Una aproximación a la medición del bienestar en el ámbito urbano

Facultad de Ciencias Económicas y Empresariales Trabajo de Fin de Grado Grado en Economía Una aproximación a la medición del bienestar en el ámbito urbano Presentado por: Víctor Manuel Escolar Cabello Tutelado por: María de las Mercedes Prieto Alaiz Valladolid, 20 de julio de 2022 II RESUMEN El bienestar es un concepto muy utilizado entre la población, pero al mismo tiempo se trata de un concepto ambiguo, que admite diferentes interpretaciones. Pese a esta indefinición del concepto, es razonable pensar que todas las personas desean mejorar su propio bienestar. Esta idea de mejora implica la comparación del bienestar en dos momentos diferentes en el tiempo y esto no es posible si no existen formas de medir esos niveles de bienestar. Existen multitud de herramientas para realizar esta medición, este trabajo se centra en la medición del bienestar en las zonas urbanas a partir del índice de bienestar desarrollado por Sen (1974). Los datos utilizados en la medición en los años estudiados, 2016 y 2019, proceden de una estadística experimental del Instituto Nacional de Estadística, denominada Atlas de distribución de la renta de los hogares. Esto supone una contribución en el análisis empírico del bienestar en España debido a que, hasta lo que nuestro conocimiento alcanza, no existen trabajos empíricos que analicen el bienestar de conjuntos amplios de áreas urbanas y que incorporen las diferencias en el coste de vida. Los resultados revelan que existe una mejora del bienestar de forma generalizada en las zonas urbanas analizadas en el periodo 2016-2019, produciéndose también una convergencia en el nivel de bienestar. También se muestra la existencia de diferencias geográficas importantes, siendo los municipios ubicados en la zona norte los que mayor nivel de bienestar ostentan. Así mismo, al ajustar los datos teniendo en cuenta el coste de vida se evidencia una menor dispersión en términos de bienestar. Finalmente, se muestra la mayor importancia de la renta en la determinación de la ordenación en términos de bienestar frente a la importancia de la desigualdad. Palabras clave: Bienestar, municipio, regiones urbanas, paridad de poder adquisitivo. Códigos de clasificación JEL: I31, D63. III ABSTRACT The concept of wellbeing is very used among the population but, it is also a highly ambiguous concept that can be interpreted differently from person to person. Despite the ambiguity in its definition, it is reasonable to think that everyone wishes to improve their own wellbeing. This idea about improving implies that a comparison between two different wellbeing states must made and that is not possible if we do not have ways to measure those levels of wellbeing. There are multiple tools that can be used to measure wellbeing, this project centres around the measurement of wellbeing using the index developed by Sen (1974). The data used for the measurement in the analyzed years, 2016 and 2019, were obtained from the “Atlas de distribución de la renta de los hogares”, which is an experimental data project from the Spanish National Institute of Statistics. This is a relevant contribution in the empirical analysis of wellbeing in Spain because as far as we are aware, there are no previous empirical analysis that measure the wellbeing of a wide arrange of urban areas in Spain while also considering the differences in the cost of living. The results reveal that there was a generalized improvement in the wellbeing of the municipalities studied during the period 2016-2019 with these urban areas moving towards convergence on their level of wellbeing. The existence of important differences in wellbeing in different geographical areas has been shown, being the municipalities, which are in the North, better off in terms of wellbeing. Additionally, adjusting income for cost-of-living results in less differences in wellbeing among the municipalities studied. Finally, the higher influence of income, compared to that of inequality, in the determination of wellbeing rankings is shown Keywords: Wellbeing, municipality, urban regions, purchasing power parities. JEL Classification Codes: I31, D63. IV ÍNDICE RESUMEN ................................................................................................. 2 ABSTRACT ................................................................................................ 3 ÍNDICE ...................................................................................................... 4 ÍNDICE DE GRÁFICAS ............................................................................... 5 ÍNDICE DE TABLAS ................................................................................... 6 1. INTRODUCCIÓN ............................................................................... 7 2. MARCO TEÓRICO ............................................................................ 9 2.1. Notación y conceptos preliminares .................................................... 10 2.2. Curva de Lorenz y su relación con el bienestar .................................. 12 2.3. Curva de Lorenz Generalizada y su relación con el bienestar ............. 15 2.4. Índice de Gini y su relación con el bienestar: el Índice de Sen............. 18 3. ANÁLISIS EMPIRICO ...................................................................... 21 3.1. Base de Datos ................................................................................. 21 3.1.1. Origen de los datos .................................................................... 21 3.1.2. Selección de municipios ............................................................. 22 3.1.3. Medidas de eficiencia y desigualdad utilizadas: media de la renta por unidad de consumo e índice de Gini. ..................................... 22 3.2. Análisis Descriptivo .......................................................................... 24 3.2.1. Tamaño de la población ............................................................. 24 3.2.2. Renta ........................................................................................ 26 3.2.3. Índice de Gini ............................................................................ 30 3.3. El bienestar según el Índice de Sen .................................................. 32 4. CONCLUSIONES. ........................................................................... 41 5. BIBLIOGRAFÍA................................................................................ 43 6. ANEXO DE TABLAS Y GRÁFICOS .................................................. 45 V ÍNDICE DE GRÁFICAS Gráfico 2. 1 Curva de Lorenz.......................................................................... 13 Gráfico 2. 2 Curvas de Lorenz Generalizadas.................................................. 17 Gráfico 2. 3 Índice de Gini .............................................................................. 18 Gráfico 2. 4 Relación Geométrica ................................................................... 20 Gráfico 3. 1 Distribución de la población en 2016 y 2019.................................. 25 Gráfico 3. 2 Distribuciones de la renta a nivel municipal en 2016 y 2019 ........... 27 Gráfico 3. 3 Distribuciones de la renta ajustada y sin ajustar de las en el año 2019 ............................................................................................................. 29 Gráfico 3. 4 Distribución del Índice de Gini entre municipios ............................. 31 Gráfico 3. 5 Distribución del Índice de Sen en 2016 y 2019 .............................. 33 Gráfico 3. 6 El bienestar como función de la renta y el Índice de Gini ................ 35 Gráfico 3. 7 Mapa del bienestar en los municipios españoles (2019) ................. 37 Gráfico 3. 8 Relación entre la renta media por unidad de consumo y el Índice de Sen .............................................................................................................. 38 Gráfico 3. 9 Relación entre el Índice de Gini y el Índice de Sen......................... 38 Gráfico 3. 10 Distribución del Índice de Sen en 2019 ....................................... 