DESARROLLO DE REGIONES Y EURORREGIONES. EL DESAFÍO

DEL CAMBIO RURAL

Ourense, 16-18 de noviembre de 2006

TITULO DE LA COMUNICACIÓN:

Caracterización y relación entre indicadores locales de riqueza/pobreza y renta en Galicia

AUTORES: Patricio Sánchez Fernández1, M. Esther López Vizcaíno2

FILIACIÓN: 1 Facultad de Ciencias Empresariales y Turismo

Campus de Ourense; Universidad de Vigo

32004 OURENSE 2 Insituto Galego de Estatística (IGE) – Xunta de Galicia

15703 Santiago de Compostela

CONTACTO (DIRECCIÓN E E-MAIL): patricio@uvigo.es

Teléfono: Tfno contacto: 988 36 87 20; Fax: 988 36 89 23

ÁREA TEMÁTICA: Desigualdades sociales: renta, educación, salud

RESUMEN (MÁXIMO: 150 PALABRAS)

La presente comunicación pretende estudiar la relación existente entre dos indicadores de carácter económico y social:

un indicador de renta elaborado por el Instituto Gallego de Estadística el año 2005 y un indicador de riqueza/pobreza desarrollado en la Universidad de Vigo en 2004,

ambos desde una perspectiva local/regional

La existencia de complementariedad entre ambos, así como otras características que puedan ser extraidas constituyen los principales objetos de análisis.

Palabras Clave: pobreza, renta, indicadores.

Caracterización y relación entre indicadores locales de riqueza/pobreza y renta en Galicia

1. Introducción La pobreza, la desigualdad social, la discriminación o la marginalidad económica

se configuran, ya no sólo desde una perspectiva económica, sino global como alguno de los más acuciantes problemas de la humanidad. Una de las principales dificultades para su solución radica en su conceptualización, esto es, en muchas ocasiones cuando se habla de pobre o de marginado no está claro a lo que nos estamos refiriendo. Ciertamente, este hecho condiciona de manera determinante la medición del problema y, por ende, la búsqueda de una solución al mismo.

El presente trabajo se enmarca dentro de la creciente preocupación por cuestiones sociales centrándonos en el caso de la Comunidad Autónoma de Galicia desde una perspectiva territorial. Así, su primera pretensión consiste en desarrollar un nuevo método de medida de la pobreza y, posteriormente, proceder con su aplicación empírica. Para ello, se analiza la riqueza y pobreza desde el punto de vista de la dotación de bienes y servicios de los hogares.

Esta perspectiva aporta una visión diferente a enfoques más tradicionales, al tiempo que posibilita su tratamiento como una realidad multidimensional en línea con los más recientes estudios en este campo1. En este sentido conviene señalar la utilización de técnicas estadísticas multivariantes para el tratamiento de la información y, de forma especial, el análisis discriminante.

Finalmente se analiza la relación existente entre el indicador propuesto con el Indicador municipal de la renta de los hogares elaborado por el Instituto Galego de Estatística (IGE) con el objetivo de establecer efectos de complementariedad o substitución entre dos conceptos vinculados como son la riqueza y la renta.

La organización de la comunicación responde a la siguiente estructura. En primer lugar se presenta el Indicador municipal de la renta de los hogares de Galicia para, a continuación, desarrollar un método para la medida de la pobreza. Aquí, se hace hincapié en sus características más relevantes, así como en los pasos en los que se materializa su desarrollo. Seguidamente se detallan los principales resultados obtenidos a lo largo de la investigación empírica llevada a cabo en lo que se refiere a la relación entre ambos indicadores, para finalizar con los aspectos más destacables que pueden ser extraídos a modo de conclusión con especial atención entre los dos indicadores.

2. Indicador municipal de la renta de los hogares gallegos.

El Indicador municipal de la renta de los hogares gallegos (IMDR) supone una operación estadística del Instituto Galego de Estatística (IGE)2 en el que se ofrece una estimación de la renta dos hogares residentes en Galicia así como de su distribución a nivel municipal. El período temporal al que se refiere son los años 2000-2002 y enlaza con la primera información elaborada en este sentido del año 1996 consistente en un Indicador de renta municipal3.

