¿se ha producido un acercamiento socio-económico en el ... · ción de posiciones...

INTRODUCCIÓN

Las disparidades socioeconómicas enel seno de la Unión Europea han sidoobjeto de estudio en numerosas oca-

siones, dando lugar a diversos trabajos. Enmuchos de ellos una de las palabras clavemás utilizada ha sido convergencia, en susdiversas acepciones. Convergencia nominalpara expresar de manera suficiente el gradode homogeneización de las economías euro-peas. Convergencia legal para denotar laadaptación de las legislaciones. Convergen-cia real para detectar la cohesión económicay social.

En el marco de la literatura económica, lostrabajos que han adquirido mayor protago-nismo son aquéllos que desde una perspecti-va regional intentan evaluar empíricamentela existencia o no de convergencia en los nive-les de renta entre los distintos países1. Sin

embargo, tras revisar parte de la literaturamás sobresaliente en este campo, especial-mente desde un enfoque de crecimiento neo-clásico, y después de observar en algunos desus críticos la idea de clubes socio-económi-cos, el interrogante que se nos plantea es porqué no avanzar en este sentido y estudiar laposible existencia de clubes socio-económicosen el seno de las regiones europeas. Preocu-pándonos eso sí, no sólo por variables que nosaproximen al concepto de crecimiento sinopor variables de ámbito económico y social.

Bajo esta idea, nuestro objetivo se centraen evaluar en dos periodos distintos del tiem-po (años 1990 y 2000), qué clubes socio-econó-micos se detectan entre los países y regionesde la Unión Europea (UE). Con ello además,observaremos si con el transcurso del tiempose ha producido un proceso de homogeneiza-ción de posiciones socioeconómicas en el tan-to a nivel de países como de regiones.

La elección de los años indicados no se harealizado al azar. Nos interesaba comparar

99REVISTA DEL MINISTERIO DE TRABAJO Y ASUNTOS SOCIALES 56

* Departamento de Economía Aplicada. Facultadde Derecho y Economía. Universidad de Lleida.

1 En este ámbito, una definición de convergenciasería la tendencia a la igualación interterritorial de algu-

na medida del nivel de producción real por persona(BAJO, 1998:138).

¿Se ha producido un acercamientosocio-económico en el senode la Unión Europea? Un análisispor países y regiones

MERCÈ SALA RÍOS Y TERESA TORRES SOLÉ *

un período inicial en el que el proceso de inte-gración europea se hallara a medio caminocon otro final en el cual ya estuviera consoli-dado. Consideramos que 1990 y 2000 cum-plen estos requisitos. En 1990, Europa cami-naba hacia el mercado común y Austria, Sue-cia y Finlandia todavía no se habían integra-do. Por su parte, en el año 2000, la UE asícomo la Unión Económica y Monetaria eranya un hecho.

El trabajo está estructurado en cinco apar-tados. En el primero de ellos, se parte del con-cepto de convergencia neoclásico para avan-zar hacia la justificación de los objetivos deeste estudio. En el segundo, se expone lametodología de trabajo utilizada. Los dossiguientes presentan los principales resulta-dos a los que se llega en el ámbito de países yde regiones de la UE. El último de ellos reco-ge las conclusiones

DEL CONCEPTO DE CONVERGENCIAAL DE CLUBES DE CONVERGENCIA

Detrás de la definición de convergencia, lateoría neoclásica del crecimiento estipula quelas economías con idénticos parámetrosestructuradores del equilibrio a largo plazo,tecnología, preferencias, crecimiento de lapoblación y tasa de depreciación, converge-rán hacia un único estado estacionario. Es ladenominada β-convergencia en los trabajosempíricos de Barro y Sala-i-Martín (1990,1991, 1992). En ellos se afirma que existe β-convergencia si en las economías que se com-paran se detecta que las economías pobrescrecen a una tasa superior a la de las econo-mías ricas. El enfoque implica una dinámicatemporal porque permite conocer el tiempoque una economía pobre tardará en alcanzarel nivel de renta per cápita de una economíarica.

Los mismos autores proponen un segundoconcepto de convergencia, σ-convergencia,que analiza el grado de dispersión de la rentaper cápita en un determinado momento del

tiempo. La convergencia en este caso se pro-ducirá si la dispersión disminuye con el pasodel tiempo.

Si tenemos en cuenta que distintas econo-mías presentan valores también distintos enlos parámetros que definen el equilibrio a lar-go plazo, llegamos a la conclusión de que haytambién distintos niveles estacionarios. Eneste sentido, habrá convergencia condiciona-da2 de cada economía hacia su estado estacio-nario pero no β-convergencia en el sentidoque las economías pobres crezcan más que laseconomías ricas (Sala-i-Martín 1990).

Las estimaciones de la β-convergenciadeberán incluir variables que recojan ladiversidad de aspectos estructurales de laseconomías analizadas. Se dará β-convergen-cia condicionada si, manteniendo constantesestas variables, la estimación delata un coefi-ciente negativo para la renta inicial.

Como es de suponer, si las estimacionesrevelan la existencia de diversos estadosestacionarios, la β-convergencia absoluta o nocondicionada sólo podrá darse si las variablessignificativas a la hora de definir estos esta-dos estacionarios tienden a redistribuirse deforma más equilibrada entre las economías.Es decir, hace falta que estas variables con-verjan para que las economías más pobrescambien de estado estacionario y se acerquenal de las economías más ricas.

Las variables incluidas por Barro y Sala-i-Martín (1992), en sus estimaciones de conver-gencia sobre 98 países, son las tasas de esco-larización primaria y secundaria, el consumopúblico (excluyendo defensa y educación)sobre el PIB, el promedio anual de asesinatos

INFORMES Y ESTUDIOS

100 REVISTA DEL MINISTERIO DE TRABAJO Y ASUNTOS SOCIALES 56

2 El concepto de convergencia condicionada apare-ce en los trabajos de crecimiento neoclásico como reac-ción a los modelos de crecimiento endógeno, uno decuyos aspectos más destacado era la inclusión de rendi-mientos crecientes a escala difícilmente conciliables conel supuesto neoclásico de competencia perfecta (EZCU-RRA, 2001).

políticos per cápita, el número medio de revo-luciones y golpes de estado y la desviación dela paridad del poder de compra para los bien-es de inversión. En una estimación aplicada a48 estados norteamericanos añaden a la ren-ta inicial, variables dummies, un índice deeducación y otro de composición sectorial.

Los trabajos pioneros de Barro y Sala-i-Martín han sido objeto de críticas y revisionesmúltiples3, lo cual ha ayudado a que la litera-tura sobre convergencia, entendida ésta bajola óptica de la teoría del crecimiento, sea muyprolífera, aunque como indica Bajo (1998), enmuchas ocasiones dificulta la interpretacióny síntesis de los resultados.

Sin embargo, lo que adquiere interés paranosotros es el enfoque de convergencia condi-cionada. En este sentido, la lista de variablesadicionales a incluir es amplia. En los estu-dios sobre el tema4 destacan, sin embargo, lacomposición sectorial de la producción, lasdotaciones de capital público, la localizaciónde las regiones, la difusión tecnológica, tasasde inversión en capital físico, humano y tec-nológico, crecimiento del empleo, variablesrepresentativas del capital humano, las pro-porciones del capital público sobre el PIB,

estabilidad política, comercio internacional,instrumentos de política fiscal, movimientosmigratorios, entre otras. En la mayoría decasos, las variables que aproximan los distin-tos estados estacionarios son significativas yapuntan la persistencia de notables diferen-cias entre países y/o regiones. Sin embargo,no necesariamente agotan los posibles deter-minantes de los estados estacionarios.

Para la economía española, trabajos comolos de Raymond y García (1994), Mas et. al.(1994, 1995), De la Fuente (1996), Bajo(1998), García y Raymond (1999); Bajo et. al.(1999); De la Fuente y Freire (2000), María-Dolores y García (2002), entre otros5, inclu-yen variables adicionales en la ecuación deconvergencia, interpretadas como diferenciasen el estado estacionario, llegando también ala conclusión de que son significativas.

De la Fuente (1996) en sus estimaciones,incluye variables dummies regionales repre-sentativas del estado estacionario correspon-diente. El ejercicio realizado para las Comu-nidades Autónomas españolas y para los paí-ses de la OCDE le permite afirmar que per-sisten importantes disparidades entre paísesy regiones.

En el seno de Europa podemos nombrartrabajos como los de Sala-i-Martín (1994a y1996), Armstrong (1995), Dewhurst y Mutis-Gaitan (1995), Rodríguez-Pose (1997, 1999),Paci (1997), López-Bazo et. al. (1999), Ezcu-rra (2001), Rodríguez-Pose y Fratesi (2002),Cuadrado-Roura y Parellada (2002), entremuchos otros. Los resultados son divergentesporque, mientras algunos autores concluyen

MERCÈ SALA RÍOS Y TERESA TORRES SOLÉ


3 El estudio de CÁNOVA Y MARCET (1995), mediantedatos panel, lleva a rechazar la hipótesis de convergen-cia absoluta. Asimismo, los trabajos de QUAH (1993a, b,1996 a, b, c y 1997) son críticos respecto a los trabajosde BARRO y SALA-I-MARTÍN. Entre las aportaciones alterna-tivas destacan las que se basan en el estudio de seriestemporales. En este enfoque, BERNARD Y DURLAUF (1996)proponen dos concepciones de convergencia, por unlado la convergencia cat-ching-up (como acercamiento),que tiene lugar cuando se espera que la diferencia de larenta per cápita de distintos países se reduzca en unmomento dado del tiempo, pero con la persistencia dedistintos estados estacionarios. Por otro lado, la conver-gencia a largo plazo la cual implica la desaparición conel tiempo de las diferencias de renta. PALLARDÓ Y ESTEVE

(1997) utilizan estas definiciones de convergencia paraaplicarlas a los 15 países de la UE (exceptuando Luxem-burgo) a lo largo del periodo 1950-1992, sus resultadosindican la ausencia casi total de convergencia.

4 DE LA FUENTE (1994) resume los resultados de algu-nos de estos estudios.

5 La importancia de la convergencia y el crecimientoquedan patentes cuando se observa que revistas, comopor ejemplo, Papeles de Economía Española en sus núme-ros 63/1995, 80/1999 o 93/2002; Cuadernos Económicosde ICE número 58/1994, son monográficas del tema. Asi-mismo y continuando en el ámbito de revistas españolas,en los distintos números de la Revista de Economía Apli-cada pueden encontrarse muchos trabajos centrados enel estudio del crecimiento y la convergencia.

que se ha producido un proceso de convergen-cia condicional dentro de Europa, otros apun-tan que no se ha producido una disminuciónde las divergencias regionales.

