Introducción

La literatura sobre cambio tecnológico ha prestado atención recientemente a la tensión entre la reestructuración del espacio resultante de la difusión de nuevas tecnologías transversales y ciertas inercias que explican la persistencia de los patrones de especialización existentes en las estructuras productivas regionales (^{Martin y Sunley, 2006}). Según los trabajos seminales de la literatura crítica sobre economía regional, el espacio geográfico se va (re)configurando como una entidad compuesta en la que coexisten remanentes del pasado con elementos de lo nuevo (^{Massey, 1995}).

De esta manera, aun cuando las estructuras productivas regionales tienden a modificarse por cambios en el modo u organización de la producción o por innovaciones tecnológicas mayores, los patrones de especialización tienden a autorreproducirse en lo que la literatura neoschumpeteriana ha denominado procesos dependientes de la trayectoria (path dependence)(^{Martin y Sunley, 2006}).

Apoyados en distintos indicadores, ciertos trabajos han prestado atención a la importancia de estos procesos de inercia en las estructuras productivas. Al respecto, han planteado que las nuevas tecnologías no necesariamente tienden a cambios drásticos y que las regiones que más posibilidades tienen de expandirse mediante el cambio tecnológico son las que cuentan con mayor diversificación en actividades relacionadas, esto es, en las que existe similitud y complementariedad entre las bases de conocimiento tecnológico de distintas ramas de una misma industria (^{Frenken et al., 2007}). Según esta literatura, la difusión (spillovers, ‘derrames’) de conocimiento tecnológico a escala regional requiere que las actividades productivas sean tecnológicamente cercanas. En ese sentido, la diversidad relacionada es la que promovería el crecimiento mediante la creación de nuevas empresas y empleos en las regiones.

Un aspecto no estudiado por esta literatura es el papel central que, dado su potencial de generar rendimientos crecientes externos, tienen ciertos sectores en la difusión intersectorial de los paradigmas tecno-económicos (^{Free­man y Perez, 1988}).

En este sentido, trabajos empíricos sobre países desarrollados estudiaron los sectores de proveedores especializados en las ramas de ingeniería asociadas a la metalmecánica o ciertas actividades ligadas a las tecnologías de la información y la comunicación (TIC), como los servicios de softwaree informática que, al generar la difusión intersectorial de tecnología, pueden reforzar los efectos de la diversificación productiva (^{Bell y Pavitt, 1993}; ^{Pavitt, 1984}).

Ciertos trabajos de la Cepal buscaron incorporar estos hallazgos en el análisis de las dinámicas industriales de los países en desarrollo, a fin de dar cuenta del papel de estas actividades en el cambio estructural en América Latina (^{Katz y Stumpo, 2001}). En particular, en estructuras productivas regionales con alta especialización en sectores vinculados a las materias primas y con altos grados de heterogeneidad estructural, como es el caso de Argentina, cabe indagar si estas ramas, que operan como vectores de difusión intersectorial del progreso técnico, refuerzan los aumentos de productividad y de empleo regional.

En la Argentina, existen pocos trabajos empíricos que hayan estudiado los efectos de la diversidad productiva en el desarrollo (^{Belmartino y Calá, 2020}; ^{Rotondo et al., 2016}). En este sentido, el presente trabajo se propone profundizar en esta línea de investigación empírica a partir de incorporar el efecto de la diversificación relacionada y no relacionada en la expansión de distintas regiones y de examinar cómo estos procesos pueden ser reforzados por la presencia de sectores difusores del progreso técnico. A tal fin, se recurre a la base de datos sobre empleo industrial en 85 áreas económicas locales (AEL), elaborada por el Observatorio de Empleo y Dinámica Empresarial (OEDE) del Ministerio de Trabajo, Empleo y Seguridad Social de Argentina (MTEySS) a partir de los registros del Sistema Integrado Previsional Argentino (SIPA).

Este trabajo se organiza de la siguiente manera. En la sección I, se presenta el marco conceptual para el estudio de los efectos de la diversidad relacionada y no relacionada. En la sección II, se hace una revisión de los trabajos empíricos que, a partir de indicadores de entropía, estimaron estos efectos. Luego se presentan las hipótesis (sección III), la metodología (sección IV) y los resultados obtenidos (sección V). Finalmente, se ofrece una discusión sucinta sobre los principales resultados e interrogantes de investigación futura (sección VI).

I. Marco conceptual

La relación entre diversidad productiva y desarrollo económico es una cuestión que ha despertado en años recientes un renovado interés en la literatura sobre el desarrollo regional de los países desarrollados. El tratamiento regional de esta cuestión se centra en las externalidades derivadas de las economías de aglomeración o localización y, principalmente, en los derrames (spillovers) de conocimiento tecnológico entre empresas y actividades localizadas espacialmente.

Según esta literatura, es posible distinguir varios tipos de relaciones entre la diversificación de la estructura productiva y el desarrollo económico, dependiendo de si involucra cambios en la estructura productiva de largo plazo o si se focaliza en los efectos de externalidades tecnológicas y pecuniarias para una estructura dada en el mediano plazo.

En la primera perspectiva, el aumento de la diversidad de actividades contrarresta el efecto del progreso técnico sobre el desempleo y, de esta manera evita (o posterga), el estancamiento (^{Pasinetti, 2009}). Según este enfoque, la diversificación productiva, al aumentar la cantidad de sectores, permite absorber a los trabajadores que quedan ociosos debido al aumento de la productividad y a la saturación de los sectores a medida que maduran. Este vínculo de largo plazo entre aumento de la diversidad y crecimiento económico da cuenta de los procesos desiguales de desarrollo urbano-regional propios de la industria­lización clásica. Mientras que la diversificación industrial se localizaba generalmente en las áreas urbanas, las amplias áreas rurales quedaban encerradas en una especialización basada en actividades con menores ritmos de aumento de la productividad y elasticidad de la demanda. Si bien estos procesos son de indudable importancia en el periodo de posguerra, la experiencia reciente permite preguntarse si, incluso en regiones alejadas de las grandes metrópolis, se manifiestan procesos de diversificación en actividades conexas a actividades rurales con potencial para aumentar el empleo y la productividad.

En el caso de Argentina, caracterizada por una estructura productiva regional altamente desigual, ciertos trabajos reflejan que la desindustrialización temprana se tradujo en procesos incompletos de diversificación industrial en las regiones con una base industrial mayor, al tiempo que las regiones con industrias de menor tamaño avanzaban hacia una diversificación en actividades conexas a la agricultura y a otras actividades intensivas en recursos naturales (^{Rotondo et al., 2016}).

En la segunda perspectiva, la de mediano plazo, ciertos trabajos sobre países desarrollados han estudiado los efectos de la diversidad regional sobre el desarrollo (^{Boschma et al., 2012}; ^{Boschma y Iammarino, 2009}; ^{Frenken et al., 2007}; ^{Hartog et al., 2012}). Para ello, prestan atención al papel que pueden tener los derrames (spillovers) de conocimiento tecnológico entre firmas colocalizadas que pertenecen a actividades tecnológicamente similares, y, por lo tanto, agrupadas en un mismo sector, y entre firmas pertenecientes a distintos sectores de las actividades manufactureras y de servicios. Distinguen, entonces, dos tipos de diversidad en la estructura productiva regional.

