Análisis espacial del desempleo por municipios en la región de

ANÁLISIS ESPACIAL DEL DESEMPLEO POR MUNICIPIOS EN
LA REGIÓN DE MURCIA
Prudencio José Riquelme Perea
Universidad de Murcia
Ángel Manzanares Gutiérrez
Universidad de Murcia
Resumen
Existen numerosas investigaciones sobre empleo y desempleo y sus factores explicativos. Sin embargo,
en los análisis, no se incluye como factor explicativo el “espacio” en el que el individuo reside. El territorio
es un elemento importante configurador de las características del mercado de trabajo local. En cada
territorio las instituciones y los diferentes factores económicos, sociales, demográficos, políticos o
culturales, entre otros, interactúan de tal forma que dan lugar a mercados de trabajo con características
diferenciadas. Los territorios aprovechan sus recursos endógenos de manera diferente con la intención de
estimular el crecimiento económico, crear empleo y mejorar el nivel de vida. En tal sentido, el territorio
debe asumir especial protagonismo en los estudios socio-económicos.
La mayoría de las investigaciones se han centrado en las diferencias regionales en tasas de desempleo,
olvidándose de la propia distribución interna de los parados dentro de cada municipio. Las diferencias
regionales son importantes, lo que revela que el nivel de desagregación territorial debe de ser la unidad
de base en los análisis socio-económicos.
Los valores de la variable tasa de desempleo en territorios vecinos, próximos entre sí, tienden a seguir un
patrón: presencia de dependencia que se constata cuando territorios vecinos comparte valores similares
en las tasas desempleo.
El análisis de la distribución espacial permite caracterizar la realidad social del desempleo, sirviendo de
herramienta para el desarrollo local, el diseño de políticas públicas (de empleo y formación), la
identificación de yacimientos de empleo, la detección y actuación sobre barreras socio-económicas, la
planificación del transporte público, etc.
El objetivo de este estudio es obtener un modelo de localización del desempleo que permita disponer de
una información desagregada basada en la segmentación del espacio geográfico, con el fin de
profundizar en el análisis de las diferencias existentes entre municipios. En este trabajo se analiza la
concentración geográfica, el perfil de concentración y el patrón espacial del desempleo en los municipios
de la Región de Murcia. En el análisis exploratorio espacial se identificará la distribución del paro
registrado, el análisis de autocorrelación espacial global y local mediante el Índice de Moran y el
Univariate LISA respectivamente.
Entre los principales resultados cabe destacar: que la distribución espacial del desempleo manifiesta
diferencias según el tamaño del municipio: municipios menores presentan tasas de paro más elevadas;
que existen valores atípicos (“outliers”); y que el índice de autocorrelación de Moran confirma la presencia
de dependencia espacial del desempleo entre territorios vecinos.
Palabras clave: municipios, desempleo, análisis espacial
Clasificación JEL: R12, J64
Abstract
There are many investigations on employment and unemployment and his explanatory factors.
Nevertheless, in the analyses “space” is not included as explanatory factor.
The territory is an important element. The territory forms the characteristics of the local labor market. The
institutions and the economic, social, demographic, political or cultural factors giving place to labor markets
with differentiated characteristics. The territories use his endogenous resources to stimulate the economic
growth, to create employment and to increase the standard of living. Then the territory must assume
special protagonism in the socio-economic studies.
The majority of the investigations have centred on the regional differences on rates of unemployment but
these have forgotten the own internal distribution of the unemployed people inside every municipality. The
regional differences are important and then the level of territorial disaggregation must be the base unit in
the socio-economic analyses.
The values of the variable of the rate of unemployment in neighboring territories follow a trend: neighboring
territories similar values share in the rates unemployment
The analysis of the spatial distribution allows characterizing the social reality of the unemployment using
as tool for the local development, the design of public policies, the identification of deposits of employment,
the detection and action on socio-economic barriers, the planning of the public transport…
The aim of this study is to obtain a model of location of the unemployment that allows having disintegrated
information based on the segmentation of the geographical space to know the existing differences
between municipalities.
