Ciclo electoral, popularidad presidencial y distribución de fondos federales en Argentina*

Electoral Cycle, Presidential Popularity, and the Distribution of Federal Funds in Argentina

 

LUCAS GONZÁLEZ

Consejo Nacional de Investigaciones Científicas y Técnicas, Argentina Pontificia Universidad Católica Argentina, Argentina Universidad Nacional de San Martín, Argentina lgonzalez@unsam.edu.ar

Esta investigación fue financiada parcialmente por el Consejo Nacional de Investigaciones Científicas y Técnicas de Argentina (Conicet). Ana Bovino, Noelia Carmona, Ignacio Mamone, María Laura Sluga y Dominica Zabala Zubizarreta proporcionaron asistencia en diferentes etapas de la investigación. El autor desea agradecer a Marcelo Escolar, Marcelo Leiras, Germán Lodola, Carlos Pereira, Fabiano Santos, Craig Volden y al Editor de la Revista SAAP por sus comentarios y sugerencias. Cualquier error es responsabilidad exclusiva del autor. Este artículo extiende argumentos publicados en: González, L. (en prensa). Presidential popularity and the politics of distributing federal funds in Argentina. En Publius: The Journal of Federalism, 46(2), 199-223. doi: 10.1093/publius/pjw001 Los datos para replicar el análisis del presente artículo están disponibles en: http:// www.unsam.edu.ar/profesores/LucasGonzalez/ Artículo aceptado para su publicación el 11 de abril de 2016.

Este artículo estudia cuáles son los principales factores que influyen en la asignación de fondos federales a las provincias en Argentina entre 1999 y 2009. La contribución principal es que incorpora el ciclo electoral junto con la popularidad presidencial en el análisis. El argumento principal es que en los años electorales, los presidentes tienden a distribuir más fondos a las provincias más grandes y más pobladas (llamo a esto distribución electoral). En ellas está la mayor cantidad de votantes. Pero en años no electorales, los presidentes distribuyen a las provincias del interior, menos pobladas, menos ricas, pero más sobrerrepresentadas. Esto es clave para asegurar apoyo legislativo y gobernabilidad (llamo a esto distribución de gobierno). Los clivajes estructurales entre provincias ricas y pobres también se articulan con la popularidad presidencial para influir en la distribución de fondos federales. Los presidentes electoralmente fuertes y con apoyo en la opinión pública tienden a aumentar las transferencias a los distritos más pobres y a reducir fondos a los distritos más ricos. Invertir en las provincias más pobres es más eficiente, los gobernadores de estos distritos tienden a apoyar a los presidentes redistributivos y además son rivales políticos más débiles que los gobernadores de los distritos más grandes y ricos. Por el contrario, los presidentes más débiles y con menos apoyo en la opinión pública tienen menos capacidad de resistir las presiones de los gobernadores de los distritos más grandes y ricos. El artículo discute estos resultados, los compara con los de argumentos competitivos (vinculados al rol de las alianzas partidarias, del Congreso y de factores programáticos) y explora las implicancias para el debate comparativo.

Palabras clave
política distributiva - ciclo electoral - popularidad presidencial - transferencias federales - Argentina

Abstract

This article analyzes the determinants of the distribution of non-earmarked federal funds to the Argentine provinces between 1999 and 2009. The main contribution is that it brings the electoral cycle together with presidential popularity into the analysis. The main argument is that during election years, presidents tend to distribute more funds to the largest and most populated provinces (I call this electoral distribution). These districts have the largest number of voters. But in non-election years, presidents distribute to less populated, poorer, but overrepresented developing provinces. This is crucial to ensure legislative support (I call this governing distribution). Structural cleavages between rich and poor provinces also overlap with the president’s popularity to influence the distribution of federal funds. Electorally strong and popular presidents tend to increase transfers to developing districts and reduce allocations to richer districts. Investing in developing provinces is more efficient, governors from these districts tend to support redistributive presidents, and they are weaker political challengers than governors from richer districts. In contrast, weaker presidents are less capable of resisting pressures from governors from larger and richer districts. This article discusses the main findings, compares them with alternative claims (related to the role of partisan alliances, Congress, and programmatic factors), and explores some implications for the comparative debate.

Keywords
distributive politics - electoral cycle - presidential popularity - federal transfers - Argentina

 

Introducción

Los presidentes, y particularmente los presidentes con mucho apoyo electoral y en la opinión pública, influyen en la distribución geográfica de fondos federales. Varios estudios, algunos recientes, dan cuenta de ello (Berry et al., 2010; Dynes y Huber, 2015; Kriner y Reeves, 2015; Larcinese et al., 2006). Si bien sabemos que los presidentes afectan la asignación de los fondos federales, todavía sabemos poco acerca de cómo y por qué lo hacen. Para algunos autores, los presidentes influyen en la distribución de fondos para mejorar la cooperación política entre el presidente y los miembros del Congreso y así obtener réditos electorales más grandes (Cox y McCubbins, 1986); o bien para promover su agenda legislativa al dirigir gasto a legisladores de su partido (McCarty, 2000) para priorizar sus necesidades políticas (Kriner y Reeves, 2015); o para apoyar a líderes estaduales con las mismas preferencias políticas (Larcinese et al., 2006, p. 448; 2013) o a los distritos en los que los grupos de interés son más poderosos (Larcinese et al., 2013, p. 874).

Este trabajo proporciona nueva evidencia sobre cómo los presidentes influyen en la distribución de fondos en democracias federales, incorporando el ciclo electoral y la popularidad presidencial al análisis. El argumento principal es que en los años electorales, los presidentes tienden a distribuir más fondos a las provincias más grandes y más pobladas. En ellas está la mayor cantidad de votantes. Llamo a esto distribución electoral. Pero en años no electorales, los presidentes tienden a distribuir más a las provincias del interior, menos pobladas, menos ricas, pero más sobrerrepresentadas. Esto es clave para asegurar apoyo legislativo y gobernabilidad. Llamo a esto distribución de gobierno.

El ciclo electoral y los clivajes estructurales que dividen a las provincias en ricas y pobres, pobladas y despobladas, también se articulan con la popularidad presidencial para influir la distribución de fondos federales. Los presidentes políticamente poderosos y con mucho apoyo en la opinión pública tienden a distribuir más fondos a los distritos más pobres y menos a los distritos más ricos. Los presidentes electoralmente fuertes y con mucho apoyo en la opinión pública, es decir aquellos que tienen algún tipo de influencia en la distribución de los fondos de infraestructura, tienden a aumentar las transferencias a los distritos menos desarrollados y a reducir los fondos a los distritos más ricos. Esto se debe a que los gobernadores de los distritos menos desarrollados prefieren y necesitan redistribución (es decir, necesitan un gobierno central capaz de extraer recursos de los distritos más ricos y transferirlos a las provincias más pobres), invertir en ellos es más eficiente (en términos de la rentabilidad política de cada peso invertido) y además tienden a ser rivales políticos más débiles para el presidente, sobre todo en relación a los gobernadores de los distritos más grandes y desarrollados (que por lo general controlan una gran proporción de votos y recursos). Los presidentes electoralmente débiles y con bajo apoyo en la opinión pública, por el contrario, tienen menos influencia en la distribución de los fondos de infraestructura y son, a su vez, menos capaces de resistir las presiones de los distritos más grandes, ricos y poblados. Los gobernadores de estos distritos luchan contra los presidentes y los gobernadores de los distritos más pobres para aumentar las transferencias a sus provincias.

Sostengo que estos factores son especialmente importantes en los países en vías de desarrollo, donde la desigualdad entre regiones es más acentuada y, por lo tanto, los clivajes entre provincias son más profundos y perdurables a través del tiempo. Por otra parte, en algunos de estos países la mayoría de las reglas que regulan las relaciones entre niveles de gobierno tienden a ser más flexibles (y cambiantes), las estructuras y los vínculos partidarios son más débiles y territorializados (o en proceso de debilitamiento; Calvo y Escolar, 2005, Leiras, 2007), y los enfrentamientos entre las élites nacionales y provinciales tienden a ser más directos o personalizados que en las democracias consolidadas.

