Es objeto de discusión si la política de incentivos destinada al sector minero es o no conveniente. Los partidarios defienden que gracias a esta los municipios tienen mayores oportunidades para desarrollarse, mientras que los detractores argumentan que no tiene sentido orientar recursos hacia un sector sin futuro. En este trabajo nos hemos planteado hacer una evaluación del impacto que generaron las ayudas concedidas en el seno del Plan del Carbón 1998-2005, el Plan Nacional de Reserva Estratégica de Carbón 2006-2012 y los Fondos Estructurales de la Unión Europea 2000-2006 en doce variables socioeconómicas seleccionadas en los 105 municipios mineros de Castilla y León entre 1998 y 2010.
It is discussed whether the policy of incentives to the mining sector is or is not appropriate. Proponents argue that thanks to this the municipalities have greater opportunities to develop, while detractors argue that it makes no sense to channel resources into an industry without a future. In this paper we have proposed to evaluate the impact of the aid generated within the Coal Plan 1998-2005, the National Strategic Coal Reserve Plan 2006-2012, and the Structural Funds of the European Union 2000-2006 in twelve selected socioeconomic variables in the 105 municipalities of Castilla y León between 1998 and 2010.
1. Introducción
En los últimos años, en varios países industrializados se está sufriendo una profunda crisis económica. España ha sido uno de los países europeos que más severamente han acusado una caída de sus variables macro y microeconómicas. Como es natural, las regiones y los sectores industriales también han asimilado el impacto derivado del empeoramiento de dichas variables, como lo es un incremento rampante de la tasa de desempleo y la pérdida de productividad empresarial. Algunos sectores productivos, como el minero y el de los astilleros, entre otros, lejos de reconocer su enorme parte de responsabilidad por la pérdida de competitividad, aceptar las consecuencias y en base a ello diseñar estrategias de reconversión industrial, reclaman a los gobiernos una mayor dotación de recursos para seguir haciendo las cosas como siempre. Así, exigen que los gobiernos autónomos, el Estado central o las Comunidades Europeas continúen destinando recursos a sectores que sencillamente no tienen futuro. Dado el actual escenario de adversidad económica, lo cierto es que los agentes públicos están obligados a gestionar mejor los escasos recursos disponibles y, evidentemente, las ayudas no tienen por qué ser una excepción. En los últimos años, este tema ha sido estudiado ampliamente por autores como Gabriele et al. (2008), Tokila et al. (2008), Montmartin (2010), Bernini y Pellegrini (2011) y Pellegrini y Cerqua (2011), entre otros.
Sin embargo, en el estudio del impacto de los subsidios al mantenimiento del sector de la minería, las publicaciones son escasas, lo que probablemente se explica porque: i) los países en donde la minería es un sector floreciente, las empresas no precisan de subsidios (como es el caso de Canadá y Australia); ii) porque las partidas presupuestarias para tales fines no están dotadas de recursos (son los casos de Nigeria en carbón y estaño; Argelia en mineral de hierro; Zambia en cobre, cobalto, carbón, plomo y cinc; República Democrática del Congo en radio y cobalto; Zimbabue en cobre y Sierra Leona en titanio, entre otros); o iii), porque en el pasado las ayudas no han servido para potenciar el desarrollo de las regiones y por eso los gobiernos han decidido no conceder más (son los casos de Sudáfrica, Zimbabue, República Democrática del Congo y Ghana, en donde se extrae alrededor de las tres cuartas partes del oro mundial, o de las minas de Sudáfrica y República Democrática del Congo, de donde se extrae el 90% de los diamantes del mundo). Algunos de los trabajos publicados sobre estos temas han sido los de Kemfert y Diekmann (2006), Baron (2007), Schnellenbach et al. (2009), y Duek y Rusli (2010), entre otros.
Los estudios aplicados al caso español también son escasos. Algunos de los estudios más recientes son los de Drelichman (2005), Betrán (2011), Gómez-Márquez et al. (2011), Vintró et al. (2012) y Moreno Enguix et al. (2012). Para los fines que persigue este trabajo, especialmente se recomienda ver Díaz-Morlán et al. (2009) y Rabanal (2009). En el primero de ellos se explica el proceso de transformación que tuvo lugar en la industria acerera española desde las décadas de los setenta y ochenta, hasta los costos derivados de la restructuración en la década de los noventa del siglo pasado y la primera del presente milenio (si bien el sector no es el mismo, los parecidos son abrumadores). En el trabajo de Rabanal se destacan las políticas de racionalización del gasto público vía subsidios; este resulta especialmente útil porque muestra los mecanismos y las restricciones que se han implementado para la concesión y ejecución de las ayudas a los sectores relacionados con la generación de energía.
