Característiques territorials del mercat de treball a Espanya - 3. Anàlisi a partir de la desagregació territorial

3. Anàlisi a partir de la desagregació territorial

Fins a aquest moment, hem descrit alguns elements distintius de l'evolució recent del mercat de treball en el conjunt de l'Estat. La desagregació de variables ens ha demostrat la seva utilitat com a eina d'anàlisi. Per aquest motiu, es faria necessari tractar d'investigar si aquests elements característics es distribueixen de manera homogènia en el territori o bé si, ben al contrari, el mercat de treball mostra pautes diferenciades en algunes àrees concretes del territori i, per tant, els efectes de l'activitat econòmica sobre el mercat de treball són diferents a l'interior del conjunt de l'Estat. Convé, doncs, dur a terme una altra desagregació, en aquest cas territorial.

3.1. Recollida de dades

De la mateixa manera que la informació referida al conjunt de l'Estat, les dades territorials s'han obtingut de les sèries temporals incloses a l'EPA (principals resultats detallats) i que es poden consultar a l'adreça www.ine.es. La mostra subjecta a estudi està configurada per les dades referides al mercat de treball de les disset comunitats autònomes i fa referència al període 1977-2000.

A més, també s'han utilitzat dades procedents de la renda nacional d'Espanya que elabora la Fundació BBV. En concret, d'aquesta segona font s'han obtingut tres sèries de dades:

Les dades sobre el creixement del PIB regional, que fan referència al període 1975-1998.
Les dades sobre el salari mitjà regional, que fan referència al període 1977-1993.
Les dades sobre el valor afegit brut, corresponents a l'any 1998.

Les dades de Ceuta i Melilla estan excloses de l'estudi perquè no es disposa d'informació relativa a tot el període analitzat. No es tracta, per tant, d'una mostra aleatòria, però sí que és representativa perquè la selecció mostral no afecta la interpretació dels resultats obtinguts, ja que el pes de les dues regions excloses és molt reduït dins de la població i del mercat de treball del conjunt de l'Estat.

3.2. Anàlisi preliminar de dades

Amb les dades recollides es construeix una sèrie temporal de cadascun dels tres indicadors (taxa d'activitat, taxa d'atur i taxa d'ocupació) i per a cadascuna de les comunitats autònomes. A continuació, es tracta de dur a terme una descripció de les variables.

3.2.1. Representació de les distribucions

En primer lloc, cal dur a terme l'anàlisi descriptiva dels valors observats. Amb aquest objectiu, es presenten els histogrames de freqüència relativa per a cadascuna de les tres sèries en els dos extrems de l'interval temporal analitzat. És a dir, en els anys 1977 i 2000.

Pel que fa a la taxa d'activitat, podem comprovar l'acusada no uniformitat de la distribució l'any 1977. En aquell any, Galícia amb una taxa d'activitat superior a 0,59 és un valor clarament allunyat de la distribució. Aquesta no uniformitat, però, s'esmena significativament amb el pas del temps. D'aquesta manera, el perfil de la distribució corresponent a l'any 2000 és molt més uniforme.

Gràfic: Histograma de la taxa d'activitat de l'any 1977

Gràfic: Histograma de la taxa d'activitat de l'any 2000

Pel que fa al perfil de la distribució de la taxa d'ocupació entre les diferents comunitats autònomes, presenta resultats similars, si bé, amb el pas del temps, la correcció de la no uniformitat és molt més petita. Tot i així, canvia l'observació que presenta un valor més allunyat: mentre que l'any 1977 el valor més alt de la taxa d'ocupació es correspon amb Galícia, aquest lideratge es deixa a les Balears pel que fa a l'any 2000.

Gràfic: Histograma de la taxa d'ocupació de l'any 1977

Gràfic: Histograma de la taxa d'ocupació de l'any 2000

Pel que fa al patró general dels histogrames corresponents a les taxes d'atur, observem un desplaçament de la distribució cap al centre, de manera que la distribució ja no es concentra tant en els valors més baixos i, per tant, el perfil guanya uniformitat. Tot i així, l'any 2000 conserva dues observacions molt allunyades: Andalusia i Extremadura. Crida l'atenció l'augment significatiu en el valor de les dades, indicatiu del creixement de les taxes d'atur.