En este trabajo, estudio los factores que afectan la asignación de fondos federales discrecionales y redistributivos. Los fondos discrecionales son aquellos que no se asignan mediante marcos legales específicos. Por lo tanto, excluyo del análisis los fondos con destino específico regulados por ley (como los fondos de coparticipación, por ejemplo). Los fondos redistributivos son aquellos que pueden potencialmente generar grandes externalidades económicas y sociales en las localidades o regiones en las que se invierten. Basado en estos criterios, concentro el análisis en los fondos de obra pública, una herramienta política en manos de los gobiernos que la mayoría de los especialistas de la literatura consideran cruciales para estimular el crecimiento y promover la redistribución territorial (es mano de obra intensiva y tiende a generar grandes externalidades económicas en los lugares donde se la localiza).

Analizo la política distributiva en Argentina, un país en el que la desigualdad interpersonal disminuyó en los últimos años (el índice de desigualdad de ingreso de Gini pasó de 53,8 en 2002 a 42,3 en 2013; World Development Indicators), pero en el que la desigualdad entre provincias se mantiene escandalosamente alta. Calculé el ingreso promedio de cada provincia y sobre estos valores construí un índice de Gini para medir la desigualdad entre los ingresos medios de las provincias en cinco de los países más grandes de América Latina: Argentina se destaca como el país más desigual de los casos analizados, con un Gini de 33, seguido de cerca por Brasil con 30 y Colombia con 28. México y Chile son menos desiguales, con 24 cada uno. El ingreso per cápita promedio en los distritos ricos en Argentina es hasta seis veces mayor que el de los más pobres. Aún más impresionante es el hecho de que Santiago del Estero, una de las provincias más pobres del norte argentino, tiene un PBI per cápita 13 veces más chico que el de la Capital Federal.

Encuentro tres razones principales para estudiar la asignación de los fondos de infraestructura en este país. En primer lugar, se trata de fondos que los gobiernos centrales tienen para corregir la desigualdad territorial¹. En segundo lugar, estos fondos aumentaron 429 por ciento en términos reales (después de controlar por inflación) durante la última década en Argentina, convirtiéndose en una de las herramientas más importantes de redistribución en manos del gobierno central². Y en tercer lugar, el presidente en Argentina tiene un enorme poder discrecional sobre su asignación. Por un lado, el presidente tiene poderes institucionales ex ante para decidir su asignación a través de la ley de presupuesto³. Pero además, los presidentes Néstor Kirchner (2003-2007) y Cristina Fernández (2007-2015) contaron con mayorías parlamentarias (y alta disciplina partidaria) en ambas Cámaras durante una parte sustantiva de sus mandatos presidenciales, lo que les garantizó grandes poderes partidarios para influir en el proceso de toma de decisiones. Por último, el Ejecutivo nacional en Argentina tiene

Los gobiernos centrales tienen otras herramientas redistributivas para corregir la desigualdad, que van desde subsidios, créditos o aranceles hasta los programas sociales, como las transferencias condicionadas de ingreso. Me concentro solamente en una de las herramientas políticas que tienen los gobiernos para corregir la desigualdad territorial, pero que adquirió especial relevancia en Argentina durante los 2000. Estos fondos representaron casi el 8 por ciento del presupuesto total de Argentina en 2006.

El Ejecutivo nacional está a cargo de la redacción del proyecto de ley de presupuesto, momento en el que se asignan la mayoría de los fondos de infraestructura. Luego, el proyecto de ley se envía al Congreso y se discute en las dos Cámaras. Una vez que el proyecto es aprobado en el Congreso, el presidente tiene 10 días hábiles para firmar o vetar la ley. Esto garantiza al presidente grandes poderes institucionales para proponer el proyecto de ley y rechazar legislación así como cambios que hizo el Congreso al proyecto de ley a los que se opone.

Debido a esta enorme discreción, los distritos leales al presidente fueron enormemente favorecidos en la distribución de los desembolsos federales. En Argentina, los distritos leales al presidente recibieron en promedio casi 60 por ciento más de fondos de infraestructura que los distritos en manos de la oposición. Estas cifras son mucho más grandes que las equivalentes para Brasil (20,4 por ciento), Colombia (17 por ciento) (González y Mamone, 2015), Portugal (19 por ciento; Migueis, 2013), India (16 por ciento; Arulampalam et al., 2009) y Estados Unidos (alrededor de 4-5 por ciento; Berry et al., 2010, p. 783). Ta l como Larcinese et al. afirman, si bien esta brecha entre los distritos aliados y de la oposición puede deberse enteramente a necesidades y características de las respectivas poblaciones de los Estados, “es legítimo preguntarse qué parte de esta diferencia puede deberse a factores puramente políticos” (2006, p. 450).

En la primera sección del artículo discuto la literatura teórica sobre el tema y, basándome en ella, presento el argumento principal. Luego operacionalizo las variables y proporciono las fuentes de datos para las hipótesis principales y las competitivas. A continuación presento el enfoque metodológico elegido para analizar los datos. En las últimas secciones presento y discuto los resultados empíricos.

El presidente y la política de distribución

Este trabajo focaliza su análisis en el rol del presidente en la política de distribución de fondos federales. Varios estudios, algunos recientes, muestran que los presidentes influyen en la distribución geográfica de los fondos sin asignación específica (Berry et al., 2010; Dynes y Huber, 2015; Kriner y Reeves, 2015; Larcinese et al., 2006). Sin embargo, todavía sabemos poco sobre cómo y por qué los presidentes afectan a la asignación de los fondos federales.

Algunos argumentan que los presidentes influyen en el proceso presupuestario siguiendo expectativas electorales: asignan más fondos a los distritos donde se esperan beneficios y réditos electorales más grandes, y excluyen aquellos en los que no se esperan rendimientos electorales o políticos. Lindbeck y Weibull (1987, p. 289) sostienen que los presidentes tienden a

Estos poderes fueron creados inicialmente como una medida extraordinaria durante la crisis económica de 2001. Pero el presidente Kirchner logró que el Congreso sancionase la reforma del artículo 37 de la Ley de Administración Financiera (24156) en agosto de 2006, dando estabilidad a esta discutida resolución.

 

gastar los fondos en distritos pivotales (que tienen una alta proporción de votantes no seguros o en las que el Ejecutivo en funciones gana o pierde por un estrecho margen) porque estos tienen un poder electoral mayor que los distritos más seguros⁵. Para Cox y McCubbins (1986, p. 379), por el contrario, la estrategia óptima para los candidatos con aversión al riesgo es distribuir a los votantes seguros que garantizarían su reelección y sobreinvertir en sus votantes más fieles para mantener las coaliciones políticas exis-tentes⁶.

Hay varias razones teóricas por las que los presidentes distribuyen fondos a los distritos que garantizarían su reelección. Para Cox y McCubbins, la cooperación entre el presidente y los miembros del Congreso es mayor cuando uno es el líder del partido y los otros son sus copartidarios. Pero para otros autores, el presidente también puede apuntar a los votantes más seguros para priorizar sus necesidades políticas (Kriner y Reeves, 2015) o para promover su agenda legislativa al dirigir fondos a legisladores específicos (McCarty, 2000). También puede ser que la administración federal prefiera asignar fondos a los gobernadores con las mismas preferencias políticas (Larcinese et al., 2006, p. 448; 2013) o a los distritos en los que los grupos de interés son poderosos (Larcinese et al., 2013, p. 874).

En la siguiente sección presento un argumento para explicar por qué y cómo los presidentes inciden en la distribución de fondos federales, incluyendo el rol de la popularidad presidencial y los ciclos electorales. Analizo el apoyo empírico que recibe este argumento y los anteriormente desarrollados por la literatura. Sostengo que los clivajes estructurales influyen sobre las preferencias presidenciales sobre la distribución. La popularidad afecta el margen de maniobra que los presidentes tienen para materializar sus preferencias.

