ineficiencia salarial y territorio: un análisis del caso ...€¦ · construimos, de esta manera,...
TRANSCRIPT
Ineficiencia salarial y territorio: un análisis del caso español.
Ángel Martín-Román
Alfonso Moral
Carlos Pérez
Departamento: Fundamentos del Análisis Económico
Universidad: Universidad de Valladolid Área Temática: Población y mercado de trabajo
Resumen: En objetivo central de este trabajo consiste en estimar las ganancias
potenciales y el grado de eficiencia (o consecución salarial) de los trabajadores en las
diferentes económicas española. Para ello nos valemos de la técnica de las fronteras
estocásticas y utilizamos los ficheros de microdatos de la Encuesta de Estructura
Salarial (INE).
Como punto de partida supondremos que existe una función individual de generación de
renta potencial. Dicha constituye una frontera superior de ingresos salariales, de forma
que el montante de los mismos realmente percibido por el trabajador en un momento
dado deberá ser inferior, o a lo sumo igual, al máximo potencial. El motivo básico de la
“ineficiencia salarial”, esto es, de que los trabajadores pueden no estar percibiendo
efectivamente su salario potencial, debemos buscarlo, básicamente, en la existencia de
deficiencias informativas y, por tanto, en el hecho de que el proceso de búsqueda de
empleo sea costoso para el trabajador.
Esta técnica permite estimar un salario potencial o frontera superior que está
determinada por una ecuación minceriana y un parámetro de ineficiencia que indica
como de lejos se encuentra cada individuo de ella. Con esta finalidad se realiza una
estimación máximo verosímil donde se incluye una perturbación compuesta por un
término aleatorio de esperanza nula, y por otro que posee una distribución específica
con esperanza no negativa. Es este último el que aproxima el grado de ineficiencia del
trabajador para alcanzar ese salario potencial.
En una segunda fase se emplean técnicas de econometría espacial para estudiar la
existencia de patrones territoriales en el grado de ineficiencia salarial.
Palabras Clave: Capital humano, eficiencia, salarios, fronteras estocásticas, dependencia
espacial
Clasificación JEL: R23, J24, J31
1. INTRODUCCIÓN
Cuando se estima una ecuación salarial minceriana convencional (Mincer, 1974) con el
objetivo de calcular los rendimientos de la educación, los resultados obtenidos se
refieren a los salarios medios. La práctica de analizar valores medios es muy común
dentro de la disciplina de la economía, por otra parte, y hay que decir que ha generado
grandes progresos en el conocimiento. Pero hay fenómenos que no pueden estudiarse
desde esta óptica algo reduccionista. En este trabajo pretendemos precisamente
profundizar en una de esas cuestiones: la ineficiencia en la consecución salarial. Para
lograr este fin haremos uso de la metodología econométrica de las fronteras
estocásticas.
El objetivo fundamental de este trabajo es medir la ineficiencia salarial en las diferentes
regiones españolas en un primer paso, y analizar si se detectan patrones territoriales
mediante técnicas de econometría espacial en una segunda etapa. Aunque hay algunos
antecedentes bibliográficos que examinan la interdependencia de los salarios medios en
territorios vecinos para el caso español, según nuestro conocimiento no ha estudiado la
dependencia espacial de la ineficiencia salarial, siendo este el elemento más novedoso
de este trabajo.
Como ya ha sido comentado, para llevar a cabo la medición de la ineficiencia salarial
hacemos uso de la técnica de las fronteras estocásticas. Sin entrar en detalles demasiado
técnicos, que serán discutidos en una sección posterior, la idea básica es que esta
metodología permite registrar para cada individuo la diferencia que existe entre el
salario máximo que podría percibir de acuerdo a su dotación de capital humano y el
salario que efectivamente recibe. Esa brecha salarial es lo que denominamos
ineficiencia en este trabajo. Utilizando las olas de 2006 y 2010 de los microdatos de la
Encuesta de Estructura Salarial (EES), hacemos una especificación minceriana de la
frontera salarial de los trabajadores que desarrollan su actividad laboral en las regiones
de España y posteriormente se agregan los individuos de dichos territorios y
construimos, de esta manera, la brecha salarial para las mencionadas regiones.
Finalmente, tratamos de buscar algunos factores explicativos de las diferencias
registradas en la ineficiencia salarial de cada zona. En esta segunda etapa
implementamos técnicas de econometría espacial para detectar patrones territoriales.
Adicionalmente, hacemos una comparación entre los años 2006 y 2010. Dado el rápido
e intenso deterioro del mercado de trabajo español desde 2008, la comparación de estos
dos momentos del tiempo, uno anterior y otro posterior, nos permite obtener
interesantes conclusiones del propio funcionamiento de dicho mercado laboral en las
diferentes regiones españolas.
El resto del trabajo se organiza como sigue. En el segundo apartado se explican las
posibles causas que pueden generar la ineficiencia salarial y las implicaciones que
tienen desde el punto de vista del análisis regional.En la sección 3 se enmarca esta
investigación en la literatura existente y se analiza el estado de la cuestión. El apartado 4
comenta la base de datos empleada y esboza algunos resultados descriptivos obtenidos
de un primer análisis de la misma. En la sección 5 se explica en qué consiste la
metodología econométrica empleada y cómo ésta permite alcanzar el objetivo
planteado. El apartado 6 expone los principales resultados. La sección 7 resume las
principales conclusiones.
2. INEFICIENCIA SALARIAL Y TERRITORIO.
Como punto de partida comenzaremos explicando qué es lo que entendemos por
consecución salarial. Con este término nos referimos al porcentaje de salario máximo
potencial que un trabajador acaba realmente alcanzando de forma efectiva, dada su
dotación de capital humano. Por ejemplo, si una determinada de cantidad de capital
humano permitiera cobrar a un individuo genérico un salario de 25€ a la hora y un
trabajador concreto con esa misma dotación cobrara solamente 20€ a la hora, diríamos
que su consecución salarial es del 80% o, alternativamente, que su ineficiencia salarial
es del 20%.
Hay varios motivos para pensar que el funcionamiento de los mercados de trabajo
genera frecuentemente situaciones de ineficiencia salarial. De esta forma, la brecha
salarial entre el salario potencial y el salario efectivo podría racionalizarse en términos
de, al menos, cuatro tipos de explicaciones, siguiendo la literatura académica
desarrollada dentro de la economía laboral: información imperfecta sobre la distribución
salarial, rigideces salariales causadas por las instituciones que operan en el mercado de
trabajo, discriminación laboral y lo que podíamos denominar mala calidad de los
emparejamientos. Aunque algunos de estos motivos pueden actuar de forma conjunta,
explicaremos de forma breve como cada uno de ellos por separado puede provocar una
separación entre el salario potencial de un trabajador y la remuneración efectivamente
percibida.
Quizás, la explicación más habitual de este fenómeno hace referencia a los argumentos
relacionados con los modelos de la denominada teoría de la búsqueda de trabajo
(Mortensen, 1986). Cuando la información sobre los diferentes puestos de trabajo
existentes en un mercado, dado un cierto nivel educativo de un trabajador, es costosa de
adquirir, pueden persistir diferencias salariales asociadas a diferentes puestos de trabajo,
incluso aunque el trabajo sea homogéneo. El buscador de trabajo podría conocer la
distribución salarial de dicho mercado de trabajo, pero desconoce el salario concreto
que va a encontrar en el próximo contacto que tenga con un empleador. Desde un punto
de vista dinámico podría ser óptimo cesar la búsqueda de trabajo y aceptar una oferta
salarial aunque ésta se encuentre por debajo del máximo potencial que podría alcanzar.
