Introducción

La localización de los agentes económicos, tanto consumidores como empresas, no es un proceso aleatorio sino una respuesta a una serie de incentivos discutidos en la teoría económica y, particularmente, en ciencia regional y economía urbana. En el caso de los consumidores, la teoría del spatial labor sorting (^{Combes, Duranton y Gobillon, 2008}) sugiere que los individuos más calificados tienden a concentrarse en las unidades espaciales con mayores economías de aglomeración, es decir, en aquellas zonas geográficas donde existen dinámicas que directa o indirectamente incrementan su productividad mediante mecanismos de compartimiento (sharing), emparejamiento (matching) y aprendizaje (learning) (Duranton y Puga, 2004).¹ Asimismo, los individuos también se localizan en los lugares que ofrecen mayor variedad de consumo (^{Glaeser, 1999}; ^{Glaeser y Mare, 2001}), amenidades urbanas (^{Dalmazzo y Blasio, 2007}; ^{Shapiro, 2006}), un ambiente de tolerancia y diversidad (^{Boschma y Fritsch, 2009}; ^{Florida, 2002a}, ^2002b) y mayores redes de contactos (^{Hellerstein et al., 2008}; ^{Topa, 2001}), entre otros aspectos.

Además de ser una teoría que explica la localización espacial, el spatial labor sorting también da cuenta de otros fenómenos relacionados con la concentración espacial de la población más calificada, entre ellos, la desigualdad espacial de ingresos. Esta teoría señala que la continua atracción de capital humano hacia los grandes centros urbanos es un mecanismo que refuerza la desigualdad espacial puesto que esta mayor productividad incrementará los salarios nominales locales. Más aun, dada la escasa evidencia sobre procesos de desconcentración espacial (^{Henderson, 2000}), el spatial sorting parece ser un mecanismo de autoselección que se refuerza continuamente a pesar del elevado costo de la vivienda en estos centros urbanos y otras externalidades negativas asociadas (^{Venables, 2010}). Estas dinámicas han motivado entonces a que la geografía económica y sus efectos en la distribución de ingresos sean considerados como una nueva forma de planificación de políticas públicas (^{Kochendorfer Lucius y Pleskovic, 2009}).

En Chile, así como en gran parte de los países latinoamericanos, la desigualdad de ingresos entre individuos es un tema relevante en la agenda pública. No obstante, el análisis sobre la interacción entre esta desigualdad individual y su contraparte espacial es un tema todavía ausente.² Sólo, recientemente, han surgido nuevas preguntas teóricas y empíricas frente al tema (^{Kanbur et al., 2005}). En esta dirección, este artículo ahonda en la discusión sobre la desigualdad espacial de ingresos en Chile y evalúa el cometido del spatial labor sorting en este tipo de disparidad durante 1992-2011. Si bien la consideración de este periodo está restringida a la disponibilidad de datos, éste es relevante porque coincide con el retorno a la democracia de comienzos de la década de 1990 en el país y porque, durante las últimas décadas, Chile se ha destacado por su rápido crecimiento económico, la reducción significativa de la pobreza absoluta y una escasa disminución de su desigualdad individual de ingresos.

El artículo aporta a la literatura en dos direcciones: primero, analiza una dimensión de la desigualdad poco explorada en Chile, la cual es relevante por sus efectos en la equidad social (^{Armstrong y Taylor, 2000}), eficiencia económica (^{Davis y Henderson, 2003}) y las políticas territoriales (^{Glaeser y Gottlieb, 2008}; ^{Moretti, 2011}); en segundo lugar, aporta al análisis del fenómeno mediante una propuesta metodológica que considera la agrupación jerárquica de los individuos en diferentes escalas espaciales (^{Akita, 2003}; ^{Brakman et al., 2001}). La metodología propone modelos multinivel para evaluar los efectos del spatial sorting en las variaciones de los ingresos entre unidades espaciales, analizando cómo las características de los individuos (nivel 1) explican el comportamiento de los ingresos de las unidades espaciales donde se localizan (nivel 2).

