¿Se ha producido un acercamiento socio-económico en el seno de la Unión Europea? Un análisis por países y regiones

AutorMercé Sala Ríos y Teresa Torres Solé
CargoDpto. Economía Aplicada. Fac. de Der. y Econ. Universidad de Lleida
Páginas99-122

INTRODUCCIÓN

Las disparidades socioeconómicas en el seno de la Unión Europea han sido objeto de estudio en numerosas ocasiones, dando lugar a diversos trabajos. En muchos de ellos una de las palabras clave más utilizada ha sido convergencia, en sus diversas acepciones. Convergencia nominal para expresar de manera suficiente el grado de homogeneización de las economías europeas. Convergencia legal para denotar la adaptación de las legislaciones. Convergencia real para detectar la cohesión económica y social.

En el marco de la literatura económica, los trabajos que han adquirido mayor protagonismo son aquéllos que desde una perspectiva regional intentan evaluar empíricamente la existencia o no de convergencia en los niveles de renta entre los distintos países1. Sin embargo, tras revisar parte de la literatura más sobresaliente en este campo, especialmente desde un enfoque de crecimiento neoclásico, y después de observar en algunos de sus críticos la idea de clubes socio-económicos, el interrogante que se nos plantea es por qué no avanzar en este sentido y estudiar la posible existencia de clubes socio-económicos en el seno de las regiones europeas. Preocupándonos eso sí, no sólo por variables que nos aproximen al concepto de crecimiento sino por variables de ámbito económico y social.

Bajo esta idea, nuestro objetivo se centra en evaluar en dos periodos distintos del tiempo (años 1990 y 2000), qué clubes socio-económicos se detectan entre los países y regiones de la Unión Europea (UE). Con ello además, observaremos si con el transcurso del tiempo se ha producido un proceso de homogeneización de posiciones socioeconómicas en el tanto a nivel de países como de regiones.

La elección de los años indicados no se ha realizado al azar. Nos interesaba comparar un período inicial en el que el proceso de integración europea se hallara a medio camino con otro final en el cual ya estuviera consolidado. Consideramos que 1990 y 2000 cumplen estos requisitos. En 1990, Europa caminaba hacia el mercado común y Austria, Suecia y Finlandia todavía no se habían integrado. Por su parte, en el año 2000, la UE así como la Unión Económica y Monetaria eran ya un hecho.

El trabajo está estructurado en cinco apartados. En el primero de ellos, se parte del concepto de convergencia neoclásico para avanzar hacia la justificación de los objetivos de este estudio. En el segundo, se expone la metodología de trabajo utilizada. Los dos siguientes presentan los principales resultados a los que se llega en el ámbito de países y de regiones de la UE. El último de ellos recoge las conclusiones

DEL CONCEPTO DE CONVERGENCIA AL DE CLUBES DE CONVERGENCIA

Detrás de la definición de convergencia, la teoría neoclásica del crecimiento estipula que las economías con idénticos parámetros estructuradores del equilibrio a largo plazo, tecnología, preferencias, crecimiento de la población y tasa de depreciación, convergerán hacia un único estado estacionario. Es la denominada b-convergencia en los trabajos empíricos de Barro y Sala-i-Martín (1990, 1991, 1992). En ellos se afirma que existe b-convergencia si en las economías que se comparan se detecta que las economías pobres crecen a una tasa superior a la de las economías ricas. El enfoque implica una dinámica temporal porque permite conocer el tiempo que una economía pobre tardará en alcanzar el nivel de renta per cápita de una economía rica.

Los mismos autores proponen un segundo concepto de convergencia, s-convergencia, que analiza el grado de dispersión de la renta per cápita en un determinado momento del tiempo. La convergencia en este caso se producirá si la dispersión disminuye con el paso del tiempo.

Si tenemos en cuenta que distintas economías presentan valores también distintos en los parámetros que definen el equilibrio a largo plazo, llegamos a la conclusión de que hay también distintos niveles estacionarios. En este sentido, habrá convergencia condicionada2 de cada economía hacia su estado estacionario pero no b-convergencia en el sentido que las economías pobres crezcan más que las economías ricas (Sala-i-Martín 1990).

Las estimaciones de la b-convergencia deberán incluir variables que recojan la diversidad de aspectos estructurales de las economías analizadas. Se dará b-convergencia condicionada si, manteniendo constantes estas variables, la estimación delata un coeficiente negativo para la renta inicial.

Como es de suponer, si las estimaciones revelan la existencia de diversos estados estacionarios, la b-convergencia absoluta o no condicionada sólo podrá darse si las variables significativas a la hora de definir estos estados estacionarios tienden a redistribuirse de forma más equilibrada entre las economías. Es decir, hace falta que estas variables converjan para que las economías más pobres cambien de estado estacionario y se acerquen al de las economías más ricas.

Las variables incluidas por Barro y Salai-Martín (1992), en sus estimaciones de convergencia sobre 98 países, son las tasas de escolarización primaria y secundaria, el consumo público (excluyendo defensa y educación) sobre el PIB, el promedio anual de asesinatos políticos per cápita, el número medio de revoluciones y golpes de estado y la desviación de la paridad del poder de compra para los bienes de inversión. En una estimación aplicada a 48 estados norteamericanos añaden a la renta inicial, variables dummies, un índice de educación y otro de composición sectorial.

Los trabajos pioneros de Barro y Salai-Martín han sido objeto de críticas y revisiones múltiples3, lo cual ha ayudado a que la literatura sobre convergencia, entendida ésta bajo la óptica de la teoría del crecimiento, sea muy prolífera, aunque como indica Bajo (1998), en muchas ocasiones dificulta la interpretación y síntesis de los resultados.

Sin embargo, lo que adquiere interés para nosotros es el enfoque de convergencia condicionada. En este sentido, la lista de variables adicionales a incluir es amplia. En los estudios sobre el tema4 destacan, sin embargo, la composición sectorial de la producción, las dotaciones de capital público, la localización de las regiones, la difusión tecnológica, tasas de inversión en capital físico, humano y tecnológico, crecimiento del empleo, variables representativas del capital humano, las proporciones del capital público sobre el PIB, estabilidad política, comercio internacional, instrumentos de política fiscal, movimientos migratorios, entre otras. En la mayoría de casos, las variables que aproximan los distintos estados estacionarios son significativas y apuntan la persistencia de notables diferencias entre países y/o regiones. Sin embargo, no necesariamente agotan los posibles determinantes de los estados estacionarios.

