Investigaciones de Funcas

Fecha: diciembre 2025

Ismael Sanz

El objetivo de este artículo es precisamente matizar la lectura según la cual las universidades privadas generan sistemáticamente mejores resultados salariales que las públicas. Para ello, utilizamos los datos administrativos de cotización que permiten observar los ingresos laborales de los titulados varios años después de finalizar sus estudios, y estimamos una serie de modelos que incorporan progresivamente controles por área de estudio, cohorte, género, comunidad autónoma, nota de acceso y, de forma especialmente relevante, características socioeconómicas del entorno familiar.

Descarga Publicación (formato PDF)

Fecha: diciembre 2025

Santiago Carbó Valverde y José García Montalvo

Resumen

En este trabajo se analiza el incremento de los costes regulatorios en España, a partir de datos agregados internos del sector. Se examina la estructura de esos costes, su evolución en los últimos años, y su impacto sobre el margen bancario. Asimismo, se pone en contexto europeo e internacional: se integran hallazgos de informes recientes como el informe de Mario Draghi “The Future of European Competitiveness” (2024) y las recomendaciones de Enrico Letta sobre el Mercado Único, enfocando el impacto de la regulación en la competitividad financiera europea. Como un ejemplo de esta creciente hiperactividad regulatoria se muestra la evolución reciente de la regulación/supervisión bancaria relacionada con la sostenibilidad, además de incluir comparativas internacionales para valorar cómo España y la UE se sitúan frente a otros entornos regulatorios. Finalmente, se presentan algunas propuestas para mejorar la regulación y supervisión bancaria.

Descarga Publicación (formato PDF)

Fecha: diciembre 2025

Vicente Salas Fumás*

Resumen

El trabajo muestra la evolución de los beneficios empresariales en los sectores institucionales de la economía española —sociedades no financieras, entidades financieras y hogares e instituciones sin ánimo de lucro (que incluye el trabajo autónomo)—, a partir de las cuentas de Contabilidad Nacional, en los veinticinco años transcurridos desde la creación del euro (2000-2024). En una segunda parte se profundiza en el análisis de la evolución de los beneficios en el sector de las sociedades no financieras, SNF, distinguiendo entre beneficio contable y beneficio económico, y entre beneficio atribuible a la producción de bienes y servicios en España y beneficio atribuible a los activos financieros de las SNF en España. Los resultados del estudio ponen de manifiesto la heterogeneidad en la trayectoria de los márgenes de beneficios entre los sectores institucionales comparados —con un comportamiento particularmente singular de los márgenes del sector de instituciones financieras—, lo cual demuestra el valor informativo del análisis sectorial frente al agregado para el conjunto de la economía. En segundo lugar, el análisis más en profundidad del beneficio consolidado del sector de las SNF en España rechaza la hipótesis de beneficios económicos “excesivos” en promedio para todo el periodo de estudio. Tercero, durante el periodo de estudio, los años de acumulación de capital de explotación con tasas positivas y crecientes de inversión neta coinciden con periodos de beneficios económicos positivos; la condición de beneficio económico positivo no se cumple en los años pospandemia, lo cual puede explicar el retraso en la recuperación de la formación bruta de capital fijo de las SNF en España en comparación con la recuperación de la actividad y el empleo. En los últimos dos años, 2023 y 2024, la rentabilidad de los activos financieros en el balance agregado de las SNF supera la rentabilidad de los activos de explotación, cuando históricamente había ocurrido lo contrario. En la medida en que la rentabilidad de los activos financieros incluye el retorno de la inversión de empresas con sede en España en sociedades filiales en el exterior, su incremento en los últimos años hasta niveles por encima de la rentabilidad de explotación podría ser indicativo de un mayor atractivo para las compañías en España de invertir para producir en el exterior, con respecto a la alternativa de invertir para producir en España.

1. INTRODUCCIÓN

El beneficio empresarial expresa la diferencia entre ingresos y costes resultado de la actividad de producción para la venta al mercado que realiza un empresario o compañía mercantil, en un periodo de tiempo determinado. Aunque se trata de una variable definida a nivel de empresa o unidad de producción, el agregado de los beneficios individuales tiene relevancia macroeconómica por su demostrada capacidad explicativa del comportamiento de agregados macroeconómicos tan relevantes como la inversión, el empleo y el crecimiento de la producción. En esta línea, en 2022 el gobierno de España crea el Observatorio de Márgenes Empresariales, OME, bajo la gestión conjunta del Ministerio de Hacienda y del Banco de España, con el propósito explícito de ampliar y mejorar la información pública disponible sobre los beneficios empresariales en España y, a partir de ella, llevar a cabo análisis sobre comportamientos presentes y perspectivas futuras de variables macroeconómicas como inflación, empleo, inversión y competitividad exterior de la economía española¹.

El presente trabajo contribuye a este objetivo general de mejorar el conocimiento sobre los beneficios empresariales en España, sus determinantes y sus consecuencias, a lo largo de los veinticinco años transcurridos desde la creación del euro. El estudio presenta varias diferencias respecto a la información publicada por el OME. En primer lugar, la fuente principal utilizada para el cálculo de los beneficios es la Contabilidad Nacional, mientras que el OME se nutre fundamentalmente de datos individualizados de sociedades mercantiles procedentes de la Agencia Tributaria y de la Central de Balances del Banco de España. En segundo lugar, en este trabajo los beneficios se desagregan por sectores institucionales de la economía española (sociedades no financieras, entidades financieras, hogares e instituciones sin ánimo de lucro y administraciones públicas), a diferencia de la desagregación por sectores de actividad económica que realiza el OME. En tercer lugar, para el sector de las sociedades no financieras (SNF), el que más contribuye al valor añadido bruto del conjunto de la economía, el análisis de los beneficios se amplía con el cálculo por separado de los beneficios contables y los beneficios económicos, por un lado, y el cálculo por separado de los beneficios de explotación y beneficios atribuidos a los financieros en el balance de las SNF. Finalmente, el trabajo relaciona los beneficios económicos y la generación de fondos internos con la actividad inversora en capital de explotación de las SNF durante el periodo de estudio.

El análisis económico atribuye al beneficio un doble significado: por un lado, la teoría económica supone que las decisiones empresariales de producción, inversión e innovación que preceden a los valores de estas variables recogidas en las estadísticas oficiales responden al criterio de maximización del beneficio aplicado por los decisores empresariales; por otro, los beneficios realizados a posteriori confirmarán si se han cumplido las expectativas o no y retroalimentarán el proceso de decisión con más inversión y actividad o con menos actividad y desinversión. En realidad, la efectividad de las políticas públicas en áreas tan relevantes como la política monetaria y fiscal, la defensa de la competencia… dependerá de que los decisores públicos acierten en identificar los criterios que guían las decisiones de los actores privados en cuyo comportamiento desean influir. En resumen, los beneficios empresariales son una variable clave para explicar la dinámica de inversión y empleo de las compañías; para explicar la formación de precios y márgenes; como determinante del reparto del valor añadido de la economía entre remuneración al trabajo y remuneración al capital; y como factor de resiliencia económica por la función que realiza el beneficio de absorber los efectos de los shocks que perturban la actividad productiva ordinaria.

Este trabajo mide y analiza los beneficios absolutos y relativos de cada sector institucional y del conjunto de la economía española en el periodo 2000–2024. Además, amplía el análisis de las SNF utilizando información adicional sobre sus balances (Salas Fumás, 2025a), lo que permite estimar beneficios económicos —además de contables— y distinguir entre los resultados atribuibles a la producción de bienes y servicios en España y aquellos resultados atribuibles a los activos financieros en el balance de las compañías, buena parte de los cuales serán la contrapartida en títulos financieros (deuda, acciones) de inversiones productivas directas en el exterior. En este sentido, el estudio parte de la premisa de que no existe un concepto único de beneficio, sino diferentes medidas, cada una más o menos apropiada en función del comportamiento y/o los resultados individuales o colectivos que se deseen explicar. Por ejemplo, no es el mismo concepto de beneficio el que se recomienda utilizar cuando se trata de explicar el comportamiento de la inversión que cuando se trata de explicar el reparto del valor añadido bruto entre trabajo y capital. La profundización en el análisis de los beneficios se limita al sector de las SNF porque es el sector del que se dispone de la información necesaria, concretamente, los valores de las partidas relevantes de activo y de pasivo del balance consolidado de las SNF, resultado de un proyecto de estudio anterior (Salas Fumás, 2025).

La exposición se divide en dos partes principales, una primera dedicada a explicar la evolución de los beneficios de explotación, absolutos y relativos, de los tres sectores institucionales para los cuales los beneficios tienen relevancia, el de las sociedades no financieras (SNF), el de las instituciones financieras (SF) y el de los hogares y las instituciones sin ánimo de lucro, HOGA&ISAL, y una segunda parte dedicada a profundizar en el análisis de los beneficios de las SNF. Este sector institucional es el que más contribuye al valor añadido bruto total de la economía española, y se da la circunstancia adicional de que para el sector de las SNF se dispone de información, elaborada en un estudio previo, sobre los activos y pasivos consolidados del sector. Con la combinación de la información sobre los balances y la información sobre la cuenta de resultados, que es el objeto principal del presente trabajo, es posible ampliar el estudio de los márgenes de beneficios de explotación con análisis de rentabilidad, de coste del capital, de beneficios económicos, así como evaluar por separado la rentabilidad de los activos de explotación versus rentabilidad de los activos financieros.

Los resultados de la primera parte, en la que se comparan los beneficios entre sectores institucionales, destacan las diferencias en los niveles absolutos y relativos entre ellos, así como las diferencias en su evolución temporal, demostrando diferente sensibilidad a los ciclos y a las perturbaciones económicas, tan importantes a lo largo del periodo de estudio (crisis financiera y de deuda entre 2008 y 2012, crisis sanitaria por la COVID-19 y crisis bélica y energética en los últimos años del periodo). Destaca el comportamiento diferencial, con respecto al de los sectores de SNF y HOGA&ISAL, del sector de instituciones financieras, SF, con una mayor volatilidad en la distribución del valor añadido de explotación entre remuneración a los asalariados y beneficios, y una marcada tendencia con un aumento en la participación de los beneficios en detrimento de la participación de los salarios en el valor añadido, que se acelera en los últimos años del periodo.

En cuanto a los resultados principales del estudio ampliado de los beneficios del sector institucional de las SNF, destacar las diferencias resaltadas entre los beneficios contables y los beneficios económicos, y entre beneficios de explotación y beneficios atribuidos a los activos financieros en el balance de las SNF. Los beneficios económicos imputan un coste de oportunidad a los activos de capital productivo que las SNF, como personas jurídicas, poseen en propiedad y que ponen a disposición de la empresa para producir los bienes y servicios para la venta al mercado en combinación con los servicios de trabajo. El coste del capital no es información pública y el cálculo del beneficio económico requiere disponer de estimaciones del coste por uso del capital. El trabajo elabora una estimación del coste por uso del capital que se añade a la información sobre los beneficios y la remuneración a los asalariados.

Con las estimaciones realizadas, en los veinticinco años cubiertos por el estudio, las SNF en España transcurren por años de beneficios económicos de explotación (después de imputar el coste por empleo del capital) positivos y por años de beneficios económicos no positivos. En promedio, para todo el periodo, los beneficios económicos son positivos y representan el 2 % del total de activo de explotación y del total del valor de la producción. Por otra parte, los subperiodos de beneficios económicos positivos coinciden con subperiodos de acumulación de capital de explotación (inversión neta positiva y tasas crecientes con los beneficios), mientras que en el resto de subperiodos la acumulación de capital queda estancada (la inversión bruta apenas cubre el consumo de capital). En la pospandemia y hasta 2024, último año de la serie, el beneficio económico se mantiene en valores no positivos, lo cual, en la lógica del trabajo, explicaría el retraso en la recuperación de la inversión en capital de las SNF en España, en contraste con la recuperación pospandemia de la actividad y el empleo.

El último resultado a destacar en este apartado introductorio es la evidencia aportada sobre la rentabilidad de los activos de explotación y la rentabilidad de los activos financieros para el agregado del sector de las SNF en España. Las diferencias se relacionan con los incentivos a invertir para producir en España y los incentivos a invertir para producir en el exterior. Hasta los últimos años del periodo de estudio, la rentabilidad de los activos de explotación, es decir, la de producir en España, supera a la de los activos financieros (producir en el exterior); en cambio, al final del periodo, la situación se invierte y la rentabilidad de los activos financieros supera a la de los activos de explotación, un factor más a tener en cuenta al responder a la pregunta sobre por qué la recuperación de la inversión empresarial pospandemia ha ido muy por detrás de la recuperación de la actividad y el empleo.

El resto del trabajo se estructura en los siguientes apartados. El primer apartado está dedicado a presentar las distintas definiciones y formas de medir el beneficio empresarial, incluida la explicación sobre el concepto de beneficio económico y la definición y formulación del coste por uso del capital que interviene en el cálculo de dicho beneficio. El segundo apartado está dedicado a la medición y comparación del beneficio de explotación de los diferentes sectores institucionales de la economía española. El apartado tercero es el primero dedicado al estudio en profundidad del beneficio en el sector de las SNF, dedicado a la medición del beneficio contable. El apartado cuarto, a continuación, está dedicado al beneficio económico, incluido el cálculo del coste por uso del capital utilizado en las estimaciones de dicho beneficio. El quinto apartado muestra los resultados de comparar la rentabilidad de los activos de explotación y la rentabilidad de los activos financieros, y completa la medición del beneficio con información sobre su reparto entre gastos financieros, impuestos, dividendos y autofinanciación, con referencias a la relación entre fondos generados internamente y uso de estos como determinantes de la capacidad o necesidad de financiación del sector de las SNF. El trabajo termina con la comparación del reparto del valor añadido de las SNF en España con el observado en otros países de la Unión Europea, previa a las conclusiones con un resumen de los resultados principales del estudio.

2. El beneficio empresarial: concepto, relevancia y medición

El beneficio empresarial, entendido como la diferencia entre ingresos y costes, representa un flujo positivo (ganancia) o negativo (pérdida) correspondiente a un periodo determinado —generalmente un año— y atribuible a una actividad de producción para la venta al mercado, realizada por una persona física o jurídica. El beneficio se hace público a través de los estados contables (cuenta de resultados y balances), elaborados conforme a normas que unifican criterios y procedimientos de valoración de ingresos y costes. En términos generales, las convenciones contables excluyen del cálculo del beneficio los costes de oportunidad de los bienes y servicios propiedad de la persona o entidad que los utiliza en la producción.

En este sentido, en el caso de un empresario individual, el beneficio declarado no incluye el coste de oportunidad de su propio trabajo, es decir, el valor que podría obtener desempeñando otra ocupación (como asalariado, por ejemplo). De manera análoga, el cálculo del beneficio contable de una empresa constituida como persona jurídica no incorpora el coste de oportunidad asociado al uso del capital propiedad de la compañía en el proceso productivo. Los costes por uso del capital en propiedad en la producción se tienen en cuenta parcialmente en las partidas de la cuenta de resultados de amortización y gastos financieros, pero sin establecer una relación explícita de las mismas con el concepto de coste por el empleo de activos productivos en propiedad.

Las normas contables se elaboran con el criterio de estandarizar la información financiera para aumentar su transparencia y fiabilidad. Además de las normas contables, existen normas fiscales que determinan el beneficio sujeto a imposición, es decir, las bases imponibles para el cálculo del impuesto sobre la renta del empresario o sobre los beneficios de las sociedades mercantiles. Si bien para un inversor sería deseable disponer de una medida del beneficio más próxima al beneficio económico, que incluya los costes de oportunidad, el mercado no ofrece un precio observable para imputar el coste por uso de los activos de capital aceptable desde las normas contables vigentes. La situación sería distinta si las compañías alquilaran los activos de capital necesarios para la producción a propietarios externos, pues en ese caso el precio del alquiler de mercados sería el coste por uso aceptable por las normas contables y por la teoría económica. Pero, precisamente por la dificultad que encuentra el mercado de alquiler para formar precios debido a las asimetrías de información sobre el valor de los activos entre propietarios y usuarios del capital, las compañías encuentran más ventajoso poseer en propiedad que alquilar. La información contable se convierte así en la información sobre beneficios con la que el trabajador autónomo contrasta su información privada sobre el coste de oportunidad de trabajar como autónomo, y la información a partir de la cual los financiadores de la compañía mercantil determinan si el retorno de la inversión es suficiente o no para compensar el coste de oportunidad, también información privada.

Por todo ello, el modo en que se calcula el beneficio según las convenciones contables es relevante, sobre todo, para quienes realizan operaciones de compra, venta o financiación con personas físicas o jurídicas. El beneficio contable final debe ofrecer una información fiable sobre la solvencia financiera de la contraparte. Conviene recordar que las formas jurídicas más comunes en la actividad empresarial —sociedad anónima, sociedad de responsabilidad limitada y cooperativa— operan bajo el principio de responsabilidad limitada, respondiendo frente a terceros solo con el valor de los activos que poseen en propiedad, un valor que estará directamente determinado por los beneficios presentes y las expectativas sobre su evolución futura.

Asimismo, el cálculo del beneficio tiene relevancia social al servir de base para la tributación directa, dado que los impuestos recaudados por la hacienda pública financian bienes y servicios que inciden directamente en el bienestar colectivo. Más allá de su función fiscal o contable, el beneficio empresarial posee también una dimensión social más amplia. Su significado y los métodos para estimarlo cobran importancia en la medida en que afectan a la percepción pública del funcionamiento del sistema económico. La creación del OME, mencionada al inicio de este texto, es una prueba más de que los beneficios empresariales trascienden el interés de los inversores privados, los empresarios e incluso de la hacienda pública como agente recaudador. Hoy, la relevancia del beneficio se extiende al nivel de mercados, sectores de actividad e incluso la economía en su conjunto. Desde esta perspectiva, el beneficio empresarial se considera una variable clave en el debate económico y social².

Este texto se escribe con el propósito principal de contribuir a ese debate con un mejor conocimiento de los fundamentos de cálculo del beneficio empresarial, sus diferentes expresiones y las diferencias informativas entre ellas. Con todo ello se desea ofrecer respuestas fundamentadas a preguntas como: ¿Son excesivos los beneficios empresariales en España? ¿Es la economía española un entorno atractivo para la inversión desde el punto de vista de la rentabilidad empresarial? ¿Está cambiando el reparto del valor añadido entre remuneración al trabajo y remuneración residual al capital en España y, si es así, en qué dirección?

Metodología

La metodología aplicada a la medición y el análisis de los beneficios empresariales en este trabajo es similar a la propuesta en Salas Fumás (2021). Consiste en considerar a cada sector institucional, incluido el total de la economía, como una empresa y adaptar las cuentas de Contabilidad Nacional de forma que queden ordenadas como se ordenan en los estados contables que establece la normativa contable, por un lado, y tal como se define y calcula el beneficio económico, por otro. Los resultados de la ordenación a los efectos del presente trabajo se muestran en el cuadro 1, con dos bloques de cuentas ordenados por filas, y dos columnas, la de la izquierda replicando la cuenta de resultados según las normas contables y la de la derecha reproduciendo el cálculo del beneficio económico.

El primer bloque de cada columna incluye las cuentas que intervienen en la medición del beneficio de explotación en valor absoluto; es decir, el beneficio resultante de producir en España bienes y servicios para la venta al mercado. El segundo bloque añade al primero partidas contables como los ingresos financieros, que se suman a los beneficios de explotación, y partidas como los gastos financieros y los impuestos, que se suman a los costes de explotación. En la columna del beneficio económico aparece la partida de coste por uso del capital que no existe como tal en el cálculo del beneficio contable. La última línea de la cuenta de resultados es el beneficio neto en el caso del beneficio contable (izquierda), y el beneficio económico más el resultado atribuible a los activos financieros (derecha).

La medición del beneficio económico se limita al sector de las SNF porque es el único para el que se dispone de información sobre los activos y pasivos del balance consolidado de este sector institucional (Salas Fumás, 2025). Los activos se agrupan en activos financieros y activos de explotación. Los activos financieros proceden de inversiones financieras puras, por ejemplo, compra de bonos del tesoro, apertura de cuentas de depósitos bancarios a plazo fijo, participaciones en fondos de inversión…, y de la financiación por sociedades no financieras matrices con sede en España de activos propiedad de sociedades filiales en el exterior. Los activos de explotación miden el valor a precios de reposición de los activos de capital de que disponen las SNF para producir bienes y servicios en España, en combinación con el trabajo.

Los beneficios se miden en valores absolutos y en valores relativos, es decir, los absolutos normalizados por euro de ingresos o euro de valor añadido bruto, valor normalizado conocido como margen de beneficios, y los absolutos por euro de activo de explotación o por euro de activo financiero, o rentabilidad del activo correspondiente. El cuadro 2 muestra la definición junto con una breve descripción de las medidas normalizadas de beneficios que aparecen a lo largo de la exposición posterior³.

El coste por uso del capital

El coste por uso del capital que interviene en el cálculo del beneficio económico es una variable ajena al beneficio contable y justifica una explicación. El coste por uso del capital es el resultado de imputar un coste de oportunidad a los servicios de capital propiedad del empresario persona física o propiedad de la persona jurídica (sociedad mercantil) que se utiliza en la producción empresarial, junto con el trabajo y los inputs intermedios. Se compone de dos partes, el coste de uso por unidad de servicio de capital, y el stock de unidades de servicios de capital disponibles para la producción. La teoría económica demuestra que cuando el consumo de capital se calcula a precios de reposición y la amortización del capital que se contempla en el cálculo de la base imponible del impuesto de sociedades coincide con el consumo de capital del periodo valorado a precios de reposición, el coste anualizado por unidad de servicio de capital usado en la producción, antes del impuesto sobre el beneficio, es igual a (Jorgenson, 1963):

Cuando parte del stock de capital en el balance de las sociedades mercantiles se financia con deuda y con fondos propios, el componente financiero del coste por uso del capital debe adaptarse para tener en cuenta posibles diferencias en el coste nominal R en la parte de deuda y en la parte de fondos propios, además de tener en cuenta que los gastos financieros de la deuda son deducibles de la base del impuesto sobre beneficios. Por otra parte, puesto que los intereses pagados por la deuda son un coste explícito, las normas contables permiten la deducción de los intereses de la deuda en el cálculo del beneficio contable. Esto significa que otra forma de relacionar el beneficio contable con el beneficio económico es calculando el beneficio económico como diferencia entre el beneficio neto contable y el coste de oportunidad financiero de los fondos propios del pasivo del balance.

En las estimaciones del coste unitario por uso del capital que se presentan más adelante como parte del cálculo del beneficio económico se supone implícitamente que la estructura financiera del pasivo del balance es irrelevante en la determinación del valor económico de los activos. En consecuencia, el coste financiero nominal R se estima bajo la premisa de que la financiación de los activos de explotación de las sociedades mercantiles es exclusivamente a través de fondos propios⁴.

3. La contribución de los sectores institucionales a la producción y al valor añadido bruto de la economía española

Como paso previo a la posterior estimación de los beneficios empresariales, objetivo final del trabajo, en este apartado se presenta información general sobre la actividad de la economía española en los veinticinco años que cubre el estudio, y sobre la contribución a la misma de cada uno de los sectores institucionales.

La figura 1 muestra valores monetarios en euros corrientes de distintos indicadores de actividad para el agregado de la economía española entre 2000 y 2024, incluidos el valor de la producción nacional, el consumo de productos intermedios utilizados en la producción y el “valor añadido” a los consumos intermedios a través de la incorporación de servicios de capital y trabajo. A efectos de comparación, la figura muestra también la evolución temporal del valor añadido bruto en euros constantes del año 2000, y la evolución del valor añadido a euros constantes bajo el supuesto de un crecimiento acumulativo anual del 1,6 % durante todo el periodo. El valor de la producción se calcula excluyendo los impuestos y las subvenciones sobre la producción. Los consumos intermedios incluyen el valor monetario de los productos importados del exterior. El valor añadido bruto expresado en euros constantes del año 2000 (calculado a partir del deflactor del PIB de la economía española) permite separar el efecto de la evolución del nivel de precios del efecto volumen en la evolución de la actividad de la economía española.

En euros corrientes, entre 2000 y 2024 el valor de la producción de la economía española (antes de impuestos menos subvenciones) se multiplica por 2,43, aunque el ritmo de crecimiento interanual del valor de la producción muestra notables oscilaciones en el tiempo: aceleración hasta 2008, decrecimiento moderado hasta 2013 y recuperación a partir de 2014 con la “hendidura” transitoria (años 2020-2021) de la crisis sanitaria provocada por la COVID-19. El perfil de evolución temporal de las variables consumos intermedios y valor añadido bruto expresados en euros corrientes es similar al del valor de la producción, especialmente a partir de 2009 en adelante cuando, además, el valor de la producción de cada año se reparte prácticamente al 50 % entre consumos intermedios y valor añadido bruto. Con la excepción del repunte en el peso de los consumos intermedios durante el episodio inflacionario de los años 2022-2023. En los primeros años del euro y hasta la crisis de 2008, los consumos intermedios crecen más deprisa que el valor añadido bruto, evidencia del importante peso de las importaciones del exterior en la aceleración del crecimiento de la actividad en esos años. En el punto álgido de expansión, año 2006, el valor de la producción se reparte entre ٥٦ % de consumos intermedios y 44 % de valor añadido bruto. El repunte pos-COVID en el peso de los consumos intermedios eleva la participación de estos en el valor de la producción al 53 % en 2022, moderándose en los dos años siguientes (50,7 % en 2024).

En euros constantes del año 2000, utilizando como deflactor el índice de precios de producción de la economía (deflactor del PIB), el valor añadido bruto en 2024 aumenta un 46 % con respecto al valor en el año 2000, lo que significa una contribución del crecimiento de los precios al crecimiento del VAB en euros corrientes del 68 %. En términos de crecimiento anual constante acumulativo, la diferencia entre 2024 y 2000 significa una tasa anual constante de crecimiento del 1,6 %.

La figura 2 muestra la evolución del indicador de integración vertical de la economía, medido por la proporción del valor añadido bruto en el valor de la producción, en euros corrientes, para cada uno de los sectores institucionales y para el total de la economía. La “integración vertical” varía entre sectores, desde el 70 % del sector de AA. PP. y HOGA&ISAL, hasta el 40 % en el de las SNF. El valor añadido representa el 60 % del valor de la producción en el sector de SF y el 50 % en el conjunto nacional. Con la entrada en el euro se prolonga la pérdida gradual de peso relativo del valor añadido en la producción nacional que ya venía produciéndose en años anteriores. A partir de la serie completa de Contabilidad Nacional, entre 1995 y 2007 el peso del valor añadido bruto en el valor de la producción desciende 6 puntos porcentuales, desde el 54 % al 48 %. El descenso es generalizado entre sectores, pero sobre todo en HOGA&ISAL y en SNF. La crisis de 2008 altera las tendencias y la integración vertical del conjunto de la economía aumenta sensiblemente, sobre todo por el aumento en el peso del valor añadido en el sector de las SNF (previsiblemente por sustitución de importaciones) que pasa del mínimo de la serie de 34.3 % en 2006 al 42 % en 2009.

La composición del valor de la producción del sector de las SF sigue una dinámica propia. Hasta la crisis financiera se mantiene estable con una aportación del valor añadido bruto del 60 %. En años sucesivos, el peso relativo del valor añadido bruto sectorial muestra cierta volatilidad hasta estabilizarse de nuevo en valor precrisis entre 2018 y 2022. En los dos últimos, años la aportación del valor añadido bruto a la producción del sector vuelve a situarse por encima de la tendencia (65 % en 2024).

Esta exposición preliminar sobre aspectos generales de la actividad de los sectores institucionales de la economía española concluye con la representación gráfica de las aportaciones relativas de cada uno de ellos al valor de la producción, figura 3, y al valor añadido bruto, figura 4, del conjunto de la economía.

Con notable diferencia con respecto al resto de sectores, la mayor contribución al valor de la producción y al valor añadido del conjunto de la economía española procede del sector de las SNF, con el 70 % y un 55 %, respectivamente. El sector institucional con una aportación más baja es el de las SF, entre el 5 % y el 6 %. Finalmente, el sector de las AA. PP. aporta alrededor del 25 % del valor añadido bruto total, y el sector de HOGA&ISAL el 15 %. Las diferencias en el peso relativo de los sectores entre producción y valor añadido se explican por diferencias en el peso relativo del valor añadido en el valor de la producción, indicativa de diferencias en el grado de integración vertical (figura 2). En los años posteriores a la crisis financiera de 2008 las SNF ganan peso en el valor añadido nacional, al igual que el sector de las AA. PP. El sector perdedor es el de HOGA&ISAL cuya aportación al valor añadido bruto nacional disminuye 5 puntos porcentuales durante la crisis de 2008, un descenso que has la fecha de hoy se ha recuperado todavía.

4. Los beneficios empresariales en España: criterio contable

La principal variable económica de interés en este trabajo es el beneficio empresarial. Siguiendo con la metodología de cálculo resumida en el cuadro 1, se distingue entre beneficio contable y beneficio económico, y entre beneficio medido en valores absolutos o relativos, márgenes o rentabilidad, cuadro 2. En este apartado se presentan los beneficios calculados con criterios contables, absolutos y relativos (márgenes), resultado de las actividades de producción realizadas en España, es decir beneficios bruto y neto de explotación, en valor absoluto y en valor relativo. La Contabilidad Nacional no contempla la posibilidad de beneficios contables en el sector de las AA. PP., por lo que el cálculo y análisis del beneficio se limitará a los sectores de SNF, SF, HOGA&ISAL y TOTAL economía.

Por otra parte, en el sector de HOGA&ISAL la Contabilidad Nacional solo contabiliza como remuneración del trabajo la que se destina a pagar los salarios y otros costes laborales de las personas trabajadoras asalariadas. La remuneración al trabajo de las personas autoempleadas, trabajadores autónomos, se incluye en el residuo (diferencia entre valor añadido bruto y salarios de las personas con relación laboral); es decir, forma parte de las llamadas rentas mixtas (retribuyen a la vez trabajo y capital). Para acercarnos de forma más precisa al beneficio propiamente dicho —retribución al capital y al emprendimiento—, del sector de HOGA&ISAL, se supone que el trabajo que aportan los autoempleados a la producción se retribuye a la retribución media de los asalariados en la economía. De esta forma, la remuneración total al trabajo que se incluye en el cálculo del beneficio del sector de HOGA&ISAL es igual a la suma de la remuneración de los trabajadores por cuenta ajena, más la remuneración al trabajo imputada a los trabajadores por cuenta propia⁵.

Beneficio de la economía

La figura 5 muestra la evolución del beneficio bruto y del beneficio neto de explotación anuales para el conjunto de la economía española en el periodo 2000-2024, en valores absolutos (euros corrientes) y en valores relativos sobre el valor de producción de cada año. En los veinticinco años transcurridos, los beneficios brutos (netos) en euros corrientes del conjunto de la economía pasan de 193.000 (113.000) millones de euros en el año 2000 a 557.000 (306.000) millones en 2024; es decir, se multiplican por 2,9 (2,7) a lo largo de todo el periodo, aunque el crecimiento es desigual a lo largo de los años: los beneficios crecen hasta la crisis de 2008, se mantienen estables en años sucesivos hasta 2014, cuando se da por terminada la crisis financiera y de deuda, y desde ese año en adelante se produce una segunda fase de crecimiento interrumpida por la crisis sanitaria en 2020 y 2021.

En términos relativos al valor de la producción (márgenes bruto y neto), el margen de beneficio bruto aumenta desde el 16 % en 2000 hasta el máximo de un 20,6 % en 2016. Con la pandemia, el margen bruto pierde tres puntos porcentuales, de los que ha recuperado la mitad en 2024 (19 %). El margen neto apenas muestra tendencia temporal. Se inicia con valores alrededor del 10 % y termina en niveles similares, con un máximo del periodo del 12 % en 2016 y 2017. La brecha que se abre entre beneficio bruto y beneficio neto desde la crisis financiera de 2008 en adelante es el reflejo del crecimiento del consumo de capital en euros corrientes por encima del crecimiento en el valor de la producción, atribuible a una intensificación relativa de uso de capital en la producción y/o a un cambio en la composición del stock de activos de capital productivo hacia un mayor peso de los activos de vida útil más corta.

Reparto del valor añadido en los sectores institucionales

El valor añadido, diferencia entre el valor de la producción y los consumos intermedios, se reparte entre la remuneración al trabajo y la remuneración residual al capital. La figura 6 muestra cómo evoluciona ese reparto en el periodo de estudio —para cada sector institucional y para el del conjunto de la economía—, a partir de la representación gráfica de la proporción entre remuneración a los asalariados y valor añadido bruto (el complemento es la ratio entre el beneficio bruto de explotación y el valor añadido bruto, es decir, la parte de valor añadido que representa el beneficio bruto del año correspondiente).

Para el conjunto de la economía, la remuneración al trabajo (que incluye la imputación de una retribución por el trabajo a los trabajadores por cuenta propia) representa aproximadamente el 60 % del valor añadido bruto total al principio del periodo y desciende ligeramente hasta el 56 % al final (la parte del capital aumenta de un 40 % a el 42 %). El nivel y evolución de la ratio remuneración al trabajo sobre valor añadido bruto para el conjunto de la economía están muy determinados por las proporciones respectivas de la remuneración al trabajo en los sectores de SNF y HOGA&ISAL. La relativa estabilidad en la proporción del valor añadido que se destina a retribuir al trabajo se repite en todos los sectores excepto el de las SF, aunque a diferentes niveles. Destaca por encima del resto el sector de las AA. PP., donde la remuneración a los asalariados representa más del 80 % (el resto se reduce a la participación del consumo de capital)⁶.

En los primeros años del euro, la remuneración al trabajo asalariado en el sector de las SNF representa el 63 % del valor añadido bruto. La crisis y sus secuelas reducen gradualmente esta participación en 7 puntos porcentuales, el 56 % en 2013, proporción que se mantiene hasta 2016. Con un valor añadido bruto de 500.000 millones de euros, el retroceso de 7 puntos en la parte que corresponde a la remuneración de los asalariados significa un recorte anual de 35.000 millones de euros en la remuneración al trabajo asalariado en el sector de las SNF. A partir de 2017, la parte de valor añadido que remunera al trabajo en el sector de las SNF vuelve a una senda ligeramente creciente. La perturbación causada por la pandemia de la COVID-19 reduce la actividad productiva y, en la medida en que el ajuste en el empleo es contenido, en parte por las políticas de apoyo puestas en marcha por las autoridades, la proporción de la remuneración de los asalariados en el valor añadido bruto aumenta de forma abrupta. Superada la crisis sanitaria, la participación vuelve a moderarse y en los últimos años se muestra relativamente estable alrededor del 60 %, a medio camino entre los valores más alto y bajo de todo el periodo.

La participación de la remuneración al trabajo asalariado en el valor añadido de las SF muestra una evolución singular entre todos los sectores institucionales. En el momento de creación del euro, la proporción es del 60 %, similar a la del sector no financiero, pero muy pronto inicia una senda descendente hasta el 42 % en 2009, un retroceso de 18 puntos porcentuales. La crisis financiera y de deuda, que fue también bancaria, cambia la tendencia y el sector vuelve a proporciones de reparto de los años preeuro. Completada la reestructuración del sector bancario, incluido el cierre de un alto número de oficinas y la disminución de empleo en el sector, que tiene un peso importante en el conjunto del sector financiero, desde 2016 en adelante la parte del valor añadido del sector que retribuye al trabajo inicia una senda decreciente que se acelera en los últimos años. En 2024, el reparto del valor añadido del sector es 30 % remuneración a los asalariados y 70 % beneficio bruto de explotación.

Estas variaciones tan importantes apenas tienen reflejo en el conjunto nacional por el peso relativamente menor del valor añadido del sector financiero en el valor añadido de la economía, figura 4. En todo caso, deben tenerse en cuenta porque están marcando diferencias muy importantes en la evolución de los beneficios empresariales entre unos sectores y otros de la economía. En valores absolutos y euros corrientes, el beneficio bruto de las SNF en 2024 es 2,11 veces el del año 1999; en el sector de HOGA&ISAL la razón es de 2,5 y en el sector de SF es de 9,6. Otras fuentes de información estadística (Banco de España) confirman el fuerte aumento en los beneficios y rentabilidad de las entidades bancarias en España en los últimos años.

Márgenes contables a partir del beneficio neto de explotación

El siguiente concepto de beneficio contable que aparece en el cuadro 1 es el neto de explotación, igual al bruto menos el consumo de capital. El consumo de capital representa la pérdida imputada por la disminución en el valor económico del capital de explotación, por uso u obsolescencia, en el periodo anual. El beneficio neto de explotación representa, por tanto, la remuneración residual al emprendimiento y al capital después de descontar del beneficio bruto el coste necesario para reponer la pérdida de valor del capital y mantener la misma capacidad productiva que al inicio del periodo. Para el cálculo del consumo de capital se tienen en cuenta las vidas útiles teóricas de los activos productivos, así como el hecho de que no se reponen los activos que se amortizan, sino la capacidad productiva que tienen incorporada, la cual depende a su vez del progreso técnico incorporado en los nuevos bienes de capital, así como los precios corrientes de los nuevos activos en relación a los precios a los que se valoran en balance los consumidos. En todo caso, el cálculo del beneficio neto de explotación que se presenta a continuación supone que el consumo de capital que aparece en las cuentas nacionales recoge el coste corriente de reponer la capacidad productiva perdida durante el ejercicio económico anual.

La Contabilidad Nacional asigna un valor nulo al beneficio neto del sector de las AA. PP., lo que significa que el único coste que imputa al capital productivo que utilizan las administraciones públicas para prestar sus servicios es el consumo de capital. La representación gráfica de la figura 7, en la que se muestra la proporción del beneficio neto de explotación sobre el valor añadido bruto, excluye al sector de las AA. PP. porque la proporción sería cero en todos los años.

Se observa una cierta simetría invertida con la representación de la figura 6, consistente con el hecho de que el peso del consumo de capital sobre el valor añadido es notablemente inferior al peso de la remuneración de los asalariados. Para el conjunto de la economía, la figura 6 y la figura 7 sugieren que el reparto del valor añadido bruto en los veinticinco años del euro se ha mantenido en las proporciones: 60 % remuneración al trabajo, 10 % reposición al consumo de capital y 30 % remuneración residual al capital, neta del coste de reponer la depreciación por uso u obsolescencia del capital productivo. Las variaciones alrededor de estos valores promedio son el resultado de la suma de las variaciones en los tres sectores institucionales que contribuyen al beneficio neto total.

En este sentido, en el sector de las SNF se advierte el aumento en el margen neto de explotación a partir de 2006, coincidiendo con la pérdida de peso, hasta 7 puntos porcentuales, de la remuneración a los asalariados sobre el valor añadido bruto. Este aumento en el margen neto de las SNF se mantiene a lo largo de diez años, hasta que se interrumpe con la pandemia, experimentando un retroceso de más de 8 puntos porcentuales en 2020. Aunque posteriormente el margen neto se recupera, en 2024 se mantiene cinco puntos porcentuales por debajo del nivel prepandemia. El margen neto del sector de HOGA&ISAL disminuye en la crisis financiera y posteriormente se recupera hasta prácticamente niveles precrisis financiera justo antes de la crisis sanitaria. En 2024, la recuperación es todavía solo parcial, como ocurre también con el sector de las SNF. El margen neto del sector de las SF comienza con unos valores preeuro del 20 % y termina en 2024 con un margen neto de explotación del 64 %; un incremento explicado por la evolución en la participación de la remuneración al trabajo en la figura 6. Este último valor supera holgadamente el máximo local del 50 % en los albores de la crisis financiera de 2008 y forma parte de una línea de tendencia creciente que se inicia en 2013 a partir de valores de margen neto de explotación de los años preeuro.

El aumento del peso de la remuneración a los asalariados sobre el valor añadido bruto coincidirá con un descenso en el peso de los beneficios netos sobre el mismo valor añadido. Sin embargo, a priori, el efecto sobre los márgenes empresariales de variaciones en el peso de los consumos intermedios sobre el valor de la producción (variaciones en la integración vertical) es indeterminado. Por ejemplo, si los consumos intermedios son relativamente más trabajo-intensivos que los inputs producidos internamente por las compañías, al aumentar los consumos intermedios en la producción total, la proporción de remuneración de los asalariados en el valor añadido disminuye y la de los beneficios aumentará. Por el contrario, si los consumos intermedios son más intensivos en capital y reducen la contribución relativa de este input en el valor añadido (sustitución del capital interno por el del exterior), el margen sobre el valor añadido disminuirá. A modo de ejercicio exploratorio, la figura 8 muestra la correlación entre la proporción que representan los consumos intermedios en la producción total de las SNF y el margen neto de beneficios de explotación (beneficio neto sobre valor añadido). Cuando se excluyen los cinco años 2020-2024 (puntos en gris), pos-COVID, la correlación de las dos variables es negativa y significativa, es decir, apunta en la dirección de más intensidad de capital en las importaciones de productos intermedios. La COVID-19 altera la correlación y los valores observados de los años pos-COVID se alejan de la línea de tendencia del resto; es de esperar que gradualmente los puntos se acerquen a la línea de tendencia, aunque no se puede descartar un posible cambio estructural⁷.

5. Coste por uso del capital y beneficio económico de las SNF

El beneficio económico de explotación (resultado de producir y vender bienes y servicios en y desde España), tal como está definido en el cuadro 1, requiere para su cálculo disponer de información sobre dos variables que no están recogidas en las estadísticas oficiales: el coste por uso del capital y el stock de capital de explotación, es decir, el capital utilizado para producir en España. Para el sector de las SNF se dispone de información sobre el stock de capital (balances) elaborada en un estudio previo, Salas Fumás (2025); para el resto de los sectores no se dispone de esa información. Por lo tanto, la posibilidad de estimar el beneficio económico está limitada al sector corporativo. El coste por uso del capital, su explicación y determinantes, se presentó en el apartado de metodología. Como se indicó anteriormente, el coste por uso no es observable, ni tampoco existe una estadística oficial que ofrezca datos sobre el mismo. Se describe a continuación los pasos seguidos y los supuestos realizados en el cálculo del coste unitario por uso del capital.

La rentabilidad nominal en usos alternativos del euro invertido, R, se aproxima por el tipo de interés de los préstamos bancarios nuevos a las SNF (promedio anual) más una prima por riesgo económico y financiero adicional estimada en 3 puntos porcentuales⁸; ρ_K se estima como la tasa de variación anual del deflactor de la formación bruta de capital fijo para el conjunto de la economía española; la tasa de depreciación δ se obtiene dividiendo el consumo de capital del año por el stock de capital medio más un punto porcentual que corresponde al progreso técnico incorporado en los bienes de capital que se añaden al stock a través de la inversión nueva; se supone un tipo impositivo constante para todo el periodo de u=0.2.

Se estima un coste por uso por euro corriente de aproximadamente un 15 % promedio para todo el periodo, aunque sujeto a una notable variabilidad temporal. Hasta la crisis de 2008, la tasa de depreciación se mantiene estable alrededor del 8,5 %, mientras que el coste financiero comienza con valores también alrededor del 8 %, pero este último disminuye gradualmente hasta el 6,5 % en 2005. Entre 2000 y 2005, la inflación en los precios de los activos fijos se mantiene en el entorno del 5 % anual; a partir de 2006 coinciden la subida de tipos de interés oficiales por el BCE y una moderación en la tasa de variación de los precios de los activos de capital. El resultado final es un cambio en la tendencia del coste financiero nominal hacia una senda de crecimiento que se prolonga hasta 2008, año en que estalla la crisis financiera. Entre 2009 y 2014 se produce una deflación en el precio de los activos fijos de capital, a la vez que un estancamiento en el coste financiero nominal alrededor del 7 % anual.

La política monetaria expansiva del BCE desde 2015 hasta 2022 repercute en un menor coste financiero nominal y un repunte hasta valores positivos —entre el 1 % y el 2 %—, de la inflación de precios de los activos de capital fijo. Las tendencias vuelven a cambiar con el episodio inflacionario, coincidiendo la recuperación pospandemia con la guerra de Ucrania y la crisis energética, a partir de 2021. En este año la inflación de activos de capital fijo supera el 4 % y el año siguiente el 8 % anual, valor atípico en toda la serie y que provoca una caída importante, hasta valores negativos, del coste financiero de uso real. En 2023 y 2024, la inflación vuelve a moderarse en valores alrededor del 2 %, pero el tipo de interés medio anual de las nuevas operaciones de préstamos bancarios a las SNF supera el 5 %.

Finalmente, se observa un aumento en la tasa de depreciación del capital a partir de 2010 en adelante, hasta valores del 10 % anual, lo que sería consistente con una disminución en la vida media de los activos en el balance de las SNF, en comparación con la edad media en los años previos a la crisis (recordar la discusión en un apartado anterior alrededor de la figura 5). La suma de todos estos factores explica el nivel y la volatilidad del coste por uso final que aparece reflejada en el gráfico.

El coste total por el uso en la producción del stock de capital de explotación propiedad de las SNF es igual al coste por euro que aparece en la figura 9 por el valor en euros corrientes a precios de reposición de los activos de explotación en el balance consolidado de las SNF. El dato del valor a precios de reposición de los activos de explotación de las SNF en España se toma de Salas Fumás (2025). Con el cálculo del coste total por uso del capital se dispone de toda la información necesaria para el cálculo del beneficio económico. Con esta información se elabora la figura 10, en la que se muestra la evolución temporal del beneficio económico como diferencia entre el valor de la producción y los costes por los tres inputs utilizados en la misma, consumos intermedios, trabajo y capital.

El coste por uso del capital en euros corrientes oscila en el tiempo, algo esperado teniendo en cuenta las oscilaciones en el tiempo del coste por euro de capital invertido de la figura 10. Hasta 2005, el coste total por uso del capital se acerca a los 100.000 millones de euros, casi el 10 % del valor de la producción. En 2016, el coste inicia una línea ascendente hasta un máximo de 271.000 millones de euros corrientes en 2013, es decir, el 21,3 % del valor de la producción. Desde 2014 en adelante, el coste por uso se mueve proporcionalmente con el valor de la producción en el intervalo 12 %-15 %, excepto en los años de la pandemia 2021 y 2022 en los que los costes por uso del capital son excepcionalmente bajos, el 9,5 % y el 5,6 % del valor de la producción, respectivamente. Por otra parte, los años de beneficios económicos se reparten entre valores positivos (hasta 2007 y desde 2015 a 2022, excepto el año 2020 de la pandemia), valores negativos (2009, 2011, 2012 y 2013) y valores cercanos a cero (resto del periodo).

La figura 11 completa la información de la figura 10 con valores de beneficios normalizados por el total de activos de explotación y por el valor de la producción; incluye también el coste de uso del capital de explotación por euro invertido. La rentabilidad bruta de explotación se calcula como el cociente entre los beneficios brutos de explotación del año t y el valor monetario a precios corrientes de reposición de los activos de explotación al final del año t. La cifra de rentabilidad es directamente comparable con el coste de uso del capital por euro invertido en financiarlo. Es decir, una rentabilidad bruta superior (inferior) al coste por uso significa que el retorno que generan los activos en la producción actual supera (está por debajo) del coste de oportunidad del capital medido en términos de coste por uso. En dos subperiodos, 2000-2006 y 2015-2019 la rentabilidad supera holgadamente al coste; entre 2007 y 2014 la rentabilidad se mueve alrededor del coste; desde 2020 en adelante la brusca oscilación del coste de uso por la inflación de los activos de capital fijo en 2021 y 2022 distorsiona la comparación, aunque las cifras de los años 2023 y 2024 apuntan a una situación en la cual rentabilidad y coste vuelven a coincidir.

El beneficio económico del año t por euro de activo de explotación al final del año t coincide prácticamente año tras año con el margen de beneficio económico (beneficio económico por euro de valor corriente de la producción). En promedio para los veinticinco años, la ratio de beneficio económico sobre activo de explotación y la ratio de beneficio económico sobre valor de la producción coinciden en el 2 %. Por tanto, en promedio para los veinticinco años del euro los beneficios económicos de las SNF habrían sido positivos en una magnitud que representa el 2 % de los activos de explotación y del valor corriente de la producción.

Beneficio económico e inversión

El beneficio económico es una medida de la capacidad de las compañías mercantiles para generar ingresos en la venta de la producción al mercado, suficientes o no para cubrir los costes incurridos en la producción, incluido el coste por uso del capital que las compañías poseen en propiedad. Desde la racionalidad económica (maximización del beneficio), un beneficio económico positivo estimulará a las compañías a invertir y producir más, mientras que un beneficio económico nulo o negativo hace desaparecer los incentivos a invertir e incluso genera incentivos a desinvertir.

Para contrastar si esta predicción desde la racionalidad de los decisores empresariales se cumple a partir de los datos disponibles para las SNF en España, se elabora la figura 12 con la evolución anual de las tasas de inversión en capital de explotación, bruta y neta. La tasa de inversión bruta de cada año es igual a la ratio entre el flujo anual de formación bruta de capital fijo y el stock de capital de explotación, promedio del principio y final de año. La tasa de inversión neta se calcula de forma similar, pero con un numerador igual a la formación bruta de capital fijo menos el consumo de capital⁹. La combinación de la información de las figuras 11 y 12 confirma que, efectivamente, la tasa de inversión, bruta y neta, es positiva y creciente en los periodos cuando la rentabilidad del capital invertido supera el coste por uso (coste de oportunidad), beneficios económicos positivos, y desciende a cero cuando rentabilidad y coste coinciden (beneficio económico nulo). Teniendo en cuenta la evolución de la rentabilidad y el coste por uso del capital en los años posteriores a la pandemia —con rentabilidad estimada por debajo o coincidiendo con el coste por uso del capital—, no sorprende que la recuperación de la inversión y de la acumulación de capital de explotación en estos últimos años haya sido menor y, en todo caso, haya ido muy por detrás de la recuperación de la actividad y del empleo.

6. Retorno de los activos financieros, beneficio total de las SNF, y su reparto

Además de los ingresos, costes y beneficios correspondientes a las actividades de producir en España para la venta, las SNF obtienen ingresos financieros procedentes de retornos de las inversiones en activos financieros que quedan reflejadas en el activo de su balance consolidado. Los datos sobre balances de las SNF a los que nos referimos reiteradamente a lo largo de la exposición previa indican que en 2024 las SNF en España acumulan en sus balances activos financieros por valor de 1,14 billones de euros, que se suman a los casi 1,8 billones de activos de explotación, con un total de activo a euros corrientes cercano a los tres billones. En este apartado se completa la medición y el análisis de los beneficios de las SNF incorporando los ingresos financieros procedentes de los activos financieros en balance a la cuenta de resultados, y prestando atención también a otros costes explícitos como los gastos financieros y los impuestos sobre el capital que la contabilidad convencional incluye en el cálculo del beneficio neto de las compañías (bloque inferior de cuentas del cuadro 1).

Las cuentas nacionales incluyen dos partidas de flujos trimestrales y anuales de fondos que se atribuyen a los retornos generados por los activos financieros en el balance de las SNF con sede en España. Se trata de las partidas contables de ingresos financieros y beneficios reinvertidos de la inversión exterior directa. Los ingresos financieros en forma de intereses de deuda y en forma de dividendos cobrados por las SNF en España proceden, bien de inversiones puramente financieras (en deuda, acciones, participaciones en fondos, depósitos bancarios…), bien de deuda y acciones contrapartida de financiación que la sociedad matriz en España concede a una sociedad filial o participada en el exterior. La partida de beneficios reinvertidos en el exterior incluye la parte de beneficios de las sociedades filiales que han sido retenidos en la compañía en lugar de pagados a la matriz en forma de dividendos.

El total de beneficios de las SNF antes de intereses e impuestos, BAII, incluyendo los beneficios netos de explotación, los ingresos financieros y los beneficios reinvertidos de la inversión exterior directa, en euros corrientes, se muestra en la figura 13. Desde el año 2000 hasta el año 2019, los beneficios netos de explotación representan entre el 66 % (año 2006) y el 80 % (principios de los 2000) de los BAII de las SNF en España. Desde 2019 en adelante, pandemia y pospandemia, la proporción se reduce a entre el 54 % (2024) y el 66 % (2022). Dentro de los beneficios atribuidos a los activos financieros en balance, complemento de los de explotación, la mayoría con diferencia corresponde a los ingresos financieros, aunque los beneficios reinvertidos en el exterior muestran una cierta tendencia al crecimiento en valor absoluto a lo largo del tiempo. En términos relativos, hasta 2005 los beneficios atribuidos a los activos financieros representan en promedio el 10 % del total de beneficios ajenos a la explotación en España. La proporción máxima en todo el periodo es del 31 % en 2021. Desde 2006 en adelante, la proporción en ningún año desciende por debajo del 10 %.

En 2024, el BAII en términos absolutos asciende a casi 240000 millones de euros corrientes, tres veces los del año 2000, también en euros corrientes (recuérdese que el deflactor del PIB se ha multiplicado por cerca de 1,7 en el mismo periodo). Entre 2004 y 2008, el crecimiento de los beneficios en euros corrientes se acelera. La crisis financiera y de deuda frena el crecimiento y los beneficios en valores absolutos incluso disminuyen hasta mantenerse en valores mínimos entre 2011 y 2014. La recuperación de la actividad favorece la recuperación del beneficio, que en 2019 alcanza casi los 200.000 millones de euros. La pandemia provoca una caída brusca del BAII seguida de una relativamente rápida recuperación, resultado de la suma de la recuperación esperada del beneficio de explotación y del aumento extraordinario en los ingresos atribuidos a los activos financieros.

Además del efecto nivel de precios, en la evolución del beneficio en valores absolutos intervendrá también el volumen de los activos invertidos. Para comparar los beneficios de explotación y los beneficios procedentes de los activos financieros, los valores absolutos se normalizan por euro de capital invertido. En este sentido, la figura 14 muestra la rentabilidad del activo de explotación, calculada como beneficio neto de explotación dividido por los activos de explotación medios del periodo (anual), y la rentabilidad del activo financiero, calculada como cociente entre ingresos financieros más beneficios reinvertidos de la inversión en el exterior y los activos financieros medios del periodo.

Hasta 2019, la rentabilidad de explotación supera holgadamente a la rentabilidad de los activos financieros, con una diferencia media de entre dos y tres puntos porcentuales, el 8,5 % frente a un 6 %. En 2020, coincidiendo con la pandemia por la COVID-19, la rentabilidad de explotación es inferior a la de los activos financieros y durante los dos años siguientes las dos rentabilidades muestran valores similares. En los años 2023 y 2024 se produce una situación inédita en relación a lo que ocurre en los años anteriores, cuando la rentabilidad de los activos financieros supera holgadamente la de los activos de explotación. La diferencia a favor de la rentabilidad de los activos financieros sobre la rentabilidad del activo de explotación en estos dos últimos años se explica tanto por el valor históricamente alto, un 10 %, de la rentabilidad de los activos financieros, como por el valor históricamente bajo de la rentabilidad del activo de explotación, el 7 % cuando el promedio de rentabilidad en años anteriores fue del 9,5 %.

El reparto de los beneficios (BAII) contabilizados en España

Descontado el beneficio reinvertido procedente de las inversiones directas en el exterior —que no se contabiliza como un ingreso financiero de las SNF en España porque está retenido en filiales o sociedades participadas en el exterior—, el resto del BAII se incorpora como un renglón reconocible de la cuenta de resultados contable. Entre el BAII y el beneficio neto, último renglón de la cuenta de resultados contables, aparecen las cuentas de gastos, intereses de la deuda e impuestos sobre sociedades (cuadro 1). Además, parte del beneficio neto de las compañías se distribuye en dividendos y parte se retiene como autofinanciación de la sociedad mercantil. Por tanto, el BAII se reparte entre gastos financieros que remuneran a los titulares de la deuda que financia el activo del balance, impuestos cuyo destinatario es la hacienda pública, dividendos como remuneración a los titulares de las acciones (fondos propios) de la compañía, beneficios retenidos en la compañía con la expectativa de que generen dividendos futuros a través de la reinversión.

Como se desprende de la figura 15, la distribución del BAII de las SNF en España entre las distintas partidas reseñadas muestra notables variaciones a lo largo del periodo. Hasta la crisis financiera de 2008, más de la mitad del BAII se dedica a pagar los gastos financieros y los impuestos directos. En 2005, por ejemplo, los gastos financieros absorben el 30 % del BAII y los impuestos casi otro tanto. En el máximo de 2008, los gastos financieros de las SNF representan el 38 % de sus beneficios antes de intereses e impuestos, resultado de un alto endeudamiento y de unos tipos de interés también comparativamente elevados. Los dividendos pagados a los accionistas en estos años representan alrededor del 30 % del BAII. En 2006 y 2007, la suma de gastos financieros más impuestos y más dividendos excede el BAII del ejercicio y los beneficios retenidos son negativos; es decir, las SNF liquidan parte de su patrimonio para atender estos pagos a beneficiarios externos.

Desde 2009 en adelante, las proporciones de reparto del BAII cambian notablemente, principalmente por el importante descenso en la parte que corresponde al pago de intereses financieros y, en algunos años, al descenso en los impuestos pagados. Durante la crisis de la deuda pública, 2010-2013, los gastos financieros y los impuestos representan el 25 % y el 5 % del BAII, respectivamente. En los años siguientes de bajos tipos de interés por la política monetaria expansiva que aplica el BCE, el peso de los gastos financieros en el reparto del BAII desciende notablemente, de manera que en el año 2019, previo a la pandemia por la COVID-19, los gastos financieros representan menos del 5 % del BAII de las SNF. En 2020 y en los años siguientes, la parte del BAII que las SNF destinan al pago de intereses de la deuda vuelve a subir debido a la subida de tipos oficiales de interés por parte del BCE en respuesta al episodio inflacionario en los años 2021-2023. El aumento en el peso de los gastos financieros coincide con un aumento en el peso de los impuestos sobre sociedades, con el resultado final de que, en los dos últimos años, 2023 y 2024, la suma de impuestos directos más gastos financieros representa el 35 % del BAII.

El beneficio neto en proporción del BAII, y cada uno de sus componentes, los dividendos pagados y los beneficios retenidos, muestran una notable variabilidad durante el periodo. La proporción del BAII pagada como dividendos aumenta notablemente después de 2008 en adelante con valores que superan holgadamente el 40 %. Los beneficios retenidos han sido la variable de ajuste, aunque desde 2008 en adelante, han mantenido siempre valores positivos y en proporción al BAII alcanzan cifras superiores a las de los años anteriores a la crisis financiera.

Origen y aplicación de fondos

El estado contable de ingresos y costes se complementa con el estado de origen y aplicación de fondos, que relaciona la generación de fondos internos por parte de las compañías con las necesidades de fondos con los que atender las necesidades de pago, entre ellas el pago de dividendos y la financiación de la nueva inversión en capital productivo. En su versión más simple, los fondos generados internamente se estiman como la suma del beneficio neto del ejercicio económico, un año, y del consumo de capital tal como se contabiliza en la cuenta de resultados. El consumo de capital es un coste, pero no es una salida de caja o tesorería para la empresa porque, como se ha dicho, se trata de un coste atribuido al uso en la producción del capital propiedad de la compañía. Por otra parte, el uso de los fondos internos generados se reduce a la suma de dividendos pagados más formación bruta del capital fijo en el ejercicio anual correspondiente.

Los fondos generados y los pagos realizados en los conceptos indicados se refieren al agregado de las SNF en España, año a año entre 2000 y 2024. Si los fondos generados superan los pagos realizados, la diferencia expresa la capacidad del sector de las SNF para financiar necesidades de fondos del resto de la economía; si, por el contrario, los pagos exceden a los fondos generados internamente, se entiende que el agregado de las SNF ha necesitado fondos de otros sectores de la economía para poder cubrir el déficit por insuficiencia de los fondos generados.

La figura 16 muestra las proporciones sobre los recursos generados que representan los pagos realizados en concepto de dividendos y en concepto de formación bruta de capital cada año entre 2000 y 2024 por el agregado de las SNF en España. Los dividendos pagados representan alrededor del 27 % del total de fondos generados (beneficio neto más consumo de capital). La proporción es relativamente estable a lo largo del tiempo y, en todo caso, mucho menos volátil que la proporción de dividendos sobre el beneficio neto del ejercicio. Este resultado lleva a la conclusión de que las compañías establecen una tasa de reparto de dividendos en proporción a los fondos generados internamente (tesorería), y no tanto como proporción a repartir de los beneficios del ejercicio.

La proporción entre la formación bruta de capital fijo y los recursos generados muestra dos niveles y dos trayectorias distintas antes y después de la crisis de 2008. Hasta 2007, la inversión bruta en capital fijo supera holgadamente los fondos generados en cada uno de los años, con excesos que superan el 20 %. Si las compañías no pagaran dividendos y retuvieran todos los beneficios netos, los fondos generados serían insuficientes para financiar la formación bruta de capital fijo anual. Si pagan dividendos el déficit de fondos se incrementa en el montante de los dividendos pagados. La suma total de necesidades de financiación externa de las SNF en los años previos a la crisis financiera de 2008 alcanza a representar el 60 % de los recursos generados internamente. El aumento de la deuda en el balance de las SNF durante los años 2000-2008 es la contrapartida a unas necesidades de fondos cubiertas a través del aumento en el endeudamiento.

A partir de 2008, la proporción que representa la formación bruta de capital sobre los fondos generados internamente disminuye rápidamente y en 2010 es la mitad del total de los fondos generados. A partir de 2013, la proporción de la inversión bruta en capital fijo sobre los fondos generados aumenta, pero muy lentamente. Por ejemplo, la proporción de 0,6 en el año 2024 es la mitad del pico de 1,2 en 2007. La proporción de fondos generados internamente dedicada a financiar formación bruta de capital fijo por el agregado de las SNF en España parece haberse estabilizado en los últimos años en el 60 %, a la espera de que superada la alteración por la pandemia de la COVID-19 la ratio vuelva a converger a la senda del 60 %. Teniendo en cuenta que en el agregado las SNF dedican entre el 25 % y el 30 % de los fondos generados a pagar dividendos, las necesidades de fondos por los dos conceptos, dividendos e inversión podrían estabilizarse entre el 85 %-90 %, lo cual deja una capacidad de financiación de las SNF en España de entre el 10 % y el 15 % de los recursos generados internamente. Esta generación de fondos por encima de las necesidades de pago en concepto de dividendos y de formación bruta de capital persistente desde 2009 en adelante explica la procedencia de los fondos que han permitido a las SNF reducir en volumen absoluto y en términos relativos al total de pasivo la deuda acumulada en los años anteriores a 2008.

En un apartado anterior, los incentivos a invertir de las empresas se han relacionado con la diferencia entre rentabilidad y coste de uso del capital por euro de activo financiado (figuras 11 y 12). Sin embargo, para una relación dada entre rentabilidad y coste del capital, la capacidad inversora de las compañías puede estar condicionada por el acceso a suficiente financiación externa. Una de las razones por las cuales el agregado de la formación bruta de capital por parte de las SNF en la pospandemia sigue lejos de los niveles prepandemia podría ser las restricciones al acceso de la financiación externa. Sin embargo, esta razón parece descartable teniendo en cuenta que las necesidades de fondos por pago de dividendos y por inversión en capital no siquiera alcanzan el 100 % de los fondos generados internamente. Tal vez, el lento pero progresivo acercamiento entre fondos generados y usos de fondos que se aprecia en la figura 16 pueda derivar en un cambio desde capacidad a necesidad de financiación de las SNF en el futuro próximo, pero en el presente no hay razones para pensar que el retraso en la recuperación de la inversión en capital en el agregado de las SNF en España obedezca a restricciones financieras. Sin olvidar que, si mejora la rentabilidad del capital, en estos momentos por debajo de promedios históricos según muestra la figura 14, la capacidad de generar fondos internos con los que financiar inversión nueva aumentará en paralelo.

7. Comparación internacional

El análisis de la evolución de los beneficios de las SNF en España termina con una comparación con los beneficios para el agregado de las SNF en países del entorno de la UE. La figura 17 muestra la evolución durante el periodo 2000-2024 de la proporción de la remuneración de los asalariados en el valor añadido bruto del sector de las SNF en países seleccionados, Alemania, España, Francia, Italia y Suecia, utilizando información que publica Eurostat. Recuérdese que el complemento corresponde a la participación de la remuneración residual del capital en el valor añadido, es decir, el margen bruto de explotación calculado sobre el valor añadido bruto.

El sector de las SNF de Francia es, entre los comparados, el que muestra una participación de la remuneración de los asalariados en el valor añadido bruto más alta. En el otro extremo, las SNF de Suecia e Italia muestran la ratio de participación laboral más baja entre los países comparados. En Francia, la remuneración de los asalariados representa dos tercios del valor añadido bruto, mientras que en Italia y Suecia la proporción oscila alrededor del 55 %. En Alemania y España, las ratios de participación de la remuneración de los asalariados en el valor añadido bruto se mueven en el entorno del 60 %. En ninguno de los países comparados se detecta una tendencia decreciente en la participación laboral en el valor añadido de las SNF en los veinticinco años¹⁰. Sí se producen subidas y bajadas de la ratio a lo largo del periodo, no necesariamente sincronizadas entre los países. Por ejemplo, en los años 2000-2008, hasta la crisis financiera, la participación laboral aumenta en Italia y Suecia, disminuye en Alemania y se mantiene estable en España y en Francia.

España es el único país donde la crisis financiera en 2008 desencadena un proceso de pérdida continuada en el peso de la remuneración de los asalariados, ya documentada en apartados anteriores. El cambio en la tendencia con una recuperación de la participación laboral en el valor añadido bruto se retrasa hasta 2017 y se mantiene hasta 2014. En el resto de los países, en los años posteriores a 2008, la participación laboral sobre el valor añadido bruto de las SNF aumenta, en claro contraste con lo que sucede en España.

Conclusión

Este trabajo tiene el doble objetivo de relacionar y conciliar el concepto económico y las medidas contables de beneficio empresarial, y proporcionar evidencias sobre la evolución de los beneficios económicos y contables para el agregado de los sectores institucionales de la economía española, con especial atención al sector de las sociedades no financieras. El beneficio económico y el beneficio contable de la empresa coinciden en que los dos se definen como diferencia entre ingresos por la venta de la producción al mercado menos los costes atribuidos a los recursos empleados en la producción. La diferencia está en que en el cálculo del beneficio contable solamente se incluyen los costes explícitos resultado de transacciones de las empresas en los mercados, mientras que el cálculo del beneficio económico incluye también los costes de oportunidad. La diferencia es relevante en cuanto al tratamiento del coste del recurso capital utilizado en la producción. En general, los servicios de capital utilizados en la producción proceden del stock de activos que la sociedad mercantil, alrededor de la cual se estructura la empresa, posee en propiedad. No existe, por tanto, un precio de mercado al que valorar los servicios de capital, razón por la cual el coste por el uso del capital propio en la producción no entra en el cálculo del beneficio contable, pero sí existe un coste de oportunidad que justifica incluir el coste por uso del capital en el cálculo del beneficio económico.

En la parte empírica, el trabajo, primero, cuantifica y compara la evolución de los beneficios para el agregado de los sectores institucionales sociedades no financieras, instituciones financieras y hogares de la economía española en el periodo 2000-2024, que coincide con los años desde la creación del euro. Y segundo, profundiza en la medición y análisis de los beneficios contables y económicos del sector de las sociedades no financieras en España. Tanto la información sobre el beneficio contable como la información sobre el beneficio económico creemos que es relevante para el debate público alrededor del beneficio empresarial en España, sus orígenes y sus consecuencias, como el que plantea el establecimiento del OME. Concretamente, los resultados expuestos en el estudio responden a preguntas como: ¿son excesivos los beneficios empresariales en España?; ¿es rentable para las empresas invertir para producir en España?; ¿cómo afectan los shocks financiero, sanitario, energético que han sacudido la economía española en los últimos años al reparto del valor añadido de la economía entre remuneración al trabajo asalariado y remuneración al capital?

En este sentido, los resultados del trabajo muestran una evolución de los beneficios económicos de la producción en España por parte de las sociedades no financieras, en el periodo de estudio, con oscilaciones alrededor de un nivel medio estable que representa el 2 % del stock de capital de explotación y del valor de la producción; con este nivel de beneficios y teniendo en cuenta las limitaciones de la estimación, la conclusión es que la evidencia no apoya la hipótesis de beneficios empresariales excesivos en España en el periodo de estudio. En relación con la segunda pregunta, los resultados muestran que la inversión, en el agregado del sector de las sociedades no financieras, ha sido sensible a la evolución de los incentivos a invertir, de manera que los episodios de inversión y crecimiento del stock de capital, entre 2000 y 2008 y entre 2015 y 2029, coinciden con los años de beneficios económicos positivos. De igual modo, la explicación del trabajo a por qué la recuperación de la inversión empresarial en la pospandemia se retrasa con respecto a la recuperación de la actividad y el empleo es la falta de incentivos a invertir porque los beneficios económicos en los últimos años se mantienen en valores no positivos.

Finalmente, en relación con el reparto del valor añadido, el estudio detecta un cambio estructural en el reparto del valor añadido en el agregado del sector de las sociedades no financieras después de la crisis financiera, con una pérdida de peso en el reparto de la remuneración a los asalariados y un aumento en la remuneración al capital, que ha condicionado la evolución de los beneficios contables hasta el nuevo cambio inducido por la COVID-19. En efecto, durante la pandemia la participación de la remuneración del trabajo se recupera hasta niveles precrisis financiera y hasta la fecha no hay evidencia suficiente para saber cuál es el nivel previsible de participación en el valor añadido al que va a estabilizarse. El cambio estructural en el reparto del valor añadido después de la crisis financiera no se observa en otros países de la UE con los que se compara lo observado en España.

Bibliografía

Aguilar, P., Ghirelli, C., y Jiménez-García, B. (2023). La evolución reciente de la inversión en España desde una perspectiva macroeconómica. Boletín Económico – Banco de España, 2023/T3, 03. https://doi.org/10.53479/30649

Arce, O., Hahn, E., y Koester, G. (2023). How tit-for-tat inflation can make everyone poorer. The ECB Blog [post de un blog]. Fráncfort del Meno: Banco Central Europeo, 30 de marzo de 2023. https://www.ecb.europa.eu/press/blog/date/2023/html/ecb.blog.230330~00e522ecb5.en.html

Berry, M., Gaynor, A., y Scott-Morton, F. (2019). Do increasing markups matter? Lessons from empirical industrial organization. Journal of Economic Perspectives, 33, n.º 3, 44-68. https://doi.org/10.1257/jep.33.3.44

De Loecker, J. Eeckhout, J., y Unger, G. (2020). The rise of market power and the macroeconomic implications. The Quarterly Journal of Economics, 135, n.º 2, 561-644. https://doi.org/10.1093/qje/qjz041

Domenech, R., y Sicilia, J. (2024). Investment in Spain and in the EU. BBVA Research file:///Users/usuario/Downloads/Observatorio_La-Inversion-productiva-en-Espana-ene2024_ENG_edi.pdf

Eklund, J. (2013). Theories of Investment: A Theoretical Review with Empirical Applications. WP 2013:22, Swedish Entrepreneurship Network. https://entreprenorskapsforum.se/wp-content/uploads/2013/03/WP_22.pdf

FMI (Fondo Monetario Internacional). (2019). The rise of corporate market power and its macroeconomic effects. En World Economic Outlook. Growth slowdown, precarious recovery, (abril: capítulo 2). Washington D. C. https://doi.org/10.5089/9781484397480.081

Hanh, E. (2023). How have unit profits contributed to the recent strengthening of euro area domestic price pressures? ECB Economic Bulletin, n.º 4, 62-70. https://www.ecb.eu-ropa.eu/press/economic-bulletin/focus/2023/html/ecb.ebbox202304_03~705befadac.en.html

Jorgenson, D. W. (1963). Capital theory and investment behavior. The American Economic Review, 53, n.º 2, 247-59. https://www.aeaweb.org/aer/top20/53.2.247-259.pdf

Karabarbounis, l. (2024). Perspectives on the labor share. Journal of Economic Perspectives, 38, n.º 2, 107-36. https://doi.org/10.1257/jep.38.2.107

OCDE (Organización para la Cooperación y el Desarrollo Económicos). (2022). Competition and inflation. OECD Roundtables on Competition Policy Papers, n.º 286. París: OECD Publishing. https://doi.org/10.1787/16fb46b6-en

Salas Fumás, V. (2021). La empresa española. Del euro a la COVID-19. Zaragoza: Prensas de la Universidad de Zaragoza.

Salas Fumás, V. (2024). Fixed capital formation in the non-financial corporate sector of the Spanish Economy: Crisis, recovery and prospects. Nota técnica, n.º 1/2024. Madrid: Funcas. https://www.fun-cas.es/wp-content/uploads/2024/04/Fixed-Capital-Formation_0424.pdf

Salas Fumás, V. (2025a). Activos y pasivos de las sociedades no financieras en España: 2000-2024. Investigaciones de Funcas, 6. https://www.funcas.es/wp-content/uploads/2025/05/ACTIVOS-Y-PASIVOS-DE-LAS-SOCIEDADES-NOFINANCIERAS-EN-ESPANA-2000-2024.pdf

Salas Fumás, V. (2025b). El Observatorio de Márgenes Empresariales (OME): Balance y Perspectivas. Documento de Trabajo IVIE, 2025-1. https://www.ivie.es/en_US/investigacion/publicaciones/documento/2025-1-el-observatorio-de-margenes-empresariales-ome-balance-y-perspectivas/?utm_source=google&utm_medium=organic

Torres, R. (2023). La Brecha de Inversión Productiva. El Pais. https://elpais.com/economia/negocios/2023-09-10/la-brecha-de-inversion-productiva.html

Vallés, J., Salas Fumás, V., y San Juan, L. (2022). Corporate economic profits in the Euro Area: the relevance of cost competitive advantage. International Review of Economics & Finance, 80, 569-85. https://doi.org/10.1016/j.iref.2022.02.068

Weber, I., y Wasner, E. (2023). Sellers’ inflation, profits and conflict: Why can large firms hike prices in an emergency? Review of Keynesian Economics, 11, n.º 2, 183-213. https://doi.org/10.4337/roke.2023.02.05

Notas

* Profesor emérito de la Universidad de Zaragoza y Funcas.

¹ https://www.observatoriomargenes.es/wme/es/

² Una de las últimas controversias a nivel colectivo alrededor del beneficio empresarial surge con el episodio inflacionario de 2021 y 2022. Desde distintas instancias académicas (Weber y Wasner, 2023) e institucionales (ECB: Arce et al. (2023), Hanh (2023); OECD (2022)) se atribuye parcialmente el episodio a una inflación de márgenes empresariales, es decir, las empresas aumentando precios por encima de los incrementos en costes. La inflación de márgenes se relaciona con otros análisis más consolidados en la investigación económica sobre las consecuencias para el bienestar social de un aumento generalizado en el poder de mercado de las empresas observado en los últimos años (Berry et al., 2029; FMI, 2019; De Loecker et al., 2020; Esckhout, 2021).

³ Para una correcta interpretación y valoración de los beneficios empresariales resultado de la estimación es importante tener presente el criterio o criterios con las que los decisores empresariales han asignado los recursos que dan lugar a los valores finales de las partidas del balance y de la cuenta de resultados. La hipótesis en este trabajo es que los decisore empresariales asignan los recursos con el criterio de maximizar los beneficios absolutos, teniendo en cuenta la competencia de otras empresas en sus mercados relevantes, y cumpliendo con las leyes y normas sociales establecidas. Los beneficios que aparecen en las cuentas de resultados de las compañías son en muchos casos valores de equilibrio resultado de decisiones de maximización que toman empresas rivales en los respectivos mercados. Véase Salas Fumás (2021, 2025b) para los determinantes exógenos de los valores de equilibrio de precios, cantidades producidas, empleo, beneficios bajo determinados supuestos de mercados con competencia imperfecta.

⁴ Alternativamente, el coste financiero nominal podría calcularse como la suma ponderada del coste de los fondos propios y del coste de la deuda, teniendo en cuenta además que el coste de la deuda es deducible de la base imponible del impuesto sobre sociedades. La información disponible sobre el balance consolidado de las SNF incluye el pasivo total como contrapartida del activo total que incluye los activos financieros más los activos de explotación. Es decir, no se conoce la estructura financiera específica de la financiación de los activos de explotación que intervienen el cálculo del coste total por uso del capital. En todo caso, el supuesto de irrelevancia de la estructura financiera para el coste financiero del capital de las compañías, aunque tiene fundamentación teórica en los trabajos de Modigliani y Miller se justifica en el trabajo como una forma de simplificar la exposición.

⁵ Los trabajadores por cuenta propia, con y sin asalariados, representan entre el 20 % (al inicio del periodo) y el 15 % (al final) del total de personas ocupadas en la economía española). La remuneración a los asalariados en el conjunto de la remuneración al trabajo de asalariados y autónomos en el sector de HOGA&ISAL se mantiene relativamente estable alrededor del 30 % del total durante todo el periodo.

⁶ La variabilidad observada en la evolución de la ratio en el sector de HOGA&ISAL se atribuye a la variación en el número de trabajadores por cuenta propia a lo largo del tiempo y con ella a la variación en la proporción de la remuneración imputada a estos trabajadores sobre el total de la remuneración al trabajo. La remuneración a los asalariados en el sector se mantiene prácticamente invariable en el 18 % durante todo el periodo.

⁷ Se ha estimado la misma correlación para el conjunto de la economía y no se observa correlación alguna entre peso de los consumos intermedios en la producción y margen neto de explotación.

⁸ Hasta 2003, primer año en que está disponible el tipo de interés de los préstamos nuevos, se sustituye por el tipo de la deuda pública a diez años.

⁹ Sobre las teorías económicas que explican el comportamiento inversor de las empresas véase Eklund (2013). En otro trabajo, Salas Fumás (2024) se contrastan algunas predicciones teóricas con datos de las SNF en España en el periodo 2019-2023. Ver también Aguilar et al. (2023), Domenech y Sicilia (2024), Torres (2023).

¹⁰ El análisis del reparto del valor añadido bruto entre remuneración de los asalariados y remuneración residual al capital y, particularmente la evidencia aportada en algunos trabajos de investigación económica de una pérdida progresiva del peso de la remuneración de los asalariados en el total del valor añadido de las economías desarrolladas, han generado un gran número de investigaciones en los últimos años. Se recomienda la lectura del trabajo de Karabarbounis (2024) para una revisión de los trabajos en esta línea. Como se indica en el texto, la evidencia de la figura 17 no confirma el supuesto de pérdida sistemática de peso de la participación laboral en el valor añadido de las economías europeas seleccionadas. En Valles et al. (2022) se amplía la comparación de los beneficios de las SNF entre los países de la UE con estimaciones de los beneficios económicos aplicando una metodología similar a la utilizada en este trabajo para las SNF en España.

Descarga Publicación (formato PDF)

Fecha: noviembre 2025

Francisco Rodríguez Fernández*

Abstract

This paper critically re-examines the post-crisis consensus advocating ever-higher bank capital requirements, reframing the issue through a welfare-maximization lens. While robust capital buffers enhance financial stability by reducing moral hazard and crisis risk, they also entail opportunity costs —such as constrained credit supply, reduced intermediation, and risk migration to less regulated sectors. Drawing on recent theoretical models and empirical evidence, the analysis highlights the existence of an optimal capital threshold beyond which marginal benefits decline, and efficiency costs rise. It underscores the importance of buffer usability, dynamic calibration, and holistic regulatory oversight. The findings challenge the simplistic notion that “more capital is always better” and instead support a nuanced, data-driven regulatory framework grounded in the trade-offs that define real-world financial systems.

1. INTRODUCTION

In the wake of the 2007–2009 global financial crisis, a broad international consensus emerged around a central principle: banks should hold substantially larger capital buffers to absorb losses and preserve systemic stability. The crisis exposed the fragility of undercapitalized financial institutions and the enormous public costs of widespread bank failures. In response, global regulatory frameworks —most notably the Basel III reforms— ushered in a new era of significantly higher capital requirements. These included increases in minimum Common Equity Tier 1 (CET1) ratios, the introduction of capital conservation and countercyclical buffers, and a non-risk-based leverage ratio as a backstop.

This regulatory transformation was grounded in a strong narrative: that more capital necessarily leads to safer banking systems. Institutions such as the Basel Committee on Banking Supervision (BCBS), the European Central Bank (ECB), the U.S. Federal Reserve, the Bank for International Settlements (BIS), and the International Monetary Fund (IMF) have consistently advocated for strengthened capital positions, often framing capital as the foundation of financial system resilience. Empirical studies and cost-benefit assessments published by these institutions suggested that the long-run benefits of higher capital —in terms of reduced crisis probability and economic losses—far outweighed the short-run costs, such as slightly higher lending rates.

