El objetivo de trabajo es medir el efecto del Distrito industrial Marshalliano (DIM) a través de medidas no radiales de eficiencia técnica. Tomando la ubicación espacial de cada empresa (dentro o fuera del DIM) se puede obtener una valiosa información a la hora de valorar tanto la existencia o no de ventajas competitivas derivadas de las aglomeraciones empresariales así como su intensidad y su tipología. En la literatura mas reciente este objeto has sido abordado haciendo uso de medidas no radiales de eficiencia técnica. En este trabajo los autores pretenden superar algunas de las limitaciones que caracterizan a este tipo de estudio, especialmente la obtención de un único indicador de eficiencia para el conjunto de los inputs. La metodología aquí empleada permite calcular un índice de eficiencia asociado al uso de cada uno de los inputs inadecuadamente contemplados. Este tipo de información se muestra especialmente relevante en el análisis de las externalidades territoriales ya que contribuye a la identificación y evaluación de los efectos de dichas economías externas en cada una de las facetas de la actividad empresarial.
Dentro de la línea de investigación tendente a la medición del efecto DIM el trabajo se encuadra entre los que utilizan los índices de eficiencia técnica con el fin de valorar las diferencias de comportamiento entre las empresas de dentro y de fuera del DIM.
Este trabajo además se ubica en laa perspectiva no paramétrica basándose en una metodología que permite la obtención de medidas no radiales de eficiencia. Con ello se consigue superar una limitación propia de aquellos estudios que analizan la eficiencia empresarial con la condición de radialidad, es decir de obtener un único indicador global de eficiencia para el conjunto de inputs utilizados en el proceso de producción. La debilidad de esta aproximación reside en otorgar la misma consideración al conjunto de inputs utilizado en el proceso cuando resulta lógico afirmar que el nivel de eficiencia asociado al uso de cada uno de los inputs puede ser muy distinto. Este hecho justifica el desarrollo de una medida no radial que facilite la obtención de estos indicadores de eficiencia para cada input con el fin de disponer de una mayor información a la hora de explicar el comportamiento más o menos eficiente de una empresa.
A su vez la obtención de indicadores específicos para cada input se muestra especialmente relevante en el análisis de las economías externas territoriales ya que nos permite identificar y evaluar los efectos derivados de dichas economías externas sobre cada uno de los ámbitos específicos de la actividad empresarial.
Aplicación empírica:
El trabajo consiste en tomar un conjunto de empresas integradas en dos sectores: madera y mueble y, de cerámico y del azulejo. En la primera, la muestra consta de 42 empresas cada una de las cuales lleva a cabo un proceso caracterizado por la presencia de un único output, artículos de madera y muebles y los factores productivos trabajo y capital y dos materias primas: madera; colorante y cola.
Respecto al sector cerámico, la muestra consta de 35 empresas cuyos procesos producción se caracterizan por la presencia de un único output, productos cerámicos y el uso de dos factores productivos: trabajo y capital. Y materias primas: arcilla, caollin, feldespato y calizas.
Resultados:
Se ha constatado la existencia de una mayor eficiencia relativa de las empresas que se hallan dentro del DIM respecto a las de fuera. Ese mayor nivel de eficiencia relativa podría responder a las economías externas que se generan en estos entornos territoriales y que dotan de ventajas competitivas locacionales a sus empresas.
La metodología aquí empleada permitió calcular un índice de eficiencia asociado al uso de cada uno de los inputs individualmente contemplados. De este modo se supero una de las limitaciones que caracterizan a los estudios basados en medidas radiales de eficiencia en los que se obtiene un solo indicador de eficiencia para el conjunto de los inputs.
Sobre los valores alcanzados para los índices de eficiencia relativos al uso de cada input, se aplicó un análisis de segunda etapa tomando como referencia la ubicación espacial de cada empresa es decir tanto dentro como fuera del DIM.
De los principales resultados obtenidos se puede observar que en el caso de las industrias tradicionales de la comunidad valenciana permiten constatar un comportamiento diferencial en términos de eficiencia técnica entre empresas cerámicas y del azulejo ubicadas en la aglomeración de las comarcas de l´Alcalatén, La Plana Alta y La Plana Baixa frente al resto; sin embargo no se ha notado de manera significativa tales diferencias en el otro caso estudiado de la aglomeración de la madera y el mueble.
De esta manera se llega a la conclusión que no siempre en las aglomeraciones marshallianas se dan todas las condiciones para la génesis de economías externas que mejoren la eficiencia de sus empresas respecto a empresas similares ubicadas fuera de la aglomeración. En otras palabras, la aglomeración marshalliana es una condición necesaria pero no suficiente para la existencia de un efecto distrito.
lunes, 9 de noviembre de 2009
El impacto espacial de las economías de aglomeración y su efecto sobre la estructura urbana. El caso de la industria en Barcelona, 1986-1996- Miguel Ángel García- Ivan Muñiz
Introducción
Este trabajo trata sobre el papel de la accesibilidad espacial a las economías de aglomeración en el cambio de la estructura espacial del empleo industrial para el caso de la Región Metropolitana de Barcelona (RMB). Utilizando como indicador de cambios en la estructura espacial del empleo, el crecimiento de la densidad bruta del empleo municipal entre 1986 y 1996 para siete subsectores industriales, se explora el impacto espacial de las economías de aglomeración que operan a escala local –el municipio y tres áreas de 5, 8 y 12 kilómetros que rodean al propio municipio-, aquellas que emergen del CBD y de los principales subcentros especializados de la región, y las economías de red asociadas al total de puestos de trabajo de la región cuyo acceso depende de la distancia respecto a las principales infraestructuras de transporte.
Problemas de medición
Hasta no hace demasiado, los trabajos que han intentado medir el impacto de las economías de aglomeración no han adoptado una perspectiva intrametropolitana, sino inter-metropolitana, lo cual ha llevado a una línea de trabajo caracterizada por medir el impacto de la densidad media de un área urbana sobre la productividad, los salarios o el crecimiento del empleo utilizando una muestra suficientemente amplia de ciudades. El problema de este tipo de aproximaciones es que, al utilizar una muestra de metrópolis donde cada una de ellas se contempla como un solo punto, no es posible estudiar el impacto de los cambios en las economías de aglomeración sobre la estructura urbana. Tan solo recientemente, un número aún reducido de trabajos ha abordado esta cuestión, entre los cuales destaca el llevado a cabo por Rosenthal y Strange (2001, 2003). Estos autores han medido el impacto espacial de las economías de aglomeración de tipo estático –localización y urbanización- utilizando como variable dependiente las nuevas inversiones en sectores industriales y como explicativas el empleo en el sector y el total de empleos en una serie de anillos concéntricos alrededor del área donde se da la nueva inversión, confirmando que el impacto de las economías de aglomeración decrece con la distancia.
Este paper comparte básicamente el mismo enfoque que el de Rosenthal y Strange, aunque presenta algunas variantes. En primer lugar, en vez de utilizar las nuevas inversiones como variable dependiente, utiliza los cambios en el empleo y el aumento o reducción en la densidad bruta que conllevan. Esto implica no atender tanto al impacto de las economías de aglomeración sobre la creación de empleo, sino sobre el resultado neto asociado al crecimiento del empleo. En segundo lugar, se incluye como variables explicativas adicionales las posibles economías dinámicas de aglomeración y los efectos de congestión. Finalmente, una de las aportaciones de este trabajo es incluir en el modelo el papel de los polos de empleo (CBD y subcentros especializados) como generadores o difusores de economías de aglomeración
Metodología para analizar la estructura espacial del empleo industrial en la RMB: 1986 – 1996.
Para el análisis de la evolución en la distribución espacial del empleo industrial se utiliza la estimación no-paramétrica Locally Weighted Regression (LWR) propuesta por McMillen (1996, 2001) para el estudio de ciudades. LWR es una técnica de estimación “vecino más próximo” (nearest-neighbor estimation) mediante un procedimiento de ajuste multivariante, encajando localmente una función de variables independientes y condicionadas a la media.
La técnica LWR requiere la definición de dos parámetros. El primero de ellos hace referencia al número de vecinos más próximos considerados en la regresión, el tamaño del vecindario. El segundo parámetro a determinar es el grado de la regresión polinómica considerada.
En este caso, se realizó una estimación LWR sobre la densidad bruta de empleo, como variable dependiente, y la distancia al CBD, como variable explicativa. Se utilizan 162 observaciones, correspondientes a los municipios que componían la Región Metropolitana de Barcelona en 1986, donde la densidad bruta de empleo de cada municipio es calculada como el ratio entre empleo y superficie municipal. Para el cálculo de la distancia a Barcelona (el CBD) se ha utilizado un sistema de información geográfica (GIS) para obtener las coordenadas de los centroides de los municipios, a partir de las cuales se ha calculado su distancia en línea recta al CBD. Los datos referentes al empleo se han obtenido de los censos de población de 1986 y 1996, respectivamente.
Resultado de la aplicación
La aplicación de la técnica de LWR para el Total de la Industria demuestra una alteración significativa en el patrón de densidades de empleo entre 1986 y 1996. Dos son los hechos estilizados que pueden observarse al comparar la función de densidad de 1996 con respecto a la de 1986. En primer lugar, a nivel agregado no se observa una importante reducción de la ocupación industrial ni de la densidad de empleo en el ámbito central (municipio de Barcelona). Tampoco se observa un aumento significativo en las zonas más periféricas. En segundo lugar, el incremento de la ocupación y de la densidad se ha concentrado especialmente en la primera corona metropolitana (incluye dos anillos A1 y A2 según la clasificación utilizada en diferentes estudios) que comprende los municipios localizados a una distancia de entre 5 y 20 kilómetros del centro del municipio de Barcelona. Por consiguiente, más que una tendencia descentralizadora generalizada del empleo industrial, lo que se observa es un crecimiento en el empleo y en la intensidad de uso del suelo concentrado en el anillo localizado a una distancia de entre 10 y 25 km del centro de Barcelona.
Densidad de empleo LWR 1986-1996: Sectores industriales
Datos y variables:
Los datos relativos al empleo proceden de los censos de población de 1986 y 1996.
Variable dependiente
La variable dependiente utilizada es el crecimiento de la densidad bruta de empleo entre 1986 y 1996 del sector s localizado en el municipio i respecto el crecimiento de la densidad bruta de empleo del mismo sector en el conjunto de la Región Metropolitana, de donde la densidad es el cociente entre el empleo y la superficie de la unidad espacial considerada.
Las variables explicativas que se utilizaron en este trabajo se agrupan en cuatro categorías: a) proximidad al centro y subcentros, b) accesibilidad a la red viaria, c) composición sectorial, y d) efectos de congestión. El primer tipo de variables pretende capturar la proximidad respecto a las economías de aglomeración que operan en el ámbito metropolitano y que emergen de las principales aglomeraciones de empleo: CBD y subcentros. Se considera aquí los subcentros identificados para 1986 y el municipio de Barcelona como las principales aglomeraciones de empleo de la región y se han introducido las respectivas distancias que les separan de cada municipio de la RMB. Para el caso de las distancias asociadas a los subcentros han utilizado una única variable que recoge la distancia de cada municipio respecto al subcentro más próximo. Con el uso de esta variable de síntesis se consiguieron reducir los problemas de multicolinealidad entre las dos variables de distancia, así como entre éstas y el resto de variables explicativas.
Tambien se incluyen como variables explicativas dos distancias para cada municipio-sector: la distancia entre el centroide del municipio y el del CBD y la distancia entre el centroide del municipio y el del subcentro especializado más próximo capturado en 1986.
Estas distancias pretenden captar el efecto asociado a la proximidad respecto a las principales aglomeraciones de empleo sobre el crecimiento de la densidad. Para el caso de la distancia a Barcelona (CBD) el efecto se asocia a la existencia de economías de urbanización –al ser el municipio de Barcelona un centro que aglomera una gran cantidad de empleo en todos los sectores y con una presencia masiva de servicios especializados-. En cambio, al trabajar con subcentros de empleo identificados por sector y, por tanto, especializados, el efecto derivado de la proximidad a los subcentros se asocia a la existencia de economías de localización.