La popularidad presidencial y la distribución de fondos federales

Los presidentes distribuyen fondos federales para asegurar votos regionales, construir mayorías en el Congreso y para formar coaliciones territoriales de gobierno⁷. Para ello, necesitan poderes institucionales que les permitan influir en la asignación territorial de los fondos federales⁸. De acuerdo con Mainwaring y Shugart (1997, p. 49), los presidentes de Argentina son “potencialmente dominantes” ya que tienen un fuerte poder de veto, autoridad de legislar por decreto y de iniciativa legislativa⁹. Mustapic (2000, p. 573) sostiene que el hecho de que Mainwaring y Shugart utilicen esa expresión (“potencialmente”) para clasificar al Ejecutivo dominante revela que los recursos institucionales no son determinantes por sí mismos, sino que interactúan con otros factores contextuales que son críticos para definir la capacidad del Ejecutivo para influir en el Congreso y afectar a las políticas. En una línea similar, Calvo (2007, p. 263) sostiene que hay poca investigación comparativa integrando diferentes factores institucionales y contextuales para explicar las fuentes de fortaleza o debilidad presidencial. Sobre la base de esta discusión, sostengo que deberíamos combinar variables institucionales relativamente estables (como los poderes institucionales de los presidentes) junto con factores contextuales más dinámicos. Entre los factores contextuales, considero que la popularidad presidencial (o el apoyo presidencial en la opinión pública) influye en la capacidad del presidente para decidir la asignación de los fondos de infraestructura. Como sostiene Neustadt (1989, pp. 4, 11), la popularidad del presidente o el apoyo público es “el poder de persuadir” y también se relaciona con “la capacidad de influir en la conducta de los hombres que componen el gobierno” del presidente. Neustadt se refiere principalmente a los miembros del gabinete ejecutivo, burócratas y, en cierta medida, a los legisladores federales, cuyo apoyo es crucial para tomar decisiones. Para Calvo (2007, pp. 266-268), la opinión pública es relevante porque los legisladores podrían temer las consecuencias electorales de apoyar iniciativas del Ejecutivo que cuentan con oposición entre los ciudadanos. Un presidente que tiene fuertes poderes institucionales, pero sin el apoyo de la opinión pública, es más débil y menos poderoso para influir en la asignación territorial de los fondos de infraestructura que uno que tiene gran poder institucional y un fuerte apoyo en la opinión pública.

del análisis y me concentro en transferencias discrecionales, que son las que no se asignan siguiendo marcos legales particulares.

Los poderes institucionales de los presidentes son establecidos por la Constitución, que determina si tienen autoridad para enviar legislación al Congreso (y autoridad exclusiva para introducir ciertos tipos de propuestas legislativas, como en materia presupuestaria), autoridad de legislar por decreto (ya sea para legislar en determinados ámbitos de actuación, donde el decreto es ley al menos que sea revocado por el Congreso; o para legislar por delegación del Congreso), poder de veto y poderes de emergencia (Shugart y Carey, 1992, pp. 134-143).

Entre cuatro categorías posibles: ejecutivos potencialmente dominantes, proactivos, reactivos y potencialmente marginales.

Ahora bien, cuando los presidentes asignan fondos federales en un territorio, no los distribuyen a todos los distritos de manera uniforme: toman en cuenta diferencias estructurales entre ellos y prefieren distribuir a los distritos menos desarrollados y menos poblados. Hay tres razones principales para que hagan esto. En primer lugar, los gobernadores de los distritos más pobres prefieren un gobierno central fuerte capaz de extraer fondos de los distritos más ricos y de distribuir estos fondos a ellos. A diferencia de sus pares de los distritos más ricos, apoyan un presidente redistributivo. A través de la distribución de los fondos de infraestructura, el gobierno central redistribuye el dinero de las regiones que pagan impuestos (y por lo general las regiones más ricas pagan proporcionalmente más impuestos que las regiones más pobres) para financiar a otros distritos en los que realmente se hace la inversión (Solé Ollé, 2010).

En segundo lugar, los líderes políticos de los distritos menos desarrollados y menos poblados tienden a ser rivales políticos del presidente más débiles que los de distritos más desarrollados y poblados (que tienden a controlar más recursos y votos).

Y en tercer lugar, el retorno político por cada peso invertido es mayor en estas provincias que en las más desarrolladas y más pobladas. Un peso gastado en Formosa (una de las provincias más pobres y escasamente pobladas de Argentina) tiene un impacto socioeconómico (y posiblemente electoral) mucho mayor que un peso gastado en la provincia de Buenos Aires (la provincia más poblada del país)¹⁰. Este es el argumento de Gibson (1997) y Gibson y Calvo (2000). Pero en su argumento, las autoridades provinciales de los distritos más pobres (llamados “periféricos”) parecen pasivas y las autoridades federales los prefieren porque son políticamente “baratos” de comprar. En este artículo, el argumento es un tanto diferente. Las autoridades provinciales de los distritos más pobres apoyan un gobierno central políticamente fuerte porque esto es lo que prefieren: necesitan un gobierno federal fuerte capaz de redistribuirles transferencias y limitar el poder de los distritos más ricos.

Ceteris paribus entonces, espero que los presidentes fuertes, es decir, los presidentes que tienen algún tipo de influencia en la distribución de los fondos de infraestructura, distribuyan más fondos a los distritos más pobres y menos poblados y menos a los más ricos. Los presidentes más débiles, por el contrario, serán menos capaces de resistir las presiones distributivas de los distritos más ricos (Modelo 1).

Ambas provincias tienen tres senadores. Buenos Aires tiene setenta diputados y Formosa cinco. Pero Buenos Aires tiene casi 14 millones de habitantes, mientras que Formosa tiene menos de 500 000. Cada diputado en Buenos Aires representa alrededor de 200 000 habitantes; en Formosa, esta razón es la mitad: menos de 100 000.

La principal variable independiente es el apoyo electoral presidencial. Esta variable pretende captar si los presidentes son electoralmente poderosos, tienen apoyo en el Congreso, son populares en la opinión pública y, en consecuencia, tienen alguna influencia sobre la distribución de fondos de infraestructura. Para operacionalizar esta variable, utilizo un proxy que mide el apoyo que los presidentes obtienen en las encuestas de opinión pública¹¹. Este proxy me permite tener más variación en el tiempo que el porcentaje de votos y bancas en el Congreso. El número de votos que el partido del presidente y la coalición electoral obtuvieron en las elecciones nacionales es una variable relativamente invariante a lo largo del tiempo para la serie temporal que tengo: sólo hubo cuatro elecciones presidenciales entre 1999 y 2011. Algo similar se puede decir de la proporción de bancas que el presidente tiene en el Congreso, ya que hubo siete elecciones legislativas durante este período. En cualquier caso, también corro los principales modelos de regresión con estas variables y comparo los resultados para comprobar la solidez del argumento.

Ciclo electoral y distribución de fondos federales

Siguiendo consideraciones electorales, podríamos simplemente esperar que los presidentes hagan más inversión en obra pública en las provincias en años de elecciones, tanto legislativas como ejecutivas (para presidente y para gobernador) (Modelo 2). Sin embargo, sostengo que la popularidad presidencial y los clivajes estructurales que dividen a las provincias en ricas y pobres, pobladas y despobladas, también se articulan con el ciclo electoral para influir la distribución de fondos federales. Por lo tanto, espero que en los años electorales, los presidentes no distribuyan a todas las provincias de igual manera. Por el contrario, espero que distribuyan más fondos a las provincias más grandes y más pobladas. En ellas se concentra la mayor cantidad de votantes. Pero en años no electorales, los presidentes distribuirán más fondos a las provincias del interior, menos pobladas, menos ricas, pero más sobrerrepresentadas. Esto es clave para asegurar apoyo legislativo y gobernabilidad (Modelo 3).

Para evaluar el rol del ciclo electoral construí una variable que cuenta la cantidad de años en el gobierno que lleva el presidente. Espero que a medida

Los datos sobre la popularidad presidencial para los años 1984 a 2001 son del Centro de Estudios Nueva Mayoría. Poliarquía Consultores y la Universidad Torcuato Di Tella proveyeron los datos sobre popularidad presidencial entre los años 2002 a 2010 (datos del índice de confianza del gobierno, o ICG). Las observaciones se miden mensualmen-te, por lo que los datos se han promediado anualmente.

que suba el valor de la variable, aumente también la obra pública en las provincias más pobres y menos pobladas del interior (debido a la distribución de gobierno). Pero también, a medida que se acerque la elección presidencial, los presidentes transferirán más fondos a las provincias más grandes, ricas y pobladas (debido a la distribución electoral). Para analizar si la relación es curvilínea, incluyo el valor cuadrado de la variable ciclo electoral al modelo de regresión.