De la lectura de los trabajos citados se nosplantean varias cuestiones que nos llevarán adefinir los objetivos de este trabajo. Vemos enprimer lugar, que en la mayoría de estudiosen los que se incluyen variables dummiesregionales y/o variables adicionales, muchasde ellas resultan significativas y muchos delos resultados de las ecuaciones de conver-gencia condicionada llegan a la conclusión deque persisten importantes diferencias entrepaíses y regiones. Las preguntas que nosplanteamos a continuación son: ¿qué otrasvariables deberíamos incluir en el análisis? Ycomo cuestiona De la Fuente (1996), ¿en quéson diferentes los países o regiones?

De la Fuente (1996: 45) indica textualmen-te: la teoría del crecimiento y el sentido común�no necesariamente en este orden� (...) [permi-ten concluir que] los determinantes inmedia-tos de la tasa de crecimiento de una economíaserían sus tasas de inversión en capital físico,humano y tecnológico, y los determinantesúltimos de esta tasa incluirían todas lasvariables susceptibles de influir sobre el ritmode acumulación de tales factores -bien direc-tamente, bien a través de las decisiones priva-das de ahorro e inversión-. En este últimocapítulo habríamos de incluir, por tanto, unbuen número de variables tales como distintosparámetros de política económica y factoresde carácter institucional, político y social.

Quah (1993b), basándose en la denomina-da falacia de Galton, demuestra que la con-vergencia beta es compatible con distribucio-nes de ingresos per cápita que tienden a per-manecer o incluso a aumentar, por lo quesugiere distinguir entre el mecanismo de cre-cimiento y el mecanismo de convergencia.Sólo el primero puede estudiarse utilizandoel enfoque neoclásico. En diversos trabajos,Quah (1993a, 1995, 1996a, b, c y 1997), aplicaun análisis de la dinámica de la distribución

de los productos per cápita de distintas eco-nomías. A través de este enfoque llega adetectar la existencia de clubes de convergen-cia. Clubes de convergencia que expresan elhecho de que las rentas per cápita de los paí-ses tienden a converger más entre sí cuantomás iguales son las condiciones de partida.

Muchos son los estudios que realizan unanálisis empírico sobre la existencia de clu-bes de convergencia, identificando regiones oterritorios caracterizados por comportamien-tos de crecimiento similares. Tenemos, ade-más de los ya nombrados de Quah, el trabajoque se considera pionero de Baumol y Wolff(1988), Chatterji (1992), Durlauf y Johnson(1996), Rodríguez-Pose (1999), Weise et al(2001), Aurioles et al (2002), entre otros. O,para el caso español, Cuadrado et al (1998);García Goñi (1997); Villaverde y Sánchez-Robles (1998) o Garrido et al (2001).

La mayoría de ellos mantienen la atenciónen el crecimiento ¿Por qué la convergencia seasocia a crecimiento y no a aspectos socio-eco-nómicos? Como indica Marina (1999), quedapendiente el análisis de convergencia de losniveles de bienestar, medido por indicadoresalternativos al producto per cápita. En estalínea, nos acercamos más a la propuesta teó-rica de convergencia, como aquella tendenciaa la disminución de la brecha entre los están-dares de vida y en el comportamiento de lasvariables económicas que definen dichosestándares (Estay, 2002). Entonces, bajo esteplanteamiento, ¿Por qué no hablar de clubesde convergencia socio-económica?

En función de los interrogantes planteados,se definen los objetivos del presente trabajo.En primer lugar, detectar la presencia de clu-bes socio-económicos entre los países y regio-nes de la UE6. En segundo lugar, como el aná-lisis se realiza en dos períodos de tiempo dis-tintos, ver los posibles cambios en la presencia

INFORMES Y ESTUDIOS


6 Un enfoque similar puede encontrarse en trabajoscomo: Rúa, et al. (2000) o Peralta et al. (2000).

de los países/regiones en los distintos clubes ysi se ha producido un proceso de homogeneiza-ción de posiciones socio-económicas, tanto anivel de países como de regiones. En palabrasde Ezcurra et al. (2002) se trata de detectar laexistencia de un proceso de cristalización delas posiciones relativas regionales7.

METODOLOGÍA

Para alcanzar los citados objetivos seemplea la metodología de la agrupación enfactores estratégicos. Es decir, se aplica unanálisis cluster a fin de agrupar a los países ya las regiones de la UE en conglomerados8.Esta técnica clasifica elementos sobre los quese han observado un conjunto de variables yforma grupos de manera que los elementosincluidos en cada uno de ellos pueden ser con-siderados homogéneos entre sí. Se trata demaximizar la homogeneidad de los elementosdentro del conglomerado y al mismo tiempomaximizar la heterogeneidad entre los con-glomerados (Hair, et al. 1999).

Los clusters permitirán identificar clubesdiferenciados de países y de regiones concaracterísticas similares y asimismo analizarsi se produce una tendencia a la polarización,es decir, una tendencia a que los grupos con-verjan interiormente y tiendan a alejarseentre ellos.

La aplicación práctica de dicha metodolo-gía ha constado de varias etapas. En primerlugar, la selección de las variables originalesrepresentativas de bienestar socioeconómico.La fuente estadística utilizada ha sido la basede datos REGIO elaborada por el Eurostat. Apartir de la misma, la selección de variablesse ha basado primero, en recoger aquéllassobre las que existe mayor unanimidad sobresu presencia en cualquier indicador de bien-estar social. Segundo, en la disponibilidad deestadísticas dentro de la base REGIO. Enalgunos casos, aunque la variable era consi-derada idónea para el análisis, la falta dedatos para algún año, región y/o país ha lle-vado a tener que prescindir de ella9. Dichafalta de datos era aún más importante a esca-la regional lo que nos ha obligado a tener quetrabajar con un nivel menor de variables queen el caso de países. En definitiva, en el ane-xo 1 se relacionan las variables utilizadaspara el estudio, en negrita y cursiva aparecenlas que han podido ser utilizadas para la dis-criminación por regiones.

En relación a los países objeto de estudio,éstos son los 15 miembros que conformabanla UE durante el período analizado: Alema-nia (de), Austria (at), Bélgica (be), Dinamarca(dk), España (es), Francia (fr), Finlandia (fi),Grecia (gr), Irlanda (ie), Italia (it), Luxem-burgo (lu) Países Bajos (nl), Portugal (pt),Reino Unido (uk) y Suecia (se) . Para el análi-sis regional se ha trabajado a un nivel de des-agregación de NUTS-0, NUTS-1 y NUTS-2,que en total ha supuesto trabajar con 146regiones, recogidas en el anexo 2.



7 El trabajo de EZCURRA et al. (2002) estudia la pre-sencia de dicha cristalización en la Unión Europea a tra-vés del análisis de la movilidad de la distribución de larenta por habitante a escala regional durante el período1977-96. Entre las conclusiones destaca el manteni-miento de la desigualdad interregional.

8 Igual metodología puede encontrarse en trabajoscomo Weise et al. (2001) o Aurioles et al. (2002). Losobjetivos perseguidos son sin embargo, distintos al nues-tro. En el primer caso, los autores tratan de identificarclusters en la Europa ampliada. En el segundo, se exami-na la situación de las regiones que conformarían la UEampliada y se evalúa las posibles alteraciones en laestructura de desequilibrios regionales de la Europaampliada en función de las previsiones de crecimiento ysu posible repercusión sobre el empleo.

9 En algunos trabajos, para suplir un dato inexistenteen las estadísticas oficiales se extrapola mediante su esti-mación a partir de los datos sí conocidos. Esta metodo-logía no es, sin embargo, adecuada en nuestro estudio.Si estimamos, estamos perpetuando el valor histórico, locual implica suponer que con el paso del tiempo no hahabido cambios destacables en la región o país en cues-tión para aquella variable. Ello podría llevarnos a con-clusiones erróneas puesto que precisamente en suscambios y en las restantes variables se apoya nuestroanálisis de clusters de convergencia.

Una vez seleccionadas las variables origi-nales se ha procedido a aplicar el análisiscluster. El elevado número de variables conlas que trabajamos nos llevó a realizar, pre-viamente, un análisis de componentes princi-pales para transformarlas en un númeroreducido de factores que definieran distintasestrategias. Ello hubiera facilitado en granmanera los resultados y hubiera agilizado suexposición. Sin embargo, los factores que seobtuvieron tras realizar el análisis de compo-nentes principales aglutinaban variablesmuy heterogéneas, lo que dificultaba el cata-logarlas en grupos estratégicos para asíincorporarlos como inputs en el análisis clus-ter. Se optó, en consecuencia, por trabajardirectamente con esta técnica de clasifica-ción.

Dentro del análisis cluster pueden distin-guirse dos grandes procedimientos de análi-sis. Tenemos por un lado, los procedimientosde tipo aglomerativo, cuyo nombre se debe alhecho de que, a partir del análisis de los casosindividuales, van agrupando casos hasta lle-gar a la formación de un único grupo, forma-do por todos los elementos de la muestra. Deesta forma, se van agrupando los casos engrupos cada vez más grandes y heterogéneos.En segundo lugar, los procedimientos divisi-vos, éstos parten de todos los casos como unsolo grupo y los van dividiendo en subgruposcada vez más homogéneos.

Puesto que hemos trabajado con el progra-ma SPSS, el procedimiento utilizado ha sidoel de tipo aglomerativo. Ya dentro de este pro-cedimiento, el SPSS dispone de dos tipos deanálisis de conglomerados: el análisis de con-glomerados jerárquico10 y el método de Kmedias (no jerárquico).

El método jerárquico resulta adecuadopara determinar el número idóneo de conglo-merados. En cambio, un elemento en contraes que puede llevar a conclusiones erróneasporque combinaciones iniciales no deseablespueden persistir a lo largo del análisis. Losprocedimientos no jerárquicos tienen la ven-taja que los resultados son menos suscepti-bles a los datos atípicos, a la medida de dis-tancia utilizada y a la inclusión de variablesirrelevantes. Ahora bien, sólo se puede utili-zar un método de aglomeración, y además, esnecesario especificar un punto de partida noaleatorio y el número deseado de clusters(Hair et al, 1999).

