“Economías de aglomeración en la industria”

“Economías de aglomeración en la industria”
María Callejón, Profesora Titular de Universidad, UB
María Teresa Costa, Catedrática de Universidad, UB
Barcelona, junio de 1996


El presente trabajo se ocupa de los determinantes de la localización industrial.
Se trata de analizar qué factores determinan la persistencia de una actividad en una localización dada. Se intenta aportar nueva evidencia empírica siguiendo la línea abierta por Glaeser, Kallal, Scheinkman y Schleifer (1992) y especialmente por Henderson, Kuncoro y Turner (1995). Esta línea de análisis trata de averiguar qué papel juegan las externalidades relacionadas con la información en los procesos de aglomeración de las actividades productivas, y la respuesta diferencial según el tipo de sector productivo.

Modelo econométrico, estimaciones y resultados.

Siguiendo la línea desarrollada por Henderson (1994) y por Henderson et al (1995), los autores presentan un modelo de localización industrial que incorpora la influencia de las externalidades.
Suponen que el empleo actual de un sector en la localización i Eit es una función de las condiciones históricas y de las condiciones actuales del mercado.
El nivel de empleo de equilibrio de un sector dado en una localización i vendrá determinado por la igualación de la tasa de salario local del sector con el valor de la productividad marginal del trabajo. Es decir, si la producción del sector es Ait(.)F(Eit; ...) siendo Eit el empleo del sector en la localización i en el tiempo t, la tasa de salario de equilibrio SALit vendrá dada por Ait(.)F’(Eit;..)Pit. El término Ait es el parámetro de eficiencia que representa el nivel de la tecnología del sector en el momento t.
El precio del output Pit viene dado por la función inversa de demanda del sector Pit(.)=P(Eit, CMit). Si se supone que el comportamiento del sector se aproxima a la competencia monopolística el precio se moverá inversamente al nivel de producción local (representado por Eit). En las condiciones del mercado local, CMit, se incluyen características tales como el grado de accesibilidad a mercados relevantes, el grado de diversidad económica Dit y el nivel de demanda local hacia el sector.

En los argumentos de Ait(.) aparecen variables representativas de las externalidades productivas estáticas y dinámicas que afectan al sector. Las primeras se relacionan con el tamaño corriente del sector Eit, y la diversidad del entorno Dit, y las segundas con aspectos históricos tales como el tamaño del sector en el pasado Eio y el grado de especialización local en el sector Sio.
Algunos estudios han señalado que la especialización constituye un mejor indicador de la intensidad de flujos de información entre empresas que el tamaño del sector. Mientras la variable de diversidad pretende recoger las externalidades Jacobs, la especialización y los niveles de empleo propio en el pasado pueden capturar mejor las externalidades MAR.

A partir de la función Ait=A(Eit, Dit, Eio, Sio,...). Sustituyendo Ait(.) y Pit(.) en la expresión de los salarios se obtiene la siguiente ecuación:

Eit = E(Eio, Sio, Dit, CMit, ....)

La base de datos utilizada fue la procedente de la Encuesta Industrial para los años 1981 y 1991.
Se supone que la productividad marginal del factor trabajo es decreciente, y que el signo de [dEit/dEio] es igual al signo de [dAit(.)/dEio], cumpliéndose esta condición para el resto de argumentos de Ait(.).
La principal variable disponible es el empleo provincial en cada uno de los dos años anteriores en 50 provincias españolas

El modelo a estimar constituye una especificación simplificada al máximo del modelo
teórico anterior. La ecuación a estimar para cada sector es:

LE91i = ßo + ß1 LE81i + ß2 ESPi + ß3 HERFIi + ß4 LOTRi + ß5 LSALi +
ß6 PE + ß7 PC + vi

donde la variable explicada LE91i representa el logaritmo del empleo de un sector dado
en la provincia i, y las variables explicativas son:

LE81i: logaritmo del empleo del sector en el territorio i en 1981,
ESP81i: índice de especialización del sector en el territorio i (cociente entre el empleo
en el sector y el empleo total industrial de i) en 1981,
LOTRi : logaritmo del empleo industrial en el resto de sectores en 1991,
HERFIi: índice de no-diversidad o índice de concentración de Hirschman-Herfindhal
del resto de sectores industriales en el territorio i en 19917,
LSALi: logaritmo del salario medio en el conjunto de la industria del territorio i
(cociente entre los costes laborales totales y el empleo industrial total) en 1991,
PE: variable ficticia que engloba a las provincias consideradas emergentes8,
PC: variable ficticia que representa a los territorios consolidados9.

