Conecta con Minuto5

Nada es Gratis

Las mujeres y la gestión de la pandemia. ¿Qué sugieren los datos españoles?

Publicada

el

Matilde P. Machado, Departamento de Economía, Universidad Carlos III de Madrid
Marcos Vera-Hernández, University College London y Institute for Fiscal Studies

Alemania, Dinamarca, Finlandia, Islandia, Noruega, Nueva Zelanda y Taiwan tienen dos cosas en común: están entre los países con menos muertes e infecciones por COVID-19, y sus presidentes del gobierno son mujeres. Nada despreciable si tenemos en cuenta que actualmente hay solo 20 Estados miembros de la ONU en la que su presidente del gobierno sea mujer. Seguramente este patrón le resulta familiar a muchos lectores, pues los medios de comunicación le han dado gran difusión (ejemplo, ejemplo, ejemplo, ejemplo). Las profesoras Garikipati y Kambhampati en este artículo han ido más allá cuando comparan cada uno de los 19 países que son liderados por una mujer con el que más se le parece en función de varias características sociodemográficas y económicas pero que es liderado por un hombre y encuentran que los países liderados por mujeres tienen menos muertes y menos infecciones por COVID-19.

Sin embargo, un análisis comparando países es siempre muy complejo porque los países son muy distintos entre sí. Además, dice mucho de un país que su presidente del gobierno sea una mujer, y al hacer la comparación estamos comparando no sólo el género del presidente del gobierno, sino también las características de los países que lo eligen. Por ejemplo, los países liderados por una mujer tienden a ser más equitativos en términos de género (ver aquí).

Dada la dificultad de comparar países, pensamos que comparar la gestión de la pandemia entre Comunidades Autónomas es interesante, pues las CC.AA. son más homogéneas entre sí. Para ello, hemos relacionado el género de los responsables del sistema sanitario en cada CC.AA. con las hospitalizaciones por COVID ocurridas desde el inicio de la segunda ola. Por supuesto se trata de un análisis simple donde hablamos de asociaciones o correlaciones entre variables, sin embargo la existencia de un patrón similar entre género y resultados de la pandemia sería muy sugerente de que algún mecanismo subyacente. Al igual que en esta entrada anterior con Felix Lobo (ver aquí), nos hemos centrado en los siguientes altos cargos: Consejero-a de Sanidad, Director-a del Servicio de Salud, y Responsable de Salud Pública.

Los datos de género de los tres altos cargos analizados han sido obtenidos de la web (más detalles aquí). De los 51 altos cargos analizados, un 39% están ocupados por mujeres, siendo este porcentaje bastante más bajo entre los directores de Servicios de Salud (29%), algo más alto entre los responsables de salud pública (41%) y alcanzando casi la paridad (47%) entre los consejeros de sanidad. En los extremos de la distribución tenemos, por un lado, a Andalucía, Canarias y Murcia sin ninguna mujer entre los tres altos cargos analizados y, por el otro lado, la Comunidad Valenciana donde los tres cargos son ocupados por mujeres.

Como medida de efectividad en la gestión de la segunda ola, usamos el número total de pacientes que estaban hospitalizados por covid el día 19 de Octubre de 2020 (fuente: Ministerio de Sanidad (aquí)) normalizado por la población de cada CC.AA en 2019 (hospitalizaciones por cada 100 000 habitantes). Nos centramos en la segunda ola para utilizar los datos de la primera ola como control de los diversos otros factores que pueden influir en las morbilidad por Covid y sobre los que se ha escrito mucho en este blog (convivencia entre generaciones, geografía y densidad de población,  variables meteorológicas y económicas, y cobertura de las vacuna de la gripe, etc.). Son muchos factores y sólo 17 CC.AA. así que no podemos controlar por el efecto de todos ellos a la vez. Una alternativa es controlar por una variable que resuma el efecto de todos estos factores. En concreto usamos el exceso de defunciones acumuladas en relación al esperado (en porcentaje) desde el 15 de Febrero de 2020 hasta 2 de Mayo de 2020 (exceso de defunciones), que Matilde P. Machado ya utilizó en esta entrada en la que se explica la metodología y fuente de los datos.