Para aprovechar los beneficios de cadauno, se han utilizado ambos métodos. En pri-mer lugar, se ha aplicado el método jerárqui-co para, de este modo, poder establecer elnúmero de clusters, los perfiles de los centrosy la identificación de casos atípicos. Ensegundo lugar, partiendo de los centroidesproporcionados por el análisis jerárquico, seha aplicado el método no jerárquico de Kmedias.

El método jerárquico exige seleccionar unmétodo de aglomeración, entendido como elproceso por el cual se vuelve a calcular la dis-tancia entre nuevos elementos en una nuevaetapa de conglomeración, y el tipo de medidaque se utilizará para evaluar las distanciasentre los elementos. Ambas decisiones son desuma importancia puesto que pueden condi-cionar las soluciones a las que se llegue.

El método de aglomeración escogido es el devinculación inter-grupos o vinculación prome-dio. La ventaja, sobre otros métodos, es queaprovecha la información de todos los elemen-tos de los dos conglomerados que se comparan.La distancia entre dos conglomerados, (D), secalcula como la distancia promedio entre todaslas combinaciones posibles de pares de ele-mentos de cada uno de los conglomerados:

D = (1/ n1 n2) Σ. Σ. diji∈1 j∈2

INFORMES Y ESTUDIOS


10 El nombre de jerárquico responde al hecho deque el análisis comienza calculando la matriz de distan-cias entre cada elemento y todos los restantes y, a conti-nuación, se agrupan en un conglomerado los dos ele-mentos más próximos. A partir de este momento el con-glomerado es indivisible.

donde:

� dij es la distancia entre dos elementos i yj, el primero perteneciente al conglome-rado 1 y el segundo al conglomerado 2.

� n1 y n2 son los tamaños de los conglome-rados 1 y 2, respectivamente.

Dentro de las distintas medidas de distan-cia se ha elegido la distancia euclídea al cua-drado, como medida de disimilaridad11. Pues-to que es una medida variante respecto a lamétrica de las variables, todas las variableshan sido estandarizadas.

El número idóneo de clusters se ha decidi-do atendiendo a diversas informaciones:

� El diagrama de témpanos, el cual ofreceinformación gráfica del proceso defusión en conglomerados, aunque noofrece información sobre la distanciaentre los conglomerados que se unen encada etapa.

� El dendograma, que es un gráfico en elcual se visualizan las distancias entrelos diversos clusters.

� El historial de conglomeración. Dentrodel mismo, resulta de especial interés laobservación del valor de los coeficientes.Éstos informan, numéricamente, de ladistancia a la que se encuentran losclusters antes de la fusión. Dicho coefi-ciente puede interpretarse como el «cos-te» que supone para el proceso la uniónde los clusters en cada una de las itera-ciones. Inicialmente, la regla de paradaelegida ha sido seleccionar aquel núme-ro de conglomerados inmediatamenteanterior a aquél en el cual el porcentajede variación del «coste» sea mayor enrelación a sus contiguos.

� Llegados a este punto, se han obtenido,para cada uno de los clusters definidospor el procedimiento jerárquico, los cen-troides de las variables. Estos valores sehan utilizado como condiciones inicialesen el análisis jerárquico de K mediaspara, permitiendo el cambio de perte-nencia a un conglomerado, «ajustar» losresultados.

La decisión final acerca del número óptimode clusters se ha tomado en función de laregla de parada, si ésta era compatible con elresto de información analizada. En caso con-trario, se ha optado por aquel número de clus-ters más acorde con el conjunto de la informa-ción evaluada.

La variabilidad, entre e intra clusters, seha contrastado mediante un análisis devarianzas. Para cada variable, cuanto mayores el valor del estadístico F de Snedecor ymenor, por tanto, su nivel de significación (P),más diferentes son los valores de la misma enlos distintos clusters12. En concreto, en esteestudio, siguiendo lo que viene siendo habi-tual, se considera que si el nivel de significa-ción de alguna variable es superior a 0,05,dicha variable carece de relevancia a la horade definir las diferencias y formar los clus-ters.

A fin de validar los conglomerados, se haaplicado el análisis de conglomerados Kmedias especificando el número de clustersdecidido, y dejando que el proceso seleccionealeatoriamente los centroides iniciales. Lavalidación implicará que los tamaños y losperfiles de los clusters sean muy similares alos ya obtenidos.



11 Las medidas de disimilaridad ponen el énfasis enla lejanía entre los elementos. Por su parte, las medidasde similaridad lo hacen en el grado de proximidad.

12 El estadístico F se debe utilizar con una finalidadestrictamente descriptiva. Los conglomerados no se hanformado aleatoriamente, sino que han sido elegidospara maximizar diferencias entre los casos en diferentesconglomerados. El análisis no puede interpretarse comoun test de contraste de la hipótesis de que los centros delos conglomerados son iguales.

Una vez definidos los conglomerados, loscentroides de los distintos grupos de CCAAnos han permitido singularizarlas. Los cen-tros de los clusters finales o centroides son unvector de medias. Al trabajar con valoresestandarizados, aunque todas las variablesoriginales tomen valores positivos, el centroi-de puede tomar valores positivos o negativos.Un valor negativo indica que la mayoría devalores, de aquella variable, y en aquel clus-ter, están por debajo de la media del conjuntode CCAA.

Ahora bien, dentro de un cluster, un valornegativo en una variable, no debe interpre-tarse a priori, como un mal resultado en tér-minos relativos con relación al resto de clus-ters. Si la variable en cuestión es de tal natu-raleza que lo que es deseable, socioeconómi-camente hablando, son niveles bajos, (tasa deparo, por ejemplo), un valor muy negativoserá un buen resultado.

Así pues, en la interpretación de los resul-tados, se entenderá que un cluster presentadeficiencias en una variable, si su centroidees el más negativo (positivo) o uno de los másnegativos (positivos), en variables en las que,desde el punto de vista socioeconómico, lointeresante es alcanzar valores relativamen-te elevados (bajos). Un buen registro en unadeterminada variable, se interpretará en elsentido contrario.

RESULTADOS POR PAÍSES

La información analizada, así como laregla de parada elegida, llevan a definir 8clusters distintos de países tanto en 1990como en 2000. El cuadro 1 los recoge comotambién las variables que permiten discrimi-nar entre los clusters o grupos formados.Entre ellas, destaca el poder discriminatoriode las variables relacionadas con la energía.Asimismo, en el año 2000 adquieren mayorprotagonismo las variables relacionadas conla familia y tecnología y con el mercado detrabajo.

Los clusters de ambos años presentan unelevado grado de identificación. En el año2000 aparece el conglomerado 3, siendo elresultado de un trasvase de 3 países desdedistintos grupos del año 1990. El conglomera-do 6 aglutina dos países que en 1990 se clasi-ficaban en solitario, Finlandia y Suecia. Elresto de conglomerados mantienen los perfi-les, aunque con ciertos movimientos de paí-ses entre ellos.

Los resultados llevan a concluir que, en elseno de la UE, no se ha producido un procesode homogeneización en las posiciones socio-económica a nivel de países. Ni entre los paí-ses que ya formaban parte de la UE en 1990,ni entre éstos y los que se incorporaron poste-riormente (Finlandia, Suecia y Austria). En1990, en dos de los países que todavía no per-tenecían a la UE, Finlandia y Suecia, sedetecta cierta heterogeneidad con el resto depaíses de la UE y también entre ellos. Hete-rogeneidad que entre ellos desaparece en elaño 2000, pero se mantiene con el resto demiembros de la UE.

Si bien en 1990 el conglomerado 2 reúneuna mayor proporción de los países más anti-guos de la UE, en el año 2000 se diversificanentre los conglomerados 2 y 3. Se detecta ade-más que, con el paso del tiempo, se han idodibujando tres grandes perfiles. Por un lado,los países del área mediterránea, España,Italia y Grecia que ya en 1990 mostrabansimilitudes destacables en muchas de lasvariables seleccionadas. Similitudes que sehacen mucho más evidentes en el año 2000,hecho por el cual engloban el conglomeradonúmero 3. Por otro lado, los países centralesde la UE (Bélgica, Alemania, Francia) y porúltimo, los países nórdicos (Finlandia y Sue-cia).

Los distintos grupos de países se singula-rizan a través del centroide del grupo (mediade los casos incluidos en cada cluster). Lasegunda y tercera columnas del cuadro delanexo 1 muestran para ambos años qué gru-po o cluster tiene los valores medios más

INFORMES Y ESTUDIOS




CUADRO 1. CLUSTERS POR PAÍSES, (1990 y 2000)

1 Luxemburgo (lu) Teléfonos móviles por 1.000 habitantes (P=0,000)2 Dinamarca (dk) Consumo final de energía (P=0,000)

Alemania (de) Consumo de energía eléctrica (P=0,000)Países Bajos (nl) Consumo familiar de energía eléctrica (P=0,000)Reino Unido (uk) Producción eléctrica (P=0,000)

3 Finlandia (fi) Emisiones de dióxido de carbono (P=0,000)4 Grecia (gr) PIB millones PPC per cápita (P=0,000)

Portugal (pt) Consumo interior de energía primaria (P=0,001)Importaciones netas de energía primaria (P=0,001)

5 España (es) Usuarios de internet por 1.000 habitantes (P=0,001)Francia (fr) Emisiones de monóxido de carbono (P=0,002)Italia (it) Muertes por cáncer: mujeres (P= 0,003)

6 Suecia (se) Número medio de calorías por persona/día (P=0,003)7 Irlanda (ie) Total número de vehículos por 1.000 habitantes (P=0,003)8 Bélgica (be) Ordenadores personales por 1.000 habitantes (P=0,004)

Austria (at) KM de autopistas por 1.000 habitantes (P=0,004)Km de vía férrea por 1.000 habitantes (P= 0,004)Muertes por enfermedades del corazón: hombres (P=0,005)%estudiantes enseñanza superior s/población total (P=0,007)%saldo de la balanza de bienes y servicios s/PIB (P=0,010)Tasa bruta de mortalidad por SIDA (P=0,011)%formación bruta de capital fijo s/PIB (P=0,014)Muertes por cáncer: hombres (P=0,016)Emisiones de óxido de nitrógeno (P=0,021)Emisiones de componentes orgánicos volátiles (P=0,029)Gastos de protección social por habitante (P=0,030)Tasa de mortalidad infantil (P=0,036)Tasa de mortalidad infantil (P=0,036)