En segundo lugar, se podría acudir a las interferencias y las rigideces que en ocasiones
generan las instituciones laborales para justificar la existencia de la brecha salarial. La
noción de rigidez en el mercado de trabajo es un término algo vago y podría hacer
alusión a una variedad de aspectos. Aquí para centrar un poco la cuestión nos vamos a
referir a una dimensión muy concreta de ella, y que creemos que puede jugar un papel
muy importante en el mercado de trabajo español: la dualidad en el mercado provocada
por la legislación laboral en materia de contratación. Es un hecho bien conocido que el
peso relativo que han supuesto los trabajadores con contrato temporal en España es muy
elevado en relación con los estándares internacionales. Al mismo tiempo, los
trabajadores con un contrato indefinido han estado muy protegidos por la legislación de
protección al empleo con unos costes de despido muy altos. Los dos hechos
simultáneamente han provocado que el mercado de trabajo español sea un escenario que
encaja muy bien en el marco de la teoría de los insiders-outsiders (Lindbeck & Snower,
2001). Según una interpretación de esta teoría, los trabajadores internos serían aquellos
con contrato indefinido y los externos aquellos desempleados o con contrato temporal.
Los primeros tendrían sus derechos laborales bien protegidos por la acción colectiva de
los sindicatos y conseguirían consecuciones salariales altas, dado su alto poder de
negociación, mientras que los segundos deberían aceptar peores acuerdos salariales,
ceteris paribus, que sus contrapartes con contrato indefinido. Evidentemente, esto
provocaría que los trabajadores externos presentaran mayores ineficiencias salariales.
Un tercer candidato para explicar la brecha salarial de los trabajadores ocupados serían
las teorías de la discriminación salarial. Especialmente relevante para el contexto que
nos ocupa en esta investigación serían la relativa a la discriminación estadística (Aigner
& Cain, 1977). En estos modelos, los empleadores tratan de estimar la productividad
potencial de un trabajador acudiendo a “señales” objetivas, como puede ser la
pertenencia a un grupo social determinado, dado que conocer la productividad real de
cada individuo implicaría costes informativos inasumibles para el empleador.
Lógicamente, aquellos trabajadores que pertenecen a un grupo señalizado como “de
baja productividad” percibirían un salario menor a su propia productividad. Al ser
comparados con trabajadores totalmente idénticos a ellos, desde una perspectiva de
capital humano, pero pertenecientes a un grupo señalizado como “de alta productividad”
se registrarían diferencias que podrían conceptualizarse como ineficiencia salarial
dentro de la marco de estudio del presente trabajo.
El último factor explicativo podría denominarse “pobre calidad del emparejamiento
laboral”. Una referencia clásica en este sentido es Cahuc & Postel-Vinay (2002). Según
este trabajo, en el contexto de la teoría de la búsqueda de trabajo y con instituciones que
generan la anteriormente citada dualidad en el mercado de trabajo, los emparejamientos
laborales empleado-empleador pueden provocar ineficiencia salarial. Una
reinterpretación de esta idea podría aplicarse a la actual coyuntura económica de
recesión-depresión que experimenta la economía española. Con un mercado de trabajo
tan deprimido, los buscadores de trabajo tienen que aceptar en ocasiones ofertas
salariales muy por debajo de lo que indicaría su productividad. A diferencia de la teoría
de la búsqueda en la que la ineficiencia salarial es provocada por la excesiva
información que el trabajador tiene que procesar en un mercado de trabajo muy
dinámico, aquí lo que ocurre es que hay una escasez muy elevada de oportunidades
laborales que obliga a los buscadores de empleo a aceptar la primera oferta laboral que
se les ofrece, puesto que puede pasar mucho tiempo hasta que reciban otra.
Una vez identificados los factores que pueden provocar la ineficiencia salarial en un
mercado de trabajo, se revela evidente la importancia del análisis regional. Si se
constataran diferentes grados de consecución salarial en diferentes mercados de trabajo
regionales, este hecho en sí mismo podría considerarse un resultado significativo y
revelador del funcionamiento de los mercados de trabajo territoriales en España. Al fin
y al cabo, se podría esperar, desde la óptica de la economía neoclásica que se produjeran
movimientos migratorios interregionales que deberían hacer desparecer dichas
discrepancias a través de los desplazamientos compensatorios de las ofertas de trabajo.
Una segunda cuestión sería testar si existe correlación espacial entre los territorios
vecinos, lo que informaría sobre una cierta vinculación espacial de los mercados de
trabajo regionales. Todas estas cuestiones serán analizadas en este artículo.
3.-ESTADO DE LA CUESTIÓN.
La técnica de las fronteras estocásticas ha sido utilizada habitualmente en el marco de
los estudios sobre la eficiencia productiva, desde que Aigner et al. (1977) y Meeusen &
Van den Broeck (1977) definieran y emplearan de forma simultánea e independiente,
dicho concepto de frontera estocástica. A pesar de ello, esta técnica también ha sido
aplicada en el campo de la economía laboral y más concretamente en la comprensión
del proceso de formación de los salarios. En este sentido, y en lo referente a la
determinación del salario potencial de los trabajadores, se ha aplicado esta técnica, entre
otros, en los trabajos de Hofler & Polachek (1982, 1985), Polachek & Yoon (1987,
1996), Hofler & Murphy (1992) y Polachek & Robst (1998). Una vez obtenido el
potencial salarial, mediante la estimación de la frontera, es posible analizar en qué
medida un determinado colectivo o, incluso, el global de trabajadores de un
determinado territorio, se separan de ella.
En el primero de estos casos, podemos hacer una interpretación del fenómeno en
términos del grado de discriminación salarial al que están expuestos ciertos colectivos
sensibles, en la medida en que esta técnica permite cuantificar cómo poseer una
determinada característica (ser mujer, inmigrante,…) les aleja sistemáticamente de su
potencial salarial. A este respecto, encontramos, entre otras, las aportaciones de
Robinson & Wunnava (1989), Robinson (1993), García et al. (2001), Bishop et al.
(2007) y Díaz & Sánchez (2011), en lo referente a la discriminación salarial por motivos
de género. En el caso de Herzog et al. (1985), Daneshvary et al (1992) y Lang (2000,
2004) se aplica este procedimiento a la consecución salarial de los inmigrantes.
La otra forma de abordar el tema de la ineficiencia salarial consiste en plantearla como
un fenómeno global, que incluso es posible cuantificar a nivel del conjunto de un
determinado territorio, aunque analizando cómo diferentes colectivos socio-laborales
influyen en ella e, incluso, cómo puede evolucionar a lo largo del tiempo. Los trabajos
referidos en el primer párrafo de este apartado, una vez obtenida la frontera, computan
también el grado de ineficiencia en el caso de los Estados Unidos. En otros países el
tema se aborda, por ejemplo, en Dar (2007) para Canadá, Adamchik & King (2007)
para Polonia, Harmath & Ramoni (2012) para Venezuela y en García et al. (2005) y
Zarco et al. (2009) para España.
Este trabajo se enmarca, en esencia, en la última de las categorías mencionadas más
arriba, dado que su objeto central es determinar el nivel de eficiencia salarial de las
diferentes regiones españolas. Además de eso, analiza también su evolución en dos
momentos del tiempo especialmente significativos: 2006 y 2010, antes y durante la
crisis económica. Para ello, se han aprovechado las dos olas de la EES correspondientes
a dichos años y el hecho de que, a pesar de las posibles deficiencias, esta encuesta
ofrece los mejores datos salariales para analizar el comportamiento de los salarios en las
regiones españolas a nivel microeconómico, para construir, en una segunda etapa, un
índice macroeconómico de ineficiencia salarial.
