1
ANÁLISIS DE LA REALIDAD ECONÓMICA ASTURIANA: UN ENFOQUE DESDE LA TEORÍA DE GRAFOS
Ana Salomé García Muñiz ([email protected])
Carmen Ramos Carvajal ([email protected])
Departamento de Economía Aplicada.Universidad de Oviedo
PALABRAS CLAVE: Análisis regional, Tablas input-output, Relaciones intersectoriales,
Teoría de grafos.
RESUMEN
El interés por la economía regional ha experimentado un fuerte crecimiento en las
últimas décadas; sin embargo, y a pesar de la notable ampliación de la información que
proporcionan las fuentes estadísticas, uno de los principales problemas que afectan a estos
estudios aún sigue siendo la falta de datos.
Los estudios regionales pueden abordarse desde muy diversas ópticas, una de las cuales
es el enfoque input-output. Dicho método nos permite analizar conjuntamente las relaciones
intersectoriales de una economía, así como su demanda agregada, con lo cual dispondremos de
un conocimiento integrado de la actividad económica. Esta técnica constituye una pieza
fundamental en el conocimiento de una región, ya que proporciona la información necesaria
para abordar la situación económica por la que dicha región atraviesa. Clarificar la estructura de
una economía y llegar a identificar bloques interrelacionados constituye un objetivo esencial de
estudio, la teoría de grafos se muestra como una herramienta con gran potencialidad para este
propósito al permitir simplificar el esquema de relaciones entre los sectores de una economía.
El objetivo del presente trabajo es analizar las relaciones interindustriales de la
economía asturiana, esbozadas en la tabla input-output de la región asturiana de 1995, a partir
de la construcción de grafos alternativos.
1. INTRODUCCIÓN
El análisis input-output es una importante herramienta en los estudios de economía y en
particular de economía regional, ya que permite un conocimiento integrado de la misma al
proporcionar información no sólo de las relaciones existentes entre los distintos sectores, sino
también sobre su demanda agregada.
Un aspecto importante en el conocimiento de la estructura económica regional es el
análisis de las interrelaciones entre los diferentes sectores de una economía. Este estudio puede
ser realizado a partir de diferentes ópticas. Si se aborda desde un enfoque clásico podríamos
referirnos a los conocidos coeficientes de Chenery y Watanabe o a los propuestos por
2
Rasmussen, entre otros. Dichas medidas1, si bien están sometidas a numerosas críticas, permiten
obtener una visión general de la economía regional o nacional, ya que informan sobre las
relaciones directas e indirectas entre las ramas de actividad.
Otro enfoque que también permite efectuar este tipo de estudios se deriva de la teoría de
grafos. La cual constituye, como señala Turner2 , “una herramienta básica en muchos campos de
la ciencia y la tecnología; sus teoremas y métodos han sido aplicados con éxito en temas tan
diversos como la teoría de la información, planificación de la producción, transportes,
programación lineal, redes de conexión, mecánica estadística y genética”.
La aplicación de la teoría de grafos en el ámbito del análisis input-output presenta un
gran potencial al integrar en su desarrollo cuestiones tan relevantes como las posiciones
relativas de los sectores, su orientación o los senderos por donde circula la influencia económica
dentro de la estructura considerada.
En esta comunicación efectuaremos un estudio sobre la estructura de la economía
asturiana. Para ello, aplicaremos el enfoque clásico y calcularemos los coeficientes de Chenery-
Watanabe y Rasmussen. Posteriormente, y dado que consideramos que la teoría de grafos
permite complementar dicho análisis, utilizaremos algunas de las herramientas que se derivan
de este enfoque.
Para llevar a cabo este análisis utilizaremos la información recogida en la tabla input-
output (TIO) de Asturias correspondiente al año 1995.
2. ALGUNAS CONSIDERACIONES PREVIAS SOBRE LA INFORMACIÓN UTILIZADA
Las tablas referentes a nuestra región se publican con carácter quinquenal3, en concreto,
en Asturias disponemos de las TIO4 de los años 1978, 1985, 1990 y 1995.
La información estadística que se utiliza en este trabajo es básicamente la TIO de
Asturias de 1995, por tratarse de la última publicada para nuestra comunidad autónoma y por lo
tanto permitir un conocimiento “más reciente” de esta economía.
Una tabla input-output es una descripción detallada, en términos monetarios, del
proceso productivo y de los flujos de bienes y servicios llevados a cabo en un espacio
geográfico concreto durante el período de un año.
1 Estos coeficientes clásicos han sido frecuentemente utilizados en numerosos estudios, así por ejemplo,podemos señalar los trabajos de Artís y otros (1993), López y Pulido (1993), Pérez y Martínez (1995) oDomínguez y Prado (2000).2Turner, J.C. (1986): Matemática moderna aplicada. Probabilidades, estadística e investigaciónoperativa, Alianza Universidad, Madrid.3 Las TIO regionales son elaboradas por la Sociedad Asturiana de Estudios Industriales (SADEI).4 Puede verse en Pérez y Martínez (1995) una comparación de las industrias consideradas como clave dela economía asturiana en las tablas de 1978, 1985 y 1990.
3
La tabla de Asturias, referente a 1995, se ha realizado de acuerdo al Sistema Europeo de
Cuentas (SEC) que, como es bien sabido, es la versión mejorada y ampliada del Sistema de
Cuentas Nacionales de la Organización de Naciones Unidas.
Uno de los cambios metodológicos que ha experimentado esta TIO en relación a la
anterior (de 1990) se refiere a la clasificación de las actividades, se ha aplicado la Clasificación
Nacional de Actividades Económicas 1993 (CNAE-93) que sustituye a la anterior CNAE-74.
Dicha tabla es un paso intermedio entre una antigua y una nueva metodología, ya que, por una
parte, es el primer análisis estructural regional que sigue la CNAE-93 y, por otra, será el último
bajo las directrices del SEC-705, al ser sustituido por el SEC-95, que aún no ha entrado en vigor
para este año de referencia.
