Conecta con Minuto5

Nada es Gratis

El eje de rotación del cálculo de las pensiones de jubilación

Publicada

el

Por Enrique Devesa (Universidad de Valencia, IVIE e Instituto de Polibienestar)

Si hiciéramos una encuesta de qué variable es la que más afecta al cálculo de la pensión inicial de jubilación, seguro que habría varias candidatas. Para mí “el eje de rotación” en el cálculo de dicha pensión es el número de años cotizados y voy a explicar por qué.

El número de años cotizados interviene en:

1. El coeficiente por años cotizados o porcentaje que se aplica a la base reguladora. Actualmente este coeficiente alcanza un máximo del 100% cuando se hayan cotizado 36 años o más (en 2027 llegará a 37 años o más). Lo de “o más” es importante porque significa que los años cotizados por encima de estas cifras no incrementan dicho coeficiente, lo cual no parece muy equitativo. Es más, es a todas luces injusto con quienes acumulan largas carreras de cotización.

2. La determinación de la edad ordinaria de jubilación, que en 2020 fluctúa entre 65 y 65,83 años, según se haya cotizado 37 o más años, o menos de 37 años, respectivamente. Nuevamente vuelve a aparecer “o más”. Y una puntualización: la edad ordinaria no es un único valor sino el rango de valores entre esos dos. Pero, además, la edad ordinaria es un elemento clave para saber si una persona se jubila de forma anticipada o retrasada, con la aplicación de los coeficientes correspondientes.

3. El coeficiente reductor o penalización por anticipar la edad de jubilación. Su aplicación es un poco especial, porque en primer lugar se calcula el coeficiente por anticipo que corresponda, después se calcula el complemento al 100% de dicho valor y por último se multiplica, como un factor más, por la base reguladora para obtener el valor de la pensión inicial. El que sea multiplicativo hace que, en términos absolutos, su incidencia en cada individuo dependa del coeficiente por años cotizados que le corresponda. Por ejemplo, un coeficiente del 8%, le resta a su pensión inicial un 8% si su coeficiente por años cotizados es del 100%, pero solo la disminuye un 4% si el coeficiente es del 50%. A esto se une que la pensión máxima se reduce en un 0,50% por cada trimestre o fracción de trimestre de anticipación[1]. En el caso de cese voluntario el coeficiente fluctúa, por cada trimestre o fracción de trimestre que se anticipe, entre cuatro valores que van desde 1,625% hasta 2% según se hayan cotizado 44,5 años o más, o menos de 38,5 años, respectivamente. En el caso del cese no voluntario los cuatro coeficientes fluctúan entre 1,5% y 1,875%.

4. El Coeficiente ampliador o bonificación por retrasar la edad de jubilación. En este caso, el coeficiente se suma al de años cotizados, con lo que su incidencia en cada individuo, en términos relativos, va a depender nuevamente del coeficiente por años cotizados que le corresponda. Así, una bonificación de un 4% se sumaría tanto a un coeficiente por años cotizados del 100% como del 80%, pero con diferente peso relativo. Este coeficiente se asigna por cada año completo de retraso de la edad de jubilación y sus tres valores fluctúan entre un 2% y un 4% según haya cotizado 25 años o menos, o más de 37 años, respectivamente.

Todo esto queda corroborado por el hecho de que el número de años cotizados sea la variable que presenta un coeficiente de correlación más elevado (-0,8230) respecto al Tanto Interno de Rendimiento (TIR), cuando hacemos la comparación por Comunidades Autónomas. Es decir, un mayor número de años cotizados genera una menor “rentabilidad”, medida a través del TIR, como se puede ver aquí.

Existen otros muchos elementos disonantes, como no considerar toda la carrera laboral; integrar las lagunas de cotización en el Régimen General, pero no en el de Autónomos; posibilidad de elegir las bases de cotización en el de Autónomos pero no en el General, etc.

En resumen, es un auténtico galimatías, lo cual no sería malo si diera lugar a un sistema con una elevada equidad actuarial, donde a priori todos los individuos tuvieran el mismo TIR.

Pero no es así, como se puede ver en el Informe del Instituto de Actuarios sobre el Factor de Equidad Actuarial; donde se utiliza una variable equivalente al TIR: el Factor de Equidad Actuarial[2] (FdEA), que se obtiene como el cociente entre el valor actual actuarial de las pensiones y el valor actual actuarial de las cotizaciones realizadas por diferentes individuos tipo. Un valor mayor que uno nos indica que el sistema entrega más de lo que recibe; siendo el caso contrario cuando el FdEA sea menor que uno.