Con respecto a la literatura relativa al estudio de los niveles salariales de las diferentes
regiones españolas y su interrelación, habría que decir que ya hay algunos trabajos en
esta dirección. Sin ánimo de ser exhaustivos se podrían citar dos trabajos bastante
recientes a modo de ejemplo: Maza y Villaverde (2009) y Bande et al. (2012). No
obstante, hay que señalar que nuestro planteamiento aquí es bastante diferente: no se
tratan de analizar los niveles salariales de las regiones españolas y/o su
interdependencia, sino que el objeto de estudio es el grado de consecución salarial o,
visto desde el punto de vista contrario, la ineficiencia salarial. Según nuestro
conocimiento, este planteamiento es totalmente novedoso.
4.-BASE DE DATOS.
La información estadística empleada en este trabajo proviene de la Encuesta de
Estructura Salarial (EES). Esta encuesta proporciona información sobre la estructura y
distribución de los salarios y se realiza con periodicidad cuatrienal en todos los Estados
miembros de la Unión Europea. Uno de los aspectos más importantes de esta base de
datos es que recoge los salarios en el cuestionario de forma individual y, junto a ellos,
una gran cantidad de variables relacionadas con el trabajador como la edad, el sexo, el
nivel de estudios o el tipo de contrato. Incluye, además, otras variables que afectan
colectivamente a los trabajadores de un establecimiento o una empresa como la
existencia o no de convenio colectivo o si la propiedad de la misma es pública o
privada. Así mismo, se ofrece también información sobre la región en que se sitúa la
empresa.
En el caso español, disponemos de olas de la EES para los años 1995, 2002, 2006 y
2010 cubriendo los sectores de la industria, la construcción y los servicios1. Sin
embargo, para los objetivos propuestos en este trabajo solo se van a emplear los datos
de 2006 y de 2010, por su localización temporal con respecto a la crisis y porque,
además, son las únicas olas que mantienen el ámbito poblacional2. Además, conviene
aclarar que el estudio se remite únicamente a aquellos trabajadores que desarrollan su
actividad en jornada a tiempo completo (la calificación de la jornada la realizan los
propios informantes). Finalmente, y dado que la dimensión esencial de este estudio es la
regional, ha sido necesaria una explotación especial de la EES que se ha solicitado al
1 En 2006 se analizan aquellas actividades incluidas en las secciones C a K y en las M, N y O de la CNAE-93
(igual que en 2002), mientras que en 2010 se incluyen los centros de cotización del Régimen General cuya actividad se encuadra en las secciones B a S y en el Régimen Especial de Trabajadores del Mar la división 50, todas ellas de la CNAE-09 2 Por un lado, en los años 1995 y 2006 no se incluyen los trabajadores de centros con menos de 10 trabajadores. Por otro, en 1995 se incluyen los trabajadores contratados a 31 de octubre con independencia de que hayan estado dados de alta durante todo el mes, y esto puede afectar a la información salarial como variable central de este trabajo.
Instituto Nacional de Estadística. Dicha explotación ha proporcionado 148.779 datos
para el año 2006 y 108.635 para el 2010.
La variable dependiente empleada en este trabajo es una proxy del salario por hora
obtenida como cociente entre el salario bruto anual y la jornada laboral anual pactada.
Los datos de ambos años, además, se han deflactado por el Índice de Precios al
Consumo. En el cuadro 1 se presentan algunos descriptivos de los datos medios de este
salario así como de su dispersión en las diferentes regiones y en los dos años analizados.
En términos generales se observa un incremento del salario real entre 2006 y 2010 algo
superior al 14%, junto con una pequeña disminución de la variabilidad que seguramente
sea debida a una pérdida de trabajo en las escalas salariales inferiores. Entrando más en
el detalle del cuadro 1 se puede comprobar como las diferencias salariales entre las
diferentes regiones españolas son considerables. Si comparamos los dos extremos de la
muestra conjunta se puede observar que el salario medio por hora en el País Vasco
supera en más de un 60% al de las Islas Canarias y en casi un 70% al de Extremadura.
Los datos muestran un grupo de Comunidades Autónomas con salarios muy por encima
de la media formado por Navarra, País Vasco, Cataluña y Madrid. En cambio, el resto
de Comunidades tienen salarios por hora inferiores a la media nacional.
El gráfico 1 completa el análisis descriptivo mostrando los Kernel relativos a la
distribución del logaritmo del salario hora por año en las 17 Comunidades Autónomas
españolas y para las Ciudades Autónomas de Ceuta y Melilla. Los resultados corroboran
las diferencias entre las distribuciones salariales de las diversas regiones y, en particular,
entre los grupos de regiones que se sitúan por encima y por debajo de la media de
España.
Para complementar este estudio descriptivo, vamos a efectuar un estudio más
pormenorizado que permita explicar el origen de las diferencias salariales así como la
existencia de posibles patrones espaciales.
5.-METODOLOGÍA
Desde el punto de vista metodológico se van a seguir dos vías diferentes. La primera de
ellas para identificar los factores determinantes de los niveles salariales y su grado de
consecución. La segunda para analizar la existencia de patrones espaciales y si estos
están relacionados con la eficiencia a la hora de alcanzar el salario máximo.
El punto de partida de esta parte del trabajo es la estimación de una función de
ganancias semi-logarítmica que trata de explicar el valor del salario. Para ello se recurre
a una ecuación minceriana donde el logaritmo del salario se pone en función de
variables explicativas que tratan de medir el nivel de capital humano del trabajador. Este
nivel de capital humano marca un salario máximo (salario potencial) que representa una
frontera superior3 que puede ser estimada de acuerdo a la siguiente expresión:
(1)
Donde es el logaritmo del salario hora potencial
, es un vector de
características individuales (edad, antigüedad o el nivel de estudios en el modelo más
básico)., es un vector de coeficientes y un error aleatorio de media 0 y varianza .
Sin embargo, existe un problema de información y unos costes de búsqueda que
impiden que el salario real que recibe el trabajador alcance su nivel potencial. Por lo
tanto los datos salariales observados, se corresponden con unas realizaciones
ineficientes de ese nivel potencial. Dicho salario real observado es el resultado de restar
al salario potencial una perturbación aleatoria no negativa según aparece recogido en la
ecuación 2.
(2)
Donde es el logaritmo de la duración real
y es otro término de
error de media positiva y varianza . A fin de conseguir que el modelo compuesto sea
estimable es necesario que siga una distribución determinada. En la literatura existen
varios antecedentes sobre algunas distribuciones que permiten realizar la estimación.
Aigner et al (1977) utilizan una distribución Semi-Normal, Meeusen and van den
Broeck (1977) optan por una Exponencial, Stevenson (1980) emplea una Normal
Truncada y Green (1980a y 1980b) se deciden por una distribución Gamma4. A partir de
1 y 2 obtenemos la siguiente expresión:
(3)
El hecho de tener una perturbación compuesta hace que la estimación por mínimos
cuadrados ordinarios no sea la más adecuada. Siempre que las perturbaciones y los
regresores sean independientes, los estimadores de mínimos cuadrados ordinarios son
insesgados, consistentes y eficientes entre los estimadores lineales, sin embargo hay
inconsistencia en el término constante y no pueden separarse las varianzas de las dos
perturbaciones5. Por ello es más adecuada la estimación máximo verosímil utilizando la
metodología de las fronteras estocásticas. De esa manera se pueden obtener los términos
y
.que son las varianzas de las dos perturbaciones del modelo y son esenciales para
el cálculo de γ y λ. Estos dos últimos parámetros se definen como:
3 Esta frontera superior, dentro del marco metodológico de este trabajo, estaría asociada a lo que la literatura ha denominado frontera de producción.
4 Para los cálculos de este trabajo se ha empleado un distribución normal truncada, no obstante se ha probado con la exponencial y la seminormal y los resultados no
sufren grandes alteraciones.
