ganancias de productividad sectorial y determinación de
TRANSCRIPT
Ganancias de Productividad Sectorial y Determinación de Sectores Clave: Un Análisis Mediante Modelos de Equilibrio General Computable*
Francisco Javier De Miguel+ (Universidad de Extremadura)
Maria Llop#
(Universitat Rovira i Virgili y CREIP)
Antonio Manresa* (Universitat de Barcelona y CREB)
Resumen
En este trabajo se propone un nuevo criterio para identificar los sectores clave de una economía. Bajo este nuevo criterio se mide el impacto que tendrían las ganancias de productividad sectorial, determinando su efecto sobre la renta real del consumidor representativo, así como el impacto sobre los precios (IPC) y las cantidades producidas (PIB real). El análisis se desarrolla mediante un modelo multisectorial de equilibrio general computable, en el que se supone competencia perfecta y plena utilización de factores productivos. El modelo construido es aplicado para dos economías regionales, Cataluña y Extremadura, al objeto de efectuar una comparación entre sus respectivos resultados. Los parámetros del modelo son obtenidos mediante calibración, utilizando para ello sendas matrices de contabilidad social de ambas regiones. ÁREA TEMÁTICA: (13) Métodos de análisis regional. PALABRAS CLAVE: Ganancias de productividad, sectores clave, equilibrio general computable. +Departamento de Economía. Facultad de Ciencias Economicas y Empresariales Avda. de Elvas, s/n, 06071 Badajoz. Email: [email protected] #Department d’Economia. Facultad de Ciencias Económicas y Empresariales Avgda. de la Universitat nº 1, 43204 Reus. Email: [email protected] *Departamento de Teoría Económica. Facultad de Economía y Empresa. Avda. Diagonal nº 690, 08034 Barcelona. Email: [email protected]
* Los autores agradecen la financiación del Ministerio de Educación y Cultura (proyecto SEJ2007-66318) y de la Generalitat de Cataluña por la ayuda al Grupo Consolidado (SGR2009-322).
2
1. INTRODUCCION
Tras la publicación seminal de Leontief (1951), que describe la producción como la
interrelación de los diferentes sectores de una economía, nace una preocupación en la
literatura que intenta responder a la cuestión de cómo identificar la importancia de un
determinado sector productivo con relación al resto de sectores que conforman el
conglomerado de la producción. En la terminología acuñada por Hirschman (1958), se
trata de establecer los criterios metodológicos y empíricos que permitan identificar
cuáles son los sectores clave de una economía. Una vez detectado un sector clave,
podemos utilizar políticas específicas que potencien dicho sector y así beneficiar al resto
de la economía mediante estas políticas.
Desde los trabajos pioneros de Rasmusen (1956) y de Chenery y Watanabe (1958), la
literatura preocupada por la identificación de sectores clave es muy extensa. No
pretendemos aquí revisar esta literatura (el lector interesado puede consultar, por
ejemplo, los artículos de Dietzenbacher (1992) y de García, Morillas y Ramos (2008)).
No obstante, sí deseamos resaltar dos criterios fundamentales que han sido empleados
en la identificación de sectores claves: el análisis tradicional de multiplicadores (véase
Dietzenbacher (2005)) y el método de la extracción hipotética atribuido a Strassert
(1968). El criterio de los multiplicadores sigue esencialmente la tradición iniciada por
Rasmusen, Chenery y Watanabe que permite identificar sectores clave, en el contexto
del modelo tradicional de Leontief, cuando un sector posee multiplicadores hacia
delante y hacia atrás que se cuantifican por encima de la media de la economía. Por otra
parte, el método de la extracción hipotética permite identificar la importancia de un
sector midiendo la pérdida de output que experimenta la economía cuando éste deja de
interrelacionarse (deja de comprar y vender inputs intermedios) con el resto de sectores
económicos.
En general, tanto el criterio de los multiplicadores como el de la extracción hipotética
han sido analizados en el marco del modelo básico Input-Output. Cabe destacar, no
obstante, la extensión del análisis de multiplicadores en el contexto de las matrices de
contabilidad social (SAM, en terminología anglosajona) llevada a cabo inicialmente por
Pyatt y Round (1979), así como la extensión del método de la extracción hipotética al
marco SAM en Cardenete y Sancho (2006). En el mismo espíritu de extender el marco
3
de análisis para identificar sectores clave, debemos incluir los trabajos recientes de
Cardenete y Sancho (2010a, 2010b), en los que se analiza el criterio de la extracción
hipotética (para detectar sectores clave) y el análisis de multiplicadores,
respectivamente, en el marco de los modelos de equilibrio general computable. El
mensaje básico de estos trabajos es que, desde un punto de vista metodológico, los
modelos lineales (Input-Output y SAM) conllevan restrictivas hipótesis implícitas (por
ejemplo, tecnologías lineales, plena disponibilidad de recursos, precios fijos) que
pueden sesgar los resultados obtenidos.
En nuestro caso, el objetivo del trabajo es introducir un nuevo criterio económico para
la identificación de los sectores clave y desarrollar una aplicación práctica de tal
criterio. La idea se basa en establecer un ranking entre sectores en función del impacto
que tienen las ganancias de productividad sectorial sobre diferentes variables
económicas. De hecho, la idea de que las ganancias de productividad inciden de manera
relevante en el progreso económico y en el crecimiento es uno de los mensajes ya
apuntados por Solow (1956).
El estudio del efecto de las ganancias de productividad sectorial sobre una economía
tiene diversos precedentes en la literatura, entre los que podemos citar el trabajo de
González-Calvet y Manresa (2007) referido a la economía de Cataluña. Los autores
utilizan el marco teórico del modelo de precios de Leontief para estudiar el efecto sobre
los precios sectoriales y sobre el índice de precios de consumo (IPC) de ganancias de
productividad en cada uno de los sectores. Mostrando los resultados obtenidos en
términos de elasticidades, se establece un ranking sectorial en función del mayor
impacto de las ganancias de productividad de un sector sobre el IPC. También cabe
destacar el trabajo de Hanson y Rose (1997), en el que se explica la desigualdad de la
renta en la economía estadounidense mediante la simulación de diversos tipos de
ganancias de productividad sectorial (del factor trabajo y del factor capital,
respectivamente) en el marco de un modelo de equilibrio general computable. Por
último, Cutler y Davies (2008) estudian el impacto que tienen las ganancias de
productividad en diversos sectores de producción de la localidad estadounidense de Fort
Collins (Colorado) sobre numerosas variables económicas. Para ello, los autores
emplean un modelo multisectorial de equilibrio general computable, adaptado a las
características de esta localidad, simulando para cada uno de los sectores considerados
4
ganancias de productividad de todos los factores, del capital y del trabajo,
respectivamente.