Con estos antecedentes, el objeto del presente trabajo se centra en analizar si la política de incentivos destinada al sector minero ha sido conveniente o no. El trabajo empírico se realiza sobre una región concreta, los municipios mineros de la comunidad autónoma de Castilla y León por ser precisamente en estos donde se ha destinado una mayor cantidad de ayudas y durante más tiempo. Los agentes afectados por los recortes en los subsidios argumentan que gracias a ellos los municipios han tenido mayores oportunidades para desarrollarse, mientras que el gobierno central y la Comisión Europea ponen el acento en que no tiene sentido orientar recursos hacia un sector sin futuro. En virtud de lo anterior, en este trabajo nos hemos planteado hacer una evaluación del impacto que generaron las ayudas concedidas en el seno del Plan del Carbón 1998-2005 (Ministerio de Industria, 2006), el Plan Nacional de Reserva Estratégica de Carbón 2006-2012 (Ministerio de Industria, 2012) y los Fondos Estructurales de la Unión Europea 2000-2006 en doce variables socioeconómicas seleccionadas en los 105 municipios mineros de Castilla y León entre 1998 y 2010.
Para conseguir tal objetivo utilizamos el Analytic Hierarchy Process (AHP, Proceso de Análisis Jerárquico, uno de los principales Métodos de Decisión Multicriterio), desarrollado por Saaty entre 1980 y 1994. Los primeros trabajos sobre los Métodos de Decisión Multicriterio fueron los de Simon (1947, 1955 y 1978) y Miller (1956). Pasaron unos años sin nuevas propuestas sobre el tema, hasta que Kahl (1970) y Kahneman y Tversky (1979) publicaron las herramientas definitivas que le sirvieron a Saaty (1980, 1986, 1990 y 1994a, b y c) para definir el modelo. Posteriormente hubo una oleada de nuevas propuestas entre las que destacan los trabajos de Thaler (1986), Harker (1987), Keeney (1992), Murphy (1993) y Wedley et al. (1993). Finalmente, recientemente ha habido una amplia serie de nuevas aplicaciones, específicamente del Proceso de Análisis Jerárquico, tales como Berumen (2005 y 2006), Berumen y Llamazares Redondo (2007), Okada et al. (2008), Cabala (2010), Long-Ting et al. (2010), Wu et al. (2010) y Llamazares Redondo y Berumen (2011), entre otros.
La principal utilidad del AHP radica en que, ante un amplio abanico de alternativas de decisión finitas, es posible simplificarlas en apenas unas cuantas variables, de modo que es más fácil realizar el análisis y en base a ello encontrar explicaciones. La Metodología AHP permite incorporar factores cualitativos y cuantitativos para dar solución a cualquier problema que se plantee, para que luego las personas determinen sus preferencias por medio de juicios. El AHP representa esos juicios numéricamente al generar una escala de medida, gracias a la cual es posible sintetizar los juicios y alcanzar resultados concretos.
En la realización de este trabajo se han utilizado dos medidas diferentes (relativas y absolutas) si bien en ambas se ha recurrido a la comparación de pares (muy útil para la evaluación de los municipios). En lo referente a las medidas relativas, el modelo se ha evaluado mediante comparaciones entre los criterios, subcriterios y las alternativas y, a su vez, estas se compararon con un tercer elemento común para ambas. Finalmente, una vez que se concluyó la evaluación del modelo, la medida relativa clasificó las alternativas priorizadas de la mejor a la peor.
En el caso de la utilización de la medida absoluta (recordar que cuando esta se utiliza se pueden manejar grandes cantidades de datos) las alternativas no se compararon unas con otras como en efecto sucede en la medida relativa. En nuestro caso, la medida absoluta fueron los valores (centroides), obtenidos del análisis clúster para los años 1998 y 2010 respectivamente.
Con todo este instrumental técnico nos planteamos un objetivo general aplicado a los municipios mineros de Castilla y León: identificar el ranking socioeconómico municipal en 1998 y en 2010. Asimismo, en cada uno de los años de referencia nos dimos a la tarea de investigar sobre: i) un análisis descriptivo y de conglomerados de los municipios mineros con respecto al desempleo; ii) un histograma de frecuencias y un diagrama de cajas con respecto al desempleo; y iii) la localización geográfica de los municipios que forman los conglomerados según el desempleo. Por último, los resultados obtenidos nos permitieron identificar el nivel socioeconómico comparativo de los municipios mineros en 1998 y 2010 y, en base a ello, reconocer si las ayudas concedidas en el seno del Plan del Carbón 1998-2005, el Plan Nacional de Reserva Estratégica de Carbón 2006-2012 y los Fondos Estructurales de la Unión Europea 2000-2006 generaron el impacto esperado.