Un segundo factor determinante de la localización es la accesibilidad a las infraestructuras de transporte, especialmente a la red viaria, se incluye una variable que recoge el tiempo de acceso a la vía preferente más próxima.
Un tercer grupo de variables pretende capturar los efectos de las economías de aglomeración de ámbito local (municipal) que dependen de su composición sectorial.
La última variable considerada, la densidad total de empleo presente en cada municipio en el inicio del periodo pretende capturar los efectos de la congestión.
El siguiente cuadro es un buen resumen de las variables utilizadas según los tipos de economía de aglomeración:
Resultados
En la Región Metropolitana de Barcelona la ocupación industrial se está redistribuyendo dentro del ámbito metropolitano impulsada por los efectos de congestión que se dan en aquellos municipios donde la densidad de empleo partía de niveles elevados. Sin embargo, este proceso se está viendo condicionado por el efecto de las economías de aglomeración, las cuales ejercen un efecto contrario a la dispersión. La densidad de empleo crece con mayor intensidad cerca del municipio central, un entorno denso y diversificado. Por otro lado, la densidad crece más en entornos supramunicipales con una escala total de producción importante y una estructura productiva diversificada. Los resultados confirman también el impacto de las economías de localización. Tanto la proximidad respecto a un subcentro especializado, como el hecho de localizarse en un entorno supramunicipal especializado ejercen un efecto positivo sobre el crecimiento de la densidad. Por último, la accesibilidad respecto a la red viaria también tiene un efecto positivo, lo cual podría estar capturando las ventajas de poder acceder con un bajo coste a las economías de red que se dan en el conjunto de la región, aunque también podría estar recogiendo una preferencia por entornos que permitan una salida eficiente del producto hacia los consumidores.
Este trabajo trata sobre el papel de la accesibilidad espacial a las economías de aglomeración en el cambio de la estructura espacial del empleo industrial para el caso de la Región Metropolitana de Barcelona (RMB). Utilizando como indicador de cambios en la estructura espacial del empleo, el crecimiento de la densidad bruta del empleo municipal entre 1986 y 1996 para siete subsectores industriales, se explora el impacto espacial de las economías de aglomeración que operan a escala local –el municipio y tres áreas de 5, 8 y 12 kilómetros que rodean al propio municipio-, aquellas que emergen del CBD y de los principales subcentros especializados de la región, y las economías de red asociadas al total de puestos de trabajo de la región cuyo acceso depende de la distancia respecto a las principales infraestructuras de transporte.
Problemas de medición
Hasta no hace demasiado, los trabajos que han intentado medir el impacto de las economías de aglomeración no han adoptado una perspectiva intrametropolitana, sino inter-metropolitana, lo cual ha llevado a una línea de trabajo caracterizada por medir el impacto de la densidad media de un área urbana sobre la productividad, los salarios o el crecimiento del empleo utilizando una muestra suficientemente amplia de ciudades. El problema de este tipo de aproximaciones es que, al utilizar una muestra de metrópolis donde cada una de ellas se contempla como un solo punto, no es posible estudiar el impacto de los cambios en las economías de aglomeración sobre la estructura urbana. Tan solo recientemente, un número aún reducido de trabajos ha abordado esta cuestión, entre los cuales destaca el llevado a cabo por Rosenthal y Strange (2001, 2003). Estos autores han medido el impacto espacial de las economías de aglomeración de tipo estático –localización y urbanización- utilizando como variable dependiente las nuevas inversiones en sectores industriales y como explicativas el empleo en el sector y el total de empleos en una serie de anillos concéntricos alrededor del área donde se da la nueva inversión, confirmando que el impacto de las economías de aglomeración decrece con la distancia.
Este paper comparte básicamente el mismo enfoque que el de Rosenthal y Strange, aunque presenta algunas variantes. En primer lugar, en vez de utilizar las nuevas inversiones como variable dependiente, utiliza los cambios en el empleo y el aumento o reducción en la densidad bruta que conllevan. Esto implica no atender tanto al impacto de las economías de aglomeración sobre la creación de empleo, sino sobre el resultado neto asociado al crecimiento del empleo. En segundo lugar, se incluye como variables explicativas adicionales las posibles economías dinámicas de aglomeración y los efectos de congestión. Finalmente, una de las aportaciones de este trabajo es incluir en el modelo el papel de los polos de empleo (CBD y subcentros especializados) como generadores o difusores de economías de aglomeración
Metodología para analizar la estructura espacial del empleo industrial en la RMB: 1986 – 1996.
Para el análisis de la evolución en la distribución espacial del empleo industrial se utiliza la estimación no-paramétrica Locally Weighted Regression (LWR) propuesta por McMillen (1996, 2001) para el estudio de ciudades. LWR es una técnica de estimación “vecino más próximo” (nearest-neighbor estimation) mediante un procedimiento de ajuste multivariante, encajando localmente una función de variables independientes y condicionadas a la media.
La técnica LWR requiere la definición de dos parámetros. El primero de ellos hace referencia al número de vecinos más próximos considerados en la regresión, el tamaño del vecindario. El segundo parámetro a determinar es el grado de la regresión polinómica considerada.
En este caso, se realizó una estimación LWR sobre la densidad bruta de empleo, como variable dependiente, y la distancia al CBD, como variable explicativa. Se utilizan 162 observaciones, correspondientes a los municipios que componían la Región Metropolitana de Barcelona en 1986, donde la densidad bruta de empleo de cada municipio es calculada como el ratio entre empleo y superficie municipal. Para el cálculo de la distancia a Barcelona (el CBD) se ha utilizado un sistema de información geográfica (GIS) para obtener las coordenadas de los centroides de los municipios, a partir de las cuales se ha calculado su distancia en línea recta al CBD. Los datos referentes al empleo se han obtenido de los censos de población de 1986 y 1996, respectivamente.
Resultado de la aplicación
La aplicación de la técnica de LWR para el Total de la Industria demuestra una alteración significativa en el patrón de densidades de empleo entre 1986 y 1996. Dos son los hechos estilizados que pueden observarse al comparar la función de densidad de 1996 con respecto a la de 1986. En primer lugar, a nivel agregado no se observa una importante reducción de la ocupación industrial ni de la densidad de empleo en el ámbito central (municipio de Barcelona). Tampoco se observa un aumento significativo en las zonas más periféricas. En segundo lugar, el incremento de la ocupación y de la densidad se ha concentrado especialmente en la primera corona metropolitana (incluye dos anillos A1 y A2 según la clasificación utilizada en diferentes estudios) que comprende los municipios localizados a una distancia de entre 5 y 20 kilómetros del centro del municipio de Barcelona. Por consiguiente, más que una tendencia descentralizadora generalizada del empleo industrial, lo que se observa es un crecimiento en el empleo y en la intensidad de uso del suelo concentrado en el anillo localizado a una distancia de entre 10 y 25 km del centro de Barcelona.
Densidad de empleo LWR 1986-1996: Sectores industriales
Datos y variables:
Los datos relativos al empleo proceden de los censos de población de 1986 y 1996.
Variable dependiente
La variable dependiente utilizada es el crecimiento de la densidad bruta de empleo entre 1986 y 1996 del sector s localizado en el municipio i respecto el crecimiento de la densidad bruta de empleo del mismo sector en el conjunto de la Región Metropolitana, de donde la densidad es el cociente entre el empleo y la superficie de la unidad espacial considerada.
Las variables explicativas que se utilizaron en este trabajo se agrupan en cuatro categorías: a) proximidad al centro y subcentros, b) accesibilidad a la red viaria, c) composición sectorial, y d) efectos de congestión. El primer tipo de variables pretende capturar la proximidad respecto a las economías de aglomeración que operan en el ámbito metropolitano y que emergen de las principales aglomeraciones de empleo: CBD y subcentros. Se considera aquí los subcentros identificados para 1986 y el municipio de Barcelona como las principales aglomeraciones de empleo de la región y se han introducido las respectivas distancias que les separan de cada municipio de la RMB. Para el caso de las distancias asociadas a los subcentros han utilizado una única variable que recoge la distancia de cada municipio respecto al subcentro más próximo. Con el uso de esta variable de síntesis se consiguieron reducir los problemas de multicolinealidad entre las dos variables de distancia, así como entre éstas y el resto de variables explicativas.
Tambien se incluyen como variables explicativas dos distancias para cada municipio-sector: la distancia entre el centroide del municipio y el del CBD y la distancia entre el centroide del municipio y el del subcentro especializado más próximo capturado en 1986.
Estas distancias pretenden captar el efecto asociado a la proximidad respecto a las principales aglomeraciones de empleo sobre el crecimiento de la densidad. Para el caso de la distancia a Barcelona (CBD) el efecto se asocia a la existencia de economías de urbanización –al ser el municipio de Barcelona un centro que aglomera una gran cantidad de empleo en todos los sectores y con una presencia masiva de servicios especializados-. En cambio, al trabajar con subcentros de empleo identificados por sector y, por tanto, especializados, el efecto derivado de la proximidad a los subcentros se asocia a la existencia de economías de localización.
Un segundo factor determinante de la localización es la accesibilidad a las infraestructuras de transporte, especialmente a la red viaria, se incluye una variable que recoge el tiempo de acceso a la vía preferente más próxima.
Un tercer grupo de variables pretende capturar los efectos de las economías de aglomeración de ámbito local (municipal) que dependen de su composición sectorial.
La última variable considerada, la densidad total de empleo presente en cada municipio en el inicio del periodo pretende capturar los efectos de la congestión.
El siguiente cuadro es un buen resumen de las variables utilizadas según los tipos de economía de aglomeración:
Resultados
En la Región Metropolitana de Barcelona la ocupación industrial se está redistribuyendo dentro del ámbito metropolitano impulsada por los efectos de congestión que se dan en aquellos municipios donde la densidad de empleo partía de niveles elevados. Sin embargo, este proceso se está viendo condicionado por el efecto de las economías de aglomeración, las cuales ejercen un efecto contrario a la dispersión. La densidad de empleo crece con mayor intensidad cerca del municipio central, un entorno denso y diversificado. Por otro lado, la densidad crece más en entornos supramunicipales con una escala total de producción importante y una estructura productiva diversificada. Los resultados confirman también el impacto de las economías de localización. Tanto la proximidad respecto a un subcentro especializado, como el hecho de localizarse en un entorno supramunicipal especializado ejercen un efecto positivo sobre el crecimiento de la densidad. Por último, la accesibilidad respecto a la red viaria también tiene un efecto positivo, lo cual podría estar capturando las ventajas de poder acceder con un bajo coste a las economías de red que se dan en el conjunto de la región, aunque también podría estar recogiendo una preferencia por entornos que permitan una salida eficiente del producto hacia los consumidores.
La medición de las economías externas en redes de ciudades. Universidad Autónoma de Barcelona. Rafael Boix Domènech (2003)
El concepto de “economías de aglomeración” explica la existencia de ventajas derivadas de la concentración de la población y la actividad. Sin embargo, no explica la existencia de economías externas espacialmente dinámicas. El autor estudia las economías de red generadas en redes de ciudades que corresponden a este último tipo, puesto que se generan por la interacción entre unidades urbanas, entre las que existe un vínculo de red. Estas economías se producen desde el lado de la producción (oferta) y la demanda (consumo), y son fuente de rendimientos crecientes y ventajas competitivas que contribuyen al crecimiento de las economías urbanas.
Modelo de análisis utilizado por el autor para llegar a su objetivo
El modelo aplicado debe permitir la estimación conjunta de economías de concentración y de red. En este caso, el autor optó por partir de la especificación utilizada por Glaeser et al. (1992), y desarrollarla para incorporar también las economías internas a las empresas y las economías de red.