Nuestro trabajo presenta similitudes con estas dos últimas contribuciones, tanto en lo
referente a la herramienta analítica empleada como a la manera de plantear las
simulaciones. Concretamente, utilizamos un modelo de equilibrio general computable
multisectorial en la tradición de Shoven y Whalley (1972), modelo que incorpora un
consumidor representativo y que asume competencia perfecta. Este modelo es aplicado
a las economías regionales de Cataluña y Extremadura para simular, para cada uno de
los sectores económicos de cada una de las economías, el impacto que tienen las
ganancias de productividad sectorial sobre los precios (cambios en IPC), sobre la
producción (cambios en PIB real) y sobre el bienestar de los hogares (cambios en la
renta disponible real de los consumidores). En el trabajo se simulan, además, dos tipos
de mejoras de productividad: incremento en la productividad total de los factores e
incremento en la productividad total de la producción doméstica. Los resultados
obtenidos para las tres variables referidas, y muy en particular las elasticidades-renta
calculadas, proporcionan información que permite la identificación de los sectores clave
de ambas economías, efectuando además un análisis comparativo de sus respectivos
resultados.
En lo que concierne a la estructura del trabajo, el siguiente apartado incluye una
descripción de las principales características del modelo utilizado, así como de las
simulaciones realizadas. El apartado tercero describe las bases de datos utilizadas para
calibrar el modelo. El apartado cuarto presenta los principales resultados de las
simulaciones efectuadas, incluyendo las elasticidades-precio, las elasticidades-
producción y las elasticidades-renta obtenidas, así como una síntesis de sus resultados.
El trabajo finaliza en el apartado quinto con la sección de conclusiones.
2. MODELO Y SIMULACIONES
2.1. Modelo
Dado que el objetivo del trabajo es simular los efectos de mejoras de productividad
sectorial y brindar un marco alternativo para la catalogación de sectores clave, resulta
conveniente efectuar tales simulaciones bajo un enfoque de equilibrio general que
5
considere las múltiples interacciones económicas. Concretamente, hemos desarrollado
un modelo multisectorial de equilibrio general computable de naturaleza estática,
calibrando sus correspondientes parámetros para las economías de Cataluña y
Extremadura.
La noción de equilibrio que se emplea en el modelo es la de equilibrio competitivo
walrasiano, extendido para incluir no sólo a productores y a consumidores, sino también
al gobierno y al sector exterior. Más específicamente, el equilibrio es determinado por
un vector de precios, un vector de niveles de actividad y un conjunto de variables
macroeconómicas que permiten vaciar todos los mercados y que todos los agentes
alcancen sus elecciones óptimas. De esta forma, el modelo se compone de un conjunto
de ecuaciones que reflejan las condiciones de equilibrio y el comportamiento de los
diferentes agentes económicos.
A continuación pasamos a comentar las principales características del modelo. No
obstante, conviene indicar que una descripción mucho más completa y detallada es
presentada en De Miguel-Vélez et al. (2009), en el que los autores presentan un modelo
prácticamente idéntico al aquí utilizado, incluyendo, además, un apéndice con las
ecuaciones, variables y parámetros del modelo.
Comenzando por la producción, y dado el objetivo del trabajo, se ha optado por emplear
un desglose relativamente amplio de sectores productivos, diferenciando un total de 15
sectores (véase relación en apartado 3). El modelo asume un marco de competencia
perfecta en todos los mercados. Además, cada sector obtiene un bien homogéneo,
empleando para ello una tecnología representada por una función de producción anidada
en la que existen rendimientos constantes de escala. En el primer nivel de anidamiento,
la producción total de cada sector se obtiene como un agregado Cobb-Douglas de la
oferta doméstica y de las importaciones (especificación de Armington). El segundo
nivel refleja que la producción doméstica de cada sector se obtiene con una tecnología
Cobb-Douglas entre inputs intermedios y valor añadido. Por último, el tercer nivel
muestra que el valor añadido se obtiene combinando los factores primarios capital y
trabajo, nuevamente mediante una tecnología Cobb-Douglas.
En lo que respecta a los hogares, el modelo incorpora un consumidor representativo. Su
función de utilidad viene dada por una especificación Cobb-Douglas escrita en forma
6
logarítmica y definida sobre el consumo y el ahorro1. La restricción presupuestaria a la
que se enfrente este consumidor indica que la suma de su gasto en bienes de consumo
final y su ahorro no puede exceder su renta disponible. Dicha renta procede de vender
sus dotaciones de factores capital y trabajo y de recibir prestaciones sociales y
transferencias desde el sector exterior, si bien es preciso deducir las cotizaciones de
trabajadores a la Seguridad Social y el impuesto sobre la renta.
Con relación al gobierno, además de producir determinados bienes y servicios, su
actividad consiste en demandar servicios públicos y bienes de inversión.
Concretamente, el modelo considera que este agente maximiza una función de utilidad
Leontief definida sobre consumo público e inversión pública. La restricción
presupuestaria a la que el gobierno se enfrenta establece que su gasto en consumo e
inversión no puede ser mayor que el total de sus ingresos, constituidos por la
recaudación impositiva total y deduciendo las prestaciones sociales pagadas a los
hogares. Como fuente adicional de ingresos, el modelo también considera el stock de
deuda o de bonos que el gobierno puede emitir en caso de incurrir en déficit
presupuestario.
Finalmente, el modelo incorpora un único sector exterior, que engloba el resto de
España, la Unión Europea y el resto del mundo. Este sector exterior produce un bien
comercio, utilizando como inputs las exportaciones de la economía considerada
(Cataluña o Extremadura) a partir de una tecnología de coeficientes fijos. Además,
dadas las relaciones comerciales entre una economía y el exterior vía importaciones y
exportaciones de productos, y considerando asimismo las transferencias de renta, dicha
economía puede incurrir en situación de déficit respecto al sector exterior. Dicho déficit
debe materializarse en ahorro de este sector exterior a efectos de lograr el equilibrio
macroeconómico entre ahorro agregado e inversión total de la economía.
2.2. Simulaciones
El modelo desarrollado permite obtener los principales efectos que, en equilibrio,
provocarían diferentes ganancias de productividad sectorial. En este sentido, las
simulaciones son efectuadas de manera individual para cada sector productivo, es decir,
1 El modelo diferencia entre bienes de producción y bienes de consumo. Estos últimos son obtenidos al aplicar una matriz de conversión sobre los bienes de producción, lo que implica una evidente relación directa entre precios de producción y precios de consumo.