Los resultados se resumen en tres líneas: i) la desigualdad espacial de ingresos ha venido decreciendo desde mediados de la década de 1990 pero su nivel sigue estando por encima del máximo mundial; ii) el caso de Chile presenta evidencia de spatial labor sorting: la desigualdad espacial disminuye considerablemente cuando se controla por el capital humano observable. En particular, la elevada concentración de capital humano, principalmente en la Región Metropolitana de Santiago, explica alrededor de 50% de la desigualdad espacial de ingresos estimada para el periodo de análisis. Esta proporción aumenta a 75% luego de incorporar efectos fijos regionales para corregir por autocorrelación espacial; y iii) el efecto del sorting también se evidencia en las ocupaciones con mayor grado de calificación. Los oficios altamente concentrados y con mayor promedio de escolaridad y experiencia tienen un mayor efecto sobre la desigualdad espacial de ingresos.

El artículo se organiza como se explica a continuación. La siguiente sección analiza teórica y empíricamente la relación entre spatial labor sorting y desigualdad espacial de ingresos. La segunda sección contextualiza el spatial sorting en Chile. La tercera sección describe la metodología. La cuarta sección presenta los datos empleados. La quinta presenta los principales resultados. Y por último, se exponen las conclusiones.

I. Desigualdad espacial de ingresos y spatial labor sorting

La desigualdad espacial de ingresos es, de acuerdo con la ciencia regional, el resultado neto entre las fuerzas centrípetas de la concentración geográfica y las fuerzas centrífugas de dispersión (^{Kim, 2008}). Existen dos clases de modelos en esta línea. El primer grupo, basado en los supuestos neoclásicos de rendimientos constantes a escala y competencia perfecta, explica la desigualdad espacial de ingresos a partir de las ventajas comparativas del comercio y el valor relativo de las amenidades locales para las empresas y los trabajadores (^{Roback, 1982}).³ El segundo grupo, llamado de la Nueva Geografía Económica (NGE), incorpora supuestos de competencia imperfecta y sostiene que estas diferencias espaciales son explicadas por el potencial de mercado, es decir, por los salarios más elevados que ofrecen las grandes aglomeraciones derivadas de la concentración espacial de la actividad económica y sus efectos sobre los costos medios de producción (^{Krugman, 1991}).⁴ Sin embargo, a pesar de sus aportes, estos modelos no incorporan explícitamente el papel de las características de los trabajadores.⁵ Esta limitación es importante ya que ignora los efectos que tiene el capital humano en la productividad, la competitividad y el desarrollo de las regiones (^{Becker, 1962}; ^{Schultz, 1960}, ¹⁹⁶¹).

En contraparte, la economía urbana destaca la importancia de la heterogeneidad y localización de los trabajadores en la desigualdad espacial. Dentro de este enfoque, la teoría del spatial labor sorting sugiere que la concentración de capital humano en las grandes ciudades se traduce en una mayor desigualdad de productividades e ingresos entre unidades espaciales. ^{Combes et al. (2008}) evalúan esta teoría para Francia mediante un panel de datos de trabajadores, asumiendo que las características individuales son constantes a través del tiempo. Los autores encuentran que 50% de la desigualdad espacial es explicado por la distribución espacial de los trabajadores más calificados, quienes tienden a localizarse en los grandes centros urbanos (^{Moretti, 2004}; ^{Rauch, 1993}). ^{Mion y Naticchioni (2009)} analizan esta relación para Italia y estiman que 75% de la variación de los salarios es atribuible al spatial sorting de trabajadores calificados. Posteriormente, ^{Matano y Naticchioni (2012)} encuentran que el efecto significativo del sorting en Italia no se reparte uniformemente a lo largo de la distribución de salarios ni entre sectores económicos.

En la misma dirección, ^{Rodríguez-Pose y Tselios (2008}) analizan el caso de 102 regiones de la Unión Europea entre 1995 y 2000. Usando paneles estáticos y dinámicos, los autores muestran efectos significativos en la desigualdad espacial frente a cambios en la distribución del capital humano. Asimismo, ^{Ferreira, Duarte y Salvato (2006}) atribuyen 55% de la desigualdad de ingresos entre las regiones del noreste y sureste de Brasil a las diferencias en los logros educativos a partir de estimaciones no paramétricas. Estos estudios confirman que la concentración de trabajadores calificados explica las diferencias espaciales en ingresos. Particularmente, las externalidades del capital humano afectan de manera positiva los salarios de las grandes ciudades, lo que implica que sus salarios promedio sean considerablemente superiores a los de las demás unidades espaciales (^{Charlot y Duranton, 2004}; ^{Heuermann et al., 2010}).

