en los años de crisis (2008-2014) Alejandro.lopez@unileon
Transcript of en los años de crisis (2008-2014) Alejandro.lopez@unileon
El envejecimiento de la población potencialmente activa en las regiones españolas en los años de crisis (2008-2014) Autores y e-mail de la persona de contacto: Alejandro López González [email protected] Departamento: Geografía y Geología Universidad: León Área Temática: 11. Población y movimientos migratorios Resumen: Las dificultades experimentadas por la economía española han significado un vuelco en la trayectoria demográfica mantenida durante los años de bonanza entre 1995 y 2007. El fenómeno novedoso de aquellos años, la masiva inmigración, se ha frenado ostensiblemente y, paralelamente, se ha reactivado la emigración tanto de población inmigrante como de jóvenes españoles castigados por las pobres expectativas laborales ofrecidas por un mercado laboral exhausto tras años de fuerte incremento del desempleo. Por otra parte, el impacto regional de la crisis es diferente para las distintas regiones, detectándose el hecho de que muchas de ellas han perdido población, pero también que unas pocas han incrementado su población o la reducción de efectivos demográficos está por debajo del promedio estatal. En esta comunicación se pretende medir tanto la repercusión de los flujos migratorios tanto entre el conjunto del Estado y el extranjero, como los flujos internos interregionales sobre el grado la estructura interna del grupo de población potencialmente activo (entre 15 y 64 años). Este análisis implica emplear una variable dependiente que refleje el envejecimiento de la población potencialmente activa de mayor edad, en nuestro caso población de entre 55 y 64 años; y dos variables independientes: saldos migratorios exteriores de cada región y balance migratorio interregional. Tomando estas series de datos aplicaremos técnicas de panel de datos para alcanzar los objetivos perseguidos en este trabajo: como individuos tomaremos las 17 Comunidades Autónomas y las ciudades autónomas de Ceuta y Melilla; como momentos temporales utilizaremos 2008, 2010, 2012 y 2014. Palabras Clave: Envejecimiento, población potencialmente activa, migraciones, crisis Clasificación JEL: J10, J61
1. Introducción
La población española ha experimentado fuertes contrastes a lo largo de los
apenas quince años que llevamos transcurridos del presente siglo. Tras el estancamiento
demográfico que caracterizó el último cuarto de la centuria pasada, años en los que la
población se cifraba en torno los 39-40 millones de habitantes, la inmigración masiva al
calor de la pujanza de la economía española disparó el padrón de nuestro país hasta el
nivel de los 46-47 millones, acompañando este crecimiento un relativo
rejuvenecimiento pues el grueso del aumento de la talla demográfica se alimentó de
inmigrantes extranjeros de edades encuadradas en el grupo de los adulto-jóvenes. Por
otra parte, los procesos de reagrupación familiar inyectaron adicionalmente nuevos
colectivos que contribuyeron a matizar aún más el envejecimiento de la población
autóctona propiciado por la fuerte caída de la fecundidad de los años 1980 y 1990.
Sin embargo el colapso de la economía nacional, propiciado por el estallido de la
burbuja inmobiliaria, también ha dejado su huella en la población. Desde 2008 el
balance positivo migratorio ha dejado de ser positivo, estando protagonizado
actualmente por la emigración, en parte de retorno, en parte de reemigración hacia
segundos destinos menos golpeados por la crisis, y, no se sabe a ciencia cierta hasta qué
punto, por el resurgir de corrientes emigratorias tradicionales de la población indígena
hacia el norte de Europa.
Estas vicisitudes tienen, necesariamente, que dejar su huella sobre la estructura
demográfica, reactivando la senda del envejecimiento oscurecida por la contundencia de
la inmigración de la primera década del siglo XXI. Convencionalmente se entiende
como envejecimiento el porcentaje de población mayor de cierta edad, en unos caso se
toma como referente los 60 años, en otros los 65; en nuestro caso se ha optado por una
acepción diferente, no se ha tomado el conjunto de la población como objetivo, sino que
la restringimos al grupo de edad que, potencialmente, podría formar parte de la fuerza
laboral de un país: la población potencialmente activa (PPA en lo sucesivo) que, por
comodidad ante la estructura de los datos ofrecidos por el Instituto Nacional de
Estadística (INE) convenimos que es aquella comprendida entre los 15 y 64 años. El
envejecimiento en este amplio colectivo lo ceñimos a las dos cohortes finales del grupo,
delimitado por los individuos de 55 y 64 años; este colectivo se caracteriza por tasas de
actividad menguantes, pues las jubilaciones anticipadas por distintas razones van
erosionándolas, y por reducciones en los niveles de productividad provocados por el
menor rendimiento físico de los trabajadores a estas edades (si bien se debe señalar los
efectos positivos de la experiencia atesorada por estos activos, y las considerables
mejoras en la salud, responsables estas últimas de menores perdidas de horas trabajadas
dentro de este colectivo).
Los objetivos de este trabajo son los siguientes:
1. Medición del envejecimiento de la PPA. Como derivadas de este objetivo está
comprobar la evolución global de la tasa de envejecimiento de este colectivo desde los
primeros años del presente siglo, y evaluar el comportamiento de las regiones españolas
en los años de crisis económica empleando este indicador.
2. Análisis causal sobre las causas de la evolución del envejecimiento de la PPA.
Se ha procedido a un análisis de regresión de panel, partiendo de la hipótesis de que la
evolución de esta tasa obedece de manera directa a fenómenos estrictamente
demográficos, sean de dinámicas vegetativas sean migratorias.
3. Estimación de los efectos de determinadas variables socioeconómicas sobre la
dinámica demográfica del período. Se recurre de nuevo a la regresión de datos de panel,
aunque regresamos cada una de las tasas reflejo de la dinámica demográfica (movilidad
residencial, saldos migratorios, cambios en las relaciones entre cohortes) contra
indicadores socioeconómicos. Este objetivo parte de una segunda hipótesis, pues se
asumen como supuestos razonables que la coyuntura del período deja su huella sobre
los comportamientos demográficos; aunque también se estima a priori que este impacto
es mayor sobre los cambios de residencia de los individuos, pensando que serán
inapreciables sobre aquellos que reflejan en gran medida comportamientos
reproductivos (cambios en la relación entre cohortes en la base y la cúspide de la PPA).
De modo coherente con este planteamiento, se ha estructurado esta aportación en
dos partes claramente diferenciada. Una primera, eminentemente descriptiva,
únicamente se presenta la evolución de la tasa de envejecimiento de la PPA para el
conjunto del Estado entre 2003 y 2014 y la situación en la que se encuentran las
Comunidades Autónomas al principio de la crisis, 2008, y en 2014, último año que
cubre este trabajo. La segunda se centra en el análisis causal, desglosándolo en las
partes correspondientes a la descripción de datos, metodología empleada, resultados y
discusión. Por último, cerramos este trabajo con las pertinentes conclusiones.
2. El envejecimiento de la población potencialmente activa
La población española es una sociedad envejecida, lo que implica grandes retos
para la economía y sociedad en muy distintos ámbitos, sea el gasto en sanidad (aunque
según Casado Marín -2001-, la parte de la expansión del gasto sanitario correspondiente
a este fenómeno sea más bien pequeña), el mercado de trabajo (CEOE, 2016), la
sostenibilidad del sistema de pensiones (García y Serrano, 2004), o al conjunto de la
sociedad, incluyendo el conflicto intergeneracional (Pérez Díaz, 2005). Este
envejecimiento no sólo aqueja al conjunto de la población, sino deja su huella en la
estructura por edades de las personas que componen la PPA; y, dadas las elevadas tasas
de desempleo juvenil (García, J. R., 2011), puede que aún sea más acentuado entre la
población activa propiamente dicha y, desde luego, en la población ocupada.