39 VI ÍNDICE DE TABLAS Tabla 3. 1 Resumen Descriptivo-Población ..................................................... 25 Tabla 3. 2 Resumen Descriptivo-Renta Media por unidad de consumo a precios constantes de 2017 (€) .................................................................................. 28 Tabla 3. 3 Resumen Estadístico-Índice de Bienestar de Sen ............................ 34 VII 1. INTRODUCCIÓN El bienestar tiene una muy estrecha relación con la satisfacción de necesidades, cuyo estudio es la esencia de la ciencia económica. Podríamos decir, que un alto bienestar implica necesariamente que una gran cantidad de necesidades han sido cubiertas, y por el contrario, si las necesidades no son cubiertas diríamos que el bienestar es bajo. La importancia que a nivel individual damos al bienestar también tiene un efecto en las decisiones que tomamos como sociedad, por eso podemos observar en las instituciones públicas, desde aquellas más grandes, las instituciones internacionales, hasta las más pequeñas, los ayuntamientos de los municipios, esfuerzos por la mejora del bienestar de la ciudadanía. Una muestra de ese esfuerzo institucional por parte de un organismo internacional como la Comisión Europea podría ser la política regional europea, la cual incluye entre sus objetivos el de mejorar la calidad de vida. Así mismo, en 2015, todos los Estados miembros de Naciones Unidas adoptaron la Agenda 2030 para el Desarrollo Sostenible, documento que tiene una muy estrecha relación con la satisfacción de necesidades y el bienestar y que ha influido en gran medida sobre las decisiones de política social de estos Estados. Las instituciones públicas de menor tamaño, los ayuntamientos de los municipios, también realizan sus propios esfuerzos en materia de bienestar y esto es especialmente relevante ya que de acuerdo con el Banco Mundial (2022), alrededor del 56% de las personas en el mundo viven en zonas urbanas, siendo mayor el porcentaje en zonas con más recursos, como puede ser el caso de España, donde según el Ministerio de Transportes, Movilidad y Agenda Urbana (2021), el 82,7% de la población vive en zonas urbanas. Además, existe una tendencia a la concentración de la población en este tipo de regiones. Según Ritchie y Roser (2018), en el año 2050, dos tercios de la población mundial vivirá en zonas urbanas. 8 Partiendo de estas ideas, parece aparente la necesidad de medir el bienestar para poder determinar si nuestras decisiones y políticas públicas contribuyen a un mayor bienestar para poder repetirlas y replicarlas en otros lugares o si, por el contrario, se deberían detener ese tipo de acciones. Precisamente el objetivo de este Trabajo de Fin de Grado es medir el bienestar en el ámbito urbano en España. Para ello se utilizan datos de municipios con al menos 34.444 habitantes para los años 2015 y 2019, procedentes de una estadística experimental del Instituto Nacional de Estadística denominada Atlas de distribución de la renta de los hogares. La metodología empleada en la medición del bienestar en los municipios adopta una perspectiva unidimensional, estudiando dos características de la distribución de la renta: eficiencia y desigualdad. Como indicadores de estas dos características se utilizarán la renta media y el índice de Gini respectivamente. Además, la renta media se ajustará en base al coste de vida. Esto supone una contribución ya que, hasta nuestro conocimiento, se trata del único trabajo en España con estas características. Pese a esto, es importante señalar que esta aproximación a la medición del nivel del bienestar basada en el análisis unidimensional supone una limitación, la cual será explorada más adelante. La estructura de este trabajo es la siguiente: en la sección dos se abordan las principales cuestiones metodológicas en la medición unidimensional del bienestar, en la tercera sección se encuentra el análisis empírico en el que se aplica el índice de Sen a diferentes municipios españoles con el objetivo de comparar su evolución en el tiempo, así como hacer comparaciones entre municipios. En la cuarta y última sección se resumen las conclusiones de dicho análisis empírico. 9 2. MARCO TEÓRICO El concepto de bienestar es un término ampliamente conocido y utilizado tanto en el ámbito académico como en el no académico. Pese a esto existe una gran ambigüedad en cuanto a su definición exacta. Fuera del ámbito académico se entiende el bienestar como “una evaluación por parte del individuo de su propia situación” (van Praag, 1989, pp 2). Se trata de una evaluación personal, y por tanto subjetiva, sobre la situación vital en la que se encuentra uno mismo. Es un concepto muy amplio que incluye aspectos de diferentes ámbitos como podrían ser mentales, sanitarios, económicos etc. y que es cambiante en el tiempo. Una situación vital que podría ser juzgada como muy positiva para un niño de corta edad seguramente no sería valorada de forma tan positiva por un adolescente o por una persona adulta. Es decir, el término bienestar de forma no académica se podría definir como una evaluación subjetiva de una situación concreta en un momento determinado, entendiendo ese momento de forma dual: la situación vital objetiva de ese momento y el criterio del evaluador en ese momento. En el ámbito académico existen multitud de definiciones, ya que es un término que ha sido estudiado desde múltiples ramas del conocimiento. Se podría hablar, por tanto, de bienestar desde la perspectiva de la salud, la psicología o la economía entre otros. En economía se ha evaluado el bienestar mediante una función matemática capaz de diferenciar las situaciones de las personas de una sociedad. Así, el bienestar se puede expresar como una función que depende de una o más variables. En este trabajo nos vamos a centrar en la medición del bienestar desde un enfoque unidimensional haciendo depender a la función de bienestar de la distribución de la renta. Esto supone una limitación dado que existen otras variables que pueden influenciar el nivel de bienestar. 16 distribución, es decir: 𝐿𝐺(𝑝)=∫𝑥𝑓(𝑥)𝑑𝑥 𝑦 0=𝜇𝐿(𝑝) 0<𝑝<1 donde 𝑝=𝐹(𝑦). La Curva de Lorenz Generalizada tiene las siguientes propiedades: 1. 𝐿𝐺(0)=0; 𝐿𝐺(1)=𝜇 Todas las Curvas de Lorenz generalizadas, independientemente de la distribución de la renta, pasan por esos puntos. 2. Es creciente: 𝑑𝐿𝐺(𝑝) 𝑑𝑝 =𝑑𝐿𝐺 𝑑𝑦 𝑑𝑦 𝑑𝑝 =𝑑𝐿𝐺 𝑑𝑦 ⁄ 𝑑𝑝 𝑑𝑦 ⁄=𝑦𝑓(𝑦) 𝑓(𝑦)=𝑦>0. 3. Es convexa: 𝑑2𝐿𝐺(𝑝) 𝑑𝑝2=𝑑𝐿𝐺′(𝑝) 𝑑𝑦 𝑑𝑦 𝑑𝑝 =1 𝑓(𝑦) >0. Al igual que se define una relación de dominancia en las Curvas de Lorenz, también se puede definir una relación de dominancia en las Curvas de Lorenz Generalizadas. De esta forma, la distribución 𝐹 domina en sentido de la Curva de Lorenz Generalizada a la distribución 𝐺 si: 𝐿𝐺𝐹(𝑝)≥𝐿𝐺𝐺(𝑝) ∀ 𝑝∈[0,1] (véase gráfico 2.2). Hay que señalar que, así como la distribución que domina en términos de la Curva de Lorenz nos muestra que esa distribución tiene una desigualdad menor que la otra distribución, la dominancia en la Curva de Lorenz Generalizada nos muestra que cada proporción de población tiene una renta media superior a la de la otra distribución. Por tanto, que 𝐹 domine a 𝐺 en términos de la curva de Lorenz generalizada no implica que también la domine en términos de curva de Lorenz. La relación de las Curvas de Lorenz Generalizadas con el bienestar se muestra en Shorrocks (1983). De acuerdo con este autor, si la curva generalizada de Lorenz de una distribución domina a otra, el nivel de bienestar social de la distribución que domina siempre será mayor la de bienestar es de la forma (1) y función de utilidad utilizada es creciente en renta y estrictamente cóncava. 17 En términos analíticos, esta relación se puede expresar de la siguiente forma: Sea 𝐹(𝑥) y 𝐺(𝑥) dos distribuciones de la renta: 𝐿𝐺𝐹(𝑝)≥𝐿𝐺𝐺(𝑝) ∀ 𝑝∈[0,1]⇔∫𝑈(𝑥)𝑓(𝑥)𝑑𝑥≥∫𝑈(𝑥)𝑔(𝑥)𝑑𝑥; 𝑈′(𝑥)>0; 𝑈′′(𝑥)<0 Gráfico 2. 