Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 29
Impacto de los Flujos Externos del Sector Primario
sobre la manufactura Ecuatoriana: evidencia
empírica de la enfermedad Holandesa
Impact of external flows from the primary sector on manufacturing in
Ecuador: empirical evidence from the Dutch Disease
Bonilla-Galeas Elvis Ismael
1
Ordoñez-Guanochanga Henry Paul
2
https://orcid.org/0009-0004-1245-8542
https://orcid.org/0009-0008-2428-4163
elvis.bonilla8153@utc.edu.ec
Henry.ordonez1899@utc.edu.ec
Ecuador, Latacunga, Universidad Técnica de
Cotopaxi.
Ecuador, Latacunga, Universidad Técnica de
Cotopaxi.
Peñaloza-Molina Hermes Yonel
3
https://orcid.org/0000-0003-4120-6040
hermes.penaloza8432@utc.edu.ec
Ecuador, Latacunga, Universidad Técnica de
Cotopaxi.
Autor de correspondencia
1
DOI / URL: https://doi.org/10.55813/gaea/jessr/v6/n3/265
Resumen: Esta investigación analiza la relación
dinámica entre el sector extractivo y la manufactura en
Ecuador durante el periodo 2000–2024, utilizando un
modelo VAR que incluye exportaciones de petróleo,
inversión minera, gasto público y el índice de tipo de
cambio efectivo real. Los resultados muestran que la
manufactura tiene una notable autonomía estructural,
explicando cerca del 80% de su propia variabilidad a
largo plazo. Sin embargo, las funciones de impulso-
respuesta indican que los choques de las
exportaciones petroleras y la inversión minera tienen
efectos contractivos moderados y duraderos en el
sector manufacturero. Además, la descomposición de
varianza reveló que el gasto público es el principal
canal externo que afecta a la industria, mientras que
las variables del sector extractivo tienen un impacto
limitado. Por lo tanto, no se encontró evidencia de una
desindustrialización estructural predominante, aunque
sí se observó una vulnerabilidad cíclica de la
manufactura ante choques externos y fiscales.
Palabras clave: enfermedad holandesa,
manufactura, dolarización, desindustrialización.
Research Article
Receptado: 04/May/2026
Aceptado: 01/Jun/2026
Publicado: 31/Jul/2026
Cita: Bonilla-Galeas, E. I., Ordoñez-
Guanochanga, H. P., & Peñaloza-Molina, H. Y.
(2026). Impacto de los Flujos Externos del Sector
Primario sobre la manufactura Ecuatoriana:
evidencia empírica de la enfermedad
Holandesa. Journal of Economic and Social
Science Research, 6(3), 29-
48. https://doi.org/10.55813/gaea/jessr/v6/n3/265
Journal of Economic and Social Science Research
(JESSR)
https://economicsocialresearch.com
jessr@editorialgrupo-aea.com
info@editoriagrupo-aea.com
Nota del editor: Editorial Grupo AEA se mantiene
neutral con respecto a las reclamaciones legales
resultantes de contenido publicado. La
responsabilidad de información publicada recae
enteramente en los autores.
© 2026. Este artículo es un documento de acceso
abierto distribuido bajo los términos y condiciones
de la Licencia Creative Commons, Atribución-
NoComercial 4.0 Internacional.
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 30
Artículo Científico
Abstract:
This study delves into the connection between the extractive sector and Ecuador's
manufacturing landscape from 2000 to 2024, utilizing a VAR model that factors in oil
exports, mining investments, public spending, and the real exchange rate. The findings
indicate that the manufacturing sector enjoys a significant level of structural
independence, accounting for about 80% of its long-term variability. However, the
impulse-response functions demonstrate that shocks from oil exports and mining
investments lead to moderate yet lasting contraction effects on manufacturing
activities. Additionally, the variance decomposition highlights public spending as the
primary external channel influencing the industry, while the impact of extractive
variables appears to be quite limited. As a result, the study does not support the notion
of a dominant structural deindustrialization process, but it does confirm that the
manufacturing sector is cyclically vulnerable to external and fiscal shocks within
Ecuador's dollarized economy.
Keywords: dutch disease, manufacturing, dollarization, deindustrialization.
1. Introducción
La transformación de la estructura productiva constituye un elemento central para el
crecimiento económico sostenible y el desarrollo de las naciones. Dicha teoría afirma
que el sector manufacturero juega un papel importante en la innovación, la generación
de empleo y el aumento de la productividad contribuyendo a la diversificación
económica y la competitividad internacional (Sachs & Warner, 2001). Sin embargo,
Corden y Neary (1982) argumentan que los aumentos en los sectores extractivos
pueden llevar a una apreciación del tipo de cambio real y a una reasignación de
recursos hacia sectores no transables, reduciendo la competitividad relativa del sector
manufacturero.
En América Latina, este debate ha tomado gran importancia por la fuerte dependencia
de las exportaciones en varias economías de la región, donde los ciclos de auge en
los precios de los recursos naturales pueden tener efectos estructurales en la industria
manufacturera (Cherif, 2013). En Ecuador, la economía ha dependido de la
explotación de recursos naturales, como el petróleo y actualmente la minería. Este
modelo ha suscitado interrogantes sobre la capacidad del país para construir una
estructura industrial variada y resistente ante los choques externos (Harding et al.,
2020). Durante el segundo auge petrolero, se observaron indicios de apreciación real
y un crecimiento en sectores no transables, lo que reavivó el debate sobre la posible
existencia de síntomas relacionados con la Enfermedad Holandesa (Montesdeoca et
al., 2020).
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 31
Artículo Científico
A pesar de que se han realizado varios estudios sobre la Enfermedad Holandesa en
Ecuador, aún hay mucho por explorar en cuanto a cómo los ingresos de los recursos
naturales impactan la estructura productiva y las variables macroeconómicas del país.
En este contexto, el presente estudio analiza los ingresos del sector primario, para
ello, se utiliza un modelo de Vectores Autorregresivos (VAR), que permite captar las
interacciones dinámicas entre variables macroeconómicas interdependientes,
examinando los choques externos que impactan la economía ecuatoriana (D’Agostino
et al., 2013).
Mecanismos de la Enfermedad Holandesa
El análisis de esta paradoja ha cobrado importancia a medida que los países se
enfrentan a bonanzas inesperadas que, en lugar de garantizar un desarrollo
equilibrado, terminan distorsionando gravemente el aparato productivo. Inicialmente,
según Corden y Neary (1982), este fenómeno se produce por los efectos del
movimiento de recursos y de gasto, lo que aumenta la demanda y desplaza la
producción manufacturera. Más adelante, Reisinezhad (2024) enfatiza esta
perspectiva al señalar que la magnitud del daño depende de la movilidad de los
factores y de la capacidad tecnológica de los sectores rezagados. Entonces, si no se
gestionan adecuadamente estos desajustes, la economía puede enfrentar procesos
de desindustrialización prematura y cambios estructurales persistentes (Sachs &
Warner, 2001).
