Ineficiencia salarial y territorio: un análisis del caso español.

Ángel Martín-Román

Alfonso Moral

Carlos Pérez

angellm@eco.uva.es

Departamento: Fundamentos del Análisis Económico

Universidad: Universidad de Valladolid Área Temática: Población y mercado de trabajo

Resumen: En objetivo central de este trabajo consiste en estimar las ganancias

potenciales y el grado de eficiencia (o consecución salarial) de los trabajadores en las

diferentes económicas española. Para ello nos valemos de la técnica de las fronteras

estocásticas y utilizamos los ficheros de microdatos de la Encuesta de Estructura

Salarial (INE).

Como punto de partida supondremos que existe una función individual de generación de

renta potencial. Dicha constituye una frontera superior de ingresos salariales, de forma

que el montante de los mismos realmente percibido por el trabajador en un momento

dado deberá ser inferior, o a lo sumo igual, al máximo potencial. El motivo básico de la

“ineficiencia salarial”, esto es, de que los trabajadores pueden no estar percibiendo

efectivamente su salario potencial, debemos buscarlo, básicamente, en la existencia de

deficiencias informativas y, por tanto, en el hecho de que el proceso de búsqueda de

empleo sea costoso para el trabajador.

Esta técnica permite estimar un salario potencial o frontera superior que está

determinada por una ecuación minceriana y un parámetro de ineficiencia que indica

como de lejos se encuentra cada individuo de ella. Con esta finalidad se realiza una

estimación máximo verosímil donde se incluye una perturbación compuesta por un

término aleatorio de esperanza nula, y por otro que posee una distribución específica

con esperanza no negativa. Es este último el que aproxima el grado de ineficiencia del

trabajador para alcanzar ese salario potencial.

En una segunda fase se emplean técnicas de econometría espacial para estudiar la

existencia de patrones territoriales en el grado de ineficiencia salarial.

Palabras Clave: Capital humano, eficiencia, salarios, fronteras estocásticas, dependencia

espacial

Clasificación JEL: R23, J24, J31

1. INTRODUCCIÓN

Cuando se estima una ecuación salarial minceriana convencional (Mincer, 1974) con el

objetivo de calcular los rendimientos de la educación, los resultados obtenidos se

refieren a los salarios medios. La práctica de analizar valores medios es muy común

dentro de la disciplina de la economía, por otra parte, y hay que decir que ha generado

grandes progresos en el conocimiento. Pero hay fenómenos que no pueden estudiarse

desde esta óptica algo reduccionista. En este trabajo pretendemos precisamente

profundizar en una de esas cuestiones: la ineficiencia en la consecución salarial. Para

lograr este fin haremos uso de la metodología econométrica de las fronteras

estocásticas.

El objetivo fundamental de este trabajo es medir la ineficiencia salarial en las diferentes

regiones españolas en un primer paso, y analizar si se detectan patrones territoriales

mediante técnicas de econometría espacial en una segunda etapa. Aunque hay algunos

antecedentes bibliográficos que examinan la interdependencia de los salarios medios en

territorios vecinos para el caso español, según nuestro conocimiento no ha estudiado la

dependencia espacial de la ineficiencia salarial, siendo este el elemento más novedoso

de este trabajo.

Como ya ha sido comentado, para llevar a cabo la medición de la ineficiencia salarial

hacemos uso de la técnica de las fronteras estocásticas. Sin entrar en detalles demasiado

técnicos, que serán discutidos en una sección posterior, la idea básica es que esta

metodología permite registrar para cada individuo la diferencia que existe entre el

salario máximo que podría percibir de acuerdo a su dotación de capital humano y el

salario que efectivamente recibe. Esa brecha salarial es lo que denominamos

ineficiencia en este trabajo. Utilizando las olas de 2006 y 2010 de los microdatos de la

Encuesta de Estructura Salarial (EES), hacemos una especificación minceriana de la

frontera salarial de los trabajadores que desarrollan su actividad laboral en las regiones

de España y posteriormente se agregan los individuos de dichos territorios y

construimos, de esta manera, la brecha salarial para las mencionadas regiones.

Finalmente, tratamos de buscar algunos factores explicativos de las diferencias

registradas en la ineficiencia salarial de cada zona. En esta segunda etapa

implementamos técnicas de econometría espacial para detectar patrones territoriales.

Adicionalmente, hacemos una comparación entre los años 2006 y 2010. Dado el rápido

e intenso deterioro del mercado de trabajo español desde 2008, la comparación de estos

dos momentos del tiempo, uno anterior y otro posterior, nos permite obtener

interesantes conclusiones del propio funcionamiento de dicho mercado laboral en las

diferentes regiones españolas.

El resto del trabajo se organiza como sigue. En el segundo apartado se explican las

posibles causas que pueden generar la ineficiencia salarial y las implicaciones que

tienen desde el punto de vista del análisis regional.En la sección 3 se enmarca esta

investigación en la literatura existente y se analiza el estado de la cuestión. El apartado 4

comenta la base de datos empleada y esboza algunos resultados descriptivos obtenidos

de un primer análisis de la misma. En la sección 5 se explica en qué consiste la

metodología econométrica empleada y cómo ésta permite alcanzar el objetivo

planteado. El apartado 6 expone los principales resultados. La sección 7 resume las

principales conclusiones.

2. INEFICIENCIA SALARIAL Y TERRITORIO.

Como punto de partida comenzaremos explicando qué es lo que entendemos por

consecución salarial. Con este término nos referimos al porcentaje de salario máximo

potencial que un trabajador acaba realmente alcanzando de forma efectiva, dada su

dotación de capital humano. Por ejemplo, si una determinada de cantidad de capital

humano permitiera cobrar a un individuo genérico un salario de 25€ a la hora y un

trabajador concreto con esa misma dotación cobrara solamente 20€ a la hora, diríamos

que su consecución salarial es del 80% o, alternativamente, que su ineficiencia salarial

es del 20%.

Hay varios motivos para pensar que el funcionamiento de los mercados de trabajo

genera frecuentemente situaciones de ineficiencia salarial. De esta forma, la brecha

salarial entre el salario potencial y el salario efectivo podría racionalizarse en términos

de, al menos, cuatro tipos de explicaciones, siguiendo la literatura académica

desarrollada dentro de la economía laboral: información imperfecta sobre la distribución

salarial, rigideces salariales causadas por las instituciones que operan en el mercado de

trabajo, discriminación laboral y lo que podíamos denominar mala calidad de los

emparejamientos. Aunque algunos de estos motivos pueden actuar de forma conjunta,

explicaremos de forma breve como cada uno de ellos por separado puede provocar una

separación entre el salario potencial de un trabajador y la remuneración efectivamente

percibida.

Quizás, la explicación más habitual de este fenómeno hace referencia a los argumentos

relacionados con los modelos de la denominada teoría de la búsqueda de trabajo

(Mortensen, 1986). Cuando la información sobre los diferentes puestos de trabajo

existentes en un mercado, dado un cierto nivel educativo de un trabajador, es costosa de

adquirir, pueden persistir diferencias salariales asociadas a diferentes puestos de trabajo,

incluso aunque el trabajo sea homogéneo. El buscador de trabajo podría conocer la

distribución salarial de dicho mercado de trabajo, pero desconoce el salario concreto

que va a encontrar en el próximo contacto que tenga con un empleador. Desde un punto

de vista dinámico podría ser óptimo cesar la búsqueda de trabajo y aceptar una oferta

salarial aunque ésta se encuentre por debajo del máximo potencial que podría alcanzar.