However, over a decade into this new regime, and following additional shocks such as the COVID-19 pandemic and recent banking sector disruptions, it is appropriate to revisit the assumptions underlying this consensus. While few dispute that capital is a crucial safeguard, the policy maxim “more capital is always better” risks oversimplifying a set of complex and dynamic trade-offs. Capital regulation, like any economic instrument, has costs as well as benefits. Higher capital requirements reduce moral hazard and improve the loss-absorbing capacity of financial institutions, but they may also limit banks’ ability to extend credit, alter their risk-taking behavior, reduce profitability, and displace financial intermediation to less regulated sectors. Moreover, high capital ratios alone are not a guarantee of resilience; factors such as asset quality, supervisory practices, and the usability of capital buffers during stress periods also play critical roles.

This paper reframes the capital regulation debate through a welfare-maximization lens, arguing that the optimal level of bank capital is not necessarily the highest possible, but rather the one that maximizes net social benefits after accounting for all relevant trade-offs. Drawing on recent theoretical contributions —including general equilibrium and macro-financial models— and empirical evidence, the analysis explores how capital affects not only financial stability but also credit supply, bank behavior, and broader economic outcomes. The paper also critically reviews the positions of key regulatory institutions, examining whether their capital frameworks remain well-aligned with theoretical optima or risk drifting into diminishing-return territory. Our aim is not to reject the post-crisis reforms or deny the gains achieved in financial stability. On the contrary, the paper acknowledges that higher capital levels have substantially improved the resilience of global banking systems. But it also emphasizes the need to calibrate capital requirements carefully, considering their marginal effects on both stability and efficiency. In doing so, it contributes to a more refined policy discussion—one that avoids false dichotomies between safety and growth, embraces empirical nuance, and recognizes that financial regulation must evolve alongside the structure of the financial system itself.

By articulating a welfare-based framework for evaluating bank capital, this paper aims to clarify where current policy stands in relation to optimal design, highlight areas where adjustment may be warranted, and support a regulatory philosophy grounded in continuous reassessment rather than doctrinal adherence. Ultimately, the goal is to strengthen the intellectual foundations of capital policy by placing it firmly within the logic of social welfare maximization.

Overall, we offer a critical, evidence-based reassessment of the “more capital is always better” mantra by identifying where additional buffers generate meaningful welfare gains—and where they do not. In doing so, the analysis highlights the importance of diminishing marginal returns, opportunity costs, and the interaction between capital regulation and broader financial system dynamics. The remainder of the paper is structured as follows: Section 2 provides a historical and theoretical overview of bank capital regulation, tracing its evolution from early radical proposals to the Basel framework. Section 3 examines modern welfare-based models and recent empirical findings, including estimates of optimal capital thresholds. Section 4 presents the macroeconomic evidence on the effects of capital requirements on resilience, credit supply, and growth, while highlighting cross-country anomalies that challenge a one-size-fits-all approach. Section 5 analyzes institutional perspectives, focusing on how regulatory bodies incorporate welfare trade-offs into their frameworks. Section 6 concludes with policy recommendations for designing capital regulations that are robust, flexible, and grounded in economic welfare maximization.

2. THEORETICAL TRADE-OFFS OF BANK CAPITAL BUFFERS

2.1. Historical perspective

Historically, regulatory thinking on bank capital has oscillated significantly, reflecting shifting paradigms regarding financial stability, monetary policy, and economic welfare. The Great Depression of 1929 dramatically reshaped the regulatory landscape, exposing the vulnerabilities inherent in highly leveraged banking systems and prompting economists and policymakers to reconsider foundational principles governing bank capital and liquidity.

Immediately following the catastrophic banking collapses of the early 1930s, radical regulatory solutions gained prominence. Foremost among these was the Chicago Plan, articulated prominently by economists at the University of Chicago, notably Henry Simons (1933) and Irving Fisher (1935). These economists advocated a transformative reform: implementing a 100% reserve requirement for demand deposits. Under their framework, banks would be required to back checking accounts entirely with reserves held in cash or government-issued assets, fundamentally separating monetary functions (payments and deposits) from lending activities. The theoretical argument behind this approach was straightforward yet profound—such a separation would eliminate bank runs, as depositors would always have full confidence in the availability of their funds, thereby stabilizing financial and economic cycles. Fisher’s (1935) seminal work, 100% Money, rigorously outlined the perceived benefits of this system, arguing that it could end the destructive cycle of credit booms and busts that had devastated the economy during the Depression years.

While the Chicago Plan was ultimately not implemented in its radical form, its principles persisted and profoundly influenced subsequent economic thinking and policy debates. In the ensuing decades, Milton Friedman (1960) notably revisited and defended the 100% reserve principle within the broader context of monetarism. Friedman, emphasizing the necessity of monetary stability, argued that banking systems built upon stable, fully backed deposits could effectively control inflation and mitigate economic fluctuations. His book, A Program for Monetary Stability (1960), explicitly called for reforms aligning closely with the Chicago School tradition, advocating for measures that tightly constrained banks’ ability to create money through lending. Friedman’s ideas were influential both academically and in broader policy discussions, setting the stage for debates about the proper role and extent of capital regulation that continue to this day.

Despite the intellectual influence of such radical ideas, regulatory practice over the mid-20th century followed a more moderate and incremental path. After World War II, most Western economies developed banking regulations designed primarily to prevent recurrence of widespread bank failures. However, there was significant divergence among countries regarding how much capital banks should hold and how capital adequacy should be measured. It wasn’t until the 1980s that a coordinated global regulatory approach emerged. Triggered by crises such as the Latin American debt crisis (1982), international regulators recognized the need for standardization to prevent competitive distortions and regulatory arbitrage. This led to the formulation and eventual adoption of Basel I (1988), the first internationally harmonized capital standard. Basel I mandated banks to hold capital equal to at least 8% of their risk-weighted assets, a significant step toward creating a consistent global framework for financial stability.

As banking and finance evolved rapidly through the 1990s and early 2000s —marked by increased sophistication, globalization, and risk-taking— regulatory frameworks needed further adjustments. In response, Basel II (2004) introduced more granular risk-weighting mechanisms and allowed banks greater flexibility in measuring their risks through internal ratings-based approaches. While Basel II aimed to increase risk sensitivity, it faced criticism for inadvertently allowing banks to underestimate risks, contributing to vulnerabilities that became evident during the global financial crisis of 2007–2009.

The devastating impact of the 2007–2009 crisis prompted another significant evolution in capital regulation. Basel III (2010), arguably the most comprehensive reform since Basel I, substantially raised both the quantity and quality of capital banks were required to hold. It introduced stricter definitions of capital (emphasizing common equity), introduced leverage ratios to constrain excessive borrowing, and established new liquidity standards designed to strengthen banks’ resilience against short-term funding shocks. Basel III also implemented counter-cyclical capital buffers, aiming to build up capital in good times that could be drawn down during downturns, thus explicitly incorporating macroprudential objectives into bank capital regulation.

In recent years, scholarly attention has increasingly revisited and critically reassessed the radical ideas from the early 20th century, notably the Chicago Plan. A landmark paper by Benes and Kumhof (2012), titled The Chicago Plan Revisited, employed a detailed dynamic stochastic general equilibrium (DSGE) model to explore the feasibility and implications of implementing 100% reserve banking today. Their analysis suggested potentially significant macroeconomic benefits, including substantial reductions in public and private debt levels and heightened financial stability. Similarly, John Cochrane (2014) argued compellingly for a «run-free» financial system through the dramatic increase of bank capital requirements, effectively transforming banks into institutions primarily financed by equity. Cochrane’s approach reflects the original Chicago School emphasis on stability through strict financial discipline, promoting equity rather than debt as banks’ dominant form of financing.

These recent revisitations are not merely academic exercises but significantly influence contemporary policy debates, providing critical reflections on the trajectory of banking regulation since the Depression. They illustrate the perennial tension between capital robustness and economic dynamism, underscoring the complex trade-offs regulators face. Modern discourse thus balances the radical ideals of complete risk elimination embodied by 100% reserve proposals with practical considerations of economic growth, credit availability, and operational flexibility.

In sum, the historical trajectory of bank capital regulation from 1929 to the present highlights an evolving policy discourse that cyclically revisits foundational economic principles to address contemporary challenges. While radical proposals from the 1930s remain influential in theoretical debates, the regulatory reality has consistently favored a pragmatic, incremental approach, gradually refining capital standards in pursuit of financial stability and economic welfare. Understanding this historical context helps illuminate current debates and challenges policymakers to thoughtfully balance the stability provided by robust capital buffers against the equally important objectives of economic growth and dynamism.

2.2. The theory behind bank capital regulation

In theory, bank capital –primarily common equity– serves as a cushion against losses, thereby reducing the probability of bank failures and systemic crises. Higher equity levels give bank owners greater “skin in the game,” mitigating moral hazard and excessive risk-taking incentives that arise from debt financing and safety nets like deposit insurance. With more capital at stake, shareholders have stronger incentives to monitor management and avoid gambles that could wipe out their equity. Sufficient equity also counteracts the classic risk-shifting problem (asset substitution moral hazard), wherein highly leveraged banks might take on outsized risks knowing losses will largely hit creditors or taxpayers. Admati and Hellwig (2013) argue that high capital requirements are not inherently costly and that well-capitalized banks are more likely to internalize social costs of risk-taking.

Acharya et al. (2010) note, ensuring banks have “sufficient equity capital” is a direct way to curb risk-shifting behavior. In short, robust capital requirements can realign banks’ incentives with societal interests in stability. Thakor (2014) offers a balanced review of the economic trade-offs involved in bank capital regulation, framing it as a fundamental tension between safety and efficiency.

Yet, capital is not free. Under Modigliani–Miller irrelevance theory, in a frictionless world a bank’s mix of equity vs. debt should not affect its overall funding cost or lending capacity. However, multiple frictions make equity “costly” for banks. From a private perspective, equity carries a higher required return than insured deposits or debt, partly due to taxes (interest is tax-deductible, dividends are not) and explicit or implicit guarantees that subsidize debt funding. Thus, requiring banks to hold more equity can raise their average funding costs, at least in the short to medium run. Banks may respond by charging higher loan interest rates or cutting back lending to maintain target returns, potentially tightening credit supply to the real economy. This opportunity cost of large capital buffers –the foregone credit and economic activity due to costlier intermediation– is a key counterweight to stability benefits. In regulators’ own words, “capital has costs too” and finding the right balance between resiliency and efficiency is crucial.

A higher capital requirement can affect banks’ lending in several (not mutually exclusive) ways: (1) banks might raise fresh equity to meet the requirement, which in the long run need not reduce lending if new capital funds asset growth; (2) banks could retain earnings (reducing dividends) to boost capital internally; or (3) banks might shrink assets or constrain loan growth to lift capital ratios (the denominator effect). If many banks choose the third route, credit supply to households and firms could contract, dampening investment and GDP growth. Economic theory on this trade-off highlights that while stronger capital positions improve individual bank and systemic resilience, they may also reduce credit creation and aggregate demand in normal times. The BIS (2010) summarizes this transmission: higher capital reduces the likelihood and severity of financial crises (a stability benefit), but “higher capital requirements directly increase bank funding costs which, in turn, reduces borrowing by households and firms… eventually, GDP”. Essentially, the net benefit of capital regulation equals the expected crisis losses averted thanks to sturdier banks, minus the opportunity cost of slightly lower output during non-crisis periods. Policymakers emphasize that an optimal capital regime must trade off these marginal benefits and costs at the margin.

Capital buffers also interact with banks’ risk appetites in nuanced ways. On one hand, more equity capital discourages reckless risk-taking by increasing owners’ loss absorption – a larger buffer means bank shareholders and managers bear more of the downside, which should curb moral hazard from deposit insurance or anticipated bailouts. Higher capital standards after the crisis were indeed intended to force banks to internalize more risk, reducing the incentive to lend to subprime borrowers or invest in highly speculative assets simply because losses would be socialized. On the other hand, some models and recent evidence suggest an ironic twist: when capital requirements become very high, banks might respond by seeking higher asset yields to meet shareholders’ return expectations. In effect, low-return, safer assets become less attractive if equity is more expensive – banks may tilt their portfolios to riskier loans or securities to preserve ROE. This is sometimes described as “search for yield” or risk-shifting within the constraints. Altavilla et al. (2020) found exactly this dynamic: a phased-in 1 percentage point increase in capital requirements prompted European banks to increase their actual common equity by ~13%, improving loss absorption, but also induced a 6 percentage point rise in average risk weights as banks reallocated toward riskier assets. The effect was most pronounced for large, less-profitable banks that “gambled” for higher returns. Such behavior can partially “crowd-out” the stability gains of higher capital – the study noted that the net reduction in default risk was positive but statistically small. In theory, this points to a trade-off between capital and risk per unit of capital: beyond a point, banks under pressure to boost earnings may innovate around strict capital rules (e.g. via off-balance-sheet activities or shifting to unregulated “shadow banking” channels). This underscores that capital requirements alone cannot eliminate risk; complementary measures (robust supervision, risk-weight calibration, and limiting regulatory arbitrage) are needed to ensure higher buffers translate fully into lower risk. Relatedly, Aiyar et al. (2014) find that stricter capital requirements can lead to regulatory leakage, as some credit shifts toward less-regulated financial institutions.

Finally, large capital buffers are meant to address the moral hazard of implicit guarantees for systemically important banks. Pre-crisis, big banks operated with thin equity in part because they expected government support if things went awry. Post-crisis regulatory frameworks (including higher going-concern capital and Total Loss-Absorbing Capacity for bail-ins) seek to break this expectation. By forcing even, the largest banks to fund with significantly more equity and junior debt, regulators aim to make failure absorbable by private investors, thereby restoring market discipline. The question remains whether ever-higher going-concern equity further reduces this too-big-to-fail problem, or whether returns diminish once banks already exceed a certain resilience threshold. Modern theory suggests sharply diminishing marginal returns to extra capital in very well-capitalized banks: once a bank can comfortably withstand most crisis scenarios, additional equity mainly impacts equityholders’ returns rather than materially further lowering default risk.

3. A WELFARE ANALYSIS: CAPITAL BUFFERS, STABILITY, AND GROWTH TRADE-OFFS

Modern economic theory frames capital regulation as a welfare maximization problem, recognizing that capital buffers play a crucial role in mitigating systemic risk by reducing moral hazard and aligning shareholder incentives with those of broader society (Martínez-Miera & Suárez, 2014). Recent general equilibrium models have consistently determined that optimal capital requirements lie substantially above pre-2008 crisis levels, often significantly higher than traditional regulatory benchmarks (Begenau, 2020; Van den Heuvel, 2022). Dagher et al. (2016), for example, estimated optimal capital buffers between 15% and 23% of risk-weighted assets (RWA), far exceeding historical averages. These theoretical findings underscore that, while initial increments in bank capital substantially reduce systemic risk and improve overall economic welfare, the marginal returns to increasing capital buffers diminish beyond certain thresholds, cautioning regulators against unbounded or excessively stringent capital requirements that could impose significant efficiency costs.

Research from recent years (2022–2024) has broadly validated these theoretical predictions. Studies have demonstrated that higher capital buffers significantly enhance systemic resilience, lowering banks’ insolvency probabilities and reducing systemic risk indicators (Boyarchenko et al., 2022; Basel Committee, 2022). For instance, analyses from the Basel Committee (2022) have shown that banks adhering to elevated Basel III capital standards weathered economic shocks more effectively than those with lower capital buffers, supporting arguments favoring robust capital regulation.

However, a number of studies also emphasize nuanced trade-offs involved in tightening capital standards. During the transition phase to higher capital requirements, banks typically experience modest but measurable short-term credit contractions, as institutions adjust their balance sheets by curbing lending or reallocating portfolios towards less risky but also less economically productive activities (Lang & Menno, 2025). These temporary disruptions highlight that regulatory transitions must be managed carefully, with phased implementations and supportive macroeconomic policies to mitigate adverse short-term impacts on credit availability and economic growth.

Furthermore, some research raises significant concerns about unintended regulatory consequences, particularly the migration of credit intermediation activities from regulated banking sectors into less supervised financial markets and institutions, commonly known as shadow banking (Lee et al., 2024). Such migration can undermine the systemic risk reduction intended by tighter banking regulations by shifting risks outside regulatory purview, potentially creating new vulnerabilities. This evidence underscores the necessity for comprehensive financial oversight frameworks that extend beyond traditional banking institutions to monitor and manage systemic risks effectively.

Overall, integrating these theoretical insights and empirical findings provides regulators and policymakers with clearer guidelines for designing balanced capital regulation frameworks. Optimal capital buffer policies should not merely aim at maximizing bank solvency but should carefully weigh the broader economic costs and benefits, pursuing a balanced approach that maximizes overall economic welfare. This involves calibrated capital buffers that are sufficiently robust to prevent severe financial disruptions yet flexible enough to avoid unintended economic consequences, combined with rigorous supervision, proactive macroprudential policies, and inclusive oversight extending beyond traditional banking boundaries.

4. EMPIRICAL EVIDENCE: CAPITAL REQUIREMENTS, RESILIENCE, AND ECONOMIC OUTCOMES

Empirical research over the past decade has extensively probed the effects of higher bank capital on both financial stability and macroeconomic performance. We review the evidence in three parts: (1) Systemic resilience and crisis outcomes; (2) Credit supply, lending, and growth effects; and (3) Notable anomalies and cross-country observations that challenge a one-size-fits-all view.

4.1. Systemic Resilience and Crisis Mitigation

A robust finding is that better-capitalized banks and banking systems are more resilient in the face of shocks. Berger and Bouwman (2013) provide empirical evidence that banks with higher capital ratios perform significantly better during financial crises. Banks with higher equity ratios were significantly less likely to fail or require bailouts during crises. Moreover, economies whose banks had thicker capital cushions have endured milder financial downturns historically. A New York Fed study (Boyarchenko et al., 2022) provides striking evidence on “growth-at-risk”: it finds that an increase in the aggregate Tier 1 capital ratio compresses the left-tail of future GDP growth – in other words, higher bank capital reduces the probability of severe recessions or financial crashes. Quantitatively, an additional 100 basis points of bank capital was estimated to cut the probability of negative GDP growth by about 10% at a one-year horizon. Crucially, this improved downside protection came with no significant drag on the average growth rate. This supports the view that stout capital buffers enhance stability (fewer deep crises) without compromising normal-times economic performance. Likewise, global regulatory studies have concluded that the long-term benefits of higher capital requirements far exceed the costs. The Basel Committee’s landmark assessment (2010) found that raising common equity requirements yields large net gains by reducing the frequency and severity of banking crises, which outweigh the modest output costs of slightly higher loan spreads. In their simulations, the optimal Tier 1 capital ratio (where marginal crisis-risk reduction equals marginal economic cost) often lies well above pre-crisis levels, suggesting that from a societal perspective banks were undercapitalized prior to Basel III. Indeed, IMF researchers estimated that had banks held around 15–23% of risk-weighted assets in equity, most historical banking crises would have been avoided – beyond that range, marginal stability benefits of extra capital drop off sharply. This evidence underpins regulators’ push toward “higher loss-absorbing capacity”: it indicates that capital buffers on the order of one-fifth of risk-weighted assets (or roughly 8–10% of total unweighted assets for a typical bank) materially improve systemic safety, whereas the “returns” to going from, say, 20% to 30% RWA in capital are much smaller in terms of crisis prevention.

4.2. Credit Supply and Macro Growth Effects

The flip side of resilience is the potential impact on credit availability and economic growth. Empirical findings here are more mixed, with short-run costs more evident than long-run costs. During the transition to higher capital standards in the 2010s, many banks did tighten lending or raise lending rates, contributing to slightly slower credit growth – however, these effects appear to be modest in magnitude. The Basel Committee’s Macroeconomic Assessment Group (MAG) projected that each 1 percentage point increase in bank capital ratios, phased in over four years, would likely trim the level of GDP by only ~0.2% relative to baseline, spread over several years. This translates to a tiny reduction in annual GDP growth (around 0.03–0.05 percentage points for a few years) during the phase-in, after which growth catches up to baseline (BIS, 2010). Real-world data post-Basel III largely affirm this limited impact: banks met stricter capital rules gradually by retaining earnings and issuing equity, while credit supply was supported by accommodative monetary policy in many jurisdictions. Long-run studies find that once banks adjust, higher steady-state capital has minimal effect on credit costs – any increase in lending rates due to a higher equity share is often offset by banks’ lower risk and funding cost advantages over time (the so-called “Modigliani-Miller offset” in practice). Consistent with this, several studies report no clear link between higher capital ratios and lower loan volumes in the long run, suggesting that well-capitalized banks can continue to lend normally once new norms are internalized. For example, in a historical perspective, early research by Bernanke and Lown (1991) and others found that bank capital shortages explained only a small part of credit crunches, with weak loan demand playing a larger role in downturns.

Nevertheless, many empirical papers do find a short-term reduction in lending growth when capital requirements increase or when banks experience capital shortfalls. A survey by the Dutch central bank notes that “most evidence suggests that higher capital requirements reduce bank lending, leading to a slowdown of economic growth,” although identification is tricky (DNB, 2010). For instance, in the case of the UK, Bridges et al. (2014) found that a 1% increase in capital requirements was associated with banks shrinking risk-weighted assets by a few percent and reducing loan growth for a couple of years. In the euro area, banks facing larger supervisory capital demands in the 2010s tended to constrain credit to certain borrowers relative to unaffected banks, especially if those banks had weaker profits. Recent research also highlights heterogeneity: well-capitalized, profitable banks can meet higher requirements with less impact on lending, whereas weaker banks under pressure may cut lending more sharply (Altavilla et al., 2020). Overall, the empirical consensus is that higher capital requirements have at most modest adverse effects on credit and growth, especially if implemented gradually and in supportive conditions. Moreover, these costs are one-off or transitory, whereas the financial stability benefits (crisis avoidance) are enduring. Even in the short run, the credit supply reduction from a capital hike is relatively small – and regulators can design countercyclical buffers to be released in downturns, precisely to avoid a credit crunch when the economy is weak. Indeed, during the COVID-19 shock, regulators encouraged banks to draw down their conservation buffers to keep lending, a real-world test of buffer usability (though banks were hesitant due to market stigma). Importantly, empirical data so far do not show a permanent depression of GDP growth from higher bank capital; if anything, by reducing the incidence of devastating crises, strong capital rules likely raise the average growth rate over the long run (since severe recessions are very costly).

4.3. Anomalies and Cross-Country Insights

While global trends support “higher capital equals higher stability”, there are interesting exceptions that caution against a purely mechanistic view of capital ratios. One notable case is Spain. Spanish banks entered recent European Banking Authority (EBA) stress tests with capital ratios slightly below the European average, yet they proved to be among the most resilient under adverse scenarios (Carbo-Valverde and Rodriguez, 2021). In the 2021 EU-wide stress test, for example, Spanish banks’ starting Common Equity Tier 1 (CET1) levels were lower, but their capital depletion under stress was also considerably lower than that of many peers, leaving them with higher post-shock ratios. In effect, despite thinner buffers on paper, Spanish banks withstood the hypothetical recession scenario better than the European average. Analysts attributed this anomaly to several factors: Spanish banks had aggressively provisioned for losses and written down bad loans after their 2012 crisis, they benefited from a profitable business mix (e.g. variable-rate mortgages that boosted income when rates rose), and the stress test scenario –while very severe for Spain – may have been even tougher for countries whose banks had higher starting capital. This illustrates that capital quality and risk management can matter as much as the absolute ratio. A high capital ratio built on low-risk-weight assets or optimistic risk models might prove less resilient than a slightly lower ratio built on conservative asset valuations and hefty provisions. It also highlights the role of risk-weighted vs. leverage measures: Spain’s banks tend to have conservative risk weights, so their leverage ratios (equity to total assets) were closer to peers even if risk-weighted CET1 was lower. The Spanish example cautions that “more capital” is not a panacea unless it comes with prudent risk assessment; it’s possible to have somewhat lower capital and yet achieve strong resilience through other measures (and vice versa). Jiménez et al. (2017) examine Spain’s dynamic provisioning scheme, demonstrating its countercyclical effects and showing it as a viable complement to static capital buffers.

Another cross-country insight is that optimal capital levels may differ by banking system structure. Countries with volatile macroeconomic cycles or weaker safety nets might benefit from higher buffers. Meanwhile, nations with stable banking systems, strong supervision, and robust resolution regimes might manage with slightly lower capital without increasing systemic risk. For instance, Canadian and Australian banks historically operated with lower headline Tier 1 ratios than U.S. or European banks but were still considered quite safe pre-2008 due to stricter underwriting and structural factors. Conversely, some emerging markets have enforced high capital floors (sometimes above 15%) to compensate for greater economic volatility. These nuances imply that context matters: the absolute number of “how much capital is enough” can reasonably vary. Thus, the blanket statement that “more is always better” should be tempered by recognition of diminishing returns and bank-specific or country-specific factors (asset risk profile, quality of regulation, etc.).

5. INSTITUTIONAL AND REGULATORY PERSPECTIVES THROUGH THE LENS OF WELFARE MAXIMIZATION

The post-crisis capital reforms championed by global regulators rest implicitly —and increasingly explicitly— on a welfare-maximization logic. Higher capital requirements are not justified as ends in themselves but as tools to reduce the probability and severity of financial crises, which impose massive welfare losses. Yet, raising capital also entails costs: equity is more expensive than debt, and the transition can temporarily constrain credit or shift intermediation to less regulated areas. Understanding how institutions weigh these trade-offs reveals the extent to which current regulatory stances align with optimal policy design.

5.1. Basel Committee on Banking Supervision (BCBS)

The Basel Committee’s capital reforms after 2008 —particularly Basel III— embody a textbook welfare calculus. The Committee’s cost-benefit analysis explicitly sought to identify capital levels that would minimize the net present value of GDP losses from financial instability, while accounting for the potential credit cost of higher equity financing. Its long-term impact assessments suggest a concave welfare function: substantial benefits from initial capital increases, followed by diminishing marginal returns beyond certain thresholds (typically around 15% CET1/RWA). This is consistent with theoretical models (Dagher et al., 2016; Van den Heuvel, 2022). The BCBS has never argued for infinite capital but for a robust buffer within an empirically grounded optimal range.

Even so, some critiques question whether Basel’s models fully internalize systemic tail risks or behavioral feedback loops. Nonetheless, the Committee’s approach —phased implementation, targeted buffers, and countercyclical flexibility— demonstrates a practical awareness of dynamic trade-offs in the welfare function regulators aim to optimize.

5.2. European Central Bank and EU Regulators

The ECB and European Banking Authority also operate from a welfare-based rationale, albeit shaped by the painful memory of Eurozone banking crises. European regulators emphasize that well-capitalized banks are able to support lending through the cycle, reducing procyclicality and stabilizing credit supply during downturns. This approach aligns with models where capital reduces the marginal welfare cost of shocks by enhancing banks’ intertemporal smoothing capacity.

Stress test outcomes and empirical studies support this position: EU banks with stronger capital have withstood shocks without significant credit contraction. However, concerns persist regarding whether capital rules have overshot the welfare optimum in some jurisdictions. Low bank profitability, in part due to elevated capital and low-risk portfolios, may impair intermediation in structurally weaker economies. Here, the policy challenge is not just optimizing capital ex ante, but ensuring buffer usability ex post, an issue highlighted in recent IMF and ECB analysis.

5.3. U.S. Federal Reserve and Domestic Agencies

The Fed’s evolving position articulates the resilience-efficiency trade-off directly. Officials acknowledge that while capital boosts bank solvency and systemic stability, equity is a more expensive form of funding, and excessive requirements might constrain lending, particularly to smaller borrowers. However, U.S. data post-2010 suggests that the social cost of higher capital has been modest, and that well-capitalized banks have maintained lending during crises, including the pandemic shock. Recent proposals under the “Basel III endgame” reflect the Fed’s aim to nudge capital levels closer to the theoretical welfare-maximizing range.

Industry opposition often frames this as a competitiveness issue, but regulators counter that the welfare loss of financial crises far outweighs marginal declines in bank ROE, especially when credit availability is preserved.

5.4. International Monetary Fund (IMF)

The IMF has evolved from crisis-response advocacy to a more calibrated welfare perspective, emphasizing that adequate capital —not maximal capital— is the goal. It has cautioned that low profitability under high capital requirements could incentivize risk-taking or deter equity investors, thus undermining long-run welfare. IMF research highlights that buffer usability is critical: if banks cannot draw down capital in stress due to stigma, the social insurance function of capital fails. Its position is consistent with dynamic models where time-consistent use of buffers improves welfare relative to static targets.

In summary, are institutional positions welfare-aligned? Largely, yes. Across jurisdictions and institutions, there is convergence around the notion that an optimal capital range exists—typically 10–15% CET1/RWA— where marginal stability benefits match marginal efficiency costs. Regulators increasingly recognize this as a concave welfare problem: initial capital increases generate large systemic benefits, but above certain levels, the returns flatten or even reverse. Still, execution matters: poor sequencing, unusable buffers, or narrow focus on capital ratios alone can distort incentives and shift risks into the shadows. Future regulatory refinements should build on the welfare framework explicitly, balancing stability and growth while accounting for institutional heterogeneity, behavioral feedback, and the evolving financial landscape.

6. CONCLUSION AND POLICY IMPLICATIONS

This paper has critically assessed the prevailing consensus favoring high bank capital buffers, framing the issue explicitly within a welfare maximization context. Theoretical analysis reveals a clear trade-off: while higher capital enhances resilience by curbing moral hazard and aligning incentives toward prudent risk management, it also incurs opportunity costs in the form of potentially reduced credit availability and short-term efficiency losses.

Empirical evidence broadly supports regulators’ post-crisis capital reforms. Higher capital levels have demonstrably improved banking system stability and reduced the frequency and severity of crises. Importantly, the feared long-run costs—slower credit growth or impaired economic activity —have largely failed to materialize. Transitional effects have been observed, but these tend to dissipate when reforms are phased in carefully and when macroeconomic conditions are favorable. In short, the net welfare gain of stronger capital requirements is supported by both theory and data.

However, the analysis also cautions against simplistic extrapolations. Capital buffers are subject to diminishing marginal returns, and excessively high requirements may trigger unintended effects: regulatory arbitrage, risk migration to non-bank sectors, or increased risk-taking within banks seeking to preserve profitability. Moreover, capital ratios are imperfect proxies for systemic resilience—asset quality, supervisory effectiveness, and buffer usability also matter. As Spain’s recent stress tests highlight, resilience depends on multiple dimensions, not just headline capital figures.

Thus, while the institutional momentum toward higher capital has been broadly justified, the future of bank capital policy should rest on refinement, not escalation. Four key recommendations follow:

• Anchor policy in evidence-based optimal ranges. Rather than continually escalating capital ratios, regulators should use macroeconomic models, stress testing, and loss-absorption analyses to identify optimal capital bands—ranges within which social welfare is maximized. Many studies point to ~15% CET1/RWA as a robust baseline for large banks. Pushing beyond this range should require case-specific justification grounded in measurable systemic risk, rather than precautionary inertia.
  
• Ensure risk-sensitive, incentive-compatible supervision. Capital regulation should be integrated with supervisory tools that monitor risk weights, asset composition, and potential gaming. If banks respond to higher capital by taking on riskier portfolios, authorities should counterbalance with Pillar 2 adjustments or targeted asset-side measures (e.g., LTV caps, sectoral buffers). Welfare maximization requires both quantity and quality of capital, aligned with genuine loss-absorbing capacity.
  
• Promote buffer usability and countercyclicality. Buffers can only deliver welfare gains if they are used in downturns. Regulators should establish clear frameworks and incentives for buffer release during stress periods—clarifying that temporary reductions are not a sign of weakness but a feature of a well-designed system. Releasing buffers at the right time helps prevent credit crunches and supports the real economy, turning capital into a stabilizing, not static, instrument.
  
• Expand the regulatory perimeter. As tighter bank regulation pushes activity into less supervised sectors, financial stability becomes a system-wide concern. Regulators must develop macroprudential tools that address leverage and maturity mismatch beyond banks—including non-bank financial intermediaries, fintechs, and shadow banking entities. Only by internalizing these spillovers can the systemic welfare function be optimized.

In conclusion, the post-crisis emphasis on “more capital” was a rational and necessary corrective to decades of undercapitalization. Stronger buffers have increased resilience at relatively low macroeconomic cost. But the optimal level of capital is not infinite—there exists a range where the marginal benefits of additional capital decline, and the marginal costs (in terms of intermediation, innovation, and risk displacement) rise. A rigorous welfare perspective urges policymakers to seek this optimal point, not as a fixed target but as a dynamic balance adjusted over time. Capital is indispensable for a stable financial system. But it must be embedded within a broader regulatory architecture—one that aligns incentives, mitigates distortions, and responds to evolving financial structures. When capital policy is guided by evidence, theory, and humility, it can promote both resilience and growth, enabling banks to support their essential economic function without endangering the system they serve.

Notes

* University of Granada and Funcas.

References

Acharya, V. V., Mehran, H., & Thakor, A. V. (2011). Caught between Scylla and Charybdis? Regulating bank leverage when there is rent seeking and risk shifting. Staff Report, No. 469. Federal Reserve Bank of New York.

Admati, A. R., & Hellwig, M. F. (2013). The bankers’ new clothes: What’s wrong with banking and what to do about it. Princeton University Press.

Aiyar, S., Calomiris, C. W., & Wieladek, T. (2014). Does macro-prudential regulation leak? Evidence from a UK policy experiment. Journal of Money, Credit and Banking, 46(S1), 181–214.

Altavilla, C., Marques, A. P., & Peydró, J.-L. (2020). Has regulatory capital made banks safer? Skin in the game vs. moral hazard. ECB Working Paper, No. 2449. European Central Bank.

Barr, M. S. (2024, September 10). The next steps on capital. Speech at the Brookings Institution, Washington, DC.: Board of Governors of the Federal Reserve System.

Basel Committee on Banking Supervision. (2010). An assessment of the long-term economic impact of stronger capital and liquidity requirements. Bank for International Settlements.

Basel Committee on Banking Supervision. (2022). Evaluation of the impact and efficacy of the Basel III reforms. Bank for International Settlements.

Begenau, J. (2020). Capital requirements, risk choice, and liquidity provision in a business cycle model. Journal of Financial Economics, 136(2), 355–378.

Benes, J., & Kumhof, M. (2012). The Chicago Plan Revisited. IMF Working Paper, No. 12/202. International Monetary Fund.

Berger, A. N., & Bouwman, C. H. S. (2013). How does capital affect bank performance during financial crises? Journal of Financial Economics, 109(1), 146–176.

Boyarchenko, N., Giannone, D., & Kovner, A. (2020). Bank capital and real GDP growth. Staff Report, No. 950, revised December 2022. Federal Reserve Bank of New York.

Carbó-Valverde, S., & Rodríguez-Fernández, F. (2021, September). Stress tests and other challenges for Spanish banks. Spanish Economic and Financial Outlook (SEFO), 10(5), 33–38. Funcas.

Cochrane, J. H. (2014). Toward a run-free financial system. In M. N. Baily & J. B. Taylor (Eds.), Across the Great Divide: New Perspectives on the Financial Crisis (pp. 197–249). Hoover Institution Press.

Dagher, J., Dell’Ariccia, G., Laeven, L., Ratnovski, L., & Tong, H. (2016). Benefits and costs of bank capital. IMF Staff Discussion Note, SDN/16/04. International Monetary Fund.

Dutch National Bank. (2015). Effect of bank capital requirements on economic growth: A survey. DNB Working Paper, No. 467.

Fisher, I. (1935). 100 % Money. Adelphi Company.

Friedman, M. (1960). A Program for Monetary Stability. Fordham University Press.

Jiménez, G., Ongena, S., Peydró, J.-L., & Saurina, J. (2017). Macroprudential policy, countercyclical bank capital buffers, and credit supply: Evidence from the Spanish dynamic provisioning experiments. Journal of Political Economy, 125(6), 2126–2177.

Klein, P.-O., & Turk-Ariss, R. (2022). Bank capital and economic activity. Journal of Financial Stability, 62, Article 101068.

Lang, J. H., & Menno, D. (2025). The state-dependent impact of changes in bank capital requirements. Journal of Banking & Finance, 176, 107439.

Lee, H., Lee, S., & Paluszynski, R. (2024). Capital regulation and shadow finance: A quantitative analysis. Review of Economic Studies, 91(5), 3047–3084.

Martínez-Miera, D., & Suárez, J. (2014). Banks’ endogenous systemic risk-taking. Journal of Economic Theory, 149, 156–189.

Simons, H. C. (1933). Banking and Currency Reform. Unpublished manuscript. University of Chicago.

Thakor, A. V. (2014). Bank capital and financial stability: An economic trade-off or a Faustian bargain? Annual Review of Financial Economics, 6, 185–223. https://doi.org/10.1146/annurev-financial-110613-034537

Van den Heuvel, S. (2022). The welfare effects of bank liquidity and capital requirements. Finance and Economics Discussion Series, 2022-072. Federal Reserve Board.

Descarga Publicación (formato PDF)

Fecha: noviembre 2025

Ismael Sanz

El Ministerio de Educación, Formación Profesional y Deportes ha publicado, el 26 de noviembre de 2025, la nueva edición de la Estadística de Seguimiento Educativo Posterior de las Personas Graduadas en Formación Profesional. En primer lugar, la FP Básica se confirma como un itinerario esencial de prolongación educativa. La mayor parte del alumnado decide seguir estudiando y lo hace, en casi todos los casos, a través de los ciclos de Grado Medio.

Descarga Publicación (formato PDF)

Fecha: noviembre 2025

Ismael Sanz

El 22 de octubre de 2025, el Ministerio de Ciencia, Innovación y Universidades difundió la última edición de la “Estadística de Estudiantes Universitarios”. Esta publicación incorpora, además de las cifras habituales de matrícula, información detallada sobre los estudios y la ocupación de los progenitores del alumnado, a partir de un cruce de microdatos entre el Sistema Integrado de Información Universitaria (SIIU) y los registros del Instituto Nacional de Estadística (INE). El análisis se limita a los estudiantes de nacionalidad española, menores de 30 años, matriculados en universidades presenciales y censados junto a sus progenitores, lo que permite aproximar de manera consistente el nivel socioeconómico de sus familias.

Descarga Publicación (formato PDF)

Fecha: octubre 2025

Ismael Sanz

El Estudio Internacional sobre Enseñanza y Aprendizaje (TALIS, Teaching and Learning International Survey) constituye la principal fuente comparativa sobre las condiciones laborales, percepciones y prácticas del profesorado en los sistemas educativos de los países de la OCDE. La edición publicada el 7 de octubre de 2025 ofrece una radiografía detallada del ejercicio docente tras una etapa marcada por la pandemia, la digitalización acelerada y la irrupción de nuevas tecnologías, como la inteligencia artificial.

Descarga Publicación (formato PDF)

Fecha: septiembre 2025

Jorge Sainz*, Ismael Sanz**

Resumen

La educación es una de las herramientas más poderosas para el desarrollo del capital humano, un concepto que hace referencia a las inversiones en formación y habilidades, y que tiene un impacto directo en la productividad y el bienestar económico de las personas. Bajo esta premisa, la extensión de la escolarización obligatoria en España, de los 16 a los 18 años, se presenta como una estrategia clave para aumentar el capital humano del país, con implicaciones profundas tanto a nivel individual como social. La disminución del abandono educativo temprano es una prioridad política para muchos países de la OCDE y la Unión Europea (UE), ya que se considera esencial para alcanzar objetivos de “crecimiento inteligente” y “crecimiento integrador”. Este cambio responde a la necesidad de elevar los niveles de educación formal en una economía que demanda habilidades cada vez más avanzadas. Un mercado laboral globalizado y en constante transformación requiere trabajadores mejor preparados, no solo en competencias técnicas, sino también en habilidades transversales como la colaboración, el pensamiento crítico y la adaptabilidad.

A pesar de que la tasa de abandono educativo temprano en España ha disminuido del 13,9 % en 2022 al 13,0 % en 2024 (12,6 % en lo que llevamos de año de 2025), el país sigue situándose por encima de la media de la UE y lejos del objetivo del 9 % establecido para 2030. Reducir el abandono temprano es crucial no solo para mejorar las oportunidades laborales de los jóvenes, sino también para contribuir al crecimiento económico y la cohesión social del país. La evidencia empírica muestra que prolongar la educación obligatoria puede traducirse en beneficios económicos tangibles, como un aumento en la productividad y los ingresos laborales futuros.

Un grupo de países de la UE ya exige la permanencia educativa hasta los 18 años —entre ellos Bélgica (sus tres comunidades), Francia, Portugal, Rumanía y Finlandia—, mientras que once länder de Alemania también tienen la enseñanza obligatoria en los 18 años e incluso 19 años (cuatro länder). Otros sistemas, como Austria y Polonia, añaden formación obligatoria a tiempo parcial hasta los 18; y Países Bajos mantiene una “obligación de cualificación”: si el alumno no obtiene una startkwalificatie (HAVO, VWO o MBO-2), debe continuar en educación/formación hasta los 18. En línea con la evidencia cuasiexperimental, un aumento de un año en la edad de escolarización obligatoria redujo el abandono en 2,5 puntos porcentuales en el caso neerlandés, reforzando la idea de que mantener a los jóvenes vinculados al sistema hasta los 18 años mejora la finalización de la secundaria superior (Cabus y De Witte, 2011). Esta evidencia comparada, junto con los resultados causales de reformas previas, sugiere retornos significativos en ingresos, salud, cohesión social y reducción del riesgo de pobreza, y orienta el diseño de itinerarios flexibles (FP, dual, segunda oportunidad) para una implantación eficaz en España. Además, a medida que se logra una menor tasa de abandono, es cada vez más difícil reducirla. Por ello, se requieren estrategias basadas en la evidencia para garantizar que la educación en España no solo sea accesible, sino también inclusiva y de calidad, promoviendo así el desarrollo personal y social de todos los jóvenes.

Ahora bien, la medida conlleva costes y retos que deben explicitarse. El esfuerzo adicional agregado asciende al 2,3 % del gasto educativo público (cerca de 1.450 millones de euros sobre 2022), equivalente al 0,11 % del PIB. Esta cifra suma: (i) la escolarización de jóvenes de 16–17 hoy no escolarizados (416 450 millones de euros), y (ii) la extensión de la gratuidad en Bachillerato y FP media (1.038 450 millones de euros). Además, existen costes privados por salarios dejados de percibir entre 15–17 años (alrededor de 95 450 millones de euros/año). Esta simulación de costes es coherente con estimaciones previas y con el escenario de escolarización progresiva; además, existen costes privados derivados de la pérdida de ingresos de los jóvenes de 15–17 años que hoy compatibilizan estudio y empleo o aportan rentas al hogar. Asimismo, distintos actores educativos, como los docentes, advierten que, sin refuerzo de calidad, diversificación de itinerarios (FP, Bachillerato y segundas oportunidades), tutoría personalizada, apoyo socioemocional y sistemas de alerta temprana, la obligatoriedad hasta los 18 podría intensificar problemas de comportamiento y bajo rendimiento entre parte del alumnado ya desmotivado a los 16 años. En conjunto, los potenciales retornos —tanto privados como sociales— justifican la reforma si se implementa con recursos suficientes y medidas de acompañamiento que aseguren accesibilidad, inclusión y calidad.

Resumen ejecutivo

La extensión de la escolarización obligatoria de los 16 a los 18 años representa una medida clave para aumentar el capital humano en España, reducir el abandono educativo temprano y fortalecer la equidad social. La evidencia empírica y las experiencias internacionales muestran que esta reforma se asocia con mejoras sostenidas en los ingresos laborales, la productividad, la salud y la cohesión social. España mantiene una de las tasas de abandono más elevadas de la Unión Europea (UE), lo que justifica la necesidad de una intervención estructural orientada a garantizar que todos los jóvenes completen, al menos, la educación secundaria superior. La UE ofrece varios modelos ya vigentes para llegar a los 18 años: (i) obligatoriedad a tiempo completo hasta los 18 (por ejemplo, Bélgica, Francia, Portugal, Rumanía, Finlandia); (ii) prolongación con formación obligatoria a tiempo parcial tras la educación obligatoria plena (Austria y Polonia), y (iii) obligación de cualificación mínima: en Países Bajos, los jóvenes que no han alcanzado una startkwalificatie (HAVO, VWO o MBO-2) deben continuar en educación/formación hasta los 18 (en Hungría también se exige continuar hasta obtener al menos una cualificación parcial de FP). Alemania presenta un esquema híbrido, en once länder que de facto extienden hasta los 18, y cuatro hasta los 19. Estas opciones delimitan el menú de diseño para España (escolarización plena vs. obligación de formación/cualificación) y refuerzan la viabilidad de itinerarios flexibles y duales como vía principal de cumplimiento. La literatura internacional apunta en la misma dirección: en Países Bajos, la extensión de la obligatoriedad en un año disminuyó el abandono en 2,5 puntos porcentuales, un resultado consistente con el objetivo de reducir el abandono educativo temprano y de asegurar una credencial con valor en el mercado (Cabus y De Witte, 2011).

Ahora bien, esta medida también implicaría un esfuerzo presupuestario adicional. En términos presupuestarios, el escenario agregado supone un incremento cercano al 2,3 % del gasto educativo público (≈ 1.450 millones de euros, ~0,11 % del PIB). Esta cifra resulta de sumar, por un lado, la escolarización de jóvenes de 16–17 años actualmente no escolarizados (≈ 416 millones de euros) y, por otro, la extensión de la gratuidad en Bachillerato y FP de grado medio para el alumnado hoy matriculado en privada no concertada (≈ 1.038 millones de euros). Como escenario acotado, si se considerara únicamente la extensión de la gratuidad, el esfuerzo se situaría en torno al 1,6–1,7 % del gasto educativo público (≈ 1.040 millones de euros; ~0,08 % del PIB). A estos importes debe añadirse el coste privado derivado de los salarios dejados de percibir por los adolescentes de 15–17 años, estimado en torno a 95 millones de euros anuales. Además, las cifras anteriores no incluyen los refuerzos cualitativos imprescindibles (orientación y tutoría, apoyo socioemocional, infraestructuras), que deben presupuestarse aparte. Una implantación gradual ayuda a suavizar los picos de gasto y a crear a tiempo las plazas necesarias en FP, especialmente en su modalidad dual.

Existen, además, desafíos de implementación. Una parte del alumnado llega a los 16 años con baja motivación académica y problemas de comportamiento, por lo que extender la obligatoriedad sin reforzar la calidad, la orientación personalizada y la diversificación de itinerarios (Bachillerato, FP, programas de segunda oportunidad) podría intensificar dichas dificultades y desplazar el abandono a los 18 años en lugar de reducirlo. Del mismo modo, la medida exigirá reforzar plantillas docentes, infraestructuras, sistemas de apoyo socioemocional y estrategias de inclusión para que el efecto sea positivo y sostenible.

En suma, la ampliación de la escolarización obligatoria hasta los 18 años es una reforma de gran potencial transformador, pero su éxito dependerá de un diseño gradual y acompañado de medidas complementarias que aseguren que el esfuerzo adicional en gasto público se traduzca en retornos claros en términos de equidad, empleabilidad y bienestar social.

Diagnóstico

A pesar de los avances recientes, España registró en 2024 una tasa de abandono educativo temprano del 13,0 %, muy por encima del promedio de la UE (9,3 %) y lejos del objetivo del 9 % fijado para 2030. Este abandono afecta especialmente a jóvenes de entornos vulnerables, zonas rurales y varones con antecedentes de repetición escolar. Además, las tasas de titulación en ESO, FP Media y Bachillerato, aunque mejorando, siguen mostrando carencias estructurales. La evolución positiva en la matrícula de FP Media indica un cambio cultural alentador, pero insuficiente.

Argumentos clave

1. Retornos individuales y sociales: Un año adicional de escolarización se asocia con incrementos salariales del 9 %-15 %, menor desempleo, mejor salud y más satisfacción vital (Oreopoulos, 2006; Psacharopoulos, 2024).
   
2. Equidad y movilidad social: La prolongación educativa reduce desigualdades intergeneracionales, especialmente en estudiantes de entornos con menor nivel educativo parental (Karlson & Landersø, 2024).
   
3. Evidencia internacional: Reformas similares en Canadá, Reino Unido, Noruega, Indonesia o Países Bajos demuestran mejoras en titulación, ingresos y bienestar general tras la extensión de la educación obligatoria (Black et al., 2024; Hofmarcher, 2021).
   
4. Adaptación al siglo XXI: Las competencias más demandadas (pensamiento crítico, resiliencia, trabajo en equipo) requieren más tiempo de escolarización estructurada y personalizada.
   
5. Costes y sostenibilidad financiera: La extensión de la educación obligatoria supone un incremento de gasto público estimado en el 1,67 % del gasto educativo, así como costes privados derivados de la permanencia más prolongada en el sistema educativo. Estos costes deben ser evaluados frente a los beneficios esperados en capital humano y cohesión social.
   

Recomendaciones

• Elevar la edad de escolarización obligatoria hasta los 18 años, garantizando la disponibilidad de itinerarios flexibles (FP, Bachillerato, programas de segunda oportunidad).
  
• Acompañar la medida con mejoras en la calidad de la enseñanza, tutoría personalizada y apoyo socioemocional.
  
• Fortalecer los sistemas de alerta temprana y prevención del abandono escolar.
  
• Asegurar una transición coordinada entre niveles educativos y con el mercado laboral.
  

Conclusión

Invertir en dos años más de educación obligatoria no es un gasto, sino una inversión de alto rendimiento en el capital humano y el futuro colectivo del país.

1. INTRODUCCIÓN

El sistema educativo es una de las principales herramientas para la formación del capital humano, término que, según Deming (2022), hace referencia a las inversiones en educación, formación y habilidades, las cuales tienen un impacto directo en la productividad y el bienestar económico futuro de los individuos. Bajo esta premisa, la extensión de la escolarización obligatoria de los 16 a los 18 años se presenta como una estrategia clave para mejorar el capital humano, con implicaciones profundas tanto en el ámbito personal como social. Esta medida no solo responde a la necesidad de incrementar los niveles de educación formal, sino también a la creciente demanda de habilidades avanzadas en un mercado laboral cada vez más globalizado y complejo.

La educación constituye una inversión con altos rendimientos económicos a lo largo de la vida. Uno de los hallazgos más sólidos en las ciencias sociales es la relación positiva entre la cantidad de educación recibida y los ingresos futuros, lo que refuerza la idea de que prolongar la educación obligatoria podría traducirse en beneficios tangibles para la economía. Estudios empíricos han demostrado que el retorno económico de un año adicional de escolarización próxima al 10 %, lo que implica un aumento sustancial en los ingresos laborales y en la productividad futura de los estudiantes que permanecen más tiempo en el sistema educativo (Deming, 2022).

Además, la educación tiene un valor que va más allá de sus efectos directos en los ingresos. Como destaca Deming, la escolarización adicional también contribuye a la adquisición de habilidades básicas, como la alfabetización, la aritmética y la resolución de problemas, competencias esenciales en una economía moderna. Estas habilidades forman la base para el desarrollo de capacidades superiores, como el trabajo en equipo, la adaptabilidad y el pensamiento crítico, que son cada vez más demandadas en el mercado laboral actual. Según el análisis de Deming (2022), el desarrollo de estas «habilidades superiores» tiene un impacto creciente en la empleabilidad y los salarios, lo que refuerza la necesidad de que los sistemas educativos preparen a los estudiantes no solo en conocimientos técnicos, sino también en capacidades sociales y cognitivas más avanzadas.

El argumento a favor de extender la educación obligatoria de los 16 a los 18 años también encuentra apoyo en estudios cuasiexperimentales que han evaluado el impacto de las leyes de escolarización obligatoria. Investigaciones como las de Angrist y Krueger (1991) muestran que los estudiantes que están obligados por ley a permanecer más tiempo en la escuela tienden a obtener mayores ingresos a lo largo de su vida laboral. Estas evidencias sugieren que el aumento de los años de educación obligatoria tiene efectos significativos en la mejora del capital humano, al tiempo que reduce las disparidades socioeconómicas al proporcionar mayores oportunidades educativas a sectores más amplios de la población.

La educación secundaria no solo es crucial para el desarrollo de habilidades cognitivas básicas, sino que también juega un papel fundamental en la formación de habilidades no cognitivas, como la capacidad de colaboración, la resiliencia y la capacidad de tomar decisiones informadas. Estas habilidades son cada vez más valoradas en un mundo donde la automatización y la digitalización están cambiando rápidamente la naturaleza del trabajo. Como señala Deming (2022), aunque los sistemas educativos han demostrado ser efectivos en la enseñanza de habilidades fundamentales, como la lectura y las matemáticas, existe un déficit en el desarrollo de habilidades más complejas, como el pensamiento crítico y el trabajo en equipo, que son vitales para la economía del conocimiento. La ampliación de la escolarización obligatoria podría ayudar a cerrar esta brecha, brindando a los estudiantes más tiempo para adquirir y perfeccionar estas habilidades.

Otro aspecto importante por considerar es el impacto de la educación en la movilidad social y la reducción de la desigualdad. Las personas que acceden a niveles más altos de educación tienen más probabilidades de obtener mejores empleos, con salarios más altos y mayor estabilidad laboral. En este sentido, extender la educación obligatoria hasta los 18 años no solo beneficiaría a los individuos en términos de ingresos futuros, sino que también tendría un efecto positivo en la equidad social, al proporcionar a los estudiantes de orígenes desfavorecidos una oportunidad más amplia para mejorar su situación socioeconómica. En muchos casos, la educación es un mecanismo clave para romper el ciclo de pobreza intergeneracional, y una mayor inversión en educación secundaria podría ser una de las formas más efectivas de lograr este objetivo (Deming, 2022).

Asimismo, el estudio de Deming (2022) destaca que las inversiones en capital humano tienen un retorno positivo durante toda la vida, no solo en la infancia temprana, como sugieren algunos modelos tradicionales de economía de la educación. La curva de Heckman, que muestra el retorno decreciente de las inversiones en educación a lo largo del ciclo de vida, ha sido interpretada erróneamente como una indicación de que las inversiones en la adolescencia y la juventud tienen un valor limitado. Sin embargo, la evidencia empírica demuestra lo contrario: las intervenciones educativas en la adolescencia, como la ampliación de la escolarización obligatoria, también generan retornos económicos importantes y sostenidos en el tiempo, tanto para los individuos como para la sociedad en su conjunto.

La relación entre el capital humano y el crecimiento económico se refleja en la capacidad de un sistema educativo para desarrollar tanto habilidades cognitivas como no cognitivas. Estas últimas, como la resiliencia, el pensamiento crítico y la capacidad de trabajar en equipo, son cada vez más valoradas en el mercado laboral. La mejora de estas habilidades, junto con un entorno institucional adecuado, puede potenciar significativamente los beneficios económicos de la educación (Hanushek y Woessmann, 2020). En este sentido, ampliar la obligatoriedad educativa de los 16 a los 18 años podría ser una oportunidad para fortalecer no solo las habilidades cognitivas fundamentales, sino también las competencias más avanzadas y transferibles que demandan los empleadores.

No obstante, la evidencia sobre los beneficios de la escolarización obligatoria también plantea interrogantes sobre el diseño óptimo de las políticas educativas. Hanushek y Woessmann (2020) argumentan que la mera ampliación de la cobertura escolar no es suficiente para garantizar mejoras en el capital humano si no va acompañada de políticas que mejoren la calidad de la educación. Esto es especialmente relevante en contextos donde el aumento en la cantidad de educación no ha sido acompañado de mejoras significativas en los resultados de aprendizaje, como es el caso de varios países en vías de desarrollo. Así, cualquier intento de aumentar los años de educación obligatoria debe ir acompañado de una reforma que asegure la mejora de la calidad educativa, con el fin de maximizar su impacto en el capital humano y, por ende, en el crecimiento económico.

A nivel microeconómico, la ampliación de la escolarización obligatoria también puede tener efectos positivos en la equidad social. Hanushek y Woessmann (2020) señalan que mejorar el acceso a la educación de calidad puede reducir las brechas de desigualdad, ya que las personas con mayor educación tienden a tener mejores oportunidades de empleo y salarios más altos. La extensión de la educación obligatoria hasta los 18 años proporcionaría a los jóvenes, especialmente a aquellos provenientes de contextos desfavorecidos, una oportunidad adicional para adquirir las habilidades necesarias para competir en un mercado laboral cada vez más exigente. Muchos adolescentes parecen ignorar o descontar las consecuencias futuras al decidir abandonar la escuela, lo que sugiere que las políticas de escolarización obligatoria pueden mejorar su bienestar a largo plazo (Oreopoulos, 2006).

En conclusión, la ampliación de la educación obligatoria de los 16 a los 18 años representa una inversión significativa en capital humano con múltiples beneficios económicos y sociales. Los estudios sugieren que esta medida no solo mejoraría los ingresos futuros y la empleabilidad de los estudiantes, sino que también contribuiría a la equidad social, al proporcionar mayores oportunidades de desarrollo de habilidades cognitivas y no cognitivas. En un contexto global donde las habilidades complejas y la educación continua son cada vez más necesarias, invertir en más años de educación obligatoria es una estrategia justificada y necesaria para preparar a los individuos para los desafíos del futuro laboral y social.

2. SITUACIÓN Y COMPARACIÓN DEL MODELO EDUCATIVO ESPAÑOL

El cuadro 1 muestra la evolución del abandono temprano de la educación-formación en la Unión Europea (UE) y en España desde 2002 hasta 2024. Se observa una tendencia decreciente general, indicando mejoras significativas en la continuación de los estudios de los jóvenes europeos, en general, y españoles en particular. En 2002, la tasa de abandono en la UE era del 16,9 %, mientras que en España era considerablemente más alta, con un 30,9 %. A lo largo de los años, España ha mostrado una notable mejoría, reduciendo casi a la mitad su tasa de abandono para 2020, cuando llegó al 16,0 %. Paralelamente, la tasa en la UE también ha disminuido consistentemente, alcanzando un 9,9 % en 2020. Sin embargo, a pesar de la mejora, España sigue mostrando tasas de abandono superiores al promedio de la UE, lo que muestra que aún quedan desafíos por abordar para acercarse al promedio europeo en esta materia.

2.1. Tasas de graduación en ESO, FP y Bachillerato

La tasa de abandono temprano educativa refleja la población joven que ha finalizado estudios medios (Bachillerato o FP Media). Para llegar a este nivel de estudios medios hay que finalizar previamente los estudios obligatorios, la ESO. La tasa bruta de graduación en ESO se define como la relación entre el alumnado que termina con éxito esta etapa educativa y es propuesto para el título de graduado en ESO, independientemente de su edad, y el total de la población de la “edad teórica” de comienzo del último curso de esta etapa, que es 15 años (SEIE, 2023). Como se muestra en el cuadro 2, la tasa bruta de graduados en la ESO registró un incremento constante desde el curso 2006-2007 hasta alcanzar el 79,5 % en el 2015-2016. Sin embargo, en el curso 2016-2017 se produjo una reducción importante en el porcentaje de jóvenes que se graduaban en la ESO, hasta retroceder al 75,9 %. En 2017-2018 se recuperaron 2,3 puntos de ese retroceso de 3,6 puntos del curso previo. Entre las causas de ese importante retroceso en 2016-2017 se encontraba, en primer término, que fue el primer curso en el que la primera cohorte de alumnos del Programa de Mejora del Aprendizaje y Rendimiento (PMAR, un itinerario para alumnos rezagados que comienza en 2.º de la ESO) se reincorporaron a sus grupos ordinarios.

Después de haber estado dos cursos, los de 2.º y 3.º de la ESO, en un itinerario diferente, los alumnos de PMAR se reincorporan a 4.º de la ESO con el resto de sus compañeros. Hasta 2015-2016 existía un itinerario, denominado diversificación, que los estudiantes que lo seguían realizaban en 3.º y 4.º de la ESO. Esta es una de las diferencias entre el PMAR y la diversificación: en el primer caso, los alumnos se reincorporan con todos sus compañeros ya desde el inicio de 4.º de la ESO, mientras que, en el segundo, continúan con su itinerario hasta el final de la ESO. En segundo término, el retroceso en la graduación en 4.º ESO en 2016-2017 se debe a que, en los cursos previos (desde 1.º de la ESO a 3.º de la ESO), las asignaturas de libre configuración autonómica no contaron para determinar si un alumno promocionaba de curso.

En 2016-2017 fue la primera vez en la que alumnos con varias asignaturas de libre configuración pendientes de 1.º de la ESO a 3.º de la ESO llegaban a 4.º de la ESO. La diferencia es que, para obtener el título de la ESO al finalizar 4.º, las asignaturas de libre configuración sí que contabilizaban. Así que muchos estudiantes que en otras circunstancias hubieran repetido un curso entre 1.º y 3.º de la ESO, lo hicieron en su lugar en 4.º de la ESO. La tasa de graduación en la ESO de 2018-2019 continuó con la recuperación del terreno perdido hasta alcanzar el 79,3 %. La tasa bruta de graduados en la ESO aumentó entre 2018-2019 y 2019-2020 del 79,3 % al 84,7 %, en alguna medida por la flexibilización acometida en el sistema educativo español, pero ha vuelto a retroceder al 83,0 % para el curso 2020-2021 y el 80,7 % en 2021-2022.

Los datos conocidos en diciembre de 2024 muestran que la tasa bruta de graduados se ha recuperado en alguna medida hasta registrar el 81,6 % del curso 2022-2023, aún lejos del máximo del 2019-2020. En definitiva, España tiene una elevada tasa de abandono por la falta de jóvenes que titulan ESO: uno de cada cinco jóvenes no logra finalizar la ESO en los institutos o centros educativos. La ESO también se puede alcanzar después, en la educación para adultos. El cuadro 2 muestra que la proporción de personas que alcanza el título de enseñanza obligatorio en los años preceptivos, durante las segundas oportunidades, está descendiendo desde el 13,0 % (sobre la cohorte de edad de los 18 años) en 2010-2011 hasta la mitad del 6,2 % en 2022-2023, lo que se explica por el aumento de los titulados en la ESO en los institutos. El rango de edades de estos titulados es bastante amplio, aunque el peso de los jóvenes que han dejado recientemente la etapa obligatoria sea importante (MEFP, 2023).

2.2. Evolución de las tasas de graduación y matriculación en Bachillerato, FP Media y FP Básica

La primera condición de la tasa de abandono considera que un joven de entre 18-24 años ha dejado tempranamente los estudios si no ha titulado en educación secundaria superior (Bachillerato, FP Media, FP Básica). La tendencia alcista de la tasa bruta de graduados en la ESO desde 2006-2007 se extendió también a Bachillerato y FP Media hasta el curso 2016-2017, año en el que, como en el caso de la ESO, se produjo una ruptura de la trayectoria de expansión. La tasa bruta de graduación en FP Media y Bachillerato se define como la relación entre el alumnado que termina con éxito esta etapa educativa, independientemente de su edad, y el total de la población de la “edad teórica” de comienzo del último curso de esta etapa, que es 17 años (Sistema Estatal de Indicadores Educativos, 2023a).

La FP Básica llegó a registrar el 4,1 % de tasa bruta de graduación en 2018-2019, que fue justamente la misma tasa que registró su predecesor de Programas de Cualificación Profesional Inicial en su último año en vigor de 2014-2015. En suma, antes del surgimiento del COVID-19, la tasa bruta de graduación de todos los niveles educativos experimentó un crecimiento desde el año anterior al inicio de la crisis financiera (2006-2007) hasta el 2016-2017. A partir de ese año se produjo un estancamiento en FP Básica, FP Media y Bachillerato hasta que llegó el curso 2019-2020. La tasa bruta de graduación en FP Media no aumentó el año que surgió el COVID-19, el 2019-2020, sino al siguiente en el 2020-2021 (27,3 %). Puede ser que una parte del incremento en 2020-2021 se debiera a que algunos estudiantes retrasaron la realización de la Formación en Centros de Trabajo (FCT) durante el 2019-2020 por el surgimiento de la pandemia y la dificultad de realización de las prácticas (aunque se dio la oportunidad de sustituirlas por un trabajo).

En 2021-2022, hubo una corrección de ese aumento tan importante del curso anterior, aunque la titulación en FP Media continuaba cerca de los máximos históricos (26,4 %). En Bachillerato, como en FP Básica, sí se ha corregido todo el aumento circunstancial que se produjo en la tasa bruta de graduación desde el 55,5 % en 2018-2019 al 61,5 % en 2019-2020 para retornar de nuevo al 55,5 % en el 2020-2021, 55,7 % en el 2021-2022 y 55,6 % en 2022-2023. En FP Media, 2022-2023 registró máximo histórico de titulados en relación con la cohorte de edad de los 17 años.

El cuadro 3 ha mostrado la evolución de la titulación en FP Básica, FP Media y Bachillerato, niveles educativos que si se finalizan, se considera que los jóvenes no han abandonado tempranamente los estudios. El cuadro 4 complementa esta información con los datos de matriculación en las tres enseñanzas, que son indicadores adelantados de lo que puede ocurrir en los próximos años.

El cuadro 4, muestra que España, ha experimentado una expansión notable en los últimos años en la matriculación de Formación Profesional de Grado Medio (FP Media) mientras que el Bachillerato se mantenía estable. Esta tendencia refleja una evolución significativa en las preferencias educativas de los jóvenes tras finalizar la Educación Secundaria Obligatoria (ESO). En concreto, desde 2019 la FP Media ha visto un aumento considerable en la matrícula, creciendo en casi 100.000 alumnos hasta llegar a los 451.030 matriculados, incluyendo la modalidad a distancia. Paralelamente, el Bachillerato ha mantenido una matriculación estable, con cerca de 700.000 estudiantes anualmente en la última década. Este panorama sugiere una inclinación creciente de los estudiantes por continuar su formación tras la ESO, en lugar de abandonar los estudios

El aumento de la matrícula en FP Media muestra que este nivel educativo ha mejorado su reputación en España, como ya lo hizo previamente la FP de Grado Superior, alejándose de la imagen de ser un itinerario para estudiantes con dificultades académicas. El aumento en la matrícula de FP Media es el resultado de la disminución del número de jóvenes que no prosiguen sus estudios después de finalizar la ESO o que ni siquiera titulan en la ESO. Una de las razones por las que la FP de Grado Medio ha mejorado su reputación, ha sido su inserción laboral. El cuadro 5, extraído del Informe anual “Inserción laboral de los graduados en enseñanzas de Formación Profesional” del Ministerio de Educación, Formación Profesional y Deportes de diciembre de 2024, ilustra la trayectoria de la tasa media de afiliación laboral de los recién titulados en ciclos formativos de Grado Medio desde el curso 2011-2012 hasta el curso 2021-2022, durante los cuatro años siguientes a su graduación. El cuadro resalta que los jóvenes que se gradúan en FP Media tienen una tasa de afiliación a la Seguridad Social relativamente baja en su primer año, después de la finalización de su título.

En el segundo, año la tasa de afiliación avanza de forma muy significativa, sobre todo para la promoción de graduados en 2021-2022, en donde esta tasa alcanzó un máximo del 60,3 %. Es decir, que el 60,3 % de los graduados en FP Media en el curso 2021-2022 estaba afiliado a la Seguridad Social en el segundo año después de su titulación, máximo histórico. Los datos de los graduados en 2020-2021 muestran que el 63,7 % de los titulados tenía empleo en el tercer año, también un máximo histórico. Y con la información de 2019-2020, se observa que el 66,8 %, la tasa más elevada de la serie histórica estaba afiliado a la Seguridad Social al cuarto año de su titulación en FP Media. La baja afiliación en los dos primeros años después de la graduación puede estar influida, por el hecho de que algunos jóvenes continúan sus estudios con FP de Grado Superior, que está compuesto también de dos cursos.

2.3. La tasa de abandono en España en comparación a la UE y los ODS

El abandono temprano de la educación y la formación en la UE ha disminuido desde el 9,8 % en 2021 al 9,3 % en 2024. El progreso enmascara una variación considerable entre los sistemas educativos de la UE. El gráfico 1 muestra las tasas de abandono educativo temprano de la educación y formación para los Estados miembros de la UE en 2021 y 2024, ya que no hay datos aún disponibles para 2023. Los países con peores registros en 2024 son Rumania, España y Hungría. En concreto, la tasa de abandono de España en 2022 fue del 13,0 %. España es en 2024 el segundo país de la UE con más jóvenes que no continúan sus estudios, tan solo mejor que Rumanía (16,8 %) y con algo de distancia del antepenúltimo (Alemania, el 12,4 %). En 2024, el 9,3 % de todos los jóvenes de 18 a 24 años en la UE abandonó tempranamente la escuela sin alcanzar la educación secundaria superior, ampliamente reconocida como un umbral mínimo para el logro educativo (Comisión Europea, 2024). La tasa de abandono del 13,0 % en España en 2024 nos aleja del objetivo de la UE en Educación y Formación (Education and Training Monitor Report de la UE) para 2030 de situarse en el 9 %. Además de nuestro país, otros nueve países de la UE registran tasas de abandono escolar temprano por encima del 9 %. Es interesante observar que Alemania, a pesar de su reputada FP dual, tiene un abandono (12,4 %) que es la tercera más elevada de la UE-27, que además ha crecido desde 2021. Portugal, por su parte, dispone de una tasa (6,6 %) que es de las más bajas en la UE-27, en donde destaca Grecia, con un abandono de solo el 3,0 %.

El gráfico 2 representa la evolución del abandono escolar temprano en la UE-27 desde 2014 y, en concreto, el grado de dispersión entre países. El gráfico distingue dos indicadores:

• Índice de dispersión en las tasas de abandono escolar temprano (línea azul): mide la variación relativa entre países respecto a la media europea. Se construye como el coeficiente de variación ponderado, calculando la desviación estándar entre las tasas nacionales de abandono escolar con respecto al promedio de la UE, ponderadas por la población de jóvenes de 18 a 24 años en cada país.
  
• Índice de dispersión respecto al objetivo UE 2030 (línea gris): mide cuán alejados están los países del objetivo común de alcanzar una tasa de abandono escolar inferior al 9 % antes de 2030. Este índice refleja el grado de convergencia hacia ese umbral.
  

Durante la última década, la UE ha registrado una tendencia decreciente en la tasa de abandono escolar temprano. Sin embargo, este avance no ha sido homogéneo. Aunque más de la mitad de los países ya cumplen el objetivo del 9 %, otros como Rumanía (16,8 %), España (13,0 %) o Alemania (12,4 %) siguen presentando tasas elevadas. Por el contrario, Croacia (2,0 %), Irlanda (2,8 %) y Grecia (3,0 %) lideran en cumplimiento.

El gráfico refleja una convergencia positiva entre países desde 2014 a 2020, con descensos sostenidos en ambos índices. Sin embargo, a partir de 2021 se observa una reversión de esta tendencia: el progreso se ha vuelto más desigual, con aumentos en la dispersión tanto respecto al promedio europeo como en relación con la meta de 2030. Este repunte indica que el ritmo de mejora se ha frenado en algunos países, mientras otros continúan avanzando, lo que genera una creciente divergencia. Por tanto, aunque el objetivo de la UE a nivel agregado parece al alcance, el gráfico pone de manifiesto que la disparidad entre los Estados miembros se está ampliando, y que lograr una reducción estructural del abandono escolar temprano requerirá actuaciones más focalizadas en los países con mayores tasas de abandono y menor progreso reciente.

El aumento de la desigualdad territorial en los resultados educativos en la UE se refleja también en otros indicadores. En 2023, el 84,1 % de los jóvenes europeos de entre 20 y 24 años había completado al menos la educación secundaria superior, pero esta media esconde diferencias muy marcadas (Comisión Europea, 2024). Croacia, Grecia e Irlanda superan el 95 % de titulados, mientras que Alemania, Dinamarca y España se sitúan por debajo del 80 %. Entre 2021 y 2023, los avances han sido particularmente inestables: países como Luxemburgo, Suecia o Polonia han mejorado en más de dos puntos porcentuales, mientras que Alemania, Eslovenia o Rumanía han registrado retrocesos significativos. En paralelo, se constata que muchos jóvenes no acceden a la educación secundaria superior no solo por no completar el nivel, sino porque no llegan a matricularse, incluso estando en edad de escolarización obligatoria.

Este fenómeno se manifiesta con especial claridad en las tasas de no escolarización (out-of-school rates), que aumentan con la edad. Mientras que a los 14 años —edad en la que la escolarización es aún obligatoria en todos los países de la UE— la media europea de jóvenes no escolarizados es del 2,5 %, en países como Rumanía y Bulgaria se dispara al 15,2 % y al 11,9 %, respectivamente. Esta proporción aumenta hasta el 5 % un año después de finalizar la educación obligatoria y al 8,2  % dos años más tarde. En secundaria superior, la media de jóvenes europeos fuera del sistema escolar es del 6,8 %, lo que equivale a cerca de 1,3 millones de personas entre 18 y 24 años.

Los factores de riesgo asociados al abandono escolar y a la no finalización de estudios muestran un patrón claro: afecta más a los hombres (11,3 %) que a las mujeres (7,7 %), a los jóvenes con discapacidad severa (22,2 %), a quienes tienen padres con bajo nivel educativo (64,1 % de finalización frente al 92,9 % cuando los padres tienen estudios superiores), y a los migrantes no comunitarios (23,0 %). En especial, los jóvenes nacidos en el extranjero cuyos padres también son migrantes tienen una tasa de abandono escolar del 25,7 %, más del doble que aquellos cuyos padres son nacionales.

Frente a estos desafíos, las políticas de prevención y seguimiento varían considerablemente entre los países. Solo siete Estados miembros, entre ellos España, han desarrollado sistemas de alerta temprana basados en datos detallados del alumnado. Otros 11 países se centran en el seguimiento del absentismo escolar, y ocho más utilizan mecanismos de orientación educativa. El absentismo crónico, ausencias prolongadas de más de tres meses consecutivos, afecta más a los estudiantes vulnerables (10,2 %) y se asocia con bajo rendimiento académico, mayor riesgo de abandono y peores perspectivas de inserción laboral. La recuperación tras la pandemia requiere intervenciones integrales, como grupos escolares más reducidos, apoyo psicosocial, financiación específica y formación docente adaptada a la prevención del abandono.

Además de la desagregación por género, también se dispone de información sobre la tasa de abandono por el tipo de localidad en la que residen los jóvenes. En concreto, Eurostat diferencia entre:

• Zonas densamente pobladas (ciudades): unidades espaciales pequeñas con al menos el 50 % de su población en centros urbanos.
  
• Zonas de densidad intermedia (localidades y zonas semidensas): menos del 50 % de población en centros urbanos y no más del 50 % en celdas rurales.
  
• Zonas escasamente pobladas (zonas rurales): más del 50 % de la población vive en celdas rurales.
  

Los datos más recientes de 2024 muestran que las diferencias territoriales en las tasas de abandono educativo siguen siendo significativas tanto en la UE como en España. En el conjunto de la UE-27, la tasa global de abandono escolar temprano se sitúa en el 9,3 %, con valores más bajos en ciudades (8,2 %) y más altos en localidades intermedias y áreas rurales (10,2 % en ambos casos). España, con una tasa media del 13,0 %, continúa notablemente por encima de la media europea en todos los tipos de entornos. En concreto, el abandono escolar alcanza el 11,3 % en las ciudades, el 15,1 % en las localidades y el 14,6 % en zonas rurales.

A diferencia de lo observado en años anteriores, la diferencia entre áreas rurales y urbanas en España se ha reducido ligeramente, aunque persiste un patrón claro: las localidades intermedias presentan el mayor reto. La comparación con los datos europeos revela que, a pesar del descenso general, España mantiene una brecha estructural en todos los entornos, especialmente en contextos no urbanos.

El Informe PISA realiza la siguiente pregunta a los estudiantes españoles de 15 años “¿Cuáles de las siguientes titulaciones esperas obtener?”. El alumnado puede responder Educación Secundaria Obligatoria (ESO), Ciclos Formativos de Grado Medio (CFGM), Bachillerato, Ciclos Formativos de Grado Superior (DFGS), Grado Universitario, máster, licenciatura o doctorado (OCDE, 2023). Es interesante poder analizar el abandono educativo antes de que se produzca, cuando los estudiantes aún se encuentran en la etapa educativa obligatoria. De esta forma podremos analizar sus causas desde un principio, cuando los jóvenes todavía no han dejado los estudios y examinar las características de los estudiantes que a los 15 años ya piensan en abandonar su formación. Las intervenciones para reducir el abandono educativo tienen más éxito si se llevan a cabo, previniendo que los jóvenes dejen de estudiar que actuando una vez que ya se han desconectado de sus institutos y desvinculado de su formación (Serrano et al., 2014).

El cuadro 7 presenta las expectativas académicas de los estudiantes españoles de 15 años sobre sus estudios en la evaluación PISA 2022. Un alto porcentaje de estudiantes (81,44 %) esperan obtener la ESO. Es relevante ver que ya hay un 1,70 % de los estudiantes españoles de 15 años (que representan a aproximadamente 8.300 jóvenes) que señala que no espera finalizar la ESO. Adicionalmente, otro 2,33 % (que representan a cerca de 11.400 jóvenes) revela que no sabe si va a poder terminar los estudios obligatorios. Hay un 14,53 % que no responde esta pregunta del cuestionario de PISA, que los alumnos cumplimentan después de realizar la prueba de matemáticas, lectura y ciencias (además de otras dos competencias, la financiera y pensamiento creativo, cuyos resultados se conocerán en los próximos meses). Zamarro et al. (2019) muestra que el hecho de que un estudiante no responda a las preguntas del cuestionario puede ser un indicador de que ese alumno o alumna tiene una menor capacidad de perseverancia o compromiso, habilidades no-cognitivas muy relevantes en su futuro académico y laboral¹.

Un 22,49 % de los estudiantes españoles en PISA 2022 tiene expectativas de estudiar y finalizar Ciclos Formativos de Grado Medio (CFGM) y un 61,29 % Bachillerato. La suma de los que esperan terminar CFGM y Bachillerato es prácticamente la misma que los que esperan terminar la ESO (81,44 %), porque este último nivel es un paso previo para poder realizar uno de los dos siguientes (aunque hay algunas vías de acceder a FP Media sin el título de la ESO). Es decir, los estudiantes de 15 años que esperan finalizar la ESO tienen la expectativa de continuar estudiando y terminar FP Media o Bachillerato. Analizando los datos de la Encuesta de población activa (EPA), Jansen y Lacuesta (2024) concluyen también que el porcentaje de estudiantes que no sigue estudiando a pesar de graduarse en la ESO se ha reducido considerablemente en las últimas décadas, un nuevo patrón de continuidad formativa postobligatoria, que ha sido clave para la reducción del abandono escolar. Una vez logrado que la inmensa mayoría de estudiantes que finaliza la ESO continué con sus estudios, el siguiente reto de la educación española sería conseguir que el alumnado que comienza el siguiente nivel educativo lo finalice. El 28,6 % del alumnado español que comenzó FP Media en 2017-2018 no había finalizado esta etapa, ni seguía matriculado en ningún otro estudio, cuatro años más tarde (MEFP, 2023). Un 9,3 % de los estudiantes españoles que comienzan Bachillerato tampoco ha finalizado estos estudios cuatro años más tarde (OCDE, 2023). Finalizar Ciclos Formativos de Grado Medio o Bachillerato es el nivel requerido para considerar que un joven no ha abandonado tempranamente los estudios, porque es la formación mínima para poder afrontar con garantías la inserción laboral y social de adulto.

El cuadro 8 muestra los datos reales, no expectativas, del nivel educativo alcanzado por los jóvenes españoles entre 25-34 años. Se observa cierta correlación entre los dos cuadros, a pesar de ser información de dos generaciones diferentes, pues el cuadro 1 recoge las expectativas de los que tenían 15 años en 2022, y el cuadro 2 refleja los datos reales de los que se encontraban en la franja entre 25-34 años en 2022). Es importante comprobar que sí hay una diferencia entre las expectativas del cuadro 1 en FP Media (22,49 %) y la proporción de jóvenes entre 25-34 años que tiene este nivel de estudios (10,96 %). Parece que la generación más joven va a estudiar en mayor medida los Ciclos Formativos de Grado Medio que la predecesora. Jansen y Lacuesta (2024) corroboran esta conclusión al mostrar evidencia con datos de la EPA de que, a partir de 2015, la transición de la ESO a FP Media aumentó de forma notable, especialmente entre los hombres. El porcentaje de graduados de la ESO que optaron por estudiar FP Media se mantuvo en un 13 % para los nacidos en 1990 y creció levemente a un 14 % para los de 2000, antes de ascender a un 25 % para los de 2007. Para las mujeres, este incremento fue más moderado y tardío, manteniéndose en un 8 % desde 1990 hasta 2000, y aumentando después al 16 % para las nacidas en 2007 (Jansen y Lacuesta, 2024).

