Resum executiu - Universitat de Barcelona...Resum executiu Gener 2011 Grup de Recerca AQR de la...

Sistema municipal d’indicadors d’excel.lència empresarial

SMIEESMIEE

www.santcugatribuna.cat/smiee

Resum executiuGener 2011

Grup de Recerca AQRde la Universita de Barcelona

Institut de Recerca en Economía Aplicada (IREA)

Espai de Recerca en EconomíaAv. Diagonal, 69008034 BarcelonaTel. 93 403 72 41 • Fax 93 403 72 [email protected]

Direcció:

Jordi Suriñac Caralt

Equip investigador:

www.ub.es/dpees/aqr

Sist

ema

mun

icip

al d

’indi

cado

rs d

’exc

el. lènc

ia e

mpr

esar

ial

Joaquim MurilloJavier Romaní

SISTEMA MUNICIPAL D’INDICADORS D’EXCEL·LÈNCIA EMPRESARIAL(SMIEE)

Grup de Recerca AQRde la Universitat de Barcelona

Institut de Recerca en Economia Aplicada (IREA)

Direcció i Coordinació: Jordi Suriñach

Equip Investigador: Joaquim Murillo Javier Romaní

(Resum Executiu)Gener 2011

Índex

1 Introducció

2 Pla de treball seguit per a poder calcular l’SMIEE: Principals etapes a considerar

3 Anàlisi de la situació actual de les activitats d’excel·lència als municipis seleccionats 3.1 Introducció 3.2 Indicadors bàsics: Indicadors d’excel·lència

4 Identificació dels factors crítics i indicadors que s’integren en l’SMIEE

5 Disseny metodològic de l’SMIEE

6 Anàlisi de la capacitat potencial dels municipis per atreure activitats econòmiques d’excel·lència 6.1 Presentació general dels resultats 6.2 Rànquing SMIEE: Anàlisi comparativa de la capacitat potencial dels municipis per atreure activitats econòmiques d’excel·lència 6.3 Anàlisi particularitzada dels 26 municipis 6.4 Situació específica de Sant Cugat al rànquing de l’SMIEE

BIBLIOGRAFIA ANNEX I

5

7

10

1010

11

13

14

2021

2437

4347

Sistema municipal d’indicadors d’excel·lència empresarial3


AJUNTAMENT DE SANT CUGAT

1. Introducció

Quan es revisa la literatura econòmica es constata que són molt nombrosos els treballs en que s’aborda l’estudi dels

factors que influencien l’atracció i manteniment d’activitats econòmiques en un àmbit geogràfic de referència1.

Tanmateix, des de mitjans dels anys noranta del segle passat s’ha registrat una proliferació dels treballs que centren

aquest estudi en el comportament de les empreses d’alt nivell tecnològic (high-tech)2. Aquesta circumstància s’explica en

part per l’interès que comporta per les economies locals atreure aquest tipus d’activitats. Com assenyala Parker (2001),

la promoció de la indústria high-tech és una estratègia habitual en aquelles comunitats que volen millorar la seva posició

relativa en una economia globalitzada. L’atracció d’activitat econòmica d’aquest tipus es considera una eina que ha de

permetre a les regions assolir un nivell més elevat de creixement i prosperitat (Alecke et al., 2006).

Les estratègies de desenvolupament econòmic urbà orientades al creixement de la implantació d’activitats high-tech han

esdevingut d’uns anys ençà un àrea important en l’àmbit de les polítiques endegades pels governs municipals (Shachar i

Felsenstein, 1992). Aquest fet rau en que l’atracció de determinades activitats econòmiques pot aportar beneficis diferencials

als municipis i, en conseqüència, les polítiques locals no han d’estar orientades a l’atracció d’activitat econòmica a qualsevol

preu, sino a concentrar-se en les activitats econòmiques que realment poden aportar als municipis valor afegit i ocupació,

i que a més a més, no presentin efectes secundaris (especialment envers el medi ambient) i reforcin la qualitat de vida del

municipi. Les activitats empresarials d’alt nivell tecnològic que no tenen un elevat impacte mediambiental són especialment

importants per les economies locals (Mas i Quesada, 2005), atès que presenten uns elevats efectes d’arrossegament

sobre diversos sectors, aporten un valor afegit molt elevat, creen llocs de treball de qualitat i són menys susceptibles a la

deslocalització que altres branques de l’activitat.

Davant d’aquestes evidències, l’equip AQR-IREA fa uns anys que treballa per desenvolupar una eina metodològica que faci

possible avaluar els entorns socioeconòmics que caracteritzen als principals municipis de la província de Barcelona, pel que

fa a les possibilitats per atreure i mantenir l’activitat empresarial d’alt nivell tecnològic o intensiva en coneixement i baix

impacte mediambiental, a la que hem convingut denominar d’excel·lència.

El treball que es presenta en aquest document suposa una continuació de la línea de treball seguida en anteriors estudis3,4.

No obstant això, cal referir que la solució metodològica a la que s’arriba en aquest treball presenta petites diferències

envers les que han estat aplicades anteriorment. Tot i que la filosofia seguida per elaborar el sistema d’indicadors és

plenament consistent amb els plantejaments metodològics realitzats en estudis previs, alguns dels indicadors simples que

intervenen en el sistema han hagut de ser reformulats. Aquest fet ha esdevingut ineludible com a conseqüència de les

1 D’ençà que autors com Laundhart (1885) o Weber (1909) van fer les primeres aportacions, aquestes s’han anat succeint fins a l’actu-alitat. Així, per exemple, es pot referir la teoria de la localització que va ser instrumentalitzada a mitjans del segle XX (Lösch, 1954; Isard, 1956; entre d’altres) o, més properament, l’aparició de la Nova geografia econòmica (Krugman, 1991a, 1991b; Fujita et al., 1999, entre d’altres).2 Per exemple, es poden referir entre d’altres les aportacions de: Malecki (1985), Galbraith i De Noble (1988), Begg (1991), Haug (1991), Felsenstein (1996), Frenkel (2001), Maggioni. (2002), Saunders i Dalziel (2003), Hackler (2003) i Athreye, S. (2004), Lee, Florida i Acs (2004), Stolarick i Florida (2006) i Stolarick, Mellander i Florida (2010).3 Artís, Murillo, J.; Romaní, J. i Suriñach,J. (2005).4 Artís, Murillo, J.; Romaní, J. i Suriñach,J. (2007).

6

Resum Executiu | Gener 2011

variacions registrades en les disponibilitats de dades d’abast municipal referides a un marc temporal que sigui significatiu per

l’anàlisi. Per exemple, es pot referir el cas del Censo de Població y Viviendas de l’INE. Aquesta font va ser d’una gran utilitat

en les edicions precedents de l’SMIEE, ja que proporcionava molta informació sobre els municipis analitzats. El problema

rau en que el Cens es reedita un cop cada decenni i les darreres dades disponibles fan referencia a l’any 2001. Per això,

transcurreguts ja 10 anys, no resulta adient utilitzar aquestes per estudiar la situació actual dels municipis. En els casos

que ha estat possible s’ha recorregut a altres fonts, com per exemple les dades que proporciona l’INSS5, per aproximar els

indicadors que prenien com a dades de base les proporcionades per l’INE. D’altra banda, també s’ha de referir que en el

temps transcorregut han aparegut noves fonts de dades que han permès incorporar algunes dimensions d’anàlisi que abans

havien estat inabastables.

En aquest context, s’ha redissenyat l’SMIEE per tal que continui sent una eina que permeti avaluar els entorns socioeconòmics

que caracteritzen als principals municipis de la província de Barcelona, pel que fa a les possibilitats per atraure i mantenir

l’activitat empresarial d’excel·lència.

El reconeixement de la importància de disposar d’aquesta informació per a les economies locals ha portat l’Ajuntament

de Sant Cugat del Vallès i el Grup de Recerca AQR-IREA de la Universitat de Barcelona a signar un nou conveni mitjançant

el qual s’analitza la situació actual i perspectives de futur dels sectors d’excel·lència a Sant Cugat, tant considerant aquest

municipi aïlladament com comparant aquest municipi amb altres municipis d’interés de la província de Barcelona.

Per tal d’avaluar la idoneïtat dels entorns socioeconòmics municipals a cada un dels municipis objecte d’estudi, es contemplen

dos punts de vista que queden integrats al Sistema Municipal d’Indicadors d’Excel·lència Empresarial (SMIEE):

D’una banda, s’analitza en quina mesura el parc empresarial existent a cada un dels municipis es caracteritza per dur a

terme activitats que mereixin aquest qualificatiu. La introducció d’aquest nivell d’estudi queda justificat pel notable interès

que comporta disposar d’un estudi estadístic descriptiu que aporti una mena de fotografies que reflecteixin quin és l’estat

actual de la ’implantació d’activitats d’excel·lència empresarial a cada municipi, evidenciïn els possibles trets diferencials i,

tanmateix, permetin avaluar quina ha estat l’evolució registrada als darrers anys.

D’altra banda, desprès d’haver assolit el coneixement referit al punt anterior, s’imposa la necessitat d’esbrinar quina és

l’adequació de les principals característiques socioeconòmiques que poden constituir factors de localització d’aquest tipus

d’activitats. A tal efecte es proposa la construcció d’una bateria d’indicadors que recullin els principals vectors que resulten

claus per tal d’avaluar l’atractivitat municipal potencial per a la localització d’activitat empresarial de qualitat (característiques

demogràfiques i del mercat de treball, dotació en capital humà, accessibilitat municipal, ... )

Aquestes dues perspectives d’anàlisi resulten complementàries i s’han de considerar conjuntament. Així, per exemple, la

construcció d’indicadors representatius de les característiques dels parcs empresarials de cadascun dels municipis, ha de

permetre identificar la possible existència d’economies d’aglomeració, economies d’escala, nivell de provisió de serveis a

l’empresa, ... En conseqüència, part de la informació extreta del primer enfoc analític ha de quedar integrada en el sistema

d’indicadors que ha de copsar l’atractivitat municipal potencial per a la localització d’activitat empresarial de qualitat.

La versió prèvia de l’SMIEE (elaborada fa uns anys) utilitzava dades dels anys 2001 (quan la font era el Censo de Población y

Viviendas), 2002 (Idescat), 2005 (INSS) i 2006 (SABI). Hem considerat que les dades del Cens i aquelles dades que l’Idescat

5 Instituto Nacional de la Seguridad Social.



no ha actualitzat des de 2002 ja no reflecteixen de manera adequada la realitat muncipal, per la qual cosa, s’han buscat fonts

alternatives. En aquesta versió de l’SMIEE es treballa amb dades dels anys 2008, 2009 i 2010.

Com l’objectiu últim d’aquest estudi és poder jerarquitzar els municipis en funció del grau en que les característiques del

seu entorn socioeconòmic resulten adequades pel manteniment i/o implantació de l’activitat empresarial d’excel·lència,

s’ha d’analitzar el comportament de cadascun dels vectors que han estat seleccionats per integrar l’SMIEE per ser els més

influents en aquest àmbit.

Així, cal referir que l’SMIEE està concebut com un indicador complex i en conseqüència es troba constituït per un conjunt

d’indicadors per al qual s’hauran de definir jerarquies i relacions, i també la freqüència de revisió.

Feta aquesta precisió, ja es pot abordar la presentació a grans trets de les vuit etapes que cal consignar per tal d’assolir

l’objectiu final d’aquest estudi:

Etapa I. Selecció dels municipis a avaluar. Aquests municipis són: Badalona, Barberà del Vallès, Barcelona,

Castelldefels, Cerdanyola del Vallès, Cornellà de Llobregat, Esplugues de Llobregat, Gavà, Granollers, L’Hospitalet de

Llobregat, Manresa, Martorell, Mataró, Mollet del Vallès, El Prat de Llobregat, Rubí, Sabadell, Sant Boi de Llobregat, Sant

Cugat del Vallès, Sant Feliu de Llobregat, Santa Coloma de Gramenet, Terrassa, Vic, Viladecans, Vilafranca del Penedès i

Vilanova i la Geltrú. La població dels 26 municipis analitzats representa el 72,2% de la població total de la província de

Barcelona6 i, d’altra banda, cal destacar que aquests municipis acullen el 75% dels llocs de treball de la província7.

Etapa II. Establir la correspondència entre el concepte d’activitat empresarial d’excel·lència i la

classificació catalana d’activitats econòmiques (CCAE-93), identificant les branques i sectors econòmics que

acompleixen els criteris que permeten considerar-los com sectors d’excel·lència empresarial (sobretot, que siguin intensius

en coneixement i sostenibles mediambientalment).

Per tal d’identificar amb precisió les activitats econòmiques d’excel·lència es fa necessària, en primer lloc, l’existència d’unes

directrius generals que permetin identificar les activitats basades en el coneixement i la tecnologia. En aquest treball es pren

com a referència el Science, Technology and Industry Score Board (OCDE 2001), a on es recull l’actualització de la classificació

de les activitats basades en el coneixement prenent com a base l’Standard Indústrial Classification of all Economic Activities

(ISIC Rev.3) de l’ONU. Un cop identificades aquestes activitats, s’ha procedit a establir les oportunes correspondències amb

les categories de la Classificació Catalana d’Activitats Econòmiques (CCAE-93). Finalment, per tancar la identificació de les

activitats que es considera que es troben incloses en el terme activitats d’excel·lència empresarial, han estat seleccionades

entre les anteriors aquelles que es pot establir que no tenen un impacte mediambiental elevat. A tal efecte, s’ha pres com

6 Font: INE. Padró continu. Any 2009.7 Font: Registre de la Seguretat Social, 2009.

2. Pla de treball seguit per a poder calcular l’SMIEE: Principals etapes a considerar

8


a referència el que estableix la Llei 3/1998 del Parlament de Catalunya, de la Intervenció Integral de l’Administració Ambiental

(IIAA), amb la que es van transposar els preceptes de la Directiva europea 96/61/CE sobre Prevenció i Control Integrats de la

Contaminació.

Etapa III. Identificació dels factors crítics de localització empresarial. En aquesta etapa s’han identificat les

dimensions a considerar en cada un dels vectors que caracteritzen els indicadors que integren el sistema global. Així, caldrà

identificar tots aquells ítems que resulten rellevants en aquest àmbit d’anàlisi. En aquesta fase de l’estudi, per tal de procedir

a la identificació d’aquests factors, s’ha revisat la bibliografia especialitzada en teoria econòmica de localització i atractivitat

de l’activitat empresarial i, alhora, s’han recollit les opinions d’alguns dels principals agents econòmics.

Taula 2.1

FACTORS CRÍTICS DE LOCALITZACIÓ EMPRESARIAL

Mercat de treball

• Disponibilitat de ma d’obra qualificada• Nivell salarial

Sòl / locals

• Disponibilitat / preu de sòl i locals per implantar activitat econòmica

Infrastructures locals

• Infrastructures de telecomunicacions

• Infrastructures de transport (autopistes, xarxa ferroviària, ...)

• Infrastructures energètiques: disponibilitat, preu i qualitat del subministrament (electricitat, gas, aigua, ...)

• Parcs empresarials, recintes firals ...

Accessibilitat

• Nivell de congestió

• Accessibilitat/connectivitat (aèria, marítima, terrestre, ...)

• Bones connexions amb d’altres centres econòmics

Matèries primeres

Regulacions (Marc legal)

• Tràmits burocràtics ràpids i poc complexes

Nivell impositiu

Incentius oferts per l’Administració Pública



• Incentius fiscals• Línies de crèdit bonificades• Subvencions• Avals

Existència d’economies d’aglomeració

• Clusters empresarials

Qualitat de vida i medi ambient

Innovació

• Capacitat emprenedora, esperit d’innovació, ...• Presència de centres d’innovació (universitats, parcs tecnològics...).

Etapa IV. Disseny metodològic de l’índex complex SMIEE. Prenent com a premissa que la capacitat per

atraure i mantenir l’activitat empresarial d’excel·lència depèn primordialment de les condicions que cada municipi ofereix

en relació amb aquells factors que es consideren com a factors crítics de localització, l’SMIEE s’ha dissenyat com un

sumatori ponderat dels factors crítics Xi. Així, pel municipi j, s’obté:

SMIEEj = w1 X1j + w2 X2j + w3 X3j + .... + wk Xkj

a on les wi representen les ponderacions (és a dir, les importàncies relatives) per a cada un dels factors que integren el

sistema. Amb la finalitat d’estimar els valors que han de prendre els coeficients wi, aquí es planteja la solució d’obtenir

la informació necessària prenent com a referència els treballs de diversos autors en els que s’avalua la importància dels

diversos factors que intervenen en les decisions de localització de les empreses i, també, a partir de les preferències

identificades pels investigadors a partir d’estudis de preferències dels empresaris i d’altres agents econòmics.

Tanmateix, cal esmentar que els diversos factors crítics que intervenen en el càlcul de l’SMIEE, són índexs parcials que

també es calculen com un sumatori ponderat dels diversos índexs simples que recullen les dimensions rellevants al sí de

cadascun d’ells.

