Modelos econométricos interregionales de crecimiento de la industria y los servicios en las regiones europeas, 1985-1995

Guisán, M.C.; Aguayo, E. Modelos interregionales europeos. Capítulo 1 1 Libro EE5 de la Colección Estudios Económicos. Asoc. Hispalink-Galicia MODELOS ECONOMÉTRICOS INTERREGIONALES DE CRECIMIENTO DE LA INDUSTRIA Y LOS SERVICIOS EN LAS REGIONES EUROPEAS, 1985-1995 Mª del Carmen GUISÁN SEIJAS, coordinadora 2001 Autoras: María-Carmen GUISÁN SEIJAS María-Teresa CANCELO MÁRQUEZ Eva AGUAYO LORENZO María-Rosario DÍAZ VÁZQUEZ ISBN 84-607-3583-4 Edita. Asociación Hispalink Galicia 1ª edición impresa, año 2001. 2ª edición electrónica en 2022 https://www.usc.gal/economet/libros.htm Estudios Económicos nº 5 (2001) https://www.usc.gal/economet/libros.htm 2 INDICE DEL LIBRO MODELOS ECONOMÉTRICOS INTERREGIONALES DE CRECIMIENTO DE LA INDUSTRIA Y LOS SERVICIOS EN LAS REGIONES EUROPEAS, 1985-1995 Prólogo Capítulo 1. Modelos y factores de desarrollo regional, 1970-2001. Guisán, M.C., Aguayo, E. 1.1. Principales factores de desarrollo regional 1.2. Tipos de modelos regionales 1.3. Metodología y fases de estimación 1.4. Modelos interregionales 1.5. Referencias bibliográficas Anexo: Panorama de modelos regionales americanos y europeos, 1970-2001 A1. Modelos americanos del período 1970-2001: Modelo NRIES A2. Modelos españoles: Grupo Hispalink y Tesis Doctorales hasta el año 2001. A3. Modelos interregionales europeos, 1994-2001. Capítulo 2. Relaciones intersectoriales y desarrollo regional, 1994-2001, Guisán, M.C.,Aguayo, E. 2.1. Relaciones intersectoriales 2.2. Modelos intersectoriales de las regiones europeas en 1994-2001 2.3. Modelos intersectoriales de las regiones españolas, 1994-2001 2.4. Referencias bibliográficas. Capítulo 3. Concentración industrial de las regiones europeas, 1994-2001. Guisán, M.C., Cancelo, M.T., Díaz-Vázquez, M.R. 3.1. Comparación de los sectores industriales de la UE, USA y Japón 3.2. Modelo interregional de crecimiento industrial. 3.3. Análisis de las políticas de ayuda a la industria en la UE 3.4. Referencias bibliográficas Capítulo 4. Educación, investigación y desarrollo regional, 1994-2001. Guisán, M.C., Cancelo, M.T., Aguayo, E., Díaz-Vázquez, M.R. 4.1. Educación e investigación en las regiones de la UE 4.2. Modelos econométricos de impacto de la educación y la I+D 4.3. Contrastes de homogeneidad de parámetros. 4.4. Referencias bibliográficas. 3 Guisán, M.C.; Aguayo, E. Modelos interregionales europeos. Capítulo 1 Prólogo a la primera edición (edición impresa 2001). En este libro incluimos varios estudios interregionales europeos realizados por miembros de los equipos de investigación de Econometría y Economía Sectorial de la Universidad de Santiago de Compostela. Los modelos resaltan la importancia de las relaciones intersectoriales para impulsar el desarrollo del valor añadido y el empleo en los sectores de servicios en las regiones europeas y españolas, destacando que las perspectivas de desarrollo regional de las regiones menos ricas dependen en gran medida del impulso que reciban para potenciar su capital humano y su industria. Las autoras son profesoras de la universidad de Santiago de Compostela y poseen una amplia experiencia en el estudio de modelos econométricos de desarrollo económico tanto a nivel regional como a nivel internacional. Forman parte del Grupo Hispalink de Modelización Econométrica Regional de las universidades españolas y han presentado comunicaciones sobre este tema en congresos españoles y europeos, especialmente en los de ERSA (European Regional Science Association). Prólogo a la segunda edición (versión electrónica del año 2022) Hemos elaborado esta versión electrónica, de difusión gratuita para facilitar el acceso a lectores interesados en estos temas y en especial a quienes comienzan su actividad investigadora, con trabajos de Fin de Grado, Master o Doctorado. Otros estudios de las autoras sobre economía de Europa y América y desarrollo internacional en: https://www.usc.gal/economet/econometria.htm incluyendo revistas académicas y Blogs académicos de Economía. Santiago de Compostela 5-7-2022. La coordinadora Asociación Hispalink-Galicia y Asociación de Estudios Euro-Americanos de Desarrollo Económico Agradecimiento: Las autoras agradecen la ayuda de la Secretaría Xeral de I+D de la Xunta de Galicia del año 2001 para el desarrollo de esta investigación . (*)Proyecto PIPGIDT99PXI20101B Estudios Económicos nº 5 (2001) https://www.usc.gal/economet/libros.htm 4 Tablas de datos Capítulo 1. Tabla A1. 10 modelos norteamericanos del período 1970-1997 Tabla A2. Tesis Doctorales españolas, de modelos regionales, en 1987-2001 Tabla A3-1. 10 modelos interregionales de varios países europeos, 1994-2001 Tabla A3-2. 4 modelos interregional de un país europeo en 1994-2001. Capítulo 2. Tabla 2.1. Stock de Capital Manufacturero regional en 1976-1991 Tabla 2.2. Tasas de empleo no agrario de las regiones españolas, 1976-1995 Tabla 2.3. Valor Añadido real per cápita, Tasa de Empleo y Población en 1991 Tabla 2.4. VAB real per capita (Enfoque Renta):1995 y predicción 2010 Capítulo 3 Tabla 3.1. VAB per capita en países OCDE: Q,K,C y M en 1990 Tabla 3.2. Productividad media en países OCDE: Q,K,C y M en 1990 Tabla 3.3. Cociente de Población (Grupo de regiones/UE12), 1980-1990 Tabla 3.4. Producción Industrial per cápita en Europa y EEUU, 1990-2001 Tabla 3.5. Modelo de Guisán, Cancelo y Diaz 1997: localización industrial Tabla 3.6. Ayudas nacionales a la industria en Europa 1986-94 Tabla 3.7. Ayuda a la industria en 4 grandes economías europeas, 1986-94 Tabla 3.8. % de Ayuda sobre el Valor añadido de la industria. Tabla 3.9. Objetivos regionales de la ayuda industrial en cada país. Capítulo 4 Tabla 4.1. PIB per cápita, I+D y Educación en la UE15, EEUU y Japón 1995 Tabla 4.2: PIB per cápita, PS2 e I+D per cápita en países europeos 1990- 1995 Tablas 4.3 a 4.10. Datos PIBH e IDH en las regiones europeas 1985-1995. Tabla 4.5 . Ecuación 5: PIB95H e IDH con homogeneidad total de parámetros Tabla 4.6. Ecuación 6. PIB95H e IDH y 3 ordenadas en origen Guisán, M.C.; Aguayo, E. Modelos interregionales europeos. Capítulo 1 5 CAPITULO 1 MODELOS Y FACTORES DE DESARROLLO REGIONAL, 1970-2001 GUISÁN SEIJAS, María-Carmen* AGUAYO LORENZO, Eva 1.1. Principales factores de desarrollo regional El desarrollo económico depende de un conjunto de factores sociales y organizativos que deben tenerse en cuenta para un análisis realista del proceso dinámico que conduce a unas regiones y países a mantenerse en la senda del crecimiento y en el aumento de la calidad de vida. A su vez este desarrollo tiene una importancia decisiva en la calidad de muchos factores sociales, en un proceso de interrelación que no siempre se ha destacado de forma suficiente en los libros de Economía. El desarrollo regional presenta generalmente una tendencia a la concentración en las regiones que reúnen ciertas ventajas comparativas, siempre que exista libre movilidad de factores productivos y una homogeneidad lingüística y cultural en el espacio constituído por el conjunto de regiones de un país o conjunto de países con unión aduanera. Estados Unidos de América es un ejemplo de país en el que las condiciones de oferta y demanda de actividad económica por una parte y las condiciones climatológicas para la población jubilada por otra, son factores importantes que explican la distinta evolución de sus regiones, como se pone de manifiesto en el estudio interregional de Freeman(2001) y en otros estudios. La Unión Europea presenta la primera de las características mencionadas, la libre movilidad de los factores, pero no presenta el mismo grado de homogeneidad lingüística y cultural, lo que influye en la tendencia de la población a mantener su residencia dentro de un área cultural afin. A pesar de las diferencias lingüísticas existen muchos valores comunes y compartidos en la cultura europea, lo cual constituye una base muy importante para la construcción de un verdadero espacio socioeconómico. ---- *Las autoras son profesoras de la universidad de Santiago de Compostela (España). Libro nº 5 de la colección Estudios Económicos de la Asociación Científica y Cultural Hispalink-Galicia, https://www.usc.gal/economet/libros.htm Estudios Económicos nº 5 (2001) https://www.usc.gal/economet/libros.htm 6 El multiculturalismo europeo hace que la distribución territorial de la población sea algo más compleja que en Estados Unidos, pues los desplazamientos de población por motivo de trabajo se producen en la mayor parte de los casos dentro de un mismo espacio lingüístico y/o cultural. Si bien es previsible que cada vez se fomente más la comunicación multilingüe en Europa, y en este sentido sería muy deseable una mayor ayuda a esta política por parte de la UE. No obstante la movilidad de la población será en probablemente mucho más limitada que en un espacio monolingüe. La política regional europea tiene que tener en cuenta estos factores socioculturales. Los modelos interregionales europeos ponen de manifiesto la necesidad de considerar un desarrollo regional armónico en todo su espacio ya que existe una tendencia muy limitada a la movilidad por parte de su población. No cabe pensar que se produzca una igualación de renta regional por habitante basada fundamentalmente en los movimientos migratorios internos. Así frente a quienes defienden una imitación total del modelo norteamericano de movilidad de trabajadores, consideramos que la UE debe desarrollar otras políticas de armonización de rentas que tengan en cuenta la limitada tendencia a la movilidad de su población. Teniendo en cuenta estas consideraciones hay que resaltar los principales factores que los estudios econométricos interregionales ponen de manifiesto como impulsores del proceso dinámico de desarrollo, que son los siguientes: 1) El sector servicios es el que manifiesta un mayor volumen de empleo y valor añadido y además el que tiene un mayor potencial de crecimiento del empleo. Es de gran interés analizar los factores que más lo impulsan y en ese sentido destacan, con carácter general, el desarrollo de la industria, el turismo y los movimientos de población, así como algunos factores específicos de determinadas regiones (instalaciones portuarias importantes, capitalidad, etc). Además hay que tener en cuenta la importante interrelación existente entre población y empleo como se pone de manifiesto en Aguayo y Guisán (2001) para el caso europeo y en Freeman (2001) para el caso de Estados Unidos. 2) La principal diferencia entre las regiones más ricas y más pobres se debe al grado de industrialización, de ahí el gran interés que tienen los estudios de distribución regional de la actividad industrial. Los estudios que se menciona en el capítulo 3 ponen de manifiesto dos hechos importantes: por Guisán, M.C.; Aguayo, E. Modelos interregionales europeos. Capítulo 1 7 una parte existe una importante tendencia al incremento de la actividad industrial en las regiones que ya poseían un elevado nivel de industrialización y por otra parte una importante relación positiva entre el nivel educativo de la población y el impulso a la industria. 3) El ambiente sociocultural de una región es por lo tanto muy importante para impulsar y consolidar su desarrollo económico, en un proceso dinámico que se refuerza, en las regiones de desarrollo educativo alto ya que la riqueza tiende en ellas a impulsar a su vez la financiación de la educación y de la investigación. En el caso de las regiones europeas se observa por una parte que las regiones pioneras en el desarrollo educativo han alcanzado niveles muy elevados de desarrollo y que las regiones con menores niveles aceleran su convergencia a la media europea cuando realizan un importante esfuerzo educativo como en el caso de Irlanda en las últimas décadas del siglo XX. 4) Además de los factores mencionados se observan tendencias a la concentración de la actividad económica y el empleo en las regiones centrales de la UE, en el sentido que se menciona en el capítulo 3, lo que hace imprescindible que se desarrolle una política económica equilibradora que impulse el desarrollo de las regiones periféricas. 5) Otras variables como las diferencias salariales y de gastos en investigación y desarrollo, I+D, manifiestan también impactos sobre el desarrollo regional. En el caso del I+D, la investigación universitaria manifiesta, en conjunto, un efecto mayor sobre el desarrollo regional que la realizada en las empresas u otros organismos debido posiblemente a su carácter más amplio e innovador. Los modelos econométricos analizados en el capítulo 4 destacan también el importante papel positivo que la investigación socioeconómica tiene en el desarrollo regional. La UE dedica poca financiación en términos per cápita a los gastos de investigación en comparación con Estados Unidos, Japón, Suiza y otros países de mayor nivel de desarrollo. Como señala Landes(1999) existe una gran relación entre la historia cultural y la historia económica, y tanto los estudios históricos como los estudios econométricos ponen de manifiesto el importante efecto de propagación que tienen a través del tiempo los impulsos educativos y socioculturales sobre el desarrollo económico y social. Estudios Económicos nº 5 (2001) https://www.usc.gal/economet/libros.htm 8 1.2. Tipos de modelos regionales Una primera clasificación de los modelos regionales nos permite distinguir entre: 1.- Modelos unirregionales . 2.- Modelos multirregionales. Los modelos unirregionales tratan el espacio geográfico como un todo sin desagregaciones. Consideran que la actividad económica de la región viene básicamente determinada por variables nacionales exógenas. Mientras que los modelos multirregionales estudian un área dividida en partes, construyendo un modelo econométrico regional para cada subárea y es posible el análisis de las interdependencias económicas entre las regiones. En este tipo de modelos la agregación de las regiones consideradas se corresponde con el total nacional. La congruencia entre los resultados del total nacional y los obtenidos por la agregación regional se obtiene de distintas formas dependiendo del modelo. Tras un artículo de KLEIN(1969) es clásica la clasificación de los modelos multirregionales en: 2.a. Modelos multirregionales "top-down" 2.b. Modelos multirregionales "bottom-up". En los modelos multirregionales "top down"(modelos con distribución arriba-abajo o descendente), el modelo regional es un modelo satélite del nacional, es decir, se da primacía al dato nacional que se reparte entre las diferentes regiones. Se parte de un modelo nacional en el que se obtiene el valor de las variables nacionales y dichas variables se utilizan como variables exógenas en los modelos regionales. Guisán, M.C.; Aguayo, E. Modelos interregionales europeos. Capítulo 1 15 restricción de que dicho parámetro sea necesariamente igual a 1, ya que con frecuencia ese parámetro es menor o mayor que la unidad. Como se demuestra en Guisán(1999) y Guisán(2001) con frecuencia se ha dado una importancia exagerada a la aplicación de contrastes de cointegración pues muchas veces los resultados de los tests no se interpretan correctamente, ya que una situación muy frecuente es la de no superación del test, en relaciones causales, por incertidumbre con evidencia bastante favorable hacia la existencia de cointegración, y ello no es tenido en cuenta por los investigadores que no hacen distinción entre incertidumbre y rechazo de la hipótesis de cointegración. Las relaciones incluídas en este libro presentan generalmente un buen resultado desde el punto de vista de la cointegración, cuando hemos efectuado dicho análisis por disponer de series temporales de tamaño suficiente para ello, bien por aceptarse la hipótesis de cointegración, o rechazarse la hipótesis de no cointegración, o bien por la existencia de incertidumbre con evidencia favorable a la cointegración. Fases de la estimación Como metodología generalmente aconsejable para la estimación de modelos interregionales de crecimiento con series atemporales, o con combinación de series temporales y atemporales, consideramos los siguientes pasos: 1) Especificar un modelo que incluya una ecuación para cada una de las variables (valores añadidos, empleo, población, etc.) que queremos explicar, incluyendo como variables explicativas aquellas que, de acuerdo con nuestros conocimientos económicos y la experiencia econométrica, permitan explicar en un alto grado las diferencias entre regiones y estimar cada ecuación del modelo por mínimos cuadrados ordinarios, MCO, si no hay interdependencia entre la variable explicada y las explicativas, o por mínimos cuadrados en dos etapas, MC2E, si existe interdependencia. 