Los individuos tipo elegidos han variado entre 33 y 43 años cotizados y entre 60 y 70 años como edad de jubilación. Los datos que siguen se han obtenido para individuos tipo que han cotizado siempre por bases medias. Así, el valor del FdeA promedio ponderado -según el gasto de las altas de la Muestra Continua de Vidas Laborales 2018- es de 1,51; lo que indica que el sistema entrega un 51% más de lo que recibe, lo que implica que existen importantes problemas de sostenibilidad actuarial, debido a su elevada generosidad. Además, el menor valor de los 121 individuos analizados es de 1,12 y el mayor de todos alcanza 1,95, con una desviación típica ponderada de 0,22. Esto se traduce en una elevada falta de equidad actuarial, ya que solo hay 10 individuos cuyo FdEA coincide cuando utilizamos tres decimales.

Esta elevada falta de equidad hace que algunos colectivos pidan la revisión de la fórmula de cálculo de la pensión, pero siguiendo la lógica de los resultados obtenidos, todos los individuos, excepto el que tenga un mayor FdEA (con 33 años cotizados y edad de jubilación 66), deberían pedir que se revisara para que su pensión fuera tan generosa como la de este.

Esto es difícil de resolver con un sistema de prestación definida como el actual. La solución pasa, casi inevitablemente, por un sistema de cuentas nocionales individuales, donde se podría establecer que todos los individuos tuvieran ex ante un trato equitativo desde el punto de vista actuarial, pudiendo gestionar mejor la sostenibilidad actuarial del sistema.

Si la inclinación del eje de rotación de la Tierra da lugar a las estaciones, la inclinación del “eje de rotación de las pensiones” genera inequidades que son difícilmente justificables. Pero lo podemos enderezar (el de las pensiones, claro).


[1] Esto último permite entender por qué se habla de que para los que cotizan por bases altas y muchos años (llegando a una pensión teórica inicial que supera la máxima), la anticipación de la edad de jubilación solo les afecta en un 2% por cada año de adelanto, pero no se dice que una parte de lo cotizado no les beneficia porque su pensión teórica no puede sobrepasar el tope máximo.

[2] Otros autores, incluido el Banco de España, utilizan la denominación de Coste por Pensión Unitaria.

Let’s block ads! (Why?)

Publicado originalmente en: Ir a la fuente
Autor: admin

Comentarios

comentarios

Seguir Leyendo
Publicidad
Loading...

Nada es Gratis

Por la reconstrucción del entorno productivo

Publicada

el

Un grupo de trabajo de economistas académicos ha elaborado una propuesta con inversiones y líneas de actuación de políticas económicas concretas en el contexto de la ejecución del programa Next Generation EU y del Marco Financiero Plurianual para hacer frente a las consecuencias sanitarias y socioeconómicas de la crisis de la COVID-19 y al mismo tiempo realizar una transformación digital y verde nuestro modelo productivo aumentando la productividad. El documento se ha beneficiado de las sugerencias, comentarios, apoyo y adhesiones de más de 130 firmantes.

Ante las consecuencias económicas de la crisis de la Covid-19 resulta urgente sentar las bases para la transformación de la economía española hacia una economía moderna, más eficiente y con una mayor cohesión social, que permita alcanzar una senda sostenida de crecimiento compatible con la conservación del medio ambiente. Para ello, es preciso implementar inversiones y reformas que reduzcan la pobreza y las desigualdades económicas, faciliten un mayor acceso a tecnologías digitales y favorezcan la movilidad social.

La lista de líneas de actuación pretende ser exhaustiva, en las que se señalan programas concretos de inversiones y reformas, se han agrupado en ocho áreas: 1) Ciencia, innovación y transferencia tecnológica, 2) Energía, recursos naturales, medio ambiente y transporte, 3) Fiscalidad y reforma de la Administración Pública, 4) Sanidad y servicios sociales, 5) Educación, 6) Industria y turismo, 7) Mercado laboral, 8) La economía del mundo rural.

Algunas de ellas suponen un aumento del gasto publico que debería ser contemplado en el marco de un programa de medio y largo plazo que garantice la sostenibilidad de la deuda publica en un contexto de elevado endeudamiento y déficits crecientes del sistema de pensiones. El Fondo de Recuperación Europea/Next Generation EU (Next) y el nuevo Marco Financiero Purianual de la UE permiten ampliar los instrumentos necesarios para acometer tales inversiones, que deberán complementarse con unos presupuestos renovados y con reformas, algunas de ellas en el marco institucional y regulatorio, que avancen al unísono hacia esos mismos objetivos.