Etapa V. Identificació de les fonts de dades primàries. En aquesta etapa cal comprovar la disponibilitat de

dades amb desagregació municipal per les variables bàsiques que integren el sistema. Les principals fonts de dades primàries

utilitzades han estat: la base de dades de municipis i comarques de l’Institut d’Estadística de Catalunya (IDESCAT); la base

de dades HERMES (Diputació de Barcelona); la base de dades del Registre d’Afiliats a la Seguretat Social (INSS), la base

de dades SABI (Sistema de Análisis de Balances Ibérico); les bases de dades dels Departaments de la Generalitat que són

accessibles online, les microdades demogràfiques proporcionades per l’Instituto Nacional de Estadística (INE), l’Enquesta

de Mobilitat Quotidiana de l’Entitat Metropolitana del Transport (2009) i les Pàgines Grogues.

Etapa VI. Construcció de la base de dades. Després d’haver identificat les fonts que han de permetre obtenir les

dades per a les variables incloses al sistema d’indicadors, s’ha de confeccionar la base de dades.

10


Etapa VII. Tabulació i construcció dels indicadors. En aquesta fase es resol el càlcul del valor de cada un dels

indicadors fonamentals i, seguidament, s’aborda la valoració global del sistema d’indicadors dels indicadors d’excel·lència

empresarial.

Etapa VIII. Anàlisi dels resultats obtinguts i interpretació dels mateixos. Arribats a la darrera fase

de l’estudi s’ha d’esmentar que la naturalesa de les dades recollides planteja la possibilitat d’abordar una anàlisi de tall

transversal. Així, tenint en compte que els indicadors han estat calculats amb desagregació municipal, es pot establir un

jerarquia que permeti estudiar la posició relativa que correspon a cada un dels municipis inclosos a l’estudi quan s’avalua

l’excel·lència de l’activitat empresarial al si del seu territori.

3.1. Introducció

Tot i que l’objectiu principal d’aquest informe rau en l’estudi de l’adequació de les característiques dels municipis per tal de

constituir un pol d’atracció d’activitat d’excel·lència empresarial, abans d’abordar la construcció dl’SMIEE resulta de notable

interès estudiar la qualitat del parc empresarial actualment existent al municipi. Aquesta manera de procedir es justifica per

les següents raons:

En primer lloc, és molt més fàcil per a les autoritats locals conservar les empreses existents que atreure’n de noves. Per

això, cal conèixer amb la màxima exactitud la situació actual de les empreses existents al municipi, amb la finalitat de

corregir les febleses abans de que aquestes tinguin conseqüències greus, i de potenciar els punts forts.

A més a més, com s’ha dit anteriorment, la base econòmica preexistent als municipis té una importància capital per a

qualsevol política econòmica que es vulgui dur a terme. Per tant, una vegada coneguda amb detall la situació, es poden

avaluar els punts forts i les febleses del parc empresarial del municipi i prendre les mesures més oportunes, per exemple,

analitzant si els sectors més importants per a l’economia municipal es troben en línia amb els objectius que es vol assolir,

o bé si aquests sectors, o part d’ells poden incrementar el seu nivell tecnològic i de coneixement a la vegada que milloren

la seva sostenibilitat mediambiental.

Així, en aquesta part del treball ens centrarem en l’estudi de les característiques del parc empresarial existent al municipi.

Els principals factors que ens interessa conèixer són:

La distribució sectorial de les empreses, del nombre de treballadors i, si és possible, del valor afegit, posant especial èmfasi

en el percentatge d’aquests conceptes que representen les empreses d’excel·lència (intensives en coneixement i sostenibles

mediambientalment, tal com s’ha explicat abans).

La situació econòmica-financera de les empreses del municipi. Aquesta informació pot permetre matisar els resultats del

punt anterior: pot donar-se el cas que existeixin empreses al municipi que, encara que competeixin en sectors madurs,

siguin innovadores i estiguin consolidades als seus mercats. Aquesta informació també pot servir per a conèixer la solidesa

del parc empresarial a curt i mig termini.

3. Anàlisi de la situació actual de les activitats empresarials d’excel·lència als municipis eleccionats



El ritme de creació i destrucció d’empreses i establiments al municipi, i la seva evolució (moltes vegades, anomenada

demografia empresarial), amb especial atenció a les branques més intensives en coneixement.

La tendència de creació o destrucció de llocs de treball al municipi.

3.2. Indicadors bàsics: Indicadors d’excel·lència

A partir de la informació disponible8 es calcularan els següents indicadors simples. Aquests indicadors pretenen mesurar

la importància que les empreses considerades intensives en coneixement tenen respecte al conjunt de l’economia del

municipi:

• Percentatge de les empreses del municipi dedicades a activitats considerades d’excel·lència.

• Percentatge dels treballadors del municipi a les empreses esmentades.

• Percentatge de les empreses del municipi que tenen pàgina web.

• Percentatge que representa l’Actiu Immaterial sobre l’Actiu Total de les empreses del municipi. Atès que, segons el

Pla General de Comptabilitat, l’Actiu Immaterial inclou les partides de despeses d’I+D; patents i marques i aplicacions

informàtiques, mentre que altres partides d’aquest epígraf (fons de comerç i drets de traspàs) són extraordinàries i

subjectes a amortització en cinc anys des de l’adquisició, prendrem aquesta ràtio com un indicador de la intensitat

en coneixement de l’activitat de les empreses del municipi.

• VAB per empleat de les empreses del municipi. Aquesta ràtio es pot calcular pel conjunt de les empreses del

municipi i separadament per a les empreses considerades d’excel·lència.

• Distribució sectorial dels establiments del municipi.

• Evolució (global i sectorial) del nombre d’establiments del municipi.

• Evolució del nombre de treballadors del municipi.

• Grandària mitjana de les empreses (mesurada tant en termes d’actiu total com de nombre de treballadors).

• Resultats (guanys o pèrdues) de les empreses del municipi.

• Cost mitjà (unitari) del personal de les empreses.

8 S’ha treballat a partir de les dades del Registre Mercantil i del Registre de la Seguretat Social.

12


Els càlculs es troben recollits a l’Annex 1.

Aquest apartat del treball es dedica a analitzar les principals magnituds de les empreses dels 26 municipis objecte del

nostre estudi, per a conèixer la seva posició relativa. S’han analitzat conjuntament el total de les empreses de cadascun

dels municipis i, a més a més, s’han obtingut també les ratios mitjanes per a les empreses d’excel·lència de cada municipi. La

font de les dades necessàries per a aquesta anàlisi ha estat el Registre Mercantil (recopilat a SABI), on les empreses tenen

l’obligació legal de dipositar els seus comptes.

Per a estudiar l’evolució del nombre de treballadors i d’establiments a cada municipi, s’han utilitzat les dades del Registre

General de la Seguretat Social, tenint en compte tant els treballadors afiliats al Règim General de cotització, com el afiliats

als diferents Règims Especials (Agrari, Autònoms, Llar, Mar i Mineria del Carbó).

Les dades es refereixen a l’any 2009 pel que fa al Registre Mercantil (prenent 2005 com a base per a l’anàlisi de la seva

evolució temporal) i 2008 pel que fa al Registre de la Seguretat Social (quan s’analitza l’evolució temporal, es pren l’intèrval

2004-2008).

Anàlisi descriptiva: principals trets

Global d’empreses dels municipis

• Barcelona és el municipi amb major nombre d’empreses, seguit de Sabadell i Terrassa.

• Barcelona, Sant Cugat i Vic presenten la millor relació empreses / població.

• Martorell (40,35) i Sant Cugat (25,87) són els municipis amb més llocs de treball per empresa mitjans.

• Martorell destaca per l’elevat valor agregat mitjà de les empreses del municipi, seguit per Esplugues, El Prat, Sant Cugat i Barcelona.

Empreses d’excel·lència

• Barcelona presenta el nombre més gran d’empreses d’excel·lència, seguida de Sabadell, Terrassa i Sant Cugat.

• Barcelona i Sant Cugat són els municipis amb millor ràtio empreses d’excel·lència / població.

• Sant Cugat és el municipi amb major proporció d’empreses d’excel•lència sobre el total d’empreses (31,14%),

superant, fins i tot, Barcelona (30,98%).

• Martorell destaca en nombre mitjà de treballadors, actiu total mitjà i immobilitzat immaterial de les empreses

d’excel•lència.

• Sant Cugat, destaca per unes unes empreses d’excel•lència que presenten beneficis mitjans elevats, fort actiu mitjà, importats ingressos d’explotació, una grandària important (mesurada en nombre de treballadors) i destacat actiu immaterial.

Diferències excel·lència versus resta d’empreses

• Analitzant de manera global els 26 municipis objecte del nostre estudi, les empreses d’excel·lència tendeixen a tenir més treballadors, actiu total, valor afegit i beneficis que la resta d’empreses.

• Entre 2005 i 2009, la situació ha empitjorat per a les empreses de la majoria de municipis. De totes maneres, l’empitjorament de les xifres comptables ha estat més greu per a les empreses que no formen part dels sectors d’excel·lència.

• Cal destacar l’evolució força positiva (tenint en compte les circumstàncies econòmiques) de Sant Cugat, especialment si la comparem amb municipis de característiques semblants, com Cerdanyola o Esplugues.



Evolució

• Globalment, entre els anys 2004 i 2008 s’incrementa el nombre d’empreses i de treballadors als 26 municipis analitzats.

• El nombre d’empreses i de treballadors creix més a les empreses d’excel·lència que a la resta d’empreses.

• De totes maneres, no existeix una evolució comuna, observant-se importants diferències entre els 26 municipis analitzats.

• Pel que fa al nombre d’establiments, destaca especialment l’evolució del municipi de Sant Cugat, amb una taxa de creixement del 33%, tant al conjunt de sectors, com específicament als sectors d’excel·lència, de manera que seria el municipi amb un comportament més dinàmic del grup pel que fa a aquesta variable.

Amb el desenvolupament de l’SMIEE es vol disposar d’una eina que permeti analitzar d’una manera objectiva i sistemàtica

l’entorn socioeconòmic dels municipis per tal de valorar la seva capacitat potencial per atreure i mantenir activitat

econòmica d’excel.lència. Recordem que les activitats empresarials mereixedores del qualificatiu d’excel.lència són les

activitats manufactureres de nivell tecnològic alt i mig-alt i, també, les activitats intensives en coneixement, que en ambdós

casos es pot considerar objectivament que no tenen un impacte mediambiental elevat.

Com ja s’ha fet esment al segon epígraf d’aquest document, quan s’han presentat les etapes que cal complimentar per assolir

l’objectiu final d’aquest estudi, desprès d’haver revisat la bibliografia especialitzada en teoria econòmica de localització i

atractivitat de l’activitat empresarial i, tanmateix haver recollit les opinions d’alguns agents econòmics (tècnics municipals,

empresaris, ...), ara cal identificar els factors crítics que incideixen sobre la decisió de localització de la tipologia d’empreses

que aquí ens ocupa. Tanmateix, també s’han d’escollir quins han de ser els indicadors simples que han de formar part de

l’index síntétic de cadascun dels factors crítics seleccionats.

Donat que l’SMIEE és un sistema d’indicadors que cobreix diversos àmbits temàtics que engloben tanmateix

els diferents indicadors de conjuntura socioeconòmica que poden identificar-se en el seu sÍ, en primer lloc cal

referir quines són les dimensions que han estat escollides com a factors crítics de localització.

Els blocs temàtics d’indicadors que es corresponen amb els factors crítics o clau per l’adopció d’aquest tipus de

decisions, que han estat identificats des d’una òptica generalista, queden recollits a la següent classificació:

• Stock i qualitat del capital humà

• Disponibilitat / preu de sòl i locals per implantar activitat econòmica

• Infrastructures locals

• Accessibilitat

• Matèries primeres

• Regulacions (Marc legal)

• Nivell impositiu

• Incentius oferts per l’Administració Pública

• Existència de clusters empresarials (Economies d’aglomeració)

4. Identificació dels factors crítics i indicadors que s’integren en l’SMIEE

14


• Dinamisme Econòmic (esperit emprenedor)

• Qualitat de vida i medi ambient

• Innovació

Així, acte seguit, es planteja la necessitat d’identificar quins d’aquests factors crítics són adequats per a l’anàlisi

específicA de l’activitat econòmica d’excel.lència i, a més, quins indicadors s’han de considerar al sí de cadascun

d’aquests blocs, de manera que es contemplin aquelles dimensions que incideixen sobre les decisions de

localització de les activitats empresarials d’excel·lència. Feta aquesta declaració de voluntats, també cal afegir que

les solucions adoptades es troben clarament condicionades per les limitacions de les fonts primàries de dades

que han de nodrir els inputs necessaris per confeccionar els indicadors en qüestió.

Tanmateix, abans d’abordar la presentació dels indicadors identificats, cal esmentar que aquests indicadors

també es poden classificar segons les seves característiques internes. Així, atenent a la forma en que tracten la

informació i presenten les dades, es pot discernir entre ells segons l’àmbit territorial que abasten. Des d’aquesta

òptica, cal ressenyar que els indicadors relacionats a continuació fan referència a tres àmbits territorials:

• Municipal.

• Sistema urbà: mesura l’àrea d’influència del municipi considerat.

• Conjunt de la província (ponderant tots els treballadors de la província en funció de la seva accessibilitat al

municipi considerat).

Com ja ha estat comentat a l’epígraf 3, la capacitat d’un municipi per atreure localitzacions d’activitats d’excel·lència

empresarial depèn fonamentalment de les condicions que aquest ofereix en relació amb els factors que es consideren més

influents quan es pren la decisió de localització. Així, cal destacar que aquesta capacitat d’atracció ha de ser estudiada en

totes les vessants que la defineixen, donat el seu caràcter multidimensional. En conseqüència l’SMIEE ha estat concebut com

un indicador sintètic que pren en consideració una bateria d’indicadors parcials que són representatius de les dimensions

que es consideren rellevants.

• Així, per tal de completar el disseny dl’SMIEE s’han hagut de complimentar les tasques que queden representades

per les següents etapes:

• Identificar les dimensions (factors crítics) associades al concepte que es desitja mesurar amb aquest índex sintètic.

• Delimitar quins indicadors simples formaran part de l’índex per cada factor crític considerat.

• Fixar l’estructura de l’índex sintètic, determinant la ponderació que correspon a cada un dels indicadors intermedis

i simples.

D’aquesta manera, seguint aquest ordre d’actuació, la primera etapa del disseny metodològic de l’indicador s’ha resolt

desprès d’establir el concepte que es vol mesurar i el vincles de cada un dels factors crítics suggerits amb aquest concepte.

A tal efecte, s’ha efectuat una important revisió dels factors crítics clàssics en la literatura econòmica sobre localització de

l’activitat empresarial, que ja ha estat presentada a l’epígraf 2. Seguidament, els esforços s’han centrat en identificar quins

són els indicadors que resulten rellevants per cada un dels factors crítics que es volen quantificar. Els indicadors que han

5. Disseny metodològic de l’SMIEE



estat seleccionats, així com la seva metodologia de càlcul i les fonts primàries de dades que constitueixen el seu input bàsic,

són els que han estat recollits en aquest apartat.

Arribats a aquest punt, cal comentar que alguns dels factors crítics i/o dimensions que s’han pres en consideració a priori

no han estat finalment inclosos a l’estructura proposada. El fet que no hagin estat inclosos troba explicació en diverses

motivacions. En primer lloc, poden referir-se les dificultats observades envers la disponibilitat de dades estadístiques de

qualitat amb el nivell de detall territorial requerit9. D’aquesta manera, cal referir més específicament que entre els problemes

que han conduït a la no consideració de determinades variables es troben: la manca d’informació sistematitzada i exhaustiva

amb un nivell territorial de desagregació municipal, la inexistència d’informació provinent de fonts fiables, la disponibilitat

d’informació de més d’una font d’informació que proporcionen resultats discrepants, etc. D’altra banda, altres factors crítics

han estat exclosos per no ser rellevants per explicar la localització de les activitats econòmiques sostenibles d’alt nivell

tecnològic10 , o bé per no ser prou discriminants donat l’àmbit geogràfic de referència11. Tot i això, també cal fer èmfasi en

que l’SMIEE capta els factors crítics que hom convé en considerar els més importants, no perdent en conseqüència cap

dimensió crucial pel seu càlcul.

Finalment, pel que fa a l’estructura de l’SMIEE, es planteja obtenir un índex sintètic a partir de diversos índex intermedis

(un per cada factor crític), el quals es calculen com una agregació ponderada d’indicadors parcials. La informació s’agrega a

partir d’una estructura de ponderacions per les diverses dimensions que es volen mesurar.

Tècnicament, l’SMIEE es pot definir com un índex mitjana aritmètica ponderada (a priori) de diversos indicadors intermedis,

que ens informa de la posició relativa estandarditzada de cada municipi. Així, l’SMIEE és un indicador compost que sintetitza

la informació parcial, rellevant en el context de les decisions empresarials de localització, aportada per tota la bateria

d’indicadors simples que intervenen el càlcul dels índex intermedis dissenyats per cadascun dels factors crítics considerats.

