- Nada es Gratis - https://nadaesgratis.es -

Geografía, actividad económica y movilidad laboral (II)

Por Antonia Díaz (@AntoniaDiazRod), Álvaro Jáñez y Felix Wellschmied

En nuestro post anterior habíamos revisado someramente las grandes cuestiones en geografía económica y movilidad. En este post pasamos a resumir los resultados principales de nuestro trabajo Díaz, Jáñez y Wellschmied (2023).

Recordemos que nuestro análisis está motivado por las grandes diferencias económicas entre regiones, entre las que se encuentran las grandes disparidades en su tasa de paro, como muestra (de nuevo) la Ilustración 1.

Ilustración 1: Tasa de paro en las Grandes Áreas Urbanas (> 50.000 habitantes) en España

En nuestro post anterior también señalamos que las Áreas Urbanas con menos paro tienen más habitantes, tienen una mayor densidad de población, los trabajadores tienen un salario anual más alto y el coste de la vida (usando como indicador el coste de la vivienda) es más alto también. Los interesados pueden inspeccionar la Tabla 1 del documento de trabajo o del post anterior.

Antes de lanzarnos a elaborar una hipótesis creímos conveniente indagar en otro factor importante: la movilidad entre Áreas Urbanas. Los Censos permiten identificar a aquellas personas que llegaron a su Área de residencia durante los 10 años comprendidos entre el censo actual y el previo y su Área de residencia anterior. De esta manera podemos calcular “tasas de acceso” (flujos de entrada como porcentaje de la población de la GAU) y “tasas de separación” (flujos de salida). Es decir, miramos a los flujos brutos. La razón es que los flujos netos no son muy grandes, pero esconden mucha movilidad. Esto ocurre también en otros países (véase, por ejemplo, Coen-Pirani 2010 para Estados Unidos). Y aquí encontramos pautas muy interesantes.

Ilustración 2: Tasas de entrada y salida en áreas urbanas ordenadas por su tasa de paro. Individuos entre 25-35 años.

 

 

 

 

 

La Ilustración 2 muestra las tasas de entrada y salida de los jóvenes. Vemos que los jóvenes se van de todos lados (la tasa de separación es plana respecto a la tasa de paro del lugar de salida) pero que, preferentemente, se van (acceden) a las Áreas con una tasa de paro baja. Y es que ya sabemos que los jóvenes quieren largarse de casa sea esta rica o pobre pero, en neto, se van a las grandes Áreas con poco paro, alta densidad, sueldos y precios de vivienda altos.

Ilustración 3: Tasas de entrada y salida en áreas urbanas ordenadas por su tasa de paro. Individuos entre 50-80 años.

 

 

 

 

 

La Ilustración 3 muestra que el comportamiento de trabajadores mayores y jubilados es al revés: se van a Áreas de todo tipo, pero preferentemente, dejan aquellas que tienen una tasa de paro menor y son más caras. Es decir, vuelven a su pueblo o se van a la playa, pero fundamentalmente se van de áreas con poco paro y alto coste de la vida. Por último, los flujos de las personas en plena madurez están a caballo entre los jóvenes y los mayores (véase la Ilustración 3) lo que siguiere un mayor componente idiosincrático en su decisión de emigrar y a dónde ir. Por cierto, cuando miramos los flujos por nivel educativo no vemos pautas claras: los jóvenes quieren venir a Madrid independientemente de su nivel educativo. Análogamente pasa con el resto de las edades. Esta es una observación que nos parece especialmente importante a la hora de proponer una teoría. Las pautas asociadas al ciclo vital nos llevaron a analizar con más profundidad las características de los mercados de trabajo locales.

Ilustración 4: : Tasas de entrada y salida en áreas urbanas ordenadas por su tasa de paro. Individuos entre 36-49 años.

