Efectos sobre las Comunidades Autónomas de los cambios metodológicos en la EPA-2002. Un análisis mediante la técnica de escalados multidimensionales

1 Efectos sobre las Comunidades Autónomas de los cambios metodológicos en la EPA-2002. Un análisis mediante la técnica de escalados multidimensionales 1.- Introducción. La Encuesta de Población Activa (EPA) elaborada por el Instituto Nacional de Estadística (INE) desde 1964 es la principal fuente estadística empleada por los analistas e investigadores para el estudio del mercado de trabajo. El análisis de sus datos permite el conocimiento de los factores demográficos y socioeconómicos que afectan al tamaño y composición de la fuerza de trabajo y sirve de base para el diseño y evaluación de las políticas económicas orientadas a la promoción y creación de empleo. A lo largo de su vida esta encuesta ha experimentado numerosos y variados cambios: en la periodicidad de su publicación, en su metodología o en las definiciones de las variables consideradas, que han obligado a la reconstrucción, en la medida de lo posible, de las series para conseguir una cierta homogeneidad en las mismas. Por el último de ellos, tres son los cambios conceptuales y metodológicos que incorporan los datos de la EPA correspondientes al primer trimestre de 2002: 1º) El empleo de nuevas proyecciones de población: En el tercer trimestre de 2001, el INE revisó las proyecciones de población que venía utilizando, basadas en el Censo de Población del año 1991, y que no recogían el notable incremento de la población inmigrante experimentado por nuestro país en los últimos años del pasado siglo. Esta revisión provocó un aumento del valor absoluto de todas las categorías del mercado laboral (activos, ocupados, parados,...). 2º) Se efectúa una reponderación de los factores de elevación para adecuar la estructura demográfica de la población por sexo y edad resultante de la EPA con la obtenida de la información ofrecida por el Padrón Continuo. Derivada de las dificultades de realización de las entrevistas, la estructura demográfica ofrecida por la EPA subestimaba a la población relativamente joven (25-50 años) y sobre estimaba a la población de mayor edad (mayores de 65 años). 3º) Las nuevas instrucciones para considerar como “activos” los métodos de búsqueda de empleo que permiten clasificar a una persona como parada, derivados de la entrada en vigor del nuevo Reglamento 1897/2000 sobre encuestas de población activa aprobado por la Comisión Europea en septiembre de 2000. Esta modificación afecta notablemente a los datos de paro ofrecidos por la EPA, produciendo una disminución de las cifras de desempleo tanto absolutas como relativas. El efecto combinado de estos cambios no afecta de igual forma a las diversas Comunidades Autónomas de nuestro país. El INE ha facilitado datos relativos a 2000 y 2001 con los nuevos factores, así como información sobre los efectos de la “nueva definición de parado”, dado que en 2001 incluyó en los cuestionarios de la EPA preguntas que permitiesen analizar estos efectos. Con ayuda de esta información, tomando como referencia los datos correspondientes al segundo trimestre del año 2001 y mediante el empleo de la técnica de escalados multidimensionales, trataremos de visualizar, en el presente trabajo, las diferencias 2 en las posiciones relativas que, con respecto a las variables relacionadas con el empleo, el desempleo y la actividad, muestran las diferentes Comunidades Autónomas españolas. El trabajo continúa detallando en la sección dos la metodología seguida en el análisis. La sección tres muestra los resultados, que se comentan en la cuarta sección, y en la quinta y última sección se extraen las conclusiones oportunas. 