D’aquesta manera, desprès d’haver identificat quins són els factors crítics de localització d’aquest tipus d’activitats i, també,

d’haver dissenyat els indicadors específics que han de recollir les dimensions que caracteritzen a cada un dels factors

crítics, l’SMIEE ha estat concebut com un sumatori ponderat de set factors crítics. Tanmateix, com s’acaba d’esmentar cal

tenir present que cada un d’aquests factors crítics s’ha d’entendre com un indicador complex que es troba integrat per

un conjunt d’indicadors simples que recullen les diverses dimensions a considerar (aquesta estructura bàsica es mostra a

l’esquema de la taula 5.1).

Així, per un determinat municipi j, s’obté:

SMIEEj = wKH KHj + wSiL SiLj + wINF INFj + wA Aj + wF Fj +

+ wCE CEj + wDE DEj + wQViMA QViMAj + wINN INNj

Aquesta notació evidencia que l’SMIEE s’ha construït com una funció lineal dels índexs intermedis obtinguts per cada un

dels nou factors crítics: KH (stock i qualitat del capital humà), SiL (disponibilitat / preu de sòl i locals), INF (infraestructures),

A (accessibilitat); F (nivell impositiu), CE (existència de clusters empresarials); DE (dinamisme econòmic); QViMA (qualitat

de vida i medi ambient; INN (innovació).

9 Aquest és, per exemple, el cas de les dades referides a les infraestructures energètiques o dels incentius oferts per l’Administració.10 Per exemple, la disponibilitat de matèries primeres no resulta rellevant per la tipologia d’empreses estudiada.11 Així, el marc regulador dels municipis inclosos a l’estudi, tots ells de la província de Barcelona, no difereix prou significativament per constituir un factor crític de localització rellevant.

16


Tanmateix, s’ha de referir que cadascun d’aquests índexs intermedis és un índex complex que es calcula també com una

funció lineal de diversos índexs simples. Així, en total intervenen 38 índexs simples en el càlcul dels índexs parcials: 5 en el

càlcul del factor crític KH (stock i qualitat del capital humà), 5 en el del factor crític SiL (disponibilitat / preu de sòl i locals),

1 en el del factor INF (infraestructures), 10 en el del factor A (accessibilitat), 1 en el del factor F (nivell impositiu), 7 en el

del factor CE (existència de clusters empresarials), 3 en el del factor DE (dinamisme econòmic), 3 en el del factor QViMA

(qualitat de vida i medi ambient)12 i 3 en el del factor I (innovació).

Incorporant a l’expressió anterior les fórmules (recollides a la taula 5.1) que representen el càlcul de cada un dels indicadors

intermedis, s’arriba a:

SMIEE=wKH(a611I611+a612I612+a613I613+a614I614+a615I615.)+

+wSiL(b621I621+b622AI622A+b622BI622B+b623AI623A+b623BI623B)++wINF(v631I631)+wA(j641I641+j642AI642A+j642BI642B+j642CI642C+

+j642DI642D+j642EI642E+j643AI643A+j643BI643B+j643CI643C+j643DI643D)++wF(u671I671)+wCE(w691AI691A+w691BI619B+w691CI691C+w691DI691D++w691EI691E+w692AI692A+w692BI692B)+wDE(d6101I6101+d6102I6102++d6103I6103)+wQViMA(g6111I6111+g6112AI6112A+g6112BI6112B)+

+wINN(e6121I6121+e6122I6122+e6123I6123)

Continuant amb el repàs de l’expressió de l’algoritme de l’índex sintètic, cal comentar que les wi, representen

les ponderacions (és a dir, les importàncies relatives) per cada un dels factors crítics que l’integren. A més,

cal esmentar que per tal de bastir-lo també caldrà establir quines ponderacions (ai, bi, vi, ji, ui, wi, di, gi, i ei,)

correspondran a cada un dels indicadors simples que s’integren en cada un dels indicadors complexes intermedis

que representen als diversos factors crítics.

La determinació de les ponderacions esdevé tan important com la identificació de l’estructura de l’índex sintètic.

Les ponderacions han estat fixades a priori prenent com a base: els treballs de diversos autors en els que s’avalua

la importància dels diversos factors que intervenen en las decisions de localització de les empreses13 i, també,

a partir de les preferències identificades pels investigadors a partir d’estudis de preferències dels empresaris i

d’altres agents econòmics14.

Tot i això, cal referir que un índex estructural construït de la manera que aquí es proposa implica un cert

component de subjectivisme que no pot defugir ser objecte de debat15. Per aquest motiu, per tal de minimitzar

aquesta circumstància, en aquest treball les ponderacions seleccionades troben la seva raó de ser en el

coneixement teòric i empíric que ha estat assolit a partir de les actuacions que ja han estat referides abans.

Conseqüentment, la solució metodològica a la que s’arriba consisteix en atorgar els mateixos pesos relatius

als diversos factors crítics que resulten rellevants pel càlcul de l’índex sintètic SMIEE16. Tot i això, al cas dels

12 En aquest cas l’index intermedi QViMA es construeix com una funció lineal d’un indicador complex, l’indicador sintètic de qualitat de vida (6111a) (Royuela et al., 2003a), i d’altres dos indicadors simples que representen dimensions relacionades amb el medi ambient.13 Scheifler (1993); Arauzo (2000); Carlson (2000); Lantz (2001); Buesa (2002); Scherrer (2002); Trullén et al. (2002); OMIS (2003); Blue Ribbon Committee’s (2003); Salvensen i Renski (2003); Stough i Kulkani (2004); Turok (2004); entre d’altres.14 Aurioles i Pajuelo (1988); Warehouse and Distribution Study Committee (1996); Cotorruelo i Vázquez (1997); Galán et al. (1998); IBC (2000), Blue Ribbon Committee’s (2003).15 Com recorden Gwartney et al. (1996) i Royuela et al. (2003a) entre d’altres.16 Com planteja, per exemple, Babbie (1995), pel càlcul del seu índex sintètic.



dos factors crítics que s’incorporen per primera vegada a l’SMIEE (INF i F), donat que tan sols aporten un

indicador simple, s’ha convigut no sobredimensionar la seva importància. Per això, tots dos tenen una ponderació

wi=0,0555556. D’aquesta manera, aquests dos factors tenen conjuntament un pes relatiu equivalent al que tenen

cadascun dels altres factors. Així, a tots aquests (KH, SiL, A, CE, DE, QViMA i INN) els correspon una ponderació

wi=0,126984127. Respecte a les ponderacions dels índexs simples cal comentar que, d’una manera semblant, els

ha estat assignada una mateixa participació en el càlcul de cadascun dels índexs parcials (factors crítics) 17.

Complementàriament, abans de donar per tancat el càlcul de l’SMIEE, s’ha realitzat una anàlisi de sensibilitat

envers els valor assignats a les ponderacions, tant dels índexs pels factors crítics com dels índex simples. Els

resultats obtinguts mostren que no es produeixen tensions ostensibles en la classificació ordinal dels municipis.

En conseqüència, es pot concloure que la solució adoptada resulta idònia per ser la més simple, per incorporar

el coneixement que proporciona la literatura econòmica i, alhora, per ser consistent amb la resta dels resultats

obtinguts al provar diversos escenaris.

Un cop determinada l’estructura de l’índex, el següent pas consisteix en agregar la informació de base que es

disposa. Aquesta agregació ha de complir una sèrie de requisits:

• L’índex ha de permetre agregar indicadors amb unitats de mesura completament diferents.

• Per tal que el procés d’agregació no comporti distorsions, aquest procés ha de permetre comparar indicadors que

on les respectives dispersions relatives de les variables poden ser molt diferents.

• L’índex ha de fer possible definir una mètrica de mesura, independentment dels problemes dels dos apartats

anteriors, que estigui en funció de les característiques de les dades.

Per complir aquests requisits, s’han contemplat diferents alternatives en cadascun dels requeriments de l’índex, fins a arribar

a una metodologia final18, la qual es fonamenta en una filosofia de mesura concreta: per cada un dels índexs parcials es

calcula com de lluny es troba un municipi de la mitjana que correspon al conjunt dels 26 municipis estudiats19. Per mesurar

la llunyania es fa servir una mesura de dispersió: la desviació estàndard. Així, es mesura quantes desviacions estàndards està

allunyat un municipi de la mitjana del conjunt de municipis20.

Conseqüentment, com l’SMIEE està definit com una funció lineal del vector Y d’indicadors simples, per a un determinat

municipi x:

17 Amb l’excepció de l’índex 6111 (que mesura la qualitat de vida del municipi). En aquest cas per ser un índex complex que recull múltiples dimensions l’hi correspon una ponderació gi=0,6 en el càlcul de l’índex parcial QViMA.18 La solució metodològica adoptada en aquest treball segueix en part la metodologia emprada en Royuela, Suriñach i Reyes (2003a) i Royuela, Suriñach i Artís (2003b).19 D’aquesta manera es redefineixen les variables que en origen es trobaven mesurats en diverses unitats.20 Com indica Booysen (2002) l’escalament de les variables assegura l’ordenació de les coses en un sentit significatiu.

18


pel que s’arriba a:

on representa les ponderacions que cal aplicar a cadascun dels índexs simples.

Malauradament, calculant l’índex sintètic d’aquesta manera s’estan sobredimensionant aquells índexs simples que presenten

unes variàncies més grans. Aquesta circumstància condueix, com ja s’ha apuntat abans, a calcular l’índex final com:

on Z representa el vector d’índexs simples estandarditzats21,

Ateses les propietats que han estat enunciades anteriorment per a un indicador sintètic, seria desitjable que la variància

de l’índex en qüestió sigui igual a 1. En conseqüència, cal considerar que si existeix informació comuna per aquests índexs

simples, tindrem:

on R és la matriu de correlacions entre els índex simples estandarditzats.

Per aquesta raó es calculen les posicions estandarditzades finals dels municipis com:

Aleshores, podem definir tècnicament l’SMIEE com un índex mitjana aritmètica ponderada (a priori) dels

índexs simples que ens informa de la posició relativa estandarditzada de cada municipi. Tanmateix, l’SMIEE és un

indicador complex que sintetitza la informació parcial, rellevant en el context de les decisions empresarials22 de

localització, aportada per tota la bateria d’indicadors simples que intervenen en el càlcul dels índex intermedis

dissenyats per cada un dels factors crítics considerats.

21 Prèviament transformats per ser interpretats en un mateix sentit, de manera que en tots els casos un valor petit o gran pugui ser valorat d’igual manera.22 Específicament les decisions de localització a l’àmbit de les activitats que s’ha convingut en denominar com d’excel·lència empresarial.

PYÍndex xx =

PZÍndex xx =

RPPÍndexVAR x ')( =

RPPPZSMIEE

xx

'=



Taula 5.1

ESTRUCTURA DE CÀLCUL DE L’INDICADOR SINTÈTIC SMIEE

SMIEE = wKH KH + wSiL SiL + wINF INF + wA A + wF F ++ wCE CE + wDE DE + wQViMA QViMA + wINN INN

KH: Stock i qualitat capital humà

KH = a611 I611 + a612 I612 + a613 I613 + a614 I614 + a615 I615

• Mitjana d’anys d’estudi de la població resident al municipi (I611)

• Dotació en capital humà (població activa) clau pel desenvolupament d’activitats d’excel·lència empresarial relativitzada vers la població

activa resident al municipi (I612)

• Índex de recanvi de la població en edat activa (I613)

• Indicador de força gravitatòria per la dotació en capital humà clau pel desenvolupament d’activitats d’excel·lència empresarial (I614)

• Indicador de l’amplitud del mercat local de treball (I615)

SiL: Disponibilitat / preu de sòl i locals

SiL = b621 I621 + b622A I622A + b622B I622B + b623A I623A + b623B I623B

• Preu mitjà de l’habitatge de nova construcció (€/m2 construït) (I621)• Indicador de l’existència d’actuacions de promoció de sòl indústrial i de serveis al municipi (I622A)• Indicador de la superfície total de les actuacions de l’Incasòl al municipi (I622B).• Indicador d’especialització dels establiments d’empreses de serveis (branques d’activitat corresponents a sectors

intensius en coneixement) envers el total d’establiments del municipi (I623A)• Indicador d’especialització dels locals actius destinats a oficines (inclou la resta de serveis) envers el total de locals del

municipi (I623B)

INF: InfraestructuresINF = v631 I631

• Indicador d’existència de xarxa de fibra òptica (I631)

A: AccessibilitatA = j641 I641 + j642A I642A + j642B I642B + j642C I642C + j642D I642D + j642E I642E

+ j643A I643A + j643B I643B + j643D I643D

• Índex d’obertura del municipi (I641)

• Indicador gravitacional d’accessibilitat per carretera (I642A)

• Indicador d’accessibilitat aèria (I642B)

• Indicador d’accessibilitat marítima (I642C)

• Indicador d’accessibilitat ferroviària (I642D)

• Indicador d’accessibilitat de mercaderies per carretera (I642E)

• Indicador de motorització relativitzat per la població resident del municipI. (I643A)

• Mitjana de vehicles per habitatge principal (I643B)

• Indicador dels residents que es desplacen al lloc de treball o d’estudi amb transport públic (I643C)

• Índex d’accidentalitat viària relativitzat per població resident (I643D)

20


F: Nivell impositiuF = u671 I671

• Coeficiènt de localització màxim de l’Impost d’Activitats Econòmiques al municipi (I671)

CE: Existència de clusters empresarials (economies d’aglomeració)

CE = w691A I691A + w691B I619B + w691C I691C + w691D I691D + w691E I691E + w692A I692A + w692B I692B

• Indicador d’ocupació en sectors estratègics (excel·lència empresarial) respecte total ocupats (I691A)

• Indicador d’ocupació en el sector “altres activitats empresarials” (I691B)

• Indicador de concentració d’empreses d’excel·lència (I691C)

• Percentatge d’empreses pertanyents al grup “altres activitats empresarials” (CCAE-93:74) (I691D)

• Indicador de densitat d’oficines d’entitats financeres al municipi relativitzat envers la població resident (I691E) • Indicador d’ocupació en sectors estratègics (excel·lència empresarial) respecte total ocupats, al sistema urbà al que pertany el municipi

(I692A)

• Indicador de concentració d’empreses d’excel·lència al sistema urbà al que pertany el municipi (I692B)

DE: Dinamisme econòmicDE = d6101 I6101 + d6102 I6102 + d6103 I6103

• Indicador de creació de noves empreses al municipi (I6101)

• Indicador d’increment del nombre de professionals i autònoms al municipi (I6102)

• Indicador de la taxa de creixement d’empreses d’excel.lència (I6103))

QViMA: Qualitat de vida i medi ambient

QViMA = g6111 I6111 + g6112A I6112A + g6112B I6112B

• Indicador sintètic de qualitat de vida (I6111)

• Indicador de la recollida selectiva de residus municipals domiciliaris relativitzat envers l’objectiu fixat al PROGREMIC per l’any 2012 (I6112A))

• Indicador de generació de residus indústrials especials (tones per mil habitants) (I6112B)

INN: Innovació

INN = e6121 I6121 + e6122 I6122 + e6123 I6123 • Indicador d’accessibilitat del municipi als centres universitaris (I6121)

• Indicador d’ocupació en els sectors: educació (80 CCAE93) + recerca i desenvolupament (73 CCAE93) (I6122)

• Percentatge d’empreses pertanyents als sectors: educació (80 CCAE93) + recerca i desenvolupament (73 CCAE93) (I6123)

Font: Elaboració pròpia.

6. Anàlisi de la capacitat potencial dels municipis per atreure act

L’SMIEE és un índex mitjana aritmètica ponderada dels índexs intermedis que representen a cadascun dels nou factors

crítics. Els valors de l’SMIEE, configurat com un indicador sintètic, ens indiquen quina és la posició relativa estandarditzada

de cada municipi. Recordem que l’SMIEE és un indicador complex que sintetitza la informació parcial, rellevant en el context

de les decisions empresarials de localització, aportada per la bateria de trenta vuit indicadors primaris que intervenen el

càlcul dels índex intermedis dissenyats per cada un dels nou factors crítics considerats. Així, desprès d’haver definit la

6. Anàlisi de la capacitat potencial dels municipis per atreure activitats econòmiques d’excel·lència



metodologia en que es sustenta el càlcul de l’índex complex SMIEE (i dels seus components), i conèixer les distribucions

de freqüències corresponents als 38 indicadors simples, ara procedeix presentar els resultats finals obtinguts per l’SMIEE, i

l’anàlisi i interpretació dels mateixos.

6.1. Presentació general dels resultats

Els valors obtinguts per l’SMIEE en primera instància, és a dir els valors estandarditzats, són els que es mostrem seguidament a

la taula 6.1. Per interpretar acuradament els resultats d’aquesta taula cal tenir present que els valors més grans corresponen

a aquells municipis que presenten unes millors condicions per atreure activitats econòmiques d’excel·lència empresarial,

en tant que els valors més petits s’obtenen pels que tenen unes característiques més desfavorables. Tanmateix, els valors

de signe positiu indiquen un posicionament per sobre de la mitjana, mentre que els de signe negatiu informen que el valor

corresponent a un determinat municipi es troba per sota de la mitjana.