La TIO aparece agrupada en 60 ramas de actividad como máxima desagregación y
también se ha agrupado en 31, 16 y 4 sectores. Como paso previo a la aplicación de cualquier
técnica para proceder a efectuar el análisis debemos decidir a qué agregación trabajar. Si se
utiliza una tabla constituida por 60 sectores posiblemente el elevado volumen de información
oscurezca el estudio, sin embargo, si nos decantamos por utilizar una matriz fuertemente
agregada tendremos una panorámica más clara de la economía, pero renunciaríamos a buena
parte de la información. Para evaluar la pérdida de información debida a un mayor nivel de
agregación hemos recurrido a las medidas derivadas de la teoría de la información. Llamamos
medida de incertidumbre cuadrática6 asociada a una variable aleatoria X, al valor de la
expresión:
donde pi representa la probabilidad asociada a cada valor de la variable aleatoria X. Este
resultado puede interpretarse como el valor esperado de las incertidumbres individuales
calculadas en términos del complementario del grado de certeza, cuantificado por medio de la
probabilidad. Entre sus rasgos más característicos destacamos que está acotada entre 0 y 2,
alcanzando su mayor valor en el caso de equiprobabilidad.
Esta medida puede ser extendida al análisis conjunto de dos variables y, por lo tanto,
permite cuantificar la incertidumbre asociada a una tabla input-output. Así, definiremos la
incertidumbre cuadrática asociada a una variable aleatoria bidimensional (X, Y) como el valor
de la expresión:
( )
−=−= ∑∑∑∑
= == =
n
1i
n
1j
2ij
n
1i
n
1jijij
2 p12)p1(p2Y,XH
5 El SEC-70 ha sido ligeramente modificado por una segunda versión de 1978, SEC-78.6 PÉREZ, R. (1985): Estimación de la incertidumbre, la incertidumbre útil y la inquietud en poblacionesfinitas. Una aplicación a las medidas de desigualdad; Tesis Doctoral, Universidad de Oviedo.
( )
−=−= ∑∑
==
n
1i
2i
n
1iii
2 p12)p1(p2XH
4
donde pij representa la probabilidad conjunta de un valor (xi, yj).
A partir del concepto de incertidumbre podemos definir el de cantidad de información
que la variable aleatoria X contiene sobre Y, la cual puede interpretarse como la reducción de la
incertidumbre de Y entre la situación inicial y la que se produce después de conocer X.
La expresión de la cantidad de información será I(X,Y)=H(X)+H(Y)-H(X,Y), y por lo
tanto en términos de la incertidumbre cuadrática podríamos definir una medida de información
cuadrática en los siguientes términos: I2(X,Y)=H2(X)+H2(Y)-H2(X,Y), donde operando
convenientemente llegamos a la expresión siguiente:
+= ∑ ∑ ∑∑
i j i j
2ij
2.j
2i.
2 pp-p-12)Y,X(I
A partir de ella hemos calculado la información asociada a cada tabla según su nivel de
agregación y se ha obtenido el resultado siguiente:
Cuadro Nº 1. Información asociada a la TIO según su nivel de agregación
Agregación a 60 ramas Agregación a 31 ramas Agregación a 16 ramas
I2(X,Y) 1,8013 1,7388 1,6618
Elaboración propia a partir TIOA-95.
Calculando la pérdida de información relativa debida a un mayor nivel de agregación
hemos obtenido:
Cuadro Nº 2. Pérdida relativa de información debida a la agregación
Agregación de 60 a 31 Agregación de 31 a 16 Agregación de 60 a 16
Pérdida relativa 3,4722 % 4,4228 % 7,7414 %
Elaboración propia a partir TIOA-95.
Esto es, la pérdida de información relativa si se realiza una agregación a 31 sectores, y
no a 60, es del 3,47% y la de agregar a 16 del 7,74%. Hemos optado por esta última agregación,
ya que consideramos que la ganancia de operatividad conseguida al trabajar a 16 ramas supera
la disminución en la cantidad de información asociada a la tabla. En el cuadro Nº 3 se explicitan
dichas ramas:
5
Cuadro Nº 3. Agregación a 16 sectores
Sectores de la TIOA-95
Agricultura y pesca (1)
Industrias extractivas (2)
Alimentación, bebidas y tabaco (3)
Industria química (4)
Otros productos minerales no metálicos (5)
Metalurgia y productos metálicos (6)
Industria transformadora de los metales (7)
Otras industrias manufactureras (8)
Energía eléctrica, gas y agua (9)
Construcción (10)
Comercio y reparación (11)
Hostelería (12)
Transporte y comunicaciones (13)
Servicios financieros y empresariales (14)
Educación, sanidad y servicios sociales (15)
Otros servicios (16)
Una vez hechas estas consideraciones previas sobre la información estadística que va a
ser utilizada procedemos a efectuar el análisis de la misma.
2. ESTUDIO DE LAS RELACIONES INTERSECTORIALES DIRECTAS
El estudio de las relaciones directas entre distintas ramas productivas constituye una
primera aproximación en el análisis de la estructura de intercambios sectoriales. La
determinación del peso relativo de cada sector dentro del sistema productivo se ha abordado
tradicionalmente a través de coeficientes como el de Chenery-Watanabe. Hemos determinado
estos coeficientes y proponemos complementarlos con los resultados que se deriven de la
aplicación de la teoría de grafos para el estudio de este tipo de relaciones.
2.1. COEFICIENTES DE CHENERY-WATANABE
Los coeficientes propuestos por Chenery y Watanabe (1958) permiten efectuar una
clasificación de la actividades económicas empleando el concepto de “eslabonamiento”,
introducido por Hirschman en estudios de desarrollo. Así, podemos distinguir los
eslabonamientos hacia atrás que se producen cuando una rama productiva utiliza inputs
intermedios procedentes de otras y los eslabonamientos hacia adelante, debidos a que los
productos de un sector son utilizados por otros como inputs intermedios en la elaboración de sus
productos.
6
Se definen los encadenamientos hacia atrás como el peso de los consumos intermedios
de la rama j sobre el total de su producción sectorial:
j
iij
j X
x
u∑
=
donde xij son los consumos intermedios y Xj la producción de la rama j.
Los encadenamientos hacia adelante muestran la proporción de demanda intermedia de
un sector i sobre el total de usos del mismo:
i
jij
i Z
x
w∑
=
siendo Zi el total de ventas de la rama analizada.