Para la economía española, trabajos como los de Raymond y García (1994), Mas et. al. (1994, 1995), De la Fuente (1996), Bajo (1998), García y Raymond (1999); Bajo et. al. (1999); De la Fuente y Freire (2000), María-Dolores y García (2002), entre otros5, incluyen variables adicionales en la ecuación de convergencia, interpretadas como diferencias en el estado estacionario, llegando también a la conclusión de que son significativas.

De la Fuente (1996) en sus estimaciones, incluye variables dummies regionales representativas del estado estacionario correspondiente. El ejercicio realizado para las Comunidades Autónomas españolas y para los países de la OCDE le permite afirmar que persisten importantes disparidades entre países y regiones.

En el seno de Europa podemos nombrar trabajos como los de Sala-i-Martín (1994a y 1996), Armstrong (1995), Dewhurst y Mutis-Gaitan (1995), Rodríguez-Pose (1997, 1999), Paci (1997), López-Bazo et. al. (1999), Ezcurra (2001), Rodríguez-Pose y Fratesi (2002), Cuadrado-Roura y Parellada (2002), entre muchos otros. Los resultados son divergentes porque, mientras algunos autores concluyen que se ha producido un proceso de convergencia condicional dentro de Europa, otros apuntan que no se ha producido una disminución de las divergencias regionales.

De la lectura de los trabajos citados se nos plantean varias cuestiones que nos llevarán a definir los objetivos de este trabajo. Vemos en primer lugar, que en la mayoría de estudios en los que se incluyen variables dummies regionales y/o variables adicionales, muchas de ellas resultan significativas y muchos de los resultados de las ecuaciones de convergencia condicionada llegan a la conclusión de que persisten importantes diferencias entre países y regiones. Las preguntas que nos planteamos a continuación son: ¿qué otras variables deberíamos incluir en el análisis? Y como cuestiona De la Fuente (1996), ¿en qué son diferentes los países o regiones?

De la Fuente (1996: 45) indica textualmente: la teoría del crecimiento y el sentido común Œno necesariamente en este ordenŒ (...) [permiten concluir que] los determinantes inmediatos de la tasa de crecimiento de una economía serían sus tasas de inversión en capital físico, humano y tecnológico, y los determinantes últimos de esta tasa incluirían todas las variables susceptibles de influir sobre el ritmo de acumulación de tales factores -bien directamente, bien a través de las decisiones privadas de ahorro e inversión-. En este último capítulo habríamos de incluir, por tanto, un buen número de variables tales como distintos parámetros de política económica y factores de carácter institucional, político y social.

Quah (1993b), basándose en la denominada falacia de Galton, demuestra que la convergencia beta es compatible con distribuciones de ingresos per cápita que tienden a permanecer o incluso a aumentar, por lo que sugiere distinguir entre el mecanismo de crecimiento y el mecanismo de convergencia. Sólo el primero puede estudiarse utilizando el enfoque neoclásico. En diversos trabajos, Quah (1993a, 1995, 1996a, b, c y 1997), aplica un análisis de la dinámica de la distribución de los productos per cápita de distintas economías. A través de este enfoque llega a detectar la existencia de clubes de convergencia. Clubes de convergencia que expresan el hecho de que las rentas per cápita de los países tienden a converger más entre sí cuanto más iguales son las condiciones de partida.

Muchos son los estudios que realizan un análisis empírico sobre la existencia de clubes de convergencia, identificando regiones o territorios caracterizados por comportamientos de crecimiento similares. Tenemos, además de los ya nombrados de Quah, el trabajo que se considera pionero de Baumol y Wolff (1988), Chatterji (1992), Durlauf y Johnson (1996), Rodríguez-Pose (1999), Weise et al (2001), Aurioles et al (2002), entre otros. O, para el caso español, Cuadrado et al (1998); García Goñi (1997); Villaverde y Sánchez-Robles (1998) o Garrido et al (2001).

La mayoría de ellos mantienen la atención en el crecimiento ¿Por qué la convergencia se asocia a crecimiento y no a aspectos socio-económicos? Como indica Marina (1999), queda pendiente el análisis de convergencia de los niveles de bienestar, medido por indicadores alternativos al producto per cápita. En esta línea, nos acercamos más a la propuesta teórica de convergencia, como aquella tendencia a la disminución de la brecha entre los estándares de vida y en el comportamiento de las variables económicas que definen dichos estándares (Estay, 2002). Entonces, bajo este planteamiento, ¿Por qué no hablar de clubes de convergencia socio-económica?

En función de los interrogantes planteados, se definen los objetivos del presente trabajo. En primer lugar, detectar la presencia de clubes socio-económicos entre los países y regiones de la UE6. En segundo lugar, como el análisis se realiza en dos períodos de tiempo distintos, ver los posibles cambios en la presencia de los países/regiones en los distintos clubes y si se ha producido un proceso de homogeneización de posiciones socio-económicas, tanto a nivel de países como de regiones. En palabras de Ezcurra et al. (2002) se trata de detectar la existencia de un proceso de cristalización de las posiciones relativas regionales7.

METODOLOGÍA

Para alcanzar los citados objetivos se emplea la metodología de la agrupación en factores estratégicos. Es decir, se aplica un análisis cluster a fin de agrupar a los países y a las regiones de la UE en conglomerados8. Esta técnica clasifica elementos sobre los que se han observado un conjunto de variables y forma grupos de manera que los elementos incluidos en cada uno de ellos pueden ser considerados homogéneos entre sí. Se trata de maximizar la homogeneidad de los elementos dentro del conglomerado y al mismo tiempo maximizar la heterogeneidad entre los conglomerados (Hair, et al. 1999).

Los clusters permitirán identificar clubes diferenciados de países y de regiones con características similares y asimismo analizar si se produce una tendencia a la polarización, es decir, una tendencia a que los grupos converjan interiormente y tiendan a alejarse entre ellos.