El tránsito entre el siglo XX y XXI ha estado marcado por una incesante
corriente de inmigrantes, periódicamente encauzada por medidas de regularización para
minorar las considerables bolsas de migrantes irregulares atraídos por un mercado que
demandaba grandes contingentes de mano no cualificada para los sectores de la
construcción y ciertos ramos del sector servicios (turismo, hostelería, asistencia
doméstica, servicios a la comunidad…). Dado el perfil por edades de estos inmigrantes,
era de esperar que implicase un frenazo al envejecimiento que comenzaba a erosionar la
estructura de edades española (vid. Castro, T., 2010; López y Aldrey, 2012). La parte
izquierda de la figura 1 parece confirmar esta impresión, donde se representa el
envejecimiento de la población española, siguiendo la definición convencional de
porcentaje de personas de 65 y más años. En este gráfico se observa como los saldos
migratorios positivos logran hacer retroceder la tasa de envejecimiento desde poco más
del 17 por ciento hasta rozar el 16,5, si bien de manera irregular por la clara tendencia
subyacente de la población local hacia el avejentamiento; de hecho no sólo las
migraciones externas contribuyeron a este errático descenso de la tasa de
envejecimiento, ya que de manera más débil participó de este retroceso picos en el
incremento de la natalidad (bien por la mayor fertilidad de las inmigrantes, bien por el
efecto positivo sobre los nacimiento de parejas autóctonas debido a las mejores
perspectivas económicas de entonces).
Figura 1. Porcentaje de personas de 65 o más años para el conjunto del Estado
Fuente: Padrón continuo.
Por el contrario, la parte derecha de la mencionada figura 1 muestra un paisaje
radicalmente opuesto, fijando 2008 como el momento que separa un antes y un después
en la población española; en los años más recientes de la serie el porcentaje de ancianos
se dispara, situándose en un 18 % en 2014 y anulando totalmente las ganancias
observadas en el quinquenio 2003-2008. Entendiendo como prácticamente constantes
las tasas de mortalidad, que incluso repuntan en algunos momentos aunque levemente,
la responsabilidad del cambio en este indicador recae en la reversión de los flujos
migratorios (desde 2008 los saldos negativos hacia el exterior se convierten en la
norma) y en una natalidad en horas bajas por las crecientes dificultades de la población
para asegurarse cierta estabilidad laboral (no sólo existe un problema de desempleo,
también los hay de temporalidad).
El envejecimiento de la población española en su conjunto es un indicio de lo que
ocurre en el mercado laboral potencial. En los años que llevamos de crisis, desde 2008,
el peso relativo dentro de este grupo del segmento de entre 55 y 64 años ha crecido en
magnitudes comparables a la tasa de envejecimiento general (figura 2): tomando como
referencia la población extrapolada a julio de los años 2008, 2010, 2012 y 2014 el
porcentaje de las personas mayores dentro de este colectivo ha crecido desde el 15,60 %
hasta el 17,44 %; este incremento es claramente achacable a la reversión de los flujos
migratorios que acompañó el estallido de la burbuja inmobiliaria, pues si entre 2008 y
2014 el número de personas de edades de 55 a 64 años creció en 512.126, el total de
potencialmente activos retrocedió en 838.535 individuos. Dicho de otro modo, los
empadronados de edades comprendidas entre 15 y 54 años disminuyeron en 1.350.661
personas, y, como no es razonable pensar en impactos directos de cambios en la
natalidad (la natalidad de hoy no se convertirá en PPA hasta pasados 15 años), lo que
tenemos ante nosotros es un volumen emigratorio considerable, ya sea de retorno, de
reemigración o, lisa y llanamente, de españoles que deciden probar suerte en el
extranjero.
Figura 2. Evolución de la Tasa de envejecimiento de la PPA
Fuente: Padrón continuo, elaboración propia.
Nota: Andalucía (1), Aragón (2), Asturias (3), Baleares (4), Canarias (5), Cantabria (6), Castilla y León
(7), Castilla-La Mancha (8), Cataluña (9), Comunidad Valenciana (10), Extremadura (11), Galicia (12),
Madrid (13), Murcia (14), Navarra (15), País Vasco (16), La Rioja (17), Ceuta (18) y Melilla (19).
Dada la velocidad en el envejecimiento de la población potencialmente activa, que
implica un fenómeno semejante entre los activos, es interesante analizar el impacto de
este fenómeno a escala regional. La figura 2 muestra la evolución de la tasa de
envejecimiento de la PPA en las distintas comunidades autónomas españolas. En todas
las regiones se ha acentuado el envejecimiento de la PPA, en algunas de manera patente
(Cantabria y Navarra). Las discrepancias entre las tasas regionales y la estatal indican
que su promedio crece desde -0,05 puntos en 2008 hasta los 0,26 de 2014; del mismo
modo, la dispersión de las discrepancias entre tasas también se acrecienta pasando,
respectivamente, de una desviación típica de 2,02 puntos a otra de 2,24. Por tanto, la
distancia entre las regiones con PPA más envejecida se hace más pronunciada en el
tiempo (en 2008, excluyendo los casos particulares de Ceuta y Melilla, los extremos de
la escala para esta variable los ocupaban Murcia -13,24 %- y Asturias -19,36 %-; en
2014 estas posiciones las ocupaban, respectivamente, las Islas Baleares -15,9 %- y de
nuevo Asturias -22,35 %-: 6,12 puntos de distancia en 2008, 6,45 % en 2014). El
proceso es general, tanto en regiones con poca inmigración (habitualmente regiones
sobreenvejecidas a principios de siglo) como en aquellas otras que se beneficiaron en
mayor medida de la afluencia de migrantes (tradicionalmente más jóvenes, incluso en el
periodo anterior a la burbuja inmobiliaria). Dicho de otro modo, la crisis ha llevado a la
PPA de las regiones españolas a una trayectoria de la que divergió gracias a un episodio
extraordinario, el de la intensa inmigración que acompañó a la burbuja inmobiliaria.
3. Aplicación de los datos de un panel para el estudio del envejecimiento de la
población potencialmente activa
En las siguientes páginas se pretende testear la influencia sobre la PPA de una
selección de indicadores demográficos y socioeconómicos. Se ha diseñado un esquema
de trabajo jerarquizado, articulado en dos fases:
1. una primera en que se estudia la influencia sobre la tasa de envejecimiento de la PPA
de la dinámica demográfica, ya sea la relación entre los nuevos potenciales activos y
aquellos otros individuos que tienen en el horizonte la salida de este colectivo, la
proporción de personas que deciden cambiar de residencia (hacia fuera o hacia dentro
de cada una de las regiones españolas), y los saldos migratorios relativos externos e
interautonomicos. Esta primera fase es de análisis de impactos directos.
2. La segunda fase implica un escalón inferior. Obviamos la tasa de
envejecimiento de la PPA y nos centramos en los condicionantes dinámicos sobre la
misma; estudiando la influencia sobre cada uno de estos factores directos de indicadores
que reflejan el paisaje socioeconómico de las diferentes comunidades autónomas. Como
se verá más adelante, estos factores indirectos (en el sentido que operan a través de los
puramente demográficos) atienden a la evolución de la producción, de la percepción de
los hogares y de las condiciones del mercado de trabajo.