1 Luxemburgo (lu) Producción de energía primaria (P=0,000)2 Dinamarca (dk) Consumo final de energía (millones Tn per cápita) (P=0,000)

Países Bajos (nl) Divorcios por 1.000 habitantes (P=0,000)Reino Unido (uk) Consumo de energía eléctrica (Kwh per cápita) (P=0,000)

%Producción de energía renovable s/total producción de energíaprimaria (P=0,000)

3 Bélgica (be) %Gasto I+D s/PIB (P=0,000)Alemania (de) %Población entre 15 y 29 años s/población total (P=0,020)Francia (fr) Producción eléctrica (Kwh per cápita) (P=0,001)

4 Portugal (pt) PIB millones PPC per cápita (P=0,001)5 Grecia (gr) Consumo interior de energía primaria (Tn per cápita) (P=0,001)

España (es) Tasa de actividad (P=0,002)Italia (it) Ordenadores personales por 1.000 habitantes (P=0,003)

6 Finlandia (fi) Consumo familiar de energía eléctrica (Kwh per cápita) (P=0,003) Suecia (se) %Saldo balanza de bienes y servicios s/PIB (P=0,003)

7 Irlanda (ie) Tasa de paro femenino (P=0,004)8 Austria (at) Camas de hospital por 1.000 habitantes (P=0,004)

Patentes en alta tecnología por millón de fuerza laboral (P=0,005)Producción industrial. % crecimiento anual (P=0,005)Número medio de personas por hogar (P=0,006)Saldo migratorio corregido por 1.000 habitantes (P=0,009)Plazas de camas en hoteles y establecimientos similarespor 1.000 habitantes (P=0,010)%Paro de larga durada femenino s/total paro femenino (P=0,012)Teléfonos móviles por 1.000 habitantes (P=0,014)Gastos totales de protección social por habitantes(en ECU) (P=0,016)Tasa bruta de mortalidad por SIDA (P=0,017)Importaciones netas de energía primaria (Tn per cápita) (P=0,017)

Clusters por países 1990 Variables que permiten discriminar entre grupos

Fuente: Elaboración propia.

Clusters por países 2000 Variables que permiten discriminar entre grupos

positivos y más negativos para las distintasvariables (CX, para X = número de clusters

(1,2,�,8)). De dicha información el cuadro 2destaca:

INFORMES Y ESTUDIOS


CUADRO 2. RASGOS MÁS SIGNIFICATIVOS DE LOS CLUSTERS POR PAÍSES

Clusters 1990 Clusters 2000

El cluster 1, que engloba sólo Luxemburgo, tiene un elevado valor positivo en el nivel de PIB per cápita aunqueello viene acompañado de elevadas tasas de emisiones contaminantes. Observemos, sin embargo, el esfuerzo enincrementar la energía renovable sobre el total de producción de energía primaria. Las cifras relativas a la tasade paro son más negativas que las de la mayoría de clusters restantes, por otro lado, también destacan las tasasde paro por debajo de la media de dos colectivos como son los jóvenes (en este caso sólo en 1990) y las mujeres.

El cluster 4 presenta deficiencias en muchas de las categorías de variables con las que hemos trabajado. Por ejem-plo en variables relacionadas con vida y salud, output, o familia y tecnología. En el año 2000 Grecia deja de per-tenecer a este cluster para incorporarse al conglomerado 5.

El cluster 5 en el año 2000 pierde a Francia y a él se incorpora Grecia. Con relación a la salud vemos que en 1990es el conglomerado con cifras más positivas de la tasa de mortalidad por SIDA y por enfermedades infecciosas yen cambio presenta las cifras más negativas en muertes por enfermedades del corazón. En el año 2000 en estasvariables es desbancado por Portugal (cluster 4). En términos positivos, destaca el número de médicos por habi-tante. En el mercado de trabajo sobresale por su baja tasa de actividad, y sus valores muy positivos en la tasa deparo de menores de 25 años y porcentaje de paro de larga durada femenino sobre el total de paro femenino.

Cluster 7: Irlanda es el único país que pertenece a este grupo. En él es donde el VAB agrario sigue representandoun mayor porcentaje sobre el PIB. La tasa de paro, el paro femenino y el paro de larga durada toman un elevadoprotagonismo en 1990, lo cual no persiste en el año 2000. Es el país con valores más negativos en los gastos en pro -tección social para la población.

El cluster 3 está formado por un solo país, Finlandia,destaca por la importancia de los gastos en protecciónsocial y por el número relativamente bajo de jóvenesentre 15 y 29 años. Muestra cifras negativas en varia-bles relacionadas con la vida y la salud, lo cual puedevalorarse como adecuado en el caso de por ejemplo, latasa de mortalidad infantil o la tasa bruta de mortali-dad por SIDA y negativo en cuanto a las expectativas devida de niños y mayores de 65 años. Remarcar que es elpaís con un centroide menor de vehículos por habitante.

El cluster 3 del año 2000 aglutina países pertenecientesa diversos clusters del año 1990. Es un cluster que, comosucede con el cluster 8 de 1990, presenta valores muyadecuados en los distintos perfiles de las variables, aun-que no alcanza los valores más positivos o más negativosen muchos centroides. Dos de ellos, en los que sobresalepor sus cifras positivas son en variables relacionadas conI+D, (aplicación de patentes y porcentaje de empleos enalta tecnología sobre total empleos). Ya hemos indicadoel papel que Alemania juega en estos resultados.

El cluster 6, de nuevo integrado por un solo país, Suecia,muestra los valores más positivos en la población demás 70 años sobre la población total. Como atenuantepuede considerarse que también destaca por la fertili-dad total y por la expectativa de vida de los niños reciénnacidos. En la categoría de salud sobresale el gasto ensalud por habitante y las camas de hospital por habi-tante. En el capítulo de energía el porcentaje de produc-ción de energía nuclear sobre producción de energía pri-maria toma el valor medio más elevado de todos los con-glomerados como también la producción de electricidad,aunque en este caso sobresale asimismo el consumo. Esel cluster que presenta mejores cifras medias del parode larga duración. Además, junto al cluster 1, es decirjunto a Luxemburgo, es donde encontramos el centroiderelativo a la tasa de paro más negativo.

El cluster 6 del año 2000 aglutina los clusters 3 y 6 delaño 1990. Sigue presentando un bajo porcentaje depoblación entre 15 y 29 años, baja mortalidad infantil,elevado porcentaje de estudiantes de enseñanza supe-rior sobre la población total, emisiones de componentesorgánicos volátiles, %consumo final público sobre PIB,las cifras más negativas del porcentaje de formaciónbruta de capital fijo sobre el PIB, %gasto I+D sobre PIB,patentes en alta tecnología por millón de fuerza laboral,usuarios de interent por 1.000 habitantes, teléfonosmóviles por 1.000 habitantes, consumo de energía eléc-trica y producción eléctrica. Ambos países, Finlandia ySuecia, han ido homogeneizándose en variables en lasque en la mayoría de ocasiones ya destacaban alguno delos dos o ambos en 1990.

En el cluster 2 en 1990, las variables relacionadas conI+D toman protagonismo, aunque no destaca por losgastos en I+D sobre el PIB. Asimismo, adquiere unaimportancia relativamente elevada el output tanto entérminos absolutos como en términos per cápita.

El hecho de que en el año 2000 las variables relacionadascon I+D dejen de destacar en el cluster 2 y pasen a hacerloen el cluster 3 nos lleva a concluir que Alemania, que es elpaís que ha pasado de un conglomerado a otro, era el queinfluenciaba más en los resultados positivos que hemosnombrado para el año 1990.

El cluster 8 formado por Bélgica y Austria, no destacapor tener centroides muy elevados, ni positivos ni nega-tivos. Muestra un comportamiento adecuado en los dis-tintos perfiles representados por las variables. Toma elliderazgo en plazas de camas en hoteles y estableci-mientos similares por 1.000 habitantes y junto al clus-ter 1 en km de autopistas por 1.000 habitantes.

En el año 2000 el cluster queda reducido a un solo país,Austria, lo cual le hace tener valores más negativos envariables relacionadas con la familia, nacimientos,salud y seguridad. En el mercado de trabajo presentavalores muy negativos en la tasa de paro de los menoresde 25 años.


RESULTADOS REGIONALES

El objetivo del análisis regional es deter-minar los clusters regionales de los años 1990y 2000 y evaluar si con el transcurso del tiem-po se detecta un proceso de homogeneizaciónsocio-económica a nivel regional. Ya hemoscomentado que a escala regional, por razonesde disponibilidades estadísticas, trabajamoscon un nivel inferior de variables discrimi-nantes.

También en este caso para ambos méto-dos, jerárquico y no jerárquico, y para los dosaños considerados, los conglomerados y losperfiles se corresponden, validando de estaforma los resultados.

La información analizada y la regla deparada llevan a definir 8 clusters regionalesen 1990 y 11 en al año 2000, el cuadro 3 losrecoge. Todas las variables incluidas en elestudio han resultado significativas para dis-criminar entre regiones (P=0,000). Los perfi-les de los grupos no muestran una elevadacorrespondencia entre ambos períodos, (aexcepción de los grupos 4 y 6 del año 1990, quese identifican respectivamente con los grupos8 y 6 del año 2000). A pesar de ello, a grandesrasgos, hay tendencias que se mantienen a lolargo del tiempo. Así por ejemplo, la mayorhomogeneidad entre regiones mediterráneas,la concentración de los mejores resultados enPIB y PIB per cápita e I+D en pocas regionesalemanas, los peores resultados en el mercadode trabajo en regiones españolas e italianas13,como más destacables.

En el año 2000 se intensifican las diver-gencias regionales. El mayor número de clus-

ters en el que se reparten las regiones así loindica. Observemos además que es un proce-so divergente en un doble sentido. En el año2000 los clusters 2, 7 y 11 son los que agluti-nan mayor número de regiones (78), lo que enal año 1990 ocurría con los clusters 2, 6 y 8(82). Sin embargo, en 1990 el resto de regio-nes se repartían entre los 5 grupos restantesmientras que ahora se reparten ente los 8grupos restantes. Vemos, primero, que hanaumentado el número de regiones que diver-gen de la mayoría. Y segundo, que las regio-nes que no se corresponden con dicho perfilmayoritario también han incrementado lasdivergencias entre ellas lo que ha llevado alindicado aumento del número de clusters14.