El sector manufacturero se constituye en un núcleo dinámico para la innovación y la
competitividad. Por esta razón, la apreciación del tipo de cambio incrementa el riesgo
de ampliar la brecha tecnológica con respecto a economías más avanzadas (Cherif,
2013). De acuerdo con Bresser-Pereira (2020), las fuerzas del mercado resultan
insuficientes para revertir las distorsiones generadas por las rentas de los recursos
naturales. Además, la concentración en la actividad extractiva posee la capacidad de
alterar la estabilidad del sistema financiero, por lo que incluso en el contexto de
economía desarrolladas, se vuelve imperativa la implementación de políticas públicas
que protejan la competitividad industrial (Z. Li et al., 2021).
La trayectoria de los precios opera como uno de los vectores preponderantes en la
transmisión de este fenómeno. La literatura evidencia que los choques de oferta
derivados del descubrimiento de bastos recursos naturales desencadenan
apreciaciones cambiarias reales que merman de manera prolongada la rentabilidad
de la agricultura y la industria (Harding et al., 2020). Según Delamou (2025), los
aranceles estratégicos pueden proporcionar una protección temporal a las industrias
emergentes. Así también, la gravedad de los efectos depende de cómo se gestionen
los ingresos generados por el auge, para evitar presiones inflacionarias en el sector
servicios (Escobar et al., 2024).
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 32
Artículo Científico
Evidencia Internacional y el Debate en América Latina
La evidencia empírica muestra que los efectos de la enfermedad holandesa varían
según la estructura económica de cada país. En Kazajistán, por ejemplo, el auge
petrolero impulsó el crecimiento del sector servicios, pero afectó negativamente el
desempeño de la industria manufacturera (Atakhanova, 2021). De manera similar, en
China, las provincias ricas en recursos naturales han visto un retroceso en la
manufactura, lo que corrobora la idea de la maldición de los recursos, incluso a nivel
subnacional (Shao et al., 2020). Además, se ha sugerido que la integración en
cadenas globales de valor solo ayuda a mitigar estos efectos cuando los países
exportan productos con un mayor contenido tecnológico (Y. Li et al., 2025).
En América Latina, la sobrevaluación del tipo de cambio se convierte en una constante
para salir de la trampa de ingresos medios, siendo la apreciación crónica frena el
avance necesario hacia una mayor sofisticación productiva (Bresser-Pereira et al.,
2020). Para Vargas y Saldarriaga (2020), un caso notable es el de Colombia, donde
las exportaciones de hidrocarburos afectaron negativamente el crecimiento industrial
entre 1960 y 2016. Por otro lado, Chile muestra algunos encadenamientos positivos
en el sector minero, aunque la presión cambiaria sigue siendo un riesgo latente
(Medina, 2021). Así, la experiencia en la región confirma que los ciclos de auge a
menudo obstaculizan la industrialización.
El canal monetario juega un papel importante en amplificar estos desequilibrios. En
países ricos en petróleo, la eficiencia del sistema bancario tiende a caer durante los
periodos de auge, ya que los créditos se asignan de manera ineficiente a sectores que
no son productivos (Umar et al., 2021). Para Constantine y Khemraj (2025), las
instituciones débiles y las empresas extractivas pueden influir en la estructura del
Estado y reforzar patrones de dependencia económica. En economías como la de
Trinidad y Tobago, según la monetización de déficits fiscales, financiados con ingresos
petroleros, ha llevado a un aumento de la inflación en sectores no transables, lo que
afecta el tipo de cambio real, incluso sin que haya una apreciación nominal significativa
(Funk et al., 2021).
La Literatura Específica sobre el Caso Ecuatoriano
En Ecuador, hay indicios claros de un resurgimiento de la enfermedad holandesa
clásica durante el segundo auge petrolero (2004-2013). Este periodo se caracterizó
por una apreciación real y una expansión de los sectores no transables, a pesar de la
dolarización (Montesdeoca et al., 2020). Debido a la rigidez monetaria, el ajuste se
llevó a cabo a través de los precios internos, lo que encareció los costos de producción
locales en comparación con los socios comerciales debilitando la competitividad
general (Alssadek & Benhin, 2021).
A pesar de la considerable inversión pública, los cambios en la estructura productiva
han sido bastante limitados. La acumulación de infraestructura física no asegura la
diversificación a menos que venga acompañada de desarrollo del capital humano e
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 33
Artículo Científico
innovación tecnológica (Lashitew et al., 2021). A pesar de los avances en
infraestructura vial y energética, la economía ecuatoriana mantiene una estructura
exportadora fuertemente concentrada en productos primarios, con un dinamismo
limitado de las exportaciones no tradicionales (Rowthorn, 2024).
En el caso ecuatoriano, la literatura muestra que se ha analizado los efectos de la
renta petrolera y la apreciación real sobre la estructura productiva; sin embargo, existe
menor evidencia reciente sobre la interacción dinámica entre exportaciones
petroleras, inversión minera, gasto público, índice de tipo de cambio efectivo real y
desempeño manufacturero bajo dolarización. Esta brecha justifica el uso de un modelo
VAR para examinar la respuesta de la manufactura ante choques externos y fiscales
(Larrea-Cuadrado & Villegas-Yagual, 2026).
2. Materiales y métodos
Diseño y Enfoque de la Investigación
La investigación adoptó un enfoque cuantitativo centrado en analizar las interacciones
macroeconómicas en una economía dolarizada que depende de recursos naturales.
Más allá de los análisis tradicionales basados únicamente en correlaciones, este
enfoque permitió contrastar empíricamente la estructura de los rezagos y la dirección
de la causalidad entre los choques externos y el desempeño industrial. Según Fry-
Mckibbin et al. (2025), este tipo de análisis ayuda a identificar con mayor precisión los
canales de transmisión macroeconómica. Como resultado, el diseño metodológico
contrastó las predicciones teóricas relacionadas con la desindustrialización y el
cambio estructural, lo que permitió hacer inferencias más sólidas que las que se
obtendrían a través de simples correlaciones estadísticas (Wang et al., 2023).
El enfoque principal de este estudio fue identificar la magnitud y la duración de los
impactos en el sector manufacturero utilizando técnicas estadísticas multivariadas.
Esta metodología permitió captar la endogeneidad y las interacciones simultáneas
entre las variables fiscales y productivas, superando así las limitaciones de los análisis
estáticos de equilibrio parcial (Nyiwul et al., 2025). Los modelos multivariados son
especialmente útiles para examinar economías abiertas que dependen en gran
medida de los recursos naturales. Gracias a este enfoque, se pudo analizar cómo el
sector transable reacciona ante cambios inesperados en los ingresos de los
commodities, teniendo en cuenta también la inercia histórica de las variables
macroeconómicas.