El modelo estimado utiliza dos tipos de variables explicativas correspondientes a las condiciones históricas y a las condiciones actuales del entorno. Las condiciones históricas se miden por el empleo en la propia industria en 1981 y por el índice de especialización local en la propia industria en 1981. Las condiciones actuales del sector
son recogidas por el índice de concentración o no-diversidad, por el empleo en otros sectores y por el salario.

Signos esperados de las variables

El salario aparece como una variable representativa del nivel local de los costes independientemente del sector.. Se espera que el coeficiente de esta variable muestre signo negativo.
La medición de las externalidades tipo Jacobs se realiza con la introducción del índice de Hirshman-Herfindahl de no-diversidad en el resto de sectores. No obstante este índice también podría vehicular efectos de linkage representativos de la demanda local generada en el resto de sectores. Un signo negativo indicaría la presencia de efectos Jacobs.
El empleo en el resto de sectores aparece en este modelo como una variable representativa del tamaño del mercado local. Se espera un coeficiente con signo positivo en la hipótesis de que el tamaño del resto de sectores influye positivamente en la demanda del propio sector.
Esta variable también captura spillovers de información procedentes de otros sectores. Cuanto mayor sea el empleo en otros sectores, mayor probabilidad existe de que estos spillovers sean grandes y diversificados.
Para representar de alguna forma a las condiciones del mercado, los autores han optado por definir tres tipos de territorios introduciendo las variables ficticias PE (provincias emergentes) y PC (provincias consolidadas). Quedan, por tanto, como territorios de referencia el conjunto restante de provincias menos dinámicas o más estancadas. Con ello se ha intentado controlar por características fijas del territorio. El signo esperado de los coeficientes de ambas variables es positivo.

Realizan la estimación por mínimos cuadrados ordinarios.

Resultados
La variable con mayor capacidad explicativa del tamaño del empleo de un sector en una
localización dada es la especialización histórica del territorio (ESP), que aparece significativa en todos los sectores menos uno.
Según la hipótesis adoptada la especialización pasada representa externalidades dinámicas tipo MAR relacionadas con la difusión de conocimientos sobre el propio sector, por lo que los resultados obtenidos refuerzan la idea de la importancia de la difusión de la información para la eficiencia de las actividades industriales. Cuando el medio es más intensivo en conocimientos que afectan a las empresas de un sector, éstas tienen mayores oportunidades de adquirir y utilizar los flujos de información referidos tanto a aspectos tecnológicos, como a las condiciones y evolución del mercado, como relativos a innovaciones organizativas y otras cuestiones relacionadas con la localización.
La segunda variable en importancia es el empleo en el resto de sectores, que aparece significativa en veinte sectores. En consonancia con las hipótesis establecidas, la influencia de esta variable sobre el empleo de los sectores corresponde a efectos de linkage y de tamaño del mercado local.
Curiosamente el empleo del propio sector en 1981 (LEij) solamente ocupa el tercer lugar en importancia a bastante distancia de las dos primeras variables resultando significativo en diez sectores únicamente. Entre éstos aparecen los sectores con tecnologías más maduras y menor crecimiento relativo de la demanda: madera y corcho; cuero y calzado; textiles; maquinaria agrícola y química básica.
Hay que destacar que el índice de no-diversidad de Hirschman-Herfindhal, representativo de las externalidades Jacobs, solamente es significativo en un caso, la minería, donde precisamente no parece tener mucho sentido lógico.
Por otra parte, el coste salarial parece tener escasa importancia en la determinación de la localización, aunque en los cinco sectores donde aparece significativo lo hace con el signo negativo correcto.
Las variables ficticias territoriales parecen indicar que no hay efectos locacionales asociados a las características de territorio emergente o consolidado con relación al territorio de referencia retrasado.