Su antecedente data del año 2002 cuando el IGE publicó el indicador de renta municipal, que tenía como año de referencia de los datos el año 1996. A partir de aquí, el IMDR constituye su continuación natural, si bien se modificó el título al objeto de incluir una referencia explícita relativa a que se trata de la renta del sector hogares.

Este indicador municipal se obtiene la partir de la Renta Disponible Bruta (RDB) por habitante y permite conocer la renta familiar media en cada uno de los

1 Véase S. Bibi (2003). 2 Incluida en el Plan gallego de estadística 2002-2006 3 Nótese que se produce un cambio de metodología ya que el actual hace referencia exclusivamente al sector de los hogares.

315 ayuntamientos gallegos. No obstante, es importante destacar que los resultados de la cuenta de renta en base 2000 non son estrictamente comparables con los resultados estimados en la base 1995 puesto que incorporan el cambio metodológico incluido en el Reglamento 448/98 del Consejo y el Reglamento 1889/2002 de asignación de los servicios de intermediación financiera medidos indirectamente (SIFMI) a los sectores usuarios, polo tanto,

Así, el cambio metodológico originado por la aplicación del reglamento 448/98 de asignación del SIFMI en lo que respecta a la cuenta de renta del sector hogares, implica cambios en la estimación de dos partidas: el excedente de explotación / renta mixta y los intereses incluidos en la partida de otros recursos netos de la siguiente manera:

El excedente de explotación y la renta mixta se ven reducidos por la estimación del SIFMI que los hogares destinan al consumo intermedio.

La estimación de los intereses en la cuenta de asignación de la renta primaria del sector hogares, es la que resulta después de deducir el SIFMI dos intereses efectivos la pagar y añadir a los intereses efectivos la recibir4.

El punto de partida para la obtención del Indicador Municipal de la Renta de los Hogares es la estimación de la cuenta de renta del sector hogares, integrada en el sistema de cuentas de Galicia. El sistema integrado de cuentas económicas de Galicia presenta un marco central formado por las Tablas Input-Output y las cuentas anuales y trimestrales, coherente con el Sistema Europeo de Cuentas (SEC) 1995.

El SEC 1995 fue aprobado por Reglamento de la Unión Europea y establece la obligatoriedad de todos los países miembros de seguir sus conceptos, métodos y criterios con la finalidad de describir una economía en su conjunto, sus componentes y sus relaciones con otras economías. Además el SEC 1995 es totalmente coherente con la versión revisada del Sistema de Cuentas Nacionales (SCN) 1993 que marca as directrices mundiales sobre contabilidad nacional.

Sobre este particular se debe señalar que la renta disponible del sector hogares es la variable que mejor refleja el nivel de renta de las familias residentes en un determinado territorio económico. Esta macromagnitud mide los ingresos de que disponen los hogares a lo largo de un año para destinar al consumo o al ahorro y refleja la capacidad adquisitiva dos hogares como resultado dos procesos de producción, asignación e distribución de la renta.

En el SEC 1995 se define la cuenta de asignación de la renta primaria y la cuenta de distribución secundaria de la renta, que tiene como saldo la Renta Disponible Bruta. La cuenta de asignación registra la percepción de la renta primaria das unidades residentes en virtud de su participación en el proceso de producción, y la renta la cobrar por el propietario de un activo financiero o de un activo material no producido por ponerlos á disposición de otra unidad institucional.

La cuenta de distribución secundaria de la renta analiza la redistribución de la renta primaria a través de transferencias distintas de las transferencias en especie y permite calcular la renta disponible que refleja las operaciones corrientes excluyendo, explícitamente, las transferencias de capital.

La estimación de la cuenta de renta del sector hogares para el año 2.000 proporciona el valor de la renta disponible bruta das familias residentes en Galicia que es de 22.722 millones de euros.

Esta magnitud se obtiene como el saldo entre los recursos y empleos del sector hogares. Del total de recursos percibidos por los hogares se deben restar los impuestos sobre la renta y el patrimonio y las cotizaciones sociales para así llegar a la renta disponible bruta.