Hipótesis alternativas

Estoy principalmente interesado en probar si los presidentes y los clivajes regionales inciden en la política distributiva. Sin embargo, y siguiendo el debate en la literatura, también examino la relevancia de los argumentos partidarios, legislativos y programáticos.

El rol de las alianzas partidarias

Hasta ahora analicé si los presidentes prefieren distribuir a los gobernadores de los distritos más pobres o más ricos. Las coaliciones que los presidentes construyen con los gobernadores tienen no sólo una dimensión estructural, sino también un componente partidario. Como una parte importante de los argumentos en la literatura (por ejemplo, Cox y McCubbins, 1986; Kriner y Reeves, 2015; Larcinese et al., 2006; McCarty, 2000), podríamos esperar que el presidente distribuya más fondos a los distritos políticamente aliados (Modelo 4). Los gobernadores de las provincias aliadas pueden ofrecer a los presidentes apoyo político para gobernar, tanto en términos de votos y bancas (González y Mamone, 2015).

Para probar este modelo partidario, incluyo una variable dummy para determinar cómo están políticamente vinculados los gobernadores y el presidente. Esta variable, llamada aliado principal, la codifico como 1 si los presidentes y gobernadores están en la misma coalición de gobierno en un año determinado; 0 en caso contrario. Codifiqué esta variable durante el trabajo de campo, en base a datos electorales oficiales, información de diarios y entrevistas con expertos provinciales. Clasifiqué los distritos que pertenecen a la oposición (que se espera que reciban pocos fondos, si los reciben), los distritos pivotales¹² (que se espera reciban algo más de dinero) y los distritos aliados (aliados clave), o los que están alineados en términos partidarios (que se espera que reciban la mayor parte de los fondos).

La variable pivotal mide la diferencia entre el porcentaje de votos del partido del gobernador y el porcentaje de votos del principal partido de la oposición.

El rol del Congreso en la distribución federal

En un trabajo temprano, Ferejohn (1974) demostró que los miembros de comités de presupuesto y de obras públicas del Congreso estadounidense asignaban más fondos para los distritos que representaban. Pero desde entonces, otros investigadores han argumentado evidencia empírica mixta sobre la relevancia de los comités del Congreso (Berry et al., 2010, p. 784; Kriner y Reeves, 2012, p. 349). Algunos estudios han encontrado que bloques legislativos más grandes y más miembros en los comités clave afectan la distribución federal (Holcombe y Zardkoohi, 1981, p. 397; Grossman, 1994, p. 299), pero otros trabajos encontraron resultados mixtos para esta afirmación (Alvarez y Saving, 1997; Anzia y Berry, 2011; Atlas et al., 1995; Balla et al., 2002; Bickers y Stein, 2000; Knight, 2005; Lauderdale, 2008; Lee, 2000, 2003; Levitt y Poterba, 1999; Stein y Bickers, 1994). En este artículo, estudio si la distribución del poder electoral y partidario en el Congreso influye sobre la asignación de fondos federales en las provincias. En particular, analizo si las provincias con más representantes en las comisiones clave y con bloques legislativos más grandes del partido del presidente en el Congreso son más propensas a recibir más fondos (Modelo 5).

La variable comisión indica el número de diputados que una provincia dada tiene en la comisión de Presupuesto y Hacienda y en la de Obras Públicas de la Cámara de Diputados de Argentina. La variable bloque legislativo es el porcentaje de legisladores en la Cámara de Diputados que son miembros del partido mayoritario.

Bennett y Mayberry (1979) y Holcombe y Zardkoohi (1981) desarrollaron los primeros estudios alegando que los estados legislativamente sobrerrepresentados tienden a recibir más fondos federales per cápita. El argumento, sostenido también por otros trabajos posteriores (ver Atlas et al., 1995; Lee, 1998; Hoover y Pecorino, 2005), es que los beneficios políticos de un aumento de un peso marginal en los fondos a un Estado pequeño y sobrerrepresentado son mayores que los del aumento de un peso marginal en un Estado grande y poblado, en el que el impacto per cápita es menor. Varios estudios de la literatura comparada abordaron el rol de esta variable (ver Gibson et al., 2004; Gibson y Calvo, 2000; Gordin, 2006; Lodola, 2005; Rodden, 2010; Samuels y Snyder, 2001). Este trabajo proporciona nueva evidencia a esta discusión, incluyendo esta variable como control en los diferentes modelos¹³.

Samuels y Snyder (2011) calculan la sobrerrepresentación legislativa mediante el índice de Loosemore-Hanby de desproporcionalidad electoral. Sobrerrepresentación= (1/2) S |si–vi|, donde si es el porcentaje de todos los puestos asignados al distrito i, y vi es el porcentaje de la población total que reside en el distrito I.

El rol de los determinantes programáticos

El gobierno central distribuye los fondos programáticamente cuando sigue ciertas ideas de igualdad y eficiencia. Las políticas son programáticas cuando distribuyen recursos públicos a todos los miembros de un grupo socioeconómico, como los mayores, los enfermos y los desocupados (Persson y Tabellini, 2000, p. 115). Algunos autores han agrupado los criterios programáticos según categorías de eficiencia y equidad. De acuerdo con la primera, las regiones favorecidas deberían ser aquellas en las que los proyectos de infraestructura tienen un mayor impacto económico, tales como las áreas con la mayor cantidad de usuarios o aquellas que tienen un mayor nivel de desarrollo. Según los criterios de equidad, un gobierno comprometido con la maximización de una función de bienestar social a nivel nacional asignará fondos para compensar los efectos de una distribución desigual de la riqueza entre los estados de un territorio de un país o para ayudar a aquellos que están especialmente necesitados (Grossman, 1994, p. 295). Por lo tanto, las inversiones de infraestructura deberían dirigirse a los distritos con bajos niveles de desarrollo (Solé Ollé, 2010, p. 297) para compensar los efectos de una desigual distribución geográfica de los servicios públicos (Grossman, 1994, p. 295).

En este trabajo, controlo los modelos anteriores con variables programáticas. De acuerdo con los argumentos vinculados a criterios de equidad, será más probable que los distritos relativamente desfavorecidos, aquellos con menor PBI per cápita y con tasas de pobreza más altas, reciban más fondos federales. Para los argumentos vinculados a la eficiencia, las provincias con mayor tasa de urbanización, densidad de población, número de coches y Producto Bruto Geográfico (PBG) más grande, deberían recibir más fondos. De la misma manera, esperamos más inversión en infraestructura en áreas en las que la producción industrial sea mayor, ya que esta actividad lo requiere para su expansión (Modelo 6). Por último, incluyo las principales variables en un modelo único, especificado con todas las variables posibles (Modelo 7).

Datos y método

Pongo a prueba la hipótesis principal y las alternativas utilizando datos originales del gasto en infraestructura del gobierno federal en Argentina entre 1999 y 2009 obtenidos de la Oficina Nacional de Presupuesto (ONP)¹⁴.

Hasta donde sabemos, es la primera vez que los datos sobre la distribución territorial de obra pública se recogen de forma sistemática para Argentina en este período de análisis. Con la ayuda de asistentes de investigación, entre los que fue clave la colaboración de Ignacio Mamone, recogimos estos datos a través de la revisión de documentos oficiales

El total de recursos de infraestructura incluye las transferencias del gobierno central a las provincias de dieciocho programas presupuestarios del Ministerio de Planificación Federal, Obras Públicas y Servicios. Todos los valores se presentan en miles de pesos argentinos (AR$), per cápita, en valores constantes¹⁵.

Utilizo una serie de variables de control para cada unidad subnacional: población (como aconsejan Larcinese et al., 2013),¹⁶ ingreso per cápita (Producto Bruto Geográfico, PBG, per cápita), pobreza (número de personas o familias en situación de pobreza o con necesidades básicas insatisfechas) e industrialización (Producto Interno Bruto Industrial Provincial). La Tabla 1 proporciona las estadísticas descriptivas de las principales variables independientes y dependientes.