En general, en los datos regionales los cen-troides de las variables de los distintos clus-ters son mucho más divergentes que los cen-troides de dichas variables de los clusters porpaíses. Para estas variables, la divergenciaentre regiones es por tanto, mayor que ladivergencia entre países15.

Cabe destacar que la homogeneidad entrepaíses mediterráneos se traslada también alámbito regional, especialmente en regionesespañolas e italianas. En 1990 en el grupo 5, lamayor parte de regiones españolas mostrabanuna elevada homogeneidad con las regionesdel sur de Italia, Sicilia y Sardegna. Mientras



13 HALLET (2002) siguiendo los resultados de trabajosrecientes de la Comisión Europea (véase por ejemplo,Comisión Europea (2002)), presenta ciertos hechos esti-lizados sobre las disparidades regionales en Europa. Alhablar del mercado de trabajo apunta que mientras enalgunas zonas de la UE se empieza a detectar escasez demano de obra para determinadas actividades, en otras eldesempleo continúa siendo un grave problema.

14 RODRÍGUEZ-POSE (1997), en un estudio aplicado alperiodo 1977-93, pone en evidencia que las trayecto-rias económicas regionales de la UE poco o nada tienenque ver con una supuesta tendencia a la convergencia oa la divergencia, y mucho con la capacidad de cadaregión para responder a los retos derivados del procesode reestructuración socio-económica. Del mismomodo, VILLAVERDE (2000) afirma que es evidente que losproblemas de desequilibrios regionales en la UE siguensubsistiendo al menos en gran medida.

15 Esta idea también la sustenta la Comisión Euro-pea. Véase por ejemplo, Comisión Europea (1999;2002). Por su parte VILLAVERDE (2002) señala que lo pre-ocupante es que un cuarto de siglo después del naci-miento del FEDER las disparidades entre las regioneseuropeas sigan siendo bastante mayores que las dispari-dades entre los estados miembros.

en el grupo 1, las regiones italianas del norte yel centro se acercaban más a posiciones de dospequeñas regiones alemanas, una belga, unade Austria y una española. En el año 2000 lacorrespondencia es más acusada. En el conglo-merado 2 once de las diecisiete regiones espa-ñolas se agrupan con 10 regiones italianas quese ubican en el norte y centro de Italia, con unaregión del sur de Bélgica y con una región delsur de Grecia. Por su parte, el conglomerado 9reúne 4 regiones españolas, una del norte, dosdel sur y las islas canarias, con el sur de Italia,Sicilia y Sardegna.

La divergencia de las regiones del Sur deItalia respecto a las del centro y norte se man-tienen con el paso del tiempo. Como indicaMazziotta (1999), en un análisis de la conver-

gencia regional italiana, es precisamente elárea menos desarrollada del país, el sur, la queregistra menor intensidad en la aproximacióna los niveles de desarrollo de las otras divisio-nes territoriales. En este sentido, vemos queen el año 2000 muchas de las regiones españo-las se alejan de los estándares propios de lasregiones del sur de Italia para acercarse hacialas posiciones de las regiones del norte de Ita-lia. Sólo Asturias, Extremadura, Andalucía16

y Canarias quedan aún asociadas a las regio-nes del sur de Italia.

Entre 1990 y 2000 la mayoría de regionesde dos países europeos, Grecia y los PaísesBajos mantienen la homogeneidad regionalintrapaíses pero agudizan la discrepencia conel resto de regiones europeas.

INFORMES Y ESTUDIOS


16 En la mayoría de trabajos sobre convergencia ydesigualdad regional de la economía española estas tresregiones presentan debilidades en las variables objetode análisis. Véase por ejemplo, GARCÍA-MILÀ y MARIMON

(1999) o GOERLICH et al (2002).

CUADRO 3. CLUSTERS POR REGIONES (1990 y 2000)

Clusters por regiones 1990

1 be1; de5; de6; es3; it11; it13; it32; it33; it4; it51; it52; it53; it6; it71; at13;2 be2; de4; de8; de9; dec; dee; deg;fr21; fr22; fr23; fr24; fr25; fr26; fr3; fr41; fr42; fr43; r51; fr52; fr53; fr61; fr62; fr63;

fr71; fr72; fr81; fr82; fr83; nl13; at22; fi13 ;ukc; uke; ukm3 dk; de3; nl11; nl12; nl21; nl22; nl23; nl31; nl32; nl33; nl41; nl42; fi14; fi15; fi16; fi17 ;uki4 de1; de2; de7; dea; fr1; it2;5 es12; es13; es21; es41; es42; es43; es51; es52; es61; es62; es7; it8; it91; it92; it93; ita; itb;6 be3; r11; gr12; gr13; gr14; gr21; gr23; gr24; gr25; gr3; gr41; es11; es22; es23; es24; ie; it72; pt11; pt12; pt13; pt14; ukn7 gr22; gr42; gr43; es53; i t31; at21; at32; at33; pt158 deb; ded; def; it12; lu; nl34; at11; at12; at31; at34; fi2; se01; se02; se04; se06; se07; se08; se09; se0a; ukd; ukf; ukg;

ukh; ukj; ukk ;ukl

1 be1; de3;de5;de6;nl11;at13;2 be3; gr3; es11; es13; es21; es22; es23; es24; es3; es41; es42; es51; es52; fr3; it11; it13; it33; it4; it51; it52; it53; it6; i t71;

it723 gr11; gr12; gr13;gr14; gr21; gr23; gr24; gr25; gr41; gr43; es62;4 n12; nl13; nl21; nl22; nl23;nl34;nl41; ukn5 it12; at11; pt11; pt12; pt13; pt14; pt15; fi2; ukl6 gr22; gr42; es53; it31; at33;7 ded; fr21; fr22; fr23; fr24; fr25; fr26; fr41; fr43; fr51; fr52; fr53; fr61; fr62; fr63; fr71; fr72; fr81; fr82; fr83; fi13; fi 14;

fi15; fi17; se02; se04; se06; se07; se08; se09; se0a;8 de1; de2; dea; fr19 es12; es43; es61; es7; it8; it91; it92; it93; ita; itb10 de4; de8; deb; dec; dee; def; deg; fr42; lu; at12; at21; at22; at31; at32; at34;11 be2; dk; de7; de9; ie; it2; it32; nl31; nl32; nl33; nl42; fi16; se01; ukc; ukd; uke; ukf; ukg; ukh; uki; ukj; ukk; ukm


Clusters por regiones 2000

La segunda y tercera columnas del cuadrodel anexo 1 muestran para ambos años quégrupo o cluster tiene los valores centroidesmás positivos y más negativos (CRX, para X =

número de clusters regionales (1,2,�, 8) en1990 y (1,2,�., 11) en 2000), para las distin-tas variables. De dicha información el cuadro4 destaca:



CUADRO 4. RASGOS MÁS SIGNIFICATIVOS DE LOS CLUSTERS POR REGIONES

Clusters 2000

El primer cluster del año 2000 reúne a 6 regiones deescasa dimensión territorial de las cuales 3 corres-ponden a Alemania, 1 a Bélgica, 1 a los PaísesBajos, (es la más extensa), y 1 a Austria. Son regio-nes que sobresalen por el volumen de PIB per cápi-ta, el bajo peso del VAB agrario y las buenas cifrasen las variables relacionadas con la sanidad, lasalud y la educación.

Los países del área mediterránea se aglutinan enlos clusters 2 a 6 y 9 . El cluster 2 integra 11 regio-nes de España, 10 de Italia, 1 de Grecia y 1 de Bél-gica. Es un conglomerado que sobresale básicamen-te por dos variables, el elevado porcentaje de pobla-ción mayor de 70 años sobre la población total y labaja tasa de actividad en el mercado laboral.

El cluster 3 está formado 10 regiones griegas y 1región española (Murcia). Son las regiones con cen-troides más negativos en el volumen de PIB y en elPIB per cápita. Tienen el mayor porcentaje del VABagrario sobre el PIB. Asimismo, presentan los peo-res resultados en las cifras relativas a I+D.

La mayor parte de las regiones de los Países Bajosse agrupan en el 4 conglomerado. Las característi-cas que mejor lo definen son el bajo porcentaje depersonas de más de 70 años sobre el total de lapoblación y los buenos resultados de las cifras rela-tivas al mercado de trabajo, destacando en especialen la tasa de actividad, tasa de paro y tasa de parode los menores de 25 años.

El quinto cluster presenta deficiencias en la mayo-ría de variables discriminatorias.

Los clusters 6 y 9 mantienen el perfil de los clusters7 y 5 de 1990, respectivamente.

Clusters 1990

Los clusters 1, 5, 6 y 7, aglutinan gran parte de lasregiones de países mediterráneos. Los tres últimosclusters (5, 6 y 7) tienen los niveles más negativos delos centroides de variables relacionadas con I+D. Elcluster 1 integra 10 regiones italianas y una españo-la. Éstas, junto a 4 regiones diseminadas por el restode la UE, presentan cifras positivas en salud, educa-ción y PIB per cápita.

Los conglomerado 2 y 3 presentan las cifras más cer-canas a la media del conjunto de la UE, especial-mente en niveles de PIB y datos relativos a la tasa deparo.

La especificidad del cluster 4, el menos numeroso detodos, con 4 regiones de Alemania, 1 de Francia y 1de Italia, radica en la elevada población que concen-tra en su territorio, el bajo peso del VAB agrariosobre el PIB, las cifras positivas en I+D y en PIB, glo-bal y per cápita y el buen comportamiento de la tasade paro de los jóvenes y de las mujeres.

El cluster 5 aglutina 17 regiones, todas ellas españo-las e italianas. Son las regiones con peores resulta-dos en todas las variables relacionadas con el merca-do de trabajo.

El cluster 6 integra regiones de Grecia (10), España(4), Portugal (4), Bélgica (1), Reino Unido (1) y el paísde Irlanda (1). Es el cluster con peores resultados envariables relacionadas con vida y salud (tasa de mor-talidad infantil, camas de hospital por habitante) yPIB per cápita. En estas regiones es donde el VABagrario sobre el PIB alcanza valores más positivos.

El mayor poder discriminante del cluster 7 está en elelevado número de camas en hoteles y estableci-mientos similares y en la baja tasa de paro, tenga-mos en cuenta que en él encontramos zonas típica-mente turísticas como las Islas Baleares (es53), lasislas griegas (gr22, gr42, gr43) o el Tirol (at33).