Para su desarrollo e implementación se considera necesario crear una oficina técnica profesional que evalúe, gestione y supervise los proyectos, agrupándolos en planes de actuación amplios, de alcance transversal, que permitan aprovechar las complementariedades entre proyectos individuales y conseguir un mayor efecto transformador.

El documento está disponible en: https://www.ucm.es/icae/reconstruccion

Relación de firmantes

(los firmantes del documento pueden discrepar de alguna de las actuaciones propuestas, pero declaran respaldar por completo la iniciativa)  

Conde-Ruiz, J. Ignacio (FEDEA, U. Complutense, ESADE)

Jimeno, Juan Francisco (U. de Alcalá)

Novales Cinca, Alfonso (U. Complutense, R. Academia de C. Morales y Políticas)

Salas, Rafael (U. Complutense, ICAE)

Abad Romero, Pilar (URJC)

Almunia, Miguel (CUNEF)

Álvarez, Begoña (U. Vigo)

Álvarez González, Francisco Javier (U. Complutense, ICAE)

Álvarez González, María Isabel (ICEI, U. Complutense)

André, Francisco J. (U. Complutense)

Arce González, Guadalupe (U. Complutense)

Arenillas, Carlos (Consultor independiente)

Ayuda Bosque, María Isabel (U. Zaragoza)

Aznar, Antonio (U. Zaragoza)

Baanante Gismero, Almudena (U. Complutense)

Balart, Pau (U. Islas Baleares)

Barge, Andrés (U. Complutense, ICAE)

Boccard, Nicolas (U. de Girona)

Boscá, José E.  (U. Valencia y FEDEA)

Cabasés Hita, Juan (U. Pública de Navarra)

Cabrales, Antonio (U. Carlos III)

Calero, Jorge (U. Barcelona)

Carbó Valverde, Santiago (U. Granada)

Celentani, Marco (U. Carlos III)

Cerdá, Emilio (U. Complutense, ICEI)

Corchón, Luis (U. Carlos III)

Cordero, José Manuel (U. Extremadura)

Delgado Urdanibia, Juan (Consultor, U. Carlos III)

Díaz, Antonia (U. Carlos III)

Dolado, Juanjo (U. Carlos III)

Doménech, Rafael (BBVA, U. Valencia)

Domínguez Irastorza, Emilio (U. Pública de Navarra)

Esteban, Mercedes (Fundación Europea Sociedad y Educación)

Fariñas García, José Carlos (U. Complutense)

Felgueroso, Florentino (U. Oviedo)

Fernández Casillas, Esther (U. Complutense, ICAE)

Ferreira, José Luis (U. Carlos III)

Ferri, Javier (U. Valencia y FEDEA)

Fuente, Ángel de la (FEDEA)

García Goñi, Manuel (U. Complutense)

García Greciano, Begoña (U. Complutense)

García Hiernaux, Alfredo (U. Complutense, ICAE)

García Montalvo, José (U. Pompeu Fabra)

García Olaverri, Carmen (U. Pública de Navarra)

García Rojas, José Adrián (U. La Laguna)

García Ruiz, José Luis (U. Complutense)

García, Manu (U. Complutense, ICAE)

Goetz, Renan (U. de Girona)

Giménez, Eduardo (U. de Vigo)

González-Páramo, José Manuel (IESE, R. Academia de C. Morales y Políticas)

Herce, José Antonio (U. Complutense)

Herguera, Íñigo (U. Complutense, ICAE)

Herrero, Carmen (U. Alicante, IVIE)

Hidalgo Pérez, Manuel A. (U. Pablo Olavide)

Huergo, Elena (U. Complutense, ICAE)

Huerta, Emilio (U. Pública de Navarra)

Iriondo Múgica, Iñaki (UCM)

Jansen, Marcel (U. Autónoma de Madrid, FEDEA)

Jerez, Miguel (U. Complutense, ICAE)

Jiménez Martín, Juan Ángel (U. Complutense, ICAE)

Jiménez-Martín, Sergi (UPF, FEDEA)

Kuhn, Zoe (U. Autónoma de Madrid)

Labandeira, Xavier (U. Vigo)

Lafuente Luengo, Juan Ángel (U. Jaime I)