Una de las principales razones por las que el capital humano se concentra en las grandes ciudades radica en las economías de aglomeración. ^{Duranton y Puga (2004)} proponen una tipología de microfundamentos teóricos de las economías de aglomeración basada en tres mecanismos: i) el mecanismo de compartimiento señala las ventajas que ofrecen las aglomeraciones para compartir costos en la provisión de bienes e infraestructuras indivisibles; una mayor especialización del trabajo y la existencia de un mercado laboral constante; ii) el mecanismo de emparejamiento sugiere que el mayor tamaño urbano aumenta la probabilidad esperada para los trabajadores en encontrar un empleo acorde a sus habilidades (véase ^{Helsley y Strange, 1990}; ^{Kim, 1990}); y iii) el mecanismo de aprendizaje está asociado a las ventajas de la aglomeración para la generación, difusión y acumulación de conocimiento a través de contactos cara a cara y spillovers de conocimiento entre trabajadores altamente calificados (^{Glaeser, 1999}; ^{Moretti, 2004}; ^{Suedekum, 2006}).

También existe otro tipo de motivaciones que influyen en las decisiones de localización del capital humano. Por ejemplo, los trabajadores se concentran en los grandes centros urbanos porque éstos ofrecen mayor variedad de consumo. Factores como la variedad de bienes y servicios, así como también la estética y el ambiente físico, buenos servicios públicos y la velocidad de traslado afectan de manera positiva la concentración de trabajadores calificados (^{Glaeser et al., 2001}). Igualmente, el mayor acceso a amenidades urbanas como museos, óperas, universidades, cines o teatros actúa como una importante fuerza de atracción de individuos innovadores (^{Brueckner, Thisse y Zenou, 1999}; ^{Clark, 2003}; ^{Dalmazzo y Blasio, 2007}; ^{Shapiro, 2006}). El capital humano también es atraído a estos centros urbanos dada su mayor diversidad y tolerancia, lo cual constituye un ambiente positivo para la creatividad e innovación (^{Boschma y Fritsch, 2009}; ^{Florida, 2002a} y ^2002b; ^{Jacobs, 1969}), así como por su mayor probabilidad de encontrar empleo y mejoras de las condiciones laborales por las redes de contactos del lugar (^{Elliott, 1999}; ^{Hellerstein et al., 2008}; ^{Topa, 2001}).

En síntesis, la concentración de trabajadores calificados supone que las grandes ciudades sean más productivas y que los salarios urbanos que se pagan en estos centros sean superiores a los de otras unidades espaciales. Estos mayores salarios atraen simultáneamente más capital humano, lo que refuerza continuamente el proceso. Esta dinámica supone entonces que las grandes ciudades consoliden su primacía en el sistema, manteniendo niveles de ingresos más elevados que los de las demás unidades espaciales, lo que conlleva a que la desigualdad espacial de ingresos sea persistente a través del tiempo.

II. Spatial labor sorting en chile

Chile es uno de los países más desiguales del mundo (^{CEDLAS, 2004}; ^{Chumacero y Paredes, 2002}; ^{OCDE, 2011}), cuya desigualdad se caracteriza por ser altamente persistente en el tiempo (^{Chumacero y Paredes, 2002}; ^{Cowan y De Gregorio, 1996}; ^{Larrañaga y Valenzuela, 2011}); el influyente papel del quintil más rico (^{Contreras, 2000}; ^{Solimano y Torche, 2008}; ^{Valdés, 2002}); y la educación como factor determinante (^{Bravo y Marinovic, 1997}; ^{Contreras, 1996}, ¹⁹⁹⁹, ²⁰⁰⁰; ^{Contreras et al., 1999}; ^{Larrañaga, 2001}; ^{López y Miller, 2008}). Asimismo, Chile es uno de los países con las mayores tasas de primacía debido a su alta concentración en torno a la Región Metropolitana de Santiago: más de 40% del total de la población urbana reside en un área que no supera 2% del territorio nacional (^{Brulhart y Sbergami, 2009}; ^{Echeverría y Gopinath, 2007}; ^{Henderson, 2003}).

