El Atlas de Oportunidades elaborado por la Fundación Felipe González (FFG) en colaboración con COTEC (Llaneras, Medina y Costa 2020) pretende ser una réplica del Opportunity Atlas dirigido por Chetty en Estados Unidos. Primero, se localizan los descendientes en las declaraciones de la renta de 2003, que son unos 2,7 millones. Luego se recuperan las declaraciones de renta de los padres en el año 1998 y, de cada hogar, se anotan sus rentas brutas y su ubicación (hasta código postal). Las rentas de origen son, por tanto, las del hogar o domésticas, no paternas ni maternas, sino ‘parentales’. Después, se buscan las rentas de los hijos en 2016, individuales y del hogar. De aquí, resulta una base de datos individualizada y anonimizada que relaciona la renta de padres e hijos, incluyendo además información sobre localización y sexo, de la cual se seleccionan los hijos nacidos entre 1984 y 1990, que son unos 1,6 millones de los aproximadamente 3 millones censados a esa edad, con renta en 1998 (con 8-14 años) y en 2016 (con 26-32 años).

El AO sigue a Chetty en el uso de las centilas en lugar de los ingresos reales. Para cada hijo, se calcula su centila de renta en 2016, relativa al resto de hijos de su edad. Para los padres, se calcula su centila de renta en 1998 relativa al resto de padres con un hijo de la misma edad. Así, se controlan los efectos del ciclo vital. Los datos que se hacen públicos no son los individuales, sino tablas a nivel nacional, por CC. AA., provincias, grandes ciudades (municipios con más de 5000 hijos nacidos entre 1984 y 1990), municipios y códigos postales. Las tablas muestran la centila promedio filial (tanto la media como la mediana) para cada centila de renta parental, así como el tamaño de la muestra por sexo y tipo de ingresos (individual y hogar). Se publican también tablas adicionales para convertir los datos de centilas de renta a euros, lo que permite replicar los cálculos basados en centilas o rangos.

Los autores del AO señalan también sus limitaciones: no incluye las CC. AA. de régimen foral (País Vasco y Navarra), ni Ceuta y Melilla por lo pequeño de la muestra; se deja fuera como la mitad de la población de 6-32 años que no aparece en las declaraciones de renta de 2016; quedan fuera, además, los hijos de padres que no hicieron declaración de la renta en 1998, probablemente más pobres que la muestra. Por otro lado, no se tienen en cuenta las mudanzas: el domicilio es el de 1998, cuando los sujetos tenían entre 8 y 14 años. Por último, los autores aclaran que su trabajo es de exploración y descripción, no entrando en el estudio de las causas de las diferencias de movilidad. Como ha señalado Polavieja (2020), algunas de estas limitaciones superan las del modelo: faltan muchos más sujetos, los datos mezclan el rango de edades 26-32 en vez de solo los de 30-32, los datos se dan en centilas y no en euros, no hay datos individuales sino solo por zonas (esto último impide calcular correlaciones). Ahora bien, estas limitaciones son quizás graves cuando se trata de la comparación entre países ³ , pero se pueden suponer leves o incluso irrelevantes cuando, como aquí, se trata de comparar provincias, pues los sesgos producidos por las técnicas de muestreo y recogida de datos son los mismos en todas ellas; como veremos, al estimar las rentas de los hijos con la media y la mediana se aprecia, por un lado, lo importante de una diferencia en el método y, por otro, la uniformidad con que cada variante afecta a todas las unidades de análisis.

Solo he logrado encontrar indicadores de algunos de los factores considerados por Chetty et al. (2014) que, tras muchos esfuerzos, han quedado limitados a cuatro: desigualdad y nivel de renta, mercado de trabajo y educación.