Tot i que a la taula 6.1 els 26 municipis de la província de Barcelona apareixen ordenats en funció de les magnituds dels valors

estandarditzats que presenta l’SMIEE per cadascun d’ells, per facilitar la lectura dels mateixos aquests s’han reconvertit en

format ordinal. Així, a la taula 6.3 es presenta el rang d’ordre que correspon a cadascun dels 26 municipis en funció del valor

obtingut per l’SMIEE, i també, seguint el mateix criteri, a la mateixa taula s’informa de les posicions relatives assolides pels

municipis de la Xarxa en cadascun dels nou factors crítics que intervenen en el càlcul del valor final de l’SMIEE.

Cal fer esment que en la mesura en que la presentació ordinal dels resultats simplifica la seva presentació i lectura, també

comporta una pèrdua d’informació. Quan una variable quantitativa (SMIEE en valors estandarditzats) es reformula com

a ordinal l’única informació que es reté és la posició d’ordre en una ordenació de més gran a més petit. És a dir, quan es

treballa amb aquest nivell d’escala no es poden establir comparacions de magnitud entre els municipis. És a dir, per exemple,

el municipi que ocupa la segona posició no necessariament dobla en capacitat d’atracció potencial al que es troba en quarta

posició.

Abans de comentar amb detall els resultats obtinguts, s’ha de tornar a fer ènfasi en el fet que el comportament del Sistema

Municipal d’Indicadors d’Excel·lència Empresarial (SMIEE) troba la seva fonamentació en la situació dels nou factors crítics,

de manera que es poden extreure les següents conclusions generals:

Els resultats obtinguts mostren que l’SMIEE prima l’equilibri entre els diversos factors23, de manera que les mancances en

un factor crític només poden ser compensades parcialment pels avantatges en altres factors.

De manera general, es pot observar que cada municipi presenta punts forts i febles, de manera que puntua per sobre de la

mitjana en alguns aspectes i per sota en altres.

23 Recordem que 7 d’ells (KH, capital humà; SiL, disponibilitat de sòl i locals; A, accessibilitat; DE, dinàmica empresarial; QViMA, qualitat de vida i mediambient; i INN, innovació) tenen la mateixa aportació quan es calcula l’índex sintètic, i els dos que s’han incorporat per primera vegada (F, pressió fiscal i INF, disponibilitat d’infraestructures) tenen un pes conjunt que equival al que té un dels altres set factors.

22


A continuació, prenent com a base la informació que es presenta a les taules 6.1 i 6.3, s’analitzen els resultats obtinguts pels

26 municipis i s’avalua quina por ser la seva capacitat potencial per mantenir i atraure activitat econòmica d’excel·lència.

Tot i que a l’epígraf següent es realitza una anàlisi pormenoritzada de cadascun dels 26 municipis, la taula 6.3 permet

analitzar d’una manera molt visual les posicions relatives assolides pels municipis a cadascun dels nou factors crítics. En

aquesta taula les cel·les s’han acolorit en funció del rang d’ordre del municipi per cadascun dels factors (veure la taula 6.2).

D’aquesta manera es pretén assolir un major grau de coneixement envers les similituds i diferències que presenten els

municipis que integren cadascun dels blocs que han estat configurats. Tanmateix, aquest tipus d’anàlisi resulta força oportú

per tal de comparar aquells municipis que presenten valors dl’SMIEE tan propers que qualsevol petita variació que afecti als

índex parcials pot comportar fluctuacions immediates al rànquing.

Intervals definit pels rangs d’ordre

Rangs 1a 4 Rangs 14 a 17

Rangs 5 a 9 Rangs 18 a 22

Rangs 10 a 13 Rangs 23 a 26

Taula 6.2



Taul

a 6.

1. V

alor

s es

tand

ardi

tzat

s de

l’SM

IEE

i els

fact

ors

críti

cs.

Mu

nic

ipi

SM

IEE

KH

SiL

INF

AF

CE

DE

QV

iMA

INN

San

t C

uga

t d

el

Val

lès

2,8

78

3,13

5-0

,254

1,38

20,

032

-1,0

321,

833

3,63

11,

187

0,06

3

Ce

rdan

yo

la d

el

Val

lès

2,3

46

0,61

52,

075

-0,1

80-0

,176

0,55

61,

035

0,39

3-0

,338

4,50

4

Barc

elo

na

2,2

32

3,12

7-0

,257

1,38

21,

482

-1,0

322,

533

-0,3

121,

048

0,61

7

Vic

0,6

34

-0,6

731,

748

-0,1

80-2

,183

0,48

10,

735

0,86

52,

595

-0,8

36

Sab

ade

ll0,4

19

0,06

50,

373

-0,1

80-0

,315

1,59

60,

413

-0,6

340,

760

0,18

4

Esp

lugu

es

de

Llo

bre

gat

0,3

08

-0,0

67-1

,163

1,38

21,

273

0,61

30,

099

-0,5

280,

277

-0,0

29

Man

resa

0,1

47

-0,6

162,

023

-0,1

80-1

,734

1,76

60,

460

-0,2

600,

912

-1,0

35

Mart

ore

ll0,1

05

-0,5

140,

887

-0,1

80-0

,455

1,72

80,

722

0,17

7-1

,819

-0,0

37

Cas

tell

de

fels

-0,0

50

0,69

1-1

,166

-0,1

800,

171

-1,0

32-1

,373

1,83

60,

206

-0,0

63

Te

rras

sa-0

,083

0,16

3-0

,399

-0,1

80-0

,489

1,06

70,

472

-0,7

070,

412

-0,1

60

Mo

lle

t d

el

Val

lès

-0,1

02

-0,3

650,

141

-1,7

42-0

,130

1,21

80,

313

-0,3

690,

024

0,38

3

Ho

spit

ale

t d

e L

lob

rega

t, l

’-0

,115

-0,7

34-0

,895

1,38

21,

802

-1,0

320,

159

-0,8

96-0

,199

0,14

7

Pra

t d

e L

lob

rega

t, E

l-0

,175

-0,6

440,

466

-0,1

800,

673

-0,6

54-0

,552

0,10

90,

380

-0,4

40

Vil

afr

an

ca d

el

Pe

ne

dè

s-0

,241

-0,5

581,

136

-1,7

42-1

,663

-0,7

290,

977

0,44

40,

922

-0,5

43

Gra

no

lle

rs-0

,315

-0,0

650,

309

-0,1

80-0

,783

0,78

30,

500

-0,7

18-0

,543

-0,1

73

Co

rne

llà

de

Llo

bre

gat

-0,4

57

-0,2

55-0

,770

1,38

21,

598

-0,9

94-0

,008

-0,5

78-1

,445

-0,5

79

Vil

ade

can

s-0

,495

-0,3

971,

173

-0,1

800,

239

-1,0

32-1

,133

-0,1

26-0

,240

-0,3

14

Gav

à-0

,515

-0,0

28-1

,129

-0,1

800,

121

-0,9

94-1

,191

0,78

2-0

,098

0,24

4

Vil

an

ova

i la

Ge

ltrú

-0,6

03

-0,1

21-0

,624

-1,7

42-0

,916

0,97

2-0

,559

1,09

40,

054

-0,8

83

Mat

aró

-0,6

91

-0,4

15-0

,570

-0,1

80-0

,661

1,10

4-0

,600

-0,9

680,

955

-0,5

02

San

t B

oi

de

Llo

bre

gat

-0,7

23

-0,6

770,

593

-0,1

800,

523

-0,6

54-0

,552

-0,4

54-1

,491

-0,0

80

San

t F

eli

u d

e L

lob

rega

t-0

,763

-0,0

84-0

,891

-0,1

800,

299

-1,0

32-1

,025

-0,6

980,

336

0,34

1

Barb

erà

de

l V

allè

s-0

,786

0,23

6-0

,638

-0,1

80-0

,028

-0,0

11-0

,502

-0,7

28-0

,082

-0,7

50

Bad

alo

na

-0,8

08

-0,3

24-1

,158

1,38

20,

729

-1,0

32-1

,328

-0,1

76-1

,385

0,30

5

Ru

bí

-0,8

92

-0,0

920,

137

-1,7

42-0

,636

-0,2

000,

333

-0,1

10-1

,076

-0,6

51

San

ta C

olo

ma

de

G

ram

en

et

-1,2

56

-1,4

01-1

,148

1,38

21,

227

-0,4

27-1

,761

-1,0

67-1

,349

0,28

4

Font

: El

abor

ació

pr

òpia

Taul

a 6.

3.

SMIE

E i

fact

ors

críti

cs:

Cla

ssifi

caci

ó or

dina

l.

24


Municipi SMIEE KH SiL INF A F CE DE QViMA INN

Sant Cugat del Vallès 1 1 13 1 13 20 2 1 2 10Cerdanyola del Vallès 2 4 1 8 16 10 3 7 19 1Barcelona 3 2 14 1 3 20 1 14 3 2Vic 4 23 3 8 26 11 5 4 1 24Sabadell 5 7 9 8 17 3 10 19 7 8Esplugues de Llobregat 6 10 25 1 4 9 14 17 11 11Manresa 7 21 2 8 25 1 9 13 6 26Martorell 8 19 6 8 18 2 6 8 26 12Castelldefels 9 3 26 8 11 20 25 2 12 13Terrassa 10 6 15 8 19 6 8 21 8 15Mollet del Vallès 11 16 11 23 15 4 12 15 14 3Hospitalet de Llobregat, l’ 12 25 21 1 1 20 13 24 17 9Prat de Llobregat, El 13 22 8 8 7 15 17 9 9 18Vilafranca del Penedès 14 20 5 23 24 17 4 6 5 20Granollers 15 9 10 8 22 8 7 22 20 16Cornellà de Llobregat 16 14 19 1 2 18 15 18 24 21Viladecans 17 17 4 8 10 20 22 11 18 17Gavà 18 8 22 8 12 18 23 5 16 7Vilanova i la Geltrú 19 13 17 23 23 7 19 3 13 25Mataró 20 18 16 8 21 5 20 25 4 19Sant Boi de Llobregat 21 24 7 8 8 15 18 16 25 14Sant Feliu de Llobregat 22 11 20 8 9 20 21 20 10 4Barberà del Vallès 23 5 18 8 14 12 16 23 15 23Badalona 24 15 24 1 6 20 24 12 23 5Rubí 25 12 12 23 20 13 11 10 21 22Sta Coloma de Gramenet 26 26 23 1 5 14 26 26 22 6

Font: Elaboració pròpia

6.2. Rànquing SMIEE: Anàlisi comparativa de la capacitat potencial dels municipis per atreure activitats econòmiques d’excel·lència

Al gràfic 6.1 es representen els valors estandarditzats24 de l’SMIEE. Es posa en evidència que vuit municipis presenten valors

de l’SMIEE que són positius, és a dir es troben per sobre de la mitjana. Els 18 municipis restants presenten valors negatius

de l’índex sintètic.

Es municipis que encapçalen amb rotunditat l’ordenació són Sant Cugat del Vallès, Cerdanyola del Vallès i Barcelona. A més

d’aquests tres, els municipis millor situats al rànquing són, per aquest ordre, Vic, Sabadell i Esplugues de Llobregat.

D’altra banda, si centrem l’atenció en la franja central de l’ordenació, s’observa com a la zona intermèdia alta està ocupada

pels municipis de: Manresa, Martorell, Castelldefels, Terrassa, Mollet del Vallès, L’Hospitalet de Llobregat i El Prat de

Llobregat. Tot i que dos d’ells presenten un valor positiu (Manresa i Martorell) i la resta negatiu, tenen en comú el fet de

presentar valors estandarditzats que es posicionen al voltant de la mitjana i defineixen un interval d’extrems pràcticament

equidistants25

24 Els valors estandarditzats presenten l’avantatge de ser adimensionals, és a dir són independents de l’unitat de mesura original de la variable.

25 El límit inferior seria el valor de l’SMIEE d’El Prat de Llobregat (-0,175) i el superior el valor assolit per Manresa (0,147).



Gràfic 6.1. Valors estandarditzats de l’index sintètic SMIEE

Continuant amb l’anàlisi de la zona central de la disposició ordinal dels municipis en funció del valor assolit per

l’SMIEE, es troba un altre grup que ocupa la zona intermèdia baixa. Aquests municipis (Vilafranca del Penedès,

Granollers, Cornellà de Llobregat, Viladecans i Gavà), presenten tots ells valors negatius de magnitud moderada

que defineixen un interval d’amplitud similar26 al definit pel grup anterior.

A l’extrem inferior de la classificació que il·lustra el gràfic 6.1, es troben els vuit municipis que presenten els

valors de l’SMIEE que presenten els valors negatius més allunyats de la mitjana. Aquests municipis són Vilanova

i la Geltrú, Mataró, Sant Boi de Llobregat, Sant Feliu de Llobregat, Barberà del Vallès, Badalona, Rubí i Santa

Coloma de Gramenet. Cal referir que Santa Coloma (amb un valor de l’index de -1,256) ocupa la pitjor posició

del rànquing amb claredat, mentre que la resta dels municipis que s’integren en aquest bloc, presenten valors

de l’SMIEE molt més propers entre sí i, per això, cal valorar que el seu posicionament relatiu dins d’aquest bloc

presenta una alta sensibilitat envers el volum i naturalesa de la informació disponible en cada moment pel càlcul

de l’SMIEE.

Finalment, abans de cloure aquest epígraf, on es proporciona una primera avaluació general dels resultat obtinguts,

cal ressenyar que per fer una anàlisi més complerta dels mateixos resulta adient analitzar més detalladament les

característiques de cadascun dels municipis envers els factors crítics considerats al SMIEE.

26 L’interval abasta en aquest cas els valors de l’SMIEE compresos a l’interval [-0,515,-0,241].

-1,5 -1 -0,5 0 0,5 1 1,5 2 2,5 3

Sant Cugat del Vallès

Cerdanyola del Vallès

Barcelona

Vic

Sabadell

Esplugues de Llobregat

Manresa

Martorell

Castelldefels

Terrassa

Mollet del Vallès

Hospitalet de Llobregat, L'

Prat de Llobregat, El

Vilafranca del Penedès

Granollers

Cornellà de Llobregat

Viladecans

Gavà

Vilanova i la Geltrú

Mataró

Sant Boi de Llobregat

Sant Feliu de Llobregat

Barberà del Vallès

Badalona

Rubí

Santa Coloma de Gramenet

26


Ara bé, encara que l’anàlisi de la combinació de rangs d’ordre assolits als nou factors crítics per un municipi és

senzilla i resulta fàcilment comprensible, cal recordar que l’SMIEE és un índex sintètic que no es calcula a partir

dels valors ordinals sinó que es basa en les dades estandarditzades que resulten del càlcul de cadascun dels

índex intermedis que representen als nou factors crítics. Donada aquesta circumstància, s’ha de tenir present

que l’anàlisi de les posicions que els municipis ocupen en el rànquing a partir dels rangs d’ordre assolits per cada

factor crític constitueix una simplificació.

En aquest epígraf s’inclou una taula (6.4) on es mostren els gràfics radials que recullen el posicionament ordinal

dels municipis envers els nou factors crítics. Cal explicar que aquests gràfics radials representen a cadascun dels

seus nou eixos un dels factors crítics, en tant que la trama més exterior representa la primera posició ordinal i

la més interior la vint-i-sisena posició ordinal per cadascun dels nou índex intermedis que han estat calculats per

representar als respectius factors crítics. En conseqüència, donada la metodologia de càlcul emprada al SMIEE,

a on pràcticament tots els factors crítics gaudeixen de la mateixa importància relativa27, pot relacionar-se la

grandària de l’àrea acolorida amb la ubicació d’un municipi en el rànquing. És a dir, quant més gran sigui aquesta

àrea millor posicionat es trobarà el municipi i, en definitiva, major serà la seva potencialitat per atraure activitats

econòmiques d’excel·lència.

Finalment, cal assenyalar que els resultats obtinguts per l’SMIEE permeten constatar que Sant Cugat és el

municipi de la província de Barcelona més atractiu per a les empreses, seguit a certa distància, per Cerdanyola.

Barcelona ocupa la tercera posició d’aquest índex.

Cal destacar també la bona posició relativa que obtenen en aquest índex municipis de la segona corona

metropolitana, o inclús més allunyats de Barcelona, com Vic, Manresa o Sabadell.

Municipis contigus, i, fins i tot, que formen part d’una mateixa conurbació, registren resultats molt diferents en

aquest índex, com és el cas de Sant Cugat i Rubí, Castelldefels i Gavà o Sabadell, Terrassa i Barberà.

La Primera Corona metropolitana tendeix a ocupar els darrers llocs de la classificació (Santa Coloma, Sant Boi,

Sant Feliu, Badalona, Viladecans o Cornellà). En canvi, malgrat formar part d’aquesta àrea, Esplugues, l’Hospitalet

i inclús Martorell mostren un valor de l’indicador per sobre de la mitjana dels 26 municipis analitzats.

27 Amb l’excepció dels factors F i INF que tenen de manera conjunta una aportació equivalent a la resta de factors crítics.