Glaeser et al. (1992), plantean una función de crecimiento a partir de una función de demanda de trabajo, en la que dada una tecnología, el único input es el trabajo, y las externalidades se añaden como parte de la tecnología.
Sobre la siguiente ecuación de Glaeser, Domenech realizará modificaciones:
Modificaciones:
1. Bajo el supuesto de que mercado de trabajo de Cataluña es un mercado regional integrado, el crecimiento del salario nominal en cada sector debe ser similar entre diferentes unidades urbanas8. Además, en caso de que existieran diferencias, Glaeser et al. (1992) y Henderson et al. (1995) sugieren que podrían estar recogiendo los efectos de las economías externas. Bajo estas hipótesis se eliminan los salarios de la estimación, y se evita el problema de la no disponibilidad de datos de salarios municipales.
2. Aunque el progreso técnico y los precios sean exógenos, cada empresa puede mostrar una curva de costes diferentes, en función de características como la escala de producción o su gama de productos. El autor introduce un vector de características de la empresa.
3. En relación a la especificación de las economías de red, la tecnología puede modelarse no sólo en función de los factores locales y nacionales, sino también de los que se encuentran localizados en otros municipios de la red. Los efectos de red pueden especificarse siguiendo los modelos de econometría espacial. Como habitualmente no se dispone de datos de empresas, sino datos agregados sector-municipio, suele hacerse el supuesto de que las empresas son agregables por sector-municipio. De esta forma, el crecimiento de un municipio j puede verse afectado por el crecimiento de los municipios de su red de ciudades, lo que se expresaría como el retardo espacial en la variable dependiente (Wy), y por otras características de los municipios de la red, en la forma de retardos espaciales de la variables explicativas (WX).
Finalmente la forma estructural del modelo es:
donde y es un vector de n x 1 variables dependientes; ρ es el coeficiente del retardo espacial sobre la variable dependiente; W es la matriz de contactos espaciales y cuya diagonal principal es cero; X es una matriz de variables explicativas de dimensión n x k asociada al vector de parámetros β; WX es otra matriz (n x k) de variables explicativas espacialmente rezagada, procedente de multiplicar W*X, y γ es el vector de parámetros asociado que mide el impacto marginal de las variables explicativas de los municipios de la red sobre la variación de la ocupación en el municipio j.
Caso de aplicación: red de ciudades de Cataluña
Datos y muestra:
La muestra está compuesta por los 389 municipios (sobre un total de 942 en Cataluña) que componen la red de ciudades en el año 1986 y se eliminan gran parte de los municipios más pequeños de la muestra, lo que propicia que los indicadores relativos con base en el municipio no muestren variaciones elevadas ante cambios en un pequeño número de ocupados. Los municipios de la muestra representan el 94,12% de la población (5.736.289) y el 94,70% de la ocupación (2.194.267) de Cataluña en el año1996.
Los datos básicos que se utilizan son número de ocupados, número de empresas y población. La ocupación municipal, la población y los datos de niveles educativos se obtienen de los padrones de 1986 y 1996.
Variables y ecuación a estimar:
De acuerdo con el modelo teórico, se utiliza como variable dependiente la ratio de crecimiento de la ocupación. Las variables explicativas son: ocupación en el año base; dimensión de empresa; especialización del municipio; diversidad del municipio, población del municipio, media de años de educación y crecimiento del resto de sectores. Estas variables aproximan los efectos de implantación previa del sector, las economías internas de escala (u otros factores de empresa relacionados con el tamaño), la especialización del municipio en el sector, la diversidad del entorno, la dimensión del municipio, el capital humano y los efectos de arrastre sectoriales. Las variables dependientes y explicativas se expresan en logaritmos, lo que facilita la interpretación de los coeficientes como elasticidades. Para reforzar la causalidad se especifican las variables explicativas en función del año inicial. El modelo de crecimiento toma la forma de un modelo mixto regresivo-regresivo espacial, y se estima para cada sector por separado.
Es interesante observar la tabla de variable dependiente y explicativa que armó al autor:
El modelo se estima en tres etapas. En la primera se muestran los resultados de incluir sólo las economías de concentración. En la segunda etapa se incluye el retardo de red de la variable dependiente. En la tercera, se añaden los retardos de red de las variables explicativas.
Conclusiones:
La estimación del modelo sobre la red de ciudades de Cataluña muestra evidencia de economías y deseconomías de concentración y de red. (1) las economías de concentración (internas y externas) muestran elasticidades; (2) las economías de red se relacionan con el crecimiento del propio sector en los municipios de la red , y con factores localizados en estos municipios (3) para una variable, los coeficientes de concentración y de red pueden tener el mismo signo (con lo que tienden a reforzarse) o signo distinto (con lo que se compensan o anulan). En general, los sectores de manufacturas presentan mayores economías de red que los de servicios; (4) Cada sector se ve afectado de forma diferente por las economías de concentración y de red. En conjunto, las economías de aglomeración parecen tener mayor peso que las de red sobre el crecimiento de la ocupación, aunque estas últimas también son importantes. Por tanto, las economías externas no se derivan únicamente de la concentración espacial de la actividad económica, sino también de la interacción entre las unidades urbanas en el espacio-territorio. Si no se tiene en cuenta la existencia de economías de red, los análisis de los factores del crecimiento urbano pueden resultar sesgados y e inducir a conclusiones erróneas. El autor resalta que si esta fuente de economías está presente, debe tenerse en cuenta cuando se diseña una estrategia de política económica, tanto por el impacto que pueden tener, como por la posibilidad de utilizarlas como instrumento.
Modelo de análisis utilizado por el autor para llegar a su objetivo
El modelo aplicado debe permitir la estimación conjunta de economías de concentración y de red. En este caso, el autor optó por partir de la especificación utilizada por Glaeser et al. (1992), y desarrollarla para incorporar también las economías internas a las empresas y las economías de red.
Glaeser et al. (1992), plantean una función de crecimiento a partir de una función de demanda de trabajo, en la que dada una tecnología, el único input es el trabajo, y las externalidades se añaden como parte de la tecnología.
Sobre la siguiente ecuación de Glaeser, Domenech realizará modificaciones:
Modificaciones:
1. Bajo el supuesto de que mercado de trabajo de Cataluña es un mercado regional integrado, el crecimiento del salario nominal en cada sector debe ser similar entre diferentes unidades urbanas8. Además, en caso de que existieran diferencias, Glaeser et al. (1992) y Henderson et al. (1995) sugieren que podrían estar recogiendo los efectos de las economías externas. Bajo estas hipótesis se eliminan los salarios de la estimación, y se evita el problema de la no disponibilidad de datos de salarios municipales.
2. Aunque el progreso técnico y los precios sean exógenos, cada empresa puede mostrar una curva de costes diferentes, en función de características como la escala de producción o su gama de productos. El autor introduce un vector de características de la empresa.
3. En relación a la especificación de las economías de red, la tecnología puede modelarse no sólo en función de los factores locales y nacionales, sino también de los que se encuentran localizados en otros municipios de la red. Los efectos de red pueden especificarse siguiendo los modelos de econometría espacial. Como habitualmente no se dispone de datos de empresas, sino datos agregados sector-municipio, suele hacerse el supuesto de que las empresas son agregables por sector-municipio. De esta forma, el crecimiento de un municipio j puede verse afectado por el crecimiento de los municipios de su red de ciudades, lo que se expresaría como el retardo espacial en la variable dependiente (Wy), y por otras características de los municipios de la red, en la forma de retardos espaciales de la variables explicativas (WX).
Finalmente la forma estructural del modelo es:
donde y es un vector de n x 1 variables dependientes; ρ es el coeficiente del retardo espacial sobre la variable dependiente; W es la matriz de contactos espaciales y cuya diagonal principal es cero; X es una matriz de variables explicativas de dimensión n x k asociada al vector de parámetros β; WX es otra matriz (n x k) de variables explicativas espacialmente rezagada, procedente de multiplicar W*X, y γ es el vector de parámetros asociado que mide el impacto marginal de las variables explicativas de los municipios de la red sobre la variación de la ocupación en el municipio j.
Caso de aplicación: red de ciudades de Cataluña
Datos y muestra:
La muestra está compuesta por los 389 municipios (sobre un total de 942 en Cataluña) que componen la red de ciudades en el año 1986 y se eliminan gran parte de los municipios más pequeños de la muestra, lo que propicia que los indicadores relativos con base en el municipio no muestren variaciones elevadas ante cambios en un pequeño número de ocupados. Los municipios de la muestra representan el 94,12% de la población (5.736.289) y el 94,70% de la ocupación (2.194.267) de Cataluña en el año1996.
Los datos básicos que se utilizan son número de ocupados, número de empresas y población. La ocupación municipal, la población y los datos de niveles educativos se obtienen de los padrones de 1986 y 1996.
Variables y ecuación a estimar:
De acuerdo con el modelo teórico, se utiliza como variable dependiente la ratio de crecimiento de la ocupación. Las variables explicativas son: ocupación en el año base; dimensión de empresa; especialización del municipio; diversidad del municipio, población del municipio, media de años de educación y crecimiento del resto de sectores. Estas variables aproximan los efectos de implantación previa del sector, las economías internas de escala (u otros factores de empresa relacionados con el tamaño), la especialización del municipio en el sector, la diversidad del entorno, la dimensión del municipio, el capital humano y los efectos de arrastre sectoriales. Las variables dependientes y explicativas se expresan en logaritmos, lo que facilita la interpretación de los coeficientes como elasticidades. Para reforzar la causalidad se especifican las variables explicativas en función del año inicial. El modelo de crecimiento toma la forma de un modelo mixto regresivo-regresivo espacial, y se estima para cada sector por separado.
Es interesante observar la tabla de variable dependiente y explicativa que armó al autor:
El modelo se estima en tres etapas. En la primera se muestran los resultados de incluir sólo las economías de concentración. En la segunda etapa se incluye el retardo de red de la variable dependiente. En la tercera, se añaden los retardos de red de las variables explicativas.
Conclusiones:
La estimación del modelo sobre la red de ciudades de Cataluña muestra evidencia de economías y deseconomías de concentración y de red. (1) las economías de concentración (internas y externas) muestran elasticidades; (2) las economías de red se relacionan con el crecimiento del propio sector en los municipios de la red , y con factores localizados en estos municipios (3) para una variable, los coeficientes de concentración y de red pueden tener el mismo signo (con lo que tienden a reforzarse) o signo distinto (con lo que se compensan o anulan). En general, los sectores de manufacturas presentan mayores economías de red que los de servicios; (4) Cada sector se ve afectado de forma diferente por las economías de concentración y de red. En conjunto, las economías de aglomeración parecen tener mayor peso que las de red sobre el crecimiento de la ocupación, aunque estas últimas también son importantes. Por tanto, las economías externas no se derivan únicamente de la concentración espacial de la actividad económica, sino también de la interacción entre las unidades urbanas en el espacio-territorio. Si no se tiene en cuenta la existencia de economías de red, los análisis de los factores del crecimiento urbano pueden resultar sesgados y e inducir a conclusiones erróneas. El autor resalta que si esta fuente de economías está presente, debe tenerse en cuenta cuando se diseña una estrategia de política económica, tanto por el impacto que pueden tener, como por la posibilidad de utilizarlas como instrumento.