In this work there is analyzed the geographical concentration, the profile of concentration and the spatial
boss of the unemployment in the municipalities of the Region of Murcia. In the exploratory spatial analysis
there will be identified the distribution of the registered unemployment and the analysis of spatial global
and local autocorrelation.
The results are that the spatial distribution of the unemployment demonstrates differences according to the
size of the municipality: minor municipalities present higher rates of unemployment; that exist atypical
values ("outliers"); and that the autocorrelation Moran's I confirms the presence of spatial dependence of
the unemployment between neighboring territories.
Key words: municipalities, unemployment, spatial analysis.
Classification JEL: R12, J64
Ángel Manzanares Gutiérrez
Doctorando Gestión y Cooperación Internacional
Universidad de Murcia
[email protected]
Prudencio José Riquelme Perea
Profesor Titular
Departamento de Economía Aplicada
Universidad de Murcia
[email protected]
Dirección Postal:
Universidad de Murcia
Facultad de Ciencias del Trabajo
Campus Universitario de Espinardo
30100 - MURCIA
2 1. INTRODUCCIÓN
El objetivo del presente estudio es conocer la concentración geográfica del desempleo y el
comportamiento de los municipios vecinos. Para ello, se aplican técnicas de investigación
cuantitativa. En primer lugar, se realizará un análisis de la concentración espacial del
desempleo, y, en segundo lugar, un análisis exploratorio de los datos espaciales. El Análisis
Exploratorio de Datos Espaciales (AEDE) es un conjunto de herramientas descriptivas y
gráficas que analizan distribuciones espaciales, identifican valores atípicos y detectan formas
de autocorrelación espacial (Chasco, 2003). El análisis espacial exploratorio permitirá medir
dónde y cuán aglomerados se encuentran las zonas con mayores tasas de paro registrado.
La existencia de desigualdades territoriales obliga a aplicar en los análisis el mayor nivel de
desagregación posible, con la finalidad de acercarnos a la realidad territorial. Los métodos
estadísticos que consideran la ubicación y la distribución plantean el problema de la
disponibilidad de datos, que normalmente se circunscriben a áreas geográficas delimitadas
administrativamente (provincias, municipios) y que a veces no son las más adecuadas para el
análisis. Es posible, por ejemplo, que los mercados de trabajo no sean bien analizados con
estas fronteras administrativas, pero quizá, sí lo sean para las políticas de empleo que utilizan
dichas unidades como referencia de planificación (Messner y Anselin, 2002). En esta
investigación se utilizará como unidad de análisis el municipio por la ausencia de datos a
niveles inferiores.
Karlsoon y otros (2002, citados por Mayor y Suárez, 2009) exponen cuatro razones para tener
en cuenta el componente espacial en el análisis del mercado de trabajo. La primera, porque los
mercados de trabajo no son homogéneos; la segunda, porque en varios países se han
detectado patrones espaciales en la distribución del desempleo; la tercera, porque la
localización geografía influye en el mercado de trabajo, provoca imperfecciones de información
y coordinación; y la cuarta, porque los mercados de trabajo se modifican continuamente
(mejoras de las infraestructuras, inmigración, nuevos puestos de trabajo, movilidad laboral,…).
Las principales cuestiones a plantear son: ¿Ofrecen las ciudades ventajas de empleo? ¿Cómo
están repartidos los desempleados en el territorio? ¿Están concentrados en una localización o
distribuidos por los municipios? ¿Condicionan los municipios vecinos el nivel de desempleo del
municipio origen?
Las grandes ciudades atraen negocios y empleo, pero alcanzado cierto umbral, pueden
originarse deseconomías de escala (Alonso-Villar y otros, 2009). Conocer el nivel de
concentración del desempleo permite identificar la intensidad y el umbral de los focos de
atracción de empleo.
Es importante averiguar si en la Región de Murcia la distribución espacial del desempleo
responde a un patrón disperso o concentrado y qué factores pueden explicar dicha distribución.