CONCLUSIONES

El trabajo revisa la posible tendenciahacia una mayor acercamiento socio-econó-mico dentro de los países y regiones de la UE.El análisis toma como periodos de referencialos años 1990 y 2000.

Entre 1990 y 2000 se mantienen el núme-ro y los perfiles de los clusters por países,aunque con ciertos movimientos de paísesinter-clusters. En ambos años se obtienen 8clusters de países, sin embargo, hay elevadasdiferencias entre los centroides de los grupos,por lo que puede concluirse que no se observauna disminución de las divergencias entre lospaíses de la UE.

No obstante, sí parecen dislumbrarse per-files que se intuían en 1990 y se confirmanen el año 2000. Tendríamos por un lado quelos países del área mediterránea (España,Grecia e Italia) forman un cluster, por otro

lado los países del centro de la UE (Bélgica,Alemania y Francia) se agrupan en otrocluster y finalmente, los países nórdicos(Finlandia y Suecia) forman un tercer clus-ter.

Si en el año 1990 las variables de mayorcapacidad discriminatoria por países se rela-cionaban con la energía, en el año 2000 sobre-salen las de familia, tecnología y mercado detrabajo.

Los resultados regionales permiten indi-car que en el período de análisis se ha inten-sificado la dispersión interregional. La diver-gencia se manifiesta tanto en el hecho de quehan aumentado las regiones que presentanamplias diferencias con lo que sería la evolu-ción regional mayoritaria, como en el hechode que han aumentado el número de conglo-merados (de 8 en 1990 a 11 en el año 2000),síntoma de que en las variables analizadas seagudiza la polarización regional.

INFORMES Y ESTUDIOS


CUADRO 4. RASGOS MÁS SIGNIFICATIVOS DE LOS CLUSTERS POR REGIONES(Cont.)

Clusters 2000

El cluster 7, el más numeroso del año 2000, agluti-na 19 regiones de Francia, 7 de Suecia, 4 de Finlan-dia y 1 de Alemania. Sus centroides no destacan porser muy elevados ni en términos negativos ni en tér-minos positivos. Es el cluster más representativo dela situación media de la UE.

El cluster 8 se corresponde con el cluster 4 del año1990. Aunque en el 2000 el número de regiones quelo integran ha disminuido, (de7 y it2 están ahora enel conglomerado 11).

El cluster 10 destaca por el elevado porcentaje depoblación entre 30 y 44 años sobre la población totaly por el bajo porcentaje de estudiantes de enseñan-za superior sobre el total de la población. En el res-to de variables no alcanza valores muy significati-vos, aunque en la mayoría de ellas el valor del cen-troide es negativo.

Igual comentario que el anterior merece el cluster11, aunque en este caso, los centroides son la mayo-ría de las veces, positivos.

Clusters 1990

El cluster 8 aglutina regiones de diversos países quesobresalen por el buen comportamiento de las varia-bles relacionadas con la tasa de paro y por el bajoporcentaje de población joven lo que le lleva a tenertambién un bajo porcentaje de estudiantes de ense-ñanza superior sobre el total de población.


Se ha detectado un mayor grado de disper-sión de los clusters por regiones que por paí-ses. Las disparidades entre las regiones de laUE son mayores que las disparidades entrelos países miembros.

La mayor homogeneidad entre países delárea mediterránea se confirma también en elámbito regional, especialmente entre regio-nes italianas y españolas. La divergencia delas regiones griegas ya no sólo con las restan-tes de la zona mediterránea, sino con el restode regiones de la UE se acentúa en el año2000.

A nivel regional, los conglomerados 2 y 3del año 1990 son los que presentan las cifrasmás cercanas a la media del conjunto de laUE. En el conglomerado 2 encontramosmayoritariamente regiones francesas y ale-manas y en el conglomerado 3 regiones de losPaíses Bajos. En el año 2000 esta caracterís-tica la encontramos en el conglomerado 7 quesigue acaparando un gran número de regio-nes francesas.

El trabajo permite concluir que para lasvariables y el periodo analizados no se ha pro-ducido un acercamiento socio-económicoentre países de la Unión Europea. En el año2000 la divergencia entre países sigue siendosignificativa y similar a la que se observaba ainicios de los años noventa cuando la UniónEuropea no era todavía un hecho. Estosresultados son igualmente ciertos e inclusomás intensos en el ámbito regional. En estecaso, y para algunas de las variables objeto deestudio, se constata incluso una mayor diver-gencia al final del periodo.

No cabe duda que los resultados anterioresnos deben hacer reflexionar acerca de cómo sehan enfocado las políticas sociales y regiona-les de la UE y cómo deberían plantearse decara al futuro. Es preciso, asimismo, tener encuenta que el camino a recorrer es todavíamuy largo, más aún cuando la nueva amplia-ción de la UE que puede incrementar todavíamás las divergencias socio-económicas.

BIBLIOGRAFÍA

ARMSTRONG, H. G. (1995): «An appraisal of theevidence from cross-sectional analysis of theregional growth process within the EuropeanUnion» en ARMSTRONG, H.W. Y VIEKER-MAN, R.W. (eds.): Convergence and divergenceamong the European Regions, Pion, Londres,pp. 40-45.

AURIOLES, J.; FERNÁNDEZ, M.C. y MANZANA-RES, E. (2002): «La ampliación de la UniónEuropea hacia el Este: posibles efectos regiona-les», Papeles de Economía Española, núm. 93,pp. 226-243.

BAJO, O. (1998): « Integración regional, crecimien-to y convergencia: un panorama», Revista deEconomía Aplicada, 16 (vol VI), pp. 121-160.

BAJO, O.; DÍAZ, C. y MONTÁVEZ, M.D. (1999):«Política fiscal y crecimiento en las Comunida-des Autónomas españolas», Papeles de Econo-mía Española, núm. 80, pp. 203-218.

BARRO, R. y SALA-I-MARTIN, X. (1990): «Econo-mic growth and convergence across the UnitedStates» NBER Working paper, núm. 3.419.

� (1991): «Convergence across states andregions», Brookings Papers on Economic Acti-vity, vol. 1, pp. 107-182.

� (1992): «Convergence», Journal of political Eco-nomy, 100 (2), pp. 223-251.

BAUMOL, W.J. y WOLFF, E.N. (1988): «Producti-vity growth, convergence and welfare: reply»,American Economic Review, 78, pp. 1.155-1.159.

BERNARD, A. y DURLAUF, S. (1996): «Interpre-ting tests of the convergence hypothesis», Jour-nal of Econometrics, 71, pp. 161-173.

CANOVA, F. y MARCET, A. (1995): «The poor staypoor: non-convergence across countries andregions», Economics Working Paper, 137, Uni-versitat Pompeu Fabra.

COMISIÓN EUROPEA (1999): VI Informe periódicosobre la situación y evolución socioeconómica delas regiones de la Unión Europea, Luxemburgo.

� (2002): Comunicación de la Comisión, Primerinforme intermedio sobre la cohesión económicay social, Bruselas, 30 de enero, COM(200) 46final.



CUADRADO, J.R.; MANCHA, T. y GARRIDO, R.(1998): Convergencia regional en España.Hechos, tendencias y perspectivas, FundaciónArgentaria, Madrid.

CUADRADO-ROURA, J.R. y PARELLADA, M.(2002): Regional convergente in the EuropeanUnion, Berlín, Springer.

CHATTERJI, M. (1992): «Convergence clubs andendogenous growth», Oxford Review of Econo-mic Policy, 8, pp. 57-69.

DE LA FUENTE, A. (1994): «Crecimiento y conver-gencia: un panorama selectivo de la evidenciaempírica», Cuadernos Económicos de ICE, núm.58, 1994/3, pp. 23- 69.

� (1996): «Economía regional desde una perspec-tiva neoclásica. De convergencia y otras histo-rias», Revista de Economía Aplicada , 10(vol.IV), pp. 5-63.

DE LA FUENTE, A. y FREIRE, M.J. (2000):«Estructura sectorial y convergencia regional»,Revista de Economía Aplicada, 23 (vol. VIII),pp. 189-205.

DEWHURST, J. H. Ll. y MUTIS-GAITAN, H.(1995): «Varying Speeds of Regional GDP perCapita Convergence in the European Union,1981-1991», European Research in RegionalScience, Vol.5, p22-39.

DURLAUF, S.N. y JOHNSON, P.A. (1996): «Localversus global convergence across national eco-nomies», NBER Working paper, núm. 3.996,Cambridge, Mass.

ESTAY, J. (2002): «Globalización económica y con-vergencia: ¿Hacia un nuevo contexto del des-arrollo regional?, http://www.redem.buap.mx(Red de Estudios de la Economía Mundial).

EZCURRA, R. (2001): «Convergencia y cambioestructural en la Unión Europea», Documento deTrabajo 0111 de la Universidad Pública deNavarra.

EZCURRA, R.; GIL, C.; PASCUAL, P. y RAPÚN,M. (2002): «Movilidad y desigualdad regional enla Unión Europea», IX Encuentro de EconomíaPública, Vigo, Febrero.

GARCÍA GOÑI, M. (1997): «Motores, rápidos yseguidores: la renta per cápita provincial enEspaña 1960-1991» mimeo, Universidad deNavarra, Pamplona.

GARCÍA, B. y RAYMOND, J.L. (1999): «Las dispa-ridades regionales y la hipótesis de convergen-

cia: una revisión», Papeles de Economía Espa-ñola, núm. 80, pp.2-18. 8.

GARCÍA-MILÀ, T. y MARIMON, R. (1999): «Creci-miento de las regiones españolas. Estructurasectorial, dinámica regional y distribución derentas», Papeles de Economía Española, núm.80, pp. 29-50.

GARRIDO, N.; MARINA, A. y SOTELSEK, D.(2001): «Un ejercicio empírico sobre las regionesespañolas y las provincias argentinas», trabajopresentado a la Reunión Anual de la AsociaciónArgentina de Economía Política.

GOERLICH, F.J.; MAS, M. y PÉREZ, F. (2002):«Concentración, convergencia y desigualdadregional en España», Papeles de EconomíaEspañola, núm. 93, pp.17-36.

HAIR, J.F. ; ANDERSON, R.E.; TATHAM, R.L. yBLACK, W.C. (1999): Análisis multivariante,Prentice-Hall, Madrid, 5ª edición.