Diversidad relacionada (DR). Más allá de los límites empíricos que plantea la asimilación de un sector a un conjunto de actividades tecnológicamente similares, la existencia de “diversidad relacionada” parte del supuesto de que empresas que pertenecen a distintas ramas dentro de un mismo sector más agregado (en grado decreciente con la agregación) comparten capacidades y conocimientos propios de sus actividades específicas (por ejemplo, una autopartista y una empresa de maquinaria agrícola, que pertenecen ambas al sector metalmecánico). Este efecto de externalidades se inspira en los aportes del desarrollo urbano, que luego fueron adoptados por la literatura sobre desarrollo económico regional para indicar que, cuando la variedad es relacionada, tiene efectos sobre la posibilidad de expandir la productividad y el empleo (^{Jacobs, 1969}). Un aspecto de esta relación entre variedad y desarrollo es que ella solo opera cuando existen complementariedades tecnológicas entre actividades, de modo que una región que cuenta con un conjunto de actividades complementarias tendrá un mayor crecimiento que otra que carece de ellas.

Diversidad no relacionada (DnR). Un segundo tipo de relación entre diversidad y desarrollo hace menos hincapié en los aspectos asociados a las externalidades de conocimiento y, en su lugar, asimila la variedad a una cartera de inversiones. En este sentido, se sostiene que aquellas regiones con una mayor diversidad de actividades poseen mayores probabilidades de mantener el crecimiento y el empleo (o de contener el desempleo) ante las fluctuaciones macroeconómicas en comparación con una región especializada en unas pocas actividades. Esta perspectiva, como se verá más adelante, será sumamente relevante en el contexto de un país como la Argentina, en el que las amplias fluctuaciones macroeconómicas condicionan cualquier estrategia de desarrollo regional al truncar las capacidades tecno-productivas acumuladas en los periodos de expansión. Cabe esperar que esta diversificación, aunque no se sustenta en complementariedades y en la generación de nuevas capacidades, permita mantener, en contextos recesivos, las capacidades acumuladas previamente como consecuencia de una mayor probabilidad de supervivencia a choques externos adversos.

Estas explicaciones del vínculo entre diversificación y crecimiento regional se circunscriben a periodos temporales en los que es muy difícil que se produzcan procesos de cambio estructural. En ese plazo temporal, dicho vínculo genera posibilidades de aumento en la productividad o en el empleo basadas en la existencia de complementariedades entre actividades tecnológicamente más o menos próximas, debidas a aprendizajes tecnológicos en procesos o en productos de carácter incremental. De la misma manera, en el mediano plazo, es posible que una estructura productiva con un determinado grado de diversidad tenga mayores probabilidades de resistir al mayor desempleo causado por factores macroeconómicos de demanda efectiva que a problemas de desempleo estructural.

Un aspecto que no es analizado por la literatura sobre diversidad y desarrollo en los países industrializados es el patrón de especialización sectorial de las distintas regiones y cómo este puede reforzar los efectos de la diversificación en el aumento del empleo y de la productividad. En los países industrializados con estructuras productivas diversas y con bajos grados de heterogeneidad, el aumento no es bloqueado por factores estructurales. En contraste, en países con una alta especialización en materias primas y altos grados de heterogeneidad, es muy posible que las regiones encuentren límites asociados a la debilidad de los procesos endógenos de difusión intersectorial del conocimiento y progreso técnicos.

La Cepal ha estudiado esta cuestión en los países de América Latina. Ha dado así lugar a estudios sobre las implicaciones regionales de la heterogeneidad y de los procesos incipientes de cambio estructural (^{Riffo, 2013}). En esta perspectiva, es de esperar que, en estructuras productivas heterogéneas como la de Argentina, la especialización de las regiones en actividades manufactureras intensivas en recursos naturales, especialmente en materias primas agrícolas, condicione la evolución del empleo y la productividad.

Ciertos trabajos sostienen que en la industria manufacturera hay sectores con mayor potencial de difusión intersectorial de tecnología que facilitan avanzar en el proceso de cambio estructural (^{Katz y Stumpo, 2001}).

A partir de estos trabajos, cabe indagar sobre cómo distintos patrones sectoriales de innovación afectan las dinámicas regionales. Según Pavitt (¹⁹⁸⁴), los sectores de proveedores especializados, en los que predominan las capacidades ingenieriles, tienen el potencial de generar efectos transversales. Bell y Pavitt (¹⁹⁹³), frente a la difusión de nuevos paradigmas tecnológicos asociados a las TIC, plantean que las actividades intensivas en estas nuevas tecnologías también pueden tener ese papel.

En ese sentido, mientras que los paradigmas tecno-económicos prevalecientes desde el siglo XIX se apoyaron en ramas de la ingeniería intensivas en producción de máquinas (y en particular máquinas-herramienta) como sectores difusores del progreso técnico, gracias a la difusión de las TIC como nueva tecnología transversal, las nuevas ramas de la microelectrónica y del software se constituyen como vectores de la difusión tecnológica en los sectores tradicionales. Esto lleva a indagar sobre si la especialización en sectores intensivos en ingeniería, propia del paradigma del motor de combustión, o en los servicios intensivos en información (como el software), propia del paradigma de las TIC, refuerzan los efectos de la diversificación regional, dado su papel como vectores de difusión de las tecnologías transversales.

En la Argentina existen trabajos que han estudiado la incorporación de tecnologías transversales a la estructura productiva tradicional⁷. Al respecto, se ha señalado que los procesos de difusión intersectorial de tecnología en tramas industriales tradicionales requieren capacidades de absorción de tecnología y articulación entre firmas de distintas ramas (^{Barletta et al., 2013}; ^{Barletta et al., 2012}; ^{Lavarello, et al., 2010}; ^{Yoguel, et al., 2008}).

Esta investigación busca complementar estos resultados, examinando si los sectores difusores de conocimiento refuerzan los efectos de aprendizaje señalados por esta literatura según distintos grados de diversidad relacionada (DR) o no relacionada (DnR). Por ejemplo, en una estructura productiva regional con alta variedad no relacionada de actividades de la trama automotriz (o de maquinaria agrícola) y del sector de la electrónica, la presencia de actividades de software y de sistemas para la automatización de procesos puede reforzar la presencia de externalidades intersectoriales y contribuir así al aumento de la productividad y del empleo en la trama regional.

Por último, cabe mencionar que, dada la importancia en Argentina de sectores que utilizan procesos biológicos (actividades agropecuarias o procesos de fermentación y/o cultivo celular en las industrias farmacéutica y alimentaria), convendría interrogarse sobre el papel de nuevas ramas difusoras de las técnicas biotecnológicas. No obstante, existen razones asociadas, por un lado, al grado de difusión de las biotecnologías como actividad transversal y, por el otro, a la ausencia de fuentes de información sectorial desagregadas de estas actividades que impiden captar sus efectos.

En los últimos años, en la literatura se ha desarrollado un debate sobre la posibilidad de que esté emergiendo, de forma paralela al paradigma tecno-económico de las TIC, un nuevo paradigma tecno-económico asociado a la biotecnología (^{Tylecote, 2019}). Al respecto, la existencia de desajustes entre las nuevas tecnologías y las instituciones ha limitado la difusión transversal de su enorme potencial, lo que ha limitado su radio de acción a actividades de base biológica.

II. Antecedentes empíricos y metodológicos

Desde el punto de vista metodológico, el trabajo de Frenken et al. (²⁰⁰⁷) introduce como novedad la utilización del indicador propuesto por Theil, basado en la entropía⁸, para estimar el grado de diversidad productiva de las regiones. Su principal ventaja frente a los indicadores tradicionales de diversificación, como el índice de HH o el de especialización relativa, es que permite descomponer la diversidad productiva de una región (D) en dos clases, con cierta independencia potencial en su comportamiento, que se corresponden con los dos tipos de diversidad mencionados en la sección anterior: diversidad relacionada (DR) y diversidad no relacionada (DnR). De este modo, la diversidad productiva total entre actividades en una región viene dada por la ecuación 1:

1

Donde i es cada una de las / actividades productivas consideradas⁹ y p_i es el peso de estas en el empleo total de la región. En esta investigación, las actividades corresponden a aquellas identificadas con códigos de 4 dígitos en la Clasificación Industrial Internacional Uniforme, revisión 3 (CIIU, rev. 3)¹⁰.