2. Herramientas para la evaluación del impacto de la política de incentivos sectoriales de los municipios mineros de Castilla y León
En este epígrafe nos daremos a la tarea de utilizar el AHP como herramienta para el estudio del ranking de los municipios mineros de la Comunidad Autónoma de Castilla y León. Esta Comunidad tiene una extensión de 94.224 km2. Es la región más extensa del territorio nacional y la tercera1 de la Unión Europea, representa el 18,6% del territorio nacional y el 2% del espacio comunitario . En la tabla 1 se muestran los 105 municipios mineros de Castilla y León sobre los que se realizó la investigación. Fueron seleccionados de conformidad con los descritos en la Orden del Ministerio de Economía de 17 de Diciembre de 2001 [BOE, 2002], organizados por provincia y tipo de municipio. Asimismo, en la tabla A.1 se muestran las variables utilizadas (y su agrupación por campos temáticos) que fueron objeto de estudio (con una varianza del 80% de su dimensión original). Para tal objeto, mediante la utilización del programa AHP Expert Choice se ha determinado la posición socioeconómica de los 105 municipios mineros, de mayor a menor, en virtud de sus atributos y factores, que conforman Castilla y León.
3. Elaboración de la estructura jerárquica y ponderación de los criterios de decisión
En los Métodos de Decisión Multicriterio, el proceso se puede estructurar de forma visual con el fin de facilitar la comprensión del problema, el cual contiene como mínimo tres niveles: i) el objetivo principal del problema, que en este caso fue la Obtención del Ranking Socioeconómico Municipal (fig. 1); ii) los atributos o criterios que definen las alternativas, que fueron los Factores Obtenidos del Análisis de Componentes; y iii) en la parte inferior del diagrama figuran las alternativas que concurren, es decir, los Municipios. Dado que el número de alternativas era muy elevado (relativo a los 105 municipios analizados), fue necesario crear unas escalas de intensidad, de conformidad con los siguientes principios: i) la descomposición de los elementos del problema en forma jerárquica; ii) la emisión de los juicios comparativos de los elementos, y iii) la síntesis de las comparaciones para obtener las prioridades finales. La expresión esquemática de la estructura jerárquica de los elementos ha tomado en consideración que en el primer nivel se situó el objetivo principal del problema, en el segundo nivel se situaron los criterios apropiados para lograr el objetivo planteado, y en el tercer nivel se situaron los municipios objeto del estudio.
Figura 1. Estructura jerárquica de los elementos que intervienen en el modelo AHP. Fuente: elaboración propia en base al modelo de WEB-Hipre.
Con el interés de obtener la evaluación de los municipios, se empezó por realizar las comparaciones de pares con respecto a cada criterio. Para realizar las comparaciones relativas se aplicó la escala fundamental de Saaty (1980), basada en la capacidad de las personas para distinguir entre dos elementos. Cabe recordar que los términos verbales facilitan la comparación por pares que se exige a los que realizan la evaluación, razón por la cual se expresa en los términos descritos en la siguiente imagen (fig. 2).
Figura 2. Términos verbales de la escala fundamental de Saaty para realizar comparaciones pareadas. Fuente: elaboración en base al programa Expert Choice.
Los juicios determinados por los investigadores son la base del proceso llevado a cabo en el AHP, por esta razón es fundamental que aquellos estén sólidamente fundados en la información científica, técnica y en la experiencia y los conocimientos de los investigadores que evalúan los diferentes componentes del Modelo. En este caso se han tenido en cuenta los resultados del Análisis de Componentes Principales concentrados en la tabla A.2 para 1998 y en la tabla A.3 para el 2010 (ver anexo).
Una vez obtenidos estos datos, la evaluación se ha realizado por medio de comparaciones binarias (a pares) frente a un tercer elemento, que en este caso fue el objetivo anteriormente señalado, para de este modo conocer la preferencia del individuo o grupo respecto a los diferentes componentes que se deseaban evaluar. De esta manera, en la figura 3 se muestra la manera cómo fue posible expresar una amplia diversidad de elecciones, mediante los términos de importancia, preferencia o probabilidad.
Figura 3. Matriz de resultados de las comparaciones de pares entre las Componentes Principales Municipales. Fuente: elaboración propia en base al programa Expert Choice.
La figura 3 contiene la matriz de resultados de las comparaciones que se realizaron dos a dos entre las doce componentes principales que fueron seleccionadas: i) relevo poblacional; ii) desempleo; iii) actividad empresarial; iv) atractivo económico; v) grado de desarrollo agrícola; vi) grado de desarrollo industrial; vii) población potencialmente activa; viii) grado de desarrollo del sector servicios; ix) grado de desarrollo en el sector de la construcción; x) movimiento migratorio; xi) grado de tendencia de la población, y xii) sostenibilidad local. Para establecer la valoración sobre la importancia relativa de las mismas y de su contribución al cumplimiento de la obtención del ranking municipal, se utilizó la escala de valoración de Saaty (valores de 1 a 9), formulando las preferencias de la siguiente forma (tabla 2)2.