Efectos de la aglomeración y los encadenamientos industriales en el patrón de crecimiento manufacturero en México Mendoza, Jorge Eduardo -2003
La economía mexicana experimentó un cambio regional de la localización manufacturera en el periodo de 1980 a 2003, lo que modificó el patrón de concentración regional industrial. En este contexto, la frontera norte y los estados alrededor de la Ciudad de México y el Estado de México presentaron mayor crecimiento. Mediante un modelo econométrico, basado en la técnica del método generalizado de momentos, se evalúa el impacto de los encadenamientos industriales, la aglomeración y la distancia en la localización de las empresas manufactureras. Las estimaciones econométricas muestran evidencia de dispersión de la industria y debilitamiento de las relaciones intra-industriales, las economías de escala y los encadenamientos
El presente estudio asume que, como resultado de la apertura económica de México, se han presentado cambios regionales en la dinámica de la localización industrial que están relacionados con las fuerzas que determinan la aglomeración de actividades económicas en una región. En particular, se destacan los efectos de las economías de especialización, las economías de escala, los encadenamientos y los costos de transporte, como fenómenos que han afectado la ubicación de la industria manufacturera en México. El autor retoma los conceptos teóricos de aglomeraciones y fuerzas centrípetas y centrífugas para explicar el cambio espacial de las actividades económicas en México. En definitiva busca establecer e identificar los factores que incentivaron a la industria a modificar su participación geográfica ante la eminente apertura económica.
El autor propone 4 hipótesis:
1. La apertura comercial influyó en un mayor crecimiento en la participación industrial del sector manufacturero en la región fronteriza y ha generado un proceso dispersivo de la industria en la región central del país.
2. La determinación de los costos de transporte ha sido de singular relevancia. La existencia de una mayor dinámica comercial con Estados Unidos se ve reflejada en mayor peso, al medir los costos de transporte en relación con la distancia que existe de cada uno de los estados con este mercado.
3. Los encadenamientos hacia atrás y hacia delante, el comercio intra-industrial y las economías de escala, considerados éstos como factores externos, han influido en un cambio geográfico de las actividades manufactureras, generando nuevos patrones de aglomeración en la región fronteriza del norte del país.
4. Aquellas actividades manufactureras que se han dispersado de la zona centro hacia la región fronteriza norte del país, están fuertemente vinculadas con el sector externo.
Metodología y modelo econométrico
En términos de crecimiento en el empleo manufacturero se observa decrecimientos en la Zona Centro, Zona Altamente Aglomerada y la Ciudad de México y el estado de México. Por otro lado, el crecimiento del empleo favorece a la Zona Norte, Zona Sur, los estados alrededor de la Ciudad de México y el estado de México y los estados de la frontera norte.
Para eliminar este sesgo en el análisis del crecimiento por regiones, el autor construyó el Índice de Dimensión Regional (IDR). Este indicador mide el tamaño promedio de la región ( REG DIM ) y lo comparara con el tamaño promedio del país ( NAC DIM ). El resultado del cociente, proporcionará la magnitud de importancia de la región con respecto al nacional y su evolución a través del tiempo. La formulación queda representada de la siguiente manera:
Modelo:
En este estudio se establecen dos modelos econométricos donde se incluye el efecto de las fuerzas que coadyuvan a la formación de aglomeraciones (fuerzas centrípetas) y, por otro, las fuerzas que impulsan la desaparición de éstas (fuerzas centrífugas). La primera relación se basa en medir el efecto de dichas tendencias sobre el comportamiento de la tasa de crecimiento promedio anual de los trabajadores. Se expresa tal relación de la siguiente manera:
Donde y representa el término de error del modelo, el cual depende de los efectos inobservables constantes en el tiempo, como es el efecto geográfico o de localización, y del error de variación temporal o idiosincrático, el cual contempla factores que no son observables y varían con el tiempo. Para obtener estimaciones insesgadas y consistentes de , estas últimas no se deben de correlacionar con las variables regresoras. Finalmente, las variables regresoras se representan en condiciones o
atributos iniciales para evitar problemas de simultaneidad.
Respecto las variables independientes de la ecuación, la primera se construyó con base en el índice de participación del salario de la región i en la actividad j con relación al total nacional de la actividad j, representado de la forma siguiente:
El costo de transporte (CT) está representado de dos maneras. El primer índice de los costos de transporte se mide con relación a la distancia entre la capital de cada uno de los estados y la ciudad más cercana de la Frontera Norte (CTFN). A partir de este indicador se busca estimar el impacto de la apertura comercial en la localización manufacturera en México, en términos del crecimiento del mercado de los Estados Unidos para las manufacturas mexicanas. Por lo tanto, se esperaría una relación inversa entre el costo de transporte y el crecimiento de trabajadores. El segundo, se plantea utilizando como punto de referencia a la Ciudad de México (CTMX), dada su importancia como el mercado doméstico más grande de la economía mexicana. También se considera que existe una relación negativa con la variable dependiente, representada de la siguiente manera:
Donde D representa la distancia y L el número de trabajadores. Esta forma de plantear los costos de transporte se deriva de identificar la importancia de un mercado.
Los siguientes términos representan una fuente de crecimiento del número de trabajadores a través de las regiones, es decir, son fuerzas centrípetas. El primer componente de esta fuerza, son las economías de escala (Ecoesc) y está constituido por una variable “proxi” de la siguiente forma:
Donde N representa las unidades económicas. Esta relación muestra el tamaño promedio de las unidades económicas en una región i entre el tamaño promedio de las unidades económicas en la industria j. Esto, por un lado, indicaría un nivel de tecnología entre las regiones: entre mayor sea el tamaño de los establecimientos, contará con mejor tecnología o viceversa. Se asume una relación positiva con la variable dependiente.
El siguiente indicador establece las relaciones intra-industriales (Intra) entre las regiones, y mide el crecimiento de las regiones que se origina por la interacción entre la industria y por medio de la especialización entre ellas. La relación se puede establecer, mediante un índice de localización, de la siguiente manera:
Los encadenamientos hacia atrás (HA) están representados por la siguiente
expresión:
La variable INS son los insumos y FBCF la formación bruta de capital fijo. La forma de plantear los encadenamientos hacia atrás constituye un indicador con respecto a la importancia de la región en cuanto a la magnitud de los costos derivados de la demanda de insumos y la generación de nuevo capital. El cálculo se realiza para cada industria j en la región i. En este sentido, considerar que un mejor acceso al mercado para obtener los insumos necesarios en su proceso productivo y la formación de nuevo capital se reflejarían en una disminución en los costos, en un contexto en el cual la aglomeración de la industria es creciente. El papel de la distancia es importante, ya que supone que el estar más cerca de la frontera norte, después de la apertura comercial, podría significar una disminución de los costos en los insumos ya que tendría un mejor acceso a ellos (HAFN).
La última especificación se refiere al índice de encadenamientos hacia delante (HD), en la que se intenta identificar un mejor acceso al mercado donde los productos de la industria tengan una demanda significativa. Bajo esta perspectiva el autor desarrolló la siguiente especificación:
Aquí PI constituye la producción industrial en la región i de la industria j. Tomando como referencia la distancia hacia la frontera norte (HDFN), después de la apertura comercial, se plantea que conforme la industria se desarrolle y crezca cerca de esta región, se podrá observar un crecimiento en la demanda de los bienes. A diferencia de la representación anterior, el lado derecho de esta relación suaviza los efectos de la distancia al considerar las desigualdades en términos de una distribución adecuada de los trabajadores en las regiones, ya que estos últimos constituyen el elemento que determina la magnitud de la demanda.
Adicionalmente, en el modelo econométrico se incluyen variables “dummies” o dicotómicas de forma multiplicativa, con el objeto de diferenciar los efectos de cada una de las variables independientes con respecto a las regiones comprendidas por los Estados de, la Frontera Norte, el Estado de México y el Distrito Federal y sus alrededores, en la explicación del cambio en el crecimiento del empleo manufacturero. La razón por la cual se
plantea de esta manera el modelo es que en estas regiones, la industria manufacturera mostró una constante movilidad en términos del empleo, por lo que existe la posibilidad de que todas o alguna de las variables explicativas tenga un mayor peso en la dinámica del crecimiento. De esta manera se puede representar el modelo de la siguiente forma:
Considerando que la variable dicotómica (DUM) representa las tres regiones que se mencionaron en el párrafo previo, se establecen tres modelos distintos. En tales circunstancias, la variable dicotómica tomará los valores de uno cuando se refiera a cualquiera de estas regiones y cero para otras. Para el caso en el cual alguna de estas variables sea significativa en la valoración estimada, el cambio que se representa en la ecuación será en pendiente, debido a la naturaleza de la relación. Es decir, la validez de la variable dicotómica refleja el efecto diferenciado de las variables Salarios, relación Intra- Industrial y la de Economías de Escala para cada una de las regiones analizadas con respecto al resto de las regiones.
Los datos que se utilizan en la estimación econométrica provienen de los XI y XII Censos Industriales y de los Censos Económicos de 1994, 1999 y 2004, los cuales son publicados por el Instituto Nacional de Estadística, Geografía e Informática (INEGI).
Evidencia econométrica:
La variable intra-industrial, que constituye un indicador de especialización, es significativa en ambas especificaciones del MGM. Sin embargo, el resultado es contrario a lo esperado.
En la estimación del cambio en pendiente de la variables intra-industriales hacia la frontera norte, se observa una menor pérdida del nivel de especialización industrial en los estados de la frontera norte y estados alrededor de la Ciudad de México (de -0.012 y -0.011, respectivamente) que el resto de las regiones (-0.021), aunque los resultados muestran que la especialización continúa siendo mayor en la Ciudad de México, el Estado de México y los estados centrales adyacentes.
En el caso de los salarios, el coeficiente resultó positivo, contrario a lo esperado. Por lo tanto, se considera que esta variable representa una fuerza que no ha actuado en contra de las aglomeraciones industriales para el caso de México como generalmente se asume.
El costo de transporte medido hacia la frontera norte, mostró un coeficiente negativo y resultó significativo al 5%, con lo cual se puede considerar que la región constituye un mercado importante para un conjunto significativo de la industria.
Por su parte, tanto el coeficiente de los encadenamientos hacia atrás con respecto a la frontera norte (HAFN) como el coeficiente de la variable de encadenamientos hacia atrás con respecto a la Ciudad de México, fueron negativos y significativos estadísticamente, por lo que resultaron consistentes con lo que el autor planteó desde un comienzo. Esto se debe a que el mercado del centro y en especial el de la Ciudad de México y el Estado de México continuó siendo una región importante para un segmento de la industria después de la apertura.
Conclusiones:
El nuevo patrón de crecimiento derivado del proceso de apertura económica se acompañó, de cambios en la aglomeración del empleo manufacturero de 1980 a 2003. Lo anterior se reflejó en una caída en la participación de la industria manufacturera en la parte central del país, especialmente en la Ciudad de México y Estado de México, lo que redujo la excesiva concentración industrial de esas regiones. Se observa que los cambios en la aglomeración manufacturera tuvieron consecuencias negativas sobre el nivel de especialización y la generación de economías de escala, y en general en el impacto de las economías externas.
La razón por la cual la industria no se localiza con mayor intensidad en la frontera norte se debe a que la región central mantiene un liderazgo en términos de mercado interno. En particular, los costos negativos generados a partir de la excesiva concentración y congestión urbana (fuerza centrípeta), previos a la apertura, provocó que la industria buscara situarse en una región central alterna a la Ciudad de México y el Estado de México, siendo los estados centrales contiguos la mejor alternativa. Esto valida los resultados del modelo medido hacia la ciudad de México.
Queda claro que el cambio en la tendencia del crecimiento del empleo manufacturero en el periodo 1980-2003, muestra un proceso de dispersión de la industria manufacturera favoreciendo a la Frontera Norte y los Estados Alrededor de la Ciudad de México. Sin embargo, la evidencia de esto sugiere un menor impacto de las aglomeraciones, aunado a una menor especialización de las regiones, la ausencia de economías de escala y un posible debilitamiento en los encadenamientos del sector manufacturero.
El presente estudio asume que, como resultado de la apertura económica de México, se han presentado cambios regionales en la dinámica de la localización industrial que están relacionados con las fuerzas que determinan la aglomeración de actividades económicas en una región. En particular, se destacan los efectos de las economías de especialización, las economías de escala, los encadenamientos y los costos de transporte, como fenómenos que han afectado la ubicación de la industria manufacturera en México. El autor retoma los conceptos teóricos de aglomeraciones y fuerzas centrípetas y centrífugas para explicar el cambio espacial de las actividades económicas en México. En definitiva busca establecer e identificar los factores que incentivaron a la industria a modificar su participación geográfica ante la eminente apertura económica.
