GROWTH RATE GDP
.052 .054 .056 .058 .060 .062 .064 .066
00 02 04 06 08 10 12 14
MIXED _SMI_EMP
.185 .190 .195 .200 .205 .210 .215
00 02 04 06 08 10 12 14
MIXED _SMI_GD P
.160 .165 .170 .175 .180 .185
00 02 04 06 08 10 12 14
MIXED_SMI_PC S
.30 .32 .34 .36 .38 .40 .42 .44
00 02 04 06 08 10 12 14
MIXED _SMI_UNEMP
-.002 -.001 .000 .001 .002 .003 .004
00 02 04 06 08 10 12 14
TC_EMP
-.004 -.003 -.002 -.001 .000 .001 .002 .003
00 02 04 06 08 10 12 14
TC_GDP
-.0030 -.0025 -.0020 -.0015 -.0010 -.0005 .0000
00 02 04 06 08 10 12 14
TC_PCS
-.08 -.06 -.04 -.02 .00 .02 .04
00 02 04 06 08 10 12 14
TC_UNEMP
Fuente: Elaboración propia a partir de la base de datos de Cambridge Econometrics
Un análisis más detallado de los cambios en los factores productivos y la población (fig. nº 6 y 7) que producirán la convergencia o divergencia entre ambas distribuciones nos lleva a las siguientes reflexiones:
- El principal causante de la convergencia o divergencia de los SMI es, por regla general, los cambios que se producen en la población a lo largo de los años. Sin embargo, aunque los cambios en los factores productivos suelen ser menos importantes, también influirán en períodos muy concretos, como son en la divergencia del SMI EMP entre 2008 y 2013. Respecto a la divergencia entre la actividad económica (GDP) y la población entre 2010 y 2012 y la divergencia entre la población y los desempleados entre 2006 y 2008, 2011 y 2014 tampoco la población es el principal responsable.
- En nuestro estudio se observa una tendencia hacia la convergencia entre la población y el stock de capital físico a lo largo del período. Los cambios en estos stocks son determinantes en la evolución de los SMI, por lo que podríamos indicar que éstos se mueven entre las regiones en función de la población. El resto de SMI´s, empleados, desempleados y PIB alternan períodos de convergencia y divergencia entre sus distribuciones y la población siendo el principal responsable de su tendencia en cada caso, los cambios del factor productivo en la divergencia entre las distribuciones y los cambios en la población en la convergencia de las distribuciones (Jobs and GDP follow people).
Fig. nº 6 Spatial Mismatch Index (European regions, Factor Production Change) Fuente: Elaboración propia a partir de la base de datos de Cambridge Econometrics
Fig. nº 7 Spatial Mismatch Index (European regions, Population Change) Fuente: Elaboración propia a partir de la base de datos de Cambridge Econometrics 5 RESULTADOS
En este apartado se ha llevado a cabo un análisis empírico acerca de la influencia que la desconexión espacial entre los factores productivos (considerando además a los desempleados) y la población puede tener sobre la eficiencia y equidad regional. Para ello se ha realizado un análisis de vectores autorregresivos (VAR) cuyo objetivo es detectar el impacto tanto en la eficiencia regional (crecimiento) como en la equidad de un shock en un índice SMI. Mediante el enfoque VAR, se proporciona una perspectiva de los efectos del desajuste espacial a nivel regional sobre la eficiencia y la equidad. Se estiman las funciones de respuesta al impulso asociadas a los shocks unitarios (medidas con el error estándar de las perturbaciones ei (t), (i = 2, ... ..S) en cada una de las ecuaciones del sistema. Estas funciones analizan las posibles desviaciones con respecto a la evolución esperada como resultado de un shock impredecible. El análisis representa una forma complementaria de análisis de interconexión dinámica entre las variables.