El cuadro Nº 4 presenta las ligazones, hacia adelante y hacia atrás, obtenidas a partir de
la TIOA-95. En él se observa que ramas como Alimentación, bebidas y tabaco (3), Industria
química (4), Metalurgia y productos metálicos (6), Industria transformadora de los metales (7),
Energía, eléctrica, gas y agua (9), Otras industrias manufactureras (8), Otros productos
minerales no metálicos (5) y Agricultura y pesca (1), presentan unos eslabonamientos hacia
atrás superiores a la media. Es decir, que la capacidad de provocar el desarrollo de otras ramas
al comprarles productos supera el promedio.
Las ramas Industrias extractivas (2), Agricultura y pesca (1), Servicios financieros y
empresariales (14), Industria química (4), Otros productos minerales no metálicos (5), Energía,
eléctrica, gas y agua (9) y Transporte y comunicaciones (13) presentan eslabonamientos hacia
adelante superiores a la media, ya que una parte elevada de sus productos son vendidos a otras
que los utilizan como inputs intermedios generando así ligazones elevadas de oferta.
Cuadro Nº 4. Eslabonamientos hacia delante y hacia atrásEslabonamientos hacia atrás Eslabonamientos hacia adelante
uj wi3. Alimentación, bebidas y tabaco 0,75954. Industria química 0,73556. Metalurgia y productos metálicos 0,66247. Industria transformadora de los metales 0,58779. Energía, eléctrica, gas y agua 0,57868. Otras industrias manufactureras 0,56765. Otros productos minerales no metálicos 0,56641. Agricultura y pesca 0,5261
2. Industrias extractivas 0,92251. Agricultura y pesca 0,661714. Servicios financieros y empresariales 0,62654. Industria química 0,58595. Otros productos minerales no metálicos 0,57149. Energía, eléctrica, gas y agua 0,447713. Transporte y comunicaciones 0,4117
10. Construcción 0,484814. Servicios financieros y empresariales 0,46832. Industrias extractivas 0,462412. Hostelería 0,441413. Transporte y comunicaciones 0,371216. Otros servicios 0,275111. Comercio y reparación 0,233615. Educación, sanidad y servicios sociales 0,1950
8. Otras industrias manufactureras 0,33717. Industria transformadora de los metales 0,33266. Metalurgia y productos metálicos 0,29803. Alimentación, bebidas y tabaco 0, 201811. Comercio y reparación 0,163410. Construcción 0,153116. Otros servicios 0,086912. Hostelería 0,082515. Educación, sanidad y servicios sociales 0,0291
Fuente: Elaboración propia a partir de la TIOA-95.
7
A partir de estos coeficientes se pueden clasificar las ramas de actividad en cuatro tipos
en base a la combinación de estos dos criterios:
Cuadro Nº 5. Coeficientes de Chenery-Watanabeww i >>>> ww i <<<<
uu j >>>> I. Manufacturera. Destino Intermedio1. Agricultura y pesca4. Industria química5. Otros productos minerales no metálicos9. Energía eléctrica, gas y agua
II. Manufacturera. Destino Final3. Alimentación, bebidas y tabaco6. Metalurgia y productos metálicos7. Industria transformadora de los metales8. Otras industrias manufactureras
uu j <<<<
III. No manufacturera. Destino Intermedio2. Industrias extractivas13. Transportes y comunicaciones14. Servicios financieros y empresariales
IV. No manufacturera. Destino Final10. Construcción11. Comercio y reparación12. Hostelería15. Educación, sanidad y servicios sociales16. Otros servicios
Fuente: Elaboración propia a partir de la TIOA-95.
Son actividades calificadas como manufactureras de destino intermedio Agricultura y
pesca (1), Industria química (4), Otros productos minerales no metálicos (5) y Energía eléctrica,
gas y agua (9).
Otras actividades, tales como Alimentación, bebidas y tabaco (3), Metalurgia y
productos metálicos (6), Industria transformadora de metales (7) y Otras industrias
manufactureras (8) emplean muchos inputs de otros sectores, pero su producción es poco
utilizada por el resto de ramas. Presentan, por tanto, fuertes vínculos hacia atrás, pero débiles
hacia adelante.
Aquellas ramas que, por el contrario, muestran fuertes vínculos hacia adelante y débiles
hacia atrás son básicamente suministradoras de inputs entre las que se Industrias extractivas (2),
Transportes y comunicaciones (13) y Servicios financieros y empresariales (14).
Por último, nos restarían aquellos otros sectores que no producen ningún
eslabonamiento importante dentro de la economía asturiana como son Construcción (10),
Comercio y reparación (11), Hostelería (12), Educación, sanidad y servicios sociales (15) y
Otros servicios (16).
2.2. LA APLICACIÓN DE LA TEORÍA DE GRAFOS. MATRIZ DE ADYACENCIA
Como ya hemos señalado, la teoría de grafos se muestra como una propuesta
complementaria que permite ampliar la visión proporcionada por el enfoque clásico para llevar
a cabo el análisis de las relaciones directas entre sectores.
8
Previamente, presentaremos algunos conceptos básicos de la teoría de grafos.
Intuitivamente, se puede definir un grafo como una representación de las relaciones existentes
entre los elementos de un conjunto de objetos (Pelegrin y otros, 1992)7.
Formalmente, un grafo G dirigido está definido por el par (V,A) donde V es un conjunto
de elementos llamados vértices, nodos, nudos o polos y A es un conjunto formado por las arcos
ordenados existentes entre los elementos analizados.
Para estudiar las relaciones intersectoriales directas se parte, análogamente al enfoque
clásico, de la matriz de coeficientes técnicos y a partir de ella se plantea el grafo de influencia
relativa8. Siendo aij los coeficientes técnicos, el grafo de influencia relativa pondera la
intensidad del arco de influencia absoluta entre dos vértices (i,j) por la relación entre su
producciones i (Xi) y j (Xj):
Figura Nº 1. Grafos de influencia absoluta y relativa: estructura
Lo cual implica que para intensidades iguales en el grafo de influencia absoluta, el
efecto dimensión se percibe en el grafo de influencia relativa, ante aij= aji el sector i influirá
directamente sobre j, más que j sobre i, siempre que Xi>Xj. Es decir, un sector i influirá tanto
más sobre un sector j en cuanto que las compras que le efectúe representen una mayor
proporción en el total de la producción j (coeficiente de distribución) y no en la propia
producción del sector i (criterio del coeficiente técnico) que podría representar muy poco en la
producción total del sector j.
