El análisis de la denominada Gran Recesión Económica producida en 2008 evidenció la heterogeneidad espacial de sus efectos; el hecho de que un fenómeno disruptivo de alcance global tuvo un impacto diferencial, en su intensidad y sus formas, en diferentes territorios y a diferentes escalas. Así, por ejemplo, los estudios realizados en la UE han permitido especificar la heterogeneidad espacial de sus impactos entre los países y regiones meridionales y las de centro y norte de Europa (Hadjimichalis, 2011; De Groot et al., 2011), pero también en atención a la clásica distinción entre ámbitos rurales y urbanos (Capello et al., 2015).
Este trabajo pretende mostrar evidencias sobre la heterogeneidad espacial de los efectos de la Gran Recesión en España a escala local, considerando la agrupación de municipios y sus residentes en entornos metropolitanos y no metropolitanos. Más concretamente, el objetivo del artículo consiste en presentar evidencias sobre tal heterogeneidad mediante la comparación de tendencias de cambio entre periodos anteriores y posteriores a la crisis económica en esos contextos socio-espaciales. Se trata, pues, de estudiar cambios en los procesos de desigualdad socio-espacial entre estos ámbitos, no en el seno de cada uno de ellos, o en particular, su estudio en términos de segregación residencial, sobre lo que existen algunos análisis para grandes áreas urbanas españolas (Porcel y Antón-Alonso, 2020; Rubiales, 2020; Castells-Quintana y Royuela, 2021).
Se argumentará que, tanto la tesis de la aglomeración urbana, como aquellas que analizan los efectos de la globalización y la desindustrialización en los procesos de desigualdad en las grandes ciudades, apuntan a la existencia de heterogeneidad espacial en los efectos de la Gran Recesión. La primera, porque señala que la aglomeración urbana, por distintos motivos que se señalarán más adelante, ofrece más oportunidades para el desarrollo territorial, así como para una mejor recuperación de procesos de crisis. Las otras, en cambio, señalarían que la Gran Recesión podría producir un incremento de los niveles de vulnerabilidad en las aglomeraciones urbanas en comparación con otros ámbitos territoriales menos afectados por las dinámicas características de la globalización económica.
Para presentar evidencias sobre la heterogeneidad socio-espacial del impacto de la Gran Recesión, se usará la información que proporciona la Encuesta de Condiciones de Vida del Instituto Nacional de Estadística (ECV). A diferencia de análisis previos que han utilizado datos agregados, y en la mayoría de los casos para áreas urbanas específicas, se utilizarán las muestras individuales de la ECV para todo el territorio estatal y para el periodo comprendido entre 2004 y 2017. Mediante la aplicación de análisis multivariable se tratará de mostrar la influencia del contexto territorial -metropolitano y no metropolitano- en las tendencias de cambio entre momentos previos y posteriores a la Gran Recesión, controlando por el efecto de rasgos de los entrevistados o sus hogares.
En el primer apartado se presentan argumentos sobre estas dos perspectivas, de las que cabe esperar efectos heterogéneos de la Gran Recesión en diferentes contextos territoriales. El segundo presenta el diseño metodológico empleado para el análisis de las tendencias de cambio en tres aspectos centrales en el estudio de la calidad de vida y la vulnerabilidad social (empleo, privación material de hogares y salud). El tercer apartado presenta, de forma resumida, los principales resultados, finalizando con unas breves conclusiones en el último apartado.
Los efectos socio-espaciales de la gran recesión: espacios rurales y aglomeraciones urbanas
En buena medida, desde un punto de vista analítico, la mayor parte de los estudios que analizan los efectos de la Gran Recesión en espacios rurales y urbanos relacionan esta distinción con la idea de economías de aglomeración que caracterizaría a los segundos. Muy brevemente, en su versión más clásica, esta señala que la concentración y cercanía de distintas actividades económicas en un mismo espacio favorecen el desarrollo económico y la creación de empleo por la reducción de costes de producción, desplazamiento o la posibilidad de intercambio de recursos, información e innovación (Glaeser y Khan, 2004; Glaeser y Gottlieb, 2009). A ello se le añade, a partir de algunas críticas a esta perspectiva, la importancia de la especialización productiva, y en particular, el peso de actividades ligadas a la creatividad, la innovación y la tecnología (Camagni et al., 2015; Dijkstra et al., 2013), de manera que los efectos de la aglomeración urbana serían más evidentes cuando esta especialización existe. De ahí se derivaría que contextos territoriales que combinen ambas cuestiones aguantarían mejor el envite de disrupciones económicas y enfrentarían mejor el posterior periodo de recuperación; o más llanamente, serían más resilientes respecto a situaciones de crisis (Brakmana et al., 2015).
Ahora bien, las aglomeraciones urbanas pueden suponer también espacios en los que el impacto de tales fenómenos se traduzca en un aumento de desigualdades y de la vulnerabilidad en comparación a otros ámbitos territoriales. En este sentido, la ya clásica perspectiva de la ‘ciudad global’ sostienen que en este tipo de contextos socio-espaciales se producirían intensos procesos de desigualdad entre grupos sociales centrados en las actividades características de los flujos económicos internacionales y grupos centrados en actividades de servicios que requieren baja cualificación (Sassen, 1991), o incluso, el aislamiento de grupos sociales desfavorecidos por la progresiva ausencia de los clásicos trabajos industriales, tal y como apunta la tesis del aislamiento de los barrios más vulnerables en las grandes ciudades propuesta por Wilson (1987) . En el mismo sentido apuntan, por ejemplo, las aportaciones de Scott (2008) sobre el papel de las actividades creativas en la aparición de grandes ciudades-región como motores de la economía en las que se producen crecientes procesos de vulnerabilidad y desigualdad social. Cabría suponer, pues, que tales procesos de desigualdad pudieran incrementarse como consecuencia de la crisis económica, y con ello, los niveles de vulnerabilidad en comparación con otros ámbitos menos expuestos a la globalización; sin menoscabo de otros rasgos específicos de cada contexto socio-espacial en particular (historia, políticas públicas,…) que pueden dar cuenta de diferencias entre ellos, y en particular, procesos específicos de segregación residencial en el caso de las áreas urbanas (Van Kempe, 2007).