Empezamos el análisis por mostrar en la Tabla 1 el resultado de tres regresiones muy simples donde la variable dependiente es el logaritmo natural de las hospitalizaciones por Covid19 el 19 de Octubre del 2020 y la variable independiente es una variable dicotómica que toma valor 1 si hay una mujer a frente de cada uno de los tres cargos que analizamos y 0 si es un hombre. Los resultados, que se encuentran en las columnas (1), (2) y (3) muestran que el único coeficiente estadísticamente significativo es el asociado con el responsable de salud pública, cuyo valor de -0.502 indica que en aquellas CC.AA. donde hay una mujer a cargo de salud pública, las hospitalizaciones son un 39.5% menor. Los resultados con el resto de cargos no son estadísticamente significativos.

A continuación, en las columnas (4), (5) y (6) añadimos el logaritmo de la variable de exceso de defunciones de la primera ola para controlar por aquellos factores exógenos que puedan afectar la incidencia del virus en las CC.AA. Como se puede apreciar, hay una correlación positiva, estadísticamente significativa y muy importante entre esta variable de la primera ola y las hospitalizaciones de la segunda (véase que el R2 aumenta muy considerablemente). Esto es de esperar, aquellas CC.AA. que han sufrido más en la primera ola, vuelven a sufrir más en la segunda. Sin embargo, no damos una interpretación causal al resultado de esta variable. Tan solo nos interesa que controle por factores exógenos que afecte a las hospitalizaciones de la segunda ola.

En cuanto a la relación con el género de quién ostenta los cargos analizados, el resultado de las columnas (4), (5), y (6) es muy similar al de las columnas anteriores. Lo más interesante es que el coeficiente relacionado con el género del responsable de salud pública es muy similar en la columna (3) y (6): -0.502 vs. -0.524, aunque en la columna (6) es estadísticamente significativo al 1% en lugar del 10% porque la estimación se ha hecho más precisa al introducir el exceso de defunciones de la primera ola como control. Esto nos da cierta tranquilidad sobre los resultados, pues estos no cambian cuando añadimos una variable de control que tiene un muy alto poder explicativo. También cabe decir que los resultados son muy similares si elimináramos los datos de Madrid del análisis. Cuando incluimos variables de la formación y experiencia de los cargos, el resultado no cambia y esas variables no son significativas, lo cual se puede deber a muchos factores, entre otros, la variabilidad en la calidad de la formación y la pertinencia de la experiencia en gestión.

Una posible explicación de por qué los resultados son más fuertes en Salud Pública es que el sistema de tests y rastreo, que es una tarea de Salud Pública, sea muy importante para el control de los contagios en la segunda ola, y que las mujeres, en media, sean mejores gestoras de dichos sistemas.

Realizamos un análisis complementario del anterior que consiste en una regresión con la misma variable dependiente y también controlando por las defunciones de la primera ola, pero incluyendo como variable explicativa de interés el porcentaje de los tres cargos analizados que son ostentados por mujeres. Al estimar la regresión encontramos que el coeficiente asociado al porcentaje de cargos ostentados por mujeres es -0.96 y es estadísticamente significativo al 5%. La siguiente figura muestra la representación gráfica de dicha regresión: una relación decreciente entre el exceso de hospitalizaciones sobre lo que se esperaría en función de los datos de la primera ola y el porcentaje de los tres cargos analizados ostentados por mujeres.

¿Qué nos dice la literatura sobre los posibles mecanismos subyacentes entre género y gestión? Un posible mecanismo es aquel que opera a través de la diferencia en aversión al riesgo entre hombres y mujeres contrastada en varios experimentos (ver por ejemplo aquí, aquí o aqui) o el exceso de confianza (overconfidence) de los hombres observado por ejemplo en la toma de decisiones financieras (ver aqui o aqui). Estos mecanismos podrían hacer con que las mujeres actuasen más temprano o fuesen menos optimistas cuanto a la evolución de la pandemia. También podríamos pensar que hay diferencias de comportamiento entre hombres y mujeres cuando actúan bajo presión o cuando lo que está en juego es muy importante. La evidencia basada en experimentos, sin embargo, nos muestra que las mujeres cometen más errores cuando el nivel de competición es alto, principalmente si compiten con los hombres (ver aqui) e, incluso en ambientes donde las mujeres cometen menos errores, como exámenes parciales, la diferencia de comportamientos entre hombres y mujeres tiende a desaparecer cuando lo que está en juego (el peso del examen parcial) es más importante (ver aquí). Otro posible mecanismo seria el que opera vía selección, es decir, supongamos que no hay diferencias entre hombres y mujeres cuanto a la gestión pero que para las mujeres es más difícil llegar a puestos de liderazgo, por lo que si llegan, han de ser más competentes en promedio. Sea cual sea el (los) mecanismo(s), la diferencia en la toma de decisiones políticas ya había sido observada por ejemplo por Irma Clots y su co-autora Sonia Bhalotra en este artículo, donde muestran, de manera muy convincente, que la elección de mujeres a los parlamentos estatales en la India redujo la mortalidad infantil y mejoró la infraestructura de salud, resultados similares se obtienen para elecciones locales también en la India (ver aquí).

