La estacionalidad en la afiliación a la Seguridad Social

Por Luis Puch y Jesús Ruiz (ICAE-UCM)

Uno de los culebrones económicos del verano (uno pequeño, eso sí, porque los grandes no han sido pocos: el energético y qué hacer con el gas, el de la inflación y los tipos de interés, …, la versión de todo junto), ha venido siendo el del dato mensual de afiliación a la Seguridad Social ajustado de estacionalidad. En agosto, por el dato del mes de julio: se publicó un aumento en 9.104 cotizantes en términos desestacionalizados, y esto, a pesar de que por primera vez se destruyó empleo en julio, concretamente en 7.366 afiliados menos. Hoy hemos sabido que la afiliación de agosto ajustada de estacionalidad ha aumentado en 62.135 afiliados, aunque el dato original muestra una caída de 189.963. Aunque parezca mucho, esto de agosto está en línea con lo previsto por el Ministerio a mitad de mes, y es perfectamente consistente con lo que es habitual. Lo que quizá no estaba tan previsto es la caída en algo más de 400.000 cotizantes en agosto en datos diarios (ojo, no tan distinta de otros agostos), y que nos deja con una pérdida de cerca de 600.000 afiliados respecto al máximo de la serie el 20 de junio. Un asunto grave, este del gran número de altas y bajas en datos diarios, con muchas implicaciones, incluidas las que tendrá en su momento para una correcta evaluación de los efectos de la reforma laboral.

Pero volvamos al argumento de la estacionalidad, que lo de los datos diarios y la reforma laboral son asuntos de otro post. Y es que hasta tal punto el del ajuste estacional ha sido culebrón, que el Ministerio y el propio ministro de Inclusión, Seguridad Social y Migraciones se han entregado con gran prosopopeya (y después de unos cuantos rifirrafes) a la explicación en redes sociales de la bondad (“genérica”) de los ajustes estacionales. Dichos ajustes, que realizados de manera estándar y en condiciones normales (nunca mejor dicho) no tienen mayor misterio, pueden dar lugar a efectos paradójicos como consecuencia de un shock tan importante como el provocado por el confinamiento durante la Covid, y sus ecos posteriores. Esto hace que siga siendo difícil separar el efecto de la estacionalidad del efecto de la pandemia, que se acompaña, además ahora, desde el verano de 2021, por los efectos económicos de los preparativos de la invasión de Ucrania y la crisis energética que dicha invasión ha provocado en Europa. Vamos a ello.

Antecedentes

Como los lectores de NeG saben, con nuestros coautores (Conde-Ruiz, Manu García y Laurentiu Guinea) hemos venido siguiendo la afiliación a la Seguridad Social desde antes de la pandemia. Lo hemos hecho para mejorar nuestra comprensión de la relación entre la posición cíclica de la economía española y los efectos de calendario en los datos diarios de altas y bajas de afiliación. El 15 de septiembre de 2020 publicamos una entrada advirtiendo de las dificultades para extraer información adecuada de los datos ajustados de estacionalidad después de un shock tan importante como el de la Covid. Los principales mensajes entonces fueron: i) que no había nada extraordinario en los resultados de ajuste estacional que publicaba el Ministerio, como no podía ser de otra manera si se usan métodos estándar; ii) que dichos métodos estándar seguramente eran los indicados para el momento, pero las circunstancias aconsejaban una especial cautela en la interpretación de los resultados; y iii) que una mejor interpretación de los resultados podría haber exigido en el medio plazo algún desarrollo metodológico complementario a la desestacionalización más estándar o en su defecto, un esfuerzo de transparencia en los métodos para evitar suspicacias ante resultados paradójicos.

Después de casi dos años podemos confirmar que, en efecto, i) los métodos estándar dan lo que dan, y salvo por pequeñas desviaciones y algún detalle que comentamos a continuación, seguimos produciendo desde ICAE una serie ajustada de estacionalidad muy próxima a la que publica el ministerio; ii) que la cautela en las interpretaciones ha brillado por su ausencia, nos parece, y se ha puesto un énfasis excesivo en datos puntuales ajustados de estacionalidad cuando estos eran favorables. Peor aún, en algunos casos se ha tendido a ignorar evidencia adicional relevante y complementaria que podía haber sugerido especial cautela, como la que proporciona el propio dato original o la evolución de los datos diarios de afiliación, y iii) que no se ha hecho nada por desarrollar métodos alternativos para mejorar la interpretación de los resultados que se alcanzan con el ajuste estacional estándar (véase un intento aquí). Algo de lo que los gestores de la política económica podían haberse hecho eco. Quizá incluso “contratar” análisis de frontera (algo que parece imposible por la rigidez que encuentra la Administración para solicitar colaboraciones académicas –adecuadas por independientes), y con ello publicar resultados y favorecer el debate.

