo económico y bienestar social.

MATERIAL Y MÉTODOS

El enfoque metodológico de la presente investigación se sostiene bajo el paradigma positivista, con un enfoque cuantitativo, orientado a explicar las relaciones causales y dinámicas entre algunas variables macroeconómicas y la IED en América Latina. En concordancia con el objetivo planteado, se adoptó un diseño no experimental, longitudinal y explicativo, dado que las variables fueron observadas en su contexto natural y analizadas a lo largo del tiempo sin manipulación deliberada (Hernández-Sampieri et al., 2018).

Tipo y diseño de investigación

En primer lugar, el estudio corresponde a una investigación aplicada, en tanto sus resultados buscan aportar evidencia empírica relevante para la gestión de las finanzas públicas orientadas a mantener la gobernanza e impulsar la atracción de inversión extranjera. Asimismo, el diseño es longitudinal de datos de panel, al combinar información transversal de varios países con series temporales, lo que permite capturar tanto la heterogeneidad individual como la dinámica temporal de las variables analizadas (Baltagi, 2021).

Población y muestra

El presente estudio se realizó considerando una población de estudio constituida por los países de América Latina que registran flujos sistemáticos de IED. La muestra se conformó por seis países latinoamericanos: Perú, Chile, Colombia, México, Brasil y Argentina, seleccionados mediante un muestreo no probabilístico por criterio, considerando la disponibilidad y continuidad de información estadística para el periodo de análisis 2007-2023. En total, se analizaron 476 observaciones, resultado de la combinación país-año.

Variables de estudio y operacionalización

La investigación consideró una variable dependiente y cuatro variables independientes, definidas y operacionalizadas

conforme a la literatura económica especializada:

• Inversión extranjera directa (IED): medida como porcentaje del PBI, utilizada como indicador de la intensidad

  de los flujos de inversión extranjera en cada país.

• Producto bruto interno (PBI): expresado en dólares constantes, como proxy del tamaño del mercado y del

  nivel de actividad económica.

• Riesgo país: considerado a través del índice EMBI (Emerging Markets Bond Index), elaborado por JP Morgan,

  como indicador de la percepción de riesgo soberano.

• Deuda externa: expresada como porcentaje del PBI, utilizada para reflejar la carga financiera externa de cada

  economía.

• Balanza de pagos: medida a través de la cuenta corriente como porcentaje del PBI, como indicador del equilibrio

externo.

Fuentes de información y recursos utilizados

En cuanto a los recursos técnicos y administrativos, se emplearon bases de datos secundarias provenientes de organismos internacionales de reconocido prestigio, tales como el Banco Mundial (World Bank, 2021), la Comisión Económica para América Latina y el Caribe (CEPAL) y JP Morgan, garantizando la confiabilidad y comparabilidad

de la información. El procesamiento y análisis de los datos se realizó mediante el software econométrico STATA versión 17, el cual permitió la estimación de modelos de datos de panel y técnicas econométricas avanzadas.

Técnicas y procedimientos de análisis

Inicialmente, se llevó a cabo un análisis descriptivo de las variables, con el propósito de identificar tendencias generales, dispersión y posibles valores atípicos. Posteriormente, se aplicaron pruebas de estacionariedad para datos de panel, específicamente las pruebas de Levin-Lin-Chu (LLC) e Im-Pesaran-Shin (IPS), con el fin de determinar el orden de integración de las series (Levin et al., 2002; Im et al., 2003).

Una vez comprobada la integración de las variables, se procedió a realizar pruebas de cointegración de panel, siguiendo el enfoque de Pedroni, a fin de verificar la existencia de relaciones de equilibrio de largo plazo entre la IED y los factores macroeconómicos considerados (Pedroni, 2004). En función de estos resultados, se estimaron modelos de efectos fijos, seleccionados mediante la prueba de Hausman, que permitió contrastar la consistencia entre los estimadores de efectos fijos y aleatorios (Hausman, 1978).

Adicionalmente, para capturar las relaciones dinámicas de corto y largo plazo, se estimaron modelos de vectores autorregresivos (VAR) y vectores de corrección de errores (VEC), los cuales permiten analizar los mecanismos de ajuste ante choques exógenos y la causalidad temporal entre las variables (Johansen, 1995; Lütkepohl, 2005). Como complemento, se aplicó el método de mínimos cuadrados dinámicos completamente modificados (PDOLS), con el propósito de obtener estimaciones robustas de largo plazo en presencia de cointegración (Kao & Chiang, 2000).