HALLET, M. (2002): «Convergencia de renta ypolíticas regionales en Europa: resultados yretos para el futuro», Papeles de EconomíaEspañola, núm. 93, pp.38-50.

LÓPEZ-BAZO, E.; VAYA, E.; MORA, A: y SURI-ÑACH, J. (1999): «Regional economic dynamicsand convergence in the European Union» TheAnnals of Regional Science, 33 (3), pp. 343-370.

MARCET, A. (1994): «Los pobres siguen siendopobres: Convergencia entre regiones y países,un análisis bayesiano de datos panel», Creci-miento y convergencia regional en España yEuropa, vol. II, Instituto de Análisis Económico,Barcelona.

MARÍA-DOLORES, R. y GARCÍA, J. (2002): «Con-vergencia real de las regiones españolas: elimpacto de los fondos estructurales», Papeles deEconomía Española, núm 93, pp. 51-64.

MARINA, A.B. (1999): «Convergencia de los indica-dores sociales en la Argentina», Reunión Anualde la Asociación Argentina de Economía Política.

MAS, M.; MAUDOS, J.; PÉREZ, F. y URIEL, E.(1994): «Disparidades regionales y convergenciaen las Comunidades Autónomas», Revista deEconomía Aplicada, 4 (vol.II), pp. 129-148.

� (1995): «Public capital and convergence in Spa-nish regions», Entrepreneurship and RegionalDevelopment, núm. 7, pp. 309-327.

INFORMES Y ESTUDIOS


MAZZIOTTA, C. (1999): «Convergencia regional ydotación de capital humano. El caso italiano»,Papeles de Economía Española, núm. 80, pp.136-149.

PACI, R. (1997): «More similar and less equal: eco-nomic growth in the european regions», Welt-wirtschaftliches Archiv, 133, pp. 609-634.

PALLARDÓ, V.J. y ESTEVE, V. (1997): «Conver-gencia real en la Unión Europea», Revista deEconomía Aplicada, 14 (vol V), pp. 25-49.

PERALTA, M.J.; RÚA, A.; FERNÁNDEZ, L. yBORRÁS, F. (2000): Tipología socioeconómicade las regiones europeas. Comparativa estadísti-ca, Instituto de Estadística de la Comunidad deMadrid, colección: Metodología e Infraestructu-ra Estadística, Madrid.

QUAH, D. (1993a): «Empirical cross-section dyna-mics in economic growth», European EconomicReview, 37, pp. 426-434.

� (1993b): «Galton's fallacy and tests of the con-vergence hypothesis», Scandinavian Journal ofEconomics, vol. 95, núm. 4, pp. 427-443.

� (1995): «Regional convergence clusters acrossEurope» Discussion Paper, núm. 274, Centre forEconomic Performance, December.

� (1996a): «Empirics for economic growth andconvergence», European Economic review, vol.40, núm. 6, pp. 1.353.1.375.

� (1996b): «Twin peaks: growth and covergence inmodels of distribution dynamics», EconomicJournal, 106, pp. 1.045-1.055.

� (1996c): «Convergence empirics across econo-mies with (some) capital mobility», Journal ofEconomic Growth, 1, pp. 95-124.

� (1997): «Empirics for growth and distribution:stratification, polarization and convergenceclubs» Discussion Paper núm. 324, Centre forEconomic Performance, January.

RAYMOND, J.L. y GARCÍA, B. (1994): «Las dispa-ridades en el PIB per cápita entre ComunidadesAutónomas y la hipótesis de convergencia»,Papeles de Economía Española, núm. 59, pp.37-58.

RODRÍGUEZ-POSE, A. (1997): «El papel del factorestatal en la percepción de la convergenciaregional en la Unión Europea», InformaciónComercial Española, núm. 762, pp. 9-24.

� (1999): «Convergence or divergence? Types ofregional responses to socio-economic change inwestern Europe», Tijdschrift voor Economischeen Sociale Geografie, 90 (4), pp. 363-378.

RODRÍGUEZ-POSE, A. y FRATESI, U. (2002):«Unbalanced development strategies and thelack of regional convergence in the EU», Paperpresented at the Annual Conference of theEuropean Regional Science Association, Dort-mund, August.

RÚA, A.; BORRÁS, F.; FERNÁNDEZ, L. y PERAL-TA, M.J. (2000): «Búsqueda de los patronessocioeconómicos en la Unión Europea: análisisde componentes principales y análisis factori-al», XXV Congreso Nacional de Estadística Ope-rativa, Vigo.

SALA-I-MARTIN (1990): «Lectures Notes on eco-nomic growth (I): introduction to the literatureand neoclassical models», NBER, WP, núm.3563.

� (1994a): «La riqueza de las naciones. Evidenciay teoría sobre crecimiento regional y convergen-cia», Moneda y crédito, 198, pp. 13-55.

� (1994b): Apuntes de crecimiento económico,Antonio Bosch Editor, Barcelona.

� (1996): «Regional cohesion: evidence and theo-ries of regional growth and convergence», Euro-pean Economic Review, 40, pp. 1.325-1.352.

VILLAVERDE, J. y SÁNCHEZ-ROBLES, B.(1998): «Disparidades provinciales y clubes deconvergencia en España» Revista de EstudiosRegionales, núm. 52, pp. 177-199.

VILLAVERDE CASTRO, J. (2000): «Los desequili-brios regionales en Europa y España: nuevasestimaciones, ¿viejos problemas?», Cuadernos deInformación Económica, núm. 155, pp. 107-115.

VILLAVERDE, J. (2002): «Convergencia, polariza-ción y movilidad regional en la Unión Europea»,Papeles de Economía Española, núm. 93, pp.2-16.

WEISE, CH.; BACHTLER, J.; DOWNES, R. MCMASTER, I. y TOEPEL, K. (2001): The impactof EU enlargement on cohesion. final report,DIW y EPRC, European Commission Tendernúm. PO/00-1/RegioA4.



INFORMES Y ESTUDIOS


ANEXO 1. VARIABLES INCLUIDAS EN EL ESTUDIO Y PREPONDERANCIA EN LOS CLUSTERS

VARIABLE Centroide 19901 Centroide 20001

POBLACIÓN

Población total. Miles C1-;C5+ C1-;C3+CR4+;CR6- CR6-;CR8+

Saldo migratorio corregido por 1.000 habitantes C1+;C7- C1+;C3-%Población entre 15 y 29 años s/ población total C3-;C7+ C1-;C4+;C6-;C7+

CR5+;CR8- CR8-;CR9+%Población entre 30 y 44 años s/ población total C3+;C7- CR3+;CR6-

C1+;C6-;C7-;C8+ CR1+;CR7-;CR8+;CR10+

%Población más de 70 años s/ población total C6+;C7- C4+;C7-CR1+;CR2- CR2+; CR4-

FAMILIAS Y NACIMIENTOS

Divorcios por 1.000 habitantes C3+;C4-;C7- C6+;C7-Edad media de las madres primerizas C4-;C7+ C7+;C8-Número medio de personas por hogar C6-;C7+ C6-;C7+Fertilidad total C6+;C7+; C4- C5-;C7+;C8-

VIDA Y RIESGOS

Expectativa de vida de los recién nacidos: niñas C5+;C7- C4-;C5+;C7-Expectativa de vida de los recién nacidos: niños C3-;C6+ C4-;C5+Expectativa de vida a los 65 años: mujeres C5+;C7- C3+;C7-Expectativa de vida a los 65 años: hombres C3-;C5+;C7- C4-;C5+;C7-Tasa de mortalidad infantil C3-; C4+ C4+;C6-

CR2-;CR6+CR3+;CR7-;CR9+

SALUD Y SEGURIDAD

Número medio de calorías por persona/día (Kcal.) C3-;C4+;C8+ C4+;C6-Muertes por cáncer: mujeres por cada 100.000 mujeres C2+;C4-;C7+ C5-;C7+Muertes por cáncer: hombres por cada 100.000 hombres C1+;C6- C3+;C6-Tasa bruta de mortalidad por SIDA C3-;C5+ C4+;C7-Tasa bruta de mortalidad por enfermedades infecciosas: mujeres C5+;C7- C4+;C8-Tasa bruta de mortalidad por enfermedades infecciosas : hombres C5+;C7- C4+;C8-Muertes por enfermedades del corazón: mujeres por 100.000 mujeres C3+;C5- C4-;C7+Muertes por enfermedades del corazón: hombres por 100.000 hombres C3+;C5-;C7+ C4-;C7+Gasto en salud por habitante en paridad de poder de compra (PPC) C4-;C8+ C1+;C4-%Gasto total en salud s/ PIB C1-;C6+ C3+C7-Médicos por 100.000 habitantes C5+;C7- C5+;C7-

CR1+;CR3-;CR5+ CR1+;CR2+;CR4-;CR9+

Camas de hospital por 100.000 habitantes C4-;C6+ C1+;C4-CR2+;CR6-;CR8+ CR1+;CR3-;

CR8+;CR10+

EDUCACIÓN

%Estudiantes (excluidos pre-primaria)s/población total C1-;C7+ C1-;C7+%Estudiantes enseñanza superior s/población total C1-;C3+ C1-;C6+

CR1+;CR8- CR1+;CR10-




MERCADO DE TRABAJO

% de trabajadores a tiempo parcial involuntarios C2-;C3 C2-;C5+Tasa de actividad C5-;C6+ C2+;C5-

CR5-;CR8+ CR2-;CR4+;CR9-CR11+

Tasa de paro C1-;C6-;C7+ C1-;C5+CR5+;CR7-CR8- CR4-;CR9+

Tasa de paro de menores de 25 años C1-;C5+ C5+;C8-CR4-;CR5+ CR4-;CR9+

Tasa de paro femenino C1-;C7+ C1-;C5+CR4-;CR5+;CR8- CR9+;CR11-

% Paro de larga durada femenino (12 o más meses) s/total C5+; C6- C1-;C5+paro femenino CR5+;CR8- CR3+;CR6-% Paro de larga durada masculino (12 o más meses) s/ total C6-;C7+ C1-;C7+paro masculino CR5+;CR8- CR3+;CR6-