Desigualdad. La variable que, en principio, más nos interesa es la más difícil de medir. El Instituto Nacional de Estadística (INE) publica el Atlas de distribución de la renta de los hogares con estimaciones del índice de Gini y la ratio 80/20 a nivel provincial desde 2015 (INE 2022); para antes de esta fecha, he encontrado las estimaciones de Goerlich y Mas (2002) para la desigualdad de gasto basadas en las Encuestas de Presupuestos familiares (EPF) de 1973-74, 1980-81 y 1990-1. Los datos del AO permiten estimar, para cada provincia, la desviación típica y el índice de Gini de la renta parental en euros, lo que garantiza que se trata de los mismos sujetos, la misma magnitud y la misma fecha con que se calcula la movilidad. La congruencia entre las diversas estimaciones no es muy alta; así, la de 1973 correlaciona 0,19 con la de 1991, 0,56 con la del AO y 0,11 con la de 2015. Correlaciones tan bajas pueden deberse a cambios reales o a diferencias de método; en ambos casos, el problema es grave: si se trata de los métodos, los resultados valen tan poco como las medidas; si se trata de que el fenómeno es volátil, resulta inverosímil que influya en fenómenos duraderos, y los resultados de los estudios también carecerían de validez. En esta tesitura, parece prudente decidirse por los indicadores de la AO, que minimizan las diferencias de método y, en concreto, por el índice de Gini, el más usado y fácilmente comparable. Por lo demás, este índice de Gini obtenido del AO es el más asociado a las variables de movilidad.

Nivel de renta. Con los mismos datos del AO con que se estima la desigualdad, se estima el nivel de renta parental de cada provincia en euros. Son altamente congruentes (correlaciones en torno a 0,9) con las múltiples estimaciones del PIB o la renta a nivel provincial que proporcionan los informes del Banco de Bilbao-Vizcaya (Alcaide y González- Páramo 1997) desde 1983 a 1995, luego la Contabilidad Regional de España (INE 2019) y, desde 2015, el mencionado Atlas del INE (2022). La estimación que menos correlaciona con el resto es el adelanto del BBV para 1995, que está entre 0,7 y 0,8; pero la estimación del AO correlaciona 0,8 con la de 1995 y 0,93 con la de 2015. Es justo la situación opuesta a la que se da en la desigualdad, pero parece prudente decidirse por la estimación a partir del AO por las mismas razones de coincidencia de sujetos, fecha y métodos.

Mercado de trabajo. No se pueden obtener del AO indicadores sobre el mercado de trabajo, que he tomado de la Encuesta de Población Activa a través del INE (2021). Por su cercanía a 1998 (la fecha de la renta parental), he tomado los datos de 2002, la primera fecha en que el INE los ofrece electrónicamente. La tasa de paro correlaciona fuertemente con la de empleo (-0,7) y menos con la de actividad (-0,4). Las opciones son poco arriesgadas, dada la alta persistencia temporal de los tres indicadores.

Nivel educativo. Tampoco se puede obtener del AO información sobre este factor, que he tomado de las Estadísticas de la Enseñanza (MECD 2012), con no pocas dificultades, debido a la precariedad de los datos a nivel provincial. He considerado varios indicadores, entre ellos, las tasas de idoneidad y repetición en 4.º de ESO, la proporción de alumnos en 1.º de Bachiller sobre 1.º de ESO y la proporción de universitarios. Estos indicadores educativos son mucho menos congruentes entre sí (correlaciones de 0,35) que los de ingresos y mercado de trabajo. Utilizo la repetición en 4º de ESO por ser el más conocido. La fecha es 2010 porque los datos anteriores son incompletos (faltan los repetidores de Andalucía hasta 2005) o muestran indicios de otras irregularidades.

De los otros dos factores incluidos en la regresión de Chetty et al. (tabla 1), no puede decirse que sea relevante en España la proporción de madres solteras, y menos ligado a la proporción de población negra. Aun así, he intentado, sin éxito, encontrar un indicador análogo o equivalente de estabilidad familiar (como tasas de divorcios o de casados); casi huelga decir que tampoco he encontrado un indicador provincial de capital social.