También construyo una clasificación simplificada de las provincias de acuerdo a sus características estructurales. Divido la federación en dos regiones principales, como hacen Gibson (1997) y Gibson y Calvo (2000). Las denominé provincias más desarrolladas y pobladas¹⁷, y provincias menos desarrolladas y pobladas del interior¹⁸. Incluyo variables dummy para cada una de estas dos categorías.

Pongo a prueba los efectos de los diferentes modelos usando una regresión de mínimos cuadrados ordinarios con errores estándar corregidos para panel (PCSE; Beck y Katz, 1995), que calcula las estimaciones de la varianza-covarianza y los errores estándar suponiendo que los residuales son heterocedásticos y correlacionados a través de los paneles.

En un estudio reciente, Clark y Linzer (2015) recomiendan los modelos de efectos aleatorios para los paneles con las características como el que uso en este estudio, es decir, cuando la variación más grande se observa principalmente entre unidades, cuando hay relativamente pocas observaciones por unidad (en algunos modelos el mínimo es de 4 observaciones por unidad) y si la correlación entre algunas variables independientes y las dummies es alta: las dummies provinciales correlacionan fuertemente con otras variables dummy vinculadas a las características estructurales de los distritos (distritos más y menos desarrollados, así como otras variables que cambian poco con el tiempo, como la población y el PIB per cápita). En estas condiciones, los autores recomiendan el uso del estimador de efectos aleatorios, ya que sus resultados son mejores que los que utilizan efectos fijos. Del mismo modo, Plümper et al. (2005, pp. 330-334) y Huber et al. (2008, p. 429) recomiendan evitar las variables dummy para cada unidad en los modelos ya que su inclusión elimina la varianza transversal (Huber y Stephens, 2001), hace imposible estimar el efecto de variables exógenas invariantes a lo largo del tiempo (Wooldridge, 2002) y sesga gravemente los efectos estimados de variables parcialmente invariantes en el tiempo (Beck, 2001). A pesar de la discusión, corro una prueba de Hausman de efectos aleatorios versus fijos para decidir cuál de los dos modelos es el más adecuado.

Controlo la autocorrelación temporal utilizando dos estrategias. En primer lugar, utilizo modelos que corrigen la autocorrelación temporal y espacial e incluyo variables que capturan algunas de las principales diferencias entre las provincias, teóricamente relevantes para dar cuenta de los cambios en la variable dependiente. La inclusión de una variable dependiente rezagada puede generar autocorrelación, distorsionar los resultados, inflar el poder explicativo de la variable retrasada e impropiamente subestimar el

En Argentina, esta región comprende a las provincias de Buenos Aires, Córdoba, Santa poder explicativo de otras variables independientes o incluso revertir los signos de los coeficientes, como Achen (2000) ha mostrado. A pesar de esto, y en segundo lugar, corro los modelos principales de nuevo con una variable dependiente rezagada (disponible en línea) para controlar la autocorrelación temporal y comparar los resultados.

Tabla 2
Resultados de PCSE, modelos principales

	Modelo	Modelo	Modelo	Modelo	Modelo	Modelo	Modelo	Modelo	Modelo
	la	Ib	2	3a	3b	i	5	E	7
Popularidad	0,0021**	0,0003							0,0017***
presidencia]	(0,0010)	(0,0004)							(0,0007)
Popularidad*	-0,0019*"
provincia Rica	(0,0007)
Popularidad*		0,0016**
páa. pobre		(0,0007)
Año de elección			0,0017						-0,0061
presidencial			(0,0304)						(0,0197)
Ciclo				0,0255*	0,0116"				0,0144*
electoral				(0,0138)	(0,0058)				(0,0092)
Ciclo electoral *				-0,0205*
páa. rica				(0,0142)
Ciclo electoral *					0,0115
páa. pobre					(0,0134)
Aliado						0,1831***			0,0705*
prinápal						(0,0398)			(0,0366)
Pivotal						0,2648*" (0,0320)			0,0697* (0,0428)
Comisión del							-0,0352"		0,0051
Congreso							(0,0165)		(0,0061)
Bancada en el							-0,3416
Congreso							(0,4289)
Producto Bruto								0,000	-0,0343
Industrial (log)								(0,000)	(0,0210)
Cantidad de								-0,000**	0,000"
coches								(0,000)	(0,000)
Densidad								-0,000***	-0,0000**
pobladonal								(0,000)	(0,0000)
Tasa de								0,2689**	0,2508
urbanizaáón								(0,1179)	(0,1850)
Sobre-	0,0285**'	0,0262**'	0,0279*"	0,0264***	0,0241***	0,0295*"	0,0425	0,0146"	0,0180"*
Representación	(0,0082)	(0,0083)	(0,0083)	(0,0078)	(0,0079)	(0,0087)	(0,0330)	(0,0057)	(0,0068)
Pobreza	■0,0013	0,0019	0,0018	0,0005	■0,0002	0,0008	0,0033	0,0014	■0,0003
	(0,0022)	(0,0021)	(0,0020)	(0,0022)	(0,0021)	(0,0014)	(0,0027)	(0,0014)	(0,0012)
PBG per cápita	0,03439	0,0374	0,0770*"	0,0626"	0,0647"	0,0610"*	0,1482***	0,0359*	0,0125
(log. naL)	(0,0279)	(0,0271)	(0,0280)	(0,0269)	(0,0261)	(0,0216)	(0,0509)	(0,0195)	(0,0172)
Provuiáas	0,0006			-0,0210
más ricas	(0,0321)			(0,0335)
Provuiáas más		0,0313			0,0628*
pobres		(0,0304)			(0,0322)
Constante	-0,3000	-0,3401	-0,6881**	-0,5671**	-0,6220**	-0,5966*»*	-1,3096**	-0,5076**	-0,1547
	(0,2720)	(0,2597)	(0,2852)	(0,2735)	(0,2568)	(0,2221)	(0,5022)	(0,2173)	(0,1430)
Observaáones	168	168	168	168	168	165	75	149	130
R2	0,24	0,24	0,20	0,23	0,24	0,31	0,29	0,22	0,44
Unidades
transversales	24	24	24	24	24	24	22	23	23

*p<0.100; **p<0.050; ***p<0.010

Variable dependiente: Inversión del Gobierno federal en obra pública per cápita, en miles de pesos, deflactados mediante el índice de costos de la construcción de Indec.

Los coeficientes de regresión no están estandarizados. Los errores estándar están reportados entre los paréntesis.

Análisis empírico

Los resultados de los principales modelos de regresión presentados en la Tabla 2 sugieren que, controlando por terceras variables, los presidentes más populares distribuyen más fondos a los distritos más pobres y menos a los más ricos (Modelos 1a y 1b). Los términos de interacción entre popularidad del presidente y tipo de distrito se mueven en la dirección esperada teóricamente y son relativamente robustos, así como estadísticamente significativos. El término de interacción es negativo para los distritos desarrollados y muy poblados, y positivo para los menos desarrollados, lo que indica que los presidentes más populares tienden a distribuir menos fondos a las provincias desarrolladas y más a las provincias en desarrollo. Más específicamente, y manteniendo a terceras variables constantes, un aumento del 1 por ciento en la popularidad presidencial aumenta los fondos federales de infraestructura a los distritos más pobres y menos poblados en alrededor de $33 por habitante y a las provincias más ricas en $0,8¹⁹. Aunque los presidentes poderosos parecen no reducir los fondos a los distritos más ricos, los resultados muestran claramente que tienden a transferir diez veces más fondos per cápita a los más pobres.

Corro estos dos modelos principales de nuevo con la variable dependiente rezagada (disponible en Internet) para controlar la autocorrelación temporal. Los resultados sustantivos siguen siendo los mismos. También hago una prueba de Hausman de efectos fijos y aleatorios. El valor de p para el Modelo 1a usando efectos fijos y aleatorios es 0,54 y de 0,45 para el modelo 1b (mucho mayor que 0,05). Por lo tanto, es seguro usar los modelos de efectos aleatorios²⁰.

Los Gráficos 3 y 4 contribuyen a reforzar los hallazgos anteriores. Muestran la evolución a lo largo del tiempo tanto de la aprobación presidencial y las transferencias per cápita en las provincias más pobres y menos pobladas. El Gráfico 3 muestra las tendencias de ambas variables en sus métricas originales. El Gráfico 4 presenta las mismas tendencias expresadas en logaritmos naturales, de modo que las dos escalas pueden ser más fácilmente comparadas. Ambos gráficos revelan la relación positiva entre las dos variables.