Datos, Procesamiento y Definición de Variables
La recolección de información se fundamentó en series de tiempo oficiales que
abarcan desde el 2000 hasta 2024. Las bases de datos empleadas provienen del
Banco Central del Ecuador (BCE) y del Instituto Nacional de Estadística y Censos
(INEC), lo que asegura la coherencia institucional de los indicadores. Se decidió
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 34
Artículo Científico
deliberadamente excluir la crisis financiera de 1999 para evitar distorsiones
relacionadas con el cambio de régimen monetario. Así, todas las observaciones
analizadas se sitúan en un contexto de estabilidad monetaria bajo la dolarización
oficial.
Dado que algunas cuentas nacionales solo estaban disponibles con frecuencia anual,
se utilizó el método de desagregación temporal propuesto por Boot et al. (1967)
mediante el software ECOTRIM desarrollado por Eurostat. Este procedimiento permite
crear series de datos más frecuentes, manteniendo la coherencia con los valores
anuales originales. Mediante este procedimiento, se construyó una base de datos
mensuales consistente con los valores anuales originales. Como resultado, la
aplicación de esta técnica amplió los grados de libertad necesarios para la estimación
econométrica y mejoró la confiabilidad estadística del análisis.
En la Tabla 1, se detallan las variables empleadas en el modelo, organizadas
jerárquicamente según su función en la estimación. Asimismo, se mantuvo la
estructura solicitada para visualizar claramente los indicadores, sus unidades y las
fuentes oficiales.
Tabla 1
Variables e indicadores período 2000 - 2024
Variable
Indicador
Unidad de medida
Fuente
Manufactura
Participación o valor
del sector
manufacturero
Millones de dólares o porcentaje
del PIB
(BCE, 2026a)
Exportaciones
petroleras
Exportaciones
petroleras
Millones de dólares
Gasto público
Gasto del Gobierno
Millones de dólares
Inversión minera
Inversión extranjera
directa en minería
Millones de dólares
ITCER
Índice de tipo de
cambio efectivo real
Índice base 2018 = 100
(INEC, 2026)
Nota: Elaboración a partir de datos del BCE (2026a) e INEC (2026).
Modelo de Vectores Autorregresivos
El análisis econométrico se fundamentó en un Modelo de Vectores Autorregresivos
(VAR), el cual permite capturar relaciones dinámicas entre variables
macroeconómicas interdependientes sin imponer restricciones estructurales iniciales.
La especificación general del modelo se expresa como:
𝐘
𝒕
= 𝐜 + 𝐀
𝟏
𝐘
𝒕#𝟏
+ 𝐀
𝟐
𝐘
𝒕#𝟐
+ ⋯ + 𝐀
𝒑
𝐘
𝒕#𝒑
+ 𝐮
𝒕
Donde
Y
&
es un vector de orden 5x1 que contiene las variables endógenas del
sistema: Manufactura, Exportaciones Petroleras, Gasto Público, la inversión
extranjera directa en minería y el ITCER; c representa el vector de interceptos;
A
1
,…,A
p
son las matrices de coeficientes que capturan la persistencia temporal y las
interrelaciones entre las variables; p representa el número de rezagos incluidos en el
modelo y u
t
es el vector de perturbaciones o innovaciones (ruido blanco). Según
Demetrescu y Salish (2024) este enfoque es efectivo para captar las
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 35
Artículo Científico
interdependencias dinámicas que se dan en economías abiertas. Así, el modelo ayuda
a identificar cómo los choques externos afectan al sector productivo.
Para asegurar la consistencia estadística del modelo, el análisis inicia con la
evaluación de la estacionariedad de las series mediante las pruebas de raíz unitaria
ADF y Phillips-Perron. Este procedimiento previene la aparición de relaciones espurias
y permite identificar el orden de integración de las variables, un requisito necesario
para el análisis dinámico de los recursos naturales (Barczikay et al., 2020).
Posteriormente, se estableció la longitud óptima de los rezagos utilizando los criterios
de información AIC y BIC, buscando un balance entre la simplicidad y la precisión del
modelo. Por último, se verificó la estabilidad del sistema asegurando que las raíces
del polinomio característico se encuentren dentro del círculo unitario.
La identificación de shocks estructurales se llevó a cabo utilizando la descomposición
de Cholesky, lo que nos permitió obtener las Funciones de Impulso-Respuesta (IRF).
A través de este procedimiento, se examinó el comportamiento del sector
manufacturero frente a perturbaciones externas en variables como las exportaciones
de recursos o el gasto público. Boire y Nell (2021) destacan la idoneidad de este
método al evaluar la propagación temporal de los shocks macroeconómicos. Así, las
IRF nos brindaron la oportunidad de medir tanto la magnitud como la duración de los
efectos que el auge exportador tiene sobre la actividad manufacturera.
Se utilizó la Descomposición de Varianza del Error de Pronóstico (FEVD) para evaluar
cuánto contribuyen diferentes choques a la volatilidad en el sector manufacturero. Esta
técnica ayuda a identificar qué parte de las fluctuaciones futuras se debe a factores
externos relacionados con los recursos naturales en comparación con variables
internas de la economía. Además, se llevó a cabo pruebas de diagnóstico sobre los
residuos para asegurarse de que el modelo esté correctamente especificado. Calzada
(2024) destaca que estas pruebas son esenciales para asegurar la solidez de las
inferencias econométricas.
Implementación y Justificación
El análisis econométrico se llevó a cabo en Python utilizando las bibliotecas pandas y
statsmodels, lo que asegura que el procesamiento de datos sea transparente y
replicable. Se utilizó un modelo VAR para explorar la endogeneidad y las interacciones
dinámicas entre las variables macroeconómicas que se incluyeron en el estudio. Este
enfoque permitió descubrir cómo los choques externos impactan en el sector
manufacturero y evaluar tanto la magnitud como la persistencia de los efectos
relacionados con la Enfermedad Holandesa en la economía ecuatoriana bajo el
régimen de dolarización.
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 36
Artículo Científico
3. Resultados
3.1. Caracterización Estadística de las Variables.
El análisis empírico comienza con la caracterización de los datos para entender la
naturaleza de la economía ecuatoriana en el periodo de estudio 2000 - 2024.
Presentar los estadísticos descriptivos es fundamental, ya que permite identificar la
magnitud de las variaciones antes de aplicar el modelo econométrico. El análisis de
las series temporales permite identificar la volatilidad inherente a los flujos externos
del sector primario en comparación con la estabilidad del sector manufacturero, siendo
importante destacar el cambio a través del tiempo de una economía dependiente del
petróleo a nuevas variables que con el tiempo ha implementado el país.