2) Observar los residuos y comprobar si los casos que se desvían del modelo estimado son singulares o sistemáticos, con alguna explicación común. Si se detectan desviaciones importantes es conveniente, sobre todo para mejorar la bondad del ajuste, incluir algunas variables complementarias, bien cualitativas o cuantitativas, que expliquen dichas desviaciones. A veces es suficiente incluir alguna ficticia que recoja efectos especiales en alguna región o grupo de regiones. Estudios Económicos nº 5 (2001) https://www.usc.gal/economet/libros.htm 16 3) Observar la bondad del ajuste tanto mediante el coeficiente de determinación como mediante el porcentaje de error cuadrático o absoluto medio, o medida similar como el porcentaje que el standard error, o desviación típica estimada de la perturbación, representa respecto a la media de la variable cuyo compartamiento queremos explicar. Una elevada bondad del ajuste según ambos criterios es indicadora, en modelos con una especificación causal razonable, de que existe bastante homogeneidad de parámetros, puesto que en caso de heterogeneidad elevada la bondad del ajuste disminuye pues aumenta mucho la suma de cuadrados de los errores en el modelo interregional. 4) Contrastar la homogeneidad de parámetros entre las distintas unidades regionales, o entre grupos de ellas. Si no existe una bondad del ajuste elevada hay que pensar que probablemente hay variables excluídas importantes, cuya exclusión precisamente provoca dicha heterogeneidad, y que es preciso mejorar la especificación del modelo. Como ya hemos indicado en modelos que incluyen variables explicativas relevantes es frecuente que el grado de homogeneidad, aunque no sea total, sea suficiente para obtener conclusiones de mucho interés, en base al estudio interregional, ya que un pequeño porcentaje de diferencia entre los parámetros de unas regiones respecto a los de otras no afecta de forma importante a los resultados generales.. El tipo de heterogeneidad detectada, en su caso, es orientativo para la reformulación del modelo incluyendo alguna variable que explique las diferencias. Como se indica en Guisán(1997) es muy importante tener en cuenta que la principal causa de la variación de los parámetros es la omisión de variables explicativas relevantes, lo cual con frecuencia no se destaca de forma suficiente en la literatura económica y econométrica. 5) Contrastar la presencia de heterocedasticidad en el caso de series atemporales y mixtas, y también de autocorrelación temporal en el caso de series mixtas con un número relativamente amplio de datos temporales, de al menos 15 o 20 datos temporales para cada región. Si se producen dichos problemas es conveniente estimar por mínimos cuadrados generalizados, MCG, especialmente para la fiabilidad de los contrastes de significatividad de parámetros, o mejorar la especificación del modelo para que disminuyan dichos problemas. Guisán, M.C.; Aguayo, E. Modelos interregionales europeos. Capítulo 1 17 La corrección de White, incluida en los programas econométricos de datos de panel, permite estimar los parámetros por mínimos cuadrados ordinarios (MCO) y sus varianzas de forma consistente aunque haya heterocedasticidad y por lo tanto es conveniente comprobar si los parámetros son significativos también con la corrección de White. Si el grado de heterocedasticidad es elevado las varianzas estimadas con y sin la corrección de White son diferentes y lo correcto es utilizar dicha corrección. Los problemas de autocorrelación y heterocedasticidad se deben con frecuencia a la omisión de variables explicativas relevantes, sobre todo cuando las excluídas están poco correlacionadas linealmente con las variables incluídas en el modelo, y por ello es muy conveniente, si el problema es de cierta entidad, mejorar la especificación del modelo incluyendo alguna variable relevante previamente omitida. 6) Realizar análisis complementarios de causalidad y especificación, dando a todos los resultados una interpretación equilibrada, teniendo en cuenta que la mayoría de los contrastes ofrecen resultados orientativos pero en general pueden estar afectados por diversas imprecisiones, tanto de la metodología como de los datos y de la propia especificación del modelo y que, por lo tanto no se deben interpretar los resultados de forma rígida. En el tema de causalidad es importante analizar el sentido de dicha causalidad siempre que pueda haber causalidad inversa o bidireccional. 7) Buscar siempre el realismo económico y no preocuparse excesivamente por determinadas rigideces metodológicas magnificadas, de forma exagerada por algunos económetras, ya que dichas actitudes rígidas pueden bloquear la obtención de resultados, teniendo en cuenta que no estamos hablando de una ciencia exacta sino que buscamos una aproximación razonable a la explicación de la realidad. Exageración en el peligro del agotamiento de datos (data mining) En las últimas décadas del siglo XX dos rigideces importantes en este sentido han sido la utilización del temor al data mining y la imposición de la condición de cointegración entre las variables, conceptos ambos con muchas limitaciones que deben interpretarse de forma menos rígida de la habitual. El peligro de data mining, o agotamiento de la información de los datos, ha sido exagerado por parte de algunos autores, quienes lo consideran tan peligroso que prefieren ignorar gran parte de la información que nos Estudios Económicos nº 5 (2001) https://www.usc.gal/economet/libros.htm 18 proporciona la muestra a caer en el supuesto peligro de extraer información equivocada. Este exagerado uso del término data mining es un error, como señala Greene (2001), pues la información contenida en los datos debemos de aprovecharla en lo máximo posible para obtener conclusiones realistas de interés económico, con un criterio razonable y equilibrado. En general no es ningún problema realizar tests que sean válidos e interesantes sugeridos por los resultados empíricos. En caso de duda es conveniente repetir dichos tests con nuevas muestras de datos para confirmar los resultados. Fuentes de datos Para los estudios europeos la fuente principal de datos regionales es la oficina estadística Eurostat y para los datos de la economía española los del Instituto Nacional de Estadística (INE). Desde el año 1986 el INE proporciona la estadística Contabilidad Regional de España (CRE) con datos para numerosas variables. Otras fuentes de datos importantes del INE son la EPA (Encuesta de Población Activa) que proporciona datos de empleo sectorial a nivel regional y provincial, las estadísticas de Turismo (nº de viajeros y pernoctaciones hoteleras entre otros), entre otras variables. Otras fuentes interesantes para algunas variables son estadísticas aportadas por equipos de investigación e instituciones como el estudio de Mas, Pérez y Uriel(1995) para datos regionales del Stock de Capital de España. 1.4. Modelos interregionales Los modelos interregionales son modelos multirregionales que se estiman bien con series atemporales, o bien con combinaciones de series temporales y atemporales del conjunto de regiones de un país o de varios países. Se diferencian de los otros modelos multirregionales en que estiman un sólo modelo para el conjunto de las regiones y no centran su atención en el tema de los flujos interregionales sino en los distintos niveles de desarrollo. Incluyen de forma prioritaria, entre las variables explicativas, aquéllas que se considera que tienen una mayor relevancia para explicar las diferencias en los niveles de desarrollo de las regiones. Este es el enfoque interregional seguido en este libro, y consiste en especificar un modelo que explica el valor de las variables endógenas de cada Guisán, M.C.; Aguayo, E. Modelos interregionales europeos. Capítulo 1 19 región en un momento del tiempo (Valores Añadidos, empleo, población, etc.) en función de otras variables internas o externas a la propia región, considerando parámetros comunes, todos o en parte, para todas las regiones y estimando un sólo modelo con datos de varias regiones, bien de tipo atemporal, o cross-section, o bien mediante un pool, o combinación de datos temporales y atemporales. El modelo interregional de crecimiento es un caso particular de modelo multirregional en el que la homogeneidad de algunos parámetros en distintas regiones permite la estimación de un sólo modelo para el conjunto de regiones, bien con datos atemporales o bien con combinaciones de datos temporales y atemporales. Para que el modelo proporcione buenos resultados es necesario que los parámetros tengan bastante estabilidad entre regiones de distinto nivel de desarrollo lo que exige una buena selección de variables explicativas. Los parámetros no suelen tener una homogeneidad total ni en el tiempo ni en el espacio pero manifiestan, en ecuaciones que incluyen variables relevantes, una estabilidad muy destacada, de forma que la hipótesis de homogeneidad o constancia tanto en el tiempo como en el espacio es muchas veces aceptables al menos de forma aproximada. Puede ocurrir que se rechace la homogeneidad, en el sentido de que un parámetro no sea idéntico, al cien por cien, en distintas regiones, pero se acepte que la diferencia existente en este sentido no supera un pequeño porcentaje (por ejemplo del 1%) del valor del parámetro en la región que se tome como referencia, en cuyo caso hablaríamos de homogeneidad aproximada. En general recomendamos los modelos interregionales de crecimiento para seleccionar variables explicativas del crecimiento regional, ya que la muestra conjunta de varias regiones proporciona una mayor variabilidad y menor multicolinealidad que las muestras unirregionales, lo que contribuye a mejorar la precisión de los estimadoras y los resultados de incertidumbre en los contrastes de significatividad de parámetros. Por otra parte, con fines predictivos recomendamos, en general, los modelos unirregionales, pues éstos tienen en cuenta en mayor medida efectos específicos de cada región lo que contribuye a mejorar la capacidad predictiva. Los modelos interregionales internacionales presentan en algunos casos problemas de disponibilidad de datos y homogeneidad de fuentes Estudios Económicos nº 5 (2001) https://www.usc.gal/economet/libros.htm 20 estadísticas. La oficina estadística Eurostat para el caso de las regiones europeas y los institutos nacionales y regionales de estadística de cada país, permiten disponer de datos comparables generalmente de alta calidad, y por lo tanto constituyen una fuente de información de gran utilidad. Modelos interregionales europeos del período 1994-2001 En el Anexo A3 incluimos una lista de modelos interregionales europeos de este período. Las estimaciones de algunos de estos modelos se comentan en Guisán y Aguayo(2001 c) o en los capítulos 3 y 4 de este libro. La experiencia de los modelos interregionales es muy interesante pues en general tienen un nivel de desagregación sectorial mayor que muchos modelos macroeconométricos y pueden ser de gran ayuda para analizar los efectos de las políticas económicas. En el Anexo A1 mencionamos varios modelos regionales norteamericanos incluyendo el modelo interregional de Clark y Murphy. En el Anexo A2 nos referimos a modelos regionales españoles como el modelo multirregional del grupo Hispalink y 25 Tesis Doctorales sobre modelos regionales. En el Anexo A3 incluimos una relación de modelos interregionales de regiones de varios países europeo, o relativos a un solo país, estimados en el período 1994-2001 1.5. BIBLIOGRAFIA ADAMS, F.G, BROOKING, C.G.; GLICKMAN, N.J. (1975). "On the Specification and Simulation of a Regional Econometric Model: A Model of Mississippi". The Review of Economics and Statistics. Vol. 57, n. 3, pp. 286- 298. ADAMS, F.G, BROOKING, C.G.; GLICKMAN, N.J. (1975)."On the Specification and Simulation of a Regional Econometric Model: A Model of Mississippi". The Review of Economics and Statistics. Vol. 57, n. 3, pp. 286- 298. ADAMS, F.G., GLICKMAN, N.J. (edit.) (1980). "Modeling the Multiregional Economic System", Lexington Books. AGUAYO, E. (2001). Empleo regional y población: un modelo econométrico interregional de las regiones europeas. Tesis Doctoral, USC. Texto completo Guisán, M.C.; Aguayo, E. Modelos interregionales europeos. Capítulo 1 21 en la Web del Instituto Cervantes. AGUAYO, E., GUISÁN, M.C. (2001). Empleo y población en las regiones europeas: un modelo econométrico. Revista Galega de Economía, Vol. 10-1, disponible en Dialnet (opciones español y gallego). AGUAYO, E.; GUISÁN, M.C.; RODRÍGUEZ, X.A.(1997). La industria y el turismo en el desarrollo regional: Un modelo interregional de España. Serie Economic Development nº 19: https://ideas.repec.org/p/eaa/ecodev/19.html BALLARD, K.P.; WENLING, R. M.(1980). "The National-Regional Impact Evaluation System: A Spatial Model of U.S. Economic and Demographic Activity". Journal of Regional Science, 20, pp. 143-158. BALLARD, K.P., GUSTLEY, R.D., WENLING, R.M.(1980). NRIES. National-Regional Impact Evaluation System: Structure, Performance and Application of a Bottom-up Interregional Econometric Model. US Department of Commerce. Bureau of Economic Analysis. Regional Economic Analysis Division. E-boo. BAIRD, C.A. (1983). "A Multirregional Econometric Model of Ohio". Journal of Regional Science, Vol. 23. n.4. pp. 501-515. BEGG, I. (1993). "The Service Sector in Regional Development".Regional Studies. Vol. 27.8, pp. 817-825. BELL, F.W. (1967)."An econometric Forecasting Model for a Region".Journal of Regional Science, Vol. 7, 2. BOLTON, R.(1980)."Multiregional Models: introdution to a symposium". Journal of Regional Science. Vol-20. BOLTON,R.(1991). "Regional Econometric Models". Bolkin, R.G, ed. Ahistory of Macroeconometric Model-Boulding. pp. 451-479. Edward Elgar Publishing. New York. BROWE, M. et al (1972)."Regional-national Econometric Model of Italy". Papers of Regional Science Association.Vol. 29, pp. 25-44. BROWN, M., DI PALMA, M. & FERRARA, B. A. (1972). A regionalnational econometric model of Italy. Papers of the Regional Science Association 29, 25–44 (1972). https://doi.org/10.1007/BF01962283 CLARK D.E., MURPHY, C.A.(1996). “Countrywide Employment and Population Growth: An Analysis of the 1980s·. Journal of Regional Science, Estudios Económicos nº 5 (2001) https://www.usc.gal/economet/libros.htm 22 Vol-36-2- COURBIS, R. (1975). "Le modèle REGINA, modèle du développement national, régional et urbain de l'economie française". Economie Appliquée. Vol.28-nº2-3,pp569-599. COURBIS, R.(1979). "The REGINA Model: A Regional-National Model for French Planning". Regional Science and Urban Economics. Vol.9, p. 117-139. COURBIS, R. (1982). "Multirregional Modeling: A General Appraisal". Studies in Regional Science and Urban Economics. Vol.8. pp. 65-84. COURBIS, R. (1994). "La modelización multirregional en Europa Occidental: balance y perspectivas". En: Datos, técnicas y resultados del moderno análisis económico regional. Pulido, A. y Cabrer, B., eds. pp. 145- 181. Mundi-Prensa. Madrid. CROW,R.T.