Por su parte, la DnR de una región se mide usando la misma fórmula, pero evaluada en el nivel de agregación sectorial mayor, es decir, usando la ecuación 2:

2

Donde j identifica a los J sectores productivos (que en esta investigación corresponden a los códigos de 2 dígitos de la CIIU, rev. 3). Cada sector j agrupa un subconjunto (S_j) de i actividades¹¹. Por su parte, P_j es el peso del empleo del sector j en el empleo total de la región: Esto significa que el peso de un cierto sector en el empleo de la región equivale a la sumatoria del peso de las actividades agrupadas en dicho sector¹².

Finalmente, la DR consiste en la suma ponderada de los indicadores de entropía calculados para cada uno de los sectores. La ponderación se basa en el peso que posee cada sector en el empleo agregado regional. Se calcula, pues, usando la ecuación 3:

3

Donde H_j es el indicador de entropía entre actividades dentro de cada sector, el cual se estima según la ecuación 4:

4

Por lo tanto, la DR se obtiene a partir del cálculo de la diversidad entre actividades dentro de cada uno de los sectores¹³. Dicho cálculo se hace para cada sector j y, posteriormente, como muestra la ecuación 3, se suman los indicadores sectoriales de DR de acuerdo con la ponderación de cada sector en el empleo total del AEL.

De esta forma, la DR busca estimar la diversificación productiva entre actividades cercanas tecnológicamente. El supuesto es que las actividades que pertenecen a un mismo sector poseen mayor proximidad en su base de conocimientos tecnológicos que actividades que pertenecen a distintos sectores¹⁴. Por consiguiente, el indicador de DR busca estimar el potencial que posee una región para generar derrames que requieren proximidad tecnológica.

Por su parte, la DnR mide la diversidad entre sectores tecnológicamente “distantes”. Y es un indicador del grado de protección de la región frente a choques externos, de acuerdo con lo planteado en el marco teórico (sección II).

A partir del trabajo de Frenken et al. (²⁰⁰⁷), varios artículos empíricos estudiaron el impacto de la diversidad productiva en el desempeño regional. Estos trabajos comparten en común la misma motivación o inquietud de investigación (la diversidad regional), el uso de indicadores de entropía para medir la variedad en la estructura productiva y la econometría como método para comprobar sus hipótesis.

No obstante, pueden encontrarse también diferencias importantes en cuestiones metodológicas, las cuales, en algunos casos, responden a limitaciones de los datos disponibles y, en otros, a las hipótesis particulares de investigación planteadas. Estas diferencias se dan en varias dimensiones: en la variable elegida para calcular la entropía y estimar la diversificación productiva (además del empleo, se han utilizado las exportaciones y las patentes de innovaciones); en el tamaño de las regiones analizadas; en la cantidad de dígitos de la CIIU, rev. 3, considerados para identificar sectores y actividades (2, 3, 4 o 5 dígitos) y medir así la DR y la DnR; en el lapso temporal en que se observan los efectos sobre el desempeño regional; y en las variables de control incluidas en las regresiones, entre otras.

En el Cuadro 1, se presenta una lista de trabajos¹⁵ que evalúan la diversificación a través de la estructura del empleo. La lista se limita a trabajos que miden la entropía a partir del empleo, ya que esta es la variable utilizada originalmente por Frenken et al. (²⁰⁰⁷) y es la que se tomará para evaluar la estructura productiva en las regiones argentinas. Observando el cuadro, se comprueba la diversidad de criterios en los aspectos ya señalados.

En Frenken et al. (²⁰⁰⁷), el análisis se centra en los comportamientos diferenciales entre las regiones de los Países Bajos. En Europa, el tamaño de las regiones se clasifica según la nomenclatura de las unidades territoriales para estadísticas (NUTS). En el caso de Países Bajos, sus regiones son NUTS de nivel 3 (NUTS3)¹⁶: 40 regiones en el total del país.

Para medir los indicadores de diversificación (DR . DnR), Frenken et al. (²⁰⁰⁷) consideran como sectores a los códigos de 2 dígitos y como actividades a los códigos de 5 dígitos de la CIIU, rev. 3¹⁷. Las medidas de desempeño usadas son el empleo (que estaría inducido por la DR) y la tasa de desempleo (que estaría explicada por la DnR). La ventana temporal tomada por los autores es de seis años: toman los rasgos de la estructura productiva en 1996 y evalúan sus impactos sobre la variación de las variables mencionadas en el periodo 1996-2002.

Cuadro 1 Trabajos empíricos sobre diversificación relacionada y desarrollo regional*Refiere a la cantidad de dígitos de los códigos de la CIIU, rev. 3, que cada trabajo toma para identificar los sectores y las actividades. 

Fuente: elaboración propia.

Cuadro 1. Trabajos empíricos sobre diversificación relacionada y desarrollo regional (Con...)*Refiere a la cantidad de dígitos de los códigos de la CIIU, rev. 3, que cada trabajo toma para identificar los sectores y las actividades. 

Fuente: elaboración propia.

Cuadro 1. Trabajos empíricos sobre diversificación relacionada y desarrollo regional (Con...)* Refiere a la cantidad de dígitos de los códigos de la CIIU, rev. 3, que cada trabajo toma para identificar los sectores y las actividades. 

Fuente: elaboración propia.

El resto de los trabajos presentan matices al no mantener los mismos criterios de Frenken et al. (2007).

En primer lugar, se pueden constatar diferencias en cuanto a la cantidad de dígitos de los códigos de la CIIU, rev. 3, que toman para identificar lo que consideran actividades y sectores y para medir así la diversidad productiva regional. Hartog et al. (²⁰¹²) es el único trabajo que mantiene el criterio de Frenken et al. (²⁰⁰⁷). Por su parte, Falcıoğlu (²⁰¹¹) considera como actividades los códigos de 3 dígitos; Bishop y Gripaios (²⁰¹⁰) y Oort et al. (²⁰¹⁵) toman los códigos de 4 dígitos para identificar las actividades; y Cortinovis y van Oort (²⁰¹⁵) identifican las actividades como los códigos de 2 dígitos y los sectores como las secciones de dicha clasificación (en ella cada sección tiene un código de 1 dígito).

En segundo lugar, los trabajos evalúan la existencia de derrames (spillovers)de conocimiento tecnológico en las regiones, considerando distintos niveles de extensión territorial. Falcıoğlu (²⁰¹¹), Cortinovis y van Oort (²⁰¹⁵) y Oort et al. (²⁰¹⁵) toman las regiones a un mayor nivel de agregación (NUTS2) que Frenken et al. (²⁰⁰⁷). Por el contrario, Hartog et al. (²⁰¹²) las toman a un nivel de mayor desagregación (NUTS4). E incluso Bishop y Gripaios (²⁰¹⁰) estudian áreas locales (de Gran Bretaña).