 

 

 

 

 

Para ello, acudimos a la Muestra Continua de Vidas Laborales y a la EPA y estudiamos las historias laborales de las personas clasificándolas por su Área de residencia. Estimamos un modelo empírico análogo al de De la Roca y Puga (2017) diferenciando las Áreas Urbanas, no por densidad de población, como hacen ellos, sino por tasa de paro. Y obtuvimos resultados muy interesantes, que se muestran en la Tabla 1 abajo. Como era de esperar los salarios aumentan con la experiencia laboral. Pero, y esto es lo significativo, el Área donde se trabaja importa. De dos maneras. Hay un efecto estático: el salario medio en un Área del tercil superior (el tercil con menor tasa de paro) es un 9.1% superior que el salario medio en un Área del tercil inferior. Pero, además, hay un efecto dinámico: el aumento del salario al acumular experiencia laboral es mayor en las Áreas con menor tasa de paro. En particular un año extra de experiencia laboral en un Área del primer tercil aumenta el salario medio anual en un 1.15% (respecto a trabajar en el tercil inferior). Esto es importante porque estamos hablando de experiencia que no se pierde al cambiar de trabajo.

Tabla 1: Estimación de la Ecuación de Salarios

Por último, estudiamos los flujos de entrada y salida del empleo al paro (y de empleo a empleo) en Áreas Urbanas clasificadas por su tasa de paro. De nuevo, los datos son reveladores (véase en la tabla de abajo). Un Área del tercil superior (pongamos que hablamos de Madrid) no solo tiene una tasa de paro menor que un Área del tercil inferior (digamos Cádiz). Tiene, además, una tasa menor de destrucción de empleo y una tasa mayor de creación de puestos de trabajo. La fracción de trabajadores que cambian directamente de un trabajo a otro es mayor. Y el porcentaje de trabajadores que, al cambiar de empleo, sufren una reducción salarial es menor (los detalles se encuentran en las Tablas 2 y 3 del trabajo – 1 y 2 aquí). Es decir, las Áreas con menos paro tienen mercados de trabajo más dinámicos. Algo sabido, pero que conviene poner en el contexto de nuestra pregunta de investigación.

Tabla 2: Estadísticos de los mercados de trabajo de las GAUs en España

Con todos estos datos elaboramos una hipótesis que formalizamos en un modelo estructural de equilibrio espacial, donde los agentes, a lo largo de su vida, sufren los avatares del mercado laboral (encuentran empleo, lo pierden, cambian de trabajo y, finalmente se jubilan). Según nuestra teoría, los agentes pueden tener posibilidad de emigrar de su área de residencia a otra y esta posibilidad puede venir acompañada de una oferta de trabajo. Los jóvenes tienen incentivos a emigrar a las “buenas” áreas porque no solo su salario es mayor sino porque su productividad (su salario futuro) aumenta más con la experiencia. No solo eso, sino que, al tener un mercado de trabajo más activo (mas competitivo), pierden su empleo con menor probabilidad, encuentran otro trabajo antes y, por tanto, acumulan más experiencia. Más aún, trabajar en un área dinámica (“buena”) permite tener más oportunidades de buenos trabajos en todo el espectro geográfico. Para alguien joven, emigrar a un área dinámica es una inversión rentable. Por el contrario, los trabajadores ya maduros y los jubilados, si pueden emigrar, prefieren hacerlo a áreas menos congestionadas donde el coste de la vida es menor. Los primeros porque, al final de su vida laboral, ya no tienen muchas expectativas de aumentar su experiencia y los últimos porque ya no trabajan. Es decir, jóvenes y viejos tienen incentivos a emigrar a diferentes sitios y por diferentes razones. Los jóvenes, quieren ir a las grandes ciudades a acumular experiencia y productividad. Los mayores, que se llevan su experiencia y productividad o su pensión bajo el brazo, buscan áreas con menor coste de la vida. Creemos que esta expectativa de cambio a lo largo del ciclo vital tiene que ser incorporada en un buen modelo de movilidad geográfica, combinada seguramente con la posibilidad de costes de la movilidad cambiantes.

Entonces nuestra teoría ¿es sorting o agglomeration? Pues ni una cosa ni la otra, al menos no de forma directa. Según nuestra teoría, el tamaño, la densidad y la productividad media de los trabajadores residentes son una consecuencia de ese diferente dinamismo de los mercados de trabajos locales. Endógenamente produce un sorting dado que trabajar en un área dinámica permite acumular más productividad y también produce aglomeración porque favorece la difusión del conocimiento.