El autor propone 4 hipótesis:
1. La apertura comercial influyó en un mayor crecimiento en la participación industrial del sector manufacturero en la región fronteriza y ha generado un proceso dispersivo de la industria en la región central del país.
2. La determinación de los costos de transporte ha sido de singular relevancia. La existencia de una mayor dinámica comercial con Estados Unidos se ve reflejada en mayor peso, al medir los costos de transporte en relación con la distancia que existe de cada uno de los estados con este mercado.
3. Los encadenamientos hacia atrás y hacia delante, el comercio intra-industrial y las economías de escala, considerados éstos como factores externos, han influido en un cambio geográfico de las actividades manufactureras, generando nuevos patrones de aglomeración en la región fronteriza del norte del país.
4. Aquellas actividades manufactureras que se han dispersado de la zona centro hacia la región fronteriza norte del país, están fuertemente vinculadas con el sector externo.
Metodología y modelo econométrico
En términos de crecimiento en el empleo manufacturero se observa decrecimientos en la Zona Centro, Zona Altamente Aglomerada y la Ciudad de México y el estado de México. Por otro lado, el crecimiento del empleo favorece a la Zona Norte, Zona Sur, los estados alrededor de la Ciudad de México y el estado de México y los estados de la frontera norte.
Para eliminar este sesgo en el análisis del crecimiento por regiones, el autor construyó el Índice de Dimensión Regional (IDR). Este indicador mide el tamaño promedio de la región ( REG DIM ) y lo comparara con el tamaño promedio del país ( NAC DIM ). El resultado del cociente, proporcionará la magnitud de importancia de la región con respecto al nacional y su evolución a través del tiempo. La formulación queda representada de la siguiente manera:
Modelo:
En este estudio se establecen dos modelos econométricos donde se incluye el efecto de las fuerzas que coadyuvan a la formación de aglomeraciones (fuerzas centrípetas) y, por otro, las fuerzas que impulsan la desaparición de éstas (fuerzas centrífugas). La primera relación se basa en medir el efecto de dichas tendencias sobre el comportamiento de la tasa de crecimiento promedio anual de los trabajadores. Se expresa tal relación de la siguiente manera:
Donde y representa el término de error del modelo, el cual depende de los efectos inobservables constantes en el tiempo, como es el efecto geográfico o de localización, y del error de variación temporal o idiosincrático, el cual contempla factores que no son observables y varían con el tiempo. Para obtener estimaciones insesgadas y consistentes de , estas últimas no se deben de correlacionar con las variables regresoras. Finalmente, las variables regresoras se representan en condiciones o
atributos iniciales para evitar problemas de simultaneidad.
Respecto las variables independientes de la ecuación, la primera se construyó con base en el índice de participación del salario de la región i en la actividad j con relación al total nacional de la actividad j, representado de la forma siguiente:
El costo de transporte (CT) está representado de dos maneras. El primer índice de los costos de transporte se mide con relación a la distancia entre la capital de cada uno de los estados y la ciudad más cercana de la Frontera Norte (CTFN). A partir de este indicador se busca estimar el impacto de la apertura comercial en la localización manufacturera en México, en términos del crecimiento del mercado de los Estados Unidos para las manufacturas mexicanas. Por lo tanto, se esperaría una relación inversa entre el costo de transporte y el crecimiento de trabajadores. El segundo, se plantea utilizando como punto de referencia a la Ciudad de México (CTMX), dada su importancia como el mercado doméstico más grande de la economía mexicana. También se considera que existe una relación negativa con la variable dependiente, representada de la siguiente manera:
Donde D representa la distancia y L el número de trabajadores. Esta forma de plantear los costos de transporte se deriva de identificar la importancia de un mercado.
Los siguientes términos representan una fuente de crecimiento del número de trabajadores a través de las regiones, es decir, son fuerzas centrípetas. El primer componente de esta fuerza, son las economías de escala (Ecoesc) y está constituido por una variable “proxi” de la siguiente forma:
Donde N representa las unidades económicas. Esta relación muestra el tamaño promedio de las unidades económicas en una región i entre el tamaño promedio de las unidades económicas en la industria j. Esto, por un lado, indicaría un nivel de tecnología entre las regiones: entre mayor sea el tamaño de los establecimientos, contará con mejor tecnología o viceversa. Se asume una relación positiva con la variable dependiente.
El siguiente indicador establece las relaciones intra-industriales (Intra) entre las regiones, y mide el crecimiento de las regiones que se origina por la interacción entre la industria y por medio de la especialización entre ellas. La relación se puede establecer, mediante un índice de localización, de la siguiente manera:
Los encadenamientos hacia atrás (HA) están representados por la siguiente
expresión:
La variable INS son los insumos y FBCF la formación bruta de capital fijo. La forma de plantear los encadenamientos hacia atrás constituye un indicador con respecto a la importancia de la región en cuanto a la magnitud de los costos derivados de la demanda de insumos y la generación de nuevo capital. El cálculo se realiza para cada industria j en la región i. En este sentido, considerar que un mejor acceso al mercado para obtener los insumos necesarios en su proceso productivo y la formación de nuevo capital se reflejarían en una disminución en los costos, en un contexto en el cual la aglomeración de la industria es creciente. El papel de la distancia es importante, ya que supone que el estar más cerca de la frontera norte, después de la apertura comercial, podría significar una disminución de los costos en los insumos ya que tendría un mejor acceso a ellos (HAFN).
La última especificación se refiere al índice de encadenamientos hacia delante (HD), en la que se intenta identificar un mejor acceso al mercado donde los productos de la industria tengan una demanda significativa. Bajo esta perspectiva el autor desarrolló la siguiente especificación:
Aquí PI constituye la producción industrial en la región i de la industria j. Tomando como referencia la distancia hacia la frontera norte (HDFN), después de la apertura comercial, se plantea que conforme la industria se desarrolle y crezca cerca de esta región, se podrá observar un crecimiento en la demanda de los bienes. A diferencia de la representación anterior, el lado derecho de esta relación suaviza los efectos de la distancia al considerar las desigualdades en términos de una distribución adecuada de los trabajadores en las regiones, ya que estos últimos constituyen el elemento que determina la magnitud de la demanda.
Adicionalmente, en el modelo econométrico se incluyen variables “dummies” o dicotómicas de forma multiplicativa, con el objeto de diferenciar los efectos de cada una de las variables independientes con respecto a las regiones comprendidas por los Estados de, la Frontera Norte, el Estado de México y el Distrito Federal y sus alrededores, en la explicación del cambio en el crecimiento del empleo manufacturero. La razón por la cual se
plantea de esta manera el modelo es que en estas regiones, la industria manufacturera mostró una constante movilidad en términos del empleo, por lo que existe la posibilidad de que todas o alguna de las variables explicativas tenga un mayor peso en la dinámica del crecimiento. De esta manera se puede representar el modelo de la siguiente forma:
Considerando que la variable dicotómica (DUM) representa las tres regiones que se mencionaron en el párrafo previo, se establecen tres modelos distintos. En tales circunstancias, la variable dicotómica tomará los valores de uno cuando se refiera a cualquiera de estas regiones y cero para otras. Para el caso en el cual alguna de estas variables sea significativa en la valoración estimada, el cambio que se representa en la ecuación será en pendiente, debido a la naturaleza de la relación. Es decir, la validez de la variable dicotómica refleja el efecto diferenciado de las variables Salarios, relación Intra- Industrial y la de Economías de Escala para cada una de las regiones analizadas con respecto al resto de las regiones.
Los datos que se utilizan en la estimación econométrica provienen de los XI y XII Censos Industriales y de los Censos Económicos de 1994, 1999 y 2004, los cuales son publicados por el Instituto Nacional de Estadística, Geografía e Informática (INEGI).
Evidencia econométrica:
La variable intra-industrial, que constituye un indicador de especialización, es significativa en ambas especificaciones del MGM. Sin embargo, el resultado es contrario a lo esperado.
En la estimación del cambio en pendiente de la variables intra-industriales hacia la frontera norte, se observa una menor pérdida del nivel de especialización industrial en los estados de la frontera norte y estados alrededor de la Ciudad de México (de -0.012 y -0.011, respectivamente) que el resto de las regiones (-0.021), aunque los resultados muestran que la especialización continúa siendo mayor en la Ciudad de México, el Estado de México y los estados centrales adyacentes.
En el caso de los salarios, el coeficiente resultó positivo, contrario a lo esperado. Por lo tanto, se considera que esta variable representa una fuerza que no ha actuado en contra de las aglomeraciones industriales para el caso de México como generalmente se asume.
El costo de transporte medido hacia la frontera norte, mostró un coeficiente negativo y resultó significativo al 5%, con lo cual se puede considerar que la región constituye un mercado importante para un conjunto significativo de la industria.
Por su parte, tanto el coeficiente de los encadenamientos hacia atrás con respecto a la frontera norte (HAFN) como el coeficiente de la variable de encadenamientos hacia atrás con respecto a la Ciudad de México, fueron negativos y significativos estadísticamente, por lo que resultaron consistentes con lo que el autor planteó desde un comienzo. Esto se debe a que el mercado del centro y en especial el de la Ciudad de México y el Estado de México continuó siendo una región importante para un segmento de la industria después de la apertura.
Conclusiones:
El nuevo patrón de crecimiento derivado del proceso de apertura económica se acompañó, de cambios en la aglomeración del empleo manufacturero de 1980 a 2003. Lo anterior se reflejó en una caída en la participación de la industria manufacturera en la parte central del país, especialmente en la Ciudad de México y Estado de México, lo que redujo la excesiva concentración industrial de esas regiones. Se observa que los cambios en la aglomeración manufacturera tuvieron consecuencias negativas sobre el nivel de especialización y la generación de economías de escala, y en general en el impacto de las economías externas.
La razón por la cual la industria no se localiza con mayor intensidad en la frontera norte se debe a que la región central mantiene un liderazgo en términos de mercado interno. En particular, los costos negativos generados a partir de la excesiva concentración y congestión urbana (fuerza centrípeta), previos a la apertura, provocó que la industria buscara situarse en una región central alterna a la Ciudad de México y el Estado de México, siendo los estados centrales contiguos la mejor alternativa. Esto valida los resultados del modelo medido hacia la ciudad de México.
Queda claro que el cambio en la tendencia del crecimiento del empleo manufacturero en el periodo 1980-2003, muestra un proceso de dispersión de la industria manufacturera favoreciendo a la Frontera Norte y los Estados Alrededor de la Ciudad de México. Sin embargo, la evidencia de esto sugiere un menor impacto de las aglomeraciones, aunado a una menor especialización de las regiones, la ausencia de economías de escala y un posible debilitamiento en los encadenamientos del sector manufacturero.
IDENTIFICANDO EL APROVECHAMIENTO DE VENTAJAS DE AGLOMERACIÓN DERIVADAS DE LA LOCALIZACIÓN DE LOS HOSPITALES PRIVADOS DENTRO DE UN CONTEXTO FRONTERIZO:
Introducción:
Los servicios médicos de carácter privado en la ciudad de Tijuana presentan potencialidades de desarrollo asociados a su singular patrón de crecimiento urbano y fronterizo, que eventualmente podría estar siendo aprovechado tanto por los establecimientos directamente involucrados, como por los usuarios. Bajo este enfoque espacial, se aborda esta temática considerando dos factores centrales que podrían estar relacionados al crecimiento de la dinámica del sector médico privado en esta ciudad. Por un lado el contexto fronterizo, que difícilmente podría dejarse de lado, dada la situación geográfica e histórica de la ciudad. Por otro lado, al observar que existe cierta proximidad espacial entre los establecimientos, permite plantear como hipótesis que estos encuentran ventajas de aglomeración.