7
se determinan los efectos de la mejora de productividad aplicada en el sector j-ésimo
( 15...,,2,1=∀j ).
Para apreciar cómo se han efectuado las simulaciones, conviene retomar la
especificación de la producción, mostrando expresamente las ecuaciones que definen el
segundo y tercer nivel de anidamiento de las funciones de producción sectorial. Estas
expresiones son, respectivamente, las siguientes:
1 2 15
1 2 15j j j jc c c va
dj Cj j j j jQ X X X VA (1)
15211 ,,,j,LKVA jj
jjjj (2)
siendo Qdj la producción doméstica del sector j-ésimo, Xij las compras intermedias
efectuadas por este sector productivo, VAj su valor añadido, Kj la utilización de factor
capital y Lj la utilización de factor trabajo. El resto de componentes de ambas
ecuaciones son parámetros cuyo valor es obtenido mediante calibración.
Especialmente relevantes para nuestro objetivo son los parámetros Cjβ y jβ , que
permiten mostrar los dos tipos de simulaciones que han sido efectuadas. Comenzando
por j, la ecuación (2) muestra que un incremento en este parámetro implica que,
partiendo de los mismos inputs primarios capital y trabajo, se genera un mayor valor
añadido sectorial. Este primer grupo de simulaciones representa, por tanto, un
incremento en la productividad total de los factores. Este cambio tecnológico se conoce
en la literatura como cambio tecnológico neutral de Hicks. No obstante, puesto que
nuestras funciones de producción del valor añadido son Cobb-Douglas, dicho cambio
tecnológico se puede interpretar también como un cambio tecnológico neutral de Solow
(donde las ganancias de productividad se atribuyen al factor capital), o un cambio
tecnológico neutral de Harrod (donde las ganancias de productividad se atribuyen al
factor trabajo)2.
En lo que respecta al parámetro Cj, la ecuación (1) muestra que un incremento en este
parámetro puede interpretarse como la obtención de una mayor producción sectorial a
partir del mismo volumen de inputs. En otras palabras, en este segundo grupo de
simulaciones las ganancias de productividad afectan no sólo a los inputs primarios
2 Véase el análisis formal realizado por Acemoglu (2009), página 62.
8
(como ocurre en el primer grupo de simulaciones), sino también a los inputs
intermedios. Puesto que nuestra tecnología de producción doméstica se expresa
mediante una función de producción Cobb-Douglas, podemos interpretar que los
aumentos de productividad sectoriales provienen indistintamente de la utilización más
eficiente de cualquier input intermedio o de los factores de producción, que producen
valor añadido. Esto significa que nuestras hipótesis sobre ganancias de productividad
(debidas a la utilización más eficiente de cualquier input por parte de un sector) sean
muy generales. A cambio suponemos que las tecnologías de producción sean Cobb-
Douglas con rendimientos constantes a escala.
Dado que el objetivo del trabajo es identificar sectores clave y no reproducir y
determinar los efectos de ganancias de productividad reales acontecidas en las
economías consideradas, en ambos tipos de simulaciones se ha optado por considerar
ganancias de productividad arbitrarias, cifradas en un 25% para cada uno de los sectores
de actividad.
3. BASES DE DATOS
Todos los parámetros y variables exógenas de los modelos de equilibrio general
computable de Cataluña y Extremadura han sido obtenidos mediante el procedimiento
conocido como calibración. Este procedimiento permite reproducir un equilibrio inicial
o de referencia (benchmark), definido por las cifras incluidas en una matriz de
contabilidad social (SAM).
De manera resumida, una SAM es una tabla de doble entrada en la que a cada agente le
corresponde una fila y una columna idénticamente numeradas. Estas matrices registran,
no sólo las transacciones económicas vinculadas a la esfera productiva de una economía
(como ocurre en una tabla Input-Output), sino que captan de manera completa y
desagregada el flujo circular de la renta. Por convenio, las filas de una SAM muestran
los ingresos de los agentes, mientras que las columnas muestran los respectivos gastos.
Para garantizar el equilibrio contable entre los ingresos y los gastos de cada agente
económico, debe verificarse la igualdad entre la suma de cada fila y la suma de su
correspondiente columna.
9
En nuestro trabajo, hemos tomado como bases numéricas dos matrices de contabilidad
social, una correspondiente a cada región de análisis (SAMCAT para Cataluña y
SAMEXT para Extremadura)3. Dichas bases de datos son homogéneas en estructura y
desagregación de cuentas, lo que ha permitido que los dos modelos de equilibrio general
regionales incorporen una idéntica definición de los agentes económicos4.
Ambas matrices de contabilidad social presentan una estructura sencilla, debido
principalmente a las limitaciones informativas que existen para obtener algunas
transacciones económicas a nivel regional. En el caso de Cataluña, dado que las
estadísticas oficiales no proveen una tabla simétrica de consumos intermedios, se ha
tenido que efectuar una estimación de dicha tabla simétrica a partir de información
indirecta. En el caso de Extremadura, las principales dificultades hacen referencia a la
no existencia de estadísticas oficiales recientes que cubran las relaciones de producción.
De este modo, la SAMEXT es el resultado de un proceso de actualización indirecto de
una matriz de contabilidad social previa que tomaba como referencia el año 1990.
El conjunto de cuentas incorporadas en la SAMCAT y en la SAMEXT, que coinciden
con la desagregación utilizada en nuestro análisis y en nuestro modelo (calibración), son
mostradas en la tabla 1. En la esfera productiva, se contempla una desagregación en 15
sectores diferentes: un sector agrario, ocho sectores industriales, una rama de
construcción y cinco sectores de servicios. Adicionalmente, las matrices de contabilidad
social contemplan nueve bienes de consumo, distintos a los bienes obtenidos en el
proceso productivo. Las SAM regionales también incorporan dos factores de
producción, trabajo y capital, así como una cuenta genérica que recoge las operaciones
de ingresos y gastos de los agentes privados de la economía. La cuenta de capital recoge
las operaciones de ahorro e inversión de todos los agentes económicos. Con relación al
sector público, se incorpora una cuenta para el gobierno, que muestra los ingresos y
gastos de todos los niveles de administración pública, así como seis cuentas que
3 En Llop (2010) se describe el procedimiento de obtención y las características de la matriz de contabilidad social de Cataluña. Por otro lado, en De Miguel-Vélez et al. (2009) se describe brevemente el proceso de elaboración y la estructura de la matriz de contabilidad social de Extremadura. 4 Debemos señalar que la SAMEXT toma como referencia el año 2000, mientras que la SAMCAT se refiere al año 2001. Como las fuentes estadísticas disponibles a nivel regional cubren distintos años, no ha sido posible utilizar unas bases de datos con una misma referencia temporal. No obstante, dado que la diferencia entre ambas SAMs es solamente de un año, y dado que las estructuras económicas y los patrones de ingresos y gastos de los agentes económicos sufren mínimas variaciones en períodos tan cortos de tiempo, los resultados obtenidos para ambas regiones pueden ser directamente comparables.