Gràfic: Histograma de la taxa d'atur de l'any 1977

Gràfic: Histograma de la taxa d'atur de l'any 2000

3.2.2. Mesures de centre i dispersió

En segon lloc, més enllà de la descripció general oferta pels histogrames, convé resumir el contingut de la distribució mitjançant l'establiment de mesures de centre i de dispersió, la qual cosa ens permetrà de dur a terme comparacions entre els dos extrems de l'interval temporal per a cadascun dels tres indicadors. Per tant, es tracta d'obtenir informació de quin és el valor típic de la distribució i fins a quin punt les observacions s'allunyen d'aquest valor mitjà.

En concret, es tracta de calcular i comparar entre distribucions algunes mesures estadístiques com, entre d'altres, la mitjana o la variància. A continuació, presentem els gràfics amb les estadístiques descriptives de cadascuna de les mostres.

Output: Estadístiques descriptives de la variable TACT77

Output: Estadístiques descriptives de la variable TACT00

Output: Estadístiques descriptives de la variable TOC77

Output: Estadístiques descriptives de la variable TOC00

Output: Estadístiques descriptives de la variable TATUR77

Output: Estadístiques descriptives de la variable TATUR00

A grans trets, de la comparació de les dades referides als anys 1977 i 2000, sembla que s'identifiquen alguns fets significatius:

Disminueix el valor mitjà de la taxa d'ocupació al mateix temps que la dispersió augmenta, expressada tant en termes de desviació estàndard com de rang interquartílic.

S'incrementa sensiblement el valor mitjà de la taxa d'atur mentre que el valor mitjà de la taxa d'activitat es manté estable.

Tanmateix, es faria necessari dur a terme el corresponent contrast d'hipòtesis per tal d'esbrinar si, amb el pas del temps, efectivament hi ha diferències significatives entre les mitjanes. A continuació presentem els resultats obtinguts per a les taxes d'ocupació.

Output: Test d'hipòtesi de comparació de taxes d'ocupació mitjanes segons l'any

Two Sample T-Test and Confidence Interval

Two sample T for TOC77 vs TOC00

N     Mean   StDev    SE     Mean
TOC77  17   0,4856  0,0390  0,0095
TOC00  17   0,4418  0,0458   0,011

95% CI for mu TOC77 - mu TOC00: ( 0,0141; 0,074)
T-Test mu TOC77 = mu TOC00 (vs not =):
T = 3,01 P = 0,0052 DF = 31

Com es pot veure, rebutgem la hipòtesi nul·la d'igualtat entre mitjanes. Per tant, hi ha diferències significatives entre el valor mitjà de la taxa d'ocupació de l'any 1977 i l'any 2000.

3.3. Anàlisi de l'evolució temporal de la dispersió

Tanmateix, la no uniformitat de les distribucions i la concentració de l'anàlisi en els dos extrems de l'interval temporal, aconsellen analitzar la dispersió de les distribucions al llarg de tota la seva evolució temporal i mitjançant un procés d'estandardització. Amb aquest objectiu, es calcula l'evolució temporal dels coeficients de variació, és a dir, de les desviacions estàndard de cada distribució amb relació a la seva mitjana aritmètica.

Gràfic: Sèrie temporal dels coeficients de variació de la taxa d'activitat

Gràfic: Sèrie temporal dels coeficients de variació de la taxa d'ocupació

Gràfic: Sèrie temporal dels coeficients de variació de la taxa d'atur

Els gràfics corresponents a l'evolució dels valors estandarditzats ens donen informació molt significativa envers el grau de dispersió existent en les diferents mostres i la seva evolució en el temps. En particular, es posa de manifest com a la dècada dels anys noranta hi ha una tendència al creixement de la dispersió en totes i cadascuna de les taxes regionals. Per tant, la dispersió territorial sembla que té una evolució cíclica: disminueix en èpoques de crisi, però augmenta amb força en èpoques d'expansió econòmica. L'efecte territorial sobre el mercat de treball del creixement econòmic tendeix, doncs, a ser divergent.

No sembla, per tant, que les taxes d'ocupació tendeixin a convergir amb el pas del temps entre les regions del conjunt de l'Estat. En el gràfic següent es comparen les taxes d'ocupació regionals referides als anys 1977 i 2000. Es pot observar que els valors s'allunyen de la bisectriu, però no sembla que hi hagi canvis molt significatius en les posicions de cada regió. Més aviat mostren una tendència poc definida. Aquesta persistència és particularment acusada en els dos extrems de la distribució. En general, amb l'excepció d'una comunitat autònoma (Galícia), aquelles comunitats que mostraven taxes d'ocupació més elevades l'any 1977 també ho fan l'any 2000. De la mateixa manera, un conjunt ampli de comunitats autònomes mostren les taxes d'ocupació més baixes tant a l'inici com al final del període observat (Extremadura, Andalusia, Astúries i les dues Castelles). No podem afirmar, per tant, que hi hagi una tendència automàtica a l'equiparació en els nivells d'ocupació entre les comunitats autònomes. El desenvolupament econòmic no sembla haver-se difós amb la mateixa intensitat al llarg de totes les comunitats, sinó que la dispersió territorial de les variables relacionades amb el mercat de treball persisteix amb el pas del temps.