4. Ordenación del ranking socioeconómico municipal
Dado que se partía de un amplio abanico de alternativas (los 105 municipios), fue necesario elaborar un procedimiento que facilitase la evaluación. Este consistió en definir una escala de intensidad para los criterios con el fin de asignar a los municipios una intensidad que correspondiese a su comportamiento respecto al criterio considerado. En la figura 4 se muestra la estructura de la jerarquía, tomando en consideración las escalas de intensidad, y en base a los siguientes criterios: i) en el nivel inferior aparecen las escalas de intensidad en lugar de los municipios; y ii), hay bastante flexibilidad para utilizar las escalas, por lo cual, puede variar el grado de detalle y la denominación de la intensidad de uno a otro criterio.
Figura 4. Estructura de jerarquía en el modelo AHP utilizando escalas de intensidad en el lugar de las alternativas. Fuente: elaboración propia en base al modelo de WEB-Hipre.
Tal y como se observa en la figura 5, en lugar de definir alternativas (municipios) visibles en el modelo, se crearon escalas bajo los criterios contra las cuales las alternativas serían contrastadas3. Utilizando cada una de las doce componentes socioeconómicas municipales (criterios), se creó una escala conformada por cinco estados o niveles, los cuales fueron traducidos en valores: alto, medio-alto, medio, medio-bajo y bajo.
Figura 5. Ponderación de los valores de la escala de los niveles socioeconómicos municipales. Fuente: elaboración propia en base al programa Expert Choice.
Una vez diseñada la escala, se definieron las intensidades con respecto al criterio, es decir, el significado de alto, medio alto, etc., con los valores (centroides) obtenidos del análisis clúster. Debido a que disponíamos de una escala absoluta no fue necesario realizar la ponderación de las intensidades por comparaciones de pares, razón por la cual se utilizó la misma escala para las doce componentes, cada una con sus valores. En el caso de la componente desempleo, se invirtieron los valores para dar el mayor peso a los casos que presentaban menor paro. Finalmente, cada municipio fue evaluado en cada una de las escalas creadas.
En la figura 6 se muestra la tabla de datos con las calificaciones (Ratings) dadas a cada municipio a partir de la escala de intensidades en 19984. En nuestro caso, los datos de la escala de intensidad proceden de los resultados obtenidos con el Análisis clúster realizado anteriormente, en donde se definió la creación de cinco grupos (clúster) o niveles socioeconómicos, para de ese modo hacerlos coincidir con la escala de intensidad (también de cinco niveles), a partir de la cual sea más sencillo introducir los datos.
Figura 6. Tabla de datos con las calificaciones (ratings) dadas a cada municipio a partir de la escala de intensidades en 1998. Fuente: elaboración propia en base al programa Expert Choice.
Cada celda de la figura 6 que es evaluada recoge la prioridad (en nuestro caso el valor) de la selección de la escala de intensidades. La columna Total, para cada alternativa (municipio), contiene la suma ponderada de los valores (prioridades) para la alternativa en todos los niveles de la jerarquía. Por lo tanto, lo que se obtiene es el vector resultante de todo el proceso.
Los resultados derivados del estudio se muestran en la figura 7, y señalan que en 1998 el municipio con la mejor posición socioeconómica fue Aguilar de Campoo, debido a que fue el que mejor cumplió con los criterios y evaluaciones considerados. Si este resultado se contrasta con los de la figura 6, se puede apreciar que este municipio obtuvo una prioridad de 0,514, la más alta de todas. El segundo y tercer puesto fueron ocupados por los municipios de Guardo y Cervera del Pisuerga, con una prioridad de 0,465 y 0,461 respectivamente, lo que significa un 93% y 90% respectivamente del municipio que ocupa la primera posición. Los tres municipios pertenecen a la provincia de Palencia. Por el lado contrario, los tres municipios peor posicionados del ranking para el año 1998 fueron Las Omañas, Olmos de Ojeda y en último lugar Valdesario, todos ellos con una prioridad media del 28% inferior respecto a los tres primeros. Siete de estos diez últimos municipios pertenecen a las comarcas limítrofes de La Cepeda y Las Omañas, en la provincia de León.
Figura 7. Ranking socioeconómico municipal de los diez municipios mejores y peores posicionados en 1998. Fuente: elaboración propia en base al programa Expert Choice.
Las diferencias entre los diez primeros, considerando la prioridad media alcanzada en tanto por ciento, y los diez últimos, es del 24%. La densidad media de población de los diez primeros era de 63 hab/km2, frente a 7 hab/km2 de los 10 últimos. Asimismo, la población media de los diez primeros era de 4.300 habitantes, mientras que la de los diez últimos era de 600 habitantes de media. A la vista de los resultados obtenidos, se puede argumentar que en 1998 (es decir, antes de haberse aplicado el Plan del Carbón 1998-2005) ya prevalecían diferencias significativas entre los municipios mineros y los limítrofes. Realizando el mismo procedimiento para el año 2010, en la figura 8 se muestra el lugar que ocupa cada municipio en el ranking.