En tercer lugar, hay marcadas diferencias en la ventana temporal considerada para evaluar la incidencia de la diversificación sobre el desempeño regional. En un extremo, se encuentran Oort et al. (²⁰¹⁵), con un lapso de tiempo de diez años, y Bishop y Gripaios (²⁰¹⁰), donde la ventana de tiempo es de siete años. En el polo opuesto, se encuentran Falcıoğlu (²⁰¹¹), Hartog et al. (²⁰¹²) y Cortinovis y van Oort (²⁰¹⁵), que miden los efectos de forma anual. Es decir, se espera que el efecto del grado de DR en cierto año se manifieste sobre el nivel de empleo regional al año siguiente.

Finalmente, con respecto a las variables de desempeño regional, casi no existen discrepancias. Siguiendo a Frenken et al. (²⁰⁰⁷), la mayoría evalúa la DR sobre el empleo y la DnR sobre la desocupación de los trabajadores. La única excepción son Bishop y Gripaios (²⁰¹⁰), que toman la productividad laboral de cada región.

A su vez, cada uno de estos trabajos presenta alguna novedad en la discusión. En general, los aportes de cada uno consisten en que reproducen el análisis de Frenken et al. (²⁰⁰⁷) (con las variantes metodológicas mencionadas) para distintos países o, incluso, a nivel de la Unión Europea. Pero hay también otros aportes.

Hartog et al. (²⁰¹²) encuentran resultados dispares de la DR sobre el empleo de acuerdo con la intensidad tecnológica de los sectores: solo en sectores de alta tecnología (high-tech), una mayor DR tiene una incidencia positiva sobre el empleo regional. También Bishop y Gripaios (²⁰¹⁰) encuentran efectos diferenciales de la DR según el sector considerado. La particularidad del trabajo de Cortinovis y van Oort (²⁰¹⁵) es que analizan impactos diferenciales de la DR de acuerdo con el nivel de capacidades tecnológicas de cada región: los efectos positivos se dan solo para regiones con mayores capacidades acumuladas. Oort et al. (²⁰¹⁵) también testean efectos heterogéneos según la región, pero en ese caso su criterio de diferenciación es el tamaño de cada región. Al res­pecto, encuentran que la DRincide positivamente en el empleo, pero fundamentalmente en regiones de menor tamaño relativo.

En varios de dichos trabajos se utilizaron estos indicadores tanto para la actividad manufacturera como de servicios. A fin de analizar los efectos de la diversidad productiva en un país semiindustrializado como Argentina, en este trabajo nos limitaremos a la industria manufacturera y a algunas actividades de servicios vinculadas al software y la informática. La razón es que, dada la mayor heterogeneidad dentro de las actividades de servicios, en los países semiindustrializados los procesos de cambio estructural y acumulación tecnológica asumen modalidades diferentes en estas actividades en comparación con los sectores manufactureros.

III. Hipótesis

A continuación, se presentan una serie de hipótesis sobre la relación entre la diversificación productiva y el desarrollo regional que serán evaluadas (a través de estimaciones econométricas) para el caso de la industria argentina. Estas hipótesis se desprenden de la discusión planteada en el marco teórico sobre los procesos de diversificación en el desarrollo regional y contemplan asimismo el papel de los sectores difusores de conocimiento como vectores de difusión del cambio tecnológico entre actividades que, por ende, fomentan dichos procesos.

Hipótesis 1.Un mayor grado de DR se asocia positivamente con una expansión del empleo en la región. La base de esta hipótesis es que, como se desarrolló en el marco teórico, las empresas que pertenecen a sectores “relacionados” comparten capacidades y conocimientos tecnológicos que posibilitan la generación de externalidades entre las firmas. Por lo tanto, se espera que las regiones con estructuras productivas más diversificadas hacia sectores relacionados tengan mayores posibilidades de expandir la gama de productos de la región, lo cual se refleja, a su vez, en un mayor potencial de generar nuevos puestos de trabajo.

Hipótesis 2. Un mayor grado de DR se asocia positivamente con un aumento del salario relativo medio (tomado como variable proxy de la productividad relativa) en la región. En este caso, se espera que aquellas regiones con una estructura productiva diversificada hacia actividades tecnológicamente “cercanas” ten­gan mayores posibilidades de mejorar su productividad con relación al resto de las regiones. Esta hipótesis descansa, al igual que la anterior, en la mayor posibilidad de desarrollar mejoras en los procesos productivos a partir de externalidades apoyadas por las mayores complementariedades tecnológicas entre las empresas de la región. Dada la imposibilidad de tener una medida directa de la productividad del trabajo en cada región, se opta por utilizar el nivel de salario como variable proxy (véase la siguiente sección).

Hipótesis 3. En contextos de contracciones generalizadas de la actividad industrial, las regiones con mayor grado de DnR poseen mayores posibilidades de contener la caída de los niveles de empleo (es decir, contener el desempleo). Se espera que aquellas regiones que poseen una estructura productiva con mayor diversificación hacia sectores no relacionados (es decir, tecnológicamente más distantes) muestren un mejor desempeño en la dinámica de empleo que regiones en donde la diversificación entre actividades no relacionadas es más baja. Esta hipótesis se basa en el hecho de que un mayor grado de DnR (es decir, mayor diversidad entre sectores) puede actuar favorablemente en la región y amortiguar la pérdida de puestos de trabajo, al permitir una mayor distribución de los riesgos sectoriales asociados a la contracción de la actividad a nivel nacional, de manera análoga a la disminución de los riesgos que resulta de la variedad de activos en las carteras de inversiones.

Hipótesis 4. La especialización sectorial en ciertas actividades difusoras de conocimiento refuerza el efecto de la diversidad sobre el empleo y/o sobre la productividad relativa. En ese caso, y según lo planteado en el marco teórico, se espera que la especialización en sectores intensivos en ingeniería o en software, los cuales actúan como vectores de difusión de tecnologías transversales, permita amplificar los efectos de la diversificación en el empleo.

IV. Metodología

B. Modelos a estimar y metodología

Para evaluar las hipótesis planteadas, realizamos estimaciones sobre la variación del empleo y del salario relativo como medidas de desempeño regional. Entre las variables explicativas, el interés principal se encuentra en el grado de DR . DnR de cada región en Argentina. Estos indicadores se toman para el año inicial de cada periodo considerado y se evalúa su efecto sobre el desempeño de cada región tomando una ventana de cuatro años. Con respecto a la regionalización, la unidad regional que se toma son las AEL. Formalmente, los modelos propuestos son los siguientes:

5

6

Donde

es la variación del logaritmo del empleo en el AEL entre el año t y los cuatro años posteriores²⁰.

la variación del logaritmo del salario relativo en el AEL entre el año t y los cuatro años posteriores²¹.

DR_t es el grado de diversificación relacionada en el año t.

DnR_t es el grado de diversificación no relacionada en el año t.

MedGran_t es la proporción de empresas medianas y grandes en el total de empresas de la AEL.

ln sal_{rel t} es el logaritmo del salario relativo en el año t.

ln Pob_t es el logaritmo de la población total del AEL en el año t.

R es un vector que incluye variables binarias de acuerdo con la pertenencia regional de cada AEL. Las siete regiones consideradas son Centro, Cuyo, NOA, NOE, Patagonia, Región metropolitana de Buenos Aires e Interior de la provincia de Buenos Aires.

K es un vector que incluye variables que identifican el peso de cada sector productivo, de acuerdo con la clasificación de Katz y Stumpo (²⁰⁰¹), en cada AEL. La taxonomía contempla los siguientes sectores: industria alimentaria (ALIM), sectores intensivos en trabajo (TRAB), sectores intensivos en recursos naturales (RRNN), sectores intensivos en ingeniería excluido el sector automotriz (ING), industria automotriz (AUTO) y software (SOFT).

