nueva página del texto (beta)
Español (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
La resiliencia es la capacidad de un sistema o entidad de reaccionar, recuperarse o ajustarse exitosamente ante un acontecimiento externo adverso, como -en economía- una recesión o una crisis (Hill et al., 2008). Este concepto ha sido aplicado a la geografía económica para analizar de qué forma las economías regionales transitan las crisis o recesiones; en particular, para conocer cómo resisten a ellas, de qué forma se recuperan y qué transformaciones se producen en la estructura productiva o en el desempeño regional.
En los últimos años, como resultado de la crisis financiera internacional de 2008-2009, ha resurgido el interés por analizar las fluctuaciones económicas regionales, que se manifiesta en un gran número de publicaciones sobre el tema a nivel mundial (Briguglio et al., 2005; Fingleton et al., 2012; Martin y Sunley, 2015; Sensier y Artis, 2016; Courvisanos et al., 2016; Di Caro, 2017), así como en números especiales sobre la temática en revistas especializadas.1 A su vez, a raíz de la disminución de la actividad económica producto de la pandemia de COVID-19, se espera que esta temática sea abordada con frecuencia en los próximos años.
En las últimas décadas, la estructura de las economías regionales se encuentra en permanente cambio, mostrando una creciente interconexión entre regiones y con el también volátil contexto económico global. Esto genera que muchas regiones sean más susceptibles a perturbaciones externas de lo que históricamente han sido. Bajo esta perspectiva, comprender las diferencias en cuanto a la capacidad de las distintas economías regionales para resistir y sobreponerse ante eventos disruptivos resulta de vital importancia para contribuir a la discusión sobre cómo planificar, guiar y evaluar las políticas y estrategias de desarrollo económico desde un enfoque moderno.
Sin embargo, en Argentina, hasta el momento, no existen estudios que utilicen datos cuantitativos para realizar un análisis comparativo de la resiliencia de las regiones, lo cual constituye una severa limitación, teniendo en cuenta la extensión geográfica del país (octava en el mundo), la marcada heterogeneidad existente entre regiones -en términos sociales, económicos, productivos, de infraestructura y de recursos- y la inestabilidad macroeconómica, caracterizada por frecuentes ciclos de stop and go. Este trabajo pretende brindar un primer aporte de tipo descriptivo, estudiando comparativamente la resiliencia regional en Argentina, a partir del análisis de una de sus etapas, que indica de qué forma las regiones reaccionan a las crisis: la capacidad de recuperación o recuperabilidad. El objetivo es analizar la capacidad de recuperación -o crecimiento relativo- del empleo asalariado registrado en el sector privado en las principales 85 áreas económicas locales2 (AEL) de la Argentina y vincularla con el tipo de especialización regional, en los períodos expansivos de 2002-2008 y 2009-2015.
El trabajo se estructura de la siguiente manera: en la siguiente sección se desarrolla el marco teórico de referencia, en el cual se explica el concepto de resiliencia y se analizan los factores económicos regionales que se asocian a este fenómeno. A continuación, se desarrolla la metodología utilizada. La cuarta sección expone los principales resultados y el análisis derivado de los mismos. Por último, se incluyen algunas reflexiones finales.
Marco teórico
Según el enfoque propuesto por Martin y Sunley, la resiliencia económica regional puede definirse como:
la capacidad de una economía regional o local de soportar o recuperarse de perturbaciones de mercado, competitivas o ambientales en su sendero de desarrollo, de ser necesario mediante cambios adaptativos en sus estructuras económicas y sus arreglos sociales e institucionales, con el fin de mantener o restaurar su sendero de desarrollo previo o de transitar hacia un nuevo sendero sustentable caracterizado por un uso más pleno y productivo de sus recursos físicos, humanos y ambientales (2015: 13).
A partir de esta definición, se pueden identificar cuatro etapas secuenciales de la resiliencia, esquematizadas en la Figura 1 (Martin y Sunley, 2015; Martin et al., 2016):
El riesgo o la vulnerabilidad de las firmas y trabajadores ante el shock, entendida como la sensibilidad o propensión de las empresas y trabajadores de una región a diferentes tipos de perturbaciones.
La resistencia o el impacto inicial de la perturbación.
La reorientación adaptativa (o robustez), es decir, la habilidad de firmas y trabajadores de ajustarse y adaptarse para restaurar las funciones y los desempeños clave. Aquí se incluye el papel tanto de los mecanismos externos (esto es, provenientes de otras economías) como de las intervenciones y estructuras de apoyo del sector público. Según Martin (2012), se puede llamar a esta fase de reorientación y adaptabilidad.