KH

SiL

INF

A

FCE

DE

QViMA

INN

Vic

KH

SiL

INF

A

FCE

DE

QViMA

INN

Sabadell

KH

SiL

INF

A

FCE

DE

QViMA

INN

Esplugues de Llobregat

KH

SiL

INF

A

FCE

DE

QViMA

INN

Hospitalet de Llobregat, L'

KH

SiL

INF

A

FCE

DE

QViMA

INN

Mollet del Vallès

KH

SiL

INF

A

FCE

DE

QViMA

INN

Terrassa

KH

SiL

INF

A

FCE

DE

QViMA

INN

Castelldefels

KH

SiL

INF

A

FCE

DE

QViMA

INN

Martorell

KH

SiL

INF

A

FCE

DE

QViMA

INN

Manresa

KH

SiL

INF

A

FCE

DE

QViMA

INN

Barcelona

KH

SiL

INF

A

FCE

DE

QViMA

INN

Cerdanyola del Vallès

KH

SiL

INF

A

FCE

DE

QViMA

INN

Sant Cugat del Vallès

Taula 6.4. Gràfics radials dels posicionament ordinal per factors crítics. Ordenació en

funció del rang assolit en l’SMIEE

KH

SiL

INF

A

FCE

DE

QViMA

INN

Granollers

KH

SiL

INF

A

FCE

DE

QViMA

INN

Vilafranca del Penedès

KH

SiL

INF

A

FCE

DE

QViMA

INN

Prat de Llobregat, El

28


6.3. Anàlisi particularitzada dels 26 municipis

Seguidament, en aquest epígraf s’analitzen els principals trets característics de cadascun dels 26 municipis de la província

de Barcelona que han estat analitzats. L’anàlisi dels nou factors crítics que han estat definits com a índex intermedis en el

càlcul de l’SMIEE, permet identificar tant les seves fortaleses com les seves febleses. D’aquesta manera es pot avaluar d’una

manera més precisa les seves potencialitats com a pols d’atracció d’activitats econòmiques d’excel·lència.

Taula 6.4. Gràfics radials dels posicionament ordinal per factors crítics. Ordenació en

funció del rang assolit en l’SMIEE

KH

SiL

INF

A

FCE

DE

QViMA

INN

Santa Coloma de Gramenet

KH

SiL

INF

A

FCE

DE

QViMA

INN

Rubí

KH

SiL

INF

A

FCE

DE

QViMA

INN

Badalona

KH

SiL

INF

A

FCE

DE

QViMA

INN

Barberà del Vallès

KH

SiL

INF

A

FCE

DE

QViMA

INN

Sant Feliu de Llobregat

KH

SiL

INF

A

FCE

DE

QViMA

INN

Sant Boi de Llobregat

KH

SiL

INF

A

FCE

DE

QViMA

INN

Mataró

KH

SiL

INF

A

FCE

DE

QViMA

INN

Vilanova i la Geltrú

KH

SiL

INF

A

FCE

DE

QViMA

INN

Gavà

KH

SiL

INF

A

FCE

DE

QViMA

INN

Viladecans

KH

SiL

INF

A

FCE

DE

QViMA

INN

Cornellà de Llobregat



6.3.1. Badalona

• Globalment, Badalona presenta una posició molt baixa (és l’antepenúltim dels 26 municipis analitzats). De totes

maneres, la seva puntuació en l’indicador sintètic global (-0,80) és molt semblant a la dels tres municipis que ocupen

les posicions immediatament superiors: Barberà (-0,78), Sant Feliu (-0,76) i Sant Boi (-0,72).

• Aquesta situació és el resultat de valors molt negatius als factors de sòl i locals, clústers empresarials i qualitat de vida.

• En canvi, Badalona presenta bones puntuacions als factors d’accessibilitat (proximitat a Barcelona i bona

infraestructura de transport públic), infraestructures i innovació (per la seva proximitat al Campus del Besòs), i un

valor proper a la mitjana en capital humà i dinamisme empresarial.

• Badalona manté una posició global semblant a la que tenia al darrer càlcul de l’SMIEE (2005, amb dades de la

primera meitat del quinquenni 2000-2005).

6.3.2. Barberà del Vallès

• Barberà ocupa la 23ª posició de l’índex global, a poca distància de Badalona (per sota) i de Sant Feliu (per sobre).

• Barberà es troba per sota de la mitjana a gairebé tots els indicadors parcials, excepte a capital humà (on es el 5è

municipi), tot i que forma part d’un gran grup de municipis que presenten valors força semblants en aquest indicador.

Per exemple, la diferència entre Barberà i Cornellà (14è municipi pel que fa al factor de capital humà) és de 0,5, quan

la diferència Barcelona (2ª) i Cerdanyola (quart) és de 2,5 (és a dir, cinc vegades superior).

• Pel que fa als factors d’accessibilitat, pressió fiscal i qualitat de vida, Barberà es troba molt proper a la mitjana (tot

i que lleugerament per sota).

• En canvi, les seves puntuacions són molt baixes als factors de dinamisme empresarial i d’innovació.

• Barberà perd algunes posicions respecte l’SMIEE anterior, degut, sobretot, al seu estancament als factors de qualitat

de vida i medi ambient i accessibilitat.

6.3.3. Barcelona

• Segons l’indicador global, la capital de la província és el tercer municipi més atractiu per a les empreses de qualitat

(gairebé igualat amb el segon, Cerdanyola, i a molta distància del quart, Vic).

• Barcelona puntua molt bé a tots els factors excepte a sòl i locals (penalitzada per l’elevat preu del sòl i l’escassa

oferta disponible), pressió fiscal i dinamisme empresarial (factor en el que es troba lleugerament per sota de la

mitjana).

30


• Cal destacar la seva excel·lent posició relativa en capital humà, infraestructures, clústers i innovació.

• La posició de Barcelona, tant per a l’indicador global com per als factors és molt semblant a la que assolia a l’SMIEE

anterior, tot i que perd una posició en benefici de Cerdanyola.

6.3.4. Castelldefels

• Castelldefels és el 9è municipi en l’ordre de l’SMIEE. El seu valor de l’indicador global es troba gairebé a la mitjana

(-0,05), i és lleugerament inferior al de Martorell (8è amb un valor de 0,10) i pràcticament igual al dels municipis que

ocupen els llocs 10è i 11è: Terrassa (-0,08) i Mollet (-0,10).

• Castelldefels té molt bones posicions als factors capital humà (3er) i dinamisme empresarial (2on), però, en canvi,

es troba a la cua a altres aspectes, com clústers (on és l’antepenúltim municipi, amb valors molt semblants als dels

dos darrers: Badalona i Santa Coloma) i sòl i locals (és el pitjor puntuat en aquest aspecte, tot i que amb un valor

molt semblant als d’Esplugues, Gavà o Badalona), degut a l’elevat preu del sòl, la manca d’oferta i la inexistència

d’actuacions de l’Incasòl al municipi.

• La resta de factors es troben molt propers a la mitjana.

• Respecte a la darrera versió de l’indicador, Castelldefels es manté a la part mitjana-alta de la tabla, tot i que perd

algunes posicions, degut sobretot a l’evolució negativa del factor sòl i locals.

6.3.5. Cerdanyola del Vallès

• Cerdanyola ocupa la segona posició de l’índex global, tot i que amb molt poca diferència amb el 3er municipi

(Barcelona) i una mica allunyada del primer (Sant Cugat).

• Cerdanyola destaca per la seva molt bona puntuació a l’apartat d’innovació, degut a tenir al seu municipi el Campus

de Bellaterra de la Universitat Autònoma. També ocupa el primer lloc al factor de sòl i locals (tot i que gairebé

empatada amb el 2on municipi, Manresa), degut a les importants actuacions de l’Incasòl a Cerdanyola.

• A altres factors com capital humà, clústers empresarials o dinamisme empresarial, Cerdanyola també obté una

puntuació per sobre de la mitjana dels 26 municipis.

• En canvi, Cerdanyola es troba per sota de la mitjana (tot i que prop d’aquesta) a factors com infraestructures,

accessibilitat o qualitat de vida.

• Respecte el darrer càlcul de l’SMIEE, Cerdanyola guanya una posició, passant del tercer lloc al segon.



6.3.6. Cornellà de Llobregat

• Cornellà és el 16è dels 26 municipis en l’índex global, amb un valor de -0,45, la qual cosa la situa molt a prop de

Granollers (15è amb un valor de l’índex de -0,31) i Viladecans (17è, amb -0,45).

• Cornellà presenta bons valors a infraestructures i a accessibilitat (on encapçala la classificació, superant, fins i tot,

Barcelona, per la seva proximitat simultània a aquesta i a les principals infraestructures logístiques del Baix Llobregat,

així com per la seva xarxa de transport públic).

Per a la resta d’indicadors, els valors de Cornellà són inferiors a la mitjana, tot i que sense allunyar-se massa

d’aquesta. L’excepció és el factor qualitat de vida i medi ambient, on Cornellà assoleix una posició molt baixa (24

sobre 26 municipis, amb un valor de l’índex de -1,44).

Respecte versions anteriors de l’SMIEE, Cornellà es manté al grup mitjà dels 26 municipis analitzats, tot i que perd

algunes posicions.

6.3.7. Esplugues de Llobregat

Esplugues és el 6è municipi en el còmput global de l’SMIEE, amb un valor de 0,30 (per sobre de la mitjana), que l’emparella

amb municipis com Vic (quart, amb un valor de 0,63), Sabadell (5è amb 0,41), Manresa (7è amb 0,14) o Martorell (8è amb

0,10).

Esplugues destaca als indicadors parcials d’infraestructures i accessibilitat, i manté una posició mitjana o mitjana-alta a la

resta, excepte a sòl i locals (on és el penúltim municipi, degut a l’elevat preu del sòl).

Respecte a l’SMIEE anterior, Esplugues perd una posició, tot i que la majoria dels seus indicadors parcials semblen empitjorar

lleugerament (excepte l’esmentat sòl i locals, on la caiguda és forta).

6.3.8. Gavà

A l’índex global, Gavà ocupa el 18è lloc entre els 26 municipis analitzats, tot i que les diferències amb els municipis que el

precedeixen no són força elevades (el valor de l’SMIEE de Gavà és de -0,51, i el de Vilafranca, 14è, és de -0,24).

De totes maneres, cal destacar la diferència de posicions relatives de Castelldefels (9è) i Gavà (18è).

Gavà es troba especialment perjudicada als factor de sòl i locals (on es troba a la 22ena posició) i clústers empresarials

(23), mentre que a la resta de factors pren posicions mitjanes, i fins i tot bones, com a dinamisme empresarial, on és el 5è

municipi.

32


• Tot això ha portat Gavà a perdre força posicions en el nostre ranking degut, fonamentalment, a la seva evolució

negativa als factors de clústers empresarials i qualitat de vida i medi ambient.

6.3.9. Granollers

• Granollers ocupa la 15ena posició relativa, formant part d’un grup amb puntuacions molt semblants a l’SMIEE,

juntament amb Vilafranca, Cornellà, Viladecans, Gavà i Vilanova.

• Granollers ocupa posicions mitjanes o mitjanes-altes a la majoria de factors, però es veu llastrat pels seus baixos

valors als factors d’accessibilitat (degut a la seva relativa llunyania de l’Àrea Metropolitana de Barcelona i les seves

infraestructures) i dinamisme empresarial.

• De totes maneres, Granollers passa d’una posició cuera (24è sobre 26 municipis) a l’SMIEE anterior a trobar-se

molt proper a la mitjana, especialment degut a la seva millora en sòl i locals, clústers empresarials i innovació.

6.3.10. L’Hospitalet de Llobregat

• L’Hospitalet es troba a la 12ena posició dels 26 municipis objecte del nostre estudi, amb un valor de l’índex global

de -0,11, per sota de la mitjana però molt proper a aquesta.

• La seva distribució de factors és molt polaritzada: és un municipi capdavanter per a factors com accessibilitat

o infraestructures, però en canvi, la seva posició és pobre a altres com capital humà (penúltim), o dinamisme

empresarial (antepenúltim).

• L’Hospitalet també ocupava la 12ena posició al darrer càlcul de l’SMIEE.

6.3.11. Manresa

• Manresa és el 7è municipi a la classificació global, amb un valor de l’SMIEE de 0,14 (per sobre de la mitjana i similar

als d’Esplugues, Sabadell o Martorell, tot i que ja allunyat de Vic (quart, amb un valor de 0,63)).

• Tot i que les posicions de Manresa són força bones a alguns indicadors parcials (en el grup capdavanter a pressió

fiscal, 2ª a sòl i locals o 6ª a qualitat de vida), es veu molt afectada per la seva situació perifèrica, que provoca un

valor molt baix del component accessibilitat (de fet, és el penúltim municipi en aquest aspecte, superant només Vic).

• Manresa és un dels municipis que més millora respecte al càlcul anterior de l’SMIEE (on ocupava el darrer lloc),

destacant la seva millor posició a les classificacions de sòl i locals i qualitat de vida.



6.3.12. Martorell

• Martorell és el 8è municipi de l’SMIEE, amb un valor molt semblant al de Manresa (7è), sent el darrer municipi que

es troba per sobre de la puntuació mitjana global.

• Martorell destaca per tenir posicions capdavanteres a factors com pressió fiscal, sòl i locals, clústers empresarials,

infraestructures o dinamisme empresarial (part d’aquestes característiques són, probablement, conseqüència de

l’especialització d’aquest municipi en el sector de l’automoció),.

• En canvi, és el darrer municipi en qualitat de vida i medi ambient, i la seva accessibilitat tampoc és gaire bona.

• Tot i mantenir-se entre els 10 primers municipis, Martorell perd posicions respecte el darrer càlcul de l’SMIEE, amb

pèrdua de posicions al factors capital humà, accessibilitat i qualitat de vida i medi ambient.

6.3.13. Mataró

• Mataró es troba en el 20è lloc dels 26 municipis analitzats. De totes maneres, les diferències del valor de l’índex

sintètic global entre Mataró (-0,69) i els municipis que l’envolten a la classificació no són molt grans: Vilanova és 19ª

amb -0,60, i Sant Boi, 21è, amb -0,72.

• Mataró tendeix a ocupar posicions baixes als índexs parcials (18è a capital humà, 21è a accessibilitat, 20è a clústers

empresarials, 25è a dinamisme empresarial o 19è a innovació), encara que puntua millor a qualitat de vida (quart) o

pressió fiscal (5è).

• Probablement, aquests resultats es deuen a la situació de Mataró, relativament allunyat de l’Àrea Metropolitana i a

la seva antiga especialització a sectors indústrials (com el tèxtil) molt castigats per la crisi econòmica.

• De totes maneres, la posició relativa de Mataró ha millorat (era 25è a la darrera versió de l’SMIEE). Destaca la seva

evolució positiva als factors de capital humà (on, al darrer càlcul de l’SMIEE era el municipi pitjor valorat) i qualitat

de vida i medi ambient.

6.3.14. Mollet del Vallès

• Mollet ocupa l’11è lloc de l’indicador global, amb una puntuació de -0,10 (lleugerament per sota de la mitjana, però

en un grup de municipis (des de Martorell, 8è amb un valor de 0,10, fins el Prat, 13è amb -0,17) on les diferències

són molt petites.

• Destaca la seva bona posició als factors d’innovació (3er) i pressió fiscal, i, en canvi, una classificació pobre en el

factor d’infraestructures. A la resta de factors, es manté en nivells intermedis.

Aquest municipi millora posicions (del lloc 14 a l’11) respecte a la darrera versió de l’indicador.

34


6.3.15. El Prat de Llobregat

• El Prat ocupa la 13ª posició de l’índex global, però (tal com s’ha comentat en el cas de Mollet), les diferències amb

els 5 municipis que es troben per davant són petites.

• Aquest municipi té els seus punts forts als factors d’accessibilitat (7è), infraestructures i sòl i locals (on és el 8è)

i dinamisme empresarial i qualitat de vida i medi ambient (9è a tots dos), mentre que es troba a la banda més baixa

dels 26 municipis a factors com mercat de treball (22è), innovació (18è) o clústers empresarials (17è).

• De totes maneres, El Prat millora posicions des de la darrera actualització de l’SMIEE, passant del 17è al 13è lloc.

6.3.16. Rubí

• Rubí ocupa la 25ena posició de l’SMIEE, amb un valor de -0,89, molt proper a Badalona (24è amb -0,80) i Barberà

(23è amb un valor de -0,78), però molt distanciada del darrer municipi (Santa Coloma, que pren un valor de l’SMIEE

de -1,25).

• Rubí presenta els seus punts més febles a infraestructures (23è), innovació (22è) i qualitat de vida i medi ambient

(21è), mentre que a la resta de factors ocupa posicions intermèdies.

• La posició feble de Rubí es déu a que, al contrari que altres municipis, Rubí no és especialment fort en cap factor

que pugui compensar les seves debilitats en altres.

• La seva evolució ha estat negativa, passant d’ocupar posicions a la franja mitjana dels 26 municipis, a la part més

baixa de la classificació. Rubí perd posicions als factors de clústers empresarials, dinamisme empresarial i, sobretot,

a qualitat de vida i medi ambient.