En el caso de la equidad, se han generado dos índices que nos permiten recoger la evolución a lo largo del período analizado de la concentración del PIBpc en las economías regionales españolas, GE (θ) para θ = 0 y para θ = 1. Éstos índices de entropía se definen como sigue:
i
n
i
i n i
i i i
n
i
i
x
x p x p
p
GE
11 1
log log
, para θ = 0
-.002 -.001 .000 .001 .002 .003 .004
00 02 04 06 08 10 12 14
EMP_CHANGE
-.004 -.003 -.002 -.001 .000 .001 .002 .003
00 02 04 06 08 10 12 14
GDP_CHANGE
-.08 -.06 -.04 -.02 .00 .02 .04
00 02 04 06 08 10 12 14
UNEMP_CHANGE
-.0025 -.0020 -.0015 -.0010 -.0005 .0000 .0005
00 02 04 06 08 10 12 14
PCS_CHANGE
-.002 -.001 .000 .001 .002 .003
00 02 04 06 08 10 12 14
POP_CHAN_EMP
-.005 -.004 -.003 -.002 -.001 .000 .001 .002
00 02 04 06 08 10 12 14
POP_CHAN_GDP
-.0030 -.0025 -.0020 -.0015 -.0010 -.0005 .0000
00 02 04 06 08 10 12 14
POP_CHAN_PCS
-.08 -.06 -.04 -.02 .00 .02 .04
00 02 04 06 08 10 12 14
POP_CHAN_UNEMP
n
i i i i n
i i i i n
i i i
i n
i i
x p
x x
p p x x
p x GE
1 1
1
1 *
log
*
* log
*
* )
(
, para θ =1
donde, xi es el PIBpc medido en euros constantes del año 2005, de la región i en cada año dado y pi es el share de población de la región i en un año dado. Su evolución desde el año 2000 hasta el 2014 se recoge en la figura siguiente:
Figura nº7. Índices de entropía
Fuente: Elaboración propia a partir de la base de datos de Cambridge Econometrics 5.1 Análisis VAR
Nuestra aplicación abarca el período de 2000 a 2014 y las variables endógenas incluidas en el VAR son el Índice de Entropía (GE (1), como indicador de la desigualdad), el crecimiento del PIB europeo (como indicador de la eficiencia), y los índices de desajuste espacial (SMI para las variables EMP, GDP, PCS y UNEMP). Específicamente, se asume que el modelo VAR para cada región tiene la forma:
donde ut es un término de perturbación con E (ut) = 0, t = 1,2….t. Y representa a las variables endógenas. De acuerdo con los contrastes realizados, se considerará un máximo de dos retrasos (p = 2) para el modelo VAR especificado (retraso óptimo determinado por los criterios de información estadística estándar).
El modelo econométrico descrito se utilizará para analizar empíricamente cómo afectan los shocks sobre los índices de desajuste espacial a la desigualdad regional y a la eficiencia europea.
Las figura nº 8 presenta las funciones individuales (línea continua) o función de respuesta, junto con un intervalo de confianza (líneas discontinuas) que representan las líneas críticas de la banda de ± 2 errores estándar estimadas dentro de los 20 años considerados en la simulación. Debido a la estabilidad de nuestro modelo VAR, estas respuestas de impulso desaparecen después de algunos años. El eje horizontal representa el número de períodos considerado (20), mientras que el eje longitudinal representa la respuesta de los shocks sobre los SMI en la desigualdad (GE(1) primera línea de gráficos) y la eficiencia (Growth Rate GDP, segunda línea de gráficos).
Fig.nº 8. Funciones Impulso-Respuesta sobre la Desigualdad y la Eficiencia Fuente: Elaboración propia
Lo que nuestros hallazgos enfatizan es que un shock exógeno positivo a un SMI tiene un efecto significativo sobre la desigualdad y la eficiencia antes de establecerse en cero en el largo plazo. Estas gráficas indican que un gran desajuste entre población y empleados (SMI EMP) y entre la población y el stock físico de capital (SMI PCS) tienen un efecto inicial y positivo sobre la desigualdad (GE (1)) y la eficiencia, mientras que el efecto inicial es negativo para ambos en el resto de índices de desajuste espacial (SMI GDP y UNEMP). Por tanto, mover la población entre las regiones dependiendo de donde se encuentren los empleados y el stock de capital físico aumentaría inicialmente la desigualdad pero sería positivo para el crecimiento económico. Sin embargo, un incremento del desajuste espacial entre donde radica la actividad económica y la población, así como entre los desempleados y la población sería perjudicial para el crecimiento económico y beneficioso para la desigualdad.
0 0,05 0,1 0,15
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
GE(0) GE(1)
6 CONCLUSIONES
En este trabajo se examina la relación que existe entre la distribución regional de los factores productivos y la distribución de la población en el sistema económico regional europeo. Con él se intenta contribuir al debate del crecimiento regional desigual y a la existencia de competición entre las regiones europeas (Márquez y Hewings (2003)). En el marco de las desigualdades, nuestro estudio se centra en la desigual distribución de los factores productivos regionales con respecto a las poblaciones regionales dentro de un sistema económico regional.
