Un primer análisis del impacto económico regional de la pandemia de COVID-19 en Argentina

Por Andrés Niembro* y Carla Daniela Calá**

La heterogeneidad en la distribución sectorial de la producción y el empleo a nivel territorial en Argentina, que se manifiesta en distintas especializaciones productivas, permite anticipar un impacto desigual de las medidas de aislamiento social preventivo y obligatorio (ASPO) a raíz de la pandemia de COVID-19. En esta nota presentamos un primer análisis exploratorio sobre el impacto económico a nivel regional que la pandemia y el ASPO podrían haber tenido durante las últimas semanas de marzo y el mes de abril, un primer momento en el cual las restricciones y excepciones se plantearon principalmente a nivel sectorial o de actividad.

Mientras que las actividades productivas consideradas como esenciales continuaron en forma relativamente normal (elaboración de alimentos y bebidas, servicios de salud), hubo otras cuya operación se redujo notablemente (transporte) o directamente han sido suspendidas de manera indefinida (turismo, esparcimiento). Por otro lado, a pesar de las restricciones de circulación, algunas actividades pudieron adaptarse y realizarse de forma remota (diversos servicios profesionales, educación), pero otras que requieren naturalmente de la presencia física en el lugar de trabajo (elaboración de manufacturas, construcción) se vieron mucho más afectadas.

Para analizar el impacto económico regional de la pandemia y el ASPO construimos el índice de afectación económica territorial por COVID-19 (IAET-COVID), que tiene en cuenta, por un lado, la estructura productiva de las diferentes regiones en términos de empleo privado y, por otro, el grado de operatividad de cada sector (aproximado para las últimas semanas de marzo y el mes de abril). En concreto, el índice de afectación económica territorial en la región j se calcula como:

Donde Sij es el peso que tiene cada sector i en la región j y OPi es el nivel de operatividad de cada sector i en el país. Por su forma de cálculo, el IAET debe interpretarse como un índice negativo, ya que toma valores más altos (o se acerca a 100) si la actividad económica se ha visto muy afectada (poco operativa) por la pandemia y el ASPO, y viceversa.

Puesto que en Argentina no disponemos de estadísticas de valor agregado sectorial completas, homogéneas y (medianamente) actualizadas a nivel territorial, para definir los pesos de cada sector utilizamos datos de la totalidad del empleo asalariado registrado en el sector privado, para las provincias y áreas económicas locales (AEL)[[1]], que elabora el Observatorio de Empleo y Dinámica Empresarial (OEDE) del Ministerio de Trabajo, Empleo y Seguridad Social. En particular, para el caso de las AEL usamos datos promedio del periodo 2016-2018 -facilitados amablemente por OEDE para, en otro trabajo previo, describir la estructura productiva de las AEL (Niembro et al., 2020)- y calculamos el peso del empleo privado asalariado registrado en cada rama de actividad (2 dígitos CIIU) sobre el total del empleo privado registrado asalariado de cada AEL. En el caso de las provincias realizamos este mismo cálculo, por un lado, para el periodo 2016-2018 y, por otro, para el segundo trimestre de 2019 (que incluye al mes de abril).

Vale destacar que los datos territoriales (por provincia y AEL) que ofrece el OEDE tienen la bondad de cubrir todo el universo del empleo asalariado registrado en el sector privado, a partir del cruce de registros administrativos del SIPA y de la AFIP, por lo que no se trata de una estimación según datos muestrales, como ocurre con la EPH. La limitación del uso de datos de empleo asalariado registrado en el sector privado para describir la estructura productiva (privada) regional es que se deja de lado al empleo asalariado informal y a los trabajadores no asalariados o cuentapropistas. Por ello, hemos realizado un análisis similar con datos de la EPH, donde chequeamos que, si bien se producen algunas pequeñas modificaciones al incorporar la informalidad y el cuentapropismo, los patrones generales se mantienen[[2]].

