Joves que no treballen ni estudien: convergència i determinants

A Catalunya, la població jove que no està ocupada, ni cursa estudis, ni s’està formant (Not in Employment, Education or Training, NEET) va ser el 15,1% el 2021 (Idescat). Aquesta taxa es defineix com el percentatge de gent jove, entre 15 i 24 anys, que no treballen ni estudien. La mitjana de la taxa de NEET de 2000 a 2019 va ser del 15% a Catalunya amb un pic del 21% durant la crisi econòmica, concretament, el 2009 i el 2010. Aquesta mitjana va estar per sobre de la taxa de NEET a la Unió Europea (UE) que va ser del 12% durant el mateix període (2000-2019). Aquesta mesura és una eina útil per entendre les vulnerabilitats dels joves pel que fa a la participació en el mercat laboral i la inclusió social. Durant l’última dècada, diverses organitzacions nacionals i internacionals l’han utilitzat en els seus informes (ex. OCDE, Eurostat i Eurofound).

En un article publicat recentment (Maynou et al, 2022), utilitzant dades d’Eurostat, hem analitzat la convergència de la taxa de NEET a les 274 regions de la UE de 2000 a 2019 per avaluar la tendència d’aquesta mesura i poder-ne explicar els principals determinants. El concepte de convergència es defineix com la concurrència de diverses unitats en el mateix punt. En el nostre cas, la unitat es refereix a les regions de la UE. En primer lloc, apliquem la metodologia de convergència de clubs per identificar la presència de clústers a les regions europees. Els clústers determinen grups de regions que van al mateix punt de convergència. En segon lloc, apliquem un model economètric espaciotemporal per verificar la presència de convergència a cada clúster, tot controlant per característiques de les regions. També calculem les taxes de NEET a llarg termini i n’identifiquem els determinants.

En la figura 1 mostrem que l’evolució de la taxa de NEET ha sigut diferent entre les regions de la UE i suggereix la presència d’almenys quatre grups diferents malgrat un augment general entre el 2001 i el 2010, seguit d’una reducció entre el 2010 i el 2019. Un primer grup de regions, format per regions situades al sud d’Europa (Espanya i Itàlia), al sud-est d’Europa (Grècia, Bulgària i Romania) i algunes regions del Regne Unit, mostra un augment i després una disminució de les taxes de NEET mantenint-se sempre per sobre de la mitjana europea (12%). Un segon grup de regions també mostra un augment i després una disminució de la taxa de NEET però començant des de nivells relativament baixos (per sota del 7%) i pujant a nivells al voltant de la mitjana europea (12%). Aquestes regions es troben principalment al Regne Unit, al nord d’Itàlia, al nord d’Espanya i a l’Europa central (República Txeca, Hongria, Polònia i Eslovàquia). Un tercer grup, format principalment per regions de Portugal, França i el Regne Unit, no mostra un canvi clar en les taxes de NEET respecte de la mitjana europea. Finalment, un grup de regions del nord, l’oest i el centre d’Europa mostra una certa estabilitat en les taxes de NEET, però clarament per sota de la mitjana de la UE.

Figura 1. Evolució de la taxa de NEET a les regions de la UE

Aplicant la metodologia de convergència de clubs, a través del model de transició de Phillips i Sul (2007, 2009), estimem 6 clústers que consisteixen en regions subnacionals en diferents parts de la UE. La figura 2 mostra que els dos primers clústers principals contenen regions ubicades principalment a l’Europa de l’Est, l’Europa del Sud, el Regne Unit i França, mentre que els clústers 3 i 4 inclouen regions principalment de l’Europa Central i del Nord. Els clústers 1 i 2 mostren un augment de les taxes de NEET respecte de la tendència mitjana de les regions europees, però a diferents velocitats (el clúster 1 mostra un augment d’aquesta taxa més gran que el clúster 2). El tercer clúster mostra taxes relativament constants respecte de la mitjana de les regions europees. El quart clúster presenta una taxa decreixent en comparació amb el conjunt de les regions europees. Finalment, hi ha dos clústers addicionals (el 5 i el 6) que comprenen vuit regions (sis de les quals es troben a Alemanya) que mostren una clara reducció de les taxes relatives de NEET. Catalunya forma part del primer clúster, format per 59 regions, el qual mostra la divergència més gran respecte de la mitjana de la UE.

Figura 2. Clústers estimats

Utilitzant els clústers estimats, apliquem un model economètric espaciotemporal per verificar la presència de convergència a cada clúster. Els resultats mostren que hi ha convergència en la taxa de NEET en les regions europees però que la velocitat de convergència és diferent en cada clúster. El model ens permet determinar que la taxa d’atur i la taxa d’abandonament escolar són els principals determinats de la taxa de NEET en tots els clústers. Aquestes dues variables expliquen entre el 66,1% i el 92,4% de la taxa de NEET a llarg termini dels clústers analitzats.

En resum, el nostre estudi mostra una convergència en les taxes de NEET a les regions europees del 2000 al 2019 i aporta evidència que les taxes de NEET són diferents entre els clústers identificats. La taxa d’atur i la taxa d’abandonament escolar són els principals determinants de la taxa de NEET a tots els clústers.

Els nostres resultats suggereixen que les mesures destinades a reduir el problema de NEET i promoure la inclusió juvenil haurien de tenir en compte les característiques específiques revelades en l’anàlisi de convergència de clubs i els determinants de la taxa de NEET en cada clúster. Els estats membres de la UE han de ser més actius en el disseny i l’aplicació de mesures polítiques destinades a augmentar l’ocupació dels joves i la seva participació en el mercat laboral. Cal fer més esforços per evitar l’abandonament escolar dels joves i ajudar-los a tornar a l’educació. Una transició eficient de l’escola a la feina és un factor clau per reduir el problema del joves NEET. Un fet a tenir en compte a Catalunya on veiem una taxa de NEET més alta que la mitjana europea.

About Post Author

Laia Maynou, Javier Ordóñez i José Ignacio Silva

Laia Maynou és lectora Serra Húnter del Departament d'Econometria, Estadística i Economia Aplicada de la Universitat de Barcelona. A més, és investigadora visitant de la London School of Economics and Political Science (LSE) al Department of Health Policy i investigadora associada del Centre de Recerca en Economia i Salut (CRES). Laia Maynou és vicepresidenta segona de l’Associació d’Economia de la Salut d’Espanya (AES). La seva investigació se centra en l’àmbit de l’economia de la salut, concretament en les àrees d’avaluació de polítiques públiques, innovació i eficiència hospitalària i sistemes de salut. Javier Ordóñez és catedràtic d'Universitat al Departament d'Economia de la Universitat Jaume I de Castelló. Actualment és secretari i ha estat director de l'Institut d'Economia Internacional, així com president de l'Associació Espanyola d'Economia i Finances Internacionals. Javier Ordóñez és expert avaluador de l'Agència Estatal de Recerca i Research Fellow del Laboratory of Energy and Environmental Management. La seva àrea d'especialització és la integració econòmica, i ha fet recerca en altres àmbits, com ara l’economia regional, energia i medi ambient, desigualtat i exclusió social i mercat d’habitatge. José I. Silva és professor agregat Serra Húnter al Departament d’Economia de la Universitat de Girona. A més, és Honorary Lecturer a la Universitat de Kent, Anglaterra. La seva recerca se centra en l’àmbit de la macroeconomia del mercat de treball.