El análisis de las expectativas académicas de los estudiantes españoles de 15 años con los datos de PISA 2022 nos permite examinar las características del alumnado que podría estar en riesgo de abandonar su formación, lo que podría ayudar a desarrollar estrategias más dirigidas y personalizadas para apoyar su permanencia en el sistema educativo. El sistema educativo español tiene más repetidores, tanto en primaria como en la ESO, que el promedio de la OCDE. En PISA 2022, un 10,1 % del alumnado español había repetido en primaria al menos una vez, una proporción que es casi el doble que el 5,8 % de la OCDE (OCDE, 2023b). Un 14,9 % de los estudiantes españoles de 15 años había repetido al menos en una ocasión algún curso de la ESO, cuando en los países más desarrollados ese porcentaje es del 4,2 %. El gráfico 3 muestra que el 87,8 % de los estudiantes no-repetidores españoles de 15 años señala que espera terminar la ESO, una proporción que disminuye hasta el 74,4 % entre los que han repetido alguna vez, ya sea en Primaria o en la ESO. Entre el alumnado que no responde si ha repetido, la proporción de los que esperan terminar la ESO es del 46,3 %, el 1,9 % señala que no cree terminar la ESO (mayor que el 1,2 % de entre los no-repetidores), el 3,8 % que no lo sabe (superior al 1,5 % de entre los no-repetidores) y un 48,1 % tampoco ha respondido sobre si espera terminar estos.

El gráfico 4 muestra que un 86,3 % de los estudiantes españoles de 15 años que no han repetido señalan en PISA 2022 que creen que terminarán FP Media o Bachillerato, el nivel mínimo que hay que finalizar para no considerar que se han abandonado tempranamente los estudios. Es un porcentaje muy similar al 87,8 % de los no repetidores españoles que esperaba finalizar la ESO. Entre los repetidores, un 74,4 % cree que va a finalizar la ESO (gráfico 1), pero bajan al 64,3 % los que esperan poder terminar FP Media o Bachillerato (gráfico 2). Es decir, que haber repetido al menos un curso, ya sea en Primaria o en la ESO, reduce las expectativas de titularse en enseñanzas medias. Esta es una primera conclusión importante, el abandono educativo parece centrarse en los estudiantes repetidores, por lo que las medidas destinadas a incentivar la continuidad en los estudios (como las campañas de publicidad sobre las consecuencias de dejar la formación tempranamente o las intervenciones para elevar las expectativas) debería tener como objetivo más relevante a este tipo de alumnado. Los que no responden a la pregunta del cuestionario de PISA sobre si han repetido, pero sí a la de si esperan terminar FP Media o Bachillerato, también tienen unas expectativas académicas más bajas que los que no han repetido nunca.

El cuestionario de PISA 2022 también incluye una pregunta a los 30.800 estudiantes españoles que realizaron la prueba, en la que se señala que “La siguiente escala representa la configuración de la sociedad en España. En la parte superior de la escala (valor 10) se encuentran las personas más favorecidas, que son las que ganan más dinero, reciben la mejor educación y tienen los trabajos más respetados. En la parte inferior de la escala (valor 1) están las personas más desfavorecidas, que son las que menos dinero ganan, no reciben educación y no tienen trabajos o tienen los menos respetados”. A continuación, se le pide al estudiante “Ahora piensa dónde colocarías a tu familia en esta escala”.

El gráfico 5 muestra que las expectativas de finalizar FP Media o Bachillerato a los 15 años son más bajas entre los estudiantes que perciben que su familia se encuentra en los niveles 1 o 2 de la escala por estatus socioeconómico. Hay un salto importante entre el nivel 2, con un 60,9 % de los estudiantes afirmando que cree que se titulará en enseñanzas medias, y el nivel 3 con un 75,5 %. A partir de ahí, la proporción de jóvenes españoles de 15 años que cree que finalizará FP Media o Bachillerato continúa creciendo con el nivel socioeconómico, aunque de forma más gradual, hasta alcanzar el 84,6 % de los estudiantes que sitúan a su familia en la escala 8, con un porcentaje similar del 83,1 % en la escala 9. En el nivel 10, sorprendentemente, la proporción de estudiantes que afirma que titulará FP Media o Bachillerato disminuye al 71,5 %. Una buena parte de esta caída se explica porque el alumnado que sitúa a su familia en el nivel 10 del estatus socioeconómico no responde a la pregunta sobre si va a terminar FP Media o Bachillerato. Es posible que algunos de estos estudiantes estén matriculados en centros situados en España, pero que siguen un sistema educativo extranjero, por lo que o bien no han respondido a la pregunta sobre si terminarán FP Media o Bachillerato (aunque sí han cumplimentado la pregunta sobre el nivel socioeconómico de sus familias) o han señalado que no finalizarán o no saben si terminarán estos niveles educativos.

3. BENEFICIOS DE LA EXTENSIÓN DE LA EDUCACIÓN OBLIGATORIA HASTA LOS 18 AÑOS EN ESPAÑA: UN ANÁLISIS COMPARADO

La propuesta de aumentar la enseñanza obligatoria hasta los 18 años en España representa una iniciativa efectiva en la lucha contra el abandono escolar. Este cambio tiene el potencial de garantizar una educación más equitativa, proporcionando a los jóvenes una preparación adecuada a las exigencias del mercado laboral actual. Al ampliar el horizonte educativo, los jóvenes tendrían más tiempo para adquirir competencias fundamentales no solo para su desarrollo personal y profesional, sino también para su inclusión en la sociedad. En este contexto, la diversificación de los itinerarios educativos se plantea como una estrategia para atender a los distintos intereses y capacidades de los estudiantes, incluyendo opciones como la Formación Profesional, las artes y el deporte.

El incremento de la edad mínima de escolarización obligatoria hasta los 18 años podría reducir significativamente la tasa de abandono escolar temprano, que en España ha sido históricamente alta en comparación con otros países de la Unión Europea. La tasa de abandono escolar temprano en España se situó en un 13,7 % en 2023, frente a una media del 9,5 % en la UE, indicando la necesidad de medidas adicionales para abordar este problema. La extensión de la educación obligatoria también conllevaría un incremento en la proporción de jóvenes que finalizan la educación secundaria superior (Bachillerato o FP Media), mejorando así su nivel de cualificación y empleabilidad. La experiencia de otros países que han implementado reformas similares muestra una serie de beneficios tanto a nivel individual como social.

Aunque todavía son pocos los países que han implantado la escolarización obligatoria hasta los 18 años, la tendencia internacional muestra un interés creciente por estas reformas (Comisión Europea, 2023). El caso de Países Bajos es especialmente ilustrativo: junto con la obligación de alcanzar una startkwalificatie, la elevación de la edad obligatoria tuvo un efecto causal en la reducción del abandono (–2,5 p.p.), lo que avala el enfoque de “obligación de cualificación” como vía para garantizar salidas con título en la secundaria superior (Cabus y De Witte, 2011).

• Escolarización/formación a tiempo completo hasta los 18 años. En Europa existe un grupo de países que ya exige la permanencia educativa plena hasta la mayoría de edad. Bélgica —en sus tres comunidades lingüísticas— fija la obligatoriedad de los 5 a los 18 años, Francia la extiende desde los 3 hasta los 18, y Portugal, Rumanía y Finlandia también sitúan el final de la educación obligatoria en los 18 años. Alemania aplica un modelo mixto: en once länder la obligación efectiva alcanza los 18 años y en cuatro se prolonga hasta los 19 años. El conjunto de estos casos muestra que la extensión a los 18 años es compatible con arquitecturas muy distintas —académicas y duales— y con transiciones escalonadas dentro de la educación secundaria superior.
  
• Obligación adicional de formación a tiempo parcial. Otros sistemas prefieren cerrar la brecha entre el fin de la educación obligatoria y la inserción laboral mediante una fase de formación obligatoria a tiempo parcial hasta los 18 años. Es lo que hacen Austria y Polonia: tras concluir la enseñanza obligatoria en torno a los 15 años, los jóvenes deben seguir formándose —en el centro o en el puesto de trabajo— hasta los 18 años, combinando estudio y experiencia laboral para asegurar una transición más estable.
  
• Obligación de cualificación mínima. Países Bajos introduce una regla especialmente relevante para la FP y la dual: si el estudiante no alcanza la startkwalificatie (título mínimo equivalente a HAVO, VWO o MBO-2), debe continuar en educación o formación hasta los 18 años. Esta obligación refuerza el vínculo con la FP y la formación dual y garantiza que la salida del sistema educativo se produzca con una credencial con valor de mercado. En una lógica similar, Hungría exige continuar hasta obtener, al menos, una cualificación parcial de FP.

La comparación sugiere tres líneas de diseño: primero, diversificar la oferta (FP, dual, módulos, segundas oportunidades) para que la permanencia hasta los 18 años no sea “más de lo mismo”, sino trayectorias con sentido académico y laboral; segundo, valorar un enfoque de “obligación de cualificación” que vincule el cumplimiento a la obtención de una credencial mínima —por ejemplo, un título de FP de grado medio o módulos— siguiendo la lógica neerlandesa; y tercero, habilitar fórmulas de tutoría y empleo formativo, a la manera austriaca y polaca, que permitan computar formación parcial en el puesto de trabajo, clave para retener a jóvenes en riesgo de abandono.

3.1. Experiencia internacional en la extensión de la educación obligatoria. El impacto en la finalización de estudios de Bachillerato o FP Media

El trabajo pionero de Angrist y Krueger (1991) sobre reformas educativas en Estados Unidos evidenció que un año adicional de educación incrementa en un 10 % los ingresos laborales anuales de los individuos, en promedio. El estudio utiliza una metodología de variables instrumentales para evaluar el efecto causal de la reforma educativa y concluye que la educación adicional permite acceder a empleos de mayor estabilidad y calidad, reduciendo la probabilidad de desempleo y dependencia de prestaciones sociales.

Oreopoulos (2004), por su parte, analizó los efectos de la extensión de la educación obligatoria en Canadá. Este estudio encontró que un año adicional de escolarización llevó a mejoras significativas en los ingresos laborales y a una disminución en el uso de prestaciones sociales. Al mantener a los jóvenes más tiempo en el sistema educativo, se reducen las tasas de abandono escolar y se promueve un mayor desarrollo de habilidades que incrementan sus posibilidades de éxito en el mercado laboral. (Oreopoulos, 2006), muestra que los efectos de prolongar la escolarización obligatoria incluyen un aumento considerable de los ingresos anuales y una reducción en la probabilidad de caer en el desempleo o en situaciones de pobreza. En su análisis, centrado en Canadá, se estima que los estudiantes obligados a completar un año adicional de educación incrementaron sus ingresos en un rango del 9 % al 15 %, presentando además una probabilidad un 10 % menor de situarse por debajo del umbral de pobreza y un 7 % menor de estar desempleados a largo plazo.

Las políticas de extensión de la educación obligatoria pueden tener un impacto significativo en el bienestar de los individuos y en la cohesión social, especialmente para aquellos estudiantes que, en ausencia de dichas normativas, habrían abandonado el sistema educativo. En este sentido, Oreopoulos (2006) argumenta que prolongar la obligatoriedad educativa no solo aumenta los ingresos futuros, sino que también reduce las disparidades socioeconómicas al disminuir la probabilidad de empleo en ocupaciones manuales o de baja cualificación en un 6 %. De hecho, los beneficios no se limitan a mejoras salariales, sino que también contribuyen a la adquisición de habilidades sociales y cognitivas que son cada vez más demandadas en el mercado laboral.

Oreopoulos (2007) utiliza datos de Estados Unidos, Canadá y Reino Unido para estimar los efectos de los cambios en las leyes de escolarización obligatoria sobre distintos indicadores de bienestar. Los resultados muestran que un año adicional de educación obligatoria incrementa la riqueza vitalicia en torno al 15 %, incluso después de descontar el ingreso dejado de percibir por permanecer más tiempo en la escuela. Además, se observan mejoras en múltiples dimensiones no económicas: una reducción de entre 2 y 3 puntos porcentuales en la probabilidad de reportar mala salud, una disminución del 6 % en la probabilidad de caer por debajo del umbral de pobreza y un aumento significativo en la satisfacción vital y en los niveles de felicidad autoevaluados. Los efectos son especialmente pronunciados en los grupos con menor nivel educativo inicial, lo que refuerza la idea de que estas políticas tienen un impacto redistributivo y pueden actuar como un mecanismo eficaz de equidad intergeneracional. Por tanto, la extensión de la escolarización obligatoria no solo amplía las oportunidades educativas, sino que también genera retornos sostenidos en salud, ingresos y bienestar psicológico a lo largo del ciclo de vida. Además, como muestran Oreopoulos et al. (2006), un año adicional de educación obligatoria para los padres reduce en hasta 7 puntos porcentuales la probabilidad de que sus hijos repitan curso y en hasta 5 puntos la probabilidad de que abandonen los estudios antes de completar la educación secundaria, lo que indica efectos intergeneracionales claros de este tipo de políticas. En el Reino Unido, Oreopoulos y Salvanes (2011) confirmaron este resultado al estudiar la reforma que elevó la edad mínima de abandono escolar de 14 a 15 años. Los resultados muestran que la reforma redujo el uso de prestaciones sociales en un 10 % y disminuyó la pobreza en un 8 %.

Diversos países europeos ya han extendido la obligatoriedad educativa hasta los 18 años como medida para mejorar la cualificación de los jóvenes y adaptar la educación a las exigencias del siglo XXI (López Rupérez et al., 2015). Algunos países europeos como Holanda, Portugal o Macedonia ya han ampliado la escolarización obligatoria hasta los 18 años. Además, el Parlamento Europeo recomienda que los Estados miembros hagan responsables a los padres de la educación de sus hijos hasta esa edad.

Más recientemente, Hofmarcher (2021) realizó un análisis comparativo en 32 países europeos, en el cual se observa la relación entre las reformas que extienden la educación obligatoria y los años promedio de escolarización completados por los jóvenes. El estudio identifica una clara discontinuidad en los años promedio de educación en torno al punto de implementación de la reforma, lo que sugiere un cambio significativo en la tendencia educativa antes y después de la entrada en vigor de dicha medida. Este cambio se traduce en un aumento en el número de jóvenes que completan al menos un año adicional de educación, con beneficios a largo plazo tanto a nivel personal como social. Hofmarcher (2021) concluye que un año adicional de educación reduce en un 29 % el riesgo de pobreza y en un 17 % las dificultades económicas. Además, el estudio destaca el impacto positivo de la educación en otros indicadores, como la reducción de la privación material severa y la percepción de estabilidad económica.

El cuadro 9 (extraído del artículo de Hofmarcher, 2021) presenta las reformas educativas europeas, donde se evidencia una clara discontinuidad en el número promedio de años de educación completados en la primera cohorte afectada por las reformas. Hofmarcher (2021) enumera las 37 reformas en 23 países que cumplen con los criterios de selección y que utiliza en su análisis principal. De estas reformas, 20 implicaron un aumento o disminución de un año en la duración de la educación obligatoria, ocho reformas involucraron tanto incrementos como reducciones de dos y tres años, y una de ellas supuso un cambio de cuatro años. En total, 32 reformas extendieron la duración de la educación obligatoria y cinco la redujeron. Las reformas se centraron en cambios en la duración de la escolarización obligatoria en niveles educativos aproximadamente similares, generalmente en el rango de 7 a 10 años.

El gráfico 6, por su parte, muestra la distribución educativa completa y cómo se ha desplazado en respuesta a los cambios en la duración de la educación obligatoria. La mayoría del desplazamiento se concentra en torno al nuevo número mayor de años de educación obligatoria, lo que sugiere que las reformas efectivamente movieron a algunos estudiantes desde el nivel inferior previo al nuevo nivel establecido, es decir, aquellos que solo asisten a la escuela mientras están obligados a hacerlo.

En términos de aumentos en la duración de la educación obligatoria, el desplazamiento de la distribución educativa también es visible en niveles educativos superiores. Esto podría deberse a que los estudiantes se sintieron motivados a continuar más allá de la edad escolar obligatoria gracias a la nueva normativa, adquiriendo así un mayor interés por la educación durante el año adicional de escolarización. También podría explicarse por estudiantes potencialmente más capacitados que intentaron diferenciarse en términos educativos de los ahora más numerosos estudiantes con el nivel mínimo de educación.

El trabajo de Shidiqi y Choi (2023) analiza los efectos de la reforma educativa de 1994 en Indonesia, que extendió la escolarización obligatoria de 6 a 9 años. Utilizando un diseño de regresión discontinua, los autores exploran el impacto de esta política en diversos resultados educativos a medio y largo plazo, aprovechando la discontinuidad generada por la ley en función del mes y año de nacimiento de los individuos. Los resultados muestran que la reforma aumentó significativamente el número de años de educación completados y la probabilidad de finalización de la educación secundaria en los niveles medio y superior, especialmente en las zonas urbanas y entre individuos de familias con bajos niveles de educación paterna. La probabilidad de completar al menos la educación secundaria inferior (equivalente a la Educación Secundaria Obligatoria en otros países) se incrementó en un 8 % para los individuos expuestos a la reforma en comparación con los no expuestos. Además, la reforma también impulsó la probabilidad de finalizar los 12 años de escolarización completa en un 10 %, aunque no se observaron efectos significativos en la matriculación universitaria.

Shidiqi y Choi (2023) señalan que la reforma fue especialmente beneficiosa para los estudiantes de entornos socioeconómicos desfavorecidos. Los jóvenes de familias con bajo nivel educativo paterno presentaron una probabilidad 15 % mayor de completar la educación secundaria gracias a la reforma, lo que sugiere que estas políticas pueden desempeñar un papel crucial en la reducción de las desigualdades educativas. A su vez, el nivel educativo materno también mostró un efecto diferencial: los estudiantes con madres altamente educadas se beneficiaron más de la reforma, incrementando su probabilidad de finalizar la educación secundaria superior en un 13 %.

En conclusión, el estudio de Shidiqi y Choi (2023) demuestra que la extensión de la escolarización obligatoria puede tener un impacto positivo significativo en la finalización de la educación secundaria y la mejora del capital humano, especialmente en grupos tradicionalmente marginados.

Una contribución destacada sobre los efectos de la extensión de la escolarización obligatoria es el estudio de (Black et al., 2024), que analiza la reforma educativa noruega de los años 60, que elevó la duración mínima de la educación obligatoria de siete a nueve años. Aprovechando la implementación gradual de la reforma a nivel municipal, los autores emplean un diseño de regresión discontinua combinado con diferencias en diferencias para identificar su impacto. Los resultados muestran que un año adicional de escolarización produjo un aumento significativo en los años de educación alcanzados, así como en los ingresos laborales futuros, especialmente entre los estudiantes de entornos socioeconómicos más desfavorecidos. En concreto, los estudiantes afectados por la reforma completaron, en promedio, 0,14 años adicionales de educación y experimentaron un aumento del 3,7 % en sus ingresos a los 40 años. Además, se detectan beneficios intergeneracionales, ya que los hijos de las cohortes tratadas también lograron mejores resultados educativos. El estudio destaca que la reforma no solo elevó el nivel formativo de la población, sino que también contribuyó a reducir desigualdades y mejorar la movilidad social en el largo plazo.

Uno de los principales referentes en el estudio de los retornos a la educación es George Psacharopoulos. En su artículo más reciente (2024), ofrece una revisión histórica y crítica de más de un siglo de estimaciones del rendimiento de la inversión educativa. Psacharopoulos destaca que, desde las primeras aproximaciones empíricas del siglo XX hasta las técnicas econométricas más actuales, las tasas de retorno privadas a la educación se han mantenido sorprendentemente estables en torno al 10 % por año adicional de escolarización. Este hallazgo refuerza la idea de que la educación es, en promedio, una de las inversiones más rentables, tanto para el individuo como para la sociedad. Además, subraya que los retornos sociales, aunque menos estudiados, tienden a justificar ampliamente la financiación pública de la educación, especialmente en niveles básicos. También señala que las reformas que han utilizado cambios exógenos en la escolarización obligatoria (como las analizadas por Oreopoulos, 2006) han sido fundamentales para establecer el carácter causal del vínculo entre educación e ingresos. Por último, el autor advierte sobre algunos usos incorrectos de la función de Mincer y llama a desarrollar más estimaciones sobre retornos sociales amplios, incluyendo efectos externos como salud, participación política o reducción del crimen (Psacharopoulos, 2024).

Un ejemplo particularmente ilustrativo es el caso de otro país escandinavo como Dinamarca. Karlson y Landersø (2024) analizan dos reformas educativas clave del siglo XX para estudiar su impacto en la movilidad intergeneracional. La primera reforma, implementada en 1958, supuso una ampliación sustancial del acceso y la calidad de la educación secundaria, especialmente en zonas rurales y áreas con menor nivel educativo previo. Los autores encuentran que esta reforma tuvo efectos significativos en varios indicadores clave: incrementó los años de escolarización completados por los hijos, mejoró sus resultados en pruebas cognitivas y aumentó sus ingresos de mayores.

En concreto, la probabilidad de completar al menos nueve años de escolarización aumentó en 14 puntos porcentuales entre los hijos de padres con bajo nivel educativo. Además, el coeficiente de regresión intergeneracional —que mide cuánto influye el nivel educativo de los padres en el nivel educativo de sus hijos— se redujo en 0,14 puntos. Esta reducción implica que, tras la reforma, el nivel educativo de los padres pesaba menos en la trayectoria educativa de los hijos, lo que indica una mejora en la movilidad social: es decir, los hijos de familias con menos educación tenían más probabilidades de mejorar su situación respecto a la generación anterior, independientemente del origen familiar.

Además de este avance en movilidad, la reforma de 1958 produjo mejoras claras en las habilidades cognitivas y los ingresos de los beneficiarios, lo que sugiere que su impacto fue profundo y duradero. En cambio, una segunda reforma introducida en 1972, que extendió la escolarización obligatoria de 7 a 9 años, también logró reducir la transmisión intergeneracional del nivel educativo, pero no produjo mejoras medibles ni en habilidades cognitivas ni en ingresos. Esta diferencia sugiere que el efecto de las políticas educativas no depende solo del número de años de escolarización, sino también de factores como la calidad de la oferta formativa, la estructura del sistema y el momento de la intervención.

Otro artículo que analiza la extensión de la enseñanza obligatoria en Noruega es el del reciente Premio Nobel Acemoglu et al. (2025). La reforma llevada a cabo en 1936, impulsada por el recién electo Partido Laborista noruego, aumentó significativamente los recursos destinados a la educación primaria en áreas rurales, reduciendo el tamaño de las clases, incrementando el salario de los docentes y elevando el tiempo mínimo de instrucción. A diferencia de muchas reformas, su implementación fue inmediata y centralizada, lo que permite identificar de forma nítida sus efectos.

Los resultados muestran que los niños que crecieron en las zonas más afectadas por la reforma completaron más años de educación y, en el caso de las mujeres, también obtuvieron mayores ingresos a lo largo de su vida laboral. Además, se observaron efectos intergeneracionales, con mejoras en el nivel educativo e incluso en las puntuaciones de coeficiente intelectual (IQ) de los hijos. Sin embargo, el hallazgo más novedoso del estudio es de carácter político: los municipios rurales más beneficiados por la reforma aumentaron de forma persistente su apoyo electoral al Partido Laborista durante al menos tres décadas. Este cambio fue clave para consolidar la coalición socialdemócrata noruega. Los autores descartan que estos efectos se deban únicamente a una mayor participación electoral o a una estrategia de clientelismo, y argumentan que se trata de un ejemplo de cómo una política pública transformadora puede generar lealtad política sostenida cuando cumple con las promesas realizadas a la ciudadanía.

3.2. Impacto de la extensión de la educación obligatoria en la salud y el bienestar

El artículo de Oreopoulos y Salvanes (2011) examina los efectos no pecuniarios de la educación, es decir, los beneficios que la educación proporciona más allá de las ganancias salariales y el rendimiento económico. Estos efectos incluyen la influencia de la educación en la salud, la satisfacción laboral, la estabilidad familiar y la confianza en la sociedad, entre otros. Los autores argumentan que, además de los efectos financieros, la educación afecta significativamente a la calidad de vida de las personas a través de varios canales no monetarios, como la reducción de comportamientos de riesgo, la mejora de las habilidades de toma de decisiones y el aumento del bienestar general.

a) Bienestar y felicidad

Los autores exploran cómo la educación se asocia con la felicidad y el bienestar general. El gráfico 8 muestra la relación entre el nivel de educación alcanzado y la felicidad autorreportada de individuos de 25 a 45 años en EE. UU., basada en los datos de las General Social Surveys (1972-2000). Los resultados indican que los graduados de secundaria señalan ser felices un 8 % más a menudo que los que abandonaron la escuela, mientras que los graduados universitarios son un 5 % más felices que los de secundaria. Al ajustar por el nivel de ingresos, estas diferencias se reducen a un 4 % y 2 % respectivamente, lo que sugiere que parte del efecto se debe a mayores ingresos, pero la educación tiene un impacto adicional en el bienestar.

b) Satisfacción y prestigio laboral

El gráfico 9 presenta la relación entre el nivel de educación y la satisfacción en el trabajo, utilizando descriptores del Occupational Information Network (ONET)*, como «Logro», «Independencia», «Relaciones», «Reconocimiento» y «Condiciones de trabajo». Los trabajadores con más años de escolarización están en empleos que ofrecen mayor autonomía y satisfacción personal. Además, el análisis muestra que los trabajadores con al menos un año de universidad obtienen, en promedio, trabajos con 4,5 puntos más de prestigio que aquellos con solo secundaria, y los graduados universitarios presentan una diferencia de 10 puntos en comparación con los de secundaria.

c) Estabilidad familiar y estilo de crianza

El gráfico 10 explora la relación entre la educación y la estabilidad familiar, mostrando que los individuos con más años de educación tienen menores tasas de divorcio. Los graduados universitarios tienen un 10 % menos probabilidad de haberse divorciado que aquellos con solo secundaria. Además, los padres con mayor nivel educativo tienden a tener menos hijos y muestran actitudes más moderadas respecto a la disciplina, indicando un estilo de crianza más positivo y menos propenso al castigo físico.

d) Salud y estilo de vida

Los beneficios de la educación en la salud son evidentes en múltiples estudios, y el artículo destaca que los individuos con más educación tienden a adoptar comportamientos más saludables y a hacer un mejor uso de la información sanitaria. El gráfico 10, panel A, muestra que la educación se asocia con una mejor salud subjetiva. Los individuos con educación superior señalan tener mejor salud que aquellos con niveles educativos menores, incluso después de ajustar por ingresos. Además, la educación reduce la incidencia de enfermedades crónicas, como la diabetes y la hipertensión, y la frecuencia de hospitalizaciones, lo que sugiere que una mayor escolarización promueve una mejor gestión de la salud a lo largo de la vida.

e) Confianza y capital social

El último panel del gráfico 10 muestra una relación positiva entre la educación y la confianza social. Los individuos con mayor nivel educativo son más propensos a confiar en los demás, lo cual es crucial para la cohesión y el capital sociales. La educación no solo fomenta habilidades cognitivas, sino que también promueve comportamientos prosociales y una mayor integración en la comunidad.

Oreopoulos y Salvanes (2011) concluyen que los beneficios no pecuniarios de la educación, como la mejora en la salud, la satisfacción laboral y la estabilidad familiar, son fundamentales para comprender el verdadero valor de la escolarización.

Gehrsitz y Williams (2024) analizaron el impacto a largo plazo de la reforma educativa de 1972 en Escocia, que elevó la edad mínima de abandono escolar de 15 a 16 años. Esta reforma exógena proporcionó una oportunidad única para examinar el efecto causal de un año adicional de escolarización en la salud y el bienestar de los individuos a lo largo de su ciclo de vida. Utilizando un diseño de regresión discontinua, los autores encontraron que un año adicional de educación redujo significativamente las hospitalizaciones por enfermedades relacionadas con el estilo de vida, como las cardiovasculares y el abuso de alcohol, en 0,37 desviaciones estándar. Los efectos se concentraron en hombres de mediana edad, comenzando a ser perceptibles a partir de los 30 años y volviéndose más pronunciados en edades avanzadas, entre los 45 y 55 años.

Adicionalmente, la reforma mostró una reducción significativa en la incidencia de cánceres asociados al consumo de tabaco y alcohol, especialmente entre hombres. A diferencia de otros estudios que encontraron efectos ambiguos en medidas de salud subjetivas como el estado general percibido o los hábitos de consumo, Gehrsitz y Williams (2024) se centraron en indicadores objetivos de salud basados en registros administrativos. El gráfico 11 muestra la reducción en la tasa de hospitalización por enfermedades relacionadas con el estilo de vida entre hombres de mediana edad en Escocia. La línea vertical indica el momento de implementación de la reforma, tras el cual se observa una caída significativa en las hospitalizaciones, con efectos que se intensifican en las edades de 45 a 55 años.

Este trabajo aporta nueva evidencia a la literatura existente al mostrar cómo los beneficios de la educación en la salud evolucionan a lo largo del ciclo de vida, destacando la relevancia de la inversión en educación para la reducción de hospitalizaciones relacionadas con comportamientos de riesgo. Según el modelo extendido de demanda de salud de Grossman (1972), la mayor escolarización lleva a una mejor gestión de la salud a lo largo de la vida, al incrementar la eficiencia en el uso de la información sanitaria y la adopción temprana de prácticas preventivas. Esto se traduce en una disminución acumulativa de hospitalizaciones por enfermedades como la hipertensión y la diabetes, cuyo riesgo se incrementa con la edad.

En definitiva, un mayor nivel educativo también está vinculado a una mayor esperanza de vida y a una reducción de las comorbilidades. La educación juega un papel clave en el desarrollo del conocimiento sobre la salud, la implementación de comportamientos saludables, el uso de servicios preventivos (Feinstein et al., 2004) y la omisión de conductas de riesgo, como el tabaquismo (Clark & Royer, 2013). En general, se ha encontrado que la educación reduce el tabaquismo, el uso de sustancias, la depresión, la obesidad y los malos resultados de salud, a la vez que fomenta el ejercicio regular. El efecto causal de la educación sobre la salud y los comportamientos saludables parece ser especialmente pronunciado en los hombres (Conti et al., 2010).

Farquharson et al. (2024) también señalan que la educación tiene numerosos impactos adicionales que benefician tanto a los individuos como a la sociedad en su conjunto. Entre la evidencia que citan de la literatura encuentran investigaciones que demuestran que las personas con niveles educativos más bajos tienen una mayor prevalencia de condiciones de salud mental, y esta ha aumentado a un ritmo más acelerado en comparación con aquellos con mayor nivel educativo. Existe evidencia científica sobre los mecanismos a través de los cuales la educación puede reducir el comportamiento delictivo. Estos incluyen el aumento de las habilidades y la capacidad para obtener un empleo legítimo; el incremento de los ingresos; la mejora de las «habilidades blandas» como la toma de decisiones y la paciencia. Por ejemplo, Feinstein (2002) estima que, si el 1 % de la población en edad laboral sin cualificación obtuviera un nivel educativo equivalente al bachillerato, el ahorro por la reducción de delitos sería de más de 700 millones de euros anuales. En el mismo sentido, Machin et al. (2011) demuestran, también para el Reino Unido, que aumentar la edad mínima para abandonar la escuela redujo de forma significativa los delitos contra la propiedad durante la década siguiente.

Farquharson et al. (2024) también recogen que el nivel educativo es capaz de predecir la confianza social e institucional, así como la propensión a participar en la política (Green et al., 2003; Hall, 1999). La educación genera capital social y puede contribuir al buen funcionamiento de las democracias, al aumentar los beneficios de la participación cívica y el apoyo a regímenes inclusivos y basados en amplios consensos (Glaeser et al., 2007)

Finalmente, Farquharson et al. (2024) presentan múltiples estudios (Black et al., 2024; Currie & Moretti, 2003) que demuestran que las madres con mayores niveles educativos tienen hijos con un mejor rendimiento académico y menos problemas de comportamiento. La educación de los padres puede beneficiar a los hijos a través de efectos en los ingresos, al obtener trabajos mejor remunerados y cambios en la oferta laboral materna, así como mediante la postergación de la maternidad y el emparejamiento selectivo (Carneiro et al., 2013). Los padres con niveles educativos más altos también pueden tener un mejor conocimiento sobre el sistema educativo y una mayor capacidad para apoyar el aprendizaje de sus hijos en casa.

Existen también beneficios intergeneracionales que justifican aún más la inversión pública en educación obligatoria. En un estudio reciente, (Huebener, 2025), se analiza el impacto causal de un año adicional de escolarización obligatoria en Alemania tras la Segunda Guerra Mundial, aprovechando su implementación escalonada entre los estados federados. El estudio revela que un año adicional de educación materna reduce en un 17 % la probabilidad de que los hijos fumen en la adolescencia y en un 21 % la probabilidad de que tengan sobrepeso. Estos efectos persisten en la edad adulta, con mejoras en la salud autopercibida y una menor incidencia de enfermedades crónicas. En cambio, no se observan efectos significativos asociados a la escolarización paterna. Los resultados sugieren que el mecanismo principal se relaciona con un mayor capital humano de los hijos y una mejora en su entorno escolar y de pares, más que con aumentos en la renta familiar o cambios en el comportamiento de salud de los progenitores. Este trabajo aporta evidencia robusta sobre los beneficios no monetarios de la educación obligatoria y sobre cómo esta puede contribuir a romper el ciclo intergeneracional de desventajas en salud y bienestar.

Hay algunos trabajos que encuentran algunos efectos negativos en habilidades no cognitivas de las reformas educativas de la escolarización obligatoria en países de ingresos bajos y medios. Entorf y Dohmen (2025) analizan cinco reformas en Bolivia, Colombia, Ghana y Vietnam que ampliaron la duración mínima de la educación obligatoria, utilizando datos del programa STEP del Banco Mundial. Mediante un diseño cuasiexperimental con regresión discontinua, los autores estiman que estas reformas aumentaron los años de escolarización en 0,95 años y generaron efectos significativos en habilidades no cognitivas. Concretamente, la educación adicional incrementó la apertura a nuevas experiencias y el pensamiento consecuencial, mientras que redujo la estabilidad emocional, la perseverancia (grit), la paciencia, el sesgo de atribución hostil y la propensión al riesgo. A través de una regresión salarial tipo Mincer, muestran que el 40 % del efecto positivo de la educación sobre los ingresos se debe a cambios en estas habilidades no cognitivas.

En suma, la ampliación de la enseñanza básica hasta los 18 años contribuiría a reducir el abandono educativo temprano, a mejorar el nivel formativo de los jóvenes y a fomentar la cohesión social» (López Rupérez, García e Sanz, 2015). El balance entre beneficios y costes públicos arroja un valor actual neto de 20.441 USD para los hombres y de 15.985 USD para las mujeres, lo que implica una tasa interna de retorno del 6,1 % y 5,2 %,
respectivamente.

3.3. Integración de la formación reglada y el empleo a partir de los 16 años: un enfoque de segunda oportunidad

El establecimiento de un sistema que permita a los jóvenes de 16 años compaginar la formación reglada con el empleo presenta ventajas significativas, especialmente en términos de continuidad educativa y desarrollo personal. Esta flexibilidad permitiría que aquellos estudiantes que, por diversas razones, sienten la necesidad de comenzar a trabajar a una edad temprana no se vean obligados a abandonar el sistema educativo, evitando así la pérdida de hábitos de estudio y facilitando su permanencia en un entorno formativo. Oreopoulos (2006) muestra que mantener a los estudiantes conectados con la educación, incluso en modalidades combinadas con el empleo, reduce la probabilidad de abandono definitivo y promueve la adquisición de habilidades fundamentales para su futuro desarrollo profesional. En términos de desarrollo personal, la integración de trabajo y estudio permite a los estudiantes adquirir competencias prácticas y fortalecer habilidades no cognitivas, como la responsabilidad y la gestión del tiempo, que son esenciales en cualquier ámbito profesional. La experiencia de Canadá y otros países que han implementado este tipo de políticas demuestra que, cuando los estudiantes perciben un valor real en continuar su educación, están más dispuestos a permanecer en el sistema educativo y a beneficiarse de las oportunidades que este les ofrece (Oreopoulos, 2006).

4. PROPUESTA PARA ESPAÑA: BENEFICIOS ESPERADOS Y DESAFÍOS

Extender la educación obligatoria hasta los 18 años en España podría contribuir a reducir el riesgo de pobreza y mejorar las perspectivas laborales de los jóvenes. Un análisis territorial revela que esta medida sería especialmente beneficiosa en aquellas comunidades autónomas con tasas de abandono educativo superiores a la media nacional.

El cuadro 11 muestra la evolución de la tasa de abandono temprano en la educación y formación por comunidades autónomas entre 2004 y 2024. Aunque se aprecia una reducción generalizada, persiste una marcada heterogeneidad regional. En 2024, comunidades como País Vasco (5,0 %), Cantabria (5,5 %) y Navarra (9,9 %) ya han logrado situarse por debajo o cerca del objetivo del 9 % fijado por la Unión Europea para 2030. También Asturias (10,5 %), Madrid (10,5 %), Galicia (10,8 %) y Castilla y León (10,8 %) se aproximan al cumplimiento de este objetivo.

En cambio, otras regiones siguen registrando cifras preocupantes. Destacan Melilla (26,0 %), Illes Balears (20,1 %), La Rioja (17,0 %) y Murcia (18,2 %), con tasas notablemente superiores a la media nacional (12,98 %) y al promedio de la UE (9,3 %). La brecha territorial evidencia que, si bien ha habido avances, sigue siendo necesario actuar con mayor intensidad en determinados contextos autonómicos.

La evolución histórica muestra mejoras significativas. Por ejemplo, en Murcia la tasa ha descendido 25,4 puntos porcentuales (de 43,6  % en 2004 a 18,2 % en 2024), lo que equivale a una reducción del 58,3 %. Cantabria, por su parte, ha registrado una bajada de 21,2 puntos (de 26,7 % a 5,5 %), lo que supone una reducción del 79,4 %. También destacan los casos de Asturias y Madrid, que han reducido su tasa de abandono en más de 15 puntos porcentuales.

Desde una perspectiva estadística, la evolución entre 2004 y 2024 muestra una clara reducción de la dispersión absoluta entre comunidades. La varianza de las tasas autonómicas se ha reducido de 74,2 % en 2004 al 23,7 % en 2024. Sin embargo, el coeficiente de variación, que mide la desigualdad relativa respecto a la media nacional, ha aumentado de 0,27 % en 2004 al 0,36 % en 2024. Esto indica que, aunque el nivel general de abandono ha disminuido de forma significativa, las diferencias proporcionales entre regiones se han ampliado. En otras palabras, la mejora ha sido desigual: algunas comunidades han avanzado mucho más rápido que otras.

Por tanto, extender la educación obligatoria hasta los 18 años puede ser especialmente útil en regiones que aún muestran altas tasas de abandono. Sin embargo, esta medida debe ir acompañada de una diversificación de la oferta educativa que atienda mejor las necesidades e intereses de los estudiantes. La ampliación y mejora de la Formación Profesional, así como itinerarios especializados (artísticos, deportivos, técnicos), junto con una orientación educativa más sólida y una mejora estructural en la calidad de la enseñanza, son factores clave para consolidar una reducción sostenida y equitativa del abandono escolar en todo el territorio.

4.1. Simulación del impacto de extender la educación obligatoria de los 16 a los 18 años en España

Numerosos estudios empíricos han demostrado que la extensión de la educación obligatoria tiene un efecto causal positivo sobre múltiples dimensiones del bienestar individual y colectivo. En base a la evidencia internacional más sólida (cuadro 1), es posible realizar una simulación razonada del impacto que tendría en España una medida similar a la que han adoptado países como Reino Unido, Canadá, Noruega o más recientemente Escocia.

Por ejemplo, Oreopoulos (2006, 2007) y Angrist y Krueger (1991) estiman que un año adicional de escolarización obligatoria incrementa los ingresos laborales anuales entre un 7,5 % y un 15 %, dependiendo del contexto institucional y del grupo analizado. Si trasladamos estas estimaciones al caso español, donde el salario medio anual bruto se sitúa en torno a los 27.000 euros, el impacto de dos años adicionales de educación podría suponer un aumento de entre 4.050 euros y 8.100 euros anuales por trabajador. A lo largo de la vida laboral, este diferencial podría traducirse en un incremento acumulado de ingresos superior a los 150.000 euros, especialmente si se considera la reducción en tasas de desempleo y la mayor estabilidad contractual que suele acompañar a niveles educativos superiores.

Además de los beneficios económicos individuales, los estudios también destacan efectos intergeneracionales y sociales. El trabajo de Oreopoulos et al. (2006) en EE. UU. muestra que cada año adicional de educación de los padres reduce en hasta 7 puntos porcentuales la probabilidad de repetición escolar de sus hijos y hasta en 5 puntos la de abandono temprano. Black et al. (2024), por su parte, encuentran en Noruega que el impacto de una reforma similar fue mayor entre los estudiantes de menor nivel socioeconómico, mejorando significativamente tanto sus ingresos como el nivel educativo de sus hijos. Estos efectos intergeneracionales son especialmente relevantes para el contexto español, donde persisten importantes desigualdades de origen social.

Desde un punto de vista agregado, Hofmarcher (2021) estima que un año adicional de escolarización obligatoria reduce el riesgo de pobreza en un 29 %, las dificultades económicas en un 17 % y mejora la salud y la confianza institucional. En el caso de España, donde la tasa de pobreza relativa para la población joven se sitúa por encima del 25 % (INE, 2024), una reforma de este tipo podría contribuir de forma notable a reducir la exclusión social.

En términos de capital humano, diversos trabajos cuantifican los retornos educativos en torno al 10 % por año adicional (Psacharopoulos, 2024). Esto implica que los beneficios sociales de prolongar la escolarización hasta los 18 años —en términos de productividad, participación laboral, reducción del desempleo y mejora del bienestar— superan ampliamente los costes estimados por alumno. El balance coste-beneficio elaborado por López Rupérez et al. (2015) ya apuntaba a una tasa interna de retorno del 6,1 % para los hombres y 5,2 % para las mujeres, cifras conservadoras si se tienen en cuenta los nuevos datos disponibles y la mejora de los itinerarios formativos tras la LOMLOE.

En suma, si España implantara esta medida, cabría esperar:

• Un incremento promedio del 10 % en los ingresos laborales de los beneficiarios;
  
• Una reducción del 25 %-30 % en la tasa de pobreza juvenil;
  
• Un aumento de hasta 2 puntos porcentuales en la tasa de finalización de la secundaria superior;
  
• Una mejora intergeneracional en los resultados escolares de los hijos;
  
• Una reducción de hasta 0,3 desviaciones estándar en indicadores negativos de salud (Gehrsitz & Williams, 2024).

Estas cifras no solo son compatibles con la experiencia internacional, sino que están alineadas con los objetivos estratégicos de la UE y con las metas de sostenibilidad educativa fijadas en la Agenda 2030.

a. Análisis microeconómico

La inversión en educación secundaria superior genera beneficios no solo económicos, como el incremento salarial o la reducción del desempleo, sino también sociales, como una mejor salud mental o una mayor participación cívica. España se encuentra entre los países donde se producen más beneficios privados por finalizar la Formación Profesional de grado medio o el Bachillerato (López Rupérez et al., 2015). El valor actual neto para los hombres es de 115.798 dólares PPA, frente a los 89.566 USD de media de la UE-21; para las mujeres es de 80.159 USD frente a los 61.131 USD del promedio europeo.

En el análisis del impacto de extender la obligatoriedad del sistema educativo desde los 16 hasta los 18 años, utilizamos una metodología microeconómica basada en el modelo de capital humano, como se discute ampliamente en la literatura de (Harmon et al. (2003). Este marco teórico considera la educación como una inversión en capital humano, donde los individuos deciden invertir en educación en función de los retornos financieros futuros derivados de una mayor cualificación y el costo asociado a la inversión educativa, tanto en términos de tiempo como de ingresos perdidos durante el periodo de formación.

El enfoque metodológico se centra en la especificación del modelo de Mincer (1974), el cual estima la relación entre la educación y los ingresos futuros. El modelo adopta una ecuación logarítmica de ingresos, donde el nivel de educación, la experiencia laboral y otros factores se incluyen como variables explicativas. Este modelo ha sido ampliamente aplicado para estimar los retornos a la educación, y su simplicidad permite el uso de datos de microencuestas, como los censos, para obtener una estimación robusta del retorno privado a la educación.

A partir del modelo de capital humano desarrollado por Gary Becker y Jacob Mincer, que se utiliza para estimar los retornos a la educación. En este enfoque, la educación se interpreta como una inversión en capital humano, en la que los individuos sacrifican ingresos presentes a cambio de mayores ingresos futuros.

Modelo minceriano

La ecuación fundamental del modelo minceriano (Mincer, 1974) estima los retornos a la educación a través de una regresión logarítmica de los ingresos, en función de los años de escolarización y la experiencia laboral. La forma general de la ecuación es:

Donde:

• w_i es el ingreso del individuo i,

• s_i es el nivel de escolaridad (en años) del individuo i,

• x_i es la experiencia laboral (usualmente medida como la edad menos los años de escolaridad),

• x²i captura el efecto no lineal de la experiencia, considerando la disminución en el crecimiento salarial con el tiempo,

• e_i es el término de error que recoge otros factores no observados.

En este contexto, b1 representa el retorno promedio de un año adicional de escolaridad en términos de un incremento proporcional en los ingresos, mientras que los coeficientes b2 y b3 controlan por los efectos de la experiencia en el mercado laboral.

Extensión de la edad educativa obligatoria

Para analizar el impacto de extender la educación obligatoria de los 16 a los 18 años, se evalúa el incremento en los ingresos causado por dos años adicionales de educación. Esto se puede aproximar observando cómo varía el salario entre individuos con 16 años de educación (es decir, aquellos que dejaron la escuela a los 16 años) y aquellos con 18 años de educación (que completaron dos años más de estudios obligatorios).

El retorno marginal de esos dos años adicionales de educación (r18−r16) puede aproximarse como la diferencia en los logaritmos de los salarios de los individuos que completaron la educación a los 16 años y los que la completaron a los 18 años:

En este contexto, suponemos que los ingresos de los individuos con diferentes niveles de escolarización pueden ser explicados principalmente por la educación y la experiencia laboral, controlando por otras variables como el género, la región, y el estado civil, entre otras.

Consideración de costes y beneficios

Dentro del marco del capital humano, la decisión de prolongar la educación se basa en maximizar el valor presente neto (VPN) de los ingresos futuros, descontados por los costos actuales de prolongar la educación (costes directos e ingresos perdidos). El retorno interno (r_s) se define como la tasa de descuento que iguala los beneficios futuros con los costes actuales: 

Donde:

• w_t es el salario en el año t,

• w_t es el salario en el año t−1,

• c_s representa los costes directos e indirectos de un año adicional de escolarización,

• r_s es la tasa de retorno interno de la inversión educativa,

• T es el momento de la jubilación.

Si la tasa de retorno interna (r_s) es mayor que la tasa de interés de mercado, la inversión educativa es rentable. Para la extensión de la educación obligatoria, la clave es calcular si el retorno adicional de los dos años obligatorios supera la tasa de interés de mercado, lo que justificaría su implementación desde un punto de vista económico.

Una preocupación metodológica clave en este tipo de análisis es el sesgo de habilidad: individuos más capaces tienden a recibir más educación, lo que podría inflar la estimación de los retornos a la educación. Para abordar este sesgo, el modelo puede incorporar medidas de habilidad observadas o utilizar técnicas como las variables instrumentales (VI) que permiten corregir la endogeneidad en la elección educativa.

Esta estimación implica asumir que la decisión educativa es óptima desde el punto de vista de los individuos, quienes maximizan el valor presente de sus ingresos futuros descontados por el costo de oportunidad de prolongar la educación. En este sentido, la extensión de la obligatoriedad educativa se analiza como un aumento en la inversión en capital humano, cuyo retorno debe superar la tasa de descuento para ser social y económicamente viable (Harmon et al., 2003).

4.2. Costes de la ampliación

a. Estimación de los costes directos de la medida

La estimación del coste en términos de gasto corriente por la extensión de la escolarización obligatoria hasta los 18 años considera dos fuentes principales de incremento de gasto:

• Escolarización gratuita de alumnos de 16 y 17 años actualmente no escolarizados.
  
• Extensión de la gratuidad en las enseñanzas de educación secundaria superior (Bachillerato y Formación Profesional de grado medio en España).

Ambos cálculos se basan en datos del curso 2022-2023, último con cifras consolidadas.

A. Escolarización gratuita de alumnos no escolarizados

A1. Bases de cálculo

La estimación de los costes derivados de esta medida parte de las siguientes consideraciones:

• Identificación de las cohortes de alumnos de 16 y 17 años actualmente fuera del sistema educativo reglado.
  
• Aplicación de una implantación progresiva para asegurar viabilidad económica y organizativa.

Según nuestras estimaciones a partir de datos de Instituto Nacional de Estadística y del Ministerio de Educación, en el curso 2022-2023, 11.103 jóvenes de 16 años y 44.027 de 17 años estaban desescolarizados, un total de 55.130 personas. A efectos de cálculo, se asume la implantación progresiva, escolarizando gradualmente estas cohortes.

A2. Procedimiento de cálculo y resultados parciales

El coste se calcula utilizando el gasto público promedio por estudiante, que estimamos para el año 2022 en 7.543 euros anuales para la educación secundaria y Formación Profesional.

• Primer ejercicio económico
  Se escolariza una fracción de los jóvenes no escolarizados de 16 años durante el tercer cuatrimestre del año, lo que implica un coste de:
  1/3 del total de 11.103 alumnos x 7.543 euros/alumno = 27.915.610 euros.
  
• Segundo ejercicio económico:
  Se incluye la escolarización de los alumnos de 16 años durante todo el año y el tercer cuatrimestre de los de 17 años:
  2/3 del total de 11.103 alumnos x 7.543 euros/alumno = 55.831.220 euros.
  1/3 del total de 44.027 alumnos de 17 años x 7.543 euros/alumno = 110.694.457 euros.
  Total: 166.525.677 euros.
  
• Tercer ejercicio económico:
  Este ejercicio incluye la escolarización completa de los jóvenes de 16 y 17 años, con un coste estimado de:
  11.103 alumnos x 7.543 euros/alumno = 83.46.830 euros.
  44.027 alumnos de 17 años x 7.543 euros/alumno = 332.083.371 euros.
  Total: 415.830.201 euros.

B. Extensión de la gratuidad en las enseñanzas de educación secundaria

B1. Bases de cálculo

Este cálculo considera los alumnos de centros privados no financiados con fondos públicos en el curso 2022-2023. De los 137.659 alumnos matriculados en Bachillerato y Formación Profesional Media, se asume que se distribuyen equitativamente entre el primer y segundo curso.

B2. Procedimiento de cálculo y resultados parciales

Este incremento en el gasto equivale a un 1,64 % adicional del gasto público en educación en el año 2022 es, para el conjunto de las AA. PP. de 63.380,5 millones de euros, cantidad similar 1,61 % estimado por Rúperez et al. (2016) para el año 2014.

• Primer ejercicio económico
  Se incluye la escolarización gratuita durante el tercer cuatrimestre del primer curso de educación
  secundaria superior en centros privados, con un coste de:
  1/3 de 68.830 alumnos x 7.543 euros/alumno = 173.053.902 euros.
  
• Segundo ejercicio económico:
  Incluye la escolarización completa de los alumnos del primer curso y el tercer cuatrimestre del segundo curso:
  Total: 692.215.608 euros.
  
• Tercer ejercicio económico:
  Se contempla la escolarización completa de ambos cursos, con un coste total estimado de:
  1.038.323.411 euros.

B. Pérdidas de salarios de la población entre de 15 y 17 años afectada

Uno de los principales argumentos en contra de esta medida es que podría afectar a las familias que dependen de los ingresos generados por los adolescentes que trabajan entre los 15 y 17 años. En contextos de vulnerabilidad económica, estos ingresos, aunque modestos, pueden ser esenciales para el sustento familiar. Esta situación es particularmente relevante en España, donde una proporción significativa de jóvenes y sus familias enfrentan dificultades económicas. Por ejemplo, en 2022, la tasa de riesgo de pobreza o exclusión social para las personas jóvenes de 16 a 29 años se situaba en el 31,2 %. Además, se estima que el 68 % de los jóvenes pertenecientes al 40 % más pobre de la población abandona prematuramente sus estudios. Para estas familias, caracterizadas por el desempleo, bajos ingresos o la precariedad laboral, la contribución económica de un joven, incluso si no es muy elevada, puede destinarse a cubrir gastos básicos como alimentos, vivienda o material escolar, aliviando así la carga financiera de los progenitores. En algunos casos, los adolescentes logran compatibilizar el trabajo con los estudios precisamente para sufragar sus propios gastos educativos y personales, evitando así suponer una carga adicional para el hogar (Jiménez & Sánchez, 2022).

No obstante, Sainz y Sandoval-Hernández (2020) señalan que la decisión de abandonar el sistema educativo en favor del trabajo puede proporcionar ingresos inmediatos, pero a largo plazo perpetúa situaciones de pobreza y limita el desarrollo personal y profesional del joven. Si bien la incorporación temprana al mercado laboral permite obtener dinero a corto plazo, esta elección conlleva graves inconvenientes futuros, condenando a los jóvenes a una vida con menores ingresos y menor capital humano. Esta perspectiva se ve reforzada por datos que indican que la tasa de desempleo entre los jóvenes con solo la Educación Secundaria Obligatoria (ESO) es notablemente más alta que la de aquellos que han completado la educación secundaria superior o estudios universitarios. De hecho, la OISS advierte que esta problemática puede perpetuarse generacionalmente, ya que los menores no escolarizados probablemente tendrán hijos que también ingresen prematuramente al mercado laboral, continuando así el ciclo de pobreza y abandono educativo temprano.

El gráfico 15 muestra una estimación de los salarios que se dejarían de ver percibir si se estableciese la educación obligatoria hasta los 17 años a partir de los datos de la EPA de 2024. A partir de estos valores, se estima que la masa salarial anual generada por este grupo de edad asciende a más de 94,6 millones de euros brutos (62,9 millones por los trabajadores a tiempo completo y 31,8 millones por los de jornada parcial).

Desde esta perspectiva, cualquier reforma educativa que contemple la prolongación de la escolarización obligatoria debería considerar el impacto redistributivo inmediato sobre los hogares que dependen parcial o totalmente de estos ingresos. Si bien los beneficios a medio y largo plazo de incrementar los niveles educativos están ampliamente documentados en términos de empleabilidad y renta futura, los costes de oportunidad en términos de pérdida de ingresos actuales no son desdeñables, especialmente para las familias en situación de vulnerabilidad socioeconómica.

La preocupación por el impacto en las familias vulnerables se enmarca también en un debate más amplio sobre la propia implementación de la extensión de la escolaridad obligatoria. Existen voces críticas que apuntan a que, sin una adecuada dotación de recursos, una diversificación de los itinerarios formativos y un apoyo específico para el alumnado desmotivado o en riesgo de exclusión, la medida podría no alcanzar sus objetivos e incluso agravar la situación de algunos estudiantes y sus familias. Por tanto, el dilema reside en cómo equilibrar la necesidad inmediata de ingresos de algunas familias con la inversión a largo plazo en el capital humano de los jóvenes, que es fundamental para romper ciclos de pobreza y fomentar un desarrollo más equitativo (Consejo Escolar del Estado, 2024).

C. Otros costes

La ampliación de la educación obligatoria hasta los 18 años representa un avance significativo en el sistema educativo español, pero conlleva importantes implicaciones financieras que deben ser consideradas cuidadosamente. Es fundamental destacar que los costes asociados a esta medida no se limitan al simple incremento del número de estudiantes. Existen una serie de factores que pueden generar desviaciones al alza en los presupuestos educativos:

• Aumento de los costes administrativos. La gestión de un sistema educativo más amplio requerirá mayores recursos administrativos para tareas como la matriculación, la evaluación, la orientación y la gestión del personal docente y no docente. Además, será necesario invertir en sistemas de información más robustos para dar soporte a las nuevas demandas.
  
• Necesidades de infraestructuras y equipamiento. La ampliación de la escolarización obligatoria puede generar una mayor demanda de espacios educativos, especialmente en zonas con alta densidad de población. Asimismo, la actualización del equipamiento tecnológico y la adaptación de las instalaciones a las nuevas necesidades pedagógicas representarán un coste adicional.
  
• Heterogeneidad de los costes por alumno. El costo de educar a un alumno varía significativamente según la etapa educativa, la modalidad (bachillerato, formación profesional, etc.) y las necesidades educativas especiales.
  
• Costes de la formación profesional dual. La promoción de la formación profesional dual, que combina la formación en el centro educativo con la práctica en empresas, puede generar nuevos costos relacionados con la coordinación entre ambos ámbitos y la supervisión de los estudiantes en las empresas.
  
• Impacto de la repetición. La repetición de curso aumenta el costo por alumno y reduce la eficiencia del sistema educativo. Es necesario considerar el impacto de las medidas para reducir la repetición en los costos totales.
  
• Evolución demográfica y social. La disminución de la natalidad y el envejecimiento de la población pueden generar una disminución de la matrícula a largo plazo, pero también pueden requerir ajustes en la oferta educativa para atender las necesidades de una población más diversa.
  
• Impacto de la enseñanza privada. La existencia de la enseñanza privada puede limitar el crecimiento de la matrícula en la enseñanza pública, pero también puede generar una demanda de servicios complementarios por parte de las familias.
  
• Otras modalidades de financiación. La existencia de otras modalidades de financiación, como las becas y ayudas directas a las familias, puede afectar la distribución de los costos entre el Estado, las familias y las empresas.
  

5. CRÍTICAS A LA PROPUESTA DE EXTENSIÓN DE LA ENSEÑANZA OBLIGATORIA HASTA LOS 18 AÑOS

Aunque la ampliación de la enseñanza obligatoria hasta los 18 años en España se plantea como una medida para mejorar el capital humano y fomentar la equidad en el sistema educativo, no está exenta de críticas. Una de las principales objeciones se centra en la falta de consenso y las dificultades de implementación, especialmente si no se tienen en cuenta las opiniones de los docentes y el contexto de cada centro educativo.

En los debates recientes, muchos profesores han expresado su preocupación sobre la efectividad de esta medida, señalando que podría aumentar la desmotivación de los estudiantes y generar disrupciones en el aula. Actualmente, un porcentaje significativo de estudiantes llega a los 16 años con poco interés en los estudios, y forzar su permanencia en el sistema educativo sin ofrecer una orientación adecuada y programas motivacionales específicos podría resultar contraproducente. La experiencia de la ampliación de la educación obligatoria de los 14 a los 16 años ya evidenció un incremento de problemas de convivencia en algunos centros, especialmente en los situados en áreas socioeconómicamente desfavorecidas.

Según estos profesionales educativos, la implementación de esta medida sin una planificación detallada y sin recursos adicionales podría impactar negativamente en la calidad de la educación. La crítica principal radica en que la propuesta, aunque bien intencionada, podría estar desconectada de la realidad cotidiana de muchos institutos y centros educativos en España. Asimismo, se teme que la obligatoriedad hasta los 18 años aumente la ratio de estudiantes por aula en las etapas de Formación Profesional Básica, FP Media y Bachillerato, incrementando la presión sobre los recursos educativos ya existentes. Además, la extensión de la obligatoriedad requeriría un incremento en la dotación de personal docente especializado y la diversificación de la oferta educativa, para atender la diversidad de intereses y capacidades de los estudiantes y así evitar un nuevo abandono a los 18 años.

Una implementación gradual, que comenzara en determinadas zonas geográficas y que permitiera una evaluación rigurosa de los resultados, podría ser una alternativa a considerar. Este enfoque posibilitaría identificar con mayor precisión qué ajustes son necesarios y en qué contextos específicos la medida podría ser más efectiva. Además, ofrecería la oportunidad de diseñar una propuesta más flexible y adaptada a las necesidades reales de los estudiantes y profesores, permitiendo la obtención de datos empíricos para fundamentar la expansión de la obligatoriedad educativa a nivel nacional.

La propuesta se fundamenta en la necesidad de reducir las diferencias socioeconómicas que persisten en el sistema educativo español. A pesar de los esfuerzos realizados, el 25,7 % de los jóvenes de entre 25 y 34 años tiene como máximo la ESO finalizada, un porcentaje que duplica la media europea, situada en el 12,3 % (gráfico 16). Además, la tasa de desempleo entre los jóvenes con solo la ESO se sitúa en un 22 %, frente al 16 % de los que han completado la educación secundaria superior y el 9 % de los titulados universitarios o de FP Superior. Sin embargo, voces críticas argumentan que extender la obligatoriedad educativa no resolverá este problema si no se aborda simultáneamente la falta de atracción y relevancia de algunos itinerarios educativos, como la FP Básica o los ciclos formativos con menor inserción laboral.

En cuanto a la viabilidad económica de la medida, también se han planteado preocupaciones. Los costes asociados a la ampliación de la educación obligatoria, tanto en términos de infraestructura como de personal, podrían ser elevados, especialmente si se tiene en cuenta que muchos jóvenes actualmente desescolarizados necesitarían apoyo adicional para reincorporarse al sistema educativo.

Finalmente, algunos expertos sugieren que antes de hacer la educación obligatoria hasta los 18 años, se debería priorizar la inversión en la mejora de la calidad educativa y en la diversificación de itinerarios formativos para que los jóvenes encuentren un incentivo real para permanecer en el sistema educativo. La adaptación de los itinerarios a las necesidades del mercado laboral y a las expectativas de los estudiantes, junto con la integración de programas de orientación educativa y apoyo académico, podrían ser estrategias más efectivas para abordar las desigualdades y reducir el abandono escolar.

En conclusión, aunque la propuesta de extender la enseñanza obligatoria hasta los 18 años tiene el potencial de reducir el abandono educativo temprano y mejorar las oportunidades de los jóvenes, presenta importantes desafíos de implementación y aceptación entre la comunidad educativa. Por ello, un enfoque gradual y adaptativo, basado en la experimentación en zonas piloto y en un diálogo continuo con los docentes, podría ser la estrategia más adecuada para llevar a cabo esta ambiciosa reforma educativa.

La obligatoriedad de la enseñanza entre los 16 y 18 años no implicaría una permanencia uniforme y rígida en un sistema único. La propuesta de extender la enseñanza obligatoria hasta los 18 años no implica imponer un único itinerario educativo, sino garantizar que todos los jóvenes, durante esa etapa, dispongan de un conjunto de alternativas estructuradas, orientadas y acompañadas.

La legislación vigente ya contempla esta diversidad de opciones. La LOMLOE (Ley Orgánica 3/2020) ha reforzado la diversificación de trayectorias educativas a partir de los 16 años. A esa edad, los estudiantes pueden optar por:

• Bachillerato, en cualquiera de sus modalidades: General, Ciencias y Tecnología, Humanidades y Ciencias Sociales, o Artes;

• Formación Profesional de Grado Medio, en cualquiera de sus familias profesionales;
  
• Formación Profesional Básica, para quienes lo necesiten por su perfil o trayectoria;
  
• Itinerarios flexibles ofrecidos por las administraciones educativas, incluidos programas de segunda oportunidad;
  
• Modalidades semipresenciales o a distancia, para compaginar estudio y otras responsabilidades;
  
• Formación Profesional Dual, que combina aprendizaje en centros educativos y experiencia práctica en empresas.
  
• Las enseñanzas profesionales de música y danza.
  
• Las enseñanzas profesionales de artes plásticas y diseño de grado medio.
  
• Las enseñanzas deportivas de grado medio.

A ello se suman medidas de atención a la diversidad, adaptaciones curriculares, orientación personalizada y programas específicos para el alumnado con necesidades educativas especiales o en riesgo de exclusión.

Como señala el informe de López Rupérez et al. (2015), este diseño pluralista no es una contradicción con la obligatoriedad, sino una forma de hacerla efectiva sin uniformidad: “se trata de aumentar las vías de éxito como una forma de adaptarse mejor –con eficacia y eficiencia– a las opciones formativas individuales” (p. 15). Esta pluralidad de trayectorias evita la expulsión temprana del sistema educativo y permite que cada joven avance por un camino coherente con sus intereses, habilidades y situación personal, dentro de un marco común de exigencia, calidad y equidad.

En resumen, la obligatoriedad entre los 16 y los 18 años no suprime la libertad de elección, sino que asegura que exista una oferta educativa diversa, significativa y accesible para todos los jóvenes. Frente al abandono o la exclusión, se abren múltiples puertas.

6. CONCLUSIONES

La extensión de la escolarización obligatoria hasta los 18 años en España es una medida con potencial para reducir el abandono escolar temprano, incrementar el capital humano del país y fomentar la cohesión social. La evidencia empírica de diversos estudios internacionales muestra que un año adicional de educación tiene efectos positivos significativos en los ingresos laborales, la empleabilidad, y la estabilidad económica de los individuos. Además, prolongar la educación obligatoria puede mejorar habilidades no cognitivas y sociales, que son cada vez más valoradas en el mercado laboral globalizado actual.

Esta iniciativa también contribuiría a la reducción de las desigualdades socioeconómicas, proporcionando mayores oportunidades de educación a sectores más amplios de la población, especialmente en contextos desfavorecidos. La experiencia de otros países como Canadá y Reino Unido sugiere que la extensión de la educación obligatoria se traduce en una mayor probabilidad de finalizar estudios secundarios, una disminución en el uso de prestaciones sociales y una mejora en la salud y el bienestar a largo plazo.

Si bien los beneficios sociales y económicos de la medida son claros, su implementación exige una valoración realista de los costes para el erario y para las familias. La experiencia internacional indica que la aceptación social de la reforma aumenta cuando se explica no solo como una inversión en capital humano, sino también en términos de sostenibilidad y comparabilidad con otros países.

Sin embargo, para que esta reforma educativa sea eficaz, debe ir acompañada de medidas complementarias que aseguren una mejora en la calidad de la educación. Esto incluye la diversificación de la oferta educativa, con itinerarios formativos adaptados a las necesidades e intereses de los estudiantes, y la implementación de programas de orientación educativa. También es crucial considerar los costos asociados a esta medida y su sostenibilidad financiera a largo plazo. La estimación de los costes directos e indirectos revela que la implementación de esta reforma podría suponer un aumento significativo en el gasto educativo, por lo que es necesario un enfoque estratégico en su ejecución para maximizar los beneficios y mitigar los posibles desafíos financieros.

Una de las objeciones más frecuentes a la extensión de la educación obligatoria hasta los 18 años es que supondría una restricción de la libertad de los jóvenes al imponerles permanecer en el sistema educativo dos años más. Sin embargo, esta crítica se basa en una concepción errónea de la libertad. Como argumenta José Antonio Marina (2016), la educación obligatoria no niega la autonomía personal, sino que la potencia al garantizar que todos los jóvenes, con independencia de su origen social o familiar, cuenten con los conocimientos, competencias y actitudes básicas necesarias para ejercer esa libertad de forma efectiva. Esta idea se refuerza en el estudio de López Rupérez et al. (2015), quien sostiene que “la aparente restricción de la libertad individual deriva, paradójicamente, en un incremento de la misma”, al aumentar las oportunidades reales de elección para todos los estudiantes. De hecho, abandonar el sistema educativo a los 16 años no siempre es fruto de una decisión libre e informada, sino muchas veces de un contexto de desventaja que limita las opciones futuras. La extensión de la obligatoriedad es, en ese sentido, una política de equidad: nivela el punto de partida y permite a los jóvenes decidir con más madurez y más información.

La segunda crítica habitual sostiene que entre los 16 y los 18 años los estudiantes ya tienen derecho a elegir y que imponerles continuar en el sistema educativo elimina esa capacidad de decisión. Pero esta crítica pierde fuerza si se examinan las alternativas que ya contempla el marco normativo vigente, especialmente la LOMLOE (Ley Orgánica 3/2020), que ha reforzado la diversificación de trayectorias en la educación postobligatoria. Así, a los 16 años los estudiantes pueden optar por cursar el Bachillerato en cualquiera de sus modalidades (General, Ciencias y Tecnología, Humanidades y Ciencias Sociales, o Artes), por un ciclo de Formación Profesional de grado medio, por una FP Básica, o por acceder a programas adaptados a su situación personal y educativa, incluyendo medidas de atención a la diversidad y adaptaciones específicas según su contexto socioeducativo.

Además, el sistema ofrece modalidades semipresenciales, a distancia, o de incorporación progresiva al mundo laboral a través de la FP Dual. La LOMLOE también contempla itinerarios de segunda oportunidad y programas combinados con experiencias prácticas, como el Programa de Formación Profesional Intensiva. Estas múltiples opciones garantizan que los jóvenes no permanezcan pasivamente en el sistema, sino que se les ofrece un abanico amplio de trayectorias adaptadas a sus intereses, capacidades y circunstancias.

En definitiva, la extensión de la educación obligatoria no implica forzar a todos los jóvenes a seguir el mismo camino, sino asegurar que ningún estudiante abandone sin haber alcanzado un nivel mínimo de formación que le permita desenvolverse como ciudadano libre y autónomo. Lejos de limitar la libertad, esta medida la garantiza. Lejos de imponer una única vía, multiplica las alternativas reales. Y lejos de mantener a los jóvenes en un aula sin propósito, les ofrece proyectos formativos personalizados y adaptados a las exigencias sociales, educativas y laborales del siglo XXI.

Referencias

Acemoglu, D., Pekkarinen, T., Salvanes, K. G., & Sarvimäki, M. (2025). The making of social democracy: The economic and electoral consequences of Norway’s 1936 folk school reform. Journal of the European Economic Association, 23(1), 119–158. https://doi.org/10.1093/jeea/jvae039

Angrist, J. D., & Krueger, A. B. (1991). Does compulsory school attendance affect schooling and earnings? The Quarterly Journal of Economics, 106(4), 979–1014. https://doi.org/10.2307/2937954

Black, S. E., Devereux, P. J., & Salvanes, K. G. (2024). Education and intergenerational mobility: Evidence from a reform in Norway. American Economic Journal: Applied Economics, 16(2), 1–32.

Cabus, S. J., & De Witte, K. (2011). Does school time matter?—On the impact of compulsory education age on school dropout. Economics of Education Review, 30(6), 1384–1398. https://doi.org/10.1016/j.econedurev.2011.07.003

Carneiro, P., Meghir, C., & Parey, M. (2013). Maternal education, home environments, and the development of children and adolescents. Journal of the European Economic Association, 11(S1), 123–160. https://doi.org/10.1111/j.1542-4774.2012.01096.x

Clark, D., & Royer, H. (2013). The effect of education on adult health and mortality: Evidence from Britain. American Economic Review, 103(6), 2087–2120. https://doi.org/10.1257/aer.103.6.2087

Comisión Europea, Dirección General de Educación, Juventud, Deporte y Cultura. (2024).Education and training monitor 2024 : comparative report, Oficina de Publicaciones de la Unión Europea. https://data.europa.eu/doi/10.2766/815875

Comisión Europea. European Education and Culture Executive Agency. (2023). Compulsory education in Europe – 2023/2024. Publications Office of the European Union. https://data.europa.eu/doi/10.2797/681438

Conti, G., Heckman, J. J., & Urzua, S. (2010). The education-health gradient. American Economic Review, 100(2), 234–238. https://doi.org/10.1257/aer.100.2.234

Currie, J., & Moretti, E. (2003). Mother’s education and the intergenerational transmission of human capital: Evidence from college openings. The Quarterly Journal of Economics, 118(4), 1495–1532. https://doi.org/10.1162/003355303322552856

Deming, D. J. (2022). Four Facts about Human Capital. Journal of Economic Perspectives, 36(3), 75–102. https://doi.org/10.1257/jep.36.3.75

Educativos, S. E. de I. (2023). Publicación de datos estadísticos. Curso 2021-2022. Ministerio de Educación, Formación Profesional y Deportes.

Entorf, A. K., & Dohmen, T. J. (2025). The effect of compulsory education on non-cognitive skills: Evidence from low- and middle-income countries. Economics of Education Review, 107, 102654. https://doi.org/10.1016/j.econedurev.2025.102654

Eurostat. (2025). Early leavers from education and training by sex and degree of urbanisation.

Farquharson, C., McNally, S., & Tahir, O. (2024). Nursery education and later outcomes. Centre for
Economic Performance, LSE.

Feinstein, L. (2002). Estimates of the social benefits of learning, 1: Crime. https://core.ac.uk/download/pdf/111067632.pdf

Feinstein, L., Duckworth, K., & Sabates, R. (2004). A model of the inter-generational transmission of educational success. Centre for Research on the Wider Benefits of Learning. https://discovery.ucl.ac.uk/id/eprint/10005973/1/Feinstein2004Amodel.pdf

Glaeser, E. L., La Porta, R., Lopez-de-Silanes, F., & Shleifer, A. (2007). Do institutions cause growth? Journal of Economic Growth, 9(3), 271–303. https://doi.org/10.1023/B:JOEG.0000031425.72248.85

Green, A., Preston, J., & Sabates, R. (2003). Education, equality and social cohesion: A comparative analysis. Compare: A Journal of Comparative and International Education, 33(4), 453–470. https://doi.org/10.1080/0305792032000127757

Grossman, M. (1972). On the concept of health capital and the demand for health. Journal of Political Economy, 80(2), 223–255. https://doi.org/10.1086/259885

Hall, P. A. (1999). Social capital in Britain. British Journal of Political Science, 29(3), 417–461. https://doi.org/10.1017/S0007123499000201

Hanushek, E. A., & Woessmann, L. (2020). The economic impacts of learning losses. OECD Education
Working Papers, 225. https://edworkingpapers.com/sites/default/files/Hanushek%2BWoessmann%202020%20OECD%20Education%20Working%20Paper%20No.%20225.pdf

Harmon, C., Oosterbeek, H., & Walker, I. (2003). The returns to education: Microeconomics. Journal of Economic Surveys, 17(2), 115–156. https://doi.org/10.1111/1467-6419.00191

Hofmarcher, T. (2021). The effect of education on poverty: A European perspective. Economics of
Education Review, 83, 102124.

Huebener, M. (2025). The effects of education on health: An intergenerational perspective. Journal of Human Resources, 60(1), 1–45. https://doi.org/10.3368/jhr.0322-12271R2

Jansen, M., & Lacuesta, A. (2024). La educación post-obligatoria. Economía de La Educación, 315–364.

Jiménez, N., & Sánchez, S. (2022). El impacto de la Garantía Juvenil Reforzada en la juventud en pobreza y vulnerabilidad social. EAPN España.

Karlson, K. B., & Landersø, R. (2024). The making and unmaking of opportunity: educational mobility in 20th-century Denmark. Scandinavian Journal of Economics, 127(1), 178–212. https://doi.org/10.1111/sjoe.12567

López Rupérez, F., García, I., & Sanz Labrador, I. (2015). La extensión de la enseñanza básica hasta los 18 años: Beneficios y costes. Fundación FAES.

Machin, S., Marie, O., & Vujić, S. (2011). The Crime Reducing Effect of Education. Economic Journal, 121(552), 463–484. https://doi.org/10.1111/j.1468-0297.2011.02430.x

Marina, J. A. (2016). Propuesta para un pacto educativo. Fundación AXA.

Mincer, J. (1974). Schooling, experience, and earnings. National Bureau of Economic Research.

OCDE, & Ministerio de Educación, Formación Profesional y Deportes. (2023). Panorama de la Educación 2023: Indicadores de la OCDE. OECD Publishing. https://doi.org/10.1787/e24cf7b5-es

Oreopoulos, P. (2006). Estimating average and local average treatment effects of education when compulsory schooling laws really matter. American Economic Review, 96(1), 152–175.

Oreopoulos, P. (2007). Do dropouts drop out too soon? Wealth, health and happiness from compulsory schooling. Journal of Public Economics, 91(11), 2213–2229. https://doi.org/https://doi.org/10.1016/j.jpubeco.2007.02.002

Oreopoulos, P., Page, M. E., & Stevens, A. H. (2006). The intergenerational effects of compulsory schooling. Journal of Labor Economics, 24(4), 729–760. https://doi.org/10.1086/507547

Oreopoulos, P., & Salvanes, K. G. (2011). Priceless: The nonpecuniary benefits of schooling. Journal of Economic Perspectives, 25(1), 159–184.

Profesional, M. de E. y F. (2023). Estadística de las enseñanzas no universitarias. Resultados académicos del curso 2021-2022.

Psacharopoulos, G. (2024). Returns to education: a brief history and an assessment. Education Economics, 32(5), 561–565. https://doi.org/10.1080/09645292.2024.2370119

Sainz, J., & Sandoval-Hernández, A. (2020). Nuevos datos, nuevos retos: Iberoamérica en las últimas evaluaciones educativas. Revista Iberoamericana de Educación, 84(1 SE-Editorial). https://doi.org/10.35362/rie8414121

Serrano, R., Alegre, M. Á., & Villar, E. (2014). Determinantes socioeconómicos del rendimiento académico en España. FEDEA.

Shidiqi, K. A., & Choi Mendizábal, Á. B. (2023). The Impact of Compulsory Schooling Expansion on Educational Outcomes: The Case of Indonesia. UB Economics–Working Papers, 2023 E23/452.

Williams Jr, M., & Gehrsitz, M. (2024). The Effects of Compulsory Schooling on Health and Hospitalization Over the Life Cycle. IZA Discussion Paper Series, 17050. https://doi.org/https://docs.iza.org/dp17050.pdf

Zamarro, G., Hitt, C., & Mendez, I. (2019). When Students Don’t Care: Reexamining International Differences in Achievement and Student Effort. Journal of Human Capital, 13(4), 519–552. https://doi.org/10.1086/705799

Notas

* URJC y University of Bath.

** URJC, funcas y London School of Economics.

¹ Además de esta población de 15 años españoles cubierta en PISA 2022, hay un 4,02 % de alumnado matriculado en enseñanzas ordinarias que quedó excluido de la prueba (Table I.A2.1. PISA target populations and samples, 2022). Y un 5,96 % de los jóvenes españoles de 15 años que no está matriculado en enseñanzas ordinarias (Table I.A2.1. PISA target populations and samples, 2022).

Descarga Publicación (formato PDF)

Fecha: septiembre 2025

Dirección de Estudios Sociales

En febrero de este año se publicó la información actualizada sobre la evolución de la privación material y social severa en España, elaborada a partir de la Encuesta de Condiciones de Vida. En conjunto, los resultados sugieren que, pese a la mejoría observada entre 2023 y 2024, la privación material y social severa sigue afectando a una parte nada desdeñable de la población española y mantiene a España en una posición comparativamente desfavorable en la Unión Europea. Las dificultades se concentran sobre todo en los hogares con menores y en la población de origen extranjero, lo que refleja al mismo tiempo los retos económicos de las familias en la fase de crianza, los límites de la integración laboral de la inmigración y la robusta protección a las personas mayores a través del sistema de pensiones. Estas conclusiones apuntan a que el verdadero desafío de España no es solo reducir la tasa total de privación material y social severa, sino hacerlo de manera más equitativa, reforzando las políticas familiares y de conciliación, pero también, probablemente, a través de un crecimiento económico orientado a conseguir aumentos sostenidos de la productividad, mejorando la calidad del empleo y el poder adquisitivo de los salarios y avanzando en políticas migratorias que favorezcan una migración con mejores resultados laborales.

Descarga Publicación (formato PDF)

Fecha: july 2025

Santiago Carbó-Valverde*, Pedro Cuadros-Solas** y Francisco Rodríguez-Fernández***

Abstract

Low-income households are typically financially vulnerable, yet some exhibit overconfidence in their financial knowledge, potentially leading to risky financial behavior. This paper explores the Dunning-Kruger-like effect in personal finance among low-income individuals in Spain, examining whether those with the least financial knowledge are the most overconfident and how this overconfidence relates to risky financial decisions. Using survey data on Spanish households’ financial behaviors and literacy, we measure objective financial knowledge and self-assessed financial confidence to construct a “confidence gap.” We find evidence that low-income respondents with poor objective knowledge often significantly overestimate their financial abilities. Overconfident individuals (those with high confidence but low literacy) demonstrate a greater self-reported tolerance for risk and are more likely to engage in potentially risky financial behaviors such as high-cost borrowing. These results are robust in regression and machine learning analyses controlling for income, age, and education. The findings suggest a considerable behavioral bias: financially vulnerable groups not only lack knowledge but fail to recognize that lack, which may exacerbate their exposure to financial risks. We discuss policy implications, recommending targeted financial education and behavioral interventions to improve decision-making in low-income populations. Strengthening financial literacy and calibrating individuals’ self-awareness of their knowledge limitations are vital steps to protect vulnerable households and foster more prudent financial behavior.

1. INTRODUCTION

Household financial decision-making often deviates from classical rational models due to cognitive biases and limited knowledge. One pervasive bias is overconfidence – the tendency to overestimate one’s own skills or knowledge. In the context of personal finance, overconfidence can be especially detrimental for low-income households, who have little margin for financial error. Low-income individuals generally display lower objective financial literacy (Lusardi & Mitchell, 2014) and may at the same time exhibit unwarranted confidence in their financial acumen. This combination of low competence and high confidence evokes the classic Dunning-Kruger effect (Kruger & Dunning, 1999), where those with the least ability are often unaware of their deficits and thus overestimate their proficiency. We posit that such “financial overconfidence” among low-income households can lead to risky financial behaviors – for instance, taking high-interest loans, not diversifying savings, or failing to anticipate economic shocks – ultimately undermining their financial stability.