La tabla 2 muestra los valores de las cuatro variables predeterminadas por provincias. Nos interesa el rango de variación, crucial para testar asociaciones con otras variables, y conviene tomar nota de que el de la desigualdad es muy reducido: el coeficiente de Gini de las provincias españolas (calculado, recuérdese, a partir de los mismos datos del AO que estamos estudiando) tiene una media de 0,383 y una desviación típica de menos de dos centésimas, oscilando entre el 0,346 de Burgos y el 0,423 de Madrid. Las otras tres variables tienen variación mayor, lo que da mayor confianza en la robustez de sus correlaciones. En cuanto a las relaciones entre ellas, puede decirse que, al cambiar el siglo, las provincias españolas mostraban una cierta congruencia en la acumulación de características positivas o negativas: las más pobres tendían también a ser más desiguales y a tener más paro y más repetición escolar, las más ricas tendían a lo contrario; pero de un modo no muy consistente.

Sigo en todo lo posible el artículo de Chetty et al. (2014) en los métodos, en coherencia con el punto de vista del AO, sin renunciar por ello a ciertas mejoras: la definición de movilidad absoluta como la constante en la ecuación (1), el estudio separado por sexo o el tratamiento sistemático de la movilidad absoluta. Asimismo, tomo como hipótesis no especulaciones a priori o ad hoc, sino los resultados del original, con los que iré contrastando los de la réplica.

Como el AO ofrece los datos por centilas, se pueden presentar al lector en una tabla (Anexo 1, A1.1) que proporciona una visión general a nivel nacional. Tenemos, para cada una de las cien centilas parentales, la centila media y la mediana de los hijos y sus equivalentes en euros, por sexo. Puede observarse que la renta media parental en el año 1998, cercana a los 25 000 euros, está muy por encima de la de los sujetos en 2016, que frisa los 15 000 euros entre los hombres y los 13 500 entre las mujeres. La renta parental tiene una asimetría fuertemente positiva, en particular en las dos últimas centilas: la mediana apenas supera los 18 000 euros; bajo ella, el rango es de 17 000 y sobre ella de 167 000, de los que más de 100 000 están entre la centilas 98 y la 100. La información sobre los hijos no permite estimar la dispersión, pues solo tenemos datos por centilas de los padres. Aun así, se puede apreciar asimetría positiva: entre los varones, a la centila 50 paterna le corresponden una media de 14 633 euros, por debajo de los cuales el rango es de 1458 y por encima de 4006, de los cuales 1708 están entre las centilas parentales 98 y 100; las cifras equivalentes para las mujeres son 13 165 la centila 50 parental, 1239 el rango bajo ella, 5311 el rango sobre ella y 1489 entre las centilas 98 y 100. El rango total (por centilas paternas) de la renta masculina es menor que el de la femenina (con la media, 21 centilas frente a 26); ello se debe a que las hijas de los padres más pobres ganan menos que los hijos, pues en las centilas paternas superiores están casi igualados los ingresos de unas y otros. Los hombres igualan la centila de ingresos de sus padres aproximadamente en la centila 56, antes de la cual tienen movilidad ascendente y después descendente; las mujeres lo hacen antes, en la centila 45, con lo que son más las que tienen movilidad descendente.

Es de notar, además, que el rango de ingresos estimado con las centilas medias es menor que el estimado con la centila mediana, lo que se debe a que este último está por encima del primero en casi totas las centilas parentales entre los varones y en el 25 % superior entre las mujeres, pero sobre todo a que la diferencia se agranda cuanto más alta es la centila parental. Que la mediana esté por encima de la media indica una dispersión con asimetría negativa, una auténtica rareza en las distribuciones de ingresos. ⁴

Orientados acerca de las magnitudes básicas y algunas de sus peculiaridades, podemos pasar a las estimaciones de movilidad absoluta y relativa. Están en la tabla A1.2 (Anexo 1) detalladas por provincia, dos para cada sexo, una con la media y otra con la mediana. Según la ecuación (1), son los resultados de regresar la centila de ingresos filiales sobre la parental, reflejando el coeficiente la persistencia intergeneracional de ingresos (PIR, lo inverso de la movilidad relativa) y la constante (K) la movilidad absoluta, común a todas las centilas y casi único componente de la movilidad de los hijos de la centila paterna más pobre (los otros dos son una unidad del coeficiente y una desviación aleatoria).