2.- Metodología. Para estudiar cómo han afectado los cambios metodológicos de la EPA a las posiciones relativas que ocupan las Comunidades Autónomas en el mercado laboral se han considerado, con la definición empleada por la propia encuesta, las tres tasas, a nuestro juicio, más significativas del panorama laboral: - Tasa de actividad: Cociente entre el total de activos y la población de 16 o más años. - Tasa de ocupación o empleo: Cociente entre el total de ocupados y la población de 16 o más años. - Tasa de desempleo o paro: Es el cociente entre el número de parados y el de activos. Con objeto de introducir en el análisis la variable género, se han empleado también las tasas correspondientes a la población femenina y masculina, definidas de igual forma pero restringidas al colectivo de la población en cuestión. Con esta información se dispone de una tabla de datos que recoge nueve variables por Comunidad Autónoma. La situación de las mismas respecto a este conjunto de datos vendría representada en un espacio 9-dimensional, de difícil interpretación. Por ello, nuestro primer objetivo es reducir la dimensionalidad de este espacio, de modo que, sin perder demasiada información, podamos visualizar la posición relativa de las Comunidades Autónomas. Para ello hemos empleado una técnica de análisis de datos multivariantes, conocida como escalados multidimensionales (ver apéndice), que produce una información gráfica fácilmente interpretable. Puesto que el presente estudio trata de escenificar el efecto que, los cambios metodológicos de la EPA, ha supuesto en las posiciones relativas de las Comunidades Autónomas, una vez elegida la técnica que nos permite una ordenación de las mismas, hemos seleccionado el período temporal en el que aplicarla: el segundo trimestre del año 2001. Con datos de dicho período y mediante la técnica del escalado multidimensional, hemos procedido a representar las distintas Comunidades Autónomas según los valores de las nueve variables consideradas en el estudio, medidas con la antigua metodología. A continuación, y en el mismo plano, se han representado las Comunidades Autónomas atendiendo a los valores que toman dichas variables según la metodología aplicada a partir del año 2002. Esto nos permitirá comparar las posiciones resultantes. Los resultados se muestran en el siguiente apartado. 3.- Resultados 3 En el gráfico 1 presentamos las posiciones que ocupan las Comunidades Autónomas en un espacio bidimensional construido a partir de los datos correspondientes al segundo trimestre del año 2001, con anterioridad a los cambios metodológicos. La bondad del ajuste podemos analizarla a través del gráfico de Shepard (gráfico 2), donde observamos como las disimilaridades que presentan las observaciones están próximas a las distancias estimadas, ya que los puntos están próximos a la bisectriz. El valor para la función de Stress correspondiente a esta configuración es S=0’012, lo que, según la terminología de Kruskal, se considera muy bueno1. Gráfico 1:Configuración bidimensional. Metodología antigua 1 Para una dimensión el valor de la función de Stress sube hasta 0’031. Para un espacio tridimensional el valor de la función de Stress es 0’011, lo que mejora sólo levemente el correspondiente a dos dimensiones y, a cambio añade complejidad al gráfico. Por ello, hemos optado por dos dimensiones. Configuration in two-dimensional space Dim1 × Dim2 Andalucía Aragón Asturias Balears Canarias Cantabria Castilla y León Castilla - La M ancha Cataluña Comunidad Valenciana Extremadura Galicia Madrid Murcia (Región de) Navarra País Vasco Rioja Ceuta y Melilla -1 -0,8 -0,6 -0,4 -0,2 0 0,2 0,4 0,6 0,8 