Prior research has documented that overconfidence plays a significant role in financial decision-making. Overconfident investors trade excessively and take on more risk, often to their detriment (Barber & Odean, 2001). In personal finance, confidence in one’s financial knowledge can be miscalibrated: many individuals lack fundamental financial skills yet remain confident in their ability to manage money (Lusardi & Tufano, 2015). For vulnerable groups, this miscalibration is particularly concerning. Low-income households tend to have lower financial literacy on average – e.g., fewer than half of Spaniards could correctly answer basic interest and inflation questions in national surveys (Bover et al., 2018) – yet they are not always aware of these knowledge gaps. International studies find that financial literacy is lowest among those with less education and income, who also disproportionately rate their financial skills as “good” or “average” (OECD, 2020). This suggests that the least financially knowledgeable may not accurately perceive how much they don’t know.

The Dunning-Kruger effect provides a theoretical lens: individuals with low ability in a domain lack the metacognitive skills to recognize their own incompetence, resulting in inflated self-assessments (Kruger & Dunning, 1999; Dunning, 2011). Applied to financial behavior, a low-income person with poor understanding of interest rates or budgeting might confidently believe they are making sound decisions, inadvertently taking on excessive debt or foregoing precautions like savings and insurance. Recent work by Samanez-Larkin et al. (2020) indeed found that an overestimation of financial knowledge was associated with greater risk tolerance in older adults, suggesting overconfident individuals are more willing to engage in risky financial behaviors. Similarly, a study in Japan provocatively asked “Is financial literacy dangerous?” after observing that people with higher financial literacy sometimes became overconfident and took on more debt and investment risk than advisable (Kawamura et al., 2020). These findings highlight a crucial nuance: improving financial knowledge is vital, but if it breeds overconfidence without true competence, it could backfire and encourage recklessness (Vörös et al., 2021).

This paper makes an original contribution by connecting these insights to the context of low-income households. While overconfidence in financial matters has been studied among investors and the general population, there is a research gap in focusing on the financially disadvantaged. Low-income individuals often face precarious conditions and limited buffers, so the consequences of financial misjudgments can be severe (Lusardi et al., 2011). Understanding whether overconfidence exacerbates their vulnerability is key for designing effective interventions. We use new survey evidence from Spain to examine (1) the extent of financial overconfidence in a low-income sample, and (2) whether such overconfidence correlates with risky financial behavior. Spain provides a relevant case given its efforts to improve financial literacy in recent years and the persistent socioeconomic disparities in financial outcomes. By studying Spanish low-income households, we gain insights applicable to other settings where financial fragility and limited literacy are concerns.

The remainder of the paper is organized as follows. The next section reviews the literature on financial literacy, overconfidence, and household financial behavior, with a focus on low-income populations. We then describe our data and methodology, including the construction of a “confidence gap” measure (self-perceived knowledge minus actual knowledge) and indicators of risky financial behavior. The Results section presents our empirical findings: we visualize the distribution of confidence gaps, illustrate the relationship between actual and perceived financial knowledge, and report regression and machine learning analyses linking overconfidence to behavior. A Discussion follows, interpreting the results and highlighting policy implications for financial education and consumer protection targeted at vulnerable groups. The final section concludes and suggests avenues for future research.

2. Literature Review

2.1. Financial Literacy and Low-Income Households

Financial literacy – the knowledge and skills to manage personal finances – is widely recognized as a key determinant of sound financial behavior (Lusardi & Mitchell, 2014). Individuals with greater financial literacy are more likely to budget, save for emergencies, participate in prudent investments, and avoid high-cost debt, whereas those lacking basic knowledge often make suboptimal decisions that impair their financial well-being (Lusardi & Tufano, 2015). Unfortunately, numerous studies document that financial literacy is lowest among low-income and less-educated groups (Atkinson & Messy, 2012; OECD, 2020). Low-income households frequently cannot correctly calculate interest payments, understand inflation, or grasp concepts like risk diversification. This knowledge gap contributes to outcomes such as low retirement savings, higher use of high-interest credit, and difficulty navigating financial products. For example, in Spain’s 2016 Survey of Financial Competences, only 58% of adults correctly answered a basic inflation question and 46% correctly answered a compound interest question, with success rates significantly lower among those with primary education or in the bottom income quartile (Bover et al., 2018). These disadvantaged households are also more likely to be financially “fragile,” lacking the savings to cope with income shocks (Lusardi et al., 2011). Improving financial literacy in low-income communities is therefore a policy priority to promote financial inclusion and reduce vulnerability.

2.2. Overconfidence and the Dunning-Kruger Effect

Overconfidence is a well-documented cognitive bias in which individuals’ subjective confidence in their judgments exceeds their objective accuracy. In classic experiments, people often rate their abilities as “above average,” a statistical impossibility (Brown, 2012). Kruger and Dunning (1999) famously demonstrated that those with the least skill in domains like humor, grammar, or logic grossly overestimated their performance – an effect attributed to metacognitive deficits. Lacking knowledge, they are also short of the awareness of what competence in the domain looks like, leading them to mistakenly believe they are doing well. Conversely, highly competent individuals may slightly underestimate themselves, in part because they assume tasks that are easy for them are easy for others (Dunning, 2011). This asymmetric miscalibration – large overestimation at the bottom end and modest underestimation at the top end – is the hallmark of the Dunning-Kruger effect.

In financial settings, overconfidence manifests in multiple ways. One stream of research in behavioral finance has examined overconfidence among investors, finding it can lead to excessive trading and risk-taking. Barber and Odean (2001) showed that overconfident investors (proxied by, e.g., male traders who typically are more confident in financial matters) traded more frequently and earned lower net returns due to transaction costs. Overestimation of one’s stock-picking skill or knowledge of the market can result in under-diversified portfolios and optimistic risk assessments. Overconfidence is also implicated in the underestimation of downside risks – investors may believe they can time the market or avoid crashes, which can amplify bubbles and subsequent losses.

Beyond investments, everyday financial behaviors can also suffer from overconfidence. A consumer might overestimate their understanding of mortgage terms and sign a complex loan they cannot afford, or be too confident that they can manage high credit-card debt, only to fall into a debt spiral. Overconfidence in financial knowledge has been linked to lower demand for advice or information – those who think they already know enough may be less likely to seek help from financial counselors or to read the fine print of financial products (Mitchell & Curto, 2010). Notably, recent research by Samanez-Larkin et al. (2020) found that among older adults, an objective-subjective knowledge mismatch (i.e., overconfidence) was associated with greater self-reported willingness to take financial risks, even though actual risk aversion behaviorally did not always increase. This suggests that overconfident individuals perceive less risk or feel more emboldened to take risks. Similarly, overconfidence can lead to susceptibility to fraud – overconfident consumers might assume they can’t be duped by scams and therefore fail to take precautions (Xia et al., 2021).

2.3. Financial Overconfidence in Low-Income Populations

Low-income individuals are not typically active stock traders, but overconfidence can influence their financial choices in more everyday contexts. For example, a low-income household might overestimate its ability to repay a high-cost payday loan or be overly optimistic about avoiding fees and penalties when juggling bills. Bertrand and Morse (2011) noted that cognitive biases, including overoptimism about one’s finances, contribute to repeated payday loan borrowing. Overconfidence may also deter low-income persons from seeking financial education or advice – they might believe they are handling their finances well enough, when they are incurring avoidable costs (such as overdraft fees or high interest charges).

Research directly examining overconfidence among low-income or less-educated groups is relatively sparse, which is where our study contributes. However, tangential evidence comes from financial education studies: sometimes individuals with a little financial training can develop a false sense of security. Kawamura et al. (2020), in an analysis titled “Is Financial Literacy Dangerous?”, found that in Japan higher financial literacy was paradoxically associated with some risky attitudes – people with more knowledge reported greater willingness to take financial risks and, in some cases, held more debt, suggesting that education without complementary self-awareness might lead to overconfidence. These findings imply that as financial literacy initiatives reach low-income communities, they should be designed carefully to avoid instilling unwarranted confidence. The forms of financial literacy overconfidence can vary – some people overestimate their knowledge of specific topics (like inflation) while recognizing gaps elsewhere, whereas others broadly overrate their financial savvy (Vörös et al., 2021). Each form can differently impact financial well-being. Our study targets a broad form: the general confidence a person has in their overall financial understanding relative to their actual literacy.

2.4. Risky Financial Behavior

We define “risky financial behavior” in this context as actions or decisions that expose households to high levels of financial risk or stress. Examples include: taking on high-interest debt without a repayment plan, not maintaining an emergency savings cushion, investing in speculative schemes or fraudulent scams, and failing to insure against common risks. For low-income households, even spending beyond one’s monthly income (without backup funds) constitutes risky behavior, as it can trigger a cycle of borrowing or arrears. Indeed, one survey found a significant fraction of Spanish households regularly spend more than their income and must resort to borrowing from family, using credit, or running down assets to cope (Bover et al., 2018). Such coping strategies can be risky if they rely on unsustainable sources (e.g., expensive credit or depleting limited savings).

Prior literature suggests that financial literacy is inversely related to many risky behaviors. For instance, more financially literate individuals are less likely to over-indebt themselves or fall for predatory loans (Lusardi & Tufano, 2015). However, as noted, if higher literacy breeds complacency or overconfidence, this protective effect could be offset. Some studies highlight gender or cultural differences in confidence affecting risk behaviors: for example, women on average report lower financial confidence and also tend to be more financially conservative (investing less in risky assets), whereas men’s higher confidence corresponds with more risk-taking (Chen & Volpe, 2002; Barber & Odean, 2001). The implication is that confidence (whether justified or not) can be a driver of behavior independently of actual knowledge.

3. Variable- vs. Fixed-Rate Mortgages in Spain

Based on the literature, we test two main hypotheses:

(H1) Financial overconfidence is present among low-income households, particularly those with low objective literacy – i.e., a Dunning-Kruger-like pattern where the least knowledgeable individuals have relatively high self-assessed knowledge.

(H2) Overconfidence is associated with riskier financial behavior in low-income households – those who overestimate their financial capability will be more prone to behaviors like borrowing beyond their means, foregoing budgeting, or choosing high-risk financial products (relative to their wealth level). The null hypothesis for H2 would be that actual knowledge (or other factors) fully explains behavior, with overconfidence adding no predictive power. Our analysis will evaluate these hypotheses using detailed survey evidence from Spain.

This study uses microdata from a national survey conducted by Funcas jointly with The Cocktail consulting in March 2025. The survey specifically targeted the financially vulnerable population in Spain and was designed to explore their access to, use of, and attitudes toward formal and informal financial services. A total of 1,003 individuals aged 18 to 65 were surveyed using stratified sampling techniques to ensure representation across gender, age cohorts, and regions. The questionnaire includes both subjective and objective measures of financial literacy. Subjective knowledge was self-assessed on a 1-to-5 scale, while objective knowledge was captured through three standard questions on inflation, interest rates, and risk diversification. In our analytic sample, the median annual household income is around €20,400, and we classify 27% of respondents as low-income (household income roughly below €18,000). While our analysis emphasizes this low-income subgroup, we include the full sample for certain comparisons to highlight differences by income level.

The survey included a battery of financial literacy questions covering fundamental concepts such as inflation, interest rates, and risk diversification. Each respondent’s objective financial knowledge is assessed by their performance on these quiz questions. We construct an index of objective literacy by summing scores across 14 knowledge questions. Each question was scored on a 0–10 scale (reflecting correctness and confidence, as described below), yielding a total knowledge score ranging from 0 to 140 points for each individual. In our sample, the mean knowledge score is about 70.3 (out of 140), indicating roughly 50% of the maximum possible – this aligns with prior findings that the average person correctly answers about half of standard financial literacy questions (Bover et al., 2018). There is wide variation: some respondents scored near zero (essentially no correct knowledge) while a few achieved close to full marks. We interpret higher scores as greater financial literacy.

Crucial to our analysis is the subjective side of financial knowledge. The survey asked respondents to self-assess their financial knowledge. Specifically, each individual rated their overall financial knowledge on a scale from 1 (“very low”) to 5 (“very high”). This self-rating provides a measure of perceived financial capability or confidence. The average self-rating in our sample is about 2.9 out of 5, with the majority (roughly 47%) rating themselves “3” (moderate knowledge). Notably, self-assessed knowledge is only weakly correlated with actual quiz performance (Pearson’s r ≈ 0.10), suggesting substantial miscalibration – many respondents who scored low on the quiz still gave themselves middling or high knowledge ratings, and vice versa.

From these two components, we derive our key variable of interest: the financial confidence gap. We define the confidence gap for each individual as:

Confidence Gap = (Self-rated knowledge, standardized) − (Objective knowledge, standardized).

In practice, to make the scales comparable, we convert the 1–5 self-rating to a percentage (0%–100%) and the objective score to a percentage of total points, then take the difference. A positive confidence gap indicates that a person’s self-assessed knowledge is higher than their actual knowledge would warrant (overconfidence), while a negative gap indicates underconfidence. For ease of interpretation, one can also think in terms of population percentiles: who rates themselves in a higher percentile of knowledge than their tested performance percentile.

On average, the confidence gap in our sample is slightly negative (mean ≈ –5 points on a 0–140 scaled difference, equivalent to about –4.9 on the 0–100% scale), implying a slight overall tendency toward underestimation of knowledge. However, this average masks a very skewed distribution. Figure 1 shows the distribution of confidence gaps across individuals. Most respondents cluster near a gap of zero (self-perception roughly in line with actual knowledge), but there are long tails on both sides. A substantial subset exhibits large positive gaps (overconfidence), some by over +50 points, and another subset shows large negative gaps (underconfidence). We note that 36% of the total sample can be classified as overconfident (self-rating above their actual knowledge quartile), 38% as underconfident (self-rating below their actual quartile), and only about 23% as well-calibrated (self-rating matches their knowledge quartile). These statistics already hint at a Dunning-Kruger pattern – if people were perfectly self-aware, we would expect a much higher calibrated percentage.

How does this miscalibration relate to actual knowledge level? To investigate the Dunning-Kruger effect, we rank individuals by their objective knowledge and examine their average self-assessments. Table 1 summarizes objective and subjective knowledge by quartiles of actual financial literacy. Strikingly, the lowest knowledge group (bottom 25% in quiz score) still rated their financial knowledge at 2.8 out of 5 on average – the same self-rating that the second quartile gave, and not far below the 3.0/5 average of the top quartile. In fact, over 74% of individuals in the bottom knowledge quartile were overconfident (their self-rating exceeded what their knowledge score would predict), and virtually none of the top quartile were overconfident (most were correctly calibrated or underconfident). This clearly illustrates a Dunning-Kruger type pattern: the least knowledgeable are largely unaware of their deficiencies and rate themselves similarly to far more knowledgeable peers. Meanwhile, the most knowledgeable group does not massively overrate themselves – if anything, some underrate their relative expertise (only 0.4% of the top quartile were overconfident, with many rating “3” despite high scores, perhaps assuming the questions were easy for everyone). Thus, our data confirm a systematic confidence gap inversely related to actual competence.

We also examine differences by income group within our sample. Low-income respondents (bottom ~27%) had slightly lower objective knowledge scores on average (around 68 points) than higher-income respondents (71 points), and they also self-rated slightly lower (2.81 vs. 2.90). Interestingly, the incidence of overconfidence was higher among the low-income group – about 40% of low-income individuals were overconfident, compared to 34% of those with higher incomes. This aligns with the notion that disadvantaged groups both know less and are somewhat more likely not to realize it. However, in both groups a sizeable one-third or more exhibit overconfidence, confirming that miscalibration is not unique to any income stratum. We therefore proceed to analyze the consequences of financial overconfidence for behavior, with particular attention to the low-income segment.

The survey also collected data on various financial behaviors, such as borrowing habits, saving, and product usage. We constructed several indicators of potentially risky or suboptimal behavior for analysis:

• Spending > Income (and coping mechanisms): Respondents were asked whether in the past year their household expenditures exceeded income, and if so, how they covered the shortfall. Options included drawing down savings, borrowing from friends/family, taking out a loan (or using credit card debt), selling assets, or simply not paying some obligations. We define a risky coping indicator equal to 1 if a respondent who faced an income shortfall resorted to any form of borrowing (formal or informal) or missed payments, as opposed to covering the gap through savings or adjusting expenses. This measure reflects behavior that could lead to financial stress (e.g., taking high-interest loans or accruing arrears). In our sample, about 69% of households had an episode of overspending in the last year; the majority of those used at least one risky coping strategy (borrowing or delaying bills). This high figure underscores the precarious position of many households, especially low-income ones.
• High-Cost Credit Use: Using data on loan sources, we flag individuals who reported using “fast loans” or financing companies (often high-interest lenders) or credit cards to cover everyday expenses. Only a small fraction (under 5%) explicitly mentioned resorting to payday-type loans (“préstamos informales”), likely due to stigma or low access in Spain. However, around 28% borrowed from family or friends (an informal safety net), and ~22% used consumer credit or credit card debt to manage shortfalls. Relying on such means regularly can be considered risky for low-income households, as it may lead to debt accumulation.
• Lack of Emergency Savings: We observe whether respondents had any form of precautionary savings. Not having an emergency fund (even a small one) is risky because any shock will necessitate borrowing or cutting essential consumption. A sizable share of low-income respondents reported they could not come up with even €1,000 in an emergency, indicating high vulnerability.
• Risky Asset Investment: Although not common among low-income individuals, we check whether respondents invested in volatile assets (e.g., equities or cryptocurrencies). In our sample, only about 4% owned stocks and 6% had cryptocurrency or similar speculative investments. Interestingly, those who did engage in such investments tended to have slightly higher literacy scores, but also higher self-confidence; for instance, stock owners had an average self-rating of 3.3 versus 2.93 for non-owners, despite similar knowledge scores, hinting at a role of confidence in the decision to invest. For low-income investors, such investments can be risky if they do not fully understand them or cannot afford potential losses.
• Financial Planning Behavior: We also consider behaviors like budgeting, comparison shopping for financial products, or seeking financial advice. Not engaging in basic planning or information gathering can be risky by omission. The data show that a significant portion of respondents do not use budgets or keep track of expenses, which can lead to inadvertent overspending.

From these various measures, we construct a composite “risky financial behavior” index for use in regression analysis: it equals 1 if a respondent engaged in any of the following in the past year – took out high-cost loans, borrowed from family/friends to cover basic expenses, fell behind on debt payments or bills, or had no savings and overspent income. While this index combines multiple dimensions, it captures the general notion of financially precarious behavior. In our sample, approximately 69% fell into this category (as noted, overspending and borrowing were prevalent). We will analyze this as an outcome variable in relation to overconfidence and other factors.

4. Methodology

Our empirical strategy integrates econometric and machine learning approaches to examine the association between financial overconfidence and risky financial behavior among economically vulnerable individuals in Spain. This mixed-methods design enables both hypothesis testing and pattern discovery.

4.1.  Descriptive Exploration

We begin with a descriptive analysis of the key variable of interest: the confidence gap, defined as the difference between an individual’s subjective self-assessment of financial knowledge (on a 1–5 scale) and their objective score on three financial literacy items (scored 0–3). Positive values reflect overconfidence, while negative values indicate underconfidence.

We examine how this gap varies across observable characteristics—such as gender, age group, migrant status, and income level—to test the Dunning-Kruger hypothesis (H1): individuals with lower objective knowledge tend to exhibit inflated confidence. These initial analyses provide visual and statistical support for the hypothesized miscalibration and motivate the multivariate modeling that follows.

4.2. Logistic Regression Models

To formally assess the relationship between overconfidence and risky financial behavior (H2), we estimate a series of logistic regression models of the following form:

logit(P(R_i=1))=β₀+β₁Gap_i+β₂K_i+β₃Income_i+β₄X_i+ε_i

Where:

• R_i is a binary indicator equal to 1 if individual ii engaged in any of the following high-risk behaviors: cryptocurrency use, direct stock investment, or borrowing from informal lenders.
• Gap_i is the confidence gap.
• K_i is the objective financial knowledge score.
• Income_i is a dummy for low household income (defined in the lowest tercile of the national income distribution).
• X_i is a vector of control variables: gender, age group, migrant status, and education level.

We also estimate alternative specifications replacing the gap with an overconfidence dummy (1 if the gap > 0), and we interact this dummy with the low-income indicator to test whether the effect of overconfidence is stronger among financially vulnerable individuals.

All regressions apply survey sampling weights and cluster standard errors at the respondent level (each representing a distinct household). Model fit is evaluated using the Hosmer–Lemeshow test, pseudo R-squared, and AIC/BIC criteria. Marginal effects at means are computed for interpretability.

This modeling framework allows us to distinguish between the effect of knowledge per se and the miscalibration of knowledge, isolating whether it is the overestimation of ability (rather than ignorance alone) that correlates with risk-taking.

4.3. Drivers of Housing Investments

To assess the robustness of our results in a model-agnostic framework and to uncover nonlinear interactions, we complement the regressions with two supervised classification models:

• A Decision Tree Classifier using the CART algorithm, and
• A Random Forest Classifier with 100 trees.

The dependent variable remains the same (binary indicator of risky behavior). Predictors include the confidence gap, financial knowledge, low-income status, gender, age group, and migrant status. For the Decision Tree, we constrain the tree depth to 3 to enhance interpretability and avoid overfitting. This produces a sequence of binary splits revealing the most salient thresholds and interactions between predictors. The resulting tree provides a transparent decision rule for identifying high-risk individuals based on their profiles. The Random Forest is trained using a 75/25 train-test split and the Gini impurity criterion. We do not tune hyperparameters extensively, as our primary objective is interpretability and robustness. We report:

• Variable importance scores, which reflect the average reduction in node impurity attributable to each predictor;
• Accuracy, precision, recall, and F1-score on the test set;
• and the ROC-AUC score as a summary measure of discriminative performance.

Importantly, the Random Forest allows us to verify whether the confidence gap consistently emerges as a top predictor of risky behavior in a flexible, nonlinear setting—validating our regression findings through an alternative lens.

4.4. Limitations and Robustness

Our analysis is based on cross-sectional survey data, which constrains causal interpretation. While our models reveal robust associations, we cannot rule out reverse causality (e.g., individuals engaging in risky behavior may update their confidence based on outcomes) or unobserved confounding (e.g., optimism, personality traits).

We mitigate these risks by:

• Including a comprehensive set of controls;
• Exploring interaction terms;
• Estimating alternative specifications;
• And validating results with machine learning classifiers.

Missing data are handled via listwise deletion, which affects less than 5% of observations. Class imbalance is moderate and did not require reweighting in classification models. All estimations apply post-stratification weights to recover population-level estimates.

5. Results

The descriptive results strongly confirm Hypothesis 1 that financial overconfidence exists among low-income households, especially those with low objective literacy. We have already seen in Table 1 that the lowest knowledge group vastly overestimates themselves relative to higher groups. We visualize this in Figure 2, which shows boxplots of the confidence gap by actual knowledge quartile. The pattern is unmistakable: the median confidence gap for the lowest quartile is well above zero (indicating overconfidence on average), whereas for the highest quartile the median gap is far below zero (indicating underconfidence). The interquartile ranges do overlap slightly for middle groups, but the overall trend is a downward slope – as actual knowledge increases, the typical confidence gap shifts from positive to negative. In other words, the less people know, the more likely they are to not know that they don’t know.

It is noteworthy that even Quartile 2 (below-average knowledge) has a median gap near zero to slightly positive, meaning a large fraction are overconfident, although not as extremely as Quartile 1. By Quartile 3 (above-average knowledge), the median gap is slightly negative, suggesting emerging awareness among the more knowledgeable that there is more to learn (or perhaps greater caution in self-rating). Statistical tests confirm these differences: one-way ANOVA and Kruskal-Wallis tests reject equality of confidence gap distributions across quartiles (p < 0.001), and a linear trend test confirms a negative correlation between knowledge rank and confidence gap (Spearman ρ ≈ –0.45, p < 0.001).

Among low-income respondents specifically, we see the same qualitative pattern. Low-income individuals are over-represented in the lower knowledge quartiles, so naturally many are overconfident. Even within the low-income subsample, those with the least knowledge were the most overconfident. In contrast, higher-income respondents tend to have slightly better knowledge and slightly more accurate self-assessments (indeed, a larger share of higher-income respondents fell into the “underconfident” category, possibly reflecting a more cautious mindset). However, the difference between low and high-income groups in average confidence gap was not huge (on average low-income had a gap around –5.0 vs. –4.9 for others). This implies overconfidence is not exclusively a low-income phenomenon – it is prevalent across the board – but it is most acute and consequential for those with both low income and low knowledge.

Taken together, the evidence strongly supports H1: a non-trivial fraction of low-income Spaniards exhibit Dunning-Kruger-type overconfidence in financial matters. They believe they have a grasp on finances when they answered basic questions incorrectly. For instance, many overconfident individuals could not calculate simple interest or understand inflation well, yet they rated their knowledge as “average” or even “high.” This gap between perception and reality is the crux of the potential problem we investigate: does it translate into behavior that could harm their financial health?

We next examine whether overconfidence is associated with risky financial decisions (Overconfidence and Risky Behavior, H2). A first look at the data suggests a positive link. Overconfident respondents (those with a positive confidence gap) more often engaged in behaviors like borrowing to cover expenses or foregoing bill payments. For example, among those we classify as overconfident, 71% had to borrow or rely on credit at least once to make ends meet, compared to 67% among non-overconfident respondents. Overconfident individuals were also slightly more likely to hold risky financial products: e.g., 8% of overconfident respondents had invested in stocks or cryptocurrencies, versus 5% of others – a small difference, but directionally consistent with greater risk appetite or optimism. They also reported higher self-assessed risk tolerance on a separate question (mean risk tolerance score 3.6 out of 5 for overconfident vs 3.2 for others). These bivariate patterns hint that overconfidence goes hand in hand with risk-taking attitudes.

To more rigorously test H2, we turn to multivariate logistic regression. Table 2 presents a regression of the risky behavior index on key predictors. We include the continuous confidence gap measure, the objective knowledge score, and controls for low-income status, age, and education. A positive coefficient on the confidence gap would indicate that greater overconfidence (higher perceived minus actual) is associated with a higher probability of engaging in risky behaviors.

Several important findings emerge from Table 2. First, the confidence gap coefficient is positive (0.004) and marginally significant (p = 0.053, significant at the 90% confidence level). This suggests that, holding actual knowledge and other factors constant, individuals who overestimate their financial knowledge are indeed more likely to experience financial distress and use risky coping strategies. In terms of marginal effects, a one-standard-deviation increase in the confidence gap (roughly 40 percentage points, e.g. going from perfectly calibrated to strongly overconfident) is associated with about a 3–4 percentage point increase in the probability of risky behavior, other things equal. While modest, this effect is meaningful in a context where baseline risk is high. This finding supports Hypothesis 2: overconfidence appears to contribute to risky financial behavior.

Second, somewhat surprisingly, the objective knowledge score also has a positive coefficient (0.016) that is highly significant (p < 0.001). This indicates that more financially knowledgeable individuals are more likely – not less – to have engaged in the defined risky behaviors, after controlling for other variables. This result initially seems counter-intuitive, as one would expect knowledge to reduce financial mistakes. However, a closer look provides potential explanations. Financially savvy individuals may have greater access to credit (banks extend them loans or credit cards due to better creditworthiness), and thus they may borrow more readily when needed, whereas the least knowledgeable (and often lowest-income) might be credit-constrained and forced to cut consumption instead. In our data, for instance, higher-knowledge respondents were more likely to use formal credit to cover shortfalls, whereas lower-knowledge respondents might not have that option and rely on family support or go without. Thus, the positive knowledge coefficient might reflect access to (and use of) credit, which we classified as a risky behavior, rather than ignorance. It could also reflect that some risk-taking, like investing or using credit strategically, is done by more knowledgeable folks – not all “risky behavior” in our index is outright financial mismanagement (some could be calculated risks). Another interpretation consistent with Kawamura et al. (2020) is that more knowledge can embolden households to take on certain risks, thinking they can handle them (a form of partial overconfidence). The interplay between knowledge and behavior is evidently complex. Importantly, however, the inclusion of the knowledge variable does not negate the confidence gap effect – suggesting that miscalibrated confidence has an influence independent of knowledge.

Third, the low-income indicator is not significant in this regression once other factors are accounted for. This means that, conditional on literacy and confidence levels, being low-income did not increase the odds of risky coping behavior in our sample. Put differently, the higher incidence of risky behaviors among low-income households in raw data was largely explained by their lower literacy (and perhaps higher overconfidence) rather than income per se. Age and education controls were also not statistically significant here (though education shows a positive trend, p ~ 0.11, implying more educated respondents might be slightly more likely to use credit in a pinch – again possibly because they can). The regression’s pseudo-R² is modest (about 0.01), reflecting the difficulty of predicting financial behavior, which likely has many unobserved determinants (e.g., unmeasured risk preferences, health shocks, etc.). Still, the fact that the confidence gap emerges with any significance is notable given this noise.

We ran several alternative specifications (not all shown in tables). Using an overconfidence dummy (1 if self-rating > knowledge quartile, 0 otherwise) in place of the continuous gap yielded a positive but smaller effect (odds ratio ~1.15, p ≈ 0.20). Interaction terms between low-income status and overconfidence were positive but not significant, suggesting that overconfidence’s effect on behavior was not dramatically different for low-income versus higher-income individuals – it tended to increase risk-taking for both. We also tried a model predicting a more severe outcome: whether the household had to resort to multiple risky coping methods or remained in debt. Overconfidence again had a positive association with that outcome (p < 0.10). These robustness checks strengthen the evidence that overconfidence is a relevant factor in household financial stress.

To further validate these findings, we use a machine learning approach. We train a classification decision tree to predict who falls into the risky behavior category, using the same set of predictors. The resulting tree (depth=3 optimal) is shown in Figure 3. The first split in the tree is on the objective knowledge score: individuals with very low knowledge (score ≤ ~69.5) were immediately classified as higher risk (node labeled “class = Risky coping” for that branch). This split likely captures the broad effect that those with low financial literacy often struggle financially. On the low-knowledge branch, the next split is on confidence gap: among the low-knowledge group, those who were extremely underconfident (gap ≤ –32.5) and older (age > 62) had a somewhat lower risk (perhaps reflecting a small set of very cautious elderly who, despite low literacy, live within means), whereas all others in low-knowledge were high risk. On the high-knowledge side of the tree, the first split was by education level: among higher knowledge individuals, those with low formal education (≤ some level) were very likely to be high risk (perhaps self-taught financially but still low-income and struggling), whereas those with more education had mixed outcomes, further split by confidence gap in later nodes. One of the terminal nodes on the high-knowledge side indicates that even a person with a high score could end up high risk if they also had an extremely large confidence gap (> +31.5 points). Overall, the tree reveals that low knowledge strongly predisposes to risky outcomes, but confidence gap and education fine-tune the predictions. Notably, a branch of high knowledge & high overconfidence led to risky behavior, consistent with our earlier finding that knowledge alone doesn’t immunize one from financial trouble if accompanied by overconfidence.

Finally, we extract feature importances from a Random Forest model (100 trees) predicting risky behavior. Figure 4 displays the importance scores for the top features. We find that age was the single most important predictor in this model (older individuals generally were slightly less likely to engage in risky borrowing, all else equal, which makes intuitive sense as they might have more stable finances or aversion to debt). The next most important features were confidence gap and objective knowledge, each contributing about 23–25% of the model’s predictive power. Income and education were somewhat less important (~10–15% each). Thus, the machine learning confirms that the confidence gap is nearly as influential as factual knowledge in predicting who experiences financial stress in our sample. This is remarkable – it implies that how people perceive their knowledge (and potentially, by extension, how they approach financial decisions due to that perception) is a crucial piece of the puzzle. If we omitted confidence measures, our understanding of financial behavior, especially among the poor, would be incomplete.

6. Discussion

Our findings paint a nuanced picture of the challenges faced by low-income households in financial decision-making. We confirm a strong presence of the Dunning-Kruger effect in financial literacy: many low-income respondents possess low financial knowledge and do not realize it, exhibiting overconfidence. This overconfidence is not a harmless psychological quirk – it correlates with tangible behaviors that can increase financial precarity. Overconfident individuals in our study were more likely to overspend relative to their income and rely on credit or loans to fill the gap, a behavior that can lead to debt accumulation. They also showed greater self-declared risk tolerance and, in some cases, ventured into complex financial products (like stocks or crypto) that might be inappropriate given their limited resources and knowledge.

One interpretation is that overconfidence leads to misjudging financial risks and one’s ability to manage them. For example, an overconfident borrower might take a loan with a variable interest rate, assuming they can handle any fluctuations, or might not read the fine print on credit terms due to an inflated belief that they understand it already. They might skip seeking advice on a major financial decision, not realizing their own knowledge gaps. By contrast, an underconfident person (who underrates their knowledge) might be excessively cautious – which could mean missed opportunities, but in a low-income context, being cautious (e.g., avoiding debt, sticking to cash transactions) might help avoid downside risks. This could partly explain why we observed that underconfident individuals (often higher-knowledge ones who are modest) did not have higher incidence of financial stress; if anything, some underconfident households may be overly conservative (for instance, not investing at all, keeping money only in safe deposits), which might limit growth but also avoids certain pitfalls.

Our regression results suggested that objective knowledge alone, without confidence calibration, does not guarantee better outcomes. In fact, individuals with relatively high literacy were sometimes more likely to engage in risky behaviors – possibly because they had more financial opportunities available or greater trust in their own skill (a phenomenon akin to “a little knowledge is a dangerous thing”). This resonates with the finding of Kawamura et al. (2020) that financially literate people can become daring or even reckless in some respects. It emphasizes that financial education, while crucial, must be paired with self-awareness and prudence. Educating low-income households should involve not just teaching concepts but also training individuals to honestly assess when they might be out of their depth and need external advice.

The link between overconfidence and risky behavior has some precedents in behavioral economics. Overconfidence is a facet of optimism bias, and optimistic risk perceptions can result in inadequate preparation for negative events. For instance, overconfident consumers might not build emergency savings because they are “sure” nothing bad will happen or that they can manage any problem easily – until an unforeseen expense pushes them into high-cost debt. Overconfidence could also reduce the uptake of insurance; someone might feel they understand the probabilities and decide that insurance premiums are a waste, leaving them exposed. While our data did not directly measure insurance or savings choices in detail, these are plausible mechanisms by which overconfidence exacerbates vulnerability. Future research could explore these dimensions (e.g., do overconfident individuals have lower insurance coverage?).

Another point to discuss is the role of personality traits. It is possible that what we label “overconfidence” overlaps with general traits like risk tolerance, impulsiveness, or locus of control. A person who is naturally risk-seeking might both claim high confidence and engage in risky behavior, making it seem like confidence causes behavior whereas both stem from an underlying trait. We attempted to isolate the effect of confidence by controlling for objective knowledge (a proxy for actual ability) and demographics, but we lacked direct measures of risk preference or cognitive biases aside from overconfidence itself. Hence, caution is warranted in drawing causal conclusions. It could be that interventions need to target not only knowledge but also inherent behavioral tendencies. Nonetheless, from a pragmatic policy viewpoint, self-assessed confidence is an observable flag: those who appear very self-assured despite limited knowledge could be identified for additional support or counseling.

Our results carry important policy implications. First and foremost, they highlight a need for targeted financial education programs for low-income groups that explicitly address overconfidence. Traditional financial literacy programs focus on imparting knowledge about budgeting, saving, credit, etc. – which is vital. However, our findings suggest that educators should also include components that test and calibrate participants’ confidence. For example, incorporating quizzes or simulations where individuals predict their performance and then see the actual results can confront them with any miscalibration (a form of feedback known to reduce overconfidence). Emphasizing “known unknowns” in finance – such as telling participants that it’s normal not to know everything and encouraging cautious decision-making – could instill a more realistic self-view.

In low-income communities, it may also be useful to provide one-on-one financial counseling or coaching. A counselor can objectively assess a person’s financial situation and perhaps counteract any overoptimistic assumptions the individual holds. For instance, if an overconfident client believes they can afford a certain loan, the counselor can walk them through the numbers to show the potential pitfalls. This ties into the idea of a “financial second opinion,” just as doctors recommend seeking a second opinion for medical issues – overconfident individuals might not seek it on their own, so making advisory services free or automatically available could help.

Moreover, recognizing overconfidence as a risk factor can improve consumer protection policies. Financial regulators could require simpler disclosure and even “quiz boxes” in financial product forms (e.g., a few true/false questions about the product’s terms that the consumer must answer correctly to proceed). This could both inform the consumer and give them a quick reality check if they cannot answer – highlighting that maybe they don’t understand the product as well as they thought. Such measures have been trialed in some contexts for complex products. While not foolproof, they can mitigate the consequences of overestimation of knowledge.

For practitioners working with low-income populations (social workers, non-profit credit counselors), our study suggests that they should watch out not only for lack of knowledge but also for false confidence. The person who confidently says “I’ve got my finances under control” might be on the brink of trouble. Engaging in a conversation to gently probe their understanding of financial concepts could reveal whether their confidence is well-founded or not. Conversely, those who are underconfident might benefit from encouragement – sometimes underconfidence can lead to avoidance of financial services altogether (for fear of making mistakes). A balanced confidence is the goal: individuals should feel neither helpless nor invincible.

It is interesting to situate our findings alongside gender research. Prior studies often find women have lower financial confidence than men despite similar or slightly lower knowledge, contributing to gender gaps in investing (Chen & Volpe, 2002). In our data, we did observe that women on average gave themselves lower self-ratings and were somewhat less likely to be overconfident, aligning with known patterns. This suggests that interventions might also need to be tailored: for men in low-income groups, dialing down overconfidence could be key, while for women, boosting objective knowledge and perhaps encouraging confident engagement with finances might be more relevant (as women’s issue can be underconfidence leading to too much risk aversion or dependency). Addressing these differences could further improve outcomes and is a fruitful area for future research.

Finally, an important implication of our study is for the evaluation of financial education programs. Many programs use improvement in financial knowledge test scores as a success metric. Our results imply that we should also measure changes in self-assessment and decision outcomes. A successful program would ideally increase objective knowledge and calibrate confidence – reducing overconfidence among initially unknowledgeable participants – and thereby reduce risky behaviors. If a program raises knowledge but also raises confidence even more (outpacing the knowledge gained), it might inadvertently fuel overconfidence. This nuance is often missed in program assessments. Therefore, collecting data on participants’ self-perceived knowledge and subsequent financial behavior is crucial to truly gauge efficacy.

We acknowledge several limitations of our analysis. First, the data are cross-sectional, so while we observe correlations consistent with theory, we cannot definitively prove causation. Unobserved factors (like innate optimism, financial attitudes, or external economic conditions) could influence both confidence and behavior. We attempted to mitigate this by controlling for multiple variables and using different methods, but a longitudinal study would be valuable to see if overconfidence at one point predicts future financial problems. Second, our measure of risky behavior is broad and in part a necessity-based outcome – a household may overspend due to unavoidable circumstances (job loss, medical bills) rather than personal bias. We tried to focus on behaviors indicative of planning or judgment issues, but there is noise. However, unless that noise is systematically related to confidence (which seems unlikely), it would, if anything, attenuate the observed relationships. Third, the survey’s self-assessment question might be subject to social desirability or cultural response biases. Some people may downplay their self-rating out of modesty, or inflate it out of pride, independent of actual belief. We assume that, on average, the 1–5 self-rating captures genuine self-perception, but cultural factors could influence it. The fact that we still find a strong Dunning-Kruger pattern suggests the signal dominates any cultural noise.

Another relevant question is the generality of the results. While our study is set in Spain, the phenomena are likely relevant internationally. Many countries exhibit low financial literacy among the poor and a gap between confidence and competence (OECD, 2020). The specifics might differ – for instance, access to credit or social safety nets vary, potentially influencing behaviors. Spain has a moderately developed financial system and certain consumer protections (e.g., interest rate caps) that might not exist elsewhere, meaning the exact behaviors (like taking a payday loan) could differ in frequency. But the psychological bias of overconfidence is human and well-documented globally. We expect that in any context where financial decisions are complex and individuals have unequal knowledge, similar patterns would emerge.

6. Conclusion

This paper analyses the relationship between financial overconfidence and risky behavior among low-income households in Spain. We found clear evidence that the Dunning-Kruger effect exists in financial knowledge: the least financially literate individuals often fail to recognize their shortcomings, confidently (and incorrectly) believing they have good financial understanding. This overconfidence is not merely an academic curiosity – it has real consequences. Overconfident low-income individuals are more likely to engage in financial behaviors that can jeopardize their economic stability, such as incurring unsustainable debt or neglecting precautionary measures. On the other hand, those with accurate self-knowledge (or even slight underconfidence) tend to be more cautious and, arguably, manage their limited finances more prudently.

Our results underscore the importance of addressing both sides of the financial literacy coin: improving objective knowledge and correcting miscalibrated confidence. Financial education efforts targeting low-income communities should incorporate elements that reveal knowledge gaps to participants in a constructive way, thereby reducing overconfidence. For example, simple financial aptitude tests followed by feedback can help learners recalibrate their self-assessments. Coupling education with ongoing advisory support can ensure that newfound knowledge is applied judiciously rather than overzealously.

Policymakers and practitioners should view financial overconfidence as a risk factor for household financial distress, much like low income or low education. Identifying overconfident individuals (through self-assessment questionnaires or observed behaviors) could allow early interventions – a “financial health check” – before they make severe mistakes. Since low-income families have little room for error, preventing one costly mistake (like a predatory loan or unplanned default) can have outsized benefits for their long-term financial trajectory.

In conclusion, the originality of this study lies in demonstrating how a cognitive bias – documented mostly in psychology labs and among investors – plays out in the daily finances of society’s most vulnerable and how it may compound their vulnerability. Low-income households face significant external challenges (insufficient income, economic uncertainty); our findings show they also face internal challenges (biases in judgment) that can worsen outcomes. Addressing the internal challenge is a tractable goal: through education, tailored communication, and supportive policies, we can help individuals better understand what they do and do not know, leading to more informed and careful financial decisions. This, in turn, can mitigate some of the external pressures by avoiding needless financial pitfalls.

Future research should build on these insights by exploring intervention techniques to reduce overconfidence and testing their effectiveness in improving financial behaviors. It would also be valuable to examine overconfidence in specific domains (e.g., debt management vs. investment) and among different subgroups (youth, the elderly poor, etc.). Additionally, longitudinal studies could illuminate how financial confidence and behavior evolve over time, especially as households experience shocks or receive education. The aim is to empower low-income households not only with knowledge, but with the self-awareness to use that knowledge wisely – achieving a balance between confidence and caution that best serves their financial well-being.

Referencias

Atkinson, A., & Messy, F. (2012). Measuring financial literacy: Results of the OECD / International Network on Financial Education (INFE) pilot study (OECD Working Papers on Finance, Insurance and Private Pensions, No. 15). OECD Publishing. https://doi.org/10.1787/5k9csfs90fr4-en

Barber, B. M., & Odean, T. (2001). Boys will be boys: Gender, overconfidence, and common stock investment. Quarterly Journal of Economics, 116(1), 261–292.

Bertrand, M., & Morse, A. (2011). Information disclosure, cognitive biases, and payday borrowing. Journal of Finance, 66(6), 1865–1893. https://doi.org/10.1111/j.1540-6261.2011.01698.x

Bover, O., Hospido, L., & Villanueva, E. (2018). The Survey of Financial Competences (ECF): Description and methods of the 2016 wave. Occasional Paper, 1804. Banco de España.

Brown, J. D. (2012). Understanding the better-than-average effect: Motives (still) matter. Personality and Social Psychology Bulletin, 38(7), 895–907. https://doi.org/10.1177/0146167212439172

Chen, H., & Volpe, R. P. (2002). Gender differences in personal financial literacy among college students. Financial Services Review, 11(3), 289–307.

Dunning, D. (2011). The Dunning–Kruger effect: On being ignorant of one’s own ignorance. Advances in Experimental Social Psychology, 44, 247–296.

Kawamura, T., Mori, T., Motonishi, T., & Ogawa, K. (2020). Is financial literacy dangerous? Financial literacy, behavioral factors, and financial choices of households. SSRN Working Paper (No. 3621890).

Kruger, J., & Dunning, D. (1999). Unskilled and unaware of it: How difficulties in recognizing one’s own incompetence lead to inflated self-assessments. Journal of Personality and Social Psychology, 77(6), 1121–1134.

Lusardi, A., & Mitchell, O. S. (2014). The economic importance of financial literacy: Theory and evidence. Journal of Economic Literature, 52(1), 5–44.

Lusardi, A., Mitchell, O. S., & Curto, V. (2010). Financial literacy among the young. Journal of Consumer Affairs, 44(2), 358–380

Lusardi, A., & Tufano, P. (2015). Debt literacy, financial experiences, and overindebtedness. Journal of Pension Economics & Finance, 14(4), 332–368.

Lusardi, A., Schneider, D. J., & Tufano, P. (2011). Financially fragile households: Evidence and implications. Brookings Papers on Economic Activity, 2011(Spring), 83–134.

OECD. (2020). OECD/INFE 2020 International Survey of Adult Financial Literacy. Paris: Organisation for Economic Co-operation and Development.

Samanez-Larkin, G. R., Mottola, G., Heflin, D., Yu, L., & Boyle, P. A. (2020). Overconfidence in financial knowledge associated with financial risk tolerance in older adults. Journal of Behavioral Decision Making, 33(3), 452–462.

Vörös, Z., Szabó, Z., Kehl, D., Kovács, O. B., Papp, T., & Schepp, Z. (2021). The forms of financial literacy overconfidence and their role in financial well-being. International Journal of Consumer Studies, 45(6), 1292–1308.

Xiao, X., Li, X., & Zhou, Y. (2022). Financial literacy overconfidence and investment fraud victimization. Economics Letters, 212, Article 110308. https://doi.org/10.1016/j.econlet.2022.110308

NOTAS

^* University of Valencia and Funcas

** CUNEF University and Funcas

***University of Granada and Funcas

Descarga Publicación (formato PDF)

Fecha: julio 2025

Santiago Carbó-Valverde*, Pedro Cuadros-Solas** y Francisco Rodríguez-Fernández***

Abstract

This paper investigates how excess central bank liquidity affects bank behavior in the Eurozone. Using a panel of over 3,000 banks from 2008 to 2022, we document three unintended consequences of the ECB’s extraordinary liquidity programs. First, higher liquidity uptake is associated with significantly lower credit growth: a 10-percentage point increase in ECB funding is linked to a 0.7 percentage point decline in annual loan growth. This effect is strongest among smaller and less efficient banks. Second, excess liquidity is systematically reallocated to sovereign bond holdings: a 1% increase in liquid assets correlates with a 0.09 percentage point rise in sovereign bonds as a share of total assets, consistent with carry trade incentives. Third, greater liquidity exposure compresses bank profitability: a 10-point increase in liquidity reduces net interest margins by approximately 5 basis points. To address endogeneity, we implement a two-stage least squares (2SLS) strategy using a policy intensity index interacted with national banking system size. The results confirm a causal crowding-out effect on credit supply. These findings highlight how prolonged monetary accommodation can distort bank incentives and reshape the transmission of monetary policy.

I. INTRODUCTION

The European Central Bank (ECB) has been a central pillar of the eurozone’s financial architecture, especially in times of economic turmoil. Since the global financial crisis of 2008 and the subsequent European sovereign debt crisis, the ECB has deployed a suite of unconventional monetary policy tools designed to stabilize markets and promote recovery (Altavilla et al., 2019; Rostagno et al., 2019). Key among these is the various Long-Term Refinancing Operations (LTROs), targeted LTROs (TLTROs), and large-scale asset purchase programs. These measures injected unprecedented levels of liquidity into the banking system, creating an environment of historically low interest rates and substantial excess reserves (Claessens et al., 2018). While these policies were critical in averting systemic crises, their broader consequences–both intended and unintended–warrant careful examination. In particular, there is growing evidence that abundant central bank liquidity can lead to misalignments between policy intentions and bank behavior, such as subdued credit growth, increased carry trade activity, and pressure on bank profitability (Acharya & Steffen, 2015; Drechsler et al., 2016; Heider et al., 2019).

One central aim of ECB liquidity provision was to encourage banks to extend credit to the real economy. By reducing funding costs for banks, the ECB intended to create favorable conditions for lending to households and firms. However, observed outcomes often deviate from these objectives. Instead of channeling funds toward productive private-sector credit, many banks prioritized balance sheet repair or low-risk investments. This behavior was rational for individual banks (short-term profit and balance sheet strengthening) but subverted the policy with the intent of stimulating the real economy. As Adrian and Shin (2010) show, liquidity and leverage are deeply intertwined, magnifying these effects when monetary accommodation is prolonged. A number of banks used cheap ECB funds to deleverage or accumulate safe assets rather than expand lending. Others engaged in financial strategies such as the sovereign carry trade, wherein banks borrow at low cost from the central bank and invest in higher-yielding bonds. By exploiting yield differentials on sovereign debt–particularly bonds of peripheral eurozone countries–banks could generate short-term profits with minimal new lending, echoing the distortions identified by De Marco (2019) in bank lending behavior during the debt crisis. This behavior represents a significant unintended consequence: rather than stimulating broad-based credit growth, ECB liquidity has sometimes fueled arbitrage strategies that boost bank earnings but do little to support the real economy. These unintended consequences have also been recently acknowledged by some policymakers at the ECB¹ and the Bank for International Settlements.²

The implications of these dynamics are far-reaching. The sovereign carry trade not only undermines monetary policy transmission to the real economy but also introduces concentration risks on bank balance sheets. Acharya and Steffen (2015) famously labeled this phenomenon “the greatest carry trade ever,” documenting how European banks used ECB funding during the sovereign debt crisis to increase holdings of risky peripheral sovereign bonds. Subsequent studies confirmed that especially weaker banks (e.g., those with low capital) were most prone to using central bank funds to buy sovereign debt. This carry trade behavior helped stabilize sovereign bond markets in the short term and boosted bank profitability via interest rate spreads, but it left banks more exposed to future sovereign risk shocks. Indeed, price corrections in government bonds translated into significant mark-to-market losses for banks heavily engaged in this trade, illustrating the interconnectedness of sovereign risk and financial stability. Moreover, transparency and disclosure frameworks like stress tests may mitigate this risk concentration (Petrella & Resti, 2013).

In parallel, the net interest margin (NIM) – a key metric of bank profitability – came under pressure in the prolonged low-rate environment fostered by excess liquidity (Carbó et al., 2021). With policy rates at or below zero, banks faced very low yields on their excess reserves (often even negative remuneration) while competition in lending kept loan rates from falling as fast as deposit costs. This margin compression effect is central to the concept of a “reversal interest rate” proposed by Brunnermeier and Koby (2018). The reversal rate is the point at which accommodative monetary policy reverses its intended effect and becomes contractionary for lending, as banks’ profitability and willingness to lend are undermined by too-low rates. In practice, as the ECB flooded the system with liquidity, many banks saw their NIMs shrink – especially those unable to substantially increase loan volumes or fee income to compensate for thinner spreads. Banks parking surplus funds at the central bank at negative rates effectively paid a penalty, eroding income. The result is that excess liquidity can have a paradoxical effect: rather than incentivizing more lending, beyond a point it may lead banks to hold back on credit expansion due to profitability concerns, a result also documented by Ulate (2021) in banks exposed to persistent negative rates.

Beyond carry trades and NIM compression, abundant liquidity carries broader systemic implications. It can distort financial markets by compressing risk premia and encouraging a “search for yield”. When banks and investors assume that central bank support will be readily available, they may adopt riskier strategies, weakening market discipline. This moral hazard can exacerbate vulnerabilities, as highlighted by Brunnermeier et al. (2012) in the context of prolonged easing. Furthermore, liquidity injections have had uneven effects across the eurozone. Banks in core countries often responded more effectively to ECB incentives, while those in weaker economies struggled to translate liquidity into lending. This divergence underscores the limitations of one-size-fits-all monetary policy in a heterogeneous region.

This study provides an empirical analysis of the unintended consequences of ECB liquidity provision using a novel approach. A few previous studies rely on confidential supervisory data or ECB internal datasets, but we present a methodology that allows us to leverage publicly available accounting data to infer each bank’s uptake of central bank liquidity. We construct proxies for ECB liquidity use directly from banks’ balance sheet changes, allowing us to analyze a large cross-country sample of eurozone banks. This approach enables us to investigate policy impacts at scale (covering hundreds of banks across multiple countries) and over an extended period, offering a more comprehensive multi-country perspective than many prior analyses. Our focus on outcomes like the sovereign carry trade and NIM compression also adds originality: we extend the literature by examining not only credit growth (the intended outcome) but also these two critical unintended outcomes in the same framework. In summary, our contributions are threefold: (1) we show that publicly reported financial statements can be used to identify ECB liquidity uptake at the bank-level, providing evidence even without proprietary data; (2) we document, across a broad set of banks, that excess liquidity was often diverted to sovereign debt investments and was associated with weaker credit growth, highlighting a misallocation of central bank funds; and (3) we show that banks with greater reliance on ECB liquidity experienced heightened NIM compression, linking monetary policy interventions to bank profitability pressures. These findings shed new light on the efficacy and side effects of unconventional monetary policy, offering insights for policymakers as they consider the design of future liquidity programs.

II. LITERATURE BACKGROUND AND HYPOTHESES

A growing body of literature examines how banks responded to the ECB’s unconventional policies, revealing several unintended consequences. During the European sovereign debt crisis, the ECB’s 3-year LTROs (2011–2012) provided large-scale funding to banks, which was expected to support lending. However, researchers found much of this liquidity went into sovereign bonds of stressed economies. Acharya and Steffen (2015) document that European banks, especially in countries like Italy and Spain, used LTRO funds to purchase high-yield government bonds rather than increase private lending – a strategy they dub the “greatest carry trade ever”. Altavilla et al. (2017) similarly finds that banks with higher LTRO uptake significantly increased their holdings of domestic government debt, exploiting the spread between sovereign yields and the low cost of LTRO borrowing. Albertazzi et al. (2021) extend this analysis to the COVID-19 period, confirming the persistence of this behavior under TLTRO III. This behavior was rational for individual banks (short-term profit and balance sheet strengthening) but subverted the policy with the intent of stimulating the real economy. It also intensified the bank-sovereign nexus: banks became more exposed to any deterioration in sovereign bond values.

In normal times, banks optimize portfolios across loans and securities, but in crisis times with generous central bank funding, carry trades can dominate. This mechanism parallels the evidence in Black and Rosen (2016), who study how publicly subsidized liquidity reshapes bank risk incentives. The literature notes that weaker banks (e.g., low capital or high non-performing loans) were especially likely to engage in this strategy, as they were reluctant to take on new credit risk (Carvalho et al., 2015), especially in systems with weak creditor rights and limited borrower transparency. and instead sought the “risk-free” carry yield to rebuild capital. This has raised financial stability concerns. For instance, Drechsler et al. (2016) show that poorly capitalized banks in the eurozone disproportionately used ECB funds to buy higher-yield sovereign debt, effectively gambling for resurrection. Menkhoff et al. (2012) emphasize that such carry trades entail systemic risk: when many banks simultaneously unwind bond positions (e.g., if yields spike), it can trigger liquidity spirals and fire sales. Jasova et al. (2022) show that TLTROs amplified credit supply heterogeneity across banks with different capital buffers. Castillo et al. (2022) and Bindseil and Lamoot (2011) emphasize the role of balance sheet proxies and funding structures in identifying banks’ ECB liquidity uptake, motivating our use of publicly available accounting variables.

Another stream of literature investigates why the enormous liquidity injections did not translate into commensurate credit growth. One reason is demand-side weakness – during recessions or uncertainty, firms and households may not seek new loans. However, even accounting for demand, supply-side constraints at banks were evident. Acharya and Steffen (2015) note that many banks chose to park funds in safe assets rather than lend amid high credit risk and regulatory pressure to deleverage. Altavilla et al. (2019) find that while TLTROs reduced banks’ funding costs, the effect on loan growth varied: banks in stronger economies expanded credit modestly, but those in weaker economies did not – often preferring to repair balance sheets, mirroring findings in the U.S. during QE as shown by Rodnyansky and Darmouni (2017). Albertazzi et al. (2021) corroborate that during the COVID-19 TLTROs, banks receiving central bank funding did not significantly increase lending to small businesses in distressed regions, citing risk aversion and lack of credit demand. In sum, evidence suggests a divergence between policy intent and actual credit outcomes, especially for banks under stress or in weaker markets.

Excess liquidity has also been linked to banks’ profitability challenges. As central bank liquidity grew, eurozone interest rates fell to historical lows (including negative deposit facility rates). Brunnermeier and Koby (2018) theorize that beyond a threshold, further monetary easing becomes counterproductive for banks (“reversal rate”), because squeezed net interest margins impair banks’ ability to lend. Empirically, Claessens et al. (2018) and others have shown that prolonged low interest rates compress banks’ NIMs and overall net interest income. Altavilla et al. (2017) find that banks with large excess reserve holdings suffered greater declines in interest income once negative rates were introduced, as they could not fully pass on costs to depositors. In this sense, Carbó et al. (2021) document that banks taking more customer deposits were more strongly affected by negative interest rates. Furthermore, Heider et al. (2019) demonstrate that negative policy rates led banks with more deposit funding to reduce loan supply (consistent with margin pressure). These studies highlight a critical unintended effect: central bank liquidity support, by driving rates ultra-low, may undermine bank profitability and potentially reduce the willingness to lend, especially for banks that accumulate large idle liquidity buffers at the central bank.

Building on this literature, we formalize two main hypotheses for our empirical investigation:

• Hypothesis 1: Banks with higher reliance on ECB-provided liquidity expanded their credit supply more slowly (or contracted credit more) compared to banks with less reliance on ECB funding, particularly during periods of economic stress. In other words, greater uptake of central bank liquidity is associated with subdued loan growth. This hypothesis reflects the idea that liquidity-rich banks may have prioritized non-lending uses of funds (e.g., investing in securities or improving liquidity ratios) over lending. It will be evidenced by a negative relationship between measures of ECB liquidity uptake and loan growth at the bank level. A corollary of this hypothesis is that those banks might instead engage in carry trades; thus, we also expect to observe a positive relationship between ECB liquidity uptake and holdings of sovereign bonds (i.e., liquidity is channeled into government securities rather than loans). This carry-trade behavior is essentially the flipside of the credit slowdown and serves as supporting evidence for Hypothesis 1.

• Hypothesis 2: Banks with higher reliance on ECB liquidity experienced greater net interest margin (NIM) compression during the period of abundant liquidity and negative rates. Banks that borrowed heavily from the ECB (and correspondingly held large excess reserves or low-yield assets) faced more acute pressure on interest margins, due to the low return on liquid assets and limited lending opportunities. We expect to find an inverse relationship between ECB liquidity uptake and NIM: the more a bank’s balance sheet is flush with central bank liquidity, the lower its net interest margin, ceteris paribus. This would be consistent with the reversal-rate mechanism and suggest that prolonged easy monetary policy can weaken bank profitability.

Together, these hypotheses capture the notion of “unintended consequences” of ECB liquidity provision: instead of spurring robust lending, heavy liquidity uptake is tied to risk-free arbitrage (carry trade) and to profitability strains that themselves can inhibit lending. In the following sections, we describe how we test these hypotheses using bank-level accounting data and present results that strongly support both conjectures.

III. DATA AND METHODOLOGY

1. Data Sample and Sources

To investigate these questions, we constructed a large panel dataset of European banks using publicly available sources. Our primary data comes from the Bureau van Dijk BankFocus (Orbis) database, which compiles financial statements for banks worldwide. We extracted data on Eurozone commercial, savings, and cooperative banks over the period covering the ECB’s major liquidity operations (approximately 2011–2023, encompassing the LTRO, TLTRO I-III, and pandemic liquidity programs). We applied several filters to focus on relevant institutions and ensure data quality. in particular, we excluded very small institutions–defined as those with total assets below €1 billion, a threshold consistent with prior empirical studies and regulatory classifications distinguishing small local banks from the broader commercial banking sector. We also dropped non-traditional banks and public entities that might distort the analysis (e.g., development banks, central banks themselves, or government financial agencies). After cleaning, our effective sample consists of 3,115 banks across the Eurozone, with a total of about 43,610 bank-years used in the panel analysis. This broad coverage is a key strength of our approach, as it captures a wide cross-section of banks – from large cross-border institutions to small regional banks – allowing us to generalize results across the Eurozone banking sector. Based on ECB Statistical Data Warehouse (Banking Structural Financial Indicators, BSI), total assets of Eurozone monetary financial institutions (excluding the Eurosystem) were approximately €33 trillion as of 2024. Our sample covers banks accounting for an estimated €27–29 trillion in assets, or about 80–88% of the system total.

Importantly, we do not observe directly which banks borrowed from the ECB’s facilities or how much they borrowed, since that information is not public at the individual bank level. Our analysis instead infers banks’ uptake of ECB liquidity through their published balance sheets, leveraging the accounting identities that reflect liquidity inflows. This indirect approach is consistent with models of liquidity behavior and structural balance sheet analysis, such as those presented by Castillo et al. (2022) and Diamond and Rajan (2001). We focus on the period of massive liquidity injections (2011–2012 LTROs, 2014–2017 TLTRO II, 2020–2021 TLTRO III and pandemic programs) and track how banks’ balance sheet compositions changed concurrent with these operations.

2. Identification Strategy for ECB Liquidity Uptake

When a bank taps central bank liquidity facilities (such as TLTRO funds), its balance sheet will expand, and specific line items will reflect the inflow. In general, the immediate impact of receiving an ECB long-term loan is an increase in the bank’s cash or reserve balances on the asset side (as the borrowed funds are credited to the bank’s account at the central bank), matched by an increase in central bank borrowing on the liability side. How the bank then uses those funds can vary, but broadly the uses fall into four categories identified by central bank analyses:

• A. Lending: The bank could use the liquidity to extend new loans to customers. In this case, reserves would initially rise, but as the funds are disbursed to borrowers and ultimately deposited or transferred, the bank’s loan assets increase. (If the borrower keeps the funds on deposit, the bank’s customer deposits on the liability side also increase, otherwise reserves may flow out to other banks.) This is the outcome policymakers intend – increased Loans on the asset side, corresponding to credit growth.

• B. Holding as Reserves: The bank may simply hold the funds idle as excess reserves at the central bank. Here, the asset-side increase in reserves remains in place. This would indicate the bank did not find attractive lending opportunities and chose to maintain liquidity (possibly due to risk aversion or lack of loan demand). Excess reserves earning a low or negative rate represent an unused liquidity buffer, a dynamic extensively discussed by Altavilla et al. (2017) and Heider et al. (2019), who link reserve accumulation to transmission inefficiencies in the context of negative interest rates.

• C. Purchasing Government Bonds: The bank might invest the funds in sovereign securities. In this case, reserves would be transformed into holdings of government debt on the asset side. This is the carry trade strategy – using low-cost ECB money to buy higher-yield sovereign bonds. The balance sheet would show an increase in government bond assets corresponding to the liquidity taken.

• D. Substituting for Market Funding: The bank could use the ECB funds to repay other liabilities, such as interbank borrowings or outstanding debt securities (market funding). In this strategy, the incoming central bank funding replaces more expensive or less stable funding sources. The balance sheet effect would be an increase in central bank liabilities offset by a decrease in other liabilities (e.g., a drop in “Amounts due to other banks” or outstanding bonds). In assets, reserves might briefly rise and then fall as the funds are used to pay off those liabilities.

Considering the accounting structure of ECB operations, we reinforce our identification strategy by explicitly linking our proxies to observable balance sheet patterns documented in supervisory studies. Following Castillo et al. (2022), we recognize that TLTRO III liquidity injections manifest in four balance sheet strategies: lending, holding reserves, bond purchases, and substitution for market funding. Among these, only the first two–credit expansion and reserve accumulation–show a consistent and significant relationship with ECB funding at the bank level.

Consequently, we design our ECB borrowing proxy to capture excess funding needs not met by deposit inflows, which is the most visible footprint of central bank liquidity on the balance sheet. This approach follows the accounting logic described above and avoids misclassification of institutions simply shifting between market sources. Our strategy is thus grounded in empirical accounting identities and has been validated in the Spanish banking system under TLTRO III.

Banks may deploy ECB liquidity in combinations of these strategies simultaneously (e.g., some portion to new loans, some to bonds, etc.). Our identification approach is to quantitatively capture the extent of a bank’s liquidity uptake and its allocation using observable balance sheet metrics associated with the above strategies:

• Excess Liquidity Proxy: We define a bank’s liquidity uptake primarily through the ratio of its liquid assets to total assets. We compute Liquid Assets / Total Assets (often called the liquidity ratio) for each bank year. “Liquid assets” include cash and balances with central banks, interbank placements, and other assets that are cash equivalent. A sharp increase in this ratio, especially during the known LTRO/TLTRO years, is a telltale sign that a bank received funds that it has not immediately lent out. This measure captures both holding reserves (category 2) and the initial phase of any strategy (since all uses start as reserves). In our analysis, we use the log of liquid assets to assets as a key independent variable indicating ECB liquidity uptake. Taking logs helps normalize the distribution and reduce the influence of a few extremely liquidity-rich banks. Intuitively, a higher liquid-asset ratio means the bank is holding relatively more cash/reserves – often a byproduct of taking ECB liquidity, potentially reflecting liquidity hoarding behavior as described by Diamond and Rajan (2001).

• ECB Borrowing Proxy: To more directly gauge reliance on ECB funding, we construct a proxy for the share of a bank’s liabilities attributable to ECB borrowing. While we cannot observe ‘Borrowings from central bank’ explicitly for all banks, we infer it by looking at funding gaps. Specifically, we compare a bank’s non-deposit funding to its total liabilities. If a bank’s customer deposits are significantly less than its total assets, the remainder must be financed by wholesale funding or central bank funds. In formula, we define:
  
  ECB_borrowing_proxy = max{0, (non-deposit liabilities / total liabilities)}
  
  where non-deposit liabilities include money market and long-term funding.
  
  In practice, we implemented this as:
  
  [Long-term borrowings (<=1yr maturity]) – Customer deposits) / Total liabilities,
  
  clipped between 0 and 1 (since deposits can at most equal or exceed that category).
  
  The idea is that if a bank has more short-term borrowings than customer deposits, it likely is using central bank funds (or interbank funds) to fill the gap. This proxy rises when a bank replaces deposit funding with ECB funds or other market funding. A higher value indicates greater dependence on central bank liquidity relative to traditional deposit funding, raising concerns of liquidity misallocation as explored in Tirole (2011). We use this proxy as an alternative measure in robustness checks and as a potential instrumental variable, as described below.

• Sovereign Bond Holdings: To track the carry trade activity, we measure each bank’s holdings of government securities (typically reported under assets as “available-for-sale” or “held-to-maturity” debt securities, with a breakdown by sovereign vs. other). Ideally, we would look at the change in sovereign bond holdings around liquidity injections. We use the level of sovereign bond holdings (relative to assets) as an outcome of interest, under the assumption that banks with greater ECB liquidity access will end up with a higher share of assets in government bonds (all else equal). For many banks, especially in crisis countries, a jump in this ratio during LTRO years signals a carry trade. We incorporate this either as a dependent variable (to directly test the carry trade hypothesis) or as part of the loan growth equation (since an increase in bond holdings might crowd out loans on the balance sheet).

• Loan Growth: Our primary metric for credit supply is the annual growth rate of customer loans. We compute Loan Growth for each bank-year as the year-on-year percentage change in the stock of loans to customers (gross loans) on the balance sheet. In some specifications, we also examine multi-year growth over specific program periods (for example, loan growth from pre-TLTRO to post-TLTRO). Higher loan growth indicates the bank is extending more credit. According to our hypothesis, banks that heavily taped ECB liquidity should, paradoxically, show lower loan growth, indicating they did not use the liquidity to expand credit as intended.

• Net Interest Margin (NIM): We take each bank’s net interest margin (net interest income as a percentage of earning assets) from income statement data. This is often provided directly in BankFocus or can be calculated as net interest income divided by average interest-earning assets. NIM is expressed in percentage points. We use NIM as an outcome to capture profitability effects. Our expectation is that banks with high liquidity (excess cash, reserves) and consequent low asset yields will have lower NIMs. We analyze NIM in panel regressions controlling for other factors.

• Control Variables: We include a set of bank-specific controls that might influence loan growth or NIM independently of liquidity uptake. Key controls are bank size (log of total assets), capitalization (equity-to-assets ratio or regulatory capital ratio), and asset quality (non-performing loans to total loans, i.e. NPL ratio). Size can proxy for differences in business models (large banks vs small). Capital and NPL ratios control for the bank’s health: well-capitalized, low-NPL banks may be more able to lend. We also control the country and time effects: our regressions include either country fixed effects, year fixed effects, or bank fixed effects as appropriate to net out macroeconomic differences and any time trends or shocks common to all banks (such as the overall credit cycle or interest rate environment in a given year).

3. Handling Outliers and Data Winsorization

Bank accounting data can exhibit extreme outliers due to one-off events, data errors, or genuine but unusual cases (e.g., a tiny bank that grows its loan book by 1000%, or a bank with near-zero loans in one year leading to a huge percentage change the next year). To ensure that such extremes do not distort our analysis, we winsorize outliers by capping values at the 5^th and 95^th percentiles. We also drop observations where loan growth is outside the range of –100% to +100% in a year (we treat changes beyond this as likely data issues or extraordinary circumstances such as mergers). We also trim the top and bottom 1% of the distribution of NIM (dropping cases where reported NIM is, say, negative or above 10% – values that indicate non-standard operations or data anomalies, since typical bank NIMs range a few percent). Similar trimming is applied to the liquid assets ratio and sovereign bond ratio to remove implausible values (e.g., cases where these ratios exceed 100% or are reported as negative). After outlier filtering, the distributions of the variables align with economic intuition. For example, in the cleaned sample the average annual loan growth is around 3-5% with a standard deviation of ~15%, and NIM averages roughly 1.5–2% (150–200 basis points). These summary values are in line with aggregate statistics for European banks over the last decade, giving us confidence in data quality post-cleaning.

4. Empirical Model Specifications

To test our hypotheses, we estimate regression models linking ECB liquidity uptake to the outcomes of interest (loan growth, sovereign bond investments, and NIM). Given the structure of our data, we employ panel regression techniques with fixed effects to control unobserved heterogeneity. For loan growth and sovereign bond holdings, our baseline specification uses a bank fixed-effects panel model. We estimate the following baseline panel regression model:

Y_it = α_i + γ_t + β LiquidityRatio_i,t−1 + δ′X_i,t−1 + ε_it [1]

where Y_it is the outcome for bank i in year t (either loan growth or the share of sovereign bonds in assets), α_i are bank fixed effects (to absorb time-invariant differences like business model or region) – in line with Van den Heuvel (2002), who highlights the importance of bank capital in monetary transmission–, γ_t are year effects (to control for common shocks and the monetary policy stance each year), LiquidityRatio_i,t−1 is our proxy for ECB liquidity uptake (lagged one period to mitigate simultaneity), and X_i,t−1 are control variables (size, capital, NPL, cost-to-income efficiency ratio and country GDP growth, also lagged). The coefficient β captures the effect of liquidity on the outcome. For Hypothesis 1, we expect β to be negative in the loan growth equation (more liquidity → lower growth) and positive in the bond share equation (more liquidity → more bond investment). In all panel regressions, we compute robust standard errors clustered at the bank level. This accounts for serial correlation and heteroskedasticity within banks over time, which is appropriate given that treatment variables and outcomes are observed at the bank-year level.

For Net Interest Margin (NIM), we estimate a similar panel model:

NIM_it = α_i + γ_t + ϕ LiquidityRatioi,t−1 + θ′Xi,t−1 + u_it [2]

Here, the dependent variable is the net interest margin for bank i in year t. The interpretation of variables remains the same, and the coefficient ϕ is expected to be negative, indicating that higher ECB liquidity uptake is associated with margin compression. The expected sign of + θ′Xi,t−1 is negative (liquidity-rich banks have lower NIM).

In some specifications, instead of bank fixed effects, we use country fixed effects (if focusing on cross-sectional differences over a specific period, e.g., pre- vs. post-TLTRO) or no fixed effects but include country-level covariates. However, our preferred models include bank (or at least country) fixed effects to account for structural differences across banks. As Stein (2012) argues, the combination of liquidity support and prudential objectives requires coordinated frameworks.

Recognizing that endogeneity could be a concern – banks’ decision to borrow from the ECB might be influenced by unobservable factors that also affect lending or NIM (for example, a bank expecting weak loan demand might take more ECB liquidity, and also that expected weak loan demand would cause low loan growth) – we experimented with an instrumental variable (IV) approach. As an instrument for a bank’s liquidity uptake, we use a measure of the exogenous policy intensity in its environment. One such instrument is a country-level indicator of ECB liquidity provision, such as the total ECB liquidity injected (per banking system assets) in the bank’s country during a given period. The idea is that in countries where the ECB conducted more aggressive interventions (e.g., Italy or Spain during the sovereign crisis, or all countries during pandemic PEPP and TLTRO III), even healthier banks had more opportunity or incentive to take liquidity, regardless of their individual traits. We construct a variable Policy_intensity which varies by country-year (for instance, the size of ECB refinancing operations relative to country banking system size, or dummies for years of big liquidity programs). We then instrument a bank’s liquidity proxy (e.g., ECB_borrowing_proxy as defined above) with this country-level Policy intensity (and possibly its lag). The IV first stage essentially captures how much liquidity a bank could take based on the environment, rather than its own demand for loans. In the second stage, we then estimate the effect on loan growth or NIM, also relevant for analyzing credit misallocation in liquidity-rich environments (Schivardi et al., 2017). While IV results need to be interpreted cautiously, they serve to bolster our findings by addressing reverse causality concerns. In practice, our IV estimates (reported qualitatively later) were consistent with the OLS/panel results, suggesting that the correlations we find likely reflect causal effects of ECB liquidity on the outcomes, rather than the other way around.

5. Descriptive Statistics

Before turning to regression results, we present summary statistics for the main variables in our study (after outlier filtering). Table 1 provides an overview of the sample’s key characteristics. All monetary figures (like total assets or bond holdings) are in euros, and ratios are in percentage terms where noted. A definition of all the posited variables is provided in Table A1 in the Appendix.

From Table 1, we observe that the average loan growth in our sample is modest (around 4% annually), but the distribution is wide – many banks shrank their loan portfolios (25^th percentile –3.5%) while others grew quickly (75^th percentile 8.0%). The median loan growth of ~1.2% indicates that in a typical year, a slight majority of banks were still expanding credit, but only marginally. This tepid credit growth underscores the environment of the past decade, where deleveraging and weak demand were common despite abundant liquidity. The sovereign bond holdings average about 12.5% of assets, with considerable variation (some banks hold almost no sovereign debt, while others have nearly 20% or more of their assets in bonds). This suggests that carry trade opportunities were present but not uniformly exploited by all banks – a theme we will explore in results. The NIM has a mean of 1.8%, in line with expectations for European banks in a low-rate era, and a fairly tight interquartile range (1.0% to 2.3%). Notably, a few banks have extremely low or even negative NIMs (minimum ~0% in the trimmed sample) reflecting cases of operating losses on interest business, whereas the maximum NIM (~4-5% in unreported stats) pertains to niche banks or those in higher-rate locales.

The liquid assets ratio averages 20% but ranges widely – some banks at the 25th percentile hold less than 10% of assets in liquid form, whereas some at the 75^th percentile hold over 25%. This indicates that certain banks accumulated very large liquidity buffers (likely those heavily tapping ECB funds or flight-to-safety flows), while others kept more assets in loans or less liquid investments. The ECB borrowing proxy has a mean of 0.12, meaning on average about 12% of bank liabilities are not covered by deposits (and could be ECB or other wholesale funding). Many banks have proxy = 0 in certain years (fully deposit-funded), while at the high end some approach 1 (almost entirely reliant on non-deposit funding). The average wholesale funding (22.7% of liabilities) aligns with this, confirming that roughly a fifth of funding comes from non-deposit sources across banks. The capital ratio (equity/assets) around 8.7% is reasonable (median 8%), reflecting banks’ balance sheet leverage. The NPL ratio median of 4% and mean ~6.4% highlights that asset quality problems were significant for some banks (especially in crisis-affected countries where NPLs soared above 15% for the worst quartile). We include these factors in regressions to isolate the effect of liquidity from the effect of a bank simply being weak (high NPL, low capital).

Overall, the descriptive statistics paint a picture consistent with our narrative: there is significant cross-bank variation in liquidity positions and asset allocation. Some banks in the sample clearly held large amounts of cash and bonds (likely beneficiaries or heavy users of ECB liquidity), whereas others maintained more traditional balance sheets, a pattern more common in large institutions with less market discipline, as documented by Bertay et al. (2013). We also see that loan growth was, on average, lackluster, and that banks’ interest margins were low with limited dispersion among the middle of the distribution – suggesting a common compressive force (the low-rate environment) acting on all banks, which may also reflect digital transmission bottlenecks and institutional stickiness, as highlighted by Auer et al. (2021).

6. Causal Inference

To enhance the credibility of our empirical findings, we complement our fixed-effects panel specification with a causal inference strategy that allows for treatment effect estimation under flexible, data-driven control of observable confounders. Specifically, we implement the Double Machine Learning (DML) framework proposed by Chernozhukov et al. (2018), which permits consistent estimation of the Average Treatment Effect (ATE) in the presence of high-dimensional or nonlinear relationships between covariates, treatment, and outcome.

The treatment variable of interest is the ECB Borrowing Proxy, lagged one period to mitigate simultaneity bias. The outcome is annual loan growth, measured as the percentage change in total gross loans. We control for an extensive set of bank-level covariates, including the log of total assets (size), equity-to-assets ratio (capitalization), non-performing loan (NPL) ratio, and wholesale funding share, among others. These variables capture heterogeneity in bank business models, risk exposure, and balance sheet strength, and are similarly lagged to preserve causal ordering.

The DML estimator proceeds in three steps. First, the treatment model is estimated using a machine learning algorithm (in our case, random forest regression) to predict the ECB liquidity proxy based on controls. Second, the outcome model is estimated using the same learner to predict loan growth from the same set of controls. Third, residuals from these two stages are used to compute a partialling-out regression, isolating the orthogonalized component of the treatment effect. To reduce overfitting and ensure validity, we employ K-fold cross-fitting, whereby the sample is partitioned, and models are trained on out-of-fold data. This approach satisfies the Neyman orthogonality condition, which guarantees that small errors in the estimation of nuisance parameters (i.e., the treatment and outcome models) do not bias the ATE estimate. Unlike traditional regression, DML makes no functional form assumptions, can accommodate nonlinear and interaction effects, and is robust to multicollinearity among controls.

We implement this framework using the DoubleML library in Python, with RandomForestRegressor from sklearn as the base learner. All variables are standardized before estimation, and results are averaged over multiple random seeds to reduce dependence on fold partitioning.

The resulting ATE captures the average marginal effect of ECB liquidity uptake on loan growth, conditional on observed characteristics, and serves as a robustness check against potential misspecification or omitted variable bias in our panel fixed-effects estimates.

IV. EMPIRICAL RESULTS

1. Baseline specification

In this section, we present the regression results linking ECB liquidity uptake to loan growth, carry trade, and net interest margins. We report the key findings from our fixed-effects models. Table 2 below summarizes three main regressions: (1) Loan Growth, (2) Carry Trade (measured by sovereign bond holdings), and (3) Net Interest Margin, each as a function of our liquidity proxy and controls. All regressions include fixed effects and are based on the cleaned sample. Standard errors (in parentheses) are clustered at the bank level, and asterisks denote statistical significance at conventional levels (*** 1%, ** 5%, * 10%).

Several important findings emerge from Table 2. First, we see strong support for Hypothesis 1: banks with greater liquidity uptake had significantly lower loan growth. The coefficient on Liquid Assets/Assets in the Loan Growth column is –0.366, which is highly significant (p<0.01). This implies that a 1% increase in a bank’s liquid asset ratio (approximately an increase of one percentage point of assets held as liquidity) is associated with about a 0.36 percentage point decrease in annual loan growth, on average. In economic terms, the effect is substantial. Consider two banks, one of which kept a very high liquidity buffer during the ECB interventions and one of which kept a lower buffer. Our estimates suggest the liquidity-rich bank would expand lending much more slowly. This result holds after controlling for bank size, capital, and risk. Notably, bank size itself has a positive coefficient in the loan growth regression: larger banks (log assets) tended to show higher loan growth, perhaps reflecting that small banks were more constrained or were in markets with weak demand. But even controlling for size, the negative liquidity effect remains, indicating it is not just small or troubled banks growing slow – it is specifically those with excess liquidity that underperform in credit extension. Moreover, banks with higher cost-to-income ratios also showed significantly lower credit growth (coefficient = –0.045, p<0.05), suggesting that operational inefficiency constrained their lending capacity. By contrast, macroeconomic conditions exerted a positive influence: GDP growth was strongly associated with higher loan growth (coefficient = 0.392, p<0.01), in line with the expected procyclical behavior of credit supply.