4 Esta nueva valoración supone sumar al saldo de los intereses efectivos el pago de SIFMI

3. Método de medida de la pobreza: el Índice de Pobreza Material (IPM).

Previo a la propuesta de un método para la medida de la pobreza es importante dejar constancia de una serie de decisiones relevantes que son necesarias tomar. La primera de ellas se refiere a las variables que se van a emplear. Sobre este particular se hace necesario recordar que la selección de variables, se configura como una etapa crucial en todo análisis económico aplicado, ya que condiciona de un modo determinante los resultados a obtener (Trapé, 2000). Esta circunstancia motiva que se deba proceder con el mayor rigor posible determinando, en primer lugar, las variables que son necesarias para, a continuación, identificar las variables efectivamente disponibles.

En este caso se optó por ceñirse exclusivamente a las variables relativas a la posesión o no de determinados bienes o servicios en el hogar, es decir, su equipamiento material. De esta manera, lo que se procura es una medida directa del problema objeto de estudio, centrándose en la disponibilidad real de bienes que garantizan unas condiciones mínimas, lo que en palabras de Sen (1979) se denominan “capacidades” mínimas.

Una segunda decisión concierne a la unidad empleada como referencia para llevar a cabo el estudio (la unidad de análisis) que en nuestro caso fue el hogar. Así, a pesar de que en una primera aproximación parecería lógico utilizar como unidad de análisis el individuo, la elección del hogar es, como señalan Gradín y del Río (2001), “una decisión razonable” ya que el nivel de vida del individuo está notablemente influido, no sólo por su renta, sino por la de las personas con las que ha decidido constituir un presupuesto común.

Tomadas estas dos decisiones que, en nuestro caso en particular, se concretaron en 24 variables5 de las 5.301 viviendas que forman parte de la muestra de la Enquisa de Condicións de Vida (ECV)6, se pone de manifiesto que, para este estudio en particular, la medida de la pobreza se realiza analizando exclusivamente el equipamiento material del hogar. Es por ello que denominamos al índice construido como Índice de Pobreza Material (IPM), el cual se materializó en los siguientes pasos:

3.1. Identificación y clasificación de los hogares

El primer paso consistió en ordenar los hogares que formaban la muestra atendiendo a la dotación de bienes y servicios que forman parte de su equipamiento del hogar. Así, este primer objetivo pretende identificar los grupos extremos de hogares cuya clasificación como pobres o como no pobres no admitiese dudas, esto es, localizar a las familias situadas en los extremos7.

Para esta tarea se consideró el empleo de una medida de distancia como indicador sintético concebido para la comparación de distintas situaciones de individuos que, para nuestro caso concreto, son los hogares incluidos en la muestra. Con esta finalidad, se escogió y se realizaron ensayos con la distancia DP2

8. La idea subyacente y, por la cual fue elegida esta distancia, fue que la medida se realiza con respecto a la situación menos favorable, lo que este caso es fácilmente identificable ya que sería la vivienda que no dispusiese de ninguna dotación material. A partir de aquí, esta distancia mide “cuanto de alejados” están con respecto a esta situación (la menos favorable).

5 Las variables finalmente incluidas en el estudio fueron: canalización de aguas residuales, recogida de basuras en el entorno inmediato, agua caliente, calefacción (mediante instalación fija), frigorífico, lavadora, teléfono, lavaplatos, micro-ondas, radio, televisión a color, antena parabólica, canal de pago, vídeo, cámara de vídeo, cadena musical o tocadiscos, ordenador, internet, compra diaria de diario de información general, coche, moto, plaza de garaje, segunda vivienda. 6 Realizada por el Instituto Galego de Estatística (IGE) y que informa sobre los siguientes aspectos: servicios exteriores de las viviendas (17 variables), instalaciones (4), equipamiento (15) y problemas de la vivienda (12). 7 Nótese, por tanto, que esta fase no tiene como finalidad proporcionar un índice de pobreza en sentido estricto sino proceder con una identificación de modo simple de los hogares de la muestra que nos sirva como base para la construcción del IPM en la siguiente fase 8 Desarrollada por B. Pena Trapero (1977), por lo que también es conocida como “distancia de Pena Trapero”.