5 El hecho de no poder estimar de forma separada el valor de las varianzas impide realizar los test correspondientes para validar la existencia de ineficiencia.
y
y son los que permiten conocer el peso de la ineficiencia a la hora de explicar el nivel
salarial.
El hecho de utilizar fronteras estocásticas para el análisis también permite obtener
estimaciones de a través de la media o la moda de sabiendo que
(Jondrow et al. 1982). De esta manera es posible calcular para cada individuo el valor
de su eficiencia a través de la siguiente expresión:
(4)
Para la búsqueda de patrones espacial se utiliza un análisis exploratorio de datos
espaciales mediante el uso de test de dependencia espacial global y local. El estadístico
global de correlación espacial que se aplican es la i de Moran (Moran, 1948)6 y se
define de acuerdo con la siguiente expresión:
(5)
Donde es el valor de la variable en la región i, es la media muestral de la variable
, son los componentes de la matriz de pesos espaciales, el tamaño muestral y
. (6)
La i de Moran suele tomar valores entre -1 y 1 (aunque puede sobrepasar ambos
límites) indicando autocorrelación positiva (negativa) cuando sus valores se acercan a 1
(-1) lo cual implica que las zonas con altos valores de la variable se rodean de zonas con
altos (bajos) valores de la misma. Finalmente, si la i de Moran toma el valor cero indica
ausencia de autocorrelación espacial.
Este test permite contrastar la presencia o ausencia a nivel global, pero no permiten
evaluar la estructura local de la correlación espacial. Para corregir esta deficiencia se
realizan un contraste local de asociación espacial, el estadístico local de Moran Ii
(Anselín, 1995)7
que se define como sigue:
(7)
Donde es el valor que toma en la región la variable normalizada y el conjunto de
zonas que se consideran vecinas de .
6 El índice I de Moran es un coeficiente de autocorrelación de la muestra (Dutilleul, 1998). Cliff y Ord (1981) señalan que I parece estar menos afectado por la
distribución de los datos y le adjudican una ventaja estadística sobre otros índices.
7 Una buena descripción de todos estos estadísticos aparece en Moreno y Vaya (2002).
Para todos estos test se han empleado matrices de contigüidad de las Comunidades
autónomas. De esta manera se consideran territorios vecinos todos aquellos que tienen
una frontera común entre sí. Por lo tanto las regiones insulares no presentan ningún tipo
de vecindad
6.-RESULTADOS.
Antes de comenzar con el comentario de los resultados de la estimación de la ecuación
de salarios conviene hacer algunas consideraciones adicionales de carácter
metodológico. Por un lado, la forma funcional elegida para modelizar la ineficiencia ha
sido la exponencial8. Por otro lado, los valores las varianzas de las dos perturbaciones
así como los de los parámetros λ de todas las especificaciones, pone de manifiesto la
importancia del componente de ineficiencia y la existencia de una frontera de
producción.
En los cuadros 2 y 3 se presentan los resultados del análisis de fronteras estocásticas. El
cuadro 2 se refiere a un modelo donde se considera una frontera común para todas las
Comunidades Autónomas y se analizan cinco especificaciones diferentes. El modelo I
se caracteriza por una ecuación minceriana donde las únicas variables explicativas son
la edad, la antigüedad y la educación, el modelo II añade a los anteriores controles de
ocupación, el modelo III incluye una variable que indica si estamos en 2010 mientras
que los modelos IV y V añaden la edad y la procedencia del trabajador. En el cuadro 3
se incluyen las mismas cinco especificaciones que en el cuadro 2 pero en un modelo
donde se consideran fronteras diferenciadas para cada Comunidad Autónoma.
Los resultados de estas estimaciones son coherentes con lo esperable de acuerdo con la
literatura. Con independencia de que se utilice frontera única o múltiple se puede
comprobar que el nivel de formación y la experiencia del trabajador (medida por su
estrato de edad y su antigüedad) incrementan su potencial salarial. Se aprecia que la
inclusión de las variables de ocupación reduce el efecto de la educación y que el hecho
de ser mujer reduce el potencial salarial en cerca de dos puntos porcentuales. También
se observa que un mismo trabajador de referencia habría aumentado su potencial salarial
real (desplazamiento de la frontera) en algo más del 2% desde el año 2006 al 2010. Este
aumento, en principio interpretable en términos del progreso técnico de la economía, es
bastante moderado si tenemos en cuenta que se trata de un transcurso temporal de cuatro
años. Finalmente se aprecia una reducción salarial de los trabajadores inmigrantes que
8 D ac rdo co Gr 2008 “Th ass m tio o ha - orma ity has s m d d y arro ”. No obstante,
también se han realizado estimaciones con la seminormal y las conclusiones finales son muy similares. La normal truncada se descartó por dar problemas en el proceso de convergencia de la estimación.
es especialmente significativo entre los procedentes de países europeos que no
pertenecen a la UE y de aquellos no europeos distintos de América Latina.
Por su parte, la comparación de los cuadros 2 y 3 también permite extraer dos
conclusiones interesantes. En primer lugar, la significación de las variables ficticias
regionales pone de manifiesto la importancia del componente regional más allá de la
diferente composición de la mano de obra que ya se ha controlado a través del resto de
variables explicativas. De esta forma, se observa cómo el País Vasco o Navarra
presentan una frontera salarial casi un 20% superior a la de Andalucía (región de
referencia) o cómo Canarias se sitúa un 5% por debajo de la Comunidad andaluza. En
segundo lugar, se aprecia un aumento del efecto de la procedencia del trabajador sobre
el techo salarial cuando se emplean fronteras diferenciadas. De esta manera, un
trabajador procedente de un país europeo que no pertenezca a la Unión tendría un techo
salarial un 13% inferior al de un trabajador nacional, o un 12% inferior si es de un país
no europeo distinto de América Latina.
Una vez analizado el efecto de las distintas variables y la importancia del componente
regional, el siguiente paso en el análisis de fronteras es el cálculo del porcentaje de
consecución salarial para cada trabajador y modelo analizado. En los cuadros 4, 5 y 6 se
muestran algunos descriptivos de esta consecución salarial con desagregación regional.
El cuadro 4 analiza el porcentaje medio de consecución salarial para cada Comunidad
Autónoma y modelo analizado cuando se emplea una frontera común para todas las
regiones. Por su parte, el cuadro 5 analiza la misma variable y desagregaciones que el
cuadro 4, pero en el caso en que se usan fronteras diferenciadas a nivel regional.
Finalmente, el cuadro 6 presenta la consecución salarial para la especificación más
completa (modelo V), tanto en el modelo de frontera única como en el de frontera
diferenciada a nivel regional y desagregando por Comunidad Autónoma y año de
referencia.
Los resultados de consecución salarial de los cuadros 4 y 5 muestran que los salarios
observados se sitúan como media, en torno a algo más del 76% de su valor potencial
para todas las especificaciones analizadas. Este resultado también se repite con
independencia de que se emplee una frontera única o fronteras diferenciadas por
Comunidades Autónomas. Además, se observa que la inclusión de variables adicionales
al modelo básico minceriano no supone grandes cambios en el nivel de consecución
salarial ni a nivel agregado ni en la desagregación regional.
Desde el punto de vista territorial se aprecian diferencias interregionales que son más
significativas en el caso del modelo con frontera única. Este resultado es lógico si
tenemos en cuenta el hecho de que parte de las diferencias en el nivel de consecución
salarial son consecuencia del diferente nivel de vida de cada zona. El cuadro 4 refleja
que las Comunidades Autónomas más eficientes son el País Vasco, Navarra, Cataluña y
Madrid mientras que el resto de Comunidades, como ya pasaba cuando analizábamos el
nivel salarial, se sitúan por debajo de la media. Sin embargo, cuando utilizamos
fronteras diferentes, y por lo tanto corregimos parte de la diferencia en el nivel de cada
zona, los resultados cambian. El cuadro 5 muestra como, con fronteras diferentes, la
consecución salarial es muy similar en cada zona. Sin embargo ahora es Galicia la que
alcanza un mayor grado de eficiencia, mientras que Madrid pasa a formar, junto con
Andalucía, el grupo de Comunidades menos eficientes.