Turning to the carry trade regression, we now use the ratio of sovereign bond holdings to total assets as the dependent variable, providing a scale-adjusted measure of bond exposure. The coefficient on Liquid Assets/Assets is 0.087 (p<0.01), indicating that a 1% increase in the liquidity ratio is associated with a 0.087 percentage point increase in sovereign bond holdings relative to assets. This confirms that banks with more liquidity tended to allocate a larger share of their balance sheets to government securities. Bank size is also positively and significantly associated with this ratio (coefficient = 0.136, p<0.01), suggesting that larger banks engage more actively in the carry trade. Interestingly, the NPL ratio is positive but not statistically significant (coefficient = 0.001), and neither cost-to-income nor GDP growth are significant in this specification. These results suggest that carry trade behavior was primarily driven by balance sheet conditions—namely liquidity and size–rather than by efficiency or macroeconomic variation.

Turning to Hypothesis 2, the NIM regression confirms a negative relationship between liquidity uptake and net interest margins. The coefficient on Liquid Assets/Assets is –0.005, significant at the 5% level. This estimate implies that a bank which significantly increases its liquidity (for example, going from 10% to 20% of assets in liquid form) would see its NIM lower by about 0.05 percentage points (5 basis points) as a result. While this effect may sound small, recall that median NIM is only ~1.6%, so a movement of a few basis points can be meaningful, especially in a low-margin environment. Moreover, this is the average linear effect – banks that became extraordinarily liquid (e.g., liquidity ratios up by 20–30 points) likely experienced larger margin hits, possibly on the order of tens of basis points. reflecting adjustments in banks’ risk exposures depending on balance sheet composition (Begenau et al., 2015). These findings align with the idea that excess liquidity parked at the ECB (earning negative or zero interest) drags down the average yield of assets, compressing the interest spread, especially when low real interest rates encourage banks to increase leverage and risk exposure (Dell’Ariccia et al., 2014). The negative coefficient on bank size (–0.236, though not significant) suggests larger banks might have slightly lower NIM, consistent with large banks operating in more competitive markets. The equity ratio has essentially no effect on NIM in this specification (coefficient ~0). In unreported tests, we found that deposit-heavy banks had lower NIM under negative rates (confirming findings like Heider et al., 2019), but since deposit reliance correlates with our liquidity proxy, it was difficult to include both; our proxy and fixed effects likely capture some of that dynamic already. Importantly, the cost-to-income ratio is strongly negatively associated with NIM (coefficient = –0.012, p<0.01), indicating that less efficient banks experience sharper profitability pressures. In contrast, GDP growth had a small and statistically insignificant effect (coefficient = 0.008), suggesting that bank-level profitability is more sensitive to internal cost structure than to broader macroeconomic fluctuations.

Overall, the regression results strongly support our hypotheses: high ECB liquidity uptake is associated with low loan growth and significant carry trade activity (H1), and with compressed net interest margins (H2). These effects hold while controlling other factors and including fixed effects, indicating they are not driven by country-level conditions or time trends alone. The within R-squared for the carry trade regression is 0.015—modest, but higher than in the previous level specification—reflecting a better fit when using scaled bond holdings.

2. Results of using instrumental variables

To address potential endogeneity in the ECB liquidity proxy, we implement a two-stage least squares (2SLS) instrumental variable strategy (see Table 3). Our instrument is a Policy Intensity Index, defined as the sum of ECB extraordinary liquidity programs active in year t–1 (LTRO, QE, TLTRO), interacted with the country-level size of the banking system. This interaction captures differential exposure to euro-wide liquidity policies.

Panel A of Table 3 shows the results of the first-stage regression. The coefficient on the excluded instrument (Policy Intensity × Banking System Size) is 0.428 (p < 0.001), indicating a strong and positive relationship with the ECB Borrowing Proxy. The first-stage F-statistics are 29.37, well above conventional thresholds for weak instruments. This confirms the relevance of the instrument.

While we estimate the IV specification for loan growth to assess causal credit supply effects, the same identification strategy for carry trade or profitability (NIM) yields unstable or statistically weak results, which we therefore omit for brevity.

In the second stage (Panel B), the estimated coefficient is –6.894 (p = 0.0035), indicating a large and statistically significant effect. However, this value should not be interpreted as the marginal effect of a full unit increase in the proxy. Rather, a more realistic interpretation—given observed values of the proxy between 0.1 and 0.3—suggests that a 10-percentage point increase in ECB borrowing reduces annual loan growth by approximately 0.69 percentage points.

This result strongly supports the hypothesis that ECB liquidity uptake may crowd out lending to the real economy. It provides robust causal evidence that the funding structure of banks–when tilted toward central bank liquidity–affects their credit supply decisions.

3. DML results

To explore treatment heterogeneity and avoid strong functional form assumptions, we implement a Double Machine Learning (DML) estimator using a random forest learner. The treatment variable is the lagged ECB Borrowing Proxy, and the outcome is recalibrated as the annual percentage growth in total loans. The DML framework orthogonalizes both treatment and outcome with respect to controls, allowing a robust estimate of the Average Treatment Effect (ATE). The results are shown in Table 4. The recalibrated ATE is –0.061 (standard error 0.009, p = 0.03), indicating that a 10-percentage point increase in ECB liquidity exposure is associated with a 0.61 percentage point decrease in loan growth, conditional on controls. This result supports our baseline findings while relaxing linearity and fixed-effects assumptions.

Moreover, the Causal Forest structure reveals heterogeneous effects across banks. The negative effect is stronger in banks with high NPL ratios and lower equity, suggesting that financially weaker banks are more likely to use ECB liquidity for defensive strategies such as sovereign bond investment or balance sheet repair. This finding is consistent with literature on impaired monetary transmission in weak banks (e.g., Acharya and Steffen, 2020; Blattner et al., 2021).

4. Robustness checks

It’s worth noting a few robustness checks and nuances: we experimented with alternative measures of “liquidity uptake,” such as the change in central bank borrowing (using our ECB proxy) and found similar qualitative results. We also tried an instrumental variable approach using country-level liquidity shocks (e.g., exploiting the fact that Italian banks collectively borrowed much more from LTRO, we instrument individual bank liquidity by an Italy-year dummy). The IV estimates suggested that an exogenous increase in ECB borrowing leads to lower loan growth – consistent with our OLS but with larger standard errors. We attempted a difference-in-differences style analysis around specific operations (for instance, comparing banks before and after TLTRO III based on their ex ante characteristics), which again indicated that banks predisposed to use TLTRO ended up with weaker loan growth relative to a control group. Additionally, we looked at heterogeneity: the negative loan growth effect of liquidity was most pronounced for banks with high NPLs (stressed banks) and for banks in the periphery, whereas core banks or low-NPL banks showed a flatter relation (they lent a bit more). This suggests the unintended consequences were concentrated where fundamentals were weakest – reinforcing the policy challenge, as those were precisely the banks the ECB most wanted to spur into lending.

Table A2 in the appendix summarizes the robustness of our findings regarding the impact of ECB liquidity uptake on loan growth. The negative effect is confirmed across all specifications, including models with fixed effects, instrumental variables, and machine learning. While the raw coefficients differ in scale due to transformations or estimation techniques, their interpretation is consistent when evaluated in terms of a 10-percentage point increase in ECB liquidity exposure. The fixed-effects model implies that such an increase is associated with a decline of approximately 0.37 percentage points in annual loan growth. The instrumental variable estimate suggests a slightly stronger effect, close to 0.7 percentage points. The double machine learning estimator confirms this pattern with an average treatment effect of –0.21 percentage points.

V. DISCUSSION OF FINDINGS AND RELATION TO LITERATURE

Our empirical findings provide clear evidence of the unintended consequences of ECB liquidity provision on bank behavior:

• Muted Credit Growth: Banks that took advantage of ECB liquidity facilities did not use the funds to substantially increase lending – in fact, they expanded credit more slowly than their peers. This result echoes the concerns raised in prior case studies and confirms them in a broad sample. It supports Acharya & Steffen’s (2015) narrative that much of the “firepower” of ECB liquidity was not transmitted to the private sector. Instead, banks with abundant cheap funding often prioritized safer or alternative uses. This could be due to several reasons: weak loan demand (especially in crisis times), heightened risk aversion, regulatory pressure to improve liquidity and capital ratios, or simply the relative attractiveness of other options like sovereign bonds. Our finding is consistent with Albertazzi et al. (2021), who found uneven credit responses to TLTROs – many banks, particularly in weaker economies or with high NPLs, did not lend more despite access to funds. It also aligns with the concept of the “reversal rate”: when rates are very low and liquidity abundant, banks might not increase lending proportionally because the marginal gain is low relative to perceived risks. In our data, we indeed see that beyond a point, more liquidity is associated with essentially zero additional lending (the flat red line in Figure 1 around the 0% loan growth level).

• Sovereign Carry Trade: We find strong evidence that banks deployed ECB liquidity in carry trades – significantly increasing holdings of sovereign bonds. This outcome validates widespread contemporaneous observations during the crisis. Studies by Acharya & Steffen (2015) and Altavilla et al. (2017) documented that Italian and Spanish banks used LTRO funds to buy domestic government bonds. Our analysis generalizes this: across many countries and episodes, excess liquidity reliably “leaks” into sovereign debt investments when credit growth is unattractive. This has important implications. In the short run, it props up sovereign debt markets (indeed, ECB interventions likely helped avert self-fulfilling runs on government bonds by indirectly channeling funds to them through banks). But in the longer run, it tightens the bank-sovereign linkage. Banks become heavily exposed to their governments, so any future sovereign stress would directly hit bank balance sheets – a classic feedback loop that European regulators have been wary of. Our results reinforce arguments by policymakers that more needs to be done to break this loop. They also resonate with moral hazard concerns: banks might have taken advantage of ECB support to profit from sovereign spreads, counting on the ECB to maintain stability. This behavior can be seen as rational from each bank’s perspective but collectively suboptimal, echoing Brunnermeier et al. (2008)’s warning that implicit guarantees encourage risk-taking. Furthermore, the positive association we find between NPLs, and bond-holdings suggests that weaker banks engaged more in carry trades, which is a worrying combination (as it concentrates risk on already fragile institutions).

• Net Interest Margin Compression: Our evidence confirms that banks with a lot of liquidity suffered greater NIM compression, supporting Hypothesis 2. This is in line with the reversal rate theory and practical observations during negative-rate policy. When the ECB pushed deposit rates below zero, banks with excess reserves effectively paid interest to hold those reserves. Unless they could lend or invest those funds at a positive spread, their net interest income would fall. Banks most affected were often those that had taken large ECB loans and not lent them out – precisely the ones showing high liquid asset ratios. The statistical effect we find (on the order of a few basis points NIM reduction for a 10-point increase in liquidity ratio) matches anecdotal reports: for example, the ECB’s own analyses noted that banks with high excess liquidity saw noticeable drops in net interest income after 2014 compared to banks with less excess. Our findings add empirical weight to the argument that monetary easing can hit bank profitability, which in turn may counteract some of the stimulus. A lower NIM can induce banks to charge higher fees or cut costs, but it can also make them more reluctant to lend (since loans aren’t very profitable), potentially undermining the intended expansionary effect. This mechanism was highlighted by Brunnermeier and Koby (2018) and we show it manifested in the data during the ECB’s unconventional. It’s a cautionary result: central banks must consider the trade-off between providing ample liquidity and maintaining banks’ interest margins that incentivize lending. Our multi-country evidence suggests this trade-off was indeed active in the Eurozone.

In summary, our results tie together several threads from the literature into a coherent picture: ECB liquidity injections during crisis times inadvertently encouraged banks to favor sovereign investments over loans and contributed to a compression of margins that may have blunted the effectiveness of the policy. These unintended outcomes highlight a dilemma for central banks. On one hand, providing liquidity in a crisis is essential to avert credit crunches and stabilize markets (indeed, without LTRO/TLTRO, the contraction in loans could have been far worse, and some sovereigns might have faced failed auctions). On the other hand, once a certain level of liquidity is in the system, diminishing returns set in – banks can only absorb so much before the extra liquidity either sits idle or chases yields in sovereign or other financial markets. Our findings are a testament to the latter: beyond a threshold, more liquidity did not produce more lending, it just moved through banks into other channels.

VI. CONCLUSION

This study provides a comprehensive analysis of how Eurozone banks utilized the massive liquidity provided by the ECB in the past decade and the consequences of those choices. Our findings paint a sobering picture: ample central bank liquidity, while averting a financial meltdown, did not translate into the hoped-for lending boom. Instead, many banks diverted funds into sovereign debt carry trades or simply held them as excess reserves, and those that became flush with liquidity saw their lending activities stagnate, and their interest margins squeezed. These outcomes represent significant unintended consequences of the ECB’s policies, shedding light on the limits of monetary stimulus when the banking transmission channel is impaired or incentives are misaligned.

From a policy perspective, our results highlight the importance of targeting and conditionality in liquidity operations. The ECB’s later TLTRO iterations did include lending targets (banks could get interest reductions on TLTRO funds if they met certain loan growth benchmarks). Our evidence suggests such measures were warranted: without explicit incentives, banks had logical reasons to allocate liquidity in ways at odds with policy objectives. Policymakers might consider strengthening the link between central bank funding and actual lending to the real economy – for example, by more directly tying the quantity of funds or the rate on funds to loan creation (as suggested in Altavilla et al., 2016. At the same time, macroprudential oversight should address the carry trade tendency. This could mean caps on sovereign exposures or adjusting risk weights on sovereign bonds in bank capital rules (a delicate issue in Europe), to discourage banks from over-concentrating in sovereign debt whenever cheap funding is available. Our findings that weaker banks were especially prone to carry trades and had worse credit outcomes indicates that regulators should monitor liquidity usage: if a troubled bank is taking lots of central bank money, what is it doing with it? If the answer is “buying government bonds,” that might stabilize things in the short run but create a vulnerability down the line.

Regarding bank profitability, the fact that excess liquidity erodes NIM suggests central banks must be cautious with prolonged negative rate policies. There may be merit in measures like the ECB’s tiered deposit rate (exempting part of banks’ reserves from negative rates) which was introduced to alleviate pressure on banks’ margins. Indeed, insulating banks from some costs of holding liquidity might paradoxically help encourage them to lend, by preserving their overall profitability and capacity to lend. Our results lend empirical support to the existence of a reversal rate in practice – while we do not pinpoint the exact rate, we observe the symptoms (declining loan growth, low margins) consistent with the idea that beyond a certain point, more easing can become counterproductive.

In conclusion, this research–using only publicly available data–demonstrates that one can infer important insights about policy impacts on banks. Even without access to internal ECB records, the story of the eurozone’s liquidity glut is visible in banks’ balance sheets and income statements. The evidence points to a disconnect between intent and outcome: liquidity provision alone cannot ensure credit growth if banks face structural incentives to do otherwise. The originality of our approach lies in harnessing accounting data to quantify this disconnect across many banks and countries simultaneously. We contribute to the literature by solidifying the empirical link between central bank liquidity and two critical unintended effects: the sovereign carry trade and NIM compression. These findings underscore that financial intermediaries are not just passive conduits of central bank money – their strategic responses can significantly alter the effectiveness of monetary policy.

Future research could extend this analysis by examining post-2022 developments, as the ECB began withdrawing liquidity and raising rates. It will be illuminating to see whether banks that loaded up on bonds and liquidity will now reverse course – for instance, will they start shedding those bonds or finally increasing lending as rates rise? Additionally, studying the interaction of fiscal policy and bank behavior (since sovereign bonds played a big role) would be valuable. Our work also suggests a broader lesson for other jurisdictions: central bank emergency measures must be paired with careful consideration of banking sector behaviors. Otherwise, as seen in the eurozone, a substantial portion of stimulus might end up circulating in financial markets or sitting idle, rather than fueling real economic activity. The challenge for policymakers is thus to design liquidity tools that align banks’ incentives with policy goals, ensuring that the next time liquidity is unleashed on the banking system, the outcomes are closer to what is intended – more credit to the economy without compromising financial stability and bank health.

References

Acharya, V. V., & Steffen, S. (2015). The “greatest” carry trade ever? Understanding eurozone bank risks. Journal of Financial Economics, 115(2), 215–236. https://doi.org/10.1016/j.jfineco.2014.09.002

Acharya, V. V., & Steffen, S. (2020). The risk of being a fallen angel and the corporate dash for cash in the midst of COVID. The Review of Corporate Finance Studies, 9(3), 430–471. https://doi.org/10.1093/rcfs/cfaa013

Adrian, T., & Shin, H. S. (2010). Liquidity and leverage. Journal of Financial Intermediation, 19(3), 418–437. https://doi.org/10.1016/j.jfi.2008.12.002

Albertazzi, U., Gallo, R., & Marchetti, D. J. (2021). TLTROs and the bank lending channel in Italy during COVID-19. Bank of Italy Occasional Papers, No. 646.

Altavilla, C., Boucinha, M., & Peydró, J. L. (2017). Monetary policy and bank profitability in a low interest rate environment. Economic Policy, 32(91), 531–586. https://doi.org/10.1093/epolic/eix009

Altavilla, C., Canova, F., & Ciccarelli, M. (2019). Mending the broken link: Heterogeneous bank lending and monetary policy pass-through. Journal of Monetary Economics, 105, 1–18. https://doi.org/10.1016/j.jmoneco.2018.08.001

Auer, R., Cornelli, G., Frost, J., & Wadsworth, A. (2021). CBDCs and payment system efficiency. BIS Quarterly Review, March 2021.

Begenau, J., Piazzesi, M., & Schneider, M. (2015). Banks’ risk exposures. American Economic Review, 105(8), 2295–2329.

Bertay, A. C., Demirgüç-Kunt, A., & Huizinga, H. (2013). Do we need big banks? Evidence on performance, strategy and market discipline. Journal of Financial Intermediation, 22(4), 532–558.

BIS. (2024). BIS Annual Economic Report. July 2024. https://www.bis.org/publ/arpdf/ar2024e_ov.pdf

Black, L. K., & Rosen, R. J. (2016). The effect of TARP on bank risk-taking. Journal of Financial Stability, 23, 1–14. https://doi.org/10.1016/j.jfs.2015.12.003

Blattner, T., Faragli, A., & Reisch, T. (2021). Banks’ balance sheet repair and the transmission of credit supply shocks. Journal of Financial Intermediation, 47, 100884. https://doi.org/10.1016/j.jfi.2020.100884

Brunnermeier, M. K., & Koby, Y. (2018). The reversal interest rate. NBER Working Paper, No. 25406. https://doi.org/10.3386/w25406

Brunnermeier, M. K., Crocket, A., Goodhart, C., Persaud, A. D., & Shin, H. S. (2009). The fundamental principles of financial regulation. Geneva Reports on the World Economy, 11.

Carbó-Valverde, S., Cuadros-Solas, P. J., & Rodríguez-Fernández, F. (2021). The effects of negative interest rates: A literature review and additional evidence on the performance of the European banking sector. The European Journal of Finance, 27(18), 1908–1938. https://doi.org/10.1080/1351847X.2021.1927784

Carvalho, D., Ferreira, M. A., & Matos, P. (2015). Lending relationships and the effect of bank distress: Evidence from the 2007–2009 financial crisis. Journal of Financial and Quantitative Analysis, 50(6), 1165–1197. https://doi.org/10.1017/S0022109015000572

Castillo Lozoya, M C., García-Escudero, E. E.; & Pérez Ortiz, m. l.  (2022). El efecto de TLTRO III en el balance de las entidades de crédito españolas. Artículos Analíticos, 2/2022. Bank of Spain. https://www.bde.es/f/webbde/SES/Secciones/Publicaciones/InformesBoletinesRevistas/ArticulosAnaliticos/22/T2/Fich/be2202-art09.pdf

Claessens, S., Coleman, N., & Donnelly, M. (2018). “Low-for-long” interest rates and net interest margins of banks in advanced foreign economies. IFDP Notes, Board of Governors of the Federal Reserve System.

Dell’Ariccia, D., Laeven, L., & Marquez, R. (2014). Real interest rates, leverage, and bank risk-taking. Journal of Economic Theory, 149, 65–99.

De Marco, F. (2019). Bank lending and the European debt crisis. Journal of Financial Economics, 132(1), 125–150. https://doi.org/10.1016/j.jfineco.2018.10.006

Diamond, D. W., & Rajan, R. G. (2001). Liquidity risk, liquidity creation, and financial fragility: A theory of banking. Journal of Political Economy, 109(2), 287–327. https://doi.org/10.1086/319552

Drechsler, I., Savov, A., & Schnabl, P. (2016). The deposits channel of monetary policy. Quarterly Journal of Economics, 132(4), 1819–1876. https://doi.org/10.1093/qje/qjw023

Heider, F., Saidi, F., & Schepens, G. (2019). Life below zero: Bank lending under negative policy rates. Review of Financial Studies, 32(10), 3728–3761. https://doi.org/10.1093/rfs/hhz003

Koranyi, B., & Canepa, F. (2024, July 3). Exclusive: ECB policymakers urge review of QE consequences. Reuters. https://www.reuters.com/markets/europe/ecb-policymakers-urge-review-qe-consequences-sources-2024-07-03/

Menkhoff, L., Sarno, L., Schmeling, M., & Schrimpf, A. (2012). Carry trades and global foreign exchange volatility. Journal of Finance, 67(2), 681–718. https://doi.org/10.1111/j.1540-6261.2012.01729.x

Monti, P. (2021). Central bank liquidity and reserve requirements in the euro area. Economic Modelling, 97, 186–200. https://doi.org/10.1016/j.econmod.2021.02.005

Petrella, G., & Resti, A. (2013). Supervisors as information producers: Do stress tests reduce bank opaqueness? Journal of Banking & Finance, 37(12), 5406–5420. https://doi.org/10.1016/j.jbankfin.2013.05.031

Repullo, R. (2020). The leverage ratio and monetary policy. International Journal of Central Banking, 16(1), 173–211.

Rodnyansky, A., & Darmouni, O. (2017). The effects of quantitative easing on bank lending behavior. Review of Financial Studies, 30(11), 3858–3887. https://doi.org/10.1093/rfs/hhx060

Schivardi, F., Sette, E., & Tabellini, G. (2017). Credit misallocation during the European financial crisis. Banca d’Italia Working Paper, No. 1139.

Stein, J. C. (2012). Monetary policy as financial stability regulation. Quarterly Journal of Economics, 127(1), 57–95. https://doi.org/10.1093/qje/qjr054

Tang, D. Y., & Yan, H. (2010). Market conditions, default risk and credit spreads. Journal of Banking & Finance, 34(4), 743–753.

Tirole, J. (2011). Illiquidity and all its friends. Journal of Economic Literature, 49(2), 287–325. https://doi.org/10.1257/jel.49.2.287

Ulate, M. (2021). Going negative: The effect of negative interest rates on banks and firms. Journal of Financial Economics, 142(3), 1250–1276. https://doi.org/10.1016/j.jfineco.2021.06.008

Van den Heuvel, S. J. (2002). Does bank capital matter for monetary transmission? Federal Reserve Bank of New York Economic Policy Review, 8(1), 259–265.

Notes

* University of Valencia and Funcas.

** CUNEF University and Funcas.

*** University of Granada and Funcas.

¹ As reported by Reuters, during a recent meeting “Some European Central Bank policymakers are urging a review of the aggressive monetary stimulus policies the ECB employed for nearly a decade to tackle low inflation, judging they may have done more harm than good, sources told Reuters” (Koranyi & Canepa, F. (2024, July 3). “Exclusive: ECB policymakers urge review of QE consequences”. Reuters. https://www.
reuters.com/markets/europe/ecb-policymakers-urge-review-qe-consequences-sources-2024-07-03/

² In the 2024 BIS Annual Report (BIS, 2024), this institution underlined that“[. . .] exceptionally strong and prolonged monetary easing has limitations. It exhibits diminishing returns, it cannot by itself fine-tune inflation in a low-inflation regime, and it can generate unwelcome side effects over the long term. These include weakening financial intermediation and inducing resource misallocations, encouraging excessive risk-taking and the build-up of vulnerabilities, and raising economic and political economy challenges for central banks as their balance sheets balloon.”

Appendix

Descarga Publicación (formato PDF)

Fecha: julio 2025

Ismael Sanz*

1. INTRODUCCIÓN

El sistema educativo español atraviesa una transformación silenciosa, pero de gran calado, como consecuencia de los cambios demográficos de las últimas décadas. Los últimos datos publicados el 27 de junio de 2025 por el Ministerio de Educación, Formación Profesional y Deportes (“Enseñanzas no universitarias. Alumnado matriculado. Series”) ponen de manifiesto una vez más la continuidad y profundidad del descenso en la matriculación, especialmente en las primeras etapas educativas.

La información recogida en esta fuente estadística¹, permite analizar con detalle la evolución del alumnado matriculado en el segundo ciclo de Educación Infantil (3 a 5 años) en España y su repercusión en el conjunto del sistema educativo.

Esta realidad ha sido recientemente analizada también en el artículo El futuro (demográfico) es el presente, elaborado por María Miyar y el equipo de Estudios Sociales de Funcas, donde se subraya que España experimentará una transformación demográfica sin precedentes en las próximas décadas debido a la persistencia de tasas de fecundidad por debajo del nivel de reemplazo. Los datos presentados por Miyar y el equipo de Funcas muestran que en los quince años transcurridos entre 2008 y 2023 la cifra de nacimientos en España ha caído un 38 %. Es la tercera mayor caída de la Unión Europea (UE) tras Letonia y Grecia, y varias comunidades autónomas españolas, como Cantabria, Asturias, La Rioja o Canarias, se sitúan entre las regiones europeas con mayor descenso de la natalidad.

El análisis de este informe se centra en el segundo ciclo de Educación Infantil porque se trata de un nivel educativo prácticamente universal en España, con tasas de escolarización que superan el 95%. Esto lo convierte en el primer nivel del sistema donde primero pueden observarse los efectos de la caída de la natalidad sobre la demanda educativa. Así, el segundo ciclo de infantil funciona como un “termómetro demográfico” que anticipa y permite testar el impacto de las transformaciones poblacionales en la educación, antes de que se trasladen a etapas superiores.

2. EVOLUCIÓN DE LA MATRICULACIÓN EN EDUCACIÓN INFANTIL DE SEGUNDO CICLO

La información recogida por el Ministerio de Educación, Formación Profesional y Deportes –“Enseñanzas no universitarias. Alumnado matriculado. Series”– indica que la transformación demográfica no es un fenómeno abstracto ni un riesgo futuro: sus efectos ya están remodelando el sistema educativo en España.

En el curso 2010-2011, el segundo ciclo de infantil contaba con 1.440.607 alumnos en toda España, cifra que se incrementó ligeramente hasta alcanzar el máximo de 1.470.717 en 2011-2012 (tabla 1). Sin embargo, a partir de ese momento comenzó una caída progresiva y constante, de modo que para el curso 2022-2023 la matrícula se situaba ya en 1.150.734 alumnos. Este descenso supone una pérdida de 289.873 escolares (-20,1 %) en apenas doce años, y la estimación del Ministerio de Educación, Formación Profesional y Deportes para 2024-2025 confirma que la tendencia sigue acelerándose: se espera alcanzar apenas 1.078.403 alumnos, lo que supondrá en solo dos cursos una caída adicional de más de 70.000 niños y niñas. A pesar de que cabría esperar que el ajuste demográfico fuera moderándose tras varios años de caídas, los datos más recientes no muestran señales de desaceleración en la pérdida de alumnado en el segundo ciclo de Educación Infantil. La reducción de más de 28.000 alumnos registrada entre los cursos 2023-2024 y 2024-2025 (-2,6 %) prácticamente replica (e incluso supera ligeramente) el ritmo de descenso medio anual observado en la última década, que supera el -2 % anual. Es decir, la intensidad de la caída no se ha atenuado y el ajuste continúa avanzando con la misma fuerza que en los años anteriores. Lo más significativo de este descenso es que afecta de manera generalizada a todas las comunidades autónomas, aunque con intensidades desiguales. La despoblación rural y el envejecimiento demográfico explican parte de estas diferencias regionales.

El análisis de la evolución de la matrícula en el segundo ciclo de Educación Infantil caídas generalizadas en todas las comunidades autónomas, aunque con intensidades desiguales. Ceuta lidera el descenso, con una reducción del 40,9% de su alumnado en la última década, seguida por Asturias (-31,4 %), Cantabria (-30,6 %) y Melilla (-29,4 %). También destacan las reducciones en País Vasco (-27,8 %), Galicia (-26,1 %), Castilla y León (-25,1 %) y Extremadura (-24,7 %), regiones donde el envejecimiento o/y la despoblación rural han provocado un acusado ajuste demográfico. El descenso también supera el 20 % en Canarias (-24,7 %), Andalucía (-23,4 %), Cataluña (-23,2 %), Castilla-La Mancha (-23,1 %) y Madrid (-22,4 %), a pesar de que algunas de estas comunidades han registrado incrementos recientes de población total por la llegada de inmigrantes, lo que evidencia que el impacto del descenso de la natalidad sigue siendo predominante en las cohortes escolares. En una posición intermedia se sitúan Aragón (-20,2 %), Navarra (-19,0 %), Comunitat Valenciana (-18,3 %) y Murcia (-16,3 %), que también han experimentado descensos considerables aunque algo menos intensos. Finalmente, el descenso es más moderado en Baleares, que con una reducción del 12,4 % presenta el ajuste menos acusado del país. En suma, los datos evidencian que las regiones más afectadas por el descenso de matrícula en Educación Infantil son, en general, aquellas que arrastran desde hace años un proceso de envejecimiento y pérdida de población, mientras que en territorios con mayor dinamismo demográfico y migratorio, como Baleares o Murcia, la reducción de alumnado, aunque presente, ha sido más contenida.

Los datos oficiales muestran cómo el descenso del número de nacimientos se traduce de manera inmediata en una reducción del alumnado, especialmente en las etapas iniciales como el segundo ciclo de Educación Infantil, y empieza a arrastrar al resto de la enseñanza obligatoria. Esta tendencia implica retos de planificación de recursos, reorganización de plantillas y necesidad de adaptación de la oferta educativa a una realidad demográfica nueva.

La literatura en economía de la educación apunta a que la reducción del tamaño de los grupos puede mejorar la calidad del aprendizaje, sobre todo en las primeras etapas y en centros de difícil desempeño. De hecho, diversos estudios recientes –como el trabajo de Sanz (2024)– muestran que disminuir el número de estudiantes por clase reduce las disrupciones en el aula y mejora la satisfacción tanto de docentes como de estudiantes. El impacto es especialmente relevante en los primeros años de escolarización y en entornos desfavorecidos, donde los beneficios de una atención más individualizada son mayores y las desigualdades pueden ser abordadas de manera más eficaz.

No obstante, la reducción del tamaño de las clases conlleva un importante coste presupuestario y, según la evidencia internacional, existen políticas educativas alternativas con una mejor relación coste-eficacia, como tutorías individualizadas o programas de refuerzo en grupos pequeños. En definitiva, la caída de la natalidad y la consiguiente disminución de la ratio alumnos por clase puede suponer una oportunidad desde el punto de vista educativo (aunque negativa para otros muchos aspectos) para enfocar los recursos donde son más necesarios: infantil, primaria y centros que atienden a alumnado con mayores necesidades.

En concreto, ratios más bajas pueden ser una oportunidad para desplegar programas de innovación pedagógica, aprendizaje activo y reducción de brechas educativas, siempre que se acompañen de políticas públicas bien diseñadas que garanticen el acceso equitativo a una educación de calidad, especialmente para los alumnos de entornos más vulnerables.

En este escenario de descenso de natalidad generalizado, los datos demográficos más recientes aportan algunos matices de interés. Según la Estadística Continua de Población (ECP) publicada por el INE, la población residente en España ha alcanzado en abril de 2025 su máximo histórico, situándose en 49.153.849 habitantes. Este aumento de la población no se debe a la recuperación de la natalidad, sino fundamentalmente al saldo migratorio positivo: durante el primer trimestre de 2025, la población de nacionalidad extranjera aumentó en más de 95.000 personas y la población nacida en el extranjero lo hizo en más de 118.000.

Este dinamismo migratorio introduce una importante variable de ajuste en la ecuación demográfica. Aunque la llegada de población inmigrante aún no ha revertido la tendencia global de descenso de alumnado –en parte porque el número de nacimientos de madres extranjeras, aunque superior al de madres españolas, no compensa del todo la caída global–, sí podría desacelerar la reducción del número de estudiantes en los próximos años. Es previsible que, a medida que los inmigrantes recién llegados se estabilicen, lleven a cabo procesos de reagrupación familiar o comiencen a formar sus propias familias en España, la entrada de alumnado en las etapas iniciales pueda ralentizar su ritmo de descenso, e incluso, en determinadas regiones, mantenerse o repuntar.

Por tanto, el futuro inmediato del sistema educativo español dependerá no solo de la evolución de la natalidad autóctona, sino cada vez más de los flujos migratorios y de la integración de la población extranjera y sus hijos en la escuela.

3. ANÁLISIS DE LAS TABLAS POR TITULARIDAD Y COMUNIDADES AUTÓNOMAS

Al observar la titularidad, la red pública absorbe con algo más de intensidad la caída de la natalidad: solo en el último año, los centros públicos han perdido más de 24.000 alumnos, frente a algo más de 4.000 en los centros privados y concertados. Si extendemos la mirada a la década, la pérdida supera los 225.000 alumnos en la pública, con un descenso relativo del -23,8 %, frente a un -20,4 % en la red concertada y privada (91.000).

La tabla 2 refleja de forma clara que el ajuste demográfico en el segundo ciclo de Educación Infantil está recayendo con especial intensidad en los centros públicos. A nivel nacional, la matrícula en la red pública ha descendido un 23,8 % en la última década, perdiendo más de 225.000 alumnos entre 2014-2015 y 2024-2025, una caída incluso superior a la registrada en el conjunto de centros de todas las titularidades. Este retroceso es particularmente acusado en territorios donde confluyen envejecimiento, despoblación y baja natalidad, como Ceuta (-46,1 %), Asturias (-30,9 %), Cantabria (-30,2 %), Melilla (-28,4 %) o Galicia (-25,3 %), lo que demuestra la vulnerabilidad de la red pública ante las tendencias demográficas más desfavorables. Otras comunidades de gran tamaño también registran caídas superiores al 20 % en la red pública: Andalucía (-26,4 %), Castilla y León (-26,5 %), Cataluña (-23,9 %), Madrid (-24,8 %) o Castilla-La Mancha (-22,4 %). En cambio, las reducciones han sido algo menos intensas en regiones como Baleares (-14,0 %), Murcia (-17,7 %) o Comunitat Valenciana (-18,5 %). La tendencia reciente refuerza este diagnóstico: solo en el último año, la red pública ha perdido más de 24.000 alumnos en toda España, un ajuste que se está acelerando y cuya intensidad no se ve compensada por los incrementos de población de los últimos años. En síntesis, la red pública concentra el grueso de la caída de alumnado.

El ajuste demográfico ha impactado también a los centros concertados y privados, aunque en menor medida que a la red pública, como muestra la tabla 3. A nivel nacional, la matrícula en estos centros ha descendido un 20,4 % en la última década, lo que implica una reducción de más de 91.000 alumnos entre 2014-2015 y 2024-2025. Esta disminución, sin embargo, ha sido muy desigual según las comunidades autónomas.

Las caídas más pronunciadas se observan en Melilla (-33,3 %), Asturias (-32,4 %), Cantabria (-31,5 %), País Vasco (-29,0 %), Galicia (-28,0 %), Extremadura (-28,6 %), Canarias (-25,1 %), Castilla-La Mancha (-26,1 %), Aragón (-24,1 %) y Castilla y León (-22,3 %). Todas ellas comparten rasgos demográficos de fuerte envejecimiento y baja natalidad, lo que agrava el ajuste en la red privada y concertada, en paralelo al desplome de la pública.

En las comunidades de mayor tamaño, como Cataluña (-21,6 %), Madrid (-19,4 %), Andalucía (-13,0 %) y la Comunitat Valenciana (-17,8 %), el descenso también es relevante, aunque en algunas áreas urbanas la demanda privada/concertada ha mostrado una mayor resiliencia. En el grupo intermedio, Navarra (-18,9 %) y Murcia (-13,4 %) muestran ajustes algo menos intensos, mientras que Baleares (-9,6 %) registra el descenso más moderado entre las comunidades peninsulares.

En conclusión, las tablas permiten visualizar con claridad la magnitud y el alcance de la transformación demográfica en la Educación Infantil española: un ajuste que es generalizado, pero desigual en intensidad, que afecta en alguna mayor medida a la red pública. El reto, en definitiva, será transformar este cambio estructural en una oportunidad para mejorar la calidad, la equidad y la eficiencia del sistema educativo.

4. ALUMNADO MATRICULADO EN 2.º CICLO DE EDUCACIÓN INFANTIL Y EN EL TOTAL DE LAS ETAPAS EDUCATIVAS

El análisis de la evolución del porcentaje de alumnado matriculado en centros públicos muestra un fenómeno de especial relevancia: la caída de la matriculación en el segundo ciclo de Educación Infantil se ha concentrado en alguna mayor medida en la red pública (tabla 4). En 2024-2025, la proporción de alumnado matriculado en centros públicos en el segundo ciclo de Educación Infantil (67,0 %) se sitúa en su mínimo desde principios de los años noventa, confirmando un descenso paulatino pero sostenido respecto a la década pasada.

Este retroceso del peso relativo de la enseñanza pública en Educación Infantil no solo es un síntoma del ajuste demográfico, sino que tiene un efecto arrastre que se está trasladando progresivamente al conjunto del sistema educativo. Como muestran los datos de la tabla 5, el porcentaje de alumnado total matriculado en centros públicos en el conjunto de las enseñanzas de régimen general también se sitúa en 2024-2025 en el valor más bajo registrado en las últimas décadas (66,8 %).

Detrás de este fenómeno se encuentran varios factores. Por un lado, la mayor pérdida de alumnado en la red pública responde al perfil demográfico y territorial de su alumnado: la escuela pública está más expuesta a la despoblación, el envejecimiento y la caída de la natalidad, especialmente en zonas rurales y en comunidades autónomas del interior y norte peninsular. Por otro lado, en determinadas regiones urbanas y metropolitanas, la red concertada y privada ha amortiguado su descenso de peso relativo.

En definitiva, la caída del peso de la escuela pública en Educación Infantil es ya una realidad constatable en los datos, y su efecto tractor se empieza a notar en el resto de etapas educativas. Este ajuste plantea desafíos adicionales para la planificación educativa y para las políticas de equidad, dado que la oferta y la demanda de plazas públicas quedan condicionadas por los cambios demográficos y por la capacidad de adaptación de la red educativa a este nuevo escenario.

5. COMPARACIÓN INTERNACIONAL DE LA ESCOLARIZACIÓN EN EDUCACIÓN INFANTIL

La comparación internacional de la escolarización en el segundo ciclo de Educación Infantil (pre-primary, ISCED 02) muestra diferencias sustanciales en la titularidad de los centros según países y tendencias estables en la última década. En la media de la OCDE, la escolarización pública de 3-5 años se ha reducido del 71 % en 2013 al 68 % en 2022, mientras que la proporción de alumnado en centros concertados (government-dependent private) crece, situándose en el 25 % en 2022. La educación privada no concertada representa el 8 % del total.

En España, la distribución por titularidad permanece muy estable: el 68 % del alumnado de Educación Infantil asiste a centros públicos y el 28 % a concertados, con solo un 4 % en privados puros. Esta estructura contrasta, por ejemplo, con Alemania, donde la red pública apenas escolariza al 36 %. Finlandia y Francia mantienen sistemas dominados por la enseñanza pública (87 %), aunque con una pequeña caída en los últimos año, mientras que Portugal combina una proporción equilibrada entre pública, concertada y privada. El caso británico destaca por el crecimiento de la red concertada (de 44 % al 56 %), mientras que en Estados Unidos predominan la educación pública (60 %) y la privada no-concertada (40 %).

En resumen, España se sitúa en la media OCDE en escolarización pública y presenta una de las redes concertadas más consolidadas de Europa, mientras que la red privada independiente es marginal. Tanto en la OCDE como en España, el porcentaje de alumnado de Educación Infantil de segundo ciclo (3-5 años) matriculado en enseñanza pública ha disminuido levemente en los últimos años.

6. CONCLUSIONES

Los datos oficiales evidencian que el sistema educativo español está experimentando una transformación profunda debido al continuado descenso de la natalidad. Entre 2014-2015 y 2024-2025, la matrícula en el segundo ciclo de Educación Infantil ha caído un 22,7 %, con una pérdida de más de 317.000 alumnos en toda España. Esta disminución no muestra signos de desaceleración: solo en el último año, el número de estudiantes de 3 a 5 años se ha reducido en más de 28.000 (-2,7 %), una cifra en línea con el ritmo de descenso registrado en la última década.

El ajuste demográfico afecta a todas las comunidades autónomas, aunque con diferente intensidad. Ceuta (-40,9 %), Asturias (-31,4 %) y Cantabria (-30,6 %) presentan los descensos más acusados, mientras que Baleares (-12,4 %) y Murcia (-16,3 %) han mostrado una caída más moderada. La red pública absorbe una parte algo más intensa del ajuste: en la última década, ha perdido más de 225.000 alumnos en Educación Infantil (-23,8 %), mientras que los centros privados y concertados han reducido su matrícula en más de 91.000 estudiantes (-20,4 %).

Este proceso ha llevado la proporción de alumnado en centros públicos en el segundo ciclo de Educación Infantil a su mínimo desde principios de la década de los noventa (67,0 % en 2024-2025). De hecho, este retroceso del peso relativo de la red pública en Educación Infantil empieza a trasladarse al conjunto de las etapas educativas, situando el porcentaje de alumnado público en el total de enseñanzas de régimen general en el 66,8 %, el valor más bajo desde el curso 1991-1992. La tendencia a una mayor caída en la escolarización en centros públicos en el segundo ciclo de Educación Infantil no es exclusiva de España, sino que también se ha observado en el conjunto de la OCDE, donde la proporción de alumnado en centros públicos ha pasado del 71 % en 2013 al 68 % en 2022, mientras que la presencia de la red concertada ha aumentado en igual periodo.

En suma, el segundo ciclo de Educación Infantil se ha consolidado como el primer nivel educativo donde se refleja de manera inmediata el impacto del declive demográfico, anticipando un ajuste que previsiblemente continuará extendiéndose al resto del sistema. A pesar del crecimiento reciente de la población hasta llegar al máximo de 49,15 millones de habitantes en abril de 2025 por el saldo migratorio positivo, la llegada de alumnado extranjero no logra aún compensar la caída de nacimientos, por lo que los retos de adaptación, planificación y equidad educativa seguirán presentes en los próximos años. La oportunidad reside en aprovechar este ajuste para reforzar la calidad, la innovación pedagógica y la atención a la diversidad, asegurando una respuesta eficaz y equitativa ante la nueva realidad demográfica.

Referencias

Instituto Nacional de Estadística. (2025). Estadística Continua de Población (ECP). Nota de prensa, 8 de mayo de 2025. https://www.ine.es/dyngs/Prensa/ECP1T25.htm

Miyar, M. y Equipo de Estudios Sociales de Funcas. (2025). El futuro (demográfico) es el presente. Funcas. https://blog.funcas.es/el-futuro-demografico-es-el-presente/

Sanz, I. (2024). El impacto del tamaño de la clase en el rendimiento académico. En: A. Cabrales e I. Sanz (coords.), Economía de la Educación (pp. 187-217). Madrid: Fundación Ramón Areces. ISBN: 978-84-9961-456-4. https://www.fundacionareces.es/fundacionareces/es/publicaciones/listado-de-publicaciones/economia-de-la-educacion.html?tipo=7

NOTAS

^* URJC, Funcas y London School of Economics

¹  https://www.educacionfpydeportes.gob.es/servicios-al-ciudadano/estadisticas/no-universitaria/alumnado/matriculado/series.html

Descarga Publicación (formato PDF)

Fecha: julio 2025

Pedro Gete*

Abstract**

This study first documents changes in housing and mortgage markets. Then it analyzes their implications for monetary policy transmission. The main facts are shown for Spain but apply to most OECD economics. Following the financial crisis that began in 2009, there have been a permanent fall in the percentage of individuals owning their own homes, especially for younger groups of the population. The reversal of the drop in homeownership is the rise in the importance of housing investors, both institutional and retail. These investors tend to be rich elder households searching for safety and yield. Moreover, for countries as Spain where variable rate mortgages dominated, there has been a change to fixed-rate mortgages. Using a HANK model of monetary policy that incorporates a rental market and housing investors, we show that these additions have important implications for the transmission channels of monetary policy. Credit and wealth effects are weakened, while those operating through the rental market are strengthened. Two new variables emerge as crucial: the elasticity of substitution between renting and owning, and the spread between safe returns and rental yields. This new channel may help explain recent empirical puzzles, such as restrictive monetary policy being inflationary, or the persistence of «higher for longer» policy rates.

1. INTRODUCTION

In the wake of the pandemic, one word has remained top of mind for most central banks: inflation. To combat it, central banks have worked to slow down economic activity and bring demand more in line with supply. They have raised policy rates and initiated balance sheet reductions. However, in many countries, the economy has not responded as expected—inflation remains high and persistent. Why? This paper documents recent developments in the housing and mortgage markets in Spain, which also have relevance for other countries. It then shows how these developments have altered the transmission channels of monetary policy and may help explain both the persistence of inflation following monetary tightening and the emergence of «higher for longer» policy rates.

First, we show that in Spain, the share of fixed-rate mortgages has increased dramatically. For example, in 2004, 95% of new mortgages were variable-rate. By June 2022, that share had fallen below 20%. The decline in the use of variable-rate loans is particularly pronounced among both the oldest and youngest age groups. Variable- and fixed-rate mortgages generate different income effects on consumption, both in the aggregate and across types of consumption goods. As a result, the transmission of policy rate changes into the economy depends on the dominant type of mortgage. The literature has proposed models to study the effects of fixed and variable rate mortgages in the economy (Garriga, et al., 2017; Rubio, 2011 or Pica, 2021). Consistent with such models, the increase in variable rate mortgages make the economy less sensitive to monetary policy.

Second, using microdata from the Spanish Household Survey, we document two related developments. First, homeownership declined following the financial crisis, particularly among younger households. By 2021, approximately 76% of the Spanish population were homeowners, representing a decrease of nearly four percentage points since 2014. Second, housing investors have played an increasingly prominent role in the housing market, with most of this growth driven by older, wealthier households seeking yield. These results confirm Carbo-Valverde and Rodriguez-Fernandez (2021) who write this about the Spanish housing market: “a lot of the transactions are not being carried out by households in need of financing but rather investors (including institutional investors) that can afford to pay for their acquisitions without relying on a mortgage”.¹ However, nearly all models of monetary policy abstract from rental markets and housing investors. This paper addresses this gap in the literature.

The academic and policy literature typically views the transmission of monetary policy to housing markets as operating through tighter credit conditions (see, for example, Garriga, et al., 2014; Piazzesi and Schneider, 2016). Higher mortgage rates increase the cost of homeownership, making it more expensive for prospective buyers to purchase a home. There is a clear and rapid pass-through from policy rates to mortgage rates. These higher borrowing costs generally dampen demand on both sides of the housing market: potential buyers may delay purchases in anticipation of lower prices or interest rates, while current homeowners may postpone selling to preserve their low locked-in mortgage rates or to wait for a better sale price. As home sales decline, house prices typically fall—but with a lag. However, this classical view of housing in the monetary transmission mechanism weakens when homeownership rates are lower. In such cases, we show that new transmission channels emerge through the rental market.

We analyze an HANK that innovates on two key dimensions.² The model includes a continuum of households, a representative final-good producer, a continuum of intermediate-good producers, a monetary authority, and a fiscal authority. Households are infinitely lived and subject to uninsurable idiosyncratic labor productivity shocks. Key economic variables—including house prices, rents, the price of non-housing consumption, wages, inflation, and interest rates—are determined endogenously in equilibrium.

The first key innovation of the model is that households can trade housing both as a consumption good (owner-occupied housing) and as an investment asset (rental properties that generate income). Both types of housing are subject to adjustment costs that create illiquidity, and households can borrow against the value of their housing assets. Importantly, the presence of investors in the housing market introduces new economic transmission channels. These individual investors are less sensitive to changes in borrowing costs, but are responsive to shifts in return spreads between real estate and alternative assets such as fixed income securities or bank deposits. This dynamic can lead to counterintuitive outcomes—for example, interest rate hikes generating inflationary pressure through rising rental prices, as increased rental demand meets a contracting supply. We show that the elasticity of housing stock adjustment is a crucial determinant of the economy’s response to monetary policy.

The second key innovation of the model is the explicit inclusion of housing services in the price index—meaning that, as in the data, rent inflation contributes directly to aggregate inflation. This feature has important implications for the persistence and intensity of the central bank’s policy response. We assume the central bank follows a Taylor rule, adjusting the nominal interest rate in response to deviations of inflation from its target. Because the presence of rental market channels and housing investors alters the dynamics of both inflation and output, the central bank’s reaction differs from that in a standard HANK model. In particular, elevated rent inflation compels the central bank to keep interest rates higher for longer.

Thus, to recap, this paper shows that a model incorporating both a rental market and housing investors can produce inflation dynamics that are notably resistant to conventional monetary tightening. In particular, the presence of housing investors—who respond more to return spreads than to borrowing costs—and the role of rents in the overall inflation index create a situation where interest rate hikes may not produce the expected disinflationary effects. Instead, higher rates can constrain housing supply by discouraging new construction or sales, while also increasing demand for rental housing as homeownership becomes less affordable. This combination puts upward pressure on rents, which feeds directly into measured inflation. As a result, inflation remains elevated despite tighter policy, forcing the central bank to sustain higher interest rates for longer than it would under standard assumptions. These findings suggest that structural features of the housing market, particularly the rise in rental demand and investor activity, can fundamentally alter the transmission of monetary policy. Recognizing and accounting for these channels is therefore essential for designing effective policy in modern economies.

The paper is structured as follows. Section 2 introduces the Encuesta Financiera de las Familias (EFF), the main household-level dataset used in the analysis, and documents the evolution in the use of fixed- and variable-rate mortgages in Spain. Section 3 examines trends in homeownership, compares Spain to similar countries, and places particular emphasis on the growing role of housing investors. It presents both descriptive evidence and regression analysis to identify the key drivers behind these developments. Section 4 develops a Heterogeneous Agent New Keynesian (HANK) model that incorporates critical features of the housing market, including rental dynamics and investor behavior. It begins by comparing the classical role of housing in the monetary policy transmission mechanism with the new channels that emerge in the presence of a rental sector and housing investors, using demand and supply diagrams to build intuition. The section then employs the full model to analyze the implications of the empirical findings for monetary policy. It shows how rent inflation, driven by structural changes in the housing market, can contribute to aggregate inflation and lead the central bank to maintain elevated interest rates for a prolonged period. Finally, Section 5 concludes.

2. DATAbase

The Encuesta Financiera de las Familias (EFF) is a financial survey conducted by the Banco de España to analyze the economic and financial situation of Spanish households. Initiated in 2002 and repeated periodically since then, the EFF has become a key instrument for understanding the structure and dynamics of household finances in Spain. It gathers extensive micro-level data on income, consumption, savings, real and financial assets, as well as liabilities such as mortgages, consumer loans, and other forms of debt. This rich dataset provides a comprehensive snapshot of how Spanish households accumulate and manage wealth over time.

One of the distinctive features of the EFF is its deliberate oversampling of high-wealth households. This methodological choice allows the survey to capture the upper tail of the wealth distribution more accurately, which is often underrepresented in standard surveys. In the context of broader European efforts, the EFF is Spain’s contribution to the Household Finance and Consumption Survey (HFCS), coordinated by the European Central Bank, facilitating international comparisons and cross-country analysis of household finance. We conduct such comparisons with a few European countries.

3. Variable- vs. Fixed-Rate Mortgages in Spain

This section documents that in recent years, Spain has been undergoing a significant shift in its mortgage market, transitioning from a predominance of variable-rate mortgages to a growing preference for fixed-rate loans.³

Figure 1 plots the market share of variable rate loans among total new loans for house purchase in Spain. That is, it plots the share of the flow of new mortgages that have variable mortgage rates. The data are astonishing. Spain has transitioned from 90% of the new mortgages being issued at variable rates in 2005 to less than 20% share in 2025.

Table 1 presents the percentage of Spanish households with variable-rate mortgages for their primary residence, disaggregated by age group across survey waves from 2002 to 2022. The data reveal significant temporal and generational dynamics in mortgage structure, shaped by changing financial conditions and demographic factors. Across nearly all survey years, younger age groups—particularly those under 35—consistently report the highest incidence of variable-rate mortgages. This likely reflects both greater risk tolerance among younger borrowers and more limited access to fixed-rate products at the point of entry into the housing market. The mid-2000s mark a period of widespread use of variable-rate mortgages across all age groups, peaking in 2008 when the under-35 group reached 90%. Following the global financial crisis, however, there is a visible decline in the use of variable-rate loans, especially among the oldest and youngest age groups. For example, in 2011, only 15% of households aged 75 and over held variable-rate mortgages—a stark drop from previous years. This decline continues for most cohorts through 2020. By 2022, there is a notable divergence: younger households (under 35) show a substantial drop to 57%, whereas the 75+ cohort spikes back up to 79%. Meanwhile, middle-aged groups (35–64) maintain relatively high and stable levels of variable-rate mortgage use, hovering between 68% and 75%, suggesting that these cohorts remain more exposed to interest rate fluctuations over time.

Table 2 shows the percentage of Spanish households with variable-rate mortgages for their main residence, categorized by wealth percentiles across survey waves from 2002 to 2022. The data reveal a generally high incidence of variable-rate mortgages across all wealth brackets, with notable variations over time and across wealth levels. In the early 2000s, households in the top wealth decile (90–100 percentile) consistently exhibited the highest share of variable-rate mortgages, reaching 95% in 2008. This suggests that wealthier households were more likely to take on interest rate risk, potentially due to better financial buffers or access to more favorable credit terms. Over time, the data indicate a gradual decline in the prevalence of variable-rate mortgages across all wealth groups, especially after the 2008 financial crisis. By 2022, the percentages dropped notably for all percentiles, particularly in the 25–50 and 50–75 ranges, which fell to 64% and 74%, respectively. The wealthiest households also reduced their exposure to variable-rate mortgages, though they still maintained relatively high levels (73% in 2022), perhaps reflecting continued access to flexible financial products or strategic borrowing choices amid fluctuating interest rate environments.

Interestingly, Table 2 shows that lower-wealth households (below the 25th percentile) maintained a relatively high reliance on variable-rate mortgages throughout the period, with only a modest decline from 87% in 2014 to 75% in 2022. This persistent dependence may reflect limited bargaining power or restricted access to fixed-rate alternatives. In contrast, middle-wealth households (50–75 percentile) showed sharper variability over the years, peaking at 92% in 2014 and decreasing to 74% by 2022. These fluctuations may indicate greater sensitivity to market conditions or policy interventions influencing mortgage structure choices. Overall, the data indicate a historically widespread reliance on variable-rate mortgages in Spain, which has shifted over time—though with differing dynamics across wealth groups.

Traditionally, Spanish borrowers favored variable-rate mortgages due to their initially lower interest rates and the ability to benefit from falling benchmark rates, such as the Euribor. However, as ECB and its Quantitative Easing programs kept rates low, many Spaniards moved into fixed-rate mortgages to lock-in the low rates. Moreover, in the wake of economic uncertainties and increasing interest rate volatility, consumers have become more cautious. The appeal of long-term financial stability and predictable monthly payments has driven a surge in fixed-rate mortgage adoption. This transformation is also supported by structural changes within the banking sector and regulatory adjustments. Financial institutions have started to actively promote fixed-rate products, aligning with European trends and responding to evolving risk management strategies. The European Central Bank’s monetary policies and forecasts of rising interest rates have further reinforced the attractiveness of fixed-rate options. As a result, a substantial portion of new mortgages in Spain today are issued at fixed rates—a stark contrast to two decades ago. This marks a fundamental evolution in the Spanish housing finance market.

As Subsection 5.1 will discuss, classical models of monetary policy show that this transition into fixed-rate mortgages alters the effects of monetary policy on consumption, a topic of great importance for the Spanish economy (see for example, Torres 2023). Households with fixed-rate mortgages react less to monetary policy because their mortgage payments remain constant over time, regardless of fluctuations in the central bank’s policy rates. When a central bank, like the European Central Bank (ECB), raises or lowers interest rates, fixed-rate borrowers are insulated from these changes: their loan agreements lock in the interest rate for the entire term of the mortgage.

4. Homeownership Dynamics and Housing Investors

4.1. Spain

Figure 2 examines the evolution of homeownership rates in Spain using data disaggregated by age group from 2005 to 2017. The analysis reveals a clear downward trend in homeownership among younger cohorts, alongside relative stability among older households. These shifts suggest structural changes in the Spanish housing market, with important implications for the transmission of monetary policy, as discussed in later sections.

Homeownership among individuals aged 17 to 30 declined markedly over the observed period, falling from over 60% in 2005 to approximately 35% by 2017. This sharp contraction reflects worsening housing affordability, stricter credit conditions, and elevated youth unemployment in the years following the global financial crisis. Economic precarity and tightened lending standards appear to have delayed or prevented market entry for younger households, resulting in an increased reliance on rental housing.

Among individuals aged 30 to 50, the data show a flattening of the age-homeownership curve, especially after 2009. While older cohorts within this group historically experienced a steady progression into homeownership, more recent patterns suggest stagnation. This may reflect a combination of delayed household formation, income constraints, and limited access to mortgage financing, which have reduced upward mobility in the housing market. In contrast, homeownership remains persistently high among those aged 60 and above, with rates exceeding 85% across all survey years. This cohort benefited from more favorable macroeconomic conditions and policy environments during their peak earning years.

The most significant inflection point in the time series occurs between 2009 and 2013, coinciding with the aftermath of the financial crisis. This period was marked by a sharp contraction in credit availability and a collapse in the real estate market, which disproportionately affected younger and middle-aged households. These developments led to a decline in new mortgage originations and a persistent drop in homeownership rates. These findings suggest a structural transformation in Spain’s housing system. The declining incidence of homeownership among younger cohorts points to a shift not only in economic circumstances but also in tenure preferences. As Spain continues to transition from a variable-rate to a fixed-rate mortgage market, the implications of changing borrower profiles will be increasingly relevant for the effectiveness of monetary policy.

4.2. Other Countries

Figure 3 plots the time series of homeownership for Germany, Italy, Portugal and United Kingdom. Like Figure 2, it looks for multiple age groups. Figure 3 reveals marked differences in homeownership patterns both across countries and generations, with significant implications for housing policy and intergenerational equity.

In Germany, homeownership rates remain comparatively low across all age groups, particularly among the younger cohorts. While ownership increases steadily with age, peaking around retirement, the 2017 data show a noticeable decline in ownership for individuals under 60 compared to previous years. This trend suggests growing barriers to entry into homeownership for younger Germans, potentially due to rising housing costs, stricter credit conditions, or a persistent preference for long-term renting, which is culturally and institutionally supported in Germany.

Italy, by contrast, exhibits high and relatively stable homeownership rates across all age groups over time. The ownership rate climbs gradually with age and remains elevated even in the older cohorts, peaking in the 70–80 age range. There is little evidence of significant temporal change between 2005 and 2017, indicating a resilient structure of homeownership, likely supported by strong family networks and a tradition of property inheritance. The stability may also reflect a more consistent housing market and policies that support home retention across generations.

Portugal also demonstrates high levels of homeownership, though with slightly more fluctuation across time and age groups than Italy. Young Portuguese adults saw moderate improvements in ownership up to 2009, but a decline appears in the 2017 data, especially among those under 40. Ownership among older age groups remains robust. This may indicate the lingering impact of the 2008 financial crisis and subsequent austerity on younger households’ ability to access the housing market, even as older cohorts retained their homes.

The United Kingdom shows that while overall homeownership rates increase with age, post-Financial crisis there is a sharp decline in ownership among younger and middle-aged adults compared to earlier years. This suggests that structural challenges—such as housing affordability, supply shortages, and stricter mortgage lending standards—have disproportionately affected younger generations. The UK appears to be undergoing a generational shift away from the historically embedded ideal of owner-occupation.

Taken together, the data underscore a broader trend of declining homeownership among younger age groups across several countries, albeit to varying degrees. These patterns reflect a complex interplay of economic pressures, housing market dynamics, and institutional frameworks.

4.3. Housing Investors in Spain

As homeownership rates decline among young households in Spain, a key question arises: who is purchasing the housing stock? Figure 4 presents the share of Spanish households owning more than one property in 2002 and 2017, disaggregated by age group. The data confirm a strong positive correlation between age and the likelihood of owning multiple properties in both years. In 2002, the proportion of households with more than one property increases steadily from the youngest age group (18–30) to those aged 60–70, after which it slightly stabilizes. This pattern suggests that property accumulation is closely tied to life-cycle factors such as income growth, financial stability, and inheritance. By 2017, the overall shape of the distribution remains similar, but several shifts are apparent. Most notably, the share of households with multiple properties increased among the middle-aged groups—particularly those aged 40–60—suggesting greater engagement with property investment in these cohorts.

Figure 5 confirms the general pattern post-financial crisis. The elder households not only own their main residence, but the recently have substantially increased their holdings of real estate. For example, 50% of households between 60 and 70 years old owned more than one properties in 2000, whereas this percentage exploded to 70% in 2014.

Figure 6 illustrates the average number of additional properties held by Spanish households—conditional on owning more than one property—across age groups in 2002 and 2017. A clear age gradient is evident in both years, with older cohorts tending to own a higher number of additional properties compared to younger ones. In 2002, property accumulation beyond the primary residence was most pronounced among households aged 70–80 and 80–99, with averages exceeding two properties, while younger age groups held closer to 1.5 on average. This reflects a life-cycle accumulation effect, where property ownership builds up over time due to investment motives. By 2017, although the overall pattern remains, some notable shifts occur. The average number of properties each household owns increased over time for the elder households, and that it remained unchanged or even decreased for the younger households.

Figure 7 corroborates that older—and typically wealthier—households are the ones purchasing the housing stock that younger households are no longer acquiring. These additional properties are likely being used as investment assets. In effect, older households increasingly act as landlords, renting homes to younger households who are unable to access homeownership.

4.4. Drivers of Housing Investments

The previous figures reveal striking shifts in patterns of property ownership among households. To rigorously assess the factors driving households to own multiple properties, we estimate a series of regressions using data from the Encuesta Financiera de las Familias (EFF). The EFF provides repeated cross-sectional survey data, where a different sample of households is surveyed in each wave using a consistent set of questions, allowing for comparability over time. Each wave is representative of the national household population, enabling robust analysis across survey years.⁴ Our main empirical strategy employs the full pooled sample and treats the data as repeated cross-sections.

Table 3 describes the sample. It provides summary statistics for the full sample of Spanish households surveyed between 2002 and 2014, capturing the key phases of the economic boom and subsequent bust. The data offer a broad view of housing-related characteristics, debt, and income. The average age of household respondents is 59.25 years, suggesting that the sample includes a substantial proportion of late-career or retired individuals. Homeownership is widespread, with an average rate of 86%, reflecting Spain’s historically high levels of owner-occupation. Additionally, more than half of households (51%) own at least one additional property, pointing to the prevalence of real estate as an investment vehicle. Among those with additional properties, the average number is 1.28, but the standard deviation of 2.91 and a 99th percentile value of 11 highlight considerable skewness and concentration at the top end of the distribution. This suggests that while many households may own a second home or inherited property, a smaller subset holds significantly larger property portfolios.

Specifically, we estimate the following logistic regression:

where i indexes the household and t the year of the survey wave.   denotes the probability of household i owning multiple properties at time t.  P_t is a binary variable that takes the value of one post-crisis, that is, for the survey waves 2011 and 2014, and the value of zero pre-crisis, that is, for the waves 2002, 2005 and 2008. A_i,t is the age of the reference person of the household. The reference person is the one who chiefly deals with the household’s finances. I_i,t is the household’s annual income. This is calculated as the sum of labor and non-labor income for all household members. We adjust the total income for inflation, so all values are in 2014 Euros. The final values of income are in thousand of Euros. C_t denotes the controls, which are dummies for each survey wave.

Table 4 shows the results of the estimation of the logit model (1). Across all specifications, age shows a consistently positive and statistically significant association with the probability of owning additional properties. In columns (1) and (2), the coefficient on age is 0.025, indicating that each additional year of age increases the likelihood of multi-property ownership by 2.5 percentage points, holding other factors constant. This suggests that property accumulation is closely tied to life-cycle dynamics, such as income growth, asset accumulation, or inheritance over time.

The interaction between age and the post-crisis period is also positive and statistically significant in columns (1) and (2), with a coefficient of 0.005. This implies that the positive age effect was even stronger after the crisis, potentially reflecting a concentration of property wealth among older cohorts who were less affected by financial constraints or who capitalized on post-crisis housing market conditions. However, once income interactions are introduced in columns (3) and (4), the significance of this age × post-crisis interaction disappears, suggesting that income plays a mediating role.

Indeed, the key coefficient of interest, the triple interaction term—age × post-crisis × income—is positive and statistically significant at the 1% level in both column (3) and (4). This implies that higher-income households benefited more strongly from age-related increases in property accumulation during the post-crisis period. In contrast, income alone is only significant in the first two specifications and becomes insignificant once interactions are introduced, indicating that income effects are largely conditional on timing and age.

The coefficient on the post-crisis dummy itself varies: it is not significant in column (1) but becomes large and statistically significant (0.315) in column (2) when survey wave dummies are included. This finding points to heterogeneity in the crisis effect across different periods, possibly reflecting shifts in credit availability, tax treatment, or property values over time.

Overall, Table 4 reveals that the likelihood of owning multiple properties increases with age, and that this effect is magnified in the post-crisis period—especially among higher-income households. That is, those more willing to invest in housing in search for yield. Next, we study the implications of these facts for monetary policy.

5. Housing and Monetary Policy: the Classic Channel and the New Rental Channel

The preceding evidence clearly shows that Spain—along with many other economies—has experienced a growing importance of the rental market, driven by declining homeownership rates and a rise in housing investment activity. This section examines the implications of these structural shifts for the transmission of monetary policy. We begin by reviewing the classical transmission channel through housing, highlighting how monetary policy typically affects the economy via changes in credit conditions and housing demand. Next, we provide intuitive graphical analysis to illustrate how the emergence of rental markets and housing investors may alter this channel. Finally, we present the model and its results, demonstrating the new mechanisms through which monetary policy operates in the presence of a more prominent rental sector and active investor participation.

5.1. The Classic Transmission Channel

The housing market has traditionally played a key role in the monetary policy transmission mechanism, which is the process through which central banks influence economic activity, inflation, and financial conditions by adjusting interest rates or using other monetary policy tools.

The classic view of housing in the transmission channel for monetary policy was formalized by Iacoviello 2005 and focuses on the cost of credit and the prices of real estate owned by households. That is, when the central bank lowers interest rates, it becomes cheaper to borrow money, including mortgages. Lower mortgage rates stimulate both consumption by those households, who now pay less on their mortgages, and demand from potential buyers in the real estate market. This, in turn, generates price increases and wealth effects. That is, when house prices rise, homeowners are wealthier and more secure in their financial situation. This typically leads to increased consumer spending. Furthermore, rising house prices allow homeowners to obtain more credit using those properties as collateral, which provides an additional stimulus to consumption.

It should also be noted that real estate assets are a key component of the financial system. The value of the real estate market influences the balance sheets of banks and financial institutions, which, in turn, affects their willingness to lend. When the real estate market is strong, banks are more likely to provide credit to borrowers, making it easier to finance housing and other purchases. Conversely, if monetary policy leads to a fall in housing prices or lower demand for loans, banks suffer a negative impact on their balance sheets. This leads to tightening lending standards, which can have broader consequences for the availability of credit in other sectors of the economy.

In summary, according to traditional theories, the housing market has traditionally played a fundamental role in the effectiveness of monetary policy through three related channels: 1) credit markets, which affect the consumption of households with outstanding debt balances and those considering borrowing; 2) housing prices, which affect the wealth of homeowners and their ability to obtain credit; and 3) via bank balance sheets, which affect the supply of credit. However, these mechanisms weaken when many households cease to own homes and when home purchases are concentrated among investors who do not use credit. In this situation a new channel emerges with rental markets and housing investors at the core. Next we discuss this new channel.

5.2. Intuition for the New Rental Channel

We start by providing intuition on how the rental market affects the transmission of monetary policy to rents, house prices, homeownership, and ultimately consumption. Then we will confirm the insights using a full HANK model with rental markets and housing investors.

We use a simple supply and demand diagram to illustrate the core mechanisms at play. In particular, we emphasize the role of the elasticity of supply between the rental and owner-occupied housing markets. This elasticity reflects how easily housing units can be reallocated between the two segments, which in turn depends on the behavior of investors who buy or sell properties to shift them from one market to the other. The responsiveness of this reallocation process is central to understanding how shocks—such as changes in interest rates—propagate through the housing market and ultimately influence aggregate outcomes.

In Figure 8, the horizontal axis plots the share of households that are renters (i.e., one minus the homeownership rate), while the vertical axis plots the rent-price ratio, or rental yield. These axes represent the relative quantity and relative price of rental versus owner-occupied housing, respectively. The demand curve for rental services (D) represents the schedule of rent-price ratios for owner-occupied versus rental housing. As the rent-price ratio increases, fewer households prefer to rent—since owning becomes relatively more attractive—yielding a downward-sloping demand curve. The supply curve for rental services (S) represents the schedule at which landlords (or real estate investors) are willing to supply rental housing. As the rent-price ratio increases, rental investment becomes more attractive, so more landlords are willing to supply rental units, resulting in an upward-sloping supply curve.

Panel (a) illustrates the case of inelastic landlords, meaning that movements in the rent-price ratio are associated with only small changes in the quantity of rental housing supplied. The steep supply curve reflects frictions or slow adjustment in rental supply. Following a contractionary monetary policy shock that raises real interest rates, the demand curve shifts rightward (from D to D´), as higher mortgage costs make homeownership less affordable and increase the demand for rental housing at a given rent-price ratio. At the same time, the supply curve shifts leftward (from S to S´), due to higher mortgage costs that affect rental investment financing, as well as portfolio rebalancing away from real estate and toward alternative assets such as bonds. As a result, the equilibrium shifts from point (1) to point (2), with a modest decline in homeownership but a large increase in the rent-price ratio.

Panel (b) shows the case of elastic landlords, meaning that small movements in the rent-price ratio are associated with large changes in the quantity of rental housing supplied. In this case, a contractionary monetary shock—assuming a supply curve shift of similar magnitude as in panel (a)—leads the equilibrium to move from point (1) to point (2), but with a smaller increase in the rent-price ratio and a larger increase in the renter share (i.e., a larger decline in homeownership) compared to the inelastic landlord economy.

These differences in equilibrium adjustments across panels (a) and (b) have direct implications for aggregate consumption. In the inelastic landlord case, the sharp rise in the rent-price ratio results in higher rental costs, while the homeownership rate declines only modestly. If renters have higher marginal propensities to consume than owners (and if they represent a sizable share of the population), the increase in their housing expenditure translates into a stronger contraction in non-housing consumption. At the same time, landlords receive more rental income and may increase their consumption in response. However, if landlords have lower marginal propensities to consume—due to higher wealth and fewer liquidity constraints—and represent a smaller share of the population, the rise in their consumption would tend to only partially offset the decline among renters. In contrast, when landlord supply is elastic, the shift toward renting is larger but the increase in rental prices is smaller, which helps to cushion the fall in aggregate consumption. Taken together, this analysis suggests that the degree of supply responsiveness in the rental market plays a key role in shaping how monetary policy shocks propagate into consumption dynamics through housing tenure and affordability channels.

Finally, if the monetary authority targets an inflation index that includes rents, then the dynamics described above can further amplify the effects of monetary tightening. In particular, in the inelastic landlord case, the initial rise in rents contributes directly to measured inflation, potentially prompting the central bank to raise interest rates even further. This feedback loop can reinforce the contractionary effects on consumption. The responsiveness of rental supply thus not only shapes the initial transmission of policy but also affects the likelihood of amplification through the policy rule itself. These insights provide the intuition behind the “higher for longer” results, which we now formally demonstrate using a HANK model that incorporates rental markets and housing investors.

5.3. Model

It is a dynamic incomplete-markets general equilibrium model of household consumption and housing investment. The economy features a continuum of households, a representative final-good producer, a continuum of intermediate-good producers, a monetary authority, and a fiscal authority. Time is discrete and denoted by . The Appendix contains all the equations.

Households are infinitely lived and face uninsurable idiosyncratic labor productivity shocks. A key innovation of the model is that households can trade housing both as a consumption good (owner-occupied housing) and as an investment asset (rental properties that generate income). Both types of housing are subject to adjustment costs that create illiquidity, and households can borrow against the value of their housing assets. A second innovation is the explicit inclusion of housing services in the overall consumption price index. That is, housing inflation can cause inflation, like in the data.

House prices, rents, the price of non-housing consumption, wages, inflation, and interest rates are all determined endogenously in equilibrium. Following standard practice in the literature, the model is written primarily in real terms, except for the Taylor rule, the Fisher equation, and the price-setting equations, which are specified in nominal terms.

5.4. The New Rental Channel

To illustrate the results, we analyze a one-time, unexpected contractionary monetary shock. We consider an experiment in which, at time =0 , a mean-reverting quarterly shock to the Taylor rule (equation (15) in the Appendix) is introduced.⁵

Figure 9 displays the exogenous monetary policy shock and the resulting dynamic responses for key aggregate variables: the overall inflation rate, the real return on bonds, and the real mortgage rate. Panel (a) shows that the monetary policy shock is identical across both model variants—defined by whether landlords have elastic or inelastic rental supply responses to changes in the rent-price ratio. The shock reaches its maximum value of 1 percentage point (annualized) on impact and then gradually declines toward zero. Panel (b) shows that in the economy with elastic landlords, overall inflation falls by about 1.2 percentage points (annualized) on impact, consistent with standard New Keynesian dynamics. In contrast, inflation in the inelastic landlord economy increases by approximately 0.3 percentage points. This striking divergence is driven by a sharp increase in both nominal and real rents in the inelastic case, which more than offsets the typical disinflationary effects from reduced non-housing demand.

Because rents enter directly into the consumer price index targeted by the central bank, the increase in rents causes measured inflation to remain persistently elevated in the inelastic landlord economy. As a result, the nominal interest rate also stays high for a more prolonged period. Consequently, as shown in panels (c) and (d), the real interest rates on both bonds and mortgages rise more sharply and remain elevated for longer in the inelastic landlord case. Specifically, the real return on bonds peaks around 1.2 percentage points above steady state in the inelastic case, compared to only about 0.2 percentage points in the elastic case. The results are similar for the real mortgage rate, since we assume a constant spread between mortgage and bond rates. These differences in real rates have important implications for real macroeconomic outcomes, which we discuss next.

Figure 10 shows how the increase in real interest rates affects the real economy. Panel (a) illustrates a decline in non-housing consumption following the contractionary monetary shock. The decline is significantly larger in the economy with inelastic real estate investors, where non-housing consumption drops by about 0.8% on impact. In contrast, the decline is only around 0.4% in the elastic landlord case. This stronger consumption response can be traced to two novel channels linked to rental market dynamics.

First, higher mortgage rates discourage homeownership and shift demand toward rental markets, putting upward pressure on rents. When landlord supply is inelastic, rents increase disproportionately—as seen in panel (d), where real rental prices rise by nearly 4% on impact in the inelastic case, compared to a decline of about 1.5% in the elastic case. Because renters typically have higher marginal propensities to consume than the average household, this shift amplifies the contraction in aggregate consumption. Second, as discussed earlier, the increase in rents caused by the monetary shock raises measured inflation and keeps it persistently elevated. In response, the monetary authority maintains higher nominal interest rates for longer, resulting in a larger and more prolonged increase in real interest rates.

As a result, tight monetary policy may generate stronger real effects than predicted by standard HANK models that abstract from rental markets. Panel (b) confirms this, showing that output declines by nearly 1% in the inelastic case, compared to about 0.6% with elastic landlords. Since output is demand-determined in the presence of nominal rigidities, these differences reflect the stronger contraction in aggregate demand—particularly consumption—when rental supply is inelastic.

Panel (c) shows that real house prices fall more steeply in the inelastic economy—by about 2% on impact—compared to a smaller decline of 1.25% in the elastic case, where stronger investor demand helps cushion the price decline. The sharper drop in house prices further tightens financial conditions, particularly for leveraged households, who face negative wealth effects and tighter borrowing constraints. Since these households tend to have high marginal propensities to consume, this well-known transmission channel—when combined with inelastic landlord supply—reinforces the aggregate consumption decline.

Figure 11 explores the implications of monetary tightening on housing market composition and rental returns. Panel (a) shows that the homeownership rate declines less in the economy with inelastic landlords, falling by about 0.6 percentage points relative to steady state. In contrast, the decline is nearly twice as large—about 1.2 percentage points—when landlord supply is elastic. This larger drop reflects the more aggressive expansion of rental housing by elastic landlords, which leads to a greater reallocation of households from ownership to renting, consistent with the model intuition discussed above.

Panels (b) and (c) in Figure 11 show the corresponding responses on the landlord side. Both the share of households acting as landlords and the share of the housing stock they hold rise more rapidly in the elastic case, reflecting their greater willingness and ability to expand rental supply. Rental yields spike by nearly 0.6 percentage points in the inelastic case—almost three times the increase observed under elastic supply. These elevated rental returns are needed to incentivize inelastic landlords to accommodate the surge in rental demand, in line with the economic mechanisms highlighted earlier.

In conclusion, the analysis reveals that the elasticity of rental housing supply plays a pivotal role in shaping the macroeconomic effects of monetary policy. A one-time contractionary monetary shock produces markedly different outcomes depending on whether landlords can adjust rental supply in response to changing economic conditions. When landlord supply is inelastic, the shock leads to an unexpected rise in inflation due to surging rents, which in turn forces the central bank to maintain higher nominal and real interest rates for an extended period—capturing the «higher for longer» dynamic. These elevated rates intensify the contraction in non-housing consumption, amplify the decline in output, and deepen the fall in house prices through stronger wealth and credit channel effects. The model also shows that housing market composition adjusts differently across regimes: elastic landlords respond by expanding rental supply and acquiring a larger share of the housing stock, whereas inelastic landlords restrict adjustment, resulting in higher rental yields and limited changes in ownership patterns. Overall, the findings highlight that incorporating rental markets and investor behavior into models of monetary policy allow to uncover novel transmission mechanisms of monetary policy that are masked in more traditional frameworks.

6. Conclusions

This paper shows that, in Spain, the aftermath of the financial crisis has been marked by a sharp decline in housing ownership among young households, while older households have significantly expanded their property holdings. This novel pattern is not unique to Spain and appears to hold across many European countries. The shift is driven by a combination of declining income and tighter credit conditions for younger households, alongside a search-for-yield behavior among older, wealthier investors. In parallel, Spain has seen a dramatic increase in the share of fixed-rate mortgages among new loans.

What are the implications of these structural changes for the transmission of monetary policy? While it is well-established that a decline in variable-rate mortgages weakens the effectiveness of monetary policy, the role of rental markets remains relatively unexplored. This paper contributes to filling that gap by incorporating rental markets and housing investors into a Heterogeneous Agent New Keynesian (HANK) model. In doing so, we uncover new transmission channels. For example, when monetary policy tightens, rents may rise due to constrained housing supply, leading to inflationary pressures through the shelter component of the consumer price index. This dynamic can generate counterintuitive outcomes in which restrictive monetary policy contributes to higher inflation. Moreover, because tenants typically have higher marginal propensities to consume, increases in rent can amplify the contractionary effects on aggregate demand—implying that tight monetary policy may have stronger real effects than predicted by standard HANK models.

Housing investors play a key role in this framework by determining the elasticity of housing supply between the ownership and rental markets. This introduces a fundamentally different mechanism from the classical transmission channels of monetary policy through housing, which focus on mortgage debt, household wealth effects, and foreclosures. Future work should further explore the elasticity of conversion between rental and ownership housing, as well as the spread between rental yields and returns on safe assets—two variables that prove central to understanding how monetary policy affects modern housing markets and, by extension, the broader economy.