Validez, confiabilidad y consideraciones éticas

La validez interna del estudio se garantizó mediante la aplicación de técnicas econométricas ampliamente aceptadas en la literatura científica internacional, mientras que la confiabilidad se sustentó en el uso de fuentes oficiales y replicables (Wooldridge, 2020). En términos éticos, la investigación se basó exclusivamente en datos secundarios de acceso público, por lo que no implicó riesgos para sujetos humanos ni vulneración de principios éticos, cumpliendo con los estándares de integridad científica y transparencia metodológica exigidos por revistas indexadas.

RESULTADOS

La presentación de los resultados corresponde en primer lugar al análisis descriptivo de las variables, que se realizó de conformidad con la información secundaria obtenida, seguido se muestran las estimaciones econométricas obtenidas a partir de los modelos de datos de panel mediante la ecuación modelo ajustada que se obtiene con sus respectivos coeficientes y finalmente resultados del modelo VEC, estimaciones PDOLS y modelo VAR (Levine & Renelt, 1992). La exposición se realiza de forma ordenada y progresiva, atendiendo a los objetivos planteados en la investigación.

Análisis descriptivo de las variables

El análisis descriptivo permitió identificar el comportamiento general de las variables consideradas durante el periodo 2007-2023 para los países de América Latina incluidos en la muestra. En la tabla 1 se presentan los principales estadísticos descriptivos: media, desviación estándar, valores mínimos y máximos.

Tabla 1

Estadísticos descriptivos de las variables de estudio (2007-2023)

Nota. Elaboración propia a partir de datos del Banco Mundial, CEPAL y JP Morgan

Los resultados mostraron que la IED presentó una elevada dispersión entre países y años, reflejando la volatilidad característica de los flujos de capital hacia economías emergentes. Asimismo, el riesgo país evidenció valores máximos elevados en periodos de crisis internacionales, mientras que la balanza de pagos registró predominio de déficits en la mayoría de las economías analizadas.

Pruebas de estacionariedad

Con el propósito de verificar la naturaleza estocástica de las series, se aplicaron pruebas de raíz unitaria para datos de panel. Los resultados de las pruebas Levin-Lin-Chu (LLC) e Im-Pesaran-Shin (IPS) indicaron que las variables no fueron estacionarias en niveles, pero sí en primeras diferencias, evidenciando un orden de integración I (1).

Tabla 2

Resultados de las pruebas de raíz unitaria para datos de panel

Nota. Nivel de significancia del 5 %

Estos resultados justificaron la aplicación de pruebas de cointegración y modelos dinámicos de largo plazo, de

acuerdo con la literatura econométrica especializada (Im et al., 2003; Levin et al., 2002).

Pruebas de cointegración

Posteriormente, se aplicaron las pruebas de cointegración de Pedroni, cuyos resultados evidenciaron la existencia

de una relación de equilibrio de largo plazo entre la IED y las variables macroeconómicas analizadas.

Objetivo específico 2

Los estadísticos reportados permitieron rechazar la hipótesis nula de no cointegración, confirmando la pertinencia

de estimar modelos de largo plazo para el análisis de los determinantes de la IED.

Estimación del modelo de efectos fijos

En función de la prueba de Hausman, se seleccionó el modelo de efectos fijos como el más adecuado. Los resultados

de la estimación se presentan en la tabla 4.

Los resultados mostraron que el PBI y el riesgo país presentaron coeficientes positivos y estadísticamente significativos, mientras que la deuda externa y la balanza de pagos no evidenciaron significancia estadística.

Modelo corregido

El modelo corregido, ajustado para eliminar problemas de heterocedasticidad, autocorrelación y multicolinealidad, muestra resultados relevantes en la explicación de la inversión extranjera directa (LnIED). El coeficiente asociado al riesgo país (EMBI) es positivo y significativo al 1 % (coef. = 0,024; p = 0,009), lo que implica que un incremento de una unidad en el EMBI se asocia con un aumento aproximado del 2,38 % en la IED.