Output: Coeficient de correlació lineal de la taxa d'ocupació dels anys 1977 i 2000

Correlation of TOC77 and TOC00 = 0,382

3.4. Estudi del comportament de les variables explicatives

Cal buscar, per tant, informació addicional de quins factors són més determinants en la creació d'ocupació i, per tant, quines causes expliquen la divergència en el comportament de l'ocupació entre les diferents comunitats. Es tracta, doncs, de procedir a analitzar les distintes variables, a fi d'inferir l'existència de relacions entre elles i calcular-ne el grau d'associació existent. Tanmateix, tota inferència estadística que tracti d'explicar comportaments econòmics a partir de l'estudi d'un conjunt de dades no pot ser aleatòria, sinó que ha de ser duta a terme tractant de contrastar la bondat de certes hipòtesis teòriques.

Per tant, es tracta d'esbrinar si el comportament de l'ocupació regional està associat a diferents factors:

El ritme de creixement econòmic del territori, ja que cal pensar que, com més dinàmica és una economia, més capacitat tindrà per a crear nous llocs de treball.

L'estructura sectorial de l'ocupació, perquè no totes les activitats evolucionen amb el mateix dinamisme i, per tant, cal pensar que l'especialització d'un territori en una determinada activitat econòmica pot condicionar el comportament de la seva ocupació.

El nivell regional dels salaris, ja que els models neoclàssics del mercat de treball ens diuen que, com més baixos són els salaris, més gran és la demanda de treballadors per part de les empreses.

La taxa d'activitat femenina, ja que, per raó de la baixa taxa existent, les diferències en la incorporació de la dona al mercat de treball poden haver donat lloc a divergències en l'evolució de les taxes d'ocupació regional.

D'aquesta manera, es tracta de contrastar, per mitjà d'un model de regressió lineal múltiple, si l'evolució de la taxa d'ocupació (ITO) pot ser explicada per les variables explicatives següents:

El creixement econòmic regional (IPIB).
El pes del sector agrícola en l'ocupació regional (AGR77).
El pes del sector industrial en l'ocupació regional (IND77).
El pes del sector serveis en l'ocupació regional (SER77).
El nivell salarial mitjà regional a l'inici i al final del període (SAL77 i SAL93).
El creixement de la taxa d'activitat femenina (ITAD).

3.4.1. Coeficients de correlació lineal

En primer lloc, presentem els gràfics i els corresponents coeficients de correlació lineal entre la variable dependent i cadascuna de les variables independents. Els resultats obtinguts es mostren seguidament:

Creixement econòmic

Una associació positiva entre el ritme de creixement econòmic i l'evolució de l'ocupació en un territori, com ja havia quedat demostrat per al conjunt de l'economia estatal. El creixement econòmic és necessari per a crear ocupació.

Output: Coeficient de correlació lineal de l'increment del PIB i de la taxa d'ocupació

Correlation of IPIB and ITO = 0,552

Estructura sectorial

L'especialització productiva és un element determinant de l'evolució de l'ocupació regional. En concret, es posa de manifest com l'especialització en les activitats de serveis afavoreix un dinamisme més gran de l'ocupació, mentre que, en canvi, l'especialització en activitats agrícoles té una incidència desfavorable. En els anys recents, l'economia espanyola s'ha constituït en una economia de serveis, amb una presència relativa del sector industrial més baixa i amb una forta davallada de la participació del sector agrícola. De fet, disminueix un 60% el nombre d'ocupats a l'agricultura entre el 1977 i el 2000.

Output: Coeficient de correlació lineal de l'increment de la taxa d'ocupació i l'ocupació agrícola l'any 1977

Correlation of ITO and AGR77 = -0,591

Output: Coeficient de correlació lineal de l'increment de la taxa d'ocupació i l'ocupació industrial l'any 1977

Correlation of ITO and IND77 = -0,011

Output: Coeficient de correlació lineal de l'increment de la taxa d'ocupació i l'ocupació dels serveis l'any 1977

Correlation of ITO and SER77 = 0,732

Salaris

Les diferències en els nivells salarials no són explicatives de l'evolució de l'ocupació regional.