Constante y pendiente varían bastante de unas provincias a otras; según se resume en la tabla 3, los coeficientes de variación de las constantes van de 0,10 (masculina, media) a 0,20 (femenina, mediana); los de los coeficientes van de 0,18 (femenina, media) a 0,30 (masculino, mediana). Hay claras diferencias por sexo y por promedio. Las constantes (K) de los hombres son mayores que las de las mujeres, mientras que las PIR son menores. Medias y medianas producen constantes parecidas, pero los coeficientes a que dan lugar las medias son notablemente menores que los producidos por las medianas. La tabla 3 refleja también la movilidad particular predicha para la centila más alta de renta parental (K+100PIR). Al ser el componente relativo (100 PIR) mayor entre las mujeres y en el cálculo con la mediana, la movilidad particular de la centila 100 parental resulta casi la misma entre hombres y mujeres, pero mayor con la mediana que con la media. Se produce, por tanto, una pendiente mayor (una movilidad relativa menor) cuando el punto de partida es más bajo (mujeres) y cuando el punto de llegada es más alto (medianas).

El hallazgo principal de Chetty et al. (2014) es que la movilidad absoluta (y la total de los más pobres) están relacionadas positivamente con la movilidad relativa. En la tabla 3, se ve que el mismo fenómeno se da en las provincias españolas: las correlaciones entre constantes y coeficientes están en -0,5 para los hombres y entre -,06 y -0,8 para las mujeres. Por otra parte (esto no está en Chetty et al., que no separan por sexos) la PIR masculina y la femenina parecen fenómenos distintos, pues correlacionan solo en torno a 0,50, en contraste con el 0,90 de las K; es como si no hubiera una, sino dos movilidades relativas por provincia, una para cada sexo.

Cabe interpretar de dos modos esta relación positiva entre movilidad absoluta y relativa. Se puede decir que la correlación indica que las áreas con mayor movilidad relativa tienden a tener mejores resultados absolutos para los hijos de familias con ingresos bajos, como Chetty et al. (2014: 1597), señalando como causa la movilidad relativa (p. 1600); pero también se puede decir, al contrario, que en las zonas donde los hijos de los más pobres consiguen más renta también consigue mayor renta el resto, poniendo como causa principal la movilidad absoluta y dejando a la herencia un papel menor. ¿Cuál es el más adecuado? Para apuntalar su interpretación, Chetty et al. analizan la influencia de la movilidad relativa en la renta observada en sus 709 CZ para los hijos de cada centila paterna, un ejercicio que confirma que las CZ con mayor movilidad relativa generan mejores resultados medios para los hijos con padres de percentiles bajos (p. 1599). El mismo ejercicio da resultados análogos en las provincias españolas (ver Anexo 2); la única diferencia notable es que, en España, no puede decirse que la PIR beneficia a los ricos menos que perjudica a los pobres (un dato importante si se propugnan políticas para reducirla). Ahora bien, este ejercicio sigue suponiendo, no mostrando, que la movilidad relativa precede a la absoluta, es decir, que la K es de, digamos, 60 en vez de 50 porque la PIR es de 20 y no de 30.