Tabla 1. Cuentas de SAMCAT y SAMEXT Sectores productivos 1. Agricultura
2. Energía 3. Industria química 4. Metales y material eléctrico 5. Material de transporte 6. Industrias de la alimentación 7. Textiles 8. Papel 9. Industrias diversas 10. Construcción 11. Comercio 12. Transportes y comunicaciones 13. Crédito y seguros 14. Otros servicios privados 15. Servicios públicos
Bienes de consumo 16. Alimentos y bebidas no alcohólicas 17. Bebidas alcohólicas y tabaco 18. Vestido y calzado 19. Alquileres y calefacción 20. Mobiliario 21. Servicios médicos 22. Transportes 23. Esparcimiento 24. Otros bienes de consumo
Factores producción 25. Trabajo 26. Capital
Consumidores 27. Hogares Ahorro-inversión 28. Cuenta de capital
Sector público 29. Impuesto sobre la producción 30. Impuesto sobre productos 31. Cuotas empresariales a la Seguridad Social 32. Impuestos directos sobre la renta 33. Impuestos sobre el valor añadido 34. Cuotas de trabajadores a la Seguridad Social 35. Gobierno
Sector exterior 36. Sector exterior
contienen seis figuras impositivas diferenciadas: un impuesto que recae sobre la
producción, un impuesto que grava los productos, un impuesto sobre el valor añadido,
un impuesto directo que grava las rentas de los consumidores, las cuotas empresariales a
la Seguridad Social y, por último, la Seguridad Social a cargo del trabajador5. Las bases
5 Existen mínimas diferencias en las figuras impositivas incluidas en las dos matrices de contabilidad social. La SAMEXT recoge un impuesto arancelario que grava las mercaderías importadas, mientras que en Cataluña este impuesto recoge, además, las cantidades impositivas que recaen sobre los productos en cada sector. Por otra parte, y debido a la imposibilidad de obtener información acerca de la Seguridad Social a cargo del trabajador en Cataluña, la SAMCAT no incorpora este impuesto en su estructura. Estas
11
de datos quedan completadas con una cuenta genérica para el sector exterior, que recoge
las importaciones, exportaciones y demás transacciones de ambas regiones con los
agentes externos.
4. RESULTADOS
En esta sección se presentan los principales resultados del análisis realizado. Como ya
ha sido comentado, los incrementos en la productividad sectorial que han sido
simulados responden a dos situaciones diferentes. En primer lugar, un incremento del
25% en la productividad total de los factores en cada sector productivo, es decir, un
incremento en la productividad de los factores primarios capital y trabajo (simulación
1). En segundo lugar, un incremento del 25% en la productividad de los factores
primarios y de los inputs intermedios de manera conjunta (simulación 2).
La computación de los modelos regionales se inicia con el cálculo de sendos equilibrios
iniciales o de referencia (benchmark), bajo los cuales todos los precios y niveles de
actividad son unitarios y se reproduce la información numérica contenida en las
matrices de contabilidad social (calibración). El análisis de simulación realizado ha
implicado computar un total de 30 equilibrios adicionales, resultado de combinar los 15
cambios de productividad sectorial (uno para cada sector) y los 2 tipos de simulaciones
planteadas. La computación de estos nuevos equilibrios y su comparación con los
iniciales permitirá mostrar, para cada una de las economías, qué sectores generan
mayores impactos económicos al experimentar mejoras de productividad y, por el
contrario, qué sectores tienen una menor incidencia. No cabe duda que esta información
resulta útil a la hora de identificar los sectores relevantes en cada economía regional y,
de este modo, poder diseñar estrategias de desarrollo local y territorial.
En este sentido, queremos incidir en lo que, a nuestro juicio, es una aportación básica
del trabajo: presentar una nueva metodología para la identificación de sectores clave,
distinta del enfoque tradicional basado en multiplicadores lineales, y diferente también
al método de extracción hipotética. Además, creemos oportuno insistir en las ventajas
que los modelos de equilibrio general computable presentan sobre otros marcos de
diferencias, que se deben a la imposibilidad de homogeneizar la información de ambas SAMs regionales, acaban trasladándose a los respectivos modelos, si bien su incidencia en los resultados es irrelevante.
12
modelización tradicionalmente utilizados en este contexto, fundamentalmente los
modelos Input-Output. Entre otras ventajas, podemos citar que los modelos de
equilibrio general computable no se limitan a las interconexiones ligadas a la esfera
productiva de la economía y permiten medir los efectos sobre un mayor rango de
variables micro y macroeconómicas. En nuestro caso, centraremos el análisis en los
efectos de las ganancias de productividad sectorial sobre los precios regionales
(sintetizados en un indicador como el IPC), sobre la producción neta (PIB real) y sobre
el bienestar de los individuos (renta disponible real de los consumidores). Para finalizar
el análisis de resultados, se presenta adicionalmente una comparación de las cifras
obtenidas para estas tres variables, señalando algunas conclusiones relevantes de
carácter más cualitativo.
Antes de pasar a comentar los resultados, deseamos hacer mención a tres aspectos
adicionales del modelo. En primer lugar, dado que la ley de Walras implica que una de
las ecuaciones del modelo es redundante, se ha tomado el salario (igual a la unidad en
todas las simulaciones) como numerario del modelo. En relación con el cierre
macroeconómico, se ha optado por emplear la misma regla de cierre para el gobierno y
para el sector exterior, esto es, nivel de actividad del sector público variable y déficit
público fijo, y nivel de actividad del sector exterior variable y déficit comercial fijo. Por
último, indicar que los resultados obtenidos corresponden a un modelo en el que el
mercado de trabajo se vacía, de manera que el modelo no recoge desempleo. De hecho,
consideramos que para interpretar mejor la naturaleza de nuestros resultados es
conveniente suponer que no haya cambios en la oferta agregada de factores de la
economía6.
4.1. Efectos sobre los precios
Los aumentos de productividad sectorial tendrán unas consecuencias directas sobre los
precios del sistema productivo, que se acabarán trasladando a los precios finales de
consumo. Debemos recordar que los precios de equilibrio del modelo son precios
relativos y que tomamos como numerario, igual a la unidad, el precio del factor trabajo.