3.1 Datos
En los cuadros 1 y 2 describimos las variables empleadas en este trabajo, que junto a los
momentos temporales a las que se refieren constituyen una estructura de panel
balanceado. En la primera de ella reseñamos las características generales, todas ellas se
expresan en porcentajes y, con la excepción de una se han calculado a partir de
información obtenida en el Instituto Nacional de Estadística. Los ítems analizados se
tienen una doble naturaleza, cinco son indicadores demográficos (EPPA, REJM,
TMOV, TME, TMI) y cuatro socioeconómicos (VPIB, VMGH, TP, VASS). Si
consideramos el primer bloque, EPPA es un indicador estructural de envejecimiento por
lo que podemos considerar como la variable clave para este trabajo, existe una
pluralidad de medidas del envejecimiento (Torres, A, 2010) que se recurren a la
importancia de grupos por edad específicos sobre la población total o relacionando
determinadas cohortes entre sí, en este caso se ha calculado el porcentaje sobre la PPA
de las dos cohortes quinquenales inmediatamente anteriores a los 65 años. Las otras
variables demográficas son las siguientes: REJM, cociente entre la población de entre
15 y 24 años y la de edades comprendidas entre los 55 y 64, que viene a ser un
indicador de la juventud de la población activa aunque su cometido específico es el de
medir los efectos acumulados de la historia reciente del comportamiento vegetativo,
pues registra la importancia de las entradas de nuevos potenciales activos en la década
anterior a la observación así como los efectos diferenciales de la tasa de supervivencia
de los activos envejecidos, la influencia de los movimientos migratorios sobre la
evolución de esta variable es poco relevante pues sólo participan en su cálculo cohortes
apenas afectadas por movimientos migratorios recientes. Finalmente, TMOV, SME y
SMI son, respectivamente, reflejos de la movilidad de la población, el primero a nivel
general, los dos últimos del balance de entradas y salidas, respectivamente, al exterior y
a otras comunidades autónomas.
Descripción Método de cálculo Fuente
Tasa de envejecimiento de de la población potencialmente activa (EPPA). Variable dependiente.
Porcentaje de población de entre 55 y 64 años entre los efectivos demográficos totales de entre 14 y 61 años. Se calcula extrapolando a 1 de julio de cada año.
Instituto Nacional de Estadística: explotación del Padrón Continuo. Elaboración propia.
Relación entre activos potenciales jóvenes y activos potenciales viejos (RELJM)
Cociente entre las cohores de 15 a 24 y de 55 a 64 años. Expresado en tantos por cien.
Instituto Nacional de Estadística: explotación del Padrón Continuo. Elaboración propia.
Tasa de Movilidad (TMOV)
Cociente entre la suma de personas que han migrado, ya sea hacia o desde el extranjero o de otra Comunidad Autónoma. Se expresa en porcentajes
Instituto Nacional de Estadística: explotación del Padrón Continuo y estadísticas sobre movimientos migratorios. Elaboración propia.
Saldo migratorio exterior (SME)
Cociente entre el saldo migratorio exterior y la población media total. Se expresa en tantos por cien.
Instituto Nacional de Estadística: explotación del Padrón Continuo y estadísticas sobre movimientos migratorios. Elaboración propia.
Saldo migratorio interregional (SMI)
Cociente entre el saldo migratorio interregional y la población media total. Se expresa en tantos por cien.
Instituto Nacional de Estadística: explotación del Padrón Continuo y estadísticas sobre movimientos migratorios. Elaboración propia.
Crecimiento del Producto Interior Bruto a precios de mercado (VPIB)
Tasa de variación del PIBpm de cada entidad regional a precios de mercado. Se expresa en tantos por cien, estimándose como diferencia entre los índices de volumen encadenados (2010 = 100).
Instituto Nacional de Estadística: Contabilidad Regional (serie homogénea 2000‐2015). Elaboración propia.
Variación del gasto medio por hogar (VGMH)
Tasa de variación interanual del gasto medio de cada hogar. Expresado en tantos por cien
Instituto Nacional de Estadística: Encuesta de Presupuestos Familiares (Base 2006). Resultados por Comunidades Autónomas
Tasa de Paro (TP). Regresor.
Tasa de Paro. Se expresa en tantos por cien.
Instituto Nacional de Estadística: Encuesta de Población activa
Variación de la afiliación en la seguridad social (VASS).
Variación porcentual en el número de afiliados a la Seguridad Social .
Seguridad Social
Cuadro 1: Descripción de las variables empleadas en el modelo. Fuente: Elaboración propia
Las variables seleccionadas que reflejan los factores indirectos son indicadores
socioeconómicos. VPIB es la variación interanual del Producto Interior Bruto a precios
de mercado, este indicador influye sobre el mercado de trabajo, pero también sobre las
retribuciones de los trabajadores, pudiendo pensar en que anticipa dificultades en las
familias e individuos. Una segunda variable es la variación del gasto medio de los
hogares, en parte refleja la evolución de las rentas de aquellos pero también el estado de
ánimo de los mismos (un empeoramiento del ambiente económico general propicia su
reducción al ahorrar más por motivo precaución, una mejora propicia una mayor alegría
en el consumo de los hogares), también se puede considerar un indicador adelantado de
decisiones migratorias en situaciones extremas o para personas con escaso arraigo. El
mercado de trabajo posee una importancia destacada e influye sobre el comportamiento
demográfico, empleamos la tasa de paro (TP) como indicador de exceso de oferta de
mano de obra, y la variación del número de afiliados en la Seguridad Social (VASS)
como indicio de la evolución de la demanda de trabajadores; en este caso, por lo menos
a priori, la incidencia sobre cualquiera de los componentes demográficos dinámicos,
tendría que ser más importante aún, ya que los movimientos migratorios de los que se
alimentó la población española a principios del siglo XXI fue el exceso de demanda de
trabajo.
Media Mediana MínimoCCAA, año
MáximoCCAA, año
Desviación típica
EPPA 16,48 16,29
11,68Melilla, 2008Murcia, 2008
(13,24)
22,35 Asturias, 2014
2,24
REJM 97,58 92,61
51,34Asturias, 2014
180,69 Melilla, 2008 Murcia, 2008
(135,95)
27,48
TMOV 3,71 3,45 1,66Galicia, 2014
9,18 Melilla, 2012
Baleares, 2008 (4,95)
1,48
SME 0,07 ‐0,01 ‐0,78Madrid, 2012
1,30 Baleares, 2008
0,47
SMI 0,05 0,01 ‐0,59Ceuta, 2014Castilla‐La
Mancha, 2014 (‐0,42)
1,67 Melilla, 2012
Castilla‐La Mancha, 2008
(0,63)
0,30
VPIB ‐0,04 0,55
‐4,8Castilla‐La
Mancha, 2012
2,1 Madrid, 2008
1,84
VGMH ‐1,42 ‐1,65 ‐16,40Melilla, 2012Extremadura,
2012(‐7,5)
17,50 Ceuta, 2014
Asturias, 2008 (5,2)
4,05
TP 20,21 19,04 8,13Madrid, 2008
37,17 Ceuta, 2012 Andalucía,
2012 (35,71)
7,19
VASS ‐0,71 ‐0,98 ‐7,46C. Valenciana,
2008
8,67 Melilla, 2008
Canarias, 2015 (5,14)
3,33
Cuadro 2: Estadísticos descriptivos Fuente: Elaboración propia
En el cuadro 2 se incluyen los estadísticos descriptivos correspondientes a las 76
observaciones (19 observaciones, 4 periodos temporales). Los valores extremos de los
rangos están condicionados por Ceuta y Melilla, donde su reducido tamaño en
comparación con en el de las restantes regiones da lugar a que aparezcan
frecuentemente en los extremos; por este motivo se ha introducido en el cuadro
referencias a la segunda región en importancia cuando el máximo o el mínimo sea una
de estas ciudades autónomas, reseñando su valor entre paréntesis.