La combinación de ambas aportaciones analíticas supone que los ámbitos urbanos, o mejor, aquellos espacios que por la concentración y volumen de población y actividades suponen economías de aglomeración, presentarán tanto oportunidades como riesgos para el desarrollo territorial sostenible, en general; así como respecto al impacto de procesos disruptivos como la Gran Recesión, en particular. Es en este sentido, el informe Urban Europe de la Unión Europea se refiere al fenómeno de la ‘paradoja urbana’: los espacios urbanos en Europa destacan por el nivel de ingresos de sus residentes, su capital humano o mayores tasas de empleo, pero enfrentan en mayor medida que en los espacios rurales riegos relacionados con factores de vulnerabilidad como un acceso a la vivienda, más criminalidad o el deterioro del medio ambiente (European Union, 2016).
Pero, ¿cuál fue el efecto de la Gran Recesión en espacios rurales y urbanos? Partiendo de la tesis de la economía de la aglomeración, Dikjstra et al. (2015) analizan el impacto de la Gran Recesión en las regiones de la Unión Europeas clasificadas según prevalezcan en ellas espacios rurales, intermedios y urbanos, definidos principalmente por su densidad demográfica y su contigüidad territorial. Aunque argumenta que, precisamente los rasgos que caracterizarían las grandes aglomeraciones urbanas, y en particular, su especialización productiva, podrían hacerlas foco de un mayor impacto de la crisis. Básicamente concluyen que los espacios urbanos sufrieron con mayor intensidad la crisis, tanto en términos de crecimiento económico, como en pérdida de empleo, pero también que supusieron el contexto territorial que mejor reaccionó frente a la crisis, y en especial, respecto a áreas rurales cercanas a espacios urbanos.
Una conclusión similar es propuesta por Capello et al. (2015) mediante un ejercicio de modelización prospectiva sobre los efectos de la crisis y la posterior recuperación entre 1995 y 2020. Para ello utilizan dos clasificaciones. Una de ellas distingue entre regiones en cuyo territorio predominan grandes aglomeraciones urbanas, zonas urbanas o áreas eminentemente rurales según criterios de tamaño y densidad demográfica. La otra toma la delimitación de las áreas urbanas funcionales, el proxy de la Unión Europea a la idea de las áreas metropolitanas, y distingue las que se denomina MEGA del resto, siendo éstas las que destacan por su concentración de población, accesibilidad y su especialización en actividades ligadas a los procesos económicos a escala global. Su modelización muestra la heterogeneidad de los efectos de la crisis económica, a saber: su mayor incidencia y peor recuperación posterior en regiones del sur de Europa, y especialmente, aquellas eminentemente rurales, así como el rol de las grandes aglomeraciones urbanas (megas), que sufrieron en menor medida la crisis que otras aglomeraciones urbanas y presentarían un mejor escenario de recuperación. No se trataría, pues, únicamente de aglomeración urbana sino también de las actividades que en éstas se desarrollan. En este sentido, Brakmana et al (2015) muestran que en aquellas regiones europeas donde la población se concentra en mayor medida en áreas metropolitanas (commuting areas) y donde existe un mayor grado de especialización en actividades ligadas a la tecnología, el impacto de la crisis fue menor.
Algunos estudios sobre el efecto de la crisis en las ciudades y áreas urbanas funcionales en España muestran un impacto diferencial en las mismas. Royuela et al. (2017) muestran como las áreas urbanas funcionales de mayor población iniciaron la recuperación antes y con más intensidad. Murias y Martínez-Roget (2021) , en su análisis de las 22 ciudades de mayor tamaño demográfico en España, muestran que las más resilientes frente a la crisis fueron aquellas cuyos mercados de trabajo destacaban por la formación académica y su especialización en funciones diferentes a la construcción (como I+D+I o turismo). Caravaca et al. (2017) muestran como la pérdida de empleo ocasionada por la crisis se centró, especialmente, en las ciudades de 20 mil o más habitantes, y en particular, aquellas con mayor especialización en el sector de la construcción, aunque posteriormente también se hiciese evidente en aquellas con mayor presencia del sector servicios. En este sentido, Rubiales (2016) muestra que las zonas más afectadas por la crisis en las áreas metropolitanas de Madrid y Barcelona son los que ya presentaban características socio-económicas más desfavorables antes de que ésta se produjera.
Respecto a la diferencia entre ámbitos rurales y urbanos, Camarero (2022) , a partir del análisis de la serie del indicador AROPE y sus tres componentes para la medición de la exclusión social que proporciona la Encuesta de Condiciones de Vida, muestra que los niveles de exclusión social en las áreas urbanas han ido aumentando entre 2004 y 2020, a diferencia de la estabilidad que presentan las áreas rurales. Y en particular, que ello no se debe tanto al empleo, sino al incremento constante de las personas en umbral de pobreza en los ámbitos urbanos.