Se define así una matriz asociada G, denominada matriz de adyacencia, que es la
traspuesta de la matriz booleana obtenida a partir de los coeficientes de distribución D
((Xj/Xi)aij), sus elementos serán por tanto:
=
≠
=0dsi0
0dsi1
g
ji
ji
ij
7 Tomado de Díaz, B. (1998).
ji
aij
ji
aij(Xj/Xi)
Grafo de influencia relativa
aji (Xi/Xj)
Grafo de influencia absoluta
aji
9
A partir del grafo elaborado se pueden analizar diversos aspectos si se consideran los
semigrados alcanzados por cada una de las ramas. Así pues, se define semigrado exterior como:
( ) ∑=+
jiji gxd
Esto es, las relaciones de causalidad directa ejercidas por el sector i, o número de
sectores a los que compra. Se trata, por tanto, de una medida de su integración por compras.
Se entiende por semigrado interior:
( ) ∑ ∑==−
j iijjii ggxd
El cual, se puede interpretar como el número de sectores que compran al sector i-ésimo,
constituyendo una medida de la integración de ventas de dicho sector.
A partir de la agregación de las dos expresiones anteriores se deriva el denominado
grado total, cuya expresión es la siguiente
d(xi)= d+(xi)+d-(xi)
es decir, el número total de relaciones que mantiene el sector i-ésimo.
En base a las medidas anteriormente presentadas es posible establecer una clasificación
de las diferentes ramas en relación a su grado de integración, tal como aparece reflejado en el
cuadro siguiente:
Cuadro Nº 6. Clasificación de las ramas según su grado de integración
Clasificación CondicionesPoco integradas Si d+(xi)<µ y d-(xi)< µIntegradas principalmente por compras Si d+(xi)>µ y d-(xi)< µIntegrados principalmente por ventas Si d+(xi)<µ y d-(xi)> µMuy integradas Si d+(xi)>µ y d-(xi)> µ
Donde µ representa el promedio.
Además, los semigrados exteriores se pueden interpretar como índices de influencia
directa y los interiores como indicadores de dependencia directa, por lo que es posible introducir
un índice de influencia directa neta, cuya expresión sería la siguiente:
( )( )i
ii
xdxd
−
+
=σ ∀ d-(xi) ≠0
Esta expresión está acotada inferiormente por cero y superiormente por el número de
sectores, esto es, 0≤σi≤n. A medida que tome valores más elevados se apreciará una mayor
influencia directa neta y viceversa cuando se aproxime a cero.
Sin embargo, también es cierto que al considerar todas las relaciones existentes,
independientemente de su valor numérico, se puede distorsionar el análisis efectuado. Para
8 Ver Morillas, R.A. (1983,b).
10
superar este inconveniente se suele establecer un punto de corte, por debajo del cual se eliminan
los coeficientes.
Algunos autores9 trabajan con coeficientes clasificados en cuatro categorías, de tal
forma que:
Si dij<0,01 las relaciones son muy débiles o despreciables.
Si 0,01≤dij<0,05 las relaciones se califican de débiles.
Si 0,05≤dij<0,1 las relaciones son medias.
Si dij≥0,1 las relaciones serán consideradas como fuertes.
Los desarrollos efectuados a continuación se basan en el grafo parcial fijado un umbral
del 5%, donde aquellos coeficientes con cuantía superior son representados con un uno,
mientras que el resto se identificarían con ceros. Se retienen, así, las relaciones fuertes y medias,
eliminando aquellas consideradas como débiles o despreciables10.
A partir de la TIO de Asturias se puede apreciar que de un total de 239 relaciones
existentes en la economía asturiana, sólo 45 superan el umbral establecido, lo cual supone que
por término medio un sector se relaciona con otros 2,81 sectores a través de transacciones
calificadas como medias o fuertes, mientras que un 81,17% de los coeficientes o relaciones
acontecidas en la economía asturiana se pueden calificar como despreciables o débiles.
El cuadro Nº 7 muestra los resultados del análisis de las relaciones directas para Asturias.
Los sectores con mayor número de dichas relaciones son Industria química (4), Metalurgia y
productos metálicos (6) e Industria transformadora de metales (7), las cuales están integradas
principalmente por ventas, a excepción de Metalurgia y productos metálicos.
Varias son las ramas que aparecen como poco integradas en la estructura económica
asturiana: Otros servicios (16), Hostelería (12) y Educación, sanidad y servicios sociales (15);
mientras que, Transporte y comunicaciones (13), Otros productos minerales no metálicos (5) y
Alimentación, bebidas y tabaco (3) se muestran como muy integradas.
Por otro lado, aquellos sectores que presentan un elevado índice de influencia directa neta,
esto es, una clara orientación hacia su vertiente compradora son Metalurgia y productos
metálicos (6), Construcción (10), Energía eléctrica, gas y agua (9) y Servicios financieros y
empresariales (14).
9 Puede verse entre otros en Morillas (ob. cit.)10 La elección de este tipo de criterios presenta una fuerte dosis de subjetividad. Una alternativainteresante consiste en ir modificando sistemáticamente el umbral seleccionado observando comoevoluciona la estructura resultante.
11
Cuadro Nº7. Clasificación de los sectores asturianos según su grado de integración
Ramas d+(xi) d-(xi) d(xi) σσσσiPoco integradas16. Otros servicios12. Hostelería15. Educación, sanidad y servicios sociales
012
000
012
---------
Integradas principalmente por compras9. Energía eléctrica, gas y agua14. Servicios financieros y empresariales11. Comercio y reparación10. Construcción6. Metalurgia y productos metálicos
33468
22011
55479
1,51,5---68
Integradas principalmente por ventas2. Industrias extractivas7. Industria transformadora de metales1. Agricultura y pesca8. Otras industrias manufactureras4. Industria química
11222
57359
6857
11
0,20,140,670,4
0,22Muy integradas13. Transporte y comunicaciones5. Otros productos minerales no metálicos3. Alimentación, bebidas y tabaco
334
433
767
0,751
1,33Fuente: Elaboración propia a partir de TIOA-95.