3.2 Metodología
Como se ha señalado más arriba, se pretende aplicar análisis de regresión en dos
fases a partir de una estructura de panel balanceado, al poseer observaciones para la
totalidad de las variables implicadas en los sucesivos análisis efectuados. Siguiendo a
Arellano (1992) una de las ventajas más importantes de los datos de panel es la
posibilidad de controlar diferencias inobservables, hecho relevante cuando entran en
juego diferencias ente unidades territoriales no captadas directamente por las variables
tomadas en consideración.
Se ha diseñado un esquema de trabajo estructurado en dos etapas secuenciales.
Una primera en la que se regresa la variable objetivo (EPPA) frente a indicadores de
dinámica demográfica con el objetivo de medir su incidencia directa sobre aquella. En
la segunda regresamos cada uno de los factores de carácter demográfico contra una
selección de índice socioeconómicos.
Se han aplicado técnicas de regresión de panel, generando 76 observaciones (19
unidades territoriales, las 17 comunidades autónomas más Ceuta y Melilla; 4
observaciones temporales: 2008, 2010, 2012 y 2014), para cada una de las nueve
variables seleccionadas. En todo el proceso de especificación y estimación de modelo se
ha empleado el paquete econométrico Gretl 2016a.
Dada la naturaleza del contexto español, en el que conviven 19 unidades territoriales
con diferencias tanto institucionales y, hasta cierto punto, culturales, se ha optado por
explorar técnicas de efectos anidados: efectos fijos, efectos fijos a los que se han
agregado variables ficticias temporales, y efectos aleatorios. El primer paso es elegir
entre emplear efectos fijos y efectos aleatorios, los efectos aleatorios tienen la ventaja de
permitir la obtención de estimadores más eficientes (con menor varianza), pero el
inconveniente de ser menos consistentes; en consecuencia, si los estimadores obtenidos
por uno y otro método son significativamente diferentes es preferible emplear efectos
fijos (Montero, 2011). Para resolver esta cuestión aplicamos el test de Hausmann
(cuadro 3), los valores empíricos siguen una distribución chi cuadrado con cuatro
grados de libertad en lo que hace referencia a la regresión frente a la variable EPPA, y
tres en las restantes; claramente es desaconsejable en EPPA, REJM y SME donde las
diferencias ente efectos fijos y aleatorios es significativa a cualquier nivel de confianza
usual. Otra cuestión ocurre en TMOV y SMI, donde las diferencias no son significativas
pero el p-valor no es lo suficiente alto como para pensar que ambas estimaciones sean
idénticas. En consecuencia, se ha procedido a descartar la estimación por efectos
aleatorios y se ha optado por los efectos fijos.
Regresión (v. dependiente) Valor empírico del Test p‐valor
EPPA 9,94 0,0414506
REJM 64,4585 6,54923e‐014
TMOV 6,73379 0,0808848
SME 52,9691 1,86138e‐011
SMI 4,49975 0,212313
Cuadro 3: Test de Hausmann Fuente: Elaboración propia
Dentro del modelo de efectos fijos la estimación se puede realizar bien por efectos fijos,
incluyendo variables ficticias individuales, incluyendo variables ficticias temporales o
ambas simultáneamente. Se ha ensayado todas las alternativas posibles, descartando en
primera instancia incluir variables ficticias individuales al aparecer sistemáticamente
problemas de multicolinealidad perfecta. En consecuencia, se ha limitado el análisis a
efectos fijos y a efectos fijos más variables ficticias temporales, introduciendo una
variable dummy con valor 1 cuando se trate de un momento t y 0 en los restantes años,
de tal manera que varíe con el tiempo pero sea constante para las distintas unidades
indiviudales.
La especificación general del modelo, en el supuesto de estimación de efectos fijos
temporales, es la que sigue:
(3.1)
Representando la variable dependiente, las recogen las observaciones para k
variables independientes, el término constante, y los parámetros y son vectores:
el primero son las variables ficticias temporales y que permiten calcular los t interceptos
del modelo, el tercero es un vector de k parámetros que cuantifica la influencia sobre la
variable dependiente de cada una de las variables independientes. El subíndice i
representa las 18 unidades territoriales, en nuestro caso Comunidades Autónomas, y t
los momentos de tiempo seleccionados. Finalmente, los errores del modelo son
recogidos por la expresión
(3.2)
Siendo efectos no observables que difieren entre las unidades de tiempo pero no entre
unidades individuales, y errores puramente aleatorios, es decir, ruido blanco.
Esta especificación se simplifica en lo que atañe a los efectos fijos individuales:
(3.3)
Con interpretación análoga a la ecuación (3.1), con la salvedad de que los errores
responden a esta expresión analítica:
(3.4)
Donde se puede apreciar la omisión de los efectos no observables vinculados a los
efectos fijos temporales.
Particularizando al caso que nos ocupa, las ecuaciones a estimar para la primera
fase de análisis son:
(3.4)
(3.5)
El primer modelo introduce variables ficticias temporales, el segundo únicamente
efectos fijos. Análogamente hacemos lo mismo para las especificaciones de la segunda
etapa de este análisis:
(3.6)
(3.7)
(3.8)
(3.9)
(3.10)
(3.11)
(3.12)
(3.13)
Definidas las especificaciones particulares se ha procedido una segunda criba. Esta
segunda selección implica optar entre regresiones que consideran los efectos fijos
individuales, y aquellas otras que los consideran conjuntamente unos y otros. Para ello
recurrimos a dos criterios, por un lado el criterio de información de akaike que mide la
calidad de la información incorporada por cada modelo, prefiriéndose aquel modelo que
tenga un valor mínimo. El segundo criterio es el índice de Durbin Watson, indicio de la
existencia de dependencia temporal entre los errores, prefiriéndose que apunte a
situaciones donde dicho fenómeno sea lo menor posible. El cuadro 4 presenta los
resultados de las mencionadas mediciones.
Akaike Durbin Watson
MCVF i MCVF i, t MCVF i MCVF i, t
EPPA 106,66 56,38 1,18 1,08
REJM 459,37 407,50 1,67 1,22
TMOV 17,39 19,35 1,61 1,51
SME 46,94 18,46 1,58 1,85
SMI 20,57 ‐4,44 1,49 1,64
Cuadro 4: Criterio de información de akaike y estadístico de Durbin Watson. Fuente: Elaboración propia
El criterio de Akaike apunta a que es preferible la estimación que incluye los efectos
fijos temporales, pues de las cinco regresiones planteadas en cuatro de ellas su valor es
menor que en las que únicamente se plantean los efectos fijos individuales (la excepción
es una de las regresiones planteadas para la segunda etapa, la relativa a la tasa de
movilidad).