Los resultados de nuestro simple análisis indican que las hospitalizaciones de la segunda ola son menores, en media, en aquellas CC.AA. donde una mujer ostenta el cargo de responsable de Salud Pública. De ahí a decir que las mujeres, en media, realizaron una mejor gestión es un salto muy grande, para el que no tenemos ni los datos ni la estrategia empírica para dar. Además, no estamos aún al final de la pandemia y es posible que estos resultados no se mantengan dentro de unos meses. Hemos hecho lo que hemos podido, y los resultados son sugerentes al respecto, pero no podemos ir más allá.

Let’s block ads! (Why?)

Publicado originalmente en: Ir a la fuente
Autor: Marcos Vera Hernández

Comentarios

comentarios

Seguir Leyendo
Publicidad
Loading...

Nada es Gratis

La desigualdad en salud en América Latina y el Caribe: un breve resumen selectivo.

Publicada

el

“La desigualdad es obstinadamente alta en América Latina y el Caribe,” así empieza el resumen del nuevo libro “La crisis de la desigualdad: América Latina y el Caribe en la encrucijada” publicado por el  Banco Interamericano de Desarrollo. Como indican Matías Busso y Julián Messina, editores del libro, en su introducción, esta desigualdad seguramente ha tenido mucho que ver con las protestas multitudinarias en el último trimestre del 2019 en grandes ciudades de Chile, Colombia y Ecuador. El libro no tiene desperdicio: dedica catorce capítulos a analizar el estado y causas de la desigualdad en América Latina y el Caribe, no sólo en el ingreso sino en diversos sectores (educación, salud, justiciar, acceso al sector financiero, etc.), incluye desigualdades por género y etnia, presta especial atención a los hogares más vulnerables, y al limitado alcance redistributivo que la política fiscal ha tenido.

En esta entrada quería resumirles el capítulo sobre desigualdades en salud que escribí con Samuel Berlinski y Jessica Gagete-Miranda. Empecemos por las buenas noticias: la Figura 1 muestra como la tasa de mortalidad en América Latina y el Caribe ha ido bajando de manera paulatina desde los setenta hasta ahora, y acercándose a los niveles de la OCDE.

Figura 1: Tasa de mortalidad de menores de 5 años, por cada 1000 nacidos vivos

Fuente: La crisis de la desigualdad: América Latina y el Caribe en la encrucijada. Banco Interamericano de Desarrollo. 2020.

Las causas de dicha bajada son seguramente multifactoriales, y se debe a la mejora de la situación socioeconómica de la región, tecnología sanitaria, y posiblemente al mejor acceso a cuidados de salud materno-infantiles. En muchos de los países de la región hubo una expansión muy importante de la atención materno-infantil durante las décadas de los 70, 80 y 90 (véase este artículo sobra la historia de los servicios de salud en la región), que mejoró el acceso a dichos cuidados a los más pobres. Por ejemplo, la Figura 2 muestra que, a finales de los ochenta, en Bolivia y Perú, el porcentaje de madres que recibían cuidados prenatales por personal cualificado era el doble si la madre tenía al menos educación secundaria que si la madre solo tenía primaria o menos, pero que esta disparidad se ha ido reduciendo a lo largo de los noventa y dos mil. En Colombia también ha habido una mejora importante, aunque la situación en los ochenta era menos dispar. Para estos países, que son para los que las Encuentas de Demografía y Salud nos proporcionan datos por períodos prolongados, también se observan mejoras en indicadores relacionados con la maternidad como el de haber tenido al menos cuatro visitas prenatales, o el indicador de tener una atención prenatal de cierta calidad.

Figura 2: Atención prenatal por personal cualificado. Ratio: Educación secundaria/primaria

Fuente: La crisis de la desigualdad: América Latina y el Caribe en la encrucijada. Banco Interamericano de Desarrollo. 2020.

Aunque todavía queda que mejorar, hay que celebrar la evolución de los indicadores de cuidados materno-infantiles en la región. La contrapartida de dicha mejora es que, en términos epidemiológicos, los problemas de salud de la región se empiezan a parecer más a los de los países de la OCDE, con mucha mayor importancia de enfermedades crónicas como la diabetes, hipertensión, etc. (aunque enfermedades transmisibles como el dengue son también muy importantes en algunos países, y por supuesto, Covid19).