La recuperabilidad, que incluye el grado y la naturaleza de la recuperación y las características del sendero de desarrollo hacia el cual la región se recupera. Martin (2012) también la llama etapa de renovación.
Todas las etapas del proceso de resiliencia dependen de la profundidad, naturaleza y duración de la perturbación o el shock, que influyen en la escala y duración de sus efectos sobre la(s) economía(s). A su vez, también dependen del sendero de crecimiento previo en la región y de los factores que determinan dicho sendero (Martin et al., 2016).
Los efectos de las perturbaciones pueden variar entre regiones, según los factores asociados con la resiliencia propios de cada lugar. Estos factores pueden agruparse en cuatro categorías: i) estructura productiva, ii) condicionantes financieros, iii) procesos de aprendizaje y toma de decisiones, iv) marco institucional.
En gran parte de la bibliografía existe consenso en cuanto al rol primordial que cumple la estructura productiva, dentro de la que se hallan factores como el tipo o perfil de especialización, el grado de diversidad productiva, la orientación exportadora, el grado de desarrollo productivo y las relaciones de proximidad industrial. Respecto del primero, en la medida en que las diferentes industrias tienen distintas sensibilidades a los ciclos económicos, la clave para explicar las diferencias entre regiones (en términos de resiliencia) puede estar en el tipo de industrias en que una región se especialice (Fingleton et al., 2012). Martin et al. (2016) llaman a esto el grado de “sensibilidad cíclica” de dicha especialización.3 Una región especializada en actividades contracíclicas o menos procíclicas (como algunos servicios) será probablemente más resistente a una crisis o recesión que otra especializada en actividades más procíclicas (como las manufacturas), independientemente de su grado de diversidad productiva o su orientación exportadora. Por otro lado, se espera que una economía regional con un perfil de especialización más contracíclico tenga una recuperabilidad menor que otra con un perfil procíclico durante los períodos de crecimiento a nivel nacional. A partir de esto último surge la hipótesis de esta investigación: las unidades geográficas de mayor recuperabilidad son las especializadas en actividades procíclicas, mientras que las de menor recuperabilidad son aquellas especializadas en actividades contracíclicas.
Por su parte, una estructura productiva diversificada debería permitir a una economía regional esparcir el riesgo de un shock (Martin et al., 2016). A la inversa, una economía poco diversificada es potencialmente más vulnerable e inestable, ya que si su actividad principal se ve afectada por una determinada perturbación, tendrá menos posibilidades de apaciguar sus efectos por medio de otras industrias que amortigüen el impacto y faciliten la reasignación de los recursos. La estructura industrial también determina la orientación exportadora de una región y, por lo tanto, su exposición ante shocks de demanda de origen externo (Eraydin, 2016). El desarrollo productivo, por su parte, fomenta el establecimiento de estructuras, instituciones y sectores productivos fortalecidos, que tienden a reducir la vulnerabilidad y, en consecuencia, a mejorar la resiliencia económica (Di Caro, 2017; Fingleton et al., 2012). Adicionalmente, las relaciones de cercanía industrial incluyen la proximidad tecnológica, que ocurre cuando las industrias locales explotan habilidades e insumos similares entre sí, y la proximidad vertical, que implica situaciones en donde las industrias están conectadas a través de relaciones insumo-producto. Se espera que una fuerte proximidad tecnológica tenga un efecto positivo en la resiliencia y que una alta cercanía vertical impacte negativamente en la misma (Cainelli et al., 2019).
Los condicionantes financieros refieren a los costos y grados de accesibilidad al financiamiento para las firmas. Se espera que condiciones de financiación favorables permitan una mayor resiliencia económica regional, tanto por la mejora en las posibilidades de supervivencia para empresas en dificultades como por la ayuda a la creación de nuevas firmas o industrias.
El aprendizaje y la toma de decisiones se refiere a la capacidad de los sectores encargados de la toma de decisiones (tanto empresariales como del gobierno) de llevar adelante un proceso de aprendizaje y de reconocimiento de los orígenes, causas y efectos de las crisis para mejorar la capacidad de prevención y de respuesta a futuro, en donde la cooperación y la confianza mutua entre empresas y sectores productivos adquieren un rol fundamental (Di Caro, 2017).
Por último, el marco institucional engloba a todas las características institucionales que condicionen, restrinjan o promuevan una reacción efectiva ante el shock, específicamente el desempeño y la participación del gobierno en el ámbito productivo. Por ejemplo, se incluyen las políticas que afecten directa o indirectamente a las decisiones empresariales y las acciones gubernamentales como respuesta al shock (Fingleton et al., 2012), la existencia o el surgimiento de instituciones de apoyo públicas o privadas que pueden contribuir a mejorar la recuperabilidad económica y el otorgamiento de créditos públicos a sectores con dificultades.