El grado de operatividad de cada sector va de un máximo de 100 (completa) a un mínimo de 0 (nula), pasando por valores intermedios de 75 (alta), 50 (media) y 25 (baja). Dado que este indicador sectorial es fijo para todas las regiones (consideramos que en esta etapa del ASPO cada sector presenta un nivel de operatividad similar en todo el país), la variabilidad regional del IAET refleja las diferencias en la distribución sectorial del empleo registrado a lo largo de las provincias o las AEL. A fin de realizar un análisis sencillo de sensibilidad, definimos para cada sector una hipótesis de operatividad mínima y otra de máxima, a partir de la búsqueda e interpretación de información secundaria: estadísticas recientes publicadas por el INDEC u otros organismos oficiales, informes de consultoras o centros de investigación, e información de varias encuestas y relevamientos de cámaras sectoriales[[3]]. Este tipo de definición de hipótesis de operatividad (o vulnerabilidad) por sectores ha sido un paso común en otros trabajos recientes que realizan ejercicios similares al aquí propuesto (Bachtrögler et al., 2020; Bonet-Morón et al., 2020; González Laxe et al., 2020; Lódola y Picón, 2020; Pérez y Maudos, 2020; Prades Illanes y Tello Casas, 2020).

La Tabla 1 muestra el valor promedio, inferior y superior del índice para las 85 AEL del país, las cuales aparecen agrupadas según su grado de afectación (las más afectadas se muestran en tonos de rojos y las menos en tonos de verde) y su tipo de patrón productivo de acuerdo a la tipología elaborada en Niembro et al. (2020). En un sencillo análisis de robustez, verificamos que los principales resultados en los extremos de la distribución se mantienen incluso si acercamos el nivel de operatividad sectorial a su hipótesis de máxima para las AEL más afectadas y, por otro, llevamos la hipótesis de operatividad al mínimo para las AEL menos afectadas[[4]].

Entre las más afectadas, previsiblemente, observamos áreas especializadas en turismo y en varias industrias altamente restringidas en el período de tiempo considerado. Varias de estas AEL también poseen un perfil extractivo de recursos naturales, como petróleo y minerales, que se han visto limitados tanto por la pandemia como por la crisis sectorial en el caso de los hidrocarburos. En el otro extremo, entre los verdes más intensos, se aprecia que la especialización en sectores agropecuarios y de alimentos ha sido esencial para minimizar los impactos de la pandemia y el ASPO. En general, el patrón productivo de las AEL más y menos afectadas muestra niveles de diversificación relativamente bajos, con un tipo de especialización que se inclina hacia sectores más y menos afectados, respectivamente.

Por otro lado, las AEL con patrones productivos más diversificados se ubican generalmente entre las posiciones intermedias, inclinándose hacia un lado u otro de la distribución en función del peso relativo y el balance entre actividades más y menos afectadas. Por ejemplo, en el medio de la Tabla 1 (color amarillo) aparecen AEL con patrones de cierta diversificación productiva, donde la pandemia y el ASPO probablemente hayan impactado en algunos sectores pero no en otros. La diversidad permite así repartir el riesgo de afectación económica entre más actividades y, de esa forma, puede reducir las chances de caer en los escenarios más desfavorables.

Tabla 1 – AEL según IAET y tipo de patrón productivo – subgrupos ordenados por tipología 2016-2018

El Mapa 1 muestra las AEL, distribuidas a lo largo del territorio nacional, de acuerdo al impacto inicial de la pandemia y el ASPO. Observamos que de acuerdo a nuestro indicador el impacto ha sido relativamente bajo en las AEL de algunas provincias, como Jujuy y Entre Ríos, mientras que las AEL de la Patagonia están entre las más afectadas. También se aprecia claramente la heterogeneidad al interior de algunas provincias, como Buenos Aires, Córdoba o Misiones.

Mapa 1: AEL según IAET

Nota: se muestra la ubicación de la ciudad central o nodo de cada AEL, pero no toda su cobertura geográfica -ver [1]-.