Por su parte, el PBI (LnPBI) confirma su papel como determinante positivo y significativo de la IED, con un coeficiente de 0,759 (p = 0,035). Esto indica que un crecimiento del 1 % en el PBI se traduce en un aumento cercano al 0,76 % en la inversión extranjera, en línea con la teoría económica que resalta el dinamismo de los mercados como atractivo principal para el capital internacional. En contraste, la deuda externa (LnDE) presenta un coeficiente negativo (–0,09) que no resulta significativo (p = 0,654), por lo que no se puede establecer evidencia clara de un efecto sobre la IED. La balanza de pagos (BP), en cambio, muestra un coeficiente negativo estadísticamente significativo al 5 % (p = 0,034), lo que sugiere que incrementos en esta variable se asocian con ligeras reducciones en la inversión extranjera.

A continuación, en la tabla 5, se presentan los coeficientes corregidos y sus intervalos de confianza.

Tabla 5

Modelo corregido sin heterocedasticidad, autocorrelación y multicolinealidad

Nota. El término constante no debe interpretarse directamente en modelos de efectos fijos, ya que los efectos individuales por

grupo están absorbidos por las diferencias. *** p < ,01, ** p < ,05, * p < .1

El modelo resultado del estudio, se representa así:

LnIEDit=0,147+0,024EMBIit+0,759LnPBIit−0,09LnDEit+βBPBPit+εit

Resultados del modelo VEC y estimación PDOLS

Finalmente, las estimaciones del modelo de vectores de corrección de errores (VEC) indicaron la existencia de un mecanismo de ajuste hacia el equilibrio de largo plazo, con un coeficiente de corrección de error negativo y estadísticamente significativo. Complementariamente, el método PDOLS confirmó la robustez de los resultados obtenidos, reafirmando la significancia del PBI y del riesgo país como determinantes de la IED.

Resultados del modelo VAR

En términos generales, los resultados indican que los rezagos L1 de D_IED y D_PBI, junto con el rezago L2 de D_DE, son los que tienen efectos estadísticamente significativos en la dinámica temporal de las variables. En contraste, los rezagos de EMBI y BP no presentan impactos significativos, lo que sugiere que su influencia directa es limitada en el corto plazo.

DISCUSIÓN

Desde una perspectiva analítica, los hallazgos obtenidos permiten profundizar la comprensión de los determinantes macroeconómicos de la IED en América Latina, evidenciando dinámicas que confirman parcialmente la teoría económica clásica, pero que también revelan comportamientos contraintuitivos propios de economías emergentes.

El PBI y la IED presenta una relación positiva y estadísticamente significativa reafirmando la hipótesis de la investigación que señala que el tamaño del mercado se considera como uno de los principales factores de atracción de capital extranjero (Chakrabarti, 2001; Dunning & Lundan, 2008). Este resultado coincide con la literatura internacional, que sustenta que las economías con altos niveles de producción y crecimiento económico ofrecen mejores niveles de confianza a los inversionistas internacionales para generar mayor rentabilidad (Blonigen & Piger, 2014; Alfaro et al., 2010). En el contexto latinoamericano, estos resultados refuerzan la idea de que el país que presenta mayor dinamismo económico propicia expectativas claves para la evaluación de una localización de inversión, e inclusive a pesar de experimentar escenarios de alta volatilidad externa (Bénassy-Quéré et al., 2007).

El resultado más relevante y desafiante de la investigación está en la relación positiva y significativa entre el riesgo país y la IED, lo cual difiere con el enfoque tradicional, que concibe al riesgo país como un factor altamente disuasivo de la IED (Erb et al., 1996; Busse & Hefeker, 2007). Este comportamiento podría interpretarse desde la lógica de la búsqueda de mayores retornos esperados, donde algunos inversionistas aceptan niveles elevados de riesgo de capital a cambio de mayores índices de rentabilidad, especialmente en localizaciones estratégicas donde predominan mayores recursos naturales, energía e infraestructura, propios de América Latina (Krifa-Schneider & Matei, 2010; Bekaert et al., 2016). En este sentido, los resultados del estudio sugieren que el riesgo país no actúa de manera homogénea sobre la IED, sino que su efecto va a depender del contexto económico, sectorial e institucional.