En segundo lugar, se podría acudir a las interferencias y las rigideces que en ocasiones

generan las instituciones laborales para justificar la existencia de la brecha salarial. La

noción de rigidez en el mercado de trabajo es un término algo vago y podría hacer

alusión a una variedad de aspectos. Aquí para centrar un poco la cuestión nos vamos a

referir a una dimensión muy concreta de ella, y que creemos que puede jugar un papel

muy importante en el mercado de trabajo español: la dualidad en el mercado provocada

por la legislación laboral en materia de contratación. Es un hecho bien conocido que el

peso relativo que han supuesto los trabajadores con contrato temporal en España es muy

elevado en relación con los estándares internacionales. Al mismo tiempo, los

trabajadores con un contrato indefinido han estado muy protegidos por la legislación de

protección al empleo con unos costes de despido muy altos. Los dos hechos

simultáneamente han provocado que el mercado de trabajo español sea un escenario que

encaja muy bien en el marco de la teoría de los insiders-outsiders (Lindbeck & Snower,

2001). Según una interpretación de esta teoría, los trabajadores internos serían aquellos

con contrato indefinido y los externos aquellos desempleados o con contrato temporal.

Los primeros tendrían sus derechos laborales bien protegidos por la acción colectiva de

los sindicatos y conseguirían consecuciones salariales altas, dado su alto poder de

negociación, mientras que los segundos deberían aceptar peores acuerdos salariales,

ceteris paribus, que sus contrapartes con contrato indefinido. Evidentemente, esto

provocaría que los trabajadores externos presentaran mayores ineficiencias salariales.

Un tercer candidato para explicar la brecha salarial de los trabajadores ocupados serían

las teorías de la discriminación salarial. Especialmente relevante para el contexto que

nos ocupa en esta investigación serían la relativa a la discriminación estadística (Aigner

& Cain, 1977). En estos modelos, los empleadores tratan de estimar la productividad

potencial de un trabajador acudiendo a “señales” objetivas, como puede ser la

pertenencia a un grupo social determinado, dado que conocer la productividad real de

cada individuo implicaría costes informativos inasumibles para el empleador.

Lógicamente, aquellos trabajadores que pertenecen a un grupo señalizado como “de

baja productividad” percibirían un salario menor a su propia productividad. Al ser

comparados con trabajadores totalmente idénticos a ellos, desde una perspectiva de

capital humano, pero pertenecientes a un grupo señalizado como “de alta productividad”

se registrarían diferencias que podrían conceptualizarse como ineficiencia salarial

dentro de la marco de estudio del presente trabajo.

El último factor explicativo podría denominarse “pobre calidad del emparejamiento

laboral”. Una referencia clásica en este sentido es Cahuc & Postel-Vinay (2002). Según

este trabajo, en el contexto de la teoría de la búsqueda de trabajo y con instituciones que

generan la anteriormente citada dualidad en el mercado de trabajo, los emparejamientos

laborales empleado-empleador pueden provocar ineficiencia salarial. Una

reinterpretación de esta idea podría aplicarse a la actual coyuntura económica de

recesión-depresión que experimenta la economía española. Con un mercado de trabajo

tan deprimido, los buscadores de trabajo tienen que aceptar en ocasiones ofertas

salariales muy por debajo de lo que indicaría su productividad. A diferencia de la teoría

de la búsqueda en la que la ineficiencia salarial es provocada por la excesiva

información que el trabajador tiene que procesar en un mercado de trabajo muy

dinámico, aquí lo que ocurre es que hay una escasez muy elevada de oportunidades

laborales que obliga a los buscadores de empleo a aceptar la primera oferta laboral que

se les ofrece, puesto que puede pasar mucho tiempo hasta que reciban otra.

Una vez identificados los factores que pueden provocar la ineficiencia salarial en un

mercado de trabajo, se revela evidente la importancia del análisis regional. Si se

constataran diferentes grados de consecución salarial en diferentes mercados de trabajo

regionales, este hecho en sí mismo podría considerarse un resultado significativo y

revelador del funcionamiento de los mercados de trabajo territoriales en España. Al fin

y al cabo, se podría esperar, desde la óptica de la economía neoclásica que se produjeran

movimientos migratorios interregionales que deberían hacer desparecer dichas

discrepancias a través de los desplazamientos compensatorios de las ofertas de trabajo.

Una segunda cuestión sería testar si existe correlación espacial entre los territorios

vecinos, lo que informaría sobre una cierta vinculación espacial de los mercados de

trabajo regionales. Todas estas cuestiones serán analizadas en este artículo.

3.-ESTADO DE LA CUESTIÓN.

La técnica de las fronteras estocásticas ha sido utilizada habitualmente en el marco de

los estudios sobre la eficiencia productiva, desde que Aigner et al. (1977) y Meeusen &

Van den Broeck (1977) definieran y emplearan de forma simultánea e independiente,

dicho concepto de frontera estocástica. A pesar de ello, esta técnica también ha sido

aplicada en el campo de la economía laboral y más concretamente en la comprensión

del proceso de formación de los salarios. En este sentido, y en lo referente a la

determinación del salario potencial de los trabajadores, se ha aplicado esta técnica, entre

otros, en los trabajos de Hofler & Polachek (1982, 1985), Polachek & Yoon (1987,

1996), Hofler & Murphy (1992) y Polachek & Robst (1998). Una vez obtenido el

potencial salarial, mediante la estimación de la frontera, es posible analizar en qué

medida un determinado colectivo o, incluso, el global de trabajadores de un

determinado territorio, se separan de ella.

En el primero de estos casos, podemos hacer una interpretación del fenómeno en

términos del grado de discriminación salarial al que están expuestos ciertos colectivos

sensibles, en la medida en que esta técnica permite cuantificar cómo poseer una

determinada característica (ser mujer, inmigrante,…) les aleja sistemáticamente de su

potencial salarial. A este respecto, encontramos, entre otras, las aportaciones de

Robinson & Wunnava (1989), Robinson (1993), García et al. (2001), Bishop et al.

(2007) y Díaz & Sánchez (2011), en lo referente a la discriminación salarial por motivos

de género. En el caso de Herzog et al. (1985), Daneshvary et al (1992) y Lang (2000,

2004) se aplica este procedimiento a la consecución salarial de los inmigrantes.

La otra forma de abordar el tema de la ineficiencia salarial consiste en plantearla como

un fenómeno global, que incluso es posible cuantificar a nivel del conjunto de un

determinado territorio, aunque analizando cómo diferentes colectivos socio-laborales

influyen en ella e, incluso, cómo puede evolucionar a lo largo del tiempo. Los trabajos

referidos en el primer párrafo de este apartado, una vez obtenida la frontera, computan

también el grado de ineficiencia en el caso de los Estados Unidos. En otros países el

tema se aborda, por ejemplo, en Dar (2007) para Canadá, Adamchik & King (2007)

para Polonia, Harmath & Ramoni (2012) para Venezuela y en García et al. (2005) y

Zarco et al. (2009) para España.

Este trabajo se enmarca, en esencia, en la última de las categorías mencionadas más

arriba, dado que su objeto central es determinar el nivel de eficiencia salarial de las

diferentes regiones españolas. Además de eso, analiza también su evolución en dos

momentos del tiempo especialmente significativos: 2006 y 2010, antes y durante la

crisis económica. Para ello, se han aprovechado las dos olas de la EES correspondientes

a dichos años y el hecho de que, a pesar de las posibles deficiencias, esta encuesta

ofrece los mejores datos salariales para analizar el comportamiento de los salarios en las

regiones españolas a nivel microeconómico, para construir, en una segunda etapa, un

índice macroeconómico de ineficiencia salarial.