(1979). "Output Determination and Investment Specification in Macroeconometric Models of Open Regions". Regional Science and Urban Economics. Vol.9, pp.141-158. CUADRADO, J.R.; GARCÍA,B.(1995). "Las diferencias interregionales en España". En: La economía española un escenario abierto. URBANO, P. (edit.). Fundación Argentaria. CHANG, S. (1974). "An Econometric Forecasting Model Based on Regional Economic Information System Data: The Case of Mobile Alabama". Journal of Regional Science. Vol. 19, pp. 293-319. DE LONG, J.B.; SUMMERS, L.H.(1991)."Equipment Investment and Economic Growth". Quartely Journal of Economics, 106. pp.445-502. DONES, M. (1994). "Bancos de datos regionales". En: Datos, técnicas y resultados del moderno análisis económico regional. Pulido, A. y Cabrer, B. (coordinadores). pp. 73-112. Mundi-Prensa. Madrid. DUOBONIS, S.F. (1981). "An Econometric Model of the Chicago Standard Metropolitan Statistical Area". Journal of Regional Science, vol. 21, n.3. pp.293-319. FAGERBERG, J., VERSPRAGEN, B., CANIELS, M.(1997). “Technology, Growth and Unemployment across European regions”. Regional Studies, Vol. 31-5. FISHER, M.M.; NIJKAMP, P.(1987). "Regional Labour Markets". Analitical Contributions and Cross-National Comparisons. Nort-Holland. Guisán, M.C.; Aguayo, E. Modelos interregionales europeos. Capítulo 1 23 FONTELA, E.; PULIDO,A.; DEL SUR, A. (1988). "Enlace de modelos econométricos regionales". II Reunión Asepelt-España. Valladolid. FUNCK, R.(ed.) (1972). "Recent Developments in Regional Science". Pion Limited. London. FUNCK, R.; REMBOLD,G.(1975). "A Multiregion, Multisector Forecasting Model for the Federal Republic of Germany".Papers of the Regional Science Association, 34. pp. 69-82. GLEJSER, H.; VAN DAELE, G.; LAMBRECHT, M. (1973). "First Experiments with an Econometric Regional Model of Belgian Economy". Regional and Urban Economics. Vol.3.nº3, pp.301-314. GLICKMAN, N.J. (1971). "An econometric Forecasting Model for the Philadelphia Region". Journal of Regional Science, Vol. 11. n.1, pp. 15-32. GLICKMAN, N.J. (1974). "An Area-Stratified Regional Econometric Model". Papers in Regional Science, Vol. 4. pp. 74-107. GLICKMAN, N.J.(1977). "Econometric Analysis of Regional Systems: Explorations in Model Building and Policy Analysis". Studies in Urban Economics. Academic Press, New York. GLICKMAN, N.J.(1979). "On Econometric Models and Methods in Regional Science". Regional Science and Urban Economics. Vol. 9, pp.111-116. GLICKMAN, N. J. (1982). "Using Empirical Models for Regional Policy Analysis". Regional Development Modeling: Theory and Practice. M. Abegov, A. E. Anderson an F. Snickars (editors). Studies in Regional Science and Urban Economics, Vol 8. North-Holland. pp.85-104. GUISÁN, M. C.; AGUAYO, E.(1996 a). "Impacto de la inversión sobre el empleo de las regiones españolas en el período 1976-95". X Reunión Asepelt- España. Albacete. GUISÁN, M.C.; AGUAYO, E. (1996 b). "Factores determinantes del empleo del sector servicios en las regiones españolas". Actas XXII Reunión de Estudios Regionales, Pamplona. pp. 249-263. GUISÁN, M.C.; AGUAYO, E.(2001a). Employment and Regional Development in France, Applied Econometrics and International Development Vol.1-1. GUISÁN, M.C.; AGUAYO, E.(2001b). Employment and Regional Development in Germany, Applied Econometrics and International Estudios Económicos nº 5 (2001) https://www.usc.gal/economet/libros.htm 24 Development Vol.1-2. Abstract y article GUISÁN, M.C.; AGUAYO, E. (2001c). Modelos econometricos de las regiones europeas y evolucion del empleo regional, Documento nº 48 de la Serie Economic Development en: https://ideas.repec.org/s/eaa/ecodev.html GUISÁN, M.C., AGUAYO, E. (2001d). GUISAN, M.C.; CANCELO, M.T. (1996). "Territorial Public Expenditure and Revenue: Economic Impact in the European Regional Growth". European Regional Science Association. 36th European Congress, Zürich. Disponible en el documento nº 8 de la serie Economic Development GUISAN, M.C., CANCELO, M.T., DIAZ, M.R. (1997). Regional patterns of industrial sector in EU countries 1980-1995. ERSA 37th Congress, Rome. Available on line at the Working Paper Series Economic Development 16. GUISÁN, M.C., CANCELO, M.T., DÍAZ, M.R.(1998). “Evaluation of the Effects of European Regional Policiy in the Diminution of Regional Disparities: An Interregional Econometríc Model for year 1995”.ERSA 38th Congress, Viena. ERSA Conference Series at Ideas.Repec. GUISÁN, M.C.; CANCELO, M.T. y NEIRA, I .(2000). “Modelo econométrico de Galicia: Enfoque intersectorial y predicción con modelos de corrección de error”. XXIII Jornadas Hispalink. Oviedo. GUISAN, M.C.; FRIAS, I. (1995)."An Interregional Econometric Model for Market Services Employment in 120 EEC Regions". 1ª edición impresa en la colección de libros Documentos de Econometría Aplicada (DEA) nº 1. GUISAN, M.C.; FRIAS, I. (1996). "Economic Growth and Social Welfare in the European Regions". European Regional Science Association. 36th European Congress, Zürich. Disponible en formato electrónico en el documento nº 8 de Economic Development, 1996. GUISAN, M.C., FRIAS, I. (2002). An Interregional Econometric Model for Market Services Employment in 120 European Regions. Documento nº 51 de la Serie Economic Development GUISÁN, M.C.; VERDUGO, V. (1989). "Situación Actual y Perspectivas Económicas de Galicia". II Jornadas Hispalink. Valencia. HALL, O.P.; LICARI, J. A. (1974). "Boulding Small Region Econometric Models: Extension of Glickman's Structure to Los Angeles". Journal of Regional Science. Vol. 14. n.3, pp. 337-353. Guisán, M.C.; Aguayo, E. Modelos interregionales europeos. Capítulo 1 31 Tabla A2. Tesis Doctorales española,s de modelos regionales, en 1987-2001 Universidad de Alcalá de Henares (UAH) GARRIDO, Rubén(2000), con un estudio sobre cambio estructural y convergencia regional en España 1955-1998, en los que estima modelos econométricos con variables ficticias para calibrar la importancia de la especializaciñon productiva provincial en el Valor añadido y el Empleo. Director: Juan Ramón Cuadrado Roura. .Universidad de Alicante (UA) RÓDENAS, Carmen(1992), con un modelo econométrico de migraciones interiores en España. Directores: José Luis García- Delgado e Ignacio Santiallana del Barrio. ESCOLANO, Carmen Victoria(1993), con modelo econométrico de la Comunidad Valenciana. Director: Diego Such Pérez Universidad Autónoma de Madrid (UAM) LÓPEZ-GARCÍA, Ana María (2000). Con un estudio de los completos industriales en España y las diveregencias estructurales sectoriales en las regiones españolas con aplicación del análisis input.output. Director: Antonio Pulido San Román. Universidad de Barcelona (UB) SURIÑACH, Jordi (1987) con un modelo regional para Cataluña es la primera Tesis de Modelos regionales españoles de este período. Director: Manuel Artís Ortuño. JUANEDA, Catalina. (1987). El model HIRENA: un model regionalnacional per a l´economia española. Tesis Doctoral UB. VILADECANS, Elisabet (1999). Papel de las economía de aglomeración en la localizaci ón de las actividades industriales. Un análisis del caso español. Directora: María Teresa Costa Campí. LÓPEZBAZO, Enrique (1994) sobre disparidades económicas en el crecimiento regional en el período 1977-1992. Director: Jordi Suriñach i Caralt. Universidad de A Coruña) (UDC) REY-GRAÑA, Carla (1992) con un model interregional del Turismo y su impacto sobre el desarrollo económico y el empleo. Directora: María- Carmen Guisán Seijas Estudios Económicos nº 5 (2001) https://www.usc.gal/economet/libros.htm 32 Universidad de Extremadura (UE) MÁRQUEZ, Miguel ángel (1998). Con un modelo econométrico de la economía extremeña. Director: Julián Ramajo Hernández. Universidad de Málaga (UMA) ISLACASTILLO, Fernando(1998) con un modelo de multiplicadores intersectoriales de simulación para Andalucía. Universidad de Santiago de Compostela (USC): VERDUGO, Mª Victoria (1989) con un modelo interregional de la economía española. Directora: María-Carmen Guisán Seijas. VAZQUEZROZAS (1998) sobre la productividad comercial en las regiones españolas. Directora: María-Carmen Guisán Seijas. EXPOSITO, Pilar (1999) sobre la productividad total de los factores, a nivel provincial y regional en España en el período. Director: Xosé Antón Rodríguez González. RODIL MARZABAL, Oscar (2000) sobre el efecto del desarrollo tecnológico en el desarrollo económico regional europeo. Director: Xavier Vence Deza. AGUAYO, Eva (2001) sobre la relación bilateral entre empleo no agrario y población en un modelo económetrico interregional de 98 regiones de 12 países europeos en 1990-1995. Directora: María-Carmen Guisán. Universidad de Valencia SERRANO, Guadalupe(1999). Sobre externalidades sectoriales y sus potencialidades para dinamizar el desarrollo regional. Director: Bernardí Cabrer Borrás. Universidad de Valladolid GÓMEZVALLE, Mª Isabel (1997), sobre modelos econométricos de simulación aplicados a Castilla y León. Director: Antonio Pulido San Román Fuente: Elaborada por las autoras a partir de información en Dialnet. En la ficha de Dialnet se puede encontrar si existen publicaciones impresas oelectrónicas de contenidos relacionados con estos modelos. Guisán, M.C.; Aguayo, E. Modelos interregionales europeos. Capítulo 1 33 A3 MODELOS INTERREGIONALES EUROPEOS. 1994-2001. En Aguayo Guisán y Rodríguez(1997) mencionamos varios modelos europeos del período 1970-1997, incluyendo 2 modelos interregionales europeos y varios modelos unirregionales de regiones españolas.. Las siguientes tablas A3-1 y A3-2 incluyen una relación de modelos interregionales del período 1994-2001. En la tabla A3-1 mencionamos 9 modelos interregionales de regiones de varios países europeos, y en la tabla A3-2 citamos 8 modelos interregionales de un solo país (5 de España y 2 de Francia y 1 de Alemania). Indicamos si el modelo se publicó en la colección de libros DEA (Documentos de Econometría Aplicada), en la serie de documentos EcoDev (Economic DevelopmentI, en las revistas AEID (Applied Econometrics and International Development), RSES (Regional and Sectoral Economic Studies, Revista Galega de Economía (RGE) o en otras publicaciones. Tabla A3-1. Modelos interregionales de varios países europeos. 1994-2001 1.Guisán y Frías 1994: Congreso sobre Futuro del Empleo en Europa, Países Bajos. Empleo en 120 regiones. DEA nº 1. 2.Guisán y Frías 1996: Congreso ERSA Zurich. Indicadores de Calidad de Vida en 98 regiones. DEA 10 3.Guisán y Cancelo 1996. Congreso ERSA Zurich. Impacto regional del gasto público y de la industria. 98 regiones. DEA 9. 4. Fagerberg et al(1997). Producción, Empleo y movimientos migratorios en 64 regiones europeas en el período 1983-1989. 5.Guisán, Cancelo y Díaz 1997. Congreso ERSA Roma. Política regional industrial de la UE en 1980-1995. 98 regiones. EcoDev 16. 6. Guisán, Cancelo y Díaz (1998). 98 regiones, Capital humano. Congreso ERSA98, Viena. (EcoDev29) 7. Tondl (1999). crecimiento desigual de regiones del Sur de Europa, con un panel de regiones de Grecia, España y Sur de Italia en 1985-1994. Working Papers of Vienna University of Economics. 8. Aguayo y Guisán(2001). Modelo de densidad de Empleo y Población. en las regiones europeas. RGE. 9.Guisán, Cancelo, Aguayo y Díaz(2001). I+D. Capítulo 4 de este libro Fuente: Guisán y Aguayo(2001 c). Nota: ERSA= European Reg. Science Assoc. Estudios Económicos nº 5 (2001) https://www.usc.gal/economet/libros.htm 34 Tabla A3-2. Modelos interregionales de un país europeo, 1994-2001. 1.Guisán y Aguayo(1996 a). Impacto de la Inversión sobre el Empleo en las regiones españolas, 1976-1995. Congreso Asepelt Albacete. EcoDev 10. 2. Guisán y Aguayo(1996 b). Modelo de Empleo no Agrario en las regiones españolas, 1976-91. Congreso AECR Pamplona. EcoDev 7. 3. Aguayo, Guisán y Rodríguez 1997. Modelo multiecuacional de 17 regiones españolas en 1976-1991. DEA 8. 4. López, Carmen(1998). Modelo interregional del mercado de la vivienda en España. DEA 15 5. Schmitt(1999) para 6 regiones francesas. Regional Studies. 6. Guisán y Aguayo (2001a) interregional de Francia (AEID 2001-1) 7. Guisán y Aguayo(2001b) interregional de Alemania (AEID 2001-2) 8. .Guisán y Aguayo(2001) Empleo sectorial en regiones españolas. (RSES) Fuente: Guisán y Aguayo(2001 c). Los modelos publicados en la colección DEA están disponibles en la Web https://www.usc.gal/economet/documentos.htm con vínculo desde Ideas.Repec. Los modelos publicados en la colección EcoDev están disponibles en Ideas.Repec, en https://ideas.repec.org/s/eaa/ecodev.html Los artículos de las revistas AEID y RSES están disponibles en la Web de la Asociación de Estudios Euro-Americanos de Desarrollo Económico en https://www.usc.gal/economet/aea.htm y en sus fichas de Dialnet. https://dialnet.unirioja.es/servlet/revista?codigo=26706 https://dialnet.unirioja.es/servlet/revista?codigo=24951 Los artículos de la Revista Galega de Economía están disponible en Dialnet: https://dialnet.unirioja.es/servlet/revista?codigo=1981 Libro EE5. Versión electrónica en https://www.usc.gal/economet/libros.htm Guisán, M.C.; Aguayo, E. (2001). Modelos interregionales europeos. Capítulo 2 35 CAPÍTULO 2 MODELOS INTERSECTORIALES Y DESARROLLO REGIONAL, 1994-2001 GUISÁN SEIJAS, María-Carmen AGUAYO LORENZO, Eva 2.1. Relaciones intersectoriales Los enfoques de modelización regional e interregional tienen en cuenta aspectos de la oferta y la demanda, tanto interna como externa a la propia región. Algunos modelos tienen un carácter más explicativo, con un enfoque causal en el que se incorporan algunas de las principales variables que influyen en el desarrollo, mientras que otros que son más autorregresivos y tratan de predecir el futuro simplemente en base a las tendencias del pasado sin incorporar suficientes variables que permitan medir el impacto de variaciones importantes en la política económica. Preferimos el enfoque causal y por ello en los modelos que analizamos incorporamos algunas variables explicativas importantes. Los modelos causales a veces tienen que ser estimados por métodos de ecuaciones simultáneas como MC2E puesto que aparecen relaciones de interdependencia. Las relaciones intersectoriales son importantes en los modelos puesto que el desarrollo de algunos sectores inductores como la industria y, en algunos casos de la agricultura o el turismo, prorporciona un impulso importante a la renta regional y a la demanda de servicios. El incremento simultáneo de la población y de la renta que generalmente acompaña al proceso de desarrollo promovido por esos sectores inductores afecta también positivamente al incremento del empleo y de la población, evitando la emigración o, en su caso, impulsando el retorno de emigrantes o la inmigración. El incremento de población y renta a su vez impulsa el desarrollo de servicios públicos y afecta también positivamente al sector de la construcción. Esta claro que éstos impulsos a su vez tienen efectos positivos sobre otros sectores productivos, como el comercio, los transportes, etc. Para realizar análisis de relaciones intersectoriales es conveniente seguir algún criterio internacional de clasificación para disponer de datos comparables, y en nuestro caso, al analizar regiones europeas seguimos los criterios estadísticos de la UE. *Las autoras son profesoras de Econometría de la USC, Santiago de Compostela. Guisán y Aguayo(2001). Libro EE5 https://www.usc.gal/economet/libros.htm 36 Clasificaciones sectoriales Las clasificaciones sectoriales más frecuentes utilizadas en las estadísticas regionales europeas son las establecidas por Eurostat, la oficina estadística de la UE, a niveles denominados RR6, RR9, y RR17. La clasificación RR6 agrupa el valor añadido, el empleo, y otras variables de los sectores productivos de bienes y servicios en los siguientes grupos que se indican por la inicial de su denominación en inglés. A = Agricultura, que engloba las actividades de agricultura, silvicultura, ganadería y pesca. E = Energía. M = Industrias no energéticas o manufactureras. B = Construcción, que incluye viviendas, edificios no residenciales e infraestructuras públicas como carreteras, puentes, etc. SV = Servicios destinados a la venta, o servicios de mercado, que son todos los servicios comerciales, financieros, profesionales, etc., que son suministrados por empresas privadas. G = Servicios no destinados a la venta, que son aquellos servicios que suministra el sector público, como administración, sanidad y educación pública, y los servicios privados como el servicio doméstico que en general se contratan directamente entre particulares sin intervención de empresas. La clasificación RR9 es más detallada en lo que respecta a la industria no energética, que se desdobla en 3 sectores, y en lo que respecta a los servicios destinados a la venta, que se desdoblan en 2 sectores. Los sectores considerados en la clasificación RR9 son A, E, Q, K, C, B, Z, L, G. Los sectores A, E, B y G son los mismos que en la clasificación anterior. El sector M se divide en tres grupos: Q, K, C, y el sector SV se divide en Z y L: Guisán, M.C.; Aguayo, E. (2001). Modelos interregionales europeos. Capítulo 2 37 Q = Sector de Bienes Intermedios, que engloba minería no energética e industria química. K = Sector de Bienes de Capital, que engloba maquinaria y material de transporte C = Sector de Bienes de Consumo, que engloba alimentos, vestido, papel, madera, etc., es decir todos los sectores de industrias no energéticas no incluídos en los grupos Q y K. Z = Sector de servicios destinados a la venta constituido por transportes y comunicaciones. L = Otros servicios destinados a la venta: comerciales, hosteleros, financieros, empresariales, etc., así como los servicios educativos, sanitarios y sociales proporcionados por empresas privadas. Por último la clasificación RR17 desglosa aún más los sectores industriales y de servicios destinados a la venta, mientras que los sectores A, E, B y G continúan sin desglosarse. En la clasificación RR17 los sectores se indican generalmente con un número, de acuerdo con la siguiente relación 1. Agricultura. 