En definitiva, sí, es muy conveniente analizar los datos ajustados de estacionalidad. Sin embargo, un primer paso adecuado para mejorar la interpretación económica sería reconocer que la configuración actual de los datos de series temporales, como consecuencia de la pandemia y sus efectos económicos, no es la más adecuada para un buen ajuste. De este modo, el análisis y su interpretación servirían para clarificar en vez de para oscurecer los datos.

El resultado

La Figura 1 muestra la evolución del número de afiliados en niveles (trazo azul) y su desestacionalización: en rojo la serie que se publica (Ministerio), y en verde discontinuo la serie que hemos calculado (ICAE). Claramente, desde el inicio de la pandemia y hasta agosto de 2022 no hay diferencias significativas en términos desestacionalizados. Es particularmente destacable el suave patrón de ambas series desestacionalizadas hasta la pandemia (las series completas hacia el pasado ya las habíamos discutido en el primer post . Una suavidad que se perdió y empieza a recuperarse (o no), y esa es precisamente la crítica: hacer como si nada hubiera pasado y pudiéramos seguir interpretando como antes de la pandemia.

Figura 1. Serie mensual de afiliación a la Seguridad Social en niveles y su desestacionalización, año a año desde 2019.

Para precisar la crítica hará falta algo de formalización, sin duda. En la sección siguiente describimos la especificación a la que hemos llegado en nuestro ajuste estacional. Para despertar el interés en los detalles, que describimos después, examinamos ahora las diferencias más significativas. Así, la Figura 2 muestra las variaciones absolutas mensuales (de nuevo el dato original, en azul), junto a la serie desestacionalizada publicada por el ministerio (rojo) y la serie desestacionalizada que calculamos nosotros en ICAE (verde).

Figura 2. Variaciones absolutas mensuales en la afiliación a la Seguridad Social y en sus ajustes estacionales, año a año desde 2019.

Lo primero que se observa, claramente ilustrado aquí para los datos de 2019, es que, como es bien sabido, el ajuste estacional supone un suavizado de la serie que presenta los patrones estacionales. Sin embargo, a partir de la pandemia los cambios en el patrón han sido más que evidentes. La primera diferencia destacable entre las series desestacionalizadas (que se mueven a la vez) y el dato original ocurre en agosto de 2020. Ya hubo suspicacias entonces, porque la variación en el dato desestacionalizado fue muy positiva, y de ahí nuestro post de septiembre 2020. Nótese que es un positivo que se parece al de antes de la Covid, pero es distinto. La segunda observación es que los datos originales de 2021 ya empiezan a parecerse con matices a los de 2019, y con ello, el ajuste estacional tiende a estabilizarse hasta llegar a lo que venimos observando a 2022. Ahora habrá que ver qué pasa de aquí a fin de año. De momento, agosto vuelve a ser el típico atípico frente a la serie original, y la brecha estacional entre ICAE y Ministerio en este mes se ha hecho más evidente por primera vez. De hecho, la novedad es que, en 2022, ICAE ha estado ligera pero más claramente por encima de Ministerio toda la primera parte del año, y viene estando por debajo en junio y agosto. ¿Qué ha pasado? Vayamos primero con los detalles desde nuestro lado.

La especificación

Como ya explicamos en septiembre de 2020, todo parece indicar que el ajuste estacional que realiza el Ministerio se sigue obteniendo como entonces, esto es, tras especificar seis variables fijas (dummy): una para cada uno de los meses de la pandemia desde marzo de 2020. Esta intervención se implementa en un modelo univariante para la serie de afiliación con una diferencia regular y una diferencia estacional. El efecto de las dummies, que para cada mes se concreta en un impulso en primeras diferencias (es decir, un escalón en el nivel de la variable), se descuenta de la serie diferenciada para recuperar la serie en niveles neta del efecto de la Covid-19 (es decir, neta de los valores atípicos). Es a esta serie neta del efecto Covid a la que se aplica la desestacionalización (nosotros usamos TRAMO/SEATS, pero las alternativas no harán gran diferencia), que identifica y estima los componentes típicos de la serie temporal: tendencial, cíclico, irregular y estacional.

Una vez especificado el modelo univariante de la serie neta de atípicos y del componente estacional, se agrega el efecto de las dummies (el efecto Covid), en las unidades de la serie desestacionalizada en niveles y a partir de ahí sus variaciones absolutas mensuales. Todo muy estándar, y los detalles pueden verse aquí. Por eso con este procedimiento que hemos descrito obtenemos prácticamente la misma serie que ha publicado el Ministerio, como muestran hoy la Figura 1 en niveles, y la Figura 2 en variaciones absolutas. Es posible, sin embargo, que desde los últimos meses, por la crisis energética, algo esté cambiando.

¿Qué pasó en julio?