Por su parte el cuadro 6 completa los comentarios anteriores añadiendo el efecto
temporal a la hora de estudiar la eficiencia. A nivel agregado se observa un incremento
de la consecución salarial (tanto con frontera única como con fronteras diferenciadas),
resultado que se puede generalizar para la mayoría de las Comunidades Autónomas.
Son el País Vasco, Navarra y Aragón las únicas zonas donde se ha producido una
reducción en el grado de consecución salarial entre 2006 y 2010. Si unimos este hecho a
que son las regiones que mejor han soportado la caída del empleo y que han pasado a
estar por debajo de la media en la consecución salarial cuando empleamos fronteras
diferenciadas, podríamos avanzar que son estas las zonas donde más se ha moderado la
evolución salarial una vez controlado el cambio de la composición en la mano de obra.
La última parte del análisis empírico se centra en la búsqueda de patrones espaciales en
el grado de consecución salarial de las diferentes Comunidades Autónomas. Dicho de
otra manera, se trata de identificar regiones vecinas que compartan altos o bajos grados
de eficiencia
El análisis exploratorio de datos espaciales realizado para el nivel de eficiencia de cada
región permite añadir algunos resultados interesantes a los que ya hemos avanzado. En
el cuadro 7 y en los gráficos 2, 3 y 6 se presenta el análisis de dependencia para el nivel
de consecución salarial cuando se considera una única frontera salarial para todas las
Comunidades Autónomas. El cuadro 7 muestra que para la muestra conjunta y en
especial para el año 2006 se encuentra un valor de la I de Moran significativamente
distinto de cero que indica un cierto grado de dependencia espacial positiva. Esta
conclusión también se extrae de la mayor concentración de puntos en los cuadrantes 1º
y 3º de los Scatter Plot9
de Moran que aparecen en el gráfico 3 y de la concentración de
regiones eficientes en el nordeste de España, que muestra el Box Map del gráfico 2.
Por su parte, el análisis de dependencia espacial local que se muestra en el gráfico 6
presenta a Navarra como una región eficiente rodeada de regiones eficientes y a La
Rioja como región no eficiente rodeada de otras que si lo son. Además, en el año 2006
también se encuentra un cluster de baja eficiencia en el sur de España. Estos resultados
también se corroboran con los test de dependencia espacial local de Moran10
En el cuadro 8 y en los gráficos 4, 5 y 7 se estudia la dependencia espacial para el grado
de eficiencia de cada Comunidad Autónoma cuando se emplean fronteras diferenciadas.
Ahora, el análisis del cuadro 8 solo muestra dependencia espacial positiva para el año
2006 y para ello es necesario reducir el nivel de significación al 10%. Esta es también la
explicación que se aprecia al observar el Scatter Plot y el Box Map. En cuanto al
análisis de dependencia espacial local, sigue manteniéndose un cluster de eficiencia en
torno a Navarra, en especial en 2006 (como ya ocurría cuando se empleaba una frontera
única) y otro de eficiencia baja rodeado de zonas más eficientes en torno a Castilla y
León, especialmente en 2010.
7.-CONCLUSIONES.
De acuerdo con los datos del Encuesta de Estructura Salarial el salario medio en el País
Vasco durante 2010 para un trabajador a tiempo completo supera en más de un 50% al
que se recibe en Canarias o Extremadura. Sin embargo estas diferencias salariales
pueden ser consecuencia del diferente nivel de vida de cada región, de las características
de su mano de obra o del grado de eficiencia de los trabajadores a la hora de negociar su
remuneración.
El análisis empírico desarrollado en este trabajo a través de la técnica de fronteras
estocásticas ha permitido identificar los factores más importantes a la hora determinar el
salario potencial de cada trabajador así como su nivel de eficiencia a la hora de
conseguirlo. Los resultados muestran que la edad, la antigüedad, el nivel de educación o
el nivel de vida de cada Comunidad Autónoma son factores determinantes del salario de
cada zona, y también que el género, la nacionalidad o la ocupación son factores
explicativos de las diferencias salariales. Además se aprecia un aumento salarial entre
los dos periodos analizados.
9 Se trata de gráficos en los que se muestra la correlación entre una variable y su retardo espacial medido
como el valor medio que toma esa variable es sus regiones vecinas. 10
Estos test están a disposición de los interesados previa petición a los autores, aunque se ha decidido no incluirles en el texto.
El nivel de eficiencia de cada Comunidad Autónoma cuando se emplea una frontera
única refleja que las regiones de mayor nivel de vida son las que tienen un mayor nivel
de consecución salarial. Sin embargo, si corregimos el efecto del nivel de vida
empleando un modelo de fronteras diferenciadas, se puede comprobar que el grado de
eficiencia salarial es muy similar para todas las Comunidades Autónomas, y que ahora
no son las regiones con más salario las que están más cerca de su remuneración
potencial.
La última parte del trabajo se centra en el estudio de la dependencia espacial entre el
grado de eficiencia de cada Comunidad Autónoma. Los resultados muestran una cierta
correlación espacial positiva y la existencia de un cluster de alta eficiencia en la zona
norte con su centro en Navarra. La comparación intertemporal refleja que la
dependencia espacial se muestra más evidente en 2006 donde también surge un cluster
de baja eficiencia en el sur de la península, mientras que en 2010 y quizá debido a la
crisis económica, parece desvanecerse. Finalmente se comprueba que la correlación es
más significativa cuando se emplea el modelo de frontera única, lo que parece indicar
que también hay cierta dependencia espacial entre los salarios de las distintas regiones.
BIBLIOGRAFÍA
Adamchik, V. A. and King, A. E. (2007): “Labor Market Efficiency in Poland: A
Stochastic Wage Frontier Analysis”, International Journal of Business and Finance
Research, 1(2), 41-50.
Ahamdanech-Zarco, I., J. A. Bishop and A. Grodner (2009): “Labor Market Efficiency
in Spain: A Stochastic Frontier Approach”, East Carolina University,
http://www.ecu.edu/cs-educ/econ/upload/ecu0906-2.pdf
Aigner, D., C. Lovell, and Schmidt P. (1977): “Formulation and estimation of stochastic
frontier production function models”, Journal of Econometrics, 6(1), 21-37.
Aigner, D. J. and Cain, G. G. (1997): “Statistical Theories of Discrimination in Labor
Markets”, Industrial and Labor Relations Review, 30(2), 175-187.
Anselin, L. (1995), “Local Indicators of Spatial Association-LISA”. Geographical
Analysis, 27 (2), 93-115.
Bande, F., Fernández, M. y Montuenga, V. (2012): “Wage flexibility and local labour
markets: a test on the homogeneity of the wage curve in Spain”, Investigaciones
Regionales, 24, 175-198.
Battese, G. E. and Coelli, T. (1995): “A model for technical inefficiency effects in a
stochastic frontier production function for panel data”, Empirical Economics, 20, 325-
332.
Bishop, J.A., Grodner, A., Liu, H. and Chiou, J.R. (2007): “Gender earnings
differentials in Taiwan: a stochastic frontier approach”, Journal of Asian Economics,
18(6), 934-945.
Cahuc, P. and Postel-Vinay, F. (2002): “Temporary Jobs, Employment Protection, and
Labor Market Perfomance”, Labour Economics, 9, 63-91.