Los resultados de la estimación indican que es importante destacar en principio una influencia muy importante de las externalidades Jacobs en las decisiones de localización de las empresas. En efecto, mientras los sectores maduros parecen orientar sus decisiones de localización teniendo en cuenta los efectos MAR, los sectores más innovadores de alta tecnología presentan menor dispersión geográfica y preferencia por los territorios con mayor diversificación y sofisticación económica.

Paper: “Agglomeration and the location of Foreing Direct Investment in Portugal (1999). P. Guimaraes, O. Figuereido, D. Woodward. Journal Urban Economics 47, (115-135)


Objetivo del paper: Investigar las decisiones de localización de firmas extranjeras de la industria manufacturera en áreas urbanas y regiones aledañas de Portugal.

Los autores comentan que la literatura reciente sobre economía urbana, las economías de aglomeración son vistas como determinantes principales de la inversión nueva.

Metodología:
Utilizan modelos de elección discreta, donde la elección de localización de nuevas firmas extranjeras son testeadas contra un set de variables de empleo específicas a la industria y otras características.
Afirman que la disponibilidad de los datos para localidades pequeñas de Portugal asociadas con detalles de firmas por industrias les permitió para refinar sus tests para capturar la influencia de los diferentes tipos de economías externas y para comparar éstos con otros determinantes de localización.
Realizan un estudio de la IED de Portugal y encuentran que este país recibió el mayor share de IED durante el período 1986-1992.

Datos:
Utilizan datos de firmas que operan en Portugal con especial énfasis en las características de la fuerza de trabajo. Identifican nuevos establecimientos entre marzo de 1985 y marzo de 1992 si aparece por primera vez en la base de datos.

Siguiendo con la metodología empleada, los autores consideran el modelo de Mc Fadden donde un inversor i, se localiza en un consejo j, y derivará una función de beneficios πij.
Donde,
πij = Uij +eij

La alternativa j, va a ser elegida por el inversor i si

πij > πik para todo k ≠j

Pij= prob (πij > πik ) para todo k ≠j

Adicionalmente se asume que el término de error está distribuido independientemente y acorde con la distribución de Weibull, se puede rescribir la probabilidad de localización en j como,
Pij= exp (Uij) / ∑ exp (Uik)

Esta ecuación expresa una formulación del tipo logia condicional. Si asumimos que Uij es una combinación lineal de variables explicativas.

Uij = βi Xij1+ βiiXij2+…+ βmXijm

Igualmente dicen que la estimación de este modelo es complicado por las muchas iteraciones que deben hacerse y por la magnitud del set de elección.

En cuanto a las variables utilizadas, la probabilidad de que una firma extranjera se localice en un consejo particular, depende en como las características del consejo afectan los beneficios relativos a las características de todos los otros consejos.

Las variables explicativas que utilizan son:


Variable
Descripción
Efectos esperado sobre la localización
Ec. de aglomeración manufacturera total
Log del empleo manufacturero por km2
­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­(+)
Ec. de aglomeración específicas a la industria
% de empleo manufact
(+)
Ec. de Aglomeración extranjera especifico
Share de empleo en plantas extranjeras
(+)
Ec. de aglomeración servicios
Share del empleo total en el sector servicios
(+)
Costos laborales
Índice del salario manufacturero del consejo (base promedio nacional)
(-)
Educación primaria
Proporción de la fuerza laboral con nivel de educación primaria
(-)
Educación secundario
Proporción de la fuerza laboral con nivel de educación primaria
(-)
Densidad de población
Log de densidad de población
(-)
Distancia entre Porto y Lisboa
Log de la distancia promedio en tiempo entre Porto y Lisboa
(-)
Porto
Dummy: 1: el consejo pertenece el distrito de Porto, 0= en caso contrario.
(+)
Lisboa
Dummy: 1: el consejo pertenece el distrito de Lisboa, 0= en caso contrario.
(+)
Testean 4 tipos de economías de aglomeración en los consejos; 1) Ec. de localización especificas a la industria; 2) concentración de servicios de negocios; 3) Aglomeración extranjero especifica; 4) otras aglomeración.