Linares, Pedro (U. Pontificia Comillas)

Lizárraga Mollinedo, Carmen (U. Granada)

Llobet, Gerard (CEMFI)

Longo Martínez, Francisco (ESADE)

López García, Miguel Ángel (U. Autónoma de Barcelona)

Macho, Inés (U. Autónoma de Barcelona)

Mangas, Araceli (U. Complutense, R. Academia de C. Morales y Políticas)

Marcellán, Francisco (U. Carlos III)

Marín Sanz, Raquel (U. Complutense)

Marrero, Gustavo (U. La Laguna)

Martín Aceña, Pablo (U. Alcalá de Henares)

Martín Carretero, José Moisés (Red2red)

Martínez Ruiz, Elena (U. Alcalá de Henares)

Mas Colell, Andreu (U. Pompeu Fabra)

Mas, Matilde (IVIE, U. Valencia)

Maudos, Joaquín (IVIE, U. Valencia)

Mediavilla, Mauro (U. Valencia)

Mira, Pedro (CEMFI)

Molero Zayas, José (U. Complutense)

Moreno Ternero, Juan de Dios (U. Pablo Olavide)

Moreno, Lourdes (U. Complutense)

Onrubia Fernández, Jorge (U. Complutense, ICEI, FEDEA)

Ontiveros, Emilio (Analistas Financieros Internacionales)

Otero Iglesias, Miguel (Real Instituto Elcano, IE University)

Pablos, Laura de (UCM)

Pérez Amaral, Teodosio (U. Complutense, ICAE)

Pérez Castrillo, David (UAB)

Pérez García, Francisco (IVIE, U. Valencia)

Pérez López, Mari Carmen (U. Granada)

Pérez Sánchez, Rafaela (U. Complutense, ICAE)

Pinilla Navarro, Vicente (U. Zaragoza)

Prieto Rodríguez, Juan (U. de Oviedo)

Puch, Luis (U. Complutense, ICAE)

Reher, David (U. Complutense)

Repullo, Rafael (CEMFI)

Rey, Elena del (U. Girona)

Rey, José Manuel (U. Complutense)

Rey, Pedro (ESADE)

Rica de la, Sara (U. del País Vasco)

Robles, M. Dolores (U. Complutense, ICAE)

Rodríguez, Juan Gabriel (U. Complutense, ICAE)

Rubio-Ramírez, Juan (Emory University)

Rubio, Gonzalo (U. CEU Cardenal Herrera)

Ruiz Andújar, Jesús (U. Complutense, ICAE)

Salas Rojo, Pedro (U. Complutense)

Salas Fumás, Vicente (U. De Zaragoza)

Sánchez Fuentes, Antonio Jesús (U. Complutense, ICEI)

Sánchez-Mayoral García-Calvo, Fernando (U. Castilla-La Mancha)

Sánchez, Anxo (U. Carlos III)

Sánchez, Blanca (CEU)

Sancho Gargallo, Miguel Ángel (Fundación Europea Sociedad y Educación)

Sanmartín, Ricardo (U. Complutense, R. Academia de C. Morales y Políticas)

Santín, Daniel (U. Complutense, ICAE)

Sanz Sanz, José Félix (U. Complutense, ICAE)

Sebastián Gascón, Carlos (U. Complutense)

Sebastián Gascón, Miguel (U. Complutense, ICAE)

Segura, Julio (U. Complutense, R. Academia de C. Morales y Políticas)

Serrano, Roberto (Brown U.)

Sicilia, Gabriela (U. La Laguna)

Silva, José I. (U. de Girona)

Soliño, Mario (U. Complutense)

Sosvilla Rivero, Simón (U. Complutense, ICAE)

Sotoca, Sonia (U. Complutense, ICAE)

Steinberg, Federico (U. Autónoma de Madrid, Real Instituto Elcano)

Terceiro, Jaime (U. Complutense, R. Academia de C. Morales y Políticas)

Torres, Raymond (IE Business School)

Urbanos Garrido, Rosa (U. Complutense)

Valarezo Unda, Ángel (U. Complutense, ICAE)

Vázquez, Jesús (U. del País Vasco)

Velázquez Angona, Francisco Javier (U. Complutense)

Villar, Antonio (U. Pablo Olavide)

Vives, Xavier (IESE)

Xabadia, Angels (U. de Girona)

Let’s block ads! (Why?)