2 Curvas de Lorenz Generalizadas En resumen: 1. Si 𝜇𝐹≥𝜇𝐺 𝑦 𝐿𝐹>𝐿𝐺, la distribución 𝐹 es preferida de forma unánime a 𝐺. 2. Si 𝜇𝐹>𝜇𝐺 𝑦 𝐿𝐹≤𝐿𝐺 𝑝𝑒𝑟𝑜 𝐿𝐺𝐹≥𝐿𝐺𝐺, la distribución 𝐹 es preferida de forma unánime a 𝐺. 3. Si 𝐿𝐹 𝑦 𝐿𝐺 𝑠𝑒 𝑐𝑜𝑟𝑡𝑎𝑛 𝑝𝑒𝑟𝑜 𝐿𝐺𝐹 𝑦 𝐿𝐺𝐺 𝑛𝑜, la distribución 𝐹 es preferida de forma unánime a 𝐺. 4. Si 𝐿𝐺𝐹 𝑦 𝐿𝐺𝐺 𝑠𝑒 𝑐𝑜𝑟𝑡𝑎𝑛. No se puede extraer una conclusión unánime sobre las preferencias. Para el caso número 1, el teorema de Atkinson y su corolario nos indican el resultado en términos de bienestar. Para las situaciones 2 y 3, el Teorema de Shorrocks nos muestra la solución en términos de bienestar. Si 𝐿𝐺𝐹 𝑦 𝐿𝐺𝐺 se ( ) ro orc n de la o lac n ( ) 1 18 intersectan, entonces no podemos determinar que función de distribución es preferida. En este caso, es necesario definir otros criterios para obtener resultados en términos de bienestar social. Uno de ellos es utilizar índices de bienestar que usen una medida de eficiencia y otra de desigualdad. Uno de estos índices de bienestar es índice propuesto por Sen (1974), una función de la renta media y del índice de Gini. Esta es la medida de bienestar que utilizaremos a lo largo de este TFG y nos referiremos a ella como índice de Sen. 2.4. Índice de Gini y su relación con el bienestar: el Índice de Sen El Índice de Gini es una de las medidas más ampliamente utilizadas para medir la desigualdad. Gráficamente el Índice de Gini se corresponde con 2 veces el área marcada en el Gráfico 2.3, El Índice de Gini (𝐺) se define como 𝐺=1−2∫ 𝐿(𝑝)𝑑𝑝 1 0 Gráfico 2. 3 Índice de Gini ro orc n de la o lac n ( ) ro orc n de la renta 1 1 nea al tar a 2 19 También se puede reescribir el Índice de Gini como 𝐺=1−2∫ 𝐿(𝑝)𝑑𝑝=2∫ 𝑝𝐿′(𝑝)𝑑𝑝−1=−1+2∫ 𝑦𝐹(𝑦)𝑓(𝑦) 𝜇𝑑𝑦 ∞ 0 1 0 1 0. El Índice de Gini varía entre 0 y 1. Así, cuando todos los individuos tienen la misma renta, la Curva de Lorenz es igual a la línea igualitaria y el área entre la línea igualitaria y la Curva de Lorenz es 0. De forma contraria, cuanto más desigual es la distribución de la renta, más alejada de la recta de igualdad perfecta se encuentra la curva de Lorenz y mayor es el área entre la Curva de Lorenz y la recta de igualdad perfecta, conduciendo a un mayor índice de Gini. Cuando la desigualdad es perfecta, el área entre la curva de Lorenz y la recta de igualdad perfecta es 0,5 y el Índice de Gini es 1. Relacionado con el Índice de Gini, Sen define un índice de bienestar como 𝑆=𝜇(1−𝐺) El Índice de Sen es creciente respecto a la renta media y decreciente respecto a 𝐺. Es decir, manteniendo la misma desigualdad, una variación positiva de la renta media implica una variación positiva del bienestar. Manteniendo la renta media constante, un aumento de la desigualdad, es decir, una variación positiva del valor del índice de Gini, implica una variación negativa en el bienestar. Si 𝐺=0, entonces 𝑆=𝜇. Cuando todos los individuos tienen la renta media, el bienestar medido a través del índice de Sen se corresponde con la renta media. Si 𝐺=1, entonces 𝑆=0. Cuando la renta total está en manos de un único individuo mientras que el resto no tienen renta, entonces el bienestar medido a través del índice de Sen (1974) es nulo. El Índice de Sen (1974) tiene tres interpretaciones (Bishop, 2009). La primera es que se trata de la renta media que proporcionaría el mismo nivel de 20 bienestar en una sociedad sin desigualdad. 𝑊=𝜇(1−𝐺)=𝜇∗(1−0)=𝜇∗ 𝐺>0 , 𝜇>𝜇∗ El índice de Sen también tiene una interpretación geométrica: se corresponde con el doble del área bajo la curva de Lorenz Generalizada. (Véase Gráfico 2.4). 𝑆=𝜇(1−𝐺)=𝜇−𝜇𝐺=2𝜇∫ 𝐿(𝑝)𝑑𝑝 1 0=2∫ 𝜇𝐿(𝑝)𝑑𝑝 1 0=2∫ 𝐿𝐺(𝑝)𝑑𝑝 1 0 Esto genera una relación con la obtenida con el Teorema de Shorrocks ya que, si una distribución domina a otra en términos de las curvas generalizadas de Lorenz, entonces el área debajo de la curva de Lorenz de la distribución que domina será mayor y por tanto obtendrá también un nivel de bienestar mayor según el Índice de Sen. El Índice de Sen es por tanto coherente con el teorema de Shorrocks. Gráfico 2. 4 Relación Geométrica La última interpretación es que el índice de Sen (1974) mantiene una relación ( ) ro orc n de la o lac n ( ) 1 2 21 con una función de bienestar basada en una media ponderada de las rentas, donde la ponderación asigna una importancia mayor a las rentas de menor cuantía (Zoli, 1999). Por tanto, el índice de Sen (1974) se podría reescribir como 𝑆 =2∫ (1−𝑝)𝐹−1(𝑝)𝑑𝑝. 1 0 3. ANÁLISIS EMPIRICO Esta sección dedicada al análisis empírico se divide a su vez en tres grandes subsecciones. En la primera se analiza la base de datos utilizada, a continuación, se realiza un estudio descriptivo de las variables utilizadas, y finalmente, se analizan los resultados más importantes del índice de bienestar. 3.1. Base de Datos En este apartado se comenta el origen de los datos y después se comenta el método de selección de los datos utilizados y las variables utilizadas relativas a la distribución de la renta. 3.1.1. Origen de los datos Los datos utilizados en este análisis empírico provienen de una estadística experimental del Instituto Nacional de Estadística (INE), denominada Atlas de distribución de renta de los hogares (ADRH) cuyo ámbito geográfico está formado por todo el territorio. En este trabajo se han utilizado los datos de los años 2016 y 2019. La muestra de esta base de datos está constituida por la población residente en viviendas familiares según el Fichero Precensal de Población a fecha de 1 de enero del año siguiente al periodo de referencia de los datos de la renta. De esta forma quedan excluidos de la muestra, independientemente de si han 22 generado rentas o no, los difuntos en dicha fecha y las personas que hayan emigrado antes de esa fecha. Tampoco se contabilizan aquellas personas residentes en establecimientos colectivos como residencias de ancianos o centros penitenciarios. Estos individuos residentes en viviendas familiares se cruzan con los datos de renta proporcionados por la Agencia Estatal de Administración Tributaria (AEAT) y otras Haciendas de los territorios forales los cuales han sido obtenidos a partir de los diferentes modelos y rentas declaradas de los contribuyentes. Por tanto, cada renta está asociada al municipio en el que el individuo está registrado en el Fichero Precensal de Población y no necesariamente donde reside o donde ha generado esa renta. Además, únicamente se tienen en cuenta aquellas rentas que han sido declaradas. 3.1.2. Selección de municipios EL ADRH contiene información de 55270 municipios y zonas infra-municipales. El objetivo de este trabajo es el de la medición del bienestar en las zonas urbanas, por lo que se ha reducido el número de la muestra a aquellos municipios cuya población ha sido igual o superior a la capital de provincia (Teruel) con menor población (34.444). En esta situación se encuentran 207 municipios de todo el territorio nacional. Finalmente, se han eliminado del análisis los municipios de Pamplona, Tudela y Vitoria-Gasteiz, al no disponer de datos del Índice de Gini en estos municipios. Por lo tanto, el análisis se realiza para 204 municipios entre los años 2016 y 2019. 3.1.3. Medidas de eficiencia y desigualdad utilizadas: media de la renta por unidad de consumo e índice de Gini. El concepto de renta utilizado es la renta por unidad de consumo. Es decir, se suman todos los ingresos del hogar y se divide entre el número de unidades de consumo equivalente en ese hogar. 