En especial, la Región Metropolitana concentra más de 50% de los profesionales y técnicos del país, especializándose en ocupaciones de mayor contenido cognitivo simbólico; mientras que las demás regiones tienden a especializarse en actividades rutinarias, físicas y de calificación media o baja (^{Atienza et al., 2010}; ^{Lufin y Atienza, 2010}). Dicha concentración está determinada por los diferentes niveles de formación de capital humano de cada región, así como por los flujos de migración interna. En concreto, los flujos migratorios muestran que la población en general y las personas más calificadas migran principalmente hacia el centro del país (véase el Mapa 1).

Fuente: elaboración propia.

Mapa 1 División político-administrativa de Chile 

Esta migración de capital humano estaría motivada por las ventajas que ofrece la Región Metropolitana frente a las demás regiones. Por ejemplo, dicha región concentró la oferta de educación superior con 32% de las comunas del país y 48% de las vacantes disponibles en 2011. También posee una oferta completa de programas académicos en todas las áreas del conocimiento, así como la presencia de todo tipo de instituciones.⁶ Tiene la mayor proporción de oferta respecto a su población entre 20 y 24 años y el ingreso per cápita por hogar más elevado del país (^{Donoso, Arias, Weason y Frites, 2012}). Dicha región también es el principal y casi único nodo de vinculación del país con la economía global; concentra gran parte de los beneficios del comercio internacional y tiene la mayor provisión de infraestructura y bienes públicos para la calidad de vida a nivel nacional (^{Atienza y Aroca, 2012}).

Sumado a ello, los precios de vivienda de la Región Metropolitana parecen no ser los más altos de Chile (^{Paredes, 2011}; ^{Paredes y Aroca, 2008}; ^{Paredes y Iturra, 2012}), a pesar de que éstos tienden a ser elevados en las grandes ciudades y operan como una importante fuerza de desconcentración (^{Brakman et al., 2004}; ^{Hanson, 2005}; ^{Helpman, 1998}). Finalmente, el sistema político administrativo centralizado chileno ha propiciado diferentes políticas que favorecen la concentración de la población y la actividad económica en esta región (^{Aroca, 2009}; ^{Benavente, 2007}). Tales condiciones hacen que exista una unidad espacial dominante en el sistema urbano y que el capital humano sea atraído hacia el centro del país.

^{Bascopé (2010}) determina cuáles son las comunas con mayor concentración de trabajadores calificados en el país. El autor señala que la población de profesionales aumentó de manera considerable de menos de 6% en 1960 a más de 20% en 2002. Paralelamente, se pasó de una concentración de más de 50% del capital humano nacional en tan sólo cuatro comunas de la Región Metropolitana (Santiago, Ñuñoa, Las Condes y Providencia) a otra en la que dicha proporción se dividió en un mayor número de comunas. No obstante, estas cuatro comunas siguen estando dentro del grupo con mayor participación en el total nacional. Esto indica que, si bien en términos absolutos disminuyó la importancia de dichas comunas en el país, éstas son las mismas unidades espaciales con mayor concentración de capital humano desde la década de 1960.

En cuanto a la proporción del capital humano con respecto a la población de la misma comuna, ^{Urzúa (2012)} señala que entre 1996 y 2009 la proporción de los titulados universitarios en las comunas con mayores ingresos pasó de 39 a 72%, evidenciando que las mejores condiciones de acceso al sistema de educación superior se reflejan tanto en la proporción de la población con estudios superiores que vive en dichas comunas como en los ingresos promedio de las mismas. Estos resultados sugieren que los elevados ingresos que genera la concentración del capital humano refuerzan el ingreso promedio de estas comunas, lo que contribuye indirectamente a la desigualdad espacial. Este artículo analiza dicha relación para todo el conjunto de comunas de Chile dada la alta tasa de primacía de la Región Metropolitana con respecto a las demás unidades espaciales del país. En las siguientes secciones se evalúa si dicha concentración de capital humano tiene efectos sobre la desigualdad espacial de ingresos.