6 No obstante, a modo de análisis de sensibilidad también se han efectuado los cálculos permitiendo rigideces en el mercado de trabajo y desempleo endógeno, empleando para ello una especificación de la oferta de trabajo similar a la sugerida por Oswald (1982). El hecho de que estos últimos resultados no difieran significativamente de los mostrados en el texto es un indicativo de la robustez de las conclusiones extraídas.
13
A continuación se muestra, para cada uno de los sectores de cada una de las economías,
una medida global de los cambios en precios, concretamente una elasticidad-precio,
calculada como el cociente entre la variación porcentual que experimenta el índice de
precios de consumo y la variación porcentual en la productividad sectorial.
Como era de esperar, prácticamente todas las elasticidades de la tabla 2 son negativas,
indicando que los incrementos de productividad sectorial determinan una reducción en
los precios de consumo. No obstante, se observan dos importantes excepciones en el
caso de Extremadura: servicios públicos (sector 15) y construcción (sector 10), ya que
sus elasticidades-precio son positivas. Se trata de dos sectores poco ligados a los demás
a través de las ventas intermedias que realizan (la mayor parte de sus producciones se
destinan a consumo público y a inversión, respectivamente), de manera que al
experimentar ganancias de productividad, la reducción de sus respectivos precios de
producción no se traduce en reducciones en los precios del resto de sectores. Este efecto
se refuerza, además, por un incremento en el precio de los servicios del capital, ligado a
unos mayores niveles de actividad, determinando finalmente un incremento en los
precios finales de consumo. Por otra parte, mencionar que servicios públicos (sector 15)
presenta una elasticidad-precio que es prácticamente nula en Cataluña, indicando que la
mejora de productividad en esta actividad no tiene efectos apreciables en los precios de
consumo regionales. Este sector presenta unas ventas intermedias nulas, por lo que sus
ganancias de productividad no tienen efecto sobre el resto de actividades y, por tanto,
tampoco sobre los precios de los bienes de consumo.
Las cifras presentadas en la tabla 2 también muestran, como resultado previsible, que en
ambas regiones la reducción de precios es más acentuada cuando la mejora de
productividad afecta, no solo a los inputs primarios, sino también a los inputs
intermedios. No obstante, en ambos tipos de simulación las ramas de actividad que
ostentan los mayores impactos sobre los precios son básicamente las mismas, con
pequeños cambios en sus respectivos rankings, pero sin mostrar diferencias relevantes
al respecto (véase también tablas 5 y 6). Por tanto, la comparación entre las dos
simulaciones meramente pone de manifiesto diferencias de carácter cuantitativo (y no
cualitativo) en los efectos sobre precios.
14
Tabla 2. Elasticidades-precio asociadas a los incrementos de productividad sectorial
Simulación 1
(inputs primarios)
Simulación 2 (inputs primarios e
intermedios)
Extremadura Cataluña Extremadura Cataluña
1. Agricultura -0.1808 -0.0216 -0.3264 -0.0376 2. Energía -0.0400 -0.0192 -0.0604 -0.0656 3. Química -0.0020 -0.0300 -0.0048 -0.0924 4. Metales y electricidad -0.0048 -0.0464 -0.0136 -0.1252 5. Material de transporte -0.0016 -0.0224 -0.0020 -0.0864 6. Industrias de la alimentación -0.0324 -0.0224 -0.1176 -0.1300 7. Textiles -0.0088 -0.0212 -0.0144 -0.0592 8. Papel -0.0024 -0.0196 -0.0040 -0.0524 9. Industrias diversas -0.0060 -0.0284 -0.0156 -0.0772 10. Construcción 0.0704 -0.0184 0.1316 -0.0424 11. Comercio -0.2024 -0.2228 -0.2820 -0.3840 12. Transportes y comunicaciones -0.0352 -0.0756 -0.0596 -0.1588 13. Crédito y seguros -0.0320 -0.0544 -0.0368 -0.0760 14. Otros servicios -0.2072 -0.2424 -0.2236 -0.3736 15. Servicios públicos 0.0444 0.0000 0.0580 0.0000
Detallando los resultados obtenidos para Cataluña, los sectores con más influencia sobre
los precios son otros servicios (sector 14, con elasticidades-precio de -0.2424 y -0.3736
para las simulaciones 1 y 2, respectivamente) y comercio (sector 11, con elasticidades
de -0.2228 y -0.3840). A cierta distancia, y con elasticidades sensiblemente menores, se
sitúa el sector de transportes y comunicaciones (sector 12, con valores de -0.0756 y -
0.1588).
En el caso de Extremadura, resulta reseñable la importante reducción de precios
acontecida ante los aumentos de productividad en el sector agrario (sector 1).
Concretamente, ante una mejora de productividad en los factores primarios la
elasticidad-precio toma un valor de -0.1808, mientras que si la ganancia también afecta
a los inputs intermedios dicha elasticidad se incrementa (en valor absoluto) hasta -
0.3264. Al igual que en Cataluña, otros sectores con gran impacto sobre los precios de
consumo extremeños son comercio (sector 11, con elasticidades-precio de -0.2024 y -
0.2820) y otros servicios (sector 14, con elasticidades de -0.2072 y -0.2236). En sentido
15
contrario, el resto de ramas, en particular las industriales, presentan unos efectos sobre
precios sensiblemente menores y de muy poca relevancia.
Finalmente, la tabla 2 también deja entrever que, en general, las elasticidades-precio
obtenidas para Cataluña son superiores en valor absoluto a las de Extremadura. Estos
resultados sugieren, pues, que los precios de la economía catalana son más sensibles a
las ganancias de productividad sectorial. Las únicas excepciones a esta regla
corresponden a los sectores agricultura (sector 1), construcción (sector 11) y servicios
públicos (sector 15), además de energía (sector 2) e industrias de la alimentación (sector
6) solamente en el caso de la simulación 1.
4.2. Efectos sobre la producción
En este apartado se muestran los efectos que las ganancias de productividad sectorial
ocasionan sobre la producción en cada una de las regiones. De hecho, en la literatura
económica relacionada con los sectores clave, establecer la relevancia de un sector
sobre la producción total ha sido el criterio tradicional para determinar la importancia
del mismo. En nuestro caso, como indicador de la producción se toma el Producto
Interior Bruto en términos reales. En este sentido, la tabla 3 incluye las elasticidades-
producción obtenidas para cada sector productivo en cada una de las regiones,
calculadas como el cociente entre las variaciones porcentuales en el PIB real y los
incrementos porcentuales de productividad.