Las economías de aglomeración en el sector servicio son las que tienen el efecto más fuerte de las ec. de aglomeración analizadas seguidos por las economías de localización industrial. Todas las variables son estadísticamente significativas y robustas.
El análisis sugiere que las economias de urbanización especialmente para ciudades grandes, sobreestiman las economías de localización específicas a la industria . Para los consejos no se encontraron evidencia de que las diferencias en costos laborales tienen influencias sobre la localización.
Por su parte las regresiones muestran que las distancias de los consejos a las principales ciudades de Portugal tienen implicancias negativas para la localización de nuevas firmas de capitales extranjeros.

Aglomeración urbana y crecimiento manufacturero en la frontera note de México (J. Mendoza Cota).

En este trabajo se estima el efecto de las economías de especialización y de urbanización aplicando dos modelos econométricos a una base de datos de corte transversal de las ramas industriales al nivel de 4 dígitos, para las principales áreas metropolitanas y urbanas de México. Los resultados demostraron que la especialización entre industrias tienen efecto positivo para el crecimiento del empleo manufacturero. En el caso de las áreas urbanas de mayor peso manufacturero (DF, Monterrey y Guadalajara), la especialización al interior de la industria a 4 dígitos, se erigió como un factor determinante del crecimiento del empleo. Respecto al impacto de las economías de urbanización, los resultados muestran un efecto positivo pero no significativo en el crecimiento del empleo manufacturero.

Aca va el modelo para estimar los determinantes del creciemiento manufacturero urbano, no sin antes mencionar cuales son los objetivos de este trabajo, el cual según mencionan los autores es identificar la existencia de las ganancias derivadas de las economías de aglomeración urbanas y en las actividades manufactureras, mediante la estimación del impacto que tienen la aglomeración urbana y la especialización industrial en el crecimiento del empleo manufacturero en las diferentes industrias manufactureras localizadas en las áreas urbanas de México.

Para estimar las economías externas de urbanización de las áreas metropolitanas utiliza a la población urbana como variable proxy para representar las economías de urbanización. Dicho modelo incluye variables dicotómicas para estimar el impacto de las economías de aglomeración urbana de las ciudades más grandes de México. D.F., Guadalajara y Monterrey, tal y como se presenta a continuación:

Dln (Lirt/Lrt) = a + b1ln(A1irt) + b2[ln A1irt*df] + b3ln(A2irt) + b4[lnA2irt*df] + b5ln(Dirt) + b6 [lnDirt*df] +b7ln(RTirt) + b8[lnRTirt*df] + b9ln(Tirt) b10[lnTirt*df] + b11ln(Pdirt) + b12ln[ln Pdirt*df] + b13ln(EUrt) + b14[lnEUrt*df] + eirt

La variable dependiente es el crecimiento del empleo relativo y está definida como el crecimiento promedio anual del crecimiento del empleo manufacturero de cada industria urbana:

Dln (Lirt/Lrt) = [ln(Lirs)- ln(Lirt)] - [ln(Lis)-ln(Lit)],

Los subíndices i y r expresan la rama industrial y la área urbana, respectivamente, s corresponde al período final y t al período inicial.
En lo que corresponde a las variables explicativas, el modelo econométrico mide la especialización de la producción manufacturera a través de 3 índices que fueron construidos con base a la información sobre las manufacturas desagregadas a 4 dígitos.
A1, es el índice de especialización industrial fue construido con base al modelo desarrollado por Glaeser (1992). El índice representa la fracción del empleo de la industria en el total de las manufacturas urbanas (a 4 dígitos), normalizada por la fracción del empleo manufacturero urbano en el total del empleo manufacturero nacional. En este estudio se considera que la especialización manufacturera expresada por este índice (A1 > 1) genera economías externas a los establecimientos manufactureros. Su comprobación empírica debe reflejarse en un positivo coeficiente de esta variable.

A1irt = (Lirt/Lit )/( Lit /Lt)

A2 constituye la aglomeración con industrias relacionadas, que son aquellas que comparten una clasificación dada al nivel de 2 dígitos.