2. Energía. 3. Minería metálica. 4. Minería no metálica. 5. Industria Química. 6. Industria de maquinaria. 7. Material de transporte. 8. Alimentos y bebidas. 9. Textil y calzado. 10. Papel e imprenta. 11. Otras industrias: madera, plásticos, joyería, bisutería, etc.. 12. Construcción 13. Comercio, hostelería y reparaciones. 14. Servicios de transportes y comunicaciones. 15. Servicios financieros e inmobiliarios. 16. Sanidad y educación destinados a la venta y otros servicios destinados a la venta (dv). 17. Administración, sanidad y educación públicas y otros no destinados a la venta (ndv). Guisán y Aguayo(2001). Libro EE5 https://www.usc.gal/economet/libros.htm 38 Así, el sector A de la clasificación RR1 se corresponde con el sector 1 de la clasificación RR17, el sector E con el sector 2, el sector Q es la suma de los sectores 3, 4 y 5, el sector es la suma de los sectores 6 y 7, el sector C es la suma de los sectores 8, 9. 10 y 11. Además el sector B se corresponde con el sector 12, el sector Z con el sector 14, y el sector L es la suma de los sectores 13, 15 y 16. Por último el sector G se corresponde con el sector 17. En España la Contabilidad Regional que elabora el Instituto Nacional de Estadística (INE) desde 1980 proporciona datos a nivel RR17 para las 17 Comunidades Autónomas, y en otros países de la UE están también disponibles datos según esta clasificación pero no en todos y en las estadísticas regionales que publica Eurostat lo más frecuente es que sólo podamos disponer de datos generales a nivel RR6. El equipo Hispalink de investigadores de modelización regional de las universidades españolas ha elaborado una base de datos a nivel de la clasificación RR9 desde 1970 para enlazarla con la serie del INE. A pesar de la escasa desagregación sectorial que generalmente se proporciona en las publicaciones regionales de Eurostat, hay que señalar que los datos son de gran interés y que permiten realizar algunos estudios relevantes para comprender la diferente evolución de las regiones europeas y sería deseable una mayor disponibilidad sobre todo en la agilidad de las publicaciones, pues es bastante acusado el retardo existente en la información que sólo es paliado en parte con los pequeños avances que existen para algunas variables. Generalmente los modelos explican la evolución industrial en función de alguna función de producción, por lo tanto dependientes de su acumulación de stock de capital físico, y/o de la evolución de la demanda de cada sector industrial a nivel nacional y, en el caso de empresas exportadoras, internacional. Es conveniente tener en cuenta, en el contexto de los modelos regionales de una sola región y en los modelos multirregionales en los que se analizan modelos individuales para varias o todas las regiones de un país, factores importantes que explican la distribución territorial de la inversión. Guisán, M.C.; Aguayo, E. (2001). Modelos interregionales europeos. Capítulo 2 39 Esto sí se hace en estudios interregionales, como el interesante estudio de Castellón y Costa(1996) para explicar la distribución regional de la industria en España y en el Capítulo 2 de este libro para explicar la distribución regional de la industria en la Unión Europea. Relaciones intersectoriales y desarrollo regional El desarrollo económico de una región o de un país requiere determinados equilibrios intersectoriales que es muy importante tener en cuenta para lograr un desarrollo económico sostenido. Las recetas de política económica excesivamente simplificadoras, como las que sólo se centran en un aspecto como la baja inflación, el desarrollo de las exportaciones, la moneda común, o cualquier otro instrumento de política económica, son generalmente poco eficaces pues el desarrollo requiere actuar sobre varios factores a la vez, especialmente sobre los más importantes, y tener en cuenta las relaciones intersectoriales. En las próximas secciones presentamos algunas relaciones intersectoriales interesantes en el contexto de modelos interregionales europeos y españoles y algunos de las perspectivas de desarrollo regional a nivel español, europeo e internacional. De todas ellas la más importante en general es la que relaciona la industria con los sectores de servicios, ya que salvo condiciones económicas muy especiales como las que se dan en las regiones turísticas o con grandes riquezas naturales, el desarrollo de los sectores de servicios y construcción y el crecimiento de la población, el empleo y la renta per cápita dependen fundamentalmente del desarrollo industrial. Por lo que respecta a los factores que propician que una región tengan un mayor o menor grado de desarrollo económico, y de desarrollo industrial, hay que destacar algunos factores de localización geográfica, pero sobre todo el papel del capital humano y del capital socio-cultural. Los modelos econométricos de las últimas décadas del siglo XX ponen de manifiesto el fuerte impacto que la investigación y la educación tienen en este proceso, como se pone de manifiesto en los Capítulos 3 y 4. Guisán y Aguayo(2001). Libro EE5 https://www.usc.gal/economet/libros.htm 40 2.2. Modelos intersectoriales e interregionales de las regiones europeas A continuación describimos brevemente algunos modelos intersectoriales e interregionales de las regiones europeas que ponen de manifiesto el efecto de importantes factores de crecimiento, desarrollo y calidad de vida a nivel regional. Modelo de Guisán y Frías 1994 El primer estudio interregional a nivel europeo que realizo nuestro equipo de investigación, y uno de los primeros estudios interregionales del conjunto de países de la Comunidad Económica Europea (CEE) fue estimado en el año 1994 y presentado en un Congreso Europeo sobre el Futuro del Empleo en Europa, celebrado en Países Bajos. Fué el publicado por Guisán y Frías(1995), como nº 1 de la serie de libros "Documentos de Econometría Aplicada", publicado en versión impresa en el año 1996 y posteriormente. En 2022, en versión electrónica de acceso abierto, como se indica en la Bibliografía. El modelo incluye datos de tasa de empleo por cada mil habitantes y de valores añadidos sectoriales para 6 sectores en 120 regiones de 12 países de la CEE. Los 6 sectores productivos son los siguientes: A = Agricultura y Pesca E = Energía M = Industria Manufacturera B = Construcción SV = Servicios destinados a la venta, o servicios de mercado: todos los sectores de servicos excepto los servicios públicos y el servicio doméstico. G = Servicios no destinados a la venta. Incluye la Administración Pública y los servicios de Educación, Sanidad y Sociales de gestión pública, así como el sector de servicio doméstico (por considerarse que no es un sector destinado a la venta). El trabajo incluye un modelo econométrico interregional para explicar la distribución territorial del empleo en el sector de servicios destinados a la venta en las regiones europeas, según la clasificación en 120 regiones. Se trata de un modelo con interdependencia entre el valor añadido y el empleo del sector de servicios destinados a la venta, SV, o sector 5 de la clasificación RR6 citada en la sección 1.3, y está estimado por el método de Guisán, M.C.; Aguayo, E. (2001). Modelos interregionales europeos. Capítulo 2 47 TABLA 2.2 Tasas de empleo no agrario de las regiones españolas (nº de personas ocupadas por cada mil habitantes). 1976-95 Fuente: Elaboración propia en base a datos del INE. Observamos la siguiente evolución en el conjunto de España: 1) Una disminución de la Tasa de Empleo no agrario (LNAH) por cada mil habitantes, de 271 a 225 en el período 1976-1985. 2) Un incremento, de 225 a 285 en el período 1985-1990, y una disminución, de 285 a 272 en el período 1990-1995. Las CCAA con valores más altos que la media nacional, en el año 1995 eran: Aragón, Baleares, Cataluña, Com. Valenciana, Madrid, Navarra, País Bajo y Rioja. En el conjunto del período 1976-1995 el valor de la tasa de Empleo no Agrario de España apenas varió (de 271 a 271), pero se incrementó en varias regiones: Andalucía, Aragón, Baleares, Canarias, Castilla y León, Castilla-La Mancha, Extremadura, Murcia y La Rioja. Región 1976 1985 1990 1995 Andalucia 200 170 222 211 Aragón 270 231 299 290 Asturias 267 231 263 243 Baleares 304 220 296 331 Canarias 234 206 265 272 Cantabria 263 229 265 260 Castilla y León 223 203 255 248 Cast.-La Mancha 212 194 250 235 Cataluña 342 269 351 331 C. Valenciana 295 243 309 294 Extremadura 163 138 199 200 Galicia 236 200 247 234 Madrid 336 271 329 312 Murcia 242 211 270 245 Navarra 294 256 315 315 País Vasco 332 269 317 304 Rioja, La 286 164 212 280 España 271 225 285 272 Guisán y Aguayo(2001). Libro EE5 https://www.usc.gal/economet/libros.htm 48 GRAFICO 2.1. VNA y VM ((Miles de millones de pesetas de 1986) Fuente: Elaboración propia con datos del INE. GRAFICO 2.2. Evolución del sector manufacturero y del valor añadido no agrario de España(Miles de millones de pesetas de 1986) Fuente: Elaboración propia a partir de datos de Mas et al(1995) para KMES y de datos del INE para VNAES y VMES. 15000 20000 25000 30000 35000 40000 4000 5000 6000 7000 8000 9000 VNAES86 VMES86 15000 20000 25000 30000 35000 40000 4000 5000 6000 7000 8000 9000 10000 70 72 74 76 78 80 82 84 86 88 90 92 94 VNAES86 VMES86 KMES86 Guisán, M.C.; Aguayo, E. (2001). Modelos interregionales europeos. Capítulo 2 49 El gráfico 2.3. muestra la importante relación lineal existente entre el empleo no agrario por cada mil habitantes (LNAH) y el valor añadido real no agrario por cada mil habitantes (VNA86H), medido en millones de pesetas constantes a precios de 1986. Gráfico 2.3. LNAH y VNA86H en 17 CCAA españolas en 1977-1991 Fuente: Elaboración por las autoras con datos del INE. Estimación de la ecuación de LNA en 17 CCAA 1976-1991 Las ecuaciones estimadas utilizan un panel de observaciones de las 17 CCAA españolas en el período 1977-91 y muestran un efecto positivo y significativo del nivel de empleo del año anterior (LNA(-1) y del Valor Añadido real No Agrario (VNA86) sobre el Empleo No Agrario de cada región en cada año (LNAit; para i=1,….17, t=1976,….1991) Ecuación de LNA en un modelo dinámico en niveles: La regresión conjunta en las 17 CCAA en 1977-1991 resultó: LNA = 0.5876 LNA(-1) + 0.1429 VNA86 (1) Estimación por MCG con coeficiente AR(1) = 0.7730 R2 ajustado =0.9980 100 150 200 250 300 350 400 200 400 600 800 1000 1200 LNAH VNA86H Guisán y Aguayo(2001). Libro EE5 https://www.usc.gal/economet/libros.htm 50 Ecuación de LNA mediante un modelo dinámico mixto: La regresión conjunta por MCG para las 17 CCAA españolas en el perído 1977-1991 resultó: LNA= 1.0187*LNA(-1) + 0.1234 D(VNA86) (2) Estimación por MCG con coeficiente AR(1) = 0.6640 R2=0.9976 Los coeficientes resultaron significativos y la bondad del ajuste fue elevada en ambas especificaciones. El coeficiente del valor retardado de LNA en el modelo dinámico presenta un valor estimado superior a la unidad, porque recoge el efecto de variables relevantes omitidas que tienen una elevada correlación lineal con las variables incluidas. Con frecuencia la estimación en forma de modelo dinámico mixto proporciona mejores resultados que la estimación en niveles, pero en este caso ambas estimaciones proporcionan una bondad del ajuste similar. Impacto de KM sobre VNA y sobre LNA. Teniendo en cuenta las importante relaciones intersectoriales puestas de manifiesto, con los datos de las 17 regiones en el mismo período 1976-1991 en el estudio de Guisán y Aguayo(1996 b), concluimos que el aumento de KM en una región, si se utiliza adecuadamente, implica un importante incremento no sólo del valor añadido manufacturero (VM) sino también del valor añadido de otros sectores no agrarios (VNA) con un impacto positivo sobre el empleo no agrario (LNA). La ecuación 3 muestra la estimación de una función de producción Cobb-Douglas entre el Valor Añadido Industrial en el año 1991 con el Capital manufacturero (KM) y el Empleo Industrial (LI): Ln (VI95) = 0.2337 * ln(KM) + 0.7520 * ln(LI) + 8.3717 (3) Guisán, M.C.; Aguayo, E. (2001). Modelos interregionales europeos. Capítulo 2 51 R2 = 0.9875; S.E.= 0.1156 Media de y = 6.33 %SE=1.83% La bondad del ajuste es muy elevada, con un % de Error de S.E sobre la media del regresando menor del 2%, a pesar de que hay variables relevantes omitidas, como la inversión industrial no manufacturera, ya que parece existir una fuerte relación lineal entre las variables omitidas y las incluidas. La ecuación 4 muestra el impacto positivo del incremento de VI sobre el Valor Añadido de otros sectores no agrarios (Construcción y Servicios=VB+VS), con una muestra conjunta de las 17 CCAA españolas en el quiquenio 1986-1991. Y = 1.2335 Y(-5) + 0.7008 (X-X(-5)) (4) R2 = 0.9976; % S.E. = 4.85% Donde, Y = VB+VS en el año 1991 X = VI en el año 1991 En este caso las variables estaban medidas a precios constantes de 1995. De los temas aquí analizados destacamos la siguientes conclusiones: 1) Las regiones españolas necesitan incrementar de forma importante el valor añadido no agrario para crear empleo en los sectores correspondientes. 2) Este incremento en general sólo es posible si aumenta el valor añadido real de las industrias manufactureras por habitante, que debería tender a duplicarse en el conjunto de las regiones españolas, para converger con las regiones más avanzadas de Europa.. 