6.3.17. Sabadell

• Sabadell, 5è municipi a la mostra classificació, té una puntuació de l’SMIEE de 0,41, formant un grup amb escasses

diferències amb Vic (4rt amb un valor de 0,63) i Esplugues (6è amb 0,30).

• Sabadell té una posició força equilibrada, amb valors dels indicadors parcials situats gairebé tots a la franja mitjana-

alta, excepte accessibilitat (17è), degut a la seva situació relativament allunyada de Barcelona i d’algunes de les

principals infraestructures, com el Port o l’Aerport, i dinamisme empresarial (19è).

• Respecte el darrer càlcul de l’SMIEE, Sabadell presenta una forta millora, passant del 15è al 5è lloc. Destaquen,

sobretot, les millores en la seva classificació als factors de capital humà i sòl i locals.



6.3.18. Sant Boi de Llobregat

• Sant Boi ocupa el 21è lloc de la classificació global de l’SMIEE, amb un valor de -0,72, i formant part d’un grup que

va des de Gavà (18è amb -0,51) fins Rubí (25è amb -0,89).

• Els principals punts forts de Sant Boi es troben a sòl i locals (7è), infraestructures i accessibilitat (8è a tots dos),

mentre que es troba a la banda baixa o mitjana-baixa de la classificació per a la resta de factors.

• L’evolució d’aquest municipi és força estable, tot i que perd una posició.

6.3.19. Sant Cugat del Vallès

• Tal com succeïa a les versions anteriors de l’SMIEE, Sant Cugat ocupa la primera posició de l’índex global, a una

distància important dels seus seguidors més immediats (Cerdanyola i Barcelona).

• Sant Cugat ocupa la primera o segona posició a 5 dels 9 indicadors parcials, valors mitjans a innovació, sòl i locals

i accessibilitat, i només presenta un valor baix a pressió fiscal.

• Per a una anàlisi detallada d’aquest municipi, veure l’apartat 6.4.

6.3.20. Sant Feliu de Llobregat

• Sant Feliu ocupa la 22ena posició de l’índex sintètic, amb un valor de -0,76, i formant part d’un grup de 8 municipis

amb valors de l’SMIEE força semblants.

• Sant Feliu és especialment fort al factor d’innovació (4rt), i ocupa valors mitjans a infraestructures (8), accessibilitat

(9), qualitat de vida i medi ambient (10) i capital humà (11), però a la resta de factors es troba al lloc 20 o per sota

d’aquest.

• L’evolució de Sant Feliu ha estat negativa, sent superat per varis municipis i passant del lloc 16 al 22, perdent

posicions als factors capital humà, sòl i locals, i dinamisme empresarial.

6.3.21. Santa Coloma de Gramenet

• Santa Coloma ocupa la darrera posició de l’SMIEE, amb un valor de -1,25, molt allunyat del penúltim.

• Tot i que presenta bons valors als factors d’infraestructures, accessibilitat (5è) o innovació (beneficiant-se de la

seva situació propera al Campus del Besós), a la major part d’indicadors (5 sobre 9) es troba en el 20è lloc o més

avall.

36


• Santa Coloma perd moltes posicions (10) respecte el darrer càlcul de l’SMIEE. Destaca la seva evolució negativa

als factors capital humà, sòl i locals, i dinamisme empresarial.

6.3.22. Terrassa

• Terrassa es troba al lloc 10è de l’SMIEE, amb un valor de -0,08, molt lleugerament per sota de la mitjana. El seu

valor és molt semblant al de Martorell, Castelldefels, Mollet o l’Hospitalet.

• Aquest municipi presenta bons valors a capital humà i presió fiscal (6è a tots dos) o infraestructures, clústers i

qualitat de vida (8è a tots tres). A la resta de factors, Terrassa presenta nivells intermedis.

• Terrassa millora molt la seva posició, passant del 23è lloc al 10è, guanyant posicions a tots els factors analitzats.

6.3.23. Vic

• Malgrat ser el municipi més perifèric dels 26 analitzats, Vic ocupa el 4rt lloc de l’SMIEE, amb un valor de 0,63, a força

distància del tercer (Barcelona), però també a certa distància del 5è (Sabadell, amb un valor de 0,41).

• Aquest municipi té una distribució de factors molt polaritzada, tenint, per exemple, el primer lloc a qualitat de vida

i medi ambient, el tercer a sòl i locals, el quart a dinamisme empresarial i el cinquè a clústers empresarials (trets

que denoten un teixit empresarial autònom fort i consolidat), però ocupant les darreres posicions a capital humà

(probablement com a conseqüència de l’especialització d’aquest municipi a sectors de valor afegit relativament baix,

com l’alimentació), innovació i accessibilitat.

6.3.24. Viladecans

• Viladecans ocupa la 17ena posició de l’SMIEE, amb un valor de -0,49. Es troba molt igualada als dos municipis que

l’envolten: Cornellà (16è amb un valor de -0,45) i Gavà (18è amb -0,61).

• Viladecans presenta un bon valor a sòl i locals (quart), però la majoria dels valors dels factors parcials són baixos

o mitjà-baixos.

• La seva evolució ha estat força negativa, passant de la part mitjana-alta de la taula a la mitjana-baixa. Destaca el seu

empitjorament al factor de dinamisme empresarial, on passa del tercer a l’onzè lloc.

6.3.25. Vilafranca del Penedès

• Vilafranca ocupa el lloc 14 entre els 26 municipis analitzats, amb un valor de l’SMIEE de -0,24, molt proper a El Prat

(13è amb un valor de -0,17) i Granollers (15è amb -0,31).



• De la mateixa manera que Vic (municipi amb el que també comparteix la situació de ser un dels més perifèrics),

Vilafranca presenta uns valors molt polaritzats dels indicadors parcials: quart a clústers empresarials, cinquè a sòl i

locals i qualitat de vida i medi ambient i sisè a dinamisme empresarial, però en canvi, 20è a innovació i capital humà,

23è a infraestructures i 24è a accessibilitat.

• Vilafranca millora quatre posicions respecte la versió anterior de l’SMIEE.

6.3.26. Vilanova i la Geltrú

• Vilanova ocupa el 19è lloc de la classificació global, amb un valor de l’SMIEE de 0,60, tot i que els municipis del 18

al 25 presenten valors molt semblants de l’SMIEE.

• Vilafranca presenta un bon valor al factor dinamisme empresarial (3er), però a la resta de factors es troba a la part

baixa o mitjana-baixa de la classificació.

• Respecte el càlcul previ de l’SMIEE, Vilafranca millora dues posicions.

6.4. Situació específica de Sant Cugat al rànquing de l’SMIEE

6.4.1. Introducció

Com ja s’ha comentat als epígrafs 6.2 i 6.3.19, Sant Cugat és el municipi que presenta el millor potencial per localitzar

activitats econòmiques d’excel·lència. Per això, ocupa amb claredat la primera posició del rànquing establert amb el suport

de l’SMIEE.

Si busquem la causa d’aquest posicionament privilegiat (veure taules 6.1, 6.3 i 6.4 i gràfic 6.1), la trobem en els 5 indicadors

intermedis (KH, INF, CE, DE i QviMA) on Sant Cugat presenta les millors condicions quan se’l compara amb els 25

municipis restants. Tanmateix, s’observa que en altres factors (SiL, A i INN) la seva posició correspon a la zona central de

les respectives distribucions. Tan sols en el cas del factor Fiscalitat (F) es situa a la banda baixa de l’ordenació. Per tot això,

el promig dels seus valors estandarditzats, on primen els de signe positiu i prou magnitud l’impulsen al primer lloc del

rànquing.

A continuació, als seguents epígrafs s’analitzen en detall els indicadors simples que intervenen en el càlcul de cadascun dels

index intermedis que han estat identificats pels nou factors crítics de localització d’activitat econòmica d’excel.lència.

38


6.4.2. Capital Humà (KH)

• Sant Cugat és el municipi millor valorat en aquest factor, amb un valor de 3,13, tot i que gairebé empatat amb

Barcelona (3,12). Tots dos es troben a molta distància del tercer municipi millor valorat (Castelldefels, amb un valor

de 0,69 a aquest factor).

• Sant Cugat és el municipi amb majors estudis mitjans de la població (12,91 anys de mitjana), superant al següent

municipi (Barcelona) en més d’un any. També és el municipi amb major proporció de professionals i tècnics entre els

seus treballadors (40,87%).

• A més a més, la seva població és comparativament jove, de manera que presenta la millor ràtio de recanvi de la

població activa dels 26 municipis analitzats.

• En canvi, Sant Cugat es troba a nivells intermedis pel que fa a la seva capacitat d’atracció de mà d’obra (tant

qualificada com no qualificada) del conjunt de la província.

6.4.3. Sòl i locals (SiL)

• Sant Cugat es troba a la meitat de la taula (13è) per a aquest indicador.

• El preu del sòl a Sant Cugat és el quart més elevat dels 26 municipis analitzats (superat només per Barcelona,

Castelldefels i Esplugues), la qual cosa és un obstacle per a les empreses que s’hi vulguin instal·lar o ampliar les seves

instal·lacions.

Sant Cugat del Vallès: Indicadors simples del factor crític KH

I611

I612

I613I614

I615

Sant Cugat del Vallès: Indicadors simples del factor crític SiL

I621

I622A

I622BI623A

I623B



• Tot i que l’Incasòl ha fet una actuació a Sant Cugat, la superfície de la promoció és comparativament modesta.

• Sant Cugat no destaca per la proporció d’establiments de serveis intensius en coneixement (tot i que sí en el

nombre d’ocupats en aquests sectors, la qual cosa indica establiments grans).

6.4.4. Infraestructures (INF)

Indicador d’existència de xarxa de fibra òptica (I631)

• Sant Cugat es troba entre els municipis que disposen d’una xarxa de banda ampla amb major densitat.

6.4.5. Accessibilitat (A)

• Sant Cugat es troba just al mig dels 26 municipis analitzats, amb una accessibilitat que supera per molt poc la

mitjana (0,03). El seu nivell global d’accessibilitat és similar al de Gavà o Barberà del Vallès.

• Sant Cugat presenta un índex d’obertura (entrades i sortides diàries per motius laborals) relativament elevat (el

8è sobre 26), i també una utilització relativament important del transport públic (novament el 8è).

• En canvi, la seva accessibilitat ferroviària és comparativament baixa (tot i tenir vàries estacions dels Ferrocarrils de

la Generalitat, la seva xarxa és molt inferior a la xarxa de metro, tramvia, Ferrocarrils de la Generalitat i Rodalies de

la que disposen altres municipis de l’Àrea Metropolitana).

• Pel que fa a les distàncies a les infraestructures més importants (port, aeroport, terminals de càrrega de RENFE i

parcs i plataformes logístiques) i les taxes de motorització (indicatives de congestió), Sant Cugat es manté a la part

mitjana de la taula.

Sant Cugat del Vallès: Indicadors simples del factor crític A

I641

I642A

I642B

I642C

I642D

I642E

I643A

I643B

I643C

I643D

40


6.4.6. Pressió fiscal (F)

Coeficiènt de localització màxim de l’Impost d’Activitats Econòmiques al municipi (I671)

En comparació amb la resta dels 26 municipis analitzats, Sant Cugat té una pressió fiscal municipal comparativament elevada.

6.4.7. Clústers empresarials (CE)

• Sant Cugat ocupa el segon lloc en aquest factor, si bé a molta distància del primer (Barcelona). En canvi, el tercer

municipi en aquest aspecte (Cerdanyola) també es troba a molta distància de Sant Cugat.

• Sant Cugat és el municipi amb major proporció d’ocupats en sectors d’excel·lència (49%), seguit molt a prop per

Cerdanyola (47%) i, ja a una certa distància, per Barcelona (42%).

• Les empreses instal·lades a Sant Cugat també compten amb una xarxa de serveis especialitzats molt densa: Sant

Cugat també és el municipi amb major proporció de treballadors en el sector de serveis a empreses (23%).

• En canvi, pel que fa a la proporció d’empreses en ambdós sectors, Sant Cugat cau fins el 9è i 7è lloc respectivament.

Això pot indicar que les empreses d’ambdós sectors radicades a Sant Cugat tendeixen a tenir major dimensió que

les d’altres municipis.

• La xarxa d’oficines bancàries a Sant Cugat és de les menys denses dels 26 municipis analitzats, sobretot si tenim

en compte el ràtio oficines / habitants.

• Si tenim en compte no solament el municipi, sinó també la seva àrea d’influència directa (coneguda com sistema

urbà), Sant Cugat és el segon municipi millor valorat, superat només per Barcelona.

Sant Cugat del Vallès: Indicadors simples del factor crític CE

I691A

I691B

I691C

I691DI691E

I692A

I692B



6.4.8. Dinamisme empresarial (DE)

• Sant Cugat també pren la primera posició en aquest factor, a molta distància de la resta de municipis.

• Sant Cugat és el municipi amb la major taxa de creació d’empreses (tant en general, com específicament d’empreses

d’excel·lència).

• Pel que fa al increment del nombre de professionals i autònoms, Sant Cugat obté la tercera posició, superat només

per Vic i Vilanova.

6.4.9. Qualitat de vida i medi ambient (QviMA)

• Sant Cugat és el segon municipi en aquest factor, superat per Vic (que encapçala en solitari aquesta classificació) i

seguit de prop per Barcelona.

• Sant Cugat presenta el segon Índex Sintètic de Qualitat de Vida més elevat dels 26 municipis, però puntua a la

part mitjana-baixa dels 26 municipis en els aspectes de generació de residus contaminants i de recollida selectiva

de residus.

Sant Cugat del Vallès: Indicadors simples del factor crític DE

I6101

I6102I6103

Sant Cugat del Vallès: Indicadors simples del factor crític INN

I6121

I6122I6123

42


6.4.10. Innovació (INN)

• Sant Cugat es troba a la part mitjana d’aquest indicador (10è, amb un valor de 0,06, que el situa lleugerament per

sobre de la mitjana).

• Pel que fa a l’accessibilitat als centres universitaris, tot i que Sant Cugat té alguns centres (com l’Escola d’Arquitectura

del Vallès o algunes facultats de la Universitat Internacional de Catalunya) al seu terme municipal, Sant Cugat es veu

perjudicada pel fet que Cerdanyola (municipi que encapçala aquest factor) té un campus complet al seu terme

municipal, mentre que els municipis que envolten Barcelona es beneficien de la seva proximitat a les instal·lacions

universitàries de la capital i rodalies.

• Pel que fa als sectors de l’Educació i Recerca i desenvolupament (tant en treballadors com en nombre d’establiments),

Sant Cugat es troba a la part mitjana-baixa de la taula.



Alecke, B.; Alsleben, C.; Scharr, F. and Untiedt, G. (2006) “Are there really high-tech clusters? The geographic concentration

of German manufacturing industries and its determinants”. Annals of Regional Science, 40:19–42.

Arauzo, J.M. (2000) Pautas de localización indústrial: estructura productiva y capital humano en los municipios catalanes. III

Encuentro de Economía Aplicada, Valencia, 2000.

Artís, M.; Murillo, J.; Romaní, J. i Suriñach,J. (2005) Sistema municipal d’indicadors d’excel•lència empresarial (SMIEE). AQR_IREA

per l’Ajuntament de Sant Cugat del Vallès.

Artís, M.; Murillo, J.; Romaní, J. i Suriñach,J. (2007) Sistema d’indicadors estratègics de seguiment municipal: Indicadors d’excel•lència

empresarial pels municipis de la Xarxa. AQR_IREA per la Xarxa Perfil de Ciutat.

Athreye, S. (2004) “Agglomeration and Growth: A Study of the Cambridge High-Tech Cluster” In: Bresnahan, T. and

Gambardella, A. (Eds) Building High-Tech Clusters: Silicon Valley and Beyond. Cambridge University Press, pp. 121 – 159.

Aurioles, J. y Pajuelo, A. (1988) “Factores determinantes de la localización industrial en España”. Papeles de Economía, 35, pp.

188-207.

Babbie, E. (1995) The practice of social research. Wadsworth Publications Company.

Begg, I.G. (1991) “High Technology Location and the Urban Areas of Great Britain: Developments in the 1980s”. Urban

Studies, 28, 6, 961-981.

Blue Ribbon Committee’s (2003) Economic development strategy 2002 for the city of Portland. En: http://www.pdc.us/programs/

ed/strategy/index.html

Booysen, F. (2002) “An overview and evaluation of composite indices of development”. Social Indicators Research, 59, pp.

115-151.

Buesa, M. i Zubiaurre, A. (2002) “Patrones tecnológicos y competitividad: un análisis de las empresas innovadoras en el País

Vasco”. Documentos de trabajo del IEF, 20-2002.

Carlson, V. (2000) “Studying Firm Locations: Survey responses vs. econometric models”. The Journal of regional analysis &

policy, 30 (1).

BIBLIOGRAFIA

44


Cotorruelo, R. i Vázquez, A. (1997) “Nuevas pautas de localización de las empresas indústriales y de servicios en España”.