Figura 8. Tabla de datos con las calificaciones (Ratings) dadas a cada municipio a partir de la escala de intensidades en 2010. Fuente: elaboración propia a partir del programa Expert Choice.
Los resultados definitivos obtenidos para el año 2010 se muestran en la figura 9, y señala que los tres municipios que figuran en primera posición son Salinas del Pisuerga, Aguilar de Campoo y Bembibre, todos los cuales en 1998 también figuraban entre los diez primeros. La prioridad media alcanzada de los diez primeros municipios fue de 0,461, es decir, igual a la alcanzada en 1998. Sin embargo, la densidad media de población de los diez primeros municipios fue de 37 hab/km2, frente a los 63 hab/km2 que tuvieron los diez primeros municipios en 1998. La densidad media de los diez últimos municipios fue la misma que en 1998, es decir de 7 hab/km2.
Figura 9. Ranking socioeconómico municipal de los diez municipios mejores y peores posicionados en 2010. Fuente: elaboración propia en base al programa Expert Choice.
En cuanto a los municipios que ocuparon las diez últimas posiciones, todos fueron distintos a los que figuraban en 1998. No obstante, resulta interesante señalar que prevalecieron las mismas diferencias con respecto a los que ocupaban las primeras posiciones; estas diferencias fueron igual de importantes que en 1998, pues, según los datos las diferencias entre los diez primeros municipios, considerando la prioridad media alcanzada en tanto por ciento, y los diez últimos, fue del 24%, es decir, la misma que en 1998. Y por otra parte, comparando las prioridades medias alcanzadas entre los tres últimos municipios y los tres primeros, la diferencia en términos porcentuales fue del 28%, también igual a la diferencia observada en 1998.
En virtud de lo explicado anteriormente, las conclusiones parciales, correspondientes a la ordenación del ranking socioeconómico municipal, son las siguientes: i) en términos generales no se observaron diferencias significativas entre la situación socioeconómica de 1998 y la de doce años después; ii) si bien se produjo algún cambio de posición en algunos de los municipios, destaca el hecho de que en los diez primeros se pasó de una densidad media de 37 hab/km2 en 1998 a 63 hab/km2 en 2010; y iii) los municipios que ocuparon las últimas posiciones, tanto en 1998 como en 2010 tenían una densidad media de población muy baja, del orden del 7%.
5. El desempleo como variable determinante del impacto de la política de incentivos sectoriales en el desarrollo local de los municipios mineros de Castilla y León (1998-2010)
5.1. Mapa municipal del desempleo como variable determinante en 1998
En consideración con los resultados concentrados en la tabla 3 y el histograma de frecuencias de la figura 10, se advierte que el desempleo es una componente que presenta un ligero comportamiento asimétrico hacia la derecha, lo que significa que en 1998 había un elevado número de municipios con alto nivel de desempleo. Tanto es así que quince municipios presentaron las mayores tasas. Se da la circunstancia de que estos, pertenecientes a los dos primeros conglomerados, tienen una densidad de población del doble que los conglomerados Medio-bajo y Bajo5.
Figura 10. Histograma de frecuencias (A) y diagrama de cajas de los municipios mineros (B) en 1998 con respecto al desempleo. Fuente: elaboración propia.
En el diagrama de cajas se puede observar la manera en que el grupo de municipios Rechar presenta los valores más altos. Asimismo, los tres municipios que forman el conglomerado Alto, son municipios Rechar.
La figura 11 muestra cómo los tres municipios con los valores más altos pertenecen a la provincia de Palencia. Si se analiza el clúster que presenta los valores Medio-altos, se evidencia que siete de los doce municipios que lo forman también pertenecen a la provincia de Palencia.
Figura 11. Localización geográfica de los municipios mineros en 1998 que forman los conglomerados según el desempleo. Fuente: elaboración propia.
5.2. Mapa municipal del desempleo como variable determinante en 2010
En virtud de los resultados concentrados en la tabla 4 y el histograma de frecuencias de la figura 12, se evidencia que la componente presenta una distribución simétrica hacia la derecha en 19 municipios con valores altos. Los valores negativos solo se recogen en el tramo inferior del 25% (primer cuartil).
Figura 12. Histograma de frecuencias (A) y diagrama de cajas de los municipios mineros (B) en 2010 con respecto al desempleo. Fuente: elaboración propia.