El patrón de distribución espacial puede ser clave para implementar políticas públicas
focalizándolas en un determinado territorio. Identificando el mapa del desempleo en la Región
de Murcia podremos diseñar no solo políticas activas de empleo sino también políticas de
planificación de ordenación territorial. Este estudio analiza los patrones de relaciones entre
unidades territoriales vecinas y plantea preguntas sobre la dimensión territorial y su efecto
sobre el desempleo. También se identifica la presencia de conglomerados de municipios
vecinos con niveles de tasas de desempleo similares.
Se establecen dos hipótesis de partida. La primera, supone que el paro registrado entre la
población en edad laboral no se distribuye homogéneamente por todo el territorio de la Región
de Murcia, existiendo municipios más castigados que otros. De esta primera hipótesis se podrá
determinar si los desempleados están concentrados en una localización o están repartidos por
los municipios. En la segunda hipótesis se plantea que la tasa de paro está condicionada por
una dinámica espacial. Además, se presupone la existencia de conglomerados o clústeres con
niveles similares de tasas de paro.
Los datos son suministrados por el Servicio Público de Empleo Estatal (SPEE) y por el Instituto
Nacional de Estadística (INE). Del primero, se obtiene información municipal del paro
registrado a febrero de 2013; y del segundo, cifras oficiales de población por tramos de edad
del padrón municipal a 1 de enero de 2012.
No es posible elaborar una tasa de paro municipal referida a la población activa porque la
Encuesta de Población Activa (EPA) no proporciona información desagregada a nivel
municipal. Por ello, se aplica el siguiente método: la tasa de paro registrado será el cociente del
número de parados registrados entre la población en edad de trabajar de 16 a 64 años. Este
3 indicador será inferior a la tasa de paro proporcionada por la Encuesta de Población Activa
1
porque el denominador (población en edad laboral) es superior . No obstante, el indicador nos
permitirá el análisis espacial de desempleo en la Región de Murcia a nivel municipal.
2. ANÁLISIS EXPLORATORIO ESPACIAL DEL DESEMPLEO
2.1. TAMAÑO DE LOS MUNICIPIOS Y CONCENTRACIÓN GEOGRÁFICA
En primer lugar, se aplica la metodología de Alonso-Villar y otros (2009) con la finalidad de
conocer las diferencias entre municipios grandes, medios y pequeños. Para ello, se clasifican
los municipios en cinco grupos por tramos de población de 16 a 64 años (en edad laboral) y se
calcula para cada tramo el porcentaje de dicha población, la tasa media de paro registrado y la
desviación típica.
En febrero de 2013, la tasa media de paro registrado de la Región de Murcia es del 16,88%
frente al 12,68% del conjunto nacional. En España, los municipios pequeños, pertenecientes al
grupo 1, presentan una tasa de paro registrado inferior a la media y al resto de grupos. En la
Región de Murcia, los municipios pequeños (grupo 1 y 2) presentan tasas de paro superiores a
la media y en cambio los grupos intermedios y grandes presentan tasas inferiores. En los
municipios grandes (grupo 4 y 5) las tasas de paro registrado de la Región de Murcia son
inferiores a las nacionales. El grupo 4 de la Región de Murcia corresponde al municipio de
Lorca, con una tasa media de paro registrado del 12,61%. En este municipio hay una
concentración del 6,35% de la población entre 16 y 64 años. Donde existe mayor concentración
de población en la Región de Murcia en edad laboral son en los grupos 3 y 5. Esto sugiere que
estos grupos contribuyen a la concentración de desempleo en menor medida de acuerdo a lo
que le resultaría con su peso poblacional.
Cuadro 1: DISTRIBUCIÓN TASAS DE PARO REGISTRADO SEGÚN
TAMAÑO DE LA POBLACIÓN EN EDAD LABORAL, FEBRERO 2013
España
Tramos de
población
Grupo 1
Grupo 2
Grupo 3
Grupo 4
Grupo 5
Número
municipios
% Población
16-64 años
6318
8,04
1259
17,79
[10.000-50.000)
439
27,30
[50.000-100.000)
57
11,88
[100.000-)
44
34,99
Total
8117
100,00
Fuente: INE, SPEE y elaboración propia.