El análisis de Martínez y Navarro (2016) de esa misma encuesta entre 2008 y 2012, muestra que en las áreas urbanas (zonas densamente pobladas) es mayor el número de hogares en situación de pobreza, que enfrentan situaciones de privación material y aquellos que enfrentan ambas situaciones a la vez, en lo que cuenta, no sólo el desempleo de larga duración, sino también el régimen de propiedad de la vivienda, y en particular, el hecho de pagar un alquiler, que, además, aumenta su efecto sobre la pobreza y la privación al comparar el inicio y el final del periodo analizado.
Haciendo uso de la misma fuente, y mediante la aplicación de latent class models, Ayala et al. (2021) analizan el efecto de la crisis sobre la calidad de vida en las áreas urbanas, intermedias y rurales definidas por su densidad de población, así como diferentes tipos de áreas rurales según su especialización productiva y orografía. Muestran que la vulnerabilidad es mayor en las zonas intermedias que en las grandes áreas urbanas, así como las diferencias entre distintos tipos rurales, donde destacan por su vulnerabilidad las zonas de montaña. A ello añaden que en éstas el incremento de la vulnerabilidad se relaciona menos con los ingresos y la pobreza que en las áreas urbanas e intermedias, apuntando también las ventajas de la cercanía a grandes áreas urbanas por parte de zonas rurales. En el mismo sentido apunta el trabajo de Dikjstra et al. (2013, 2015) para el conjunto de la Unión Europea o el análisis de Gutiérrez y Rubiera (2017) sobre la evolución de los salarios en espacios urbanos y rurales, en línea con los argumentos más clásicas de la perspectiva de las aglomeraciones urbanas (Glaeser y Gottlieb, 2009).
En su conjunto, los estudios revisados parecen apuntar a algunas de las ideas de la tesis de la aglomeración urbana. Por un lado, que estas producen efectos positivos en el crecimiento económico y el empleo cuando se combina aglomeración y especialización productiva (principalmente, respecto a la tecnología, la investigación y el desarrollo), haciendo de las grandes aglomeraciones urbanas contextos más resilientes respecto a la crisis. Por otro lado, que esto pudiera hacerlas más susceptibles de sufrir en primer lugar los impactos de fenómenos disruptivos ligados a la economía dada su mayor dependencia de los flujos económicos a nivel internacional, aunque posteriormente aceleren su recuperación. Pero, también, que estos factores que las hacen más resilientes respecto a indicadores relativos al crecimiento económico pudieran ser, asimismo, elementos que dieran cuenta de un aumento de desigualdades sociales en las áreas urbanas y el consecuente deterioro de las condiciones de vida, en especial, en los territorios y entre los sectores de población que ya eran vulnerables previamente a la crisis.
Metodología: definición de contextos socio-espaciales, indicadores y análisis de efectos contextuales
En trabajos mencionados previamente sobre el efecto de la Gran Recesión se aplican diferentes criterios y escalas territoriales para referirse a espacios rurales y urbanos. Así, por ejemplo, en los trabajos de sobre la UE se utilizan clasificaciones que diferencian entre espacios urbanos, intermedios y rurales según densidad de población a escala regional o provincial, o de forma más específica, entre áreas rurales y distintos tipos de aglomeraciones urbanas según su tamaño y dinamismo socio-económico. En los estudios revisados para el caso español se suele considerar, mayoritariamente, el tamaño y la densidad demográficas para delimitar espacios rurales y urbanos, así como algunas especificaciones en el seno de éstos.
Para aportar evidencias sobre la heterogeneidad espacial del impacto de la Gran Recesión, en este trabajo utilizaremos la propuesta de delimitación de áreas metropolitanas realizada por Feria (2008) para el caso español. Estas se configuran mediante el análisis de los flujos residencia-trabajo entre municipios colindantes; en línea con las clasificaciones utilizadas en los estudios realizados para la UE o Norteamérica. En total, se delimitan para el año 2001 un total de 46 áreas metropolitanas de diferente tamaño demográfico
1
.
A partir de esta clasificación se han definidos tres tipos de territorios como contextos o ámbitos socio-espaciales específicos: las 12 grandes áreas metropolitanas que en el año 2001 agrupan a 500 mil o más habitantes, aquellas que tienen menos de 500 mil habitantes y, por último, el resto del territorio; esto es, aquellos municipios que, con independencia de su densidad o tamaño demográfico, no están ligados a otros a través de flujos de residencia-trabajo para conformar una aglomeración urbana. Por tanto, se asume que en este último tipo de territorio tendría menor presencia los procesos característicos propios de las grandes áreas urbanas. Con esta clasificación se pretende, pues, realizar un acercamiento al territorio como estructura de oportunidades socio-espacial que considere la intensidad del fenómeno de la aglomeración urbana para estudiar si estas oportunidades pudieran haber condicionado los efectos de la crisis económica de 2008 sobre el empleo, la situación material de los hogares y la calidad de vida relacionada con la salud.
Tal y como puede apreciarse en la tabla 1, los municipios integrados en las áreas metropolitanas, y en particular, aquellas que suponen una población de 5000 mil o más habitantes, suponían espacios de dinamismo socio-económico a inicios de los años 2000. Destacan tanto por su capital humano, en términos del porcentaje de población con estudios universitarios sobre total de población ocupada, por el porcentaje de población ocupada que desarrolla actividades en el sector de innovación tecnológica o aquella que desempeña ocupaciones creativas, así como por la densidad de oportunidades de consumo cultural
2
. Se trata, pues, de espacios que suponen aglomeraciones urbanas que destacan por su tamaño demográfico y por su especialización productiva ligada a la innovación, la creatividad y las oportunidades de consumo cultural.