En: Vázquez, Garofoli, G. y Gilly, P. Gran empresa y desarrollo económico. Ed. Síntesis, pp. 171-214.

Diputació de Barcelona: Base de dades HERMES. DIBA: http://www.diba.es

DOCE L 257/1996, del 10.10.1996

DOGC 2598 del 13 de març de 1998

European Communities (2000) Guidance document for European Pollutant Emission Register (EPER) implementation. Office for

Official Publications of the European Communities. http:// www.eper.cec.eu.int/eper/documents/eper_en.pdf

Felsenstein, D. (1996). “High Technology Firms and Metropolitan Locational Choice in Israel; A Look at the Determinants”.

Geografiska. Annaler, 78 B (1), pp.43-58.

Frenkel, A. (2001) “Why high-technology firms choose to locate in or near metropolitan areas”. Urban Studies, 38 (7), 1083-

1101.

Fujita, M., Krugman, P. I Venables, A.J. (1999) The Spatial Economy: Cities, Regions and International Trade. MIT Press.Cambridge,

MA.

Galán, J.I.; Suárez, I. i Zúñiga, J.A. (1998) Factores determinantes de las decisiones de localización en España. Economía Indústrial,

320, 151-164.

Galbraith, C. i De Noble, A.F. (1988) “Location decisions by high technology firms: a comparison of firm size, industry type

and institutional form”. Entrepreneurship Theory and Practice 13, 31-47.

Generalitat de Catalunya (2007) Programa de gestió de residus municipals a Catalunya. PROGREMIC 2007-2012. Generalitat

de Catalunya. Departament de Medi Ambient i Habitatge. Agència de Residus de Catalunya. Disponible online:

http://www.arc-cat.net/ca/publicacions/pdf/agencia/programes/exp_publica/progremic.pdf

Gwartney, J.; Lawson, R. i Block, W. (1996) Economic Freedom on the World (1977-2005) Free Market Foundation.

Hackler D. (2003) “High-tech location in five metropolitan areas”. Journal of Economic Affairs, 25 (5): 625-640.

Haug, P. (1991) “The location decisions and operations of high technology organizations in Washington State”. Regional

Studies, 25(6), 525-541.

Isard, W. (1956) Location and the Space Economy. John Wiley, New York.

Krugman, P. (1991a) Geography and Trade. MIT Press, Cambridge, MA.



Krugman, P. (1991b) “Increasing Returns and Economic Geography”. Journal of Political Economy, 99, 483-499.

Lantz, B. (2001) North Dakota strategic freight analysis. Upper Great Plains Transportation Institute. North Dakota State

University.

Launhardt, W. (1885) Mathematische Begrundung der Volkwirtschaftlehre. Leipzig. (translated by Hilda Schmidt (1993)

Mathematical Principles of Economics. Edward Elgar Publishing Limited, Aldershot).

Lee, S.Y., Florida, R. i Acs, Z.J. (2004) “Creativity and Entrepreneurship: A Regional Analysis of New Firm Formation”. Regional

Studies, November 2004, v. 38, iss. 8, pp. 879-91.

Lösch, A. (1954) The Economics of Location. Yale University Press, New Haven

Maggioni, M.A. (2002) Clustering Dynamics and the Location of High-Tech-Firms. Physica-Verlag. Springer-Verlag Company.

Malecki, E.J. (1985) “Industrial Location and Corporate Organization in High Technology Industries”. Economic Geography,

Vol. 61, No. 4. (Oct., 1985), pp. 345-369.

Mas, M. i Quesada, J. (2005) “ICT and economic growth: a quantification of productivity growth in Spain 1985-2002”. OECD

Statistics Working Paper Series STD/DOC//2005)4.

Minnesota Department of Trade and Economic Research (1998) Minnesota’s computer and electronic components industry

group: A review of key location factors. Trade & Economic Development, june.

OCDE (2001) Tableau de bord de l’OCDE de la science, de la technologie et de la industrie. OCDE. Paris.

OMIS (2003) Britain’s best cities 2003-2004. OMIS Research, http://www.omis.co.uk

Parker, P. (2001) “Local-Global Partnerships for High-Tech Development: Integrating Top-Down

and Bottom-Up Models”. Economic Development Quarterly, Vol. 15 No. 2, 149-167.

Royuela, V.; Suriñach, i Reyes, M. (2003a) “Measuring quality of life in small areas over different periods of time”. Social

Indicators Research, 64, pp. 51-74.

Royuela, V.; Suriñach, J. i Artís, M. (2003b) “Convergència i qualitat de vida als minicipis de la província de Barcelona (1991-

1998)”. Revista Econòmica de Catalunya, 46, pp. 28-43.

Salvensen, D. i Renski, H. (2003) The importance of quality of life in the location decisions of new economy firms. Center for

Urban anfd Regional Studies, under award number 99-07-13815 from the Economic Development Administration, U.S.

Department of Commerce.

Saunders, C. i Dalziel, P. (2003) The High-Tech Sector in Canterbury: A Study of its Potential and Constraints. New Zealand Trade

and Enterprise Report.

Disponible en: http://www.nzte.govt.nz/common/files/canterbury-hitech-report.pdf

46


Scheifler, M.A. (1993) “Nuevas tendencias en la toería y práctica de la localización”. Economía Indústrial, enero-febrero,

pp.163-170.

Scherrer, W. (2002) Information about a business location on the web: investor’s needs and a local aythority’s offer. Working papers

des Instituts für Wirtschaftswisswenschaften der Universität Salzburg, 10/2002.

Shachar, A. i Felsenstein, D. (1992) “Urban Economic Development and High Technology

Industry”. Urban Studies, Vol. 29, No. 6, 839-855

Stolarick, K. i Florida, R. (2006) “Creativity, Connections and Innovation: A Study of Linkages in the Montreal Region”.

Environment and Planning A, October 2006, v. 38, iss. 10, pp. 1799-1817.

Stolarick, K.; Mellander, C. i Florida, R. (2010) “Creative Jobs, Industries and Places”. Industry and Innovation, February 2010,

v. 17, iss. 1, pp. 1-4.

Stough, R.R. i Kulkarni, R. (2004) “The location of technology intensive business”. En: Capello, R. and Nijkamp, P. Urban

dynamics and growth, pp. 661-665.

Trullén, J.; Lladós, J. i Boix, R. (2002) “Economía del conocimiento, ciudad y competitividad”. V Encuentro de Economía Aplicada,

Oviedo 6-8 de junio de 2002

Turok, I. (2004) “Cities, regions and compettiveness”. Journal of Tegional Studies, vol.38 (9), pp.1069-1083.

Warehouse i Distribution Study Committee (1996) Warehouse and distribution study. Washington Department of Revenue.

Olympia, Washington.

Wasylenko, M. (1997) “Taxation and economic development: The state of the economic literature”. New England Economic

Review, march-april, 37-52.

Weber, A. (1909) Uber den Standort der Industrien (translated by Friedrich, C. J. (1929) Alfred

Weber’s Theory of the Location of Industries, University of Chicago Press, Chicago).



Annex I. Anàlisi de la situació actual de les activitats d’excel·lència als municipis seleccionats

Taula A.1.1. Empreses del municipi l’any 2009

Taula A.1.2. Empreses del municipi l’any 2009

Taula 4.1.1. Empreses del munipi I’any 2009

Municipi Total

empreses

Total empreses actives

% empreses actives sobre total

empreses

Llocs de treball mitjans

Despeses de personal mitjanes

% d’empreses amb pàgina web

Badalona 4.268 3.538 82,90% 10,47 324,95 11,46% Barberà del Vallès 1.416 1.135 80,16% 16,12 556,45 20,34% Barcelona 79.741 63.513 79,65% 15,65 499,88 10,22% Castelldefels 1.724 1.519 88,11% 7,34 183,53 7,89% Cerdanyola del Vallès 1.665 1.366 82,04% 10,80 360,32 13,39% Cornellà de Llobregat 2.170 1.736 80,00% 16,37 599,44 16,64% Esplugues de Llobregat 1.446 1.171 80,98% 21,50 768,36 12,86% Gavà 1.289 1.101 85,42% 11,35 360,36 14,58% Granollers 2.553 2.147 84,10% 11,50 366,67 13,06% Hospitalet de Llobregat,l' 4.081 3.400 83,31% 21,63 610,59 13,67% Manresa 1.611 1.385 85,97% 9,92 294,58 12,54% Martorell 712 591 83,01% 40,35 1624,98 11,80% Mataró 3.710 3.061 82,51% 8,16 225,25 8,76% Mollet del Vallès 2.126 1.736 81,66% 11,62 407,64 9,31% Prat de Llobregat, el 1.333 1.086 81,47% 23,40 981,51 17,40% Rubí 2.266 1.897 83,72% 14,23 465,72 16,11% Sabadell 7.797 6.234 79,95% 9,32 257,74 8,12% Sant Boi de Llobregat 1.783 1.504 84,35% 11,86 377,58 14,97% Sant Cugat del Vallès 3.667 3.031 82,66% 25,87 743,85 10,25% Sant Feliu de Llobregat 1.039 850 81,81% 12,46 381,82 12,99% Santa Coloma de Gramenet 1.122 944 84,14% 8,06 171,30 3,57% Terrassa 6.544 5.248 80,20% 10,12 295,92 10,19% Vic 1.837 1.576 85,79% 10,01 296,09 10,29% Viladecans 1.338 1.133 84,68% 10,33 316,80 10,69% Vilafranca del Penedès 1.238 1.091 88,13% 8,65 263,91 10,66% Vilanova i la Geltrú 1.683 1.454 86,39% 9,32 268,10 7,25% Font: Registre Mercantil. Notes: Valors en milers d’euros. Les mitjanes s’han calculat utilitzant únicament les empreses actives.

Taula 4.1.2. Empreses del munipi I’any 2009

Municipi Ingressos

d’explotació mitjans

Resultats mitjans ordinaris abans

d’impostos Actiu total

mitjà Immobilitzat

immaterial mitjà Valor agregat

mitjà

Badalona 1.312,38 45,57 1.435,97 128,51 371,26 Barberà del Vallès 2.601,87 89,27 2.446,05 140,85 639,13 Barcelona 2.559,84 210,00 5.963,05 358,47 778,41 Castelldefels 883,79 46,83 1.143,00 75,22 221,31 Cerdanyola del Vallès 1.803,84 123,88 4.027,68 192,13 668,31 Cornellà de Llobregat 3.289,58 83,07 3.874,09 187,31 685,31 Esplugues de Llobregat 4.648,64 380,77 6.249,77 461,99 1.212,56 Gavà 1.639,14 66,63 2.224,35 135,41 370,06 Granollers 2.216,39 131,51 5.083,60 124,63 525,14 Hospitalet de Llobregat,l' 3.068,12 120,71 3.925,35 488,04 708,05 Manresa 1.342,03 82,35 1.656,90 45,36 371,00 Martorell 13.724,47 71,42 10.448,27 2.121,36 1.692,83 Mataró 1.039,03 42,54 1.533,79 51,12 247,99 Mollet del Vallès 1.860,75 81,97 3.044,06 139,21 567,50 Prat de Llobregat, el 11.456,28 524,06 11.226,89 390,13 1.147,50 Rubí 2.475,41 129,88 2.552,63 98,53 567,91 Sabadell 1.128,11 64,85 2.265,64 103,59 346,21 Sant Boi de Llobregat 1.646,79 53,88 1.689,35 119,04 442,99 Sant Cugat del Vallès 2.832,82 152,04 5.356,23 413,76 866,74 Sant Feliu de Llobregat 2.002,81 101,81 1.770,03 77,98 454,41 Santa Coloma de Gramenet 526,79 8,36 618,61 37,25 174,06 Terrassa 1.353,28 85,81 2.530,29 105,95 355,93 Vic 1.719,40 52,55 1.704,64 53,35 337,23 Viladecans 1.682,78 61,43 1.655,76 57,61 382,35 Vilafranca del Penedès 1.550,39 138,24 3.554,13 42,73 446,62 Vilanova i la Geltrú 1.145,54 58,31 2.000,23 149,53 283,63 Font: Registre Mercantil. Notes: Valors en milers d’euros. Les mitjanes s’han calculat utilitzant únicament les empreses actives.

ANNEX 1

48


Taula A.2.1. Empreses d’excel.lència del municipi l’any 2009

Taula A.2.2. Empreses d’excel.lència del municipi l’any 2009

Taula 4.2.2. Empreses d’excel.lència del municipi l’any 2009

Municipi Ingressos

d’explotació mitjans

Resultats ordinaris mitjans abans d’impostos

Actiu total mitjà

Immobilitzat immaterial mitjà

Valor agregat mitjà

% d’empreses amb pàgina web

Badalona 1.318,00 46,45 1.146,61 119,39 514,62 13,44% Barberà del Vallès 2.454,67 20,33 2.968,45 197,07 780,40 21,50% Barcelona 2.382,65 393,67 7.945,44 567,41 999,25 11,97% Castelldefels 659,58 32,72 875,35 148,51 254,53 9,56% Cerdanyola del Vallès 1.615,90 231,59 9.403,99 322,62 1.423,17 12,62% Cornellà de Llobregat 2.492,54 10,56 4.786,53 133,77 682,42 20,97% Esplugues de Llobregat 4.416,80 282,52 7.456,86 229,13 1.244,60 16,32% Gavà 1.623,87 58,50 2.594,19 101,48 379,94 16,21% Granollers 1.016,58 64,33 12.087,91 113,60 529,15 14,87% Hospitalet de Llobregat,l' 2.123,17 44,29 3.253,66 102,37 638,87 16,75% Manresa 1.429,54 171,28 2.561,83 76,81 522,45 13,22% Martorell 36.002,09 141,99 33.101,62 6.640,11 4.992,78 13,37% Mataró 752,52 54,44 1.145,34 36,17 274,10 9,74% Mollet del Vallès 2.545,89 302,06 2.135,33 245,99 812,89 9,57% Prat de Llobregat, el 5.370,86 632,23 7.761,27 109,78 1.478,32 16,33% Rubí 3.385,11 307,47 3.996,57 74,06 1.040,44 18,63% Sabadell 831,46 75,11 3.855,97 195,92 533,75 8,58% Sant Boi de Llobregat 2.101,13 114,99 1.851,54 59,98 738,69 15,89% Sant Cugat del Vallès 3.663,27 387,83 8.779,07 593,08 1.725,85 12,82% Sant Feliu de Llobregat 1.547,50 178,19 1.411,40 48,58 474,03 11,21% Santa Coloma de Gramenet 468,65 14,25 308,90 33,54 228,99 4,80% Terrassa 1.248,79 120,26 3.563,00 89,52 542,80 12,75% Vic 1.282,21 62,64 1.515,42 66,82 455,74 12,21% Viladecans 817,25 67,72 1.000,24 53,95 367,78 10,58% Vilafranca del Penedès 782,41 232,52 7.398,78 21,17 764,60 9,27% Vilanova i la Geltrú 1.909,07 107,02 2.077,48 477,29 545,49 9,62% Font: Registre Mercantil. Notes: Valors en milers d’euros. Les mitjanes s’han calculat utilitzant únicament les empreses actives.

Taula 4.2.1. Empreses d’excel.lència del municipi l’any 2009

Municipi Total

empreses excel·lència

Total empreses actives

excel·lència

% empreses excel·lència

actives sobre total empreses

excel·lència

% Empreses d’excel·lència (actives) sobre total empreses

(actives)

Llocs de treball mitjans

Despeses de personal mitjanes

Badalona 1.019 853 83,71% 24,11% 12,92 445,90 Barberà del Vallès 321 264 82,24% 23,26% 19,37 684,98 Barcelona 24.313 19.675 80,92% 30,98% 17,80 584,58 Castelldefels 366 328 89,62% 21,59% 9,62 250,06 Cerdanyola del Vallès 404 340 84,16% 24,89% 12,99 448,84 Cornellà de Llobregat 515 412 80,00% 23,73% 16,94 639,98 Esplugues de Llobregat 380 306 80,53% 26,13% 21,41 673,43 Gavà 290 256 88,28% 23,25% 13,05 448,19 Granollers 612 538 87,91% 25,06% 10,61 346,08 Hospitalet de Llobregat,l' 991 839 84,66% 24,68% 22,24 685,79 Manresa 348 308 88,51% 22,24% 12,41 400,95 Martorell 172 143 83,14% 24,20% 112,31 4.576,51 Mataró 657 577 87,82% 18,85% 9,01 269,03 Mollet del Vallès 564 476 84,40% 27,42% 16,66 645,84 Prat de Llobregat, el 349 295 84,53% 27,16% 20,90 880,29 Rubí 510 440 86,27% 23,19% 23,53 734,03 Sabadell 1.842 1.537 83,44% 24,66% 11,36 318,90 Sant Boi de Llobregat 384 327 85,16% 21,74% 17,37 605,59 Sant Cugat del Vallès 1.139 944 82,88% 31,14% 49,60 1.315,70 Sant Feliu de Llobregat 232 196 84,48% 23,06% 12,09 373,40 Santa Coloma de Gramenet 250 218 87,20% 23,09% 11,45 221,01 Terrassa 1.482 1.237 83,47% 23,57% 13,34 394,31 Vic 426 385 90,38% 24,43% 11,40 389,26 Viladecans 312 267 85,58% 23,57% 10,06 310,93 Vilafranca del Penedès 259 231 89,19% 21,17% 7,60 237,84 Vilanova i la Geltrú 364 309 84,89% 21,25% 13,99 466,41 Font: Registre Mercantil. Notes: Valors en milers d’euros. Les mitjanes s’han calculat utilitzant únicament les empreses actives.