23 El número unidades de consumo equivalente se calcula de acuerdo con la escala de la OCDE modificada de forma que asigna un peso de 1 al primer adulto de cada hogar y 0,5 al resto de adultos. Se considera adulto a cualquier individuo con 14 años o más. A los menores de 14 años se les asigna un peso de 0,3. El resultado de esa renta por unidad de consumo se les asigna a todos los miembros del hogar. La media de la renta por unidad de consumo no es más que la media aritmética de la renta por unidad de consumo de los individuos miembros de los diferentes hogares del municipio estudiado. La renta media por unidad de consumo en cada municipio, que denominaremos simplemente como renta a lo largo del trabajo, ha sido objeto de dos tipos de ajuste. El primero ha sido expresar la renta de cada municipio en euros del año 2017 utilizando los datos del Índice de Precios de Consumo Provinciales del Instituto Nacional de Estadística correspondientes a la provincia a la que pertenece cada municipio. A todos los municipios de la misma provincia se les ha aplicado, por tanto, la misma deflación en este primer paso. Este ajuste, compensa la variación en los precios dentro de esa provincia durante este periodo, esto es interesante para poder realizar comparaciones de un mismo municipio a lo largo del tiempo, pero al mismo tiempo supone una limitación porque los precios dentro de una provincia han podido variar de forma diferente entre un municipio y otro. Desgraciadamente, la estadística oficial no dispone de información sobre variación de precios en municipios por lo que es esta la aproximación que se ha realizado. De cualquier modo, esta forma de deflacionar no permite tener en cuenta las diferencias en los precios entre municipios diferentes, ya que, pese a anular la variación de los precios en cada provincia, estos pueden partir de situaciones muy diferentes. Utilizar el nivel de renta a precios constantes de diferentes municipios en los que el coste de vida es diferente supone una clara limitación metodológica. Por desgracia, la estadística oficial tampoco dispone de datos que permitan realizar comparaciones de renta entre ciudades, provincias o comunidades autónomas 24 con diferentes costes de vida. Sin embargo, Costa et al. (2020) han hecho un primer intento de obtener un índice de poder adquisitivo para el año 2017 a nivel regional. De esta forma, el segundo ajuste sobre la renta consiste precisamente en la deflación teniendo en cuenta el coste de vida de cada CCAA determinado por la metodología de Costa et al. (2020). La aplicación de este ajuste permite realizar comparaciones entre zonas urbanas con diferentes precios. El uso de un único índice de coste de la vida para todos los municipios de una misma CCAA, y no de un índice específico para cada municipio, supone una pérdida de precisión importante, pero esta precisión sería menor si no se hubiese realizado dicho ajuste. Una vez comentada la variable de eficiencia, la medida de desigualdad que se utilizará a lo largo del trabajo es el Índice de Gini, obtenido a partir de la distribución personal de la renta por unidad de consumo y publicado por el Instituto Nacional de Estadística a nivel municipal. 3.2. Análisis Descriptivo 3.2.1. Tamaño de la población En este análisis se estudian 204 municipios en los años 2016 y 2019 con una población en total de 26.005.096 y 26.597.796 respectivamente. Esto representa a más del 50% de la población española, concretamente, al 56,45% de la población en 2019. Este porcentaje ha ido aumentando, señal de que la población crece más rápido en las zonas urbanas que en los entornos rurales y señal también del aumento de la importancia del medio urbano. Esto no hace más que recalcar el valor de la medición del bienestar en los entornos urbanos. 25 Fuente: Elaboración propia con datos del INE Tabla 3. 1 Resumen Descriptivo-Población 2016 2019 Variación (%) Mín. 34.444 35.087 1,86 1er Cuartil 45.458 46.596 2,50 Mediana 70.433 74.242 5,40 Media 127.476 130.381 2,27 3er Cuartil 120.365 122.039 1,39 Máx. 3.131.879 3.277.392 4,64 C. Variación 2,02 2,05 1,48 La Tabla 3.1 muestra los principales estadísticos descriptivos del tamaño de la población (todos los datos relativos a la población de cada municipio y su ordenación se encuentran en la Tabla A1 en ubicada el Anexo). A través de la Tabla 3.1, se evidencia la gran diferencia en el tamaño de la población en los municipios estudiados. Como muestra de estas diferencias podemos ver que el municipio con mayor población en 2016 (Madrid) tiene 90 veces más población que el más pequeño (Teruel). Esta dispersión es todavía mayor en 2019, teniendo Madrid, que se mantiene como el municipio con más población, 93 veces más población que Cieza, el municipio con menor población en 2019. Gráfico 3. 1 Distribución de la población en 2016 y 2019 32 entre 2016 y 2019 ya que la desigualdad se reduce de forma uniforme en todos los municipios. El coeficiente de correlación de Spearman confirma este hecho, siendo su valor igual a 0,96. Las mayores variaciones en ordenación corresponden a Vic, que pierde 55 posiciones y Torrejón de Ardoz que mejora 45 posiciones. Vic, pese a que disminuye su índice de Gini, su disminución es menor que la disminución en el resto de los municipios, lo que le hace perder 55 posiciones en el ranking. El municipio que más reduce su desigualdad es Los Palacios y Villafranca cuyo índice de Gini desciende un 12,2 % entre 2016 y 2019. En cambio, el municipio que menos reduce su desigualdad es Bilbao, que sólo reduce su índice de Gini en un 0,57%. 3.3. El bienestar según el Índice de Sen A continuación, se comentan los diferentes resultados alcanzados sobre el nivel de bienestar en los municipios analizados. Los valores concretos y ordenaciones para el índice de Sen para todos los municipios estudiados, utilizando tanto la renta ajustada como la renta sin ajustar, se encuentran en la Tabla A1 del Anexo. La Tabla 3.3 muestra los principales estadísticos descriptivos de la distribución del índice de Sen a nivel municipal para los años 2016 y 2019. Ambas distribuciones aparecen representadas a través de un gráfico de caja y bigotes (véase Gráfico 3.5). A partir de estos se pueden extraer las siguientes conclusiones: en primer lugar, se ha producido un incremento generalizado en el índice de bienestar en prácticamente 2 todas las zonas urbanas, evidenciado por un desplazamiento hacia arriba del diagrama de caja y un incremento de los principales estadísticos descriptivos. Por ejemplo, mientras en el año 2016, el 50% de los municipios apenas obtenían un índice de Sen de 11.255, en el año 2019 el 50% de los municipios alcanzaban un índice de Sen de 12.532. 2 Pozuelo de Alarcón es el único municipio que registra un descenso (-1,66%) en el índice de Sen entre 2016 y 2019. 33 Otra característica a destacar es que este crecimiento es superior en la parte baja de la distribución, siendo el incremento en el primer cuartil del 12,68% mientras que en el tercer cuartil apenas alcanza el 9,6%. Estas diferencias en el nivel de crecimiento producen una convergencia en bienestar entre los municipios estudiados. Gráfico 3. 5 Distribución del Índice de Sen en 2016 y 2019 La distribución del índice de Sen entre los municipios estudiados presenta una asimetría hacia la derecha, habiendo una serie de municipios que destacan por sus valores en el bienestar que se alejan de la gran mayoría de las observaciones. En 2019 estos municipios fueron: Pozuelo de Alarcón (25.216), Boadilla del Monte (23.433), Sant Cugat del Vallès (21.412), Las Rozas de Madrid (21.342) y Tres Cantos (21.178). En el extremo inferior de la distribución, aunque no se trata de valores atípicos se encuentran Torrevieja (7.730), La Línea de la Concepción (8.458), Sanlúcar de Barrameda (8.567), El Ejido (8.810) y Los Palacios y Villafranca (8.898). Por tanto, Pozuelo de Alarcón, el municipio con mayor nivel de bienestar en 2019 obtuvo un índice de Sen 3,26 veces mayor que el del municipio con menor nivel de bienestar, Torrevieja. Fuente: Elaboración propia con datos del INE. 34 Entre 2016 y 2019 no se dieron cambios sustanciales en la ordenación de los municipios en base a su nivel de bienestar, siendo el coeficiente de correlación de Spearman de 0,99. Más allá de las limitadas modificaciones en la ordenación de forma general, existen varios municipios que sí experimentan grandes cambios como, por ejemplo, Santa Eulària des Riu (mejora 43 posiciones) y Vic (pierde 31 posiciones). Tabla 3. 