¿Cómo de preparados estaban los países de América Latina y el Caribe para dicha transición epidemiológica? Salvo Brazil y Costa Rica, que tienen un Sistema Nacional de Salud como el de España en el cual la cobertura es universal y no está ligada al empleo, la mayoría de los países de la región tiene un sistema de salud segmentado, en el que el acceso a cuidados médicos es distinto según la situación laboral. Los trabajadores formales, es decir, aquellos cuyos empleadores pagan impuestos y cotizaciones están cubiertos por seguros de salud que les deben proporcionar la atención necesaria.

El problema más importante son los trabajadores informales, es decir, lo que no pagan cotizaciones, y sus familias. En la región, más del 50% de los trabajadores son informales. Para ellos, la situación es bastante heterogénea según el país. En Colombia, tienen derecho a un seguro de salud, que al menos en papel se va pareciendo cada vez más al de los trabajadores formales, pero sigue habiendo diferencias importantes en cuanto a la calidad y gasto según el sistema.  Argentina, Perú y México no han ido tan lejos, pero han intentado mejorar la cobertura de los trabajadores informales y sus familias a través de planes especiales (Plan Nacer y Plan Sumar en Argentina, Seguro Integral de Salud en Perú y Seguro Popular en México) que proporcionan un paquete de prestaciones explícito.

La Tabla 1 nos indica el porcentaje de adultos que padecen de una enfermedad o dolencia crónica, pero que no han sido diagnosticados. Para poner un ejemplo, en Argentina, 64% de la población que sufre de hipertensión no han sido diagnosticada. Podemos obtener dicho porcentaje gracias a encuestas que realizan pruebas diagnósticas a la persona que está siendo encuestada, además de preguntarle por las dolencias que padece y los tratamientos médicos que está tomando. Como se puede comprobar, los porcentajes son muy altos, lo cual es particularmente preocupante en tiempos de pandemia, pues las personas con enfermedades crónicas son más susceptibles a padecer síntomas graves, y estas personas se deberían proteger más si supieran que padecen dichas enfermedades crónicas.

Tabla 1: Porcentaje de adultos que sufren de la enfermedad pero que no han sido diagnosticados.

Argentina Brasil Guayana México Perú Uruguay
Hipertensión 64 47 43 44 60 58
Diabetes 26 21 33 33
Colesterol alto 73 30 67 39

Fuente: La crisis de la desigualdad: América Latina y el Caribe en la encrucijada. Banco Interamericano de Desarrollo. 2020.

En términos de desigualdad, lo más relevante es como los porcentajes de la Tabla 1 son diferentes según el nivel socio-económico del encuestado. En general, el tipo de encuestas utilizadas no tienen mucha información socio-económica, así que utilizamos el nivel educativo como proxy para evaluar la brecha socio-económica en el diagnóstico de enfermedades crónicas. En la tabla 2 mostramos que, salvo para Guayana en la cual el tamaño muestral es especialmente bajo, en el resto de países analizados el porcentaje de adultos no diagnosticados es mayor para aquellos con bajo niveles de educación que para los más educados.

Tabla 2: Porcentaje de enfermos adultos que no han sido diagnosticados. Exceso para adultos con educación primaria o menos (controlando por sexo y edad).

Argentina Brasil Guayana México Perú Uruguay
Hipertensión 2 4*** -8 9*** 8*** 1
Diabetes 13** -1 7** 25**
Colesterol alto 8** -11* 1 5

*** p<0.01, ** p<0.05, * p<0.10. Fuente: La crisis de la desigualdad: América Latina y el Caribe en la encrucijada. Banco Interamericano de Desarrollo. 2020.

Resolver la desigualdad representada en la Tabla 2 es uno de los grandes desafíos de la economía del desarrollo. La gran pregunta es cómo podemos mejorar el acceso a cuidados de salud de los trabajadores informales, que en general son menos educados, sin dañar de forma significativa los incentivos que dichos trabajadores, y sus empleadores, tienen de pagar impuestos y contribuciones. ¿En otras palabras, aumentará el porcentaje de trabajadores informales (y por lo tanto la recaudación fiscal y cotizaciones) si se eliminan las diferencias entre el acceso a cuidados de salud entre trabajadores informales y formales? Este estudio y este otro muestran evidencia que el Seguro Popular de México y el Régimen Subsidiado de Colombia aumentaron la informalidad en el mercado laboral, pero todavía debemos analizar cuál es la situación óptima, y si hay alguna manera de reducir este efecto, que sin dejar de ser natural, es perverso.