Output: Coeficient de correlació lineal de l'increment de la taxa d'ocupació i el nivell salarial l'any 1977

Correlation of ITO and SAL77 = -0,008

Output: Coeficient de correlació lineal de l'increment de la taxa d'ocupació i el nivell salarial l'any 1993

Correlation of ITO and SAL93 = 0,201

Aquesta manca de correspondència entre el nivell salarial nominal i el creixement de l'ocupació pot ocultar comportaments molt diferenciats de la productivitat al si del territori. En la mesura que l'evolució del salari nominal depèn tant de l'evolució dels preus com de les millores en la productivitat del treball, caldria pensar que les empreses prefereixen satisfer salaris més elevats a canvi de millores en la productivitat que no pas aprofitar l'elevada taxa d'atur existent per a mantenir estables els nivells salarials. De la mateixa manera, les activitats econòmiques més dinàmiques no s'han localitzat en aquelles comunitats que oferien salaris més baixos. Les diferències regionals en els nivells de qualificació dels treballadors podrien ser un dels factors explicatius d'aquest comportament, com també les teories de salaris d'eficiència i d'insiders-outsiders que l'estudiant pot aprendre en assignatures d'economia del treball.

Si, com hem vist, els salaris no són determinants de l'evolució de l'ocupació, caldria esperar una associació positiva entre el creixement de la productivitat i de l'ocupació regional. És a dir, les regions que creen més llocs de treball no són les que tenen salaris més baixos, sinó les que poden oferir millores més grans de la productivitat. Un mètode de contrastació és avaluar la correspondència existent entre les taxes d'ocupació i els nivells de productivitat per treballador de cada comunitat autònoma a final del període (VABpc98). Els resultats obtinguts confirmen aquesta hipòtesi.

Output: Coeficient de correlació lineal de la taxa d'ocupació l'any 2000 i el nivell de productivitat l'any 1998

Correlation of TOC00 and VABpc98 = 0,619

Taxa d'ocupació femenina

Finalment, un altre element que cal tenir en compte en l'evolució de l'ocupació regional i que crida molt l'atenció és el fet que a partir de la recuperació de les taxes d'ocupació i d'activitat, a mitjans dels anys noranta, la dispersió en les dues variables augmenta sensiblement. En una fase alcista del cicle econòmic, per tant, les taxes d'activitat i d'ocupació tendeixen a divergir a l'interior del territori. Aquest fet podria estar relacionat amb el comportament diferenciat observat anteriorment entre la població masculina i femenina, pel que fa al seu accés al mercat de treball

Gràfic: Sèrie temporal de la dispersió de la taxa d'ocupació d'homes i dones

Si s'analitza l'evolució de la dispersió en les taxes d'ocupació regional segons el gènere, s'obté informació rellevant. Efectivament, el fort procés d'incorporació de la població femenina al mercat de treball al llarg de la dècada dels noranta no sembla que s'hagi repartit equitativament al territori, de manera que la dispersió en les taxes d'ocupació femenina regional ha augmentat sensiblement durant aquest període. També ho ha fet en el cas de la població ocupada masculina, però el grau de dispersió és molt més elevat en el cas femení. Caldria esperar, doncs, que les diferències en la presència de la població femenina en els mercats de treball regionals contribueixin a explicar la creixent dispersió observada en la creació de nova ocupació. Els resultats obtinguts confirmen aquesta forta correspondència.

Output: Coeficient de correlació lineal de l'increment de la taxa d'ocupació i de la taxa d'activitat femenina

Correlation of ITO and ITAD = 0,773

3.4.2. Anàlisi de regressió

Conegudes algunes relacions lineals d'associació, a continuació es tractarà d'inferir les causes principals de l'evolució de l'ocupació regional per mitjà d'una anàlisi de regressió lineal múltiple.

D'acord amb les correlacions parcials efectuades abans, escollirem les variables explicatives següents:

Creixement econòmic regional.
Pes relatiu de l'ocupació agrícola.
Pes relatiu de l'ocupació en els serveis.
El creixement de la taxa d'activitat femenina.
El nivell salarial regional.