Tabla 1 Contextos espaciales metropolitanos y no metropolitanos: caracterización básica en 2001
| |
¿Área metropolitana? |
|
|
|
|
|
|
Total |
| |
No |
|
Si > 500 mil habitantes | | Si > 500 mil habitantes | | | |
| | Media | Desv. típ. | Media | Desv. típ. | Media | Desv. típ. | Media | Desv. típ. |
| Población residente 2001 | 1965,0 | 5529,8 | 15266,2 | 41878,5 | 28551,1 | 141833,2 | 5017,6 | 42604,8 |
| Crecimiento población residente 1991-2001 | -5,7 | 23,8 | 19,5 | 41,8 | 38,8 | 114,2 | -0,4 | 42,6 |
| Ocupados con estudios superiores (%) | 13,1 | 7,2 | 15,6 | 7,4 | 17,4 | 9,3 | 13,6 | 7,5 |
| Ocupados en sectores de desarrollo tecnológico (%) | 2,8 | 3,5 | 3,9 | 3,5 | 6,2 | 4,2 | 3,2 | 3,7 |
| Ocupaciones creativas sobre población ocupada (%) | 13,4 | 7,4 | 18,1 | 6,2 | 21,3 | 9,1 | 14,4 | 7,8 |
| Cultura y entretenimiento (empleados por 1000 habitantes) | 25,8 | 18,5 | 40,0 | 14,0 | 40,1 | 11,9 | 27,9 | 18,5 |
| Número de municipios | 6880 | | 566 | | 662 | | 8108 | |
Al mismo tiempo puede apreciarse que en los tres ámbitos también existe cierta heterogeneidad. Por un lado, en lo que se refiere a la densidad y tamaño demográfico municipales, pues, como es sabido, las áreas metropolitanas pueden incluir, además de sus ciudades centrales, otros centros urbanos y municipios de distinto tamaño y densidad demográficos, y los ámbitos no metropolitanos incluyen tanto municipios de tamaño reducido, como también algunos de mayor tamaño que no configuran en torno a ellos un espacio o aglomeración urbana. Por otro lado, porque las áreas metropolitanas incluyen diferentes realidades municipales en atención a la composición social de los municipios (niveles de estudio, ocupación o nacionalidad de sus residentes), la estructura de ingresos y la orientación del gasto de sus gobiernos locales hacia políticas de desarrollo o de carácter redistributivo (Navarro, 2013; Navarro et al., 2017). A este respecto, también los espacios no metropolitanos presentan diferencias en su composición social u otros rasgos que pueden dar cuenta de su resiliencia respecto a la crisis (Sánchez-Zamora et al., 2014). Por tanto, se supone que los municipios integrados en cada ámbito definido -y sus residentes- comparten el hecho de situarse en un contexto socio-espacial que está sujeto -o no- a las dinámicas -positivas y negativas- que suponen las aglomeraciones urbanas, con cierta independencia de su tamaño, densidad demográficas o composición social.
Para analizar el impacto diferencial de la Gran Recesión en cada uno de estos tres contextos se utilizarán datos georreferenciados de la Encuesta de Condiciones de Vida que realiza el Instituto Nacional de Estadística para las diferentes olas entre 2004 a 2017 (ECV, en adelante). Como es sabido, esta fuente proporciona información sensible a los efectos potenciales de la Gran Recesión a nivel de personas y hogares, a la vez que cuenta con tamaños muestrales que permite realizar comparaciones en el tiempo y entre diferentes contextos socio-especiales. Se trata, pues, de una fuente que permite realizar análisis contextuales para conocer la influencia de ciertos rasgos del contexto donde se sitúan personas y hogares sobre indicadores de vulnerabilidad social, con cierta independencia de los rasgos de éstos; esto es, la existencia de ‘efectos contextuales’ diferentes de los ‘efectos de composición social’ ligados a rasgos de las personas (y hogares) situadas en los mismos (Blalock, 1984). En nuestros análisis, tales contextos serán el periodo (año) de realización de la ECV y el contexto socio-especial en el que residen personas y hogares que participan en esta encuesta.
Para conocer el efecto de la Gran Recesión se tomarán indicadores referidos a tres aspectos ligados a la calidad de vida y que son comunes en el estudio de la vulnerabilidad y desigualdades sociales: el empleo, la privación material de los hogares y la salud de la población. En primer lugar, dado que la Gran Recesión tuvo una de sus manifestaciones más relevantes en España en la pérdida de empleo, se analizará si la persona entrevista estaba ocupada o desempleada en el momento de la realización de la encuesta (desempleado/a=0, ocupado/a=1). Además, se considerará si la relación laboral de las personas ocupadas era mediante una contratación indefinida o no (valores 1 y 0, respectivamente). En segundo lugar, se considerará si los hogares se encuentra -o no- en una situación de privación material severa, tal y como la define el INE y que responde al marco europeo de medición de este fenómeno (Guio et al., 2017). Este indicador está estrechamente relacionado con la calidad de vida de los hogares y sus miembros (Tøge y Bell, 2016). Por último, atenderemos al estado de salud, habida cuenta de que supone un aspecto esencial de calidad de vida dada su dependencia de las condicionantes sociales y, por tanto, algunos indicadores relacionados con la salud pueden ser sensibles a los efectos derivados de las fluctuaciones macroeconómicas (Dávila y González, 2009; Karanikolos et al., 2013). En concreto, se han considerado tres indicadores. Por un lado, la buena salud auto perciba, medida a partir de la pregunta sobre la autovaloración del estado de salud que incluye la encuesta (agrupada en dos categorías: muy mal, mala y regular=0; buena y muy buena=1). Por otro lado, las limitaciones de las actividades de la vida diaria por algún problema de salud (ninguna limitación=0, gravemente limitado o limitado, pero no gravemente=1). Y por último, se incluye un indicador relacionado con la atención sanitaria, concretamente aproxima el hecho de no haber asistido al médico a pesar de haberlo necesitado (no se ha dado esta situación=0, si se ha dado esta situación=1).