3) El estancamiento del sector manufacturero en el período 1976- 85, que continuó en 1992-94, tras una breve evolución creciente en 1986-91, fue la causa principal de las elevadísimas tasas de paro de las regiones españolas en dicho período. El incremento posterior de la inversión industrial ha tenido un efecto muy positivo sobre la creación empleo. Guisán y Aguayo(2001). Libro EE5 https://www.usc.gal/economet/libros.htm 52 Modelo interregional de Guisán y Aguayo (1996 a): VAB y Empleo en Servicios En este estudio presentado en la XXII Reunión de Estudios Regionales de la Asociación Española de Ciencia Regional (AECR), celebrada en Pamplona, analizamos los principales factores determinantes del empleo del sector servicios en las regiones españolas, utilizando una muestra de datos temporales y atemporales para las 17 comunidades autónomas en 16 años, correspondientes al período 1976-91, con un total de 272 observaciones. El documento nº 10 de la colección Economic Development, como se indica en la bibliografía, incluye datos e información complementaria. Tabla 2.3. Valor Añadido por habitante y Tasa de Empleo por cada mil habitantes en Servicios y Población. Datos de las regiones españolas en 1991 VAB5H VAB6H VABSH TE5 TE6 TES POB 1 AN 300 122 422 104 49 153 6952 2 AR 413 159 572 129 52 182 1210 3 AS 317 125 442 111 48 164 1125 4 BL 784 151 935 200 49 250 684 5 CN 504 160 664 156 63 219 1493 6 CB 389 133 522 117 51 169 527 7 CL 286 149 435 114 52 165 2622 8 CM 265 124 388 101 44 145 1715 9 CT 521 111 632 149 50 199 6013 10 CV 443 111 446 135 48 183 3792 11 EX 212 130 342 95 50 144 1130 12 GA 272 114 386 114 45 159 2799 13 MT 611 200 811 159 76 235 4894 14 MC 352 141 493 120 46 166 1032 15 NA 428 131 559 124 58 183 521 16 PV 433 117 550 128 56 184 2130 17 RI 366 143 509 109 54 163 261 18 ES 412 135 548 129 53 182 39024 Nota: Elaborado por las autoras a partir de datos de la Contabilidad Regional y la EPA publicados por el INE. TES=TE5+TE6. El sector 5 es el de Servicios de mercado y el sector 6 es el de Servicios Públicos y otros no destinados a la venta (Servicio Doméstico). Guisán, M.C.; Aguayo, E. (2001). Modelos interregionales europeos. Capítulo 2 53 La tabla 2.3. muestra diferencias importantes, entre las regiones españolas, en el Valor Añadido per cápita del sector Servicios (VABSH) entre un valor mínimo de 342 en Extremadura y los valores máximos de Baleares (935), Madrid (811), Canarias (663), Cataluña (632), Navarra (559), País Vasco (550). Los valores más elevados se deben en algunos casos al efecto del Turismo, en otros al efecto de la Industria, y en algunos casos a otros factores. En el caso de Madrid se produce una combinación del efecto capitalidad (sede central de muchos servicios), con los efectos de la Industria y el Turismo. Ecuaciones estimadas del modelos de Guisán y Aguayo (1996 a): V586H=0.018*V346H+0.181*V686H+0.015*XVT86H+0.017*Z1+0.02*Z2+0.05*Z3 (2.35) (2.86) (2.26) (3.26) (3.96) (4.68) +0.870*V586H(-1) + efectos de variables fictias (33.8) R2= 0.99 DW=2.03 %SE= 2.8 Los términos entre paréntesis son los estadísticos t de Student, con valores superiores a 2, que muestran el impacto significativo de las variables (2) V686H=-14.69+0.99*V686H(-1)+0.02*XVT86H (-8.30) (117.48) (9.07) R2=0.98 DW=1.84 %SE=2.6 El Valor Añadido regional de los sectores 3 (Manufacturas), 4 (Construcción) y 6 (Servicios Públicos y otros), tiene un impacto positivo sobre el Valor Añadido del sector 5 (Servicios de mercado). La variable nacional XVT86H también tienen un efecto positivo sobre el Valor Añadido real por habitante regional de los sectores 5 6. Existen diferencias en algunos grupos de regiones que se expresan mediante variables ficticias multiplicativas (Z1, Z2, Z3). Las ecuaciones de Empleo estimadas para los sectores 5 y 6 fueron: Guisán y Aguayo(2001). Libro EE5 https://www.usc.gal/economet/libros.htm 54 L5=0.037*VAB5+0.004*POB+0.857*L5(-1) (5.25) (2.02) (22.31) R2=0.99 DW=1.04 %SE= 5.5 L6=0.042*VAB6+0.002*POB+0.872*L6(-1) (4.64) (5.02) (33.9) R2=0.99 DW=2.46 %SE= 5.8 Donde, V586Hit=Valor añadido del sector 5 por habitante en la región i-ésima y año t, en miles de pesetas de 1986. V686Hit= Valor añadido del sector 6 por habitante en la región i-ésima y año t, en miles de pesetas de 1986. XVT86Ht=Valor añadido per cápita de todos los sectores del conjunto nacional en el año t, en miles de pesetas de 1986. V346Hit=Suma a nivel regional de los valores añadidos per cápita de los sectores R3, R4 y R6, en miles de pesetas de 1986. DIit=Variable ficticia (dummy) correspondiente a la región i-ésima . (Toma el valor 1 para los datos de la región en cada año y cero en las demás). Z1it=Producto de V346H por la suma de D2+D14+D15, que son las ficticias de las regiones que forman el grupo 1 de efecto especial adicional de la variable V346. Z2it=V346*(D6+D13+D16), recoge el efecto especial adicional en el grupo 2. Z3it=V346*(D9+D10), recoge el efecto especial adicional de un tercer grupo constituído por las regiones 9 y 10. TIt=Tiempo. TI= -4,-3,...,0,1,2,...,11. Con valor TI=0 en 1980. L5it=Empleo en el sector R5 (miles de personas). Guisán, M.C.; Aguayo, E. (2001). Modelos interregionales europeos. Capítulo 2 55 L6it=Empleo en el sector R6 (miles de personas). POBit=Población (miles de personas). VAB5it=V586H*POB/1000. Valor añadido del sector R5, en miles de millones de pesetas de 1986. VAB6it=V686H*POB/1000. Valor añadido del sector R6, en miles de millones de pesetas de 1986. i=1,2,...,17; t=1976,...,1991 Todas las ecuaciones presentan coeficientes significativos y elevada bondad del ajuste. Hay ausencia de autocorrelación en todas las ecuaciones, excepto en la (4) que se corrige fácilmente introduciendo una tendencia temporal. La inclusión de la variable endógena retardada, en los modelos dinámicos en niveles, disminuye “aparentemente” el efecto de las variables explicativas. Hay que tener en cuenta que el verdadero efecto de éstas sobre la variable endógena es el efecto permanente medido por el coeficiente de la variable explicativa dividido por (1-coeficiente de la variable endógena retardada). La ecuación (1) pone de manifiesto la dependencia del sector R5 tanto respecto a las rentas generadas en otros sectores de la propia región (efecto recogido por V346H y V686H) como respecto al total nacional de todos los sectores (XVT86H), variable que transmite diversos efectos como la capacidad del Gobierno para efectuar transferencias a las familias y el poder adquisitivo de los turistas procedentes de otras regiones españolas. La inclusión de este tipo de variable nacional es importante, no sólo cuantitativamente sino también cualitativamente al poner de manifiesto impactos interregionales. Además de los efectos especiales de algunas regiones hay que destacar el especial impacto positivo del desarrollo de los servicios públicos sobre el valor añadido del sector R5 (efecto recogido por V686H). Resultados similares se presentan en los modelos interregionales europeos que ya hemos mencionado en este Capítulo, de GUISAN y FRIAS (1994) y GUISAN y CANCELO (1996). Guisán y Aguayo(2001). Libro EE5 https://www.usc.gal/economet/libros.htm 56 La ecuación del Valor Añadido del sector 6 pone de manifiesto el importante impacto del crecimiento económico general del país sobre el valor añadido per capita del sector 6 de todas las regiones, teniendo en cuenta el efecto permanente o a largo plazo. Las ecuaciones de Empleo ponen de manifiesto el impacto de los valores añadidos brutos (VAB) sobre los empleos (L) de cada región. Efecto permanente de una unidad de VAB5 sobre L5: 0.0373/(1- 0.8575)= 0.26 Efecto permanente de una unidad de VAB6 sobre L6: 0.0428/(1- 0.8727)= 0.33 Algunas de las conclusiones más destacables de este estudio son las siguientes: 1.- El valor añadido bruto del sector R5 (VAB5) se ve muy positivamente afectado por la producción de los otros sectores, tanto a nivel regional (vía rentas del trabajo y de la propiedad) como a nivel nacional (vía tranferencias diversas y turismo interregional) y en especial por el desarrollo del sector servicios públicos. Otras variables como el turismo extranjero tienen importancia en algunas regiones. 2.-El VAB del sector 6 (principalmente servicios del sector público) se ve principalmente afectado por el crecimiento de los ingresos del Estado que dependen positivamente del crecimiento de los demás sectores productivos. 3.-La Población también tienen algún impacto positivo sobre la distribución regional del VAB de los sectores 5 y 6. Su efecto sobre la renta per cápita y la tasa de Empleo depende de que el factor de incremento del VAB real sea mayor que el factor de incremento de la población. 4.-El empleo de ambos sectores de servicios mantiene una fuerte relación con la evolución del VAB sectorial de la región , como ponen de manifiesto los “efectos permanentes” estimados en las ecuaciones (3) y (4). 5.-Las predicciones efectuadas en el escenario 3 permitirían un incremento de 3.5 millones de empleo y una reducción casi total del paro tanto a nivel regional como nacional, y además una mejora substancial del nivel de renta real. 63 Guisán, M.C.; Cancelo, M.T., Díaz, M.R. Modelos interregionales. Capítulo 3 CAPÍTULO 3 CONCENTRACIÓN INDUSTRIAL EN LAS REGIONES EUROPEAS, 1994-2001 GUISÁN SEIJAS, María-Carmen CANCELO MÁRQUEZ, María-Teresa, DÍAZ VÁZQUEZ, María-Rosario 3.1. Comparación de la industria en la UE, USA y Japón, 1990 Los sectores industriales europeos en 1981-1995. En este capítulo, analizamos la convergencia real de la industria en los países y regiones europeas durante el período 1980-95. En primer lugar hacemos una comparación entre la industria en la UE y en Estados Unidos y Japón, tanto en términos de valor añadido por persona empleada o “productividad media del trabajo” (PM) y en términos de valor añadido por habitante (PH). Esta última variable es muy importante para el futuro del empleo en Europa ya que es casi imposible conseguir un aumento sustancial del empleo en las regiones con elevadas tasas de desempleo si no hay un incremento sostenido de la actividad industrial. Si hacemos la comparación en la clasificación RR9 de Eurostat, tenemos tres grupos de industrias manufactureras: 1. Sector Q, bienes intermedios, que incluye químicas, minerales y metales férreos y minerales y productos a base de minerales no metálicos. 2. Sector K, bienes de equipo, que incluye maquinaria y material de transporte. 3. Sector C, bienes de consumo, que incluye alimentos bebidas y tabaco; vestido y calzado; papel, artículos de papel e impresión y productos de madera, etc.. En el período 1981 a 1994, el PIB por habitante en términos reales (en dólares de 1990 según tipo de cambio), experimentó en la UE un bajo crecimiento en comparación con el de Estados Unidos y Japón. ---- *Las autoras son profesoras de la universidad de Santiago de Compostela: https://www.usc.gal/economet/econometria.htm Estudios Económicos nº 5 (2001) https://www.usc.gal/economet/libros.htm 64 En este período, la UE15 (con un crecimiento medio de 298 dólares por año) está por detrás de Estados Unidos (con 341 dólares por año) y considerablemente por detrás de Japón (con 581 dólares por año). El gráfico 1 muestra la evolución de los cocientes del PIB per capita de la UE15 con relación a Estados Unidos y Japón. En el mismo podemos ver la tendencia decreciente de la relación UE/Japón y las oscilaciones en la relación UE/USA, en la cual la Unión Europea no muestra una tendencia a alcanzar el nivel de Estados Unidos. Aunque el ratio UE/Japón puede estar subvalorado como consecuencia de la discrepancia importante que existe entre tipo de cambio y paridad de poder de compra de Japón, los datos disponibles indican que el cociente es en todo caso inferior a la unidad. El siguiente gráfico muestra la evolución en el período 1981-94. Gráfico 1. Cocientes del PIB per capita. Este resultado no es casual, sino la consecuencia de diferentes políticas industriales. En las siguientes tablas mostramos la producción per capita, PH, y por trabajador, PM, para cada uno de los tres sectores industriales anteriormente definidos y para el conjunto del sector manufacturero (M), que es la suma de Q, K y C. 0.74 0.76 0.78 0.80 0.82 0.84 0.86 0.88 81 82 83 84 85 86 87 88 89 90 91 92 93 94 Ratio UE/ USA Ratio UE/Japón Guisán, M.C.; Cancelo, M.T., Díaz, M.R. Modelos interregionales. Capítulo 3 65 Tabla 3.1. Valor añadido real por habitante en los sectores Q,K,C,M en 1990 (a niveles de precios y tipos de cambio de 1990) PHQ PHK PHC PHM USA 997 1731 1402 4130 Japón 1530 3157 2090 6777 UE15 1208 1771 1450 4429 Tabla 3.2. Valor añadido por trabajador en los sectores Q,K,C y M, en 1990 (en Dólares a preciso y tipos de cambio de 1990)) Fuente: Elaboración a partir de datos de la OCDE. Nota. PM es la productividad media del trabajo (Valor Añadido/número de trabajadores) Del análisis de estos datos podemos concluir que: 1. La productividad aparente del trabajo en Europa presenta valores menores que en Estados Unidos y Japón tanto en el conjunto de las industrias manufactureras como en cada uno de los tres sectores analizados. 2. En los sectores de bienes de equipo, K, y de consumo, C, el valor añadido por habitante en la UE es similar al de Estados Unidos y menor que el de Japón. 3. En el sector de bienes intermedios, Q, la Unión Europea tiene una producción por habitante más elevada que Estados Unidos. 4. De las tres áreas, el sector K es el que presenta el valor añadido más elevado. Existe una gran relación entre algunos sectores productivos no manufactureros, como servicios y construcción, y el incremento de la actividad industrial, como se analiza en Guisán (1995) a través de unmodelo econométrico con datos de Estados Unidos, Alemania, Japón y España para el período 1970-92. También se observa que PMQ PMK PMC PMM USA 72729 53021 46566 54011 Japón 107818 54761 39478 54311 UE15 61634 44614 39379 46078 Estudios Económicos nº 5 (2001) https://www.usc.gal/economet/libros.htm 66 Estados Unidos crea más empleo en servicios que la Unión Europea para el mismo nivel de producción industrial. Teniendo en cuenta los resultados expuestos, Europa necesita: 1. Aumentar la producción por habitante y por trabajador en la industria manufacturera, especialmente en las regiones y países con valores muy bajos y elevadas tasas de desempleo. 