En lo que atañe a Durbin Watson se debe partir de la base del número de regresores
empleados, pues es un contraste basado en una tabla donde los valores críticos mínimo
y máximo están condicionados al número de regresores exceptuado la constante. En
tablas, para los niveles de significación de 0,01 y 0,05, los valores críticos mínimo y
máximo correspondiente a 75 observaciones y a k=4 son los que siguen: 1,37 y 1,59 (a
un 0,01), 1,51 y 1,74 (a un 0,05). Vistos los datos del cuadro 4 la dependencia temporal
es un problema evidente para cualquiera de los procedimientos empleados en la
regresión que tiene a EPPA como variable dependiente, al existir clara evidencia de
correlación positiva entre los residuos. En las restantes regresiones podemos concluir
que para la relación entre activos jóvenes y activos viejos existe evidencia de
correlación positiva en la que incluye efectos temporales, no habiéndola para la que no
los incluye; en lo que atañe a la tasa de movilidad los efectos fijos no ofrecen evidencia
de correlación al nivel del 0,01, no pudiéndose hacer afirmaciones concluyentes en los
demás casos; en lo referido al saldo migratorio exterior los efectos fijos temporales no
presentan evidencia de correlación temporal, siendo ambiguos en el caso de los que no
los incluyen; finalmente, en lo relativo al saldo migratorio interregional es patente la
presencia de correlación temporal de los residuos en el que no los incluye.
Considerados los datos del cuadro 4 se ha optado por una decisión dual. Dado que para
la regresión de la primera etapa, aquella en la que participan únicamente variables
demográficas, los resultados no apuntan claramente a ninguno de los dos
procedimientos, se ha optado por presentar resultados para los dos métodos, afinando la
estimación (restringiendo la regresión a aquellos coeficientes significativos) para aquél
que, a nuestro juicio, tenga mejores prestaciones. En la segunda etapa, en las
regresiones que tienen como variables dependientes a indicadores demográficos e
independientes a índices de naturaleza socioeconómica, se opta por regresiones que
incorporan efectos temporales.
3.3 Resultados
3.3.1 Primera fase: regresión de EPPA frente a indicadores de dinámica demográfica
La elevada dependencia temporal apuntada por el estadístico Durbin Watson
aconseja la utilización de las dos especificaciones (cuadro 5). El coeficiente de
determinación es elevado, tanto el general como el intragrupo (este último superior en el
caso de la inclusión de las variables temporales que en el que no las incluye), lo que a
priori apunta a que el poder explicativo de las variables independientes es muy bueno.
Modelo 1: Efectos fijos, utilizando 76 observacionesSe han incluido 19 unidades de sección cruzada
Largura de la serie temporal = 4 Variable dependiente: EPPA
Coeficiente Desv. Típica Estadístico t Valor p
const 15.4879 1.9325 8.0145 <0.0001 *** REJM -0.00324175 0.0142022 -0.2283 0.8204 SME 0.117904 0.183297 0.6432 0.5230 SMI -0.189141 0.219076 -0.8634 0.3921 TMOV 0.0864757 0.161226 0.5364 0.5941 dt_2 0.490835 0.197361 2.4870 0.0163 ** dt_3 1.24778 0.31143 4.0066 0.0002 *** dt_4 2.20403 0.384825 5.7273 <0.0001 ***
Media de la vble. dep. 16.47618 D.T. de la vble. dep. 2.241398 Suma de cuad. residuos 4.713493 D.T. de la regresión 0.307034 R-cuadrado MCVF (LSDV) 0.987490 R-cuadrado 'intra' 0.915179 F(25, 50) MCVF 157.8772 Valor p (de F) 2.49e-39 Log-verosimilitud -2.187777 Criterio de Akaike 56.37555 Criterio de Schwarz 116.9746 Crit. de Hannan-Quinn 80.59387 rho 0.027330 Durbin-Watson 1.179735
Modelo 2: Efectos fijos, utilizando 76 observacionesSe han incluido 19 unidades de sección cruzada
Largura de la serie temporal = 4 Variable dependiente: EPPA
Coeficiente Desv. Típica Estadístico t Valor p
const 27.0289 1.01367 26.6644 <0.0001 *** REJM -0.0901193 0.00901965 -9.9914 <0.0001 *** SME 0.345792 0.19143 1.8064 0.0765 * SMI 0.419707 0.257539 1.6297 0.1091 TMOV -0.486992 0.172673 -2.8203 0.0067 ***
Media de la vble. dep. 16.47618 D.T. de la vble. dep. 2.241398 Suma de cuad. residuos 9.885534 D.T. de la regresión 0.431879
R-cuadrado MCVF (LSDV) 0.973764 R-cuadrado 'intra' 0.822106 F(22, 53) MCVF 89.41410 Valor p (de F) 2.91e-34 Log-verosimilitud -30.33222 Criterio de Akaike 106.6644 Criterio de Schwarz 160.2713 Crit. de Hannan-Quinn 128.0883 rho 0.142024 Durbin-Watson 1.084471
Cuadro 5: Resultados de las regresiones correspondientes a la primera etapa Fuente: Elaboración propia
En lo que se refiere a las estimaciones de los coeficientes, se debe destacar que
en la estimación que incorpora efectos temporales (modelo 1) no son significativos, lo
cual no ocurre en la que excluye las variables ficticias temporales (modelo 2); de hecho
el modelo 1 sólo considera significativas los cambios temporales que se van sucediendo
a lo largo del tiempo. El modelo 2, que aísla la regresión de eventuales cambios
temporales no contemplados directamente por la estructura de datos, sí que considera
significativas variables explicativas, concretamente la relación entre activos jóvenes y
activos viejos, y la tasa de movilidad (significativas a un nivel de confianza del 0,99),
así como, en menor medida , al saldo migratorio exterior (a un 0,90).
Considerando las variables altamente significativas calculamos una regresión
restringida (cuadro 6) excluyendo los efectos temporales. Los resultados de esta
regresión mejoran el criterio de Akaike, aunque siguen mostrando evidencias de
correlación temporal. Los coeficientes siguen siendo significativos, aunque a un nivel
menor para la tasa de movilidad (es significativo a un nivel de confianza de 0,95). El
valor del coeficiente de la relación entre activos jóvenes y activos viejos es coherente
con lo esperado, ya que un incremento de dicha relación implica un retroceso de la
EPPA (el modelo predice que un avance en un punto de la REJM implica una
disminución de un -0,078 de la tasa de envejecimiento de la PPA). El coeficiente de la
tasa de movilidad es de más difícil interpretación, apuntando a que un incremento de la
movilidad reduce el grado de envejecimiento (concretamente, una variación positiva de
un punto de dicha tasa reduce en 0,342 puntos la EPPA); en este caso concreto una
posible razón de estos datos estaría en que la movilidad es mayor en aquellas regiones
menos envejecidas, frente a la menor movilidad registrada en comunidades autónomas
más castigadas por el avejentamiento demográfico.