Para abordarlo, desarrollamos primero un método dinámico que muestra el porcentaje de población que debería moverse a otras regiones europeas para que la distribución de población a través de las distintas regiones sea idéntica a la del factor productivo que representa (SMI). Los principales resultados indican que la mayor desconexión espacial entre las variables consideradas y la población se produce para los desempleados (en torno al 36%). La menor desconexión, sin embargo, se produce entre la población y la población ocupada (5,8%).Es interesante constatar cómo puede producirse una elevada movilidad del trabajo (disposición a moverse por parte de los trabajadores) con la persistencia de significativas desigualdades regionales (salariales y de ocupación), ya que lo que verdaderamente incita al desplazamiento de recursos humanos son los rendimientos futuros que el potencial emigrante pueda obtener en cada zona, dado su capital humano. Este razonamiento enlaza con las teorías ya ampliamente comentadas de la NGE (Martin, 2005;
Martin, 2008; Treasury, 2006) en la que se reconoce que la aglomeración espacial de la actividad económica puede aumentar el crecimiento nacional sugiriéndose por tanto que no es necesaria una política regional europea que se ocupe de las desigualdades regionales intranacionales.
Se observa con claridad la tendencia hacia la convergencia del SMI del stock físico de capital. Los SMI de la población ocupada y la población parada alternan períodos de convergencia con períodos de divergencia y el SMI del PIB indica inicialmente la convergencia entre la población y la actividad económica aunque hacia el final del período cambia su tendencia. De la evolución de dichos índices podría reconocerse que cuando hay convergencia entre las distribuciones del factor productivo y la población (SMI disminuye) el factor productivo parece seguir a la población, mientras que cuando hay divergencia (SMI aumenta) es la población la que parece seguir al factor productivo
El análisis VAR realizado permite confirmar los resultados obtenidos previamente con la exploración de los SMI. Los efectos de los desajustes espaciales sobre la desigualdad a través del Índice de Entropía GE(1) también indican que un shock sobre los SMIs GDP y UNEMPL, que conlleva un aumento los desajustes entre esos factores productivos y la población, induciría una disminución de la desigualdad a muy corto plazo en el primer caso y a medio plazo en el segundo, conectando así con las teorías de Cerina y Mureddu (2014) que abordan el trade-off entre eficiencia y equidad contrastando las teorías de la Nueva Geografía Económica. Ello significaría que la población debe moverse en función de donde se encuentren los factores productivos. En el caso del desajuste espacial entre la población y los empleados y entre la población y el stock físico de capital, los gráficos sugieren que un aumento del mismo tendría efectos negativos inmediatos sobre la desigualdad, ya que ésta aumentaría.
Respecto al crecimiento económico, éste se vería perjudicado con un aumento del desajuste espacial entre la población y la actividad económica y entre la población y los desempleados. Se vería beneficiado sin embargo, con un aumento del desajuste espacial entre la población y los empleados y la población y el stock físico de capital. Esta última reflexión sugeriría de nuevo, que la población debe moverse entre las regiones en función de dónde se encuentren los principales factores productivos volviendo así a plantearse la tan cuestionada dirección de causalidad sobre la interacción de los mismos y que tiene su fiel reflejo en la interacción población-empleo.
Algunos meta análisis sobre la cuestión de si “jobs follow people or people follow jobs” indican que la dirección de la causalidad puede depender de la especificación del modelo, de la medición de las variables, o de las características espaciales de los datos (Hoogstra et.
al., 2005, 2011). Con este trabajo se ha pretendido aportar prueba empírica sobre dicha cuestión.
REFERENCIAS
Alexiadis, S. and Eleftheriou, K. (2011): “A note on the relation between inter-regional inequality and economic efficiency: evidence from the US states”, Regional Science Policy & Practice, Vol. 3 Number 1, pp. 37-44.
Barro, R.J. (1991) “Economic growth in a cross section of countries” Quarterly Journal.
Barro, R.J. and Sala-i-Martin, X. (1991). “Convergence across states and regions”, Brookings Papers on Economic Activity, 1, 107-182.