Gráfico 3
Tasas de aprobación presidencial y fondos de infraestructura per cápita en las provincias menos desarrolladas

Fuente: Elaboración propia.

Gráfico 4
Tasas de aprobación presidencial y fondos de infraestructura per cápita en las provincias menos desarrolladas (logaritmos naturales)

100 -10 - 0,1 -
	\		* *
	** * ^^^
	2000 200]V 20()2# 2003 2004	2005	2000 2007 2008 200!)
	lugavilmo iialural de liansltreudas per cápila (provincias menos desarrollad;	>) "	l.ogarinvioTialmal di: lasa tic aprobación presidencial

Fuente: Elaboración propia.

 

La evidencia cualitativa también es compatible con la afirmación de que los presidentes alteran la asignación de los fondos a medida que el apoyo en la opinión pública cambia a lo largo del tiempo. De la Rúa (1999-2001) fue un presidente relativamente popular durante el inicio de su mandato, pero su popularidad se desplomó, pasando de una imagen positiva del 61 por ciento en marzo de 2000 al 8 por ciento en noviembre de 2001 (datos de Nueva Mayoría), a medida que la economía empeoró drásticamente y las tensiones políticas y sociales aumentaron. En línea con nuestras expectativas teóricas, sufrió fuertes presiones de los distritos más grandes cuando comenzó a perder apoyo político y popularidad. El presidente creó un ambicioso Plan Federal de Infraestructura (de alrededor de 2 mil millones de US$) durante el año 2001, a través del cual favoreció significativamente a los distritos más grandes: asignó el 41,9 por ciento de todo el plan de infraestructura a las tres provincias más grandes (Santa Fe, Córdoba y Buenos Aires) (Plan Federal de Infraestructura, 2001). Las provincias más pequeñas y menos desarrolladas exigieron ser tratadas por el presidente en igualdad de condiciones (La Nación, 2000a y 2000b).

De la Rúa renunció en diciembre de 2001 y cuatro presidentes lo siguieron en diez días. Néstor Kirchner asumió el cargo de presidente en 2003 con el 22 por ciento de los votos. Como se esperaría, repartió más fondos de infraestructura a los tres distritos más grandes en el comienzo de su período de gobierno (La Nación, 2005). Estos distritos aumentaron su proporción de fondos totales de infraestructura del 17 por ciento en 2002 al 35 por ciento en 2005. La popularidad de Kirchner aumentó notablemente a medida que mejoró la situación económica y logró estabilidad política y social en el país. Teniendo acceso a divisas por un fuerte aumento de los ingresos procedentes de exportaciones (debido al aumento de los precios de los commodities) y usando la enorme influencia y discreción que fue capaz de construir, el presidente distribuyó fondos de infraestructura principalmente a las provincias aliadas y menos desarrolladas a partir de 2005. Cristina Fernández, su esposa, siguió una estrategia similar cuando asumió el poder (2007-2015). Durante este período, los distritos más favorecidos fueron la provincia de origen de los Kirchner, Santa Cruz, y otras provincias menos desarrolladas y políticamente aliadas (La Rioja, La Pampa, Tierra del Fuego, Catamarca y Formosa) (La Nación, 2010a, 2010b, 2013, 2015). Los distritos menos favorecidos fueron los más grandes, especialmente la provincia de Buenos Aires (La Nación, 2013; ver también González y Mamone, 2011).

Los resultados empíricos también nos permiten analizar la relevancia de las hipótesis alternativas de la literatura. En relación a los argumentos electorales, los resultados muestran que los presidentes no transfieren más fondos a los gobernadores en tiempos de elecciones (nacionales o provinciales) (Modelo 2). Retrasé la variable dummy de elecciones presidenciales un año y los resultados siguen siendo los mismos. Estos resultados son intuitivos, ya que la mayoría de los proyectos de infraestructura necesitan un período más o menos largo de tiempo para completar su ejecución (a veces incluso más de cuatro años, que es el período entre elecciones presidenciales en Argentina)²¹.

Llamativamente, y si bien las elecciones no parecen modificar la distribución geográfica de infraestructura, esta sí parece tener alguna variación según el ciclo electoral. Para analizar el efecto del ciclo electoral en los distintos distritos, interactué esta variable con el tipo de provincia. Los resultados muestran que, controlando por las variables usuales, a medida que los presidentes avanzan en su mandato (medido como un aumento en la variable ciclo electoral), transfieren más fondos a los distritos más pobres y menos poblados. Lo opuesto sucede con las provincias más ricas y pobladas (Modelos 3a y 3b).

Para ver si el efecto del ciclo electoral es cuadrático, interactué el cuadrado de esta variable con el tipo de provincia. Los Gráficos 5 y 6 muestran que existe una relación no lineal entre las dos variables y que esta relación varía dependiendo del tipo de provincia. El Gráfico 5 muestra que al comienzo del mandato los presidentes disminuyen las transferencias a las provincias más desarrolladas y pobladas, revirtiéndose esta tendencia hacia el final del mandato típico de 4 años. El Gráfico 6 muestra que esta relación es la opuesta en provincias más pobres y menos pobladas del interior.

Ta l vez las obras públicas se terminan antes de las elecciones, pero los datos disponibles no nos permiten probar esta afirmación.

 

Gráfico 5
Relación cuadrática entre ciclo electoral y provincias más desarrolladas y pobladas

Fuente: Elaboración propia.

Los datos nos permiten evaluar el rol de los alineamientos partidarios entre presidentes y gobernadores para influir en la distribución de fondos federales. En igualdad de condiciones, los resultados indican que los distritos gobernados por gobernadores aliados reciben sustancialmente más fondos que los que están en manos de la oposición: un promedio de $183 más per cápita (Modelo 4). Las provincias también tienen mayores probabilidades de obtener más fondos si son electoralmente seguras y no son distritos pivotales, cuando se controla por terceras variables. Las unidades subnacionales reciben más fondos cuando la diferencia entre el porcentaje de votos del gobernador y el principal partido de la oposición es más grande (es decir, cuando aumenta el valor de la variables pivotal). El valor medio de la variable pivotal es 0,16 (que varía de 0 a 1). Por lo tanto, un aumento del uno por ciento en la diferencia entre el porcentaje de votos al partido del gobernador y el principal partido de la oposición produce un aumento de AR$2,6 per cápita (Modelo 4). Todos los coeficientes son robustos, positivos y estadísticamente significativos. Estos resultados son similares a los que Larcinese et al. (2006, p. 452) y Berry et al. (2010, p. 791) encuentran en Estados Unidos, Díaz Cayeros (2006, p. 139) en México, y Arulamparam et al. (2009) en India²².

Y en línea con los resultados de una gran parte de la literatura sobre política distributiva (Anderson y Tollison, 1991; Carsey y Rundquist, 1999; Couch y Shugart, 1998; Cox y McCubbins, 1986; Levitt y Snyder, 1995; McCarty, 2000; entre otros).

 

Gráfico 6
Relación cuadrática entre ciclo electoral y provincias menos desarrolladas y pobladas

Fuente: Elaboración propia.

Los resultados también indican que, en Argentina, los Ejecutivos nacionales son los que deciden principalmente la distribución de la infraestructura y no el Congreso Nacional: ni las comisiones ni los bloques legislativos en el Congreso parecen afectar el resultado como se esperaba teóricamente. Ambos coeficientes son negativos, y el de las comisiones del Congreso se encuentra dentro del límite de la significancia estadística (Modelo 5). Estos resultados son consistentes con los de Berry et al. (2010, p. 795) para los Estados Unidos.

El coeficiente de la sobrerrepresentación es estadísticamente significativo en la mayoría de los modelos. Estos resultados son consistentes con lo que varios autores reportaron en sus estudios sobre los Estados Unidos y la Unión Europea (ver Atlas et al., 1994; Lee, 2000; Hoover y Pecorino, 2005; Rodden, 2002). A pesar de ser estadísticamente significativo, el coeficiente es siempre más pequeño que los de las variables en los modelos principales de este trabajo²³.