Tal y como se ha indicado, mediante la ECV es posible conocer la existencia de efectos contextuales derivados del lugar de residencia de las personas entrevistadas (y sus hogares) con cierta independencia de sus rasgos individuales. Por tanto, a diferencia de análisis previos realizados a escala regional, provincial o tomando la información agregada para espacios rurales y urbanos (en sus diferentes definiciones: densidad, tamaño municipal…), aquí se considerarán también rasgos individuales para tratar de cerciorarnos si existen efectos contextuales derivados del periodo en el que se realiza la encuesta y del tipo de ámbito socio-espacial con independencia de tales atributos. Esto es, trataremos de conocer si existe un efecto contextual ligado al momento en el que se realiza la encuesta (‘efecto periodo’) y al lugar de residencia (‘efecto socio-espacial’), y sobre todo, si existe un efecto conjunto entre ellos a partir del cual poder aportar evidencias sobre la existencia de cambios diferenciales en los indicadores analizados a lo largo del tiempo en los diferentes ámbitos socio-espaciales analizados. De esta forma se podrá evidenciar si la tendencia de cambio entre momentos previos y posteriores a la Gran Recesión es diferente según el ámbito socio-espacial en el que residen las personas entrevistadas.
Para ello, partimos de un diseño de tendencias a partir de datos transversales recogidos en diferentes periodos temporales y se aplican modelos de regresión logística multivariable. El uso de series de encuestas transversales hace posible realizar una aproximación sobre las posibles tendencias de cambio en diferentes contextos a lo largo del tiempo, aunque presenta la limitación de que no permite realizar inferencias sobre las trayectorias individuales seguidas por las personas residentes en estos contextos, ya que para ello se requeriría un panel o cohorte de individuos seguidos a lo largo del tiempo. Aun así, este diseño representa una de las mejores alternativas posibles con la información disponible.
En los modelos de regresión se han incluido como variables de control atributos de personas y/o hogares entrevistados, además del tamaño demográfico del municipio de residencia en seis tramos (5-10 mil, 10-20 mil, 20-50 mil, 50-100 mil, 100-500 mil, y más de 500 mil). Se han incluido como variables independientes los años en que se realizan la encuesta agrupados en bienios para asegurar un tamaño de muestra suficiente y los tres tipos de ámbito socio-espacial definidos (siendo los espacios no metropolitanos la categoría de referencia en los análisis). Para conocer el efecto diferencial de la crisis en éstos se ha incluido el efecto interactivo entre ‘periodos’ y ‘ámbitos socio-espaciales’, lo que permitirá estimar si la tendencia de cambio entre el inicio y el final del periodo analizado es similar entre ellos, con independencia de los rasgos individuales -de personas u hogares- incluidos en los modelos.
Estos análisis no modelizarán, pues, el efecto curvilíneo que caracterizan el periodo de análisis, sino que compararán la tendencia resultante entre sus puntos inicial y final. Con ello se pretende evidenciar si para el conjunto del periodo analizado las diferencias existentes entre distintos contextos socio-espaciales se han mantenido similares, evidenciando que no existe heterogeneidad en tal efecto, o si se han modificado (reduciéndose o ensanchándose), evidenciando, pues, heterogeneidad en los efectos de la crisis. Para mostrar de forma descriptiva las tendencias observadas, además de los resultados de los modelos se comentará información sobre la media de cada indicador para cada contexto en tres periodos pre-crisis (2004-2008), crisis (2009-2013) y post-crisis (2014-2017) (se incluye toda la información sobre estos periodos en el anexo)
3
.
La heterogeneidad espacial del efecto de la gran recesión: entornos metropolitanos y no metropolitanos
La resiliencia de las grandes áreas metropolitanas respecto al empleo
Los modelos de regresión respecto a los dos indicadores de empleo muestran la existencia de efectos diferenciales de la crisis según contextos socio-especiales (tabla 2). Respecto a la población ocupada, se puede apreciar el descenso que se produce entre el inicio y el final del periodo que se analiza (B=-0,194). También, que las diferencias son favorables para los contextos metropolitanos frente a lo que no los son (B=0,171 y B=0,102 para áreas menores y mayores de 500 mil habitantes, respectivamente). Y, por último, que la interacción entre el efecto periodo y el efecto del contexto socio-espacial sólo es significativo para el caso de los espacios metropolitanos que tienen 500 mil o más habitantes (B=0,019). Esto indicaría que este contexto no sólo presenta niveles de ocupación más altos que los otros contextos para todo el periodo analizado, sino que además la recuperación posterior a la Gran Recesión es ligeramente más acusada (considerando los efectos de rasgos individuales como el género, la edad, el nivel educativo o la nacionalidad; ver tabla A.2 en anexo).