Publicado originalmente en: Ir a la fuente
Autor: Juan Francisco Jimeno

Comentarios

comentarios

Seguir Leyendo

Nada es Gratis

Datos COVID-19: Actualizaciones, confusiones y estimaciones de contagiados reales

Publicada

el

Por José E. Boscá, Rafael Doménech, Javier Ferri

La polémica entre el gobierno central y el autonómico de Madrid sobre las medidas a adoptar para doblegar la curva de casos en la segunda oleada de la pandemia ha propiciado un agrio debate político, periodístico y social. En el centro del debate ha estado la incidencia de casos acumulados por cien mil habitantes (también otros dos indicadores de ocupación de UCIs y de positividad de las pruebas). En este post queremos hacer algunas reflexiones acerca de la calidad de los datos disponibles y si ésta permite realizar dichas discusiones de manera que conduzcan a las mejores decisiones por parte de los responsables de las administraciones públicas. Es un tema en el que ya insistimos (desde una perspectiva diferente) en un post anterior.

Es obvio que una correcta medición del número de nuevos casos que se confirman cada día proporciona información muy relevante para entender la evolución de la pandemia. Como se aprecia en el Cuadro 1, los nuevos casos confirmados en España que recogen las estadísticas oficiales[1] son muy distintos en función de la fecha de publicación de las estadísticas. Así, como se aprecia en la primera columna del Cuadro 1 (la que comentan a diario los medios de comunicación), si atendemos a los Boletines que publica diariamente en PDF el Ministerio de Sanidad (excepto fines de semana donde hemos repartido a partes iguales los casos reportados los lunes), entre el 1 y el 30 de septiembre se habrían detectado en España 307.634 casos nuevos de Covid-19. Estas cifras, que reflejan los casos reportados en una fecha concreta, y que el Ministerio declara como provisionales cambian mucho día a día una vez el Ministerio las actualiza en la web del Instituto Carlos III en función de la fecha real de realización del test, a partir de la información enviada por las CCAA a la Red Nacional de Vigilancia Epidemiológica (RENAVE). Agregando dichos datos para el conjunto de España se obtienen los casos diarios depurados y actualizados. En concreto, en la segunda columna recogemos la versión de estos datos que se publicó en el fichero datos ccaas.csv el día 8 de octubre. En este caso, entre el 1 y el 30 de septiembre la depuración y actualización de datos implicaría que en España se habrían detectado 286.781 casos nuevos de Covid-19, es decir, 20.853 casos se han perdido por el camino (un 6,8% de los reportados inicialmente).

Sin embargo, el problema no acaba aquí, ya que el 13 de octubre en la web aparece una nueva actualización de los datos (véase la tercera columna del cuadro). Uno pensaría que entre la actualización hecha el día 8 y la del 13 ya no debería haber muchos cambios en los días del mes de septiembre. Nada más lejos de la realidad, ahora los nuevos casos detectados en el mes son 299.222, es decir 12.441 más que 5 días antes. No sólo eso, si miráramos al mes de agosto (no recogido en el cuadro), comprobaríamos que entre el 8 y el 13 de octubre se han añadido también más de 4.400 nuevos casos en dicho mes.

Obviamente diferencias como las aquí señaladas suponen cambios muy importantes en el cómputo de indicadores como el Índice Acumulado de casos por 100.000 habitantes (IA), dependiendo de si un investigador ha elegido una u otra de las tres bases de datos. Recordemos que estar por arriba o por debajo de este índice puede condicionar el confinamiento de una ciudad. En las últimas filas del Cuadro 1 se incluye esta información. Por ejemplo, entre el 16 y el 30 de septiembre el IA oscila entre 295,3 y 348,7, diferencia nada desdeñable si se estableciera un umbral por encima del cual se han de adoptar ciertas medidas. Si esto es así con los datos del conjunto de España donde las diferencias positivas y negativas pueden compensarse ¿qué no estará pasando en las Comunidades Autónomas? ¿Van los posibles sesgos en la misma dirección en todas ellas? ¿Qué administraciones son las responsables de los posibles retrasos en la información?

Supongamos ahora que damos por buena la última de las actualizaciones disponibles, es decir, en nuestro caso la del 13 de octubre. Como es obvio mirando la última columna del Cuadro 1, debemos descartar, al menos, las cinco últimas observaciones, pues la experiencia aconseja considerar que son poco fiables ya que no recogen casos que seguro que se van a ir incorporando en un futuro en esas fechas. Por tanto, aunque vamos a trabajar con la actualización de datos del Ministerio del 13 de octubre, sólo presentaremos en los próximos gráficos datos hasta el 8 de octubre.