Tabla 2
Estadísticas Descriptivas
Estadística
Manufactura
Exp_Petroleras
Gasto
Público
ITCER
Inversión_Minas
Media
801.62
659,688.30
882.84
110.20
21,003.97
Desviación
Estándar
328.36
308,079.70
453.28
15.85
21,902.55
Mínimo
276.26
151,774.90
128.19
91.50
-19,651.73
Percentil 25
476.59
435,920.90
406.97
100.87
5,809.64
Percentil 50
863.57
648,362.10
1,006.47
108.63
19,733.66
Percentil 75
1,088.27
878,139.60
1,299.41
114.84
35,438.61
Máximo
1,303.36
1,221,041.00
1,400.86
229.52
77,825.28
Nota: (Autores, 2026).
En la Tabla 2 se observa que la producción petrolera y la inversión minera presentan
una desviación estándar significativamente superior a la de la manufactura. Esta
elevada volatilidad refleja la naturaleza del sector extractivo, caracterizado por los
ciclos marcados y una mayor sensibilidad a shocks externos. Estos niveles de
dispersión sugieren una alta variabilidad en el comportamiento de las series a lo largo
del periodo analizado, los cual será profundizado posterior.
3.2. Dinámica Comparada: El Sector Primario vs. la Industria
Para identificar visualmente la posible existencia de la "Enfermedad Holandesa", se
contrastó la evolución del sector manufacturero frente a los dos motores extractivos
del país. Este análisis permite verificar si el crecimiento industrial se ve desplazado o
impulsado por las bonanzas de recursos naturales.
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 37
Artículo Científico
Figura 1
Auge Petrolero vs Sector Manufacturero
Nota: (Autores, 2026).
Como se observa en la Figura 1, la evolución histórica muestra que el sector
manufacturero ha mantenido una tendencia de crecimiento sostenido, a pesar de las
fluctuaciones en la producción de petróleo.
3.3. Correlación
Figura 2
Mapa de correlación de Pearson
Nota: (Autores, 2026).
Un hallazgo crítico se presenta en la Figura 2, donde se observa una correlación de
0.98 entre el Gasto Público y la Manufactura. La alta correlación observada entre gasto
público y manufactura sugiere una asociación positiva entre ambas variables. Sin
embargo, este resultado debe interpretarse con cautela, ya que la correlación no
permite establecer causalidad ni dependencia estructural directa.
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 38
Artículo Científico
3.4. Estimación y Validación del Modelo de Vectores Autoregresivos (VAR)
Tabla 3
Estacionariedad de las variables
Variable
ADF
Phillips-Perron
Δ Manufactura
-3.657 (0.005)
-3.101 (0.026)
Δ Exp_Petroleras
-4.980 (0.000)
-3.503 (0.008)
Δ Gasto_Publico
-3.149 (0.023)
-2.596 (0.094)
Δ TCR
-8.853 (0.000)
-9.131 (0.000)
Δ Inversion_Minas
-5.782 (0.000)
-3.600 (0.006)
Nota: (Autores, 2026).
Antes de estimar el modelo VAR, se evaluó la estacionariedad de las variables
mediante las pruebas Dickey-Fuller Aumentado (ADF) y Phillips-Perron (PP). Como
se observa en la Tabla 3, las series alcanzaron estacionariedad en primera
diferenciación, ya que la mayoría de los valores p fueron inferiores al 0.05, permitiendo
rechazar la hipótesis nula de raíz unitaria. Manufactura presentó estadísticos ADF de
-3.657 (0.005) y PP de -3.101 (0.026), mientras que Exportaciones Petroleras registró
valores de -4.980 (0.000) y -3.503 (0.008), respectivamente. De igual manera, el TCR
evidenció una fuerte estacionariedad con estadísticos de -8.853 y -9.131. Aunque
Gasto Público mostró una significancia marginal en la prueba PP (0.094), los
resultados generales confirman que las variables son integradas de orden I(1),
garantizando condiciones adecuadas para la estimación del modelo VAR y evitando
problemas de regresiones espurias.
3.4.1. Estimación del Modelo VAR
Una vez identificada la estructura más adecuada del modelo, se procedió a su
estimación con el fin de examinar las interrelaciones dinámicas entre las variables
consideradas. En este contexto, el modelo VAR permite captar los efectos de corto
plazo y la retroalimentación existente dentro del sistema, proporcionando evidencia
relevante sobre el comportamiento conjunto de las variables y su evolución a lo largo
del período analizado.
Tabla 4
Resultados de la ecuación Logaritmo de Manufactura.
Variable
Coeficiente
Error
estándar
t-estadístico
Prob.
const
0.038141
0.049527
0.770
0.441
L1.Manufactura
1.879507
0.066438
28.290
0.000
L1.Exp_Petroleras
-0.000019
0.000015
-1.282
0.200
L1.Gasto_Publico
0.070040
0.075131
0.932
0.351
L1.ITCER
0.013164
0.023031
0.572
0.568
L1.Inversion_Minas
0.000026
0.000067
0.384
0.701
L2.Manufactura
-0.912109
0.066635
-13.688
0.000
L2.Exp_Petroleras
0.000017
0.000015
1.133
0.257
L2.Gasto_Publico
-0.064442
0.074518
-0.865
0.387
L2.ITCER
-0.003294
0.020731
-0.159
0.874
L2.Inversion_Minas
-0.000013
0.000066
-0.203
0.839
Nota: La tabla resume los resultados más relevantes del modelo VAR estimado para el sector
manufacturero (Autores, 2026).
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 39
Artículo Científico
Los resultados presentados en la Tabla 4 muestran que el comportamiento de la
manufactura ecuatoriana está determinado, principalmente, por su propia evolución
en períodos anteriores. En efecto, los coeficientes correspondientes al primer y
segundo rezago de la variable manufactura resultan estadísticamente significativos, lo
que evidencia una importante persistencia temporal dentro del sector. En contraste,
las exportaciones petroleras, el gasto público, el Índice del Tipo de Cambio Efectivo
Real (ITCER) y la inversión en minas y canteras no presentan significancia estadística
en los rezagos analizados. Por lo tanto, los resultados obtenidos no permiten afirmar
que estas variables hayan ejercido una influencia directa sobre las variaciones de
corto plazo de la actividad manufacturera durante el período de estudio, sugiriendo
que otros factores podrían estar explicando su desempeño.
3.4.2. Pruebas de Robustez y Diagnóstico del Modelo
La validez de las inferencias obtenidas de las ecuaciones anteriores depende de que
los residuos del modelo cumplan con los rigurosos supuestos estadísticos. En este
contexto, la Tabla 5 presenta los resultados de las pruebas de diagnóstico aplicadas
a los residuos del modelo. La prueba LM/Portmanteau no muestra evidencia de
autocorrelación serial, dado que su p-valor es superior al nivel de significancia del 5%.