III. Metodología

La estrategia econométrica tiene como objetivo estimar el efecto del spatial labor sorting en la desigualdad espacial de ingresos durante 1992-2011 mediante modelos multinivel. Estos modelos estiman relaciones entre variables que son observadas a diferentes niveles de una estructura jerárquica de datos (^{Goldstein, 2010}), siendo recientemente incorporados en el análisis espacial.⁷ Este enfoque sugiere que el comportamiento de los individuos influye en determinados fenómenos espaciales y que, paralelamente, las características de las unidades espaciales influyen también en las decisiones individuales. Estos modelos, además de evitar falacias en los resultados por las dinámicas particulares de cada escala de análisis, son apropiados para captar la interacción natural entre la escala individual del sorting y la escala espacial de la desigualdad de ingresos entre unidades geográficas.⁸ Esta sección pretende mostrar que la variabilidad espacial de ingresos se explica en gran parte porque los individuos con alto capital humano no se distribuyen aleatoriamente en el espacio sino que tienden a concentrarse en los grandes centros urbanos. Lo anterior sugiere de manera implícita que los atributos de estas grandes ciudades influyen también en las decisiones de estos individuos y que, por último, ello determina la distribución espacial de la población más calificada.

El modelo multinivel propuesto es de tipo intercepto aleatorio, ya que permite captar intuitivamente el efecto del sorting en la variabilidad espacial de ingresos. El modelo tiene dos niveles: el nivel 1 está compuesto por los individuos i y el nivel 2 por las unidades espaciales j. La primera especificación del modelo puede expresarse formalmente como:

(1)

Siendo

(2)

en la que y_ij representa el ingreso del individuo i que se localiza en la unidad espacial j; β_0j es la media o intercepto del modelo por unidad espacial y e_ij es el residuo individual del nivel 1. El nivel 2 se incorpora transformando el intercepto β_0j como una variable aleatoria compuesta por una media total γ₀₀ y un residuo espacial μ_0j. Sustituyendo y agrupando (1) y (2) se tiene el primer modelo:

(3)

La ecuación (3) expresa y_ij como la suma de un componente fijo y otro aleatorio, siendo este último la suma de un error individual y uno espacial. Así, la varianza de y_ij es la suma de la varianza del error individual y la varianza del error espacial (4). Esto sugiere que la variabilidad de los ingresos va a estar determinada por las variaciones de cada uno de los niveles de análisis.

(4)

Los residuos del primer nivel se asumen con una distribución normal con media cero y varianza común σe02 para todos los grupos. En tanto que los residuos del segundo nivel se asumen independientes de los errores del primer nivel y con una distribución normal multivariada con medias cero (^{Hox, 1998}). A partir de ello, ambas varianzas pueden estimarse por Máxima verosimilitud o Máxima Verosimilitud Restringida (^{Snijders y Bosker, 1999}).

(5)

(6)

(7)

Las varianzas de ambos residuos son una medida de desigualdad de ingresos.⁹ El parámetro σe02 representa la variabilidad de ingresos entre los individuos i, o lo que es lo mismo, la variabilidad dentro de la unidad espacial j; mientras que el parámetro ϑu02 representa cuánto de la variabilidad de los ingresos existe entre las j unidades espaciales. De esta forma, si ϑu02 es igual a cero significa que no existe variabilidad espacial de ingresos. Esto implica que la variabilidad total depende sólo del componente individual y que no existe desigualdad entre unidades espaciales. En este caso, la medida de correlación intraclase o ρ de la ecuación (8) es cercana a cero. Por otro lado, se afirma que existe desigualdad espacial cuando el parámetro ϑu02 y ρ son diferentes de cero, siendo el valor de este parámetro la proporción de la variabilidad total que es atribuible a las j unidades espaciales. Esta medida de desigualdad también puede ser interpretada como el ingreso promedio que tiene cada unidad espacial con un efecto μ_0j media nacional γ₀₀ en la ecuación (3).