Hay, al menos, dos argumentos a favor de la movilidad absoluta como causa. Uno es que, si se hace con ella este último análisis, predice los ingresos de todas las centilas paternas mucho mejor que la movilidad relativa: K tiene coeficientes positivos y muy altos con la renta filial (entre 0,70 y 0,90) para la gama 1-90 de orígenes, desciende a 0,64 a partir de ahí y solo en las dos centilas más altas baja el efecto a 0,20 (Anexo 2). El segundo es que, como se ve en la tabla 3, la desigualdad de la renta predicha para la centila paterna 100 es menor que la predicha para la centila paterna 1. Ello es debido a la adición del componente relativo (100 PIR) al absoluto (la K). De los dos componentes, K es siempre mayor que PIR, y eso se refleja en sus correlaciones con la renta de la centila parental 100. La de la PIR es casi nula y, cuando no (mujeres, estimación con la media), tiene signo contrario al esperado (-0,36), asociado a su correlación especialmente fuerte con K (-0,78). Sus efectos sobre la renta de los hijos de la centila 100 son pequeños, reduciendo la correlación de K (sin la PIR sería de 1) a entre 0,82 y 0,88.

Desde luego, cabe también que la correlación entre movilidad absoluta y relativa se deba a un proceso de causalidad recíproca, e incluso es probable que se deba a procesos subyacentes a las dos y que tenga un componente espurio. Convendría asegurarse antes de afirmar nada al respecto, y más aún de emprender políticas para cambiar la movilidad.

Examinadas las diferencias provinciales de movilidad, podemos pasar a preguntarnos si se asocian con las variables que hemos seleccionado a imitación de Chetty et al. (2014). La tabla 4 muestra las correlaciones entre las cuatro variables predeterminadas y los indicadores de movilidad relativa, que directamente reflejan la persistencia intergeneracional de ingresos (PIR). Debemos, obviamente, comenzar con nuestro objeto directo, la asociación entre desigualdad y movilidad o ‘curva del Gran Gatsby’. No tenemos base para afirmarla entre los hombres; la correlación de 0,2 está claramente por debajo de la significatividad estadística y, en todo caso, quedaría lejos de la correlación de casi 0,5 obtenida por Chetty et al.; podemos, en cambio, afirmar su existencia entre las mujeres, aunque no sea muy sólida (r entre 0,3 y 0,4, al borde de la significatividad estadística con 46 casos).

También ocurre con la renta media que no hay relación con la PIR entre los hombres, pero sí entre las mujeres: las provincias con más renta parental tienden a mostrar menor PIR, o mayor movilidad. El paro y la repetición de curso influyen levemente entre los hombres y, entre las mujeres, algo más el paro.

Observadas estas correlaciones, no resulta sorprendente el resultado de las regresiones. Entre los hombres, la persistencia de ingresos está levemente asociada al paro, pero no a las otras tres variables, lo que resulta en una determinación muy baja (R²=0,1); entre las mujeres, la PIR está más asociada a la renta media provincial y, si se la estima mediante la centila media, también al paro, lo que genera un notable coeficiente de determinación (R² =0,33). Ni entre los hombres ni entre las mujeres puede hablarse de curva del Gran Gatsby en las provincias españolas, a no ser que nos agarremos a la leve asociación apenas significativa de la desigualdad con la PIR femenina que queda tras controlar las otras tres variables.

En resumen, la tasa provincial de paro se revela como la variable que más influye en la PIR entre los hombres, y la renta provincial como la que más influye entre las mujeres, pero seguida de cerca por la tasa de paro. En las provincias españolas, ocurre entre los hombres que, cuanto mayor el paro, mayor la persistencia de ingresos, una asociación que podría deberse a que los parados tienen ingresos más iguales que el resto de la población y a que hay una tendencia a su transmisión intergeneracional. Y ocurre también que, entre las mujeres, la relación más fuerte de la movilidad relativa es con la prosperidad, de modo que, a mayor renta provincial, menor la PIR, como si en las provincias con mayor renta las hijas de los padres más pobres obtuvieran mayores ingresos. La leve curva del Gran Gatsby observada entre las mujeres queda muy menguada por la introducción de la renta media. Hay un cierto paralelismo con Estados Unidos: allí, una buena parte de la CGG se debe a la proporción de madres solteras, y del resto dan cuenta otras variables; pero este paralelismo no debe ocultar las diferencias, pues la variable importante aquí es la renta media, sin importancia allá.