3 Resumen Estadístico-Índice de Bienestar de Sen 2016 2019 Variación (%) Mínimo 6.701 7.730 15,36 1er Cuartil 9.625 10.845 12,68 Mediana 11.255 12.532 11,34 Media 11.424 12.656 10,78 3er Cuartil 12.639 13.852 9,6 Max 25.643 25.216 -1,66 C. Variación 0,235 0,203 -13,61 Santa Eulària des Riu experimenta esa mejora en ordenación debido a su gran aumento en la renta, mientras la renta media creció entre 2016 y 2019 un 7,87%, en Santa Eulària des Riu creció un 17,07%. Recordamos que este municipio es el que más mejora en la ordenación en términos de renta. En cambio, Vic, pese a reducir su desigualdad y aumentar su renta ha perdido posiciones en la ordenación de bienestar, dado que sus mejoras son pequeñas en comparación a las del resto de municipios. Su índice de Gini desciende 4,4 pp. menos que la media y su aumento en la renta es 5,1 pp. inferior a la media. A continuación, se analiza la influencia de los dos indicadores primarios en el índice de bienestar de Sen. El Gráfico 3.6 representa la curva de isobienestar correspondiente al nivel de bienestar medio de los municipios estudiados en 2019. Es decir, las combinaciones de renta e índice de Gini que proporcionan el nivel de bienestar medio (12.655,8). Por ejemplo, un municipio con una renta media de 20.000 euros y un índice de Gini de 0,36721 obtendría un índice de Fuente: Elaboración propia con datos del INE. 35 Sen de 12.665,8. Así mismo, otro municipio con una renta de 18.000 euros y un índice de Gini de 0,2969 obtendría también el mismo índice de Sen de 12665,8. Esas, y el resto de las combinaciones posibles, quedan recogidas a lo largo de la curva isobienestar representada en el Gráfico. Por lo tanto, hacia la derecha de esta curva se encuentran los municipios con un nivel de bienestar superior a la media y hacia la izquierda de la curva los municipios con un nivel de bienestar inferior a la media. En ese gráfico también se han representado a través de una recta horizontal y otra vertical el promedio de la renta media por unidad de consumo de los municipios estudiados en 2019 y el índice de Gini medio de los municipios estudiados para ese mismo año. Gráfico 3. 6 El bienestar como función de la renta y el Índice de Gini Fuente: Elaboración propia con datos del INE. 36 Además, con el fin de analizar si existen divergencias regionales se han representado con diferentes colores las regiones 3 a las que pertenecen. Así mismo, el tamaño del punto es proporcional al tamaño de la población del municipio en 2019. Varias conclusiones emergen de este gráfico, las cuales también son aplicables al año 2016. La primera se refiere al ámbito geográfico, ya que existe una clara diferenciación norte-sur. La práctica totalidad de los municipios incluidos en el grupo Sur se encuentran por debajo del nivel de bienestar medio mientras que la práctica totalidad de los puntos correspondientes a la Comunidad de Madrid, Noroeste, y Noreste se encuentran por encima del nivel de bienestar medio. Para poder clarificar las diferencias geográficas se ha realizado el siguiente mapa que representa, a través de una escala de color, el bienestar de los municipios estudiados. El mapa (véase Gráfico 3.7), confirma las diferencias norte-sur y, además, permite extender esta misma diferencia a las zonas geográficas que aparentemente se distribuían de forma más uniforme. Es el caso, por ejemplo, de la zona Centro, en la que se aprecian diferencias entre el nivel de bienestar de Castilla y León, más acorde con las regiones noreste y noroeste y Castilla- La Mancha y Extremadura, cuyos municipios tienen más similitud con la región Sur. Lo mismo ocurre en la región Este, en la que se puede diferenciar claramente Cataluña, el norte de la Comunidad de Valencia e Islas Baleares del sur de la Comunidad Valenciana. También se puede observar en el Gráfico 3.6 cómo más municipios se encuentran a la izquierda de la curva isobienestar que a su derecha, concretamente el 54,5% de los municipios frente al 45,5%. La población en los 3 Las regiones representadas y su composición es la siguiente: Noroeste (Galicia, Cantabria, Principado de Asturias), Noreste (País Vasco, La Rioja, Aragón), Comunidad de Madrid, Centro (Castilla y León, Castila-La Mancha, Extremadura), Este (Cataluña, Comunidad Valenciana, Islas Baleares), Sur (Andalucía, Región de Murcia, Canarias, Ciudad Autónoma de Ceuta, Ciudad Autónoma de Melilla). Esta clasificación es una modificación de la clasificación oficial NUTS 1, incluyendo a Canarias en la región Sur. 37 municipios con un nivel de bienestar inferior a la media es de 11.300.574 (42,5% de la población total estudiada) frente a 15.297.222 (57,5% de la población total estudiada) que vive en municipios un nivel de bienestar superior a la media. Esto podría hacernos pensar que existe una relación entre el tamaño de la población y el bienestar, pero dicha relación es prácticamente inexistente como nos muestra el coeficiente de correlación de Spearman entre la población y el índice de Sen (0,08). La disparidad entre la proporción de municipios con un nivel de bienestar superior a la media y la proporción de población en esos municipios se debe mayoritariamente al efecto de Madrid y Barcelona. Gráfico 3. 7 Mapa del bienestar en los municipios españoles (2019) Otro hecho relevante que se extrae del Gráfico 3.6 es que aquellos municipios con un alto nivel de bienestar tienen también un alto nivel de renta, sin embargo, un mejor reparto de la renta en los municipios no necesariamente se asocia con un mayor nivel de bienestar. Fuente: Elaboración propia con datos del INE. 38 Con el fin de complementar esta relación entre las componentes y el bienestar se han realizado los siguientes gráficos de dispersión que muestran la relación entre el nivel de bienestar y la renta media (véase Gráfico 3.8) y entre el nivel de bienestar y el índice de Gini (véase Gráfico 3.9). Esta relación también queda evidenciada gracias a los coeficientes de correlación de Spearman para el año 2019 entre el índice de Sen y la renta (0,87) y el índice de Sen y el índice de Gini (-0,18). Esta relación también es aplicable al año 2016 como se puede observar en los Gráficos 3.8 y 3.9. Gráfico 3. 8 Relación entre la renta media por unidad de consumo y el Índice de Sen Gráfico 3. 9 Relación entre el Índice de Gini y el Índice de Sen Para terminar, el índice de bienestar de Sen de los municipios estudiados también ha sido calculado utilizando la renta media por unidad de consumo a precios constantes de 2017 y ajustada por paridad de poder adquisitivo (PPA). El Gráfico 3.10 muestra las distribuciones del índice de Sen sin ajustar y ajustado por PPA para 2019. Fuente: Elaboración propia con datos del INE. Fuente: Elaboración propia con datos del INE. 39 Gráfico 3. 10 Distribución del Índice de Sen en 2019 Al realizar dicho ajuste podemos observar que los valores centrales permanecen prácticamente constantes como podemos ver a través de la media y la mediana, pero se reduce la amplitud de la distribución como nos muestra la reducción en el coeficiente de variación (-19,56%) al realizar el ajuste. El cambio en la amplitud de la distribución del índice de sen al realizar el ajuste por PPA se da por dos vías: se reduce el índice de Sen de los municipios que partían de niveles de bienestar más altos, y al mismo tiempo, un aumenta el nivel de bienestar de los municipios que partían de niveles de bienestar más bajos. Este efecto queda evidenciado por un aumento del 2,3% del cuartil más bajo y una reducción del nivel de bienestar de un 1,42% en el cuartil con un nivel de bienestar más alto. Además, tanto el mínimo como el máximo sufren grandes cambios, +9,52% y -13,57% respectivamente. El orden de los municipios es similar tras realizar el ajuste como muestra el coeficiente de correlación de Spearman (0,842). El patrón de los cambios en la ordenación de bienestar es la existencia de grandes descensos en municipios ubicados en las grandes áreas metropolitanas de Madrid y Barcelona y también grandes mejoras en municipios del interior de la península. Los primeros, Fuente: Elaboración propia con datos del INE. 40 tienen rentas medias que no son especialmente altas y se encuentran en las zonas con altos precios, por tanto, son más penalizadas por el ajuste y los segundos, de forma contraria, se encuentran en zonas con niveles de precios menores. Concretamente los municipios con mayor variación negativa en sus posiciones son Valdemoro (-77), seguido por Pinto (-76) y Alcorcón (-75). En el otro extremo se encuentran Badajoz (+69), Cáceres (+67) y Molina de Segura (+65). 