Belov, A. (2008): “The regional allocation of production factors in the Russian Federation: equity or efficiency”,mimio
Blanchard, O.J. (1991): “Comments on (Barro and Sala-i-Martin, ‘Convergence across states and regions’)”. Brooking Papers on Economic Activity 1, p.159-174.
Begg, I. (1995): “Factor Mobility and Regional Disparities in the European Union”, Oxford Review of Economic Policy, 11 (2), pp. 96-112.
Brülhart, M.; Sbergami, F. (2009). “Agglomeration and growth: Cross-country evidence”. Journal of Urban Economics, 65(1), 48–63.
Cerina, F. and Mureddu, F. (2014). “Is Agglomeration really good for Growth? Global Efficiency, Interregional Equity and Uneven Growth”. Journal of Urban Economics, Vol. 84, pp.9-22.
Chesire, P. and Magrini, S. (2002). “The spatial economic impact of Euroland and the implications for policy”. Regional Convergence in the European Union, 211-229.
Davis, D.R. and Weinstein, D.E. (1999): “Economic geography and regional production structure: An empirical investigation”, European Economic Review, Vol. 43 (2), pp 379-407.
Decressin, J. and Fatás, A. (1995), “Regional Labour Market Dynamics in Europe”, European Economic Review, 39(9), p.1627-55.
Desmet K. and Rossi-Hansberg E. (2014): “Spatial Development”. American Economic Review, 104:4, 1211 - 1243.
Ederveen S., Nahuis R., and Parikh A. (2007) “Labour mobility and regional disparities: the role of female labour participation”. Journal of Populations Economics, nº 20, p. 895-913.
Eichgreen
Gardiner, B., Martin, R., & Tyler, P. (2011). Does spatial agglomeration increase national growth? some evidence from europe. Journal of Economic Geography, 11(6), 979-1006. doi:10.1093/jeg/lbq047
Hoogstra, G., van Dijk, J., &Florax, R. (2005). “Do jobs follow people or people follow jobs? A meta-analysis of Carlino-Mills studies”. European Regional
Hoogstra, G. J., van Dijk, J., &Florax, R. J. (2011). Determinants of Variation in Population–Employment Interaction Findings: A Quasi‐Experimental Meta‐
Analysis. Geographical Analysis, 43(1), 14-37.
HM Treasury (2006). “Non-paper: Key issues for the future of EU regional development policy”. HM Treasury, London.
Magrini, S. (2004): “Regional (Di)Convergence” en Vernon and Thisse (ed.) Handbook of Regional and Urban Economics. Volume 4. Eselvier V.B. p.
2741-2796.
Márquez, M.A. and Hewings, G. (2003): “Geographical competition between regional economies: The case of Spain”. The Annals of Regional Science, 2003, Vol. 37, nº 4, p. 559-580
Martin, P (1999a):“Are European Regional Policies delivering?”. European Investment Bank Papers 4(2). P.10-23.
Martin, P (2005): “The geography of inequalities in Europe”. Swedish Economic Policy Review, 12, p. 83-108.
Martin, R. (2008): “National growth versus regional equality? A cautionary note on the new trade-off thinking in regional policy discourse”, Regional Science, Policy and Practice, Vol. 1 (1), 3–13.
Martin R. W. (2001). “The Adjustment of Black Residents to Metropolitan Employment Shifts: How Persistent Is Spatial Mismatch?”, Journal of Urban Economics nº 50, p. 52-76.
Martin R.W. (2004). “Spatial Mismatch and the Structure of American Metropolitan Areas, 1970-2000”, Journal of Regional Science, vol 44. nº 3, p. 467-488.
McCann. P. (2001). Urban and Regional Economics. Oxford: Oxford University Press.
Moilanen M. (2009): “Matching and Settlement Patterns: The case of Norway”, Papers in Regional Science, nº 89, p. 607-623.
Piketty, T. 2014. Capital in the Twentieth Century. Harvard University Press, 696 pages
Richardson H (1977). “Aggregate efficiency and interregional equity”. In: Folmer H, Oosterhaven J (eds) Spatial inequalitiesand regional development, North Holland, Amsterdam
Ulltveit-Moe, K. H. (2007). Regional policy design: An analysis of relocation, efficiency and equity. European Economic Review. Elsevier, vol 51(6), p.1443-1467, August.
Williamson, J.G.(1965). “Regional inequality and the process of national development”. Economic Development and Cultural Change 13 (4), 3-45.