También tenemos que tener en cuenta que el índice medio de sobrerrepresentación de Argentina es 1,9 y que la desviación estándar es de alrededor de 2; en consecuencia, un aumento de un punto en el índice es un cambio importante que no parece producir cambios sustanciales en la variable dependiente (AR$16 en el modelo completo y alrededor de AR$30 en la mayoría de los otros), sobre todo si se los compara con los de las variables principales en nuestro modelo.

Los principales controles para poner a prueba los argumentos programáticos reciben apoyo empírico mixto. Los criterios de eficiencia no parecen explicar la asignación de fondos de infraestructura. Las provincias más industrializadas no reciben más fondos federales de infraestructura y los distritos más densamente poblados y con más coches reciben menos fondos. Solo la tasa de urbanización se mueve como se esperaba (Modelo 6). También hay un débil apoyo empírico para los criterios de equidad: el coeficiente para la pobreza no es estadísticamente significativo y se mueve en la dirección opuesta a lo esperado teóricamente en muchos modelos. Los distritos más ricos parecen recibir más fondos, aunque el coeficiente de PBG per cápita no es estadísticamente significativo en cinco de los nueve modelos (Modelos 1-7).

Al incluir las variables principales en un modelo único, no cambian los resultados sustantivos, y los coeficientes de la mayoría de las variables claves permanecen sin cambios (Modelo 7)²⁴.

Los R cuadrados oscilan entre el 20 y el 44 por ciento. A pesar de que las diferencias entre los modelos no son grandes, el modelo principal tiene coeficientes más robustos y estadísticamente significativos que se mueven en la dirección esperada, algo que no es siempre el caso en la mayoría de los modelos competitivos. Estos R cuadrados también indican que entre tres cuartos y la mitad de la variación en la variable dependiente se encuentran sin explicar y que se necesitan mejores teorías, datos y modelos para explorar los factores que afectan a la asignación de fondos federales más allá de los incluidos en este estudio. Los estudios de caso pueden contribuir a una mejor comprensión de los factores idiosincrásicos que participan en la distribución.

Comentarios finales

Este trabajo proporciona, en primer lugar, nueva evidencia empírica sobre el papel clave que los presidentes desempeñan en la política distributiva en las democracias federales. En lugar de centrarse únicamente en las preferencias electorales de los presidentes o en sus coaliciones partidistas, sugiere que la popularidad presidencial es relevante para explicar la asignación de fondos federales discrecionales. Muestra empíricamente que los presidentes populares tienden a aumentar las transferencias a las provincias en desarrollo y reducen las partidas a los distritos más ricos. La inversión en las provincias más pobres es más eficiente, y los gobernadores de estos distritos tienden a apoyar a los presidentes que redistribuyen, y además son rivales políticos más débiles. Los presidentes con menos apoyo popular, por el contrario, son menos capaces de resistir las presiones de los gobernadores de los distritos más grandes y ricos.

No incluyo todas las variables institucionales en el modelo completo debido a la alta colinealidad entre algunas de ellas.

En segundo lugar, resalta la relevancia del ciclo electoral, mostrando que en los años electorales, los presidentes tienden a distribuir más fondos a las provincias más grandes y más pobladas. En ellas está la mayor cantidad de votantes. Pero en años no electorales, los presidentes distribuyen a las provincias del interior, menos pobladas, menos ricas, pero más sobrerrepresentadas. Esto es clave para asegurar apoyo legislativo y gobernabilidad.

Las implicancias de estas dos contribuciones sobre la política de distribución en países desiguales son importantes. Por un lado, podemos esperar más redistribución para corregir la enorme desigualdad interregional en Argentina con presidentes electoralmente fuertes, con más apoyo en la opinión pública, y durante periodos de gobierno entre elecciones. Por el contrario, puede haber más concentración de fondos federales en las regiones más ricas y pobladas del país cuando el presidente es débil electoralmente y en la opinión pública, y durante periodos electorales.

La influencia de la popularidad presidencial y los ciclos electorales debería ser explorada también en otros países, desarrollados o en desarrollo, en los que la desigualdad entre regiones es profunda y en donde los presidentes tengan algún nivel de discreción sobre la asignación de fondos federales.

Bibliografía

Achen, C. H. (2000, julio). Why lagged dependent variables can suppress the

explanatory power of other independent variables. Trabajo presentado en la

Annual Meeting of Political Methodology, Los Angeles, CA. Alvarez, R. M. y Saving, J. L. (1997). Deficits, democrats, and distributive benefits:

congressional elections and the pork bar rel in the 1980s. Political Research Quarterly,

50(4), 809-831. Anderson, G. y Tollison, R. (1991). Congressional influence and patterns of New

Deal spending, 1933-1939. Journal of Law and Economics, 34, 161-75. Anzia, S. y Berry, C. (2011). The Jackie and Jill Robinson effect: Why do congresswomen

outperform congressmen? American Journal of Political Science, 55, 478-493. Arulampalam, W., Dasgupta, S., Dhillon, A. y Dutta, B. (2009). Electoral goals and

center-state transfers: A theoretical model and empirical evidence from India.

Journal of Development Economics, 88(1), 103-119.

Atlas, C. M., Gilligan, T. W., Hendershott, R. J. y Zupan, M. A. (1995). Slicing the

federal government net spending pie: Who wins, who loses, and why. The American

Economic Review, 85(3), 624-629. Balla, S., Lawrence, E., Maltzman, F. y Sigelman, L. (2002). Partisanship, blame

avoidance, and the distribution of legislative pork. American Journal of Political

Science, 46(3), 515-525. Beck, N. (2001). Time-series-cross-section data: What have we learned in the past few

years? Annual review of political science, 4(1), 271-293. Beck, N. y Katz, J. N. (1995). What to do (and not to do) with time-series cross-section data. American Political Science Review, 89(03), 634-647. Bennett, J. y Mayberry, E. (1979). Federal tax burdens and grant benefits to states:

The impact of imperfect representation. Public Choice, 34(3/4), 255-269. Berry, C. R., Burden, B. C. y Howell, W. G. (2010). The president and the distribution

of federal spending. American Political Science Review, 104(04), 783-799. Bickers, K. N. y Stein, R. M. (2000). The congressional pork barrel in a Republican

era. The Journal of Politics, 62(04), 1070-1086. Brollo, F. y Nannicini, T. (2012). Tying your enemy’s hands in close races: The politics

of federal transfers in Brazil. American Political Science Review, 106(04), 742-761. Calvo, E. (2007). The responsive legislature: Public opinion and law making in a

highly disciplined legislature. British Journal of Political Science, 37(02), 263-280. Calvo, E. y Escolar, M. (2005). La nueva política de partidos en la Argentina: crisis política,

realineamientos partidarios y reforma electoral. Buenos Aires, Argentina: Prometeo. Carsey, T. M. y Rundquist, B. (1999). Party and committee in distributive politics:

Evidence from defense spending. The Journal of Politics, 61(04), 1156-1169. Clarín (2014, 1 de agosto). El Gobierno volvió a hacer una millonaria modificación

del Presupuesto. Clark, T. S. y Linzer, D. A. (2015). Should I use fixed or random effects? Political

Science Research and Methods, 3(02), 399-408. Couch, J. y Shugart, W. (1998). The political economy of the New Deal. Cheltenham,

Inglaterra: Edward Elgar. Cox, G. W. y McCubbins, M. D. (1986). Electoral politics as a redistributive game. The

Journal of Politics, 48(02), 370-389. Dahlberg, M. y Johansson, E. (2002). On the vote-purchasing behavior of incumbent

governments. American Political Science Review, 96(1), 27-40. De Luca, M., Jones, M. P. y Tula, M. I. (2002). Back rooms or ballot boxes? Candidate

nomination in Argentina. Comparative Political Studies, 35(4), 413-436. Díaz Cayeros, A. (2006). Federalism, fiscal authority, and centralization in Latin America.