No obstante, la utilización de la DP2 presentaba algunos problemas que la invalidaban para su utilización en nuestro estudio motivadas por la utilización exclusivamente de variables dicotómicas. Éstos motivaron la necesidad de reconsiderar su empleo, siendo necesaria la introducción de modificaciones que solventasen las limitaciones existentes. Para ello se plantearon una serie de cambios que, si bien mantenían la idea de la DP2, resultaban adecuados para su aplicación a variables dicotómicas. Así pues, definimos la DP2 Modificada (DPM) que se corresponde a la siguiente expresión:

( 21,...,2,1.

11 −−

=

−= ∑ iii

n

I i

iM RdDP

σ)

con R21 =0

donde:

di es la diferencia en valor absoluto entre el valor que toma a variable i-ésima (i=1,..,n) y el mínimo de esa variable (que en nuestro caso es “0”)9.

R2i, i-1, ..., 1 es el “coeficiente de determinación de la regresión logística” de la

variable i-ésima sobre las i-1 primeras variables; de tal forma que el “factor de corrección” (1- R2

i, i-1, ..., 1) mide el porcentaje de variabilidad de la variable i-ésima que no está explicada por las primeras i-1 variables10.

Sobre este particular hay que mencionar que, en el contexto de la regresión lineal múltiple, se suele emplear el llamado coeficiente de determinación (R2) para cuantificar mediante una única medida y con cotas interpretables el grado de “explicación de la variabilidad de la variable de respuesta” conseguido con el modelo por parte de las variables independientes11.

Calculada la DPM para los hogares de la muestra se realiza la clasificación de los mismos en función del valor obtenido. Así, quedarán clasificados con los valores más bajos aquellos hogares que carezcan de prácticamente todo en su equipación material mientras que, en el otro extremo, se encontrarán las viviendas con más bienes y servicios entre su dotación material12. Esta ordenación constituye la base sobre la que se realiza la siguiente etapa del desarrollo metodológico que pretende buscar un Índice que permita medir u ordenar la situación de pobreza y que sea consistente con esta clasificación parcial, lo que en nuestro caso se realizará con el IPM.

3.2. Formulación del Índice de pobreza IPM

La etapa anterior permite llevar a cabo una identificación de los hogares que podrían ser calificados, sin ninguna duda, bien como pobres o bien como no pobres fijándose siempre en los situados en los extremos. En función de esto se aplica sobre las unidades objeto de estudio un análisis discriminante, de tal modo que sea posible la utilización de la puntuación discriminante, esto es, el valor que toma la función discriminante para cada caso, como nuestro Índice de pobreza.

Tal y como fue señalado, por su configuración y concepción, hablaremos de Índice de pobreza material (IPM) el cual puede ser expresado para cada hogar k como combinación lineal de las variables independientes de la siguiente manera:

pkpkkM xuxuxuuIP ++++= ...22110 (Expresión 1)

9 Que se corresponde con la situación teórica menos deseada y que se utiliza como base de referencia 10 Nótese que, de manera análoga a la DP2, esta distancia pondera las diferencias en la variable i-ésima entre un hogar y la base de referencia, por el porcentaje de información nueva (no aportada por las otras variables) que proporciona esa variable 11 Varias sugerencias se han hecho para obtener algo similar en el marco de la regresión logística, sin llegar a una opinión unánime sobre cuál podría ser la mejor. Así, por ejemplo, M. Mittlböck y M.Schemper (2002) examinan doce posibles medidas tomando como su preferida la denominada, análogamente, coeficiente de determinación. 12 El valor extremo más bajo sería para los hogares que careciesen absolutamente de todo (DPM=0) mientras que, por el contrario, el valor más alto sería para las viviendas que dispusiesen de todos las bienes y servicios escogidos en el análisis.

donde: xik (i=1,…p) es el valor de la variable i observada para el hogar k, y ui son los correspondientes coeficientes de las funciones discriminantes.

Se comprueba, de este modo, que el análisis discriminante se configura como pilar fundamental del trabajo de medición. A este respecto se debe señalar que, caso de establecer más de dos grupos se obtendría más de una función discriminante, por lo que habría que tomar una decisión sobre el número de funciones discriminantes a considerar.