1 -1 -0,8 -0,6 -0,4 -0,2 0 0,2 0,4 0,6 0,8 -- Dim1 --> 4 Gráfico 2: Diagrama de Shepard Con objeto de poder representar a las Comunidades Autónomas con los datos relativos a la EPA según la nueva metodología, para el mismo ámbito temporal, hemos regresado las dos dimensiones sobre las nueve variables. Los resultados obtenidos se ofrecen en el apéndice, aquí sólo señalaremos que ambas regresiones presenta coeficientes de determinación superiores a 0’9. Empleando ambas ecuaciones de regresión hemos estimado para cada Comunidad Autónoma, sus coordenadas respecto a las dimensiones 1 y 2. En el gráfico 3 se muestran las nuevas posiciones. Gráfico 3: Configuración bidimensional. Nueva metodología Shepard diagram (Stress: 0,012 ) 0 0,5 1 1,5 2 2,5 0 0,5 1 1,5 2 2,5 Dissimilarities 5 Asimismo, para resaltar los cambios de posición de las diversas CCAA, se presentan en un mismo gráfico ambas ordenaciones. Para distinguir unas de otras hemos presentado en color verde y seguidas de una n las Comunidades con nueva metodología. Gráfico 4:Configuración bidimensional. Antigua y nueva metodología Castilla y León Cantabria Cataluña Castilla - La Mancha Canarias Aragónn Andalucía Balears Asturias País V as c o Navarra Ceuta y Melilla Rioja Murc ia Extremadura Comunidad Valenciana Madrid Galicia -5 -4 -3 -2 -1 0 1 2 3 4 -4 -3 -2 -1 0 1 2 3 4 dim1 dim2 6 Como puede apreciarse las Comunidades Autónomas han variado sus posiciones de forma diversa al pasar de una a otra metodología de elaboración de los datos. Para tratar de expresar numéricamente estos cambios se ofrece en el apéndice, para ambas metodologías, la ordenación de las Comunidades Autónomas según sus coordenadas en cada dimensión, así como la cuantificación concreta de los cambios producidos, calculando para cada Comunidad Autónoma la distancia euclídea entre sus posiciones en ambas representaciones. Galician M adridn Comunidad Valencianan Ext remaduran M urcian Riojan Ceuta y M elillan Navarran País Vascon Asturiasn Balearsn Andalucían Aragónn Canariasn Cast illa - La M anchan Cataluñan Cant abrian Cast illa y Leónn Galicia M adrid Comunidad Valenciana Extremadura M urcia (Región de) Rioja (La) Ceuta y M elilla Navarra (Comunidad Foral de) País Vasco Asturias Balears (Illes) Andalucía Aragón Canarias Cast illa - La M ancha Cataluña Cantabria Castilla y León -1 -0,8 -0,6 -0,4 -0,2 0 0,2 0,4 0,6 0,8 1 -1 -0,8 -0,6 -0,4 -0,2 0 0,2 0,4 0,6 0,8 1 dim1 7 El significado, en términos de las variables que estamos manejando, de estas posiciones y distancias exige la interpretación de los ejes respecto a los cuales hemos representado las CCAA2. Para ello hemos regresado las nueve variables respecto a los dos ejes o dimensiones. Los aceptables resultados de estas regresiones, así como el análisis Profit que nos proporciona los cosenos directores de las variables con las dimensiones consideradas se ofrecen en el apéndice adjunto. En estos resultados observamos como las variables tasa de empleo femenino, tasa de paro femenino y masculino y tasa de actividad femenina, son las más relacionadas con el eje o dimensión 1, mientras que la tasa de actividad, tasa de actividad masculina y tasa de empleo femenino, son las más relacionadas con la dimensión 2. La representación gráfica de estos resultados se ofrecen en el siguiente gráfico: Gráfico 5: Representación de las variables 2 En el algoritmo de Shepard-Kruskal que venimos manejando las posiciones de los ejes son arbitrarias, lo que dificulta su interpretación 8 Tras su observación, nos parece razonable asociar la dimensión 1 con la situación en el mercado laboral femenino y la dimensión 2 con el mercado laboral masculino. Cuanto más positiva sea la dimensión 1 de una Comunidad Autónoma, mejores serán sus tasas femeninas. Cuanto más positiva sea su dimensión 2, mayores son sus tasas de actividad y empleo masculino. 