La aplicación práctica de dicha metodología ha constado de varias etapas. En primer lugar, la selección de las variables originales representativas de bienestar socioeconómico. La fuente estadística utilizada ha sido la base de datos REGIO elaborada por el Eurostat. A partir de la misma, la selección de variables se ha basado primero, en recoger aquéllas sobre las que existe mayor unanimidad sobre su presencia en cualquier indicador de bienestar social. Segundo, en la disponibilidad de estadísticas dentro de la base REGIO. En algunos casos, aunque la variable era considerada idónea para el análisis, la falta de datos para algún año, región y/o país ha llevado a tener que prescindir de ella9. Dicha falta de datos era aún más importante a escala regional lo que nos ha obligado a tener que trabajar con un nivel menor de variables que en el caso de países. En definitiva, en el anexo 1 se relacionan las variables utilizadas para el estudio, en negrita y cursiva aparecen las que han podido ser utilizadas para la discriminación por regiones.

En relación a los países objeto de estudio, éstos son los 15 miembros que conformaban la UE durante el período analizado: Alemania (de), Austria (at), Bélgica (be), Dinamarca (dk), España (es), Francia (fr), Finlandia (fi), Grecia (gr), Irlanda (ie), Italia (it), Luxemburgo (lu) Países Bajos (nl), Portugal (pt), Reino Unido (uk) y Suecia (se) . Para el análisis regional se ha trabajado a un nivel de desagregación de NUTS-0, NUTS-1 y NUTS-2, que en total ha supuesto trabajar con 146 regiones, recogidas en el anexo 2.

Una vez seleccionadas las variables originales se ha procedido a aplicar el análisis cluster. El elevado número de variables con las que trabajamos nos llevó a realizar, previamente, un análisis de componentes principales para transformarlas en un número reducido de factores que definieran distintas estrategias. Ello hubiera facilitado en gran manera los resultados y hubiera agilizado su exposición. Sin embargo, los factores que se obtuvieron tras realizar el análisis de componentes principales aglutinaban variables muy heterogéneas, lo que dificultaba el catalogarlas en grupos estratégicos para así incorporarlos como inputs en el análisis cluster. Se optó, en consecuencia, por trabajar directamente con esta técnica de clasificación.

Dentro del análisis cluster pueden distinguirse dos grandes procedimientos de análisis. Tenemos por un lado, los procedimientos de tipo aglomerativo, cuyo nombre se debe al hecho de que, a partir del análisis de los casos individuales, van agrupando casos hasta llegar a la formación de un único grupo, formado por todos los elementos de la muestra. De esta forma, se van agrupando los casos en grupos cada vez más grandes y heterogéneos. En segundo lugar, los procedimientos divisivos, éstos parten de todos los casos como un solo grupo y los van dividiendo en subgrupos cada vez más homogéneos.

Puesto que hemos trabajado con el programa SPSS, el procedimiento utilizado ha sido el de tipo aglomerativo. Ya dentro de este procedimiento, el SPSS dispone de dos tipos de análisis de conglomerados: el análisis de conglomerados jerárquico10 y el método de K medias (no jerárquico).

El método jerárquico resulta adecuado para determinar el número idóneo de conglomerados. En cambio, un elemento en contra es que puede llevar a conclusiones erróneas porque combinaciones iniciales no deseables pueden persistir a lo largo del análisis. Los procedimientos no jerárquicos tienen la ventaja que los resultados son menos susceptibles a los datos atípicos, a la medida de distancia utilizada y a la inclusión de variables irrelevantes. Ahora bien, sólo se puede utilizar un método de aglomeración, y además, es necesario especificar un punto de partida no aleatorio y el número deseado de clusters (Hair et al, 1999).

Para aprovechar los beneficios de cada uno, se han utilizado ambos métodos. En primer lugar, se ha aplicado el método jerárquico para, de este modo, poder establecer el número de clusters, los perfiles de los centros y la identificación de casos atípicos. En segundo lugar, partiendo de los centroides proporcionados por el análisis jerárquico, se ha aplicado el método no jerárquico de K medias.

El método jerárquico exige seleccionar un método de aglomeración, entendido como el proceso por el cual se vuelve a calcular la distancia entre nuevos elementos en una nueva etapa de conglomeración, y el tipo de medida que se utilizará para evaluar las distancias entre los elementos. Ambas decisiones son de suma importancia puesto que pueden condicionar las soluciones a las que se llegue.

El método de aglomeración escogido es el de vinculación inter-grupos o vinculación promedio. La ventaja, sobre otros métodos, es que aprovecha la información de todos los elementos de los dos conglomerados que se comparan. La distancia entre dos conglomerados, (D), se calcula como la distancia promedio entre todas las combinaciones posibles de pares de elementos de cada uno de los conglomerados:

[NO INCLUYE FORMULA]

donde:

Ł dij es la distancia entre dos elementos i y j, el primero perteneciente al conglomerado 1 y el segundo al conglomerado 2.

Ł n1 y n2 son los tamaños de los conglomerados 1 y 2, respectivamente.

Dentro de las distintas medidas de distancia se ha elegido la distancia euclídea al cuadrado, como medida de disimilaridad11. Puesto que es una medida variante respecto a la métrica de las variables, todas las variables han sido estandarizadas.

El número idóneo de clusters se ha decidido atendiendo a diversas informaciones:

Ł El diagrama de témpanos, el cual ofrece información gráfica del proceso de fusión en conglomerados, aunque no ofrece información sobre la distancia entre los conglomerados que se unen en cada etapa.

Ł El dendograma, que es un gráfico en el cual se visualizan las distancias entre los diversos clusters.

Ł El historial de conglomeración. Dentro del mismo, resulta de especial interés la observación del valor de los coeficientes. Éstos informan, numéricamente, de la distancia a la que se encuentran los clusters antes de la fusión. Dicho coeficiente puede interpretarse como el «coste» que supone para el proceso la unión de los clusters en cada una de las iteraciones. Inicialmente, la regla de parada elegida ha sido seleccionar aquel número de conglomerados inmediatamente anterior a aquél en el cual el porcentaje de variación del «coste» sea mayor en relación a sus contiguos.

Ł Llegados a este punto, se han obtenido, para cada uno de los clusters definidos por el procedimiento jerárquico, los centroides de las variables. Estos valores se han utilizado como condiciones iniciales en el análisis jerárquico de K medias para, permitiendo el cambio de pertenencia a un conglomerado, «ajustar» los resultados.