Tabla 2 Población ocupada y ocupados con contrato indefinido: efectos periodo y socio-espacial.
| | Población ocupada | | | Ocupados con contrato indefinido | | |
|---|
| | B | | Exp(B) | B | | Exp(B) |
|---|
| Constante | 0,070 | | 1,072 | -2,916 | *** | 0,054 |
| Tamaño hábitat | -0,024 | *** | 0,976 | 0,038 | *** | 1,038 |
| Periodos | -0,194 | *** | 0,824 | 0,029 | *** | 0,971 |
| Área metropolitana | | | | | | |
| Si < 500 mil | 0,171 | *** | 1,187 | 0,339 | *** | 1,403 |
| Si > 500 mil | 0,102 | *** | 1,107 | 0,383 | *** | 1,467 |
| Área metrop*periodos | | | | | | |
| Si < 500 mil | -0,001 | | 0,999 | 0,011 | | 1,011 |
| Si > 500 mil | 0,019 | ** | 1,019 | -2,916 | * | 0,054 |
| R2 Nagelkerke | 0,107 | | | 0,221 | | |
Esto supone que la diferencia entre espacios metropolitanos de mayor escala y los espacios no metropolitanos se ensancha al comprar periodos previos y posteriores a la Gran Recesión (Figura 1). La diferencia entre ambos era de 3,1 puntos porcentuales antes de la crisis (2004-2008), pasando a los 5,8 puntos durante el periodo posterior a ésta (2,7 y 6,3 puntos, respectivamente, si se consideran los valores estimados por el modelo de regresión que controla la existencia de efectos derivados de la composición social de los ámbitos socio-espaciales).
Figura 1 Probabilidad de estar ocupado/a según periodo y contexto socio-espacial (2004-2017)
Estimaciones del modelo de regresión: medias para cada periodo y contexto socio-espacial.
Las tendencias de cambio según contextos socio-espaciales son similares respecto a la población ocupada que tiene contrato indefinido. Para todo el periodo de análisis existen diferencias entre contextos, favorables a las áreas metropolitanas, y en especial, para las de mayor tamaño (coeficientes iguales a 0,339 y 0,383, respectivamente; tabla 2). Pero, además, la tendencia de cambio entre periodos pre y post crisis es más favorable para las segundas, tal y como muestra el efecto interactivo. Así pues, respecto a este indicador también cabe hablar de cierto distanciamiento entre contextos socio-espaciales, pues en las grandes áreas metropolitanas no sólo es mayor a probabilidad de encontrar población ocupada con contrato indefinido, sino que además su crecimiento se distancia ligeramente de los entornos no metropolitanos (Figura 2). Al comparar el inicio con el final del periodo de estudio, las diferencias entre entornos no metropolitanos y metropolitanos pasan de 12,8 puntos a 14,4 puntos porcentuales (ver tabla A.1 en anexo).
Figura 2. Probabilidad de tener un contrato indefinido según periodo y contexto socio-espacial (2004-2017)
Estimaciones del modelo de regresión: medias para cada periodo y contexto socio-espacial.
Tal y como se apuntaba más arriba, la más rápida recuperación del empleo en los ámbitos urbanos es una pauta común al resto de la UE (Dijkstra et al., 2015). Ahora bien, los análisis apuntan, además, que una posible consecuencia de la Gran Recesión sea el ensanchamiento en la diferencia entre espacios metropolitanos y no metropolitanos, entre aquellos que ofrecen mejores oportunidades para adaptarse a la dinámica económica internacional dada la presencia de economías de aglomeración y especialización productiva en tecnología o consumo cultural; o incluso, entre espacios en el seno de grandes áreas metropolitanas que ya eran desiguales al iniciarse la crisis; tal y como muestra Rubiales (2016) para los casos de Madrid y Barcelona. Esto apuntaría a que las áreas urbanas, y las grandes aglomeraciones urbanas en particular, muestran mayor resiliencia respecto al impacto de la crisis en el empleo porque suponen contextos más favorables al respecto, con cierta independencia de los rasgos de la población que reside en ellos.
El desafío del aumento de la privación material en las grandes áreas metropolitanas
Como ya han mostrado otros análisis, el porcentaje de hogares con carencias severas muestra una pauta ascendente durante el periodo analizado tanto en ámbitos rurales, como urbanos (Camarero, 2022). En concreto, según la información que ofrece el INE, el porcentaje de hogares con carencias en cuatro elementos pasan del 5,2% en 2004 al 5,4 en 2017, aunque con niveles más altos en 2014 (6,6%), un momento inmediatamente posterior al de mayor incidencia de la crisis. Esto pudiera mostrar que los efectos de la crisis, en términos de erosión del empleo, se dilatan en el tiempo en cuanto a su manifestación sobre el bienestar de los hogares, y de igual modo, cabría esperar respecto a la posterior recuperación. De hecho, el nivel de privación en 2019 se sitúa en niveles parecidos al inicio del periodo analizado, según la información que ofrece el INE (4,6%).
No obstante, según el modelo de regresión realizado, que controla por el tipo de hogares y variables contextuales, la pauta general para todo el periodo analizado muestra una tendencia ligeramente ascendente (B=0,05, tabla 3). En concreto, se ha tomado como categoría de referencia aquellos hogares integrados por un adulto y niños que por su edad necesitan cuidados (si se quiere, hogares monoparentales), que es el tipo de hogar que suele presentar mayores niveles de vulnerabilidad, tal y como confirman los análisis realizados (los otros tipos de hogares presentan coeficientes negativos; ver tabla 3). También, que, en general, los hogares con mayor nivel de carencias se encuentran con mayor probabilidad en municipios de mayor tamaño demográfico y no metropolitanos. No obstante, la interacción entre el periodo y el contexto socio-espacial muestra que, a diferencia de la situación previa a la crisis, después de ésta, la probabilidad encontrar hogares en situación de privación material es algo mayor en las grandes áreas metropolitanas que en los espacios no metropolitanos.