Asimismo, la prueba ARCH no evidencia problemas de heterocedasticidad, lo que
sugiere que la varianza de los errores se mantiene relativamente estable. En conjunto,
estos resultados respaldan la adecuación estadística del modelo estimado para el
análisis de las relaciones dinámicas entre las variables.
Tabla 5
Pruebas de Robustez
Prueba
Hipótesis Nula
Estadístico
P-valor
Decisión
LM / Portmanteau
No existe
autocorrelación
493.081
0.0688
No se rechaza H0 (No
hay autocorrelación)
Heterocedasticidad
ARCH
No existe
heterocedasticidad
29.262
0.8762
No se rechaza H0
(Homocedasticidad)
Nota: (Autores, 2026).
3.4.3. Funciones de Impulso-Respuesta (IRF)
Se llevó a cabo una evaluación de la persistencia y magnitud de los efectos utilizando
las Funciones de Impulso-Respuesta. Este análisis nos permite ver cómo reacciona el
sector manufacturero ante choques inesperados en los ingresos petroleros, la
inversión minera y el gasto público a lo largo de un horizonte de 30 meses. Al respecto,
este resultado sugiere la presencia de una respuesta procíclica de la manufactura ante
choques petroleros, aunque su interpretación debe realizarse con cautela debido a la
naturaleza empírica del modelo VAR. Esto implica que, si bien se observa una relación
dinámica, los resultados no deben tomarse como una afirmación estructural absoluta,
sino como una evidencia del comportamiento de las series en el periodo analizado.
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 40
Artículo Científico
Figura 3
Efecto del Petróleo sobre la Manufactura
Nota: (Autores, 2026).
De acuerdo con los resultados presentados en la Figura 3, la función de impulso-
respuesta indica que, cuando hay un choque en las exportaciones de petróleo, la
manufactura presenta inicialmente una variación positiva de baja magnitud. Sin
embargo, a partir del segundo período, se nota una rápida contracción que lleva la
respuesta al cuadrante negativo, manteniendo este estancamiento durante el mediano
plazo. Este patrón sugiere que la manufactura podría estar sufriendo un efecto
contractivo ante los choques en el sector petrolero; sin embargo, es importante
analizar estos indicios con cautela, ya que el modelo VAR puede identificar relaciones
dinámicas, pero no confirma los mecanismos estructurales definitivos.
Figura 4
Efecto de la Inversión Minera sobre la Manufactura
Nota: (Autores, 2026).
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 41
Artículo Científico
Al analizar el impacto de Inversión minera en el sector manufacturero, se observa una
dinámica similar, tal como se ilustra en la Figura 4. Aunque la trayectoria estimada
comienza con un descenso que la lleva por debajo de la línea de origen, el hecho de
que el valor cero esté incluido dentro de las bandas de confianza a lo largo de todo el
periodo indica que esta contracción no tiene una significancia estadística. Al
considerar estas trayectorias en su conjunto, los resultados muestran que los choques
del sector extractivo no logran generar un efecto sólido en la industria manufacturera.
Esto sugiere una articulación limitada entre las actividades extractivas y el sector
secundario, aunque las limitaciones inherentes del modelo VAR impidan corroborar
de forma directa la existencia de encadenamientos productivos reales.
3.5 Descomposición de la Varianza del Error de Pronóstico (FEVD)
Mientras que las funciones de impulso-respuesta nos muestran cómo se desarrollan
los choques a lo largo del tiempo, la Descomposición de la Varianza (FEVD) nos ayuda
a medir cuán importante es cada perturbación externa en la variabilidad de la
manufactura. Este tipo de análisis es clave para entender si el sector industrial tiene
un crecimiento independiente o si su inestabilidad está influenciada por factores
externos y fiscales en diferentes plazos.
Tabla 6
Descomposición de la varianza.
Periodo
Manufactura
Exp_Petroleras
Gasto_Publico
ITCER
Inversion_Minas
0
1.000.000
0.000000
0.000000
0.000000
0.000000
1
0.999255
0.000170
0.000273
0.000255
0.000020
2
0.997610
0.000548
0.001036
0.000643
0.000093
3
0.995085
0.001080
0.002372
0.001110
0.000251
4
0.991622
0.001729
0.004376
0.001623
0.000534
...
...
...
...
...
...
25
0.808317
0.022662
0.111091
0.008393
0.032099
26
0.807621
0.023511
0.110828
0.008377
0.032070
27
0.807107
0.024243
0.110627
0.008364
0.032025
28
0.806645
0.024839
0.110555
0.008354
0.031986
29
0.806149
0.025289
0.110642
0.008347
0.031962
Nota: La tabla presenta una versión abreviada de la descomposición de varianza del error de pronóstico
(FEVD) para la variable manufactura (Autores, 2026).
Los resultados de la Tabla 6 muestran que, durante los primeros períodos, las
variaciones observadas en el sector manufacturero son explicadas casi en su totalidad
por su propio comportamiento, con una participación superior al 99%. A medida que
aumenta el horizonte de análisis, otras variables comienzan a influir gradualmente en
la dinámica del sector. No obstante, al período 29 la manufactura sigue explicando el
80.61% de su propia varianza, lo que refleja la importancia de sus factores internos en
la evolución de la actividad industrial. Entre las variables externas consideradas, el
gasto público es la que presenta la mayor incidencia, al explicar el 11.06% de las
fluctuaciones de la manufactura en el largo plazo. Le siguen la inversión minera, con
una participación del 3.20%, y las exportaciones petroleras, con el 2.53%. Por otro
lado, el ITCER muestra una influencia limitada, aportando únicamente el 0.83% de la
variabilidad del sector. En conjunto, estos resultados indican que, aunque existen
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 42
Artículo Científico
factores macroeconómicos que afectan al desempeño manufacturero, su
comportamiento continúa estando determinado principalmente por elementos propios
de su estructura productiva y su trayectoria histórica.
El análisis de la descomposición de varianza deja en claro que la dinámica del sector
manufacturero está principalmente influenciada por factores internos. Por otro lado,
los impactos provenientes de los sectores extractivos mantienen un papel secundario
en el sistema económico, mientras que la política fiscal asume una relevancia
intermedia al consolidarse como el principal canal de transmisión externa hacia la
industria en el largo plazo.
3.6 Causalidad de Granger
Tabla 7
Prueba de causalidad de Granger.
Variable
Manufactura
Exp_Petroleras
Gasto_Publico
ITCER
Inversion_Minas
Manufactura
1.000
0.4324
0.9825
0.2994
0.6595
Exp_Petroleras
0.9850
1.000
0.7114
0.2725
0.7248
Gasto_Publico
0.0000
0.0000
1.000
0.8771
0.0001
TCR
0.2205
0.0218
0.0371
1.000
0.3283
Inversion_Minas
0.9996
0.9952
0.4014
0.9219
1.000
Nota: Los valores corresponden a p-valores de la prueba de causalidad de Granger. Valores menores
a 0.05 indican evidencia estadísticamente significativa de causalidad (Autores, 2026).