3. ANÁLISIS DE LAS RELACIONES DIRECTAS E INDIRECTAS ENTRE SECTORES
El estudio de las relaciones directas entre las ramas puede ser enriquecido con la
consideración, también, de las relaciones indirectas. Para ello, se plantean los coeficientes de
Rasmussen como indicadores de la totalidad de transacciones acontecidas en la economía,
directas e indirectas. Desde la óptica de la teoría de grafos se introducirán las matrices de
caminos y de distancias que también proporcionan información sobre el conjunto de las
relaciones intersectoriales.
3.1. COEFICIENTES DE RASMUSSEN
Los coeficientes definidos por Rasmussen (1956) se desarrollan sobre la base de los
efectos difusión y absorción11 y se obtienen calculando, en primer término, un promedio de
11 El efecto difusión se define como la cuantía en la que se incrementa la producción del total de ramascuando la demanda final de un sector determinado aumenta en una unidad, esto es, representa cómo lademanda final de un sector genera crecimiento en el conjunto de la economía. Este efecto se expresaformalmente como,
∑=i
ijj. zz
donde zij es un elemento de la matriz inversa de Leontief.El efecto absorción muestra la cuantía en que una rama i-ésima debe incrementar su producción si sedesea aumentar en una unidad lo que cada rama j-ésima destina a la demanda final, es decir, representacomo el crecimiento de la demanda final de una economía arrastra tras de si a un sector determinado. Sedefine de la siguiente forma:
∑=j
ij.i zz
12
dichos efectos en cada una de las ramas, para después expresar cada uno de estos promedios en
términos de los efectos globales.
El coeficiente de Rasmussen calculado a partir del efecto difusión y conocido por índice
de poder de difusión se define como:
∑=
jj.2
j.j.
zn
1
zn1
U
Si nos hubiésemos apoyado en el efecto absorción, habríamos derivado el índice de
sensibilidad de absorción cuya expresión es:
∑=
i.i2
.i.i
zn
1
zn1
U
Sobre la base de estos resultados se establece una clasificación en cuatro categorías de
los 16 sectores anteriormente señalados:
Cuadro Nº 8. Coeficientes de Rasmussen
1U j. > 1<U j.
1>U .i
I. Sectores clave4. Industria química6. Metalurgia y productos metálicos1. Agricultura y pesca7. Industria transformadora de los metales9. Energía eléctrica, gas y agua
II. Sectores con arrastre hacia adelante14. Servicios financieros y empresariales2. Industrias extractivas
1<U .i
III. Sectores con arrastre hacia atrás3. Alimentación, bebidas y tabaco8. Otras industrias manufactureras5. Otros productos minerales no metálicos10. Construcción
IV. Sectores independientes13. Transporte y comunicaciones11. Comercio y reparación12. Hostelería16. Otros servicios15. Educación, sanidad y otros servicios sociales
Fuente: Elaboración propia a partir TIOA-95.
Se denominan sectores clave de una economía a aquellos que presentan efectos de
arrastre hacia adelante y hacia atrás superiores a la media, entre ellos podemos señalar las ramas
Industria química (4), Metalurgia y productos metálicos (6), Agricultura y pesca (1) e Industria
transformadora de los metales (7).
Los sectores Alimentación, bebidas y tabaco (3), Otras industrias manufactureras (8),
Otros productos minerales no metálicos (5) y Construcción (10) muestran elevados efectos de
arrastre hacia atrás y de arrastre hacia delante inferior al promedio. Servicios financieros y
empresariales (14) e Industrias extractivas (2) que pueden ser considerados como “impulsores
importantes” de la economía regional, ya que presentan importantes efectos de arrastre hacia
delante.
13
3.2. EL ESTUDIO DE LAS MATRICES DE CAMINOS Y DE DISTANCIAS
Una primera aproximación que proporciona una panorámica de las relaciones directas e
indirectas es la realización de una representación gráfica como la recogida a continuación. A
partir de la misma se pueden observar tanto las relaciones directas, como el sendero de difusión
de las perturbaciones en el interior de la estructura de intercambios intersectoriales12.
Figura Nº 2. Grafo obtenido a partir de la TIOA-1995. Representación gráfica
Fuente: Elaboración propia a partir de TIOA-95.
El estudio de las relaciones indirectas así como la senda de difusión de dicha causalidad
se puede efectuar, asimismo, a partir de las denominadas matrices de caminos y de distancias.
Se define la matriz de caminos o de accesibilidad R(D), como una matriz de ceros y
unos, tal que, si un elemento toma el valor unitario, rij=1, supone la existencia de un camino
entre los sectores i y j, esto es, el sector i influye bien de forma directa o indirecta a través de
otras ramas, sobre el sector j13.
12La representación a través de un círculo en estas figuras indica la existencia de autoconsumos,considerados fuertes o medios, del sector analizado.13 Para un grafo de orden r (número de vértices del grafo), todo camino elemental es de longitud menor oigual a r-1, de ahí que la matriz conocida como cierre transitivo, proporcione todos los caminos cuyalongitud es menor o igual a r-1 a partir de las potencias de la matriz de adyacencia G: R= G+G2+…+G(r-1).La suma booleana de estas matrices proporciona la matriz de caminos buscada. Alternativamente,Warshall propuso un algoritmo que permite calcular las potencias de la matriz de adyacencia (VerLipschutz, 1989).