Con respecto a la literatura relativa al estudio de los niveles salariales de las diferentes

regiones españolas y su interrelación, habría que decir que ya hay algunos trabajos en

esta dirección. Sin ánimo de ser exhaustivos se podrían citar dos trabajos bastante

recientes a modo de ejemplo: Maza y Villaverde (2009) y Bande et al. (2012). No

obstante, hay que señalar que nuestro planteamiento aquí es bastante diferente: no se

tratan de analizar los niveles salariales de las regiones españolas y/o su

interdependencia, sino que el objeto de estudio es el grado de consecución salarial o,

visto desde el punto de vista contrario, la ineficiencia salarial. Según nuestro

conocimiento, este planteamiento es totalmente novedoso.

4.-BASE DE DATOS.

La información estadística empleada en este trabajo proviene de la Encuesta de

Estructura Salarial (EES). Esta encuesta proporciona información sobre la estructura y

distribución de los salarios y se realiza con periodicidad cuatrienal en todos los Estados

miembros de la Unión Europea. Uno de los aspectos más importantes de esta base de

datos es que recoge los salarios en el cuestionario de forma individual y, junto a ellos,

una gran cantidad de variables relacionadas con el trabajador como la edad, el sexo, el

nivel de estudios o el tipo de contrato. Incluye, además, otras variables que afectan

colectivamente a los trabajadores de un establecimiento o una empresa como la

existencia o no de convenio colectivo o si la propiedad de la misma es pública o

privada. Así mismo, se ofrece también información sobre la región en que se sitúa la

empresa.

En el caso español, disponemos de olas de la EES para los años 1995, 2002, 2006 y

2010 cubriendo los sectores de la industria, la construcción y los servicios1. Sin

embargo, para los objetivos propuestos en este trabajo solo se van a emplear los datos

de 2006 y de 2010, por su localización temporal con respecto a la crisis y porque,

además, son las únicas olas que mantienen el ámbito poblacional2. Además, conviene

aclarar que el estudio se remite únicamente a aquellos trabajadores que desarrollan su

actividad en jornada a tiempo completo (la calificación de la jornada la realizan los

propios informantes). Finalmente, y dado que la dimensión esencial de este estudio es la

regional, ha sido necesaria una explotación especial de la EES que se ha solicitado al

1 En 2006 se analizan aquellas actividades incluidas en las secciones C a K y en las M, N y O de la CNAE-93

(igual que en 2002), mientras que en 2010 se incluyen los centros de cotización del Régimen General cuya actividad se encuadra en las secciones B a S y en el Régimen Especial de Trabajadores del Mar la división 50, todas ellas de la CNAE-09 2 Por un lado, en los años 1995 y 2006 no se incluyen los trabajadores de centros con menos de 10 trabajadores. Por otro, en 1995 se incluyen los trabajadores contratados a 31 de octubre con independencia de que hayan estado dados de alta durante todo el mes, y esto puede afectar a la información salarial como variable central de este trabajo.

Instituto Nacional de Estadística. Dicha explotación ha proporcionado 148.779 datos

para el año 2006 y 108.635 para el 2010.

La variable dependiente empleada en este trabajo es una proxy del salario por hora

obtenida como cociente entre el salario bruto anual y la jornada laboral anual pactada.

Los datos de ambos años, además, se han deflactado por el Índice de Precios al

Consumo. En el cuadro 1 se presentan algunos descriptivos de los datos medios de este

salario así como de su dispersión en las diferentes regiones y en los dos años analizados.

En términos generales se observa un incremento del salario real entre 2006 y 2010 algo

superior al 14%, junto con una pequeña disminución de la variabilidad que seguramente

sea debida a una pérdida de trabajo en las escalas salariales inferiores. Entrando más en

el detalle del cuadro 1 se puede comprobar como las diferencias salariales entre las

diferentes regiones españolas son considerables. Si comparamos los dos extremos de la

muestra conjunta se puede observar que el salario medio por hora en el País Vasco

supera en más de un 60% al de las Islas Canarias y en casi un 70% al de Extremadura.

Los datos muestran un grupo de Comunidades Autónomas con salarios muy por encima

de la media formado por Navarra, País Vasco, Cataluña y Madrid. En cambio, el resto

de Comunidades tienen salarios por hora inferiores a la media nacional.

El gráfico 1 completa el análisis descriptivo mostrando los Kernel relativos a la

distribución del logaritmo del salario hora por año en las 17 Comunidades Autónomas

españolas y para las Ciudades Autónomas de Ceuta y Melilla. Los resultados corroboran

las diferencias entre las distribuciones salariales de las diversas regiones y, en particular,

entre los grupos de regiones que se sitúan por encima y por debajo de la media de

España.

Para complementar este estudio descriptivo, vamos a efectuar un estudio más

pormenorizado que permita explicar el origen de las diferencias salariales así como la

existencia de posibles patrones espaciales.

5.-METODOLOGÍA

Desde el punto de vista metodológico se van a seguir dos vías diferentes. La primera de

ellas para identificar los factores determinantes de los niveles salariales y su grado de

consecución. La segunda para analizar la existencia de patrones espaciales y si estos

están relacionados con la eficiencia a la hora de alcanzar el salario máximo.

El punto de partida de esta parte del trabajo es la estimación de una función de

ganancias semi-logarítmica que trata de explicar el valor del salario. Para ello se recurre

a una ecuación minceriana donde el logaritmo del salario se pone en función de

variables explicativas que tratan de medir el nivel de capital humano del trabajador. Este

nivel de capital humano marca un salario máximo (salario potencial) que representa una

frontera superior3 que puede ser estimada de acuerdo a la siguiente expresión:

(1)

Donde es el logaritmo del salario hora potencial

, es un vector de

características individuales (edad, antigüedad o el nivel de estudios en el modelo más

básico)., es un vector de coeficientes y un error aleatorio de media 0 y varianza .

Sin embargo, existe un problema de información y unos costes de búsqueda que

impiden que el salario real que recibe el trabajador alcance su nivel potencial. Por lo

tanto los datos salariales observados, se corresponden con unas realizaciones

ineficientes de ese nivel potencial. Dicho salario real observado es el resultado de restar

al salario potencial una perturbación aleatoria no negativa según aparece recogido en la

ecuación 2.

(2)

Donde es el logaritmo de la duración real

y es otro término de

error de media positiva y varianza . A fin de conseguir que el modelo compuesto sea

estimable es necesario que siga una distribución determinada. En la literatura existen

varios antecedentes sobre algunas distribuciones que permiten realizar la estimación.

Aigner et al (1977) utilizan una distribución Semi-Normal, Meeusen and van den

Broeck (1977) optan por una Exponencial, Stevenson (1980) emplea una Normal

Truncada y Green (1980a y 1980b) se deciden por una distribución Gamma4. A partir de

1 y 2 obtenemos la siguiente expresión:

(3)

El hecho de tener una perturbación compuesta hace que la estimación por mínimos

cuadrados ordinarios no sea la más adecuada. Siempre que las perturbaciones y los

regresores sean independientes, los estimadores de mínimos cuadrados ordinarios son

insesgados, consistentes y eficientes entre los estimadores lineales, sin embargo hay

inconsistencia en el término constante y no pueden separarse las varianzas de las dos

perturbaciones5. Por ello es más adecuada la estimación máximo verosímil utilizando la

metodología de las fronteras estocásticas. De esa manera se pueden obtener los términos

y

.que son las varianzas de las dos perturbaciones del modelo y son esenciales para

el cálculo de γ y λ. Estos dos últimos parámetros se definen como:

3 Esta frontera superior, dentro del marco metodológico de este trabajo, estaría asociada a lo que la literatura ha denominado frontera de producción.

4 Para los cálculos de este trabajo se ha empleado un distribución normal truncada, no obstante se ha probado con la exponencial y la seminormal y los resultados no

sufren grandes alteraciones.