Como se observa en la Tabla 7, la prueba de causalidad de Granger evidencia la
existencia de algunas relaciones causales estadísticamente significativas entre las
variables analizadas. En particular, el Gasto Público presenta una relación causal
sobre la Manufactura, al registrar un valor p de 0.0000, lo que indica que sus
variaciones contribuyen a explicar el comportamiento futuro del sector manufacturero.
Asimismo, se identifica una relación causal del ITCER sobre las Exportaciones
Petroleras (p = 0.0218) y sobre el Gasto Público (p = 0.0371), sugiriendo que las
variaciones en la competitividad externa influyen en la dinámica de estas variables.
Por otro lado, las Exportaciones Petroleras (p = 0.9850) y la Inversión Minera (p =
0.9996) no presentan evidencia de causalidad estadísticamente significativa sobre la
Manufactura. Asimismo, el ITCER tampoco muestra un vínculo causal significativo en
relación con la manufactura (p = 0.2205). En resumen, la evidencia empírica destaca
al gasto público como el principal canal de transmisión hacia el desempeño
manufacturero, a diferencia de los otros agregados macroeconómicos analizados,
cuya influencia resulta ser marginal o indirecta en el contexto económico que estamos
estudiando
4. Discusión
La evidencia empírica obtenida mediante el modelo VAR indica que no hay una
reacción dinámica inmediata ni de gran magnitud entre el sector extractivo y la
industria manufacturera. Esto sugiere que el impacto directo del sector extractivo
sobre la manufactura es bastante limitado. En este contexto, la descomposición de la
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 43
Artículo Científico
varianza respalda la idea de que la manufactura es responsable de aproximadamente
el 80.61% de su propia variabilidad al llegar al mes 29, lo que pone de manifiesto una
fuerte inercia interna en la dinámica del sector. Al mismo tiempo, al analizar la
influencia combinada de las exportaciones de crudo y la inversión minera, vemos que
su contribución total apenas alcanza el 5.73% a largo plazo. Este aporte marginal pone
en duda la validez de la hipótesis de una desindustrialización dominante provocada
directamente por los flujos de divisas y refuerza la noción de que el aparato productivo
local tiene una autonomía relativa frente a las perturbaciones causadas por los
ingresos primarios.
El análisis de las funciones de impulso-respuesta nos brinda una visión analítica
fundamental, mostrando que los choques en el precio del petróleo, en lugar de
impulsar el sector secundario, generan una caída inmediata que se vuelve negativa a
partir del segundo mes, y esta fase de contracción se extiende durante un tiempo
considerable. Un patrón similar se observa con las perturbaciones en el sector minero,
que afectan el producto fabril de manera casi instantánea y de forma persistente. Esta
dinámica de contracción se aclara al comparar el comportamiento de los agregados
de política y los precios relativos; a largo plazo, el gasto público se convierte en la
principal fuerza de transmisión, representando el 11.06% de la varianza industrial, en
marcado contraste con la neutralidad teórica del índice de tipo de cambio efectivo real
(ITCER), cuya influencia marginal apenas llega al 0.83%.
Bajo el sistema de dolarización oficial, esta situación demuestra que la forma en que
se benefician de las bonanzas extractivas ocurre a través de un mecanismo indirecto.
La renta primaria se captura principalmente a través de la vía fiscal, y el aumento en
el gasto público eleva los costos internos, lo que a su vez afecta la competitividad del
sector manufacturero local, incluso si el tipo de cambio nominal se mantiene estable.
En resumen, la evidencia empírica muestra una clara vulnerabilidad cíclica en la
industria ecuatoriana ante choques externos, como lo indican las trayectorias
contractivas de las funciones de impulso-respuesta. Sin embargo, este nivel de
sensibilidad no implica una subordinación estructural irreversible ni un desplazamiento
mecánico. La importancia del canal fiscal en comparación con el comercial resalta que
la gobernanza presupuestaria y la dinámica inflacionaria de los costos internos en una
economía dolarizada son factores clave para mantener la estabilidad del sector
manufacturero frente a la volatilidad de los mercados globales
Los resultados también guardan relación con Barczikay et al. (2020), quienes
identifican una manifestación parcial de la Enfermedad Holandesa en Botsuana, y con
Boire y Nell (2021), que analizan críticamente este fenómeno en una economía
dependiente de la extracción de oro. Estas evidencias permiten interpretar que la
expansión extractiva no produce necesariamente una contracción industrial
automática ni uniforme, pues sus efectos dependen de la integración del sector
primario con el resto del sistema productivo, la utilización interna de las rentas y la
capacidad institucional para impulsar procesos de diversificación. En Ecuador, la baja
contribución conjunta de las exportaciones petroleras y la inversión minera a la
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 44
Artículo Científico
varianza de la manufactura coincide con esta interpretación: la dependencia extractiva
existe, pero su transmisión hacia el sector industrial se presenta de manera parcial e
indirecta. Por ello, los hallazgos no descartan completamente la hipótesis de la
Enfermedad Holandesa, sino que muestran una modalidad condicionada por la
dolarización y por el predominio del canal fiscal sobre el cambiario.
Esta interpretación debe considerarse con cautela frente a la evidencia internacional.
Calzada (2024) demuestra que los efectos de la actividad minera pueden extenderse
hacia otros sectores y expresarse mediante cambios en el empleo, aunque su
intensidad varía entre países y estructuras productivas. Por su parte, Demetrescu y
Salish (2024), advierten que los modelos VAR pueden generar estimaciones sensibles
cuando se ignoran cambios estructurales en la media y la volatilidad de las series. En
el presente estudio, esta consideración resulta relevante porque el periodo 2000–2024
comprende episodios heterogéneos, como variaciones abruptas del precio del
petróleo, reformas fiscales, expansión de la minería, crisis financieras, la pandemia de
COVID-19 y posteriores procesos de recuperación. En consecuencia, aunque el
modelo permite identificar interacciones dinámicas y evaluar la dirección temporal de
las relaciones, sus resultados no deben interpretarse como evidencia definitiva de
causalidad económica estructural ni como una representación completa de todos los
canales mediante los cuales la actividad extractiva afecta a la manufactura.
Otra limitación se relaciona con la construcción y periodicidad de la información
utilizada. El procedimiento de Boot et al. (1967) permite derivar datos trimestrales a
partir de cifras anuales conservando la coherencia temporal de las series; sin
embargo, cualquier proceso de desagregación introduce valores estimados que
pueden suavizar fluctuaciones reales o generar dinámicas que no se observan
directamente en los datos originales. Esta condición puede influir en la selección de
rezagos, las funciones de impulso-respuesta y la descomposición de la varianza.