A2irt = (Lkrt/Lirt)/(Lkt/Lit)

Donde k indica la industria al nivel de dos dígitos.
Esta variable es una proxi para estimar los efectos de los vínculos entre los oferentes y demandantes de insumos entre empresas agrupadas en una industria a 4 dígitos de desagregación. El índice representa la participación del empleo de las industrias a 4 dígitos en las industrias agrupadas a 2 dígitos en un área urbana ponderado por la misma proporción al nivel nacional. Mientras más elevado sea el índice mayor será el nivel de especialización en esa región o área urbana. Es importante resaltar que la estimación del impacto de las externalidades en el crecimiento del empleo manufacturero asume un coeficiente positivo para este índice.
Di, es el índice de diversificación de la actividad productiva en el área urbana r en la industria i, durante el período t. También se construye al nivel de cuatro dígitos . El índice de diversificación se estima de la siguiente forma: Si¹r(Likt/Lirt)2 y después, en el modelo se pondera por el mismo indicador en el ámbito nacional, de tal forma que:

Diirt = Sk¹i (Lkrt/Lrit)2 /Sk¹i (Lkt/Lit)2

Este índice es semejante al índice Herfindahl-Hirschman utilizado en los estudios de organización industrial para medir el grado de concentración industrial. Cuando sólo existe una empresa en la industria el índice tiene un valor de uno, y tenderá a cero si las empresas se distribuyen de manera uniforme al interior de la industria. En el caso de los estudios regionales, el índice se utiliza para estimar el impacto de las economías externas derivadas de la diversificación en las industrias. Se asume que la presencia de externalidades está asociada positivamente a la diversidad industrial (Jacobs, 1974). Mientras más bajo es el valor del índice (ponderado por la diversidad al nivel nacional), más grande es la diversidad.
Adicionalmente, se incluyen las siguientes variables que se considera tienen efectos en las decisiones de localización de industria manufacturera.
Otra variable considerada es T, o tamaño medio de los establecimientos manufactureros, la cual es una variable proxi de la estructura de mercado existente en las industrias a 4 dígitos. Debido a que no todas las empresas operan con el mismo nivel de eficiencia o tecnología, se introduce
T = (Lirt/Nirt)/(Lit/Nit)

P es la productividad laboral media relativa. La productividad relativa del trabajo es
P = (VAirt/Lirt)/(VAit/Lit).
Rt son las remuneraciones totales del área urbana ponderadas al nivel nacional.
E y r representan a las variables de control del año base, empleo y salarios totales del sector manufacturero por industria a 4 dígitos. En el caso de la primera variable, se asume que el mayor nivel de empleo en las industrias urbanas debería determinar un crecimiento menor en el empleo de esa industria. Por su parte, la segunda variable permite considerar los efectos del desplazamiento de los trabajadores de las áreas urbanas de bajos salarios hacia las de salarios más altos.
EU son las economías urbanas que son externas a cualquier industria e implican que el uso de los recursos disponibles es más eficiente en las grandes ciudades, debido a la existencia de mercados laborales globales o un sector de servicios grande con gran interacción con el sector manufacturero (Henderson, 1984). Por tanto, asumen que mientras más grande es la población de las áreas urbanas, más probable la existencia de economías de urbanización.
La base de datos está constituida por las 54 ramas manufactureras a 4 dígitos que se publica en los Censos Industriales. Esta clasificación fue aplicada a 42 áreas metropolitanas y urbanas, compuestas por las ciudades capitales de los estados de México, el DF y los principales centros urbanos manufactureros. La elaboración de esta base de datos de la industria manufacturera urbana en México se realizó integrando la información manufacturera por municipios, de acuerdo a la clasificación de áreas metropolitanas y urbanas.
Entre los resultados encontraron el autor encontró que el coeficiente de la variable que refleja la aglomeración entre industrias relacionadas fue positivo en los dos periodos estudiados (1988-1993 y 1993-1998). No obstante, las economías externas derivadas de la aglomeración dentro de la misma industria presentaron un efecto negativo en el crecimiento urbano manufacturero.
El coeficiente de la variable que representa el tamaño de promedio de los establecimientos industriales mostró un signo negativo, lo que sugiere que el crecimiento del empleo manufacturero está vinculado a un mercado competitivo basado en empresas de menor tamaño, relacionadas con la expansión de la industria maquiladora y el desarrollo de cadenas productivas relacionadas a la red de proveedores de empresas relacionadas con el comercio exterior. Finalmente, los coeficientes de la población urbana, proxy de las economías estáticas de urbanización, fueron negativos, lo que muestra la presencia de “deseconomías” externas, derivadas probablemente de los altos costos de transporte.
Al incluir variables dicotómicas para las áreas urbanas manufactureras más importantes se obtienen coeficientes positivos no significativos, lo cual sugiere que en el caso de las grandes áreas metropolitanas los efectos de la aglomeración urbana no son un factor determinante del crecimiento del empleo manufacturero.
Por otro lado, es importante destacar que, para el caso de las áreas metropolitanas más grandes, el factor determinante se relaciona a la especialización al interior de la industria a 4 dígitos. Lo anterior sugiere que, en los grandes centros urbanos, la especialización en una misma rama manufacturera ha sido un factor de localización que permite explicar del crecimiento manufacturero.