3.3. Determinación de la línea de pobreza

A continuación es necesario determinar el umbral o punto de corte que permita diferenciar a unas viviendas de otras y, en concreto, cuales deben ser calificadas como pobres. De todas las variables analizadas es fácilmente observable que unas son más necesarias o importantes que otras y se trata, pues, de determinar, en función de la información proporcionada por los datos, cuáles son las que pueden considerarse imprescindibles. En definitiva, el objetivo consiste en determinar la denominada “línea de pobreza”13 empleando, para ello, dos análisis complementarios.

El primero consistió en un análisis de conglomerados de las variables, centrándose en el método del árbol mínimo, que resulta apropiado para datos de esta naturaleza. Su objetivo consiste en obtener agrupaciones (clusters) de las variables utilizadas de tal forma que se consiga realizar un resumen de la información proporcionada, esto es, reducir la dimensionalidad. En particular, resulta de interés si las variables de cada grupo presentan cierta homogeneidad dentro de cada grupo, que fue con la intención que se realizó en nuestro caso.

El segundo análisis complementario consistió en la realización de una regresión logística de cada una de las variables dicotómicas de la vivienda con respecto a la puntuación de la función discriminante (el índice de pobreza IPM). Esta regresión se realiza a nivel individual utilizando cada una de las variables como variable dependiente y, como variable independiente, la puntuación discriminante. Así, para cada regresión realizada, se cumple que el valor donde P(Yi=1) = 0.5 refleja su punto de inflexión.

Sobre este procedimiento para la determinación de la línea de pobreza debe señalarse que nuestro propósito descansa en superar las deficiencias que presentan buena parte de trabajos existentes (los que manejan un concepto relativo) en los cuales este umbral se establece como un determinado porcentaje de la variable tomada como referencia. Estos umbrales nacen de partida con una importante limitación ya que la decisión de establecerlo en el 40, 50 ó 60% de la media (o de la mediana) no deja de ser una cuestión subjetiva14.

Por tanto, se trata de que el umbral se encuentre razonablemente justificado y no se limite a un porcentaje arbitrario sobre la variable de referencia. Así, se pensó en buscar un umbral objetivo de pobreza, en línea con lo que realizan los estudios que se refieren a un nivel mínimo de alimentos o calorías al día o a una determinada cantidad de dinero mensual o diaria. De este modo se persigue un concepto análogo a la “línea de pobreza de Rowntree” o al “mínimo de subsistencia” del enfoque de las Necesidades Básicas Insatisfechas.

En definitiva, lo que se pretende es determinar cuál es el equipamiento material mínimo de cada hogar, es decir, el mínimo de bienes y servicios presente en el mismo que se necesita para no ser considerado pobre. A este conjunto se le denominó, a efectos de nuestro estudio, “dotación mínima” puesto que de todas las variables analizadas es fácilmente observable que unas son más necesarias o importantes que otras y se trata, pues, de determinar, en función de la información proporcionada por los datos, cuáles son las que pueden considerarse imprescindibles.

13 La línea de pobreza se define como la línea divisoria que separa, dentro de una determinada población, a los pobres de los que no lo son (INE, 1996) 14 Es por este motivo que, cada vez con más frecuencia, en este tipo de estudios se utilice más de un umbral.

Tras realizar las respectivas regresiones logísticas individuales se tienen otros tantos puntos de corte donde se refleja el valor del IPM a partir del cual es más probable que un hogar tenga la variable analizada que no la tenga. Obviamente, éstos deben estar relacionados con su presencia en los hogares, de tal manera que estos valores deben ser más altos cuanto menos frecuentes sean en los mismos o, equivalentemente, serán más bajos cuanto más fácilmente se encuentren en las viviendas.

El aspecto clave para la determinación de la línea de pobreza viene dado por el establecimiento de ese mínimo de subsistencia (“dotación mínima”) necesario para que un hogar no sea clasificado como pobre. Una vez obtenido este conglomerado, el siguiente paso consiste en determinar el valor de la línea de pobreza. Para ello, la regresión logística nos facilita una clara vinculación con la puntuación obtenida en el análisis discriminante previo ya que se tienen, para cada variable, los valores del IPM desde el cual existe mayor probabilidad de que esté presente en la vivienda el correspondiente bien o servicio.