Una de las limitaciones que no podemos salvar con los datos disponibles por AEL (promedio de los años 2016-2018) es la posible estacionalidad de algunas actividades, como las relacionadas con el turismo. Es probable que en algunas ciudades turísticas donde la actividad económica y el empleo se expanden en meses muy específicos (como la temporada de verano en Pinamar y Villa Gesell), el uso de datos anualizados conlleve cierto grado de sobreestimación del impacto inmediato del ASPO en meses de temporada media-baja (fines de marzo y abril). Esta restricción es más acotada para los destinos que reciben un caudal de visitantes más estable a lo largo del año (como Iguazú) o que presentan diferentes temporadas (invernal y estival, como Bariloche), siendo que la temporada de invierno se encuentra prácticamente perdida. No obstante, es de esperar que los impactos de la pandemia sean mucho más largos y sostenidos sobre el turismo, incluso cuando otras actividades vayan retornando a una nueva normalidad.

En base a los datos publicados por OEDE[[5]], construimos el IAET para las provincias argentinas y observamos (Gráfico 1) que el impacto de la pandemia y el ASPO a partir de datos anuales (2016-2018) es similar al efecto medido en base a datos del segundo trimestre de 2019 (periodo del año anterior que reflejaría una estructura productiva más similar en términos de estacionalidad). Por otro lado, se aprecia que las provincias patagónicas (Tierra del Fuego, Neuquén, Santa Cruz y Chubut) se encuentran entre las más afectadas, mientras que las menos afectadas son provincias de base agroalimentaria como Tucumán, Entre Ríos y Jujuy. En línea con estas últimas provincias, la excepción en el caso de la Patagonia es Río Negro, la provincia de la región con mayor perfil agroalimentario y menor peso de los hidrocarburos.

Los resultados a nivel de AEL y de provincia son complementarios y pueden ayudar a entender algunas realidades particulares a partir de una u otra definición territorial. Si bien las AEL permiten (muchas veces) distinguir diferentes situaciones al interior de una misma provincia, el análisis de la base provincial de OEDE permite identificar algunas AEL de características especiales. En primer lugar, podemos apreciar que el AEL que incluye a CABA y GBA de forma conjunta abarca realidades heterogéneas en su interior. Los partidos bonaerenses del GBA parecieran verse más afectados por la pandemia y el ASPO que la Ciudad de Buenos Aires, según estos datos. El resto de la Provincia de Buenos Aires aparece más abajo, en una mejor posición relativa. Por otro lado, el AEL denominado Alto Valle del Río Negro abarca a varias ciudades rionegrinas de perfil frutícola (menos afectadas), junto a Neuquén capital y otras ciudades de dicha provincia que se encuentran mucho más atravesadas por la producción hidrocarburífera (y por ende más afectadas).

Gráfico 1. IAET (promedio) a nivel provincial: pesos sectoriales según 2016-2018 o 2do. trimestre de 2019

En línea con otros trabajos recientes que intentan medir el impacto económico regional de la pandemia, hemos propuesto aquí un primer cálculo (índice) relativamente sencillo para explorar, en términos territoriales, el impacto heterogéneo que la pandemia y el ASPO pueden haber tenido sobre la actividad económica privada durante las últimas semanas de marzo y el mes de abril. Concretamente, observamos que la Patagonia ha sido una de las áreas más afectadas, mientras que en otras provincias, como Jujuy, Entre Ríos o Tucumán el impacto inicial habría sido sustancialmente menor. Adicionalmente, la mayor riqueza analítica que supone estudiar el territorio nacional a nivel de AEL permite poner de manifiesto la heterogeneidad existente al interior de provincias grandes y diversas, como Buenos Aires y Córdoba, e incluso en otras más pequeñas como Misiones. Los resultados son relativamente estables si, al momento de definir la estructura productiva privada a nivel regional, se usan datos de empleo asalariado registrado en el sector privado para el promedio de unos años atrás (2016-2018) o datos del mismo trimestre de 2019.

De aquí en adelante se requiere avanzar hacia análisis más complejos, teniendo en cuenta que a partir de mayo se observaron diferentes dinámicas de flexibilización del ASPO a nivel territorial y que, actualmente, en muchas provincias y localidades del país se ha pasado a una nueva etapa de distanciamiento social. Esto implica la necesidad de considerar no sólo la estructura productiva regional sino también otras características de las regiones, tales como su tamaño, densidad poblacional, índices de movilidad, cantidad, frecuencia y velocidad de los contagios, etc. Por último, otros temas que se advierten como relevantes para futuros análisis son el rol de la diversidad productiva y del grado y tipo de orientación comercial (interna y/o exportadora) de las regiones en la salida de la crisis.