Llegados a este punto, conviene volver a la relación entre movilidad absoluta y relativa. Si estuviera guiada por la movilidad absoluta, como he sugerido antes, deberíamos introducir esta en la regresión, no fuera a ser que los otros correlatos actuaran a través suyo, o viceversa. Ocurre lo primero: como puede verse en el modelo 2 de la tabla 4, los coeficientes de la desigualdad, la renta media, el paro y la repetición de curso quedan bajo la significatividad estadística cuando se tiene en cuenta la movilidad absoluta. Ninguna de las asociaciones de las cuatro variables predeterminadas resiste su embate, de modo que habríamos vuelto al principio y solo nos quedaría un único determinante de la movilidad relativa a nivel provincial, a saber, la movilidad absoluta, con la particularidad de que su importancia es mucho mayor entre las mujeres. Es un resultado al que muy probablemente se llegaría también con los datos de Estados Unidos, a juzgar por las correlaciones (0,61 entre movilidad absoluta y relativa), pero que Chetty y sus colegas no exploran.

Despachada con más pena que gloria la curva del Gran Gatsby, volvemos a la movilidad absoluta, representada por la constante de la regresión. En la tabla 5, destaca que las cuatro variables predeterminadas tienen correlaciones altas (entre 0,4 y casi 0,7) con las cuatro estimaciones de movilidad absoluta. Nos encontramos, por tanto, con una gran coherencia de los indicadores de movilidad absoluta entre sí y en sus relaciones con las cuatro variables predeterminadas, una situación muy distinta de la vista con la PIR.

La asociación más fuerte con la movilidad absoluta es la del paro, que está en -0,65 para ambos sexos: cuanto mayor el paro, menor la centila a la que llegan los hijos e hijas de los más pobres. Así, en Extremadura o Andalucía, donde la tasa de paro estaba en 2003 por encima del 15 %, los hijos de los más pobres llegaban en 2016 a la centila 40, mientras que en Zaragoza, Soria, Guadalajara o Barcelona, con tasas de paro inferiores al 10 %, los hijos de los más pobres llegaban a la centila 54. Es una relación fácil de interpretar, como se acaba de decir, suponiendo que los parados transmiten con mayor intensidad ingresos bajos.

Muy asociada con el paro (r=0,6) está la repetición de curso, cuyas correlaciones con la movilidad absoluta llegan a -0,5: cuanto mayor la repetición de curso, más baja la movilidad absoluta. Puede ilustrarse esta asociación con las provincias andaluzas, por un lado, y las de Castilla-León por el otro. La explicación no parece difícil si asumimos la habitual línea causal que parte del fracaso escolar y pasa por trabajos proclives al paro y mal pagados.

El nivel de renta media muestra también una asociación notable con la movilidad absoluta (circa 0,50): cuanto mayor la renta media de la provincia, más alta la centila que alcanzan los hijos de padres de rentas bajas. Pueden tomarse otra vez como ejemplo, por un lado, Extremadura o Andalucía, donde la renta media está en torno a los 20 000 euros y, por otro, Barcelona, Zaragoza, Soria o Madrid, donde supera los 25 000 euros. Nótese que la relación es fácilmente comprensible en el supuesto de que la mayoría no cambió de residencia: significa que, por ejemplo, los hijos de padres igualmente pobres alcanzan rentas superiores si viven en una provincia más rica, como Zaragoza, que si viven en una provincia pobre, como Cádiz. Y que sería aún más fuerte de considerarse la provincia de destino para los inmigrantes. Soria Espín (que ha dispuesto del dato) encuentra un 13 % de emigrantes interprovinciales, que tienen mayor movilidad absoluta que los que residen en la provincia de origen, con una diferencia decreciente con el nivel de ingresos de los padres (Soria 2022: 21); lo cual es congruente con la idea de que las provincias más ricas ofrecen más oportunidades a todos.