2. Incrementar el impacto de la industria sobre los servicios para conseguir tasas de empleo en el sector servicios tan elevadas como las de Estados Unidos y Japón. Estas medidas harán disminuir la elevada tasa de desempleo europea y darán mayores oportunidades a los jóvenes y a todas las personas desempleadas en Europa. En relación con la concentración industrial en Europa hemos mostrado en otros trabajos que Europa tiene menores diferencias entre clases sociales pero mayores diferencias entre regiones que Estados Unidos. El tratado de Maastricht trata de promover una mayor movilidad desde las regiones menos desarrolladas hacia las más ricas. Este planteamiento contrasta con la tendencia social a disminuir esa movilidad. De hecho, en la tabla 3.3 mostramos que en período 1980-95 la distribución de la población europea no cambió sustancialmente entre los cuatro grupos de regiones aquí considerados y descritos en el anexo. Tabla 3.3. Cociente de Población (Grupo de regiones/UE12) Fuente: Elaborado por las autoras con datos de Eurostat 1980 1990 Regiones Centrales 40.69 40.52 Regiones Intermedias 24.56 24.48 Regiones de la Periferia Norte 13.34 13.22 Regiones de la Periferia Sur 21.40 21.79 Guisán, M.C.; Cancelo, M.T., Díaz, M.R. Modelos interregionales. Capítulo 3 67 Hay un desequilibrio entre la distribución del empleo y la población en Europa y hay también importantes diferencias en las tasas de empleo tanto entre países como entre regiones. El gráfico 2 muestra las tasas de empleo en 1990 en los países de la UE15 en comparación con Estados Unidos, Japón y la media de la UE15. Gráfico 2. Empleo por 1000 habitantes en 1990. La numeración de los países es la siguiente: 1. Bélgica 7. Italia 13. Austria 2. Dinamarca 8. Luxemburgo 14. Finlandia 3. Francia 9. Holanda 15. Suecia 4. Alemania 10. Portugal 16. Estados Unidos 5. Grecia 11. España 17. Japón 6. Irlanda 12. Reino Unido La concentración industrial tampoco ha sufrido grandes cambios. Para analizar el grado de concentración o dispersión, utilizamos el coeficiente de variación de la producción por habitante (definido como el cociente entre la desviación típica y la media aritmética) de forma que a mayores valores del coeficiente mayor es la concentración. En este sentido, el sector de bienes intermedios tiene la más elevada concentración con un coeficiente de 77% en 1990, seguido del sector de bienes de equipo con un coeficiente del 68%, y el sector de bienes de consumo que 300 350 400 450 500 550 246810 12 14 16 UE15 Estudios Económicos nº 5 (2001) https://www.usc.gal/economet/libros.htm 68 presenta menor concentración geográfica y un coeficiente de solo el 28%. En el conjunto de la industria manufacturera el coeficiente de variación entre países fue del 46% en 1980, 50% en 1985 y 46% en 1990. Los siguientes gráficos muestran las grandes diferencias que existen en la producción manufacturera por habitante entre los diecisiete países antes mencionados. Estas diferencias deben ser reducidas diseñando una política que permita incrementar la producción manufacturera en las regiones más pobres. Gráfico 3. Producción por habitante en los sectores industriales (en precios y tipos de cambio de 1990, dólares por habitante) 0 1 2 3 4 5 2 4 6 8 10 12 14 16 UE15 BIENES INTERMEDIOS 0 1 2 3 4 2 4 6 8 10 12 14 16 UE15 BIENES DE EQUIPO 0.0 0.5 1.0 1.5 2.0 2.5 3.0 2 4 6 8 10 12 14 16 UE15 BIENES DE CONSUMO 0 2 4 6 8 2 4 6 8 10 12 14 16 TOTAL INDUSTRIA UE15 Fuente: Elaborado por las autoras a partir de datos de la OCDE Guisán, M.C.; Cancelo, M.T., Díaz, M.R. Modelos interregionales. Capítulo 3 69 En la siguiente sección analizamos la localización regional de las industrias, pero antes presentamos una serie de gráficos que recogen la producción industrial en las 98 regiones de la antigua CE 12 consideradas en el modelo econométrico que se estima en dicha sección, agrupadas según la definición que se recoge en la misma: regiones centrales, intermedias, periferia norte y periferia sur. Como se puede observar en el gráfico 4, prácticamente todas las regiones consideradas en el grupo de centrales presentan un VAB industrial per capita muy por encima de la media de la CE 12 para ese año, que se sitúa en 3957 dólares per capita. Las excepciones, regiones Vall d´Aosta, Regione Wallonne y Bruselas, presentan valores elevados de su PIB industrial, si bien por debajo de la media, pero por sus características han sido consideradas como centrales. Las regiones que presentan mayores valores de su producción industrial, por encima de 8000 dólares por habitante, son, en orden de menor a mayor, las siguientes: Lombardia (Italia), Berlin (Alemania) y Baden-Wuttenberg (Alemania). Gráfico 4. VAB industrial per capita de las regiones centrales.1990 (dólares por habitante, precios y tipo de cambio de 1990) Fuente: Elaborado por las autoras a partir de datos de Eurostat 3000 4000 5000 6000 7000 8000 9000 Media UE Estudios Económicos nº 5 (2001) https://www.usc.gal/economet/libros.htm 70 Gráfico 5. VAB industrial per capita de las regiones intermedias.1990 (dólares por habitante, precios y tipo de cambio de 1990) Fuente: Elaborado por las autoras a partir de datos de Eurostat En el gráfico 5 podemos ver que en el grupo de regiones consideradas como intermedias, los valores del valor añadido industrial per capita se aproximan más a la media de la UE12. Hay regiones por encima y por debajo de esta media, pero la mayor parte de las regiones se sitúan en torno a ella, con valores que oscilan entre los 5300 dólares per capita de Marche (Italia) y los 2200 de Languedoc-Rousillon (Francia). Gráfico 6. VAB industrial per capita de las regiones de la periferia norte. 1990 (dólares por habitante, precios y tipo de cambio de 1990) Fuente: Elaborado por las autoras a partir de datos de Eurostat 2000 3000 4000 5000 6000 media UE12 3000 3200 3400 3600 3800 4000 4200 4400 media UE12 Guisán, M.C.; Cancelo, M.T., Díaz, M.R. Modelos interregionales. Capítulo 3 71 Gráfico 7. VAB industrial per capita de las regiones de la periferia sur. 1990 (dólares por habitante, precios y tipo de cambio de 1990) Fuente: Elaborado por las autoras a partir de datos de Eurostat En el gráfico 6 se recoge el valor añadido industrial per capita de las regiones de la periferia norte. Este grupo lo componen algunas regiones de Reino Unido que, por sus características, no se incluyeron en los grupos de regiones anteriores. Las regiones incluidas en este grupo presentan valores de su producción industrial en torno a la media europea, pero presentan desventajas por su situación geográfica con respecto a las regiones incluidas en las zonas centro e intermedias. La región de este grupo que presenta un mayor valor de su producción industrial es la Norte, con 4273 dólares por habitante, mientras que la que presenta un menor valor es el Norte de Irlanda, con 3175. Las regiones del grupo considerado como periferia sur, y cuyo valor añadido industrial per capita se recoge en el gráfico 7, presentan valores moderados o bajos de producción industrial por habitante, situándose todas ellas por debajo de la media de la UE que era de 3956 dólares per capita en 1990, con la única excepción de La Rioja, que no figura en el gráfico y que tiene un valor superior a la media de la UE. Evolución industrial europea en 1995-2001 En la tabla 2.5 observamos un incremento moderado de la producción industrial por habitante en el período 1995-2001, con algo más de 500 Dólares en 6 años, en los casos de España y Alemania. El crecimiento en Suiza fue muy elevado, superando un incremento de 1000 Dólares, mientras que los demás países de la tabla tuvieron crecimientos bajos. 500 1000 1500 2000 2500 3000 3500 Estudios Económicos nº 5 (2001) https://www.usc.gal/economet/libros.htm 72 Algunos de estos países incrementaron su inversión industrial en el exterior, de forma que para evaluar su capacidad productiva industrial habría que tener en cuenta la producción interior y la que realizan en el exterior. Tabla 3.4. Producción Industrial per cápita en Europa y EEUU, 1990-2001 (Dólares a precios y tipos de cambio del año 2000) 1995 1998 1999 2000 2001 Incr. 90-01 España 2252 2519 2622 2712 2760 508 Alemania 4732 4878 4915 5218 5264 532 Francia 3445 3656 3708 3809 3824 379 Italia 3669 3790 3786 3926 3866 197 Reino Unido 4623 4720 4825 4884 4800 177 Estados Unidos 5596 5945 6148 6282 5880 284 Suiza 6290 6787 6992 7540 7442 1152 Fuente: Elaborado por M.C. Guisán a partir de dator de la OCDE En el año 2001 España estaba todavía en un nivel de Producción Industrial por habitante bajo en comparación con los demás países de la tabla, con un valor per cápita que suponía un 72% del de Francia, un 52% del de Alemania, un 47% del de Estados Unidos y un 37% del de Suiza. 3.2. Modelos interregionales de crecimiento industrial A pesar del interés que tiene el análisis de la localización industrial son pocos los estudios econométricos dedicados a este tema. Un estudio interesante realizado para las regiones españolas es el de Callejón y Costa(1996) en el cual se estima un modelo interregional para cada uno de los 23 sectores industriales considerados relacionando el empleo industrial regional de cada sector en 1991 con su valor retardado 10 años y con otras variables como el grado de especialización del sector en el territorio, el nivel de empleo industrial en el resto de sectores y el salario medio de la industria. Dicho estudio pone de manifiesto la gran importancia que tiene el grado de especialización y el grado de industrialización, a través de las relaciones interindustriales. Guisán, M.C.; Cancelo, M.T., Díaz, M.R. Modelos interregionales. Capítulo 3 79 por debajo de la media comunitaria. El Reino Unido, seguido de España, es durante todo el período (1988-94) el país que menos recursos asigna a la ayuda industrial. En la tabla 6, comparamos la cantidad de ayuda a la industria en las cuatro grandes economías europeas (Alemania, Francia, Italia y Reino Unido) con la de los cuatro países de cohesión (Grecia, España, Portugal e Irlanda). Presentamos el porcentaje que la ayuda a la industria en esos grupos de países representa sobre el total de la ayuda estatal a la industria en la Comunidad. Tabla 3.7. Ayuda a la industria en 4 grandes economías europeas, 1986-94 (% sobre la ayuda estatal total a la industria en la UE12) 1986-88 1988-90 1990-92 1992-94 4 Grandes Economías 80 82 82 85 Economías de Cohesión 12,3 15 9,3 8,3 Fuente: Comisión de las Comunidades europeas 1991, 1995 y 1997. En esta tabla puede observarse que la cantidad de ayuda industrial en las cuatro grandes economías fue superior al 80% en todos los períodos analizados, con una tendencia creciente hasta situarse en el 85% en 1992-94, a pesar de que las ayudas en el Reino Unido decrecen durante todos esos años. Por el contrario, en los cuatro países de cohesión este porcentaje cae del 15% (entre 1988 y 1990 hasta el 8% (1992-94). Estas cifras indican que las industrias en las grandes economías recibieron más ayuda que en las economías de cohesión. Comparando estos porcentajes con el porcentaje de población en 1990, observamos que las grandes economías representaban casi el 72% de la población de la UE12 y el 82% de la ayuda industrial. Por otra parte, las economías de cohesión con el 19% de la población recibían sólo el 9% de la ayuda industrial (8% en el siguiente período). Esta comparación muestra que las economías de cohesión no parecen prestar la atención necesaria a su industria. La tabla 3.8 presenta la evolución de la ayuda estatal, en porcentaje sobre su propio valor añadido, en las cuatro grandes economías y en las de cohesión. Estudios Económicos nº 5 (2001) https://www.usc.gal/economet/libros.htm 80 Tabla 3.8. % de Ayuda sobre el Valor añadido de la industria. 1988-1990 1990-1992 1992-1994 Grandes Economías 4 3,7 4,2 Economías de Cohesión 6 3,3 2,9 Fuente: Comisión de las Comunidades europeas 1991, 1995 y 1997. En la tabla se muestra que la ayuda en las cuatro grandes economías se mantuvo en torno al 4%, aumentando ligeramente en el último período, mientras que en los países de cohesión disminuyó desde el 6 al 3%. Por lo tanto, como señala el 5º informe sobre ayudas estatales, la importancia relativa de la ayuda industrial está aumentando en los estados miembros centrales y concluye que este desequilibrio no contribuye a la convergencia económica y que queda aún espacio para mejorar la cohesión económica y social. Debe señalarse que además de la ayuda estatal nacional, la industria también se beneficia de intervenciones comunitarias a través de los fondos estructurales. Sin embargo, como señala este informe “la eficacia de estos instrumentos depende crucialmente de que no sean compensados por un uso desequilibrado de las medidas de ayuda estatal en los estados miembros”. En relación con los tipos de instrumentos de ayuda industrial los más utilizados son las subvenciones directas. Estas representan más del 70% de la ayuda a la industria en el período 1990-94, con la excepción de Bélgica, Dinamarca, Italia, Francia y Grecia. En segundo lugar se sitúan las exenciones fiscales, sin embargo, desde 1990-92 hasta 1992-94, podemos observar una ligera disminución en el porcentaje de las ayudas directas y de las exenciones fiscales en favor de otros instrumentos, especialmente créditos blandos. En la tabla 3.9 presentamos la evolución de la ayuda estatal dirigida a objetivos regionales (regiones bajo los artículos 92.3.a y 92.3.c del tratado de la UE, y ayuda a Berlín y Zonenrand), en porcentaje sobre la ayuda industrial de cada país. Guisán, M.C.; Cancelo, M.T., Díaz, M.R. Modelos interregionales. Capítulo 3 81 Tabla 3.9. Objetivos regionales de la ayuda industrial en cada país. (porcentaje respecto a la ayuda industrial estatal) 1986-1988 1988-1990 1990-1992 1992-1994 Bélgica 21 21 9 15 Dinamarca 9 3 2 3 Alemania 60 64 81 80 Grecia 39 25 29 21 España 3 5 12 16 Francia 9 9 17 18 Irlanda 39 51 69 73 Italia 55 55 57 50 Luxemburgo 56 60 70 70 Holanda 15 14 17 15 Portugal 5 5 10 26 Reino Unido 37 30 31 48 CE-12 39 39 50 53 Fuente: Comisión de las Comunidades europeas 1991, 1995 y 1997. En relación con los objetivos, la ayuda estatal a la industria puede dirigirse a objetivos horizontales, sectoriales y regionales. Debido a su importancia para la cohesión, atenderemos únicamente a la evolución de la ayuda a los objetivos regionales. Las ayudas a las regiones fueron el 39% de la cantidad total de ayuda estatal a la industria en la UE en 1986-90, el 50% en 1990-92 y aumentó hasta el 53% en 1992-94 (el resto de las ayudas se dirigió a objetivos horizontales y sectoriales). En general, la mayor parte de estas ayudas se destinaron a las regiones bajo el artículo 92.3.a (Grecia, Irlanda, Portugal, Berlín-este y otras regiones de Alemania del este, Galicia, Asturias, Cantabria, Castilla y León, Castilla-la Mancha, Extremadura, Comunidad Valenciana, Andalucía, Murcia, Canarias, departamentos franceses de ultramar, Campania, sur de Italia, Sicilia y Cerdeña y Norte de Irlanda). Alemania, Irlanda, Luxemburgo e Italia destinaron más del 50% del total de su ayuda industrial a objetivos regionales en este período, mostrando una tendencia a aumentar, con la excepción de Italia donde esta tendencia cambió en los últimos años (1992-94). Estudios Económicos nº 5 (2001) https://www.usc.gal/economet/libros.htm 82 Por el contrario Dinamarca, Bélgica, España y Portugal son los países que destinaron menos ayuda a objetivos regionales sobre el total de su ayuda a la industria. Es importante resaltar que hay una tendencia creciente en España y Portugal, más elevada en este último. A pesar de ello, España sigue siendo uno de los países que menos ayudas concedió a los objetivos regionales en 1992-94. Además, en Portugal, como señala el 5º informe, la mayor parte de la ayuda horizontal es cofinanciada por la Comisión. Sin embargo, esa ayuda está más próxima al concepto de ayuda regional ya que el todo el territorio de Portugal es considerado por la Comisión como región del artículo 92.3.a. La situación de España en dicho período fue peculiar, tanto por el bajo nivel de ayuda a la industria, como por el pequeño porcentaje de ésta dirigida a objetivos regionales, especialmente si tenemos en cuenta que una gran parte de su territorio es objetivo nº1 y que es uno de los países con mayor nivel de desempleo. Sin embargo, hay que ser cautelosos al analizar estas cifras ya que es difícil distinguir, entre los diversos objetivos señalados por cada estado, cual es el principal. En general, las políticas regionales de los estados miembros durante las últimas décadas se han dirigido a reestructurar sus sistemas productivos. Como explica un estudio publicado por la Comisión en 1993, las ayudas financieras siguen siendo el principal instrumento para fomentar nuevas inversiones productivas en las regiones aunque las autoridades políticas muestran cada vez menos confianza en las subvenciones como medios para atraer inversiones y crear empleo, centrando cada vez más su atención en la mejora de la competitividad y del entorno empresarial de las regiones. Esta nueva orientación de la política se ha llevado a cabo en una etapa caracterizada por las restricciones presupuestarias y por esa razón la concesión de ayudas es ahora menos automática y más discrecional, con el fin de dirigir estas ayudas a sectores o proyectos donde puedan obtenerse mejores resultados. Los comentarios recogidos en esta sección, parecen indicar que la ayuda a la industria en los estados miembros no está contribuyendo en la mediad que sería deseable a la disminución las disparidades entre Guisán, M.C.; Cancelo, M.T., Díaz, M.R. Modelos interregionales. Capítulo 3 83 regiones y, en particular, entre las regiones de las grandes economías y las de los países de cohesión. Aunque se debería tener también en cuenta los fondos estructurales es difícil hacer una comparación entre estos fondos y la ayuda estatal a la industria, debido a la naturaleza horizontal de algunos fondos. Los fondos representan una parte considerable de los recursos en los cuatro países de cohesión: el 61% de la ayuda total en Portugal, el 49% en España, el 43% en Irlanda y el 33% en Grecia en el período 1993-94. Por el contrario, sólo supusieron el 18% en la CEE12. El análisis anterior y los resultados de nuestro modelo econométrico muestran que es necesario aplicar medidas de política industrial para corregir las desventajas de las regiones periféricas. Estas medidas deben incluir, entre otras, las siguientes actuaciones: 1. Proporcionar más ayudas a la educación y la investigación, especialmente en las regiones donde el indicador sociocultural IW3 es menor. 