Además, el modelo trabaja con variables macroeconómicas agregadas, por lo que no
diferencia los efectos entre ramas manufactureras, territorios, tamaños empresariales
o tipos de inversión minera. Futuras investigaciones pueden incorporar pruebas de
quiebres estructurales, modelos VAR con parámetros cambiantes, especificaciones
no lineales y comparaciones entre periodos de auge y contracción. También resulta
pertinente emplear información sectorial y provincial para determinar si los efectos
extractivos se concentran en industrias o territorios específicos y evaluar con mayor
precisión los encadenamientos productivos entre minería, petróleo y manufactura
(Quinatoa-Sangucho & Parreño-Herrera, 2026).
5. Conclusiones
Este estudio se adentra en la relación entre el sector extractivo y la manufactura en
Ecuador durante el periodo 2000–2024. Para ello, se utilizó un modelo VAR que
incluye variables como las exportaciones de petróleo, la inversión minera, el gasto
público y el índice de tipo de cambio efectivo real. Los hallazgos muestran
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 45
Artículo Científico
interacciones dinámicas y complejas entre estos dos sectores, lo cual se confirma
mediante pruebas de causalidad y funciones de impulso-respuesta. Sin embargo, al
descomponer la varianza, se observa que el sector manufacturero mantiene una
notable autonomía estructural, siendo responsable del 80.61% de su propia
variabilidad a largo plazo. Por lo tanto, la evidencia sugiere que no hay un fenómeno
de desindustrialización directa que sea causado únicamente por el auge del sector
extractivo primario.
Las estimaciones indican que las exportaciones de petróleo y la inversión en minería
tienen un impacto bastante limitado en las fluctuaciones industriales, representando
de forma conjunta menos del 6% de su variabilidad en el horizonte extendido. Por su
parte, el índice de tipo de cambio efectivo real muestra un efecto restringido en el largo
plazo, lo cual es coherente con las limitaciones propias del régimen de dolarización
oficial. En contraste, el gasto público se establece como la principal fuerza de
transmisión entre los factores externos, explicando el 11.06% de esa varianza. Estos
resultados sugieren que los mecanismos relacionados con la Enfermedad Holandesa
no funcionan a través del canal comercial tradicional, sino que se transmiten de
manera indirecta a través del ámbito fiscal. Así, los efectos observados se deben a un
aumento en el gasto estatal que, a su vez, encarece los costos de producción y reduce
la competitividad de las fábricas locales.
Los vectores que hemos analizado indican que la economía ecuatoriana muestra
cierta sensibilidad a los choques externos que provienen del sector extractivo, pero no
se puede decir que esté completamente subordinada en términos productivos. La
estabilidad relativamente buena de la manufactura brinda una oportunidad para crear
directrices que fortalezcan los encadenamientos productivos, fomenten la
diversificación industrial y promuevan la innovación tecnológica. Por lo tanto, es crucial
que la estrategia se centre en mejorar la productividad y reducir el impacto del gasto
estatal en la estructura de costos. Así, los resultados del modelo VAR revelan una
interdependencia moderada en el contexto de la dolarización, lo que sugiere que hay
una vulnerabilidad externa ante la volatilidad fiscal, aunque no hay pruebas de una
desindustrialización que sea dominante o irreversible.
CONFLICTO DE INTERESES
“Los autores declaran no tener ningún conflicto de intereses”.
Referencias Bibliográficas
Alssadek, M., & Benhin, J. (2021). Oil boom, exchange rate and sectoral output: An
empirical analysis of Dutch disease in oil-rich countries. Resources Policy, 74,
Artículo 102362. https://doi.org/10.1016/j.resourpol.2021.102362
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 46
Artículo Científico
Atakhanova, Z. (2021). Kazakhstan’s oil boom, diversification strategies, and the
service sector. Mineral Economics, 34(3), 399–409.
https://doi.org/10.1007/s13563-021-00275-2
Banco Central del Ecuador. (2026a). Cuentas nacionales trimestrales. Recuperado el
13 de julio de 2026, de
https://contenido.bce.fin.ec/documentos/informacioneconomica/cuentasnacion
ales/ix_cuentasnacionalestrimestrales.html
Banco Central del Ecuador. (2026b). Estadísticas de comercio exterior de bienes.
Recuperado el 13 de julio de 2026, de
https://contenido.bce.fin.ec/documentos/informacioneconomica/SectorExterno/
ix_ComercioExterior.html
Banco Central del Ecuador. (2026c). Estadísticas del sector externo. Recuperado el
13 de julio de 2026, de
https://contenido.bce.fin.ec/documentos/informacioneconomica/SectorExterno/
ix_SectorExternoPrin.html
Banco Central del Ecuador. (2026d). Metodología de la información estadística
mensual: Sector externo.
https://contenido.bce.fin.ec/documentos/PublicacionesNotas/Catalogo/IEMens
ual/metodologia/ese5taed.pdf
Barczikay, T., Biedermann, Z., & Szalai, L. (2020). An investigation of a partial Dutch
disease in Botswana. Resources Policy, 67, Artículo 101665.
https://doi.org/10.1016/j.resourpol.2020.101665
Boire, S., & Nell, K. S. (2021). The enclave hypothesis and Dutch disease effect: A
critical appraisal of Mali’s gold mining industry. Resources Policy, 74, Artículo
102398. https://doi.org/10.1016/j.resourpol.2021.102398
Boot, J. C. G., Feibes, W., & Lisman, J. H. C. (1967). Further methods of derivation of
quarterly figures from annual data. Journal of the Royal Statistical Society
Series C: Applied Statistics, 16(1), 65–75. https://doi.org/10.2307/2985238
Bresser-Pereira, L. C. (2020). Neutralizing the Dutch disease. Journal of Post
Keynesian Economics, 43(2), 298–316.
https://doi.org/10.1080/01603477.2020.1713004
Bresser-Pereira, L. C., Araújo, E. C., & Costa Peres, S. (2020). An alternative to the
middle-income trap. Structural Change and Economic Dynamics, 52, 294–312.
https://doi.org/10.1016/j.strueco.2019.11.007
Calzada Olvera, B. (2024). Is the Dutch disease well and alive? A cross-country
assessment of mining spillovers on employment in the 2002–2014 period.
Resources Policy, 95, Artículo 105136.
https://doi.org/10.1016/j.resourpol.2024.105136
Cherif, R. (2013). The Dutch disease and the technological gap. Journal of
Development Economics, 101, 248–255.
https://doi.org/10.1016/j.jdeveco.2012.10.010
Constantine, C., & Khemraj, T. (2025). The monetary aspects of the Dutch disease.