La novedad ahora es que ha llegado la crisis energética asociada a la invasión de Ucrania. Eso ha resultado en que hemos encontrado por primera vez otra dummy significativa: la de junio de 2022. Es decir, hay un nuevo atípico en la serie de afiliación que es necesario tratar. Cuando lo hacemos, resulta que el dato de julio ajustado de estacionalidad implica una pérdida de unos 25.000 afiliados, lejos (o no, luego más sobre esto), del aumento en 9.104 cotizantes que publicó el Ministerio. Este asunto trajo gran polémica a principio de agosto porque había discrepancias entre el Ministerio y otros gabinetes que publicaban el dato desestacionalizado. Concretamente, el muy reputado servicio de estudios de BBVA publicaba una caída de afiliación ajustada de estacionalidad precisamente de esa magnitud. Quizá hayamos encontrado la explicación de la discrepancia, si es que el Ministerio no ha cambiado el modelo en esta parte.

Se da la circunstancia, además, que en julio pasado tuvo lugar uno de los efectos paradójicos más llamativos para la serie temporal. Y es que se publicó un aumento en 9.104 cotizantes para el dato ajustado de estacionalidad, a pesar de que por primera vez se destruyó empleo en julio, concretamente con 7.366 afiliados menos. Como hemos visto en la Figura 2 arriba, sin embargo, si hay un mes en el que las variaciones en la serie original y en las series desestacionalizadas se parecen más, ese es el mes de julio. Esa es la clave. Buena parte del escándalo que se montó por la caída en el dato original (diferencia de signo), no es relevante desde el punto de vista del patrón estacional de la serie, que sube la primera mitad del año para luego caer y recuperarse un poco a final de año. De ahí la centralidad estadística del mes de julio. En fin, un lío para las interpretaciones.

Queremos muy brevemente añadir, además, que hemos examinado la importancia de lo que llamamos efectos paradójicos por el Covid, mediante la especificación de varios contrafactuales. En esos contrafactuales utilizamos técnicas de predicción para generar series de afiliación como si no hubiera habido Covid entre marzo y mayo, que son los meses con variaciones absolutas más grandes. Hemos comprobado que al comparar las variaciones absolutas de los afiliados desestacionalizados estándar frente a los desestacionalizados del contrafactual se obtienen los resultados de la Figura 3. Como puede verse, esta metodología alternativa subestima los afiliados desestacionalizados en los meses de junio a septiembre. Nuestra interpretación es que los meses duros de la Covid generan este eco en el ajuste estacional que amplifica las discrepancias entre el dato original y el desestacionalizado. Por tanto, mejor evitar lugares comunes en las explicaciones de lo que denominamos efectos paradójicos (ausentes antes de marzo 2020).

Figura 3. Variaciones absolutas mensuales en la afiliación a la Seguridad Social. Comparación del ajuste estacional estándar (negro), y un contrafactual basado en predicción, año a año desde 2019.

¿Cuánta incertidumbre manejamos?

Ahora viene lo importante. En este post estamos manejando dos claves. Por un lado, que la presencia de grandes atípicos puede dar lugar a efectos aparentemente paradójicos si se interpretan desde la métrica anterior a marzo de 2020. La segunda clave va a ser que la incertidumbre paramétrica ha aumentado como consecuencia de esos atípicos (también ha aumentado la incertidumbre del ajuste estacional, pero en esa preferimos no entrar hoy). La serie desestacionalizada es una estimación, lo cual significa que tiene un modelo de probabilidad asociado a los parámetros que han sido estimados. Por tanto, podríamos obtener muchas sendas para la serie desestacionalizada perturbando adecuadamente los parámetros estimados del modelo. Por ejemplo, mediante bootstrapping, es decir, remuestreando los residuos de los modelos estimados y re-estimando los parámetros de los modelos identificados. ¿Cómo hacer esto? De nuevo remitimos al lector interesado a esta nota.

El caso es que remuestreamos con reemplazamiento los residuos del modelo univariante. A partir de ese re-muestreo obtenemos una nueva serie neta de atípicos, con la que obtener una nueva estimación para los parámetros. Si repetimos esto muchas veces, obtendremos muchos valores estimados de los parámetros. Con todos estos valores paramétricos estimados podremos obtener muchas series netas de covid, susceptibles de desestacionalizarse. A cada una de estas series desestacionalizadas volvemos a agregarles el efecto covid y obtendremos muchas series temporales de afiliados desestacionalizadas.