Paper de Rosenthal y Strange (2003)

El presente trabajo tiene como título: “ Geography, Industrial and Agglomeration”

Este paper, según los autores, hace dos contribuciones a la literatura empírica sobre economías de aglomeración.
En primer lugar, el paper utiliza una base de datos única y rica en conjunción con un software de mapeo para medir las externalidades de aglomeración y la extensión geográfica.
Trabajos anteriores han asumido que las economías de aglomeración funcionan como bienes clubes que operan en una escala metropolitana.
En segundo lugar, este paper testea la existencia de economías de aglomeración organizacionales.
Los resultados obtenidos indicaron que las economías de localización se atenúan rápidamente y que los efectos de organización industrial afectan los beneficios de aglomerarse.
Específicamente se hacen dos preguntas sobre aglomeración:
1º Qué es la escala geográfica de las externalidades de aglomeración?
2º Cómo la organización de la actividad económica dentro de la ciudad afecta el valor de aglomerarse?

Este paper observa la naturaleza geográfica y organizacional de la aglomeración examinando el nacimiento de nuevos establecimientos y los niveles de empleo que ellos eligen.
Específicamente estiman los determinantes del nº de nacimientos por milla cuadrado y el nivel de empleo asociado como función del ambiente económico cuando la decisión de localización fue hecha.
Utilizan una base de datos de 12 millones de establecimientos en Estados Unidos que incluye la localización del establecimiento, el código postal, empleo, ventas, estructura corporativa, edad del establecimiento, etc.
Con las variables estatus corporativo y tamaño del establecimiento evalúan la influencia de la organización industrial sobre los beneficios de aglomerarse. Y con el mapeo observan la escala geográfica de los beneficios de la aglomeración.
El resultado más importante del paper es que las economías de aglomeración se atenúan con la distancia.

Miren esto que estuve leyendo...

Encontré varios papers sobre mi tema, algunos son irrealizables con los datos de Argentina y otros no tanto como es este que les comento. En esta aportunidad, el título es "El impacto espacial de las economias de aglomeración y su efecto en la estructura urbana. El caso de Barcelona, 1986-1996. (Miguel Angel García e Iván Muniz )

Este trabajo trata sobre el papel de la accesibilidad espacial a las economías de aglomeración en el cambio de la estructura espacial del empleo industrial para el caso de la Región Metropolitana de Barcelona (RMB). Utilizando como indicador de cambios en la estructura espacial del empleo el crecimiento de la densidad bruta del empleo municipal entre 1986 y 1996 para siete subsectores industriales, se explora el impacto espacial de las economías de aglomeración que operan a escala local –el municipio y tres áreas de 5, 8 y 12 kilómetros que rodean al propio municipio-, aquellas que emergen del CBD y de los principales subcentros especializados de la región, y las economías de red asociadas al total de puestos de trabajo de la región cuyo acceso depende de la distancia respecto a las principales infraestructuras de transporte.
El trabajo que aquí se presenta comparte básicamente el mismo enfoque que el de Rosenthal y Strange, aunque presenta algunas novedades. En primer lugar, en vez de utilizar las nuevas inversiones como variable dependiente, se utilizan los cambios en el empleo y el aumento o reducción en la densidad bruta que conllevan. En segundo lugar, se incluye como variables explicativas adicionales las posibles economías dinámicas de aglomeración y los efectos de congestión. Finalmente, una de las aportaciones de este trabajo es incluir en el modelo el papel de los polos de empleo (CBD y subcentros especializados) como generadores o difusores de economías de aglomeración.