Los resultados obtenidos muestran dos resultados de carácter general. En primer lugar,
todas las elasticidades-producción son positivas, esto es, en todos los casos las mejoras
de productividad sectorial determinan incrementos en el PIB real. Y en segundo lugar,
las elasticidades obtenidas en el caso de la simulación 2 nuevamente son mayores que
para la simulación 1, sin que se aprecien cambios significativos en los respectivos
rankings sectoriales (ver tablas 5 y 6).
Pasando a comentar los resultados obtenidos para Cataluña, se observa que los sectores
con mayor incidencia sobre la producción real regional son, en este mismo orden, otros
servicios (sector 14, con elasticidades de 0.2609 y 0.4224), comercio (sector 11, con
valores de 0.1768 y 0.3218), construcción (sector 10, 0.0659 y 0.1532), metales y
electricidad (sector 4, 0.0639 y 0.1777) y transportes y comunicaciones (sector 14,
0.0631 y 0.1378). En el caso de Extremadura, resultan significativos los efectos
Tabla 3. Elasticidades-producción asociadas a los incrementos de productividad sectorial
Simulación 1
(inputs primarios)
Simulación 2 (inputs primarios e
intermedios)
Extremadura Cataluña Extremadura Cataluña
1. Agricultura 0.1087 0.0168 0.2115 0.0299 2. Energía 0.0413 0.0162 0.0636 0.0569 3. Química 0.0015 0.0328 0.0037 0.1038 4. Metales y electricidad 0.0121 0.0639 0.0336 0.1777 5. Material de transporte 0.0010 0.0243 0.0010 0.0949 6. Industrias de la alimentación 0.0200 0.0273 0.0768 0.1118 7. Textiles 0.0051 0.0207 0.0085 0.0592 8. Papel 0.0022 0.0202 0.0036 0.0540 9. Industrias diversas 0.0072 0.0338 0.0184 0.0932 10. Construcción 0.1136 0.0659 0.2242 0.1532 11. Comercio 0.1460 0.1768 0.2082 0.3218 12. Transportes y comunicaciones 0.0439 0.0631 0.0762 0.1378 13. Crédito y seguros 0.0410 0.0441 0.0471 0.0625 14. Otros servicios 0.1495 0.2609 0.1620 0.4224 15. Servicios públicos 0.2091 0.0303 0.2714 0.0439
derivados de aumentos en la productividad de servicios públicos (sector 15, con
elasticidades de 0.2091 y 0.2714), otros servicios (sector 14, 0.1495 y 0.1620),
comercio (sector 11, 0.1460 y 0.2028) y construcción (sector 10, 0.1136 y 0.2242),
pudiendo destacarse nuevamente la influencia del sector agrario (sector 1, 0.1087 y
0.2115), en este caso sobre el PIB real extremeño.
Los resultados obtenidos también muestran que, para la mayor parte de sectores, las
elasticidades-producción correspondientes a Cataluña son mayores que para
Extremadura, esto es, representan mayores incrementos en el PIB real regional. Las
excepciones a este resultado general son básicamente las mismas que en el caso de las
elasticidades-precio anteriores, concretamente agricultura (sector 1), energía (sector 2),
construcción (sector 10) y servicios públicos (sector 15).
4.3. Efectos sobre la renta privada
Un aspecto fundamental a la hora de simular cualquier modificación en la economía y
valorar sus efectos es determinar el impacto sobre los hogares y su bienestar. De hecho,
los indicadores obtenidos en este apartado son, a nuestro juicio, especialmente indicados
17
para determinar qué sectores de producción podemos considerar claves en una
economía.
De manera más concreta, hemos optado por tomar como indicador de bienestar de los
hogares su renta disponible expresada en términos reales (cociente entre renta
disponible nominal y el IPC). Y una vez definida esta variable, procedemos a construir
una elasticidad-renta, calculada como el cociente entre la variación porcentual en esta
renta disponible real y la ganancia porcentual en la productividad sectorial. Los
resultados obtenidos para esta elasticidad en cada una de las regiones y sectores se
muestran en la tabla 4.
Los valores obtenidos presentan ciertas similitudes con las anteriores elasticidades-
producción, ya que todas las elasticidades-renta son positivas (los incrementos de
productividad sectorial determinan mejoras de bienestar de los hogares en todos lo
casos). Además, las elasticidades correspondientes a la simulación 1 (incrementos de
productividad en inputs primarios) nuevamente son inferiores a las de la simulación 2
(incrementos de productividad en inputs primarios e intermedios).
Pasando a comentar las elasticidades-renta obtenidas para Cataluña, los mayores valores
corresponden a los mismos sectores que en las anteriores elasticidades, esto es, otros
servicios (sector 14) y comercio (sector 11), con elasticidades situadas por encima de
0.2 en la primera simulación y por encima de 0.4 en la segunda. A continuación se
sitúan transportes y comunicaciones (sector 12, con valores 0.0721 y 0.1553), metales y
electricidad (sector 4, con elasticidades 0.0478 y 0.1318) e industrias de la alimentación
(sector 6, con valores 0.0322 y 0.1300).
En el caso de Extremadura, los mayores efectos sobre la renta disponible real de los
hogares se observan ante ganancias de productividad en el sector agrario (sector 1),
comercio (sector 11) y otros servicios (sector 14), con elasticidades comprendidas entre
0.1480 y 0.3433. Otras actividades que presentan elasticidades-renta de cierta
significación son energía (sector 2), industrias de la alimentación (sector 6) y
transportes y comunicaciones (sector 12), si bien en ningún caso estas elasticidades
superan el valor 0.1.