La decisión final acerca del número óptimo de clusters se ha tomado en función de la regla de parada, si ésta era compatible con el resto de información analizada. En caso contrario, se ha optado por aquel número de clusters más acorde con el conjunto de la información evaluada.

La variabilidad, entre e intra clusters, se ha contrastado mediante un análisis de varianzas. Para cada variable, cuanto mayor es el valor del estadístico F de Snedecor y menor, por tanto, su nivel de significación (P), más diferentes son los valores de la misma en los distintos clusters12. En concreto, en este estudio, siguiendo lo que viene siendo habitual, se considera que si el nivel de significación de alguna variable es superior a 0,05, dicha variable carece de relevancia a la hora de definir las diferencias y formar los clusters.

A fin de validar los conglomerados, se ha aplicado el análisis de conglomerados K medias especificando el número de clusters decidido, y dejando que el proceso seleccione aleatoriamente los centroides iniciales. La validación implicará que los tamaños y los perfiles de los clusters sean muy similares a los ya obtenidos.

Una vez definidos los conglomerados, los centroides de los distintos grupos de CCAA nos han permitido singularizarlas. Los centros de los clusters finales o centroides son un vector de medias. Al trabajar con valores estandarizados, aunque todas las variables originales tomen valores positivos, el centroide puede tomar valores positivos o negativos. Un valor negativo indica que la mayoría de valores, de aquella variable, y en aquel cluster, están por debajo de la media del conjunto de CCAA.

Ahora bien, dentro de un cluster, un valor negativo en una variable, no debe interpretarse a priori, como un mal resultado en términos relativos con relación al resto de clusters. Si la variable en cuestión es de tal naturaleza que lo que es deseable, socioeconómicamente hablando, son niveles bajos, (tasa de paro, por ejemplo), un valor muy negativo será un buen resultado.

Así pues, en la interpretación de los resultados, se entenderá que un cluster presenta deficiencias en una variable, si su centroide es el más negativo (positivo) o uno de los más negativos (positivos), en variables en las que, desde el punto de vista socioeconómico, lo interesante es alcanzar valores relativamente elevados (bajos). Un buen registro en una determinada variable, se interpretará en el sentido contrario.

RESULTADOS POR PAÍSES

La información analizada, así como la regla de parada elegida, llevan a definir 8 clusters distintos de países tanto en 1990 como en 2000. El cuadro 1 los recoge como también las variables que permiten discriminar entre los clusters o grupos formados. Entre ellas, destaca el poder discriminatorio de las variables relacionadas con la energía. Asimismo, en el año 2000 adquieren mayor protagonismo las variables relacionadas con la familia y tecnología y con el mercado de trabajo.

Los clusters de ambos años presentan un elevado grado de identificación. En el año 2000 aparece el conglomerado 3, siendo el resultado de un trasvase de 3 países desde distintos grupos del año 1990. El conglomerado 6 aglutina dos países que en 1990 se clasificaban en solitario, Finlandia y Suecia. El resto de conglomerados mantienen los perfiles, aunque con ciertos movimientos de países entre ellos.

Los resultados llevan a concluir que, en el seno de la UE, no se ha producido un proceso de homogeneización en las posiciones socioeconómica a nivel de países. Ni entre los países que ya formaban parte de la UE en 1990, ni entre éstos y los que se incorporaron posteriormente (Finlandia, Suecia y Austria). En 1990, en dos de los países que todavía no pertenecían a la UE, Finlandia y Suecia, se detecta cierta heterogeneidad con el resto de países de la UE y también entre ellos. Heterogeneidad que entre ellos desaparece en el año 2000, pero se mantiene con el resto de miembros de la UE.

Si bien en 1990 el conglomerado 2 reúne una mayor proporción de los países más antiguos de la UE, en el año 2000 se diversifican entre los conglomerados 2 y 3. Se detecta además que, con el paso del tiempo, se han ido dibujando tres grandes perfiles. Por un lado, los países del área mediterránea, España, Italia y Grecia que ya en 1990 mostraban similitudes destacables en muchas de las variables seleccionadas. Similitudes que se hacen mucho más evidentes en el año 2000, hecho por el cual engloban el conglomerado número 3. Por otro lado, los países centrales de la UE (Bélgica, Alemania, Francia) y por último, los países nórdicos (Finlandia y Suecia).

Los distintos grupos de países se singularizan a través del centroide del grupo (media de los casos incluidos en cada cluster). La segunda y tercera columnas del cuadro del anexo 1 muestran para ambos años qué grupo o cluster tiene los valores medios más positivos y más negativos para las distintas variables (CX, para X = número de clusters (1,2,–,8)). De dicha información el cuadro 2 destaca:

CUADRO 1. CLUSTERS POR PAÍSES, (1990 y 2000)

[NO INCLUYE CUADROS]

CUADRO 2. RASGOS MÁS SIGNIFICATIVOS DE LOS CLUSTERS POR PAÍSES

[NO INCLUYE CUADROS]

RESULTADOS REGIONALES

El objetivo del análisis regional es determinar los clusters regionales de los años 1990 y 2000 y evaluar si con el transcurso del tiempo se detecta un proceso de homogeneización socio-económica a nivel regional. Ya hemos comentado que a escala regional, por razones de disponibilidades estadísticas, trabajamos con un nivel inferior de variables discriminantes.

También en este caso para ambos métodos, jerárquico y no jerárquico, y para los dos años considerados, los conglomerados y los perfiles se corresponden, validando de esta forma los resultados.

La información analizada y la regla de parada llevan a definir 8 clusters regionales en 1990 y 11 en al año 2000, el cuadro 3 los recoge. Todas las variables incluidas en el estudio han resultado significativas para discriminar entre regiones (P=0,000). Los perfiles de los grupos no muestran una elevada correspondencia entre ambos períodos, (a excepción de los grupos 4 y 6 del año 1990, que se identifican respectivamente con los grupos 8 y 6 del año 2000). A pesar de ello, a grandes rasgos, hay tendencias que se mantienen a lo largo del tiempo. Así por ejemplo, la mayor homogeneidad entre regiones mediterráneas, la concentración de los mejores resultados en PIB y PIB per cápita e I+D en pocas regiones alemanas, los peores resultados en el mercado de trabajo en regiones españolas e italianas13, como más destacables.