5 El hecho de no poder estimar de forma separada el valor de las varianzas impide realizar los test correspondientes para validar la existencia de ineficiencia.

y

y son los que permiten conocer el peso de la ineficiencia a la hora de explicar el nivel

salarial.

El hecho de utilizar fronteras estocásticas para el análisis también permite obtener

estimaciones de a través de la media o la moda de sabiendo que

(Jondrow et al. 1982). De esta manera es posible calcular para cada individuo el valor

de su eficiencia a través de la siguiente expresión:

(4)

Para la búsqueda de patrones espacial se utiliza un análisis exploratorio de datos

espaciales mediante el uso de test de dependencia espacial global y local. El estadístico

global de correlación espacial que se aplican es la i de Moran (Moran, 1948)6 y se

define de acuerdo con la siguiente expresión:

(5)

Donde es el valor de la variable en la región i, es la media muestral de la variable

, son los componentes de la matriz de pesos espaciales, el tamaño muestral y

. (6)

La i de Moran suele tomar valores entre -1 y 1 (aunque puede sobrepasar ambos

límites) indicando autocorrelación positiva (negativa) cuando sus valores se acercan a 1

(-1) lo cual implica que las zonas con altos valores de la variable se rodean de zonas con

altos (bajos) valores de la misma. Finalmente, si la i de Moran toma el valor cero indica

ausencia de autocorrelación espacial.

Este test permite contrastar la presencia o ausencia a nivel global, pero no permiten

evaluar la estructura local de la correlación espacial. Para corregir esta deficiencia se

realizan un contraste local de asociación espacial, el estadístico local de Moran Ii

(Anselín, 1995)7

que se define como sigue:

(7)

Donde es el valor que toma en la región la variable normalizada y el conjunto de

zonas que se consideran vecinas de .

6 El índice I de Moran es un coeficiente de autocorrelación de la muestra (Dutilleul, 1998). Cliff y Ord (1981) señalan que I parece estar menos afectado por la

distribución de los datos y le adjudican una ventaja estadística sobre otros índices.

7 Una buena descripción de todos estos estadísticos aparece en Moreno y Vaya (2002).

Para todos estos test se han empleado matrices de contigüidad de las Comunidades

autónomas. De esta manera se consideran territorios vecinos todos aquellos que tienen

una frontera común entre sí. Por lo tanto las regiones insulares no presentan ningún tipo

de vecindad

6.-RESULTADOS.

Antes de comenzar con el comentario de los resultados de la estimación de la ecuación

de salarios conviene hacer algunas consideraciones adicionales de carácter

metodológico. Por un lado, la forma funcional elegida para modelizar la ineficiencia ha

sido la exponencial8. Por otro lado, los valores las varianzas de las dos perturbaciones

así como los de los parámetros λ de todas las especificaciones, pone de manifiesto la

importancia del componente de ineficiencia y la existencia de una frontera de

producción.

En los cuadros 2 y 3 se presentan los resultados del análisis de fronteras estocásticas. El

cuadro 2 se refiere a un modelo donde se considera una frontera común para todas las

Comunidades Autónomas y se analizan cinco especificaciones diferentes. El modelo I

se caracteriza por una ecuación minceriana donde las únicas variables explicativas son

la edad, la antigüedad y la educación, el modelo II añade a los anteriores controles de

ocupación, el modelo III incluye una variable que indica si estamos en 2010 mientras

que los modelos IV y V añaden la edad y la procedencia del trabajador. En el cuadro 3

se incluyen las mismas cinco especificaciones que en el cuadro 2 pero en un modelo

donde se consideran fronteras diferenciadas para cada Comunidad Autónoma.

Los resultados de estas estimaciones son coherentes con lo esperable de acuerdo con la

literatura. Con independencia de que se utilice frontera única o múltiple se puede

comprobar que el nivel de formación y la experiencia del trabajador (medida por su

estrato de edad y su antigüedad) incrementan su potencial salarial. Se aprecia que la

inclusión de las variables de ocupación reduce el efecto de la educación y que el hecho

de ser mujer reduce el potencial salarial en cerca de dos puntos porcentuales. También

se observa que un mismo trabajador de referencia habría aumentado su potencial salarial

real (desplazamiento de la frontera) en algo más del 2% desde el año 2006 al 2010. Este

aumento, en principio interpretable en términos del progreso técnico de la economía, es

bastante moderado si tenemos en cuenta que se trata de un transcurso temporal de cuatro

años. Finalmente se aprecia una reducción salarial de los trabajadores inmigrantes que

8 D ac rdo co Gr 2008 “Th ass m tio o ha - orma ity has s m d d y arro ”. No obstante,

también se han realizado estimaciones con la seminormal y las conclusiones finales son muy similares. La normal truncada se descartó por dar problemas en el proceso de convergencia de la estimación.

es especialmente significativo entre los procedentes de países europeos que no

pertenecen a la UE y de aquellos no europeos distintos de América Latina.

Por su parte, la comparación de los cuadros 2 y 3 también permite extraer dos

conclusiones interesantes. En primer lugar, la significación de las variables ficticias

regionales pone de manifiesto la importancia del componente regional más allá de la

diferente composición de la mano de obra que ya se ha controlado a través del resto de

variables explicativas. De esta forma, se observa cómo el País Vasco o Navarra

presentan una frontera salarial casi un 20% superior a la de Andalucía (región de

referencia) o cómo Canarias se sitúa un 5% por debajo de la Comunidad andaluza. En

segundo lugar, se aprecia un aumento del efecto de la procedencia del trabajador sobre

el techo salarial cuando se emplean fronteras diferenciadas. De esta manera, un

trabajador procedente de un país europeo que no pertenezca a la Unión tendría un techo

salarial un 13% inferior al de un trabajador nacional, o un 12% inferior si es de un país

no europeo distinto de América Latina.

Una vez analizado el efecto de las distintas variables y la importancia del componente

regional, el siguiente paso en el análisis de fronteras es el cálculo del porcentaje de

consecución salarial para cada trabajador y modelo analizado. En los cuadros 4, 5 y 6 se

muestran algunos descriptivos de esta consecución salarial con desagregación regional.

El cuadro 4 analiza el porcentaje medio de consecución salarial para cada Comunidad

Autónoma y modelo analizado cuando se emplea una frontera común para todas las

regiones. Por su parte, el cuadro 5 analiza la misma variable y desagregaciones que el

cuadro 4, pero en el caso en que se usan fronteras diferenciadas a nivel regional.

Finalmente, el cuadro 6 presenta la consecución salarial para la especificación más

completa (modelo V), tanto en el modelo de frontera única como en el de frontera

diferenciada a nivel regional y desagregando por Comunidad Autónoma y año de

referencia.

Los resultados de consecución salarial de los cuadros 4 y 5 muestran que los salarios

observados se sitúan como media, en torno a algo más del 76% de su valor potencial

para todas las especificaciones analizadas. Este resultado también se repite con

independencia de que se emplee una frontera única o fronteras diferenciadas por

Comunidades Autónomas. Además, se observa que la inclusión de variables adicionales

al modelo básico minceriano no supone grandes cambios en el nivel de consecución

salarial ni a nivel agregado ni en la desagregación regional.

Desde el punto de vista territorial se aprecian diferencias interregionales que son más

significativas en el caso del modelo con frontera única. Este resultado es lógico si

tenemos en cuenta el hecho de que parte de las diferencias en el nivel de consecución

salarial son consecuencia del diferente nivel de vida de cada zona. El cuadro 4 refleja

que las Comunidades Autónomas más eficientes son el País Vasco, Navarra, Cataluña y

Madrid mientras que el resto de Comunidades, como ya pasaba cuando analizábamos el

nivel salarial, se sitúan por debajo de la media. Sin embargo, cuando utilizamos

fronteras diferentes, y por lo tanto corregimos parte de la diferencia en el nivel de cada

zona, los resultados cambian. El cuadro 5 muestra como, con fronteras diferentes, la

consecución salarial es muy similar en cada zona. Sin embargo ahora es Galicia la que

alcanza un mayor grado de eficiencia, mientras que Madrid pasa a formar, junto con

Andalucía, el grupo de Comunidades menos eficientes.