En cuanto al enfoque metodológico, se pueden distinguir en la literatura económica tres tipos de estudios. En primer lugar, algunos autores llevan a cabo análisis descriptivos o correlacionales (Martin et al., 2016; Sensier y Artis, 2016). Otros autores optan por desarrollar modelos econométricos, de alcance explicativo, que permiten analizar el efecto de múltiples variables (Cainelli et al., 2019; Di Caro, 2017; Eraydin, 2016; Fingleton et al., 2012). Ambos tipos de estudios, de corte cuantitativo, resultan pertinentes para captar diferencias y similitudes entre regiones ante una perturbación que les es común, e identificar la influencia (o asociación) con algunos pocos factores asociados, mayormente relacionados con la estructura productiva y los condicionantes financieros. Por último, los estudios de tipo cualitativo se utilizan fundamentalmente para abordar la forma en que los procesos de aprendizaje y toma de decisiones, el marco institucional, las políticas públicas, las estrategias empresariales y otros factores históricos afectan la resiliencia de diferentes regiones (Hill et al., 2008; Simmie y Martin, 2010).
En esta investigación se sigue un enfoque descriptivo-correlacional, basado en la prueba de Kruskal-Wallis y el test de Dunn (véase la sección 2.4). Un antecedente directo es el estudio para el Reino Unido desarrollado por Martin et al. (2016), que relaciona la resistencia y la capacidad de recuperación de las regiones británicas con el grado de sensibilidad cíclica. Por su parte, Sensier y Artis (2016) emplean un análisis correlacional (coeficiente de Spearman) para determinar si la participación en el empleo de las distintas ramas productivas en Gales se relaciona con el tiempo en que cada región tardó en caer en recesión. Ambos trabajos encuentran -junto con Lagravinese (2015) para Italia y Psycharis et al. (2014) para Grecia- que las regiones especializadas en servicios y en turismo (que en el contexto de estas investigaciones resultan ser actividades más contracíclicas) han mostrado mejor resiliencia que aquellas más dependientes de las manufacturas y las finanzas, que resultan ser más procíclicas.
2. Metodología
2.1. Unidad de análisis y fuente de datos
La unidad geográfica elegida es el AEL, definida como la porción de territorio delimitada a partir de los desplazamientos diarios de los trabajadores hacia y desde sus lugares de trabajo (Borello, 2002). Se analizan las principales 85 AEL de Argentina, que concentran 86% de la población del país y 95% del empleo registrado en empresas privadas, con base en datos oficiales del total del empleo asalariado registrado en el sector privado, desagregado en 24 ramas o sectores productivos. En el Anexo se detallan las AEL incluidas -cuya delimitación no se modifica a lo largo del período de análisis- y la provincia a la que pertenecen. Teniendo en cuenta las severas limitaciones de datos regionales en Argentina, el análisis a nivel de AEL permite, por un lado, reconocer las heterogeneidades productivas dentro de las distintas provincias y, por otro, contar con datos actualizados y confiables que ayuden a caracterizar la estructura productiva regional y la recuperabilidad del empleo.4 Los datos provienen de la Base de Áreas Económicas Locales elaborada por el Observatorio de Empleo y Dinámica Empresarial (OEDE), dependiente del Ministerio de Trabajo, Empleo y Seguridad Social de Argentina.
El período analizado va desde 1996 hasta 2015, y permite ver dos momentos expansivos postcrisis: 2002-2008, tras la salida del Plan de Convertibilidad; y 2009-2015, luego de la crisis financiera internacional (Gráfica 1). En línea con trabajos similares (Lagravinese, 2015; Martin et al., 2016), se considera como recesión al período que va desde el punto más alto del empleo a nivel nacional hasta el punto más bajo. Análogamente, la expansión se da a partir de dicho punto y hasta la próxima cima.
Fuente: elaboración propia a partir de datos del OEDE (s.f.).
Gráfica 1 Evolución del empleo asalariado registrado en el sector privado. Total de áreas económicas locales, 1996-2015
Pueden observarse amplias diferencias entre ciclos, tanto en lo relativo al crecimiento agregado como a los sectores que lo impulsan. Respecto del primer punto, cabe destacar que, hacia 2002, Argentina presentaba las tasas de desempleo más altas registradas hasta ese momento y una importante capacidad ociosa. Tras la devaluación cambiaria, la consecuente caída de los salarios reales y los costos laborales y la relajación de la restricción externa por haber entrado en default, se generó un contexto macroeconómico que impulsó, en los años siguientes, la generación de millones de puestos de trabajo y la progresiva recuperación del salario real. A ello se sumó, como explican Santarcángelo y Perrone (2013), la reversión de los elevados niveles de informalidad respecto del período previo de convertibilidad, sobre todo hasta 2008. En contraste, a partir de los conflictos entre el gobierno y el sector agropecuario, el resurgimiento de la restricción externa y las presiones inflacionarias, el ritmo de creación de puestos de trabajo registrados en el sector privado bajó considerablemente entre fines de 2009 y 2015. A esto pueden sumarse las secuelas de la crisis financiera internacional y, como analizan Porta et al. (2016), restricciones de infraestructura o cuellos de botella en distintas industrias.