[0 -2.000)
[2.000-10.000)
Región de Murcia
Media
Desviación
típica
Número
municipios
% Población
16-64 años
Media
Desviación
típica
11,77
15,54
16,63
16,36
16,56
12,68
6,70
4,75
4,45
4,32
3,38
6,53
7
14
21
1
2
45
0,67
8,69
39,65
6,35
44,64
100,00
17,75
17,09
16,75
12,61
15,90
16,88
3,82
3,32
3,25
0,00
1,16
3,27
En segundo lugar, y también aplicando la metodología de Alonso-Villar y otros (2009) se
calcula el perfil de concentración. El perfil de concentración fue propuesto por Jhonson y otros
(2003) y permite identificar cómo se distribuyen los desempleados en el territorio en función de
los propios desempleados. La pretensión es determinar si los parados están concentrados o
repartidos en municipios con altas tasas de paro. La curva del perfil de concentración nos
indica el porcentaje de parados con respecto al total de los mismos que residen en municipios
con tasas de paro registrado por encima de un determinado umbral. Para dibujar la curva, se
definen intervalos de tasas de paro registrado y se calcula la proporción de parados que viven
en municipios dentro de cada intervalo (Alonso-Villar y otros, 2009).
Observamos, en el cuadro 2, que en febrero de 2013, más del 72% de parados en España
residen en municipios con tasas de paro registrado superiores al 14%, frente al 88,66% de
parados de la Región de Murcia.
Se puede afirmar que, tanto en España como en la Región de Murcia, los parados se
encuentran repartidos entre los distintos municipios pero distribuidos de forma heterogénea.
Además, hay municipios que cobijan un porcentaje muy importante del total de la población
desempleada. De hecho, los municipios de Murcia y Cartagena acogen al 44,64% de la
población en edad de trabajar.
1
La cifra es superior porque en la población en edad laboral se incluye a personas que no son activas, es decir, que no
están ocupadas ni paradas, como por ejemplo los prejubilados, pensionistas, rentistas, incapacitados, estudiantes, etc.
4 Cuadro 2. PROPORCIÓN DE PARADOS SEGÚN INTERVALOS DE TASA DE
PARO REGISTRADO, FEBRERO 2013
España
Región de Murcia
intervalo
% parados
% acumulado
0
0,00
100,00
(0-2]
0,00
100,00
(2-4]
0,02
99,98
(4-6]
0,12
99,86
(6-8]
0,97
98,89
(8-10]
1,93
96,95
(10-12]
12,50
84,46
(12-14]
11,54
72,92
(14-16]
19,97
52,95
(16-18]
14,97
37,97
(18-20]
12,37
25,60
(20-22]
10,73
14,87
(22-24]
8,73
6,14
(24-26]
3,53
2,62
(26-28]
1,62
1,00
(28-30]
0,25
0,75
Fuente: INE, SPEE y elaboración propia
% parados
0,00
0,00
0,00
0,00
0,00
0,04
0,68
10,62
45,63
24,21
10,31
5,71
0,74
2,06
0,00
0,00
% acumulado
100,00
100,00
100,00
100,00
100,00
99,96
99,28
88,66
43,03
18,82
8,51
2,80
2,06
0,00
0,00
0,00
Con los datos de porcentajes de parados por intervalos
se calculan
las curvas de perfil de
concentración, representando en el eje de abscisas los umbrales de tasa de paro registrado y
en el eje de ordenadas el porcentaje de parados que supera cada umbral. A partir del cruce de
las curvas, el perfil de concentración de los municipios de España supera al de los municipios
de la Región de Murcia. Es decir, hay una alta concentración de población con tasas de paro
superiores al 18% en España, mientras que en la Región de Murcia esa concentración es
menor.
Gráfico 1: PERFIL DE CONCENTRACIÓN DEL PARO REGISTRADO, FEBRERO 2013
porcentaje de parados que supera cada umbral 100 Paro registrado España 90 80 70 Paro registrado Murcia 60 50 40 30 20 10 0 0 4 8 12 16 20 24 28 32 Fuente: INE, SPEE y elaboración propia.