Por su parte el cuadro 6 completa los comentarios anteriores añadiendo el efecto

temporal a la hora de estudiar la eficiencia. A nivel agregado se observa un incremento

de la consecución salarial (tanto con frontera única como con fronteras diferenciadas),

resultado que se puede generalizar para la mayoría de las Comunidades Autónomas.

Son el País Vasco, Navarra y Aragón las únicas zonas donde se ha producido una

reducción en el grado de consecución salarial entre 2006 y 2010. Si unimos este hecho a

que son las regiones que mejor han soportado la caída del empleo y que han pasado a

estar por debajo de la media en la consecución salarial cuando empleamos fronteras

diferenciadas, podríamos avanzar que son estas las zonas donde más se ha moderado la

evolución salarial una vez controlado el cambio de la composición en la mano de obra.

La última parte del análisis empírico se centra en la búsqueda de patrones espaciales en

el grado de consecución salarial de las diferentes Comunidades Autónomas. Dicho de

otra manera, se trata de identificar regiones vecinas que compartan altos o bajos grados

de eficiencia

El análisis exploratorio de datos espaciales realizado para el nivel de eficiencia de cada

región permite añadir algunos resultados interesantes a los que ya hemos avanzado. En

el cuadro 7 y en los gráficos 2, 3 y 6 se presenta el análisis de dependencia para el nivel

de consecución salarial cuando se considera una única frontera salarial para todas las

Comunidades Autónomas. El cuadro 7 muestra que para la muestra conjunta y en

especial para el año 2006 se encuentra un valor de la I de Moran significativamente

distinto de cero que indica un cierto grado de dependencia espacial positiva. Esta

conclusión también se extrae de la mayor concentración de puntos en los cuadrantes 1º

y 3º de los Scatter Plot9

de Moran que aparecen en el gráfico 3 y de la concentración de

regiones eficientes en el nordeste de España, que muestra el Box Map del gráfico 2.

Por su parte, el análisis de dependencia espacial local que se muestra en el gráfico 6

presenta a Navarra como una región eficiente rodeada de regiones eficientes y a La

Rioja como región no eficiente rodeada de otras que si lo son. Además, en el año 2006

también se encuentra un cluster de baja eficiencia en el sur de España. Estos resultados

también se corroboran con los test de dependencia espacial local de Moran10

En el cuadro 8 y en los gráficos 4, 5 y 7 se estudia la dependencia espacial para el grado

de eficiencia de cada Comunidad Autónoma cuando se emplean fronteras diferenciadas.

Ahora, el análisis del cuadro 8 solo muestra dependencia espacial positiva para el año

2006 y para ello es necesario reducir el nivel de significación al 10%. Esta es también la

explicación que se aprecia al observar el Scatter Plot y el Box Map. En cuanto al

análisis de dependencia espacial local, sigue manteniéndose un cluster de eficiencia en

torno a Navarra, en especial en 2006 (como ya ocurría cuando se empleaba una frontera

única) y otro de eficiencia baja rodeado de zonas más eficientes en torno a Castilla y

León, especialmente en 2010.

7.-CONCLUSIONES.

De acuerdo con los datos del Encuesta de Estructura Salarial el salario medio en el País

Vasco durante 2010 para un trabajador a tiempo completo supera en más de un 50% al

que se recibe en Canarias o Extremadura. Sin embargo estas diferencias salariales

pueden ser consecuencia del diferente nivel de vida de cada región, de las características

de su mano de obra o del grado de eficiencia de los trabajadores a la hora de negociar su

remuneración.

El análisis empírico desarrollado en este trabajo a través de la técnica de fronteras

estocásticas ha permitido identificar los factores más importantes a la hora determinar el

salario potencial de cada trabajador así como su nivel de eficiencia a la hora de

conseguirlo. Los resultados muestran que la edad, la antigüedad, el nivel de educación o

el nivel de vida de cada Comunidad Autónoma son factores determinantes del salario de

cada zona, y también que el género, la nacionalidad o la ocupación son factores

explicativos de las diferencias salariales. Además se aprecia un aumento salarial entre

los dos periodos analizados.

9 Se trata de gráficos en los que se muestra la correlación entre una variable y su retardo espacial medido

como el valor medio que toma esa variable es sus regiones vecinas. 10

Estos test están a disposición de los interesados previa petición a los autores, aunque se ha decidido no incluirles en el texto.

El nivel de eficiencia de cada Comunidad Autónoma cuando se emplea una frontera

única refleja que las regiones de mayor nivel de vida son las que tienen un mayor nivel

de consecución salarial. Sin embargo, si corregimos el efecto del nivel de vida

empleando un modelo de fronteras diferenciadas, se puede comprobar que el grado de

eficiencia salarial es muy similar para todas las Comunidades Autónomas, y que ahora

no son las regiones con más salario las que están más cerca de su remuneración

potencial.

La última parte del trabajo se centra en el estudio de la dependencia espacial entre el

grado de eficiencia de cada Comunidad Autónoma. Los resultados muestran una cierta

correlación espacial positiva y la existencia de un cluster de alta eficiencia en la zona

norte con su centro en Navarra. La comparación intertemporal refleja que la

dependencia espacial se muestra más evidente en 2006 donde también surge un cluster

de baja eficiencia en el sur de la península, mientras que en 2010 y quizá debido a la

crisis económica, parece desvanecerse. Finalmente se comprueba que la correlación es

más significativa cuando se emplea el modelo de frontera única, lo que parece indicar

que también hay cierta dependencia espacial entre los salarios de las distintas regiones.

BIBLIOGRAFÍA

Adamchik, V. A. and King, A. E. (2007): “Labor Market Efficiency in Poland: A

Stochastic Wage Frontier Analysis”, International Journal of Business and Finance

Research, 1(2), 41-50.

Ahamdanech-Zarco, I., J. A. Bishop and A. Grodner (2009): “Labor Market Efficiency

in Spain: A Stochastic Frontier Approach”, East Carolina University,

http://www.ecu.edu/cs-educ/econ/upload/ecu0906-2.pdf

Aigner, D., C. Lovell, and Schmidt P. (1977): “Formulation and estimation of stochastic

frontier production function models”, Journal of Econometrics, 6(1), 21-37.

Aigner, D. J. and Cain, G. G. (1997): “Statistical Theories of Discrimination in Labor

Markets”, Industrial and Labor Relations Review, 30(2), 175-187.

Anselin, L. (1995), “Local Indicators of Spatial Association-LISA”. Geographical

Analysis, 27 (2), 93-115.

Bande, F., Fernández, M. y Montuenga, V. (2012): “Wage flexibility and local labour

markets: a test on the homogeneity of the wage curve in Spain”, Investigaciones

Regionales, 24, 175-198.

Battese, G. E. and Coelli, T. (1995): “A model for technical inefficiency effects in a

stochastic frontier production function for panel data”, Empirical Economics, 20, 325-

332.

Bishop, J.A., Grodner, A., Liu, H. and Chiou, J.R. (2007): “Gender earnings

differentials in Taiwan: a stochastic frontier approach”, Journal of Asian Economics,

18(6), 934-945.

Cahuc, P. and Postel-Vinay, F. (2002): “Temporary Jobs, Employment Protection, and

Labor Market Perfomance”, Labour Economics, 9, 63-91.