41 4. CONCLUSIONES. El objetivo de este trabajo ha sido analizar el bienestar en las zonas urbanas en España desde una perspectiva unidimensional, esto es, analizando la distribución personal de la renta. Para ello se ha utilizado el índice de bienestar propuesto por Sen en 1974. Este trabajo contribuye a la literatura de la medición del bienestar en España al abordar su medición en un conjunto amplio de áreas urbanas y al incorporar ajustes para tener en cuenta las diferencias en el coste de vida de los municipios estudiados. Las principales conclusiones del análisis son las siguientes. En primer lugar, se observa una mejora del bienestar de forma generalizada en los municipios analizados en el periodo 2016-2019. También se advierte una convergencia en el nivel de bienestar medido a través del Índice de Sen de los municipios estudiados. Además, se comprueba la existencia de diferencias entre regiones geográficas, existiendo una clara diferencia norte-sur, favorable a los municipios del norte. En concreto, los municipios con un mayor nivel de bienestar según el Índice de Sen son Pozuelo de Alarcón, Boadilla del Monte, Sant Cugat del Vallés y Las Rozas de Madrid y entre los municipios con menor nivel de bienestar se encuentran Torrevieja, La Línea de la Concepción, Sanlúcar de Barrameda y El Ejido. Estos municipios son una muestra de una relación más amplia: los municipios de Madrid y Cataluña son aquellos con mejores resultados y los de Andalucía, Valencia, Murcia y Canarias son los que peores niveles de bienestar obtienen. Las conclusiones que se derivan del ajuste en paridad de poder adquisitivo son que este, reduce las diferencias en términos de bienestar entre las zonas urbanas estudiadas. En concreto, los municipios con mayor y menor nivel de bienestar son los más afectados por dicho ajuste. Población4 Renta media por unidad de consumo a precios constantes de 20175 Renta media por unidad de consumo a precios constantes de 2017 ajustada por PPA6 Índice de Gini7 Índice de Sen8 Índice de Sen ajustado por PPA9 2016 2019 2016 2019 2016 2019 2016 2019 2016 2019 2016 2019 CCAA Provincia Municipio Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden País Vasco Gipuzkoa Errenteria 39295 179 39255 174 18634 50 19487 62 17399 91 18195 97 0,279 1 0,262 1 13435 30 14382 31 12545 49 13428 63 Cataluña Barcelona Esplugues de Llobregat 46629 153 45480 153 23120 14 23403 16 21487 15 21750 20 0,339 112 0,323 133 15282 11 15844 16 14203 15 14725 23 Andalucía Málaga Estepona 69542 107 64935 112 13300 179 15157 171 13941 174 15887 162 0,358 159 0,327 149 8539 182 10200 177 8950 179 10692 171 Galicia Coruña, A Ferrol 64841 116 66842 108 17218 98 18313 105 18356 61 19524 65 0,323 59 0,309 91 11657 88 12655 94 12427 53 13491 60 Cataluña Girona Figueres 46693 152 45391 154 15171 140 16226 153 14099 172 15080 181 0,374 181 0,337 164 9497 155 10758 157 8826 181 9998 190 Andalucía Málaga Fuengirola 81417 90 70675 102 12861 184 14411 184 13482 182 15106 180 0,405 199 0,372 197 7653 197 9050 199 8022 195 9487 195 Madrid Madrid Fuenlabrada 192428 29 192245 27 15156 141 16768 135 13099 188 14492 192 0,304 23 0,274 9 10549 121 12173 112 9117 175 10522 177 C. Valenciana Valencia Gandia 75120 100 72717 101 14213 166 15525 166 15567 138 17005 133 0,358 158 0,332 157 9125 170 10371 172 9994 147 11359 145 Cataluña Barcelona Gavà 46780 151 46171 148 21355 19 21633 24 19846 31 20105 52 0,328 78 0,308 89 14350 20 14970 22 13337 31 13913 38 Madrid Madrid Getafe 183304 32 176781 32 18247 64 19779 47 15771 130 17095 127 0,324 66 0,301 66 12335 64 13825 53 10661 125 11949 126 País Vasco Bizkaia Getxo 77220 97 77966 91 28763 7 29779 7 26857 6 27805 6 0,353 145 0,350 180 18610 7 19356 7 17376 5 18073 6 Asturias Asturias Gijón 269121 15 269764 15 18436 56 19507 60 18793 48 19885 58 0,323 58 0,308 88 12481 60 13499 70 12723 44 13761 48 Cataluña Girona Girona 100305 61 97320 61 20467 23 21672 23 19022 43 20141 49 0,360 163 0,344 173 13099 38 14217 34 12174 66 13213 75 Andalucía Granada Granada 231367 17 230475 17 17824 77 19009 77 18684 52 19925 56 0,386 192 0,366 194 10944 113 12052 116 11472 95 12633 98 Canarias Santa Cruz de Tenerife Granadilla de Abona 50397 145 45992 149 12569 190 14393 186 13011 190 14900 186 0,341 124 0,312 101 8283 186 9902 183 8574 188 10251 181 Cataluña Barcelona Granollers 61690 122 60053 122 19157 36 20337 37 17804 74 18900 80 0,341 123 0,313 104 12625 55 13971 45 11733 85 12984 80 Castilla-La Mancha Guadalajara Guadalajara 86303 75 82990 77 18627 51 19684 53 20742 17 21920 17 0,327 74 0,312 100 12536 58 13543 65 13960 17 15081 14 Andalucía Huelva Huelva 143165 43 144088 41 15151 142 16495 141 15882 126 17291 121 0,356 154 0,324 139 9757 146 11151 145 10228 138 11688 137 Aragón Huesca Huesca 53035 134 51236 136 18418 58 19507 61 18774 49 19885 59 0,320 49 0,301 64 12524 59 13635 60 12767 42 13900 39 Cataluña Barcelona Igualada 40212 172 39010 177 18848 44 19857 46 17517 84 18454 89 0,329 83 0,305 78 12647 50 13800 54 11754 84 12826 87 País Vasco Gipuzkoa Irun 62165 121 61217 121 18723 47 19765 48 17482 86 18455 88 0,325 68 0,302 70 12638 52 13796 55 11800 79 12882 84 Andalucía Jaén Jaén 112058 56 113242 55 17095 101 18188 107 17920 69 19065 75 0,337 107 0,315 109 11334 100 12459 107 11881 75 13059 77 Andalucía Cádiz Jerez de la Frontera 211869 22 211804 20 13528 174 15087 172 14180 169 15814 167 0,353 149 0,326 145 8753 177 10168 178 9175 172 10659 173 Andalucía Cádiz La Línea de la Concepción 211869 23 211804 21 12224 195 13731 195 12813 193 14393 193 0,408 200 0,384 200 7237 201 8458 203 7586 199 8866 201 Asturias Asturias Langreo 38794 182 40028 172 16740 112 17747 116 17064 99 18090 103 0,299 17 0,293 41 11735 82 12547 100 11962 74 12790 89 Población4 Renta media por unidad de consumo a precios constantes de 20175 Renta media por unidad de consumo a precios constantes de 2017 ajustada por PPA6 Índice de Gini7 Índice de Sen8 Índice de Sen ajustado por PPA9 2016 2019 2016 2019 2016 2019 2016 2019 2016 2019 2016 2019 CCAA Provincia Municipio Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Madrid Madrid Leganés 189183 30 185742 30 17309 95 18378 98 14960 156 15884 163 0,306 26 0,291 33 12012 76 13030 83 10382 135 11262 147 Castilla y León León León 123131 50 124320 48 19238 35 19924 45 20293 25 21017 30 0,336 101 0,316 115 12774 43 13628 61 13475 27 14376 31 Cataluña Barcelona L'Hospitalet de Llobregat 123131 51 124320 49 16178 122 17067 129 15035 152 15862 166 0,325 70 0,306 80 10920 114 11845 123 10149 140 11008 156 Andalucía Jaén Linares 56121 130 57432 127 14072 167 15297 168 14751 161 16035 158 0,336 104 0,316 116 9344 162 10463 168 9795 154 10968 162 Cataluña Lleida Lleida 137759 44 134898 44 17822 78 18948 79 16563 109 17609 113 0,361 164 0,336 163 11388 98 12581 98 10584 129 11693 136 Cataluña Girona Lloret de Mar 38163 187 35846 195 14557 159 15726 162 13529 180 14616 190 0,357 157 0,331 155 9360 161 10521 163 8699 184 9778 192 Baleares Balears, Illes Llucmajor 37255 192 35415 198 18323 61 20461 34 17824 73 19903 57 0,337 106 0,307 87 12148 74 14179 35 11817 78 13793 44 La Rioja Rioja, La Logroño 151105 39 149441 40 18917 41 20063 42 20018 30 21231 28 0,331 91 0,310 95 12656 47 13844 52 13392 29 14649 26 Murcia Murcia Lorca 93670 68 90216 68 13605 172 14922 177 15495 141 16995 135 0,309 33 0,290 30 9401 157 10594 161 10707 123 12066 122 Andalucía Córdoba Lucena 42328 164 42075 162 11874 199 13393 200 12447 196 14038 197 0,329 86 0,297 52 7968 196 9415 193 8352 193 9869 191 Galicia Lugo Lugo 97668 62 97242 62 17445 89 18458 92 18598 56 19678 63 0,335 99 0,321 126 11601 90 12533 102 12368 56 13361 68 Madrid Madrid Madrid 3277392 1 3131879 1 23970 11 24974 11 20718 18 21585 23 0,389 195 0,381 199 14646 17 15459 20 12658 47 13361 67 Andalucía Sevilla Mairena del Aljarafe 46303 156 45201 155 17885 76 19453 65 18747 50 20391 42 0,348 135 0,320 125 11661 87 13228 77 12223 63 13866 40 Madrid Madrid Majadahonda 70703 105 70191 103 31099 5 32759 4 26879 5 28314 4 0,387 193 0,374 198 19064 6 20507 6 16477 8 17725 7 Andalucía Málaga Málaga 571751 6 561033 6 15225 138 16704 137 15960 123 17510 117 0,369 171 0,340 167 9607 154 11025 148 10071 145 11556 142 Baleares Balears, Illes Manacor 43601 162 40134 169 16744 110 17996 111 16288 115 17506 119 0,313 37 0,293 44 11503 94 12723 90 11190 108 12377 108 Cataluña