2.2. ÍNDICE DE MAUREL-SEDILLOT (M-S)
El índice de M-S indica el exceso de concentración geográfica que sería superior al detectado
si la decisión de localización se tomara aleatoriamente, es decir, sin tener en cuenta las
características del territorio. La fórmula es la siguiente:
5 𝑦=
!
!
!
!!
!
!!
!!
, donde
𝐶 = !! ! ! ! !! !
,
!! ! !! !
la proporción de parados en el municipio 𝑖, 𝑁 =
! 𝑛!
el número total de
parados, 𝑥! =
la proporción residente en en el municipio 𝑖 y 𝑃 =
!
edad de trabajar.
! 𝑝!
la población total en
Siendo
𝑠! =
!
!
!!
En el caso de la Región de Murcia, para febrero de 2013, el resultado es 𝑦 = -0,00811.
Siguiendo el criterio de Maurel-Sedillot (1999) se considera un sector poco concentrado si
𝑦<0,02, moderadamente concentrado si 0,02< 𝑦 <0,05 y concentrado cuando 𝑦 >0,05. Por lo
tanto, en la región, la concentración es leve. Además el signo negativo sugiere que municipios
con tasas de paro inferiores a la media (si-xi<0) tienen un peso poblacional importante.
2.3. TENDENCIA ESPACIAL Y PUNTOS ATÍPICOS
En primer lugar, se detectará la presencia de tendencia espacial. La utilidad de este análisis es
su carácter gráfico. Se ha dividido la distribución en cuatro grupos iguales (cuartiles) y cada
uno recoge 11 municipios de la Región de Murcia. Cada grupo está representado con un color
diferente. Como puede observarse, en febrero de 2013, las altas tasas de paro están
distribuidas irregularmente por toda la región, con predominio en la zona norte, noroeste,
centro, y sureste. Los municipios con menores tasas se distribuyen en la zona sur de la
provincia. En principio, se aprecia la existencia de ciertas tendencias: una concentrada en la
zona norte y centro con predominio de valores del tercer y cuarto cuartil, y otra en la zona sur
con valores que corresponden al primer cuartil. Para cuantificar esta impresión, en el apartado
de análisis de la dependencia espacial, se calculará el I de Moran.
Y en segundo lugar, se identifican los valores extremos o puntos atípicos de la distribución
espacial. Para ello, se multiplican los valores del primer o tercer cuartil por 1,5 veces el
recorrido intercuartílico de la distribución, siendo atípicos aquellos valores situados por encima
o por debajo de estas cotas. En la Región de Murcia, el municipio de La Unión es un punto
atípico de la distribución, con una tasa de paro registrado del 25,59%.
Mapa 1: CUARTÍLES DE LA TASA DE PARO REGISTRADO.
MUNICIPIOS DE LA REGIÓN DE MURCIA, FEBRERO 2013
Fuente: INE, SPEE y elaboración propia.
6 3. ANÁLISIS DE LA DEPENDENCIA ESPACIAL DEL DESEMPLEO
3.1. ANÁLISIS EXPLORATORIO DE LA DEPENDENCIA ESPACIAL GLOBAL
Una vez analizada la tendencia de la variable de estudio, el siguiente paso es evaluarla. El
desempleo se puede analizar en relación con la unidad territorial vecina (municipio), mediante
un análisis exploratorio de datos espaciales. La autocorrelación espacial es la concentración o
dispersión en un mapa de los valores de una variable, en este caso de la variable tasa de paro
2
registrado. Esta autocorrelación prueba la primera ley geográfica de Tobler . La propiedad
básica de los datos autocorrelacionados es que los valores no son aleatorios en el espacio, es
decir, que los valores de la tasa de paro registrado están espacialmente relacionados entre sí.