En concreto, de todos los bienes que formen la dotación mínima será de especial interés el mayor de los valores que nos proporciona la regresión ya que marca el que, probabilísticamente, es más difícil de encontrar en los hogares objeto de estudio. Este valor será el que marque, según este procedimiento, la línea de pobreza que separa a los considerados pobres de los que no lo son.

3.4.- Cuantificación de la pobreza y representación territorial Superado el paso anterior, el procedimiento posterior es sencillo y análogo a

otros estudios sobre pobreza15. Sencillamente habrá que ver cuántos hogares de la muestra se encuentran por encima y cuántos por debajo del umbral determinado.

Asimismo, resulta factible realizar una desagregación geográfica en caso de estar la muestra dividida geográficamente. Además, sobre el análisis territorial hay que señalar que no sería necesario trabajar con el umbral si se pretendiese llevar a cabo un estudio en términos relativos. En concreto, simplemente a partir de la puntuación discriminante obtenida (el IPM) se puede establecer una ordenación de los municipios incluidos en la muestra.

De este modo, resulta fácil la identificación de forma rápida de las posibles bolsas de pobreza en las distintas zonas, lo cual viene facilitado ampliamente si se representa de forma gráfica, puesto que la percepción en gráficos optimiza la capacidad de nuestro sistema de procesamiento de la información.

4. Relación entre indicadores

A partir de los resultados concretos obtenidos para Indicador de pobreza material (IPM) a nivel municipal16 y con los valores proporcionados por el Indicador municipal de la renta de los hogares (IMRH)17 resulta de interés analizar la relación existente entre ambos indicadores. Esto es, lo que se realiza es un estudio de la existencia o no de complementariedad o de substitución entre dos conceptos vinculados como son la riqueza y la renta.

Esta tarea es realizada en dos fases diferenciadas. Una primera lo que hace es el análisis de las dos variables a nivel global sin diferenciar entre los distintos componentes del IMDR para, a continuación, aprovechar la posibilidad de desagregación de este índice en sus diferentes componentes: remuneración de asalariados, prestaciones sociales y renta bruta

4.1. Análisis de la correlación

En primer lugar se analiza la correlación existente entre ambas variables. Para ello, y tras un proceso de normalización de los valores para que sean 15 Véase, por ejemplo, el Poverty Manual del Banco Mundial (s.f) así como la revisión que sobre el particular realizan del Río y Lago (2002). 16 Los cuales pueden ser obtenidos en sus respectivas fuentes: IGE (2005) y Sánchez Fernández et al (2006) 17 Disponible, por el momento, valores para los años 2000, 2001 y 2002

efectivamente comparables se calculó el coeficiente de correlación ordinal, al no ser aplicable en este caso un coeficiente de correlación lineal18. En concreto se estimó la correlación de Spearman que consiste en una versión no paramétrica del coeficiente de correlación de Pearson, que se basa en los rangos de los datos en lugar de hacerlo en los valores reales. Por este motivo, el coeficiente de correlación de Spearman resulta apropiado para datos ordinales como es este caso, donde el interés para el análisis radica en la clasificación obtenida y no tanto en el propio valor.

Los resultados muestran que al nivel del 1% (0.01) la correlación es significativa tal y como se recoge en la tabla siguiente:

IPM IMDR (2000)

IMDR (2001)

IMDR (2002)

IPM 1,000

IMDR (2000) 0,529 1,000

IMDR (2001) 0,487 0,980 1,000

IMDR (2002) 0,493 0,963 0,980 1,000

Tabla 1.- Coeficientes de correlación de Spearman.

De manera específica se comprueba que la mayor correlación entre el IPM y el IMDR se da para los valores del año 2000.

Esta misma circunstancia se obtiene al calcular la correlación mediante la Tau b de Kendall que es otro coeficiente de correlación adecuado para estudiar la relación entre variables ordinales, que es lo que se muestra en la tabla que sigue. También en este caso, la correlación es significativa al nivel 0.01.

IPM IMDR (2000)

IMDR (2001)

IMDR (2002)

IPM 1,000

IMDR (2000) 0,353 1,000

IMDR (2001) 0,322 0,885 1,000

IMDR (2002) 0,328 0,852 0,901 1,000

Tabla 2.- Coeficientes de correlación Tau_b de Kendall.