Datos y Variables
Para los datos de empresas utiliza la Clasificación Nacional de Actividades Económicas de 1974 ypara el año 1996. Los datos relativos al empleo proceden de los censos de población de 1986 y 1996.
En cuanto a las variables, como variable dependiente utilizan el crecimiento de la densidad bruta de empleo entre 1986 y 1996 del sector s localizado en el municipio i respecto el crecimiento de la densidad bruta de empleo del mismo sector en el conjunto de la Región Metropolitana de Barcelona, donde la densidad es el cociente entre el empleo y la superficie de la unidad espacial considerada.
Las variables explicativas utilizadas se agrupan en cuatro categorías: a) proximidad al centro y subcentros ( distancia de cada municipio respecto del sbcentro más práximo, distancia a Barcelona, etc), b) accesibilidad a la red viaria, c) composición sectorial, (indices de diversidad sectorial: el ratio entre la cuota de empleo del sector s en el municipio i dividido por la cuota del sector a nivel metropolitano. Cuanto mayor sea el valor del ratio, mayor es el grado de especialización relativa presente en el municipio considerado) y d) efectos de congestión (la densidad total de empleo presente en cada municipio en el inicio del periodo pretende capturar los efectos de la congestión). El primer tipo de variables pretende capturar la proximidad respecto a las economías de aglomeración que operan en el ámbito metropolitano y que emergen de las principales aglomeraciones de empleo: CBD y subcentros.

La ecuación en la que se analiza los determinantes de los cambios en la estructura espacial del empleo se estima por mínimos cuadrados ordinarios, (no la puedo puedo copiar.)
Los resultados obtenidos fueron que la densidad de empleo crece con mayor intensidad cerca del municipio central, un entorno denso y diversificado. Por otro lado, la densidad crece más en entornos supramunicipales con una escala total de producción importante y una estructura productiva diversificada. Los resultados confirman también el impacto de las economías de localización. Tanto la proximidad respecto a un subcentro specializado, como el hecho de localizarse en un entorno supramunicipal especializado ejercen un efecto positivo sobre el crecimiento de la densidad. Por último, la accesibilidad respecto a la red viaria también tiene un efecto positivo. No hallaron evidencia alguna que permita sostener que la diversificación municipal ejerza efecto alguno sobre el crecimiento de la densidad.

Creo que debo ir por este camino...dado que los datos están...la base está!! jaja!

Mi propuesta de tesis!!

TITULO

Análisis empírico de los determinantes de la estructura espacial del empleo industrial. Caracterización de economías de aglomeración en la Provincia de Buenos Aires. 1993-2005

PROPOSITO

• Corroborar empíricamente la existencia de economías de aglomeración, atendiendo a su ámbito sectorial, espacial y temporal, analizando su papel en la estructura espacial del empleo industrial acaecido entre los años 1993/1994 y 2004/2005 en las ciudades de la Provincia de Buenos Aires.
• Identificar las transformaciones ocupacionales y espaciales que se han presentado en las ciudades bonaerenses durante el período de referencia.I
• Identificar subcentros en forma rigurosa e investigar como las condiciones de aglomeración determinan los cambios en la estructura espacial del empleo

METODOLOGIA

• Estimar los determinantes de la estructura espacial del empleo industrial en las ciudades de la Provincia de Buenos Aires, mediante la evaluación del impacto que tienen las economías de aglomeración urbana y la especialización industrial en el crecimiento del empleo industrial en las diferentes industrias localizadas en las áreas urbanas objeto de estudio.
• Identificación de variables relevantes, dependientes y explicativas como así también la elaboración de índices de especialización industrial, de concentración económica, etc
• Los datos a utilizar serán en principio, las bases de datos de los Censos Económicos Nacionales 1994 y 2005. En este último caso, dado que no se encuentran datos completos, se utilizará el listado de locales.
• Asimismo se utilizarán los datos de la EPH.