El I de Moran global (Moran, 1950), ofrece una medida resumen de la intensidad de la
autocorrelación de los territorios considerados. O dicho de otra forma, el indicador mide la
aglomeración, la tendencia de valores similares a agruparse en el espacio, es decir, hasta qué
punto zonas con altas tasas de paro registrado están rodeadas de otras zonas de altas tasas
mientras que zonas de bajas tasas también están rodeadas de otras similares. El I de Moran
varía entre los valores -1 y 1; donde 0 significa la no existencia de correlación espacial,
cercanos a 1 autocorrelación positiva, y cercanos a -1 autocorrelación negativa. Para el cálculo
3
de este indicador es preciso aplicar una matriz de pesos de contigüidad.
La cuestión que se aborda es la existencia o no de correlación entre las tasas de paro
registrado de los municipios. El análisis se aplica sobre una única variable (univariante): tasa
de paro registrado. Para contrastar la autocorrelación espacial empleamos el I de Moran, cuyo
estadístico es:
𝐼=
!
!.
! !!"
!.
! !!" ((!! !!)(!! !!)
!(!! !! )
!
Siendo 𝑤!" la matriz de pesos geográficos o de contigüidad e
𝑦 el valor medio o esperado de la
variable 𝑦. En este caso aplicamos una estructura “queen” de primer orden de contigüidad
física (Montero y Larraz, 2003) en donde los municipios i,j comparten frontera.
En el conjunto de municipios de España, en febrero de 2013, el indicador de Moran arroja un
5
resultado de I=0,5119 con un nivel de significación de p=0,001. Por tanto, existe correlación
espacial positiva. Ahora calculamos el indicador para los municipios de la Región de Murcia. El
gráfico 3 muestra el diagrama de dispersión del I de Moran para la variable tasa de paro
registrado en los municipios de la región. En este caso hay evidencia significativa de
autocorrelación espacial positiva con un valor del estadístico de 0,3598 a un nivel de
significación de 0,001. En el conjunto de municipios nacionales la intensidad de la
autocorrelación es mayor a la de los municipios de la Región de Murcia.
4
2
Ley geográfica de Tobler: “todas las cosas están relacionadas entre sí, pero las cosas más próximas en el espacio
tienen una relación mayor que las distantes”
3
La matriz toma valores uno, wij = 1, para unidades territoriales adyacentes y cero, wij = 0, para los casos
contrarios. Se puede considerar la contigüidad o vecindad por el criterio “queen”, que significa que si cualquier parte
de los bordes o vértices que conforman las unidades territoriales se tocan, estas son consideradas como vecinas; o
bien a partir del criterio “rook”, que exige que todo un borde sea común entre ambas unidades para ser consideradas
vecinas. 4
La vecindad es de orden 1 si las unidades comparten un lado en común o un vértice con la región de interés,
municipios vecinos. Otras vecindades de orden superior serían vecinos de vecino.
5
El test de significancia se realiza contra la hipótesis de distribución espacial aleatoria de las unidades (p=0,001).
7 Gráfico 2: DIAGRAMA DE DISPERSIÓN DE MORAN
DE LA TASA DE PARO REGISTRADO.
MUNICIPIOS REGIÓN DE MURCIA, FEBRERO 2013
Fuente: INE, SPEE y elaboración propia.
3.2. ANÁLISIS EXPLORATORIO DE LA DEPENDENCIA ESPACIAL LOCAL
Para el análisis de la autocorrelación local se aplica una serie de Indicadores Locales de
Asociación Espacial (LISA) que proporcionan información sobre el grado de concentración de
valores similares de la variable tasa de paro registrado. Se aplica el estadístico de I de Moran
pero no calculado de forma global para todas las observaciones de la muestra, sino por
subgrupos, atendiendo al grado de concentración observado para los valores de la tasa de
paro registrado.
La estimación del I de Moran local es:
𝐼! = (𝑦! − 𝑦)
! (𝑤!" (𝑦!
− 𝑦)) Siendo 𝑤!" la matriz de pesos geográficos e 𝑦 el valor medio o esperado de la variable 𝑦.