Si comparamos los resultados de ambas regiones, nuevamente se observa que las
elasticidades-renta son superiores en Cataluña que en Extremadura en todos los
Tabla 4. Elasticidades-renta asociadas a los incrementos de productividad sectorial
Simulación 1 (inputs primarios)
Simulación 2 (inputs primarios e
intermedios)
Extremadura Cataluña Extremadura Cataluña
1. Agricultura 0.1852 0.0202 0.3433 0.0357 2. Energía 0.0482 0.0183 0.0733 0.0639 3. Química 0.0017 0.0299 0.0040 0.0939 4. Metales y electricidad 0.0069 0.0478 0.0190 0.1318 5. Material de transporte 0.0011 0.0231 0.0012 0.0900 6. Industrias de la alimentación 0.0269 0.0322 0.1000 0.1300 7. Textiles 0.0056 0.0223 0.0093 0.0634 8. Papel 0.0019 0.0203 0.0032 0.0543 9. Industrias diversas 0.0072 0.0293 0.0182 0.0802 10. Construcción 0.0043 0.0193 0.0078 0.0446 11. Comercio 0.1612 0.2293 0.2298 0.4131 12. Transportes y comunicaciones 0.0368 0.0721 0.0630 0.1553 13. Crédito y seguros 0.0353 0.0543 0.0406 0.0767 14. Otros servicios 0.1480 0.2538 0.1602 0.4053 15. Servicios públicos 0.0047 0.0000 0.0057 0.0000
sectores, con la misma salvedad de agricultura (sector 1), energía (sector 2) y servicios
públicos (sector 15). También resulta interesante resaltar que en Cataluña la horquilla de
valores entre las dos simulaciones es superior a la correspondiente a Extremadura, esto
es, la aplicación de los incrementos de productividad a inputs intermedios y primarios
conjuntamente amplía la elasticidad-renta en mayor medida en la región de Cataluña.
Por tanto, si en ambas regiones las ganancias de productividad acontecieran en todos los
elementos del coste empresarial (inputs intermedios y factores primarios), las
diferencias regionales en la renta real de los consumidores se verían acentuadas.
4.4. Síntesis de resultados
Para concluir el estudio de los resultados obtenidos, este apartado presenta un análisis
de carácter cualitativo que pretende sintetizar los resultados mostrados en las secciones
anteriores. A tal efecto, las tablas 5 y 6 muestran para las regiones de Cataluña y
Extremadura, respectivamente, los 5 sectores de producción que presentan las mayores
elasticidades en cada una de las simulaciones y para cada una de las variables
consideradas (precios, producción y renta). En ambas tablas, los sectores de producción
19
aparecen ordenados de mayor a menor elasticidad, considerando dichas elasticidades en
valor absoluto.
Antes de pasar a analizar el contenido de estas tablas, deseamos hacer un importante
comentario en relación con los criterios utilizados para la jerarquización de los sectores
de producción. Dado que se han empleado tres elasticidades diferentes, se pueden
obtener tres rankings distintos de los sectores en función de su impacto sobre variables
económicas tan relevantes como son los precios, la producción y la renta de los hogares.
Llegados a este punto, creemos oportuno dar un paso adicional y establecer una cierta
jerarquía entre estos tres criterios. Y en este sentido, el criterio más relevante, a nuestro
entender, es la utilización de las elasticidades-renta, ya que actúan como proxy del
impacto de las ganancias de productividad en términos de bienestar.
Dicho esto, no obstante, los resultados obtenidos muestran que, para cada simulación,
las tres elasticidades consideradas proporcionan resultados parejos, ya que presentan
rankings de sectores relativamente similares. De hecho, en el caso de Cataluña estas
ordenaciones son prácticamente idénticas (tabla 5), si bien para Extremadura las
diferencias son algo mayores (tabla 6).
Una posible explicación a estas similitudes radica en las relaciones que existen entre
estas elasticidades. Por una parte, la relación entre la elasticidad-renta y la elasticidad-
precio es evidente, ya que la renta disponible real del consumidor se define como el
cociente entre la renta nominal y el IPC, y por tanto el comportamiento de los precios de
consumo influye de manera decisiva sobre la renta real de los hogares. Por otra, también
existe una relación, algo más indirecta, entre la elasticidad-renta y la elasticidad-
producción, ya que el bienestar de los hogares depende en gran medida del consumo,
que es a su vez el principal componente del PIB.
En cualquier caso, y a pesar de las diferencias puntuales que puedan existir en los
rankings mostrados por cada tipo de elasticidad, el análisis efectuado deja entrever con
meridiana claridad los sectores que podemos considerar claves en cada una de las
economías consideradas. Comenzando por la región de Cataluña, la tabla 5 muestra que
los sectores más relevantes son fundamentalmente sectores de servicios, principalmente
otros servicios y comercio, seguidos de transportes y comunicaciones y crédito y
seguros. En menor medida también se pueden destacar determinadas actividades
Tabla 5. Relación de sectores con mayores elasticidades (valor absoluto). Cataluña
Simulación 1 (inputs primarios)
Simulación 2 (inputs primarios e
intermedios)
Elasticidad-precio
1. Otros servicios 1. Comercio
2. Comercio 2. Otros servicios
3. Transportes y comunicaciones 3. Transportes y comunicaciones
4. Crédito y seguros 4. Industrias de la alimentación
5. Metales y electricidad 5. Metales y electricidad
Elasticidad-producción
1. Otros servicios 1. Otros servicios
2. Comercio 2. Comercio
3. Construcción 3. Metales y electricidad
4. Metales y electricidad 4. Construcción
5. Transportes y comunicaciones 5. Transportes y comunicaciones
Elasticidad-renta
1. Otros servicios 1. Comercio
2. Comercio 2. Otros servicios
3. Transportes y comunicaciones 3. Transportes y comunicaciones
4. Crédito y seguros 4. Metales y electricidad
5. Metales y electricidad 5. Industrias de la alimentación
Tabla 6. Relación de sectores con mayores elasticidades (valor absoluto). Extremadura
Simulación 1 (inputs primarios)
Simulación 2 (inputs primarios e
intermedios)
Elasticidad-precio
1. Otros servicios 1. Agricultura
2. Comercio 2. Comercio
3. Agricultura 3. Otros servicios
4. Construcción 4. Construcción
5. Energía 5. Industrias de la alimentación
Elasticidad-producción
1. Servicios públicos 1. Servicios públicos
2. Otros servicios 2. Construcción
3. Comercio 3. Agricultura
4. Construcción 4. Comercio
5. Agricultura 5. Otros servicios
Elasticidad-renta
1. Agricultura 1. Agricultura
2. Comercio 2. Comercio
3. Otros servicios 3. Otros servicios
4. Energía 4. Industrias de la alimentación
5. Transportes y comunicaciones 5. Energía
21
industriales, concretamente metales y electricidad e industrias de la alimentación, esta
última en el caso de que las mejoras de productividad afecten tanto a inputs primarios
como intermedios. En lo que respecta a Extremadura, los sectores comercio y otros
servicios nuevamente se muestran como sectores de gran relevancia, destacando además
el importante papel que parece ejercer el sector agrario extremeño. Otros sectores
relevantes a efectos de ciertas variables son servicios públicos (producción),
construcción (precios y producción) y energía (precios y renta).