Como se aprecia en el Gráfico 1, los nuevos casos confirmados que recogen las estadísticas oficiales se mantuvieron desde el final del confinamiento hasta finales de junio en niveles muy bajos (menos de 300 casos diarios en promedio en toda España). Sin embargo, desde julio y hasta la tercera semana de septiembre la curva de nuevos contagios detectados creció hasta alcanzar números diarios que han sobrepasado con creces los de los momentos más duros del mes de marzo. Las buenas noticias son que, viendo la media móvil a 7 días (línea verde), parece que la curva de nuevos casos se está empezando a doblegar, aunque éste puede ser un efecto que refleje futuras actualizaciones de test realizados en fechas cercanas. En el Gráfico 1 se recoge también la evolución diaria del acumulado de pacientes hospitalizados (es decir, los nuevos ingresados, menos las salidas hospitalarias por altas o defunciones) y la media móvil (en rojo). El gráfico muestra que la serie de variación de los hospitalizados ha seguido durante la segunda ola un perfil muy distinto al de las semanas de colapso hospitalario.

¿Cuál es la razón de esta evolución tan distinta entre número de contagiados y hospitalizados entre la primera y la segunda oleada? Frecuentemente se aduce que desde el final de la primera oleada del virus se realizan más pruebas, por lo que se detectan más infectados. ¿Se puede homogeneizar en el tiempo el número de casos de contagiados efectivos teniendo en cuenta las pruebas realizadas? ¿Nos ayudaría a entender mejor la evolución de la enfermedad corregir la serie de casos detectados?

Una corrección sencilla, con ánimo simplemente ilustrativo[2], consistiría en suponer que el número de enfermos detectados, D, es una función g(t) del número de pruebas realizadas per cápita, t, por el número de real de contagiados, C. Es decir: D = g(t)C. Por tanto, la tasa de detección, d =D/C, se puede expresar como d = g(t). Es razonable suponer que g(0) = 0, g(1) = 1 y que g(t) es una función cóncava, pues si no hacemos pruebas no detectaremos a nadie contagiado y si hacen a todo el mundo encontraremos a todos los contagiados reales. Además, hay rendimientos decrecientes, pues empezamos haciendo las pruebas a los “mejores candidatos”: personas con síntomas o que han estado en contacto con otros contagiados. Para simplificar utilizaremos la siguiente función: g(t) = d = tα. ¿Cómo aproximamos α? Contamos con dos puntos de dicha función g(0) = 0 y g(1) = 1. Para tener un tercer punto vamos a utilizar, primero, los datos de pruebas PCR realizadas a la población española que publica semanalmente desde mitad de abril el Ministerio de Sanidad y, segundo, la ratio de detectados sobre contagiados obtenido tras la primera ronda del “Estudio Nacional de Sero-epidemiología de la Infección por SARS-COV-2 en España”. En dicho estudio se concluía que el 11 de mayo (último día de la primera ronda del estudio) había en España un 5% de la población contagiada, mientras que en dicha fecha se habían detectado unos 217.000 casos. En otras palabras, se habían detectado un 9,2% de los individuos realmente contagiados. Es decir, para el 11 de mayo se dispone del dato de d y t, lo que nos permite calcular un α = 0,73.

Aplicando la anterior corrección C=D/tα a la curva de casos detectados del Gráfico 1 obtendríamos la serie de contagios diarios reales estimada recogida en el Gráfico 2. La mera inspección visual de las series de contagios estimada y su comparación con la variación del acumulado de hospitalizados desvela información interesante (nótese el cambio de escala con respecto al Gráfico 1). Primero, entre el inicio de la pandemia y el 11 de mayo nuestra estimación implica que en España hubo 2.305.000 contagiados (un 4,9% de la población) en lugar de los 217.000 que detectados oficialmente y que en el pico de contagios a mediados de marzo hubo cerca de 100.000 contagiados diarios. Segundo, desde el 12 de mayo hasta la actualidad en España se habrían contagiado 2.619.000 personas más y el pico diario estaría ligeramente por encima de los 40.000 casos diarios. Tercero, comparando con la primera ola, la variación de hospitalizados presenta en la segunda oleada del virus una dinámica más coherente con los casos corregidos que con los detectados. No obstante, aunque el mayor número de pruebas sí que explica una parte de esa discrepancia entre los contagiados y las hospitalizaciones, sigue existiendo una brecha importante entre la evolución de ambas magnitudes entre la primera y la segunda oleada.