Cliff A.D. y Ord J.K. (1981): Spatial Processes: Models and Applications. Pion Ltd.,

London.

Daneshvary, N., Herzog, H.W. jr., Hofler, R.A., Schlottmann, A.M. (1992): “Job Search

and Immigrant Assimilation: An Earnings Frontier Approach”, Review of Economics

and Statistics, 74(3), 482-492.

Dar, A. A. (2007): “Estimating Worker Information Gaps From A Stochastic Wage

Frontier: A Study Of Canadian Labour Markets”, International Business & Economics

Research Journal, 6(12), 91-98.

Diaz, M.A. and R. Sanchez (2011): “Gender and potential wage in Europe: a stochastic

frontier approach”, International Journal of Manpower, 32(4), 410-425.

___________ (2013): “Young workers, marital status and wage gap”, Revista de

Economia Aplicada, , 61(XXI), 57-70.

Dutilleul P. (1998): Incorporating scale in ecological experiments: data analysis. En:

Ecological scale: theory and applications. Peterson D.L. Parker V.T., Columbia

University Press, New York, pp. 387-425.

Garcia, C., A. Martin-Roman and C. Perez (2001): “Using stochastic frontiers to

measure gender wage discrimination. The Spanish case” Documentos de trabajo FAE

(Universidad de Valladolid. Facultad de Ciencias Economicas y Empresariales ), 2, 1-

26.

___________ (2005): "Actual and potential returns to schooling in Spain”, Education

Economics, 12(4), 387-407.

Greene, W. (1980a): “Maximum likelihood estimation of econometric frontier

functions”, Journal of Econometrics, 13, 27-56.

___________ (1980b): “On the estimation of a flexible frontier production model”,

Journal of Econometrics, 13, 101-115.

___________ (2008): “The econometric approach to the efficiency analysis”. In Fried,

H. O., Knox C. A. and Schmith S. S. (eds.): The measurent of productive efficiency and

productivity growth, Oxford University Press, New York.

Harmath, P. and J. Ramoni (2012): “Fronteras estocasticas e ineficiencia salarial en

Venezuela”, Economia, XXXVII (33), 107-142.

Herzog, H.W., Hofler, R.A. and Schlottmann, A.M. (1985): “Life on the frontier:

migrant information, earnings and past mobility”, Review of Economics and Statistics,

67(3), 373-382.

Hofler, R. A and Murphy K., J. (1992): “Underpaid and Overworked: Measuring the

Effect of Imperfect Information on Wages”, Economic Inquiry, 30 (3), 511-529.

Hofler, R. and Polacheck, S. (1982): “Ignorance in the labour market: A new approach

for measuring information content”, Proceedings of the American Statistical

Association, 422-425.

___________ (1985): “A new approach for measuring wage ignorance in the labor

market”, Journal of Economics and Business, 37(3), 267-276.

Jondrow, J., Lovell, C. A. K., Materov, I. S. and Schmidt, P. (1982): “On the estimation

of technical inefficiency in the stochastic frontier production function model”, Journal

of Econometrics, 19, 233-238

Lang, G. (2000): “Native-immigrant Wage Differentials in Germany-Assimilation,

Discrimination, or Human Capital?”, Universitaet Augsburg, Institute for Economics,

discussion paper, n. 197.

___________ (2004): “How different are wages from wage potentials? Analyzing the

earnings disadvantage of immigrants in Germany”, Volkswirtschaftliche

diskussionsreihe, Institut fur Volkswirtschafslehre, 256(Januar).

Legendre P., Fortin M. J. (1989): “Spatial pattern and ecological analysis”. Vegetatio,

80, 107-138.

Lindbeck, A. and Snower, D.J. (2001): “Insiders versus Outsiders”, Journal of

Economic Perspectives, 15 (1), 165-188.

Maza, A. y Villaverde J. (2009): “Provincial wages in Spain: convergence and

flexibility”, Urban Studies, 46(9), 1969-1994.

Meeusen W. and Van den Broeck J. (1977): “Efficiency estimation from Cobb-Douglas

production function with composed errors”, International Economic Review, 18(2),

435-444.

Mincer, J. (1974) Schooling, Experience, and Earnings (New York: Columbia

University Press).

Moran, P. (1948): “The interpretation of spatial Maps”. Journal of the Royal Statistical

Society B, 10, 243-251.

Moreno, R y Vaya, E. (2002): “Econometría espacial. Nuevas técnicas para el análisis

regional. Una aplicación a las regiones europeas”. Investigaciones Regionales, 1, 83-

106.

Mortensen, D. T. (1986): “Job search and Labour market Analysis”, in Ashenfelter, O.

and Layard (eds), Handbook of Labour Economics, Volume 2, Amsterdam: North-

Holland, 849-919.

Polacheck, S.W. and Robst J. (1998): “Employee Labor Market Information:

Comparing Direct World of Work Measures of Workers’ Knowledge to Stochastic

Frontier Estimates”, Labour Economics, 5, 231-242.

Polachek, S.W. and Yoon, B.J. (1987): “A two-tiered earnings frontier estimation of

employer and employee information in the labour market”, Review of Economics and

Statistics, 69(2), 296-302.

___________ (1996): “Panel estimates of a two-tiered earnings frontier”, Journal of

Applied Econometrics, Vol. 11 No. 2, 169-78.

Robinson, M. (1993): “Measuring discrimination against females: is the

‘nondiscriminatory’ wage the male or the female wage?”, The American Economist,

37(1), 45-50.

Robinson, M.D. and Wunnava, P. V. (1989): “Measuring Direct Discrimination in

Labor Markets Using a Frontier Approach: Evidence from CPS Female Earnings Data”,

Southern Economic Journal, 56, 212-218.

Stevenson, R. (1980): “Likelihood functions for generalized stochastic frontier

functions”, Journal of Econometrics, 13, 57-66

Cuadro 1. Valores medios y desviaciones del salario hora por año y diversas

características de los trabadores.

2006 2010 Total

Media Desviación Media Desviación Media Desviación

Andalucía 10.151 7.684 12.942 8.575 11.386 8.208

Aragón 12.007 7.849 12.945 7.510 12.400 7.722

Asturias 10.752 6.663 11.025 5.982 10.874 6.369

Baleares 9.705 6.578 11.797 8.459 10.471 7.392

Canarias 9.044 6.733 10.717 7.488 9.750 7.109

Cantabria 10.185 6.000 12.231 7.043 11.102 6.567

Castilla-León 11.026 7.109 12.842 8.511 11.854 7.831

Castilla La Mancha 10.019 7.530 12.277 7.874 11.048 7.770

Cataluña 13.465 9.207 15.056 9.568 14.207 9.410

C. Valenciana 10.503 6.624 12.428 7.844 11.315 7.226

Extremadura 8.212 5.035 10.691 7.426 9.346 6.363

Galicia 9.781 6.545 10.959 7.013 10.313 6.786

Madrid 14.802 13.255 15.575 10.249 15.171 11.920

Murcia 9.485 6.272 12.454 9.280 10.588 7.666

Navarra 13.896 7.953 14.737 9.983 14.220 8.799

País Vasco 15.322 8.673 16.467 8.782 15.843 8.741

La Rioja 10.240 5.656 11.493 6.958 10.757 6.255

España 12.082 9.320 13.826 9.098 12.867 9.261

Fuente: Elaboración propia a partir de datos de la EES de 2006 y 2010.

Nota: Datos calculados para euros del año 2010.

Cuadro 2: Estimación del logaritmo salarial mediante fronteras estocásticas con

frontera única para todas las CC. AA.