En primer lloc, procedirem a calcular la matriu de correlacions entre aquestes variables, per tal d'evitar problemes d'autocorrelació en el model de regressió. Com cal esperar, el pes de l'ocupació en el sector serveis està associat negativament amb l'ocupació en l'agricultura i positivament amb el creixement de la taxa d'activitat. En aquest darrer cas, possiblement sigui la conseqüència d'una concentració del creixement de l'ocupació femenina en les activitats terciàries. De la mateixa manera, els nivells salarials estan associats negativament amb l'ocupació agrícola (tot indicant que aquestes activitats ofereixen uns salaris més baixos) i amb el creixement del PIB (indicatiu que les regions més dinàmiques no han estat les que oferien un cost del treball més baix). Caldrà, doncs, probablement, eliminar alguna d'aquestes variables en l'especificació del model.

Output: Matriu de correlacions de les variables explicatives

Matriu de correlacions
         IPIB   AGR77  SER77   ITAD
AGR77   0,123
SER77   0,265  -0,615
ITAD    0,330  -0,340  0,594
SAL77  -0,619  -0,680  0,287  -0,179

A continuació, presentem els resultats de l'anàlisi de regressió múltiple, per tal de descriure el comportament de l'ocupació regional a partir de totes les variables indicades. Com es pot observar, la bondat de l'ajust de l'estimació és molt elevada. Per si soles, aquestes variables expliquen prop del 90% de les diferències observades en l'evolució de l'ocupació regional.

Output: Anàlisi de regressió entre l'increment de la taxa d'ocupació i les diferents variables explicatives

Regression Analysis
The regression equation is
ITO = - 0,423 + 0,382 IPIB - 0,334 AGR77 + 0,074 SER77 + 0,255 ITAD
      + 0,125 SAL77

Predictor    Coef    StDev     T      P
Constant  -0,4234   0,2680   -1,58  0,142
IPIB       0,3820   0,1294    2,95  0,013
AGR77     -0,3345   0,1557   -2,15  0,055
SER77      0,0745   0,1939    0,38  0,708
ITAD      0,25459   0,08618   2,95  0,013
SAL77      0,1254   0,3868    0,32  0,752

S = 0,03892   R-Sq = 90,1%   R-Sq(adj) = 85,7%



Analysis of Variance

Source          DF     SS     MS           F     P
Regression       5  0,152387  0,030477   20,12  0,000
Residual Error  11  0,016664  0,001515
Total           16  0,169051

Source    DF   Seq SS
IPIB      1  0,051420
AGR77     1  0,074653
SER77     1  0,007763
ITAD      1  0,018390
SAL77     1  0,000159

Durbin-Watson statistic = 1,84

Dels resultats obtinguts, en podem treure les següents conclusions:

Les diferències en el creixement regional de l'ocupació estan estretament associades a les diferències en el ritme de creixement econòmic regional, a la disparitat en l'especialització sectorial i al diferent ritme d'incorporació de la població femenina al mercat de treball. Cal destacar la significació d'aquestes variables en l'estimació efectuada.

Si analitzem l'apartat d'anàlisi de la variància de la taula que ofereix els resultats de la regressió, podrem observar com els dos primers factors expliquen més del 75% de la dispersió existent entre les diferents comunitats autònomes.

En canvi, les diferències salarials entre comunitats autònomes no han afavorit una dispersió de l'ocupació més baixa. El coeficient de la variable salari només és significatiu quan s'elimina de l'estimació el pes relatiu de l'ocupació agrícola i, a més, presenta un signe contrari a l'esperat. Per tant, el cost del treball sembla que ha estat menys important en l'evolució de l'ocupació que no pas el sector d'activitat i la capacitat d'una comunitat autònoma per a millorar la seva productivitat i creixement econòmic.

Output: Anàlisi de regressió entre l'increment de la taxa d'ocupació i les variables IPIB, ITAD i SAL77

Regression Analysis

The regression equation is
ITO = - 0,927 + 0,517 IPIB + 0,365 ITAD + 0,815 SAL77

Predictor     Coef    StDev     T      P
Constant   -0,9273   0,1512   -6,13  0,000
IPIB        0,5170   0,1094    4,73  0,000
ITAD       0,36526   0,06244   5,85  0,000
SAL77       0,8148   0,2110    3,86  0,002

S = 0,04295   R-Sq = 85,8%   R-Sq(adj) = 82,5%

Analysis of Variance

Source          DF     SS        MS        F     P
Regression       3  0,145069  0,048356   26,21  0,000
Residual Error  13  0,023982  0,001845
Total           16  0,169051

Source   DF   Seq SS
IPIB     1  0,051420
ITAD     1  0,066149
SAL77    1  0,027499


Durbin-Watson statistic = 1,97

3.5. Agrupació de regions

El comportament tan diferenciat de l'ocupació regional sobre la base de l'estructura sectorial, del ritme de creixement econòmic i de la participació de la població femenina en el mercat de treball aconsellen dur a terme un intent d'agrupació d'elements i característiques que siguin semblants entre si i que ens permetin de discriminar entre grups de comunitats autònomes.