Un candidato obvio a explicar la diferencia es la composición por edades de los contagiados detectados en ambas olas de la pandemia. Se podría estimar una relación entre hospitalizados y contagiados en un momento anterior del tiempo controlando por la pirámide de edad. En una segunda etapa se podría utilizar dicha estimación para recalcular la serie de contagiados ya corregida por el número de pruebas, convirtiéndola en una serie de contagiados homogeneizada por edad. En este post nos limitaremos a ilustrar la muy probable relevancia de controlar por la pirámide de edad, dejando la realización del ejercicio completo para los epidemiólogos. En el Cuadro 2 se presenta información del Ministerio de Sanidad del porcentaje de casos de contagios detectados por grupos de edad, antes y después del 10 de mayo. Los datos hablan por sí mismos: la mediana de edad durante la primera ola fue de 60 años (el rango intercuartílico entre 46 y 78 años), mientras que en la segunda está siendo de 39 años (rango entre 23 y 55). Sin ninguna duda, controlar por la edad permitiría explicar una parte de la brecha que todavía existe entre casos corregidos por las pruebas y hospitalizaciones presente entre la primera y la segunda olas del virus.

Unas últimas reflexiones para concluir. Primero, insistimos de nuevo en lo que ya se ha dicho hasta la saciedad. La calidad de los datos epidemiológicos del COVID-19 en España dista mucho de ser la deseable, sobre todo cuando se compara con otros países de la UE. El Cuadro 1 ilustra lo fácil que es tener enormes diferencias diarias e incidencias acumuladas para el mismo periodo de 50 casos arriba o abajo dependiendo de las distintas actualizaciones. Lamentablemente, gasolina para el fuego de la absurda confrontación política en la que vivimos. Segundo, se está vendiendo en los medios que hemos sobrepasado con creces la primera oleada de casos contagiados. Muy probablemente no es así. Corrigiendo por pruebas y composición de la población todavía nos sitúa en el conjunto de España lejos de dicha situación. Análisis en la dirección del presentado en este post, aunque más depurados, ayudarían a anticipar mejor hacia dónde va a transitar la pandemia en fechas venideras. Tercero, parece que ahora puede salir adelante una iniciativa del Ministerio de Sanidad para establecer un conjunto de indicadores (con niveles por colores que reflejen objetivamente la gravedad de la situación) para que todas las administraciones puedan tomar medidas anticipadamente. Bienvenida sea esta iniciativa. Nosotros mismos (y no hemos sido ni mucho menos los únicos) ya propusimos esto en mayo Reproducimos en el Cuadro 3 nuestra propuesta de entonces. Nunca es tarde si la dicha acaba siendo buena. Esperemos que sea así.

Cuadro 3. Indicadores sanitarios para la toma de decisiones


[1] Todos los datos de casos confirmados y pacientes hospitalizados que aparecen en este post provienen de estadísticas oficiales del Ministerio de Sanidad que se recogen en la siguiente página web: https://www.mscbs.gob.es/profesionales/saludPublica/ccayes/alertasActual/nCov/situacionActual.htm

Hasta la tercera semana de mayo el Ministerio publicaba datos de casos detectados, hospitalizaciones, UCI y fallecimientos en la siguiente página del Instituto Carlos III: https://cnecovid.isciii.es/covid19/#documentaci%C3%B3n-y-datos En la actualidad sólo publica las series completas desde el principio de la pandemia de fallecimientos y casos detectados. Las series de hospitalizados se han completado desde mayo a partir de los Boletines diarios que publica el Ministerio en la dirección web mencionada anteriormente.

[2] Agradecemos las discusiones con Ángel de la Fuente y sus oportunas sugerencias, que han ayudado a mejorar de forma significativa esta sección.

Let’s block ads! (Why?)

Publicado originalmente en: Ir a la fuente
Autor: Javier Ferri

Comentarios

comentarios

Seguir Leyendo

Nada es Gratis

La preocupación por la deuda pública (Webinar)

Publicada

el

Las consecuencias fiscales de la crisis de la Covid-19 van a suponer en muchos países aumentos de deuda pública sin precedentes en tiempos modernos, que se acumulan sobre niveles ya muy elevados (uno de los legados de la crisis financiera global de la década anterior y principios de esta) y a mayores gastos futuros de sistemas de pensiones amenazados por el envejecimiento de la población.