En cuanto a los sectores que más impulsan el crecimiento del empleo registrado, en el primer período se identifican fundamentalmente ramas de actividad trabajo-intensivas, como construcción, actividades de informática, metalmecánica e industrias textiles, y actividades cuya demanda presenta una alta elasticidad-ingreso, como el caso de automotores y neumáticos, servicios empresariales y actividades relacionadas al turismo (hotelería y restaurantes y servicios culturales). Esto no debiera sorprender, puesto que, como se ha visto, el período 2002-2008 se caracterizó como una etapa de fuerte aumento de la demanda laboral y del ingreso real de la gran mayoría de la población. En cambio, para el segundo ciclo expansivo el crecimiento del empleo se halla impulsado más bien a partir de servicios urbanos, como salud, educación y transportes, ramas más intensivas en capital, como minería y petróleo (sobre todo tras el estímulo que implicó la nacionalización de YPF en 2012), y actividades en el rubro inmobiliario, que dependen fundamentalmente de la rentabilidad de otros sectores productivos.
2.2. Medición de la recuperabilidad
A fin de cuantificar la capacidad de recuperación o recuperabilidad, se sigue el criterio de Fingleton et al. (2012) y de Martin et al. (2016), que consiste en comparar los movimientos (caídas y aumentos) en el empleo de las regiones con variaciones esperadas o contrafácticas de los mismos. Como lo que se pretende medir son las diferencias entre regiones ante una situación adversa o perturbación que es común a todas ellas, un escenario contrafáctico es aquél en el que, manteniendo todo lo demás constante, el nivel de empleo de todas las regiones se contrae (en recesión) y se expande (en recuperación) a la misma tasa que el país en su conjunto. Entonces, el escenario contrafáctico podría expresarse con la Ecuación 1:
Donde
Todas las variaciones están expresadas en niveles. A efectos de simplificar la notación, el superíndice t + k es reemplazado por “Expansión”. Así definida, la ecuación 2 está centrada alrededor del valor cero. Esto implica que valores positivos (negativos) de Recupr indican que una región tiene una mejor (peor) capacidad de recuperación que la economía nacional como un todo,5 es decir, con una mayor (menor) creación de puestos de trabajo luego de la recesión o shock. Los resultados se expresan en términos porcentuales. Por ejemplo, un valor de Recupr de 0,25 indica que la economía regional en cuestión tiene una recuperabilidad 25% mayor que la economía a nivel nacional. Un valor de -0,25 implica, por el contrario, que la región tiene una recuperabilidad 25% menor que el país en su conjunto.
2.3. Definición de los perfiles de especialización
El tipo de especialización de una región se refiere a aquel sector productivo cuya concentración, en términos de la proporción de empleo que genera, supera a la concentración de dicho sector en el país. Para operacionalizar esta variable, se opta por la clasificación de las AEL realizada por el OEDE (Rotondo et al., 2016). La misma consiste en tomar la primera especialización obtenida del cálculo del índice de especialización relativa (IER), como muestra la Ecuación 3:
Donde
Tabla 1 Clasificación de las AEL por su perfil de especialización
| Perfil | Ramas de actividad representativas | AEL |
| Agroindustrial | Alimentos; tabaco; madera; papel; muebles | Armstrong, Arroyito, Chivilcoy, Concepción del Uruguay, Eldorado, Gualeguay, Gualeguaychú, La Rioja, Libertador Gral. San Martín, Marcos Juárez, Oberá, Reconquista, Río Tercero, San Antonio de Areco, San Pedro, San Pedro de Jujuy, San Rafael, Santa Fe-Paraná, Sunchales, Villa María |
| Agropecuario | Agricultura, ganadería y caza | Alto Valle del Río Negro, Catamarca, Chajarí, Concordia, Cnel. Suárez, Esquel, Gral. Pico, Junín, Lobos, Mendoza, Metan, Necochea, Nueve de Julio, Olavarría, Oran, Paso de los Libres, Pergamino, Río Cuarto, Salta, San Juan, San Miguel de Tucumán, San Salvador de Jujuy, Santa Rosa, Tandil, Trenque Lauquen, Tres Arroyos, Venado Tuerto, Villaguay |