Modelo 3: Efectos fijos, utilizando 76 observacionesSe han incluido 19 unidades de sección cruzada
Largura de la serie temporal = 4 Variable dependiente: EPPA
Coeficiente Desv. Típica Estadístico t Valor p
const 25.3176 0.625925 40.4483 <0.0001 *** REJM -0.0776295 0.00637831 -12.1709 <0.0001 *** TMOV -0.341534 0.160059 -2.1338 0.0373 **
Media de la vble. dep. 16.47618 D.T. de la vble. dep. 2.241398 Suma de cuad. residuos 10.76962 D.T. de la regresión 0.442506 R-cuadrado MCVF (LSDV) 0.971417 R-cuadrado 'intra' 0.806197 F(20, 55) MCVF 93.46250 Valor p (de F) 2.94e-35 Log-verosimilitud -33.58719 Criterio de Akaike 109.1744 Criterio de Schwarz 158.1198 Crit. de Hannan-Quinn 128.7353 rho 0.036754 Durbin-Watson 1.216718
Cuadro 6: Resultados de la regresión depurada de la primera etapa Fuente: Elaboración propia
Los resultados obtenidos para la primera etapa no son concluyentes. La escasa
calidad de las regresiones ha forzado a presentar resultados de los dos procedimientos
explorados, en el caso de la inclusión de los efectos temporales ninguno de los
indicadores seleccionados tiene suficiente capacidad explicativa, a pesar de los elevados
coeficientes de determinación; por el contrario, si excluimos los efectos fijos temporales
ya se puede llegar a algunas conclusiones, aunque lastradas por las deficiencias
apuntadas en la metodología. No se puede descartar que existan otros indicadores
demográficos más adecuados para explicar la EPPA, muy posiblemente sea necesario
recurrir a variables instrumentales que permitan medir el efecto de la natalidad pasada y
de la mortalidad presente y pasada, para obtener regresiones con mejores prestaciones.
3.3.2 Segunda fase: regresiones de los índices de dinámica demográfica frente a
indicadores socioeconómicos
En este subapartado se presentan los resultados de cuatro regresiones auxiliares,
donde se analiza la incidencia sobre los índices dinámica demográfica de indicadores de
carácter socioeconómico. Como se ha comentado oportunamente, se ha optado por el
método de regresión que incluyen efectos fijos individuales y temporales.
Los parámetros estimados para la primera regresión se presentan en el cuadro 7,
desdoblados dos modelos, uno de ellos (modelo 5) versión restringida de la
especificación general (modelo 4). La regresión tiene un gran poder explicativo, tanto a
nivel general como intragrupo, siendo significativos los regresores tasa de paro y
variación de afiliación (nivel de significación del 0,01), y en menor medida la variación
del gasto medio por hogar (al 0,10). Restringimos, por tanto, la regresión a las variables
de mejor comportamiento, en el modelo 5 la tasa de paro sigue siendo significativa al
0,01 y la afiliación sólo lo es al 0,05; centrándonos es esta segunda especificación la
tasa de paro ofrece un resultado esperable en cualquier hipótesis sobre el particular, ya
que una subida del desempleo en un punto minora la relación entre activos jóvenes y
activos viejos en 0,903 puntos. Del mismo modo es coherente el coeficiente
correspondiente a la variación de la afiliación, de tal manera que un incremento en la
contratación en un punto implica un crecimiento de la relación estudiada en 0,478
puntos.
Modelo 4: Efectos fijos, utilizando 76 observacionesSe han incluido 19 unidades de sección cruzada
Largura de la serie temporal = 4 Variable dependiente: REJM
Coeficiente Desv. Típica Estadístico t Valor p
const 124.291 3.66001 33.9592 <0.0001 *** VPIB -0.802598 0.625113 -1.2839 0.2051 VGMH -0.221521 0.117107 -1.8916 0.0643 * TP -0.970233 0.250297 -3.8763 0.0003 *** VASS 0.632132 0.218219 2.8968 0.0056 *** dt_2 -3.59063 2.07457 -1.7308 0.0897 * dt_3 -8.23941 3.58872 -2.2959 0.0259 ** dt_4 -16.1662 3.14538 -5.1397 <0.0001 ***
Media de la vble. dep. 97.57816 D.T. de la vble. dep. 27.47990 Suma de cuad. residuos 478.4502 D.T. de la regresión 3.093381 R-cuadrado MCVF (LSDV) 0.991552 R-cuadrado 'intra' 0.922959 F(25, 50) MCVF 234.7472 Valor p (de F) 1.43e-43 Log-verosimilitud -177.7524 Criterio de Akaike 407.5049 Criterio de Schwarz 468.1039 Crit. de Hannan-Quinn 431.7232 rho 0.135313 Durbin-Watson 1.221536
Modelo 5: Efectos fijos, utilizando 76 observacionesSe han incluido 19 unidades de sección cruzada
Largura de la serie temporal = 4 Variable dependiente: REJM
Coeficiente Desv. Típica Estadístico t Valor p
const 122.004 3.23125 37.7573 <0.0001 *** TP -0.902661 0.245771 -3.6728 0.0006 *** VASS 0.478471 0.212556 2.2510 0.0286 ** dt_2 -2.44789 2.06445 -1.1857 0.2411 dt_3 -4.84713 3.14358 -1.5419 0.1292 dt_4 -16.0727 3.1842 -5.0476 <0.0001 ***
Media de la vble. dep. 97.57816 D.T. de la vble. dep. 27.47990 Suma de cuad. residuos 525.3076 D.T. de la regresión 3.178375 R-cuadrado MCVF (LSDV) 0.990725 R-cuadrado 'intra' 0.915414 F(23, 52) MCVF 241.4940 Valor p (de F) 6.05e-45 Log-verosimilitud -181.3029 Criterio de Akaike 410.6057 Criterio de Schwarz 466.5433 Crit. de Hannan-Quinn 432.9611 rho 0.155380 Durbin-Watson 1.158552
Cuadro 7: Regresiones respecto a la Relación entre activos jóvenes y activos viejos. Fuente: Elaboración propia
El cuadro 8 refleja la regresión de la tasa de movilidad de la población en
relación con las variables socioeconómicas seleccionadas para este trabajo. Hemos
denominado como modelo 6 a la regresión completa, y modelo 7 la restringida a los
regresores significativos estadísticamente. El coeficiente de determinación sigue siendo
elevado, aunque su versión intragrupo ya desciende a cotas relativamente bajas (0,706
en la versión completa, 0,694 en la restringida). Los coeficientes significativos, todos
ellos a un nivel de confianza del 0,99, son la variación de producto interior bruto y la
variación de la afiliación. La variación del producto interior bruto tiene un efecto
positivo, de tal manera que una variación positiva de un punto en el volumen de
producción implica una variación igualmente positiva de 0,16 puntos en la tasa de
movilidad; por el contrario, el crecimiento del número de cotizantes en la seguridad
social se acompaña de un menor porcentaje conjunto de emigrantes e inmigrantes
(concretamente, un punto porcentual positivo de variación de afiliados a la seguridad
social implica una caída de 0,117 puntos en la tasa de movilidad de la población). El
problema para la interpretación de estos resultados no es estadístico, sino conceptual, ya
que la tasa de movilidad es el porcentaje sobre la población media en un periodo
temporal de la suma de emigrantes e inmigrantes (sean interregionales, sean
internacionales), dificultando interpretaciones inequívocas.