En el diagrama de cajas de la figura 12 se puede ver que la mayoría de los municipios que presentan valores altos pertenecen al grupo de los municipios de El Bierzo, todos ellos con una densidad media de población de 30 hab/km2, y pertenecientes a la provincia de León. Por otro lado, los 21 municipios que presentaron valores más bajos en 2010 también tenían una densidad de población muy baja, de apenas 8 hab/km2. En el 2010 fueron apenas apreciables las diferencias de esta segunda componente con respecto a la misma en 1998. Si se consideran los dos primeros clústeres, los resultados son similares. En la figura 13 se muestra que los datos de 2010 fueron ligeramente mejores que en 1998: en 2010, 19 municipios tuvieron los valores altos, frente a los 15 municipios de 1998.
Figura 13. Localización geográfica de los municipios mineros en 2010 que forman los conglomerados según el desempleo. Fuente: elaboración propia.
6. Conclusiones
Desde 2008 en España se vive una de las crisis más graves de su historia. A lo largo de muchos años, de décadas incluso, en el interés de desarrollar y consolidar el Estado de bienestar (por lo menos, como lo hemos concebido en la Europa occidental a lo largo de los últimos 60 años) se ha abusado de un noble instrumento creado para combatir las desigualdades: las ayudas. Sin embargo, estamos ante un momento crítico, en donde es urgente distribuir los recursos de la mejor manera posible. Más allá del debate ideológico sobre la conveniencia de las ayudas para la consolidación de mercados competitivos, está fuera de todo cuestionamiento la pertinencia de conceder subsidios a sectores con necesidades, pero en todo caso estas se deben destinar a proyectos con proyección de futuro, y definitivamente, el de la minería no es uno de ellos.
En efecto, la cultura del subsidio debe ser meridianamente diferenciada entre los sectores con futuro pero que precisan de una ayuda temporal, y sectores que presentan problemas muy acusados y, por más que se beneficien de recursos, su futuro es sombrío. Los resultados obtenidos sobre los municipios estudiados son una muestra evidente del fracaso de las políticas económicas que han apostado por el mantenimiento del statu quo (y por ende, del empleo intensivo en mano de obra), por encima de la evidencia empírica que indica que los recursos públicos se deben destinar a los proyectos que presenten una mayor viabilidad. En el caso que nos ocupa, el impacto que han generado las ayudas en el desarrollo de los municipios mineros de Castilla y León no ha sido significativo en lo absoluto.
En la tabla 5 se muestra la evolución socioeconómica que se ha registrado en los municipios mineros y limítrofes entre 1998 y 2010. Es importante señalar que en el tiempo que media entre ambos años estos municipios recibieron las ayudas contempladas en el Plan del Carbón 1998-2005, el Plan Nacional de Reserva Estratégica de Carbón 2006-2012 y en los Fondos Estructurales de la Unión Europea en la etapa 2000-2006.
La conclusión definitiva es que no se observan diferencias sustanciales entre los dos años objeto del análisis, razón por la cual es posible afirmar que los doce años de diferencia no fueron suficientes para apreciar ni una mejora consistente en las variables socioeconómicas seleccionadas de los municipios peor situados, ni un empeoramiento radical de los mejor situados en el ranking. Por lo tanto, los resultados obtenidos permiten argumentar que tanto las ayudas concedidas al Plan del Carbón 1998-2005, al Plan Nacional de Reserva Estratégica de Carbón 2006-2012 y a los Fondos Estructurales de la Unión Europea 2000-2006, no generaron el impacto esperado, es decir, mejorar las variables socioeconómicas, de modo que es legítimo cuestionarse si los recursos fueron mal empleados.
Finalmente, como se ha visto, la presente investigación se ha centrado en una región concreta y en un período suficientemente largo (12 años). Los resultados alcanzados, sin embargo, muestran ciertas limitaciones. La primera es que nos hubiera gustado hacer el análisis sobre un período más largo, pero nos encontramos ante la constante falta de datos fiables (en varios casos, incluso, simplemente no existen) a medida que nos alejamos de 1998. En segundo lugar, los resultados se limitan a la región estudiada, por tanto, es necesario realizar futuras investigaciones que permitan contrastar estos resultados con otras regiones semejantes, como la cuenca minera de Asturias o de otros países, de entre los que destacan Alemania, Bélgica, Reino Unido y Francia, todos ellos con sectores productivos mineros importantes y que además han sido objeto de ayudas de los gobiernos locales, nacionales y comunitario. En tercero y último lugar, dado que no hubo una mejora significativa en el desarrollo de los municipios mineros de Castilla y León entre 1998 y 2010, es necesario continuar la investigación para identificar la manera en que las ayudas fueron utilizadas.
1. Las regiones de la Unión Europea con mayor superficie que Castilla y León son: Övre Norrland en Suecia, con 165.074 km2 , y Pohjois-Suomi en Finlandia, con 141.541 km2 .