Por último, la desigualdad de renta está tan asociada a la movilidad absoluta como las otras tres variables, algo más incluso entre los hombres (circa -0,6) que entre las mujeres (circa -0,4). Es decir, a mayor desigualdad de la renta de los padres en una provincia, menores ingresos alcanzan los hijos. Dejo para después comentar esta ‘curva del Gran Gatsby’ protagonizada no por la movilidad relativa, sino por la movilidad absoluta.

Correlaciones tan uniformes llevan a pensar que desigualdad, renta media, paro y repetición de curso son manifestaciones diversas de solo una de ellas o de alguna variable subyacente a todas; sin embargo, al examinar las asociaciones entre ellas tan solo hemos detectado más arriba “una cierta congruencia” a nivel provincial. Aclara las cosas la regresión múltiple. Se ve con ella que, entre los hombres, las variables importantes son la desigualdad primero y el paro a continuación, quedando fuera tanto la renta media como la repetición de curso. Entre las mujeres, las dos variables importantes son las mismas, pero el paro queda por encima de la desigualdad y, cuando la movilidad absoluta se estima en términos de mediana, asoma algún efecto de la renta media. Así pues, sí parece que tenemos, por un lado, la desigualdad (cuyas correlaciones con las otras tres variables son bajas y de signos opuestos: tabla 2) y, por otro, un factor común al paro, la renta media y la repetición de curso, que en la regresión aparece representado por el paro. Tendríamos, pues, en la movilidad absoluta tanto una ‘curva del Gran Gatsby’ como una ‘curva del paro’, más importante la primera entre los hombres y la segunda entre las mujeres, absorbiendo esta última el efecto de la renta media manifiesto en las correlaciones. En total, ambos efectos conjuntamente explican el 50 % de la varianza interprovincial entre las mujeres, e incluso algo más entre los hombres.

Hay otra vez un notable paralelismo entre estos resultados y los de nuestro original. Se ve en la tabla 1 que en el modelo 2, antes de tener en cuenta las madres solteras, la fracción que trabaja a menos de 15’ de casa y el abandono escolar reducen, pero no anulan, el efecto del índice de Gini, llevando la varianza explicada hasta 65 %. Si volvemos ahora a la tabla 4, nos quedan pocas dudas sobre la secuencia causal en las provincias españolas. Primero están las condiciones económicas y laborales, de estas depende la movilidad absoluta y de la movilidad absoluta depende la relativa, sin que pueda decirse que la asociación entre las dos movilidades se explica porque las condiciones económicas y laborales actúan sobre ambas al mismo tiempo. Las cifras de la tabla 1 son compatibles con una secuencia semejante en Estados Unidos (recuérdese la correlación de 0,61 entre movilidad absoluta y relativa), pero la devastadora irrupción de la fracción de madres solteras rompe la simetría de la comparación, incluso si deja un coeficiente de 0,3 para una variable económica, “vivir a menos de 15’ del trabajo”. Faltos de variables sociales a nivel provincial no podemos decir, como hacen Chetty y sus colegas, que son estas, y no las variables económicas, las que explican la movilidad. Queda por decidir si lo diríamos en el caso (improbable contrafáctico) de que encontráramos esas variables sociales.

Los resultados del análisis de la movilidad de ingresos en las 46 provincias españolas de régimen fiscal común pueden estar afectados por las técnicas, las variables y las zonas elegidas. En el Anexo 3, se intenta poner a prueba su robustez sustituyendo las centilas de ingresos por euros, examinando varios indicadores de la desigualdad de ingresos a nivel provincial y utilizando los 73 municipios más grandes en lugar de las provincias. Las unidades de medida y los indicadores de desigualdad no parecen afectar a los resultados; pero el análisis a nivel de municipios los da bastante distintos, incrementando las dudas sobre las unidades territoriales y la falacia ecológica.