Estos indicadores medirán la asociación espacial entre el valor de la tasa de paro registrado
que asume un municipio y los valores que asumen sus vecinos, vecindad definida también a
través de la matriz de contigüidad. De tal forma que: a) un municipio con un valor en su tasa de
paro registrado por encima del promedio que esté rodeado por municipios con valores también
por encima de la media, formarán un clúster o conglomerado caliente (valores “High-High”); b)
un municipio con un valor inferior al promedio, rodeado por municipios con valores por debajo
de la media, formarán un conglomerado frío (valores “Low-Low”); c) un municipio con un valor
por encima de la media, rodeado de municipios con valores por debajo de la media formarán
un clúster con valores “High-Low”; y d) un municipio con valores por debajo de la media y
vecinos por encima constituirán un clúster con valores “Low-High”. También se determinará si
los clústeres son significativos con distintos valores de nivel p.
En el mapa 2 se aprecia la existencia de un conglomerado “Low-Low” integrado por municipios
de la zona sur de la región: Lorca, Mazarrón, Alhama de Murcia, Totana y Aledo; con niveles de
significación entre 0,001 y 0,05.
8 Mapa 2: CLÚSTER Y SIGNIFICACIÓN DE LAS TASAS DE PARO REGISTRADO.
MUNICIPIOS REGIÓN DE MURCIA, FEBRERO 2013
Fuente: INE, SPEE y elaboración propia.
4. CONCLUSIONES
El desempleo, tanto en el conjunto nacional como en la Región de Murcia, y en relación a la
población en edad laboral, se encuentra desequilibrado territorialmente, no es homogéneo.
Atendiendo al tamaño, hay notables diferencias entre los municipios grandes, pequeños y
medianos. Los valores de la tasa de paro registrado de la Región de Murcia oscilan entre el
9,40% y el 25,59%. En la región un porcentaje muy elevado de parados, más del 90%, se
concentran en tasas entre el 12% y 20%. Más del 44% de la población en edad de trabajar está
concentrada en los municipios de Murcia y Cartagena con una tasa de paro de casi 1 punto
porcentual por debajo de la media (16,88%). El menor nivel de desempleo se presenta en el
municipio de Lorca. El grupo 3 cuenta con 21 municipios que concentran el 39,65% y con una
tasa media de paro registrado del 16,75%. Los municipios más grandes, Murcia y Cartagena,
contribuyen a la concentración de desempleo en menor medida de acuerdo a lo que le
resultaría con su peso poblacional. Existe una asimetría laboral que debe tenerse en cuenta en
la planificación de las políticas de empleo.
En la Región de Murcia, el perfil de concentración identifica que más del 88% de los
desempleados se agrupan en tasas superiores al 16%. Además, el índice M-S revela que la
núcleos con tasas de paro inferiores a la media tienen un peso poblacional importante.
Existe autocorrelación espacial global, confirmándose la segunda de las hipótesis planteadas.
Las tasas municipales de paro registrado están correlacionadas espacialmente. Se demuestra,
a su vez, la existencia de autocorrelación espacial local en los municipios de la región. Aparece
un conglomerado frio “Low-Low” con diferentes niveles de significación.
Alcanzado este punto podemos resolver las preguntas planteadas inicialmente. Los municipios
más grandes de España son focos de atracción de empleo pero a su vez presentan mayores
tasas de desempleo. No querer renunciar a vivir en la ciudad o pensar que existen más
oportunidades ocasiona muchas veces una saturación del mercado generando mayor nivel de
paro. Sin embargo, este patrón no está presente en los municipios grandes de la Región de
Murcia, en donde, quizá el mercado no haya alcanzado el umbral de saturación, ofreciendo la
ciudad ventajas de empleo. En cuanto a la repartición de los desempleados en la región, estos
están distribuidos de forma heterogénea. Y con respecto a la última pregunta, sí, es cierto que
grupos de municipios condicionan el nivel del paro del municipio vecino.
Es importante tratar el componente espacial (Montero y Larraz, 2003) como un factor a tener
en cuenta en las desigualdades espaciales de tasas de paro registrado. Si bien, es necesario
seguir profundizando, incluyendo análisis temporales con la finalidad de detectar
comportamientos en la autocorrelación espacial e identificar la evolución de los clústeres en un
periodo de tiempo dado. La interpretación de la autocorrelación o heterogeneidad espacial con
información en un momento dado no permite obtener información sobre un efecto real de
9 contagio, aprendizaje o spillovers (Messner y Anselin, 2002). Sin duda, obtendremos mayores
certezas de la dependencia espacial con datos longitudinales.