| Comercio y servicios | Comercio mayorista y minorista y servicios de reparación de vehículos; hoteles y restaurantes; transporte, almacenamiento y comunicaciones; intermediación financiera; actividades inmobiliarias, empresariales y de alquiler; enseñanza; servicios sociales y de salud; otros servicios comunitarios, sociales y personales; | Bahía Blanca, Córdoba, Formosa, La Plata, Posadas, Resistencia-Corrientes, Santiago del Estero, Viedma |
| Extractivo de recursos no renovables | Explotación de minas y canteras (incluye petróleo crudo, gas natural, carbón, otros minerales, etc.) | Golfo San Jorge, Río Gallegos, TartagalMosconi |
| Extractivo de recursos renovables | Silvicultura y extracción de madera; pesca y acuicultura | Gobernador Virasoro, Puerto Madryn, Sáenz Peña, Trelew-Rawson, Ushuaia |
| Industrial | Industrias manufactureras | Escobar, Gran Buenos Aires, Luján, Mercedes, Pilar, Rafaela, Río Grande, Rosario, San Francisco, San Luis, San Nicolás, Zárate-Campana |
| Turismo | Hoteles y restaurantes | Bariloche, Iguazú, La Falda, Mar del Plata, Merlo, Pinamar-Villa Gesell, Termas de Río Hondo, Villa Carlos Paz, Villa Gral. Belgrano |
Fuente: elaboración propia con base en información proporcionada por OEDE (s.f.) y Rotondo et al. (2016).
Fuente: elaboración propia con base en información proporcionada por OEDE (s.f.) y Rotondo et al. (2016). Figura elaborada con el software RStudio (2020).
Figura 2 Localización de las AEL por su perfil de especialización
Siguiendo a Martin et al. (2016), interesa observar el grado de sensibilidad de estos tipos de especialización ante los ciclos económicos. La sensibilidad cíclica es el grado en que el empleo o producto de una rama de actividad, o de un conjunto de ramas, varía respecto de las fluctuaciones cíclicas que se observan en el país al que pertenece; permite observar de qué manera se comporta un determinado sector productivo, en términos de evolución de la mano de obra que emplea o del producto que genera, en relación con el comportamiento de la economía nacional en su conjunto. De este modo, en un perfil procíclico, el empleo (o producto) tenderá a amplificar los ciclos observados a nivel nacional, creciendo a una tasa mayor que el país durante una expansión y decreciendo más durante una recesión. Por el contrario, en un perfil contracíclico, el empleo crecerá a una tasa menor (o decrecerá) que el país en una expansión y decrecerá a una tasa también menor (o crecerá) en una recesión.
El coeficiente de sensibilidad cíclica (β1) (Martin et al., 2016) surge de estimar la regresión lineal que describe la Ecuación 4:
Donde β1 epresenta el coeficiente de regresión entre el logaritmo natural del empleo de un sector productivo y el logaritmo natural del empleo nacional (EN), para todo el período 1996-2015. En este caso, el empleo atribuible a cada perfil (Ei) se calcula como la suma del empleo en las ramas de actividad que están incluidas en cada uno de los perfiles (Tabla 1). β 1 muestra la sensibilidad cíclica de los perfiles de especialización: un valor mayor a 1 indica un perfil procíclico; menor a 1, un perfil contracíclico.
2.4. Relación entre recuperabilidad y especialización: prueba de Kruskal-Wallis y test de Dunn
A fin de relacionar el tipo de especialización con la recuperabilidad, se realiza la prueba de suma de rangos de Kruskal y Wallis (K-W) (1952). Este es un test no paramétrico cuya utilización se justifica (en reemplazo del usual análisis de la varianza o ANOVA) en aquellos casos en que no pueda asegurarse que los datos siguen una distribución normal o en casos de pocas observaciones, como ocurre en este trabajo. Adicionalmente, este test no requiere de los supuestos de homogeneidad de la varianza entre grupos ni de la normalidad de los residuos.
Siendo k el número de grupos en que se divide una muestra o población, las AEL, la hipótesis nula (H0) de este test es que la distribución de la variable dependiente (en este caso, la recuperabilidad) es la misma para los k grupos. Si las distribuciones son iguales, los k grupos tienen las mismas media y varianza. La hipótesis alternativa (H1) es que al menos un grupo sigue una distribución diferente del resto.