11
1 3
12
8
13
14
10
4
6
5
2
9
7
15
14
Cuadro Nº 9. Matriz de caminos asociada al grafo de influencia relativa 5%
Rama 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 161 1 1 1 1 0 0 1 1 0 0 0 0 1 0 0 02 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 03 1 1 1 1 0 0 1 1 0 0 0 0 1 0 0 04 0 1 0 1 0 0 1 0 0 0 0 0 0 0 0 05 0 1 0 1 1 0 1 0 0 0 0 0 0 0 0 06 1 1 1 1 1 1 1 1 1 0 0 0 1 0 0 07 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 08 1 1 1 1 0 0 1 1 0 0 0 0 1 0 0 09 0 1 0 1 0 0 1 0 1 0 0 0 0 0 0 0
10 1 1 1 1 1 0 1 1 0 0 0 0 1 0 0 011 1 1 1 1 1 0 1 1 0 1 0 0 1 1 0 012 1 1 1 1 0 0 1 1 0 0 0 0 1 0 0 013 0 1 0 1 0 0 1 0 0 0 0 0 1 0 0 014 1 1 1 1 1 0 1 1 0 1 0 0 1 1 0 015 0 1 0 1 0 0 1 0 0 0 0 0 0 0 0 016 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Fuente: Elaboración propia a partir de TIOA-95.
Eliminadas las relaciones débiles y/o despreciables, el cuadro Nº 9 muestra la existencia
de un camino en un 33,59% de los casos, de los cuales diversos sectores sufren una nula o
escasa dependencia del resto de entramado económico, tal como Industrias extractivas (2) e
Industria transformadora de metales (7); por otra parte, también se aprecian algunas ramas que
apenas ejercen influencia sobre otras: Comercio y reparación (11), Hostelería (12) y Educación,
sanidad y servicios sociales (15).
El conocimiento de la longitud de los caminos más cortos entre cualquier par de
sectores, así como los itinerarios de propagación de las perturbaciones dentro de una economía
necesitan del conocimiento de la matriz de distancias E.
Los elementos eij de dicha matriz indican la distancia mínima (longitud mínima o
número de arcos que integran un camino) existente entre los sectores i y j. El número de
procesos de transformación que sufre un bien o servicio del sector j hasta que llega a ser
utilizado, a través del camino más corto posible por el sector i, proporcionando información
sobre el número de ramas intermedias existentes entre ambos14.
14 Las principales propiedades de los elementos de la matriz de distancias son:
- eii= e(xi, xi)=0 ∀ xi. Los elementos de la diagonal principal son por tanto, nulos.- Si rij=0, eij=∞. Esto es, si no existe el camino la distancia se considera infinita.-eij es la potencia mínima n a la que debe elevarse la matriz G(D) para que gij
n>0, es decir, paraque el elemento (i,j) de Gn sea igual a 1.
15
Cuadro Nº10. Matriz de distancias
Rama 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 161 0 4 1 3 ∞ ∞ 3 2 ∞ ∞ ∞ ∞ 2 ∞ ∞ ∞2 ∞ 0 ∞ ∞ ∞ ∞ 1 ∞ ∞ ∞ ∞ ∞ ∞ ∞ ∞ ∞3 1 3 0 2 ∞ ∞ 2 1 ∞ ∞ ∞ ∞ 1 ∞ ∞ ∞4 ∞ 1 ∞ 0 ∞ ∞ 2 ∞ ∞ ∞ ∞ ∞ ∞ ∞ ∞ ∞5 ∞ 1 ∞ 1 0 0 2 ∞ ∞ ∞ ∞ ∞ ∞ ∞ ∞ ∞6 2 1 3 1 1 0 1 1 1 ∞ ∞ ∞ 1 ∞ ∞ ∞7 ∞ ∞ ∞ ∞ ∞ ∞ 0 ∞ ∞ ∞ ∞ ∞ ∞ ∞ ∞ ∞8 1 5 2 3 ∞ ∞ 4 0 ∞ ∞ ∞ ∞ 3 ∞ ∞ ∞9 ∞ 1 ∞ 1 ∞ ∞ 2 ∞ 0 ∞ ∞ ∞ ∞ ∞ ∞ ∞
10 2 1 3 1 1 ∞ 1 1 ∞ 0 ∞ ∞ 1 ∞ ∞ ∞11 2 2 3 1 4 ∞ 1 1 ∞ 2 0 ∞ 3 1 ∞ ∞12 2 4 1 3 ∞ ∞ 3 2 ∞ ∞ ∞ 0 2 ∞ ∞ ∞13 ∞ 2 ∞ 1 ∞ ∞ 1 ∞ ∞ ∞ ∞ ∞ 0 ∞ ∞ ∞14 3 2 4 1 2 ∞ 2 2 ∞ 1 ∞ ∞ 2 0 ∞ ∞15 ∞ 2 ∞ 1 ∞ ∞ 1 ∞ ∞ ∞ ∞ ∞ ∞ ∞ 0 ∞16 ∞ 0 ∞ 0 ∞ ∞ ∞ ∞ ∞ ∞ ∞ ∞ ∞ ∞ ∞ 0
Fuente: Elaboración propia a partir de TIOA-95.
En el cuadro Nº 10 se observa que la mayoría de las distancias son de longitud uno y,
por lo tanto, representativas de relaciones directas. El número máximo de ramas intermedias
entre dos sectores es, a lo sumo, de tamaño cuatro o cinco. Estos resultados constituyen una
muestra del bajo nivel de interdependencia de la economía asturiana, dicho aspecto será
analizado en más profundidad en apartados siguientes.
4. ANÁLISIS DE INTERDEPENDENCIAS SECTORIALES
El análisis de la intensidad de las conexiones internas entre ramas productivas puede
aportar información sobre la estructura productiva regional. Una primera aproximación al
mismo puede ser la cuantificación del porcentaje de coeficientes no nulos, obtenido a partir del
grafo de influencia relativa, sin embargo, no tiene en cuenta ni las posiciones de los coeficientes
ni sus cuantías. Para superar estas limitaciones15 se pueden aplicar diversas técnicas, entre las
cuales presentamos el método desarrollado por Yan y Ames (1965).
Esta técnica se basa en la construcción de una matriz OYA, a partir de la tabla de
coeficientes técnicos16, en la cual se valora con un uno la existencia de una relación directa entre
los sectores i y j, con un 2 cuando esta relación se produce en segundo término y, así,
sucesivamente17. De esta forma se posibilitará calcular índices de interdependencia tanto para
las diferentes actividades como para el conjunto de la economía.
15 Ver Szyrmer (1985) para una revisión de la literatura sobre estos aspectos.16 En nuestro caso, se ha realizado a partir de los coeficientes de distribución por razones señaladasanteriormente.17 Se representará con el símbolo de infinito la no existencia de relación alguna.