3.5.1. Descripció dels elements

Amb aquest fi, es tractarà de dur a terme diverses anàlisis sobre dos grups de comunitats.

Per a la construcció d'aquests dos grups, definirem una variable categòrica que discrimini entre un nivell alt o baix en la taxa de creixement de l'ocupació i, per tant, indirectament, en la capacitat de cada territori per a crear ocupació. El valor mitjà a nivell estatal serà el llindar a partir del qual es considerarà que aquella comunitat té una posició relativa alta o baixa en aquesta variable. Per a cadascun d'aquests dos grups estudiarem el comportament de les següents variables: taxa d'activitat femenina, sector serveis, nivell salarial i nivell de productivitat. Com veurem aquestes variables marquen molt clarament les diferències entre els territoris.

Amb les taules de contingència següents, podem comprovar com les comunitats autònomes de creixement més gran de l'ocupació estan caracteritzades per:

Una taxa d'activitat femenina molt més elevada.

Gràfic: Taula de contingència de la mitjana de la taxa d'activitat femenina

Un pes relatiu més gran del sector serveis en l'economia.

Gràfic: Taula de contingència de la mitjana del sector serveis

Un nivell salarial més alt.

Gràfic: Taula de contingència de la mitjana del nivell salarial

Un nivell més alt de productivitat.

Gràfic: Taula de contingència de la mitjana de la productivitat

3.5.2. Anàlisi factorial

Per tal de poder contrastar la capacitat explicativa i, per tant, discriminant entre regions d'aquestes variables, a continuació portem a terme una anàlisi factorial. Amb aquest mètode d'anàlisi multivariant, volem determinar el pes conjunt de les variables següents:

Taxa de creixement econòmic (IPIB).
Pes del sector serveis en l'ocupació (SER00).
Taxa d'activitat femenina (DTACT00).
Productivitat del treball (VABpc98).
Taxa d'ocupació (TOC00).

Output: Anàlisi de components principals de les diferents variables

Principal Component Analysis

Eigenanalysis of the Correlation Matrix

Eigenvalue  2,5832  1,2018  0,8705  0,2568  0,0877
Proportion   0,517   0,240   0,174   0,051   0,018
Cumulative   0,517   0,757   0,931   0,982   1,000

Variable     PC1     PC2     PC3
IPIB       -0,268  -0,600   0,631
SER00      -0,389  -0,331  -0,690
DTACT00    -0,576  -0,071  -0,180
VABpc98    -0,343   0,709   0,135
TOC00      -0,573   0,152   0,275

Els resultats obtinguts ens indiquen que el primer component principal acumula més de la meitat de la variabilitat observada, mentre que les dues primeres expliquen més del 75% de les variacions existents entre les comunitats autònomes.

En la taula següent s'indiquen els valors obtinguts per cada comunitat en cadascun dels dos primers components:

Comunitat	Primer component	Segon component
Andalusia	1,15400	–1,24294
Aragó	0,11469	0,57591
Astúries	2,77324	0,92800
Balears	–3,09131	–1,16949
Canàries	–1,82517	–1,62818
Cantàbria	1,58033	0,44355
Castella i Lleó	1,24952	–0,46156
Castella-la Manxa	1,59268	0,15529
Catalunya	–1,61336	1,29735
València	–0,97543	–0,02472
Extremadura	1,36923	–1,73850
Galícia	1,03814	–0,68225
Madrid	–2,23376	0,67543
Múrcia	–0,27059	–0,88870
Navarra	–0,67981	1,02122
País Basc	–0,70904	2,01219
La Rioja	0,52665	0,72740

Si analitzem el pes que té cada variable en cadascun dels dos components, podrem veure que el primer component sembla que està més relacionat amb la importància de la participació de la població femenina en el mercat de treball i amb el valor de la taxa d'ocupació, mentre que el segon component sembla que està fortament relacionat amb el nivell de productivitat de la comunitat autònoma.

Així, doncs, podem identificar dos factors molt discriminants: d'una banda, tenim un component relacionat amb la capacitat d'una regió per a incorporar tota la seva població en edat laboral al mercat de treball, sense distinció de gènere i, de l'altra, un segon component que està molt relacionat amb la capacitat d'una comunitat per a millorar el seu nivell de productivitat i, per tant, la seva competitivitat.