De esta manera los objetivos del trabajo son indagar si en realidad, existe un conglomerado de hospitales privados que están aprovechando tanto externalidades derivadas de la especialización o de la diversificación de las áreas urbanas en donde se ubican, y si el factor fronterizo está jugando un papel importante en el crecimiento de este tipo de servicios en Tijuana. Así como, la medida en que el patrón de localización de estos establecimientos, está influenciado por la situación fronteriza, y por encontrar ventajas de ubicarse espacialmente concentrados.
Hipótesis que plantea:
Es posible identificar el aprovechamiento de ventajas de aglomeración por parte de los hospitales y clínicas privadas (HCP) que permita ubicar a esta actividad en una fase similar a un “núcleo original” - en la evolución y consolidación de los distritos - que debe su surgimiento en gran medida a razones transfronterizas. De esta hipótesis se desprenden:
Hipótesis I: La dinámica transfronteriza de la ciudad de Tijuana, puede estar influyendo, tanto sobre el crecimiento de los HCP, como en su patrón de localización urbana.
Hipótesis II: Es posible observar que los HCP están aprovechando ventajas de aglomeración vinculadas a su cercanía espacial.
El autor elabora un modelo que pretende captar el aprovechamiento de economías de aglomeración vinculadas a la cercanía espacial:
Para tal fin el autor parte de dos modelos: el primero busca captar la relación entre la proximidad espacial de los Hospitales y Clínicas Privadas (HCP) en Tijuana y la presencia de externalidades tipo Jacobs y MAR, utilizando para ello, índices de especialización y de diversificación..
Modelo de localización con externalidades
Generalmente se suelen captar las externalidades, por medio de índices que plasmen el nivel de diversificación así como de especialización de un área geográfica definida. Esto se ha hecho con base en dos ideas centrales: la primera, planteada por Jacobs (1969), indica que la variedad y diversidad de actividades económicas geográficamente próximas, favorece la innovación y el crecimiento derivado de la fertilización cruzada de ideas y la competencia; la segunda, plateada por Henderson (1994), dice que las actividades económicas tenderán a concentrarse geográficamente para absorber la transmisión de conocimiento entre las empresas de giros similares por lo que, a mayor especialización económica, las industrias conglomeradas no solo aprovecharán sinergias cruzadas de ideas entre ellas, sino también una “atmósfera industrial”, donde se puede compartir fuerza laboral altamente especializada y pueden generarse vínculos horizontales y verticales. Este tipo de externalidades son conocidas comúnmente como MAR, por basarse en las contribuciones de Marshall, Arrow y Romer.
El índice de especialización en servicios médicos privados el autor lo definió de la siguiente manera: se calculó el peso porcentual del personal ocupado en servicio médicos, odontológicos y veterinario prestados por el sector privado, sobre el total de las personas ocupadas en las ramas económicas que fueron consideradas por los Censos Económicos, tanto para nivel de área geoestadística básica (AGEB) como para Tijuana en su conjunto. Ambos pesos porcentuales ocupacionales –referidos al AGEB y a Tijuana-, formaron a su vez un cociente locacional del que se deriva un índice de especialización intraurbano correspondiente a cada AGEB de la ciudad.
Por su parte, el indicador de diversificación que utilizó fue una medida inversa al índice de diversidad de Hirschman-Herfindhal (H-H), el cual toma en cuenta el total de actividades en el área analizada. Además utilizó GIS lo que le permitió observar mediante mapas la relación existente entre estos indicadores y la ubicación de los Hospitales y Clínicas Privadas.
Tras evaluar los mapas llegó a la conclusión:
-De que el porcentaje más alto (55%) de HCP en la ciudad, se encuentra en el rango medio en cuanto a diversificación se refiere, en tanto que el porcentaje más bajo (1%) se encuentra en el rango más alto.
-De que aparentemente hay una relación negativa entre el nivel de diversificación del AGEB y la cantidad de hospitales y clínicas privadas que hay en el mismo, lo cual hace pensar, en que se descarta cualquier aprovechamiento de externalidades tipo Jacobs o de urbanización por parte de los HCP de la ciudad.
Además, el autor se propuso realizar una correlación:
A fin de precisar las conclusiones que se derivan del examen visual, decidió correr una regresión que tiene como variable dependiente el inverso de la concentración relativa de
Hospitales y Clínicas Privadas (IPE) a nivel intraurbano, y como variables explicativas dos indicadores de externalidad: el índice de especialización (Ie) y el de diversificación, calculado como el inverso del índice de diversificación Hirschman- Herfindhal (IH-H) . Además, se incluyó como una tercera variable explicativa, el inverso de la distancia promedio que hay entre cada HCP y los cruces fronterizos de la ciudad (Idf). Esto es, el modelo adoptado, referido al AGEB “i”, fue el siguiente:
De esta manera, se intento captar el grado en que la presencia de posibles externalidades, así como de la dinámica, influye sobre el patrón de localización concentrado de los hospitales en la marcha urbana de Tijuana.
A partir de estos resultados, se pudo evidenciar que el factor que presenta una mayor relación con el nivel de proximidad entre los HCP es la distancia a los cruces fronterizos. También se observó que se presenta una relación débil entre el grado de concentración de hospitales y los índices de diversificación y especialización, sin embargo no deja de ser una relación positiva que muestra que a mayor magnitud en estos indicadores mayor la proximidad entre los Hospitales y Clínicas
Los servicios médicos de carácter privado en la ciudad de Tijuana presentan potencialidades de desarrollo asociados a su singular patrón de crecimiento urbano y fronterizo, que eventualmente podría estar siendo aprovechado tanto por los establecimientos directamente involucrados, como por los usuarios. Bajo este enfoque espacial, se aborda esta temática considerando dos factores centrales que podrían estar relacionados al crecimiento de la dinámica del sector médico privado en esta ciudad. Por un lado el contexto fronterizo, que difícilmente podría dejarse de lado, dada la situación geográfica e histórica de la ciudad. Por otro lado, al observar que existe cierta proximidad espacial entre los establecimientos, permite plantear como hipótesis que estos encuentran ventajas de aglomeración.
De esta manera los objetivos del trabajo son indagar si en realidad, existe un conglomerado de hospitales privados que están aprovechando tanto externalidades derivadas de la especialización o de la diversificación de las áreas urbanas en donde se ubican, y si el factor fronterizo está jugando un papel importante en el crecimiento de este tipo de servicios en Tijuana. Así como, la medida en que el patrón de localización de estos establecimientos, está influenciado por la situación fronteriza, y por encontrar ventajas de ubicarse espacialmente concentrados.
Hipótesis que plantea:
Es posible identificar el aprovechamiento de ventajas de aglomeración por parte de los hospitales y clínicas privadas (HCP) que permita ubicar a esta actividad en una fase similar a un “núcleo original” - en la evolución y consolidación de los distritos - que debe su surgimiento en gran medida a razones transfronterizas. De esta hipótesis se desprenden:
Hipótesis I: La dinámica transfronteriza de la ciudad de Tijuana, puede estar influyendo, tanto sobre el crecimiento de los HCP, como en su patrón de localización urbana.
Hipótesis II: Es posible observar que los HCP están aprovechando ventajas de aglomeración vinculadas a su cercanía espacial.
El autor elabora un modelo que pretende captar el aprovechamiento de economías de aglomeración vinculadas a la cercanía espacial:
Para tal fin el autor parte de dos modelos: el primero busca captar la relación entre la proximidad espacial de los Hospitales y Clínicas Privadas (HCP) en Tijuana y la presencia de externalidades tipo Jacobs y MAR, utilizando para ello, índices de especialización y de diversificación..
Modelo de localización con externalidades
Generalmente se suelen captar las externalidades, por medio de índices que plasmen el nivel de diversificación así como de especialización de un área geográfica definida. Esto se ha hecho con base en dos ideas centrales: la primera, planteada por Jacobs (1969), indica que la variedad y diversidad de actividades económicas geográficamente próximas, favorece la innovación y el crecimiento derivado de la fertilización cruzada de ideas y la competencia; la segunda, plateada por Henderson (1994), dice que las actividades económicas tenderán a concentrarse geográficamente para absorber la transmisión de conocimiento entre las empresas de giros similares por lo que, a mayor especialización económica, las industrias conglomeradas no solo aprovecharán sinergias cruzadas de ideas entre ellas, sino también una “atmósfera industrial”, donde se puede compartir fuerza laboral altamente especializada y pueden generarse vínculos horizontales y verticales. Este tipo de externalidades son conocidas comúnmente como MAR, por basarse en las contribuciones de Marshall, Arrow y Romer.
El índice de especialización en servicios médicos privados el autor lo definió de la siguiente manera: se calculó el peso porcentual del personal ocupado en servicio médicos, odontológicos y veterinario prestados por el sector privado, sobre el total de las personas ocupadas en las ramas económicas que fueron consideradas por los Censos Económicos, tanto para nivel de área geoestadística básica (AGEB) como para Tijuana en su conjunto. Ambos pesos porcentuales ocupacionales –referidos al AGEB y a Tijuana-, formaron a su vez un cociente locacional del que se deriva un índice de especialización intraurbano correspondiente a cada AGEB de la ciudad.
Por su parte, el indicador de diversificación que utilizó fue una medida inversa al índice de diversidad de Hirschman-Herfindhal (H-H), el cual toma en cuenta el total de actividades en el área analizada. Además utilizó GIS lo que le permitió observar mediante mapas la relación existente entre estos indicadores y la ubicación de los Hospitales y Clínicas Privadas.
Tras evaluar los mapas llegó a la conclusión:
-De que el porcentaje más alto (55%) de HCP en la ciudad, se encuentra en el rango medio en cuanto a diversificación se refiere, en tanto que el porcentaje más bajo (1%) se encuentra en el rango más alto.
-De que aparentemente hay una relación negativa entre el nivel de diversificación del AGEB y la cantidad de hospitales y clínicas privadas que hay en el mismo, lo cual hace pensar, en que se descarta cualquier aprovechamiento de externalidades tipo Jacobs o de urbanización por parte de los HCP de la ciudad.
Además, el autor se propuso realizar una correlación:
A fin de precisar las conclusiones que se derivan del examen visual, decidió correr una regresión que tiene como variable dependiente el inverso de la concentración relativa de
Hospitales y Clínicas Privadas (IPE) a nivel intraurbano, y como variables explicativas dos indicadores de externalidad: el índice de especialización (Ie) y el de diversificación, calculado como el inverso del índice de diversificación Hirschman- Herfindhal (IH-H) . Además, se incluyó como una tercera variable explicativa, el inverso de la distancia promedio que hay entre cada HCP y los cruces fronterizos de la ciudad (Idf). Esto es, el modelo adoptado, referido al AGEB “i”, fue el siguiente:
De esta manera, se intento captar el grado en que la presencia de posibles externalidades, así como de la dinámica, influye sobre el patrón de localización concentrado de los hospitales en la marcha urbana de Tijuana.
A partir de estos resultados, se pudo evidenciar que el factor que presenta una mayor relación con el nivel de proximidad entre los HCP es la distancia a los cruces fronterizos. También se observó que se presenta una relación débil entre el grado de concentración de hospitales y los índices de diversificación y especialización, sin embargo no deja de ser una relación positiva que muestra que a mayor magnitud en estos indicadores mayor la proximidad entre los Hospitales y Clínicas
Surgimiento y transformación de clusters y milieus en los procesos de desarrollo. Antonio Vázquez-Barquero-2006
El paper presenta una interpretación de los factores que explican el surgimiento de los clusters y aglomeraciones de empresas, y de los mecanismos a través de los que se desarrollan y se transforman. La discusión se plantea desde la perspectiva del desarrollo económico. Se argumenta que la organización espacial de la producción es un fenómeno asociado con la dinámica económica de las ciudades y de las regiones y con las estrategias de organización y de localización de las empresas, y se sostiene que las fuerzas del desarrollo como la difusión de las innovaciones, el desarrollo urbano y el cambio institucional son factores que condicionan las decisiones estratégicas de la empresas, y por lo tanto, la organización espacial de la producción.