Aquí lo dejo, animándoles a que lean el capítulo original que tiene muchos más detalles, y por supuesto, el libro.

Let’s block ads! (Why?)

Publicado originalmente en: Ir a la fuente
Autor: Marcos Vera Hernández

Comentarios

comentarios

Seguir Leyendo

Nada es Gratis

El efecto lunes (o cómo las grandes petroleras demuestran su poder de mercado en España)

Publicada

el

Por Jordi Perdiguero y Juan Luis Jiménez

Imagen de IADE-Michoko en Pixabay

Históricamente, los mercados petrolíferos han mostrado un nivel de competencia muy reducido, en cualquiera de los niveles de la cadena de producción. El paradigma es la OPEP: un cartel, conocido, que dura más de medio siglo ¡y que nadie ha sancionado! Además, las características de demanda y oferta (alta inelasticidad, reducida diferenciación, etc.) no ayudan a promover dicha competencia efectiva.

Las principales acciones anticompetitivas realizadas por las empresas en este mercado a nivel internacional han sido comportamiento colusorio (por ejemplo, aquí), respuesta asimétrica a cambios en costes (el artículo seminal de Bacon, 1991) o precios predatorios (Anderson y Johnson, 1999).

En España, los resultados van en la misma línea. Tres décadas después de la liberalización sectorial que rompió en la Península y Baleares el monopolio de Campsa (ahora Repsol), la competencia es muy reducida (véase aquí, aquí o aquí).

En este contexto, Pol Antràs, José Ignacio Conde-Ruiz y Manu García nos advirtieron en 2012 que debíamos repostar los lunes, ya que ese día la gasolina era más barata. ¿Por qué? Apuntaban a que no se debía a un efecto de demanda, sino a una hipotética acción coordinada de las compañías.

Y eso es precisamente lo que este post viene a (de)mostrar. Basado en un artículo recién publicado, concluimos cómo las tres principales empresas petrolíferas de España (Repsol, Cepsa y BP) crearon una nueva acción anticompetitiva: bajar precios para engañar a la ciudadanía (y hacernos ver que los precios no eran tan altos). La capacidad de invención de los oligopolios para no competir es ilimitada. Lean…

El caso

2012. España. El país sufría las mayores consecuencias de la crisis económica de 2008. Y, entre otros malos indicadores, aparece reiteradamente uno en la prensa: los precios (antes de impuestos) de los hidrocarburos están en el Top 5 de los más caros de toda la Unión Europea. La extinta Comisión Nacional de la Energía abrió expediente en 2013, pero no fructificó.

Este hecho preocupa por cuanto supone un encarecimiento de una de las principales materias primas de cualquier economía (máxime en España, donde además tenemos alta dependencia de las importaciones petrolíferas).

Pero, “misteriosamente”, España comienza a desaparecer de los valores altos del ranking, sobre todo a partir de finales de marzo-principios de abril de 2012 (vea la figura). Buena noticia para la economía española, ¿no?

Figura: Posición de España en el ranking del Oil Bulletin.

Fuente: Elaboración propia.

Pues no. Como siempre, nada es casual (ni gratis) y la explicación está en los detalles. El ranking citado se extrae del Oil Bulletin, estadística semanal de precios de hidrocarburos en la Unión Europea que publica la Comisión Europea. Y, ¿a que no adivina qué día de la semana era el elegido para recopilar la información estadística de cada país?

Efectivamente, los lunes.

Desde la perspectiva del oligopolio, hay dos formas de solucionar el problema del revuelo mediático que se generó en España por tener precios altos: competir agresivamente para bajar precios o “maquillar” las estadísticas. Y sabemos que los oligopolios nunca tomarán lo primero…

Datos y estrategia empírica

Para estimar el origen de este “misterioso y repentino” cambio de España en el ranking europeo, los autores contamos con los precios diarios de la gasolina 95 de todas las estaciones de servicio de España, entre el 01 de enero de 2012 y el 31 de diciembre de 2013. Más de 3 millones de observaciones, con las que nuestro objetivo era sencillo: explicar si el precio que establecen las estaciones depende sistemáticamente del día de la semana (entre otros factores).