En el año 2000 se intensifican las divergencias regionales. El mayor número de clusters en el que se reparten las regiones así lo indica. Observemos además que es un proceso divergente en un doble sentido. En el año 2000 los clusters 2, 7 y 11 son los que aglutinan mayor número de regiones (78), lo que en al año 1990 ocurría con los clusters 2, 6 y 8 (82). Sin embargo, en 1990 el resto de regiones se repartían entre los 5 grupos restantes mientras que ahora se reparten ente los 8 grupos restantes. Vemos, primero, que han aumentado el número de regiones que divergen de la mayoría. Y segundo, que las regiones que no se corresponden con dicho perfil mayoritario también han incrementado las divergencias entre ellas lo que ha llevado al indicado aumento del número de clusters14.

En general, en los datos regionales los centroides de las variables de los distintos clusters son mucho más divergentes que los centroides de dichas variables de los clusters por países. Para estas variables, la divergencia entre regiones es por tanto, mayor que la divergencia entre países15.

Cabe destacar que la homogeneidad entre países mediterráneos se traslada también al ámbito regional, especialmente en regiones españolas e italianas. En 1990 en el grupo 5, la mayor parte de regiones españolas mostraban una elevada homogeneidad con las regiones del sur de Italia, Sicilia y Sardegna. Mientras en el grupo 1, las regiones italianas del norte y el centro se acercaban más a posiciones de dos pequeñas regiones alemanas, una belga, una de Austria y una española. En el año 2000 la correspondencia es más acusada. En el conglomerado 2 once de las diecisiete regiones españolas se agrupan con 10 regiones italianas que se ubican en el norte y centro de Italia, con una región del sur de Bélgica y con una región del sur de Grecia. Por su parte, el conglomerado 9 reúne 4 regiones españolas, una del norte, dos del sur y las islas canarias, con el sur de Italia, Sicilia y Sardegna.

La divergencia de las regiones del Sur de Italia respecto a las del centro y norte se mantienen con el paso del tiempo. Como indica Mazziotta (1999), en un análisis de la convergencia regional italiana, es precisamente el área menos desarrollada del país, el sur, la que registra menor intensidad en la aproximación a los niveles de desarrollo de las otras divisiones territoriales. En este sentido, vemos que en el año 2000 muchas de las regiones españolas se alejan de los estándares propios de las regiones del sur de Italia para acercarse hacia las posiciones de las regiones del norte de Italia. Sólo Asturias, Extremadura, Andalucía16 y Canarias quedan aún asociadas a las regiones del sur de Italia.

Entre 1990 y 2000 la mayoría de regiones de dos países europeos, Grecia y los Países Bajos mantienen la homogeneidad regional intrapaíses pero agudizan la discrepencia con el resto de regiones europeas.

CUADRO 3. CLUSTERS POR REGIONES (1990 y 2000)

[NO INCLUYE CUADROS]

La segunda y tercera columnas del cuadro del anexo 1 muestran para ambos años qué grupo o cluster tiene los valores centroides más positivos y más negativos (CRX, para X = número de clusters regionales (1,2,–, 8) en 1990 y (1,2,–., 11) en 2000), para las distintas variables. De dicha información el cuadro 4 destaca:

CUADRO 4. RASGOS MÁS SIGNIFICATIVOS DE LOS CLUSTERS POR REGIONES

[NO INCLUYE CUADROS]

CONCLUSIONES

El trabajo revisa la posible tendencia hacia una mayor acercamiento socio-económico dentro de los países y regiones de la UE. El análisis toma como periodos de referencia los años 1990 y 2000.

Entre 1990 y 2000 se mantienen el número y los perfiles de los clusters por países, aunque con ciertos movimientos de países inter-clusters. En ambos años se obtienen 8 clusters de países, sin embargo, hay elevadas diferencias entre los centroides de los grupos, por lo que puede concluirse que no se observa una disminución de las divergencias entre los países de la UE.

No obstante, sí parecen dislumbrarse perfiles que se intuían en 1990 y se confirman en el año 2000. Tendríamos por un lado que los países del área mediterránea (España, Grecia e Italia) forman un cluster, por otro lado los países del centro de la UE (Bélgica, Alemania y Francia) se agrupan en otro cluster y finalmente, los países nórdicos (Finlandia y Suecia) forman un tercer cluster.

Si en el año 1990 las variables de mayor capacidad discriminatoria por países se relacionaban con la energía, en el año 2000 sobresalen las de familia, tecnología y mercado de trabajo.

Los resultados regionales permiten indicar que en el período de análisis se ha intensificado la dispersión interregional. La divergencia se manifiesta tanto en el hecho de que han aumentado las regiones que presentan amplias diferencias con lo que sería la evolución regional mayoritaria, como en el hecho de que han aumentado el número de conglomerados (de 8 en 1990 a 11 en el año 2000), síntoma de que en las variables analizadas se agudiza la polarización regional.

Se ha detectado un mayor grado de dispersión de los clusters por regiones que por países. Las disparidades entre las regiones de la UE son mayores que las disparidades entre los países miembros.

La mayor homogeneidad entre países del área mediterránea se confirma también en el ámbito regional, especialmente entre regiones italianas y españolas. La divergencia de las regiones griegas ya no sólo con las restantes de la zona mediterránea, sino con el resto de regiones de la UE se acentúa en el año 2000.

A nivel regional, los conglomerados 2 y 3 del año 1990 son los que presentan las cifras más cercanas a la media del conjunto de la UE. En el conglomerado 2 encontramos mayoritariamente regiones francesas y alemanas y en el conglomerado 3 regiones de los Países Bajos. En el año 2000 esta característica la encontramos en el conglomerado 7 que sigue acaparando un gran número de regiones francesas.

El trabajo permite concluir que para las variables y el periodo analizados no se ha producido un acercamiento socio-económico entre países de la Unión Europea. En el año 2000 la divergencia entre países sigue siendo significativa y similar a la que se observaba a inicios de los años noventa cuando la Unión Europea no era todavía un hecho. Estos resultados son igualmente ciertos e incluso más intensos en el ámbito regional. En este caso, y para algunas de las variables objeto de estudio, se constata incluso una mayor divergencia al final del periodo.