MEDIO-AMBIENTE

Emisiones de componentes orgánicos volátiles(Kg de hidrocarburo por persona) C6+;C7- C1-;C6+Emisiones de monóxido de carbono (Kg/CO por persona) C1+;C3- C1+;C2-Emisiones de dióxido de carbono (Tn/CO2 por persona) C1+C4- C1+;C4-Emisiones de óxido de azufre (kg/SO2 por persona) C6-;C7+;C8- C7+;C8-Emisiones de óxido de nitrógeno (kg/NO2 por persona) C1+;C8- C1+;C8-

OUTPUT

PIBpm millones PPC C1-;C2+;C5+ C1-;C3+CR4+;CR7- CR3-;CR6-;CR8+

PIBpm millones PPC per cápita C1+; C2+;C4- C1+;C4-CR1+;CR4+;CR5-; CR1+; CR3-;CR6- CR8+

GASTO Y CONSUMO

%Consumo final privado s/PIB C1-;C4+ C1-;C5+%Consumo final públicos s/PIB C2+;C6+;C7- C6+;C7-%Formación bruta de capital fijo s/PIB C3+;C6- C4+;C6-%Saldo balanza de bienes y servicios s/PIB C1+;C4- C1+;C4-;C7+

FINANZAS DEL SECTOR PÚBLICO

%Cotizaciones sociales s/PIB C5+;C7-;C8+ C3+;C7-%Formación bruta de capital fijo pública s/PIB C1+; C2- C1+;C8-

GASTOS (PÚBLICOS Y PRIVADOS)EN PROTECCIÓN SOCIAL

%Prestaciones sociales s/PIB C3+;C4-;C6+;C7- C7-;C8+Gastos totales de protección social por habitante (en ECU) C3+;C4-;C6+;C7- C1+;C5-

ANEXO 1. (Continuación)

INFORMES Y ESTUDIOS


I+D

%Gasto en I+D s/PIB C4-;C6+;C7- C5-;C6+CR4+;CR5-;CR6-;CR7- CR3-;CR8+

Total aplicación de patentes C2+,C4- CR6-;CR7-CR4+;CR5- CR3-;CR8+;CR9-C1-;C3+

Patentes en alta tecnología por millón de fuerza laboral C2+;C4- C4-;C6+% Empleos en alta tecnología s/ total empleos C2+;C4-;C8+ C1-;C3+

ACTIVIDAD ECONÓMICA

%VA agrario s/PIB C1-;C5+ C1-;C7+CR4-;CR6+ CR1-;CR3+;

CR4+CR8-Producción total industrial. % crecimiento anual C1-;C8+ C4-;C7+Plazas de camas en hoteles y establecimientos similares C2-;C8+ C2-;C8+por 1.000 habitantes CR3-;CR7+ CR4-;CR6+

FAMILIA Y TECNOLOGÍA

Ordenadores personales por 1.000 habitantes C1+;C4- C1+;C4-Usuarios de Internet por 1.000 habitantes C1-;C6+;C7- C4-;C6+Teléfonos móviles por 1.000 habitantes C3+;C4- C4-;C6+

TRANSPORTE

Km de autopistas por 1.000 habitantes C1+;C4-;C7-; C1+;C7-C8+CR6- CR6-

Km de vía férrea por 1.000 habitantes C3+;C4- C1+;C4-;C7-Total número de vehículos por 1.000 habitantes C3-;C6+ C1+;C4-

CR1+;CR4+;CR6- CR3-;CR5+

ENERGÍA

Producción de energía primaria (Tn per cápita) C1-;C6+ C1-;C2+C4-Importaciones netas de energía primaria (Tn per cápita) C1+;C2- C1+;C2-% producción de petróleo s/ total producción de energía primaria C1-;C2+C3-; C1-;C2+;C4-;

C6-;C7- C6-;C7-% producción de energía renovable s/ total producción de energíaprimaria C1+; C2- C1+;C2-;C4+% producción de energía nuclear s/ total producción de energía primaria C1-;C4-;C6+; C1-;C3+;

C7-;C8- C4-;C7-;C8-Consumo interior de energía primaria (Tn per cápita) C1+;C4- C1+;C4-Consumo final de energía (Millones Tn per cápita) C1+;C2- C1;C4-Consumo de energía eléctrica (Kwh per cápita) C4-;C6+; C4-;C6+Consumo familiar de energía eléctrica. (Kwh per cápita) C4-;C6+ C4-;C6+Producción eléctrica (Kwh per cápita) C4-;C6+ C1-;C6+

(1) CX+: El cluster X de países, muestra unos valores medios más positivos en la variable en cuestión.CRX+: El cluster X de regiones, muestra unos valores medios más positivos en la variable en cuestión.CX-: El cluster X muestra unos valores medios más negativos en la variable en cuestión.CRX+: El cluster X de regiones, muestra unos valores medios más negativos en la variable en cuestión.





17 No se han incluido los territorios españoles en el norte de África: Ceuta y Melilla.

ANEXO 2. REGIONES INCLUIDAS EN EL ESTUDIO

de1 Baden-Württembergde2 Bayernde3 Berlínde4 Brandenburgde5 Bremende6 Hamburgde7 Hessen

Alemania (de) NUTS-1 Länder de8 Mecklenburg-Vorpommernde9 Niedersachsendea Nordrhein-Westfalendeb Rheinland-Pfalzdec Saarlandded Sachsendee Sachsen-Anhaltdef Schleswig-Holsteindeg Thüringen

at11 Burgenlandat12 Niederösterreichat13 Wienat21 Kärnten

Austria (at) NUTS-2 Bundesländer at22 Steiermarkat31 Oberösterreichat32 Salzburgat33 Tirolat34 Vorarlberg

be1 Capitale/Brussels hoofdstadBélgica (be) NUTS-1 Régions be2 Vlaams Gewest

be3 Région Wallone

Dinamarca (dk) NUTS-0 País dk Dinamarca

es11 Galiciaes12 Principado de Asturiases13 Cantabriaes21 País Vascoes22 Comunidad Foral de Navarraes23 La Riojaes24 Aragónes3 Comunidad de Madrid

España17 (es) NUTS-2 Comunidades es41 Castilla y LeónAutónomas es42 Castilla- La Mancha

es43 Extremaduraes51 Cataluñaes52 Comunidad Valencianaes53 Islas Baleareses61 Andalucíaes62 Murciaes7 Canarias

INFORMES Y ESTUDIOS


fr1 Île de Francefr21 Champagne-Ardennefr22 Picardiefr23 Haute-Normandiefr24 Centrefr25 Basse-Normandiefr26 Bourgognefr3 Nord-Pas-de-Calaisfr41 Lorrainefr42 Alsacefr43 Franche-Comté

Francia18 (fr) NUTS-2 Régions fr51 Pays de la Loirefr52 Bretagnefr53 Poitou-Charentesfr61 Aquitainefr62 Midi-Pyrénéesfr63 Limousinfr71 Rhône-Alpesfr72 Auvergnefr81 Languedoc-Roussillonfr82 Provence- Alpes-Côte d'Azurfr83 Corse

fi13 Itä-Suomifi14 Väli-Suomifi15 Pohjois-Suomi

Finlandia (fi) NUTS-2 Suuralueet fi16 Uusimaa (suuralue)fi17 Etelä-Suomifi2 .land

gr11 Anatoliki Makedonia, Thrakigr12 Kentriki Makedoniagr13 Dytiki Makedoniagr14 Thessaliagr21 Iperiosgr22 Ionia Nissia

Grecia (gr) NUTS-2 Perifereies gr23 Dytiki Elladagr24 Sterea Elladagr25 Peloponnisosgr3 Attikigr41 Voreio Aigaiogr42 Notio Aigaiogr43 Kriti

Irlanda (ie) NUTS-0 País ie Irlanda

it11 Piemonteit12 Valle d'Aosta

Italia (it) NUTS-2 Regioni it13 Liguriait2 Lombardiait31 Trentino-Alto Adige

18 No se han incluido los departamentos de ultramar: Guadalupe, Martinica, Guayana francesa y Reunión.




it32 Venetoit33 Friuli-Venezia Giuliait4 Emilia-Romagnait51 Toscanait52 Umbriait53 Marcheit6 Lazio

Italia (it) NUTS-2 Regioni it71 Abruzzoit72 Moliseit8 Campaniait91 Pugliait92 Basilicatait93 Calabriaita Siciliaitb Sardegna

Luxemburgo (lu) NUTS-0 País lu Luxemburgo

nl11Groningennl12 Frieslandnl13 Drenthenl21 Overijsselnl22 Gelderland

Países Bajos (nl) NUTS-2 Provincies nl23 Flevolandnl31 Utrechtnl32 Noord-Hollandnl33 Zuid-Hollandnl34 Zeelandnl41 Noord-Brabantnl42 Limburg

pt11 Nortept12 Centro

Portugal19 (pt) NUTS-2 Commisaoes de pt13 Lisboa e Vale do Tejocoordenaçao regional pt14 Alentejo

pt15 Algarve

ukc North Eastukd North Westuke Yorkshire and The Humberukf East Midlandsukg West Midlandsukh Eastern

Reino Unido (uk) NUTS-1 Standard regions uki Londonukj South Eastukk South Westukl Walesukm Scotlandukn Northern Ireland

se01 Stockholmse02 Östra Mellansverigese04 Sydsverigese06 Norra Mellansverige

Suecia (se) NUTS-2 Riksområden se07 Mellersta Norrlandse08 Övre Norrlandse09 Småland med öarnase0a Västsverige

19 No se han incluido las islas portuguesas en el Atlántico: Azores y Madeira.


RESUMEN El trabajo tiene como objetivos, en primer lugar, analizar qué clubes socio-económicos sedetectan entre los países y las regiones de la Unión Europea (UE). En segundo lugar, detec-tar si con el transcurso del tiempo se ha producido un proceso de homogeneización de posi-ciones socio-económicas tanto a nivel de países como de regiones. El período de análisis sonlos años 1990 y 2000. Para alcanzar los objetivos propuestos, el estudio aplica un análisiscluster sobre variables socio-económicas a fin de agrupar los países y regiones de la UE enconglomerados. El trabajo permite concluir que para las variables y el periodo analizadosno se ha producido un acercamiento socio-económico entre países de la Unión Europea. Enel año 2000 la divergencia entre países sigue siendo significativa y similar a la que se obser-vaba a inicios de los años noventa. Estos resultados son igualmente ciertos e incluso másintensos en el ámbito regional.

INFORMES Y ESTUDIOS


¿se ha producido un acercamiento socio-económico en el ... · ción de posiciones...

Documents