¿Debemos o no preocuparnos por el elevado endeudamiento público? Chris Sims ha respondido esta pregunta en uno de los Princeton Webinars. La presentación comienza con una sucesión de gráficos que ilustran la evolución de los principales indicadores de endeudamiento público en Estados Unidos, continúa con una discusión (muy simple e ilustrativa) sobre cómo debe entenderse la sostenibilidad de la deuda pública y algunos comentarios (basados en la teoría fiscal del nivel de precios) sobre por qué en Japón las muy elevadas tasas de endeudamiento público no han generado (todavía) inflación, y concluye (humildemente) respondiendo a la pregunta de que se puede hacer ante la excesiva acumulación de deuda pública con una página en blanco.

A lo largo del webinar aparecen algunas observaciones que, aun siendo bien conocidas, merecen ser destacadas:

-El principal indicador que refleja la carga de la deuda (y el que parece ser al que miran los responsables políticos, al menos, en Estados Unidos) es el coste de sus intereses en relación con los ingresos públicos totales (que no la ratio deuda pública/PIB). La buena noticia es que en los últimos años este indicador ha disminuido mucho, hasta niveles históricamente bajos, por la reducción de tipos de interés. La mala noticia es que, a los niveles actuales de deuda, puede aumentar muy rápidamente con subidas moderadas de los tipos de interés. Por ejemplo, en un país con una tasa de endeudamiento del 120% del PIB e ingresos públicos del 40% del PIB, una subida de un punto porcentual del tipo de interés de la deuda conlleva una aumento de tres puntos porcentuales de la ratio intereses de la deuda/ingresos públicos.

-La (ahora muy popular) condición para la sostenibilidad de la deuda (tipo real de interés menor que la tasa de crecimiento del PIB, r-g) es aplicable solo para déficits puntuales (que ocurren una sola vez). La condición dinámica de sostenibilidad con déficits primarios sostenidos en el tiempo es algo más complicada (y restrictiva): la ratio de la suma del déficit primario y el coste de intereses de la deuda en términos de PIB debe ser menor que el producto de la tasa de crecimiento del PIB y la ratio deuda pública PIB. Esta condición dinámica es especialmente relevante cuando se tiene en cuenta que vienen déficits continuos (sobre todo por las necesidades para la recuperación de la crisis de la Covid-19 y la situación de los sistemas públicos de pensiones) y la tasa de crecimiento del PIB continuará deprimida si no se realizan reformas estructurales que aumenten la productividad.

-Hay más razones para estar preocupado porque los tipos de interés aumenten a medida que aumenta la deuda que confiado en que la política fiscal expansiva aumente (permanentemente) la tasa de crecimiento del PIB.

-Sobre inflación, se recuerda que la teoría fiscal del nivel de precios no dice que el volumen de deuda pública determina la inflación, sino que son las expectativas de las políticas fiscales futuras las que acaban generando expectativas de inflación. En las condiciones actuales, precisamente lo que más puede ayudar a reducir la deuda es inflación (no defaults, que Chris Sims considera indeseables, ni, por ahora, mayor crecimiento económico, que no está ni se le espera). Sin embargo, la experiencia japonesa demuestra que generar tales expectativas puede no ser una tarea factible y otras experiencias avisan de que, una vez que la inflación empieza a despegar, puede ocurrir que controlarla no sea tan fácil como parece que ahora se asume.

En definitiva, un webinar recomendable para los que busquen food for thought en un momento como en el actual en el que la sostenibilidad de la deuda pública y la eficacia de inversiones y gastos públicos se dan por sentadas, solo porque no parece haber alternativa a las políticas fiscales expansivas.

Juan Francisco Jimeno

Juan Francisco Jimeno

Doctor en Economía por MIT, 1990. Ha sido profesor en varias universidades españolas y extranjeras, investigador en FEDEA hasta 2004 y en la actualidad trabaja en la Dirección General de Economía y Estadística del Banco de España. Es autor de numerosos artículos de investigación y de libros sobre macroeconomía y economía laboral, investigador asociado al CEPR y a IZA y editor del IZA Journal of Labor Policy. Los puntos de vista expresados en mis entradas son estrictamente personales y no reflejan, necesariamente, los del Banco de España

Let’s block ads! (Why?)

Publicado originalmente en: Ir a la fuente
Autor: Juan Francisco Jimeno

Comentarios

comentarios

Seguir Leyendo
Publicidad
Publicidad
...

Facebook

Destacado