Como se observa, las variables de control utilizadas son las mismas en ambas ecuaciones. Asimismo, cada una de las ecuaciones se estima para distintas ventanas muestrales móviles de cuatro años de longitud: 2008-2012; 2009- 2013; 2010-2014; 2011-2015, 2012-2016, 2013-2017; 2014-2018.

En todos los casos, las variables explicativas (tanto la de DR como la de DnR y los controles utilizados) se toman en sus valores en el año inicial de cada ventana. Por su parte, las variables dependientes se miden como la variación acumulada durante los cuatro años. En consecuencia, se asume que los cambios en el desempeño de cada AEL (en concreto, en los niveles de empleo y productividad) son una función de las condiciones iniciales de la propia AEL.

En particular, el interés se concentra en las condiciones referidas a las características de la estructura productiva medidas a través de la DR y la DnR. Al respecto, cabe señalar que los grados y tipo de variedad característicos de cada AEL son rasgos estructurales que no deberían manifestar cambios en un lapso de tiempo como el considerado. Para que se den cambios considerables en la estructura productiva y perfil de especialización de la región, cuatro años es un periodo demasiado breve. De hecho, esta presunción se pone de manifiesto en la casi nula variación de los indicadores de entropía en los AEL para los periodos de cuatro años (véase la Figura 2 en la siguiente sección).

Se asume que las distintas variables de control incluidas en los modelos por estimar pueden incidir en el empleo y la productividad de las AEL. De esta forma, su inclusión permite aislar el efecto de interés asociado al grado de diversidad de la estructura productiva. La incorporación de la población entre los regresores permite controlar por el tamaño de cada AEL y, de esta forma, contemplar las distintas ventajas asociadas a las economías de escala y a los tamaños del mercado en cada región.

Por su parte, la estructura sectorial (medida a través de la taxonomía de Katz y Stumpo, ²⁰⁰¹) permite considerar la posibilidad de que el desempeño de cada región se encuentre condicionado por factores sectoriales de nivel nacional que, dado el peso de cada sector en la estructura productiva, tendrán efectos diferenciales entre las AEL. Durante los distintos periodos analizados (que cubren en conjunto el lapso 2008-2016), la economía argentina experimentó diversos cambios en las principales variables macroeconómicas: alternó años de creci­miento y caída del producto, del consumo privado, del tipo de cambio, de las tasas de inflación. Además, se expuso a distintos choques externos asociados a los precios de sus principales productos de exportación y a cambios en la demanda internacional, destacándose por ejemplo la profunda crisis de Brasil.

Cabe esperar que todos estos factores hayan incidido de forma heterogénea en los sectores productivos y que, en consecuencia, hayan impactado de forma diferente a cada AEL, según el peso relativo de cada sector en su matriz productiva regional. Por tanto, la taxonomía de Katz y Stumpo (²⁰⁰¹) se hace necesaria para controlar estos efectos y poder identificar el impacto de la DR y la DnR.

A fin de profundizar en la importancia de la diversificación productiva sobre el desempeño regional, se complementa el análisis previo incorporando la posibilidad que el perfil sectorial de cada región condicione los efectos de dicha diversificación. En particular, se busca examinar si los sectores con actividades difusoras de conocimiento, intensivos en ingeniería y software, actúan de forma complementaria a la diversificación sectorial para generar los derrames (spillovers) de conocimiento tecnológico necesarios para un mejor desempeño regional.

De acuerdo con lo planteado en la hipótesis 4, los efectos de la DR y DnR sobre el empleo y la productividad estarían reforzados por la especialización regional en sectores difusores de conocimiento. Formalmente, se sugiere evaluar estadísticamente los efectos interactivos del perfil sectorial (de los sectores mencionados) y los indicadores de entropía (usando la ecuación 7).

7

Con excepción de los efectos multiplicativos, el resto de las variables explicativas son las mismas que en las ecuaciones del modelo base. Asimismo, la ecuación 7 se estima para las distintas ventanas temporales mencionadas.

En todos los casos, la estimación se realiza por mínimos cuadrados ordinarios (MCO) comprobando el cumplimiento de los supuestos habituales. Cabe destacar que uno de los problemas de estos modelos para identificar los efectos de la DR y DnR es la autocorrelación espacial. Es decir, que el crecimiento del empleo y la productividad se encuentren correlacionados entre las AEL dada su proximidad geográfica.

Al respecto, se realizaron test de Moran para evaluar la existencia de correlación entre los residuos de las estimaciones entre áreas geográficas cercanas. Para determinar la “cercanía” se establecieron y evaluaron dos matrices de distancia. Por un lado, una matriz binaria: las celdas de la matriz toman valor uno en caso de que las AEL pertenezcan a la misma provincia y cero en el resto de los casos. En ese caso, se asume que la correlación espacial se da (exclusivamente) entre regiones locales que pertenecen a la misma provincia. Por otro lado, se definió una matriz de distancia (inversa) a partir de las coordenadas geográficas²². En este caso, se asume que la correlación entre regiones depende (inversamente) de la distancia entre ellas.

Para ninguna de las ecuaciones (especificaciones y ventanas temporales), y para ninguna de las dos matrices de distancia, la prueba de contraste del test de identificación de Moran rechazó la hipótesis nula de que los residuos no están correlacionados. En consecuencia, se retuvieron las estimaciones por MCO.

V. Resultados

A. Estadística descriptiva

Para empezar, se ofrece una descripción de la evolución agregada en que se enmarca la pluralidad de desempeños regionales a lo largo del periodo disponible y las ventanas temporales en que se centra el estudio.

En la Figura 1, se observa la evolución del empleo y del salario medio real para el agregado de las AEL. Dada la importancia del AEL correspondiente a “Gran Buenos Aires (GBA)”²³, que contiene más del 44 % del empleo industrial total en todos los años, en el gráfico se distingue la evolución de estas variables con y sin dicha región.

Así, se aprecian amplias fluctuaciones del empleo agregado a lo largo del tiempo. Pueden distinguirse una primera etapa expansiva (2008-2013), seguida de una fase contractiva (2013-2018), con un intervalo de cierto crecimiento entre 2014 y 2016. El periodo completo (2008-2018) muestra una leve reducción del empleo industrial del 0.05 % anual. Con respecto a la evolución del salario real medio para todo el periodo, esta se asemeja a la del empleo, en cuanto describe una fase de ascenso (2008-2013) seguida por una de caída, aunque esta última culmina 2018 con un nivel salarial superior al inicial.

Como diferencia, si bien ambas series muestran una recuperación transitoria luego de 2014, para el empleo ese paréntesis es más lento (hasta 2016). El empleo del total de las AEL nunca recupera el máximo de 2013, debido a los efectos particularmente negativos que sufrió la actividad industrial de la región GBA entre 2015 y 2016, algo que sí sucede con el empleo agregado del resto de las AEL en 2016²⁴. El salario, en cambio, vuelve al nivel máximo previo en un solo año (2015) se incluya el GBA o no.

Fuente: elaboración propia a partir de datos del OEDE y del Instituto Nacional de Estadística y Censos (INDEC). (En el Cuadro 2, se observan dinámicas particulares del desempeño regional de acuerdo con las ventanas temporales móviles).