5. CONCLUSIONES
En este trabajo se introduce un nuevo criterio para identificar los sectores productivos
clave de una economía. Dicho criterio consiste en cuantificar el impacto que tienen las
ganancias de productividad sectorial sobre los precios de los bienes de consumo (IPC),
sobre la producción neta de la economía (PIB real) y sobre la renta real disponible de
los consumidores, en el marco de un modelo de equilibrio general computable.
En el modelo multisectorial utilizado, suponemos competencia perfecta en todos los
mercados y tecnologías de producción con rendimientos constantes de escala. Para
garantizar la coherencia de los ejercicios realizados, también suponemos que la oferta
de factores es fija y que en equilibrio todos los mercados se vacían, incluyendo el
mercado de factores. Los parámetros del modelo son estimados mediante calibración,
utilizando sendas matrices de contabilidad social de las economías regionales de
Cataluña y Extremadura, respectivamente.
En las simulaciones realizadas se considera que las ganancias de productividad se
manifiestan en dos vertientes: por una parte, aumento en la productividad total de los
factores, y, por otro, incrementos en la productividad de factores primarios e inputs
intermedios simultáneamente. Los resultados obtenidos se presentan en forma de
elasticidades (de precios, de producción y de renta disponible de los consumidores) para
cada una de estas economías. Esto nos permite establecer e identificar cuales son los
sectores clave de las economías regionales en función de los criterios comentados
anteriormente.
Aunque nosotros nos inclinamos por dar prioridad al criterio que corresponde al
impacto de las ganancias de productividad sobre la renta real de los consumidores (al
22
ser este criterio un indicador del bienestar de los hogares), en nuestros ejercicios de
simulación vemos que los tres criterios ofrecen, con pocas excepciones, sectores clave
similares dentro de cada economía. En el caso de Cataluña (tabla 5) se observa cómo los
sectores clave bajo el criterio de los precios son los mismos que bajo el criterio de la
renta de los hogares (Otros Servicios, Comercio, Transporte y Comunicaciones, Crédito
y Seguros y Metales y Electricidad), y sólo difieren respecto al criterio de producción en
un único sector: el de la construcción. Respecto a Extremadura (tabla 6), vemos que
también hay una similitud respecto a qué sectores son claves bajo los tres criterios. En
particular los Servicios Públicos es sólo un sector clave bajo el criterio de la producción,
mientras que la Agricultura, Otros Servicios, Comercio y Energía son sectores clave
bajo los otros dos criterios (aunque no comparten el mismo orden de importancia).
Los resultados obtenidos deben ser tenidos en cuenta en función de las hipótesis sobre
las que descansa nuestro modelo (hipótesis usuales en la literatura del equilibrio general
computable). En particular, debemos enfatizar que la hipótesis de competencia perfecta
y los rendimientos constantes de escala de las tecnologías de producción sectorial
pueden importantes a la hora de explicar nuestros resultados. Bajo estas hipótesis, las
ganancias de productividad sectorial se trasladan en general a precios relativos más
bajos de los bienes producidos que favorecen el poder de compra del consumidor y por
lo tanto de su renta disponible real. Por otra parte, también se supone que los mercados
de factores de producción se encuentran en equilibrio. En particular, el mercado de
trabajo se encuentra en equilibrio tras las ganancias de productividad sectorial. En
nuestro modelo hemos comprobado que esta hipótesis no es relevante para las
conclusiones obtenidas. En efecto, la incorporación de desempleo en el mercado de
trabajo y diversas configuraciones de la oferta laboral en función de los salarios reales,
se puede concluir que nuestros resultados de pleno empleo son robustos, en el sentido
que no difieren sustancialmente de aquellos que se obtienen al relajar esta hipótesis.
23
REFERENCIAS
Acemoglu, D (2009) Introduction to Modern Economic Growth. Princeton University
Press.
Cardenete, M. A. y F. Sancho (2006) Missing links in key sector analysis. Economic
Systems Research, 18 (3), 319-326.
Cardenete, M. A. y F. Sancho (2010a) Are there key sectors? A policy appraisal using
applied general equilibrium. Mimeo.
Cardenete, M. A. y F. Sancho (2010b) The role of supply constraints in multiplier
analysis. UFAE e IAE working paper 805.10 .
Chenery, H. B. y T. Watanabe (1958) International comparisons of the structure of
production. Econometrica, 26, 487-521.
Cutler, H. y S. Davies (2008) The economic consequences of productivity changes: A
computable general equilibrium (CGE) analysis. Regional Studies, iFirst.
De Miguel-Vélez, F. J.; Cardenete-Flores, M. A. y J. Pérez-Mayo (2009) Effects of the
tax on retail sales of some fuels on a regional economy: a computable general
equilibrium approach. The Annals of Regional Science, 43 (3), 781-806.
Dietzenbacher, E. (1992) The measurement of interindustry linkages. Key sectors in the
Netherlands. Economic Modelling, 9, 419-437.
Dietzenbacher, E. (2005) More on multipliers. Journal of Regional Science, 45 (2), 421-
426.
García Muñiz, A. S., Morillas Raya, A. y C. Ramos Carvajal (2008) Key sectors: A new
proposal from network theory. Regional Studies, 42 (7), 1013-1030.
González-Calvet, J. y A. Manresa (2007) Increments de productivitat sectorial i
variacions de preus a l´economia catalana: simulació amb la TIOC-2001. Nota
d´Economia, 87, 119-132.
Hanson, K. y A. Rose (1997) Factor productivity and income inequality: a general
equilibrium analysis. Applied Economics, 29, 1061-1071.
Hirschman, A. O. (1958) The Strategy of Economic Development. Yale University
Press. New Haven, CT.
24
Leontief, W. (1951) Input-Output Economics (second edition in 1986). Oxford
University Press. New York.
Llop, M. (2010) The role of saving and investment in a SAM price model. The Annals
of Regional Science, forthcoming.
Oswald, A. (1982) The microeconomic theory of the trade union. Economic Journal,
22, 576-595.
Pyatt, G y J. Round (1979) Accounting and fixed price multipliers in a social
accounting matrix framework. Economic Journal, 89, 850-873.
Rasmusen, P. N. (1956) Studies in Intersectorial Relations. North-Holland. Amsterdam.
Shoven, J. B. y J. Whalley (1972) Applied general equilibrium analysis of taxation and
trade. Journal of Economic Literature, 22 (3), 1007-105.
Solow, R. (1956) A contribution to the theory of economic growth. Quarterly Journal
of Economics, 70 (1), 65-94.
Strassert, G. (1968) Zur Bestimmung stretegischer Sektoren mit Hilfe von Input-Output
Modelen. Jahrbucher fur Nationalokonomie und Statistik, 182, 211-215.