(8)

El siguiente paso es estimar un segundo modelo incluyendo las variables vinculadas al capital humano (educación, experiencia, estado civil, etc.). Esta especificación incorpora la heterogeneidad de los individuos y las principales características individuales que explican la ecuación de salarios. Esta última también es afectada por variables inobservables, tales como la habilidad; sin embargo, no se cuenta con información disponible para controlar por este tipo de características. La interpretación de las varianzas de la ecuación (9) es la misma; sin embargo, su comparación con respecto a la varianza espacial del modelo inicial (3), capta la idea de spatial sorting.

(9)

De acuerdo con las simulaciones de Monte-Carlo realizadas por los autores, en el escenario donde los individuos están aleatoriamente distribuidos, la varianza espacial de los modelos (3) y (9) son las mismas.¹⁰ Esto implica que la inclusión de controles por capital humano no influiría en la variabilidad espacial de ingresos, aun cuando la variabilidad individual sí cambia por la inclusión de controles en el mismo nivel de análisis. Un segundo escenario caracterizado por un patrón de concentración espacial muestra que las varianzas de los modelos (3) y (9) son diferentes porque la concentración de trabajadores calificados en una región incrementa su productividad y los salarios nominales están por encima del promedio nacional. En este caso se afirma que el spatial labor sorting tiene efectos sobre la desigualdad espacial de ingresos. A su vez, la correlación intraclase es influida por los cambios en los residuos de los dos niveles y, por lo tanto, ρ no es una medida apropiada para interpretar el efecto del spatial sorting como lo sugiere ^{Paredes (2012)}. Para ello, la evolución de la desigualdad espacial se analiza a partir de la tasa de crecimiento de la varianza espacial contra sí misma en un periodo base.

Por último, es importante destacar que los modelos multinivel suponen una distribución independiente entre los errores del nivel 2; es decir, éstos asumen que lo inobservable del segundo nivel no está correlacionado entre sí. Sin embargo, cuando el nivel 2 son unidades espaciales, este supuesto podría no cumplirse por problemas de autocorrelación espacial como consecuencia de la interacción entre unidades geográficas como los flujos de conmutación o dependencia geográfica de recursos naturales. Esto significa que los valores observados de la variable de interés en un lugar determinado podrían no sólo depender de determinados factores exógenos, sino de los valores observados en regiones vecinas. ^{Corrado y Fingleton (2011)} sugieren corregir dicha autocorrelación incorporando efectos fijos regionales, ya que el problema de estimadores inconsistentes se soluciona a través de la correlación entre los regresores y los componentes aleatorios del modelo multinivel.¹¹ Esta consideración es relevante, ya que el análisis de los efectos espaciales sólo por la vía de los efectos observados en el segundo nivel de agrupación es inadecuado para captar totalmente las dependencias espaciales de los datos, lo cual puede conducir a conclusiones erradas. La especificación (10) incluye 14 dummies regionales al segundo modelo (r).

(10)

IV. Datos

La información utilizada son los microdatos de la Encuesta de Caracterización Socioeconómica Nacional (CASEN) del Ministerio de Desarrollo Social de Chile para los años disponibles entre 1992 y 2011.¹² Los individuos seleccionados son la población económicamente activa entre 14 y 64 años de edad, que devenga ingresos por su ocupación principal. No se consideran los percentiles 0.5 y 99.5% de la muestra para evitar datos atípicos. Los controles por capital humano se resumen en el Cuadro 1. Éstos incluyen las variables tradicionales de la ecuación de Mincer mediante la cual se estiman los retornos de características como la educación y la experiencia sobre los salarios de los trabajadores (^{Mincer, 1958}). Por otro lado, la unidad espacial de análisis son las comunas, ya que son la menor división político-administrativa del país con información disponible y la escala con la mayor desigualdad espacial de ingresos en Chile (^{Paredes et al., 2012}). El Cuadro 1 muestra el número de comunas por año, lo cual implicó un minucioso seguimiento de las comunas que desaparecieron, surgieron y se fusionaron a través del tiempo. El mapa 1 muestra la división administrativa de Chile a nivel comunal.