La calibración de nuestro modelo estructural para justificar los patrones de movilidad observados y los perfiles de las GAUs en España nos permite inferir, de manera indirecta, los costes de la movilidad. Emigrar es costoso e infrecuente. No solo tiene un coste pecuniario y de utilidad. Hay también “fricciones”, costes de búsqueda de oportunidades que dependen de flujos informacionales. Estas “fricciones” hacen que no todos los días se nos presente una oportunidad de emigrar a otra ciudad. Hay, también variedad de preferencias geográficas. ¿Es esto importante? En nuestro modelo básico el coste pecuniario total de emigrar es 1.5 veces el salario anual. Si eliminamos esas fricciones para emigrar y variedad de preferencias hay que elevar el coste pecuniario a 5.2 veces el salario anual para que nuestra teoría reproduzca el tamaño medio de los flujos migratorios observados, aunque lo hace al coste de producir demasiada emigración de jóvenes (comparado con los datos). ¿Por qué enfatizamos este resultado? La estimación de estos costes es fundamental para evaluar los efectos de cualquier política. En resumen, nuestro modelo nos dice que tales fricciones migratorias nos permiten reducir estos costes pecuniarios considerablemente, ayuda a replicar mejor los datos, y tienen importantes repercusiones en términos de políticas públicas.

Nuestra teoría nos dice, por ejemplo, que alguien que comience su vida laboral en Cádiz ganará en términos esperados, a lo largo de su vida un 17% menos que alguien que empieza, con iguales características, en Madrid. ¿Podemos diseñar políticas que disminuyan ese diferencial? Supongamos que queremos subvencionar el gasto en vivienda a los jóvenes que viven en sitios como Madrid. Sorprendentemente (al menos, para nosotros) esta política tiene un impacto marginal sobre la movilidad de los jóvenes y no reduce el coste de empezar la vida laboral en áreas menos dinámicas. Esto es así por dos razones: esa subvención aumenta la demanda y los precios en Madrid. Esto, de rebote, hace que aumenten los flujos de trabajadores mayores y jubilados hacia áreas menos dinámicas y, por tanto, más baratas, aumentando la congestión y los precios en ellas. Y es que es muy difícil eliminar el coste de empezar la vida laboral en el sitio equivocado exclusivamente con políticas que afectan a la demanda de trabajo. De hecho, dadas esas diferencias entre mercados de trabajos locales, la única política que elimina parte de ese 17% de diferencial consiste en compensar (en el modelo, por simplicidad, la compensación toma la forma de un subsidio) a los que viven en áreas menos favorecidas.

Este último resultado puede sorprender a los estudiosos de Urban Economics, quienes a menudo desaconsejan dar subsidios a quienes viven en áreas desfavorecidas porque eliminarían los incentivos a emigrar. Nuestra teoría, donde las oportunidades de emigrar no se presentan todos los días, nos dice que esos incentivos a emigrar no desaparecen, y que el subsidio ayuda a paliar el gran diferencial en oportunidades. En el documento de trabajo también analizamos otras políticas como, por ejemplo, reducir la inestabilidad laboral, entendida como la rotación de un trabajo a otro que se produce en España (muy probablemente por el peso tan grande de la temporalidad). Pues bien, esta política, aunque buena para todos, sigue sin reducir ese diferencial de renta esperada entre un madrileño y un gaditano. Y la razón es que al mejorar la estabilidad laboral, aumenta la capacidad de acumular experiencia y productividad al no ir cambiando de un trabajo a otro, y ésta, la productividad, donde crece más rápido es en las áreas con mercados de trabajo dinámicos (donde se encuentra trabajo fácilmente). Por tanto, reducir la desigualdad de oportunidades por razón de geografía es algo muy difícil. La pregunta sigue siendo ¿por qué hay tantas diferencias geográficas entre mercados de trabajo? Further research