Pero, ¿cómo poder estimar un comportamiento causal? Pues disponemos tanto de dos grupos de control como un cambio exógeno:

a) Los precios de los hidrocarburos en Canarias. Los gestores del Oil Bulletin nos confirmaron que, por su diferente fiscalidad, las estaciones de servicio de Canarias no están incluidas en el ranking.

b) Las compañías independientes y low cost. La literatura empírica (aquí, por ejemplo) ha mostrado que estas estaciones son las únicas que disciplinan la competencia en el mercado y, por tanto, a priori no seguirán comportamientos poco competitivos de las principales marcas.

c) La Comisión, ante el revuelo organizado, modificó el 13 de mayo de 2013 la forma de recopilar la información. A partir de entonces, utilizó como dato para España una media semanal de precios en lugar del dato del lunes.

¿Qué encontramos?

Resultados

Tanto del análisis descriptivo como de aplicar un estimador en diferencias (difference-in-difference) los principales resultados fueron los siguientes (puede ver las estimaciones en el artículo):

1. Efectivamente, los precios de la gasolina en la Península Ibérica son más bajos los lunes que el resto de días de la semana, durante 2012 y parte de 2013. Sistemáticamente. Pero no lo son para las estaciones independientes, low cost, supermercados, cooperativas ni las estaciones situadas en las Islas Canarias.

2. Utilizando Canarias como grupo de control (donde, recuerden, el Oil Bulletin no utiliza sus datos), el estimador en diferencias señala que los precios de la gasolina para las estaciones de Cepsa, BP y sobre todo Repsol, son más bajos los lunes.

3. Los resultados anteriores se repiten si tomamos las estaciones low cost como grupo de control.

Y el resultado más relevante:

4. El efecto lunes desaparece para Repsol, Cepsa y BP tras el 13 de mayo de 2013, día en que la Comisión modificó la forma de obtener la información estadística y dejó de usar el precio de los lunes como referencia.

Observe en el gráfico cómo, tras mayo de 2013, España vuelve a estar en el Top5 de precios más altos en la Unión Europea.

Conclusiones

Las estimaciones no dejan lugar a dudas: el “efecto lunes” existió, y supuso una demostración (más) del poder de mercado que tienen Repsol, Cepsa y BP en este mercado. Las tres grandes compañías, que en 2012 copaban más del 68% de las estaciones de servicio en España, bajaban los precios los lunes con el único objetivo de reducir la presión mediática sobre los precios de los carburantes en España, recuperando el resto de días de la semana los (potenciales) menores ingresos de los lunes. Y, ojo, todo lo anterior teniendo en cuenta que hay más de ocho mil estaciones de servicio en España, con relaciones con el mayorista diferentes y supuestamente independientes de este.

Pero, por si los resultados anteriores le parecen poco, hay un giro de guion interesante. Repsol, la compañía que lideró este proceso (por la concentración y los claros resultados econométricos), publicó una nota de prensa en julio de 2013, en la que reconocía haber hecho el efecto lunes.

Literalmente el presidente Brufau expresó que bajaron los precios los lunes por ser la “jornada que los profesionales del transporte utilizan mayoritariamente para cargar sus depósitos de combustible de cara a su actividad semanal”.

A la vista de los resultados econométricos, nos surgen inmediatamente las siguientes preguntas:

a) ¿Es una estrategia comercial de la compañía y no la publicitan?

b) ¿Desde cuándo los profesionales del transporte recargan gasolina 95 (que es el producto que hemos utilizado en nuestras estimaciones)?

c) En cualquier caso, ¿dejaron de repostar a partir del 13 de mayo de 2013 y por ese motivo ya no es el lunes el más barato?

d) ¿Por qué no se aplica esa estrategia en las estaciones de servicio de Canarias?

Las respuestas a todas ellas son tan insultantemente obvias que no merece la pena responderlas.

Las implicaciones de este caso son evidentes: la capacidad de coordinación de las empresas dominantes en este mercado es extremadamente alta y contraria a los intereses de los consumidores (y, por ende, de la competencia).

Las autoridades deberían tratar de ser más activas en la promoción de la competencia en este sector (promoviendo la apertura de estaciones low cost o independientes), revisando la política de sanciones aplicadas al sector y siendo más restrictivos en potenciales fusiones sectoriales.

Nada es gratis, pero a algunos les sale muy barato no competir.

Let’s block ads! (Why?)

Publicado originalmente en: Ir a la fuente
Autor: Juan Luis Jiménez

Comentarios

comentarios

Seguir Leyendo

Nada es Gratis

Hábito en los viajes turísticos: ¿una cuestión de renta?