La prueba de K-W permite ver si existen diferencias significativas entre los grupos. Rechazar la hipótesis nula conduce a esta conclusión. Sin embargo, no permite identificar entre qué par(es) de grupos se dan estas diferencias. Para superar esta dificultad, se propone la realización del test de Dunn (1964). El estadístico z de Dunn busca aproximar las sumas exactas de los rangos de cada grupo (Rj), a partir del promedio de los rangos de cada grupo que surgen de la prueba de K-W (Dinno, 2015), y realizar inferencia a partir de las diferencias en dichos promedios. El test realiza comparaciones por pares entre los promedios de todos los grupos y permite concluir qué par(es) presenta(n) medias estadísticamente diferentes.
Por último, es necesario mencionar que este trabajo puede presentar algunas limitaciones provenientes, en su mayoría, del tipo de datos utilizados y del escaso desarrollo del sistema de estadísticas regionales en el país. En primer lugar, los datos de empleo utilizados no permiten visualizar la importancia de la economía informal como creadora de puestos de trabajo. En la medida en que la proporción de empleo no registrado no es uniforme entre regiones ni entre sectores productivos, los resultados encontrados en este trabajo podrían modificarse. No obstante, cabe destacar que la evidencia encontrada permite comprender la recuperación de la totalidad del empleo de mayor calidad y productividad.
En segundo lugar, existen limitantes que surgen de la utilización de los perfiles de especialización para dar cuenta del tipo de especialización regional. Si bien este tipo de indicador es muy utilizado, no refleja necesariamente los sectores que tienen mayor participación en el total de empleo en cada una de las regiones. Dado que los mismos son medidas relativas (con relación al resto del país), un AEL especializada en cierta actividad (como petróleo) puede tener la mayor parte del empleo ocupado en otros sectores. También es posible que el resto de los sectores productivos que no componen el perfil de especialización tengan una sensibilidad cíclica contraria a la del perfil principal. Si la participación en el empleo de estos sectores es considerable, esto podría contrarrestar el grado de sensibilidad cíclica del AEL en su conjunto.
3. Resultados
El cálculo de los índices de recuperabilidad permite observar amplias diferencias en cuanto a cómo se recuperan las AEL en cada una de las fases expansivas. En la expansión 2002-2008, la mitad de las AEL (43 de 85) presentan una mejor recuperabilidad que el país considerado en su totalidad (Gráfica 2). Los valores extremos se hallan en Coronel Suárez (-0.64, es decir, 64% peor que el país en su conjunto) y en Paso de los Libres (0.65, o 65% mejor). Por su parte, en la segunda expansión (20092015) son mayoría las AEL que presentan una recuperabilidad peor que la del país en su conjunto (50 de 85, es decir, casi 60%) (Gráfica 3). Los extremos, en este caso, se encuentran en Orán (193% peor que el país en su conjunto) y en Río Grande (374% mejor). Este tan amplio recorrido puede explicarse por la sensiblemente menor tasa de crecimiento a nivel nacional, respecto del período anterior, y por el tamaño relativamente pequeño de las AEL que presentan estos valores extremos.
Fuente: elaboración propia con base en la información proporcionada por OEDE (s.f.) y Rotondo et al. (2016). Se indica el nombre de las AEL que cambian su recuperabilidad de un período a otro. Gráfica elaborada con el software RStudio (The R Foundation, 2020).
Gráfica 2 Recuperabilidad y perfiles de especialización de las AEL para el período 2002-2008
Fuente: elaboración propia con base en la información proporcionada por OEDE (s.f.) y Rotondo et al. (2016). Se indica el nombre de las AEL que cambian su recuperabilidad de un período a otro. Gráfica elaborada con el software RStudio (The R Foundation, 2020).
Gráfica 3 Recuperabilidad y perfiles de especialización de las AEL para el período 2009-2015
En las Gráficas 2 y 3 se aprecia, además, que la capacidad de recuperación del empleo guarda cierta relación con el perfil de especialización regional. Cada punto de las figuras representa un AEL, distribuidas según su recuperabilidad (eje horizontal) y su perfil de especialización (eje vertical). A modo de ejemplo, se observa que en los dos períodos analizados, las AEL turísticas se recuperan relativamente mejor que las agroindustriales. Asimismo, también se puede ver que la recuperabilidad de las AEL agropecuarias es mayor luego de la crisis de la convertibilidad (que afecta mayormente el mercado interno), que luego de la crisis financiera internacional (que afecta en mayor medida en mercado externo). Lo opuesto sucede con las AEL especializadas en comercio y servicios.
Adicionalmente, el color de los puntos indica si la capacidad de recuperación cambia (color rojo) o no (color verde) entre ciclos. De las 85 AEL, 40% muestra una recuperabilidad diferente entre ciclos. Es decir, una considerable proporción de las AEL tuvieron un cambio sustancial (de signo) en su capacidad de recuperación (de más recuperabilidad a menos, o viceversa). Este es un resultado importante, ya que indica que la resiliencia no es un rasgo intrínseco a las regiones e invariable en el tiempo. Por el contrario, en muchos casos varía ante dos crisis sucesivas, como las aquí analizadas. La capacidad de una economía regional de recuperarse ante las crisis económicas puede depender de las características del shock, de aspectos coyunturales y de las transformaciones operadas a lo largo del tiempo en la estructura económica regional y en sus arreglos sociales e institucionales.