Ahora, por otro lado, se evidencia la falta de significancia estadística del estudio de la deuda externa que advierte que, durante el periodo analizado, el nivel de endeudamiento no ha constituido un valor determinante y decisivo de los flujos de IED en los países objeto de estudio. Este resultado coincide con investigaciones que señalan que los inversionistas extranjeros tienden a focalizarse más en las perspectivas de crecimiento y estabilidad macroeconómica que en los niveles absolutos de deuda externa que tiene un país, siempre que esta sea percibida como una economía sostenible para el posible inversor (Presbitero, 2012; Panizza & Presbitero, 2014). En consecuencia, la deuda externa se debe considerar como un factor contextual más que como una restricción que afecte la directa a la inversión extranjera.

Situación similar se muestra con el estudio del comportamiento de la variable balanza de pagos, la cual no mostró un efecto significativo sobre la IED, lo que sugiere que la inestabilidad de factores externos, medida a través de la cuenta corriente, no ha sido determinante en la decisión de inversión durante el periodo de estudio (Aizenman et al., 2013). Este resultado puede explicarse por el fortalecimiento de las políticas de integración financiera internacional, es decir, países que conforman conglomerados o grupos económicos y por la capacidad de los países latinoamericanos para financiar déficits externos mediante flujos de capital, incluyendo la propia IED (Krugman et al., 2018; UNCTAD, 2023). Así, la balanza de pagos pierde relevancia como señal inmediata para los inversionistas, frente a variables más estructurales como el PBI.

Desde el punto de vista metodológico, la aplicación de modelos dinámicos (VAR y VEC) y estimaciones PDOLS permitió capturar las relaciones de largo plazo y los mecanismos de ajuste entre las variables, superando las limitaciones de enfoques estáticos predominantes en estudios previos. En este sentido, el estudio aporta evidencia empírica robusta al demostrar que la IED responde no solo a condiciones contemporáneas, sino también a dinámicas macroeconómicas acumuladas en el tiempo (Johansen, 1995; Stock & Watson, 2012).

En términos de contribución científica, los resultados amplían la literatura existente al evidenciar que, en América Latina, los determinantes tradicionales de la IED deben ser reinterpretados a la luz de las particularidades estructurales y de riesgo de la región. Asimismo, los hallazgos abren nuevas líneas de investigación orientadas a explorar el rol de factores institucionales, sectoriales y financieros que podrían moderar la relación entre el riesgo país y los flujos de inversión extranjera.

CONCLUSIONES

Con relación al objetivo general planteado, la presente investigación permite concluir que los factores macroeconómicos analizados ejercen efectos diferenciados sobre la IED en América Latina durante el periodo 2007-2023, validando que el crecimiento del mercado y la percepción de riesgo son determinantes clave en la captación de capital extranjero en la región, mientras que el papel de la deuda externa y la balanza de pagos

requiere un análisis más detallado para establecer conclusiones firmes sobre su impacto en la IED, confirmando la complejidad y la naturaleza dinámica de los flujos de capital hacia economías emergentes.

En primer lugar, se concluye que el PBI ejerce un impacto positivo y estadísticamente significativo sobre la IED en América Latina durante el periodo 2007-2023. El coeficiente estimado de 0,7592, con un p-valor de 0,016 (significativo al 5 %), indica que un incremento del 1 % en el PBI se asocia, en promedio, con un aumento del 0,76 % en los flujos de IED hacia la región. Este resultado refuerza la teoría del paradigma ecléctico de Dunning y confirma que el crecimiento económico sostenido genera expectativas favorables de rentabilidad para los inversionistas, incluso en contextos de incertidumbre global (Dunning, 1988; Blonigen & Piger, 2014).

En segundo término, se concluye que el índice riesgo país presenta un impacto positivo y estadísticamente significativo sobre la IED en América Latina durante el periodo analizado. El modelo econométrico revela que un aumento de una unidad en el EMBI se asocia, en promedio, con un incremento del 2,39 % en los flujos de IED (coeficiente 0,0239; p-valor 0,026), resultado significativo al 5 %. Este hallazgo, aunque contrario a la teoría económica tradicional —que sostiene que un mayor riesgo país debería desincentivar la inversión—, sugiere la presencia de factores estructurales o específicos de ciertos países que compensan el riesgo percibido por los inversionistas. Este hallazgo sugiere que, en América Latina, los inversionistas internacionales asumen el riesgo como parte de una estrategia de maximización de retornos de inversión, particularmente en sectores intensivos en recursos naturales y en economías con finanzas públicas relativamente estables.