Referencias

Carbo, S., and Rodriguez, F. (2021).The Spanish housing market post COVID-19. SEFO, Vol.10(4). In: FUNCAS Sefo 10.4 (2021).

Carbo, S., and Rodriguez, F. (2022).La reactivación del mercado hipotecario español. Cuadernos de Información Económica, 287, 41–46.

Daniel, K., Garlappi,L., and Xiao, K (2021).Monetary policy and reaching for income. The Journal of Finance, 76(2), 1145–1193.

De Stefani, A. (2021). House price history, biased expectations, and credit cycles: The role of housing investors. Real Estate Economics, 49(4), 1238–1266.

Garriga, C., Gete, P., and Tsouderou, A. (2023). The economic effects of real estate investors. Real Estate Economics, 51(3), 655–685.

Garriga, C., Gete, P., and Zecchetto, F. (2025). Real Estate Investors, Rental Markets, and Monetary Policy.

Garriga, C., Kydland, F. E., and Sustek, R. (2017).Mortgages and monetary policy. The Review of Financial Studies, 30(10), 3337–3375.

Garriga, C., Manuelli, R., and Peralta-Alva, A. (2019). “A macroeconomic model of price swings in the housing market. American Economic Review 109(6), 2036–2072.

Iacoviello, M. (2005). House Prices, Borrowing Constraints, and Monetary Policy in the Business Cycle. The American Economic Review, 95.95 (3), 739–764.

Piazzesi, M., and Schneider, M. (2016). Housing and Macroeconomics. In Handbook of Macroeconomics. Vol. 2. (1547-1640).Elsevier.

Pica, S. (2021). Housing markets and the heterogeneous effects of monetary policy across the euro area. Available at SSRN 4060424.

Rubio, M. (2011). Fixed-and variable-rate mortgages, business cycles, and monetary policy. Journal of Money, Credit and Banking 43(4), 657–688.

Torres, R. (2023). Increases in Euribor and potential impact on mortgages and the Spanish economy. SEFO, 12(2). 20

NOTAS

^* IE University

** I am grateful to seminar participants at various institutions for their valuable comments, and I acknowledge the financial support of FUNCAS. This paper is based on joint work with my esteemed coauthors Carlos Garriga, Athena Tsouderou, and Franco Zecchetto. All views expressed are my own, and I take full responsibility for them. I thank Vicente Rojas for excellent research assistance.

¹  In related work, Daniel, et al., (2021) show reach for income among U.S. equity investors. De Stefani (2021) documents that the investment attitude towards housing increased significantly among the wealthy U.S. population following the financial crisis. Garriga, et al., (2023) study the surge of local investors in the U.S. after the global financial crisis.

²  A HANK model, which stands for Heterogeneous Agent New Keynesian model, is a framework in macroeconomics that incorporates differences across households into a standard New Keynesian structure. Unlike traditional models that assume a representative agent, HANK models account for household heterogeneity in terms of income, wealth, and sensitivity to economic shocks. We do not model banks explicitly, but instead use a lending rule that—consistent with standard practice in the literature—generates a positive correlation between credit availability and housing prices.

³ Carbo-Valverde and Rodriguez-Fernandez (2022) were among the first to point-out this structural transformation.

⁴ Surveying different households reduces the serial correlation of the variables between survey waves.

⁵ Model details are in the Appendix. The shock has an initial magnitude of ϵ₀ = 0.25% (equivalent to 1% annually) and decays at rate ς, so that ϵ_t = exp(−ςt)ϵ₀. We set ς = 0.75, which corresponds to a quarterly autocorrelation of exp(−ς) = 0.47.

APPENDIX

Descarga Publicación (formato PDF)

Fecha: julio 2025

Santiago Lago Peñas*

Resumen

España es actualmente uno de los países más descentralizados del mundo en lo que atañe al gasto público y a la autonomía tributaria en el escalón intermedio de gobierno. Sin embargo, esta descentralización se ha desarrollado sin un marco institucional adecuado para una gestión pública multinivel, lo que ha provocado disfunciones y tensiones crecientes en la cogobernanza, especialmente evidentes ante situaciones de crisis. Al mismo tiempo, las soluciones bilaterales y su posterior generalización, siguiendo una dinámica líder-seguidor, son cada vez más difíciles de aplicar en un Estado autonómico maduro. Las reacciones fuera de Cataluña a los pactos bilaterales sobre la condonación de la deuda y la financiación singular en el último bienio lo atestiguan.

En contraste, el protagonismo de la multilateralidad proporciona fundamentos sólidos a la sanción de las leyes en las Cortes que vehiculan los acuerdos políticos entre Gobierno central y autonómicos. Este segundo camino puede ser más seguro y pacífico, en la actual etapa de elevada fragmentación parlamentaria. Dada la dificultad de acometer una reforma constitucional de calado y orientación federal, este trabajo propone reforzar los tres instrumentos principales de coordinación existentes en el ordenamiento jurídico español: la Conferencia de Presidentes, el Consejo de Política Fiscal y Financiera, y las Conferencias Sectoriales. El análisis identifica problemas comunes a estos órganos, y los retos específicos de cada uno. Finalmente, el documento presenta una serie de propuestas concretas para mejorar su funcionamiento y fortalecer la cooperación intergubernamental en España.

1. INTRODUCCIÓN

España es hoy uno de los países más descentralizados del mundo, especialmente cuando la atención se centra en los gobiernos del escalón intermedio (Lago Peñas, 2021). La ratio del gasto público en manos de los gobiernos autonómicos solo es superada por las que se observan en las federaciones de referencia fuera de la Unión Europea (UE): EE. UU., Canadá, Suiza y Australia. Algo similar ocurre en el ámbito tributario, aunque aquí la autonomía efectiva es claramente inferior a la que existe en esos países. Fundamentalmente, por las restricciones que impone la armonización que afecta al IVA y los impuestos sobre consumos especiales; y por la muy razonable resistencia a la descentralización del impuesto sobre sociedades: existe un amplio consenso en la literatura sobre federalismo fiscal acerca de que esta figura no debería ser asignada a los gobiernos subcentrales (Lago Peñas y Martínez-Vázquez, 2014). En todo caso, España lidera hoy el ranking de autonomía tributaria regional en el conjunto de la UE-27, por delante incluso de estados federales como Alemania, Austria y Bélgica. Y solo Canadá está por delante en el volumen de deuda pública acumulada a escala regional (Lago Peñas, 2023). Finalmente, cuando la atención se centra en indicadores de descentralización más complejos, como el Regional Authority Index (RAI) el diagnóstico es similar. Ningún país de la OCDE se ha descentralizado tanto en tan poco tiempo.

Todo lo anterior se ha conseguido sin contar con un marco constitucional genuinamente federal. El Estado de las autonomías se suele calificar, en el análisis comparado, como un modelo cuasifederal, que ha aprovechado la indefinición y apertura del título VIII de la Constitución española (CE) para avanzar. También hay que destacar la apuesta por un modelo de «federalismo cooperativo» en el que las responsabilidades y competencias no son exclusivas. A veces porque se comparte la propia ejecución; otras, por el amplio rango de alcance de la legislación básica del Estado; o porque, el nivel central establece carteras obligatorias de servicios. Sin embargo, existe evidencia creciente de que este binomio de instituciones débiles y apuesta por la compartición competencial ya no es sostenible. Hemos llegado a un grado de descentralización que exige cambios en, al menos, uno de los elementos. Por un lado, existen propuestas extremas de eliminación del Estado autonómico o de caminar hacia la independencia. Pero ambas cuentan con apoyos minoritarios en el conjunto de España. Por otro, entre los expertos se observa un amplio consenso sobre la necesidad de reforzamiento de las estructuras de cogobernanza. Una necesidad que las sucesivas crisis vividas desde 2009 han reforzado.

La reforma de la financiación autonómica sigue en pausa desde hace más de una década; la asignación de los fondos Next Generation EU ha renunciado a aprovechar el conocimiento sobre el terreno de las Comunidades Autónomas (CC.AA.) a la hora de seleccionar proyectos y apuestas; los acuerdos entre niveles de gobierno sobre cualquier materia son excepción desde hace tiempo. La ausencia de reglas claras sobre quién asume la responsabilidad de la respuesta frente a crisis severas (como la Gran Recesión o la pandemia) dificulta una respuesta más eficaz. La extensión en el tiempo de los mecanismos extraordinarios de financiación (incluso para financiar desviaciones respecto a los compromisos de déficit establecidos) ha hecho que los gobiernos subnacionales perciban una situación de “restricción financiera blanda”.

Sin duda, la multilateralidad está en su peor momento. Desde 2022, asistimos a la incapacidad de alcanzar acuerdos en las reuniones de la Conferencia de Presidentes. Aun más, en la última celebrada hasta la fecha se vivieron momentos de tensión sin precedentes. Algo similar esta ocurriendo en el Consejo de Política Fiscal y Financiera. El abandono de la sala de la mayoría de los consejeros en la reunión de febrero de 2025 pone en evidencia el marasmo que atraviesa este foro. En sentido contrario, la bilateralidad gana protagonismo tanto en lo que atañe al traspaso de competencias, como en las fórmulas de financiación y la reestructuración de los mecanismos extraordinarios de financiación. Es cierto que en otros momentos del proceso de descentralización el impulso bilateral, que luego se convierte en multilateral tras el refrendo colectivo, ha sido un motor de cambio. Pero, tras casi medio siglo de proceso descentralizador, parece que esta lógica de proceder ha dejado de ser generalmente aceptada. Y esto plantea una enorme dificultad para que los acuerdos sean avalados por las Cortes españolas. Porque hay que tener bien presente que los cambios en el sistema de financiación autonómica y la condonación parcial de la deuda exige la aprobación de leyes en el Congreso de los Diputados. Cuando los acuerdos que se someten a votación son mutlilaterales, ese aval es casi automático. Pero la bilateralidad de los pactos políticos diluye ese apoyo y traslada al poder legislativo nacional la discusión. Dada la fragmentación y polarización que observamos en este momento, la probabilidad de un bloqueo es muy elevada; al tiempo que mina la cooperación intergubernamental.

En definitiva, urge la recuperación del enfoque multilateral y la mejora de las instituciones para la cogobernanza en general, y la fiscal en particular. El primer objetivo de este documento es justificar esta necesidad. A partir de ahí, se pasa a identificar las herramientas institucionales clave para esa nueva fase del Estado de las autonomías. El resto del documento se centra en analizar los problemas actuales de esos instrumentos y discutir algunas reformas factibles y potencialmente eficaces.

2. Razones por las que una hacienda multinivel es más compleja

La descentralización de la hacienda pública tiene fundamentos económicos y políticos. La amplísima literatura disponible identifica y desarrolla sus efectos y aspectos positivos. En particular: la mayor cercanía en la toma de decisiones proporciona información de primera mano sobre necesidades y preferencias; la existencia de múltiples jurisdicciones permite ajustar mejor los menús fiscales a situaciones de diversidad interterritorial en las preferencias, ventaja que es reforzada en el caso de que los ciudadanos migren en busca de ofertas más próximas a sus gustos; la descentralización también puede ayudar a mantener unidas comunidades políticas diferenciadas dentro de un mismo Estado; finalmente, la descentralización permite reforzar la responsabilidad fiscal y la rendición de cuentas o accountability, tanto por la menor distancia como por la posibilidad de establecer comparaciones con lo que ocurre en otras jurisdicciones¹.

En el otro lado del balance, una hacienda multinivel resulta más compleja que una centralizada, por múltiples razones que se pueden organizar en cinco puntos:

• Al descentralizar, es preciso tomar decisiones sobre la asignación de las competencias de gasto e ingreso. En algunos casos la solución es evidente. Los bienes públicos puros deben quedar en manos del nivel central, y los servicios públicos con efectos a escala local y escasas economías de escala son candidatos claros para estar en manos de los gobiernos subcentrales. No obstante, en la actualidad existen muchos servicios que están en un terreno intermedio. En particular, los llamados bienes preferentes, como la sanidad y la educación; y otros para los que se acaba optando por soluciones mixtas. A veces, la provisión es responsabilidad de más de un gobierno. En otras ocasiones, se opta por definir un marco legislativo básico común que define la cartera mínima de servicios o contenidos obligatorios, para que sean los gobiernos subcentrales los que los provean y financien. En la práctica, esta concomitancia puede acabar generando conflictos competenciales que acaban en los tribunales. En todo caso, esa compartición conlleva la necesidad de diálogo y cooperación entre gobiernos al mismo nivel y los diferentes niveles de gobierno para afrontar las posibles externalidades horizontales en los servicios, o el impacto de las externalidades verticales. Pensemos, por ejemplo, en el impacto financiero que suponen para las haciendas subcentrales decisiones legislativas adoptadas por el nivel de gobierno.
• La descentralización del gasto tiene su correlato necesario en la descentralización de los ingresos, para evitar los problemas derivados de la falta de autonomía y corresponsabilidad fiscal. De nuevo hay que decidir qué tributos se descentralizan y con qué grado de autonomía. La realidad es que, si la descentralización del gasto es profunda, las herramientas susceptibles de ser transferidas con capacidad normativa suelen ser insuficientes y deben complementarse con transferencias que cierran el desequilibrio vertical entre ambos lados del presupuesto. En este punto aparecen dos complicaciones adicionales. La primera es la existencia de divergencias interterritoriales en las bases imponibles que pueden exigir el concurso de programas de transferencias de la nivelación horizontal. Además, conviene elegir con cuidado los instrumentos tributarios que se descentralizan para evitar la competencia fiscal nociva. La segunda tiene que ver con la gestión tributaria. La gestión centralizada genera ventajas en términos de economías de escala y manejo de información. Pero es verdad que la separación entre autonomía tributaria y gestión por parte de los gobiernos subcentrales plantea problemas potenciales de falta de visibilidad para los ciudadanos y de falta de información. Además, el recurso a los sistemas de anticipos de recaudación distorsiona el ritmo al que los gobiernos subcentrales incorporan en sus decisiones los cambios de coyuntura. En definitiva, la necesidad de financiar el gasto descentralizado obliga a contar con sistemas de financiación con el que todos estén de acuerdo; abre la puerta a problemas de competencia fiscal y otro tipo de externalidades no deseadas, y obliga a repensar la forma en la que se gestionan los tributos.
• En tercer lugar, el cumplimiento de objetivos fiscales a escala nacional se complica. La existencia de múltiples niveles de gobierno, combinada con el hecho de que los gobiernos subcentrales se endeudan, hace que el crecimiento del gasto y la dinámica del déficit puedan evolucionar globalmente de forma no deseada. Siendo la estabilidad presupuestaria un bien colectivo a escala de país, existe un problema de acción colectiva que, de nuevo, exige reglas y coordinación. Con la complicación adicional de erradicar las expectativas de rescate, ante problemas financieros de un gobierno subcentral provocadas por el incumplimiento de los objetivos de estabilidad definidos. La actual discusión sobre la condonación parcial de la deuda asociada a los mecanismos extraordinarios de financiación es un ejemplo de cómo esos riesgos se pueden concretar.
• En cuarto lugar, aparece el problema de respuesta ante eventos extremos, tanto en el vector de la preparación como de la reacción. Sin perder de vista que esos eventos extremos pueden generar efectos muy asimétricos en el territorio. Para ello, es necesario contar no solo con los mecanismos financieros de inversión y compensatorios necesarios, sino también con dos elementos fundamentales. Primero, la integración de las actuaciones preparatorias en un plan nacional, teniendo presente que las probabilidades de los diferentes eventos extremos (inundaciones, terremotos, riadas, incendios, temporales de viento) son diferentes por zonas. Segundo, con los protocolos de intervención para coordinar los distintos niveles de administración (Pérez, 2024). Un aseguramiento perfecto ex ante frente a estos eventos extremos es imposible o inasumible en términos financieros y de coste de oportunidad, pero sí existe un amplio margen de mejora para la eficacia y la eficiencia: prevenir mejor para poder curar mejor.
• Finalmente, hay que contar con capacidad de reacción para responder a retos y desafíos inesperados diferentes a los eventos extremos. Y en este caso, más que respuestas cerradas, lo que se necesita son que garanticen agilidad y eficacia en la respuesta. Observando lo acontecido en el último lustro en España, en esta categoría de eventos estarían los episodios de llegadas masivas de migrantes o el choque sobre los precios de bienes y servicios básicos provocado por la ruptura de las cadenas logísticas globales y la invasión de Ucrania. Además, se podrían añadir aquí los retos que plantea el envejecimiento sobre servicios públicos que suponen más de la mitad de los presupuestos autonómicos; la forma en la que la sanidad pública española irá incorporando los avances tecnológicos en los próximos años, con un considerable aumento de costes; o la reacción a los problemas en el mercado de la vivienda, que se están extendiendo a cada vez más autonomías.

Al lado de los desafíos anteriores aparece una oportunidad: el aprovechamiento de la descentralización como laboratorio para las políticas públicas. La posibilidad de prestar el mismo servicio de formas diferentes permite testar soluciones y, en su caso, emular al que lo consigue alcanzar una mayor eficiencia. No obstante, esta ventaja solo se materializará si la información se comparte y fluye.

Precipitando todo lo anterior en el espacio de las soluciones para España, emergen tres ideas fundamentales La primera es que la descentralización complica la adaptación a los cambios de escenario y las respuestas a las urgencias. Sin ánimo de exhaustividad, se pueden citar las dos siguientes. Primero, la revisión del marco de estabilidad fiscal para incorporar los cambios en las reglas fiscales comunitarias es perentoria. Existe una disonancia estridente entre la forma en la que se debe computar la regla de gasto de acuerdo con la normativa europea y la legislación española. Además, hay que decidir qué vía se toma para concretar los compromisos autonómicos: ¿debemos optar por sendas individualizadas teniendo en cuenta las amplias diferencias en las ratios de deuda que se usan como ancla?, ¿sería más sencillo y operativo que todos los gobiernos se aplicasen la misma senda? Sin olvidar la necesidad de revisar el sistema de penalizaciones o la estructura y contenidos de los planes de ajuste autonómicos (González y Martínez López, 2021). En segundo lugar, y como parte de una reforma global del sistema fiscal español, se deben revisar a fondo las obsoletas normativas estatales que definen los tributos cedidos tradicionales: el impuesto sobre transmisiones patrimoniales y actos jurídicos documentados, el que grava las sucesiones y donaciones y el impuesto sobre patrimonio neto, sabiendo que el nuevo impuesto sobre grandes fortunas remite en lo fundamental a la normativa del de patrimonio.

La segunda noción es que, colectivamente, debemos asumir que vivimos en un Estado con estructura multinivel y, por tanto, más complejo. Eso se concreta en que toca desarrollar una suerte de cultura federal sobre tres pilares: la aceptación de la diversidad, la lealtad mutua y la cooperación². Todo ello, completado con una necesaria pedagogía general sobre la estructura compleja de nuestro Estado de las autonomías, impregnando de manera transversal el sistema educativo en todos sus niveles, así como otros ámbitos divulgativos y de comunicación. La descentralización conduce inevitablemente a la diversidad en los menús fiscales y de otro tipo. Se pueden fijar límites para evitar externalidades negativas, pero abogar por la homogeneidad es incoherente con la fuerte apuesta por la descentralización que hemos hecho en España. Para hacerlo todo igual en todas partes, sería más barato y cómodo mantenernos en un país altamente centralizado. La lealtad es un ingrediente imprescindible, lo que se traduce en el respeto a las competencias de los demás y en considerar siempre las externalidades negativas que se generan a otros gobiernos. Finalmente, la colaboración es irrenunciable, sobre todo en un modelo de federalismo cooperativo como es, de facto, el español. Porque la amplitud de la legislación básica del Estado obliga a un diálogo permanente sobre las implicaciones de los cambios. Además, la posibilidad de aprender de los demás es una ventaja potencial que refuerza el valor de la cooperación y la compartición de experiencias.

La tercera idea es que existe un amplio consenso en que la actual arquitectura institucional en España no es la idónea para soportar y manejar todo lo anterior. En este punto caben dos soluciones. La primera pasa por una reforma constitucional que cambie el marco. Hablamos de la reforma del Senado y del Título VIII de la CE. Este es un camino muy ambicioso y difícil en la actual coyuntura política española, por la elevada fragmentación política, pero también por las posturas opuestas sobre hacia dónde debe cambiar la configuración del Estado. De hecho, las encuestas del Centro de Investigaciones Sociológicas (CIS) muestran que son ya minoría quienes quieren mantener el Estado autonómico en su versión actual, mientras que el resto se divide entre los que quieren más y los que quieren menos autonomía territorial, lo cual plantea una seria paradoja de elección colectiva que en la que prima el statu quo frente a opciones mayoritarias preferidas por unos y otros. Por ese motivo, en este documento se argumenta a favor de la segunda vía: avanzar sin necesidad de cambios en la CE. Es más: hacerlo con los menores cambios legales posibles en el marco legislativo. Para eso, hay que partir de las herramientas hoy ya existentes y mejorar su funcionamiento.

El objetivo del resto del documento es ofrecer un diagnóstico y una batería de propuestas de cambio sobre las tres herramientas más importantes en el frente político y financiero para la cogobernanza: la Conferencia de Presidentes (CP), el Consejo de Política Fiscal y Financiera (CPFF) y el resto de las Conferencias Sectoriales (CS) ³; aunque en este caso ponemos el acento en su dimensión financiera⁴. Las CS son fundamentales para la coordinación y para la compartición de experiencias en las competencias descentralizadas parcial o completamente; y las implicaciones financieras de sus acuerdos deben ser supervisadas por el CPFF⁵.

3. La Conferencia de Presidentes: Análisis

La CP es un órgano de cooperación multilateral que existe en muchos otros países federales (Tajadura, 2018). Por ejemplo, en Alemania, Suiza, Austria y Canadá. La historia de la CP española es todavía corta. Fue creada a instancias del Gobierno de España en 2004 y desde 2015 cuenta con reconocimiento legal (Ley 40/2015, de 1 de octubre, de Régimen Jurídico del Sector Público). Su reglamento interno aparece en la Orden TER/257/2022, que modifica la Orden TER/3409/2009. Constituye el máximo órgano de cooperación política entre el Gobierno central y los gobiernos de las Comunidades Autónomas y las Ciudades Autónomas y ofrece un foro de debate estratégico en el que se pueden analizar políticas públicas con impacto territorial de todo tipo y que debe orientar y el trabajo de órganos técnicos como el Consejo de Política Fiscal y Financiera⁶.

Si nos centramos en el ámbito financiero-fiscal, la CP es una herramienta que permite legitimar decisiones técnicas del CPFF mediante respaldo político, y validar los grandes pactos financieros, como la reforma pendiente del sistema de financiación autonómica o la reestructuración de la deuda autonómica con el Tesoro.

En la actualidad, la CP afronta una serie de problemas y limitaciones:

• La CP no está siendo capaz de aislarse de la polarización política, especialmente en los últimos años. Se reproducen las tensiones entre los grandes partidos a escala nacional en vez de centrarse en el diálogo constructivo de los asuntos en la agenda. Las últimas reuniones de la CP, especialmente la celebrada el 6 de junio de 2025 en Barcelona (XXVIII edición), se han caracterizado por la falta de acuerdos concretos en las materias incluidas en el orden del día; en particular, vivienda, financiación autonómica y migración. La tensión política y el enfrentamiento abierto entre el Gobierno central y la mayoría de los gobiernos autonómicos marcaron la jornada, con peticiones explícitas de adelanto electoral por parte de trece presidentes autonómicos. De hecho, la última reunión en la que se alcanzaron acuerdos fue la celebrada en marzo de 2022 en La Palma, donde se pactó un documento conjunto de respuesta a la guerra en Ucrania y la inflación.
• Los outputs principales de la CP son los acuerdos y las recomendaciones. Los primeros exigen unanimidad y las segundas el aval del Presidente del Gobierno y dos tercios de los Presidentes Autonómicos presentes, y solo comprometen a los miembros que los han adoptado. Más allá de que unos y otros sean solo compromisos políticos desde un punto de vista legal, la fase de seguimiento de su cumplimiento se desarrolla de forma deficiente. Aunque el Comité preparatorio de la CP, apoyado por la Oficina de la Conferencia de Presidentes que aparece en la reforma del reglamento de 2022, tiene entre sus funciones la adopción de las medidas necesarias para asegurar el cumplimiento de los acuerdos y recomendaciones y debe elevar un informe anual a la CP sobre el grado de ejecución de los mismos, este control no se traslada, como si se hace con los acuerdos y recomendaciones, en la propia página web del Ministerio de Política Territorial y Memoria Democrática. Por tanto, es un asunto irrelevante en el debate público.
• Las reuniones no son periódicas, a pesar de que el reglamento aprobado en 2009 establecía una periodicidad anual, que se convirtió en bianual en la reforma de 2022. De las 28 reuniones hasta la fecha, 16 se celebraron en el año 2020 de forma no presencial y sirvieron, sobre todo, de vehículo de comunicación de las decisiones del Gobierno central frente a la pandemia. No se celebraron encuentros en 2010, 2011, 2013, 2014, 2015, 2016, 2018, 2019 y 2023, lo que supone incumplimiento de lo previsto en más de la mitad de los ejercicios transcurridos. Es verdad que los calendarios electorales u otros factores sobrevenidos pueden recomendar y justificar aplazamientos y, de ahí, que en algunos años no se celebre. Pero esa no debería ser la norma.
• En cuarto lugar, la preparación técnica previa es claramente insuficiente. La improvisación del orden del día es el mejor ejemplo de esta carencia. La CP debería concentrarse en ratificar acuerdos negociados previamente y en definir la agenda de asuntos a abordar que servirían para orientar el trabajo de la CPFF y del resto de las conferencias sectoriales.
• Finalmente, la asistencia irregular en el tiempo de los representantes de los gobiernos autonómicos de País Vasco y Cataluña, deslegitiman y cuestionan el enfoque multilateral de las relaciones intergubernamentales que representa la CP.

4. La Conferencia de Presidentes: Propuestas

El punto de partida debe ser una mejor comprensión del contexto, el cometido y el alcance de la CP. Y eso pasa por asumir dos principios:

• La CP no es el espacio para reproducir el debate legítimo que corresponde a las cámaras parlamentarias de ámbito estatal. Su foco exclusivo deben ser las competencias compartidas o asuntos autonómicos en los que se considere que la cooperación es necesaria o conveniente. Es un espacio de relación entre presidentes escogidos por los poderes legislativos correspondientes. Por tanto, las afinidades de partido o las preferencias políticas deben quedar al margen. Lo mismo que los debates entre partidos a escala estatal. La lealtad y el respeto mutuo deben imperar si se quiere que la herramienta sea útil.
• La CP es un foro genuinamente multilateral que debe situarse en un plano superior a la bilateralidad. Lo que se discuta y acuerde entre todos debe prevalecer sobre acuerdos bilaterales anteriores o posteriores. Y esto atañe también a las dos comunidades autónomas de régimen foral, Navarra y País Vasco. Ese sería un incentivo a que todas las Comunidades Autónomas participen habitualmente y asuman que la bilateralidad no puede ser un sustitutivo a la carta de acuerdos sobre materias que afectan a todos⁷.

En segundo lugar, las reuniones de la CP deben ser el corolario de un trabajo permanente e intenso entre las partes, y no el reflejo de una dinámica ocasional. Así se entiende en otros países que cuentan desde antes que España con esta herramienta, como Alemania, Austria y Suiza (García Morales, 2009). A las reuniones de la CP se debe llegar con acuerdos sólidos alcanzados en las sesiones de trabajo del Comité preparatorio de la Conferencia, que permitan que una parte mayor de las sesiones de la CP sea de simple ratificación de consensos. Por tanto, ese Comité debería reunirse todas las veces que haga falta; y debe descansar sobre la Oficina de apoyo técnico y administrativo creada en la reforma del reglamento de la CP de 2022. Es decir, el Comité preparatorio debe trabajar con suficiente antelación sobre las cuestiones identificadas en las reuniones anteriores de la CP y sobre las que se añadan al orden del día. En este sentido, la inclusión de nuevos asuntos por razones de urgencia que contempla el artículo 5.4 del Reglamento debe ser algo excepcional, para permitir que la mayoría de los asuntos lleguen a la CP con todo el trabajo previo necesario.

En tercer lugar, la CP debe ser el origen y destino de buena parte del trabajo del CPFF y de las Conferencias sectoriales. La CP ha de participar en la definición de las agendas de esos foros y, en ocasiones, debería ser el espacio para refrendar compromisos políticos al máximo nivel sobre los acuerdos sectoriales. Es verdad que esa interconexión ya aparece contemplada en el reglamento vigente, pero es fundamental desarrollarlo al máximo para estructurar bien la relación de los poderes ejecutivos en los diferentes niveles de la administración.

Finalmente, dos referencias al contenido del último Libro Blanco de la reforma de la financiación autonómica (VV. AA., 2018) que atañe a lo discutido en este apartado. En él se incidía en la idea de la sede itinerante de las reuniones de la CP en distintas Comunidades Autónomas, algo que se recogió en el reglamento aprobado en 2022 y que se ha traducido en que las tres reuniones celebradas posteriormente han sido fuera del Senado, su sede oficial. En segundo lugar, el Libro Blanco recomendaba el impulso político a la Comisión General de las CC. AA. en el Senado. En este caso, los expertos no encontraban problemas en su composición o competencias, pero sí en la falta de vitalidad en su funcionamiento. Una revitalización que debería concretarse también en una mayor retroalimentación con la CP, aprovechando la posibilidad de incluir asuntos en el orden del día de las reuniones, conforme a lo dispuesto en el artículo 5.2 del reglamento de la Conferencia.

5. El Consejo de Política Fiscal y Financiera: Análisis

El CPFF fue creado en 1980 por la Ley Orgánica 8/1980, de 22 de septiembre, de Financiación de las Comunidades Autónomas (LOFCA), específicamente en su artículo 3. Su establecimiento respondió a la necesidad de adecuar la coordinación entre la actividad financiera de las Comunidades Autónomas y la Hacienda del Estado en los inicios del desarrollo del Estado autonómico. Este órgano colegiado materializa la necesidad de cooperación institucionalizada en un Estado compuesto con múltiples centros de decisión financiera y presupuestaria.

El CPFF está constituido por el titular del Ministerio de Hacienda, que lo preside, y los consejeros de Hacienda de cada una de las Comunidades y Ciudades Autónomas. En cuanto a su funcionamiento, el Consejo debe reunirse al menos dos veces al año, aunque puede convocar sesiones extraordinarias cuando las circunstancias lo requieran. Las decisiones se adoptan mediante un sistema de votación en el que el Ministerio de Hacienda dispone del mismo número de votos que el conjunto de las comunidades autónomas.

Aunque el CPFF es un órgano deliberativo, cuyos acuerdos son definidos en su reglamento como meras “recomendaciones, que se elevarán al gobierno”, hay que tener en cuenta la amplitud de las materias sobre las que debate y que se pronuncia⁸ y el hecho de que, en la práctica, los acuerdos del CPFF proporcionan una base sólida para el posterior trabajo del poder legislativo, por ser el único órgano donde todas las comunidades autónomas pueden debatir y negociar colectivamente con el Gobierno central sobre asuntos financieros y fiscales que les afectan. El mejor ejemplo lo constituyen los acuerdos sobre la reforma de la financiación autonómica alcanzados en el CPFF, que acaban siendo validados por las Cortes sin apenas cambios.

No obstante, existe un cierto consenso en que el CPFF es mejorable, lo que justifica una reforma en profundidad. Entre los retos que se han planteado en la literatura, destacan los seis siguientes.

• El CPFF debe desempeñar un rol principal en más asuntos, lo que significa que en él se deberían discutir todas las cuestiones con implicaciones financieras para las Comunidades Autónomas. Desde el punto de vista normativo, el artículo 3 de la LOFCA da amparo a este enfoque extensivo; en particular lo dispuesto en la letra h, reproducida literalmente en una nota a pie previa. Por tanto, es solo una cuestión de voluntad política. Cierto que, al igual que los acuerdos de la CP, las recomendaciones que emanan del CPFF no tienen rango normativo, sino que son compromisos políticos. Por tanto, si no se alcanzan acuerdos, el Gobierno central siempre podrá imponer las decisiones que considere oportunas en su espacio competencial. Pero llevar a las reuniones del Consejo las cuestiones a debatir es fundamental para dar oportunidad a esa gobernanza multinivel y poner en evidencia los acuerdos y desacuerdos. La necesidad de adaptar el marco de estabilidad presupuestario español y la noción de la “apropiación nacional” que se introduce en las nuevas reglas fiscales europeas es un aval a este enfoque extensivo de la agenda del CPFF⁹. En este sentido, sería pertinente otorgar al CPFF un papel formal en la elaboración y seguimiento de los planes fiscales-estructurales que España debe presentar a la Comisión Europea en el marco del nuevo Pacto de Estabilidad y Crecimiento.
• En segundo lugar, el CPFF no puede ser un mero espacio de comunicación de decisiones previamente adoptadas por el Gobierno central. Es un foro de debate y acuerdo. Eso requiere dos mejoras. Primero, en las reglas de votación. Inspirándose en el reglamento de la CP, los acuerdos deben exigir el apoyo del Gobierno central y la mayoría absoluta de las Comunidades Autónomas. En segundo lugar, y reiterando lo expuesto en el caso de la CP, el CPFF debería aislarse de las dinámicas políticas generales y centrarse en el debate de cuestiones concretas entre gobiernos electos que deben mantener la lealtad institucional. La realidad es que el CPFF ha sufrido también las consecuencias del actual fenómeno general de polarización y crispación política que se observa también en España y que compromete su función como órgano técnico de coordinación. Sus reuniones se están convirtiendo en escenarios de confrontación política que, en buena medida, reproducen las fuertes tensiones entre partidos políticos.
• En tercer lugar, la multilateralidad del CPFF debe prevalecer frente a la bilateralidad, tanto en el fondo como en las formas. Una de las críticas más habituales en los últimos años es la percepción de que se está convirtiendo en un mecanismo de ratificación formal de acuerdos negociados previamente de manera bilateral. Este problema quedó claramente evidenciado en febrero de 2025, cuando los consejeros de Hacienda de las comunidades gobernadas por el Partido Popular abandonaron colectivamente una reunión del CPFF. Lo hicieron argumentando que se trataba de un «pacto amañado» cuyo resultado estaba «predeterminado y acordado en otros despachos». Esta situación genera desconfianza entre los diferentes niveles de gobierno y dificulta la consecución de acuerdos estables y consensuados.
• En cuarto lugar, hay que referirse a la necesidad de aumentar la capacidad técnica y recursos propios. Esta necesidad ha sido expuesta en el Libro blanco de la reforma de la financiación autonómica: “la Comisión recomienda dotar al CPFF de una estructura administrativa estable, que podrá componerse de empleados públicos del Estado y de las diferentes CC. AA., bajo la dirección funcional de una persona nombrada por el pleno del CPFF” (VV. AA., 2018).
• La articulación con otros órganos de coordinación es mejorable. Como se ha apuntado en la sección anterior, el CPFF debe ser el espacio en el que se debatan en detalle las cuestiones financieras por encargo de la CP; y, en su caso, debe ser esta la que refrende los acuerdos de mayor calado para visualizar el consenso. Parte de esta lógica es extensible a las demás conferencias sectoriales: las implicaciones financieras de los asuntos tratados deben tener en el CPFF un órgano técnico de asesoramiento, pero también un órgano de aval a las decisiones adoptadas para garantizar la coherencia financiera global de los acuerdos sectoriales.
• De igual modo, en los casos de la Comunidad Foral de Navarra y del País Vasco, habría de encontrar la fórmula de participación en el CPFF que haga compatibles sus respectivos regímenes bilaterales con la obligada multilateralidad en algunos aspectos, de manera singular, en su contribución a la solidaridad del sistema, la coordinación del endeudamiento, la tributación armonizada y la política de inversiones públicas.
• Finalmente, aunque existen voces que reclaman mayor transparencia e información sobre sus deliberaciones, acuerdos y seguimiento de estos, no hay que olvidar que es un órgano de deliberación sobre asuntos a veces delicados y que la transparencia no es el único valor relevante. Por eso, lo más razonable sería exigir al CPFF las mismas condiciones de transparencia que a la CP, pero no más.

6. El Consejo de Política Fiscal y Financiera: Propuestas

A partir del análisis anterior, la mejora del CPFF pasaría por avanzar en varios vectores:

• La idea fundamental es la necesidad de mejorar la articulación con el sistema de gobernanza multinivel. El CPFF no debe funcionar aisladamente, sino integrado en un sistema coherente de gobernanza multinivel. Establecer mecanismos formales de coordinación con la CP, que sería quien fijase las directrices políticas generales que el CPFF desarrollaría en detalle. Esto permitiría aprovechar el impulso político de la Conferencia de Presidentes y la mayor capacidad técnica del CPFF. Además, es perentorio coordinarse mejor con las conferencias sectoriales cuando se abordan materias con impacto financiero significativo. En particular, podría articularse un sistema de evaluación por parte de la Oficina Técnica del CPFF de las consecuencias financieras de los acuerdos propuestos en las otras conferencias, obligatoria a partir de cierto nivel de impacto.
• En segundo lugar, se precisa una mejora de los procesos deliberativos y decisorios. Esto se traduciría en la implementación de una metodología de trabajo en dos niveles: un nivel técnico-preparatorio, donde el protagonismo sería del Comité Técnico Permanente de Evaluación, y un nivel político-decisorio, donde se adopten los acuerdos basados en estos análisis previos. Este modelo reduciría la improvisación y la politización excesiva.
• En el nivel político decisorio, habría que establecer procedimientos obligatorios de información, consulta y negociación previa con todas las comunidades autónomas antes de llevar propuestas al pleno. Además, tendría sentido replicar la fórmula aplicada en la CP y diferenciar entre recomendaciones y acuerdos, con los mismos respaldos que se exigen en el caso de la CP. Finalmente, y siendo conscientes de la dificultad política de ello, podría explorarse el desarrollo de un sistema de incentivos para fomentar el cumplimiento de los acuerdos, que podría incluir condiciones en el acceso a determinados fondos o mecanismos de financiación10 .
• El Comité Técnico Permanente debe aumentar la frecuencia y orden del día de sus reuniones, si se quiere abordar el conjunto de asuntos con implicaciones financieras para las Comunidades Autónomas. Por ese motivo, tendría sentido explorar la posibilidad de desarrollar un sistema de grupos de trabajo temáticos permanentes que mantengan un diálogo continuo sobre asuntos específicos (financiación, reglas fiscales, inversiones, etc.), facilitando el intercambio de información y la construcción de consensos.
• Para reforzar sustancialmente el nivel técnico-preparatorio y apoyar el trabajo del Comité Técnico Permanente, el CPFF debería contar con una oficina técnica con capacidad para elaborar informes y evaluaciones de todo tipo, desarrollar modelos econométricos e indicadores, o efectuar simulaciones sobre el impacto de distintas soluciones a demanda del Comité. Solo como ejemplo, esa oficina sería la encargada de evaluar la relevancia de cualquier nueva variable de necesidad de gasto propuesta por los gobiernos autonómicos para estimar la población ajustada en el modelo de financiación de régimen común o de contrastar si las ponderaciones asignadas son plausibles a la luz de análisis técnicos rigurosos e independientes. Esa estructura estable debería contar con personal cualificado, combinando personal de las administraciones y autonómicas con académicos de prestigio, y recursos materiales suficientes que permitan un funcionamiento continuado y profesionalizado; y podría organizarse en divisiones especializadas en distintos ámbitos: financiación autonómica, estabilidad presupuestaria, endeudamiento, etcétera. El éxito de la oficina depende de la elección unánime de un responsable ejecutivo con excelente reputación de independencia y rigor. Sería él quien propusiera a los órganos de gobierno del CPFF los candidatos a formar parte del personal interno y del panel de colaboradores externos.
• Habría que considerar la participación regular de representantes de la Autoridad Independiente de Responsabilidad Fiscal (AIReF) con voz, pero sin voto, aprovechando su conocimiento técnico y su posición institucional independiente. La AIReF ya participa puntualmente en algunas reuniones, como ocurrió en la sesión sobre condonación de deuda, pero esta participación podría institucionalizarse y ampliarse. Esta participación ayudaría también a desarrollar mecanismos de coordinación con la AIReF, formalizando un procedimiento de intercambio de información y colaboración técnica que beneficie a ambas instituciones. En cualquier caso, lo anterior habría que hacerlo de forma que no se interprete como una corresponsabilización la toma de decisiones, algo que podría condicionar la posterior tarea de evaluación de las decisiones adoptadas por parte de la autoridad fiscal.
• Finalmente, en el vector de la transparencia, sería importante crear un portal de transparencia específico donde se publiquen los acuerdos finales, los documentos de trabajo y los informes técnicos. Además, debería incluirse una memoria anual de actividades que analice el funcionamiento del Consejo, evalúe el grado de cumplimiento de sus acuerdos. Finalmente, debería establecerse la obligación de que el presidente del CPFF comparezca periódicamente en el Senado para informar de su actividad, someterse a control parlamentario y rendir cuentas sobre el cumplimiento de los acuerdos.

7. Las Conferencias Sectoriales: Análisis y propuestas desde un enfoque financieros

Las conferencias sectoriales constituyen el tercer pilar en la arquitectura de la gobernanza multinivel española, actuando como foros sectoriales para la coordinación de políticas públicas que, muy frecuentemente, generan impacto directo y significativo sobre las finanzas autonómicas.

Las CS inciden en los presupuestos autonómicos por distintas vías. Primero, por la decisión sobre los criterios de distribución de transferencias condicionadas a las CC. AA. Segundo, por la vía de la armonización de gastos, en cumplimiento de pactos sobre estándares mínimos de servicios públicos. Finalmente, por la existencia de planes conjuntos cofinanciados. Programas como el Plan VIVE en el ámbito de la vivienda requieren aportaciones autonómicas proporcionales a los fondos recibidos.

En segundo lugar, las CS permiten recuperar economías de escala que inevitablemente se pierden al descentralizar. En el ámbito de la salud, la compra centralizada de medicamentos ha supuesto ahorros sustanciales.

Un tercer rol muy relevante que desempeñan las conferencias sectoriales es el de intercambio de experiencias y la transferencia de buenas prácticas. La descentralización ofrece la posibilidad de ensayar fórmulas diferentes de provisión y producción de servicios. Las experiencias positivas y negativas de los demás deberían servir al resto de jurisdicciones a mejorar sus propias políticas. Es verdad que contamos con buenos ejemplos. El programa PROA+ (refuerzo educativo) se extendió a todas las CC. AA. tras su éxito inicial en Andalucía y Cataluña, con ajustes presupuestarios consensuados en la Conferencia de Educación. Las CS también pueden aportar a la generación de datos e índices comparativos. Por ejemplo, la Conferencia de Sanidad ayudó a desarrollar el Sistema de Información de Atención Primaria (SIAP), que proporciona la base informativa para poder comparar el coste-eficacia de distintos modelos asistenciales.

Sin embargo, en los tres ámbitos el margen de mejora es muy sustancial: de forma creciente, los acuerdos en CS son bloqueados por alineamientos partidistas y no de interés territorial o nacional; existen posibilidades de avanzar en las economías de escala, y la compartición de experiencias y datos es insuficiente.

Por ello, también en el ámbito de las CS es posible aportar propuestas, alineadas con las que se han hecho para la CP y el CPFF. De nuevo, el punto de partida es integrar mejor los tres niveles. Las CS deben responder a las directrices políticas emanadas de la CP; y debe existir una conexión estrecha con el CPFF cuando existan implicaciones financieras relevantes. En segundo lugar, deben aislarse de la confrontación entre partidos en el ámbito estatal. Y, en tercer lugar, sería conveniente que las CS contasen con el soporte técnico permanente necesario para desarrollar una actividad más intensa y ambiciosa. En este sentido, hay que revisar la actividad efectiva de todas las CS, algunas de las sin actividad real, y emular aquellas otras que lo hacen mejor¹¹. Sería preciso reforzar funcional y administrativamente las más importantes (singularmente, por su impacto financiero, las de salud, educación y dependencia), mientras que aquellas con apenas actividad podrían subsumirse en otras.

Las conferencias sectoriales poseen un potencial único para convertir al Estado autonómico en un laboratorio vivo de políticas públicas. Para aprovechar este potencial se requiere profesionalizar su operativa, revisar los mecanismos de toma de decisiones y explotar sinergias con órganos técnicos como la AIReF o un renovado CPFF. Además, el mayor compromiso con la evaluación de resultados puede permitir la introducción de sistemas de incentivos, como podría ser la asignación de un porcentaje de los fondos sectoriales a CC. AA. que superen un determinado estándar de eficiencia.

8. Resumen y conclusiones

España es hoy uno de los países más descentralizados del mundo en términos de gasto público y autonomía tributaria en el nivel regional. Pero esta descentralización se ha desarrollado sin contar un marco institucional apropiado para una estructura de gestión pública multinivel, lo que ha generado tensiones y disfunciones en la cogobernanza, cada día más evidentes; especialmente ante crisis y eventos extremos.

A la espera de una difícil reforma constitucional, lo inteligente es reforzar sustancialmente los tres instrumentos principales que ya existen en nuestro ordenamiento jurídico: la Conferencia de Presidentes (CP), el Consejo de Política Fiscal y Financiera (CPFF) y las Conferencias Sectoriales (CS). Si somos capaces de darles un impulso político y técnico, estas herramientas serían suficientes para abordar, de forma razonable, todas las cuestiones con implicaciones financieras para las CC. AA., para canalizar debates y fraguar consensos.

En este documento se han identificado problemas comunes a los tres, como son la falta de periodicidad y seguimiento de acuerdos, la politización, las carencias técnicas y la escasa integración entre los distintos órganos; y también problemas específicos de cada uno de ellos. Para abordar estos desafíos, el texto plantea una batería de propuestas concretas.

En lo que atañe a la Conferencia de Presidentes:

• El punto de partida general se sitúa en el plano político. Hay que reconducir a la CP a tratar problemática específica en las competencias compartidas de manera rigurosa y con ánimo constructivo. Es perentorio evitar la reproducción de debates partidistas estatales, algo que en las reuniones de la CP celebradas en 2024 y 2025 ha provocado fracaso y decepción.
• Hay que mejorar la integración de la CP con el CPFF y las Conferencias Sectoriales, de modo que la CP oriente las agendas y refrende acuerdos de alto nivel. Un mejor funcionamiento de la CP debería ser un acicate para revitalizar la Comisión General de las CC. AA. en el Senado, al ampliar las posibilidades de retroalimentación institucional. La comisión de CC. AA. en el Senado podría ser el vehículo para trasladar a las Cortes Generales las decisiones de la CP cuando exijan cambios normativos, impulsando la tramitación por el Senado de las proposiciones de ley necesarias; algo que ya está previsto en el Reglamento del Senado.
• Para lograr lo anterior, es fundamental construir los acuerdos en contactos previos a las reuniones generales, así como priorizar la multilateralidad sobre la bilateralidad en asuntos que afectan al conjunto o buena parte de las comunidades autónomas, incentivando la participación de todas ellas.
• Para que los asuntos lleguen trabajados y consensuados a las reuniones de la CP hay que asumir la necesidad de un funcionamiento continuo del Comité preparatorio de la CP, lo que va a exigir un reforzamiento sustancial del soporte de la Oficina de apoyo técnico y administrativo creada en 2022.

En lo que se refiere al CPFF, los cambios necesarios pueden organizarse en tres ejes:

• En el plano político, de nuevo es fundamental aislar el órgano de la confrontación partidista, fortalecer la multilateralidad frente a la bilateralidad. Para potenciar el diálogo e incentivar la negociación en busca del consenso, habría que replicar la categoría de acuerdos y las exigencias de mayorías vigentes para la CP.
• Resulta necesario ampliar el protagonismo del CPFF a todas las cuestiones financieras relevantes que se planteen tanto en la CP como en las Conferencias Sectoriales; y en todos los asuntos donde las decisiones presupuestarias autonómicas sean relevantes o deban serlo, como en la apropiación nacional de los Planes Estructural y Fiscal de medio plazo. Esto implica aumentar sustancialmente las materias abordadas, lo que exigirá mayores capacidades técnicas. Particularmente, se debería dotar al CPFF de una oficina técnica propia, con personal cualificado e independencia, capaz de realizar con rigor todos los análisis y simulaciones que se consideren precisas. En paralelo, sería positivo institucionalizar las relaciones con la AIReF y vincularla al trabajo técnico desarrollado en el CPFF.
• Finalmente, es posible incrementar la transparencia y la rendición de cuentas mediante un portal específico y comparecencias parlamentarias periódicas.

Por último, una mejora en las conferencias sectoriales pasa por:

•  Integrar las CS en la arquitectura de gobernanza multinivel, alineando su actividad con las directrices de la CP, coordinando con el CPFF en asuntos financieros, y alejándolas también del ruido político a escala estatal en la medida de lo posible.
• Revisar la actividad real de todas las CS y emular los modelos más exitosos, promoviendo la evaluación y la innovación en políticas públicas.
• Dotarlas del soporte técnico permanente y fomentando el intercambio de buenas prácticas y datos comparativos.
• Introducir sistemas de incentivos vinculados a la eficiencia y resultados en la asignación de fondos sectoriales.

En síntesis, este documento aboga por fortalecer la gobernanza multinivel en España a través de reformas mínimas sobre los mecanismos ya existentes y con un enfoque pragmático, con mayor cooperación y profesionalización, y una cultura política basada en la lealtad mutua y el reconocimiento de la diversidad territorial. La dominancia de la bilateralidad no es el camino. Primero, porque los acuerdos requieren un respaldo en las Cortes Generales que solo lo multilateral garantiza. Y segundo, porque la propia consolidación y madurez del sistema hace que los gobiernos regionales que se dejan al margen de acuerdos bilaterales que les afectan están dispuestos a proseguir en la relación de tipo «lider-seguidor» característica en las primeras décadas del Estado Autonómico.

Referencias

AIReF. (2024). Opinión sobre la refo rma de la gobernanza fiscal de la Unión Europea, 3-7-2024. https://www.airef.es/wp-content/uploads/2024/07/REGLAS-FISCALES/240703-Opinion-Reforma-Gobernanza-Fiscal.pdf

Colino, C. (2021). Los retos de la coordinación y la cooperación en el Estado Autonómico. En Retos de la gobernanza multinivel y la coordinación del Estado autonómico: de la pandemia al futuro. Madrid: INAP.

Cadaval, M., y Fernández Leiceaga, X. (2024). La Economía pública de las Comunidades Autónomas: Los retos pendientes.Papeles de Economía Española, 182.

García Morales, M. J. (2009). La colaboración a examen. Retos y riesgos de las relaciones intergubernamentales en el Estado Autonómico. Revista Española de Derecho Constitucional, 86.

González, F., y Martínez López, D. (2021). El diseño de reglas fiscales en gobiernos subcentrales: El caso de España. Revista Económica del ICE, 3133.

Lago Peñas, S. (2021). 40 años de descentralización en España (1978-2018): Balance y perspectivas. Madrid: FUNCAS.

Lago Peñas, S. (2023). Regional government debt: Recent trends and outlook. Spanish Economic and Financial Outlook, 12(2).

Lago Peñas, S., y Martínez-Vázquez, J. (2014). La política tributaria y las corporaciones locales: elementos de análisis y discusión. Papeles de Economía Española, 139.

Pérez, F. (Dir.) (2024). Impactos de la COVID-19 y respuestas colectivas a la pandemia en España. Bilbao: FBBVA.

Ruíz-Almendral, V. (2025). Hacia una reforma de la financiación autonómica en clave europea. Revista General de Derecho Europeo, 66.

Tajadura, J. (2018). La Conferencia de Presidentes: origen, evolución y perspectivas de reforma. Revista de Derecho Político, 101.

VV. AA. (2018). Reforma de la financiación territorial: Informes de las comisiones de expertos de 2017. Madrid: IEF.

NOTAS

^* Agradezco los valiosos comentarios de Carlos Ocaña, Diego Martínez López, Esther Gordo, Roberto Fernández Llera, Violeta Ruíz Almendral y Xoaquín Fernández Leiceaga a una versión preliminar del trabajo. No obstante, la responsabilidad del trabajo es exclusiva del autor.

¹ En todo caso, es verdad que, especialmente en países en desarrollo, algunas de estas ventajas deben ser matizadas. Por ejemplo, las carencias de capital humano pueden justificar una mayor prudencia en los servicios que son descentralizados a gobiernos infradotados de capacidad de gestión y estratégica; y una debilidad de la arena política a escala regional y local pueden reducir de hecho el control en los gobiernos.

³ Jurídicamente, el CPFF es una conferencia sectorial.

⁴ García Morales (2009) ofrece un análisis crítico de mayor alcance sobre el funcionamiento efectivo de las conferencias sectoriales.

⁵ En este trabajo se dejan a un lado otros instrumentos de cooperación como son: i) los Convenios de Cooperación entre la Administración del Estado y una o varias Comunidades Autónomas a la hora de atender situaciones específicas que requieren el acuerdo entre el Estado y una determinada Comunidad Autónoma; ii) la Cooperación Financiera del Estado para el desarrollo de actuaciones que competencialmente corresponden a las Comunidades Autónomas al abrigo del artículo 86 de la Ley General Presupuestaria, y iii) las Comisiones Bilaterales de Cooperación formadas por representantes del Estado y de una única Comunidad Autónoma para el tratamiento de temas de contenido general o específico. Véase al respecto https://mpt.gob.es/politica-territorial/autonomica/coop_autonomica.html

⁶ Según el artículo 2 del reglamento en vigor, las funciones son:

a) Debatir sobre las grandes directrices de las políticas públicas, sectoriales y territoriales de ámbito estatal o que afecten a los intereses o al ámbito competencial de diversas comunidades autónomas, sobre las actuaciones conjuntas de carácter estratégico, y sobre los asuntos de importancia relevante para el Estado de las Autonomías, que afecten a los ámbitos competenciales estatal y autonómico.
b) Potenciar las relaciones de cooperación del Estado con las comunidades autónomas y ciudades con Estatuto de Autonomía.
c) Impulsar y orientar los trabajos de las Conferencias Sectoriales y de otros órganos multilaterales de cooperación.
d) Acordar su Reglamento y las normas internas de funcionamiento.
e) Adoptar, mediante acuerdo, directrices de funcionamiento para las Conferencias Sectoriales.
f) Las demás funciones que se le atribuyan por ley o que, de acuerdo con esta, se incorporen en su reglamento.
g) Encomendar a las Conferencias Sectoriales la realización de los Acuerdos adoptados en la Conferencia, así como evaluar el grado de cumplimiento de las encomiendas anteriores.

⁷ Ruiz Almendral (2025) aborda la dialéctica entre ambos enfoques en el marco de la actual discusión sobre la financiación autonómica.

⁸ De acuerdo con el artículo 3 de la LOFCA: “El Consejo de Política Fiscal y Financiera de las Comunidades Autónomas, como órgano de coordinación del Estado y las Comunidades Autónomas en materia fiscal y financiera, entenderá de las siguientes materias:

a) La coordinación de la política presupuestaria de las Comunidades Autónomas con la del Estado.
b) La emisión de los informes y la adopción de los acuerdos previstos en la Ley Orgánica 18/2001, Complementaria de la Ley General de Estabilidad Presupuestaria.
c) El estudio y valoración de los criterios de distribución de los recursos del Fondo de Compensación.
d) El estudio, la elaboración, en su caso, y la revisión de los métodos utilizados para el cálculo de los costos de los servicios transferidos a las Comunidades Autónomas.
e) La apreciación de las razones que justifiquen, en cada caso, la percepción por parte de las Comunidades Autónomas de las asignaciones presupuestarias, así como los criterios de equidad seguidos para su afectación.
f) La coordinación de la política de endeudamiento.
g) La coordinación de la política de inversiones públicas.
h) En general, todo aspecto de la actividad financiera de las Comunidades Autónomas y de la Hacienda del Estado que, dada su naturaleza, precise de una actuación coordinada.

⁹ En palabras de la AIReF (2024): “En su Informe sobre los Presupuestos Iniciales de las Administraciones Públicas 2024 [la AIReF] formuló una recomendación que hace referencia tanto a la necesidad de coordinación entre todas las administraciones para el logro de los objetivos del Plan fiscal-estructural y el fomento de una verdadera apropiación nacional, como a la necesidad de reformar el marco fiscal nacional para mejorar su grado de consistencia y coherencia con el marco europeo: Iniciar el diálogo y los trabajos con todas las administraciones públicas, tanto a nivel bilateral como a través de los mecanismos multilaterales existentes para la coordinación de la política económica como la Comisión Nacional de Administración Local y el Consejo de Política Fiscal y Financiera o, en su caso, la Conferencia de Presidentes, con el objeto de sentar las bases de la reforma del marco fiscal nacional y consensuar el reparto de las reglas fiscales”.

¹⁰ En este sentido, en Cadaval y Fernández Leiceaga (2024) se propone un sistema de penalización a las CC. AA. que evitasen el coste político de llevar a los Parlamentos autonómicos el acuerdo de subir los tipos de IVA en el CPFF o en la CP).

¹¹ En la actualidad, son un total de 44, según el registro del Ministerio de Política Territorial y Memoria Democrática.

Descarga Publicación (formato PDF)

Fecha: junio 2025

Ismael Sanz*

Apoyo docente, Informe PISA, Aprendizaje, Políticas educativas

1. INTRODUCCIÓN

El apoyo del profesorado constituye un elemento fundamental para el éxito académico y el bienestar de los estudiantes. El informe PISA, y en particular el análisis reciente recogido en el “PISA in Focus” de junio de 2025, pone de relieve una tendencia que debe preocupar a los responsables educativos: el descenso progresivo del porcentaje de estudiantes de la OCDE que perciben prácticas de apoyo docente en matemáticas (OCDE, 2025). En el caso de España, la proporción de alumnado que considera que recibe apoyo de sus docentes en matemáticas ha disminuido de forma significativa en la última década. Esta tendencia es especialmente relevante si se tiene en cuenta la fuerte asociación entre apoyo docente, resultados académicos y bienestar emocional de los estudiantes.

Es imprescindible reforzar las políticas educativas dirigidas a mejorar el clima de aula, impulsar la atención individualizada y fortalecer el acompañamiento del profesorado, con el objetivo de revertir esta tendencia negativa y favorecer contextos de aprendizaje inclusivos y motivadores. El análisis que sigue se apoya en la síntesis que ofrece la OCDE en el documento What can we learn about teacher support for students from PISA data?, así como en los datos de PISA 2022 para España y otros países de la OCDE.

A esta visión se suma la nueva ola de investigación empírica en economía y sociología de la educación, que muestra que el apoyo docente no solo influye en el aprendizaje inmediato, sino también en la trayectoria a largo plazo del alumnado. Por ejemplo, Barrios-Fernández y Riudavets-Barcons (2024) han demostrado con datos administrativos y de valor añadido docente que las diferencias en la efectividad del profesorado explican buena parte de las brechas de resultados, especialmente en matemáticas y en la persistencia educativa. Su estudio revela que, si se eliminaran las diferencias de efectividad por género, la brecha de resultados en matemáticas se reduciría hasta en un 67 %. Este efecto supera ampliamente el de muchas otras intervenciones educativas tradicionalmente consideradas. Por otra parte, la investigación experimental de Thijssen et al. (2022), aporta evidencia causal de que el desarrollo de competencias relacionales y socioemocionales en el profesorado incrementa tanto el rendimiento académico como la motivación, el autoconcepto y el compromiso escolar, con un efecto aún mayor en estudiantes de contextos menos favorecidos. Ambos enfoques, el del valor añadido y el del clima de aula, convergen en señalar que el apoyo del docente es multidimensional y central para el éxito escolar, el bienestar y la equidad.

El debate internacional subraya que la mejora del apoyo docente requiere políticas sistémicas: desde la formación inicial y continua, la profesionalización de la carrera docente y la reducción de cargas administrativas, hasta la promoción de un clima escolar positivo y la medición rigurosa del impacto docente más allá de los test estandarizados. La OCDE (2025) destaca que los países que invierten en formación relacional, mentoría docente y prácticas adaptativas logran mejoras sostenidas tanto en resultados académicos como en bienestar emocional, incluso en contextos de alta diversidad o adversidad. En España, este desafío se vuelve particularmente relevante ante la evidencia de una caída persistente en las prácticas de apoyo, y el riesgo de cronificación de las brechas de motivación y rendimiento.

La importancia del apoyo docente se ha puesto especialmente de manifiesto en momentos de crisis. El análisis de la OCDE en PISA 2022 muestra que, durante la pandemia de COVID-19, un 70 % de los estudiantes de la OCDE señalaron que sus profesores estaban disponibles para ayudarles a distancia, pero menos de la mitad se sintió realmente preparado para aprender online. Además, un 40 % de los adolescentes declaró haberse sentido solo durante el cierre de los centros y más del 50 % manifestó ansiedad ante la idea de quedarse rezagado. Esta experiencia subraya que el apoyo del profesorado no solo es académico, sino también emocional y social, y su impacto es especialmente crítico en situaciones de vulnerabilidad colectiva.

Los datos internacionales confirman que la equidad sigue siendo un reto: los estudiantes de entornos socioeconómicos más bajos y los chicos, así como los alumnos de secundaria obligatoria, perciben menos apoyo. La OCDE advierte que las brechas en apoyo docente tienden a reproducirse y, en ocasiones, ampliarse en escenarios de crisis, lo que refuerza la urgencia de dotar a los sistemas educativos de herramientas de seguimiento y de acompañamiento que permitan identificar y compensar estos déficits. Además, las experiencias de países como Canadá, Estonia o Finlandia muestran que los sistemas que han invertido en formación digital docente y en mecanismos de apoyo psicoeducativo han registrado menores pérdidas de aprendizaje y mayor resiliencia emocional en el alumnado tras la pandemia.

2. EL APOYO DE LOS DOCENTES A LOS ESTUDIANTES SEGÚN PISA 2022

La evidencia proporcionada por PISA 2022 muestra con claridad la relación entre el apoyo docente percibido y el rendimiento y bienestar de los estudiantes. En concreto, aquellos alumnos que declaran recibir un mayor apoyo por parte de su profesor durante las clases de matemáticas tienden a obtener mejores resultados en la asignatura, muestran una mayor vinculación con su centro educativo y presentan menores niveles de ansiedad asociada a las matemáticas.

No solo eso: los resultados de PISA también revelan que el apoyo docente se asocia con hábitos de aprendizaje más proactivos, mejor autorregulación y una mayor motivación de los estudiantes. El gráfico 1, extraído de PISA in Focus (OCDE, 2025), muestra la asociación entre el apoyo del profesorado y el desempeño y bienestar de los estudiantes. Este gráfico recoge los efectos estimados de una variación de una unidad en el índice de apoyo del profesorado sobre el rendimiento en matemáticas, la ansiedad en matemáticas y el gusto por aprender cosas nuevas (promedio OCDE). Los resultados controlan por el perfil socioeconómico tanto de los estudiantes como de los centros educativos. Un mayor apoyo por parte del profesorado se relaciona con un incremento de más de 5 puntos en el rendimiento en matemáticas, el equivalente a la que se aprende en un mes de clase. Además, este mayor apoyo está vinculado a una reducción de la ansiedad (índice inferior en torno a -0,1), así como a un aumento de más de 5 puntos porcentuales en la proporción de estudiantes que afirman disfrutar aprendiendo cosas nuevas.

Estos resultados están en línea con las conclusiones de la literatura reciente en valor añadido docente. El trabajo de Barrios-Fernández y Riudavets-Barcons (2024) confirma que los profesores que logran mejores relaciones personales y realizan prácticas docentes de atención individualizada obtienen resultados superiores no solo en los exámenes de matemáticas, sino también en indicadores de graduación, acceso a la universidad y elección de carreras STEM, con efectos acumulativos a lo largo de la vida escolar. Estos autores muestran que el valor añadido del profesorado, entendido como la contribución neta al desarrollo académico y socioemocional, es múltiple y heterogéneo: existe un “valor añadido académico” (impacto sobre las pruebas) y un “valor añadido educativo” (impacto en persistencia, elección de itinerarios, etc.), ambos igualmente importantes para una trayectoria de éxito. Los efectos positivos del apoyo docente se amplifican cuando se controlan las diferencias de origen social, dotando a la escuela de un poder compensador que justifica la inversión en políticas de refuerzo y mentoría.

El impacto del apoyo docente también se observa en dimensiones menos visibles pero cruciales, como la autorregulación, la autopercepción y la actitud hacia el error. Thijssen et al. (2022), mediante un experimento con más de 5.800 estudiantes de Noruega, constatan que la capacidad del docente para crear un ambiente de seguridad psicológica e inclusión aumenta la motivación intrínseca y la resiliencia ante la dificultad, efectos que son especialmente pronunciados en el alumnado vulnerable. El aprendizaje se vuelve más robusto cuando el estudiante siente que el docente está “de su lado” y que puede pedir ayuda sin temor al juicio, favoreciendo una cultura del esfuerzo sostenido y la mejora personal.

El volumen II de PISA 2022 (OCDE, 2023) incide en que en los países con sistemas más inclusivos, el apoyo docente percibido reduce la correlación entre el origen social y los resultados, funcionando como un potente “igualador” escolar. Además, en sistemas como los de Estonia o Canadá, el apoyo docente predice mejor la motivación para el aprendizaje de matemáticas y el disfrute del trabajo escolar que el propio estatus socioeconómico de la familia, lo que otorga a la figura del profesor un papel esencial en la promoción del bienestar, la resiliencia y la movilidad social.

El gráfico 2 compara, para los distintos países y economías participantes, el porcentaje de estudiantes que afirmaron que el profesor sigue enseñando hasta que los estudiantes comprenden en la mayoría o en todas las clases de matemáticas, ordenando a los países de menor a mayor porcentaje. El porcentaje de estudiantes que señala que el profesor sigue enseñando hasta que los alumnos comprenden en la mayoría o en todas las clases de matemáticas fue del 64 % de media en los países de la OCDE en 2022, aunque con diferencias notables: en países como Chequia y Polonia la cifra se sitúa por debajo del 45 %, mientras que en Guatemala y Paraguay supera el 85 %. En el caso de España, el porcentaje de estudiantes que perciben un alto nivel de apoyo por parte de sus profesores durante las clases de matemáticas se sitúa alrededor del 65 %, un dato muy similar a la media de la OCDE. La mayoría del alumnado español indica que sus profesores continúan enseñando hasta que los estudiantes comprenden, si bien existe margen de mejora respecto a otros países de la OCDE como México, Chile o Portugal, que se sitúan a la cabeza de este indicador.

Los niveles percibidos de apoyo docente por parte de los estudiantes han caído de forma generalizada en la última década en buena parte de los países de la OCDE. Entre 2012 y 2022 se observa un descenso generalizado en la práctica docente de continuar enseñando hasta que los estudiantes entienden, una tendencia que también se da en España. Entre los 39 países y economías en los que se registró una disminución en esta práctica, 11 notificaron una caída superior a 10 puntos porcentuales. Aunque en menor medida, también se produjo un descenso en el porcentaje de estudiantes que afirman que los profesores muestran interés por el aprendizaje de cada uno de sus alumnos, una práctica que disminuyó en 30 países y economías, aumentó en 10 y se mantuvo estable en 18. Un patrón muy similar se observa en la frecuencia de la ayuda adicional que el profesorado ofrece al alumnado.

El cuadro 1 muestra los niveles percibidos de apoyo docente por parte de los estudiantes en España y el promedio de la OCDE en 2012 y 2022, las dos últimas ediciones de PISA centradas en matemáticas. Además de la práctica general de “seguir enseñando hasta que los estudiantes comprenden”, PISA recoge indicadores específicos sobre otras formas de apoyo, como si el docente ofrece ayuda extra cuando es necesaria, si el profesor muestra interés por el aprendizaje de cada estudiante o si el docente ayuda a los alumnos con su aprendizaje.

Se observa que, aunque los niveles de apoyo en España partían en 2012 por encima de la media de la OCDE en la mayoría de los indicadores, en la última década se han producido descensos estadísticamente significativos en la proporción de estudiantes que perciben que sus profesores muestran interés por su aprendizaje, les ayudan con su aprendizaje, o siguen enseñando hasta que entienden; estas caídas, de entre 4 y 7 puntos porcentuales, superan las reducciones medias observadas en la OCDE para los mismos indicadores. Por ejemplo, el porcentaje de estudiantes que afirman que el profesor sigue enseñando hasta que los alumnos comprenden ha descendido en España en 6,5 puntos (del 71,6 % al 65,1 %), frente a un descenso de 4,4 puntos en la OCDE. De manera similar, la proporción que percibe interés individual del docente ha bajado 4,1 puntos en España, comparado con 1,3 puntos en la OCDE. Una excepción parcial a esta tendencia es la ayuda extra cuando el estudiante la necesita, donde España muestra un leve aumento de 2,3 puntos porcentuales (del 65,5 % al 67,8 %), a contracorriente de la media OCDE, que desciende 2,6 puntos. Sin embargo, incluso este crecimiento debe interpretarse con cautela, pues la ayuda extra sigue siendo menos frecuente en España que en muchos otros sistemas, y el resto de las prácticas muestran caídas claras y significativas.

La significatividad estadística de estos descensos refuerza la necesidad de considerar este fenómeno no como un simple ajuste coyuntural, sino como una tendencia estructural que puede afectar negativamente tanto al rendimiento académico como al bienestar y la motivación de los estudiantes. En este contexto, la monitorización sistemática de estos indicadores es clave para diseñar intervenciones eficaces y para anticipar el impacto que las condiciones de enseñanza tienen en el aprendizaje y el desarrollo integral del alumnado.

Esta tendencia descendente resulta especialmente relevante, puesto que un mayor apoyo docente está asociado a mejores resultados académicos, menores niveles de ansiedad y un mayor gusto por aprender. Por tanto, la evolución negativa en la percepción de apoyo podría estar incidiendo no solo en los resultados académicos, sino también en el bienestar emocional y la actitud hacia el aprendizaje de los estudiantes españoles.

Barrios-Fernández y Riudavets-Barcons (2024) profundizan en este diagnóstico mostrando cómo la reducción del apoyo y la variabilidad en la efectividad docente afecta de manera diferenciada a chicos y chicas. Su análisis descompone la brecha de género en matemáticas y revela que buena parte se explica no por diferencias en talento, sino por diferencias en la calidad de la enseñanza recibida según género. Las prácticas docentes que hacen explícito el reconocimiento del progreso, la repetición paciente de explicaciones y la atención a los estudiantes que más lo necesitan, son particularmente eficaces para cerrar las brechas. Además, sus resultados muestran que la mayor parte de las diferencias de valor añadido no se explican por sorting (asignación diferencial de alumnos a docentes), sino por diferencias internas en el propio profesor al enseñar a chicos y chicas, lo que abre una vía clara para la mejora a través de la formación y la conciencia sobre los sesgos.

La literatura internacional, sintetizada por la OCDE y por estudios experimentales como el de Thijssen et al. (2022), coincide en señalar que el apoyo docente tiende a descender en contextos de mayor presión administrativa, falta de tiempo o deterioro del clima escolar. Por ello, las políticas deben priorizar la reducción de cargas burocráticas, el fortalecimiento de equipos docentes, la mentoría entre iguales y la formación continua en habilidades relacionales. En concreto, el Informe PISA de la OCDE (2023) identifica varios factores estructurales y culturales detrás de esta caída, como la masificación de las aulas, la rotación frecuente de profesores y la presión para “cubrir currículo” a menudo impiden el acompañamiento personalizado. Los docentes que trabajan en centros con un clima escolar deteriorado o altos niveles de indisciplina manifiestan mayor dificultad para sostener la motivación y la atención individual. También la digitalización acelerada tras la pandemia, aunque ha traído oportunidades, ha aumentado la brecha entre quienes cuentan con apoyo y competencias digitales y quienes no, tanto del lado del alumnado como del profesorado.

En países que han resistido mejor esta tendencia descendente, como Japón o Canadá, los sistemas educativos han puesto en marcha políticas que incentivan la formación continua en habilidades socioemocionales, la mentoría y la colaboración docente, y han reducido la carga administrativa para liberar tiempo al profesorado. Por otra parte, OCDE (2023) subraya que la percepción de apoyo docente no solo está determinada por lo que el profesor hace, sino también por la capacidad del sistema para facilitar ese trabajo: ratios adecuadas, liderazgo pedagógico, acompañamiento emocional al profesorado y un enfoque claro de escuela como comunidad de aprendizaje.

3. PRÁCTICAS DE APOYO DOCENTE: INTERÉS INDIVIDUAL, AYUDA EXTRA Y PERSEVERANCIA

La literatura reciente subraya que prácticas como felicitar el progreso, repetir explicaciones cuando es necesario, atender a quienes presentan mayor dificultad, y fomentar un clima de respeto y confianza son especialmente poderosas. El artículo de Thijssen et al. (2002) resume que un incremento de una desviación estándar en la capacidad relacional del docente produce mejoras equivalentes a mes y medio adicional de aprendizaje en matemáticas y casi un mes en lectura. Además, el impacto en el autoconcepto y el interés lector es incluso mayor que en los resultados cognitivos. Es importante, por tanto, que la formación y evaluación docente incluyan de forma explícita la dimensión relacional, más allá de la transmisión de contenidos.

Por otro lado, Barrios-Fernández y Riudavets-Barcons (2024) encuentran que, aunque la mayor parte de las prácticas eficaces funcionan de forma similar para chicos y chicas, existen sesgos sutiles en la forma en que el profesorado interactúa, y que los docentes con menor sesgo de género son más eficaces para ambos sexos. Eliminar estos sesgos, por ejemplo, mediante formación en perspectiva de género y análisis de las propias prácticas a través de observación y feedback, permitiría reducir las desigualdades y mejorar el rendimiento medio del alumnado. La OCDE (2023) destaca que la calidad de la relación profesor-alumno se puede cultivar y medir con precisión. PISA ha desarrollado escalas internacionales que incluyen ítems como “el profesor me anima cuando tengo dificultades”, “el profesor me ayuda cuando me cuesta entender algo”, o “mi profesor se interesa por cómo estoy”. Estas escalas, aplicadas en 81 países, muestran una gran variabilidad entre centros e incluso entre aulas de un mismo centro, lo que refuerza el argumento de que el apoyo docente no es solo una cuestión sistémica, sino también de cultura profesional y de prácticas individuales. Además, la OCDE (2023) resalta el efecto protector de estas prácticas frente al abandono escolar y la desconexión emocional. En sistemas donde la tasa de apoyo percibido es alta, el porcentaje de estudiantes que se siente aislado o desmotivado desciende notablemente, y la satisfacción vital del alumnado es mayor. También se observa que la oferta de ayuda extra es fundamental para los estudiantes que no pueden recibir ese apoyo en casa, bien por falta de recursos o de capital educativo familiar. La OCDE (2023) recomienda a los sistemas educativos que establezcan mecanismos formales para que el alumnado pueda expresar regularmente cómo percibe el apoyo docente, y que se incluya la voz de los estudiantes en la formación y evaluación del profesorado, tal como hacen Finlandia, Países Bajos y varios Länder alemanes.

4. FACTORES ESTRUCTURALES: CLIMA DE AULA, DOTACIÓN DE PERSONAL Y EL IMPACTO DE LA PANDEMIA

El retroceso en la percepción del apoyo docente está vinculado a una serie de factores estructurales y coyunturales. Por un lado, el debilitamiento del entorno de aprendizaje en las escuelas, especialmente el deterioro del clima disciplinario en las aulas, ha tenido un efecto negativo en la capacidad de los docentes para ofrecer apoyo individualizado. Esta tendencia se observa en el conjunto de los países participantes en PISA y ha sido motivo de preocupación para los responsables educativos. Por otro lado, los niveles de dotación de personal también han influido: en aquellos países de la OCDE, donde se ha producido una mayor percepción de escasez de profesores, el apoyo docente percibido por los estudiantes también ha disminuido. No obstante, esta correlación no es uniforme en todos los países y economías analizados (OCDE, 2023).

A estos factores se suma el impacto de la pandemia de COVID-19, que afectó especialmente a la capacidad de los docentes para ofrecer apoyo continuado a su alumnado durante los años 2020 y 2021. Las dificultades asociadas a la enseñanza a distancia, la menor interacción presencial y la presión emocional y organizativa derivada de la crisis sanitaria condicionaron la percepción de apoyo docente. En algunos contextos, una ligera reducción en el tamaño de las clases durante este periodo pudo contribuir a contrarrestar parte de los efectos negativos, aunque no fue suficiente para revertir la tendencia.

En este sentido, tanto los resultados de la OCDE como los de la investigación reciente alertan sobre el riesgo de que los factores estructurales (ratios elevadas, sobrecarga administrativa, falta de formación específica) limiten la capacidad del profesorado para desplegar su potencial de apoyo. Barrios-Fernández y Riudavets-Barcons (2024) añaden que la satisfacción profesional, el tiempo disponible y el equilibrio emocional del docente predicen de manera significativa la calidad del vínculo con el alumnado y, por ende, el valor añadido educativo. Por ello, las políticas de mejora deben abarcar tanto el apoyo institucional al profesorado (reducción de cargas, desarrollo profesional, apoyo psicológico) como el fomento de la cooperación y el liderazgo pedagógico dentro de los centros.

PISA 2022 demuestra que la recuperación del apoyo docente tras la pandemia ha sido muy desigual. En sistemas con estructuras sólidas de apoyo entre docentes, liderazgo pedagógico y reducción de la ratio, la percepción de ayuda y disponibilidad ha vuelto más rápidamente a los niveles previos. Allí donde el apoyo al profesorado fue débil, la percepción de soledad, estrés y agotamiento ha frenado la recuperación e incluso ha provocado picos de absentismo y abandono docente. OCDE (2023) también enfatiza la importancia de la flexibilidad curricular y organizativa para permitir que los docentes respondan mejor a las necesidades de los estudiantes, así como la introducción de figuras de “tutores” o “mentores” que complementan la labor del profesor de aula, un modelo extendido en los países nórdicos. Por último, subraya el papel emergente de la competencia digital docente no solo para la enseñanza de contenidos, sino también para sostener el apoyo emocional y la comunicación a distancia, una dimensión que España debe seguir reforzando para no aumentar brechas preexistentes.

5. EL ENTORNO DE APRENDIZAJE POSITIVO: RELACIONES PROFESOR-ALUMNO, CLIMA DISCIPLINARIO Y MOTIVACIÓN

Un aspecto clave asociado al apoyo del profesorado es la calidad de las relaciones entre estudiantes y docentes. En PISA 2022, este aspecto se midió preguntando al alumnado hasta qué punto se sentía respetado por sus profesores y cuidado en lo relativo a su bienestar. Fomentar interacciones positivas y de apoyo entre el profesorado y el alumnado es una condición esencial para mejorar el apoyo docente. Las dimensiones pedagógicas y socioemocionales de la enseñanza se refuerzan mutuamente, generando entornos de aprendizaje más favorables.

En el contexto español, este aspecto cobra especial relevancia. Los propios resultados de PISA señalan que, en España, el vínculo interpersonal entre alumnado y profesorado puede marcar la diferencia en el rendimiento y el bienestar escolar. La cultura escolar española valora la cercanía y el trato personalizado, lo que puede contribuir a fortalecer estas relaciones de apoyo. Supone también un reto para los centros educativos garantizar que esta atención sea equitativa y llegue a todo el alumnado, especialmente en contextos de alta diversidad. Además, la creación de un entorno de aula bien organizado y estructurado es relevante para potenciar el apoyo del profesorado al aprendizaje de los estudiantes. El índice PISA sobre clima disciplinario en las clases de matemáticas muestra que existe una relación positiva entre el orden en el aula y la mejora del apoyo docente. Una buena gestión del aula, combinada con la atención a las necesidades individuales del alumnado, reduce las interrupciones y permite al profesorado centrarse en proporcionar tanto apoyo académico como emocional.

El gráfico 3 recoge el cambio en el índice de apoyo del profesorado en matemáticas ante un aumento de una unidad en los índices de calidad de las relaciones, clima disciplinario y perseverancia del alumnado. En España, los valores son próximos a la media de la OCDE, pero los datos muestran que existe margen de mejora, especialmente en la calidad de las relaciones y en el clima disciplinario.

Finalmente, el compromiso y la motivación del alumnado también se asocian con una mayor percepción de apoyo por parte del profesorado. Esta relación es recíproca: el aliento y la motivación que ofrecen los profesores refuerzan la perseverancia de los estudiantes y, al mismo tiempo, los docentes tienden a ofrecer más apoyo a aquellos alumnos que muestran mayor determinación y ganas de aprender.