2. Aumentar la ayuda para mejorar las conexiones por carretera y ferrocarril para disminuir las distancias entre regiones, especialmente en las regiones periféricas. 3. Disminuir el precio del suelo industrial, incrementar las exenciones fiscales y otras ayudas directas e indirectas para hacer más atractivas y rentables las inversiones en las regiones periféricas. Estas ayudas, como se señalaba en Iglesias, Frías y Vázquez (1997), tendrían un impacto importante sobre el crecimiento del empleo no agrario en Europa. 3.4. Referencias bibliográficas CASTELLÓN, M. y COSTA, M.T. (1996): ”Economías de Aglomeración en la Industria”. Documents de Treball. Col.lecció d´Economia, num. E96107. Universitat de Barcelona. CENTRO EUROPEO DE DESARROLLO REGIONAL (1994): Estudio prospectivo de las regiones atlánticas. Comisión Europea. Dirección General de Políticas Regionales. Bruselas-Luxemburgo. COMISION DE LAS COMUNIDADES EUROPEAS (1991): Segundo informe sobre ayudas estatales al sector de fabricación y a Estudios Económicos nº 5 (2001) https://www.usc.gal/economet/libros.htm 84 algunos otros sectores en la Unión Europea. Documento de la Comisión. Bruselas COMISION DE LAS COMUNIDADES EUROPEAS (1995): Cuarta encuesta sobre ayudas estatales al sector de fabricación y a algunos otros sectores en la Unión Europea. COM(95) 365 final. Bruselas COMISION DE LAS COMUNIDADES EUROPEAS (1997): Quinto informe sobre ayudas estatales al sector de fabricación y a algunos otros sectores en la Unión Europea. COM(97) 170 final. Bruselas. COMISIÓN EUROPEA (1993): Competitividad y cohesión: las tendencias de las regiones. Quinto informe periódico sobre la situación y la evolución socioeconómica de las regiones de la Comunidad. Bruselas. CUADRADO ROURA, J.R. (1989): ”Los cambios económicoregionales de España en el contexto europeo”. En: García Delgado, J. (dir.), España, economía. Espasa-Calpe. Madrid 1989. EUROSTAT. Regions: 1989, 1994 y 1996. EUROSTAT. Research and Development. Annual Statistics. 1995. GUISÁN, M.C. (1996): “La Europa de las regiones y la convergencia española”. Revista Galega de Economía, vol. 5, nº 2, pp. 133-150. Universidade de Santiago de Compostela. GUISÁN, M.C. et al (2001): “Crecimiento económico en los países de la OCDE 1. Modelos de crecimiento y empleo en Irlanda, Francia, España, Alemania USA y Japón”.Estudios Económicos de Hispalink- Galicia, nº 4 . Distribuye Mundi-Prensa. GUISÁN, M.C. and FRIAS, I. (1997): “Economic growth and social welfare in the European Regions”. Congreso ERSA Zurich 1996. Libro DEA nº10, https://www.usc.gal/economet/documentos.htm IGLESIAS, A, FRIAS, I. and VAZQUEZ, E. (1997): “The future of EU regional employment after Maastricht”. Trabajo presentado en el 37th European Congress de la European Regional Science Association (Roma, agosto de 1997). OCDE (1996): National Accounts. Main Aggregates . Edición 1996. Guisán, M.C.; Cancelo, M.T., Díaz, M.R. Modelos interregionales. Capítulo 3 85 ANEXO al Capítulo 3. Definición de las variables ficticias de localización: DCE = Ficticia para las regiones centrales: 18 (Denmark), 19 (Piemonte), 20(Vall d´Aosta), 22 (Lombardia), 23 (Trentino Alto-Adige), 24 (Veneto), 25 (Friuli-Venezia Giulia), 26 (Emilia Romagna), 27 (Toscana), 40 (Hamburg), 42 (Bremen), 43 (Nordrhein-Westfalen), 44 (Hessen), 45 (Rheinland-Pfalz), 46 (Baden-Wuttenberg), 47 (Bayern), 48 (Saarland), 49 (Berlín), 50 (Vlaams Gewest), 51 (Region Wallonne), 52 (Bruxeles), 56 (Zuid-Nederland), 57 (Luxembourg), 77 (Ille de France), 78 (Champagne-Ardene), 79 (Picardie), 80 (Haute-Normandie), 81 (Centre), 82 (Bassse-Normandie), 83 (Bourgogne), 84 (Nord-Pais de Calais), 85 (Lorraine), 86 (Alsace), 87 (Franche-Comté), and 94 (Rohne Alpes). DIN = Ficticia para las regiones intermedias: 4 (País Vasco), 5 (Navarra), 7 (Aragón), 12 (Cataluña), 13 (Com. Valenciana), 21 (Liguria), 28 (Umbria), 29 (Marche), 3 9 (Schleswig-Holstein), 41 (Niedersachsen), 53 (Noord-Nederland), 54 (Oost-Nederland), 55 (West-Nederland), 61 (East Midlands), 62 (East Anglia), 65 (West Midlands), 66 (North West UK), 89 (Bretagne), 90 (Poitou-Charentes), 91 (Aquitaine), 92 (Midi-Pyrenees), 93 (Limousin), 95 (Auvergne), 96 (Languedoc-Roussillon) and 97 (Provence-Alpes-Côte d´Azur). Estudios Económicos nº 5 (2001) https://www.usc.gal/economet/libros.htm 86 Ficticias paras las regiones de la Periferia DPN= Ficticia para las regiones de la Periferia Norte: 58 (Ireland), 59 (North UK), 60 (Yorkshire and Humbers), 63 (South East UK), 64 (South West UK), 67 (Wales), 68 (Scotland) and 69 (Northern Ireland). DPS= Ficticia para las regiones de la periferia sur: 1 (Galicia), 2 (Asturias), 3 (Cantabria), 6 (La Rioja), 8 (Madrid), 9 (Castilla y León), 10 (Castilla-La Mancha), 11 (Extremadura), 14 (Baleares),15 (Andalucía), 16 (Murcia), 17 (Canarias), 30 (Lazio), 31 (Campania), 32 (Abruzzo), 33 (Molisse), 34 (Puglia), 35 (Basilicata), 36 (Calabria), 37 (Sicilia), 38 (Sardegna), 70 (Norte Portugal), 71 (Centro Portugal), 72 (Lisboa e Vale do Tejo), 73 (Alentejo e Algarve), 74 (Voreia Ellada), 75 (Kentriki Ellada) and 76 (Anatolika Kai Notia Nisia). Ficticia para todas las regiones de la Periferia: DP= DPNORTE+DPSUR Libro EE5 disponible en: https://wwwusc.gal/economet/libros.htm Guisán,M.C.; Cancelo, M.T.; Aguayo,E., Díaz, M.R. Modelos interregionales Capítulo 4 87 CAPÍTULO 4 EDUCACIÓN, INVESTIGACIÓN Y DESARROLLO REGIONAL, 1994-2001 GUISÁN SEIJAS, María-Carmen* CANCELO MÁRQUEZ, María-Teresa AGUAYO LORENZO, Eva DÍAZ VÁZQUEZ, María-Rosario 4.1. Educación e investigación en las regiones de la UE En este capítulo, analizamos las disparidades regionales que existen en la UE, especialmente en la distribución del nivel educativo y del gasto en investigación y desarrollo. Estimaremos un modelo econométrico que pone de relieve el importante efecto positivo que ambas variables tienen sobre el crecimiento del producto interior bruto por habitante. En relación con el gasto en investigación y desarrollo, I+D, distinguiremos entre los fondos de la Universidad y los no Universitarios y también entre los fondos que se destinan a financiar el área de las Ciencias Naturales e Ingeniería, NSE, y los que se destinan al área de Ciencias Sociales y Humanidades, SSH, con el objeto de alcanzar conclusiones que sean de interés para elaborar políticas regionales que impulsen el desarrollo de las regiones menos favorecidas. Existen muy pocos estudios econométricos que incorporen estas variables y por lo tanto nuestro modelo puede considerarse interesante y novedoso en esta línea de investigación. En las siguientes tablas presentamos el PIB per capita en 1995 y el gasto per capita en I+D, acumulado para el período 1990-94, diferenciando tres sectores de gasto: Empresas, Gobierno y el sector de Educación Superior. Además, presentamos los datos del gasto realizado por el sector de Educación Superior diferenciando entre dos grandes áreas de conocimiento: Ciencias Sociales y Humanidades (CSH) y Ciencias Naturales e Ingenierías (CNI). Estos datos de gasto en I+D también han sido acumulados para el período 1990-94 y se presentan en términos per capita (con relación a la población de 1995). Todos los datos han sido expresados en dólares de 1990, para lo cual se ha utilizado el tipo de cambio y el deflactor del PIB en base 1990. -- *Las autoras son profesoras de la Facultad de Economía y Empresa de la USC, Santiago de Compostela, España. Libro EE5. Capítulo 4. Educación e I+D https://www.usc.gal/economet/libros.htm 88 En la Tabla 4.1 presentamos los datos de Estados Unidos, Japón y la media de la UE de las variables anteriormente mencionadas. Por término medio los países de la UE presentan un elevado gasto en I+D, pero menor que el de Estados Unidos y Japón, a pesar de que el PIB europeo en 1995 es similar al japonés. En esta tabla incluímos también el porcentaje de población con estudios secundarios de segundo ciclo completos, según las estimaciones de la OCDE y Barro-Lee. Tabla 4.1. PIB, I+D y nivel educativo en la UE15, EEEUU y Japón 1995 UE15 USA Japón PIB per capita 1995 19381 23377 25233 I+D per capita 1990-94 2062 2987 2625 I+D per capita S.Empresa 1990-94 1362 2186 1940 I+D per capita S. Gobierno 1990-94 331 326 204 I+D per capita S. Educ. Sup. 1990-94 368 475 481 I+D per capita en CSH 1990-94 83 *142 188 I+D per capita en CNI 1990-94 285 *333 293 Educación secundaria (%) OCDE 60 71 * 72 Educación secundaria (%) Barro-Lee 52 86 39 Número medio de años de escolarización 8.2 12.2 9.4 Fuente: Elaboración propia a partir de datos de OCDE, Eurostat y otras fuentes. Los datos indicados con asterisco son estimaciones propias basadas en indicadores indirectos. Los datos de PIB e I+D están expresados en dólares de 1990 según tipos de cambio. Los datos de educación corresponden al porcentaje de población mayor de 25 años con nivel igual o superior a educación secundaria completa en el caso de la OCDE y al mismo porcentaje respecto a la población total > de 25 años en el caso de Barro-Lee. En esta tabla observamos que la UE-15 tiene unos niveles de PIB por habitante, de gasto en I+D y de nivel educativo inferiores a los de USA y Japón. En el caso de Japón, la comparación en tipos de cambio sobreestima el valor de su PIB por habitante, ya que si estuviese medido en paridades de poder de compra sería algo inferior al de USA aunque también mayor al de la UE-15. Europa necesita incrementar su gasto en I+D y, en particular, el gasto en el sector de Ciencias Sociales y Humanidades, dado que estas variables son factores que influyen de manera importante sobre el crecimiento del PIB. Guisán,M.C.; Cancelo, M.T.; Aguayo,E., Díaz, M.R. Modelos interregionales Capítulo 4 95 Tabla 4.4.8. Datos de las regiones de Austria, Finlandia y Suecia AUSTRIA PIB85H PIB90H PIB95H IDH 99. Ostösterreich 16538 22797 24564 1911 100. Sudösterreich 12128 16431 17459 1186 101. Westösterreich 15173 20557 21106 1052 102. FINLANDIA 23276 27038 25442 2386 103. SUECIA 24577 26844 26553 3741 Fuente: Véase tabla 4.4.1 En las tablas anteriores destacan los altos valores de la variable IDH en las regiones alemanas, seis de las cuales superan los 3000$. Ninguna región española alcanza dicho nivel, ni siquiera Madrid que es la que más recibe de todas las españolas. En Italia destacan con más de 3000 $ las regiones de Piamonte y Lazio, ésta última debido a la gran concentración de ayudas a la investigación en Roma. En Gran Bretaña destaca con 4584$ la regiones de South-East, correspondiente a Londres. En Francia, el máximo corresponde a la región parisina de Île de France con 6085$ y también destaca la región de Midi-Pyrenées que se sitúa cercana a los 3000 $. En el resto de regiones sólo supera los 3000$ Suecia con 3741. Otras regiones se sitúan en niveles superiores a la media de la UE, de 1357$, pero numerosas regiones están lamentablemente muy por debajo de dicha media. Así la mayoría de las regiones españolas se sitúan por debajo de los 300$, es decir, en menos de la cuarta parte de la media europea y menos del 5% del valor correspondiente a París, que es el máximo europea. Las regiones portuguesas y griegas están también muy por debajo de la media de la UE y ninguna de ellas supera el valor de 400$. También muchas regiones italianas se sitúan por debajo de la media europea en incluso seis de ellas con valores inferiores a 300$. Todas las regiones alemanas, belgas y holandesas, así como Dinamarca, Luxemburgo, Finlandia y Suecia superan la media europea. La mayoría de las regiones británicas superan la media europea en gasto de I+D por habitante, destacando además de South-East las regiones de East- Midland y East-Anglia. Libro EE5. Capítulo 4. Educación e I+D https://www.usc.gal/economet/libros.htm 96 Además de Île de France, otras siete regiones francesas superan la media europea, pero otras muchas regiones tienen niveles bastante moderados o bajos en la variable IDH, aunque en general mucho mayores que los de las regiones españolas. En Austria destaca por encima de la media europea la región de Ostösterreich, correspondiente a Viena, y las otras dos regiones se sitúan ligeramente por debajo de dicha media. En la próxima sección presentamos los resultados de la estimación de varios modelos econométricos que miden la influencia del capital humano, a través de la educación y la investigación, sobre el crecimiento económico estimados con datos de las 103 regiones de la UE. 4.2. Modelos econométricos del impacto de la educación y la I+D En muchos trabajos se puede observar que el gasto en I+D es una de las variables utilizadas para explicar el crecimiento del PIB o la competitividad de países de la OCDE, como se señala en Cancelo y Guisán (1998) y Guisán, Cancelo y Expósito(2001). También la educación tiene un impacto positivo muy importante sobre el desarrollo económico como se pone de manifiesto en Guisán et al (2001). A continuación presentamos varios modelos que miden el impacto de la educación y la investigación sobre el crecimiento económico de las regiones europeas, basados en el modelo de Guisán, Cancelo y Diáz (1998) y en otros modelos interregionales de las autoras. Las principales variables usadas en estos modelos son: PIB95H= Producto Interior Bruto regional en1995, expresada en dólares per capita en precios y tipos de cambio de 1990. PIB90H = Producto Interior Bruto regional en 1990, expresada en dólares per capita en precios y tipos de cambio de 1990. DPIBH= PIB95H - PIB90H Guisán,M.C.; Cancelo, M.T.; Aguayo,E., Díaz, M.R. Modelos interregionales Capítulo 4 97 PS290 = Porcentaje de la población activa con un nivel educativo igual o superior a Segundo Ciclo de Enseñanza Secundaria en 1990. PS295 = Porcentaje de la población activa con un nivel educativo igual o superior a Segundo Ciclo de Enseñanza Secundaria en 1995. IDH = Gasto en investigación y desarrollo, valor acumulado para el período 1990-94, expresado en dólares per capita en precios y tipos de cambio de 1990. IDHEMP = Gasto en investigación y desarrollo realizado por el sector Empresas, valor acumulado para el período 1990-94, expresado en dólares per capita en precios y tipos de cambio de 1990. IDHGOB = Gasto en investigación y desarrollo realizado por el sector Gobierno, valor acumulado para el período 1990-94, expresado en dólares per capita en precios y tipos de cambio de 1990. IDHUNI = Gasto en investigación y desarrollo realizado por el sector universitario, valor acumulado para el período 1990-94, expresado en dólares per capita en precios y tipos de cambio de 1990. Esta variable se divide en: IDHCSH = Gasto en investigación y desarrollo realizado por