4.- Comentario a los resultados En las tablas 1 y 2 del apéndice podemos observar los valores originales de las diversas tasas empleadas en nuestro análisis para ambas metodologías. Podemos comprobar como el paso de una a otra metodología ha mantenido constante el valor Representación de las variables empleo masculino tasa de paro tasa de empleo empleo femenino paro femenino actividad femenina act ividad masculina paro masculino tasa de actividad -0,4 -0,2 0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 -2 -1 0 1 2 dim1 dim2 9 de las tasas de ocupación y ha rebajado, en diverso grado, las tasas de actividad y paro de las diferentes CCAA. Pero si bien esta información nos permite apreciar la evolución, debida al cambio metodológico, seguida por dichas CCAA en cuanto a dichas tasas, no permite situar comparativamente el estado del mercado laboral de cada comunidad con los del resto de comunidades, ni apreciar los efectos producidos por el cambio metodológico en dicha situación. Una aproximación de esta comparación entre la situación de los mercados laborales de las CCAA podemos obtenerla con los valores normalizados de las variables empleadas en este trabajo que se ofrecen en las tablas 3 y 4 del apéndice. Pero el empleo de la cantidad de información numérica contenida en dichas tablas hace bastante engorroso el análisis de la comparación deseada. El atractivo de la técnica del escalamiento multidimensional que hemos empleado reside, fundamentalmente, en presentar gráfica y sintéticamente toda esa información de la forma fácilmente interpretable que se nos muestra en el anterior apartado de resultados. Así, en el gráfico 1, para los datos de la antigua metodología, las Comunidades Autónomas aparecen distribuidas en dos cluster o grupos perfectamente delimitados. El primero de estos cluster se sitúa, con la excepción de Murcia que presenta un valor ligeramente negativo respecto a la dimensión 1, en el primer cuadrante. Agrupa, salvo excepciones como Canarias, Aragón y Murcia, a las Comunidades Autónomas con mayores niveles de renta (o mayor grado de desarrollo económico): Baleares, Cataluña, Comunidad Valenciana, La Rioja, Madrid, Navarra y País Vasco. Sus puntos presentan coordenadas positivas respecto a ambos ejes lo que adjudica a dichas regiones una buena situación relativa en cuanto a empleo y paro. El segundo cluster, que agrupa, con la excepción cántabra, las Comunidades Autónomas con menores niveles de renta, se sitúa en el tercer cuadrante - ambas coordenadas negativas- , indicando con ello la mala situación relativa, en cuanto a tasas de actividad, empleo y paro de estas comunidades. Los datos calculados con la nueva metodología aparecen en el gráfico 3, y conjuntamente con los datos obtenidos con la anterior metodología en el gráfico 4. Lo primero que podemos apreciar de la observación de estos gráficos es que los cambios metodológicos producen dos reacciones que podíamos calificar de contradictorias: De una parte aumenta la dispersión de la ordenación y, con ello, las distancias entre las comunidades con mejor y pero situación relativa, y de otra, una tendencia hacia el centro de la ordenación de la mayor parte de las comunidades. Así, las Comunidades con mejores y peores situaciones relativas se encuentran más alejadas entre sí y del centro del gráfico y, al mismo tiempo, con una mejora o un empeoramiento de su posición relativa, el grueso de comunidades acercan sus posiciones. Así, en el primero de los cluster mencionados, Aragón, la Rioja y Navarra