Modelo I II III IV V

Antigüedad 0.0048 *** 0.0043 *** 0.0043 *** 0.0042 *** 0.0041

**

*

Antigüedad al cuadrado -7.4E-06 *** -6.6E-06 *** -6.5E-06 *** -6.4E-06 *** -6.2E-06

**

*

Edad 0.0311 *** 0.0257 *** 0.0254 *** 0.0258 *** 0.0263

**

*

Edad al cuadrado -0.0003 *** -0.0002 *** -0.0002 *** -0.0002 *** -0.0003

**

*

Nivel de Estudios (ref. Sin estudios)

Educación primaria 0.0863 *** 0.0681 *** 0.0660 *** 0.0639 *** 0.0591

**

*

Educación secundaria I 0.1100 *** 0.0861 *** 0.0822 *** 0.0836 *** 0.0751

**

*

Educación secundaria II 0.2925 *** 0.2026 *** 0.1991 *** 0.2061 *** 0.1977

**

*

FP grado medio 0.2353 *** 0.1884 *** 0.1833 *** 0.1991 *** 0.1898

**

*

FP grado superior 0.3229 *** 0.2041 *** 0.2006 *** 0.2075 *** 0.1981

**

*

Dip. o equivalentes 0.5896 *** 0.2792 *** 0.2766 *** 0.3001 *** 0.2916 **

*

Lic., Ing y doctores 0.8145 *** 0.4470 *** 0.4443 *** 0.4560 *** 0.4474 **

*

Ocupación (ref. Directivos y gerentes)

Técnicos intelectuales

-0.4117 *** -0.4156 *** -0.3700 *** -0.3697 **

*

Técnicos apoyo

-0.5717 *** -0.5728 *** -0.5471 *** -0.5470 **

*

Empleados oficina

-0.8417 *** -0.8424 *** -0.7739 *** -0.7738 **

*

Comercio y salud

-0.9513 *** -0.9542 *** -0.8815 *** -0.8796 **

*

Protección y seguridad

-0.5489 *** -0.5578 *** -0.5726 *** -0.5737 **

*

Cualificados sector 1º

-0.8544 *** -0.8571 *** -0.8800 *** -0.8747 **

*

Cualificados const. e ind.

-0.7464 *** -0.7461 *** -0.7750 *** -0.7736 **

*

Operadores/ conductores

-0.7694 *** -0.7688 *** -0.7855 *** -0.7856 **

*

No cualificados

-0.9482 *** -0.9481 *** -0.9300 *** -0.9237 **

*

Año 2010

0.0218 *** 0.0267 *** 0.0263 **

*

Mujer

-0.1807 *** -0.1824 **

*

País de procedencia (ref. España)

Unión Europea

0.0052

Resto de Europa

-0.1120

**

*

América Latina

-0.0240

Resto de países

-0.0884

**

*

Constante 1.3465 *** 2.3538 *** 2.3557 *** 2.3933 *** 2.3975

**

*

Sigma_v 0.3718 0.3250 0.3253 0.3146 0.3143

Sigma_u 0.3015 0.3147 0.3139 0.3163 0.3162

Lambda 0.8110 0.9683 0.9649 1.0052 1.0061

***Significativo al 1%.

Fuente: Elaboración propia a partir de datos de la EES

La variable dependiente es el logaritmo salarial definiendo el salario como ganancia bruta anual entre jornada anual

pactada.

La distribución empleada para modelizar la ineficiencia ha sido la exponencial.

Cuadro 3: Estimación del logaritmo salarial mediante fronteras estocásticas con

fronteras diferenciadas para cada CC. AA. Modelo I II III IV V

Antigüedad 0.0046 *** 0.0042 *** 0.0041 *** 0.0040 *** 0.0039 ***

Antigüedad al cuadrado -7.2E-06 *** -6.4E-06 *** -6.3E-06 *** -6.1E-06 *** -6.0E-06 ***

Edad 0.0309 *** 0.0255 *** 0.0253 *** 0.0256 *** 0.0265 ***

Edad al cuadrado -0.0003 *** -0.0002 *** -0.0002 *** -0.0002 *** -0.0003 ***

Nivel de Estudios (ref. Sin estudios)

Educación primaria 0.0693 *** 0.0551 *** 0.0531 *** 0.0504 *** 0.0432 ***

Educacion secundaria I 0.0928 *** 0.0734 *** 0.0697 *** 0.0707 *** 0.0577 ***

Educación secundaria II 0.2594 *** 0.1791 *** 0.1758 *** 0.1824 *** 0.1695 ***

FP grado medio 0.1992 *** 0.1594 *** 0.1546 *** 0.1700 *** 0.1553 ***

FP grado superior 0.2838 *** 0.1741 *** 0.1708 *** 0.1774 *** 0.1631 ***

Dip. o equivalentes 0.5564 *** 0.2564 *** 0.2540 *** 0.2778 *** 0.2646 ***

Lic. Ing. y doctores 0.7658 *** 0.4112 *** 0.4086 *** 0.4202 *** 0.4067 ***

Control de ocupación No Si Si Si Si

Región (ref. Andalucía)

Aragón 0.0467 *** 0.0380 *** 0.0388 *** 0.0471 *** 0.0536 ***

Asturias -0.0121

-0.0056

-0.0054

-0.0001

-0.0001

Baleares -0.0229 ** -0.0127

-0.0114

0.0010

0.0062

Canarias -0.1268 *** -0.1042 *** -0.1036 *** -0.0925 *** -0.0915 ***

Cantabria -0.0049

-0.0128

-0.0131

-0.0074

-0.0067

Castilla-León -0.0228 *** -0.0234 *** -0.0235 *** -0.0168 ** -0.0157 **

Castilla La Mancha 0.0004

-0.0071

-0.0073

0.0012

0.0054

Cataluña 0.1244 *** 0.1077 *** 0.1078 *** 0.1193 *** 0.1258 ***

C. Valenciana -0.0152

-0.0231 *** -0.0224 ** -0.0155 * -0.0110

Extremadura -0.1294 *** -0.1308 *** -0.1312 *** -0.1307 *** -0.1331 ***

Galicia -0.1061 *** -0.1160 *** -0.1160 *** -0.1034 *** -0.1046 ***

Madrid 0.1251 *** 0.1085 *** 0.1084 *** 0.1186 *** 0.1242 ***

Murcia -0.0345 *** -0.0439 *** -0.0424 *** -0.0392 *** -0.0337 ***

Navarra 0.1881 *** 0.1755 *** 0.1768 *** 0.1833 *** 0.1869 ***

País Vasco 0.1891 *** 0.1833 *** 0.1838 *** 0.1906 *** 0.1921 ***

La Rioja -0.0207 ** -0.0287 *** -0.0285 *** -0.0204 ** -0.0152 *

Año 2010

0.0203 *** 0.0255 *** 0.0256 ***

Mujer

-0.1842 *** -0.1868 ***

País de procedencia (ref. España)

Unión Europea

-0.0086

Resto de Europa

-0.1325 ***

América Latina

-0.0547 **

Resto de países

-0.1287 ***

Constante 1.3406 *** 2.3390 *** 2.3406 *** 2.3703 *** 2.3731 ***

sigma_v 0.3591

0.3135

0.3139

0.3030

0.3025

sigma_u 0.3047

0.3160

0.3152

0.3168

0.3165

Lambda 0.8485

1.0080

1.0043

1.0456

1.0463

***, **, * Significativo al 1%, 5% y 10 % respectivamente

Fuente: Elaboración propia a partir de datos de la EES

La variable dependiente es el logaritmo salarial definiendo el salario como ganancia bruta anual entre jornada anual

pactada.

La distribución empleada para modelizar la ineficiencia ha sido la exponencial.

Cuadro 4. Porcentaje de consecución salarial por Comunidad Autónoma y modelo

de especificación (Frontera única)

I II III IV V Obs.