el sector Educación Superior en el área de Ciencias Sociales y Humanidades, valor acumulado para el período 1990-94, expresado en dólares per capita en precios y tipos de cambio de 1990. IDHCNI = Gasto en investigación y desarrollo realizado por el sector Educación Superior en el área de Ciencias Naturales e Ingeniería, valor acumulado para el período 1990-94, expresado en dólares per capita en precios y tipos de cambio de 1990. Además se han incluido algunas variables ficticias para recoger particularidades específicas de algunas regiones o países, a las que denominamos DRi (i=1,…,103) si son regionales y Dj (j=1,…,15) si se corresponden a un país. La estimación se realizó con datos de 74 regiones ya que en las demás no figura los datos de todas las variables en las estadísticas. Incluye todos las regiones, excepto Bélgica, Luxemburgo, Grecia y Francia. Libro EE5. Capítulo 4. Educación e I+D https://www.usc.gal/economet/libros.htm 98 Además se han definido un conjunto de variables ficticias con el objeto de reflejar la situación geográfica y otras características del crecimiento y de la posición relativa de las regiones. Estas variables se definen en los capítulos 2 y 3 y son las siguientes: DCE = Ficticia para las regiones Centrales DEN = Ficticia para las regiones Intermedias DP = Ficticia para las regiones Periféricas En estos modelos se han incorporado las tres regiones austríacas, Finlandia y Suecia para las que se ha considerado la misma ficticia que para las regiones centrales dadas sus características económicas. Los modelos estimados han sido los siguientes: Los modelos 1 a 4 relacionan el incremento del PIB por habitante, durante el período 1990-95 con el gasto por habitante en I+D realizado durante el quinquenio 1990-94, sin ordenada en el origen. El modelo 1 corresponde al I+D empresarial (IDHEMP), el modelo 2 al sector gobierno (IDHGOB), el 3 al sector universitario de Ciencias Sociales y Humanidades (IDHCSH) y el modelo 4 al sector universitario de Ciencias Naturales e Ingeniería (IDHCNI). Se añadieron dos variables ficticias una para Berlín, DR49, y otra para Irlanda, DR58, con objeto de recoger efectos especiales en dicho quinquenio, mediante una ordenada en el origen cuyo coeficiente estimado resultó negativo para el caso de Berlín y positivo para el de Irlanda. Tabla 4.5. Modelos 1 a 4. I+D sectorial y desarrollo regional Variable explicativa Coeficiente estimado Desviación típica Estadístico t R2 IDHEMP 0.4176 0.1014 4.1153 0.9697 IDHGOB 1.8466 0.3694 4.9983 0.9695 IDHCSH 7.7413 1.4313 5.4082 0.9708 IDHCNI 2.0556 0.4024 5.1081 0.9698 Nota: Elaboración por las autoras. Los valores de R2 corresponden al coeficiente de determinación respecto a la variable PIBH. Los resultados ponen de manifiesto que todos los sectores de I+D tienen un impacto positivo y significativo sobre el PIB regional por habitante, siendo el de menor impacto el I+D Empresarial seguido de sector Gobierno. La investigación universitaria es la que alcanza los niveles más altos con un coeficiente de 2.05 para el sector de Ciencias Naturales e Ingenierías y un 7.74 para las Ciencias Sociales y Humanidades. En todos los casos la bondad del Guisán,M.C.; Cancelo, M.T.; Aguayo,E., Díaz, M.R. Modelos interregionales Capítulo 4 99 ajuste es elevada. Esa elevada bondad del ajuste, a pesar de la excusión de otras variables explicativas relevantes, se debe a que las variables relevantes omitidas tienen una elevada correlación con las incluidas. La inclusión conjunta del I+D Empresarial con cada una de las modalidades de I+D Universitario muestra un impacto también mayor para la investigación universitaria, con un coeficiente de 6.58 para IDHCSH frente a sólo 0.10 de IDHEMP y un coeficiente de 1.88 de IDHCNI frente a sólo 0.12 para IDHEMP. Por lo que respecta a la inclusión conjunta del I+D del Gobierno con las dos modalidades del I+D universitario también se observa un impacto mayor de dichas modalidades, con un coeficiente de 6.51 para IDHCSH frente a sólo 0.33 de IDHG y con un coeficiente de 1.23 IDHCNI frente a un coeficiente 0.88 de IDHGOB. Hay que destacar el importante impacto que tiene la investigación universitaria en Ciencias Sociales y Humanidades en el proceso de desarrollo regional ya que por término medio supera al de los otros sectores de I+D. Un resultado similar se obtuvo a nivel nacional con datos de 19 países de la OCDE en Guisán, Cancelo y Expósito (1998). La tablas 4.5 muestra la estimación del Ecuación 5, que expresa PIB95H en función de su valor retardado del año 1985 (PIB85H), de la variable IDH que es un indicador de innovación y capital humano, y de una constante C que refleja incremento medio por región, en la década 1985-1995, debido a otras variables. Tabla 4.5 . Ecuación 5: PIB95H e IDH con homogeneidad total de parámetros LS // Dependent Variable is PIB95H Sample: 1 103 Included observations: 103 Variable Coefficient Std. Error -Statistic Prob. C 3695.556 638.9950 5.783388 0.0000 PIB85H 0.911535 0.050189 18.16201 0.0000 IDH 0.345896 0.225361 1.534853 0.1280 R-squared 0.881279 Mean dependent var 18405.02 Adjusted R-squared 0.878904 S.D. dependent var 5923.475 S.E. of regression 2061.297 Sum squared resid 4.26E+08 Log likelihood -930.6307 F-statistic 371.1550 Durbin-Watson stat 1.317743 Prob(F-statistic) 0.000000 Fuente: Guisan, Cancelo y Díaz (1998). Libro EE5. Capítulo 4. Educación e I+D https://www.usc.gal/economet/libros.htm 100 La tabla 4.6 muestra la estimación de la Ecuación 6 que es similar a la Ecuación 5 pero añade variables ficticias de localización para las regiones de la Zona Central y de la Zona Periférica de Europa. La inclusión de las variables ficticias de localizacón DCE (para la Zona Central) y DP (para la zona periférica), mejora el R2ajustado que pasa de 0.8789 a 0.8870. En la tabla 4.6 observamos que tanto los parámetros de las variables de localización como el parámetro de IDH son significativos al 10% de significación, y muestran un efecto positivo y significativo de la localización en la ona Central y del indicador IDH y un efecto negativo y significativo de la localización en la Zona Periférica. Tabla 4.6. Ecuación 6. PIB95H e IDH y 3 ordenadas en origen LS // Dependent Variable is PIB95H Sample: 1 103 Included observations: 103 Variable Coefficient Std. Error t-Statistic Prob. C 5415.920 890.1269 6.084436 0.0000 DCE 924.8155 554.4754 1.667911 0.0985 DP -1030.964 558.1575 -1.847083 0.0678 PIB85H 0.795726 0.061892 12.85665 0.0000 IDH 0.418098 0.219582 1.904059 0.0598 R-squared 0.891430 Mean dependent var 18405.02 Adjusted R-squared 0.886999 S.D. dependent var 5923.475 S.E. of regression 1991.212 Sum squared resid 3.89E+08 Log likelihood -926.0273 F-statistic 201.1618 Durbin-Watson stat 1.353856 Prob(F-statistic) 0.000000 Fuente: Guisan, Cancelo y Diaz(1998). La ordenada en el origen estimada para grupo de referencia (Zona Intermedia) es 5416, mientras que la Zona Central tienen un efecto diferencial positivo y significativo de 925 con la zona intermedia (siendo su ordenada en el origen igual 5416+925=6341 y la Zona Periférica tiene un efecto diferencial negativo y signficativo de 1031 (siendo su ordenada en el origen igual a 5416- 1031=4385). La inclusión de otras variables explicativas importantes en el modelo pone de relieve también el importante impacto que tiene la educación. La Guisán,M.C.; Cancelo, M.T.; Aguayo,E., Díaz, M.R. Modelos interregionales Capítulo 4 101 inclusión de la variable PS290, junto con las variables ficticias de DR49 y DR58, en la regresión de DPIBH proporciona también una elevada bondad del ajuste con un coeficiente de regresión estimado de 15.36 y con un estadístico t de 6.87, lo que pone de relieve la significatividad del parámetro correspondiente. La tabla 4.7 muestra un efecto positivo y significativo del indicador de nivel educativo (PS2) mientras que el efecto del gasto en I+D por habitante (RDH) aparece positivo pero no estadísticamente significativo. A causa de la multicolinealidad derivada de una gran correlación de RDH con las otras variables incluidas en el modelo, el intervalo para el parámetro de RDH es muy amplio y no se puede precisar el impacto positivo. Tabla 4.7. Equación 7: Impacto de la Educacion e I+D sobre el desarrollo Fuente: Guisán, Cancelo y Díaz(1998). Es difícil aislar el efecto de la educación del de las variables de I+D ya que existe elevada correlación, lo que provoca multicolinealidad e imprecisión de los estimadores. Por ello es deseable que haya una mayor disponibilidad de datos estadísticos nacionales y regionales para poder estimar modelos más detallados en muestras que presenten una mayor variabilidad. Con esta muestra la inclusión conjunta de la variable PS290 con cada una de las cuatro modalidades de gasto sectorial de I+D corrobora que el mayor impacto positivo medio corresponde a IDHCSH seguido de IDHGOB. En dichas regresiones conjuntas las otras dos modalidades, IDHEMP e IDHCNI, tienen un coeficiente prácticamente nulo. La evidencia parece mostrar que algunas investigaciones están enfocadas hacia la solución de problemas sin vinculación territorial a la región (problemas de las empresas o de la saludad, de ámbito nacional o internacional) mientras que otras investigaciones parecen tener un mayor impacto sobre el desarrollo regional. Libro EE5. Capítulo 4. Educación e I+D https://www.usc.gal/economet/libros.htm 102 En la próxima sección efectuamos un contraste de homogeneidad de parámetros que pone de manifiesto, como es frecuente en los modelos que combinan datos de distintas regiones o países, que existe un moderado grado de heterogeneidad de parámetros de forma que es posible mejorar el ajuste de los modelos teniendo en cuenta algunas variables ficticias, o de otro tipo, adecuadas. Los resultados obtenidos en esta sección son bastante representativos de la importancia que tienen la educación y la investigación en el desarrollo económico. Estos resultados y el análisis de los datos internacionales ponen de manifiesto la necesidad de que Europa aumente ambas variables, especialmente en aquellos países y regiones en los que los niveles son menores. En ese sentido es importante impulsar el aumento del nivel educativo en varios países, especialmente en Portugal, y el gasto en I+D especialmente en España, Grecia y Portugal. El caso de España es particularmente destacado por su escaso nivel de gasto de I+D, dada su capacidad económica que permitiría fácilmente un mayor nivel si hubiese un mayor grado de concienciación social y política. Son muchos los problemas existentes en el ámbito de la investigación científica, particularmente en las universidades, como se pone de manifiesto en estudio titulado “University Research in Transition” de la OCDE(1998). 4.3. Contrastes de homogeneidad de los parámetros Los modelos de la sección anterior presentan en general una elevada homogeneidad de coeficientes de regresión si tenemos en cuenta, mediante ficticias para la ordenada en el origen, algunas peculiaridades de determinadas regiones, además de las ya consideradas para Berlín e Irlanda. Teniendo en cuenta que los modelos del capítulo anterior ponen de manifiesto la influencia de la situación centro-periferia en el desarrollo económico regional, debido a la existencia de una serie de circunstancias que favorecen la concentración del crecimiento económico en las regiones más ricas, es interesante contrastar la homogeneidad de parámetros entre regiones situadas en distintas zonas en un modelo de I+D. Para ello estimamos, con datos de las 103 regiones, la relación entre PIB95H y las variables explicativas PIB85H e IDH, bajo los siguiente supuestos: Guisán,M.C.; Cancelo, M.T.; Aguayo,E., Díaz, M.R. Modelos interregionales Capítulo 4 103 1) Homogeneidad total en los coeficientes de regresión y en la ordenada en el origen. 2) Homogeneidad en los coeficiente de regresión y heterogeneidad en la ordenada del origen, según la situación geográfica mediante las variables ficticias DCE y DP del capítulo anterior. 3) Heterogeneidad total, estimando un modelo diferente para cada una de las tres zonas: central, intermedia y periférica. La tabla 4.5 mostró los resultados de la estimación con la hipótesis de homogeneridad total y la tabla 4.6 los resultados de la hipótesis de homogeneidad de los coeficientes de regresión y heterogeneidad de la ordenada en el origen. Además estimamos una regresión para cada uno de los 3 grupos considerados (Zona Central, Zonal Intermedia y Zona Periférica) con objeto de disponer de las Sumas de Cuadrado de Errores individuales, para poder aplicar el test (S1=SCE1+SCE2+SCE3). Para contrastar la homogeneidad de los parámetros entre los distintos grupos de regiones, aplicamos los test de estabilidad muestral basados en el la distribución F-Snedecor que figuran en Guisán (1997, pág. 163). Los grupos de regiones que se van a considerar se corresponden con los definidos para elaborar las variables ficticias de la sección anterior, o sea, las regiones centrales, intermedias y periféricas. Los resultados correspondientes figuran en la tabla 4.8. Tabla 4.8. Contrastes de homogeneidad de los parámetros. Fuentes variación Suma de Cuadrados SCE) Grados de libertad (gl) ∆ SCE; ∆gl F X 1 ,X 2 ,X 3 S1=SCE1+SCE2 +SCE3= = 3,6187 * 108 gl1=T-p(k+1) = 97 ∆1 = S2-S1 = 27130000; ∆ gl1 = 1 F1=(∆1/∆gl1) /(S1/gl1) = 7.3 (X,D) S2 = SCE (X,D) = 3.89 * 10 8 gl2 = T-k-p = 98 ∆2 = S3-S2 = 0.37 * 108 ∆gl2 = 2 F2=(∆2/∆gl2) /(S2/gl2) = 4.7 X S3 = SCE(X) = 4.26 *108 gl3 = T-k-1 = 100 ∆3 = S3-S1 = = 64126821 ∆gl3 = 3 F3=(∆3/∆gl3) /(S3/gl3) =5.7 Fuente: Aplicación, por las autoras, de los contrastes F de homogeneidad, citados en Guisán (1997). Libro EE5. Capítulo 4. Educación e I+D https://www.usc.gal/economet/libros.htm 104 Para un nivel de significación de 5% el nivel crítico de la distribución F para aceptar la homogeneidad sería aproximadamente igual a 4 para los estadísticos F1 y F2 y aproximadamente a 2.7 para el estadístico F3. Esto significa que existe alguna heterogeneidad ya que los tres estadísticos F superan ligeramente el nivel crítico correspondiente. Consideramos que la heterogeneidad es moderada ya que en estos contrastes la existencia de una heterogeneidad acusada daría lugar a valores mucho más elevados de dichos estadísticos, que podrían llegar a alcanzar valores 10 o más veces superiores. Con estos resultados podemos concluir que se rechaza por muy poco la homogeneidad de la ordenada en el origen, matriz (X,D) y contraste F2, y la de los coeficientes angulares, matrices X1, X2, X3 y contraste F1. Al hacer el contraste de homogeneidad total de los parámetros, contraste F3, se puede decir que la heterogeneidad es muy escasa. Los resultados ponen de manifiesto que el grado de homogeneidad es aceptable. En cualquier caso, como ya se puso de manifiesto en modelos anteriores, existen algunas diferencias regionales que es importante tener en cuenta. Por ello, en la tabla 14 se presentan los resultados de la estimación del modelo 8 en el que se incluyen las variables ficticias geográficas, DCE y DP, definidas anteriormente Como se puede observar en la tabla 13, aunque no cambian significativamente los resultados de la estimación de los coeficientes de la variable Gasto en I+D o del PIB retardado, los estimadores de los parámetros correspondientes a las variables ficticias recogidos en el modelo (DP y DCE) resultan estadísticamente significativos, mostrando que hay un efecto geográfico en la distribución del PIB regional. De esta forma, se puede ver como las regiones centrales presentan unas ventajas por su localización geográfica, mientras que las regiones periféricas, por el contrario, presentan unas desventajas que es preciso corregir con la adopción de medidas específicas dirigidas a compensar estas diferencias y lograr una convergencia con las regiones más ricas.