Modelo 6: Efectos fijos, utilizando 76 observacionesSe han incluido 19 unidades de sección cruzada
Largura de la serie temporal = 4 Variable dependiente: TMOV
Coeficiente Desv. Típica Estadístico t Valor p
const 3.79541 0.284737 13.3295 <0.0001 *** VPIB 0.139082 0.0486318 2.8599 0.0062 *** VGMH -0.00863309 0.00911053 -0.9476 0.3479 TP -0.0212477 0.0194723 -1.0912 0.2804 VASS -0.115175 0.0169767 -6.7843 <0.0001 *** dt_2 0.265796 0.161395 1.6469 0.1059 dt_3 0.399941 0.279191 1.4325 0.1582 dt_4 0.347466 0.244701 1.4200 0.1618
Media de la vble. dep. 3.708158 D.T. de la vble. dep. 1.484620 Suma de cuad. residuos 2.895750 D.T. de la regresión 0.240655 R-cuadrado MCVF (LSDV) 0.982483 R-cuadrado 'intra' 0.706373 F(25, 50) MCVF 112.1724 Valor p (de F) 1.07e-35 Log-verosimilitud 16.32527 Criterio de Akaike 19.34947 Criterio de Schwarz 79.94853 Crit. de Hannan-Quinn 43.56778
rho -0.045404 Durbin-Watson 1.506249
Modelo 7: Efectos fijos, utilizando 76 observacionesSe han incluido 19 unidades de sección cruzada
Largura de la serie temporal = 4 Variable dependiente: TMOV
Coeficiente Desv. Típica Estadístico t Valor p
const 3.49053 0.100989 34.5636 <0.0001 *** VPIB 0.158424 0.0464511 3.4106 0.0013 *** VASS -0.117411 0.01623 -7.2342 <0.0001 *** dt_2 0.166357 0.106028 1.5690 0.1227 dt_3 0.257381 0.209178 1.2304 0.2241 dt_4 0.136803 0.126936 1.0777 0.2861
Media de la vble. dep. 3.708158 D.T. de la vble. dep. 1.484620 Suma de cuad. residuos 3.021029 D.T. de la regresión 0.241033 R-cuadrado MCVF (LSDV) 0.981725 R-cuadrado 'intra' 0.693670 F(23, 52) MCVF 121.4514 Valor p (de F) 2.51e-37 Log-verosimilitud 14.71584 Criterio de Akaike 18.56832 Criterio de Schwarz 74.50592 Crit. de Hannan-Quinn 40.92369 rho -0.098095 Durbin-Watson 1.657008
Cuadro 8: Resultados para las regresiones contra la tasa de movilidad. Fuente: Elaboración propia.
Las ambigüedades que propicia la tasa de movilidad se resuelve
conceptualmente atendiendo a los saldos migratorios, variable que según su signo
implican ganancias o pérdidas de población. La primera es el saldo migratorio exterior
(cuadro 9), porcentaje sobre la población media del resultado de detraer la emigración a
la inmigración (en este caso hacia o desde el extranjero). En esta ocasión el análisis ha
sido insatisfactorio, la capacidad explicativa de las variables seleccionadas cae en
relación a otras regresiones, tanto en términos generales como a nivel intragrupo, lo que
implica la existencia de otros indicadores más adecuados para evaluar este fenómeno
demográfico. Ninguna variable explicativa causal es significativa a los niveles de
significación estadística usuales, y únicamente las variables ficticias temporales lo son,
lo que implica la existencia de fuertes contrastes en el tiempo en consonancia con las
vicisitudes de la crisis económica.
Modelo 8: Efectos fijos, utilizando 76 observacionesSe han incluido 19 unidades de sección cruzada
Largura de la serie temporal = 4 Variable dependiente: SME
Coeficiente Desv. Típica Estadístico t Valor p
const 0.39796 0.283074 1.4058 0.1660 VPIB 0.0176433 0.0483478 0.3649 0.7167 VGMH -0.00122832 0.00905732 -0.1356 0.8927 TP 0.0243699 0.0193586 1.2589 0.2139
VASS 0.0200623 0.0168776 1.1887 0.2402 dt_2 -0.843482 0.160452 -5.2569 <0.0001 *** dt_3 -1.15947 0.277561 -4.1774 0.0001 *** dt_4 -1.22333 0.243272 -5.0286 <0.0001 ***
Media de la vble. dep. 0.070789 D.T. de la vble. dep. 0.472141 Suma de cuad. residuos 2.862021 D.T. de la regresión 0.239250 R-cuadrado MCVF (LSDV) 0.828814 R-cuadrado 'intra' 0.784125 F(25, 50) MCVF 9.683180 Valor p (de F) 9.25e-12 Log-verosimilitud 16.77047 Criterio de Akaike 18.45905 Criterio de Schwarz 79.05812 Crit. de Hannan-Quinn 42.67737 rho -0.196416 Durbin-Watson 1.847651
Cuadro 9: Regresión contra el saldo migratorio exterior Fuente: Elaboración propia
Para los saldos interregionales (cuadro 10) la regresión planteada ofrece
resultados más satisfactorios en términos de significación estadística, pero con una
capacidad explicativa aún menor que en el caso anterior, volviendo a plantear
interrogantes sobre si es necesario buscar una especificación alternativa con otro tipo de
regresores. Los coeficiente de determinación son llamativamente bajos, al menos en
relación a regresiones anteriores, y caen a cifras ciertamente parcas a nivel intragrupo
(0,448 en el modelo general, 0,386 en el restringido). La estimación presente
coeficientes significativos, lo que ha propiciado desarrollar dos modelos: el general
(modelo 9) y el restringido (modelo 10): la variación del producto interior bruto es
significativa al 0,01, la tasa de paro al 0,05 y el gasto medio por hogar al 0,10.
Tomamos para el modelo 10 como regresores a los dos primeros, repitiéndose su grado
de significación. Los coeficientes ofrecen una relación positiva entre crecimiento del
PIB y el saldo migratorio interregional: un crecimiento de un punto del producto interior
bruto implica el crecimiento en 0,40 puntos del saldo migratorio, o lo que es lo mismo,
acrecientan la inmigración neta. La relación se invierte en lo que hace referencia a la
tasa de paro, de tal manera que el crecimiento de la desocupación laboral reduce dicho
saldo, propiciando pérdidas de población por este capítulo. Todo lo señalado al hablar
de los coeficientes del modelo 10 es coherente, reflejando la dinámica esperada de
flujos internos de población hacia las regiones con tejido económico más dinámico y
mercado laboral más saneado.
Modelo 9: Efectos fijos, utilizando 76 observacionesSe han incluido 19 unidades de sección cruzada
Largura de la serie temporal = 4 Variable dependiente: SMI
Coeficiente Desv. Típica Estadístico t Valor p
const 0.375149 0.24348 1.5408 0.1297 VPIB 0.158946 0.0415853 3.8222 0.0004 *** VGMH -0.013328 0.00779045 -1.7108 0.0933 * TP -0.0423876 0.0166508 -2.5457 0.0140 ** VASS -0.0145752 0.0145169 -1.0040 0.3202 dt_2 0.478121 0.138009 3.4644 0.0011 *** dt_3 1.13104 0.238738 4.7376 <0.0001 *** dt_4 0.436501 0.209245 2.0861 0.0421 **
Media de la vble. dep. 0.053289 D.T. de la vble. dep. 0.303558 Suma de cuad. residuos 2.117380 D.T. de la regresión 0.205785 R-cuadrado MCVF (LSDV) 0.693625 R-cuadrado 'intra' 0.444756 F(25, 50) MCVF 4.527953 Valor p (de F) 2.80e-06 Log-verosimilitud 28.22172 Criterio de Akaike -4.443446 Criterio de Schwarz 56.15562 Crit. de Hannan-Quinn 19.77487 rho -0.145664 Durbin-Watson 1.647387
Modelo 10: Efectos fijos, utilizando 76 observacionesSe han incluido 19 unidades de sección cruzada
Largura de la serie temporal = 4 Variable dependiente: SMI
Coeficiente Desv. Típica Estadístico t Valor p
const 0.403118 0.249799 1.6138 0.1126 VPIB 0.153582 0.0421657 3.6423 0.0006 *** TP -0.0403309 0.0170349 -2.3676 0.0217 ** dt_2 0.440683 0.126196 3.4921 0.0010 *** dt_3 1.13313 0.234135 4.8397 <0.0001 *** dt_4 0.310044 0.184904 1.6768 0.0996 *
Media de la vble. dep. 0.053289 D.T. de la vble. dep. 0.303558 Suma de cuad. residuos 2.340980 D.T. de la regresión 0.212176 R-cuadrado MCVF (LSDV) 0.661271 R-cuadrado 'intra' 0.386121 F(23, 52) MCVF 4.413704 Valor p (de F) 4.52e-06 Log-verosimilitud 24.40689 Criterio de Akaike -0.813778 Criterio de Schwarz 55.12382 Crit. de Hannan-Quinn 21.54159 rho -0.193637 Durbin-Watson 1.724639
Cuadro 10: Regresión del saldo migratorio interregional frente a variables socioeconómicas Fuente: Elaboración propia
Discusión
En este apartado se han aplicado técnicas tomadas de la econometría para medir
la incidencia sobre el envejecimiento de la PPA de algunos procesos demográficos y
socioeconómicos. Esto implicó un esquema de trabajo jerarquizado, por una parte
regresamos sobre la tasa de envejecimiento de la PPA una serie de variables
representativas de la dinámica demográfica, una reflejo de dinámicas vegetativas
pasadas y presentes (relación entre potenciales activos de entre 15 y 24 años y
potenciales activos de más de 55 años), las otras tres distintas mediciones del fenómeno
migratorio. Las especificaciones se basaban en una estructura de panel, que consideraba
datos procedentes de las comunidades y ciudades autónomas españolas para cuatro
periodos de tiempo diferentes. Los resultados fueron poco satisfactorios, pues a pesar de
la presunta capacidad explicativa del modelo los coeficientes estimados no resultaron
significativos estadísticamente.