2. Las matrices cuadradas A = (aij) reflejan la dominación relativa de un elemento frente a otro respecto a un atributo en común. Por lo tanto, aij representa la domi nación de la Componente i sobre la j.
3. Las alternativas no se comparan porque no aparecen en el modelo; en su lugar, se comparan y se miden las preferencias de las escalas creadas y que se relacionan con cada criterio.
4. El programa Expert Choice dispone del módulo Ratings para evaluar casos cuando presenta un número considerable de alternativas. Este consiste en una tabla de datos donde se van grabando las calificaciones (ratings), a partir de las medidas o valores de la escala de intensidad, que son utilizadas para juzgar a cada alternativa, en nuestro caso a cada municipio.
5. También hay que tener en cuenta que el 36% de la población minera presenta valores medios.
Historia del artículo:
Recibido el 6 de febrero de 2012 Aceptado el 8 de agosto de 2012
Correo electrónico:
sergio.berumen@urjc.es (S.A. Berumen).
Bibliografía
Baron, M., 2007. Aspects of the contribution of banking and industrial capital to the development and modernization of gold mining during the existence of Mica Company (1920-1948). Annals of the University of Petrosani. Economics 7, 5-28.
Bernini, C., Pellegrini, G., 2011. How are growth and productivity in private firms affected by public subsidy? Evidence from a regional policy. Regional Science and Urban Economics 41 (3), 253-265.
Berumen, S.A., 2005. An approach to local and regional competitiveness. Cuadernos de Administración 18 (29), 13-31.
Berumen, S.A., 2006. Una aproximación a los indicadores de la competitividad local y factores de la producción. Cuadernos de Administración 19 (31), 12-29.
Berumen, S.A., Llamazares Redondo, F., 2007. La utilidad de los Métodos de Decisión Multicriterio (como el AHP) en un entorno de competitividad creciente. Cuadernos de Administración 20 (34), 65-87.
Betrán, C., 2011. Regional specialisation and industry location in the long run: Spain in the US mirror (1856-2002). Cliometrica, Journal of Historical Economics and Econometric History 5 (3), 259-290.
BOE, 2002. Orden de 17 de diciembre del Ministerio de Economía, Boletín Oficial del Estado, 5 de enero de 2002, Madrid.
Cabala, P., 2010. Using the analytic hierarchy process in evaluating decision alternatives. Operations Research and Decisions 1, 1-23.
Díaz-Morlán, P., Escudero, A., Sáez, M., 2009. The restructuring of the Spanish integrated steel industry in the European panorama (1971-86): A lost opportunity. Business History 51 (4), 547-568.
Drelichman, M., 2005. All that glitters: Precious metals, rent seeking and the decline of Spain. European Review of Economic History 9 (3), 313-336.
Duek, A., Rusli, R., 2010. The natural resources industry in decentralised Indonesia: how has decentralisation impacted the mining, oil and gas industries? CREA Discussion Paper Series 10-25, Center for Research in Economic Analysis, University of Luxembourg.
Gabriele, R., Zamarian, M., Zaninotto, E., 2008. Assessing the economic impact of public industrial policies: an empirical investigation on subsidies. ROCK Working Papers 039, Department of Computer and Management Sciences, University of Trento, Italy.
Gómez-Márquez, I., Alejano, L.R., García Bastante, F., 2011. Mining compatibility with other projects in Spain: Solutions and benefits. Resources Policy 36 (1), 22-29.
Harker, P. T., 1987. The Incomplete pairwise comparisons in the analytic hierarchy process. Mathematical Modelling 9, 837-848.
Instituto Nacional de Empleo. Municipios de la Comunidad de Castilla y León. Servicio Estatal de Empleo. Disponible en: http://www.inem.es [consultado 15 Ago 2011].
Instituto Nacional de Estadística. Operaciones estadísticas de demografía y población. INEbase. Disponible en: http://ine.es [consultado 12 Jul 2011].
Junta de Castilla y León. Datos municipales generales. Sistema de información estadística de la Junta de Castilla y León. Disponible en: http://www.jcyl.es/sie [consultado 3 Jul 2011].
Kahl, A. L., 1970. Management decision models and computers. Management Science 17 (4), B269-B281.
Kahneman, D., Tversky, A., 1979. Prospect theory: An analysis of decisions under risk. Econometrica 47 (2), 263-292.
Keeney, R. R., 1992. Value-focused thinking: A Path to creative decision making. Cambridge Mass. Harvard University Press.
Kemfert, C., Diekmann, J., 2006. Perspectives for Germany's energy policy. DIW Berlin, German Institute for Economic Research, issue 2, 11-22.
Llamazares Redondo, F., Berumen, S.A., 2011. Los Métodos de Decisión Multicriterio y su aplicación al análisis del desarrollo local. Editorial Esic, Madrid.