Cliff A.D. y Ord J.K. (1981): Spatial Processes: Models and Applications. Pion Ltd.,
London.
Daneshvary, N., Herzog, H.W. jr., Hofler, R.A., Schlottmann, A.M. (1992): “Job Search
and Immigrant Assimilation: An Earnings Frontier Approach”, Review of Economics
and Statistics, 74(3), 482-492.
Dar, A. A. (2007): “Estimating Worker Information Gaps From A Stochastic Wage
Frontier: A Study Of Canadian Labour Markets”, International Business & Economics
Research Journal, 6(12), 91-98.
Diaz, M.A. and R. Sanchez (2011): “Gender and potential wage in Europe: a stochastic
frontier approach”, International Journal of Manpower, 32(4), 410-425.
___________ (2013): “Young workers, marital status and wage gap”, Revista de
Economia Aplicada, , 61(XXI), 57-70.
Dutilleul P. (1998): Incorporating scale in ecological experiments: data analysis. En:
Ecological scale: theory and applications. Peterson D.L. Parker V.T., Columbia
University Press, New York, pp. 387-425.
Garcia, C., A. Martin-Roman and C. Perez (2001): “Using stochastic frontiers to
measure gender wage discrimination. The Spanish case” Documentos de trabajo FAE
(Universidad de Valladolid. Facultad de Ciencias Economicas y Empresariales ), 2, 1-
26.
___________ (2005): "Actual and potential returns to schooling in Spain”, Education
Economics, 12(4), 387-407.
Greene, W. (1980a): “Maximum likelihood estimation of econometric frontier
functions”, Journal of Econometrics, 13, 27-56.
___________ (1980b): “On the estimation of a flexible frontier production model”,
Journal of Econometrics, 13, 101-115.
___________ (2008): “The econometric approach to the efficiency analysis”. In Fried,
H. O., Knox C. A. and Schmith S. S. (eds.): The measurent of productive efficiency and
productivity growth, Oxford University Press, New York.
Harmath, P. and J. Ramoni (2012): “Fronteras estocasticas e ineficiencia salarial en
Venezuela”, Economia, XXXVII (33), 107-142.
Herzog, H.W., Hofler, R.A. and Schlottmann, A.M. (1985): “Life on the frontier:
migrant information, earnings and past mobility”, Review of Economics and Statistics,
67(3), 373-382.
Hofler, R. A and Murphy K., J. (1992): “Underpaid and Overworked: Measuring the
Effect of Imperfect Information on Wages”, Economic Inquiry, 30 (3), 511-529.
Hofler, R. and Polacheck, S. (1982): “Ignorance in the labour market: A new approach
for measuring information content”, Proceedings of the American Statistical
Association, 422-425.
___________ (1985): “A new approach for measuring wage ignorance in the labor
market”, Journal of Economics and Business, 37(3), 267-276.
Jondrow, J., Lovell, C. A. K., Materov, I. S. and Schmidt, P. (1982): “On the estimation
of technical inefficiency in the stochastic frontier production function model”, Journal
of Econometrics, 19, 233-238
Lang, G. (2000): “Native-immigrant Wage Differentials in Germany-Assimilation,
Discrimination, or Human Capital?”, Universitaet Augsburg, Institute for Economics,
discussion paper, n. 197.
___________ (2004): “How different are wages from wage potentials? Analyzing the
earnings disadvantage of immigrants in Germany”, Volkswirtschaftliche
diskussionsreihe, Institut fur Volkswirtschafslehre, 256(Januar).
Legendre P., Fortin M. J. (1989): “Spatial pattern and ecological analysis”. Vegetatio,
80, 107-138.
Lindbeck, A. and Snower, D.J. (2001): “Insiders versus Outsiders”, Journal of
Economic Perspectives, 15 (1), 165-188.
Maza, A. y Villaverde J. (2009): “Provincial wages in Spain: convergence and
flexibility”, Urban Studies, 46(9), 1969-1994.
Meeusen W. and Van den Broeck J. (1977): “Efficiency estimation from Cobb-Douglas
production function with composed errors”, International Economic Review, 18(2),
435-444.
Mincer, J. (1974) Schooling, Experience, and Earnings (New York: Columbia
University Press).
Moran, P. (1948): “The interpretation of spatial Maps”. Journal of the Royal Statistical
Society B, 10, 243-251.
Moreno, R y Vaya, E. (2002): “Econometría espacial. Nuevas técnicas para el análisis
regional. Una aplicación a las regiones europeas”. Investigaciones Regionales, 1, 83-
106.
Mortensen, D. T. (1986): “Job search and Labour market Analysis”, in Ashenfelter, O.
and Layard (eds), Handbook of Labour Economics, Volume 2, Amsterdam: North-
Holland, 849-919.
Polacheck, S.W. and Robst J. (1998): “Employee Labor Market Information:
Comparing Direct World of Work Measures of Workers’ Knowledge to Stochastic
Frontier Estimates”, Labour Economics, 5, 231-242.
Polachek, S.W. and Yoon, B.J. (1987): “A two-tiered earnings frontier estimation of
employer and employee information in the labour market”, Review of Economics and
Statistics, 69(2), 296-302.
___________ (1996): “Panel estimates of a two-tiered earnings frontier”, Journal of
Applied Econometrics, Vol. 11 No. 2, 169-78.
Robinson, M. (1993): “Measuring discrimination against females: is the
‘nondiscriminatory’ wage the male or the female wage?”, The American Economist,
37(1), 45-50.
Robinson, M.D. and Wunnava, P. V. (1989): “Measuring Direct Discrimination in
Labor Markets Using a Frontier Approach: Evidence from CPS Female Earnings Data”,
Southern Economic Journal, 56, 212-218.
Stevenson, R. (1980): “Likelihood functions for generalized stochastic frontier
functions”, Journal of Econometrics, 13, 57-66
Cuadro 1. Valores medios y desviaciones del salario hora por año y diversas
características de los trabadores.
2006 2010 Total
Media Desviación Media Desviación Media Desviación
Andalucía 10.151 7.684 12.942 8.575 11.386 8.208
Aragón 12.007 7.849 12.945 7.510 12.400 7.722
Asturias 10.752 6.663 11.025 5.982 10.874 6.369
Baleares 9.705 6.578 11.797 8.459 10.471 7.392
Canarias 9.044 6.733 10.717 7.488 9.750 7.109
Cantabria 10.185 6.000 12.231 7.043 11.102 6.567
Castilla-León 11.026 7.109 12.842 8.511 11.854 7.831
Castilla La Mancha 10.019 7.530 12.277 7.874 11.048 7.770
Cataluña 13.465 9.207 15.056 9.568 14.207 9.410
C. Valenciana 10.503 6.624 12.428 7.844 11.315 7.226
Extremadura 8.212 5.035 10.691 7.426 9.346 6.363
Galicia 9.781 6.545 10.959 7.013 10.313 6.786
Madrid 14.802 13.255 15.575 10.249 15.171 11.920
Murcia 9.485 6.272 12.454 9.280 10.588 7.666
Navarra 13.896 7.953 14.737 9.983 14.220 8.799
País Vasco 15.322 8.673 16.467 8.782 15.843 8.741
La Rioja 10.240 5.656 11.493 6.958 10.757 6.255
España 12.082 9.320 13.826 9.098 12.867 9.261
Fuente: Elaboración propia a partir de datos de la EES de 2006 y 2010.
Nota: Datos calculados para euros del año 2010.
Cuadro 2: Estimación del logaritmo salarial mediante fronteras estocásticas con
frontera única para todas las CC. AA.