mejoran sustancialmente su ya buena posición relativa y pasan a comandar la ordenación. Por contra, el resto de comunidades del cluster empeoran su posición relativa. En algunos casos, como Cataluña, Comunidad Valenciana, País Vasco y, espectacularmente, la comunidad canaria, hasta el extremo 16 En el supuesto del escalado métrico, la disimilaridad δij entre dos observaciones i y j , vendrá representada en un espacio multidimensional por una distancia dij, de forma que: δij = f(dij) Aunque los modelos de escalamiento multidimensional permiten considerar diversas definiciones de distancia, la mayoría emplean la distancia euclídea: () 12 2 1 p ij is js s dxx =   =−     ∑ y f es una función lineal de pendiente positiva11. En el escalado no métrico (Shepard, 1962; Kruskal, 1964ª, 1964b), se plantea que la función que relaciona las disimilaridades con las distancias es una función desconocida a la que sólo se le impone que sea una función monótona: creciente si es de disimilaridades o decreciente si es de similaridades. En este caso (que es el nuestro) de escalado no métrico, el objetivo es encontrar unas coordenadas que sean capaces de reproducir las distancias a partir de la única condición de monotonía. Ello obliga a definir: 1.- Un criterio de bondad de ajuste que sea invariante ante transformaciones monótonas de los datos. 2.- Un algoritmo para obtener las coordenadas, optimizando el criterio establecido. Habitualmente se utiliza como criterio de ajuste la denominada función de STRESS, definida como: ( ) 2 ˆ ij ij ij ij ij dd Sd − =∑ ∑ siendo ˆïj d las denominadas “disparidades, que son unos valores ajustados a las distancias y que están en un orden lo más similar posible a los datos. El procedimiento de cálculo sigue los siguientes pasos: - Generar una configuración inicial de puntos en un espacio de dimensionalidad prefijada. - Normalizar la configuración. 11 Para ver como proceder a partir de la matriz de distancias puede consultarse Peña (2002). 17 - Calcular las distancias entre cada par de puntos. - Ajustar las distancias mediante una función monótona obteniéndose las disparidades. - Calcular el valor de la función de STRESS12. Si es aceptable, la configuración de puntos de partida es la solución final, en caso contrario, hay que mover la configuración de puntos en alguna dirección y se comienza de nuevo. Regresiones dim 1 y dim 2 respecto a las tasas de actividad empleo y paro Coeficiente de determinación (R2)=0’94 C. de determinación corregido = 0’87 12 Kruskal (1964 a y b) considera que un valor de la función de STRESS igual a 0’01 indica una solución excelente, entre 0’01 y 0’05 buena, entre 0’05 y 0’10 pasable, entre 0’10 y 0’15 regular y mayor de 0’15 mala. dim1 Parameter Value Standard deviation Student's t Pr > t Intercept 0,000 0,049 0,000 1,000 tasa de empleo 28,186 17,466 1,614 0,145 empleo femenino -14,327 9,925 -1,444 0,187 empleo masculino -21,064 10,024 -2,101 0,069 tasa de paro 15,446 10,287 1,501 0,172 paro femenino -8,439 4,211 -2,004 0,080 paro masculino -10,962 6,841 -1,602 0,148 tasa de actividad -20,905 13,249 -1,578 0,153 actividad femenina 9,867 7,335 1,345 0,215 actividad masculin a 17,369 8,105 2,143 0,064 18 Coeficiente de determinación (R2)=0’92 C. de determinación corregido = 0’83 Ordenación de las CCAA según sus coordenadas en cada dimensión METODOLOGÍA ANTIGUA dim2 Parameter Value Standard deviation Student's t Pr > t Intercept 0,000 0,066 0,000 1,000 tasa de empleo 20,723 23,475 0,883 0,403 empleo femenino -10,084 13,339 -0,756 0,471 empleo masculino -18,145 13,473 -1,347 0,215 tasa de paro 13,254 13,826 0,959 0,366 paro femenino -7,364 5,659 -1,301 0,229 paro masculino -10,157 9,194 -1,105 