International Review of Economics & Finance, 101, Artículo 104051.
https://doi.org/10.1016/j.iref.2025.104051
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 47
Artículo Científico
Corden, W. M., & Neary, J. P. (1982). Booming sector and de-industrialisation in a
small open economy. The Economic Journal, 92(368), 825–848.
https://doi.org/10.2307/2232670
D’Agostino, A., Gambetti, L., & Giannone, D. (2013). Macroeconomic forecasting and
structural change. Journal of Applied Econometrics, 28(1), 82–101.
https://doi.org/10.1002/jae.1257
Delamou, C. C. (2025). Curing the Dutch disease: The role of tariffs. Journal of
Government and Economics, 18, Artículo 100147.
https://doi.org/10.1016/j.jge.2025.100147
Demetrescu, M., & Salish, N. (2024). (Structural) VAR models with ignored changes in
mean and volatility. International Journal of Forecasting, 40(2), 840–854.
https://doi.org/10.1016/j.ijforecast.2023.06.002
Escobar Jaramillo, D., Arata, L., Mausch, K., Sckokai, P., Fasse, A., Rommel, J., &
Chopin, P. (2024). Linking innovations adoption with farm sustainability:
Empirical evidence from rainwater harvesting and fertilizer micro-dosing in
Tanzania. World Development, 183, Artículo 106732.
https://doi.org/10.1016/j.worlddev.2024.106732
Fry-Mckibbin, R., Greenwood-Nimmo, M., Kima, R., & Volkov, V. (2025). A three-
sector structural VAR model for Australia. Journal of Economic Dynamics and
Control, 170, Artículo 105029. https://doi.org/10.1016/j.jedc.2024.105029
Funk, C., Treviño, L. J., & Oriaifo, J. (2021). Resource curse impacts on the co-
evolution of emerging economy institutions and firm internationalization.
International Business Review, 30(4), Artículo 101753.
https://doi.org/10.1016/j.ibusrev.2020.101753
Harding, T., Stefanski, R., & Toews, G. (2020). Boom goes the price: Giant resource
discoveries and real exchange rate appreciation. The Economic Journal,
130(630), 1715–1728. https://doi.org/10.1093/ej/ueaa016
Instituto Nacional de Estadística y Censos. (2024). Boletín técnico del índice de
precios al consumidor: Diciembre de 2024.
https://www.ecuadorencifras.gob.ec/documentos/web-
inec/Inflacion/2024/Diciembre/Boletin_tecnico_12-2024-IPC.pdf
Instituto Nacional de Estadística y Censos. (2026). Índice de precios al consumidor.
Recuperado el 13 de julio de 2026, de
https://www.ecuadorencifras.gob.ec/indice-de-precios-al-consumidor/
Larrea-Cuadrado, P. L., & Villegas-Yagual, F. E. (2026). La estructura financiera y su
efecto en la rentabilidad de las industrias manufactureras registradas en la
Superintendencia de Compañías, Valores y Seguros del Ecuador durante el
año 2024. Revista Científica Ciencia y Método, 4(2), 51–64.
https://doi.org/10.55813/gaea/rcym/v4/n2/180
Lashitew, A. A., Ross, M. L., & Werker, E. (2021). What drives successful economic
diversification in resource-rich countries? The World Bank Research Observer,
36(2), 164–196. https://doi.org/10.1093/wbro/lkaa001
Li, Y., Bergougui, B., & Murshed, S. M. (2025). China trade shock: Is there a reversal
of Dutch disease for exporters of primary commodities? The Journal of
Journal of Economic and Social Science Research | Vol. 06 | Num. 03 | Jul – Sep | 2026 pág. 48
Artículo Científico
International Trade & Economic Development, 34(7), 1709–1736.
https://doi.org/10.1080/09638199.2025.2553905
Li, Z., Rizvi, S. K. A., Rubbaniy, G., & Umar, M. (2021). Understanding the dynamics
of resource curse in G7 countries: The role of natural resource rents and the
three facets of financial development. Resources Policy, 73, Artículo 102141.
https://doi.org/10.1016/j.resourpol.2021.102141
Medina, J. P. (2021). Mining development and macroeconomic spillovers in Chile.
Resources Policy, 70, Artículo 101217.
https://doi.org/10.1016/j.resourpol.2018.06.008
Montesdeoca Espín, L., Narváez Gómez, G., & Chun Lee, P. (2020). El retorno de la
“enfermedad holandesa”: Un análisis del caso ecuatoriano. Estado & Comunes,
1(10), 141–167. https://doi.org/10.37228/estado_comunes.v1.n10.2020.153
Nyiwul, L., Hu, Z., & Koirala, N. P. (2025). Natural resource curse: Mediating effects of
fiscal policy. Structural Change and Economic Dynamics, 75, 568–589.
https://doi.org/10.1016/j.strueco.2025.08.012
Quinatoa-Sangucho, G. A., & Parreño-Herrera, C. A. (2026). Análisis comparativo del
desempeño financiero del sector empresarial por actividad económica y región
en Ecuador, 2022–2023. Journal of Economic and Social Science Research,
6(1), 15–33. https://doi.org/10.55813/gaea/jessr/v6/n1/227
Reisinezhad, A. (2024). The Dutch disease revisited: Consistency of theory and
evidence. Environmental and Resource Economics, 87(3), 553–603.
https://doi.org/10.1007/s10640-023-00827-w
Rowthorn, R. (2024). Premature deindustrialization: A cautionary note. The Japanese
Political Economy, 50(3–4), 264–275.
https://doi.org/10.1080/2329194X.2024.2397896
Sachs, J. D., & Warner, A. M. (2001). The curse of natural resources. European
Economic Review, 45(4–6), 827–838. https://doi.org/10.1016/S0014-
2921(01)00125-8
Shao, S., Zhang, Y., Tian, Z., Li, D., & Yang, L. (2020). The regional Dutch disease
effect within China: A spatial econometric investigation. Energy Economics, 88,
Artículo 104766. https://doi.org/10.1016/j.eneco.2020.104766
Umar, M., Ji, X., Mirza, N., & Rahat, B. (2021). The impact of resource curse on
banking efficiency: Evidence from twelve oil producing countries. Resources
Policy, 72, Artículo 102080. https://doi.org/10.1016/j.resourpol.2021.102080
Vargas Restrepo, J. H., & Saldarriaga Muñoz, J. P. (2020). Hydrocarbon exports and
economic growth in Colombia 1960–2016: An analysis according to the Dutch
disease hypothesis. Apuntes del Cenes, 39(70), 167–182.
https://doi.org/10.19053/01203053.v39.n70.2020.10421
Wang, X., Wang, Y., & Wei, C. (2023). The impact of natural resource abundance on
green economic growth in the belt and road countries: The role of institutional
quality. Environmental Impact Assessment Review, 98, Artículo 106977.
https://doi.org/10.1016/j.eiar.2022.106977