A pesar de las limitaciones que plantean los análisis espaciales pueden ser de utilidad para
focalizar políticas públicas, políticas activas de empleo y para evaluaciones del desarrollo de
6
políticas que supongan un alto grado de descentralización (Clinch y O’Neill, 2009, citado por
Mayor y Suárez, 2009). En el mercado de trabajo, el componente espacial juega un papel
importante porque oferentes y demandantes de empleo deben ponerse en contacto en un lugar
y en un momento determinado (Jimeno, 1993, citado por Mayor y Suárez, 2009).
Si en los estudios unimos el componente espacial, el temporal y el laboral obtendremos las tres
dimensiones que presentan los mercados de trabajo locales (Manzanares, 2012). Como
conclusión final, podría recomendarse a los poderes públicos incluir, en el análisis del
desempleo, tanto el componente temporal como el espacial.
REFERENCIAS
ALAMÁ, L., ARTAL, A. y NAVARRO, J.M. (2011): “Análise Exploratória de Dados Espaciais
(AEDE)”, Compêndio de Economía Regional Vol II (Métodos e técnicas de análise regional), p.
259-293
ALONSO-VILLAR, O., DEL RÍO, C. y TOHARÍA, L. (2009): “Un análisis espacial del desempleo
por municipios”, Revista de Economía Aplicada, nº 43 (XVII), p. 47-80
CLINCH, J.P. y O’NEILL, E. (2009): “Applying spatial economics to national spatial planning”,
Regional Studies, 43(2), p. 157-178
CHASCO, C. (2003): “Métodos gráficos del análisis exploratorios de datos espaciales”, Anales
de Economía aplicada, ASEPELT España.
CHASCO, C. (2009): “Análisis exploratorio de datos espaciales al servicio del geomarketing”,
ponencia III seminario sobre nuevas tecnologías en la investigación, el marketing y la
comunicación, e-participación
JIMENO, J.F. (1993): “La reforma del Instituto Nacional de Empleo como mecanismo de
intermediación en el mercado de trabajo”, Boletín del Círculo de Empresarios, 57, p. 235-252
JOHNSTON, R., D. VOAS y M. POULSEN (2003): “Measuring spatial concentration: the use of
threshold profiles”, Environment and Planning B: Planning and Design, vol. 30, p. 3-14
KARLSSON, CH. y HAYINES, K. (2002): “Regional labour markets in transition”, Papers in
Regional Science, 81, p. 301-304
LARRAZ, B. y MONTERO, J.Mª. (2003): “Estructura espacial de la tasa de desempleo: una
aproximación”, Anales de Economía aplicada, ASEPELT España
MANZANARES, A (2012): Una aproximación al concepto de mercados laborales locales,
Sevilla, Círculo Rojo, p. 59-60
MAUREL, F. y SEDILLOT, B (1999): “A Measure of the Geographic Concentration in French
Manufacturing Industries”, Regional Science and Urban Economics, 29, p. 575-604
MESSNER y
ANSELIN, (2002): “Spatial
http://sal.uiuc.edu/users/anselin/papers/smla.pdf
analisis
of
homicida
with
areal
data”,
MIRET, L. y otros (2009): “Un análisis sobre la concentración espacial en el turismo
valenciano”, comunicación IV Jornades valencianes d’estudis reginals, Valencia
SUÁREZ, P. y MAYOR, M. (2009):“Análisis espacial de los servicios públicos de empleo en
España a nivel provincial”, Documento de Trabajo FUNCAS, nº 485
VIÑUELA, A. y otros (2012):”Espacio y empleabilidad. ¿Importa el concepto de región?”,
Tribuna de Economía, nº 865, p. 155-167
6
En materia de políticas activas de empleo, España presenta un modelo descentralizado desarrollado principalmente a
través de la transferencia de dicha competencia a las Comunidades Autónomas (Suárez y Mayor, 2009)
10