Mejores resultados se obtuvieron en el siguiente escalón analítico. En este nuevo
escalón se pretendía medir la incidencia de distintas variables económicas y sociales
sobre los indicadores seleccionados para describir la dinámica demográfica. Se ha
seguido con la estructura de panel, y, al igual que en la regresión de la primera etapa, se
han empleado procedimientos de efectos fijos, incluyendo variables ficticias temporales.
Salvo para la regresión que toma el saldo migratorio exterior como dependiente,
obtenemos algunos estimadores significativos entre los que destaca la tasa de paro, la
variación de la afiliación en la Seguridad Social y, sorprendentemente desde mi punto
de vista, de la variación del Producto Interior Bruto. Este último aspecto merece algunos
apuntes, el crecimiento del PIB es indudable que tiene una influencia positiva en la
demografía, aunque esta influencia tendría una repercusión con cierto retardo, no
simultánea ni inmediata; dicho de otro modo, debería tener un impacto menos evidente
que otras variables como la variación de la afiliación (en algún de los modelos
estimados se ha encontrado que la repercusión de este último indicador es, incluso,
contraria al esperado a priori).
Los resultados obtenidos aconsejan mejoras adicionales sustanciales, en especial
en dos aspectos concretos. En primer lugar, modificar la especificación de los modelos
relativos al envejecimiento de la PPA, bien excluyendo alguna de las variables
explicativas propuestas y/o incorporando otras nuevas, para lograr mejores estimadores
para explicar la variación de la tasa de envejecimiento. En segundo lugar, mejorar el
calibrado en la introducción de la variación del PIB como regresor de los componentes
de dinámica demográfica (v.g. recurrir a retardos en vez de datos contemporáneos a las
fechas seleccionadas). En tercer lugar, solucionar los problemas de interpretación de los
coeficientes asociados a la variación de la afiliación a la Seguridad Social, una causa es
la fuerte presencia de la contratación temporal y/o a tiempo parcial, por lo que podría
ser buena idea intentar discriminar las altas por contratos indefinidos. Finalmente, la
modelización del saldo migratorio externo no ha dado resultados satisfactorios, quizás
sea necesario un tratamiento particularizado respecto a los demás modelos.
4. Conclusiones
Los primeros años del presente siglo se ha caracterizado por la afluencia de una
corriente sin precedentes de inmigrantes procedentes del exterior que, debida a las
edades dominantes entre ellos, ha amortiguado el proceso de envejecimiento a lo largo
de las décadas finales de la pasada centuria. La crisis de 2008 ha frenado estas
repercusiones tan positivas en las estructuras de edad atribuibles en gran medida a los
inmigrantes, muchos de ellos de vuelta a sus países de origen o reemigrando a otros
destinos. Las cifras apuntan a ello, tanto en el conjunto de la población como en el
grupo de edades de donde procede la fuerza de trabajo, la población activa.
En esta comunicación se ha reunido información procedente de las distintas
regiones españolas, pues existen evidentes diferencias entre ellas en términos de
envejecimiento; y en distintos momentos de tiempo, pues la crisis ha seguido distintas
fases lo que, previsiblemente, pueda dar lugar a diferencias coyunturales en
determinadas variables que se han entendido como relevantes, por lo menos a priori.
Con esta información, se ha procedido a un análisis de regresión, empleando la
técnica de efectos fijos, adicionado variables ficticias temporales. Las conclusiones
sobre qué factores entre los seleccionados poseen un peso significativo sobre el
envejecimiento de la PPA, desgraciadamente no se han llegado a una conclusión clara.
También se ha pretendido ver qué factores socioeconómicos, de nuevo entre los que se
han seleccionado en este trabajo, tiene un peso más relevante sobre cada indicador de la
dinámica demográfica. En este último punto se ha llegado a conclusiones significativas,
destacando el crecimiento económico, la afiliación de trabajadores en la Seguridad
Social y la tasa de desempleo, en mayor o menor medida según el aspecto de la
dinámica demográfica contemplado. Finalmente, el saldo migratorio exterior, a pesar de
la generalización de saldos negativos claros, no encontramos influencia significativa de
las variables seleccionadas.
Bibliografía
Arellano, M. (1992), Introducción Al análisis econométrico con datos de panel, Banco
de España, documento de trabajo nº 9222.
Casado Marín, D. (2001), “Los efectos del envejecimiento demográfico sobre el gasto
sanitario: mitos y realidades”. Gaceta Sanitaria, vol. 15 (2), p. 154-163.
Castro Martín, T. (2010): “¿Puede la inmigración frenar el envejecimiento de la
población española?”. ARI. Área: Demografía y Población, nº 40.
CEOE (2016): El envejecimiento de la población española y sus efectos en el mercado
laboral español, Informes y Estudios, Madrid.
García, J. R. (2011): “Desempleo juvenil en España: causas y soluciones”, Documentos
de Trabajo BBVA Research. Análisis Económico, nº 11/30.
García Díaz, M. A. y Serrano Pérez, F. (2004): “Envejecimiento de la población,
crecimiento económico y pensiones públicas en España”, Información Comercial
Española, nº 815, p. 175-183.
López González, A. y Aldrey Vázquez, J. A. (2014): “Inmigración y distribución de la
población anciana en España (2002-2011): una aproximación desde la escala
municipal”, Estudios Geográficos, vol. LXXV (277), p. 619-648.
Montero, R. (2011): Efectos fijos o aleatorios: tests de especificación. Documentos de
Trabajo en Economía Aplicada. Universidad de Granada, Granada.
Pérez Díaz, J. (2005): “Consecuencias sociales del envejecimiento demográfico”,
Papeles de Economía Española, nº 104, p. 210-226.
Torres Degró, A. (2010): “Envejecimiento demográfico: un acercamiento a los métodos
cuantitativos”, CIDE Digital, vol. 1 (2), p. 47-76.