Barcelona Manresa 77431 95 74205 96 18284 62 19111 74 16993 101 17761 110 0,348 136 0,324 136 11921 79 12919 85 11079 109 12007 123 Andalucía Málaga Marbella 144263 41 135876 43 14619 157 15982 159 15324 143 16753 147 0,370 176 0,354 184 9210 167 10324 173 9654 161 10822 166 Baleares Balears, Illes Marratxí 37280 191 35951 194 21065 22 23104 17 20491 21 22475 14 0,284 5 0,269 3 15083 13 16889 10 14672 12 16429 10 Cataluña Barcelona Mataró 127051 49 124233 50 16912 107 17953 112 15718 131 16685 148 0,336 103 0,314 107 11230 103 12316 109 10437 132 11446 144 Melilla Melilla Melilla 83500 80 82369 78 16801 108 18317 104 0,446 204 0,425 204 9308 163 10532 162 Extremadura Badajoz Mérida 59025 125 58768 126 15133 144 16335 145 17515 85 18906 79 0,341 122 0,318 121 9973 140 11140 146 11543 91 12894 83 Cataluña Girona Mieres 36927 194 38343 180 17376 91 18152 109 16148 117 16870 143 0,292 10 0,277 10 12302 66 13124 80 11433 97 12197 115 Andalucía Málaga Mijas 83265 81 74359 95 12180 196 13903 193 12767 194 14574 191 0,382 189 0,346 176 7527 198 9093 198 7890 196 9531 194 Castilla y León Burgos Miranda de Ebro 35361 202 35263 199 18162 68 18961 78 19159 40 20001 55 0,304 21 0,286 22 12641 51 13538 67 13334 32 14281 35 Población4 Renta media por unidad de consumo a precios constantes de 20175 Renta media por unidad de consumo a precios constantes de 2017 ajustada por PPA6 Índice de Gini7 Índice de Sen8 Índice de Sen ajustado por PPA9 2016 2019 2016 2019 2016 2019 2016 2019 2016 2019 2016 2019 CCAA Provincia Municipio Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden C. Valenciana Valencia Mislata 43934 161 42748 161 15223 139 16606 140 16674 108 18189 98 0,321 50 0,301 65 10337 131 11608 130 11322 101 12714 92 Murcia Murcia Molina de Segura 72387 104 69448 105 16018 126 17792 115 18243 64 20264 44 0,354 151 0,326 146 10347 129 11992 117 11785 81 13658 52 Cataluña Barcelona Mollet del Vallès 51204 140 50754 140 18203 66 19252 70 16918 104 17893 108 0,291 9 0,272 8 12906 42 14016 41 11995 72 13026 78 Cataluña Barcelona Montcada i Reixac 36455 197 34855 202 17717 80 18776 84 16466 110 17449 120 0,314 39 0,296 49 12154 73 13218 78 11296 102 12284 112 Madrid Madrid Móstoles 207642 25 203472 25 16632 114 17810 113 14375 164 15393 173 0,307 30 0,285 20 11526 92 12734 89 9962 149 11006 157 Andalucía Granada Motril 57901 127 59656 123 12648 188 14294 188 13258 186 14984 183 0,351 141 0,316 117 8209 188 9777 187 8605 186 10249 182 Murcia Murcia Murcia 452995 7 437056 7 16352 118 17688 118 18624 54 20145 48 0,357 155 0,338 165 10514 124 11709 127 11975 73 13336 70 Galicia Coruña, A Narón 38958 181 39122 176 16077 124 17373 122 17139 98 18521 87 0,284 6 0,272 7 11511 93 12647 96 12272 60 13483 61 Galicia Coruña, A Oleiros 36302 199 34958 201 24610 10 25181 10 26237 7 26845 7 0,359 160 0,350 181 15775 10 16367 12 16818 7 17449 8 C. Valenciana Valencia Ontinyent 35387 201 34992 200 14555 160 15994 158 15942 124 17519 115 0,321 52 0,297 51 9883 143 11244 141 10825 118 12316 110 C. Valenciana Alicante Orihuela 77878 93 73214 100 12909 183 14172 191 14139 170 15523 171 0,377 184 0,340 169 8042 193 9354 195 8809 182 10245 183 Canarias Santa Cruz de Tenerife Orotava, La 41870 165 41343 163 13547 173 15068 175 14024 173 15598 170 0,333 96 0,307 86 9036 172 10442 169 9354 169 10810 167 Galicia Ourense Ourense 104322 58 104279 57 17552 85 18511 90 18712 51 19735 62 0,338 111 0,325 140 11619 89 12495 105 12387 55 13321 72 Asturias Asturias Oviedo 217763 19 217955 18 19890 27 20891 30 20275 28 21296 25 0,341 121 0,326 143 13107 37 14081 39 13361 30 14354 32 Andalucía Sevilla Palacios y Villafranca, Los 38359 185 38036 184 10470 204 12342 203 10975 202 12937 201 0,318 44 0,279 14 7141 203 8898 200 7485 201 9327 197 Castilla y León Palencia Palencia 76858 98 77517 92 18382 59 19184 73 19391 35 20236 46 0,307 28 0,291 35 12739 45 13601 63 13438 28 14347 33 Baleares Balears, Illes Palma 411318 8 399064 8 18566 52 20813 31 18060 67 20246 45 0,353 146 0,325 141 12012 77 14048 40 11685 86 13666 51 Canarias Palmas, Las Palmas de Gran Canaria, Las 376241 9 372236 9 16744 111 18547 88 17333 95 19200 73 0,381 188 0,359 191 10364 128 11888 122 10729 122 12307 111 Madrid Madrid Parla 130316 48 123742 51 13825 169 14948 176 11949 200 12920 202 0,328 81 0,300 63 9291 164 10464 167 8030 194 9044 199 C. Valenciana Valencia Paterna 70342 106 67817 106 16987 104 18368 100 18606 55 20119 51 0,364 169 0,335 161 10804 116 12215 111 11833 77 13379 65 Madrid Madrid Pinto 53023 135 50121 141 18134 71 19673 54 15674 134 17003 134 0,304 22 0,288 27 12622 56 14007 42 10909 115 12106 118 Extremadura Cáceres Plasencia 39588 176 40076 170 14991 147 16203 154 17351 93 18754 84 0,353 147 0,326 144 9699 147 10921 151 11226 106 12640 96 Castilla y León León Ponferrada 64326 118 65519 111 16443 116 17327 125 17345 94 18277 94 0,332 94 0,308 90 10984 112 11990 118 11587 89 12648 95 Galicia Pontevedra Pontevedra 82716 83 81970 82 17730 79 18807 83 18902 46 20050 54 0,342 125 0,324 135 11666 84 12713 91 12437 52 13554 56 País Vasco Bizkaia Portugalete 45470 158 45899 150 19576 29 20358 35 18278 63 19008 77 0,291 8 0,288 25 13880 24 14495 29 12959 37 13534 57 Población4 Renta media por unidad de consumo a precios constantes de 20175 Renta media por unidad de consumo a precios constantes de 2017 ajustada por PPA6 Índice de Gini7 Índice de Sen8 Índice de Sen ajustado por PPA9 2016 2019 2016 2019 2016 2019 2016 2019 2016 2019 2016 2019 CCAA Provincia Municipio Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Madrid Madrid Pozuelo de Alarcón 85491 76 83860 76 43536 1 42523 1 37628 1 36753 1 0,411 201 0,407 201 25643 1 25216 1 22163 1 21795 1 Cataluña Barcelona Prat de Llobregat, El 64465 117 63321 118 18726 46 19730 52 17404 90 18337 92 0,281 3 0,271 5 13464 28 14383 30 12513 50 13367 66 Andalucía Cádiz Puerto de Santa María, El 88139 74 87504 69 14883 151 16360 144 15601 137 17149 123 0,370 175 0,340 168 9376 160 10798 155 9828 152 11318 146 Canarias Palmas, Las Puerto del Rosario 41257 168 38072 183 15523 134 17046 130 16069 119 17646 112 0,334 98 0,316 114 10338 130 11659 129 10702 124 12070 120 Andalucía Cádiz Puerto Real 41279 167 41306 164 14452 161 16077 157 15149 147 16852 144 0,319 46 0,288 28 9842 145 11447 135 10317 137 11999 124 Castilla-La Mancha Ciudad Real Puertollano 46499 154 48322 145 15736 130 16856 133 17523 83 18771 82 0,357 156 0,327 148 10118 135 11344 138 11267 103 12633 97 Canarias Santa Cruz de Tenerife Realejos, Los 36608 196 36252 192 12445 193 14272 189 12883 192 14774 187 0,308 32 0,280 16 8612 180 10275 175 8915 180 10637 174 Cataluña Tarragona Reus 104419 57 101632 58 17247 97 18377 99 16029 121 17079 130 0,346 130 0,319 124 11279 102 12514 104 10483 131 11631 138 Andalucía Málaga Rincón de la Victoria 48648 148 45038 156 16959 105 18407 95 17777 75 19294 69 0,345 129 0,318 122 11108 110 12553 99 11644 87 13159 76 Andalucía Sevilla Rinconada, La 38712 183 38206 181 12774 187 14438 182 13390 184 15134 178 0,319 47 0,287 24 8699 179 10294 174 9118 174 10790 169 Cataluña Barcelona Ripollet 39040 180 37793 185 17485 87 18261 106 16250 116 16971 136 0,298 15 0,277 12 12275 67 13202 79 11408 98 12270 113 Madrid Madrid Rivas-Vaciamadrid 89211 72 82160 80 22143 16 23694 15 19138 42 20479 39 0,316 41 0,294 46 15146 12 16728 11 13091 34 14458 28 Andalucía Almería Roquetas de Mar 97023 63 91586 67 13039 181 14298 187 13668 179 14988 182 0,384 190 0,348 177 8032 194 9322 196 8419 191 9772 193 Madrid Madrid Rozas de Madrid, Las 94143 67 93230 66 31982 3 32484 5 27642 4 28076 5 0,360 162 0,343 171 20469 3 21342 4 17691 4 18446 4 Cataluña Barcelona Rubí 77657 94 74895 94 18022 72 19051 76 16749 105 17705 111 0,310 35 0,284 19 12435 61 13640 59 11557 90 12677 93 Cataluña Barcelona Sabadell 214484 21 207985 24 18681 49 19750 50 17362 92 18355 91 0,323 60 0,305 75 12647 49 13726 56 11754 83 12757 91 C. Valenciana Valencia Sagunto/Sagunt 66382 113 64501 115 16311 120 17545 120 17865 72 19216 72 0,340 115 0,311 96 10765 118 12088 114 11791 80 13240 73 Castilla y León Salamanca Salamanca 144185 42 143127 42 17555 84 18329 103 18518 57 19335 68 0,352 143 