En línea con esta perspectiva, los datos de Barrios-Fernández y Riudavets-Barcons (2024) y de Thijssen et al. (2022) subrayan que la gestión emocional, la empatía y la capacidad de escucha activa del docente multiplican los efectos positivos del apoyo académico, especialmente en contextos de alta diversidad o vulnerabilidad. El clima de aula no solo depende de la disciplina, sino de la construcción de confianza y respeto mutuo. Políticas que promuevan la observación entre iguales, el feedback constructivo y la participación del alumnado en la mejora del clima escolar resultan especialmente efectivas para avanzar hacia un entorno de aprendizaje positivo, equitativo y motivador. El informe PISA de la OCDE (2023) señala que, en los países con mayor rendimiento y menor brecha de resultados, el foco está en la calidad de la interacción diaria entre profesor y alumno. Por ejemplo, en Estonia y Japón, el 80 % del alumnado señala que sus profesores muestran interés genuino por su bienestar, y casi tres cuartas partes sienten que pueden expresar sus dudas sin miedo al ridículo. Además, los datos de PISA muestran que el respeto y el trato justo por parte del profesorado se asocian con un aumento de hasta 15 puntos en el índice de motivación para el aprendizaje de matemáticas.

En muchos países, incluida España, existe una diferencia significativa entre centros en el clima relacional, lo que sugiere que las políticas educativas pueden y deben centrarse en compartir buenas prácticas y garantizar que todos los equipos docentes, y no solo algunos profesores inspiradores, logren altos estándares de apoyo interpersonal. La OCDE también subraya la importancia de estrategias estructuradas para la construcción de relaciones: tutorías individualizadas, espacios formales de comunicación, actividades cooperativas y un liderazgo escolar comprometido con la cultura de apoyo. El uso adecuado de las tecnologías digitales (plataformas interactivas, feedback online) puede reforzar el vínculo profesor-alumno.

Finalmente, la motivación del alumnado y el sentido de pertenencia se ven fortalecidos cuando los estudiantes sienten que pueden participar activamente en la vida del centro y que su voz es escuchada y tenida en cuenta, en la línea de los modelos de participación que impulsan Canadá, Países Bajos o Corea.

6. CONDICIONES LABORALES, SATISFACCIÓN PROFESIONAL Y FORMACIÓN DEL PROFESORADO

La calidad de las condiciones laborales y las competencias profesionales del profesorado constituyen un elemento central en la generación de entornos escolares propicios para el aprendizaje y, por tanto, en el grado de apoyo que los docentes son capaces de ofrecer a su alumnado. El informe PISA 2022 dedica un apartado específico a analizar cómo determinadas características y percepciones del profesorado –como el equilibrio entre la vida laboral y personal, la satisfacción profesional, la percepción de autoeficacia y la formación en metodologías adaptativas– se relacionan con aspectos clave del clima escolar, especialmente la calidad de las relaciones y el clima disciplinario.

En el caso de España, como en el conjunto de los países analizados, el equilibrio entre el tiempo dedicado a las tareas profesionales y la vida personal emerge como un factor fundamental para el mantenimiento de relaciones positivas con el alumnado y una gestión eficaz del aula. Los docentes que perciben que disponen de tiempo suficiente para atender las expectativas de su trabajo, y que logran un adecuado equilibrio, muestran una mayor capacidad para establecer vínculos de confianza y respeto mutuo. Esto favorece el bienestar emocional de los estudiantes y contribuye de manera decisiva a la creación de un clima de aula positivo, condición necesaria para que el aprendizaje pueda desarrollarse en un entorno seguro y estimulante.

El gráfico 4 muestra cómo el hecho de que los docentes informen que disponen de suficiente tiempo para las expectativas laborales y para su vida personal se asocia a mayores niveles de autoeficacia para mantener relaciones positivas y a mejores índices de clima disciplinario. En el caso español, estos resultados son especialmente relevantes, ya que la carga administrativa, el exceso de tareas burocráticas y la percepción de falta de tiempo son fuentes habituales de estrés y desmotivación.

Además, la satisfacción general con el trabajo y la profesión se revela como otro factor determinante. Los docentes que declaran sentirse satisfechos con su labor y con la docencia como vocación manifiestan una mayor confianza en su capacidad para establecer relaciones de calidad y contribuir a ambientes colaborativos y positivos. En España, donde la vocación docente suele estar asociada a un fuerte compromiso con la equidad y la inclusión educativa, es fundamental reforzar las condiciones que permitan al profesorado desarrollar una carrera profesional satisfactoria y reconocida socialmente.

La importancia de las prácticas docentes adaptativas es fundamental para construir relaciones sólidas con los estudiantes. La capacidad para adaptar la enseñanza a las necesidades y características específicas del alumnado, para orientarles en el logro de sus metas y para proporcionar apoyo individualizado, se asocia a mayores niveles de autoeficacia docente y a una mayor efectividad en la gestión del aula. En el contexto español, donde la diversidad y las necesidades educativas especiales son habituales, la formación en metodologías adaptativas y la atención personalizada constituyen una herramienta clave para garantizar que todos los estudiantes reciban el apoyo necesario.

Un elemento relevante que destaca el informe es el impacto positivo de la formación inicial y continua en metodologías de enseñanza personalizada. Los docentes que han recibido formación específica en estrategias de aprendizaje individualizado –ya sea durante la formación inicial o a través del desarrollo profesional– muestran mayores niveles de confianza y capacidad para gestionar el clima de aula de manera efectiva. Por tanto, para consolidar entornos escolares en los que el apoyo docente sea un pilar fundamental del desarrollo académico, social y emocional de todo el alumnado, resulta prioritario que las políticas educativas pongan el foco en la mejora de las condiciones laborales, la reducción de la carga administrativa, la promoción de la satisfacción profesional y el impulso de la formación en metodologías inclusivas y adaptativas.

PISA 2022 demuestra que los sistemas educativos que invierten en el bienestar y el desarrollo profesional de su profesorado logran tasas más altas de apoyo percibido por el alumnado, mejores resultados y menor rotación de docentes. Por ejemplo, en Canadá y Finlandia, la existencia de planes de mentoría para profesores principiantes, la reducción de ratios en los cursos iniciales de carrera y la provisión de recursos para la formación en inteligencia emocional se asocian con puntuaciones notablemente superiores en indicadores de clima de aula y apoyo individual. OCDE (2023) pone especial énfasis en la importancia de la “profesionalidad relacional”: no basta con formar al profesorado en contenidos, sino que resulta crucial dotarles de herramientas para gestionar la diversidad, trabajar en equipo, cuidar de su propio bienestar y desarrollar la capacidad de escucha, motivación y acompañamiento personal. El ejemplo de Singapur, donde la formación continua en habilidades relacionales es obligatoria y los profesores disponen de tiempo protegido para el desarrollo personal y el intercambio de experiencias, se cita como referencia internacional. La OCDE recomienda políticas activas para reducir la carga administrativa y burocrática que pesa sobre el profesorado y liberar tiempo efectivo para el acompañamiento y la preparación de clases, señalando que en países donde esta reducción se ha hecho efectiva (Países Bajos, Australia) el impacto en la satisfacción y la percepción de apoyo por parte del alumnado ha sido inmediato.

Barrios-Fernández y Riudavets-Barcons (2024) y la literatura experimental coinciden en que la autoeficacia docente, la formación continua y el clima profesional son determinantes para la capacidad del profesorado de desplegar prácticas de apoyo genuino. Los datos muestran que los docentes con mayor equilibrio emocional, menor sesgo y mayor satisfacción profesional obtienen resultados superiores en el aprendizaje y en el bienestar de su alumnado. Políticas que promuevan la mentoría, el reconocimiento profesional, la participación en redes de innovación pedagógica y el acompañamiento psicológico no solo reducen el estrés y el agotamiento docente, sino que multiplican el impacto positivo sobre el alumnado, especialmente en entornos desafiantes.

7. INDICADORES AUTONÓMICOS EN APOYO DOCENTE EN MATEMÁTICAS CON DATOS DE PISA 2022

A continuación del análisis nacional, resulta interesante examinar la variabilidad existente entre las comunidades autónomas en la percepción del apoyo docente en matemáticas, comparando estos datos tanto entre regiones como con el promedio de la OCDE. El propósito de este apartado es ilustrar hasta qué punto el apoyo del profesorado, percibido por el alumnado, varía no solo en comparación internacional, sino también a nivel territorial dentro de España.

La Tabla II.B2.9 de PISA 2022 permite desglosar el apoyo docente en cuatro dimensiones fundamentales: (i) el interés del profesor por el aprendizaje de cada estudiante; (ii) la frecuencia con la que proporciona ayuda extra cuando los alumnos la necesitan; (iii) la ayuda directa a los estudiantes durante las clases; y (iv) la perseverancia del docente, es decir, si continúa explicando hasta que todos entienden la materia. Estos indicadores se analizan mediante el porcentaje de estudiantes que afirman que cada una de estas situaciones ocurre «en todas las clases», «en la mayoría de las clases», «en algunas clases» o «nunca o casi nunca».

El primer indicador (cuadro 2), relativo al interés mostrado por el profesorado hacia el aprendizaje individual, evidencia que el porcentaje de alumnado español que percibe este interés en todas las clases (39,5 %) supera ampliamente la media de la OCDE (30,9 %). Destacan especialmente comunidades como Andalucía (43,8 %), Aragón (43,5 %), Madrid (42,6 %), Comunidad Valenciana (42,0 %), Murcia (42,1 %) y Extremadura (42,7 %). Por el contrario, regiones como el País Vasco (26,8 %), Cataluña (33,4 %) y Navarra (33,1 %) presentan resultados notablemente más bajos, situándose por debajo tanto del promedio nacional como del internacional.

En el caso de la ayuda extra proporcionada cuando los alumnos la necesitan, la media española (37,6 % «cada clase») se aproxima al promedio de la OCDE (38,2 %), aunque se observan diferencias autonómicas relevantes. Murcia (42, %), Extremadura (41,6 %), Comunidad Valenciana (40,4 %), Madrid (40,2 %) y Andalucía (40,8 %) encabezan la lista, mientras que el País Vasco (27,1 %) y Navarra (29,2 %) vuelven a situarse en la parte inferior del ranking autonómico.

La tercera dimensión (cuadro 4), que recoge si el profesor ayuda a los estudiantes con su aprendizaje, muestra un comportamiento similar. El porcentaje de alumnado que afirma recibir este tipo de ayuda en todas las clases es mayor en España (41,8 %) que en la OCDE (39,6 %). De nuevo, Murcia (46,1 %), Extremadura (46,3 %), Aragón (45,8 %), Comunidad Valenciana (44,9 %) y Andalucía (44,2 %) presentan los porcentajes más altos. Por el contrario, el País Vasco (29,0 %), Cataluña (37,6 %) y Navarra (33,6 %) destacan por sus valores más reducidos.

Por último, la perseverancia docente ya comentada en el gráfico 1 (la continuidad de la explicación hasta que todos entienden) también registra mejores cifras en España (38,1 %) que en la OCDE (34,2 %). Destacan Murcia (41,6 %), Canarias (41,2 %), Comunidad Valenciana (41,5 %), Andalucía (40,2 %), Aragón (40,8 %) y Galicia (33,9 %). En el extremo opuesto, País Vasco (28,1 %), Navarra (32,0 %) y Cataluña (34,7 %) figuran entre las comunidades con menor frecuencia en esta dimensión.

La comparación de estos indicadores pone de manifiesto varias conclusiones relevantes. Por una parte, España en su conjunto presenta valores superiores al promedio de la OCDE en todos los aspectos de apoyo docente medidos por PISA 2022, especialmente en el interés individualizado y la ayuda durante el aprendizaje. Sin embargo, la brecha interna entre comunidades puede ser considerable: la diferencia entre las regiones mejor y peor situadas en cada indicador puede llegar a superar los 15 puntos porcentuales.

Llama la atención la consistencia con la que determinadas comunidades como Andalucía, Aragón, Comunidad Valenciana, Murcia, Madrid y Extremadura se sitúan sistemáticamente por encima de la media nacional y de la OCDE en los cuatro indicadores. Este patrón puede estar relacionado con características organizativas de los centros o culturas educativas propias. En contraste, el País Vasco y Navarra –junto con Cataluña en varios indicadores– tienden a situarse por debajo de la media nacional y próxima a los niveles más bajos registrados a escala OCDE, lo que sugiere diferencias de contexto o de estilo pedagógico.

Por otra parte, el hecho de que el porcentaje de estudiantes que perciben «nunca o casi nunca» estos apoyos sean significativamente inferior al promedio OCDE en la mayoría de las comunidades también puede interpretarse como una fortaleza del sistema español. En términos relativos, los estudiantes españoles declaran recibir más apoyo, de forma más frecuente, que sus homólogos de la mayoría de los países de la OCDE.

La importancia del apoyo docente y de las relaciones escolares está siendo refrendada por una nueva oleada de estudios empíricos. Por ejemplo, Kraft et al. (2023) ofrecen una panorámica muy rigurosa sobre cómo las mentorías informales con profesores, orientadores o entrenadores pueden tener un efecto directo y duradero en el rendimiento y la trayectoria educativa de los estudiantes. Su trabajo demuestra que más del 15 % de los adolescentes identifican a algún miembro del personal escolar como su mentor más importante durante la etapa K-12, y que esta relación se asocia con mejores calificaciones, menores tasas de repetición, mayor probabilidad de acceso a la universidad y una mayor duración total de la escolarización. El efecto es particularmente intenso entre estudiantes de entornos socioeconómicos desfavorecidos, para quienes contar con un mentor escolar puede suponer un aumento de hasta el 31 % en la probabilidad de cursar estudios universitarios (Kraft et al., 2023). Además, los autores muestran que la prevalencia de estos mentores varía notablemente entre escuelas, siendo mayor allí donde las clases son más reducidas y el sentimiento de pertenencia a la comunidad escolar es más alto. Esta evidencia subraya el potencial de políticas que reduzcan la ratio y promuevan entornos de apoyo y pertenencia.

Por otro lado, el reciente trabajo de Kistlet et al. (2025) refuerza la importancia de que las escuelas sean entornos organizados para el aprendizaje profesional continuo y el desarrollo de comunidades docentes robustas. Los autores insisten en que la efectividad de los docentes depende no solo de las características individuales, sino del liderazgo de los equipos directivos y de la existencia de culturas profesionales colaborativas. Las escuelas que ofrecen estructuras de apoyo profesional, materiales y mentoría –en lugar de forzar a los docentes a “reinventar la rueda”– logran atraer y retener a los mejores profesores y generan entornos donde el apoyo al aprendizaje es más efectivo y sostenible. Kistlet et al. (2025) destacan el papel del acompañamiento de directivos, la inducción formal de nuevos profesores y los programas de desarrollo profesional focalizados, para fomentar una enseñanza más adaptativa, equitativa y eficaz.

En el ámbito de las intervenciones directas sobre habilidades socioemocionales, el estudio de Rege et al. (2025) aporta evidencia causal a través de un ensayo controlado aleatorizado en Noruega. El programa ROBUST, implementado con casi 2.000 estudiantes de 14–15 años y 84 clases, consistió en 25 sesiones dirigidas por el profesorado habitual, centradas en cuatro grandes competencias de afrontamiento: habilidades relacionales, regulación emocional, resolución de problemas y mentalidad de crecimiento. Los resultados muestran mejoras significativas en la salud mental y la motivación académica, especialmente en los estudiantes con menor bienestar inicial: el bienestar mental aumentó en un 21 % de una desviación estándar y la angustia emocional se redujo un 14 % en el tercil más vulnerable (Rege et al., 2025). Además, el programa incrementó la probabilidad de elegir el itinerario académico en secundaria (+4,2 puntos porcentuales) y el rendimiento en matemáticas mejoró especialmente entre quienes tenían menor motivación de partida. No obstante, la intervención mostró que el mecanismo principal es la mejora de las habilidades relacionales, y no tanto de la regulación emocional o la mentalidad de crecimiento, lo que apunta a la centralidad de la relación interpersonal en el impacto de las políticas escolares.

Los tres estudios coinciden en la relevancia de que el profesorado cuente con tiempo, formación y recursos para ejercer su rol de acompañamiento: tanto en la creación de relaciones de mentoría (Kraft et al., 2023), como en el desarrollo profesional y organizativo de los centros (Kistlet et al., 2025), como en la impartición de programas de apoyo socioemocional (Rege et al., 2025). En particular, Kraft et al. (2023) recomiendan que las escuelas promuevan oportunidades estructuradas para que los estudiantes tengan múltiples interacciones sostenidas con adultos de referencia en el centro y creen entornos donde todos los alumnos se sientan integrados y apoyados. Por su parte, Kistlet et al. (2025) subrayan que los directores son el motor fundamental de la cultura profesional y de la calidad del acompañamiento, siendo clave el liderazgo pedagógico y la planificación del desarrollo docente.

En cuanto a las implicaciones de política, Kistlet et al. (2025) concluyen que el desarrollo profesional efectivo requiere estructuras institucionales que permitan la observación entre pares, el coaching focalizado y el acceso a recursos didácticos probados. Las escuelas más exitosas son aquellas que no dejan a los docentes aislados, sino que les ofrecen comunidades profesionales donde compartir, mejorar y adaptar la práctica a las necesidades cambiantes de los estudiantes y de la sociedad. Las conclusiones de Kistlet et al. (2025) están relacionadas directamente con los resultados de PISA y con la literatura sobre valor añadido docente ya analizada en apartados anteriores.

De este modo, la integración de las enseñanzas de Kraft et al. (2023), Kistlet et al. (2025) y Rege et al. (2025) refuerza la idea de que la mejora del apoyo docente y del bienestar escolar no es solo una cuestión de formación individual, sino de organización escolar, cultura profesional y políticas públicas capaces de transformar los ecosistemas educativos desde dentro.

8. INDICADORES AUTONÓMICOS EN DISCIPLINA A PARTIR DE LOS DATOS DE PISA 2022

El clima disciplinario en el aula constituye, junto con el apoyo docente, uno de los pilares fundamentales para el aprendizaje y el bienestar de los estudiantes. Los datos de PISA 2022 permiten profundizar en la situación de España y de cada comunidad autónoma en relación con la disciplina durante las clases de matemáticas, aportando un diagnóstico preciso sobre la frecuencia y naturaleza de las interrupciones y los retos cotidianos para mantener el orden y la atención.

El índice de clima disciplinario elaborado por la OCDE, construido a partir de siete indicadores indicados por el propio alumnado, sitúa a España cerca de la media de los países de la OCDE, aunque con variabilidad notable entre comunidades. Comunidades como Cantabria, Castilla y León o Galicia presentan valores positivos en el índice, lo que indica un ambiente más ordenado, mientras que País Vasco, Cataluña o Andalucía se sitúan en la parte inferior, con más incidencias reportadas de falta de disciplina (OCDE, 2023, Table II.B2.10).

Los cuadros 6 a 12 detallan la frecuencia con la que el alumnado español declara haber experimentado diversas situaciones disruptivas en las clases de matemáticas:

• No escuchar al profesor. En España, un 38 % del alumnado afirma que los estudiantes no escuchan lo que dice el profesor en “todas” o “la mayoría” de las clases. Las cifras son superiores en el País Vasco (47 %), Asturias (42 %) o Ceuta (47 %), mientras que son menores en Cantabria (33 %) o Castilla y León (37 %).
  
• Ruido y desorden. Casi un 37 % de estudiantes españoles reporta que hay ruido y desorden en “todas” o “la mayoría” de las lecciones. De nuevo, el País Vasco (43 %) y Ceuta (38 %) presentan los porcentajes más altos, frente a Galicia (35 %) o Castilla y León (27 %).
  
• El profesor tiene que esperar mucho para empezar la clase. Uno de cada tres estudiantes indica que el profesor debe esperar en “todas” o “la mayoría” de las clases. Las diferencias autonómicas oscilan entre el 39 % en Melilla y el 26 % en Castilla y León.
  
• Los estudiantes no pueden trabajar bien. Entre un 22 % y un 27 % del alumnado de comunidades como Melilla o País Vasco señala que “en todas” o “la mayoría” de las clases no pueden trabajar bien, en contraste con el 17 % en Castilla y León o Cantabria.
  
• No empiezan a trabajar enseguida. Un 31 % de media nacional responde que los estudiantes no comienzan a trabajar rápidamente tras el inicio de la clase, con máximos del 37 % en Murcia y mínimos en Galicia (29 %).
  
• Distracción por uso de dispositivos digitales. Más de un 33 % del alumnado indica que, en “todas” o “la mayoría” de las clases, se distraen por el uso de dispositivos digitales. Este fenómeno es especialmente alto en el País Vasco (44 %), Canarias (37 %) o Baleares (32 %), y más bajo en Castilla y León (25 %) y Cantabria (24 %).
  
• Distracción por otros compañeros que usan dispositivos digitales. Un 26 % de media nacional declara que otros compañeros les distraen con dispositivos digitales en “todas” o “la mayoría” de las clases, con valores especialmente altos en el País Vasco (37 %), Cataluña (33 %) y Ceuta (32 %).

El índice de clima disciplinario en matemáticas (cuadro 13) se calcula a partir de las respuestas del alumnado sobre la frecuencia con la que ocurren diversas situaciones disruptivas durante las clases, como ruido, desorden o falta de atención. El índice tiene una media de 0 y una desviación estándar de 1 en el conjunto de países de la OCDE, de modo que valores positivos indican un clima más disciplinado que la media de la OCDE, mientras que valores negativos reflejan un ambiente más disruptivo o menos favorable para el aprendizaje. Así, este indicador permite comparar la calidad del clima disciplinario entre comunidades autónomas y con el promedio internacional.

Estos datos, procedentes de la Table II.B2.10 del Informe PISA 2022 (OCDE, 2023), evidencian que, aunque el clima disciplinario español no difiere sustancialmente del promedio de la OCDE, existen diferencias internas importantes y problemas estructurales persistentes, especialmente en lo que se refiere a la atención sostenida, el uso de dispositivos y la puntualidad en el inicio de las actividades.

La propia OCDE (2023) subraya que el clima disciplinario está vinculado al rendimiento académico y al bienestar emocional del alumnado: los estudiantes que declaran un ambiente más ordenado obtienen mejores resultados en matemáticas y señalan menores niveles de ansiedad. Por ejemplo, el alumnado que afirma que las distracciones por dispositivos digitales ocurren “en todas” o “la mayoría” de las clases obtiene, de media, 15 puntos menos en matemáticas, incluso una vez controlado el perfil socioeconómico. Este patrón se reproduce en más del 80 % de los países analizados, lo que subraya la universalidad del fenómeno.

La literatura internacional reciente coincide en esta dirección: tanto el apoyo docente como el clima de aula positivo son predictores robustos de éxito académico, motivación y resiliencia (Kraft et al., 2023; Kistlet et al., 2025; Rege et al., 2025). Un entorno disciplinado y con relaciones de respeto y apoyo facilita la implementación de prácticas personalizadas y reduce la brecha de resultados entre estudiantes de distintos orígenes.

La dimensión digital merece una mención aparte. En torno a un tercio del alumnado en España indica distracciones frecuentes relacionadas con el uso de móviles y otros dispositivos digitales, tanto propios como de compañeros. La OCDE (2023) alerta de que la proliferación de estas distracciones no solo interfiere en la atención y la organización del trabajo en clase, sino que está asociada a una mayor ansiedad y a peores resultados académicos. Aunque muchos centros han introducido políticas de restricción o prohibición de dispositivos, los resultados de PISA sugieren que estas medidas no siempre se aplican de forma efectiva, y que el desafío principal es el desarrollo de competencias de autorregulación y el establecimiento de normas claras y consensuadas, no solo la prohibición per se.

En definitiva, los datos autonómicos de PISA 2022 muestran que la mejora del apoyo docente y del clima disciplinario debe considerarse una prioridad transversal en las políticas educativas. Las diferencias entre comunidades sugieren que existen buenas prácticas transferibles y que la intervención debe adaptarse a los contextos concretos. Limitar las distracciones, promover la puntualidad y fortalecer la autoridad pedagógica del profesorado son claves no solo para mejorar el rendimiento, sino para reducir la ansiedad, aumentar la motivación y construir entornos escolares más inclusivos y equitativos. La propia OCDE concluye que la combinación de apoyo docente y clima disciplinario positivo es el mejor predictor de éxito académico y bienestar emocional en la adolescencia.

9. CONCLUSIONES

Los resultados de PISA 2022 muestran que España se encuentra en una posición intermedia en cuanto al apoyo docente percibido por los estudiantes, pero con una tendencia preocupante a la baja en la última década. El apoyo docente es un factor relevante para el rendimiento, la motivación y el bienestar de los estudiantes, y su retroceso debería ser motivo de reflexión y acción para los responsables de política educativa. Entre 2012 y 2022, en España han disminuido significativamente las prácticas de apoyo docente en matemáticas, en línea con la media de la OCDE. Esta tendencia descendente afecta a todas las prácticas medidas (ayuda extra, interés individual, apoyo al aprendizaje, perseverancia docente). La bajada es comparable a la de países como Alemania, Israel, Uruguay o Macao (China), y contrasta con algunos países que han mantenido o incluso aumentado el apoyo docente en el mismo periodo.

La evidencia apunta a la necesidad de reforzar las políticas de apoyo al profesorado, mejorar el clima escolar y favorecer condiciones que permitan una atención más personalizada. Son elementos clave para revertir la tendencia negativa y asegurar el rendimiento académico y el bienestar emocional del alumnado español en matemáticas.

En definitiva, los estudiantes que se sienten apoyados por sus profesores obtienen mejores resultados, muestran mayor motivación y bienestar y desarrollan una relación más positiva con el aprendizaje. La calidad de las relaciones, la disciplina en el aula y la satisfacción profesional del profesorado deben situarse en el centro de la agenda educativa para avanzar hacia un sistema más justo, eficaz y humano.

La OCDE concluye que fortalecer el apoyo docente debe ser un eje de la política educativa en la era pospandemia. Se recomienda: (i) asegurar un acceso equitativo al apoyo y al acompañamiento personal en todos los centros; (ii) invertir en el bienestar y desarrollo profesional del profesorado, priorizando las competencias relacionales y digitales; (iii) fomentar estructuras de mentoría y trabajo en red, y (iv) incluir la voz del alumnado en el diseño y evaluación de la calidad del apoyo docente. Los sistemas que han adoptado estas medidas han logrado no solo mejorar los resultados académicos, sino también aumentar la resiliencia, la satisfacción y la cohesión escolar, incluso en los contextos más adversos.

En resumen, la investigación más actual sobre valor añadido docente, clima escolar y equidad (Thijssen et al., 2022, Barrios-Fernández y Riudavets-Barcons, 2024; PISA in Focus, 2025) converge en una misma recomendación: invertir en el desarrollo relacional y emocional del profesorado, reducir los sesgos y potenciar el acompañamiento individualizado no solo mejora el aprendizaje, sino que promueve la equidad, el bienestar y la motivación de todo el alumnado. Las políticas educativas deben ir más allá de las reformas curriculares y apostar de forma decidida por la profesionalización integral y el reconocimiento social de la labor docente. Solo así será posible construir sistemas educativos más humanos, justos y eficaces, capaces de afrontar con éxito los retos del siglo XXI.

Referencias

Barrios-Fernández, A., & Riudavets-Barcons, M. (2024). Teacher value-added and gender gaps in educational outcomes. Economics of Education Review, 100, 102541. https://doi.org/10.1016/j.econedurev.2024.102541

Chetty, R., Friedman, J. N., & Rockoff, J. E. (2014). Measuring the impacts of teachers II: Teacher value-added and student outcomes in adulthood. American Economic Review, 104(9), 2633–2679. https://doi.org/10.1257/aer.104.9.2633

Kistler, H. C., Donohue, K., Papay, J. P., Qazilbash, E. K., & Schwartz, N. L. (2025). Expanding access to highly effective educators for all students: A review of recent evidence (EdWorkingPaper: 25-1174). Annenberg Institute at Brown University. https://doi.org/10.26300/e445-xw43

Kraft, M. A., Bolves, A. J., & Hurd, N. M. (2023). How informal mentoring by teachers, counselors, and coaches supports students’ long-run academic success. Economics of Education Review, 95, 102471. https://doi.org/10.1016/j.econedurev.2023.102471

OCDE. (2023). PISA 2022 Results, Volume II: Learning during challenging times. https://www.oecd-ilibrary.org/education/pisa-2022-results-volume-ii_90d23d4d-en

OCDE. (2025). PISA in Focus: What can we learn about teacher support for students from PISA data? https://www.oecd-ilibrary.org/education/what-can-we-learn-about-teacher-support-for-students-from-pisa-data_10.1787/5ee9dfe1-en

Rege, M., Bru, E., Solli, I. F., Thijssen, M. W. P. T., Tharaldsen, K. B., Vestad, L., Ertesvåg, S. K., Ogden, T., & Stallard, P. N. (2025). The impact of teaching coping skills in schools on youth mental health and academic achievement: Evidence from a field experiment (CESifo Working Paper, No. 11742). CESifo. https://www.cesifo.org/en/wp

Thijssen, M. W. P., Rege, M., & Solheim, O. J. (2022). Teacher relationship skills and student learning. Economics of Education Review, 89, 102251. https://doi.org/10.1016/j.econedurev.2022.102251

Notas

* URJC, Funcas y London School of Economics.

Descarga Publicación (formato PDF)

Fecha: junio 2025

Dirección de Estudios Sociales

Situación económica, opinión pública, familia, salarios, impuestos, España

La Encuesta Funcas sobre Economía y Finanzas del Hogar proporciona nueva información sobre cómo ve la ciudadanía la situación económica de España y de sus hogares, así como sobre los factores que influyen en esa percepción. Se trata de una encuesta online y telefónica a una muestra de 1.200 individuos representativa de la población adulta residente en España. Su trabajo de campo se llevó a cabo en mayo de 2025.

Descarga Publicación (formato PDF)

Fecha: junio 2025

Wenceslao Peñate Castro*, Francisco Rodríguez Fernández**

PISA, Apoyo psicológico, Estudiantes, Bienestar.

Abstract

We use data from 310,000 students from the 2022 PISA report for 64 countries to show that schools with psychological support services (such as school counselors/guidance counselors) have students with greater well-being. Having at least one school counselor was associated with greater life satisfaction among students (a small but significant positive effect) and a 12% lower likelihood of high academic anxiety than average. Likewise, having regular guidance or wellness classes slightly increased life satisfaction. Using advanced analysis techniques (causal machine learning), it was estimated that these school supports cause real improvements in well-being. For example, the availability of a specialized counselor could slightly increase (e.g., +0.08 points on a 0–10 scale) average life satisfaction and reduce the proportion of students with high anxiety by ~7 percentage points (e.g., from 35% to 28%). The positive effects are more pronounced among disadvantaged students. Those from low socioeconomic backgrounds or who do not speak the language of instruction at home showed almost twice as large improvements in well-being with the presence of school psychological support, compared to their more advantaged peers. This underscores that support at school can reduce well-being gaps.

1. INTRODUCTION

Youth mental health and well-being have become critical global concerns in recent years. Even before 2020, researchers documented worrying trends in adolescents’ psychological well-being – for instance, declines in life satisfaction and rising anxiety in many countries (Patton et al., 2016). The COVID-19 pandemic exacerbated these issues dramatically. School closures, social isolation (Loades et al., 2020; OECD, 2021), and pandemic-related stressors led to surges in mental health problems among young people. Relatedly, a World Health Organization report estimated a 25% increase in the prevalence of anxiety and depression worldwide during the first year of the pandemic. Alarmingly, multiple countries also reported rising rates of adolescent suicide during and after the pandemic period, highlighting the severe consequences of unmet mental health needs among youth (WHO, 2022; CDC, 2021). Suicide has become a leading cause of death among adolescents globally, underscoring the urgent need for proactive mental health support within school environments.

This increasing in mental disorder rates has also implied an increment in the mental health services burden, and the loss of productivity, because of labor absenteeism and premature mortality. The disability-adjusted life years (DALYs) attributable to mental disorders can reach a 16% of global DALYs. This loss can represent an 8% of gross domestic product in high-income countries (Arias et al., 2022). The socio-economic impact can be more considerable if it begins in early age stages as adolescence.

This wave of mental health need has been described as a “wake-up call” urging countries to step up support services for youth. Education settings have been identified as a crucial arena for mental health intervention (Fazel et al., 2014; Langford et al., 2014; Patalay & Fitzsimons, 2017), since schools are where adolescents spend a large portion of their daily lives and where issues often manifest. Indeed. 90% of countries surveyed by WHO incorporated mental health and psychosocial support into their COVID-19 response plans for schools (WHO, 2021). There is growing recognition that schools can play a proactive role in promoting student well-being – not only through academic instruction but also by providing emotional support, counseling, and a safe environment that fosters resilience (Domitrovich et al., 2010; Hoagwood et al., 2007; Suldo et al., 2013).

Within this context. school-based psychological support services (such as guidance counselors. school psychologists. mentoring and life-skills programs) have gained attention as potential protective factors for student well-being (Cooper et al., 2012). A robust body of literature from various countries suggests that when schools invest in counselors and mental health programs, students benefit in multiple ways. For example, studies in the United States have found that lower student-to-counselor ratios correlate with reduced disciplinary incidents and improved attendance (Reback, 2010). Counselors can help identify and assist students facing emotional difficulties, thereby potentially improving their life satisfaction and academic engagement. Some research even indicates that the positive impacts of school counselors are especially pronounced for disadvantaged students, such as those from low-income families or ethnic minority backgrounds (Barry et al., 2017; Murray et al., 2008). These students may have fewer resources and support outside school, making the school’s role vital. Similarly, a policy analysis by the American School Counselor Association concluded that counselors have higher positive impacts on traditionally underserved groups, including students in poverty and those with limited English proficiency (Evans, 2004). This hints at an equity dimension: school-based support might narrow well-being gaps by socio-economic status (SES) or language background.

Language capabilities represent an important and under-explored factor in student well-being and access to support. In diverse societies, many students speak a different language at home than the language of instruction at school. This linguistic background can shape a student’s school experience profoundly. On one hand, students who do not speak the school’s language at home (often immigrants or from minority communities) may face additional stress – from language barriers in communication to feelings of exclusion – which could negatively affect their well-being (Twenge et al., 2019). Prior studies have reported that first-generation immigrant adolescents often show lower levels of life satisfaction and higher psychological distress compared to native-born peers (García Coll & Marks, 2012). Language difficulties and cultural adjustment challenges are thought to be key contributors to this disparity (Cohen et al., 2013), including mental health service use, and treatment outcome (Miteva et al., 2022). On the other hand, schools can help mitigate these challenges through inclusive practices (Rickwood et al., 2015). Having counselors or teachers who are culturally and linguistically responsive can improve these students’ sense of belonging and provide vital support (Weist et al., 2005). For instance, recent work highlights that newly immigrated students are better supported when school staff can communicate in the students’ home language and understand their cultural context. In short, linguistic proficiency and home language are likely important moderators in the relationship between school support and student outcomes – yet, large-scale international evidence on this topic is sparse.

Another relevant dimension is students’ general linguistic proficiency, often reflected by reading literacy levels. Students struggling academically or with low literacy might experience lower self-esteem or greater school-related stress, emotion problems, social competence, potentially impacting well-being (Montemitro et al., 2021 Monopoli & Kingston, 2012). Conversely, strong language and literacy skills might enable students to access support resources more easily and navigate school challenges with more confidence. While academic achievement and well-being are distinct, they are positively correlated in many studies, observing a longitudinal effect of linguistic competence with the development of adaptative emotion regulation strategies, a key group of strategies for mental health prevention (Durlak et al., 2011 Griffiths et al., 2021). It is thus important to account for students’ academic (especially reading) proficiency when analyzing well-being determinants, and to consider whether the effects of support services vary for students with different proficiency levels.

In light of these issues, our study aims to integrate the perspectives of school support structures, socio-economic disparities, and language factors to provide a comprehensive analysis of student well-being. We leverage data from the 2022 Programme for International Student Assessment (PISA), which offers a unique opportunity for such research. PISA 2022 collected extensive information not only on 15-year-old students’ academic performance but also on their backgrounds, attitudes, and school environments – including indicators of psychological support at school and subjective well-being outcomes. Furthermore, PISA’s wide international coverage (over 80 participating countries/economies) allows us to compare different national approaches to student support. Recent analyses of PISA data underscore its value for studying well-being: for example, a cross-national comparison between PISA 2018 and 2022 showed a decline in students’ subjective well-being during the pandemic period (OECD, 2023) and highlighted the importance of school factors like bullying and sense of belonging for student life satisfaction (Durlak et al., 2011). Our work builds on and extends such findings by focusing specifically on school-based psychological support (e.g., counselors, guidance programs) as a key school factor. and by examining how its influence may differ across language and socio-economic groups (Kutcher et al., 2015).

To our knowledge, this is one of the first studies to use PISA 2022 to analyze student mental health supports and outcomes in depth. It also contributes methodologically by applying advanced econometric techniques not commonly used in prior PISA-based research on this topic. Traditional regression analyses may be limited in establishing causal interpretations due to confounding (Reback, 2010); hence, we employ Double Machine Learning (DML) and Causal Forests to strengthen causal inference and explore heterogeneity in effects. This approach answers recent calls in educational research for more robust. data-driven analysis of large-scale assessment data (see, e.g., Knaus, 2021) who introduced a double ML framework in an education context.

In sum, our study investigates: (a) How do countries differ in the provision of school-based psychological support, and can we categorize distinct models or typologies of support systems?, (b) Within countries, does access to school-based support (particularly the availability of a counselor) relate to better student well-being (higher life satisfaction, lower anxiety, greater sense of belonging), after controlling for confounding factors?, (c) Do these relationships hold when employing rigorous causal inference methods (DML) that account for selection bias?, (d) How do the benefits of school support vary across different student groups – especially as a function of SES. home language, and reading proficiency? We hypothesize that students from disadvantaged backgrounds (low-SES or non-native speakers) will see greater marginal benefits from school support, given their higher baseline risks. We also expect that integrating support into the school’s normal practices (e.g. curriculum-based guidance lessons, orientation programs) might yield broader impacts than relying on ad-hoc or external services.

The remainder of the paper is organized as follows. Section 2 describes the data and methodology, including the construction of key variables, the cluster analysis of support systems, and the econometric strategies (multilevel modeling, DML, Causal Forest, interaction models) employed. Section 3 presents the results: first the cross-national typologies, then the regression and causal analysis of support impacts, and finally the heterogeneity findings with a focus on language and SES. Section 4 discusses the implications of these findings in the context of existing literature and offers insights for policy and practice, including the importance of culturally and linguistically inclusive support. We also note limitations and suggestions for future research. Section 5 concludes with a summary and final thoughts on the value of strengthening school-based psychological support for student well-being and equity.

2. DATA AND METHODS

2.1. Data and Sample

Our analysis uses data from the PISA 2022 study, focusing on the student and school surveys. PISA is a large-scale international assessment administered by the OECD every three years (the 2021 cycle was postponed to 2022). It evaluates 15-year-old students’ skills in reading. Mathematics, science, and collects extensive background information. Crucially for our purposes, the 2022 cycle included questionnaires on student well-being and school practices related to guidance and counseling.

We include all participating countries/economies for which the relevant variables on well-being and support are available. This resulted in a sample of approximately 64 countries and economies, covering OECD member states as well as partner countries across Europe, Asia, the Americas, and other regions. We excluded a few participants that did not administer the student well-being questions or had incomplete data on key school support indicators, to ensure comparability. The total student sample analyzed is about N ≈ 310,000 (after applying PISA’s sample weights, this represents roughly 23 million students in the target population). These students are nested within ~11,000 schools. The data are nationally representative of 15-year-old students in each country, obtained via a two-stage stratified sampling design (schools are sampled first, then students within schools).

We adhered to PISA’s technical standards for analysis. All statistics reported use the provided student sampling weights to ensure representativeness. For variance estimation and significance testing, we employed the balanced repeated replication (BRR) method with Fay’s adjustment (factor 0.5), using the 80 replicate weights supplied in the PISA data. This approach correctly accounts for the complex survey design and clustering, as recommended by the OECD’s guidelines (OECD, 2019) to avoid underestimating standard errors. Furthermore, where student achievement scores are used (e.g., reading literacy), we properly handled PISA’s plausible values by conducting analyses across all five plausible values and averaging the results. thereby reflecting the imputation uncertainty in proficiency measures.

2.2. Measures

Student Well-Being Outcomes: We examine three key outcome variables related to students’ subjective well-being and socio-emotional status:

• Life Satisfaction: Students rated their overall life satisfaction on a scale from 0 to 10, in response to the question “Overall. how satisfied are you with your life on a scale from 0 (not at all satisfied) to 10 (completely satisfied)?”. This single-item measure has been widely used as an indicator of general well-being in PISA and other youth surveys. In our data, the mean life satisfaction is around 7.4 (s.d.≈2.1) for the pooled sample. with notable cross-country variation.
• School-Related Anxiety: PISA 2022 collected several items on test anxiety and schoolwork stress. We constructed an indicator of high anxiety to capture students experiencing detrimental levels of academic anxiety. Specifically, following PISA’s approach in prior cycles (OECD, 2019), we identified students who reported strong agreement with statements such as “I feel very anxious even if I am well prepared for a test” or who scored in the top decile of an index of schoolwork-related anxiety. These students were coded as 1 for high anxiety, and 0 otherwise. About 35% of students fell into the high-anxiety category in our sample (indicative of widespread stress).
• Sense of Belonging at School: This is based on a composite index derived from students’ agreement with statements like “I feel like I belong at this school.” “I feel proud to be part of my school,” etc. The OECD constructed a standardized index (mean 0. SD 1 for OECD) for Sense of Belonging. We use this index, which we re-scaled to the PISA metric where 0 corresponds to the OECD mean in 2018. A higher value indicates a stronger sense of attachment and inclusion in one’s school. This measure is important as research has shown school belonging is tightly linked to mental health and is a mediator for outcomes like bullying’s impact on well-being.

School-Based Support Variables: Our central independent variables capture the availability and nature of psychological support at the school level (from the school principal questionnaire):

• School Counselor/Psychologist Availability: An indicator for whether the school has at least one staff member whose primary role is providing psychological counseling or guidance to students. In PISA 2022, principals reported the number of school-employed psychologists or counselors. We coded this as 1 if any (≥1) counselor/psychologist is available at the school, and 0 if none. In our sample, about 68% of students attend a school with at least one counselor available. However, this ranges widely: some countries have near-universal counselor presence, while others rely on external referrals or have very few counselors in schools.
• Guidance Curriculum (Structured Guidance Lessons): A binary variable indicating whether the school offers regular, structured guidance or well-being lessons for students. Many education systems incorporate guidance as a weekly class or homeroom session focusing on life skills, mental health, or career planning. We used principals’ responses on whether there is a mandatory curriculum or scheduled time for guidance/pastoral care for 15-year-olds. Approximately half of the students in the sample receive such structured guidance lessons. This measure captures the degree to which social-emotional learning is built into the school program (as opposed to being ad-hoc).
• Orientation/Induction Program for New Students: An indicator for whether the school has a formal orientation or mentoring program to help integrate new students (such as 1^st-year high school students or transfers). Such programs might include pairing newcomers with peer mentors, special sessions on adapting to the school, or additional counseling for new students. This variable serves as a proxy for the school’s effort to socially support students during transitions. In the data, about 60% of students are in schools that run an orientation or induction program for newcomers.
• Counselor-to-Student Ratio (Intensity): In addition to availability, we computed the number of counselors per 1,000 students in each school (using enrollment and counselor count data). This gives a sense of the intensity of support. However, because many schools report “1” counselor regardless of size, this ratio is highly skewed and zero for many schools. We mainly use it in identifying clusters of systems (see below) rather than as a standalone predictor in regression.
• Student Utilization of Support: We also consider a student-reported measure: whether the student talked to a teacher or counselor about personal issues in the past year. This indicates actual usage of support services. On average, about 20% of students said they had consulted a teacher or counselor for help with personal problems. We use this in descriptive context and cluster analysis, though it’s not a school-level variable (it’s aggregated to school average where needed).

Language Background and Proficiency: Central to our study are measures of language use and proficiency:

• Language Spoken at Home: A binary variable indicating if the student speaks the test language (the language of instruction/assessment in their country) at home. PISA collects the first language spoken at home; we coded this as 1 if it matches the language of the PISA test, 0 if a different language is primarily spoken. This serves as a proxy for immigrant or linguistic minority background. Overall, 85% of students in our sample speak the test language at home, meaning 15% do not. The proportion of non-native speakers varies from under 1% in some homogeneous countries to over 30% in some immigrant-receiving countries. We anticipate this variable to be associated with well-being, as language barriers can impact stress and belonging.
• Reading Literacy Proficiency: We use students’ performance in the PISA reading assessment as an indicator of general linguistic and academic proficiency. Reading was a domain assessed in 2022 (though the major domain was mathematics in 2022, reading was a minor domain, hence each student has several plausible values for reading). We included Reading score (plausible values) as a control in some analyses, standardized to the OECD mean of 500 and SD of 100. This allows us to account for students’ academic skills, which might confound the relationship between support and well-being (e.g., higher-achieving students might attend better-resourced schools that also have counselors, and they might also have higher well-being). By controlling for reading, we can isolate more purely the effect of support structures. In descriptive statistics, the mean reading score in our analytic sample is around 488 (slightly below the OECD reference of 500, as our country sample includes many non-OECD countries with lower averages). We handle the five plausible values by running analyses on each and combining results, as noted above.

Other Control Variables: Our regression models include a rich set of controls at student and school levels, informed by literature:

• Student-level: Socio-economic status (SES) measured by PISA’s index of economic, social and cultural status (ESCS, a composite of parental education, occupations, and home resources). standardized with mean ~0. SD ~1 for OECD. Gender (female=1). given gender differences in well-being are well-known (with adolescent girls often reporting more anxiety). Grade repetition (ever repeated a grade: yes/no), as repeating is linked to lower self-esteem and well-being. Bullying victimization, measured via an index or a binary if the student reports frequent bullying (since bullying strongly diminishes well-being). We also include migration background (first- or second-generation immigrant vs. native) separate from language, when possible, to ensure that language spoken at home captures linguistic integration rather than generational effects. However, language-at-home and immigrant status are highly correlated. Student academic performance is partly captured by reading scores as discussed, and similarly we control for math performance in some robustness checks (math PVs).
• School-level: School average SES (to account for school socioeconomic composition which might influence overall climate), school size, urban vs. rural location, and school type (public vs. private). In some models we also control for country fixed effects, effectively comparing schools within the same country (this is achieved either by including country dummies or by using a random intercept at country level – see next section). Because our interest is primarily in within-country effects of school support, controlling for country-level factors is important to not attribute cross-national differences (e.g., culture, funding, general well-being levels) to the support variables.

All independent variables are coded such that a higher value means more of the attribute (e.g. higher SES, 1 for female. etc.). Descriptive statistics for key variables are provided in table 1. We report overall means/proportions and, for illustration, the breakdown by the three clusters of countries (described in the next subsection). This provides context on how different education systems vary in support provision and student characteristics.

Table 1 shows that in Cluster 1 (Coordinated support systems), virtually all schools have a counselor and formal programs, and students report slightly higher life satisfaction and belonging on average. Cluster 3 (Minimal support) countries not only have far lower access to counselors but also tend to have students with lower SES and academic performance; their average well-being is somewhat lower and anxiety higher. Cluster 2 (Informal) sits in between on many measures. It is important to be cautious in interpreting these raw differences – clusters differ on many socio-economic dimensions. Our subsequent multivariate analysis will disentangle the effect of support from these background differences.

2.3. Analytic Strategy

2.3.1. Cluster analysis

To address research question (a) regarding national models of support provision, we conducted a cluster analysis on country-level aggregates of support indicators. Specifically, we calculated for each country: the percentage of 15-year-old students with access to a counselor; the average counselor-to-student ratio; the percentage of students in schools with a guidance curriculum; the percentage in schools with orientation programs; and the average rate of student consultation with school staff. These five variables capture both the extent of support provision and the degree of formalization/coordination in each system. We then applied a hierarchical clustering algorithm (Ward’s method) to group countries with similar profiles. Based on the dendrogram and silhouette analysis, a three-cluster solution was chosen as it provided a meaningful and interpretable grouping. The clusters were described earlier (Coordinated, informal, minimal). We validated this clustering by checking external information: for example, many Cluster 1 countries indeed have national policies mandating school counselors (e.g., Finland’s law requires each school to have a psychologist and counselor on staff), whereas Cluster 3 countries often lack such mandates and may rely on out-of-school providers. The cluster analysis primarily serves to contextualize the landscape of support; we use it descriptively in Section 3.1 to compare average student outcomes across these system types.

2.3.2. Multilevel regression

For within-country analysis (question b), we employ multilevel regression modeling. Given the hierarchical data (students nested in schools, and schools in countries), a multilevel approach is appropriate to account for clustering and to separate within –and between– group variation. Our main specifications are two-level models (students within schools), with either country fixed effects or a third level for countries. In practice, we estimated three-level mixed models (random intercepts for schools and countries) as well as two-level models with country dummies – both approaches yielded very similar results for our key coefficients. The results reported are from three-level models unless noted. Formally, for student i in school j in country c, we estimate:

WellBeing_ijc=β0+β1(Counselor_jc)+β2(GuidanceClass_jc)+β3(OrientationProg_jc)+β4X_ijc+β5Z_jc+u_c+v_jc+ϵ_ijc

where X_ijc is the vector of student-level controls (SES, gender, language at home, etc.) and Z_jc is the vector of school-level controls (school SES, size, type, etc.), u_c and v_jc are random intercepts for country and school, respectively, capturing unobserved contextual effects at those levels. We run this model for each outcome: life satisfaction (using linear regression), high anxiety (logistic regression, though we report marginal effects or odds ratios), and sense of belonging (linear). The key coefficients of interest are β₁, β₂, and β₃ which indicate the association of having a counselor, guidance curriculum, and orientation program with student well-being, after accounting for other factors. We emphasize that these are adjusted associations, without causal assumptions, they should be interpreted carefully. Nonetheless, if β₁ remains positive and significant with extensive controls and country effects, it strengthens the case that counselors have a beneficial effect. Standard errors are computed using the BRR weights as mentioned, which we implemented via the ‘intsvy’ R package (Version 3.5) and validated with replicate weight macros provided by OECD.

2.3.3. Double machine learning (DML)

To further bolster causal interpretation, we applied the DML approach of Chernozhukov et al. (2018). In essence, DML uses machine learning to flexibly model the outcome and treatment assignment, then computes a debiased treatment effect. Here, the “treatment” is whether a student has access to a counselor in their school. We focused on counselor availability for DML (as our primary treatment variable) due to its policy relevance and binary nature. Other support variables were considered as controls or separate treatments in auxiliary analyses. Implementation involved two main steps: (1) Nuisance function estimation: we trained predictive models for the outcome (life satisfaction or anxiety) and for the treatment (counselor availability) using a wide set of features (all controls, plus additional higher-order terms and interactions). We used ensemble machine learning, specifically gradient-boosted trees (XGBoost) and random forests, chosen via cross-validation, to capture nonlinear relationships. (2) Effect estimation: we computed the orthogonalized residuals and then regressed the outcome residual on the treatment residual. This yields an estimate of the average treatment effect (ATE) that is asymptotically unbiased under fairly general condition. We repeated this process for each plausible value of the outcome (for life satisfaction. which is a single value, not needed, for sense of belonging index. we treated it as observed; for anxiety, which is binary, we used a classification approach). We also incorporated the survey weights in a re-weighted loss function for the ML models to respect the sample design. The final ATE and standard error (via influence function-based asymptotics) were calculated. Intuitively. DML asks: if two students are identical in all observed aspects except that one has a counselor in their school and the other doesn’t, what is the difference in their predicted well-being? By controlling for a rich set of variables in a data-driven way, DML aims to approximate that counterfactual comparison and thus estimate the causal impact of counselor availability. We report the DML results alongside traditional regression for comparison.

2.3.4. Causal Forests (Heterogeneity Analysis)

To explore research question (d) on effect heterogeneity, we utilized the Causal Forest algorithm, a machine learning method for estimating conditional treatment effects. Causal Forests are an extension of random forests that focus on the treatment effect as the quantity of interest rather than prediction of an outcome (Wager & Athey, 2018). Using the generalized random forests implementation in the grf R package, we estimated a causal forest with the same treatment (counselor availability) and outcome (e.g., life satisfaction) as in DML. All controls and background variables (including SES, language, gender, prior achievement, etc.) were included as potential moderators. The forest algorithm splits the data to maximize differences in treatment effect, effectively finding subgroups with different effects. We took several steps to ensure validity: using honesty (splitting data into separate halves for tree structure vs. estimating leaf effects), tuning hyperparameters via cross-validation, and checking for sufficient overlap (common support) between treated and control units across the feature space. The output of the causal forest gives us an individualized predicted treatment effect for each student and an estimate of variable importance for moderators. We examine which variables most strongly influence the heterogeneity; as anticipated. SES emerged top-ranked. and language background also showed importance. We then derived average treatment effects for subgroups of interest by taking the means of individual treatment effect predictions within those subgroups (e.g., bottom SES quartile. non-native speakers). We also formally tested for heterogeneity along specific dimensions by interacting the treatment with those variables in a traditional regression. For example, to probe language background, we added an interaction term Counselor × (Doesn’t speak test language) in the regression and examined its significance. Similarly, a three-way interaction Counselor × Low-SES × Non-native language was tested to see if the compounded disadvantage yields an especially large effect. These confirmatory interaction tests complemented the data-driven forest approach. All these analyses again used sampling weights and accounted for the multilevel structure by either including school (and country) random intercepts or using cluster-robust standard errors at the school level for significance testing of interactions.

By combining these methods – multilevel models for baseline associations. DML for causal inference, and causal forests for heterogeneity – we provide a triangulated analysis of how school-based support relates to student well-being. All computations were conducted in R 4.3.1. We utilized packages such as intsvy and lavaan, survey for survey-weighted multilevel modeling, xgboost and grf for machine learning, and custom code to loop over plausible values and replicate weights for final estimates.

3. RESULTS

3.1. Cross-National Support System Typologies

We first present the results of the cluster analysis, which grouped countries based on their school support provision profiles. As introduced earlier, three distinct clusters emerged:

• Cluster 1: “Coordinated Public Systems.” This cluster is characterized by broad access to school-based support, centrally coordinated. On average over 90% of students in these countries have a counselor or psychologist at school (often more than one) and most schools implement formal guidance curricula and orientation programs. Many of these countries have national or statewide mandates ensuring support services. Examples include Finland, Sweden, Canada, Japan, and a few high-performing Asian systems. In these countries, the role of the school in student well-being is well-established and often supported by public policy (e.g., government-funded counselor positions). According to our data, students in Cluster 1 not only have the highest support access, but they also report the highest mean life satisfaction and lowest anxiety (Table 1). For instance, the average life satisfaction in this cluster is 7.6, significantly higher than in Cluster 3 (p < .05 in a design-based test), and the percentage of highly anxious students is the lowest at ~30%. These countries also tend to have above-average academic outcomes and SES levels, which likely contribute to student well-being; however, even accounting for those advantages, the well-being indicators appear better than expected, hinting that supportive school environments might play a role.
• Cluster 2: “Informal/Teacher-Led Support.” This cluster includes countries where support is relatively common but less formalized and less consistently staffed with specialists. Approximately 60–75% of students here have some counseling available at school. But the counselor-to-student ratio might be high (e.g., one counselor covering multiple schools or hundreds of students). Many schools in these systems rely on teachers or school heads to provide guidance. The majority of schools offer some form of guidance or life-skills education, but it may not be a standardized or mandatory curriculum. Countries in this cluster include the United States, United Kingdom, Australia, Spain, Italy, Poland, and several others –generally middle– or higher-income nations without a nationwide counselor mandate, or where pastoral care is often assigned to teachers. Student well-being in Cluster 2 is around the sample average: mean life satisfaction ~7.3 and ~37% high anxiety, not as favorable as Cluster 1 but better than Cluster 3 in anxiety outcomes. This suggests that having some support (even if informal) is better than none, but there may be room to improve the quality and consistency of services.
• Cluster 3: “Fragmented/Minimal Support.” This group is defined by limited availability of school-based support. On average, only about 30% of students in Cluster 3 have access to a school counselor. Guidance programs are rare (only ~15% of schools have a curriculum), and orientation or mentoring for new students is also scarce. In many of these countries, any psychological support tends to be provided externally (e.g., families must seek private services) or through sporadic initiatives. This cluster comprises a few lower-middle income countries and some with highly decentralized education systems. Examples (from our data) include Peru, Brazil, Indonesia, Jordan, and others. Students in Cluster 3 report the lowest life satisfaction (mean ~7.2) and highest anxiety (over 40% high anxiety) among the clusters. They also have the lowest sense of belonging on average. It’s important to note that these countries often face numerous socio-economic challenges – students here have the lowest average SES and academic performance (mean reading ~430, as seen in Table 1). So, the lower well-being is likely influenced by those broader factors. However. the contrast with Cluster 1’s outcomes provides an initial indication that a systemic lack of school support coincides with worse student well-being outcomes.

Figure 1 provides a visual map of the countries in each cluster and two composite dimensions: “Extent of support provision” (x-axis. e.g., proportion of schools with counselors) and “Coordination/Formality” (y-axis. e.g., integration of support in curriculum). Cluster 1 countries occupy the top-right (high extent, high coordination). Cluster 3 the bottom-left (low extent, low coordination), and Cluster 2 in between. We also examined whether these cluster groupings correlate with other country-level indicators. Interestingly, Cluster 1 countries tend to have higher education expenditure per student and stronger student support policies (by OECD indicators), whereas Cluster 3 countries have lower GDP per capita and often larger school sizes. While our primary focus is not on explaining why systems differ, these patterns suggest that resources and policy priority play a role in developing comprehensive support systems.

In summary, there is clear cross-national variation in how schools support student well-being. The cluster typology offers a backdrop for our next analyses: it suggests that students in well-resourced, coordinated systems fare better on average. However, to make a more valid inference about cause and effect, we need to look within countries, controlling for confounders. We turn to that next.

3.2. Regression Analysis of Support and Well-Being (Within-Country)

Table 2 displays the results of the multilevel regression models predicting student well-being outcomes (life satisfaction, high anxiety, and sense of belonging) from school support variables and controls.

Life Satisfaction: In Model 1, where the outcome is the student’s life satisfaction (0–10 scale, treated as continuous), having a school counselor available shows a positive and statistically significant coefficient (β = 0.102; SE = 0.022. p<0.001). This implies that, on average and holding other factors constant, students in schools with a counselor report life satisfaction about 0.10 points higher than those in schools without one. While 0.10 on a 0–10 scale is a small effect size (Cohen’s d ~0.05), it is nontrivial given that life satisfaction is relatively stable and influenced by many out-of-school factors. To put it in perspective, this effect is about half the size of the coefficient on students’ SES: in our model, a one standard deviation increase in SES is associated with ~0.20 higher life satisfaction. Thus, the presence of a counselor can partially offset socio-economic disadvantages in terms of reported well-being. The guidance curriculum variable is also positive (β ≈ 0.055. SE = 0.018. p<0.01). This suggests that in schools where social-emotional learning or guidance is part of the weekly schedule for all students, life satisfaction tends to be higher. One interpretation is that a structured program might create a school culture more attuned to student well-being or equip students with better coping skills, thereby improving their overall satisfaction. Meanwhile, a formal orientation program for newcomers has a smaller coefficient (β ≈ 0.028) and is not statistically significant for life satisfaction in the full model (p = 0.10). This hints that orientation efforts are not directly lifting general life satisfaction, which is plausible as those programs target new students and primarily affect social integration rather than broad life outlook.

Turning to control variables in the life satisfaction model: SES has a strong positive effect (β ~ 0.20. p<0.001) as expected; female students have slightly lower life satisfaction (β ~ –0.09. p<0.001), aligning with known gender disparities in adolescent well-being. Students who do not speak the test language at home report significantly lower life satisfaction than those who do (β = –0.15. SE = 0.030. p<0.001). This is an important baseline finding reinforcing that language-minority students face challenges impacting well-being. We will later see how this gap is moderated by support. Other notable controls: having experienced bullying is associated with a large drop in life satisfaction (β ~ –0.34. p<0.001), which is intuitive and corroborates PISA 2018 findings that bullying is one of the strongest school-related negatives for well-being. Grade repetition also predicts lower life satisfaction (β ~ –0.25. p<0.001), possibly reflecting both the academic struggles and stigma tied to repeating a grade. Including reading proficiency as a control (in an extended model) yielded a small positive coefficient (higher reading scores correlate with slightly higher life satisfaction. β ~ 0.05 per 100 points. p<0.05), but its inclusion did not appreciably change the coefficients on the support variables – indicating our results on counselors and guidance are not driven by differences in student academic ability.

High Anxiety: Model 2 is a logistic multilevel model for the binary outcome of high schoolwork anxiety. For interpretability, we describe the results in terms of odds ratios (OR). The presence of a school counselor is associated with lower odds of high anxiety: OR ≈ 0.88 (β_logit ~ –0.130. p<0.01). In other words, students with access to a counselor are about 12% less likely to report extreme anxiety, all else equal. This is a meaningful reduction considering the prevalence of anxiety. It aligns with the expectation that counselors help students manage academic stress and test anxiety through coping strategies or just by being available to talk through worries. Similarly, a guidance curriculum is linked to reduced odds of high anxiety (OR ≈ 0.90. p<0.05). This resonates with the idea that integrating social-emotional learning into regular classes normalizes discussions about stress and teaches anxiety-management techniques,. thereby preventing some severe anxiety cases. The orientation program variable did not show a significant effect on anxiety (OR ~0.97. n.s.). consistent with it being more about social belonging than academic stress. Among controls: female students have much higher odds of high anxiety (OR ~1.50, indicating 50% higher likelihood than males, p<0.001), reflecting widely observed gender patterns in adolescent anxiety. Non-native language speakers also have higher anxiety odds (OR ~1.20. p<0.01), suggesting language barriers contribute to stress (perhaps due to difficulties in schoolwork or feeling of not fitting in). Low SES increases anxiety odds (OR ~1.10 per SD decrease in SES. p<0.01). Bullying victimization more than doubles the odds of high anxiety (OR ~2.3. p<0.001), underlining how detrimental bullying is to mental health. These results underscore that counselor availability and guidance programs have protective associations against some of the biggest risk factors (gender, language, bullying). although they certainly cannot fully eliminate these risks.

Sense of Belonging: Model 3 examines the standardized sense-of-belonging index. Here we see the largest impact from orientation programs: having a formal new-student orientation/mentoring program is associated with a +0.10 SD higher belonging index on average (p<0.001). This is quite plausible – such programs often facilitate peer connections and help newcomers feel welcome, which boosts overall feelings of belonging. School counselor availability also shows a positive effect (β ~ +0.05. p<0.05), albeit smaller; counselors may contribute to a supportive school climate and help students feel cared for, thereby modestly improving belonging. The guidance curriculum coefficient is positive but not significant for belonging when other supports are in the model (it was marginally significant if taken alone), perhaps because some of its effect overlaps with what orientation and counselors do in fostering community. Controls show expected patterns: female students report higher sense of belonging than males in some contexts (β ~ +0.03, not large but significant, possibly reflecting that girls invest more in social relationships at school), whereas language-minority students feel less belonging (β = –0.10. p<0.001), consistent with integration challenges. Low SES also corresponds to lower belonging (β ~ –0.08 per SD. p<0.001). These underscore again the equity concerns: disadvantaged and immigrant students feel less connected, but targeted support like orientation and counseling can help close that gap. In fact, if a school in Cluster 3 (with no formal support) were to introduce an orientation program and hire a counselor, our model predicts its average belonging index would rise by ~0.15, which is a non-trivial improvement given country-level SDs often ~0.3–0.5 on this index. This suggests that investing in such programs could significantly enhance the social integration of students.

Before delving into the causal forest, we also probed some interactions directly in the regression framework. We found evidence that the benefit of a counselor is larger for certain groups. For example. the interaction Counselor × Low SES was negative for anxiety (meaning low-SES students see a bigger anxiety reduction from counselors) and positive for life satisfaction (bigger LS boost for low SES). These interactions were statistically significant (p<0.05). Likewise, Counselor × Non-native language was positive for life satisfaction (p<0.05), indicating that the gap in LS between language minority and majority students is smaller in schools that have a counselor – consistent with our earlier descriptive remark. Figure 2 illustrates one such interaction: the life satisfaction advantage associated with having a counselor is about 0.15 for immigrant-background students versus 0.05 for non-immigrants. While the confidence intervals overlap. the trend suggests a meaningful moderation. The three-way interaction Counselor × Low SES × Non-native was also tested; it was positive in sign for life satisfaction and belonging, though due to smaller sample in that subgroup, it was marginally significant (p≈0.08). Still, the pattern aligns with compounding benefits for those facing multiple disadvantages.

3.3. Causal Inference Results (DML and Heterogeneity via Causal Forest)

Table 3 presents the estimated average treatment effects of counselor availability on the three outcomes using the Double Machine Learning approach. For life satisfaction, the DML average treatment effect (ATE) is +0.081 (in LS points, 95% CI roughly [+0.04. +0.12]). This is slightly lower than the raw regression coefficient of +0.10, suggesting that after more flexibly controlling for potential confounders, the effect size shrinks a bit but remains statistically significant. The fact that it remains positive and significant lends credibility to a causal interpretation: it indicates that even among schools and students with very similar observed characteristics, those with counselor access tend to have higher life satisfaction. For comparison, an ATE of 0.08 corresponds to approximately 4% of a standard deviation in life satisfaction – a small effect, but given it’s at population level, not negligible. For high anxiety, DML yields an ATE on the probability of high anxiety of –0.070 (approximately –7 percentage points). In terms of odds, that aligns with the earlier OR ~0.88. This suggests that having a counselor causally reduces the incidence of extreme anxiety by around 7 points (e.g., from 35% to 28% in a hypothetical scenario). This is a sizable effect in practical terms: a school counselor could potentially prevent a notable fraction of students from experiencing debilitating anxiety, which over a school’s student body is quite meaningful. Finally, for sense of belonging, the DML effect is smaller and only marginally significant: about +0.03 SD (with a p-value ~0.07). This weaker result could be because belonging is influenced by many peer-level and school culture factors that are harder to control for; still, the positive point estimate suggests counselors likely contribute positively to school climate.

An important aspect of DML is that it reduces reliance on correct linear specification by using machine learning for control variables. In our implementation, the ML models identified some non-linear relationships – for instance, the effect of SES on outcomes was non-linear (diminishing returns at high SES), and some interactions (like between SES and school average SES) were detected as relevant for predicting outcomes. By accounting for these complex patterns, DML helps ensure the counselor effect is not biased by such factors. The closeness of DML results to OLS/multilevel results here implies our earlier models were reasonably specified, and that there was not a hidden large bias. This consistency bolsters our confidence that the association between counselor availability and student well-being is not merely spurious. However, DML only controls observed confounders; unobserved factors (e.g., a principal’s pro-student attitude) could still influence both having a counselor and student well-being. We attempted to proxy some of these by including variables like school academic orientation, disciplinary climate, etc., in the ML, but one can never be certain all bias is removed.

Causal Forest Heterogeneity: Having established a baseline ATE, we now examine how this effect varies across students. The Causal Forest analysis provides two key insights: which variables are the strongest predictors of heterogeneity, and what are the effect sizes for specific subgroups of interest.

From the forest’s variable importance measures, SES (both student’s own and school average SES) stood out as the top modifiers: in numerous trees, splits on SES created the most divergent treatment effects. This indicates the counselor impact is not uniform across the socio-economic spectrum. Additionally, language background (speaking test language vs. not) featured as an important splitter in many trees, albeit behind SES and a couple of others (like prior academic performance). This suggests that language background does indeed differentiate the effect size to some extent. Interestingly, variables like gender or urbanicity did not show much heterogeneity in effects – implying that the counselor benefit is similar for boys and girls, and for rural vs. urban students, after accounting for other factors.

Quantitatively, we estimated subgroup treatment effects by averaging individual predictions:

• For students in the bottom SES quartile, the predicted effect of counselor availability on life satisfaction was about +0.15 (in LS scale). For the top SES quartile, it was near 0 (slightly negative at –0.01). For middle quartiles it was in between (~+0.05 to +0.08). This gradient is visualized in Figure 3a, which shows a clear downward slope: as SES increases, the benefit of a counselor decreases, to the point of almost zero for the most advantaged students. A plausible explanation is that higher-SES students have more support outside of school (family resources, private tutoring, therapy if needed), so the marginal value of a school counselor for them is low. In contrast, low-SES students often rely heavily on school for any kind of support; a counselor could be one of the few accessible sources of professional help, thus yielding a larger improvement in their well-being. This finding resonates with the idea of counselors as an equity intervention (Fazel et al., 2014).
• For language background, the forest indicated that students who do not speak the test language at home experience a larger positive effect: we estimate roughly +0.12 on life satisfaction for non-native speakers, versus +0.06 for native speakers. This result implies that the well-being gap associated with language background (we saw a –0.15 gap for non-native in the regression) can be partially offset by having a counselor in school. Counselors might help these students navigate language-related challenges or provide culturally sensitive support, thereby boosting their life satisfaction relatively more. Another interpretation is that schools that care to provide counselors may also be more inclusive environments, which particularly helps minority-language students feel seen and supported. While the difference in these subgroup effects (0.12 vs. 0.06) is not extremely large, it is meaningful: it suggests the relative improvement for non-native speakers is about double that of native speakers. We also examined the heterogeneity by reading proficiency (as a continuous moderator). We found a slight trend that the counselor effect is larger for students with lower reading scores than for high scorers, consistent with the idea that academically struggling (often overlapping with language issues) students benefit more in socio-emotional domains when support is present. However, reading proficiency’s effect was largely collinear with SES and language background (since those with low reading scores are often low-SES or non-native), so it is hard to disentangle. The main takeaway is that academically or linguistically challenged students have more to gain from school counseling.
• We also checked heterogeneity by gender and immigrant status. The effect for male and female students was roughly similar (~0.08 for both on LS). For immigrant students (foreign-born or second-generation) vs. natives, we saw a pattern similar to language: foreign-born students had a slightly higher estimated effect (~0.10) than natives (~0.07). However, because immigrant and language status overlap, and because we controlled for language in the forest, pure immigrant status was not as strong a moderator after accounting for language. It seems the language aspect of being an immigrant is a key driver of differential impact, perhaps more so than immigrant status per se.
• One more interesting interaction emerged with bullying status. The forest suggested that students who had experienced frequent bullying saw a larger positive effect of counselors on life satisfaction than those who had not. This makes sense – a counselor can intervene in bullying situations or help victims cope, thereby improving bullied students’ well-being substantially. Although we did not focus on this interaction in our hypotheses, it’s worth noting as it underscores the role of counselors in addressing bullying (schools with counselors might implement anti-bullying programs or provide a safe space to report incidents). In contrast, those who were not bullied (or in schools with low bullying) did not “need” that particular benefit as much.

To ensure these heterogeneity results are statistically sound, we used the forest’s built-in sensitivity analyses. The forest provides confidence intervals for group average treatment effects using a rank-weighted approach. For the SES quartile differences, the difference between bottom and top quartile was significant at p<0.01. For language background, the difference was borderline (p≈0.10), reflecting that while point estimates differ, the variability is such that we are moderately confident in the direction. We bolster the evidence for language moderation by recalling that the direct interaction in regression was significant (p<0.05). Thus, combining both, we conclude that there is credible evidence that language-minority students benefit more from counselor availability than do native-language students.

Implications of Effect Sizes: The effect sizes we found through DML and causal forest are modest in absolute terms. However, they are quite plausible given the scope of intervention. School counselors and programs are one aspect of a complex web of influences on a student’s well-being. We would not expect them to completely overturn factors like family environment, economic hardship, or innate temperament, which heavily influence life satisfaction. The fact that we detect a measurable positive effect is itself noteworthy. It aligns with meta-analyses of school-based social-emotional interventions which often find small average effect sizes (e.g., improvements of ~0.1–0.2 SD in well-being or related outcomes). In our case, an average effect of ~0.08 LS points can be seen as a baseline improvement for the average student, while for certain groups (low-SES. language minority) the improvement might be twice that (~0.15. or ~0.07 SD). One could argue this is equivalent to an intervention that, for a low-SES student, provides a boost in well-being comparable to moving their family income up by some increment (since 0.15 in LS is about 3/4 of the SES gap of 0.20 we saw).

We also underscore that the prevalence of the treatment (counselor availability) matters. In many countries, expanding counselor access from 30% of schools to, say, 100% could potentially reduce the overall incidence of high anxiety by a few percentage points and raise national average life satisfaction slightly. That might sound small, but given the large population of students, the aggregate benefits (in terms of happier, less anxious youth) are meaningful. It also likely has spillovers on academic and behavioral outcomes – though not directly studied here, better well-being can translate to improved concentration, lower dropout rates, etc. as other studies suggest (Green et al., 2020).

In conclusion. our causal-focused analyses support the main conclusions from the regressions: school counselors and related support services have a positive causal impact on student well-being. Moreover, they substantiate our claim that these services are particularly beneficial for at-risk subgroups, notably those from less advantaged socio-economic backgrounds and those facing language/cultural barriers.

4. DISCUSSION

The present study contributes to the empirical understanding of how school-based psychological support systems relate to adolescent well-being in a cross-national context. As it was proposed (i.e., Suldo et al., 2013), our results provide robust evidence that such support –particularly when institutionalized through formal counselor presence and curricular structures– is associated with improvements in self-reported life satisfaction and reductions in school-related anxiety.

One important implication of these findings is that school counseling services function not merely as reactive mechanisms for students in crisis, but as structural supports with broad preventive and developmental value. The consistent associations found across multilevel regressions and causal inference models reinforce the notion that these services should be understood as integral elements of the school environment. Their effects, while modest in absolute size, are systematically stronger among socioeconomically disadvantaged students and language minorities, pointing to their role as equalizing interventions. This held true even after adjusting for a host of background factors and using advanced methods to approximate causality. In essence, the data suggest that school-based psychological support isn’t just a “nice-to-have” add-on; it has tangible associations with students feeling more satisfied, less anxious, and more connected to their school. This aligns with prior research in single-country contexts which found positive outcomes from counselor interventions (e.g., improvements in attendance and reductions in discipline issues (Reback, 2010). Our study extends those insights globally, indicating that the beneficial role of counselors generalizes across very different education systems. Notably, our use of causal inference techniques adds weight to a causal interpretation: while we cannot prove causality beyond doubt, the consistency of the evidence (traditional regression, DML, causal forest all pointing in the same direction) and the theoretical plausibility strengthen the case that school support services lead to better student well-being, rather than simply co-occurring with it.

Our evidence is also related to studies showing immigrant youth facing adjustment difficulties (García Coll & Marks, 2012). Encouragingly, our results indicate that well-implemented school support can mitigate these difficulties. The presence of counselors and inclusive programs appears to narrow the well-being gap between native and non-native speakers. This finding is consistent with the notion that culturally and linguistically inclusive support can make a difference (Weist et al., 2005). A counselor who can communicate in the student’s home language or who is trained in multicultural counseling can help address issues of culture shock. Discrimination, or language stress that these students might experience. In the absence of support, such students might otherwise “fall through the cracks,” feeling isolated or misunderstood. Our findings underscore the need for schools to adopt an equity lens in mental health provision. It is not just about having a counselor but about having one who can effectively reach diverse student populations. This might involve hiring bilingual counselors, providing translation services, or training all staff in cultural competence. The data-backed message is clear: language capabilities matter for well-being, so support strategies must be attuned to linguistic diversity. This complements past research emphasizing positive school climates for immigrant students (Thapa et al., 2013) – for instance, Liu et al. (2024) found that immigrant youths had higher well-being in schools where students and teachers held more positive attitudes towards immigrants. A counselor can play a part in fostering those positive attitudes (e.g., through anti-bias programs or simply by being an advocate for minority students).

We often think of educational interventions in terms of academic outcomes or attainment gaps, but well-being gaps are equally important. Students from disadvantaged backgrounds typically face more stress (financial insecurity, fewer support networks. etc.), which can impair their mental health and in turn their capacity to learn. School support services can partially compensate for what low-SES students might lack in external support. Our results resonate with previous work that has advocated for more counselors in high-poverty schools. For instance, a study by the ASCA (2023) noted that high-poverty schools with improved counselor ratios saw better graduation rates and attendance than those without. Our findings add that these services also translate into students feeling better and less anxious. In practice, this argues for policy measures like funding allocations to ensure low-income schools can hire sufficient counselors or implementing nation-wide minimum counselor-to-student ratio policies that explicitly account for school SES (e.g., more counselors per student in schools serving disadvantaged communities) (Shatkin & Belfer, 2004). It also means that during budget considerations, mental health resources in schools should not be seen as expendable or peripheral – they are critical for equity.

Countries that treat student guidance and counseling as a core part of education (embedding it in curriculum and guaranteeing access in every school) had not only higher coverage but slightly better average well-being outcomes. On the contrary, where support is fragmented – perhaps left to parental initiative or unevenly distributed – well-being outcomes were worse and more unequal. This suggests a broader lesson: systematic, whole-school approaches to student well-being are likely more effective than piecemeal approaches. This aligns with educational psychology theories that emphasize school climate (Thapa et al., 2013) and whole-school well-being programs (e.g., the “whole-school approach” advocated in some OECD and UNESCO reports). When support is integrated (like mandatory life skills classes for all students), it reduces stigma – everyone is exposed to guidance, not just those who seek it. It also ensures consistency in quality. Our data showed that such integration correlated with lower anxiety at a population level. Thus, policymakers should consider not only investing in personnel but also making well-being support a structured part of schooling. That could include adding a required course on social-emotional learning, regular check-ins by counselors with each class, etc. The evidence here and elsewhere (e.g. Durlak et al., 2011 meta-analysis on SEL programs) supports the effectiveness of those strategies.

Since our data is from 2022, it also captures a time when many education systems were recovering from COVID-19 disruptions. Student well-being in 2022 was generally lower than in 2018 in many countries (OECD, 2021). This raises the stakes for support: schools are dealing with heightened levels of anxiety and lower life satisfaction among teens in the wake of the pandemic. Our findings that counselors and programs are beneficial could be even more salient in this context. It is worth noting that some countries massively expanded mental health support in schools as a pandemic response (e.g., some US states funded additional counselor hires, some European countries launched school mental health initiatives). Our cross-country data indirectly reflects some of those efforts – for instance, a country that boosted support might have moved from Cluster 3 to 2 or improved within cluster. An interesting observation is that the gap between Cluster 1 and 3 in anxiety (about 10 percentage points) might have even grown post-pandemic, given unequal resources to respond. This underscores an urgent policy implication: nations should treat student mental health as a core component of educational recovery plans. The WHO’s call to action, which highlighted mental health support in COVID responses, should translate into sustained, not just one-off, support in schools.

Our results complement and reinforce existing literature in several ways. They echo findings from PISA 2018-based research that factors like bullying, teacher support, and a sense of belonging are crucial for student well-being. We extend those by focusing on formal support structures. They also align with studies such as Agasisti et al. (2025), who using PISA 2018 data found that comprehensive career guidance programs in schools could help lessen inequalities in student outcomes – in other words, guidance can be an equalizer. We similarly find that psychological guidance equalizes well-being outcomes across SES. Additionally, our use of machine learning to estimate effects is relatively novel in education research; previous examples like Knaus (2021) used DML for different topics (music practice effects), and we show it is a valuable tool to address selection bias in observational education data. The results of DML matching OLS gives some reassurance that, with proper controls, one can recover meaningful insights even from cross-sectional surveys like PISA.

It is important to acknowledge limitations to temper our conclusions. First, as emphasized earlier, this study is based on cross-sectional observational data. Even with rigorous controls and fancy methods, there may be unobserved differences between schools with and without counselors (for example. a proactive principal or a supportive community) that we cannot fully account for. Thus, while our language often implies causality (for brevity and interpretation), one should be cautious in policy decisions; ideally, experimental or longitudinal evidence should complement this. Second, the magnitude of effects is modest. We should not overpromise what one counselor can do. Many students in our data with access to a counselor still have low life satisfaction or high anxiety – so counselors are just one part of a larger support network needed. Third, measurement issues could affect our analysis: the mere presence of a counselor (our binary variable) says nothing about the quality or intensity of counseling. Two schools each with one counselor might offer very different services if one counselor is overburdened with 500 students versus another with 200, or if one is well-trained and another is not. Our intensity measure (counselor per 1,000 students) tried to capture some of this, but data limitations remain. Also, student self-reports of well-being could be influenced by cultural response styles, which vary by country – we did include country effects to handle level differences, but subtler biases might persist. The variable “talked to a counselor” is interesting but we used it only in clustering; perhaps a more direct measure of utilization in analysis would shed more light (e.g., maybe only some students engage with the counselor, and they reap most of the benefit). Future studies might examine interactions between individual usage of counseling and outcomes.