Taula A.3.1. Diferèmcies entre les empreses d’excel.lència i el conjunt d’empreses del municipi l’any 2009Taula

A.3.2. Diferèmcies entre les empreses d’excel.lència i el conjunt d’empreses del municipi l’any 2009

Taula 4.3.1. Diferències entre les empreses d’excel.lència i el conjunt d’empreses del municpi l’any 2009

Municipi Diferència empleats

excel·lència - total (%)

Diferència ingressos explotació


Diferència resultats ordinaris excel·lència - total

(%)

Diferència total actiu excel·lència -

total (%)

Diferència immobilitzat immaterial


Badalona 23,40% 0,43% 1,94% -20,15% -7,10% Barberà del Vallès 20,19% -5,66% -77,23% 21,36% 39,91% Barcelona 13,73% -6,92% 87,47% 33,24% 58,29% Castelldefels 30,99% -25,37% -30,13% -23,42% 97,45% Cerdanyola del Vallès 20,31% -10,42% 86,95% 133,48% 67,91% Cornellà de Llobregat 3,50% -24,23% -87,29% 23,55% -28,58% Esplugues de Llobregat -0,43% -4,99% -25,80% 19,31% -50,40% Gavà 15,01% -0,93% -12,20% 16,63% -25,06% Granollers -7,72% -54,13% -51,08% 137,78% -8,85% Hospitalet de Llobregat,l' 2,80% -30,80% -63,31% -17,11% -79,02% Manresa 25,12% 6,52% 107,99% 54,62% 69,31% Martorell 178,35% 162,32% 98,81% 216,81% 213,01% Mataró 10,33% -27,57% 27,97% -25,33% -29,25% Mollet del Vallès 43,42% 36,82% 268,51% -29,85% 76,71% Prat de Llobregat, el -10,67% -53,12% 20,64% -30,87% -71,86% Rubí 65,35% 36,75% 136,73% 56,57% -24,84% Sabadell 21,94% -26,30% 15,82% 70,19% 89,13% Sant Boi de Llobregat 46,43% 27,59% 113,42% 9,60% -49,61% Sant Cugat del Vallès 91,68% 29,32% 155,09% 63,90% 43,34% Sant Feliu de Llobregat -2,95% -22,73% 75,02% -20,26% -37,70% Santa Coloma de Gramenet 42,12% -11,04% 70,49% -50,07% -9,95% Terrassa 31,88% -7,72% 40,15% 40,81% -15,51% Vic 13,85% -25,43% 19,21% -11,10% 25,25% Viladecans -2,59% -51,43% 10,24% -39,59% -6,35% Vilafranca del Penedès -12,12% -49,53% 68,20% 108,17% -50,46% Vilanova i la Geltrú 50,11% 66,65% 83,56% 3,86% 219,20% Font: Elaboració pròpia a partir deRegistre Mercantil. Taula 4.3.2. Diferències entre les empreses d’excel.lència i el conjunt d’empreses del municpi l’any 2009

Municipi Diferència despeses

de personal excel·lència - total (%)

Diferència valor agregat excel·lència -

total (%)

Diferència % d’empreses amb

pàgina web Badalona 37,22% 38,61% 1,99% Barberà del Vallès 23,10% 22,10% 1,16% Barcelona 16,94% 28,37% 1,75% Castelldefels 36,25% 15,01% 1,67% Cerdanyola del Vallès 24,56% 112,95% -0,77% Cornellà de Llobregat 6,76% -0,42% 4,33% Esplugues de Llobregat -12,35% 2,64% 3,45% Gavà 24,37% 2,67% 1,62% Granollers -5,61% 0,76% 1,81% Hospitalet de Llobregat,l' 12,32% -9,77% 3,08% Manresa 36,11% 40,82% 0,68% Martorell 181,63% 194,94% 1,57% Mataró 19,44% 10,53% 0,98% Mollet del Vallès 58,43% 43,24% 0,26% Prat de Llobregat, el -10,31% 28,83% -1,07% Rubí 57,61% 83,21% 2,52% Sabadell 23,73% 54,17% 0,46% Sant Boi de Llobregat 60,39% 66,75% 0,91% Sant Cugat del Vallès 76,88% 99,12% 2,56% Sant Feliu de Llobregat -2,21% 4,32% -1,79% Santa Coloma de Gramenet 29,02% 31,56% 1,23% Terrassa 33,25% 52,50% 2,56% Vic 31,46% 35,14% 1,92% Viladecans -1,85% -3,81% -0,11% Vilafranca del Penedès -9,88% 71,20% -1,40% Vilanova i la Geltrú 73,97% 92,33% 2,37% Font: Elaboració pròpia a partir deRegistre Mercantil.

50


Taula A.4. Conjunt d’empreses del municipi: evolució (%) 2005-2009

Taula A.5. Empreses d’excel.lència del municipi: evolució (%) 2005-2009

Taula 4.4. Conjunt d’empreses del municipi: evolució (%) 2005-2009.

Municipi Ingressos d’explotació %

Resultats ordinaris abans Impostos %

Total Actiu %

Immobilitzat immaterial %

Despeses de personal %

Valor agregat %

Badalona -18,72% -2,26% -0,02% -12,40% -3,88% -17,42% Barberà del Vallès -13,31% -58,11% -2,41% -17,38% 5,89% -18,91% Barcelona -7,32% -2,91% 11,15% 59,77% 0,59% -10,68% Castelldefels 0,06% 32,95% 10,53% 24,40% 7,88% -12,06% Cerdanyola del Vallès -2,26% -5,51% 38,57% -1,81% -4,48% 13,28% Cornellà de Llobregat -24,26% -47,57% -21,00% -18,81% -0,55% 6,89% Esplugues de Llobregat -22,53% 18,90% -3,48% 99,81% -11,89% -13,36% Gavà -20,30% -73,73% -0,82% 2,94% -5,91% -36,58% Granollers -31,39% -17,19% 19,44% -69,73% -11,07% -19,38% Hospitalet de Llobregat,l' -20,06% -23,99% 8,38% -2,74% 6,44% -15,90% Manresa -20,19% -12,18% -9,07% -44,05% -1,03% -24,83% Martorell -25,39% -204,13% -42,91% 47,69% -17,74% -36,38% Mataró -16,67% -28,06% 14,61% -11,45% 5,88% -20,91% Mollet del Vallès -9,43% 9349,65% -27,10% -4,97% -10,92% 7,53% Prat de Llobregat, el -26,85% -10,28% 8,12% 32,40% 3,50% -31,74% Rubí -7,03% -25,98% -1,03% -37,21% -2,50% -22,69% Sabadell -16,21% 10,97% 24,69% 5,09% -1,01% -11,18% Sant Boi de Llobregat -18,02% -32,30% -2,44% 28,25% 4,33% -13,10% Sant Cugat del Vallès -7,90% 14,13% 8,09% 14,62% 18,80% -6,45% Sant Feliu de Llobregat -3,68% -13,60% -1,17% -14,36% -5,05% -24,99% Santa Coloma de Gramenet -20,65% -69,97% 6,25% -2,55% 2,18% -14,77% Terrassa -20,31% -12,68% 10,77% 14,56% -0,66% -22,77% Vic -15,94% -24,28% 0,38% -21,26% -1,02% -23,80% Viladecans -20,38% -38,52% -3,07% -34,08% 0,48% -18,55% Vilafranca del Penedès -23,91% 52,03% 31,61% -59,73% -5,26% -14,57% Vilanova i la Geltrú -34,02% -22,80% 9,65% 46,76% -11,20% -34,04% Font: Elaboració pròpia a partir deRegistre Mercantil.

Taula 4.5. Empreses d’excel.lència del municipi: evolució (%) 2005-2009.

Municipi Ingressos d’explotació %

Resultats ordinaris abans Impostos %

Total Actiu %

Immobilitzat immaterial %

Despeses de personal %

Valor agregat %

Badalona -10,39% 472,68% 8,61% 58,24% -9,47% -9,83% Barberà del Vallès -9,99% -138,44% 1,30% 16,22% 9,18% -10,42% Barcelona -10,27% 77,79% 20,57% 157,46% 0,42% -5,60% Castelldefels -17,46% -42,57% 1,94% 99,33% -7,67% -30,40% Cerdanyola del Vallès 10,52% 96,83% 171,41% 10,73% -5,40% 110,41% Cornellà de Llobregat -23,05% -87,59% -39,46% 32,35% 15,45% -412,15% Esplugues de Llobregat 2,23% 13,64% 4,02% 0,87% -14,59% -0,83% Gavà -14,66% -28,15% -5,86% 27,91% -9,49% -37,88% Granollers -46,07% 53,62% 73,96% 63,91% -5,07% 16,85% Hospitalet de Llobregat,l' -1,88% -67,24% 20,20% 11,20% 25,82% -16,65% Manresa 6,99% -9,39% -27,34% -39,10% 7,90% -29,71% Martorell -51,87% -121,74% -53,40% 29,05% -36,24% -51,32% Mataró -6,83% 40,94% 33,35% 28,07% -1,94% -17,42% Mollet del Vallès 13,78% 21,53% 17,24% 162,43% -4,15% -13,56% Prat de Llobregat, el -25,61% 32,85% -20,69% -51,13% 0,13% -12,85% Rubí -8,87% -6,66% -2,57% -15,84% -3,04% -15,99% Sabadell -17,79% 168,91% 51,67% 30,74% -1,68% 13,26% Sant Boi de Llobregat -21,07% -28,20% -15,76% -39,12% -3,73% -15,37% Sant Cugat del Vallès 4,69% 117,57% -6,49% 81,18% 23,26% 9,76% Sant Feliu de Llobregat -31,11% -8,36% -23,08% -17,20% -21,79% -39,26% Santa Coloma de Gramenet -7,61% -442,06% 3,47% 30,52% 5,11% 0,56% Terrassa -8,42% -1,28% 0,70% 48,34% 3,28% -5,74% Vic 2,69% -20,33% 12,46% 109,15% 16,33% 2,38% Viladecans -10,30% -10,35% -17,73% -32,69% 6,02% -11,23% Vilafranca del Penedès -14,94% 217,98% 105,15% 8,33% -8,54% 8,42% Vilanova i la Geltrú -50,46% -18,48% -18,41% 52,48% -25,08% -33,34% Font: Elaboració pròpia a partir deRegistre Mercantil.



Taul

a 4.

6. E

volu

ció

del n

ombr

e de

treb

alla

dors

i es

tabl

imen

ts, 2

004-

2008

Tr

ebal

lado

rs to

tals

Tr

ebal

lado

rs d

’exc

el·lè

ncia

Es

tabl

imen

ts to

tals

Es

tabl

imen

ts d

’exc

el·lè

ncia

M

unic

ipi

2004

20

08

% c

anvi

20

04

2008

%

can

vi

2004

20

08

% c

anvi

20

04

2008

%

can

vi

Bada

lona

55

.552

62

.917

13

,26%

12

.083

17

.334

43

,46%

5.

534

6.04

3 9,

20%

79

6 90

6 13

,76%

Ba

rber

à de

l Val

lès

21.5

23

22.4

48

4,30

%

4.35

9 4.

640

6,44

%

1.52

2 1.

603

5,32

%

238

252

5,80

%

Barc

elon

a 99

6.50

3 1.

095.

687

9,95

%

403.

980

462.

946

14,6

0%

86.1

40

92.7

01

7,62

%

19.7

02

21.8

49

10,9

0%

Cast

elld

efel

s 13

.592

16

.206

19

,23%

2.

778

3.77

1 35

,73%

1.

800

2.12

6 18

,11%

26

3 32

7 24

,45%

Ce

rdan

yola

del

Val

lès

22.7

13

25.5

66

12,5

6%

9.28

5 12

.009

29

,33%

1.

801

1.98

9 10

,44%

37

2 44

4 19

,23%

Co

rnel

là d

e Ll

obre

gat

28.7

79

35.5

96

23,6

9%

6.37

3 10

.192

59

,92%

26

40

2.78

7 5,

57%

42

7 47

9 12

,12%

Es

plug

ues

de L

lobr

egat

18

.963

21

.457

13

,15%

5.

860

6.46

4 10

,30%

1.

650

1.77

2 7,

39%

27

9 31

3 12

,03%

G

avà

14.2

63

16.5

40

15,9

6%

2.86

9 3.

518

22,6

1%

1.51

6 1.

667

9,96

%

212

248

16,6

8%

Gra

nolle

rs

29.4

29

31.0

49

5,50

%

8.62

9 9.

376

8,65

%

2.81

5 2.

960

5,15

%

591

673

13,7

6%

Hosp

itale

t de

Llob

rega

t (L´

) 84

.162

93

.347

10

,91%

27

.555

36

.701

33

,19%

6.

085

6.50

0 6,

82%

98

0 1.

106

12,8

5%

Man

resa

31

.086

31

.039

-0

,15%

11

.285

10

.241

-9

,25%

2.

886

3.06

7 6,

27%

61

9 67

6 9,

17%

M

arto

rell

11.6

99

12.6

38

8,03

%

4.19

5 5.

200

23,9

7%

824

890

8,01

%

164

193

17,5

6%

Mat

aró

42.1

40

43.8

89

4,15

%

11.2

59

13.1

60

16,8

8%

4.36

9 4.

484

2,63

%

702

768

9,40

%

Mol

let d

el V

allè

s 13

.892

14

.579

4,

95%

3.

295

4.57

5 38

,84%

1.

330

1.41

1 6,

09%

25

1 28

4 12

,99%

Pr

at d

e Ll

obre

gat (

El)

28.6

89

38.1

63

33,0

2%

6.43

1 9.

127

41,9

3%

1.75

7 1.

917

9,11

%

293

350

19,5

5%

Rubí

28

.042

27

.720

-1

,15%

7.

488

7.91

3 5,

67%

2.

499

2.63

2 5,

32%

45

3 49

7 9,

85%

Sa

bade

ll 68

.733

74

.233

8,

00%

21

.364

27

.704

29

,67%

6.

996

7.16

8 2,

46%

1.

286

1.42

3 10

,69%

Sa

nt B

oi d

e Ll

obre

gat

27.4

99

27.7

77

1,01

%

7.16

9 8.

.48

13,6

6%

2.18

6 2.

314

5,86

%

361

400

10,9

3%

Sant

Cug

at d

el V

allè

s 36

.912

48

233

30,6

7%

15.7

68

23.6

50

49,9

9%

2.91

7 3.

900

33,7

0%

582

780

33,9

1%

Sant

Fel

iu d

e Ll

obre

gat

12.8

62

13..5

28

5,18

%

2.88

4 3.

002

4,08

%

1.23

2 1.

302

5,68

%

199

208

4,62

%

Sant

a Co

lom

a de

Gra

men

et

19.4

31

20.2

15

4,03

%

3.40

7 4.

110

20,6

5%

2.28

3 2.

445

7,10

%

278

298

7,34

%

Terr

assa

82

.738

82

.107

-0

,76%

23

.268

30

.291

30

,18%

7.

417

7.63

3 2,

91%

1.

336

1.42

9 6,

95%

Vi

c 19

.181

21

.128

10

,15%

5.

076

6.88

9 35

,71%

2.

076

2.23

8 7,

80%

45

9 52

0 13

,30%

Vi

lade

cans

15

.872

17

.261

8,

75%

3.

730

4.32

7 15

,99%

1.

613

1.71

7 6,

45%

23

3 25

0 7,

56%

Vi

lafra

nca

del P

ened

ès

15.0

24

16.7

47

11,4

7%

5.22

4 6.

282

20,2

6%

1.49

1 1.

651

10,7

3%

313

353

12,5

1%

Vila

nova

i la

Gel

trú

18.6

45

20.2

96

8,85

%

5.17

2 5.

744

11,0

5%

2.10

8 2.

330

10,5

3%

354

418

18,1

0%

Font

: R

egis

tre G

ener

al d

e la

Seg

uret

at S

ocia

l. N

ota:

En

canv

i de

clas

sific

ació

d’a

ctiv

itats

eco

nòm

ique

s (d

e C

CAE

-93

a C

CAE

-200

9) p

er a

les

dade

s de

l’an

y 20

09 im

poss

ibilit

a la

com

para

ció

de le

s da

des

de

treba

llado

rs d

e l’a

ny 2

009

amb

les

d’an

ys a

nter

iors

. P

er a

ques

ta r

aó,

s’ha

n ut

ilitza

t le

s da

des

de l’

any

2008

.

Resum executiu - Universitat de Barcelona...Resum executiu Gener 2011 Grup de Recerca AQR de la...

Documents

Transcript of Resum executiu - Universitat de Barcelona...Resum executiu Gener 2011 Grup de Recerca AQR de la...