Long-Ting, W., Xia, C., Ru-Wei, D., 2010. Judgment number reduction: An issue in the analytic hierarchy process. International Journal of Information Technology & Decision Making (IJITDM) 9 (1), 175-189.
Miller, G.A., 1956. The magical number seven plus or minus two. Some limits on our capacity for processing information. The Psychological Review 63 (2), 81-97.
Ministerio de Economía y Hacienda, 2011. Presupuestos municipales de las Comunidades Autónomas. Subdirección General de Análisis y Estadística con Entidades Locales. Disponible en: http://www.meh.es [consultado 2 Sep 2011].
Ministerio de Industria, 2006. Plan 1998-2005 de la minería del carbón y desarrollo alternativo de las comarcas mineras. Ministerio de Industria, Madrid.
Ministerio de Industria, 2012. Plan Nacional de Reserva Estratégica de Carbón 2006-2012. Ministerio de Industria, Madrid.
Montmartin, B., 2010. Subsidy policy for innovation: A way to reach objectives of both higher growth and equity? GATE Working Paper 1031.
Moreno Enguix, M.R., Renart, M., Vidal Hernández-Mora, J.A., 2012. Política regional europea: análisis de los informes de gestión de los fondos estructurales 2000-2006. Investigaciones Regionales 22, 35-56.
Murphy, C.K., 1993. Limits on the Analytic Hierarchy Process from its consistency index. European Journal of Operational Research 65 (1), 138-139.
Okada, H., Styler, S., W., Grismer, M.E., 2008. Application of the Analytic Hierarchy Process to irrigation project improvement: Part II. How professionals evaluate an irrigation project for its improvement. Agricultural Water Management 95 (3), 205-210.
Pellegrini, G., Cerqua, A., 2011. Are subsidies to private capital useful? A multiple regression discontinuit y design Approach1. ERSA Conference Papers, ersa11p1323, European Regional Science Association.
Rabanal, N.G., 2009. Coal restructuring in Spain: Continuity and uncertainty? Energy Policy 37 (11), 4373-4378.
Saaty, T.L., 1980. Multicriteria decision making: The analytic hierarchy process. Mc GrawHill, New York.
Saaty, T.L., 1986. Axiomatic foundation of the analytic hierarchy process. Management Science 32 (7), 841-855.
Saaty, T.L., 1990. How to make a decision. European Journal of Operational Research 48 (1), 9-26.
Saaty, T.L., 1994a. Fundamentals of decision making and priority theory with the analytic hierarchy process. RWS Publications, Pittsburgh.
Saaty, T.L., 1994b. How to make a decision: The analytic hierarchy process. European Journal of Operational Research 24 (6), 19-43.
Saaty, T.L., 1994c. Homogeneity and clustering in AHP ensures the validity of the scale. European Journal of Operational Research 72 (3), 598-601.
Schnellenbach, J., Baskaran, T., Feld, L.P., 2009. Creative destruction and fiscal institutions: A long-run case study of three regions. Papers on Economics and Evolution 2009-08, Max Planck Institute of Economics.
Simon, H.A., 1947. Administrative behaviour. A study of decision making processes in administrative organizations. Free Press, New York.
Simon, H.A., 1978. On how to decide what to do. The Bell Journal of Economics 9 (2), 494-507.
Simon, H.A., 1995. A behavioral model of rational choice. Quarterly Journal of Economics 69 (1), 99-118.
Tesorería General de la Seguridad Social, 2011. Número de empresas y población ocupada por sector económico (1998-2010). Tesorería General de la Seguridad Social. Disponible en: http://www.seg-social.es [consultado 12 Sep 2011].
Thaler, R.H., 1986. The psychology and economics conference handbook: Comments on Simon, on Einhorn and Hogarth, and on Tversky and Kahneman. The Journal of Business 59 (4), S279-S284.
Tokila, A., Haapanen, M., Ritsila, J., 2008. Evaluation of investment subsidies: When is deadweight zero? International Review of Applied Economics 22 (5), 585-600.
Vintró, C., Fortuny, J. Sanmiquel, L., Freijo, M., Edo, J. 2012. Is corporate social responsibility possible in the mining sector? Evidence from Catalan companies. Resources Policy 37 (1), 118-125.
WEB-Hipre. Global decision support. Recuperado de: www.hipre.hut.fi [consultado 12 May 2012].
Wedley, W.C., Schoner, B., Tang, T.S., 1993. Starting rules for Incomplete Comparisons in the Analytic Hierarchy Process. Mathematical and Computer Modelling 17 (4-5), 93-100.
Wu, L.T., Cui, X., Dai R.W., 2010. Judgment number reduction: An issue in the analytic hierarchy process. International Journal of Information Technology & Decisio n Making (IJITDM) 9 (1), 175-189.