Por otro lado, en el restante 60% de las AEL, la recuperabilidad es similar entre uno y otro ciclo, con lo cual, resulta pertinente comprobar si existe algún condicionante estructural que permita explicar este resultado, al menos de manera parcial. Por tal motivo, a continuación analizamos si la sensibilidad cíclica del perfil de especialización se puede relacionar con la recuperabilidad. A fin de comprobar si la capacidad de recuperación es mayor en aquellas AEL especializadas en actividades procíclicas, se calcula la sensibilidad cíclica de los siete perfiles de especialización (Tabla 2).
Tabla 2 Coeficientes de sensibilidad cíclica por perfil de especialización (1996-2015)
| Perfil de especialización | Coeficiente de sensibilidad cíclica | Valor-p | Comportamiento |
| Extractivo recursos renovables | 0.4157 | 0.0047 | Muy contracíclico |
| Agroindustrial | 0.6162 | 0.0000 | Muy contracíclico |
| Agropecuario | 0.7102 | 0.0000 | Relativamente contracíclico |
| Industrial | 0.7377 | 0.0000 | Relativamente contracíclico |
| Comercio y servicios | 1.1002 | 0.0000 | Relativamente procíclico |
| Extractivo recursos no renovables | 1.3162 | 0.0000 | Muy procíclico |
| Turismo | 1.5182 | 0.0000 | Muy procíclico |
Nota: las ramas de actividad incluidas en cada perfil de especialización fueron presentadas en la Tabla 1.
Fuente: elaboración propia con base en los resultados obtenidos.
Puede observarse una clara distinción entre perfiles con comportamientos contracíclicos (agroindustrial, agropecuario, extractivo de recursos renovables e industrial) y procíclicos (comercio y servicios, extractivo de recursos no renovables y turismo). Estos cálculos representan en sí mismos un resultado interesante, ya que pueden servir como insumo para el desarrollo de políticas de promoción de determinadas actividades productivas. Por ejemplo, en épocas de auge económico, el turismo y las actividades extractivas de recursos renovables (alimentos, madera, tabaco, etcétera) parecen ser los sectores con mayor capacidad de generación de empleo asalariado y registrado. Como contracara, también son las actividades que reaccionan con una mayor sensibilidad en los momentos de recesión, evidenciando la necesidad de contar con más apoyo en esos períodos. Esto contrasta con los perfiles relacionados a la agricultura y la ganadería y a la extracción de petróleo y derivados, que tienen una menor capacidad de creación de empleo en las expansiones, pero también una menor vulnerabilidad en las recesiones. A su vez, se aprecia que la sensibilidad cíclica de las diferentes actividades económicas puede variar entre países: el turismo y los servicios resultan ser sectores contracíclicos en Italia, Reino Unido y Grecia, mientras que las manufacturas tienden a ser más procíclicas (Lagravinese, 2015; Martin et al., 2016; Psycharis et al., 2014). Esto evidencia la necesidad de desarrollar estudios específicos que reflejen la realidad de cada país en particular, en lugar de diseñar políticas sobre la base de resultados obtenidos para otros países.
Luego de determinar cuáles son los perfiles más y menos procíclicos, el segundo paso consiste en realizar la prueba de K-W, agrupando las AEL según su perfil de especialización. Los resultados permiten afirmar que en las fases de ambos ciclos puede rechazarse la hipótesis nula de igual distribución entre grupos (Tabla 3). Por lo tanto, el perfil de especialización se asocia significativamente al grado de recuperabilidad de las AEL en ambos ciclos económicos.
Tabla 3 Perfil de especialización, resistencia y recuperabilidad. Prueba de K-W y test de Dunn
| Prueba de K-W | Test de Dunn | |
| Variable dependiente | Chicuadrado | ¿Qué pares de grupos difieren realmente? |
| Recuperabilidad (2002-2008) |
23,153*** Rechaza H0 |
• AEL especializadas en actividades extractivas de recursos no renovables tienen una media significativamente** mayor que las AEL agroindustriales. • AEL especializadas en actividades extractivas de recursos no renovables tienen una media significativamente* mayor que las AEL agropecuarias. • AEL especializadas en turismo tienen una media significativamente** mayor que las AEL agroindustriales. • AEL especializadas en turismo tienen una media significativamente** mayor que las AEL agropecuarias. |
| Recuperabilidad (2009-2015) |
20,469*** Rechaza H0 |
• AEL especializadas en comercio y servicios tienen una media significativamente** mayor que las AEL agropecuarias. • AEL especializadas en turismo tienen una media significativamente* mayor que las AEL agropecuarias. |
Niveles de significatividad: ***99%; ** 95%; * 90%.