0,301 tasa de actividad -15,991 17,807 -0,898 0,395 actividad femenina 6,852 9,859 0,695 0,507 actividad masculin a 15,659 10,893 1,437 0,189 19 METODOLOGÍA NUEVA observation Dim1 País Vasco 0,684 Cataluña 0,628 Madrid (Comunidad de) 0,604 Aragón 0,588 Balears (Illes) 0,583 Navarra (Comunidad For a 0,551 Comunidad Valenciana 0,523 Rioja (La) 0,370 Canarias 0,113 Murcia (Región de) -0,072 Galicia -0,119 Cantabria -0,257 Castilla y León -0,548 Asturias (Principado de) -0,566 Andalucía -0,754 Extremadura -0,757 Castilla - La Mancha -0,775 Ceuta y Melilla -0,795 observation Dim2 Canarias 0,752 Comunidad Valenciana 0,670 Murcia (Región de) 0,650 Balears (Illes) 0,622 Navarra (Comunidad For a 0,620 Madrid (Comunidad de) 0,604 Rioja (La) 0,580 Cataluña 0,569 País Vasco 0,436 Aragón 0,272 Castilla - La Mancha -0,270 Ceuta y Melilla -0,663 Andalucía -0,740 Extremadura -0,740 Castilla y León -0,749 Asturias (Principado de) -0,854 Galicia -0,873 Cantabria -0,886 20 Distancias euclídeas entre las posiciones para cada CCAA en la representación bidimensional con una u otra metodología observación dim1 Ceuta y Melilla 2,723 Rioja (La) 1,771 Navarra (Comunidad For a 1,761 Aragón 1,298 Balears (Illes) 0,715 Cantabria 0,232 Madrid (Comunidad de) 0,178 Comunidad Valenciana 0,001 País Vasco 0,000 Murcia (Región de) -0,001 Cataluña -0,060 Castilla y León -0,377 Asturias (Principado de) -0,414 Canarias -0,448 Castilla - La Mancha -0,525 Galicia -0,818 Extremadura -2,465 Andalucía -3,573 observación dim2 Ceuta y Melilla 2,732 Rioja (La) 1,978 Navarra (Comunidad For a 1,819 Aragón 1,433 Balears (Illes) 0,655 Madrid (Comunidad de) 0,281 Cantabria 0,218 Murcia (Región de) 0,132 Comunidad Valenciana -0,075 Cataluña -0,196 País Vasco -0,214 Asturias (Principado de) -0,228 Castilla - La Mancha -0,321 Castilla y León -0,409 Canarias -0,535 Galicia -1,133 Extremadura -2,424 Andalucía -3,712 21 Ordenación de las CCAA de mayor o menor distancia euclidea entre sus posiciones con ambas metodologías Ceuta y Melilla Andalucía Extremadura La Rioja Distancias entre Comunidades Andalucía 4,096482281 Aragón 1,360651588 Asturias (Principad o 0,644426407 Balears (Illes) 0,136648587 Canarias 1,403699169 Cantabria 1,207251169 Castilla y León 0,380336084 Castilla - La Manch a 0,25541892 Cataluña 1,028347438 Comunidad Valenci 0,909751986 Extremadura 2,398338371 Galicia 0,746303335 Madrid (Comunida d 0,533707441 Murcia (Región de) 0,522799074 Navarra (Comunida 1,703203513 País Vasco 0,943279852 Rioja (La) 1,979080795 Ceuta y Melilla 4,889083972 22 Navarra Canarias Aragón Cantabria Cataluña País Vasco Comunidad Valenciana Galicia Asturias Madrid Castilla y León CastillaLa Mancha Baleares Regresiones de las variables empleadas en el análisis respecto a los ejes T empleo = 0,913 Dim1 + 0,606 Dim2 R2=0,814 F=32,758 α≤0,0001 T empleo fem = 1,570 Dim1 + 0,003 Dim2 R2=0,832 F=37,170 α≤0,0001 T empleo masc = 0,177 Dim1 + 1,178 Dim2 R2=0,796 F= 29,248 α≤0,0001 T paro = -1,212 Dim1 – 0,218 Dim2 R2=0,689 F= 16,594 α≤0,001 T paro fem = -1,363 Dim1 – 0,147 Dim2 R2=0,766 F= 24,559 α≤0,0001 T paro masc = -1,187 Dim1 – 0,112 Dim2 R2=0,567 F=9,83 α≤0,002 T actividad = 0,335 Dim1 + 0,780 Dim2 R2=0,493 F=7,291 α≤0,006 T actividad fem = 1,392 Dim1 – 0,16 Dim2 R2=0,518 F=8,05 α≤0,004 T actividad masc = -0,64 Dim1 + 1,53 Dim2 R2=0,591 F= 10,826 α≤0,001 23 Análisis Profit Cosenos directores de las variables con las dimensiones consideradas Variables con dim1 con dim2 Tasa de empleo 0’830 0’550 Tasa de empleo femenino 1’000 0’000 Tasa de empleo masculino 0’150 0’988 Tasa de paro 0’980 0’177 Tasa de paro femenino 0’990 0’107 Tasa de paro masculino 0’990 0’094 Tasa de actividad 0’390 0’918 Tasa de