D'aquesta manera, podríem identificar un grup de quatre comunitats –Madrid, Catalunya, Navarra i el País Basc– que mostren un grau de desenvolupament comparativament avançat en aquests dos factors. Totes aquestes comunitats estan situades al quadrant superior esquerre del gràfic de punts que presentem, ja que els valors de cada comunitat en cada component són les coordenades d'aquesta representació gràfica. Cal estar atent al fet que els signes del primer component són negatius i que, per tant, la posició de cada comunitat és més favorable com més negatiu sigui el seu valor en aquest primer component.

Gràfic: Situació de les diferents comunitats respecte el primer i el segon component principal

3.5.3. Anàlisi de la variància

Fins al moment s'ha posat de manifest que el mercat de treball a Espanya no és una realitat homogènia, sinó que presenta diferències apreciables i persistents entre els seus territoris. A continuació, durem a terme una anàlisi de la variància (ANOVA) per tal de confirmar la importància d'aquesta manca d'homogeneïtat. Amb aquest objectiu, es defineix una variable categòrica que agrupa les disset comunitats en funció d'una classificació geogràfica arbitrària:

MED: identifica les comunitats mediterrànies (Catalunya, València i Múrcia).
EBRE: identifica les comunitats de la vall de l'Ebre (Aragó, Navarra, La Rioja) i del País Basc.
INS: identifica les comunitats insulars (Balears i Canàries).
CAP: identifica la comunitat de Madrid.
NOEST: identifica les comunitats nord-occidentals (Galícia, Santander, Castella i Lleó i Astúries).
CSUD: identifica les altres comunitats (Andalusia, Extremadura i Castella-la Manxa).

Mitjançant l'anàlisi de la variància, volem comparar les mitjanes d'aquests cinc grups pel que fa a la seva taxa d'ocupació, per tal de contrastar si es tracta de mostres que ofereixen o no el mateix comportament estadístic.

Els resultats obtinguts es mostren a continuació. Es rebutja clarament la hipòtesi de la igualtat de mitjanes en les taxes d'ocupació. Les representacions gràfiques ofereixen una mostra eloqüent d'aquesta dispersió.

Output: Anàlisi de la variància de la taxa d'ocupació dels grups de comunitats

One-way Analysis of Variance

Analysis of Variance for ITO   
Source DF    SS       MS     F     P
GEO     5  0,13858 0,02772 10,01 0,001
Error  11  0,03047 0,00277
Total  16  0,16905
                  Individual 95% CIs For Mean
                  Based on Pooled StDev
Level  N   Mean   StDev ------+---------+---------+---------+
CAP    1  0,01585  0,00000          (--------*---------) 
CSUD   3 -0,08255  0,02594        (----*-----) 
EBRE   4 -0,08786  0,05543        (----*----) 
INS    2  0,01891  0,01671            (------*-----) 
MED    3 -0,03969  0,00438          (-----*----) 
NOEST  4 -0,24546  0,08081  (----*---) 
                  ------+---------+---------+---------+
Pooled StDev = 0,05263        -0,24   -0,12   0,00   0,12

Tanmateix, la informació gràfica insinua algunes possibles afinitats entre algunes regions, de manera que sembla convenient dur a terme algun tipus d'anàlisi d'agrupació, per tal de confirmar la possible existència de grups homogenis de comunitats autònomes pel que fa al comportament del seu mercat de treball.

3.5.4. Anàlisi cluster

Finalment, un cop identificats els elements amb poder explicatiu de la dispersió territorial es fa necessari contrastar si efectivament hi ha afinitats de comportament entre comunitats autònomes que donin lloc a l'existència de grups. És a dir, mitjançant una anàlisi cluster tractarem de contrastar si les comunitats autònomes poden ser agrupades en clusters que continguin elements homogenis en el seu interior i que siguin molt diferents entre si.

Aquesta anàlisi s'ha dut a terme utilitzant la distància euclidiana com a mesura de dissimilitud entre els elements i amb aquesta s'han identificat quatre clusters.

Les variables utilitzades per a discriminar entre comunitats han estat les següents:

Taxa de creixement econòmic (IPIB).
Pes del sector serveis en l'ocupació (SER00).
Taxa d'activitat femenina (DTACT00).
Productivitat del treball (VABpc98).
Taxa d'ocupació (TOC00).