Nueva York, NY: Cambridge University Press. Dynes, A. M. y Huber, G. A. (2015). Partisanship and the allocation of federal spending:

Do same-party legislators or voters benefit from shared party affiliation with the

president and house majority? American Political Science Review, 109(01), 172-186. Ferejohn, J. (1974). Pork barrel politics: Rivers and harbors legislation, 1947–1968. Stanford,

CA: Stanford University Press. Gibson, E. L. (1997). The populist road to market reform: Policy and electoral coalitions

in Mexico and Argentina. World Politics, 49(03), 339-370. Gibson, E. L. y Calvo, E. (2000). Federalism and low-maintenance constituencies:

Territorial dimensions of economic reform in Argentina. Studies in Comparative

International Development, 35(3), 32-55. Gibson, E., Calvo, E. y Falleti, T. (2004). Reallocative federalism: Over-representation

and public spending in the western hemisphere. En E. Gibson (Ed.), Federalism

and democracy in Latin America. Baltimore, MD: Johns Hopkins University Press. González, L. I. y Mamone, I. (2011). La economía política de la distribución federal

de obra pública en Argentina. Desarrollo Económico, 51(201), 59-80. González, L. I. y Mamone, I. (2015). Distributive politics in developing federal

democracies: Compensating governors for their territorial support. Latin American

Politics and Society, 57(3), 50-76. Gordin, J. P. (2006). The politics of intergovernmental fiscal relations in Argentina (IBEI

Working Paper No. 2006/2). Barcelona, España: Institut Barcelona D’Estudis

Internacionals. Grossman, P. J. (1994). A political theory of intergovernmental grants. Public

Choice, 78(3-4), 295-303. Holcombe, R. G. y Zardkoohi, A. (1981). The determinants of federal grants. Southern

Economic Journal, 48, 393-399. Hoover, G. A. y Pecorino, P. (2005). The political determinants of federal expenditure

at the state level. Public Choice, 123(1-2), 95-113. Huber, E. y Stephens, J. D. (2001). Development and crisis of the welfare state: Parties and

policies in global markets. Chicago, IL: University of Chicago Press. Huber, E., Mustillo, T. y Stephens, J. D. (2008). Politics and social spending in Latin

America. The Journal of Politics, 70(02), 420-436. Jones, M. (2002). Explaining the high level of party discipline in the Argentine

Congress. En S. Morgenstern y B. Nacif (Eds.), Legislative politics in Latin America

(pp. 147-184). Cambridge, Inglaterra: Cambridge University Press. Jones, M. y Hwang, W. (2005). Provincial party bosses: Keystone of the Argentine

Congress. En S. Levitsky y M. V. Murillo (Eds.), Argentine democracy: The politics of

institutional weakness (pp. 115-138). University Park, PA: The Pennsylvania State

University Press. Knight, B. (2005). Estimating the value of proposal power. The American Economic

Review, 95(5), 1639-1652. Kriner, D. L. y Reeves, A. (2012). The influence of federal spending on presidential

elections. American Political Science Review, 106(02), 348-366.

Kriner, D. L. y Reeves, A. (2015). Presidential particularism and divide-the-dollar

politics. American Political Science Review, 109(01), 155-171. La Nación (2000a, 5 de agosto). El plan de infraestructura, al Congreso. La Nación (2000b, 30 de diciembre). Cómo será el Plan de Infraestructura. La Nación (2005, 4 de julio). Redoblan el reparto de fondos en plena campaña.

Buenos Aires, Santa Fe y Córdoba son las más beneficiadas. La Nación (2007, 20 de junio). El Gobierno reasignó $928 millones para incrementar

las obras en rutas. La Nación (2010a, 27 de septiembre). Santa Cruz, otra vez beneficiada con fondos

discrecionales. La Nación (2010b, 28 de octubre). Favorece a Santa Cruz el presupuesto. La Nación (2013, 29 de abril). Advierten fuertes inequidades en el reparto de fondos

para obras. La Nación (2014, 22 de septiembre). El Gobierno prevé un fuerte aumento del gasto

en obra pública en 2015. La Nación (2015, 25 de abril). Santa Cruz, la más beneficiada de la década con

fondos para rutas y obras. Larcinese, V. , Rizzo, L. y Testa, C. (2006). Allocating the US federal budget to the

states: The impact of the president. Journal of Politics, 68(2), 447-456. Larcinese, V. , Snyder, J. M. y Testa, C. (2013). Testing models of distributive politics

using exit polls to measure voters’ preferences and partisanship. British Journal

of Political Science, 43(04), 845-875. Lauderdale, B. E. (2008). Pass the pork: Measuring shares in bicameral

legislatures. Political Analysis, 16(3), 235-249. Lee, F. E. (1998). Representation and public policy: The consequences of senate

apportionment for the geographic distribution of federal funds. The Journal of

Politics, 60(01), 34-62. Lee, F. E. (2000). Senate representation and coalition building in distributive politics.

American Political Science Review, 94(01), 59-72. Lee, F. E. (2003). Geographic politics in the US House of Representatives: Coalition

building and distribution of benefits. American Journal of Political Science, 47(4),

714-728. Leiras, M. (2007). Todos los caballos del rey: la integración de los partidos políticos y el

gobierno democrático de la Argentina, 1995-2003. Buenos Aires, Argentina: Prometeo-Pent. Levitt, S. D. y Poterba, J. M. (1999). Congressional distributive politics and state

economic performance. Public Choice, 99(1-2), 185-216. Levitt, S. D. y Snyder Jr, J. M. (1995). Political parties and the distribution of federal

outlays. American Journal of Political Science, 39, 958-980. Lindbeck, A. y Weibull, J. W. (1987). Balanced-budget redistribution as the outcome

of political competition. Public choice, 52(3), 273-297.

Lodola, G. (2005). Protesta popular y redes clientelares en la Argentina: el reparto

federal del Plan Trabajar (1996-2001). Desarrollo Económico, 44(176), 515-536. Magaloni, B., Díaz Cayeros, A. y Estévez, F. (2007). Clientelism and portfolio diversification:

A model of electoral investment with application to Mexico. En H. Kitschelt and S.

Wilkinson (Eds.), Patrons or policies? Patterns of democratic accountability and political

competition. Cambridge, Inglaterra: Cambridge University Press. Mainwaring, S. y Shugart, M. S. (1997). Presidentialism and democracy in Latin America.

Nueva York, NY: Cambridge University Press. McCarty, N. M. (2000). Presidential pork: Executive veto power and distributive

politics. American Political Science Review, 94(01), 117-129. Migueis, M. (2013). The effect of political alignment on transfers to Portuguese

municipalities. Economics & Politics, 25(1), 110-133. Mustapic, A. (2000). «Oficialistas y diputados»: Las relaciones Ejecutivo-Legislativo

en la Argentina. Desarrollo Económico, 39(156), 571-595. Neustadt, R. (1989). Presidential power. Nueva York, NY: Free Press. Persson, T. y Tabellini, G. E. (2000). Political economics: Explaining economic policy.

Cambridge, MA: MIT press. Plan Federal de Infraestructura, Decreto No 1377/2001, (2001). Plümper, T., Troeger, V. E. y Manow, P. (2005). Panel data analysis in comparative

politics: Linking method to theory. European Journal of Political Research, 44(2),

327-354. Rodden, J. (2002). Strength in numbers? Representation and redistribution in the

European Union. European Union Politics, 3(2), 151-175. Rodden, J. (2010). The geographic distribution of political preferences. Annual Review

of Political Science, 13, 321-340. Samuels, D. y Snyder, R. (2001). The value of a vote: Malapportionment in comparative

perspective. British Journal of Political Science, 31(04), 651-671. Shugart, M. y Carey, J. (1992). Presidents and assemblies. Constitutional design and electoral dynamics. Cambridge, MA: Cambridge University Press. Solé Ollé, A. (2010). The determinants of regional allocation of infrastructure investment

in Spain. En N. Bosch, M. Espasa y A. Solé Ollé (Eds), The political economy of inter-regional fiscal flows: Measurement determinants and effects on country stability.

Cheltenham, Inglaterra: Elgar Publishing. Stein, R. M. y Bickers, K. N. (1994). Congressional elections and the pork

barrel. Journal of Politics, 56(2), 377-99. Wallis, J. (1987). Employment, politics, and economic recovery during the great

depression. The Review of Economics and Statistics, 69, 516-520. Wooldridge, J. (2002). Econometric analysis of cross section and panel data. Cambridge,

MA: MIT Press. Wright, G. (1974). The political economy of New Deal spending: An econometric analysis. Review of Economics and Statistics, 56, 30-38.