Tabla 3 Hogares con carencias materiales severas: efectos periodo y socio-espacial (2004-2017)
Regresión logística
| | B | | Exp(B) |
|---|
| Constante | -2,482 | *** | 0,084 |
| Tipo de hogar | | | |
| Unipersonal | -0,841 | *** | 0,431 |
| Adultos sin hijos | -0,979 | *** | 0,376 |
| Adultos con hijos | -1,308 | *** | 0,270 |
| Tamaño de hábitat | 0,078 | *** | 1,081 |
| Periodos | 0,052 | *** | 1,053 |
| Área metropolitana | | | |
| Si < 500 mil | -0,410 | *** | 0,664 |
| Si > 500 mil | -0,392 | *** | 0,676 |
| Área metrop*periodos | | | |
| Si < 500 mil | 0,012 | | 1,012 |
| Si > 500 mil | 0,033 | ** | 1,033 |
| R2 Nagelkerke | 0,019 | | |
Estos resultados supondrían que después de la crisis las diferencias socio-espaciales parecen ensancharse, pero invirtiéndose respecto al inicio del periodo analizado (Figura 3). De hecho, la diferencia entre ámbitos metropolitanos de mayor tamaño y los no metropolitanos pasa de 0,4 puntos porcentuales en periodo previo a la crisis a -0,3 puntos en el periodo post-crisis (ver anexo A.2). La presencia de hogares vulnerables aumenta algo más en las grandes aglomeraciones urbanas que en los otros contexto socio-espaciales, a pesar de presentar una recuperación mejor respecto al empleo y partir de una situación ligeramente más favorable respecto a la privación de los hogares. En este sentido, análisis sobre grandes áreas urbanas en España han mostrado el aumento de las desigualdades o la segregación residencial entre 2001 y 2011 (Porcel y Antón-Alonso, 2020, 2021; Rubiales, 2016, 2020), que pudieran estar relacionado con la distancia respecto a otros contextos no metropolitanos o ámbitos metropolitanos de menor tamaño demográfico; donde ha podido ser menor el efecto del acceso a la vivienda o su relación con la pobreza en términos de ingresos (Martínez y Navarro, 2016; Ayala et al., 2021).
Figura 3. Probabilidad de la presencia de hogares con privación material severa según periodo y contexto socio-espacial (2004-2017)
Estimaciones del modelo de regresión: medias para cada periodo y contexto socio-espacial.
Mejora la salud, pero se mantiene el diferencial socio-espacial
En su conjunto, la evolución de la auto-percepción del estado de salud no parece mostrar cambios derivados de posibles efectos de la Gran Recesión, más bien describe una tendencia creciente en el porcentaje de personas que declaran tener buena o muy buena salud entre 2002 y 2017 (aproximadamente 64% y 71%, respectivamente; ver Anexo A.3). Tal y como señalan Oliva et al. (2018) , esta ausencia de efecto puede deberse al propio carácter auto-evaluativo del indicador, en la medida en que ante una situación de crisis económica la auto-evaluación de la salud tenga menor protagonismo que la que los individuos conceden de otras cuestiones. No obstante, otros estudios han mostrado el efecto de la crisis sobre otros aspectos de la salud, y en especial, la salud mental, así como sus efectos diferenciales según distintos territorios, como las Comunidades Autónomas o barrios con diferentes niveles de vulnerabilidad especialmente para aquellos subgrupos de población con menor nivel socioeconómico (Zapata-Moya et al., 2015; Zapata-Moya y Navarro, 2021)
Tabla 4 Evolución de indicadores de salud: efectos periodo y socio-espacial (2004-2017)
Regresiones logísticas
| | Auto-valoración estado salud | | | Limitación por motivos salud | | | No ha ido al médico aun necesitándolo | | |
|---|
| | B | | Exp(B) | B | | Exp(B) | B | | Exp(B) |
|---|
| Constante | 1,403 | *** | 4,068 | -1,721 | *** | 0,179 | -2,750 | *** | 0,064 |
| Tamaño hábitat | 0,000 | | 1,000 | -0,001 | | 0,999 | 0,017 | *** | 1,017 |
| Periodos | 0,080 | *** | 1,083 | -0,013 | *** | 0,987 | -0,107 | *** | 0,899 |
| Áreas metropolitanas | | | | | | | | | |
| Si < 500 mil | -0,116 | *** | 0,890 | 0,129 | *** | 1,138 | 0,062 | *** | 1,064 |
| Si > 500 mil | -0,080 | *** | 0,923 | 0,118 | *** | 1,126 | 0,278 | *** | 1,321 |
| Área metrop*periodos | | | | | | | | | |
| Si < 500 mil | 0,030 | *** | 1,030 | -0,022 | *** | 0,978 | 0,023 | *** | 1,024 |
| Si > 500 mil | 0,022 | *** | 1,022 | -0,019 | *** | 0,981 | -0,060 | *** | 0,942 |
| R Nagalkerke. | 0,311 | | | 0,294 | | | 0,031 | | |
No obstante, la información que proporciona la ECV si parece corroborar el conocido diferencial ‘rural-urbano’ respecto a la auto-percepción de la salud (Verheij, 1996; Monnat y Pickett, 2011), en nuestro caso, entre los grandes espacios metropolitanos y los que no se vinculan a un área metropolitana (Tabla 4). Aún más, los modelos de regresión también muestran que este diferencial parece ensancharse a lo largo del tiempo. Al inicio del periodo la diferencia entre grandes áreas metropolitanas y espacios no metropolitanos era de 2,5 puntos, llegando a 4,3 puntos al final de periodo analizado. Los residentes de espacios metropolitanos declaran tener mejor estado de salud que quienes residen en espacios no metropolitanos, pero, además, esta diferencia parece ensancharse entre 2004 y 2017.