Fuente: elaboración propia. Cálculos realizados con el software RStudio(The R Foundation, 2020).
El último paso consiste en realizar el test de Dunn en aquellos casos en que se rechaza la hipótesis nula de la prueba de K-W, para probar qué par(es) de grupos presentan efectivamente medias diferentes (Tabla 3). Los resultados permiten comprobar que los perfiles más procíclicos se recuperan mejor que los contracíclicos. Concretamente, en la recuperación de 2002 a 2008, las AEL especializadas en la extracción de recursos no renovables y en turismo (perfiles muy procíclicos) tienen una mejor recuperabilidad que las agroindustriales (perfil muy contracíclico) y que las agropecuarias (perfil relativamente contracíclico). En la expansión de 2009 a 2015, las AEL especializadas en comercio y servicios (perfil relativamente procíclico) y -nuevamente- en turismo tienen una mejor capacidad de recuperación que las agropecuarias.
Estos resultados aportan evidencia en favor de la hipótesis propuesta y se hallan en línea con los argumentos teóricos presentados previamente. En efecto, puede concluirse que aquellas regiones especializadas en actividades procíclicas poseen una mejor capacidad de recuperación que las especializadas en actividades contracíclicas. Esto se cumple en ambos ciclos analizados y en múltiples comparaciones por pares.
Estos resultados indican que el perfil de especialización de una región puede permitir avizorar cómo se repondrá la misma ante un eventual shock. En el marco de la crisis actual motivada por la pandemia de COVID19 y las consecuentes medidas de aislamiento y restricciones a la movilidad, resulta especialmente preocupante la situación de las AEL especializadas en turismo, uno de los sectores más afectados a nivel mundial (Bailey et al., 2020). En el contexto argentino, esta actividad pareciera estar particularmente más amenazada, teniendo en cuenta sus características de elevada sensibilidad.
Conclusiones
Este trabajo describe de qué forma un aspecto de la estructura productiva, el tipo o perfil de especialización, se relaciona con una medida de la resiliencia económica: la recuperabilidad. Mediante pruebas estadísticas se ha comprobado que, en dos crisis sucesivas, aquellas regiones especializadas en actividades procíclicas poseen una mejor capacidad de recuperación que las especializadas en actividades contracíclicas.
A partir de estos resultados, cabe preguntarse si la tendencia continuará tras la salida de la actual crisis motivada por la pandemia de COVID-19. En la medida en que se cuente con información actualizada, la aplicación de la metodología aquí propuesta permitirá, en primer lugar, determinar si el grado de ciclicidad de los tipos de especialización ha sufrido modificaciones y, en segundo lugar, dilucidar si las AEL especializadas en actividades procíclicas continuarán mostrando mejor capacidad de recuperación.
Teniendo en cuenta las limitaciones mencionadas, este trabajo podría complementarse incorporando medidas alternativas de especialización (por ejemplo, la segunda y tercera especialización) u otras dimensiones de la estructura productiva, como la diversidad productiva o la orientación exportadora. En este sentido, cualquier análisis de tipo econométrico tendiente a evaluar el impacto de estos factores sobre la resiliencia, debería incluir como variable de control al perfil de especialización, que ha mostrado estar significativamente asociado a la recuperabilidad del empleo regional. También podría segmentarse el análisis por provincias o regiones, reconsiderando los períodos en que cada provincia o región se ve impactada por una crisis y se recupera de ella.
Finalmente, este trabajo induce a pensar en futuras líneas de investigación. Respecto de la ya mencionada salida de la actual crisis, resulta desafiante comprobar si la relación entre recuperabilidad y especialización se mantiene o si, por el contrario, se presentan cambios en la estructura productiva que hayan influido en la resiliencia de las AEL argentinas. Respecto de la elección de factores asociados con la resiliencia, sería enriquecedor analizar el rol que pueda cumplir el sector público como espacio de implementación de políticas económicas, ya que puede ser un potencial agente de cambio regional y un generador de puestos de trabajo de diversas calificaciones. También resultaría valioso analizar si y cómo las condiciones de acceso al financiamiento, la cultura empresarial o la presencia de instituciones locales (cámaras industriales, incubadoras de empresas, institutos de investigación tecnológica, etcétera), entre otros, influyen en la gestación y el fortalecimiento de economías resilientes.