A continuació, mostrem els resultats obtinguts amb aquesta metodologia d'anàlisi, en la taula i dendrograma següents. S'acompanyen d'una taula en què s'indica el codi identificador de cada comunitat autònoma.

Codis identificadors de comunitats autònomes.
1. Andalusia
2. Aragó
3. Astúries
4. Balears
5. Canàries
6. Cantàbria
7. Castella i Lleó
8. Castella-la Manxa
9. Catalunya
10. València
11. Extremadura
12. Galícia
13. Madrid
14. Múrcia
15. Navarra
16. País Basc
17. La Rioja

Output: Anàlisi clúster per a les comunitats

Hierarchical Cluster Analysis of Observations

Euclidean Distance, Single Linkage

Amalgamation Steps

Step Number of  Similarity  Distance Clusters  New    Number of obs.
     clusters   level        level   joined  cluster in new cluster
 1     16       92,12        0,097     2       10      2      2
 2     15       90,12        0,122     1        7      1      2
 3     14       89,81        0,126     1        8      1      3
 4     13       89,34        0,132    15       17     15      2
 5     12       88,99        0,136     4        5      4      2
 6     11       88,94        0,137     1       14      1      4
 7     10       87,32        0,157     1        6      1      5
 8      9       86,10        0,172     9       13      9      2
 9      8       85,91        0,174    11       12     11      2
 10     7       85,77        0,176     9       16      9      3
 11     6       84,13        0,196     9       15      9      5
 12     5       83,17        0,208     2        4      2      4
 13     4       82,34        0,218     1        2      1      9
 14     3       79,97        0,247     1       11      1     11
 15     2       78,02        0,271     1        3      1     12
 16     1       76,87        0,286     1        9      1     17


Final Partition

Number of clusters:  4

      Number of  Within cluster Average distance Maximum distance
      observations sum of squares  from centroid  from centroid 
Cluster1     9        0,393      0,205      0,270 
Cluster2     1        0,000      0,000      0,000 
Cluster3     5        0,143      0,161      0,232 
Cluster4     2        0,015      0,087      0,087 

Cluster Centroids

Variable    Cluster1  Cluster2  Cluster3  Cluster4  Grand centrd
IPIB        0,6546    0,3031    0,5860    0,6446    0,6126
SER00       0,6206    0,5859    0,5895    0,5619    0,6025
DTACT00     0,3839    0,3294    0,4042    0,3848    0,3868
VABpc98     3,1486    3,0350    3,7550    2,6450    3,2610
TEMP00      0,4427    0,3622    0,4713    0,4033    0,4418


Distances Between Cluster Centroids

            Cluster1  Cluster2  Cluster3  Cluster4 
Cluster1     0,0000    0,3836    0,6121    0,5086
Cluster2     0,3836    0,0000    0,7848    0,5235
Cluster3     0,6121    0,7848    0,0000    1,1141
Cluster4     0,5086    0,5235    1,1141    0,0000

Quins clusters hem obtingut?

El primer cluster està format per nou comunitats: Andalusia, Aragó, Cantàbria, les dues Castelles, Canàries, Balears, Múrcia i València. Es tracta d'economies de creixement econòmic elevat i amb forta presència d'activitats de serveis, però amb un nivell de productivitat baix i una evolució poc dinàmica de taxa d'activitat femenina i, com a resultat, de la taxa d'ocupació.

El segon cluster identifica una única comunitat autònoma. En concret, es tracta d'Astúries, que mostra nivells reduïts tant pel que fa al seu dinamisme econòmic com sobretot a la presència de la dona en el mercat de treball i al pes de la població ocupada.

El tercer cluster està integrat per cinc comunitats autònomes: Catalunya, Navarra, el País Basc, Madrid i La Rioja. Es tracta de comunitats de productivitat de treball molt alta, no tant especialitzades en el sector serveis com les del primer cluster, però també amb un dinamisme econòmic important, una presència més gran de la població femenina en el mercat de treball i una taxa d'ocupació més elevada.

Finalment, el quart cluster està configurat per Extremadura i Galícia. Es tracta de comunitats amb menys pes del sector serveis, uns nivells de productivitat molt més baixos i unes taxes d'ocupació molt inferiors.

En el dendrograma també es pot observar com en el cas del grup més gran es podrien formar subgrups. Així, es poden observar afinitats entre Balears i Canàries (el pes del sector turístic en pot ser una probable causa explicativa) o entre València i Aragó (en aquest cas, les relacions econòmiques podrien estar influïdes per la proximitat geogràfica).

Gràfic: Dendograma de l'agrupació de comunitats