Figura 1 Evolución agregada del empleo y del salario medio real²⁵ (2008-2015) 

En primer lugar, los tramos 2008-2012 y 2009-2013, con clara expansión del empleo industrial, promedian incrementos anuales del 1.3 % y del 1.9 % en el total nacional, mientras que en 2010-2014 se da una expansión más moderada en el empleo industrial. En segundo lugar, los tramos 2011-2015 y 2012-2016 muestran una contracción moderada del empleo privado formal en la industria (-0.3 % y -0.3 %). Finalmente, los niveles de contracción se profundizan en 2013-2017 y 2014-2018, con promedios anuales de caída más marcados en el agregado del empleo industrial (-1.1 % y -0.7 %, respectivamente). Contar con diferentes subperiodos de desempeño agregado dispar permite analizar comparativamente el efecto específico de la diversificación productiva sobre el empleo en etapas expansivas y contractivas a nivel agregado.

Como ya se mencionó, la dinámica agregada de la Figura 1 esconde un conjunto de evoluciones heterogéneas en las AEL, aun dentro de aquellos periodos que mostraban una tendencia estable (contractiva o expansiva) en el agregado nacional. En el Cuadro 2, puede verse que, en los tramos caracterizados como expansiones del agregado industrial, en general predominan evoluciones del empleo por AEL en el mismo sentido, aunque las magnitudes difieren. En las ventanas 2012-2016 y 2014-2018, sin embargo, la caída agregada en el empleo industrial contrasta con un predominio de regiones con evoluciones positivas. Todo ello en un marco de alta variabilidad interregional.

El otro indicador de desempeño regional que puede elaborarse sobre el presente conjunto de datos es la evolución del salario medio como variable proxy de la variación de la productividad en la región. A diferencia de lo que puede evaluarse a nivel agregado, dada la imposibilidad de contar con series de salario real para cada una de las 85 AEL (debido a la inexistencia de índices de precios con el nivel de desagregación necesario), se optó por analizar la relación entre el salario nominal de la región y el salario promedio nacional.

En este caso, en todas las ventanas temporales, se observa una mayor cantidad de AEL que mejoran este indicador y solo dos intervalos en los que hubo una caída promedio (2012-2016 y 2014-2018), que coinciden con caídas en el salario real para el agregado industrial nacional. Si bien este carácter relativo del indicador de base impone una relación interna que acota la disparidad de trayectorias alternativas posibles, se observa también una gran heterogeneidad entre las evoluciones de este salario industrial relativo en las distintas AEL.

Según las hipótesis planteadas, examinamos si la heterogeneidad observada en los desempeños de las AEL está asociada a sus grados de diversificación productiva. Al respecto, el Cuadro 3 resume la distribución de la DR y DnR en las 85 AEL para los años iniciales de las ventanas temporales.

Cuadro 2. Tasas de variación (%) del empleo y del salario relativo en las ventanas móviles de cuatro años* Valor afectado por la cercanía a cero del promedio. 

Fuente: elaboración propia a partir de datos del OEDE y del INDEC.

Cuadro 3 Distribución de los indicadores de DR y DnR en las AEL según las ventanas móviles de cuatro años 

Fuente: elaboración propia a partir de datos del OEDE y del INDEC.

Se observa una gran dispersión de los valores de estos indicadores entre cada AEL dentro de cada año²⁶, pero muy poco cambio en los momentos centrales a lo largo del tiempo. En este sentido, la DnR parece mostrar una tendencia decreciente, mientras que la DR se habría movido en sentido contrario, aunque con cambios de muy baja magnitud (menores al 4 %).

Asimismo, en concordancia con las hipótesis planteadas y el enfoque “estático” adoptado, queda fuera del alcance del trabajo toda posibilidad de tomar en cuenta vínculos causales entre los cambios en la estructura sectorial hacia una mayor o menor diversidad y el desempeño económico de la región, por lo que el análisis se restringe a los efectos de los niveles iniciales de ambos tipos de diversidad sobre el desempeño regional. Al respecto, se observa que los cambios de magnitud en la DR y DnR han sido, en general, poco frecuentes (Figura 2)²⁷.

Con respecto a otros rasgos de las AEL (que obran como variables de control en las estimaciones econométricas), en el Cuadro 4 se presentan el resto de indicadores usados para describir las AEL. La participación de empresas medianas y grandes en el total del empleo formal en la región, que reflejaría el nivel de concentración empresarial regional, suele ser elevada²⁸, con escasa variación en el tiempo y moderada dispersión entre regiones. El salario relativo en el año inicial muestra que, para la mitad de las regiones, el salario nominal medio fue similar al del promedio nacional o levemente inferior, mientras que, para el 50 % restante, estuvo por encima (en unos casos, poco; en otros, mucho, con algunos valores extremos en torno al doble del promedio nacional). La población regional expresa gran dispersión de tamaños entre AEL. Sin embargo, predominan regiones de media y baja población, con un 75 % de AEL con entre 40 mil y 240 mil habitantes y la mayor parte de la población dentro del 25 % de regiones más grandes.

Fuente: elaboración propia a partir de datos del OEDE y del INDEC.

Figura 2. Evolución de los indicadores de diversidad en cada AEL en las distintas ventanas temporales 

Cuadro 4 Distribución de otras características de las AEL 

Fuente: elaboración propia a partir de datos del OEDE.

Finalmente, en la Figura 3 se presenta un panorama de la especialización sectorial de las AEL, según la participación de cada grupo de sectores en el empleo de la región (de acuerdo con la taxonomía de ^{Katz y Stumpo, 2001}).

Fuente: elaboración propia a partir de datos del OEDE y del INDEC.

Figura 3 Estructura sectorial del empleo de las AEL según la taxonomía de Katz y Stumpo (2001)²⁹ 

Las actividades de servicios de desarrollo de software e informática (SOFT) e industria automotriz (AUTO) muestran participaciones nulas o bajas en el empleo de la mayoría de las regiones, salvo por un pequeño grupo de regiones atípicas. En un segundo nivel, y en orden creciente, se ubican las industrias intensivas en ingeniería (ING), en el empleo de mano de obra (TRAB) y en recursos naturales (RRNN), con una mayoría de AEL que presentan participaciones por debajo del 25 % y pequeños grupos de regiones en que las participaciones en el empleo superan el 50 %. Los sectores productores de alimentos, bebidas y tabaco son los de mayor participación en el empleo generalizada entre AEL, con participación mediana superior al 40 %, con un 50 % de las regiones con participaciones entre 25 % y 56 % y con un cuarto de las regiones con una participación superior a este último valor.

B. Estimaciones de los modelos

En el Cuadro 5, se muestran los resultados para la variación del empleo en los distintos periodos considerados. Puede verse que tanto el grado de DnR como de DR presentan efectos positivos (con significatividad estadística) sobre la variación del empleo en las AEL. Sin embargo, el impacto de cada una de estas variables depende de la ventana temporal considerada. La DR incide positivamente sobre la variación del empleo entre 2010 y 2014. Por su parte, la DnR muestra un impacto positivo (con significatividad estadística) sobre el empleo durante el periodo 2013-2017.

Para hacer una mejor interpretación de los resultados es necesario considerar que estas ventanas se diferencian por la dinámica general de la actividad y del empleo industrial. Como se ve en el Cuadro 6, entre 2010 y 2014, si bien el empleo manufacturero agregado evidenció un estancamiento, una mayoría de las AEL expandieron la fuerza de trabajo (véase también el Cuadro 2). La tasa media de variación del empleo entre las AEL fue del 0.6 %, y el 56 % de las regiones mostraron un crecimiento del empleo entre esos años.

A pesar de que no manifiesta el dinamismo generalizado de las ventanas previas, 2010-2014 mostró una distribución heterogénea de la evolución del empleo. En cambio, 2013-2017 se destaca por una contracción de la actividad industrial en términos agregados, tanto del producto como del empleo, fenómeno que además posee un alto grado de generalización entre las regiones: tan solo el 46 % de las AEL mostraron una variación positiva del empleo.