4.2. Análisis según componentes del IMDR

Seguidamente, y con el objetivo de analizar la relación entre el IPM y las variables proporcionadas por la Cuenta de renta de los hogares se han realizado gráficos de dispersión que nos permite observar en un primer momento y de una manera gráfica la relación entre las variables. A continuación se presentan los diagramas de dispersión entre el IPM y la remuneración de asalariados por

18 El más habitual es el de Pearson.

habitante, las prestaciones sociales por habitante y la renta bruta disponible por habitante, variables en las que se puede ver una relación clara con la variable de partida:

Relación entre el IPM y la Remuneración de asalariados por habitante

0

2000

4000

6000

8000

10000

12000

0 10 20 30 40 50 60 70

IPM

Rem

uner

ació

n as

alar

iado

s/ha

b

Gráfico 1.- Relación entre el IPM y la Remuneración de asalariados por habitante en

los municipios gallegos

Del gráfico anterior se desprende una relación lineal positiva entre las dos variables, de tal manera que a medida que aumenta el IPM, es decir, que disminuye la pobreza aumenta la remuneración de asalariados por habitante. Esta circunstancia pone de manifiesto que los ayuntamientos menos pobres son aquéllos que presentan mayores niveles de la magnitud remuneración de los asalariados.

Relación entre el IPM y las Prestaciones sociales por habitante

0

500

1000

1500

2000

2500

3000

3500

0 10 20 30 40 50 60 70

IPM

Pres

taci

ones

soc

iale

s/ha

b

Gráfico 2.- Relación entre el IPM y las prestaciones sociales por habitante en

los municipios gallegos

En sentido contrario, y respondiendo a la suposición que cabría establecer a priori, en este caso se observa una relación inversa a la presentada en el gráfico 1, es decir, a medida que disminuye la pobreza disminuyen las prestaciones sociales por habitante.

Relación entre el IPM y la renta bruta disponible por habitante

0

2000

4000

6000

8000

10000

12000

0 10 20 30 40 50 60 70

IPM

Ren

ta b

ruta

dis

poni

ble/

hab

Gráfico 3.- Relación entre el IPM y la renta bruta disponible por habitante en

los municipios gallegos

Al igual que ocurría con la remuneración de asalariados por habitante, para esta tercera magnitud se observa que, a medida que aumenta la renta bruta disponible por habitante lo que se produce es una disminución de la pobreza. Este hecho coincide con el reflejado en el primer gráfico lo cual también confirma las suposiciones previas que se tienen establecido.

De todas formas, y tal y como se refleja en la tabla 1 mediante los coeficiente de correlación lineal de Pearson, la variable que presenta una correlación mayor con la variable estudiada es la remuneración de asalariados por habitante.

IPM Renta disponible

Prestaciones sociales

Remuneración de asalariados

IPM 1,00

Renta dispon. 0,50 1,00

Prest. sociales -0,32 0,04 1,00

Rem. asalar. 0,65 0,75 -0,47 1,00

Tabla 3.- Coeficientes de correlación de Pearson entre las variables

Se observa que el coeficiente de correlación entre las variables IPM y la remuneración de asalariados por habitante es de 0,65 y entre el IPM y renta disponible por habitante de 0,5, lo que refleja una dependencia lineal positiva entre este par de variables. Sin embargo entre el IPM y las prestaciones sociales por habitante existe una dependencia lineal negativa, aunque no tan clara como en los casos anteriores, en este caso la dependencia es más débil.

No obstante, en esta situación está influyendo la población de los municipios considerados. En el siguiente gráfico se presentan cuatro diagramas de dispersión que representan la relación entre el IPM y la remuneración de asalariados por habitante, pero cada uno de ellos tienen municipios pertenecientes a una categoría diferente de densidad de población.

rem

uner

aci_

n_do

s_as

alar

iado

s

ipm

densr==1

795

10185

densr==2

densr==3

12.93 65.81795

10185

densr==4

12.93 65.81

Gráfico 4.- Relación entre el IPM y la remuneración de asalariados por habitante,

teniendo en cuenta 4 categorías en la densidad de población19

Este gráfico permite comprobar que ya no se observa una relación tan marcada entre el IPM y la remuneración de asalariados. Esto es debido a la eliminación del efecto de la densidad de población, que en esta situación se configura como un aspecto relevante.