16
El índice por columnas, para una rama dada, muestra el grado de utilización de su
producción por otras:
A medida que los valores se aproximen a la unidad aumenta la importancia estratégica
del sector como proveedor de productos en la economía
El índice por filas analiza el grado de utilización de productos de otros sectores por una
rama concreta:
Siendo valores próximos a uno indicativos de sectores básicamente usuarios de otras
actividades.
Los cuadros Nº 11 y Nº 12 ofrecen una valoración de estos índices en orden
descendente.
Cuadro Nº 11. Índice de Yan y Ames por columnas
Ramas Yj4. Industria química 0,6567. Industria transformadora de metales 0,6512. Industrias extractivas 0,5028. Otras industrias manufactureras 0,40613. Transporte y comunicaciones 0,3851. Agricultura y pesca 0,3333. Alimentación, bebidas y tabaco 0,2975. Otros productos minerales no metálicos 0,2349. Energía eléctrica, gas y agua 0,12514. Servicios financieros y empresariales 0,12510. Construcción 0,0946. Metalurgia y productos metálicos 0,06311. Comercio y reparación 012. Hostelería 015. Educación, sanidad y servicios sociales 016. Otros servicios 0Fuente: Elaboración propia a partir de TIOA-95.
Industria química (4), Industria transformadora de metales (7), Industrias extractivas (2)
y Otras industrias manufactureras (8) son sectores con un carácter marcadamente proveedor, se
trata de actividades integradas principalmente por ventas. Estos resultados coinciden con el
estudio de los semigrados realizado anteriormente.
Cuadro Nº12. Índice de Yan y Ames por filas
Ramas Yi
6. Metalurgia y productos metálicos 0,55210. Construcción 0,427
∑=i
YAij
jO
1n1Y
∑=j
YAij
iO
1n1Y
17
11. Comercio y reparación 0,40114. Servicios financieros y empresariales 0,3803. Alimentación, bebidas y tabaco 0,3331. Agricultura y pesca 0,2458. Otras industrias manufactureras 0,2265. Otros productos minerales no metálicos 0,2199. Energía eléctrica, gas y agua 0,21913. Transporte y comunicaciones 0,21912. Hostelería 0,2144. Industria química 0,15615. Educación, sanidad y servicios sociales 0,1562. Industrias extractivas 0,0637. Industria transformadora de metales 0,06316. Otros servicios 0
Fuente: Elaboración propia a partir de TIOA-95.
Otros sectores como Metalurgia y productos metálicos (6), Construcción (10) y
Comercio y reparación (11) poseen una elevada participación como compradores de productos
de otros sectores. Estas ramas están integradas principalmente por compras, dado el índice de
influencia directa neto estimado anteriormente.
El cuadro Nº 13 presenta estas actividades agrupadas en cuatro tipos sobre la base de los
indicadores propuestos por Yan y Ames. Así pues, Agricultura y pesca (1) y Alimentación,
bebidas y tabaco (3) poseen un perfil tanto de proveedor como consumidor superior a la media.
Sin embargo, Otros productos minerales no metálicos (5), Energía eléctrica, gas y agua (9),
Hostelería (12), Educación, sanidad y servicios sociales (15) y Otros servicios (16) tienen una
participación en este sentido inferior al promedio.
Cuadro Nº 13. Clasificación de las ramas a partir de los índices de Yan y Ames
Yi<µµµµ Yi>µµµµYj>µµµµ 2. Industrias extractivas
4. Industria química7. Industria transformadora de metales8. Otras industrias manufactureras13. Transporte y comunicaciones
1. Agricultura y pesca3. Alimentación, bebidas y tabaco
Yj<µµµµ 5. Otros productos minerales no metálicos9. Energía eléctrica, gas y agua12. Hostelería15. Educación, sanidad y servicios sociales16. Otros servicios
6. Metalurgia y productos metálicos10. Construcción11. Comercio y reparación14. Servicios financieros y empresariales
Fuente: Elaboración propia a partir de TIOA-95.
Para estudiar el nivel de interdependencia global de una economía se utilizará el
siguiente índice18:
∑∑= =
=n
1i
n
1jYAij
2YA
O1
n1I
18 Considérese que 1/∞=0.
18
Dicho indicador está acotada entre cero y uno, tomará valores unitarios cuando la
interrelación sea máxima y nulos cuando sea mínima.
Esta expresión puede ser descompuesta en dos sumandos, permitiendo así diferenciar
las relaciones directas de las indirectas:
YAI
YAD
n
1i
n
O
1jYAij
221YA II
O1
n1
nm
I
1ij
+=+= ∑∑= =
≠
El primer término de la fórmula anterior puede considerarse como un índice de
diversificación de las relaciones entre sectores donde m1 es el número de relaciones directas,
mientras que el segundo sumando es un indicador de las relaciones indirectas de la estructura
productiva.
En el caso de la economía asturiana, el nivel de interrelación de su sistema productivo
es relativamente bajo, alcanzando el índice global un valor de 0,242. La participación de las
relaciones directas en este sentido es importante, de hecho, el índice de diversificación estimado
es de 0,176.
Sin embargo, como señala Morillas (ob. cit.), tal y como ha sido definida la medida
anterior, los autoconsumos de los sectores son parte integrante de la misma; para aislarlos el
índice será descompuesto de la forma siguiente
∑∑∑∑=
=
==
≠
=
+=n
1i
n
ji
1jYAij
2
n
1i
n
ji
1jYAij
2YA
O1
n1
O1
n1I
donde el primer término es la función de interrelación en sentido estricto, cuyos elementos
corresponden a la matriz de distancias:
∑∑= =
=n
1i
n
1j ij2
YA
e1
n1I
*
La cota inferior de la medida IYA´ sigue siendo cero, pero la superior ha variado,
tomando ahora el valor n
1-n.
En el caso de la economía asturiana, el problema de autoconsumos ha resultado mínimo
pues el segundo término de la ecuación anterior, representativo de este concepto, es 0,0391
frente a un valor de la función de interrelación en sentido estricto de 0,203.