No cabe duda que los resultados anteriores nos deben hacer reflexionar acerca de cómo se han enfocado las políticas sociales y regionales de la UE y cómo deberían plantearse de cara al futuro. Es preciso, asimismo, tener en cuenta que el camino a recorrer es todavía muy largo, más aún cuando la nueva ampliación de la UE que puede incrementar todavía más las divergencias socio-económicas.

BIBLIOGRAFÍA

ARMSTRONG, H. G. (1995): «An appraisal of the evidence from cross-sectional analysis of the regional growth process within the European Union» en ARMSTRONG, H.W. Y VIEKERMAN, R.W. (eds.): Convergence and divergence among the European Regions, Pion, Londres, pp. 40-45.

AURIOLES, J.; FERNÁNDEZ, M.C. y MANZANARES, E. (2002): «La ampliación de la Unión Europea hacia el Este: posibles efectos regionales», Papeles de Economía Española, núm. 93, pp. 226-243.

BAJO, O. (1998): « Integración regional, crecimiento y convergencia: un panorama», Revista de Economía Aplicada, 16 (vol VI), pp. 121-160.

BAJO, O.; DÍAZ, C. y MONTÁVEZ, M.D. (1999): «Política fiscal y crecimiento en las Comunidades Autónomas españolas», Papeles de Economía Española, núm. 80, pp. 203-218.

BARRO, R. y SALA-I-MARTIN, X. (1990): «Economic growth and convergence across the United States» NBER Working paper, núm. 3.419. Š (1991): «Convergence across states and regions», Brookings Papers on Economic Activity, vol. 1, pp. 107-182. Š (1992): «Convergence», Journal of political Economy, 100 (2), pp. 223-251.

BAUMOL, W.J. y WOLFF, E.N. (1988): «Productivity growth, convergence and welfare: reply», American Economic Review, 78, pp. 1.155-1.159.

BERNARD, A. y DURLAUF, S. (1996): «Interpreting tests of the convergence hypothesis», Journal of Econometrics, 71, pp. 161-173.

CANOVA, F. y MARCET, A. (1995): «The poor stay poor: non-convergence across countries and regions», Economics Working Paper, 137, Universitat Pompeu Fabra.

COMISIÓN EUROPEA (1999): VI Informe periódico sobre la situación y evolución socioeconómica de las regiones de la Unión Europea, Luxemburgo. Š (2002): Comunicación de la Comisión, Primer informe intermedio sobre la cohesión económica y social, Bruselas, 30 de enero, COM(200) 46 final.

CUADRADO, J.R.; MANCHA, T. y GARRIDO, R. (1998): Convergencia regional en España. Hechos, tendencias y perspectivas, Fundación Argentaria, Madrid.

CUADRADO-ROURA, J.R. y PARELLADA, M. (2002): Regional convergente in the European Union, Berlín, Springer.

CHATTERJI, M. (1992): «Convergence clubs and endogenous growth», Oxford Review of Economic Policy, 8, pp. 57-69.

DE LA FUENTE, A. (1994): «Crecimiento y convergencia: un panorama selectivo de la evidencia empírica», Cuadernos Económicos de ICE, núm. 58, 1994/3, pp. 23-69. Š (1996): «Economía regional desde una perspectiva neoclásica. De convergencia y otras historias», Revista de Economía Aplicada, 10 (vol.IV), pp. 5-63.

DE LA FUENTE, A. y FREIRE, M.J. (2000): «Estructura sectorial y convergencia regional», Revista de Economía Aplicada, 23 (vol. VIII), pp. 189-205.

DEWHURST, J. H. Ll. y MUTIS-GAITAN, H. (1995): «Varying Speeds of Regional GDP per Capita Convergence in the European Union, 1981-1991», European Research in Regional Science, Vol.5, p22-39.

DURLAUF, S.N. y JOHNSON, P.A. (1996): «Local versus global convergence across national economies», NBER Working paper, núm. 3.996, Cambridge, Mass.

ESTAY, J. (2002): «Globalización económica y convergencia: ¿Hacia un nuevo contexto del desarrollo regional?, http://www.redem.buap.mx (Red de Estudios de la Economía Mundial).

EZCURRA, R. (2001): «Convergencia y cambio estructural en la Unión Europea», Documento de Trabajo 0111 de la Universidad Pública de Navarra.

EZCURRA, R.; GIL, C.; PASCUAL, P. y RAPÚN, M. (2002): «Movilidad y desigualdad regional en la Unión Europea», IX Encuentro de Economía Pública, Vigo, Febrero.

GARCÍA GOÑI, M. (1997): «Motores, rápidos y seguidores: la renta per cápita provincial en España 1960-1991» mimeo, Universidad de Navarra, Pamplona.

GARCÍA, B. y RAYMOND, J.L. (1999): «Las disparidades regionales y la hipótesis de convergencia: una revisión», Papeles de Economía Española, núm. 80, pp.2-18. 8.

GARCÍA-MILÀ, T. y MARIMON, R. (1999): «Crecimiento de las regiones españolas. Estructura sectorial, dinámica regional y distribución de rentas», Papeles de Economía Española, núm. 80, pp. 29-50.

GARRIDO, N.; MARINA, A. y SOTELSEK, D. (2001): «Un ejercicio empírico sobre las regiones españolas y las provincias argentinas», trabajo presentado a la Reunión Anual de la Asociación Argentina de Economía Política.

GOERLICH, F.J.; MAS, M. y PÉREZ, F. (2002): «Concentración, convergencia y desigualdad regional en España», Papeles de Economía Española, núm. 93, pp.17-36.

HAIR, J.F. ; ANDERSON, R.E.; TATHAM, R.L. y BLACK, W.C. (1999): Análisis multivariante, Prentice-Hall, Madrid, 5ª edición.

HALLET, M. (2002): «Convergencia de renta y políticas regionales en Europa: resultados y retos para el futuro», Papeles de Economía Española, núm. 93, pp.38-50.

LÓPEZ-BAZO, E.; VAYA, E.; MORA, A: y SURIÑACH, J. (1999): «Regional economic dynamics and convergence in the European Union» The Annals of Regional Science, 33 (3), pp. 343-370.