Asimismo, se concluye que los resultados obtenidos para la variable LnDE (logaritmo de la deuda externa) indican que, si bien el coeficiente estimado es negativo (–0,8784), lo que sugeriría que un incremento del 1 % en la deuda externa estaría asociado con una disminución del 0,88 % en los flujos de IED, este efecto no resulta estadísticamente significativo (p-valor: 0,565). Por lo tanto, no es posible establecer una conclusión firme sobre el impacto de la deuda externa en la IED bajo este modelo, ya que la evidencia empírica no respalda la existencia de una relación robusta entre ambas variables en el periodo y contexto analizados. En consecuencia, la deuda externa no ejerce un impacto estadísticamente significativo sobre la IED, lo que indica que los niveles de endeudamiento, por sí solos, no han condicionado las decisiones de inversión extranjera en el periodo analizado. Este resultado sugiere que los inversionistas priorizan variables vinculadas al crecimiento y la estabilidad macroeconómica por encima de sus compromisos de deuda externa, siempre que esta sea percibida como manejable y sostenible.

De manera similar, la balanza de pagos no mostró un efecto significativo sobre los flujos de IED, lo cual permite inferir que los desequilibrios externos, medidos a través de la cuenta corriente, no constituyen un factor determinante inmediato para la inversión extranjera en América Latina. Este hallazgo se explica, en parte, por la creciente integración financiera internacional y por la capacidad de los países de la región para financiar déficits externos mediante distintos mecanismos de capital.

Desde el punto de vista metodológico, se concluye que el uso de modelos econométricos dinámicos (VAR, VEC y PDOLS) permitió capturar adecuadamente las relaciones de corto y largo plazo entre las variables, aportando robustez a los resultados y superando las limitaciones de enfoques estáticos predominantes en estudios previos. En este sentido, la investigación contribuye empíricamente a la literatura al ofrecer evidencia actualizada y metodológicamente sólida para el contexto latinoamericano.

Finalmente, se identifican líneas futuras de investigación orientadas a incorporar variables institucionales, políticas y sectoriales, así como a realizar análisis desagregados por tipo de IED y por sectores económicos. Asimismo, se sugiere ampliar el horizonte temporal y el número de países e incorporar metodologías no lineales que permitan profundizar en la relación entre riesgo y flujos de inversión extranjera.

FUENTE DE FINANCIAMIENTO

Se utilizaron recursos propios para el financiamiento del estudio.

CONFLICTO DE INTERESES

La autora expresa que no existe conflicto de intereses.

PROCESO DE REVISIÓN

Este estudio ha sido revisado por pares externos en la modalidad de doble ciego.

DECLARACIÓN DE DISPONIBILIDAD DE DATOS

Los datos se encuentran alojados junto a los demás archivos de este artículo, también se pueden pedir al autor de correspondencia.

REFERENCIAS

Aizenman, J., Jinjarak, Y., & Park, D. (2013). Capital flows and economic growth in the era of financial integration

and crisis, 1990-2010. Open Economies Review, 24(3), 371-396. https://doi.org/10.1007/s11079-012-9257-2

Alfaro, L., Chanda, A., Kalemli-Ozcan, S., & Sayek, S. (2010). Does foreign direct investment promote growth? Exploring the role of financial markets. Journal of International Economics, 91(2), 242-256. https://doi. org/10.1016/j.jinteco.2009.11.004

Alfaro, L., Kalemli-Ozcan, S., & Volosovych, V. (2010). Capital flows in a globalized world: The role of policies

and institutions. Review of Economics and Statistics, 92(4), 1063-1076. https://doi.org/10.1162/REST_a_00077

Asiedu, E. (2006). Foreign direct investment in Africa: The role of natural resources, market size, government policy, institutions and political instability. World Economy, 29(1), 63-77. https://doi.org/10.1111/j.1467-9701.2006.00758.x

Baltagi, B. H. (2021). Econometric analysis of panel data (6th ed.). Springer. https://doi.org/10.1007/978-3-030-53953-5

Bekaert, G., Harvey, C. R., Lundblad, C., & Siegel, S. (2016). Political risk spreads. Journal of Finance, 69(6), 2597-2641. https://doi.org/10.1111/jofi.12193

Bénassy-Quéré, A., Coupet, M., & Mayer, T. (2007). Institutional determinants of foreign direct investment. The World Economy, 30(5), 764-782. https://doi.org/10.1111/j.1467-9701.2007.01022.x

Blonigen, B. A., & Piger, J. (2014). Determinants of foreign direct investment. Canadian Journal of Economics, 47(3), 775-812. https://doi.org/10.1111/caje.12091

Borensztein, E., De Gregorio, J., & Lee, J. W. (1998). How does foreign direct investment affect economic growth?