Fuente: elaboración propia.

Cuadro 1 Estadísticas descriptivas 

V. Resultados

El Cuadro 2 presenta los resultados del primer modelo (3). Las estimaciones sugieren que un componente significativo de la variabilidad de ingresos es atribuible a la variabilidad entre comunas. Esto quiere decir que no toda la desigualdad se debe a diferenciales entre individuos, sino que una proporción significativa de ésta forma parte de las diferencias observadas entre comunas. El resultado muestra que existen comunas que perciben un nivel de ingresos por encima del promedio nacional, así como otras cuyo nivel es inferior. La varianza de ingresos entre este conjunto de comunas indica qué tan desiguales son entre sí, lo que abre la discusión sobre qué tan importante es la dimensión espacial en la desigualdad de ingresos.

Fuente: elaboración propia.

^a Errores estándar entre paréntesis. * p < 0.05, ** p < 0.01, *** p < 0.001

Cuadro 2 Desigualdad espacial de ingresos sin controlar por capital humano^a 

El primer eje de la Gráfica 1 muestra la importancia relativa de la variabilidad espacial sobre la variabilidad total a través de la correlación intraclase. La desigualdad comunal promedio es aproximadamente de 14%. Esta variabilidad aumenta hasta 1994 y, a partir de ese año, su tendencia es decreciente. De acuerdo con la literatura, este nivel de desigualdad es alto puesto que su participación en la desigualdad total de ingresos supera 6% (^{Novotný, 2007}). Lo anterior sugiere que Chile presenta una alta desigualdad espacial de ingresos, siendo uno de los países que sobresalen mundialmente por esta forma de desigualdad. Por otra parte, el segundo eje de la Gráfica muestra la evolución de dicha disparidad, teniendo como base el año 1992. La desigualdad espacial aumentó sólo en los dos años siguientes. A excepción del año 2003, ésta disminuyó desde 1996 hasta el final del periodo. Estos resultados indican que la desigualdad comunal ha venido decreciendo desde mediados de la década de 1990; no obstante, dicha disparidad aún es alta al superar 6% de su desigualdad total.

Gráfica 1 Importancia relativa y evolución de la desigualdad espacial de ingresos 

Posteriormente, se evalúa el efecto del spatial labor sorting sobre la desigualdad espacial de ingresos. El Cuadro 3 presenta los resultados del segundo modelo que incorpora los controles por capital humano (9). Todas las variables asociadas al capital humano son significativas al cumplir con sus signos esperados, en particular, los individuos con mayor educación y experiencia tienen un retorno positivo consistente con la teoría económica. El principal resultado está asociado a la reducción de la variabilidad espacial del segundo modelo con respecto al modelo inicial. Las estimaciones muestran que los controles por capital humano reducen la varianza espacial, en promedio, en 50% como se muestra en la Gráfica 2. Éste es un resultado estable a través del tiempo, y consistente con los estudios empíricos en otros países, lo cual confirma que la concentración espacial del capital humano tiene un efecto significativo en la desigualdad de ingresos a nivel comunal en Chile durante el periodo de análisis.

Fuente: elaboración propia.

^a Errores estándar entre paréntesis.* p < 0.05, ** p < 0.01, *** p < 0.001.

Cuadro 3 Desigualdad espacial de ingresos controlado por capital humano^a 

Gráfica 2 Desigualdad espacial de ingresos controlado por capital humano sin controles 

Asimismo, la mayor desigualdad espacial se observa sobre todo en las ocupaciones altamente concentradas e intensivas en capital humano. Para evidenciar el efecto diferenciado del spatial sorting por oficio se estima la variabilidad espacial de ingresos por ocupación luego de controlar por capital humano. La Gráfica 3 muestra cuánto contribuye cada oficio a la desigualdad espacial de ingresos en cada año. Las ocupaciones Ejecutivo, Profesional y Técnico medio son los oficios que más aportan a la desigualdad comunal. Dichas ocupaciones, además de concentrarse en la Región Metropolitana, son aquellas con el mayor promedio de experiencia y escolaridad. Por otro lado, también se observa una creciente variabilidad en la agricultura, que se explica fundamentalmente por la distribución de recursos naturales en Chile y la alta especialización agrícola en el sur del país (^{Paredes, 2012}). Los resultados confirman que el spatial sorting no es homogéneo entre sectores u ocupaciones económicas y que su efecto es diferenciado sobre la disparidad espacial de ingresos (^{Matano y Naticchioni, 2012}).