MARCET, A. (1994): «Los pobres siguen siendo pobres: Convergencia entre regiones y países, un análisis bayesiano de datos panel», Crecimiento y convergencia regional en España y Europa, vol. II, Instituto de Análisis Económico, Barcelona.

MARÍA-DOLORES, R. y GARCÍA, J. (2002): «Convergencia real de las regiones españolas: el impacto de los fondos estructurales», Papeles de Economía Española, núm 93, pp. 51-64.

MARINA, A.B. (1999): «Convergencia de los indicadores sociales en la Argentina», Reunión Anual de la Asociación Argentina de Economía Política.

MAS, M.; MAUDOS, J.; PÉREZ, F. y URIEL, E. (1994): «Disparidades regionales y convergencia en las Comunidades Autónomas», Revista de Economía Aplicada, 4 (vol.II), pp. 129-148. Š (1995): «Public capital and convergence in Spanish regions», Entrepreneurship and Regional Development, núm. 7, pp. 309-327.

MAZZIOTTA, C. (1999): «Convergencia regional y dotación de capital humano. El caso italiano», Papeles de Economía Española, núm. 80, pp. 136-149.

PACI, R. (1997): «More similar and less equal: economic growth in the european regions», Weltwirtschaftliches Archiv, 133, pp. 609-634.

PALLARDÓ, V.J. y ESTEVE, V. (1997): «Convergencia real en la Unión Europea», Revista de Economía Aplicada, 14 (vol V), pp. 25-49.

PERALTA, M.J.; RÚA, A.; FERNÁNDEZ, L. y BORRÁS, F. (2000): Tipología socioeconómica de las regiones europeas. Comparativa estadística, Instituto de Estadística de la Comunidad de Madrid, colección: Metodología e Infraestructura Estadística, Madrid.

QUAH, D. (1993a): «Empirical cross-section dynamics in economic growth», European Economic Review, 37, pp. 426-434. Š (1993b): «Galton's fallacy and tests of the convergence hypothesis», Scandinavian Journal of Economics, vol. 95, núm. 4, pp. 427-443. Š (1995): «Regional convergence clusters across Europe» Discussion Paper, núm. 274, Centre for Economic Performance, December. Š (1996a): «Empirics for economic growth and convergence», European Economic review, vol. 40, núm. 6, pp. 1.353.1.375. Š (1996b): «Twin peaks: growth and covergence in models of distribution dynamics», Economic Journal, 106, pp. 1.045-1.055. Š (1996c): «Convergence empirics across economies with (some) capital mobility», Journal of Economic Growth, 1, pp. 95-124. Š (1997): «Empirics for growth and distribution: stratification, polarization and convergence clubs» Discussion Paper núm. 324, Centre for Economic Performance, January.

RAYMOND, J.L. y GARCÍA, B. (1994): «Las disparidades en el PIB per cápita entre Comunidades Autónomas y la hipótesis de convergencia», Papeles de Economía Española, núm. 59, pp.37-58.

RODRÍGUEZ-POSE, A. (1997): «El papel del factor estatal en la percepción de la convergencia regional en la Unión Europea», Información Comercial Española, núm. 762, pp. 9-24. Š (1999): «Convergence or divergence? Types of regional responses to socio-economic change in western Europe», Tijdschrift voor Economische en Sociale Geografie, 90 (4), pp. 363-378.

RODRÍGUEZ-POSE, A. y FRATESI, U. (2002): «Unbalanced development strategies and the lack of regional convergence in the EU», Paper presented at the Annual Conference of the European Regional Science Association, Dortmund, August.

RÚA, A.; BORRÁS, F.; FERNÁNDEZ, L. y PERALTA, M.J. (2000): «Búsqueda de los patrones socioeconómicos en la Unión Europea: análisis de componentes principales y análisis factorial», XXV Congreso Nacional de Estadística Operativa, Vigo.

SALA-I-MARTIN (1990): «Lectures Notes on economic growth (I): introduction to the literature and neoclassical models», NBER, WP, núm. 3563. Š (1994a): «La riqueza de las naciones. Evidencia y teoría sobre crecimiento regional y convergencia», Moneda y crédito, 198, pp. 13-55. Š (1994b): Apuntes de crecimiento económico, Antonio Bosch Editor, Barcelona. Š (1996): «Regional cohesion: evidence and theories of regional growth and convergence», European Economic Review, 40, pp. 1.325-1.352.

VILLAVERDE, J. y SÁNCHEZ-ROBLES, B. (1998): «Disparidades provinciales y clubes de convergencia en España» Revista de Estudios Regionales, núm. 52, pp. 177-199.

VILLAVERDE CASTRO, J. (2000): «Los desequilibrios regionales en Europa y España: nuevas estimaciones, ¿viejos problemas?», Cuadernos de Información Económica, núm. 155, pp. 107-115.

VILLAVERDE, J. (2002): «Convergencia, polarización y movilidad regional en la Unión Europea», Papeles de Economía Española, núm. 93, pp.2-16.

WEISE, CH.; BACHTLER, J.; DOWNES, R. MC MASTER, I. y TOEPEL, K. (2001): The impact of EU enlargement on cohesion. final report, DIW y EPRC, European Commission Tender núm. PO/00-1/RegioA4.

ANEXO 1. VARIABLES INCLUIDAS EN EL ESTUDIO Y PREPONDERANCIA EN LOS CLUSTERS

[NO INCLUYE TABLA]

ANEXO 2.

[NO INCLUYE TABLA]

RESUMEN

El trabajo tiene como objetivos, en primer lugar, analizar qué clubes socio-económicos se detectan entre los países y las regiones de la Unión Europea (UE). En segundo lugar, detectar si con el transcurso del tiempo se ha producido un proceso de homogeneización de posiciones socio-económicas tanto a nivel de países como de regiones. El período de análisis son los años 1990 y 2000. Para alcanzar los objetivos propuestos, el estudio aplica un análisis cluster sobre variables socio-económicas a fin de agrupar los países y regiones de la UE en conglomerados. El trabajo permite concluir que para las variables y el periodo analizados no se ha producido un acercamiento socio-económico entre países de la Unión Europea. En el año 2000 la divergencia entre países sigue siendo significativa y similar a la que se observaba a inicios de los años noventa. Estos resultados son igualmente ciertos e incluso más intensos en el ámbito regional.