Así, en términos medios, obtenemos los valores de la serie desestacionalizada para junio, julio y agosto: 20.105.613, 20.117.739, y 20.141.215, mientras que el ministerio ha publicado, para esos mismos periodos los valores 20.102.037, 20.111.141 y 20.173.277. Es decir, sólo se aprecia ahora una diferencia importante en agosto, que se concreta en nuestro caso en una variación mensual positiva de 23.476 cotizantes, frente a los 62.136 que calcula el Ministerio. Encontramos, sin embargo, que para tales periodos las series desestacionalizadas con el remuestreo tenían una desviación típica de 11.050, 10.990 y 10.613, lo cual significa que las bandas de confianza estarían entre 20.127.713 y 20.083.513 para junio, entre 20.139.719 y 20.095.759 para julio, y entre 20.162.441 y 20.119.989. Salvo agosto, los valores están dentro de bandas, y el dato de agosto del ministerio no está muy lejos del límite superior de la banda de confianza (al 5%). Otras estimaciones que se han visto no quedan lejos de las bandas estimadas por nuestro modelo. Y es que las diferencias entre los límites superiores e inferiores de las bandas de confianza están en un entorno de 43.000 afiliados, que nos parece que es como para tenerlo en cuenta cuando se discute acaloradamente sobre estimaciones puntuales.

En definitiva

La cuestión no es desde luego, ajuste estacional sí, ajuste estacional no. La información que proporciona el ajuste estacional es imprescindible. Nos parece claro que el Ministerio ha venido haciendo el trabajo que tenía que hacer, y estamos seguros que con más recursos habría hecho más. Ojalá que la sensibilidad que tiene la Seguridad Social compartiendo sus datos perdure y se contagie a otras muchas instituciones que disponen de datos de extraordinaria relevancia. El problema son en todo caso las interpretaciones sesgadas, especialmente si tienden a obviar la complejidad del momento presente. Dicha complejidad sugiere en primer lugar prestar atención a los efectos económicos de equilibrio general de un shock tan disruptivo y tan escasamente anticipado como el de la Covid-19, y huir en las interpretaciones de los lugares comunes del pasado. Más aún cuando el shock Covid viene amplificado por el shock energético actual. En segundo lugar, es necesario profundizar mucho más en el análisis, y huir también de debates estériles que se basen en la simplificación y el negacionismo. El entorno complicado requiere análisis cada vez más sofisticados, no lo contrario. No, no vinimos a decir que el dato es peor (aunque agosto nos sale peor, la verdad). Vinimos más bien a revisar los efectos paradójicos del ajuste estacional determinista y la incertidumbre en la estimación. ¡Ah! Y a llamar la atención sobre cuidar el relato.

Hay 4 comentarios
  • Buen trabajo, efectivamente los datos son los que son y las estadisticas son las que son, Escrivá nos tiene muy acostumbrados a retorcer los datos siempre a su favor curiosamente.

  • ‘’No, no vinimos a decir que el dato es peor (aunque agosto nos sale peor, la verdad). ‘’
    Contradecirse en la misma frase tiene su merito, la verdad. La única explicación que se me ocurre es que los economistas de la primera empresa (el Estado) tienen cada vez más difícil tapar los agujeros económicos que el modelo económico que defienden crea en la ciudadanía de a pie. Esa ciudadanía exprimida de la que ellos mismos no forman parte, desde luego. Veremos como tapan los próximos agujeros en ciernes: recesión del G20, sin Arabia Saudi, en el 2º Trimestre y medida en Pib real según último informe del FMI. Previsión del Airef de caída del Pib en España del 0, 4 % para este 3º trimestre. Y diversos estudios, incluso estudios oficiales tal como el del Banco de Inglaterra, que prevén una recesión duradera en años y global. En otras palabras, el modelo se les cae y ya no se pueden tapar sus agujeros.

    • Gracias, Antonio. La intención de la frase que has puesto en comillas era simplemente no contradecir los números en negrita del párrafo anterior.

      El post trata de llamar la atención sobre la incertidumbre que se maneja al tratar la estacionalidad post-Covid. Dos ideas a las que pretende contribuir la mencionada frase: 1. No tiene sentido discutir acaloradamente sobre estimaciones puntuales. 2. Creemos que sería bueno (o no, se puede debatir) que se hicieran públicos los modelos y los parámetros que se estiman. Al menos, mientras dure la controversia. Por eso lo hemos hecho aquí.

      Espero que esta explicación, verás que muy distinta de la que propones, ayude.

  • Con la reforma laboral, el fijo discontinuo (antiguo temporal) està de baja en la afiliación en periodos de inactividad (antes también, se le acababa el contrato), no?. Por tanto, antes hablábamos de unos números de altas y bajas irracionales y haciendo un uso semifraudulento de la contratació temporal. Pero ahora entiendo que en los fijos discontinuos el procedimiento de alta/baja en cotización és legal y responde a períodos de actividad/inactividad. Otro tema es que se considerara algún tipo de sobrecoste en cotización para las empresas que abusen excesivamente de estas altas/bajas masivas (y que generan externalidades negativas en términos de costes administrativos, pèrdidas de cotización para el trabajador, etc.).

Los comentarios están cerrados.