19
5. CONCLUSIONES
El objetivo fundamental de este trabajo es el estudio de la economía asturiana a partir
del análisis input-output (TIOA-95). Dicho análisis puede ser efectuado utilizando un enfoque
clásico que se basaría en los coeficientes propuestos por Chenery y Watanabe y Rasmussen,
entre otros. Estas medidas, aunque son susceptibles de criticas19, proporcionan una primera
aproximación al conocimiento de la economía regional (nacional) y permiten llevar a cabo un
análisis estructural tan necesario en las tareas de modelización y predicción.
De la misma manera, nos ha parecido necesario completar este análisis utilizando
algunas de las herramientas que proporciona la teoría de grafos, que proporciona una visión más
amplia y global de nuestra economía.
En concreto, para realizar un estudio de las relaciones directas entre las diferentes ramas
hemos aplicado los coeficientes de Chenery y Watanabe, desde la perspectiva clásica, y la
matriz de adyacencia desde la óptica de la teoría de grafos.
Posteriormente, se han determinado los coeficientes de Rasmussen que proporcionan
información sobre las relaciones directas e indirectas entre los sectores, paralelamente, se ha
efectuado un estudio sobre las matrices de caminos y distancias, el cual ha sido complementado
con un análisis gráfico de las mismas.
Por último, y a modo de cierre del estudio efectuado se ha aplicado el método propuesto
por Yan y Ames y que permite evaluar las interdependencias sectoriales y globales de nuestra
economía.
En general, podemos señalar la existencia de notables similitudes en los resultados
obtenidos a partir de las diferentes técnicas empleadas.
6. BIBLIOGRAFÍA
ÁLVAREZ, R, A. S. GARCÍA y C. RAMOS (2001): Análisis estructural de la economía
asturiana: algunas alternativas. XV Reunión de ASEPELT España, La Coruña.
ANTILLE, G., E. FONTELA y S. GUILLET (2000): Changes in technical coefficients: The
experience with Swiss I/O Tables. Thirteen International Conference on Input-Output
Techniques. Macerata, Italia.
ARTÍS, M., J. SURIÑACH y J. PONS (1993): Caracterización de la industria catalana a partir
de la tabla Input-Output de 1987, Documento de Trabajo, Departamento de Econometría,
Estadística y Economía Española, Universidad de Barcelona.
CAMARA, M., A. CIRE, P. DANSEREU y B. BALL (1997): Matrice de consommations
intermédiaires des activités formelles et informelles au Senegal et première analyse des
structures de production. Centre de recherche et développement en économique, Université de
Montréal.
20
CASTILLO, F. (1986): Métodos de análisis de la dependencia e interdependencia estructural
en base a las tablas input-output regionales: la estructura productiva de la comunidad
autónoma de Euskadi, Serie Metodología y análisis estadísticos Nº 1, Eusko Jaurlaritza.
CHENERY, H. B. y T. WATANABE (1958): An international comparison of the structure of
production. Econometrica, Nº 26.
DÍAZ, B. y P. GONZÁLEZ (1998): La Teoría de Grafos en la modelización de problemas
empresariales, Servicio de Publicaciones de la Universidad de Oviedo.
DOMÍNGUEZ, J. M y C. PRADO (2000): Articulación interna de la economía vasca en el
período 1990-1995. Informe Nº 1171, EUSTAT.
FEIJOO, M.L. y L. PÉREZ (1993): Estructura del complejo agro-alimentario aragonés a través
de las tablas input-output, VII Reunión Anual de Asepelt-España, Cádiz.
GUERRERO, F. Mª y J.A. ORDAZ, (2000): Aplicación de la teoría de grafos al análisis input-
output: Andalucía 1995, VIII Jornadas ASEPUMA, Sevilla.
LIPSCHUTZ, S. (1989): Estructura de datos, McGraw Hill, Madrid.
LÓPEZ, A. M. y A. PULIDO (1993): Análisis de las interrelaciones sectoriales en España,
Marzo-Abril, Economía Industrial, pág.167-178.
LÓPEZ, A.M. y A. PULIDO (1994): Estructuras de producción sectoriales a partir de las tablas
input-output, VIII Reunión Anual de Asepelt-España, Palma de Mallorca.
MORILLAS, R. A. (1982): Análisis estructural de modelos económicos. Aportaciones de la
teoría de grafos, Estadística Española, pág. 31-50.
MORILLAS, R. A. (1983,a): Indicadores topológicos de las características estructurales de una
tabla input-output. Aplicación a la economía andaluza, Investigaciones Económicas, nº 20, pág.
103-118.
MORILLAS, R. A. (1983,b): La teoría de grafos en el análisis Input-Output. La estructura
productiva andaluza, Editorial Universidad de Málaga.
MUÑOZ, C. (1988): Elaboración y utilización de las tablas input-output regionales, Papeles de
Economía Española, Nº 35, pág. 457-467.
MUÑOZ, C. (1994): Las cuentas de la nación. Nueva Introducción a la Economía Aplicada,
Editorial Civitas, Madrid.
PÉREZ, M. A. y S. MARTÍNEZ (1995): Industrias clave en la economía Asturiana. Análisis a
través de las Tablas Input-Output de 1978, 1985 y 1990, Revista Asturiana de Economía, Nº 3,
pág. 249-274.
PÉREZ, R. (1985): Estimación de la incertidumbre, la incertidumbre útil y la inquietud en
poblaciones finitas. Una aplicación a las medidas de desigualdad. Tesis Doctoral, Universidad
de Oviedo.
19 Ver Muñoz Cidad, 1988 y 1994.
21
PULIDO, A. y E. FONTELA (1993): Análisis Input-Output. Modelos, Datos y Aplicaciones,
Ediciones Pirámide, Madrid.
RASMUSSEN, P. N. (1956): Studies in Intersectoral Relation. North Holland.
SZYRMER, J. M (1985): Measuring connectedness of input-output models:1. Survey of
measures, Environment and Planning A, vol. 17, pág.1591-1612.
TURNER, J. C. (1986): Matemática moderna aplicada. Probabilidades, estadística e
investigación operativa, Alianza Universidad, Madrid.
YAN, C., AMES, E. (1965): Economic Interrelatedness, Review of Economic Studies, vol. 32
(4), pág. 299-310.