Luego, mientras que la incidencia positiva de la DR en el crecimiento del empleo durante 2010-2014 puede asociarse a efectos microeconómicos referidos a externalidades entre actividades tecnológicamente similares que posibilitan la expansión de las regiones (hipótesis 1); el efecto de la DnR sobre el empleo durante el periodo 2013-2017 mostraría las ventajas de la diversificación frente a choques adversos (hipótesis 3). En este último caso, aquellas AEL con un mayor nivel de DR pudieron aminorar los efectos de la contracción macroeconómica sobre la destrucción de puestos de trabajo (o, incluso, crear empleos).

Cuadro 5 Regresiones sobre la variación del empleo regional* p < 0.1; ** p < 0.05; *** p < 0.01. 

^Nota:Lpob2015 es el logaritmo de la población total del AEL en el año 2015; Peso_empleo_MedGran es la participación del empleo de empresas medianas y grandes en el empleo total del AEL; Lsalario_rel_ind es el logaritmo del salario relativo del AEL con respecto al salario medio del conjunto de las AEL. Las dummies regionales son variables binarias para identificar la región (Centro, Cuyo, NOA, NOE, Patagonia, Región metropolitana de Buenos Aires e Interior de la provincia de Buenos Aires) de cada AEL.

Fuente: elaboración propia.

Cuadro 5. Regresiones sobre la variación del empleo regional (Con...)* p < 0.1; ** p < 0.05; *** p < 0.01. 

^Nota:Lpob2015 es el logaritmo de la población total del AEL en el año 2015; Peso_empleo_MedGran es la participación del empleo de empresas medianas y grandes en el empleo total del AEL; Lsalario_rel_ind es el logaritmo del salario relativo del AEL con respecto al salario medio del conjunto de las AEL. Las dummies regionales son variables binarias para identificar la región (Centro, Cuyo, NOA, NOE, Patagonia, Región metropolitana de Buenos Aires e Interior de la provincia de Buenos Aires) de cada AEL.

Fuente: elaboración propia.

Cuadro 6 Dinámica del empleo de las AEL según ventana temporal 

^Notalos efectos corresponden a los resultados del Cuadro 5.

Fuente: elaboración propia a partir de datos del OEDE y del INDEC.

Los resultados del Cuadro 5 también muestran que la especialización sectorial, según la taxonomía de Katz y Stumpo (²⁰⁰¹), incide diferencialmente en la variación del empleo industrial dependiendo del periodo analizado. Por un lado, se observa que, durante el periodo inicial de mayor crecimiento industrial (las ventanas entre 2008 y 2012), las AEL con mayor crecimiento relativo del empleo fueron aquellas con especialización en sectores intensivos en ingeniería (2009-2013; 2010-2014) o en trabajo (2008-2012), lo que muestra que el efecto de especialización sectorial impacta el empleo (hipótesis 4).

A partir de 2013, las regiones que tuvieron un mejor desempeño relativo en materia de empleo fueron aquellas especializadas en RRNN (2014-2018) y en la industria alimentaria (2013-2017). Estos resultados son consistentes con el patrón sectorial de crecimiento en un país con una estructura productiva desequilibrada. Los periodos de expansión habilitan el crecimiento del empleo de aquellas ramas como las intensivas en empleo y en ingeniería. Y los periodos de contracción reproducen el perfil de especialización generalmente asociado a cambios en los precios relativos a favor de los sectores productores de materias primas (Cuadro 6).

En cuanto al resto de las variables explicativas utilizadas como controles, el tamaño del mercado (medido por la cantidad de población del AEL), contrariamente a lo esperado, presenta un efecto negativo (con significatividad estadística solo para 2010-2014). Esto sugiere que las regiones de mayor tamaño encuentran mayores dificultades para aumentar el empleo que las regiones más pequeñas, al menos cuando se controla por el resto de los factores.

En el Cuadro 7, se presentan los resultados obtenidos cuando la variable dependiente es la variación del salario relativo. Estos se corresponden con la hipótesis que plantea que el salario relativo (como variable proxy de la productividad relativa) se asocia positivamente al grado de variedad relacionada (hipótesis 2). Esto sugiere que la proximidad tecnológica favorece la transferencia de tecnología e impacta así la productividad relativa. En contraste, un mayor grado de DnR impacta negativamente la reducción de las brechas salariales, tomada como variable proxy de productividad. Al tratarse de procesos productivos muy diferentes, presentan mayores dificultades de transferencia tecnológica. Por ende, un mayor grado de DnR sería contraproducente para aumentos de la productividad regional.

Cuadro 7. Regresiones sobre la variación del salario relativo regional* p < 0.1; ** p < 0.05; *** p < 0.01. 

^Nota:Lpob2015 es el logaritmo de la población total del AEL en el año 2015; Peso_empleo_MedGran es la participación del empleo de empresas medianas y grandes en el empleo total del AEL; Lsalario_rel_ind es el logaritmo del salario relativo del AEL con respecto al salario medio del conjunto de las AEL. Las dummies regionales son variables binarias para identificar la región (Centro, Cuyo, NOA, NOE, Patagonia, Región metropolitana de Buenos Aires e Interior de la provincia de Buenos Aires) de cada AEL.

Cuadro 7. Regresiones sobre la variación del salario relativo regional (Con...)* p < 0.1; ** p < 0.05; *** p < 0.01. 

^Nota:Lpob2015 es el logaritmo de la población total del AEL en el año 2015; Peso_empleo_MedGran es la participación del empleo de empresas medianas y grandes en el empleo total del AEL; Lsalario_rel_ind es el logaritmo del salario relativo del AEL con respecto al salario medio del conjunto de las AEL. Las dummies regionales son variables binarias para identificar la región (Centro, Cuyo, NOA, NOE, Patagonia, Región metropolitana de Buenos Aires e Interior de la provincia de Buenos Aires) de cada AEL.

Cuadro 8. Dinámica del salario relativo de las AEL según ventana temporal 

^Nota:los efectos corresponden a los resultados del Cuadro 7.

Fuente: elaboración propia a partir de datos del OEDE y del INDEC.

Ambos efectos, no obstante, se observan (con significatividad estadística) solo para dos ventanas temporales particulares: 2011-2015 y 2012-2016. Ambas comparten como característica común una caída del producto industrial agregado. Lo llamativo es que cada ventana muestra un desempeño opuesto en la dinámica del empleo (Cuadro 8). Por consiguiente, la DR (y no la DnR) sería el tipo de variedad en la estructura productiva conducente a aumentos de productividad relativa a nivel de las AEL, fenómeno que se muestra insensible al escenario industrial agregado. Y la transferencia de tecnología entre actividades similares se manifestaría tanto como respuesta defensiva de las empresas a un contexto macroeconómico desfavorable como a un contexto de relativa expansión en gran parte de las regiones consideradas.

Con respecto al resto de las variables incluidas en las regresiones, sus efectos difieren de los encontrados cuando se buscó explicar el empleo. La población, en este caso, se muestra con una incidencia negativa solo en 2008-2012. Contrariamente a lo esperado, no hay ventajas asociadas al tamaño del mercado sobre la productividad, al menos para el lapso de cuatro años, y contemplando el resto de los factores utilizados.