5. Conclusiones

El trabajo empírico desarrollado con los dos indicadores permite establecer las siguientes conclusiones a modo de resumen. En primer lugar, y de manera relevante, debe destacarse la estrecha relación existente entre el IPM y el IMRH de tal manera que podría hablarse de complementariedad entre ambos indicadores.

Esta circunstancia es especialmente destacable para el caso de la remuneración de los asalariados, donde se observa la mayor correlación, mientras que ésta disminuye, aunque no de manera notable para las prestaciones sociales y la renta familiar bruta disponible.

A partir de estas dos premisas, se puede establecer que la suposición que se tenía a priori (previo a la realización del estudio) respecto a la existencia de una fuerte relación entre los dos indicadores (ya que pretenden medir conceptos análogos como riqueza/pobreza o renta) se ve claramente confirmada. No obstante, la magnitud que se pensaba que estaría más relacionada por su propia configuración y concepción (la renta disponible) a pesar de reflejar una fuerte correlación, muestra menores niveles que otra variable como la remuneración de los asalariados.

Un análisis con mayor profundidad nos lleva a recoger alguna matización sobre la afirmación general de relación entre el IPM y el IMRH. Concretamente, una magnitud que debe estar siempre presente en estudios a nivel socioeconómico para un entorno como el gallego es la consideración de la demografía. De hecho, si contemplamos la relación entre indicadores en función de la densidad de población de los ayuntamientos se observan significativas diferencias en la relación existente entre indicadores según cual sea la densidad del municipio que se está considerando.

6. Bibliografía

[1] Banco Mundial (s.f.). Poverty Manual. Poverty-Analysis Initiative (PAI), World Bank Institute, Washington D.C, EE.UU,

19 densr=1 Municipios de menos de 80 hab/km2

densr=2 municipios entre 80 hab/km2 y 200 hab/km2

densr=3 municipios entre 200 hab/km2 y 600 hab/km2 densr=4 municipios de más de 600 hab/km2

[2] Bibi S. (2003). Measuring poverty in a multidimensional perspective: A review of literature. Working Paper Poverty Monitoring, Measurement and Analysis (PMMA)

[3] Del Rio Otero, C y S. Lago Peñas (coord.) (2002). Pobreza e inclusión social en Galicia. Documentos de traballo. Xornadas do Idega – 1. Santiago de Compostela.

[4] Gradín Lago, C y C. del Río Otero (2001). Desigualdad, pobreza y polarización en la distribución de la renta en Galicia. Instituto de Estudios Económicos de Galicia - Pedro Barrié de la Maza, Monografía nº 11. A Coruña.

[5] IGE (2005). Indicador municipal da renda dos fogares. Xunta de Galicia, Santiago de Compostela.

[6] Martínez, R. y J. Ruiz-Huerta (1999) “Algunas reflexiones sobre la medición de la pobreza. Una aplicación al caso español”, en Dimensiones de la desigualdad. III Simposio sobre Igualdad y Distribución de la Renta y la Riqueza, vol. I, Colección Igualdad, 13: 367-428. Fundación Argentaria, Madrid.

[7] Mittlböck, M. y M. Schemper (2002). "Explained variation for logistic regression - small sample adjustments, confidence intervals and predictive precision" en Biometrical Journal, nº 44, pp. 263-272.

[8] Pena Trapero, B. (1977). Problemas de la medición del bienestar y conceptos afines. Instituto Nacional de Estadística, Madrid

[9] Sánchez Fernández, P.; A. Vaamonde Liste y X. García Suárez. (2006). A pobreza en Galicia. Ed. Sotelo Blanco, Santiago de Compostela; en publicación (2006)

[10] Sen, A.K. (1979). “Issues in the measurement of poverty” en Econometrica, vol 45, nº 1

[11] Trapé, A. (2000). Pautas cuantitativas y cualitativas para selecciónar instrumentos de política económica. Documento de Trabajo, Universidad Católica de Cuyo, Ecuador.