---------------------------------

1 En este ámbito, una definición de convergencia sería la tendencia a la igualación interterritorial de alguna medida del nivel de producción real por persona (BAJO, 1998:138).

2 El concepto de convergencia condicionada aparece en los trabajos de crecimiento neoclásico como reacción a los modelos de crecimiento endógeno, uno de cuyos aspectos más destacado era la inclusión de rendimientos crecientes a escala difícilmente conciliables con el supuesto neoclásico de competencia perfecta (EZCURRA, 2001).

3 El estudio de CÁNOVA Y MARCET (1995), mediante datos panel, lleva a rechazar la hipótesis de convergencia absoluta. Asimismo, los trabajos de QUAH (1993a, b, 1996 a, b, c y 1997) son críticos respecto a los trabajos de BARRO y SALA-I-MARTÍN. Entre las aportaciones alternativas destacan las que se basan en el estudio de series temporales. En este enfoque, BERNARD Y DURLAUF (1996) proponen dos concepciones de convergencia, por un lado la convergencia cat-ching-up (como acercamiento), que tiene lugar cuando se espera que la diferencia de la renta per cápita de distintos países se reduzca en un momento dado del tiempo, pero con la persistencia de distintos estados estacionarios. Por otro lado, la convergencia a largo plazo la cual implica la desaparición con el tiempo de las diferencias de renta. PALLARDÓ Y ESTEVE (1997) utilizan estas definiciones de convergencia para aplicarlas a los 15 países de la UE (exceptuando Luxemburgo) a lo largo del periodo 1950-1992, sus resultados indican la ausencia casi total de convergencia.

4 DE LA FUENTE (1994) resume los resultados de algunos de estos estudios.

5 La importancia de la convergencia y el crecimiento quedan patentes cuando se observa que revistas, como por ejemplo, Papeles de Economía Española en sus números 63/1995, 80/1999 o 93/2002; Cuadernos Económicos de ICE número 58/1994, son monográficas del tema. Asimismo y continuando en el ámbito de revistas españolas, en los distintos números de la Revista de Economía Aplicada pueden encontrarse muchos trabajos centrados en el estudio del crecimiento y la convergencia.

6 Un enfoque similar puede encontrarse en trabajos como: Rúa, et al. (2000) o Peralta et al. (2000).

7 El trabajo de EZCURRA et al. (2002) estudia la presencia de dicha cristalización en la Unión Europea a través del análisis de la movilidad de la distribución de la renta por habitante a escala regional durante el período 1977-96. Entre las conclusiones destaca el mantenimiento de la desigualdad interregional.

8 Igual metodología puede encontrarse en trabajos como Weise et al. (2001) o Aurioles et al. (2002). Los objetivos perseguidos son sin embargo, distintos al nuestro. En el primer caso, los autores tratan de identificar clusters en la Europa ampliada. En el segundo, se examina la situación de las regiones que conformarían la UE ampliada y se evalúa las posibles alteraciones en la estructura de desequilibrios regionales de la Europa ampliada en función de las previsiones de crecimiento y su posible repercusión sobre el empleo.

9 En algunos trabajos, para suplir un dato inexistente en las estadísticas oficiales se extrapola mediante su estimación a partir de los datos sí conocidos. Esta metodología no es, sin embargo, adecuada en nuestro estudio. Si estimamos, estamos perpetuando el valor histórico, lo cual implica suponer que con el paso del tiempo no ha habido cambios destacables en la región o país en cuestión para aquella variable. Ello podría llevarnos a conclusiones erróneas puesto que precisamente en sus cambios y en las restantes variables se apoya nuestro análisis de clusters de convergencia.

10 El nombre de jerárquico responde al hecho de que el análisis comienza calculando la matriz de distancias entre cada elemento y todos los restantes y, a continuación, se agrupan en un conglomerado los dos elementos más próximos. A partir de este momento el conglomerado es indivisible.

11 Las medidas de disimilaridad ponen el énfasis en la lejanía entre los elementos. Por su parte, las medidas de similaridad lo hacen en el grado de proximidad.

12 El estadístico F se debe utilizar con una finalidad estrictamente descriptiva. Los conglomerados no se han formado aleatoriamente, sino que han sido elegidos para maximizar diferencias entre los casos en diferentes conglomerados. El análisis no puede interpretarse como un test de contraste de la hipótesis de que los centros de los conglomerados son iguales.

13 HALLET (2002) siguiendo los resultados de trabajos recientes de la Comisión Europea (véase por ejemplo, Comisión Europea (2002)), presenta ciertos hechos estilizados sobre las disparidades regionales en Europa. Al hablar del mercado de trabajo apunta que mientras en algunas zonas de la UE se empieza a detectar escasez de mano de obra para determinadas actividades, en otras el desempleo continúa siendo un grave problema.

14 RODRÍGUEZ-POSE (1997), en un estudio aplicado al periodo 1977-93, pone en evidencia que las trayectorias económicas regionales de la UE poco o nada tienen que ver con una supuesta tendencia a la convergencia o a la divergencia, y mucho con la capacidad de cada región para responder a los retos derivados del proceso de reestructuración socio-económica. Del mismo modo, VILLAVERDE (2000) afirma que es evidente que los problemas de desequilibrios regionales en la UE siguen subsistiendo al menos en gran medida.

15 Esta idea también la sustenta la Comisión Europea. Véase por ejemplo, Comisión Europea (1999; 2002). Por su parte VILLAVERDE (2002) señala que lo preocupante es que un cuarto de siglo después del nacimiento del FEDER las disparidades entre las regiones europeas sigan siendo bastante mayores que las disparidades entre los estados miembros.

16 En la mayoría de trabajos sobre convergencia y desigualdad regional de la economía española estas tres regiones presentan debilidades en las variables objeto de análisis. Véase por ejemplo, GARCÍA-MILÀ y MARIMON (1999) o GOERLICH et al (2002).

VLEX utiliza cookies de inicio de sesión para aportarte una mejor experiencia de navegación. Si haces click en 'Aceptar' o continúas navegando por esta web consideramos que aceptas nuestra política de cookies. ACEPTAR