Modelo I II III IV V
Antigüedad 0.0048 *** 0.0043 *** 0.0043 *** 0.0042 *** 0.0041
**
*
Antigüedad al cuadrado -7.4E-06 *** -6.6E-06 *** -6.5E-06 *** -6.4E-06 *** -6.2E-06
**
*
Edad 0.0311 *** 0.0257 *** 0.0254 *** 0.0258 *** 0.0263
**
*
Edad al cuadrado -0.0003 *** -0.0002 *** -0.0002 *** -0.0002 *** -0.0003
**
*
Nivel de Estudios (ref. Sin estudios)
Educación primaria 0.0863 *** 0.0681 *** 0.0660 *** 0.0639 *** 0.0591
**
*
Educación secundaria I 0.1100 *** 0.0861 *** 0.0822 *** 0.0836 *** 0.0751
**
*
Educación secundaria II 0.2925 *** 0.2026 *** 0.1991 *** 0.2061 *** 0.1977
**
*
FP grado medio 0.2353 *** 0.1884 *** 0.1833 *** 0.1991 *** 0.1898
**
*
FP grado superior 0.3229 *** 0.2041 *** 0.2006 *** 0.2075 *** 0.1981
**
*
Dip. o equivalentes 0.5896 *** 0.2792 *** 0.2766 *** 0.3001 *** 0.2916 **
*
Lic., Ing y doctores 0.8145 *** 0.4470 *** 0.4443 *** 0.4560 *** 0.4474 **
*
Ocupación (ref. Directivos y gerentes)
Técnicos intelectuales
-0.4117 *** -0.4156 *** -0.3700 *** -0.3697 **
*
Técnicos apoyo
-0.5717 *** -0.5728 *** -0.5471 *** -0.5470 **
*
Empleados oficina
-0.8417 *** -0.8424 *** -0.7739 *** -0.7738 **
*
Comercio y salud
-0.9513 *** -0.9542 *** -0.8815 *** -0.8796 **
*
Protección y seguridad
-0.5489 *** -0.5578 *** -0.5726 *** -0.5737 **
*
Cualificados sector 1º
-0.8544 *** -0.8571 *** -0.8800 *** -0.8747 **
*
Cualificados const. e ind.
-0.7464 *** -0.7461 *** -0.7750 *** -0.7736 **
*
Operadores/ conductores
-0.7694 *** -0.7688 *** -0.7855 *** -0.7856 **
*
No cualificados
-0.9482 *** -0.9481 *** -0.9300 *** -0.9237 **
*
Año 2010
0.0218 *** 0.0267 *** 0.0263 **
*
Mujer
-0.1807 *** -0.1824 **
*
País de procedencia (ref. España)
Unión Europea
0.0052
Resto de Europa
-0.1120
**
*
América Latina
-0.0240
Resto de países
-0.0884
**
*
Constante 1.3465 *** 2.3538 *** 2.3557 *** 2.3933 *** 2.3975
**
*
Sigma_v 0.3718 0.3250 0.3253 0.3146 0.3143
Sigma_u 0.3015 0.3147 0.3139 0.3163 0.3162
Lambda 0.8110 0.9683 0.9649 1.0052 1.0061
***Significativo al 1%.
Fuente: Elaboración propia a partir de datos de la EES
La variable dependiente es el logaritmo salarial definiendo el salario como ganancia bruta anual entre jornada anual
pactada.
La distribución empleada para modelizar la ineficiencia ha sido la exponencial.
Cuadro 3: Estimación del logaritmo salarial mediante fronteras estocásticas con
fronteras diferenciadas para cada CC. AA. Modelo I II III IV V
Antigüedad 0.0046 *** 0.0042 *** 0.0041 *** 0.0040 *** 0.0039 ***
Antigüedad al cuadrado -7.2E-06 *** -6.4E-06 *** -6.3E-06 *** -6.1E-06 *** -6.0E-06 ***
Edad 0.0309 *** 0.0255 *** 0.0253 *** 0.0256 *** 0.0265 ***
Edad al cuadrado -0.0003 *** -0.0002 *** -0.0002 *** -0.0002 *** -0.0003 ***
Nivel de Estudios (ref. Sin estudios)
Educación primaria 0.0693 *** 0.0551 *** 0.0531 *** 0.0504 *** 0.0432 ***
Educacion secundaria I 0.0928 *** 0.0734 *** 0.0697 *** 0.0707 *** 0.0577 ***
Educación secundaria II 0.2594 *** 0.1791 *** 0.1758 *** 0.1824 *** 0.1695 ***
FP grado medio 0.1992 *** 0.1594 *** 0.1546 *** 0.1700 *** 0.1553 ***
FP grado superior 0.2838 *** 0.1741 *** 0.1708 *** 0.1774 *** 0.1631 ***
Dip. o equivalentes 0.5564 *** 0.2564 *** 0.2540 *** 0.2778 *** 0.2646 ***
Lic. Ing. y doctores 0.7658 *** 0.4112 *** 0.4086 *** 0.4202 *** 0.4067 ***
Control de ocupación No Si Si Si Si
Región (ref. Andalucía)
Aragón 0.0467 *** 0.0380 *** 0.0388 *** 0.0471 *** 0.0536 ***
Asturias -0.0121
-0.0056
-0.0054
-0.0001
-0.0001
Baleares -0.0229 ** -0.0127
-0.0114
0.0010
0.0062
Canarias -0.1268 *** -0.1042 *** -0.1036 *** -0.0925 *** -0.0915 ***
Cantabria -0.0049
-0.0128
-0.0131
-0.0074
-0.0067
Castilla-León -0.0228 *** -0.0234 *** -0.0235 *** -0.0168 ** -0.0157 **
Castilla La Mancha 0.0004
-0.0071
-0.0073
0.0012
0.0054
Cataluña 0.1244 *** 0.1077 *** 0.1078 *** 0.1193 *** 0.1258 ***
C. Valenciana -0.0152
-0.0231 *** -0.0224 ** -0.0155 * -0.0110
Extremadura -0.1294 *** -0.1308 *** -0.1312 *** -0.1307 *** -0.1331 ***
Galicia -0.1061 *** -0.1160 *** -0.1160 *** -0.1034 *** -0.1046 ***
Madrid 0.1251 *** 0.1085 *** 0.1084 *** 0.1186 *** 0.1242 ***
Murcia -0.0345 *** -0.0439 *** -0.0424 *** -0.0392 *** -0.0337 ***
Navarra 0.1881 *** 0.1755 *** 0.1768 *** 0.1833 *** 0.1869 ***
País Vasco 0.1891 *** 0.1833 *** 0.1838 *** 0.1906 *** 0.1921 ***
La Rioja -0.0207 ** -0.0287 *** -0.0285 *** -0.0204 ** -0.0152 *
Año 2010
0.0203 *** 0.0255 *** 0.0256 ***
Mujer
-0.1842 *** -0.1868 ***
País de procedencia (ref. España)
Unión Europea
-0.0086
Resto de Europa
-0.1325 ***
América Latina
-0.0547 **
Resto de países
-0.1287 ***
Constante 1.3406 *** 2.3390 *** 2.3406 *** 2.3703 *** 2.3731 ***
sigma_v 0.3591
0.3135
0.3139
0.3030
0.3025
sigma_u 0.3047
0.3160
0.3152
0.3168
0.3165
Lambda 0.8485
1.0080
1.0043
1.0456
1.0463
***, **, * Significativo al 1%, 5% y 10 % respectivamente
Fuente: Elaboración propia a partir de datos de la EES
La variable dependiente es el logaritmo salarial definiendo el salario como ganancia bruta anual entre jornada anual
pactada.
La distribución empleada para modelizar la ineficiencia ha sido la exponencial.
Cuadro 4. Porcentaje de consecución salarial por Comunidad Autónoma y modelo
de especificación (Frontera única)
I II III IV V Obs.