Fuente: elaboración propia

Gráfica 3 Desigualdad espacial de ingresos por oficio controlado por capital humano 

Finalmente, se evalúa la existencia de autocorrelación espacial a través del test del índice de Moran del intercepto β_0j para ambos modelos. En el primer modelo, la hipótesis nula de no autocorrelación espacial se rechaza para tres matrices de distancia definidas en 600, 800 y 1 000 km con 95% de significancia (véase Cuadro 4). Estas matrices de interacción espacial se definen a partir de un criterio de vecindad que considera la distancia métrica euclideana entre unidades espaciales a lo largo del territorio. Los resultados confirman que existen problemas de autocorrelación espacial durante todo el periodo de análisis y que, por tanto, podrían existir dependencias espaciales en los datos que no están siendo captadas totalmente en el nivel 2 de agrupación. Para corregir el problema, se incluyen efectos fijos regionales al segundo modelo, como se expresa en la ecuación (10). La hipótesis nula de no autocorrelación espacial del intercepto β_0j de este modelo no se rechaza para ninguna de las tres matrices de distancia, como se muestra en el Cuadro 5. La inclusión de estos controles reduce la variabilidad espacial 25% más que con los resultados obtenidos en el segundo modelo, es decir que, luego de controlar por autocorrelación espacial, el spatial labor sorting explica cerca de 75% de la desigualdad espacial de ingresos en Chile.

Fuente: elaboración propia.

^a Ho: Autocorrelación espacial nula.

Cuadro 4 Prueba de autocorrelación espacial globala (modelo inicial) 

Fuente: elaboración propia.

^a Ho: Autocorrelación espacial nula.

Cuadro 5 Pruebade autocorrelación espacial global^a 

Conclusiones

La desigualdad espacial de ingresos en países latinoamericanos es un tema de análisis que ha planteado nuevos interrogantes en el campo académico y en la planeación de políticas públicas. El caso chileno sobresale porque a pesar de su exitoso modelo económico durante las últimas décadas, la desigualdad entre individuos y unidades espaciales continúa siendo elevada con respecto a otros países. Este artículo muestra que, en efecto, la desigualdad entre comunas es elevada y que el spatial labor sorting explica cerca de 50% de la desigualdad espacial estimada para el periodo de análisis. Cuando se incorporan efectos fijos regionales para controlar problemas de autocorrelación espacial, el spatial sorting explica 75% de la disparidad entre comunas. Paralelamente, se encuentra evidencia de una mayor desigualdad espacial en las ocupaciones intensivas en capital humano, las cuales se concentran en la Región Metropolitana dado las ventajas que ésta ofrece para la localización del capital humano avanzado.

Los resultados obtenidos sugieren que las ciudades intermedias del sistema urbano chileno requieren políticas regionales de generación, atracción y retención de capital humano para posibilitar la convergencia entre unidades espaciales. La agenda de política pública podría considerar iniciativas orientadas a una mayor inversión en la formación de capital humano en las regiones, ya que la presencia de universidades locales desempeña un papel importante en la producción local de capital humano y en su distribución espacial (^{Comunian y Faggian, 2011}). Asimismo, el diseño de políticas debería contemplar una mayor provisión de profesionales de carácter estratégico para el desarrollo espacial equilibrado mediante incentivos remuneratorios y una mayor dotación de amenidades urbanas que fomenten la migración de la población más calificada hacia otras regiones del país. Este tipo de iniciativas promoverían una mayor productividad, innovación y desarrollo regional, lo cual tendría efectos en la equidad espacial de ingresos.

Finalmente, éste no es un trabajo concluyente sobre el tema. Futuras investigaciones podrían contrastar estos resultados mediante diferentes enfoques metodológicos, incluidos nuevos elementos en el análisis de la desigualdad espacial de ingresos para una futura agenda de investigación.