Journal of International Economics, 45(1), 115-135. https://doi.org/10.1016/S0022-1996(97)00033-0

Busse, M., & Hefeker, C. (2007). Political risk, institutions and foreign direct investment. European Journal of Political Economy, 23(2), 397-415. https://doi.org/10.1016/j.ejpoleco.2006.02.003

CEPAL. (2022). La inversión extranjera directa en América Latina y el Caribe 2022. Naciones Unidas. https:// www.cepal.org/es/publicaciones

CEPAL. (2023). Estudio económico de América Latina y el Caribe. Naciones Unidas. https://www.cepal.org/es/ publicaciones

Chakrabarti, A. (2001). The determinants of foreign direct investment: Sensitivity analyses of cross-country regressions. Kyklos, 54(1), 89-114. https://doi.org/10.1111/1467-6435.00142

Dunning, J. H. (1988). The eclectic paradigm of international production. Journal of International Business Studies, 19(1), 1-31. https://doi.org/10.1057/palgrave.jibs.8490372

Dunning, J. H., & Lundan, S. M. (2008). Multinational enterprises and the global economy (2nd ed.). Edward Elgar.

Erb, C. B., Harvey, C. R., & Viskanta, T. E. (1996). Political risk, economic risk, and financial risk. Financial Analysts Journal, 52(6), 29-46. https://doi.org/10.2469/faj.v52.n6.2038

Hausman, J. A. (1978). Specification tests in econometrics. Econometrica, 46(6), 1251-1271. https://doi.

org/10.2307/1913827

Im, K. S., Pesaran, M. H., & Shin, Y. (2003). Testing for unit roots in heterogeneous panels. Journal of Econometrics, 115(1), 53-74. https://doi.org/10.1016/S0304-4076(03)00092-7

Johansen, S. (1995). Likelihood-based inference in cointegrated vector autoregressive models. Oxford University

Press.

Kao, C., & Chiang, M. H. (2000). On the estimation and inference of a cointegrated regression in panel data.

Advances in Econometrics, 15, 179-222. https://doi.org/10.1016/S0731-9053(00)15007-8

Krifa-Schneider, H., & Matei, I. (2010). Business climate, political risk and FDI in developing countries.

International Journal of Economics and Finance, 2(5), 54-65.

Krugman, P., Obstfeld, M., & Melitz, M. (2018). International economics: Theory and policy (11th ed.). Pearson.

Levin, A., Lin, C. F., & Chu, C. S. J. (2002). Unit root tests in panel data. Journal of Econometrics, 108(1), 1-24. https://doi.org/10.1016/S0304-4076(01)00098-7

Levine, R., & Renelt, D. (1992). A sensitivity analysis of cross-country growth regressions. American Economic Review, 82(4), 942-963.

Lütkepohl, H. (2005). New introduction to multiple time series analysis. Springer. https://doi.org/10.1007/978-3-540-27752-1

Panizza, U., & Presbitero, A. F. (2014). Public debt and economic growth. World Bank Economic Review, 28(3), 393-419. https://doi.org/10.1093/wber/lht008

Pedroni, P. (2004). Panel cointegration: Asymptotic and finite sample properties. Econometric Theory, 20(3), 597-625. https://doi.org/10.1017/S0266466604203073

Presbitero, A. F. (2012). Total public debt and growth in developing countries. European Journal of Development Research, 24(4), 606-626. https://doi.org/10.1057/ejdr.2011.62

Reinhart, C. M., & Rogoff, K. S. (2010). Growth in a time of debt. Working paper 15639, NBER

Stock, J. H., & Watson, M. W. (2012). Introduction to econometrics (3rd ed.). Pearson.

UNCTAD. (2023). World Investment Report 2023. United Nations. https://unctad.org/topic/investment/world-investment-report

Wooldridge, J. M. (2020). Introductory econometrics: A modern approach (7th ed.). Cengage Learning. World Bank. (2021). World Development Indicators. https://databank.worldbank.org