Publicada

el

David Boto-García (Departamento de Economía, Universidad de Oviedo)

La pandemia ha causado una importante reducción en el flujo de viajes turísticos en España. Al margen de restricciones, el número de viajeros hospedados en hoteles cayó en un 54.7% en agosto de 2020 con respecto al mismo mes del año anterior, siendo el total de pernoctaciones un 64.3% menor (INE, 2020).

En un reciente post, Juan Luis Jiménez analizaba algunas políticas públicas impulsadas para reducir el impacto negativo de la pandemia, entre otras, sobre el sector turístico español. En concreto cómo el Gobierno de Andalucía (y también está sobre la mesa en el caso de la Comunidad Valenciana y las Islas Baleares) sufraga el 25% del coste de hotel de aquellos que decidan viajar dentro de la Comunidad Autónoma. ¿Puede ser regresiva esta política si no se condiciona al nivel de renta? ¿Incrementaría esto la probabilidad de viajar, o tan solo beneficiaría a aquellos que viajarán igualmente?

En el presente post persigo analizar los factores que determinan la decisión de viajar, si existe un proceso dinámico (hábito) en esta decisión y qué implicaciones puede tener por tanto los incentivos monetarios a corto plazo.

El hábito de viajar

La formación de hábito es un proceso por el cual los individuos tienden a realizar una actividad con asiduidad. Numerosos estudios en economía han analizado este proceso en el consumo de los hogares, relacionando cómo las decisiones presentes vienen condicionadas por el consumo pasado (véase Dynan, 2000; Alessie y Lusardi, 1997; o Heien y Durham, 1991). De acuerdo con la teoría de la adición racional de Becker y Murphy (1988), los individuos maximizan su utilidad a lo largo del tiempo, de manera que se vuelven ‘adictos’ al consumo de un bien si la utilidad marginal que les reporta crece con el consumo pasado.

En otras palabras, las preferencias sobre los bienes se forman de manera dinámica a través del consumo, de modo que consumir hoy un producto incrementa el gusto por el mismo en el futuro. Esto tiene especial importancia en los llamados bienes de experiencia, aquellos en los que las características relevantes como la calidad no son conocidas con certidumbre hasta que no se adquieren o consumen. Algunos ejemplos son el cine, los libros, los restaurantes o, el caso que aquí nos trae, los viajes.

En un reciente estudio analizo la participación turística de los residentes en España, prestando especial atención a la posible formación de hábito en la decisión de viajar. En el contexto actual, donde el turismo nacional es muy relevante, resulta de especial interés identificar qué segmentos son más resilientes y tienen un mayor gusto (hábito) por viajar condicional en sus características, por cuanto las políticas económicas les serán de mayor afección.

La inercia de viajar

Viajar es una actividad de ocio que tiene la naturaleza de bien de experiencia y cuya utilidad puede verse incrementada cuanto mayor sean los viajes realizados previamente. Las razones son varias.

Por una parte, a medida que uno viaja con mayor frecuencia puede encontrar menos dificultades para realizar reservas, buscar información o moverse por un destino, reduciendo las barreras y costes a la participación turística. Por otra parte, haber realizado viajes placenteros puede incrementar el gusto por viajar en el futuro inmediato, ya que el individuo genera buenas expectativas en base a satisfactorias experiencias pasadas.

Los datos

A partir de datos longitudinales mensuales de alrededor de 92.000 individuos (entre febrero de 2015 y diciembre de 2018) procedentes de la Encuesta de Turismo de Residentes (es decir, solo consideramos ciudadanía española dentro del territorio nacional), se estima un modelo dinámico de participación turística, con el objetivo de estudiar el efecto de viajes pasados en la decisión futura de viajar.

Para identificar adecuadamente el efecto de los viajes pasados en la utilidad latente de viajar hoy, es necesario controlar tanto por características observables (edad, renta o estructura del hogar), como por factores inobservables individuales invariantes a corto plazo (conocimiento de idiomas o estado de salud). Desde un punto de vista técnico, esto permite separar la verdadera dependencia en el consumo de la dependencia espuria generada por factores no observables a nivel individual. El análisis tiene en cuenta además las llamadas “condiciones iniciales” (Heckman, 1981), ya que el primer periodo observado no se corresponde con el inicio del proceso estocástico latente. Efectos fijos regionales y temporales también son incluidos en las regresiones.