Además de los conocidos efectos de las desigualdades sociales sobre la salud derivados, por ejemplo, del género, el nivel de estudios o la situación laboral (Adjei et al., 2017), los análisis multivariables confirman la mejora de la auto-percepción en salud entre 2004 y 2017 con cierta independencia de esos rasgos, así como las diferencia espaciales entre ámbitos no metropolitanos y los que sí lo son. Pero también, que la mejora en el tiempo se da en mayor medida en los espacios metropolitanos, y en particular, algo más en los de menor tamaño. Parece poder confirmarse que, aunque la pauta de mejora es generalizada, su intensidad es mayor en los espacios metropolitanos (Figura 4).
Figura 4. Probabilidad de auto-percepción de un buen estado de salud según periodos y contexto socio-espacial (2004-2017)
Estimaciones del modelo de regresión: medias para cada periodo y contexto socio-espacial.
Al menos en parte, la pauta recién comentada puede especificarse si se atiende a las personas entrevistadas que señalan que durante al menos los últimos 6 meses se han vistos limitados para realizar actividades que la gente habitualmente hace. Existe una tendencia general ligeramente descendente, pasando del 24,5% al 21,9%, pero es más pronunciada en los entornos metropolitanos, y en concreto, ligeramente superior en los de menor tamaño (tabla 4). Al comparar el inicio y el final del periodo analizado, las diferencias entre contextos metropolitanos y no metropolitanos tienden a ensancharse, apuntando, pues, a un mayor grado de limitaciones por motivos de salud en los segundos, una vez considerado posibles efectos de composición social (género, edad, nivel de estudios o situación laboral) (Figura 5). Si en el periodo anterior a la crisis, la diferencia entre ámbitos no metropolitanos y grandes áreas metropolitanas era de alrededor de 1,5 puntos, al final aumenta hasta los 3,3 puntos (ver tabla A.1 en anexo).
Figura 5. Probabilidad de sufrir limitaciones por problemas de salud según periodo y contexto socio-especial (2004-2017).
Estimaciones del modelo de regresión: medias para cada periodo y contexto socio-espacial.
Esta diferencia puede dar cuenta de los resultados respecto a la auto-percepción de la salud, aunque, quizás, también pueda deberse a una mayor dificultad de acceso a servicios, en general, y los de salud, en particular, en los ámbitos no metropolitanos. ¿Las personas que habiendo necesitado ir a consulta médica pero no lo han hecho se distribuyen por igual en los tres contextos socio-espaciales? Los resultados muestran que, en general, estas personas son cada vez un porcentaje menor a lo largo del tiempo. Ahora bien, los análisis multivariables (tabla 4), evidencian que esa pauta descendente es mucho más acelerada en el caso de las grandes aglomeraciones urbanas (Figura 6). Si en el periodo previo a la crisis la diferencia entre entorno no metropolitanos y los metropolitanos de mayor tamaño demográfico era de 1 punto superior en el segundo, en el periodo post-crisis supone una diferencia de 0,3 puntos, pero favorable para los primeros (ver tabla A.1 en anexo).
Figura 6 Probabilidad de no haber acudido al médico aun necesitándolo según periodos y contextos socio-especiales (2004-2017)
En la ECV se pregunta por las razones que han hecho que no se acuda al médico aun necesitándolo. Tal y como puede apreciarse en la tabla 5, la falta de accesibilidad no es uno de los factores más relevantes y no supone tampoco una gran diferencia entre contextos socio-espaciales; aunque, como cabría esperar, sea mayor en los contextos no metropolitanos. Más bien aparece como un factor específico en los municipios no metropolitanos frente a las listas de esperar en espacios metropolitanos de menor tamaño y la falta de tiempo por trabajo o cuidados en los de mayor tamaño. No obstante, estas razones pueden haber cambiado a lo largo del tiempo y de forma diferente en cada ámbito socio-especial. El tamaño muestral no hace aconsejable realizar análisis multivariables similares a los realizados previamente para cada una de las razones que señalan las personas entrevistadas.
Tabla 5 Razones para no acudir al médico aun necesitándolo según contextos socio-espaciales
Porcentajes sobre el total de cada contexto
| | ¿Área metropolitana? | | | |
|---|
| | No | Si < | Si > | Total |
|---|
| | | 500 mil | 500 mil | |
|---|
| No se lo puede permitir | 5,3 | 5,6 | 4,7 | 5,1 |
| Estaba en una lista de espera o no tenía volante | 7,8 | 9,3 | 8,2 | 8,3 |
| No disponía de tiempo debido al trabajo, al cuidado de niños o de otras personas | 25,2 | 27,3 | 29,8 | 27,6 |
| Demasiado lejos para viajar/sin medios de transporte | 3,3 | 1,1 | 1,1 | 1,9 |
| Miedo a los médicos, a los hospitales | 8,4 | 7,4 | 7,2 | 7,7 |
| Quiso esperar y ver si el problema mejoraba por sí solo | 35,9 | 34,1 | 30,5 | 33,3 |
| No conoce a ningún médico o especialista | 1,1 | 1,0 | 0,6 | 0,9 |
| Otras razones | 13,1 | 14,1 | 17,8 | 15,2 |
| Total | 100,0 | 100,0 | 100,0 | 100,0 |
| | 6554 | 5069 | 7498 | 19120 |