0,331 154 11376 99 12262 110 12000 71 12935 82 Canarias Palmas, Las San Bartolomé de Tirajana 52770 136 51954 134 14572 158 16331 147 15085 148 16906 139 0,363 168 0,335 160 9283 165 10860 153 9609 164 11243 149 Canarias Santa Cruz de Tenerife San Cristóbal de La Laguna 156459 38 150985 38 15499 135 16980 131 16045 120 17578 114 0,363 167 0,342 170 9873 144 11173 144 10220 139 11566 141 Andalucía Cádiz San Fernando 94539 66 95259 64 14738 155 16127 155 15449 142 16905 140 0,321 54 0,300 61 10007 139 11289 139 10490 130 11834 131 Madrid Madrid San Fernando de Henares 39300 178 39486 173 17427 90 18772 85 15062 149 16225 155 0,297 13 0,271 6 12251 70 13685 58 10589 128 11828 133 Madrid Madrid San Sebastián de los Reyes 90170 70 85707 72 22355 15 23966 14 19321 38 20714 34 0,348 134 0,335 159 14575 19 15938 15 12597 48 13775 46 C. Valenciana Alicante San Vicente del Raspeig 90170 71 85707 73 14877 152 16312 148 16295 114 17866 109 0,324 65 0,298 55 10057 138 11451 134 11015 111 12542 103 Andalucía Cádiz Sanlúcar de Barrameda 68479 111 67168 107 11014 203 12543 202 11545 201 13147 200 0,349 138 0,317 119 7170 202 8567 202 7516 200 8980 200 Población4 Renta media por unidad de consumo a precios constantes de 20175 Renta media por unidad de consumo a precios constantes de 2017 ajustada por PPA6 Índice de Gini7 Índice de Sen8 Índice de Sen ajustado por PPA9 2016 2019 2016 2019 2016 2019 2016 2019 2016 2019 2016 2019 CCAA Provincia Municipio Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Cataluña Barcelona Sant Adrià de Besòs 36857 195 36072 193 15849 129 16642 138 14729 162 15467 172 0,335 100 0,313 102 10540 122 11433 136 9795 153 10626 175 Cataluña Barcelona Sant Boi de llobregat 83536 79 81193 85 18327 60 19474 63 17033 100 18099 102 0,283 4 0,269 2 13140 36 14236 33 12212 64 13230 74 Cataluña Barcelona Sant Cugat del Vallès 90896 69 87255 70 31748 4 33300 3 29505 2 30948 3 0,368 170 0,357 187 20065 4 21412 3 18647 2 19899 3 Cataluña Barcelona Sant Feliu de llobregat 44963 159 43725 159 21067 21 22514 21 19579 33 20924 31 0,298 14 0,283 18 14789 15 16142 14 13744 22 15002 17 Cataluña Barcelona Santa Coloma de Gramenet 119248 53 116306 54 14926 149 15861 160 13871 175 14740 188 0,313 38 0,295 48 10254 134 11182 143 9530 166 10392 178 Canarias Santa Cruz de Tenerife Santa Cruz de Tenerife 205318 26 200735 26 17018 103 18452 93 17617 78 19101 74 0,385 191 0,362 192 10466 125 11772 125 10834 117 12187 116 Baleares Balears, Illes Santa Eulària des Riu 38275 186 35743 197 17937 74 21000 29 17448 88 20428 41 0,355 153 0,336 162 11569 91 13944 48 11254 104 13564 55 Canarias Palmas, Las Santa Lucía de Tirajana 74052 103 69712 104 12823 186 14405 185 13274 185 14912 185 0,312 36 0,290 31 8822 175 10228 176 9132 173 10587 176 Cantabria Cantabria Santander 171383 36 170013 35 19288 33 20227 39 19562 34 20514 38 0,345 128 0,331 153 12634 53 13532 68 12813 40 13724 50 Galicia Coruña, A Santiago de Compostela 96506 64 94572 65 20267 25 21409 25 21606 14 22824 12 0,323 57 0,312 99 13721 25 14730 24 14627 13 15703 12 País Vasco Bizkaia Santurtzi 45952 157 45685 151 18787 45 19591 57 17541 81 18292 93 0,297 12 0,290 29 13207 34 13909 49 12331 58 12987 79 Castilla y León Segovia Segovia 51360 138 51070 139 18010 73 19092 75 18998 44 20139 50 0,330 87 0,315 108 12067 75 13078 81 12729 43 13795 43 Andalucía Sevilla Sevilla 685378 4 684118 4 17060 102 18361 102 17883 71 19246 71 0,372 179 0,352 183 10714 119 11898 121 11230 105 12472 105 Asturias Asturias Siero 50938 141 51129 138 18144 70 19260 69 18496 58 19633 64 0,307 29 0,295 47 12574 57 13578 64 12818 39 13841 41 Castilla y León Soria Soria 39345 177 38448 179 19026 38 19748 51 20069 29 20831 32 0,307 27 0,291 34 13185 35 14001 43 13908 18 14769 22 Castilla-La Mancha Toledo Talavera de la Reina 82437 85 81923 83 13507 176 14763 178 15041 151 16440 152 0,352 144 0,327 147 8753 178 9936 182 9747 156 11064 154 Cataluña Tarragona Tarragona 133630 46 129276 46 19329 32 20183 40 17963 68 18758 83 0,362 166 0,338 166 12332 65 13361 74 11461 96 12418 107 Canarias Palmas, Las Telde 102044 59 101035 59 14376 163 16117 156 14882 157 16685 150 0,330 89 0,306 82 9632 152 11185 142 9971 148 11579 139 Cataluña Barcelona Terrassa 217324 20 210743 22 18238 65 19407 67 16950 103 18036 104 0,321 51 0,298 53 12384 63 13624 62 11509 93 12662 94 Aragón Teruel Teruel 35236 203 34444 204 19347 31 20294 38 19722 32 20687 35 0,299 16 0,281 17 13562 27 14592 28 13825 19 14874 18 Castilla-La Mancha Toledo Toledo 84358 78 82021 81 20422 24 21248 26 22741 11 23661 11 0,320 48 0,310 93 13887 23 14661 25 15464 10 16326 11 Castilla-La Mancha Ciudad Real Tomelloso 35788 200 35780 196 12110 197 13714 197 13486 181 15271 174 0,329 85 0,301 68 8126 191 9586 192 9049 176 10675 172 Madrid Madrid Torrejón de Ardoz 131718 47 126543 47 16537 115 18364 101 14293 168 15872 164 0,328 80 0,291 37 11113 109 13020 84 9605 165 11254 148 Cantabria Cantabria Torrelavega 50698 143 51184 137 15600 132 16710 136 15821 129 16947 137 0,308 31 0,293 43 10795 117 11814 124 10948 113 11982 125 Andalucía Málaga Torremolinos 68871 108 66633 109 14984 148 16332 146 15707 133 17119 124 0,388 194 0,358 190 9170 168 10485 165 9613 163 10991 159 Población4 Renta media por unidad de consumo a precios constantes de 20175 Renta media por unidad de consumo a precios constantes de 2017 ajustada por PPA6 Índice de Gini7 Índice de Sen8 Índice de Sen ajustado por PPA9 2016 2019 2016 2019 2016 2019 2016 2019 2016 2019 2016 2019 CCAA Provincia Municipio Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Valor Orden Cataluña Girona Torrent 82639 84 79335 88 14885 150 16255 151 13834 177 15107 179 0,353 150 0,324 138 9631 153 10988 149 8950 178 10212 185 C. Valenciana Alicante Torrevieja 83164 82 79371 87 11243 202 12290 204 12314 197 13461 199 0,404 198 0,371 196 6701 204 7730 204 7339 202 8467 202 Madrid Madrid Tres Cantos 47712 150 45496 152 28730 8 29913 6 24831 9 25854 8 0,310 34 0,292 38 19824 5 21178 5 17134 6 18305 5 Andalucía Sevilla Utrera 50802 142 52364 133 12358 194 13982 192 12954 191 14656 189 0,331 93 0,303 71 8268 187 9746 188 8666 185 10216 184 Madrid Madrid Valdemoro 76505 99 73558 99 18176 67 19603 56 15710 132 16943 138 0,303 19 0,280 15 12669 46 14114 37 10950 112 12199 114 C. Valenciana Valencia València 791075 3 775578 3 18514 54 19954 44 20278 27 21855 18 0,370 174 0,346 175 11664 85 13050 82 12775 41 14293 34 Castilla y León Valladolid Valladolid 296555 13 296629 13 19283 34 20132 41 20341 23 21236 27 0,324 63 0,307 84 13035 40 13951 47 13750 21 14716 24 Andalucía Málaga Vélez-Málaga 81776 88 78627 90 12860 185 14533 180 13481 183 15234 176 0,369 172 0,325 142 8115 192 9810 185 8506 190 10283 180 Cataluña Tarragona Vendrell, El 38156 188 36387 191 15898 128 17176 127 14775 160 15963 160 0,346 132 0,315 111 10397 127 11766 126 9663 160 10935 163 Cataluña Barcelona Vic 46322 155 43162 160 19083 37 19606 55 17735 76 18221 95 0,323 61 0,316 113 12919 41 13410 72 12007 70 12463 106 Galicia Pontevedra Vigo 293201 14 289380 14 18147 69 19194 72 19347 36 20463 40 0,326 71 0,306 81 12231 72 13321 75 13040 35 14201 37 Cataluña Barcelona Viladecans 66858 112 65534 110 18883 42 20028 43 17549 80 18613 86 0,287 7 0,269 4 13463 29 14641 26 12512 51 13606 54 Cataluña Barcelona Vilafranca del Penedès 39861 173 39147 175 18266 63 19313 68 16976 102 17949 105 0,329 84 0,301 67 12256 68 13500 69 11391 99 12546 102 Galicia Pontevedra Vilagarcía de Arousa 37477 190 37365 186 14671 156 15828 161 15641 135 16875 142 0,321 55 0,298 54 9962 141 11112 147 10620 127 11846 130 Cataluña Barcelona Vilanova i la Geltrú 65107 115 63710 117 18865 43 20494 33 17533 82 19047 76 0,324 64 0,300 62 12753 44 14346 32 11852 76 13333 71 C. Valenciana Castellón Vila-real 49938 147 49129 143 16360 117 17792 114 17918 70 19487 66 0,316 42 0,292 39 11190 106 12597 97 12256 61 13797 42 Castilla y León Zamora Zamora 60585 123 61955 119 16738 113 17743 117 17656 77 18717 85 0,334 97 0,314 106 11148 108 12172 113 11759 82 12840 86 Aragón Zaragoza Zaragoza 673636 5 659874 5 18930 40 20350 36 19297 39 20744 33 0,333 95 0,306 83 12626 54 14123 36 12871 38 14396 30