actividad femenina 0’993 0’114 Tasa de actividad masculina 0’390 0’922 24 Tabla 1.Tasas de actividad, ocupación y paro totales y según género, por CC.AA. Metodología ANTIGUA Fuente: EPA. INE 2ºtrim2001an t tasa de emple o empleo feme n empleo masc u tasa de paro paro femeni n paro masculi n tasa de activi d actividad fem e actividad mas c Andalucía 40,661% 26,285% 55,822% 21,809% 31,686% 15,760% 52,002% 38,477% 66,266% Aragón 47,190% 33,825% 61,097% 8,306% 13,661% 4,876% 51,465% 39,177% 64,251% Asturias (Principado de) 39,130% 26,815% 52,755% 15,018% 23,031% 9,743% 46,045% 34,839% 58,424% Balears (Illes) 55,872% 43,145% 69,072% 6,438% 9,165% 4,582% 59,717% 47,498% 72,389% Canarias 48,496% 34,441% 62,763% 12,654% 17,744% 9,537% 55,522% 41,870% 69,380% Cantabria 45,228% 32,480% 58,888% 13,051% 20,502% 8,048% 52,017% 40,802% 63,993% Castilla y León 43,406% 29,252% 58,077% 12,018% 20,168% 7,082% 49,335% 36,630% 62,504% Castilla - La Mancha 44,325% 27,952% 61,072% 12,731% 22,481% 7,272% 50,792% 36,059% 65,861% Cataluña 52,861% 41,154% 65,262% 8,584% 11,728% 6,357% 57,825% 46,622% 69,692% Comunidad Valenciana 49,685% 35,712% 64,444% 11,204% 17,444% 7,084% 55,953% 43,258% 69,364% Extremadura 40,925% 25,775% 56,577% 21,958% 34,094% 14,544% 52,425% 39,108% 66,206% Galicia 44,694% 33,782% 56,638% 14,468% 20,972% 9,596% 52,249% 42,747% 62,650% Madrid (Comunidad de) 51,373% 39,054% 64,925% 9,506% 13,247% 6,842% 56,770% 45,017% 69,694% Murcia (Región de) 48,057% 32,250% 64,455% 11,454% 18,575% 7,277% 54,273% 39,581% 69,514% Navarra (Comunidad Foral de) 51,982% 38,371% 65,865% 6,014% 8,884% 4,213% 55,308% 42,160% 68,761% País Vasco 48,851% 36,322% 62,120% 10,918% 16,483% 7,098% 54,838% 43,491% 66,867% Rioja (La) 48,078% 33,770% 62,757% 7,332% 10,829% 5,277% 51,834% 37,871% 66,159% Ceuta y Melilla 43,015% 26,415% 58,602% 20,812% 33,649% 13,684% 54,320% 39,811% 68,100% 25 Tabla 2. Tasas de actividad, ocupación y paro totales y según género, por CC.AA. Metodología NUEVA Fuente: EPA. INE 2ºtrim2001nueva tasa de empleo empleo femenino empleo masculino tasa de paro paro femenin o paro masculino tasa de actividad actividad femenina actividad masculina Andalucía 40,661% 26,285% 55,822% 18,301% 26,523% 13,493% 49,769% 35,778% 64,528% Aragón 47,190% 33,825% 61,097% 4,835% 7,729% 3,085% 49,599% 36,659% 63,043% Asturias (Principado de) 39,130% 26,815% 52,755% 8,409% 12,810% 5,736% 42,723% 30,755% 55,965% Balears (Illes) 55,872% 43,145% 69,072% 5,818% 8,422% 4,053% 59,340% 47,113% 71,990% Canarias 48,496% 34,441% 62,763% 10,455% 14,835% 7,835% 54,166% 40,440% 68,099% Cantabria 45,228% 32,480% 58,888% 8,147% 13,341% 4,790% 49,240% 37,431% 61,851% Castilla y León 43,406% 29,252% 58,077% 9,623% 16,231% 5,759% 48,028% 34,909% 61,626% Castilla - La Mancha 44,325% 27,952% 61,072% 9,141% 15,966% 5,551% 48,784% 33,263% 64,646% Cataluña 52,861% 41,154% 65,262% 8,364% 11,318% 6,273% 57,686% 46,411% 69,629% Comunidad Valenciana 49,685% 35,712% 64,444% 9,623% 14,997% 6,150% 54,975% 42,013% 68,667% Extremadura 40,925% 25,775% 56,577% 14,041% 21,680% 9,872% 47,609% 32,910% 62,774% Galicia 44,694% 33,782% 56,638% 11,434% 16,620% 7,686% 50,464% 40,516% 61,353% Madrid (Comunidad de) 51,373% 39,054% 64,925% 7,180% 9,918% 5,282% 55,350% 43,354% 68,546% Murcia (Región de) 48,057% 32,250% 64,455% 9,083% 14,601% 5,926% 52,858% 37,764% 68,516% Navarra (Comunidad Foral de) 51,982% 38,371% 65,865% 4,261% 5,466% 3,462% 54,273% 40,636% 68,226% País Vasco 48,851% 36,322% 62,120% 9,587% 14,619% 6,158% 54,031% 42,554% 66,197% Rioja (La) 48,078% 33,770% 62,757% 3,972% 5,839% 2,909% 50,066% 35,864% 64,637% Ceuta y Melilla 43,015% 26,415% 58,602% 5,455% 7,895% 4,373% 45,496% 28,679% 61,470%