Un aspecto novedoso del trabajo es que además de tener en cuenta características individuales y del hogar, también se consideran factores regionales como el índice de precios, el clima o la tasa de desempleo en la Comunidad Autónoma de origen. Así, el trabajo permite explorar cómo la climatología, la situación del mercado laboral o la inflación regional afectan a las decisiones individuales de viaje.

Concretamente, como indicadores climáticos de la región de residencia se consideran: i) los grados-día de calefacción (heating degree days) y ii) los grados-días de enfriamiento (cooling degree days). Estos dos índices se obtienen de Eurostat a partir de observaciones meteorológicas diarias de temperatura en diferentes puntos de España, agregadas mensualmente. Se trata de indicadores de demanda de energía para calentar o enfriar un edificio en función de la temperatura exterior, y miden de manera no lineal la climatología de una zona geográfica. En su cálculo se consideran diferentes umbrales, de modo que los indicadores toman valor cero para temperaturas moderadas. De acuerdo con estudios previos, la probabilidad de viajar crece (decrece) a medida que aumenta (se reduce) la temperatura en la región de origen.

Los resultados

Las estimaciones muestran que existe un proceso de formación de hábito en la decisión de viajar para los residentes en España. Controlando por características y efectos individuales antes mencionados, haber viajado el mes anterior tiene un efecto positivo y significativo sobre la probabilidad de viajar en el siguiente mes. Concretamente, la probabilidad de persistencia media estimada es del 28%.

Cuando se calcula este efecto marginal en diferentes submuestras, se encuentra que esta probabilidad crece con la renta y el nivel educativo (como cabía esperar). Como se observa en la Tabla 1, la probabilidad de viajar en el mes t condicional en haberlo hecho en t-1 es del 34,8% entre los hogares con renta mensual entre 1000 y 1500 euros (24,7% de la muestra), pero alcanza el 58,6% entre aquellos que perciben más de 5000 €/mes (2,1% de la muestra).

Otra forma de ver lo mismo es que la probabilidad de salida (probabilidad de no viajar condicional en no haberlo hecho el mes anterior) decrece con la renta y la formación educativa. Así, la probabilidad de participación de estado estacionario (probabilidad de viajar a lo largo del tiempo) es notablemente superior entre aquellos con más ingresos y mayor nivel educativo.


Tabla 1.- Probabilidades de viaje por renta y nivel educativo
Nota: *** significa significatividad estadística al 1%. Los hogares con rentas menores de 1000 euros al mes y los individuos con estudios primarios son las categorías de referencia.
1 Probabilidad de persistencia: probabilidad de viajar en el mes t si ha viajado en mes t-1
2 Probabilidad de entrada: probabilidad de viajar en mes t si no ha viajado en mes t-1
3 Probabilidad de salida: probabilidad de no viajar en mes t si ha viajado en mes t-1
4 Probabilidad de estado estacionario: probabilidad de viajar a lo largo del tiempo (medio plazo)

En línea con la literatura, los resultados también muestran que la probabilidad de realizar un viaje turístico crece con la edad (a tasa decreciente) y es mayor en el verano, pero se reduce cuando aumenta el IPC de la región de residencia. Dado un nivel de renta, el encarecimiento de la cesta de la compra hace menos factible viajar.

De manera similar, el mercado laboral afecta de manera importante a la participación turística: los individuos desempleados y aquellos con contratos de trabajo temporales tienen una menor probabilidad de hacer un viaje turístico. Respecto a la composición del hogar, las familias con niños pequeños (especialmente las monoparentales) son menos propensas a viajar. Además, la probabilidad de viajar aumenta de manera significativa con el tamaño y la densidad poblacional del municipio de residencia.

A modo de resumen

De acuerdo con los resultados presentados, es de esperar que los individuos de baja renta y poca formación sean los que más reduzcan su probabilidad de viajar a causa de la pandemia, ya que su menor hábito viajero les hace más propensos a dejar de consumir ese bien. Por el contrario, los de rentas altas y alto nivel educativo son quienes se espera que continúen viajando ya que son quienes han generado un mayor gusto por este bien a lo largo del tiempo. El efecto identificado no se debe a diferencias en poder adquisitivo sino a diferencias de gusto dada la renta. Así, políticas orientadas a subvencionar directamente al consumidor tienen el riesgo de ser fuertemente regresivas si no se condicionan a niveles de renta.

Let’s block ads! (Why?)

Publicado originalmente en: Ir a la fuente
Autor: admin

Comentarios

comentarios

Seguir Leyendo
Publicidad
Publicidad
...

Facebook

Destacado