Andalucía 75.86% 74.89% 74.93% 75.55% 74.40% 22.977
Aragón 77.20% 76.56% 76.61% 76.57% 76.67% 11.438
Asturias 75.76% 75.39% 75.44% 76.43% 75.22% 7.805
Baleares 75.78% 75.16% 75.24% 76.08% 75.13% 6.050
Canarias 72.92% 72.15% 72.21% 75.52% 71.79% 9.829
Cantabria 76.29% 75.40% 75.46% 76.64% 75.22% 5.619
Castilla-León 75.39% 74.61% 74.65% 76.02% 74.34% 14.444
Castilla La Mancha 76.51% 75.55% 75.58% 76.40% 75.40% 12.004
Cataluña 78.53% 78.00% 78.04% 76.38% 78.21% 43.541
C. Valenciana 75.74% 74.70% 74.75% 76.13% 74.56% 22.661
Extremadura 73.82% 72.51% 72.55% 76.74% 71.81% 5.380
Galicia 74.25% 72.99% 73.03% 77.08% 72.87% 14.992
Madrid 77.79% 77.08% 77.12% 75.26% 77.10% 42.891
Murcia 75.56% 74.37% 74.46% 76.24% 74.10% 8.807
Navarra 80.03% 79.72% 79.78% 76.66% 79.88% 7.570
País Vasco 80.03% 79.94% 79.98% 76.64% 79.94% 16.720
La Rioja 76.07% 75.12% 75.17% 76.71% 75.03% 4.686
España 76.90% 76.14% 76.19% 76.03% 76.06% 257.414
Fuente: Elaboración propia a partir de datos de la EES
Cuadro 5. Porcentaje de consecución salarial por Comunidad Autónoma y modelo
de especificación (Fronteras diferenciadas por CC. AA.)
I II III IV V Obs.
Andalucía 76.59% 75.69% 75.74% 75.55% 75.55% 22.977
Aragón 77.03% 76.51% 76.54% 76.57% 76.60% 11.438
Asturias 76.83% 76.40% 76.44% 76.43% 76.45% 7.805
Baleares 76.96% 76.22% 76.26% 76.08% 76.12% 6.050
Canarias 76.59% 75.75% 75.79% 75.52% 75.52% 9.829
Cantabria 77.21% 76.62% 76.68% 76.64% 76.67% 5.619
Castilla-León 76.71% 76.11% 76.16% 76.02% 76.04% 14.444
Castilla La Mancha 77.23% 76.52% 76.56% 76.40% 76.44% 12.004
Cataluña 76.80% 76.30% 76.35% 76.38% 76.41% 43.541
C. Valenciana 76.85% 76.16% 76.20% 76.13% 76.12% 22.661
Extremadura 77.52% 76.86% 76.91% 76.74% 76.74% 5.380
Galicia 77.49% 77.04% 77.08% 77.08% 77.10% 14.992
Madrid 76.03% 75.35% 75.40% 75.26% 75.30% 42.891
Murcia 77.06% 76.33% 76.38% 76.24% 76.24% 8.807
Navarra 77.15% 76.57% 76.60% 76.66% 76.69% 7.570
País Vasco 77.21% 76.67% 76.71% 76.64% 76.66% 16.720
La Rioja 77.32% 76.74% 76.79% 76.71% 76.75% 4.686
España 76.72% 76.07% 76.12% 76.03% 76.05% 257.414
Fuente: Elaboración propia a partir de datos de la EES
Cuadro 6. Porcentaje de consecución salarial por Comunidad Autónoma y año
(Modelo V).
Frontera única Fronteras diferentes
Model V 2006 2010 Total 2006 2010 Total
Andalucía 73.63% 75.37% 74.40% 74.66% 76.68% 75.55%
Aragón 76.81% 76.46% 76.67% 76.70% 76.46% 76.60%
Asturias 74.96% 75.54% 75.22% 76.15% 76.83% 76.45%
Baleares 74.77% 75.74% 75.13% 75.69% 76.87% 76.12%
Canarias 71.46% 72.23% 71.79% 75.06% 76.15% 75.52%
Cantabria 74.26% 76.39% 75.22% 75.67% 77.91% 76.67%
Castilla-León 73.98% 74.78% 74.34% 75.62% 76.54% 76.04%
Castilla La Mancha 74.94% 75.96% 75.40% 75.89% 77.09% 76.44%
Cataluña 77.78% 78.71% 78.21% 75.92% 76.98% 76.41%
C. Valenciana 74.55% 74.57% 74.56% 76.02% 76.26% 76.12%
Extremadura 71.15% 72.60% 71.81% 75.97% 77.65% 76.74%
Galicia 72.79% 72.96% 72.87% 76.93% 77.31% 77.10%
Madrid 76.26% 78.02% 77.10% 74.38% 76.31% 75.30%
Murcia 73.82% 74.57% 74.10% 75.90% 76.81% 76.24%
Navarra 79.98% 79.71% 79.88% 76.80% 76.50% 76.69%
País Vasco 80.02% 79.83% 79.94% 76.72% 76.60% 76.66%
La Rioja 74.94% 75.15% 75.03% 76.58% 76.99% 76.75%
España 75.58% 76.64% 76.06% 75.55% 76.67% 76.05%
Fuente: Elaboración propia a partir de datos de la EES
Cuadro 7: Resultados de los test de la i de Moran (eficiencia con frontera única).
Variables I E(I) sd(I) z p-value
Eficiencia-06 0.269 -0.063 0.161 2.059 0.02
Eficiencia-10 0.137 -0.063 0.164 1.222 0.111
Eficiencia-06-10 0.215 -0.063 0.162 1.716 0.043
Fuente: Elaboración propia a partir de datos de la EES
Cuadro 8: Resultados de los test de la i de Moran (eficiencia con frontera
diferenciada).
Variables I E(I) sd(I) z p-value
Eficiencia-06 0.204 -0.063 0.162 1.645 0.05
Eficiencia-10 -0.16 -0.063 0.16 -0.61 0.271
Eficiencia-06-10 0.019 -0.063 0.162 0.503 0.308
Fuente: Elaboración propia a partir de datos de la EES
Gráfico 1.- Distribución salarial del logaritmo del salario hora por CC. AA.
Fuente. Elaboración propia a partir de datos de la EES.
0.5
10
.51
0 5 0 5 0 5
Andalucia Aragon Asturias
Baleares Canarias cantabria
kd
en
sity w
ag
e2
xGraphs by Comunidad Autónoma de la empresa
0.5
11
.50
.51
1.5
0 5 0 5 0 5
Castilla y León Castilla la Mancha Cataluña
C. Valenciana Extremadura Galicia
kd
en
sity w
ag
e2
xGraphs by Comunidad Autónoma de la empresa
0.5
10
.51
0 5 0 5 0 5
Madrid Murcia Navarra
País Vasco La Rioja Ceuta y Melilla
kd
en
sity w
ag
e2
xGraphs by Comunidad Autónoma de la empresa
Gráfico 2.- Box Map de la eficiencia (frontera única)
2006
2010
Archivo conjunto
Gráfico 3.- Scatter Plot de Moran para la eficiencia (frontera única).
2006
2010
Archivo conjunto
Gráfico 4.- Box Map de la eficiencia (fronteras diferenciadas)
2006.
2010
Muestra Conjunta
Gráfico 5.- Scatter Plot de Moran de la eficiencia (fronteras diferenciadas)
2006
2010
Muestra conjunta
Gráfico 6.- Moran Local (frontera única).
Año 2006
Año 2010
Muestra conjunta
Gráfico 7.- Moran Local (frontera diferenciada).
Año 2006
Año 2010
Muestra conjunta