Andalucía 75.86% 74.89% 74.93% 75.55% 74.40% 22.977

Aragón 77.20% 76.56% 76.61% 76.57% 76.67% 11.438

Asturias 75.76% 75.39% 75.44% 76.43% 75.22% 7.805

Baleares 75.78% 75.16% 75.24% 76.08% 75.13% 6.050

Canarias 72.92% 72.15% 72.21% 75.52% 71.79% 9.829

Cantabria 76.29% 75.40% 75.46% 76.64% 75.22% 5.619

Castilla-León 75.39% 74.61% 74.65% 76.02% 74.34% 14.444

Castilla La Mancha 76.51% 75.55% 75.58% 76.40% 75.40% 12.004

Cataluña 78.53% 78.00% 78.04% 76.38% 78.21% 43.541

C. Valenciana 75.74% 74.70% 74.75% 76.13% 74.56% 22.661

Extremadura 73.82% 72.51% 72.55% 76.74% 71.81% 5.380

Galicia 74.25% 72.99% 73.03% 77.08% 72.87% 14.992

Madrid 77.79% 77.08% 77.12% 75.26% 77.10% 42.891

Murcia 75.56% 74.37% 74.46% 76.24% 74.10% 8.807

Navarra 80.03% 79.72% 79.78% 76.66% 79.88% 7.570

País Vasco 80.03% 79.94% 79.98% 76.64% 79.94% 16.720

La Rioja 76.07% 75.12% 75.17% 76.71% 75.03% 4.686

España 76.90% 76.14% 76.19% 76.03% 76.06% 257.414

Fuente: Elaboración propia a partir de datos de la EES

Cuadro 5. Porcentaje de consecución salarial por Comunidad Autónoma y modelo

de especificación (Fronteras diferenciadas por CC. AA.)

I II III IV V Obs.

Andalucía 76.59% 75.69% 75.74% 75.55% 75.55% 22.977

Aragón 77.03% 76.51% 76.54% 76.57% 76.60% 11.438

Asturias 76.83% 76.40% 76.44% 76.43% 76.45% 7.805

Baleares 76.96% 76.22% 76.26% 76.08% 76.12% 6.050

Canarias 76.59% 75.75% 75.79% 75.52% 75.52% 9.829

Cantabria 77.21% 76.62% 76.68% 76.64% 76.67% 5.619

Castilla-León 76.71% 76.11% 76.16% 76.02% 76.04% 14.444

Castilla La Mancha 77.23% 76.52% 76.56% 76.40% 76.44% 12.004

Cataluña 76.80% 76.30% 76.35% 76.38% 76.41% 43.541

C. Valenciana 76.85% 76.16% 76.20% 76.13% 76.12% 22.661

Extremadura 77.52% 76.86% 76.91% 76.74% 76.74% 5.380

Galicia 77.49% 77.04% 77.08% 77.08% 77.10% 14.992

Madrid 76.03% 75.35% 75.40% 75.26% 75.30% 42.891

Murcia 77.06% 76.33% 76.38% 76.24% 76.24% 8.807

Navarra 77.15% 76.57% 76.60% 76.66% 76.69% 7.570

País Vasco 77.21% 76.67% 76.71% 76.64% 76.66% 16.720

La Rioja 77.32% 76.74% 76.79% 76.71% 76.75% 4.686

España 76.72% 76.07% 76.12% 76.03% 76.05% 257.414

Fuente: Elaboración propia a partir de datos de la EES

Cuadro 6. Porcentaje de consecución salarial por Comunidad Autónoma y año

(Modelo V).

Frontera única Fronteras diferentes

Model V 2006 2010 Total 2006 2010 Total

Andalucía 73.63% 75.37% 74.40% 74.66% 76.68% 75.55%

Aragón 76.81% 76.46% 76.67% 76.70% 76.46% 76.60%

Asturias 74.96% 75.54% 75.22% 76.15% 76.83% 76.45%

Baleares 74.77% 75.74% 75.13% 75.69% 76.87% 76.12%

Canarias 71.46% 72.23% 71.79% 75.06% 76.15% 75.52%

Cantabria 74.26% 76.39% 75.22% 75.67% 77.91% 76.67%

Castilla-León 73.98% 74.78% 74.34% 75.62% 76.54% 76.04%

Castilla La Mancha 74.94% 75.96% 75.40% 75.89% 77.09% 76.44%

Cataluña 77.78% 78.71% 78.21% 75.92% 76.98% 76.41%

C. Valenciana 74.55% 74.57% 74.56% 76.02% 76.26% 76.12%

Extremadura 71.15% 72.60% 71.81% 75.97% 77.65% 76.74%

Galicia 72.79% 72.96% 72.87% 76.93% 77.31% 77.10%

Madrid 76.26% 78.02% 77.10% 74.38% 76.31% 75.30%

Murcia 73.82% 74.57% 74.10% 75.90% 76.81% 76.24%

Navarra 79.98% 79.71% 79.88% 76.80% 76.50% 76.69%

País Vasco 80.02% 79.83% 79.94% 76.72% 76.60% 76.66%

La Rioja 74.94% 75.15% 75.03% 76.58% 76.99% 76.75%

España 75.58% 76.64% 76.06% 75.55% 76.67% 76.05%

Fuente: Elaboración propia a partir de datos de la EES

Cuadro 7: Resultados de los test de la i de Moran (eficiencia con frontera única).

Variables I E(I) sd(I) z p-value

Eficiencia-06 0.269 -0.063 0.161 2.059 0.02

Eficiencia-10 0.137 -0.063 0.164 1.222 0.111

Eficiencia-06-10 0.215 -0.063 0.162 1.716 0.043

Fuente: Elaboración propia a partir de datos de la EES

Cuadro 8: Resultados de los test de la i de Moran (eficiencia con frontera

diferenciada).

Variables I E(I) sd(I) z p-value

Eficiencia-06 0.204 -0.063 0.162 1.645 0.05

Eficiencia-10 -0.16 -0.063 0.16 -0.61 0.271

Eficiencia-06-10 0.019 -0.063 0.162 0.503 0.308

Fuente: Elaboración propia a partir de datos de la EES

Gráfico 1.- Distribución salarial del logaritmo del salario hora por CC. AA.

Fuente. Elaboración propia a partir de datos de la EES.

0.5

10

.51

0 5 0 5 0 5

Andalucia Aragon Asturias

Baleares Canarias cantabria

kd

en

sity w

ag

e2

xGraphs by Comunidad Autónoma de la empresa

0.5

11

.50

.51

1.5

0 5 0 5 0 5

Castilla y León Castilla la Mancha Cataluña

C. Valenciana Extremadura Galicia

kd

en

sity w

ag

e2

xGraphs by Comunidad Autónoma de la empresa

0.5

10

.51

0 5 0 5 0 5

Madrid Murcia Navarra

País Vasco La Rioja Ceuta y Melilla

kd

en

sity w

ag

e2

xGraphs by Comunidad Autónoma de la empresa

Gráfico 2.- Box Map de la eficiencia (frontera única)

2006

2010

Archivo conjunto

Gráfico 3.- Scatter Plot de Moran para la eficiencia (frontera única).

2006

2010

Archivo conjunto

Gráfico 4.- Box Map de la eficiencia (fronteras diferenciadas)

2006.

2010

Muestra Conjunta

Gráfico 5.- Scatter Plot de Moran de la eficiencia (fronteras diferenciadas)

2006

2010

Muestra conjunta

Gráfico 6.- Moran Local (frontera única).

Año 2006

Año 2010

Muestra conjunta

Gráfico 7.- Moran Local (frontera diferenciada).

Año 2006

Año 2010

Muestra conjunta