*Universidad Nacional de Río Negro – CIETES. aniembro@unrn.edu.ar
**Universidad Nacional de Mar del Plata – FCEyS. dacala@mdp.edu.ar

---

 Referencias

Bachtrögler, J., Firgo, M., Fritz, O., Klien, M., Mayerhofer, P., Piribauer, P. y Streicher, G. (abril de 2020). «Regional differences in the economic vulnerability to the current COVID-19 crisis in Austria». Viena: WIFO- Austrian Institute of Economic Research.

Bonet-Morón, J., Ricciulli-Marín, D., Pérez-Valbuena, G., Galvis-Aponte, L., Haddad, E., Araújo, I. y Perobelli, F. (mayo de 2020). «Impacto económico regional del COVID-19 en Colombia: un análisis insumo-producto». Documentos de Trabajo sobre Economía Regional y Urbana No. 288. Cartagena: Centro de Estudios Económicos Regionales (CEER), Banco de la República.

Borello, J. (2002). «Áreas Económicas Locales: Criterios para su definición en la Argentina». Informe del Proyecto sobre Pequeñas y Medianas Empresas Industriales en América Latina (ITA/99/145). CEPAL, Naciones Unidas.

González Laxe, F., Armesto Pina, J.F., Lago-Peñas, S. y Sanchez-Fernandez, P. (abril de 2020). «Impacto económico del COVID19 en una economía regional. El caso del confinamiento para Galicia». MPRA Paper No. 100002, Munich Personal RePEc Archive.

Lódola, A. y Picón, N. (mayo de 2020). «Impacto sectorial y regional del COVID19 en la producción de la provincia de Buenos Aires». LAB DOC No. 09. La Plata: Laboratorio de Desarrollo Sectorial y Territorial-Universidad Nacional de La Plata.

Niembro, A., Calá, C.D. y Belmartino, A. (mayo de 2020). «Una tipología de las áreas económicas locales de Argentina en base a perfiles sectoriales de coaglomeración territorial (2011-2018)». Documento de Trabajo disponible aquí.

Pérez, F. y Maudos, J. (marzo de 2020). «Impacto económico del coronavirus en el PIB y el empleo de la economía española y valenciana». Valencia: Instituto Valenciano de Investigaciones Económicas (Ivie).

Prades Illanes, E. y Tello Casas, P. (mayo de 2020). «Heterogeneidad en el impacto económico del COVID-19 entre regiones y países del área del Euro». Boletín Económico No. 2/2020. Banco de España.

Rotondo, S., Calá, C.D. y Llorente, L. (2016). «Evolución de la diversidad productiva en Argentina: análisis comparativo a nivel de áreas económicas locales entre 1996 y 2015». Anales de la LI Reunión Anual de la Asociación Argentina de Economía Política (AAEP), San Miguel de Tucumán. Disponible aquí.

 

[[1]] Las AEL se componen de una ciudad central o nodo y un conjunto de otras localidades interconectadas a partir de los desplazamientos diarios de trabajadores entre su hogar y su lugar de trabajo (Borello, 2002; Rotondo et al., 2016). La conformación de las principales 85 AEL de Argentina puede consultarse aquí.

[[2]] Esto último, como así también algunos otros detalles técnicos, puede consultarse en el documento completo aquí.

[[3]] En el cuadro disponible aquí (al igual que en el documento completo) presentamos el listado de los sectores considerados, junto a las hipótesis de operatividad sectorial y las fuentes revisadas en cada caso.

[[4]] El IAET-Inferior para las 8 AEL más afectadas es en promedio de 43,5, mientras que el IAET-Superior para las 10 AEL menos afectadas es en promedio de 42,2.

[[5]] En la base de datos provincial de OEDE, la Provincia de Buenos Aires se encuentra dividida en dos partes (partidos del GBA y resto de la provincia), por lo que además de calcular el agregado provincial mostramos los resultados del IAET para estas divisiones.