Finalmente, se muestran los resultados obtenidos en la estimación del modelo alternativo, incluidos los efectos de las tecnologías transversales (Cuadro 9). Con respecto a la variación del empleo regional, la inclusión de los efectos interactivos de los sectores difusores de conocimiento no modifica los impactos encontrados previamente sobre la DR (impacto positivo en 2010-2014), pero aparecen nuevos resultados. En primer lugar, en 2009-2013 y 2010-2014, el impacto de la DR sobre el empleo es menor en aquellas regiones especializadas en sectores intensivos en ingeniería. En segundo lugar, en 2011-2015 y 2012-016, el impacto de la DR sobre el empleo es menor en aquellas regiones especializadas en software.

Tomados en conjunto, estos resultados sugieren que, a pesar de que en estas ven­tanas la especialización en los sectores intensivos en ingeniería impactó positivamente la expansión del empleo, esta especialización en sectores difusores de conocimiento tecnológico no refuerza los efectos de la DR, sino que, al contrario, aminora su incidencia sobre el empleo. En ese sentido, las ventajas de la DR para el crecimiento del empleo regional es un fenómeno independiente de la especialización en sectores difusores de conocimiento en la estructura productiva. Incluso, en regiones especializadas en sectores difusores de conocimiento, el impacto de la DR sobre el empleo es menor que en el resto de las regiones. Este efecto altamente paradójico estaría indicando que la especialización en industrias intensivas en ingeniería, aun si puede generar efectos de rendimientos crecientes, no refuerza los efectos de la DR. Tampoco se verifica que la actividad difusora del progreso técnico frente al nuevo paradigma de las TIC, como es el caso de software, refuerce el efecto de la DR.

Cuadro 9 Regresiones sobre la variación del empleo regional con multiplicativas de la especialización en sectores difusores del conocimiento* p < 0.1; ** p < 0.05; *** p < 0.01. 

^Nota:Lpob2015 es el logaritmo de la población total del AEL en el año 2015; Peso_empleo_MedGran es la participación del empleo de empresas medianas y grandes en el empleo total del AEL; Lsalario_rel_ind es el logaritmo del salario relativo del AEL con respecto al salario medio del conjunto de las AEL. Las dummies regionales son variables binarias para identificar la región (Centro, Cuyo, NOA, NOE, Patagonia, Región metropolitana de Buenos Aires e Interior de la provincia de Buenos Aires) de cada AEL.

Fuente: elaboración propia a partir de datos del OEDE y del INDEC.

Cuadro 9. Regresiones sobre la variación del empleo regional con multiplicativas (Con...)* p < 0.1; ** p < 0.05; *** p < 0.01. 

^Nota:Lpob2015 es el logaritmo de la población total del AEL en el año 2015; Peso_empleo_MedGran es la participación del empleo de empresas medianas y grandes en el empleo total del AEL; Lsalario_rel_ind es el logaritmo del salario relativo del AEL con respecto al salario medio del conjunto de las AEL. Las dummies regionales son variables binarias para identificar la región (Centro, Cuyo, NOA, NOE, Patagonia, Región metropolitana de Buenos Aires e Interior de la provincia de Buenos Aires) de cada AEL.

Fuente: elaboración propia a partir de datos del OEDE y del INDEC.

Con respecto a la DnR, aparece un nuevo efecto: la combinación de un mayor grado de DnR con una especialización en software es favorable para la crea­ción de empleo.

Este resultado permite inferir dos conclusiones altamente relevantes para el análisis de la relación entre diversidad y desarrollo. Por un lado, que el software emerge como una actividad difusora de conocimiento tecnológico que potencia el efecto de la diversificación en el empleo en mayor medida que las actividades intensivas en ingeniería. Por otro lado, que su efecto parece viabilizarse en la DnR, lo que revela su potencial como tecnología transversal que posibilita la recombinación de conocimientos codificados entre industrias con bases de conocimiento más distantes. De esta manera se revelaría, en forma preliminar e incipiente, que el nuevo paradigma de las TIC trae aparejada la aparición de nuevos vectores de difusión intersectorial de la tecnología en donde las actividades de softwarey servicios informáticos son las que asumen ese papel.

VI. Conclusiones

A lo largo de este artículo se buscó estudiar el papel que la diversificación productiva en la estructura industrial tiene sobre las posibilidades de desarrollo a escala regional en Argentina. A tal fin se distinguió entre diversificación relacionada (DR) y no relacionada (DnR) para dar cuenta de las diferentes oportunidades de derrames de conocimiento tecnológico (spillovers) según la proximidad tecnológica entre las actividades productivas presentes en cada región. Adicionalmente, se indagó sobre el efecto de las tecnologías transversales mediante su reforzamiento de la diversificación a partir de la presencia de los sectores difusores de progreso técnico. Las regiones consideradas correspondieron a las áreas económicas locales a lo largo de todo el territorio nacional y el periodo analizado cubrió desde el año 2008 hasta 2018 inclusive. A continuación, se enumeran las principales conclusiones obtenidas.

1. Se pudo constatar que existen mayores oportunidades de externalidades tecnológicas entre actividades tecnológicamente complementarias. Las estimaciones arrojaron que la DR es el tipo de variedad productiva que explica la mayor posibilidad de aumentos de empleo y de productividad a escala regional. De esta manera, se muestra que, en el marco de trayectorias tecnológicas consolidadas con innovaciones incrementales, la proximidad tecnológica es una condición para el crecimiento regional.

2. No obstante, la DnR tiene mayor capacidad de respuesta a fluctuaciones macroeconómicas. En periodos contractivos de la economía, la DnR contribuye a absorber los efectos adversos y a mantener así el empleo y las capacidades regionales. En ese sentido, aquellas regiones con estructuras productivas diversificadas hacia actividades no relacionadas lograron mejores desempeños del empleo en años donde la industria nacional se contrajo.

3. En el marco de una estructura productiva desequilibrada, los periodos de expansión agregada habilitan el crecimiento del empleo en aquellas ramas como las intensivas en empleo y en ingeniería, generalmente asociadas a la expansión de la demanda interna. Así, en dichos periodos, las regiones especializadas en este tipo de actividades muestran un mejor desempeño relativo. Al contrario, en los periodos de contracción de la industria nacional, se reproduce el perfil de especialización en recursos naturales. Es decir, tienen un mejor desempeño relativo las regiones que poseen una especialización industrial en actividades vinculadas a la explotación de dichos recursos.

4. No hay evidencia para sostener que las tecnologías transversales, como la metalmecánica (propias de sectores intensivos en ingeniería) y las TIC (propias del software), contribuyan a promover efectos de diversificación entre actividades tecnológicamente similares. Al respecto, no se pudo constatar que estos sectores actúen como vectores de difusión tecnológica que refuercen los efectos de la DR en la creación de empleo regional. Incluso es posible apreciar un efecto contractivo sobre el empleo de la difusión de estas tecnologías, lo que muestra cómo, ante la presencia de DR, generalmente basada en mejoras incrementales de procesos, estas tecnologías refuerzan el efecto ahorro de trabajo.

5. El sector del software actuaría como tecnología transversal a escala regional que posibilitaría la presencia de externalidades entre actividades tecnológicamente distantes. Se encontró evidencia para sostener que mayores capacidades regionales en TIC están asociadas a un mayor potencial para que la DnR impulse la generación de empleo.

Finalmente, se plantean algunos interrogantes para investigaciones futuras. En particular, es de importancia complementar estos trabajos con estudios en profundidad sobre aquellas regiones en las que las TIC pueden haber reforzado la incidencia de la DnR en la expansión del empleo. Este resultado pareciera reabrir la discusión sobre los efectos ahorradores de empleo en los sectores existentes en comparación con los creadores de empleo a través de la densificación de los entramados productivos.