Una de las características de la dinámica económica actual es la configuración de espacios productivos muy diferenciados, localizados en un grupo singular de ciudades y regiones de los países desarrollados y de los países en desarrollo. El desarrollo de las fuerzas económicas está impulsando la diversidad productiva y la aparición de múltiples formas de organización de la producción: distritos industriales, complejos industriales, clusters, entornos innovadores y redes de empresas.
En el paper se desarrolla las diferentes causas por las que pueden surgir los sistemas productivos locales a través de diversos casos empíricos, los mismos pueden emerger como consecuencia de procesos muy concretos y específicos. A veces se trata de la valoración en los mercados de las producciones en las cuales la economía local tiene una ventaja comparativa debido, por ejemplo, a que dispone de recursos naturales específicos, como ocurrió con la industria del mármol en Olula-Macael, España, a principios del siglo XX.
Los clusters aparecen también como consecuencia de que empresas innovadoras estimulen el surgimiento y desarrollo de muchas otras o porque empresas multinacionales hayan decidido localizarse en un lugar específico (Dunning, 2001). En estos casos, las estrategias de las empresas externas condicionan la aparición del cluster, pero son los factores de atracción del territorio los que son determinantes. En el caso de las empresas innovadoras, es la disponibilidad de recursos y activos específicos que tienen que ver con las infraestructuras de valor estratégico, recursos humanos especializados y cualificados, conocimiento tecnológico y empresarial acumulado en el territorio,
así como el sentido de la identidad e imagen de la ciudad o región. Cooke, destaca la aparición del cluster de los servicios de ocio en el Soho de Londres, en donde se concentra toda la cadena de producción: producción y postproducción de películas, distribuidoras de films y agentes de ventas, diseño, fotografía, música y publicidad.
Como sostiene Krugman (1990), la aparición de empresas y la formación de un sistema productivo local se pueden producir, también, como consecuencia del azar, como sucedió en Dalton, Georgia, que se convirtió en el centro manufacturero de la producción de alfombras de Estados Unidos de forma accidental. Por su parte, Josep María Bernabé (1983) sugiere que el surgimiento de empresas y la formación de sistemas productivos locales obedecen a mecanismos de imitación de experiencias de industrialización en áreas contiguas o cercanas, que impulsan a los emprendedores de una economía local a imitarlas utilizando los recursos existentes en el territorio.
El artículo argumenta que la organización espacial de la producción no es un fenómeno nuevo, sino que más bien es un fenómeno antiguo, cuyos orígenes se remontan al menos a los tiempos de la revolución industrial en el siglo XVIII. La introducción de innovaciones en el sistema productivo, la integración de los mercados y la búsqueda, por parte de las empresas, de rentabilidad para sus inversiones, explicaría el cambio de las estrategias de las empresas, de sus modelos de organización y de sus decisiones de inversión y de localización.
Por ello, en cada una de las más importantes revoluciones tecnológicas de los siglos pasados (la revolución industrial, la revolución eléctrica y la revolución informacional) surgieron formas nuevas de organización espacial de la producción. Sus transformaciones continuas, espoleadas por las fuerzas del desarrollo económico, han dado lugar a la variedad de modelos que se observan en la actualidad. Se puede, por lo tanto, decir que la organización espacial de la producción es un fenómeno asociado con el desarrollo económico de las ciudades y de las regiones y con las estrategias de organización y localización de las empresas. Tiene, por lo tanto, una lógica económica.
El artículo señala que los clusters y las aglomeraciones de empresas han surgido espontáneamente, como consecuencia de la búsqueda de las empresas de mayores niveles de eficiencia económica. Las empresas innovadoras definen sus estrategias espaciales como una respuesta a los desafíos que se encuentran en los mercados, y por ello, introducen las estrategias de organización y de localización que le permiten dar respuesta a los cambios en la demanda y a los aumentos de la competencia en los mercados. Los modelos actuales de organización espacial de la producción garantizan a las empresas la consecución de economías de escala internas y externas y la reducción de los costes de producción y de negociación, y por lo tanto, favorecen la rentabilidad de sus inversiones.
Pero las decisiones de los demás actores que forman parte de los clusters de empresas también son importantes en la organización espacial de la producción. Las organizaciones dedicadas al desarrollo de las innovaciones y el conocimiento, los responsables de las administraciones públicas y demás organizaciones públicas y privadas –así como los líderes de opinión-, en general, de las ciudades y regiones, contribuyen directa o indirectamente con sus iniciativas a las decisiones de inversión, pública y privada, lo que propicia la mejora de los recursos y del atractivo de las ciudades y regiones.
Precisamente, las iniciativas locales inciden sobre las fuerzas del desarrollo (difusión de las innovaciones, desarrollo urbano y cambio institucional), que condicionan las decisiones de inversión y de localización de las empresas. Pero la diversidad de las formas de organización espacial de la producción y la dinámica de cada una de ellas, demandan políticas y acciones específicas para cada localidad. La promoción de clusters y de redes de empresas, la atracción de proyectos singulares, el fomento de institutos tecnológicos y parques científicos, el estímulo de iniciativas para el desarrollo urbano sostenible, el diseño y ejecución de planes estratégicos y acciones participativas, son algunas de las respuestas de las comunidades locales a los desafíos de la globalización.
La nueva generación de políticas de desarrollo se propone lograr que las ciudades y regiones se conviertan en territorios cada vez más competitivos y que resulten más atractivos para las inversiones y localizaciones de las empresas. Por ello, las estrategias y políticas económicas de las ciudades y regiones tienden a converger con las estrategias y las políticas de las empresas.
El efecto combinado de las acciones de las empresas y de los territorios estimula los procesos de desarrollo económico y transforma la geografía económica.
Una de las características de la dinámica económica actual es la configuración de espacios productivos muy diferenciados, localizados en un grupo singular de ciudades y regiones de los países desarrollados y de los países en desarrollo. El desarrollo de las fuerzas económicas está impulsando la diversidad productiva y la aparición de múltiples formas de organización de la producción: distritos industriales, complejos industriales, clusters, entornos innovadores y redes de empresas.
En el paper se desarrolla las diferentes causas por las que pueden surgir los sistemas productivos locales a través de diversos casos empíricos, los mismos pueden emerger como consecuencia de procesos muy concretos y específicos. A veces se trata de la valoración en los mercados de las producciones en las cuales la economía local tiene una ventaja comparativa debido, por ejemplo, a que dispone de recursos naturales específicos, como ocurrió con la industria del mármol en Olula-Macael, España, a principios del siglo XX.
Los clusters aparecen también como consecuencia de que empresas innovadoras estimulen el surgimiento y desarrollo de muchas otras o porque empresas multinacionales hayan decidido localizarse en un lugar específico (Dunning, 2001). En estos casos, las estrategias de las empresas externas condicionan la aparición del cluster, pero son los factores de atracción del territorio los que son determinantes. En el caso de las empresas innovadoras, es la disponibilidad de recursos y activos específicos que tienen que ver con las infraestructuras de valor estratégico, recursos humanos especializados y cualificados, conocimiento tecnológico y empresarial acumulado en el territorio,
así como el sentido de la identidad e imagen de la ciudad o región. Cooke, destaca la aparición del cluster de los servicios de ocio en el Soho de Londres, en donde se concentra toda la cadena de producción: producción y postproducción de películas, distribuidoras de films y agentes de ventas, diseño, fotografía, música y publicidad.
Como sostiene Krugman (1990), la aparición de empresas y la formación de un sistema productivo local se pueden producir, también, como consecuencia del azar, como sucedió en Dalton, Georgia, que se convirtió en el centro manufacturero de la producción de alfombras de Estados Unidos de forma accidental. Por su parte, Josep María Bernabé (1983) sugiere que el surgimiento de empresas y la formación de sistemas productivos locales obedecen a mecanismos de imitación de experiencias de industrialización en áreas contiguas o cercanas, que impulsan a los emprendedores de una economía local a imitarlas utilizando los recursos existentes en el territorio.
El artículo argumenta que la organización espacial de la producción no es un fenómeno nuevo, sino que más bien es un fenómeno antiguo, cuyos orígenes se remontan al menos a los tiempos de la revolución industrial en el siglo XVIII. La introducción de innovaciones en el sistema productivo, la integración de los mercados y la búsqueda, por parte de las empresas, de rentabilidad para sus inversiones, explicaría el cambio de las estrategias de las empresas, de sus modelos de organización y de sus decisiones de inversión y de localización.
Por ello, en cada una de las más importantes revoluciones tecnológicas de los siglos pasados (la revolución industrial, la revolución eléctrica y la revolución informacional) surgieron formas nuevas de organización espacial de la producción. Sus transformaciones continuas, espoleadas por las fuerzas del desarrollo económico, han dado lugar a la variedad de modelos que se observan en la actualidad. Se puede, por lo tanto, decir que la organización espacial de la producción es un fenómeno asociado con el desarrollo económico de las ciudades y de las regiones y con las estrategias de organización y localización de las empresas. Tiene, por lo tanto, una lógica económica.
El artículo señala que los clusters y las aglomeraciones de empresas han surgido espontáneamente, como consecuencia de la búsqueda de las empresas de mayores niveles de eficiencia económica. Las empresas innovadoras definen sus estrategias espaciales como una respuesta a los desafíos que se encuentran en los mercados, y por ello, introducen las estrategias de organización y de localización que le permiten dar respuesta a los cambios en la demanda y a los aumentos de la competencia en los mercados. Los modelos actuales de organización espacial de la producción garantizan a las empresas la consecución de economías de escala internas y externas y la reducción de los costes de producción y de negociación, y por lo tanto, favorecen la rentabilidad de sus inversiones.
Pero las decisiones de los demás actores que forman parte de los clusters de empresas también son importantes en la organización espacial de la producción. Las organizaciones dedicadas al desarrollo de las innovaciones y el conocimiento, los responsables de las administraciones públicas y demás organizaciones públicas y privadas –así como los líderes de opinión-, en general, de las ciudades y regiones, contribuyen directa o indirectamente con sus iniciativas a las decisiones de inversión, pública y privada, lo que propicia la mejora de los recursos y del atractivo de las ciudades y regiones.
Precisamente, las iniciativas locales inciden sobre las fuerzas del desarrollo (difusión de las innovaciones, desarrollo urbano y cambio institucional), que condicionan las decisiones de inversión y de localización de las empresas. Pero la diversidad de las formas de organización espacial de la producción y la dinámica de cada una de ellas, demandan políticas y acciones específicas para cada localidad. La promoción de clusters y de redes de empresas, la atracción de proyectos singulares, el fomento de institutos tecnológicos y parques científicos, el estímulo de iniciativas para el desarrollo urbano sostenible, el diseño y ejecución de planes estratégicos y acciones participativas, son algunas de las respuestas de las comunidades locales a los desafíos de la globalización.
La nueva generación de políticas de desarrollo se propone lograr que las ciudades y regiones se conviertan en territorios cada vez más competitivos y que resulten más atractivos para las inversiones y localizaciones de las empresas. Por ello, las estrategias y políticas económicas de las ciudades y regiones tienden a converger con las estrategias y las políticas de las empresas.
El efecto combinado de las acciones de las empresas y de los territorios estimula los procesos de desarrollo económico y transforma la geografía económica.
Economía externas de aglomeración: competitividad y redes locales en el sector maquina-herramienta. Beatriz plaza Inchausti (1995). Universidad del Pa
Contexto:
El sector industrial maquina-herramienta se vio afectado cuando España se integro a la UE en 1992, principalmente por el desarme arancelario. Las grandes empresas muchas veces pueden hacer frente a estos momento críticos pero las pequeñas empresas, que es el sector que se analiza aquí, suelen vivir momentos muy duros hasta incluso pueden llegar a desaparecer.
Inchausti, observará que no es tanto el tamaño de la empresa lo que determina la competitividad.
El entramado de cooperación entre las propias empresas concentradas geográficamente, su estrecha relación con las autoridades regionales facilitan la aparición de una nueva concepción de empresa: redes locales.
La autora se interesa por analizar cuáles son los factores que llevaron a esta industria manufacturera a concentrarse. ¿Por economías de oferta de trabajo? ¿Por economías de información y comunicación? O ¿Por economías de especialización?
Pero su objetivo principal es analizar si el sector de la maquina–herrmienta que se concentra mayormente en la comarca del Bajo de Deba (Guipuzcoa) se beneficia de economías externas de localización. Para ello estudia el distrito industrial de la comarca de Eibar-Elgoibar-Deba-Motrico.
De las relaciones de cooperación, según la autora, dependerá, en parte, su competitividad y capacidad de reacción ante un entorno económico cambiante y abierto al exterior.
Metodología:
Debido a las dificultades de medición por carencia de datos desagregados por empresa para España. La autora optó por un estudio más acotado: diferenció las empresas localizadas en el territorio de los municipios de Elgoibar, Eibar, Deba y Motrico del resto de las comarcas de la Comunidad Autómoma Vasca.
Se tomo como punto de partida la función de producción del tipo COBB-DOUGLAS y la regresión a estimar es
Si una vez realizado los cálculos si el signo del coeficiente de regresión “d” resultara positivo, existiría economía de aglomeración en la zona del Bajo de Deba, que inciden favorablemente en la productividad de las empresas (“y”/ “L”).
Se utilizaron datos del Instituto Vasco de estadística (EUSTAT) para 1992, obtenidos mediante una encuesta realizada a 75 empresas vascas constructoras de máquina herramienta.
Coeficientes de regresión estimados:
Los resultados demostraron que la vecindad incide positivamente en la productividad de las empresas. Y esto es claro teniendo en cuenta que su producción no es en masa y una manera de obtener mayor rendimiento a sus escasos recursos financieros es la práctica de la subcontratación.
Inchasuti luego se dedica a mencionar las ventajas competitivas de estas empresas al asociarse por necesidad pero al mismo tiempo generando reducción de costos e incentivos para la innovación.
La autora llega a la conclusión de que las empresas se benefician de economías externas de vecindad y que existen una serie de enlaces que inciden positivamente en sus niveles de productividad: las relaciones que existen entre instituciones locales, sociedad y sus empresas.
A su vez, se logró detectar que existen abundantes relaciones de cooperación pero que las mismas se potenciaron más aún durante la crisis económica del año 1993.
El sector industrial maquina-herramienta se vio afectado cuando España se integro a la UE en 1992, principalmente por el desarme arancelario. Las grandes empresas muchas veces pueden hacer frente a estos momento críticos pero las pequeñas empresas, que es el sector que se analiza aquí, suelen vivir momentos muy duros hasta incluso pueden llegar a desaparecer.
Inchausti, observará que no es tanto el tamaño de la empresa lo que determina la competitividad.
El entramado de cooperación entre las propias empresas concentradas geográficamente, su estrecha relación con las autoridades regionales facilitan la aparición de una nueva concepción de empresa: redes locales.
La autora se interesa por analizar cuáles son los factores que llevaron a esta industria manufacturera a concentrarse. ¿Por economías de oferta de trabajo? ¿Por economías de información y comunicación? O ¿Por economías de especialización?
Pero su objetivo principal es analizar si el sector de la maquina–herrmienta que se concentra mayormente en la comarca del Bajo de Deba (Guipuzcoa) se beneficia de economías externas de localización. Para ello estudia el distrito industrial de la comarca de Eibar-Elgoibar-Deba-Motrico.
De las relaciones de cooperación, según la autora, dependerá, en parte, su competitividad y capacidad de reacción ante un entorno económico cambiante y abierto al exterior.
Metodología:
Debido a las dificultades de medición por carencia de datos desagregados por empresa para España. La autora optó por un estudio más acotado: diferenció las empresas localizadas en el territorio de los municipios de Elgoibar, Eibar, Deba y Motrico del resto de las comarcas de la Comunidad Autómoma Vasca.
Se tomo como punto de partida la función de producción del tipo COBB-DOUGLAS y la regresión a estimar es
Si una vez realizado los cálculos si el signo del coeficiente de regresión “d” resultara positivo, existiría economía de aglomeración en la zona del Bajo de Deba, que inciden favorablemente en la productividad de las empresas (“y”/ “L”).
Se utilizaron datos del Instituto Vasco de estadística (EUSTAT) para 1992, obtenidos mediante una encuesta realizada a 75 empresas vascas constructoras de máquina herramienta.
Coeficientes de regresión estimados:
Los resultados demostraron que la vecindad incide positivamente en la productividad de las empresas. Y esto es claro teniendo en cuenta que su producción no es en masa y una manera de obtener mayor rendimiento a sus escasos recursos financieros es la práctica de la subcontratación.
Inchasuti luego se dedica a mencionar las ventajas competitivas de estas empresas al asociarse por necesidad pero al mismo tiempo generando reducción de costos e incentivos para la innovación.
La autora llega a la conclusión de que las empresas se benefician de economías externas de vecindad y que existen una serie de enlaces que inciden positivamente en sus niveles de productividad: las relaciones que existen entre instituciones locales, sociedad y sus empresas.
A su vez, se logró detectar que existen abundantes relaciones de cooperación pero que las mismas se potenciaron más aún durante la crisis económica del año 1993.
CONCENTRACIÓN GEOGRÁFICA DE LA INDUSTRIA Y ECONOMÍAS DE AGLOMERACIÓN. MARÍA CALLEJÓN, Universidad de Barcelona, 1998
Introducción:
La autora intenta medir el grado de “localización” de las industrias, precisamente en qué grado influyen las economías de aglomeración en las decisiones de localización de las empresas en España. Se comprueba que, efectivamente, los sectores industriales difieren ampliamente en su grado de localización; y que entre 1981 y 1992 no se produjo en España una tendencia significativa hacia una mayor concentración geográfica de la industria.
A la autor le interesa constatar la intensidad de las fuerzas que conducen a la aglomeración de actividades en unos territorios y no en otros. El principal objetivo de este trabajo es realizar una primera exploración de las ventajas de la utilización de un nuevo índice de localización industrial propuesto por Ellison y Glaeser (1994). Se trata de un índice, al que se designa por gamma (γ), que permite medir el grado de localización de una industria, es decir, el grado en que las decisiones de localización de las empresas responden a la existencia de fuerzas aglomerativas que las inducen a escoger un determinado territorio, o a buscar la agrupación espacial con otras empresas del mismo sector. Dicho de otro modo, el índice γ intenta mostrar qué parte de la concentración espacial de una industria específica puede ser debida a la influencia de economías externas de aglomeración.
El índice de localización propuesto para la estimación:
El índice “γ” trata de medir el grado de localización de una industria dada, en términos de exceso de concentración geográfica más allá del grado de concentración que se observaría si las empresas que componen dicha industria se ubicaran geográficamente de manera aleatoria. A su vez, el proceso de localización aleatorio se define de forma tal que llevaría a todas y cada una de las industrias a reproducir las pautas de distribución espacial del conjunto de la población, o del empleo industrial total. La expresión para el índice “γ” de concentración geográfica de una industria es:
H es el coeficiente de Herfindhal que mide la concentración de mercado para el conjunto de los territorios considerados, y G es una medida primaria de concentración
geográfica que se define como:
El rango de G, así como el de H, oscila entre 0 y 1 pero, como puede apreciarse, “γ” puede llegar a tomar valores negativos.
Para medir la concentración geográfica de la industria en España de acuerdo con la intensidad de la localización de los sectores según el índice γ, se ha utilizado una base de datos procedente de
Puesto que γ es una medida especialmente sensible del grado de localización, es decir, de la intensidad de las fuerzas aglomerativas a que está sometida una industria, los resultados obtenidos confirman que, tal como cabría esperar y sabemos, la localización se da en algún grado en todos los sectores pero con amplias diferencias entre ellos.
Primero la autora presenta los resultados con el método aplicado de 1992 para mas tarde compararlo con los de 19981:
El valor medio del índice de concentración primario G para las treinta industrias es en 1992 de 0,086 mientras que H presenta una media de 0,012. Por tanto G muestra un valor muy superior al esperado (0,012) si las empresas se localizaran de forma aleatoria entre todas las provincias. En realidad G excede a H en todos y cada uno de los 30 sectores tratados lo cual corrobora una vez más el hecho de que se dan de forma generalizada efectos de localización, aunque en grados muy diversos entre sectores.
El grado de localización, en el sentido de exceso de concentración respecto a la que se daría si las decisiones fueran tomadas de forma aleatoria, y que pretende medir las fuerzas aglomerativas que recaen sobre los sectores, viene determinado por el valor de “γ” según el modelo adoptado. Recordemos que “γ” es un índice de concentración que no distingue entre las dos causas básicas de economías de aglomeración analizadas en el modelo de Ellison y Glaeser, es decir, la intensidad de los spillovers entre las empresas de un sector o las ventajas naturales específicas que pueda exhibir un territorio para una industria concreta. Por tanto “γ” puede ser interpretado de dos formas: o como la probabilidad de que dos empresas cualesquiera decidan su localización de manera conjunta, o como una medida de la importancia de la ventaja natural en la elección de localización de cada una de las empresas de un sector.
La comparación entre los valores medios de G y del coeficiente de Gini en 1981 y en 1992 permite comprobar que en estos once años, la segunda mitad de los cuales incorpora el impacto de la adhesión de España a
De acuerdo con los modelos predominantes de localización industrial, la integración debiera implicar una intensificación de las tendencias a la concentración espacial de muchas actividades con objeto de aprovechar economías de escala y externalidades de distinto origen. Los resultados de los índices aquí elaborados indican, sin embargo que, en las provincias españolas, no ha sido así de manera global.
Cabría deducir que el descenso en la concentración geográfica de la industria, tal como se refleja en el índice primario G, puede ser un efecto asociado al descenso experimentado por los niveles de concentración de los mercados, tal como queda recogido en los índices de Herfindhal cuyo valor medio pasa de 0,0221 en
La clasificación a treinta sectores aquí utilizada, si bien permite realizar una primera aproximación útil, es insuficiente puesto que dentro de un mismo grupo se incluyen actividades industriales con estructura de mercado e intensidad tecnológica muy diferente.
Como conclusiones la autora remarca:
“γ" posee características que le otorgan ventajas sobre otros índices de concentración espacial industrial que no son capaces de controlar por el número y distribución de tamaños de las empresas que forman la industria ni por el tamaño de los territorios. En tal sentido, “γ” mide con mayor fiabilidad que otros índices la verdadera importancia de las economías de aglomeración en las decisiones de localización de las empresas de un sector. No obstante la limitación de γ es que, tal como se ha dicho, no es capaz de discriminar si las fuerzas aglomerativas se originan en características del territorio o bien proceden de la existencia de externalidades tecnológicas y pecuaniarias entre las empresas del sector.
No obstante la limitación de “γ” es que, no es capaz de discriminar si las fuerzas aglomerativas se originan en características del territorio o bien proceden de la existencia de externalidades tecnológicas y pecuaniarias entre las empresas del sector.
En cualquier caso un claro resultado obtenido en esta aplicación de γ es que entre 1981 y 1992 no ha variado significativamente el grado medio de localización de los sectores industriales aunque a escala individual se hayan podido producir algunos cambios.
Para afinar mejor el análisis, sería preciso utilizar una desagregación sectorial mayor, ya que una mayor dispersión media industrial en el espacio medida en términos de empleo, como es nuestro caso, es compatible una situación en la que aumente la dispersión de actividades intensivas en trabajo poco cualificado pero también aumente la concentración de las actividades intensivas en conocimientos.
Suscribirse a:
Entradas (Atom)