Another limitation is our focus on formal school support; many students get help outside school (family, community, private services), which we did not measure beyond SES proxy. It it possible that in some countries with fewer school supports, families compensate, whereas in others they cannot, affecting outcomes. Finally, the generalizability to all countries or ages beyond 15 is cautionary – our analysis is specific to 15-year-olds and to those countries in PISA 2022. Some low-income countries or certain regions might not be represented if they lacked data on these constructs. We also didn’t deeply analyze differences among countries within clusters; there may be important nuances (e.g., one Cluster 2 country might have better outcomes than another due to cultural factors unrelated to support). A more granular country-by-country analysis could complement this broad stroke approach.

Despite limitations, the evidence suggests the importance of policies investing in school counselors and mental health professionals. Education authorities should consider policies ensuring that every secondary school has at least one qualified counselor or psychologist available to students. As seen, countries that have done so (like many in Cluster 1) have better outcomes. This might involve training more personnel and providing funding to hire them, particularly in underserved areas. The cost is not trivial, but the potential payoff in student well-being (and likely academic engagement) is significant, and as WHO noted, ignoring mental health has its own long-term costs.

The heterogeneity in effects observed through causal forest models underscores the importance of considering distributional impacts when designing educational and mental health policies. Standard average treatment effects may obscure substantial benefits accruing to vulnerable subgroups. These findings align with broader arguments in the literature that educational interventions should be assessed not only on overall efficacy but also on their potential to reduce disparities.

Moreover, the typological distinctions identified in the cluster analysis raise important questions regarding policy coordination and resource allocation. Countries with high levels of well-being outcomes share features beyond economic development: a policy commitment to psychological support in schools, codified implementation mechanisms, and professionalized staffing. In contrast, ad hoc or fragmented systems appear insufficient in delivering consistent benefits to students. This suggests that ad hoc or school-level initiatives, while potentially beneficial, are unlikely to yield systemic improvements without institutional support.

The timing of the data collection, in the aftermath of the COVID-19 pandemic, adds urgency to these insights. With evidence pointing to a deterioration in adolescent mental health during this period, the need for scalable, embedded support mechanisms becomes especially pressing. The role of schools as central environments in adolescents’ daily lives positions them uniquely to provide early and sustained support, particularly in the context of post-pandemic recovery.

Finally, while the analyses offer compelling evidence of the value of school-based psychological support, they also reveal limitations in current international provision. The observed variation across countries– and the large share of students lacking access to structured support– indicates a gap between policy aspiration and implementation. As such, further research and policy experimentation are needed to identify effective pathways to scale up support while preserving contextual relevance.

5. CONCLUSION

Our findings contribute new evidence to the growing international conversation about student mental health and the role of schools in supporting it. Several key themes emerge from the results:

(1) The Importance of School-Based Support for Student Well-Being: Across diverse countries, we observed that when schools have structured mental health support – especially the presence of professional counselors – students tend to fare better on important well-being measures.

(2) Language and Cultural Factors are Central: A major contribution of this paper is highlighting how language background and proficiency intersect with well-being and support effectiveness. Students who do not speak the school’s language at home are a significant vulnerable group in terms of well-being.

(3) SES and Targeting of Resources: The heterogeneity by socio-economic status was pronounced: the lower a student’s SES, the more they seemed to benefit from school support. This is a powerful result with policy implications – it suggests that investing in counselors and guidance programs can be a strategy to reduce socio-economic disparities in well-being.

(4) Integration vs. Fragmentation of Support: The cross-country comparison revealed that how a system structures its support (integrated vs. ad-hoc) is linked to overall student well-being.

Notes

* Universidad de La Laguna

** Universidad de Granada y Funcas

References

Agasisti, T., Pastor, J. M., Soler, Á., & Vicente, I. (2025). Career guidance to lessen inequalities in education: internal evidence from OECD–PISA 2018 data. Education Economics, 33(3), 399–416. https://doi.org/10.1080/09645292.2024.2343069

American School Counselor Association (ASCA). (2023). Improving Student-to-School Counselor Ratios: An Equity Lens. ASCA Policy Brief. https://www.schoolcounselor.org/getmedia/a0565224-7cc7-4119-883a-2aa900e296b6/student-to-sc-ratios.pdf

Athey, S., Tibshirani, J., & Wager, S. (2019). Generalized Random Forests. The Annals of Statistics. 47(2). 1148–1178.

Barry, M. M., Clarke, A. M., Jenkins, R., & Patel, V. (2017). A systematic review of the effectiveness of mental health promotion interventions for young people in low and middle income countries. BMC Public Health, 13, 835. https://doi.org/10.1186/1471-2458-13-835

CDC. (2021). Youth Risk Behavior Survey (YRBS) Data Summary & Trends Report 2011-2021. Centers for Disease Control and Prevention. https://www.cdc.gov/yrbs/results/2021-yrbs-results.html

Chernozhukov, V., Chetverikov, D., Demirer, M., Duflo, E., Hansen, C., Newey, W.,& Robins, J. (2018). Double/debiased machine learning for treatment and structural parameters. The Econometrics Journal, (21)1, C1–C68. https://doi.org/10.1111/ectj.12097

Cooper, G. D., Clements, A. D.,  & Holt, K. (2012). Examining childhood bullying and adolescent suicide: implications for school nurses. J Sch Nurs., 28(4), 275-83. doi: 10.1177/1059840512438617. Epub 2012 Feb 14. PMID: 22333524.

Domitrovich, C. E., Bradshaw, C. P., Greenberg, M. T., Embry, D. D., Poduska, J. M., & Ialongo, N. S. (2010). Integrated models of school-based prevention: Logic and theory. Psychology in the Schools, 47(1), 71–88. https://doi.org/10.1002/pits.20452

Durlak, J. A., Weissberg, R. P., Dymnicki, A. B., Taylor, R. D., & Schellinger, K. B. (2011). The impact of enhancing students’ social and emotional learning: A meta-analysis of school-based universal interventions. Child Development, 82(1), 405–432. https://doi.org/10.1111/j.1467-8624.2010.01564.x

Evans, G. W. (2004). The environment of childhood poverty. American Psychologist, 59(2), 77–92. https://doi.org/10.1037/0003-066X.59.2.77

Fazel, M., Hoagwood, K., Stephan, S., & Ford, T. (2014). Mental health interventions in schools in high-income countries. The Lancet Psychiatry, 1(5), 377–387. https://doi.org/10.1016/S2215-0366(14)70312-8

García Coll, C., & Marks, A. K. (Eds.). (2012). The immigrant paradox in children and adolescents: Is becoming American a developmental risk? American Psychological Association. https://doi.org/10.1037/13094-000

Green, J. G., McLaughlin, K., Fillbrunn M., Fukuda M., Jackson, J. S,. Kessler, R. C., Sadikova, E., Sampson, N. A., Vilsaint, C., Williams, D. R., Cruz-Gonzalez, M., & Alegría, M. (2020). Barriers to Mental Health Service Use and Predictors of Treatment Drop Out: Racial/Ethnic Variation in a Population-Based Study. Adm Policy Ment Health, 47(4), 606-616. doi: 10.1007/s10488-020-01021-6. PMID: 32076886; PMCID: PMC7260099.

Hoagwood, K., Olin, S., Kerker, B., Kratochwill, T. R., Crowe, M., & Saka, N. (2007). Empirically based school interventions targeted at academic and mental health functioning. Journal of Emotional and Behavioral Disorders, 15(2), 66–92. https://doi.org/10.1177/10634266070150020301

Knaus. M. C. (2021). A double machine learning approach to estimate the effects of musical practice on student skills. Journal of the Royal Statistical Society: Series A, 184(1), 282–300. https://doi.org/10.1111/rssa.12623

Kutcher, S., Wei, Y., & Morgan, C. (2015). Successful application of a Canadian mental health curriculum resource by usual classroom teachers in significantly and sustainably improving student mental health literacy. The Canadian Journal of Psychiatry, 60(12), 580–586. https://doi.org/10.1177/070674371506001209

Langford, R., Bonell, C. P., Jones, H. E., Pouliou, T., Murphy, S. M., Waters, E., …, & Campbell, R. (2014). The WHO Health Promoting School framework for improving the health and well‐being of students and their academic achievement. Cochrane Database of Systematic Reviews, 4. https://doi.org/10.1002/14651858.CD008958.pub2

Li, J., Xue, E., Zhou, W., & Zheng, Y. (2025). Students’ subjective well-being. school bullying. and belonging during the COVID-19 pandemic: Comparison between PISA 2018 and PISA 2022. Humanities and Social Sciences Communications, 12(1). Article 10. https://doi.org/10.1057/s41599-024-04340-3

Liu, Y., Maltais, N. S., Milner-Bolotin, M., & Chachashvili-Bolotin, S. (2024). Investigating adolescent psychological wellbeing in an educational context using PISA 2018 Canadian data. Frontiers in Psychology, 15. 1416631. 9;15:1416631. doi: 10.3389/fpsyg.2024.1416631. PMID: 39184945; PMCID: PMC11341991.

Loades, M. E., Chatburn, E., Higson-Sweeney, N., Reynolds, S., Shafran, R., Brigden, A., …, & Crawley, E. (2020). Rapid systematic review: the impact of social isolation and loneliness on the mental health of children and adolescents in the context of COVID-19. Journal of the American Academy of Child & Adolescent Psychiatry, 59(11), 1218–1239.e3. https://doi.org/10.1016/j.jaac.2020.05.009

Markham, W. A., & Aveyard, P. (2003). A new theory of health promoting schools based on human functioning, school organization and pedagogic practice. Social Science & Medicine, 56(6), 1209–1220. https://doi.org/10.1016/S0277-9536(02)00120-0

Murray, D. W., Rabiner, D. L., Schulte, A. C., & Newitt, K. (2008). Feasibility and acceptability of a teacher intervention to improve attention and behavior in low-income children. Child Youth Care Forum, 37, 111–126 (2008). https://doi.org/10.1007/s10566-008-9054-6

OECD. (2019). PISA 2018 Results (Volume III): What School Life Means for Students’ Lives. OECD Publishing. Paris. (Provides international data on student well-being and school climate in PISA 2018.)

OECD. (2021). The State of Global Education: 18 Months into the Pandemic. OECD Publishing. https://doi.org/10.1787/1a23bb23-en

Patalay, P., & Fitzsimons, E. (2017). Mental ill-health among children of the new century: trends across childhood with a focus on age 14. Centre for Longitudinal Studies, University College London. https://www.ucl.ac.uk/ioe/sites/ioe/files/patalay_fitzsimons_mental_ill-health_among_children_of_the_new_century_-_september_2017.pdf

Patton, G. C., Sawyer, S. M., Santelli, J. S., Ross, D. A., Afifi, R., Allen, N. B., …, & Viner, R. M. (2016). Our future: A Lancet commission on adolescent health and wellbeing. The Lancet, 387(10036), 2423–2478. https://doi.org/10.1016/S0140-6736(16)00579-1

Reback, R. (2010). Schools’ mental health services and young children’s emotions, behavior, and learning. Journal of Policy Analysis and Management, 29(4), 698–725. https://doi.org/10.1002/pam.20528

Rickwood, D. J., Deane, F. P., Wilson, C. J., & Ciarrochi, J. (2015). Young people’s help-seeking for mental health problems. Australian e-Journal for the Advancement of Mental Health, 4(3), 218–251. https://doi.org/10.5172/jamh.4.3.218

Shatkin, J. P., & Belfer, M. L. (2004). The global absence of child and adolescent mental health policy. Child and Adolescent Mental Health, 9(3), 104–108. https://doi.org/10.1111/j.1475-3588.2004.00090.x

Suldo, S. M., Gormley, M. J., DuPaul, G. J., & Anderson-Butcher, D. (2013). The impact of school mental health services on student academic and behavioral outcomes: Current status and future directions. School Mental Health, 6(2), 84–98. https://doi.org/10.1007/s12310-013-9116-2

Thapa, A., Cohen, J., Guffey, S., & Higgins-D’Alessandro, A. (2013). A review of school climate research. Review of Educational Research, 83(3), 357–385. https://doi.org/10.3102/0034654313483907

Twenge, J. M., Cooper, A. B., Joiner, T. E., Duffy, M. E., & Binau, S. G. (2019). Age, period, and cohort trends in mood disorder indicators and suicide-related outcomes in a nationally representative dataset, 2005–2017. Journal of Abnormal Psychology, 128(3), 185–199. https://doi.org/10.1037/abn0000410

Weist, M. D., Sander, M. A., Walrath, C., Link, B., Nabors, L., Adelsheim, S., …, & Paternite, C. E. (2005). Developing principles for best practice in expanded school mental health. Journal of Youth and Adolescence, 34(1), 7–13. https://doi.org/10.1007/s10964-005-1331-1

World Health Organization. (2021). Mental health of children and adolescents. World Health Organization. https://www.who.int/news-room/fact-sheets/detail/adolescent-mental-health

World Health Organization. (2022). COVID-19 pandemic triggers 25% increase in prevalence of anxiety and depression worldwide. World Health Organization News Release. 2 March 2022. https://www.who.int/news/item/02-03-2022-covid-19-pandemic-triggers-25-increase-in-prevalence-of-anxiety-and-depression-worldwide

Descarga Publicación (formato PDF)

Fecha: junio 2025

Dirección de Estudios Sociales

Alfabetización financiera, Cultura financiera, Productos financieros, España.

Desde la crisis financiera de 2008, se ha extendido la preocupación por el déficit en cultura financiera que afecta a amplios sectores de la población. Existe un consenso creciente entre organismos internacionales, reguladores y expertos sobre que muchas personas no cuentan con los conocimientos necesarios para tomar decisiones económicas bien informadas. Pero el problema va más allá: desde aquella crisis, el mundo financiero ha profundizado en su complejidad de modo tal que entender cómo funcionan los productos y servicios financieros se ha convertido en una tarea difícil incluso para quienes intentan seguirlos de cerca. La aparición de nuevas tecnologías, como las criptomonedas, ha añadido capas adicionales de sofisticación al sistema, haciendo que muchas personas sientan que el mundo financiero es un territorio hostil y arriesgado de difícil acceso.

Conocer, comprender y poder manejar conceptos financieros básicos es imprescindible para tomar decisiones informadas sobre las finanzas personales o del hogar en una economía que ofrece nuevas posibilidades, pero también riesgos emergentes. Con el propósito de conocer el grado de alfabetización financiera en España y algunos aspectos del comportamiento económico de la población, Funcas realizó el pasado mes de mayo una encuesta —por vía online y telefónica— a una muestra representativa de 1.200 personas mayores de edad. El estudio ofrece una visión actualizada sobre cómo valoran su capacidad para gestionar sus finanzas y su conocimiento y uso de distintos productos financieros. Si bien la información recogida no evalúa su conocimiento real, la autopercepción de competencias financieras constituye un indicador valioso en la medida en que refleja la seguridad con la que las personas afrontan sus decisiones económicas y las percepciones que orientan su comportamiento financiero.

1. Autopercepción de los conocimientos financieros

La información recogida pone de relieve la extensión de la percepción de falta de preparación para tomar decisiones financieras cotidianas: así lo declara más de una de cada cuatro personas encuestadas (27 %), que considera que sus conocimientos sobre cómo gestionar su dinero para tomar las mejores decisiones para sí mismo o su familia son insuficientes o muy insuficientes (gráfico 1). Esta opinión es más frecuente entre las mujeres (30 %) que entre los hombres (24 %), diferencia que se mantiene en todos los grupos de edad (gráfico 2). También se observa una relación clara e inversa con el nivel de renta: el porcentaje asciende al 31 % entre quienes viven en hogares con ingresos inferiores a los 1.500 euros mensuales, pero se reduce al 25 % a partir de los 2.000 (gráfico 3). En todo caso, llama la atención que incluso entre los hogares con rentas más altas, una proporción significativa expresa sentirse poco capacitada. Algo similar ocurre con el nivel educativo: la autopercepción de insuficiencia es menor entre quienes tienen estudios universitarios, pero sigue afectando a uno de cada cuatro (gráfico 4). Resulta especialmente llamativa la relación con la autoubicación ideológica: las personas que se identifican con posiciones de izquierda tienden a considerar más insuficiente su conocimiento financiero que aquellas situadas en la derecha del espectro político (gráfico 5).

Cuando se pregunta a los encuestados si saben lo que son algunos productos financieros, se confirma la autopercepción generalizada de escasa cultura financiera: un 35 % de las personas encuestadas declara no saber qué son las Letras del Tesoro, un 28 % no conoce las criptomonedas, un 23 % no sabe qué es un fondo de inversión y un 20 % desconoce los depósitos a plazo fijo (gráfico 6). Los planes de pensiones constituyen el producto financiero que más afirman conocer los encuestados: solo un 9 % no sabe lo que son. Con todo, los datos de esta encuesta apuntan a que el desconocimiento expresado no se limita a instrumentos complejos o novedosos, sino que atañe también a productos tradicionales y de amplia difusión.

Se encuentran también diferencias relevantes por género y edad: las mujeres tienden a declarar con mayor frecuencia que no conocen estos productos (gráfico 7). Las diferencias son especialmente llamativas en el caso de las Letras del Tesoro y los depósitos a plazo fijo. En cuanto a la edad, se observan dos patrones distintos según el tipo de producto (gráfico 8). En algunos casos, como el de los depósitos a plazo fijo y las Letras del Tesoro, el porcentaje de jóvenes que declara no conocer esos productos es muy alto, aunque disminuye con la edad y crece de nuevo, de forma moderada, entre los mayores. Este patrón, pero con cifras muy inferiores, se encuentra también en los planes de pensiones. Sin embargo, en el caso de las criptomonedas el desconocimiento disminuye con la edad de forma lineal: son relativamente pocos los jóvenes que dicen no saber lo que son, mientras que entre los mayores el porcentaje es muy alto.

El nivel educativo muestra una relación muy clara con el conocimiento declarado de los distintos productos financieros: a mayor nivel de estudios, menor es el porcentaje de personas que afirman no conocerlos (gráfico 9). Entre las personas que han alcanzado como máximo secundaria básica, el porcentaje que declara no saber qué son algunos productos financieros frecuentes es alto: el 39 % afirman no saber lo que son las Letras del Tesoro, el 36 % las criptomonedas, el 30 % los fondos de inversión, el 21 % los depósitos a plazo fijo y el 12 % los planes de pensiones. La autopercepción de desconocimiento disminuye con el nivel educativo, pero esto no impide que, incluso entre los que tienen estudios universitarios y a excepción de los planes de pensiones, sigue siendo sustancial: un 25 % no sabe qué son las Letras del Tesoro, un 18 % desconoce las criptomonedas y un 15 % los depósitos a plazo fijo.

La misma relación inversa se observa con los ingresos mensuales del hogar: el desconocimiento disminuye a medida que aumenta la renta (gráfico 10). En cambio, la asociación entre conocimiento financiero y autoubicación ideológica que sobresalía cuando a los encuestados se les preguntaba de forma genérica es menos nítida cuando se les interroga por productos concretos, aunque sigue apuntando en la misma dirección: las personas que se identifican con posiciones de izquierda tienden, en promedio, a declarar un menor nivel de conocimiento financiero que quienes se sitúan ideológicamente en la derecha (gráfico 11).

2. La inversión como destino de los ahorros

En cuanto al comportamiento en la práctica sobre cuestiones financieras, la encuesta recoge información sobre los usos a los que se destina el ahorro de los entrevistados que son cabezas de familia o sus cónyuges. Aunque esta información no permite valorar si esas decisiones fueron acertadas o no, sí ofrece una pista valiosa sobre la familiaridad, confianza o conexión de los encuestados con el mundo financiero. Solo un 8 % declara la inversión como uno de los dos principales fines de su ahorro, con notables diferencias, nuevamente, entre hombres (10 %) y mujeres (6 %) (gráfico 12). El porcentaje de cabezas de familia que declaran invertir es especialmente alto entre los más jóvenes: el 16 % de quienes tienen entre 18 y 34 años utilizan el ahorro con fines de inversión, en comparación con apenas un 4 % en el grupo de 45 a 54 años y un 5 % en el de 65 a 74 (gráfico 13). Entre los mayores, el porcentaje vuelve a crecer y alcanza el 8 % entre los de 75 años o más. Sobresale especialmente el alto porcentaje de hombres de 18 a 34 años que afirma invertir: un 26 % (gráfico 14). La educación también parece desempeñar un papel importante: el 16 % de los cabezas de familia universitarios declara invertir parte del ahorro de su hogar, frente al 7 % entre quienes tienen estudios secundarios y solo el 4 % entre quienes no han superado la secundaria inferior (gráfico 15). De forma análoga, el porcentaje de quienes invierten crece con los ingresos: solo un 4 % entre los hogares con ingresos mensuales inferiores a 1.500 euros, frente a un 15 % entre quienes superan los 3.000 (gráfico 16).

Por otra parte, se observa una relación clara con el nivel de cultura financiera autodeclarado: el 15 % de quienes consideran que su conocimiento es “más que suficiente” afirman destinar parte del ahorro de su hogar a inversión, mientras que entre quienes lo consideran “insuficiente o muy insuficiente” el porcentaje cae al 7 % (gráfico 17).

3. Conocimiento y tenencia de criptomonedas

Solo el 4 % de las personas entrevistadas declara ser titular de criptomonedas (gráfico 18). Tal y como cabría esperar en base al mayor conocimiento que declaran tener sobre el tema, este activo financiero es más común entre los hombres y los jóvenes. De hecho, el grupo que destaca con más claridad es el de hombres de entre 18 y 34 años, entre los cuales un 13 % afirma poseer criptomonedas (gráfico 19), mientras que apenas existen diferencias según el nivel educativo (gráfico 20). Sobresale, asimismo, el patrón vinculado a los ingresos del hogar: mientras que entre quienes declaran ingresos mensuales inferiores a 3.000 euros la tenencia de criptomonedas se sitúa en torno al 2 %, sin diferencias entre los distintos tramos de renta considerados, este porcentaje se eleva al 7 % entre los hogares con rentas superiores (gráfico 21). También se observa una relación con la autoubicación ideológica: las personas que se sitúan en las posiciones más a la derecha de la escala (7 a 10) declaran poseer criptomonedas con mayor frecuencia que quienes se identifican con posiciones de izquierda o centro (gráfico 22).

La encuesta recoge información adicional sobre los motivos de no tener criptomonedas para aquellos que, a pesar de saber lo que son, no las tienen (gráfico 23). La respuesta más frecuente es la falta de conocimientos financieros como para invertir en criptomonedas (29 %), seguida por la percepción de que es una inversión arriesgada (20 %), la desconfianza en su seguridad (19 %), la consideración de que no tienen suficiente dinero para invertir en ese activo (15 %) y el temor a ser estafado (12 %).

Los datos recogidos en esta encuesta permiten trazar el mapa sobre cómo los ciudadanos españoles perciben su cultura financiera. Más allá de las diferencias entre grupos sociales, la imagen que emerge pone el foco en las dudas generalizadas que expresan los ciudadanos sobre su manejo del mundo financiero, incluso en sus aspectos más básicos y entre las personas menos vulnerables. En un contexto en el que las decisiones financieras personales tienen efectos directos y acumulativos sobre el bienestar, reducir la distancia entre la ciudadanía y el sistema financiero no solo contribuye a la igualdad de oportunidades, sino también a la eficiencia y el desarrollo económico.

Descarga Publicación (formato PDF)

Fecha: junio 2025

Ignacio Ezquiaga*

Suelos vacantes, Sareb, Crisis bancaria

Resumen

El objetivo de este trabajo es reflexionar sobre un aspecto del legado de la resolución de la crisis bancaria de 2012 que creemos no ha sido analizado con suficiente profundidad: el cambio de propiedad de los suelos vacantes y su relación con la evidencia de parálisis del mercado de suelos urbanizables, interrupción de los procesos de desarrollo urbanístico y escasez de oferta de vivienda.

Sareb se diseñó en el contexto de la asistencia financiera europea como una institución al servicio del objetivo de limpiar inmediatamente los balances de los bancos cedentes, adquiriendo los activos inmobiliarios promociones y suelos, a precio razonable, con el fin de retornarlos al mercado de manera ordenada en el largo plazo. La idea que defendemos es que, en la práctica, más allá de la dificultad derivada de su complejidad jurídica y su localización atomizada, su actividad se desarrolló bajo restricciones y limitaciones financieras y de gestión muy severas –no se contempló que pudiera ampliar su capital–, por lo que el proceso de enajenación de los activos fue más lento de lo proyectado inicialmente y sesgado, lo que afectó a los suelos finalistas o urbanizables. Con una industria promotora de menores capacidades respecto a décadas anteriores, los proyectos originarios se discontinuaron. Así, muchos de los suelos todavía viables no se adaptarían a los cambios regulatorios o a las nuevas necesidades territoriales, paralizándose y contribuyendo a un excedente de suelos vacantes de consecuencias negativas sobre la valoración de la cartera de Sareb y, sobre todo, para la generación a largo plazo de nueva oferta residencial.

1. PRESENTACIÓN

La salida de los activos inmobiliarios de los balances de promotores y bancos –a partir de 2007, sometidos a gran incertidumbre sobre su valor—, fue una condición necesaria para la restauración del canal crediticio y la recuperación económica. Los intensos traspasos y saneamientos de los activos inmobiliarios desde sus originadores a nuevas instituciones poscrisis no solo tuvieron a Sareb –en la que nos detendremos en este trabajo– como protagonista. Las compras masivas realizadas por los fondos de capital riesgo también fueron relevantes, sobre todo más adelante, en el entorno de 2017. Nos interesa profundizar en el papel que los cambios en la propiedad del suelo urbanizable han podido desempeñar en la lentitud e insuficiencia con que la oferta ha reaccionado en los últimos años al aumento de la demanda de vivienda y a la crisis de asequibilidad. Es decir, buscamos añadir a la explicación del descenso de la elasticidad de la oferta un elemento que nos parece relevante. Sareb, el banco malo creado por el FROB en 2012, es una institución clave en este contexto y por eso nos detenemos en su evolución y en el análisis de su stock de suelos actual. Además de una institución fundamental en la resolución de la crisis de 2012, es un agente del mercado inmobiliario en transformación, de comportamiento trazable y generador de información relativamente transparente.

En definitiva, Sareb, como otras instituciones poscrisis, absorbieron los activos inmobiliarios, pero muchos de éstos, a dos años de extinguirse el plazo de vida concedido a Sareb (2027), no han sido retornados al mercado para ser promovidos y transformados en viviendas para hacer frente al déficit de oferta existente.

Con este trabajo pretendemos profundizar en un aspecto del estudio sobre el crédito y su relación con el mercado residencial que en Ezquiaga (2024a) dejamos apuntado, pero pendiente de desarrollo.

Partiremos de un análisis general de los suelos vacantes en España, los condicionamientos urbanísticos y el debate sobre el suelo y la parálisis de su mercado desde los traspasos de activos deteriorados –suelos y promociones en curso, además de viviendas– a la crisis financiera. Nos ocuparemos después del caso de la Sareb, cuyos activos inmobiliarios son el legado de los préstamos inmobiliarios traspasados tras su saneamiento, por una parte, del sistema bancario, en que precisó de recapitalizaciones públicas en 2012. Profundizaremos en su modelo de gestión, orientado a las ventas ordenadas y graduales. La devaluación de los activos de una cartera de activos compleja, atomizada y de localizaciones difíciles en muchos casos, pero que ha sufrido limitaciones financieras y de gestión muy severas.

1.1. El exceso de suelos vacantes y el debate sobre el suelo

Paradójicamente, la escasez de vivienda convive con una sobreabundancia de suelos urbanizables. Se trata de los suelos que fueron clasificados como urbanizables en los primeros planes municipales del siglo XXI, todavía vigentes en su mayor parte, pero cuyo desarrollo no avanza o está bloqueado. Se trata también de que muchos de estos suelos fueron objeto de un mercado hiperactivo antes de 2008 y actuaron como colaterales de una parte de los préstamos masivos a promotores durante la burbuja inmobiliaria. Otros son suelos municipales, consecuencia de la cesión gratuita del aprovechamiento urbanístico que ha venido determinando las leyes de suelo.

Cuando explotó la burbuja de precios en 2008, el mercado inmobiliario sufrió años de ajuste –con caída de precios de un 30 % en vivienda libre–, mientras absorbía las distintas situaciones en que promotores y bancos en resolución o reestructuración habían cesado el desarrollo de sus activos inmobiliarios: viviendas terminadas en venta, viviendas sin terminar, solares, suelos sectorizados en desarrollo y suelos urbanizables no sectorizados. Los precios de la vivienda dejaron de caer en 2014 para iniciar un suave ascenso que se aceleraría a partir de 2021, después de la pandemia, con la intensa recuperación económica. Hoy superan los máximos de la burbuja en las áreas más pobladas y en crecimiento demográfico y en las favorecidas por el turismo internacional.

1.2. Vivienda, suelo y planeamiento

Los análisis convencionales sobre el mercado de vivienda suelen centrarse en la configuración y dinámica de la oferta y demanda de vivienda, pero rara vez profundizan en el papel de los suelos en el mercado. Tras la crisis de 2008, muchos análisis se centraron en el stock de viviendas nuevas sin vender¹, que no son sino las viviendas en fase de comercialización y venta de los promotores. Según los datos del Ministerio de Vivienda y Agenda Urbana (MiVAU), tras la crisis, el stock llegó a ser de 649.780 viviendas (2009). A lo largo del ajuste a la baja de precios en el mercado de vivienda, esta cifra fue reduciéndose con ventas adicionales, pero tras estancarse a partir de 2010, al cierre de 2023 era todavía de 447.691 unidades.

El mercado convencional había absorbido, por tanto, una parte del stock, pero los grandes traspasos de activos desde los promotores a sus bancos financiadores hicieron que los nuevos propietarios de las empresas promotoras, que tenían los activos en venta, absorbiesen parte del stock, esperando venderlo o reorientándolo al alquiler. A lo largo de la poscrisis, la principal preocupación de los nuevos propietarios era no alimentar el descenso de precios que estaba teniendo lugar para corregir los excesos de la burbuja. Gracias a ello, el número de viviendas en alquiler ha aumentado fuertemente (un millón de viviendas, en el mismo periodo), como señalan Klametshin et al. (2024). La evidencia muestra (Leal Maldonado y Martínez del Olmo, 2023) que las viviendas vacantes han ido absorbiéndose por uno u otro mercado. Sin embargo, el stock de suelos vacantes, es decir, urbanos u urbanizables y no edificados ha seguido mostrando un excedente extraordinario desde la crisis financiera. Es difícil seguir el rastro de las viviendas vacías o alquiladas, pero aún más el de los suelos y sus cambios de propiedad estructurales, que es el objeto de este trabajo².

Según las estimaciones del Sistema de Información Urbana (SIU), elaborado por el MiVAU³, los suelos en desarrollo –urbanos no consolidados y urbanizables sectorizados– en el planeamiento vigente albergan capacidad para edificar 6,8 millones de viviendas en España. Nótese que esta cifra no incluye los suelos finalistas (urbanos consolidados). Su ejecución supondría ampliar en un 25 % el parque existente. Estos suelos vacantes se distribuyen geográficamente de forma heterogénea. Salvo en algunas ciudades —como Barcelona, que casi ha agotado ya el suelo de esta clase—, son significativos en toda España.

A partir del SIU, y dentro de esta cifra potencial de creación de viviendas, el MiVAU extrae también, como complemento analítico, la correspondiente a áreas de desarrollo en 461 municipios en los que el potencial edificatorio es especialmente relevante y coherente con el carácter residencial del municipio. Aquí la cifra de viviendas potenciales es de 2,8 millones de unidades.

En el cuadro 1 mostramos la estructura de los suelos de acuerdo con su clasificación urbanística en siete grandes ciudades.

En el cuadro 2 detallamos la estimación del SIU de las viviendas potenciales en los municipios del cuadro 1, de acuerdo con la visión actualizada por satélite del planeamiento vigente. Las diferencias entre ciudades son relevantes, distribuyéndose las 735.606 viviendas potenciales a 2023 de manera muy heterogénea. Desde el excedente masivo de Málaga o Murcia, hasta la escasez de Barcelona.

Esta evidencia nos conduce a pensar que el excedente de suelos está muy relacionado con los procesos abiertos, pero no cerrados, del planeamiento expansivo de la burbuja inmobiliaria, del que se derivó una oferta masiva de suelos urbanizables con un desarrollo posterior muy desigual. Nuestra opinión es que el grado de desarrollo ha tenido relación con las vicisitudes de los suelos y promociones no acabadas financiados en el mismo periodo y cuya propiedad cambió de manos en la poscrisis.

Es la España de los descampados, esos terrenos vacantes, abandonados en plena ciudad consolidada, reconvertidos ocasionalmente en aparcamientos para vehículos o espacios con usos espurios o circunstanciales y a cuyo paisaje nos hemos acostumbrado. Algunos son solares finalistas (urbanos consolidados) –con desarrollo completo y, por tanto, edificables de manera inmediata–, pero dominan los suelos clasificados por el planeamiento general como urbanos no consolidados o los urbanizables sectorizados en desarrollo, es decir, con elementos de su planeamiento de desarrollo sin completar, pendientes, por ejemplo, de un plan parcial o de un plan especial. Los suelos urbanizables no sectorizados, por otra parte, son los que están en una fase anterior. En ellos no se han determinado aún el número de viviendas que les corresponde, inicialmente, edificar. Los suelos no urbanizables son aquellos sobre los que pesa alguna restricción o protección delimitada en el planeamiento general.

La clasificación de un suelo en el planeamiento general y de desarrollo determina en última instancia su valor⁴, por lo que es evidente que los propietarios de suelo son agentes claramente interesados en el proceso urbanístico. En el siguiente esquema pueden consultarse las fronteras urbanísticas más relevantes: entre rústico y urbanizable; entre no sectorizado y sectorizado (entre no iniciado su desarrollo e iniciado); y el salto a finalista cuando se ha completado el desarrollo en suelos urbanizables sectorizados.

La abrumadora realidad de la masiva presencia de suelos vacantes despierta distintos análisis, con frecuencia multidisciplinarios. Es interesante la aplicación del concepto de “ruinas urbanas” que desarrollan O´Callahan y Di Feliciano (2023) y que se inscribe en casos aislados en la ciudad consolidada o el de “vacíos urbanos” que introducía Freire (2011). Como tal, su análisis tiene distintas perspectivas: una de ellas tiene que ver con la calidad urbana de nuestras ciudades, la supervivencia de usos económicos o sociales y tipologías arquitectónicas. Por ejemplo, la reclasificación de suelos rústicos en suelos urbanizables, que tuvo lugar masivamente en los últimos años del siglo pasado y los primeros años de este, supuso una revalorización de los terrenos, aun cuando no hubieran iniciado su sectorización y desarrollo. La crisis que pinchó la burbuja hizo que muchos de estos suelos, que habían sido financiados a valoraciones (como colateral) hinchadas por las expectativas sobre su futuro urbanístico, quedaran vacantes durante muchos lustros.

Para entender qué razones explican la existencia de excedentes masivos de suelos vacantes en muchas ciudades, exigiría un análisis, caso por caso, en cada municipio. No obstante, tres diferentes grupos de causas se han venido apuntando en la literatura y el debate político:

• En primer lugar, es frecuente que las bases de los planes generales que llevan en vigor muchos años hayan quedado desbordadas o superadas por nuevas realidades, ya no tengan apoyo político municipal mayoritario o incluso estén anulados en aplicación de sentencias judiciales sobre parte de los mismos. Es claro que la incertidumbre jurídica y la necesidad de inversiones que pongan en valor los suelos han hecho poco frecuentes las revisiones del planeamiento, las modificaciones o la elaboración de nuevos planes generales.
  
• En segundo lugar, hay factores idiosincráticos, entre ellos los ambientales, de los que se derivan recursos o litigios en los tribunales o en el debate local. Es relevante por ello que el Parlamento apruebe el proyecto de reforma de la ley del suelo, que flexibiliza y mejora las garantías jurídicas de los planes.
  
• La tercera razón es económica y está relacionada con el cambio de propiedad que tuvo lugar después de 2008: estos activos han sido objeto de frecuente rotación y de una litigiosidad derivada de la documentación que da soporte a la propiedad o a los instrumentos de su financiación. Tras su saneamiento después de la crisis financiera, han sido adquiridos por agentes que no existían hasta su creación o su implantación en España, pero es claro que los suelos originarios no han vuelto al mercado como estaba previsto, es decir, transformados en viviendas.

Añadiríamos otra: la sombra de la crisis bancaria y su impacto brutal en la economía han creado en la conciencia colectiva una percepción negativa respecto a la construcción residencial, en general, y culpando a la sobreabundancia de viviendas de la crisis posterior a 2008. Solo el fuerte ascenso desde 2021 de los precios de la vivienda en el alquiler y en la vivienda nueva o usada, que han dejado fuera del mercado a amplias capas de la población, particularmente jóvenes e inmigrantes, parecen haber incidido en un cambio de percepción general.

1.3. Mercado de suelo, el debate sobre la liberalización y la elasticidad al precio

Los volúmenes de transacción del mercado de los suelos urbanos (urbanos y urbanizables, según la definición de la fuente MiVAU) han evolucionado marcando diferentes etapas en su sensibilidad a los precios. La elasticidad al precio de las transacciones de suelo entre 2004 y 2024 merece algunas reflexiones. En el gráfico 1 puede contemplarse la evolución de las transacciones medidas en metros cuadrados. Después de la burbuja inmobiliaria, el mercado de suelos fue ralentizándose, hasta reducir sus volúmenes a cifras mínimas que se han prolongado, insensibles al cambio de tendencia de los precios de vivienda en cifras insignificantes.

La atrofia del mercado del suelo es coherente con el comportamiento de la producción total de viviendas. En el gráfico 2 mostramos la relación entre el volumen de transacciones en suelo y la producción de vivienda. Se trata de una relación, como era previsible, muy estrecha y positiva: los volúmenes de producción elevados están acompañados por volúmenes de compraventa en el mercado de suelos también elevados. La actividad del mercado del suelo es un indicador adelantado de la edificación residencial, ya que sin una activación previa de los suelos urbanizables que se intercambian entre los propietarios de los suelos y entre éstos, y los promotores residenciales no es posible soportar la oferta de vivienda que edifican los constructores y comercializan las agencias inmobiliarias por encargo de los promotores.

El problema, que muestra el gráfico 3, es la relación entre suelos y precios de la vivienda, es decir, la elasticidad de la oferta ha mostrado etapas muy diferentes en los últimos 20 años. Durante la burbuja inmobiliaria (2004-2008) la elasticidad fue moderada y menor que durante los años posteriores de ajuste de precios a la baja a partir de explotar la burbuja inmobiliaria (2009-2014). El episodio de crisis de asequibilidad actual (2015-2024), iniciado con un cambio de tendencia de los precios y su aceleración, sin volúmenes de transacción en suelos y con producción de vivienda, los mínimos históricos, la relación muestra una insensibilidad total a los precios de la vivienda. Obviamente, este es resultado de muchos factores.

El legado de la burbuja y de su crisis tiene en los suelos urbanizables su principal expresión. En 2004, las transacciones en euros representaban el 2,7 % del PIB, descendiendo al 0,2 % en 2012. En el año 2000, al inicio de la burbuja, el valor del suelo era el 27 % de la valoración del stock de vivienda (suelo y vuelo). Esta cifra, interpretable como un coste de repercusión medio, ascendió al 46 % en 2006 y al 45 % en 2009.

La Comisión Nacional de la Competencia (CNC, 2011) constituye uno de los organismos que más se han ocupado de la cuestión del suelo en España. Uno de sus textos clave ofrece una visión de los problemas del suelo a la luz de las tensiones entre la intervención urbanística y el mercado⁵. Aunque la CNC no cuestiona el urbanismo, por considerarlo una respuesta a los fallos de mercado, sí plantea una necesidad de que la primera frontera urbanística –entre suelos rústicos y urbanizables– no deje fuera suelos con atractivo potencial para la edificación, si no hay razones claras para que sean protegidos como no urbanizables. De hecho, defiende que la explicación de la baja elasticidad de la oferta a los precios, en comparación internacional, reside en la intervención urbanística, en la mayor o menor generosidad de esa primera frontera.

Resulta difícil defender esta tesis, tomando en cuenta la fuerte expansión de los suelos urbanizables de los planes generales de comienzo de siglo, y su traducción masiva en producción de viviendas a lo largo de la burbuja. Este incremento de la oferta gracias a las reclasificaciones masivas de suelos rústicos a urbanizables coexistió con las mayores elevaciones de los precios de las viviendas y los suelos a tasas sostenidas y extraordinarias. En Ezquiaga (2024a) hemos defendido la tesis financiera en la explicación de esta aparente contradicción. Las sobrevaloraciones de los colaterales de suelo con que se expandía el crédito en los años de la burbuja muestra que es precisamente la plusvalía de la reclasificación el origen de una inflación de precios que la euforia propia de un mercado sin controles sectoriales se encargaba de reproducir. La explosión de la burbuja y las pérdidas que de ella se derivaron para todo el sistema y para el modelo residencial provocaron un cambio estructural en el mercado y son sus agentes.

Los promotores –diezmados y en pocos casos integrados verticalmente– tienden hoy a ser unánimes respecto a la dificultad de encontrar suelos con repercusiones en el precio de salida que hagan que las viviendas resultantes sean asequibles para los distintos rangos sociales de demanda potencial. Por ello, la nueva producción de vivienda y de crédito es escasa. Los bancos ya no financian burbujas. Regulados y supervisados estrictamente tras la crisis bancaria, exigen ventas significativas sobre plano. Los promotores no encuentran suelos que impliquen un coste de repercusión asequible para la demanda potencia media –y menos para los nuevos hogares– y orientan la edificación a la gama alta de sus potenciales compradores.

Cabe pensar que una mezcla de abandono de la gestión de suelos y de sobrevaloración en libros pueden explicar la sobreabundancia de suelos vacantes, concentrados en las instituciones de la crisis y en ayuntamientos que han preferido otros usos menos demandantes de financiación, dos décadas después.

Aquí nos ocuparemos de rastrear su trayectoria desde los balances bancarios hasta las instituciones derivadas de la crisis financiera, como Sareb –en la que nos detendremos después– o los fondos de capital riesgo internacionales y de su relación con la producción de vivienda.

El cambio en la estructura de la propiedad de los suelos urbanizables durante la burbuja inmobiliaria y, después, durante la crisis bancaria que se prolongaría desde 2008 hasta 2018, en nuestra opinión, es relevante en la explicación de la escasez actual de vivienda y su elevado precio.

Tres son las fases de este traspaso masivo de activos:

• En una primera fase, hasta 2012, del traspaso masivo de los llamados activos tóxicos –propiedades o colaterales de los préstamos inmobiliarios– desde los promotores que los estaban desarrollando a los bancos que los habían financiado, con los correspondientes deterioros y ajustes de valoración.
  
• Después, un conjunto de activos es transferido entre 2012 y 2013 a la Sareb por los bancos –herederos de las cajas de ahorros— que entraron en el perímetro de la asistencia financiera europea, como condición mandataria para ser reestructurados o liquidados.
  
• En una tercera oleada, impulsada en el entorno de 2017, año de la caída del Banco Popular, los traspasos voluntarios de exposiciones inmobiliarias ya saneadas se materializan, fundamentalmente, desde los bancos privados a los fondos internacionales especializados en inversión inmobiliaria. Estos adquirieron entre 2011 y 2024 activos y préstamos con subyacente inmobiliario, por más de 260.000 millones, algo más que el doble que Sareb.

Creemos que estos traspasos masivos son relevantes porque operan un cambio estructural en el mercado residencial, particularmente el de suelos urbanizables, lo que coincide con el largo periodo en que estos activos han estado vacantes o vacíos.

• Sustituye una base local y nacional de promotores que había alcanzado cifras de producción históricas en la burbuja, por unos pocos grandes tenedores, con una estructura concentrada, orientada a resultados contables, alejada de la demanda y con escasa capacidad para adaptar precios, dado que han adquirido sus carteras a determinado coste.
  
• El papel de los servicers, que ya había comenzado con la Sareb, se generaliza de la mano de los fondos internacionales

Después de 2008 el stock de viviendas sin vender fue gradualmente absorbido en el mercado, en parte gracias a la expansión del mercado de alquiler, mientras el flujo de producción de nuevas viviendas se reducía a mínimos históricos, pero ¿qué ocurría con los suelos, la base de la oferta futura de nuevas viviendas?

2. EL CASO DE LA SAREB

La Sociedad de Gestión de Activos Procedentes de la Reestructuración Bancaria, S.A. conocida como Sareb, es la compañía de gestión de los activos inmobiliarios que debían salir del balance de las entidades cedentes, es decir, las sometidas a resolución o que iniciaban su reestructuración como consecuencia de la crisis bancaria y de la asistencia financiera europea de 2012⁶ cuyo peso de balance era aproximadamente un tercio del conjunto del sector bancario.

Su función única y exclusiva fue la limpieza masiva de los balances de las entidades que iniciarían su resolución –para ser absorbidas por otras– o su reestructuración –para seguir en solitario hasta poder devolver las ayudas–. Se le encomendó la recepción, gestión o enajenación de casi 200.000 activos, con 106.076 millones de euros de valor bruto contable. Se trataba de préstamos e inmuebles constitutivos de la cartera de riesgo inmobiliario (las viviendas terminadas sin vender o desahuciadas y las no terminadas de promociones en curso y suelos en distintas fases de desarrollo y en localizaciones por todo el país) de las ocho entidades cedentes. Sareb debía hacer frente a la carga de los bonos emitidos para financiar la compra de los activos y de la deuda subordinada constituida en su nacimiento.

Los bonos recibieron el aval del Estado y fueron suscritos por las entidades cedentes de activos, como contrapartida de la cesión, con el fin de limpiar el riesgo original y mejorar al tiempo la liquidez del activo, ya que la deuda avalada fue considerada activo elegible como colateral de las operaciones de inyección de liquidez del Banco Central Europeo (BCE), otorgándola un trato equivalente a la deuda pública. Sareb quedó constituida con unos fondos propios (capital más prima de emisión) de 1.200 millones de euros y una deuda subordinada contingentemente convertible de 3.600 millones de euros. FROB suscribió inicialmente el 45 % de las acciones y el 45,9 % de la deuda subordinada, manteniéndose la mayoría privada hasta 2022.

La vida máxima otorgada a Sareb estaba definida desde su constitución: un plazo de 15 años –que entonces parecían suficientes para liquidar la cartera– que concluye en 2027. La trayectoria de Sareb, sus resultados y su papel en el mercado inmobiliario han hecho que el Gobierno haya anunciado recientemente la integración –la forma jurídica que todavía está en estudio– en un nuevo instrumento de política de vivienda constituido a partir de SEPES: la empresa pública estatal de suelo y vivienda.

El stock actual de vivienda y suelo en posesión de Sareb, que analizaremos al final de este trabajo, es resultado de sus condicionantes, de su constitución en 2012 y de la trayectoria posterior en un entorno poscrisis financiera.

a) Un instrumento de resolución orientado a la desinversión en el largo plazo

La misión de Sareb fue definida en el Real Decreto 1559/2012, de 15 de noviembre, por el que se establece el régimen jurídico de Sareb, que en su art. 17, lo define así:

“El objeto exclusivo de la Sareb será la tenencia, gestión y administración directa o indirecta, adquisición y enajenación de los activos”,

figuren estos en los balances propios o en el de sus sociedades participadas.

El Memorando de Entendimiento (MoU) había definido con claridad el objetivo buscado con la creación de Sareb en el contexto de la asistencia financiera de 2012:

“…es fundamental dar una respuesta efectiva a los activos heredados, procediendo a una clara segregación de los activos deteriorados. Esto disipará todas las dudas que puedan quedar sobre la calidad de los balances bancarios, permitiendo a estas entidades realizar con mayor eficacia su labor de intermediación financiera” (punto 8 del MoU).

Es decir, el objeto social de Sareb limitaba su actuación y capacidad de crecimiento, transformándola en una sociedad enfocada en la pura desinversión de los activos recibidos de cada entidad cedente. Así, la prioridad fundacional de la gestión parecía bascular, desde el principio, más hacia su rol como instrumento de resolución que como entidad involucrada en la culminación de las transformaciones de los suelos o de su intervención en un mercado como el residencial acuciado entonces por un excedente de activos muy relevante (ver Ezquiaga, 2024a).

Asimismo, Sareb debía desinvertir sus activos bajo un apoyo a los procesos de reestructuración o resolución de entidades de crédito:

• Contribuir al saneamiento del sistema financiero adquiriendo los activos correspondientes, de forma que, desde su transmisión, se produjese una traslación efectiva de los riesgos vinculados a estos activos.
  
• Minimizar los apoyos financieros públicos, limitando el coste para el contribuyente. Satisfacer las deudas y obligaciones que contraiga en el curso de sus operaciones.
  
• Minimizar el impacto en la economía y las posibles distorsiones en los mercados que se pudieran derivar de su actuación (principalmente el inmobiliario y el bancario).
  
• Enajenar los activos recibidos, preservando su valor dentro del plazo establecido para el que fue constituida y optimizando los niveles de recuperación: “La entidad gestionará los activos con objeto de realizar su valor a largo plazo” (punto 22 del MoU).

En definitiva, debía desinvertir tratando de no agudizar las condiciones extremas en que se estaba desenvolviendo el mercado inmobiliario desde 2008, con caídas de precio, muchas veces forzadas, y sobreabundancia de activos, que podían afectar negativamente a la recuperación del sistema bancario. De alguna forma, la Sareb contribuía con su aparcamiento y venta ordenada de activos a frenar o moderar las caídas del mercado inmobiliario. Sin embargo, este criterio siguió preponderando más allá de 2014, cuando en realidad los activos empezaban a ser absorbidos y las condiciones del mercado habían comenzado a suavizarse.

A ello hay que añadir que este enfoque llevó a la Sareb a una gestión residual y de peso marginal de la inversión en sus inmuebles. El desarrollo de los suelos financiados o de propiedad directa de su balance y la rehabilitación de viviendas, elementos esenciales de una empresa inmobiliaria, no han tenido en Sareb un papel relevante.

b) Reglas contables y ritmo de ventas

El Banco de España determinó el valor de los activos definidos en el perímetro a traspasar, constituyendo este el precio de traspaso⁷. El precio determinado fue de 50.780 millones de euros, un 52,6 % del valor bruto contable de los activos (que ya heredaba los deterioros realizados en origen por las entidades cedentes). La metodología usada tenía limitaciones de profundidad y alcance, dada la premura con que en 2012 se desarrolló la asistencia europea.

Un primer hito contable que destacar es la publicación de la Circular del Banco de España 5/2015, de 30 de septiembre, que desarrolla las especificidades contables de Sareb y concretamente la metodología de valoración de sus activos⁸, elemento básico de análisis, por ser un condicionante de la gestión.

La primera aplicación de los criterios de valoración de la circular se realizó en el cierre contable del ejercicio 2015, de acuerdo con un calendario para su aplicación entre ese año y el siguiente. Desencadenó una valoración individual de todos los activos de la Sareb, permitiendo el neto de plusvalías y minusvalías en cada unidad de activos, inmobiliarios y financieros. De acuerdo con el criterio contable aplicable a la Sareb, este deterioro debía registrarse con cargo a la cuenta de pérdidas y ganancias. Las minusvalías latentes derivadas del mark to market pronto consumirían los fondos propios, haciendo necesaria la conversión en capital de la deuda subordinada. Por lo tanto, la Junta General de Accionistas del 5 de mayo de 2016 convirtió 2.170 millones de euros de los 3.600 millones iniciales de deuda subordinada en capital social. Así, los fondos propios de Sareb pudieron recuperarse, alejando el abismo de los fondos negativos y ascendiendo a 2.380 millones de euros, de los que 300 eran capital social, 650 reservas indisponibles y 1.430 el saldo vivo de la deuda subordinada restante.

El siguiente hito contable con consecuencias para la gestión fue la posterior publicación del Real Decreto Ley 4/2016, de 2 de diciembre, de medidas urgentes en materia financiera, que cambió el esquema de registro de las minusvalías latentes derivadas de la valoración de los activos. Esta modificación estableció que el registro de los ajustes por valoración se realizara desde 2016 con cargo al patrimonio neto de la sociedad y no contra resultados en forma de provisiones por deterioro. Con este cambio del modelo financiero se retardaban los impactos de las minusvalías latentes de los activos hasta su venta, momento en que pasaban a resultado neto. En el cuadro 3 puede contemplarse el ascenso de los de los ajustes por valoración a lo largo de toda la vida de Sareb.

Registrar las minusvalías en ajustes de valoración –cargándose contra patrimonio neto– permitía que no afloraran ni en resultados ni en fondos propios hasta su enajenación, pero no evitaba ni el proceso de gradual deterioro de los activos ni la tendencia de la compañía a reducir sus fondos propios conforme se ejecutara su objetivo de ventas. Además, este cambio de modelo contable tenía efectos sobre la gestión, al desincentivar las políticas que hubieran podido reducir las minusvalías latentes, toda vez que las ventas se confundían en la cuenta en un impacto neto con las minusvalías afloradas con las mejoras que se hubieran podido conseguir invirtiendo en los activos. Al retardar el impacto de las minusvalías en resultados, el FROB y el resto de los accionistas ganaban tiempo para no tener que ampliar capital. Si se hubiera mantenido el criterio que cargaba contra resultados las minusvalías latentes, la Sareb hubiera tenido que plantearse incrementar capital y, seguramente, una transformación de su balance y de su actividad. En este contexto, es evidente que el ritmo de ventas se vería ralentizado y en la inversión necesaria para promover suelos o rehabilitar viviendas acotada a mínimos.

No solo los resultados por ventas jugaban contra los fondos propios. La cuenta de explotación corriente de la Sareb, tensionada por fuertes gastos de mantenimiento de los activos y los costes de financiación –los bonos avalados– de un balance extremadamente apalancado. La Sareb cubrió sustancialmente⁹ este pasivo en 2013, pasando de pagar con referencia bonos de amortización a uno, dos y tres años, a pagar un tipo fijo mediante swaps de tipos de interés. A largo plazo, esta cobertura se convertiría en un lastre adicional durante la larga etapa de tipos muy bajos que la política monetaria determinó en la zona del euro.

Como consecuencia de todo ello, los fondos propios se habían reducido a 230 millones de euros en el ejercicio 2019, con el consiguiente riesgo por parte de sus accionistas de enfrentarse a la necesidad de ampliar capital, de seguir la tendencia así.

El tercer hito relacionado con el modelo financiero de la Sareb, el Real Decreto-Ley 6/2020, de 10 de marzo, eximió a ésta de la aplicación del artículo 363.1.e) del texto refundido de la Ley de Sociedades de Capital¹⁰, alejando este riesgo. Los fondos propios entran en terreno negativo ya sin consecuencias sobre la continuidad de la sociedad y a lo largo del año 2021 se produce la efectiva conversión de los 1.430 millones de deuda subordinada, que todavía estaban vivos, en fondos propios.

Al cierre de 2023, los fondos propios de la Sareb eran negativos en 4.744 millones de euros. Al final del primer semestre de 2024, las necesidades de deterioro ascendían a 9.020 millones de euros, 843 millones menos que al cierre de 2023 por la afloración a resultados de los ajustes por valoración de los activos enajenados. El resultado del semestre fue negativo en 1.237 millones de euros.

En su evaluación de la gestión de la crisis bancaria española para el BIS, Baudino et al. (2023) señalan que las valoraciones de activos llevadas a cabo en 2015 y los años siguientes, así como la evolución de las ventas de la Sareb, han puesto de manifiesto que los precios de transferencia de muchos de los activos “no fueron especialmente conservadores”. Si bien el precio de transferencia se situó en un “nivel intermedio entre el escenario base y el escenario adverso del diagnóstico, los valores de mercado siguen estando mucho más cerca de este último escenario”. En particular, según estos autores, una elevada proporción de los activos transferidos, principalmente préstamos, “no pudieron beneficiarse de la mejora del mercado porque, debido a su pésima calidad, no eran comercializables en casi ninguna circunstancia relevante”.

Además, el marco contable podría haber contribuido, como hemos visto, junto a la obvia complejidad del legado a gestionar, a la ralentización del proceso de desinversión. El trabajo citado destaca que el contexto contable podría haber generado incentivos para que la Sareb se centrara, al menos hasta 2020 –cuando Sareb queda fuera del artículo 363.1e de la ley de Sociedades de capital–, en vender exclusivamente aquellos activos cuyo precio de mercado estuviera por encima del precio de transferencia. Según los autores, el RDL 6/2020, de 10 de marzo, contribuyó a que la empresa “cambiara su estrategia de venta y comenzara a vender todos los activos”, independientemente de si el precio estaba por encima o por debajo del valor de la transmisión originaria.

La visualización de la cartera bruta de ajustes que hemos estimado y mostramos en el gráfico 4 parece dar la razón a este argumento. A partir de 2017 se observa una ralentización de la caída de la cartera bruta y de la deuda avalada viva, que revierte a partir de 2021, si bien se trataría de un impacto marginal.

Se trata, en nuestra opinión, de un debate relevante, pero también parcial. El contexto institucional de la Sareb –la coexistencia de accionistas privados y públicos–, marcó siempre, y no solo después de 2020, una actitud aversa a la realización de pérdidas, en la que los accionistas fueron siempre reacios a la aportación de nuevo capital que se hubiera precisado para reponer fondos propios, pero sobre todo para invertir en los activos con el fin de preservar su valor mediante actuaciones más significativas de desarrollo y promoción de suelos o de rehabilitar o terminar sus viviendas. En definitiva, es la resistencia para hacer de la Sareb un instrumento proactivo en el mercado inmobiliario, capaz de poner el foco en las viviendas o en su capacidad para edificarlas sobre sus suelos como forma de retornar los activos al mercado del que los extrajo para limpiar los balances de los bancos. Esta es la verdadera razón que, en nuestra opinión, explica también un ritmo de ventas que no hacía, sino retroalimentar el deterioro de los activos.

Esta situación condenó además a la Sareb a cierto aislamiento respecto a lo que hubiera podido constituirse como una política de cooperación entre stakeholders para generar o regenerar nuevas oportunidades en las localizaciones del activo, dado el espectro espacial amplio y diverso de las localizaciones de los inmuebles.

c) Conflictos de interés y dilema existencial

Un último elemento fundacional que interesa revisar tiene relación con el conflicto de interés al que la Sareb ha tenido que enfrentarse desde su origen como consecuencia de ser una entidad privada con un mandato público como instrumento de resolución, detentar mayoría privada y bancaria en su capital en su nacimiento y un papel esencial en el mercado inmobiliario por su tamaño. Con la finalidad de evitar un potencial impacto de su actividad en el sector de las administraciones públicas, la Sareb se constituyó con mayoría de accionistas privados –los bancos no apoyados por la recapitalización pública, pero también tenedores de riesgos inmobiliarios muy relevantes– y sujeta al ordenamiento jurídico del sector privado. El funcionamiento interno de las decisiones, su supervisión en el consejo y su control, incluida la externalización en el Banco de España de la valoración de los activos, constituían un complejo equilibrio de pesos y contrapesos en respuesta a la necesidad de mitigar estos conflictos.

No es hasta 2022, casi diez años después de su creación, que con el Real Decreto-Ley 1/2022 de 18 de enero se realizan dos cambios en la naturaleza de la Sareb, que implican cambios estructurales en sus principios fundacionales:

• La eliminación del límite de la mayoría al peso del Estado en el capital, lo que ha permitido al FROB elevar su peso hasta el 50,14 % actual, la mayoría, por lo que su régimen de contratación y todas sus reglas de funcionamiento pasaron a ser las propias de una empresa pública.
  
• Se completa el objetivo fundacional de desinversión de los activos con los principios de sostenibilidad y utilidad social, elevándolos en la jerarquía de la gestión sobre el ámbito de la responsabilidad social corporativa (RSC) en que habían estado desde el inicio de la actividad.

Las fuertes pérdidas acumuladas por la Sareb y su consecuente desequilibrio patrimonial, que hubiera precisado de unas ampliaciones de capital que sus accionistas privados o públicos no quisieron realizar, hicieron que finalmente se reclasificara su contabilización en las Cuentas Nacionales¹¹ desde el sector privado al sector de las administraciones públicas¹². Los bancos privados han seguido presentes en el capital, pero los cambios en el consejo de administración, representado ya por miembros adscritos de la mayoría estatal, muestran el nuevo perfil.

La Sareb es un caso claro de las dificultades que sufre toda institución para atender a objetivos en parte contradictorios. Por una parte, es un instrumento de resolución bancaria, pero también es uno de los principales actores del mercado inmobiliario y residencial en España y un instrumento de claro potencial para su estabilidad y para la política de vivienda. Es lo que llamaremos su dilema existencial.

No es extraño que la naturaleza de la Sareb esté nuevamente en cuestión, en esta ocasión de manera integral. El proyecto de creación de una sociedad de vivienda estatal, que absorbería la actual Sepes se convertiría en el brazo ejecutor de las políticas del gobierno central en materia de vivienda y en apoyo de administraciones de menor capacidad. Esta sociedad desarrollará de forma integrada todas las actividades relacionadas con la vivienda: suelo, promoción y gestión de los alquileres y ha abierto un periodo de análisis sobre la posibilidad de que absorba los activos –e incluso la entidad— de la Sareb¹³.

2.1. Actividad y evolución de la cartera

El deterioro realizado en 2013 por la Sareb en su cuenta de resultados ascendió a 259 millones de euros, lo que da cuenta del sesgo optimista con que la sociedad hacía frente a unos desafíos sin precedentes, en un contexto de gobernanza que debía alcanzar equilibrios difíciles. La actividad de la Sareb se ha desarrollado, además, en el contexto del desolado mercado inmobiliario poscrisis:

• con claras carencias de tipo industrial en el sector de la promoción privada, por causa de reducción del tamaño y la cobertura geográfica de las empresas si comparamos con 2006, y casi sin producción de nuevas viviendas;
  
• en ausencia casi total de promotores públicos;
  
• con escasas experiencias en el alquiler residencial como industria a largo plazo, ni en el sector privado –a pesar de las Socimi– ni en el público;
  
• sin liquidez en las transacciones sobre suelos y ausencia de agentes orientados.

En esas condiciones, frente a una estrategia de creación de valor como la planteada por la Sareb en sus inicios en 2013, el objetivo desinversor –respaldado fundacionalmente en el MoU– ha sido el foco de una versión en la que los servicers¹⁴ han resultado un apoyo clave. Este modelo de gestión, centrado en la venta y no en el valor, ha condenado a los activos –y al conjunto del mercado inmobiliario en proporción a su peso e influencia– a un proceso de deterioro y pérdida de valor, alargándose la gestión –hasta el mismo límite de 2027– y acumulándose una situación que hubiera exigido cambios en la naturaleza jurídica de la entidad para garantizar el retorno de los activos al mercado.

Dos son las grandes unidades de la Sareb:

• La cartera de activos inmobiliarios (REO), que tiende a descender por las ventas y a aumentar por las transformaciones de préstamos que tenían esos activos como garantía.
  
• La cartera de activos financieros, que se reduce por las adjudicaciones, las daciones en pago o las ventas.

A lo largo de la vida de la Sareb, los préstamos en valor neto se han reducido desde 39,4 mil miles en origen a 8,8 mil millones de euros a mitad de 2024. En paralelo, los activos inmobiliarios en valor neto han aumentado desde los 11,3 miles de millones hasta 14,3 miles de millones en el mismo periodo.

En conjunto, la cartera se ha reducido un 54,5 % en valores contables brutos, con la consiguiente reducción del saldo de deuda avalada. El saldo de bonos avalados se ha ido amortizando desde un saldo vivo de 50.781 millones en origen hasta 30.526 millones en la mitad de 2024, últimos datos publicados por la Sareb. El conjunto de las carteras brutas ha pasado de unos ajustes por valoración negativos del 3 % en 2013 al entorno del 30 % en los tres últimos años, a pesar de la venta de activos, la realización de pérdidas en resultados con la consiguiente absorción de la deuda subordinada y de los fondos propios, y la reducción consiguiente de la cartera a la mitad. De ello cabe inferir que, a lo largo del periodo, las ventas ejecutadas, con haber generado pérdidas relevantes, han dejado en balance los activos con mayor impacto de ajustes por valoración.

Más recientemente, desde 2022, la Sareb ha definido tres estrategias paralelas en relación con sus activos:

• Cartera para desinversión: incluye los activos financieros e inmobiliarios cuya estrategia es la venta inmediata para desinversión. Se incluyen en esta área de actividad los activos residenciales, los cuales están compuestos principalmente por viviendas asequibles que se ofrecen a la venta a clientes particulares y por canales minoristas. En este sentido, en 2022, más del 90 % de las viviendas vendidas de la cartera para desinversión lo fueron a particulares, con un precio medio de 97.000 €. Adicionalmente, la Sareb pone a disposición de las administraciones públicas locales y regionales dicho parque de viviendas para su adquisición para que, de este modo, puedan aumentar su parque de vivienda social y asequible.
  
• Generación de valor: esta actividad se centra en el desarrollo urbanístico y la promoción inmobiliaria (incluyendo la terminación de obras paradas) sobre activos inmobiliarios, con el objetivo de incrementar su valor para maximizar su recuperabilidad mediante su venta ordenada.
  
• Vivienda asequible y social: nuevo modelo de gestión de los activos de Sareb, dirigido a familias vulnerables que habitan actualmente en las viviendas de Sareb, que contempla su acceso a un alquiler social o asequible con el acompañamiento a las familias de un Programa de Acompañamiento Social y un Plan de Inserción Laboral. Se estima que las viviendas bajo este modelo de gestión podrían alcanzar hasta las 13.000 unidades.

La primera y tercera línea se refiere a viviendas terminadas, mientras la segunda se corresponde con suelos y vivienda sin terminar.

2.2. El stock de activos a 2024

En este capítulo exponemos las cifras correspondientes a cierre de noviembre de 2024, resultantes de la petición realizada por el autor para este trabajo, por la vía de transparencia, y atendidas por la Sareb en la parte que ha considerado que no afectan a su negocio. Es relevante recordar que se trata de activos –viviendas o suelos– que son propiedad directa de la Sareb o garantía (colateral) de préstamos concedidos originariamente por los bancos cedentes.

2.2.1. Viviendas

El balance de la Sareb recoge viviendas terminadas o no y en tenencia directa o como colateral de préstamos, con el desglose que exponemos a continuación.

a) En el activo inmobiliario

El número de viviendas terminadas en tenencia directa se eleva a 38.316 unidades. De ellas, casi 11.000 están alquiladas, 15.291 están en proceso de venta (vacías), 3.500 están ocupadas por ocupantes que no pueden considerarse vulnerables en el sentido legal y 3.312 por ocupantes vulnerables en proceso de convertirse en alquileres sociales.

El detalle de los diez primeros municipios en localizaciones es el que se muestra a continuación:

El detalle de viviendas iniciadas y sin terminar –14.196 unidades– en los diez principales municipios es el siguiente:

b) Colateral de préstamos vivos

Las viviendas terminadas en poder de antiguos promotores prestatarios a los que la Sareb mantiene sus préstamos son 32.480 unidades, con el siguiente desglose por municipios:

En cuanto a las viviendas sin terminar en las mismas circunstancias, la cifra es menor y se eleva a 4.308 unidades, desglosándose de la siguiente forma:

2.2.2. Suelos

Clasificamos aquí los suelos según su situación urbanística y su situación en el balance de la Sareb, como activo inmobiliario o como colateral o garantía de un préstamo vivo.

a) En el activo inmobiliario

Los suelos sin sectorizar, urbanizables, pero para los que el planeamiento de desarrollo no determina todavía el número de viviendas edificables proyectado, en el activo inmobiliario. En el cuadro 9 mostramos el número de activos y su superficie total en m².

Los suelos sectorizados que la Sareb posee en el activo inmobiliario se elevan a 4.054 activos. Su número de viviendas potencial, determinado por el planeamiento ya aprobado, permitiría –de ejecutarse– edificar 43.610 viviendas. El desglose por municipios –los diez primeros en número de suelos y el resto– puede consultarse en el cuadro 10.

En cuanto a los solares en el activo, los suelos finalistas, con el planeamiento de desarrollo completo y a falta de licencia municipal, permitirá edificar 71.181 viviendas. Se trata de una cifra significativa.

b) Como colateral de préstamos vivos

Los suelos no sectorizados que son colateral de las operaciones de préstamo vivas suponen 3.659 activos, con el detalle por municipios del cuadro 12.

En cuanto a los suelos sectorizados, para los que el planeamiento sí estima un número de viviendas edificables, Sareb no dispone de datos, más allá de los que recogemos en el cuadro 13.

Esta misma no disponibilidad de datos de viviendas potenciales afecta a los suelos finalistas que actuan como colateral de préstamos. En el cuadro 14 recogemos el número de solares finalistas por provincias.

3. EL POTENCIAL DE OFERTA DE VIVIENDA DEL BALANCE DE LA SAREB: UNA ESTIMACIÓN

El balance de la Sareb no solo contiene viviendas terminadas. Sabemos que el stock actual de activos de la Sareb está formado por viviendas y suelos, directos o financiados, que representan una gran potencia de edificación de viviendas, que va más allá de las cifras que se derivan de la observación directa: algo más de 200.000 viviendas (cuadro 15), lo que representaría aproximadamente dos años de producción de viviendas nuevas, al ritmo actual de construcción residencial en España. Esta es ya una cifra que mostraría la relevancia de la Sareb en el mercado inmobiliario.

Bajo esta estimación se incluyen las viviendas terminadas existentes, que se elevan a 71.000 unidades, algunas ya alquiladas y otras en venta; las viviendas sin terminar, unas 14.000; las edificables en los suelos sectorizados, cuyo número alcanza casi 44.000 unidades, y las potenciales de los suelos finalistas directos, que se elevan a 71.000 viviendas. Este cómputo indica viviendas potenciales, cuya ejecución dependerá de diversos factores, entre los que cabe suponer que la inversión en el desarrollo de los suelos es uno de ellos. No incluye ni los suelos financiados, para los que Sareb no ha publicado las viviendas determinadas en el planeamiento en desarrollo, ni los suelos no sectorizados.

Para obtener una estimación más amplia de los suelos urbanizables, añadimos al cuadro 15 una estimación de las cifras que la completarían:

• Los suelos en tenencia directa no sectorizados, sobre los que lógicamente no es posible tener cifras de viviendas potenciales, extrapolando tanto su proporción residencial, que la Sareb no publica, como una edificabilidad potencial a partir de la evidenciada en los suelos sectorizados, según la Sareb.
  
• Así como todos los suelos financiados, para los que la Sareb no ha proporcionado cifras, haciendo el mismo ejercicio tentativo.

Tal es el ejercicio que recogemos en el cuadro 16. El potencial de transformación de suelos urbanizables en viviendas y las viviendas existentes se situarían en algo más de 400.000 viviendas, equivalente a unos cuatro años de construcción residencial en los volúmenes actuales, el doble que la estimación parcial del cuadro 15.

A pesar de su actividad en los últimos trece años, la Sareb mantiene aún un amplio stock de viviendas y de suelos en desarrollo –en propiedad o como colateral de préstamos vivos– que estaría indicando que:

1. El balance actual estaría sesgado hacia suelos: muestra una proporción relativamente menor de viviendas terminadas en alquiler y muestra una exposición a los proyectos financiados elevada. Esta conclusión es coherente con el análisis realizado aquí sobre la relevancia de las limitaciones financieras y de gestión del modelo de sociedad y de gobernanza fundacionales.
   
2. Cifras entre 200.000 y 400.000 viviendas, sumando las reales y las edificables potenciales, muestran que, más allá de una entidad clave en la resolución de la crisis bancaria, LA Sareb detenta un potencial significativo de la oferta futura de vivienda. La reorientación de los objetivos de la Sareb sería relevante en la generación de una oferta de vivienda asequible para amplias capas de nuevos hogares en toda España.
   
3. La localización de este potencial abarca toda la geografía española, aunque en proporciones distintas a las que describiría una distribución proporcional de la emergencia en vivienda. No obstante, es claro que en un contexto de políticas de reindustrialización y reequilibrio territorial algunas localizaciones resultarían muy útiles.

No hay que olvidar que todos estos activos eran, antes de explotar la gran burbuja inmobiliaria, garantía de préstamos promotor o activos de empresas promotoras embargados en procedimientos concursales, es decir, eran objeto de proyectos reales, suspendidos durante la crisis financiera por falta de liquidez y por la quiebra de sus promotores por caída del precio respecto a los niveles inasequibles de la burbuja. El efecto de la crisis en ellos fue el de interrumpir el planeamiento de desarrollo de los suelos.

El modelo fundacional de la Sareb, con sus limitaciones en capital y su escasa capacidad de inversión, ha hecho que estos proyectos se desvaloricen, al hacer imposibles las quitas y las inversiones adicionales necesarias para reactivar y cargar los suelos traspasados. La causa hay que buscarla, tanto en las limitaciones internas de la Sareb, que hemos venido analizando aquí, como las derivadas de un sector de la promoción residencial de tamaño, distribución geográfica y capacidades poco acordes con este desafío.

4. COMENTARIOS FINALES Y CONCLUSIONES

Desde su constitución, la Sareb ha incurrido siempre en pérdidas y, además, su patrimonio neto era a mitad de 2014 negativo en 14.172 millones de euros y había consumido la deuda subordinada de 3.600 millones y la mayor parte del capital inicial, gestionando una cartera de 50,7 miles de millones de euros y 200.000 activos. Su naturaleza como empresa privada fue insostenible y pasó a ser una empresa pública en 2022. Cabe preguntarse qué parte de esta situación, que se debe a una amplia gama de circunstancias, descansa en un sesgo de los precios de los traspasos originarios, efectuados en 2012 y 2013, o está relacionada más bien con las limitaciones del modelo de gestión elegido por sus fundadores. Una gestión orientada a la enajenación, pero sin espacio financiero ni para un saneamiento suficiente ni para la inversión en los activos inmobiliarios propios, deja muy limitadas las capacidades y termina provocando la pérdida de valor de los activos, sobre todo de los suelos.

La necesaria transformación de los suelos para edificar nuevas viviendas a vender o a alquilar o para terminar las promociones pendientes, rehabilitar y reformar viviendas existentes, pasa por toda la serie de tareas que implican una gestión orientada al mercado y que permiten a los propietarios de suelos preservar o aumentar su valor.

Los problemas actuales de acceso a la vivienda provocados por la escasez de una oferta que pueda cubrir a precios asequibles la demanda de primera vivienda han mostrado, en nuestra opinión, que lo peor de la burbuja inmobiliaria del inicio de siglo no ha resultado ser el exceso de producción de vivienda, de la que ya no queda rastro, sino el exceso de precio y su desviación respecto a sus fundamentos, es decir, respecto a la asequibilidad.

Esos mismos fundamentos reconcilian las dos dimensiones de la vivienda, como activo y como derecho constitucional, y son la condición necesaria para que la producción, el desarrollo de suelos y su promoción, y su financiación, prevalezcan. En definitiva, si los compradores finales o los inquilinos potenciales a que se dirigen los propietarios de viviendas no muestran capacidad de pago en el tiempo, ni habrá producción ni financiación.

De alguna manera cabría interpretar que la Sareb no solo habría cumplido con su función de limpiar los balances de las entidades cedentes o enajenar ordenadamente los activos, sino que, más allá, ha aparcado en su balance una parte notable del legado de activos inmobiliarios de la crisis, sobre todo suelos y, de forma especial, suelos financiados, de forma que casi trece años después, una proporción no menor de ellos permanece todavía allí. Devolverlos al mercado más rápidamente, evitando su deterioro, hubiera exigido nuevos saneamientos. Transformarlos desde la propia Sareb habría exigido nuevas inversiones, promociones o incluso el desarrollo del alquiler residencial. Esto ha podido tener efectos sobre los precios de los activos.

No hay que olvidar que la Sareb recibió sus activos por el traspaso de préstamos inmobiliarios deteriorados o adjudicados y realizados antes de 2012 por las entidades cedentes, sobre todo, durante la burbuja inmobiliaria como parte de proyectos urbanísticos que durante muchos años formaron parte de las agendas de administraciones, propietarios anteriores y promotores residenciales. Una parte de estos proyectos resultaron indeseables o imposibles, pero parece claro que los volúmenes de suelo vacante muestran cifras y localizaciones de un potencial que quizá los condicionantes señalados aquí no hayan permitido explorar.

La vida de la Sareb muestra su difícil gestión de una cartera compleja en condiciones de mercado difíciles, pero las limitaciones fundacionales no la han dejado mucho margen para una gestión alternativa.

A pesar de su actividad en los últimos trece años, la Sareb mantiene aún un stock de viviendas y de suelos en desarrollo relevante. Cifras en torno a las 400.000 viviendas potenciales, unas cuatro veces la producción de vivienda nueva española, muestran un potencial elevado para la generación de una oferta de vivienda de estructura asequible si se reorienta la gestión, las restricciones financieras se levantan o se integra la gestión con SEPES.

El balance actual está sesgado hacia suelos, tiene una proporción relativamente menor de viviendas terminadas en alquiler –tampoco build to rent– y muestra una exposición mayor a los proyectos financiados, de gestión más compleja. Esta conclusión es coherente con el análisis realizado aquí sobre la relevancia de las limitaciones financieras y de gestión del modelo de sociedad y de gobernanza fundacionales.

Hoy los suelos están concentrados en instituciones cuya actividad tiene su origen en la crisis bancaria y los agentes que intervienen en los mercados inmobiliarios son muy diferentes. Este enfoque podría también aplicarse, en futuras investigaciones, a las instituciones internacionales focalizadas –fondos de capital riesgo inmobiliario– en las compras de activos inmobiliarios y dudosos a los bancos, que se concentró en el entorno de la quiebra de Banco Popular en 2017.

El proceso de traspasos masivos de propiedad desde los promotores hacia los bancos y desde éstos hacia la Sareb o los fondos internacionales ha seguido la lógica de la reforma del sector bancario, pero cabe preguntarse por qué no ha permitido el retorno de los suelos vacantes al mercado. La concentración de los suelos en estos nuevos propietarios, diferentes a los originales de los proyectos urbanos, tiene consecuencias importantes en la oferta, incluso en su elasticidad al precio:

• Pérdida de la continuidad en la gestión de los proyectos podría estar siendo muy relevante como explicación de la paralización del planeamiento de desarrollo de muchos suelos, cuyo impulso precisaba de cualificaciones e intensidades diferentes.
  
• Sustitución de equipos enfocados al apoyo a la promoción, edificación y financiación de los compradores por equipos con un objetivo orientado a resultado contable y a la enajenación de los activos.
  
• Alargamiento de los procesos por la litigiosidad inherente a los cambios de propiedad de los suelos afectados, las ejecuciones hipotecarias, los embargos, etcétera.
  
• Impacto en la ciudad y en la estructura territorial: los suelos vacantes han impuesto el abandono de actividades rurales sin que la urbanización y la edificación, ni siquiera el desarrollo urbanístico, se llegaran a completar.
  
• A ello hay que unir la dilapidación de oportunidades desperdiciadas en localizaciones accesibles mediante inversiones en transporte razonables o en la España vacía. La cooperación dentro de la Administración pública para incentivar la localización de actividades industriales mediante un instrumento adicional como la vivienda accesible deberían hacer transformar muchas políticas transversales.

El desarrollo de suelos para un proyecto urbanístico residencial es un impulso de voluntad que históricamente ha sido ejercido por los promotores y sus financiadores. Los propietarios o la autoridad urbanística han respondido a este impulso solo si éste ha sido solvente y suficientemente intenso. Antes de la crisis el activismo en la gestión de suelos –esa función de definir proyectos, discutirlos con las autoridades urbanísticas, adaptarlos a los procesos de debate con los promotores interesados o con los compradores finales de las viviendas–, recayó más sobre la figura del promotor residencial, que en la del propietario de suelos. La actividad proactiva de los ayuntamientos respecto a sus propios suelos, que fue muy intensa en los ochenta y noventa, hace ya dos décadas, que decayó en favor de usos alternativos del patrimonio municipal de suelo –dotaciones, cesiones a colegios o centros concertados, etc.–, cuando no directamente de su venta en el mercado libre para obtener ingresos patrimoniales.

Los bancos que deben financiar las inversiones inmobiliarias están guiados en sus procesos de concesión crediticia por la asequibilidad –no por las expectativas– de las viviendas finales como variable determinante y están razonablemente limitados por el control individual y sectorial del riesgo de crédito. Por lo tanto, para que una promoción sea viable debe partir de precios de repercusión del suelo compatibles con la asequibilidad del producto final, es decir, la vivienda. De lo contrario, no son viables y se desestima su financiación y realización.

El conjunto de cambios estructurales acaecidos en el mercado de suelos, como los indicados, es muy posible que haya contribuido a reducir la elasticidad de la oferta a los precios de la vivienda, al actuar en la práctica como un drenaje de activos que, al menos en cierta proporción, podría haber sido la base de nuevas promociones residenciales y de vivienda. Los suelos vacantes han sido un cuello de botella para la oferta, con frecuencia resultado de una integración vertical de actividades, desde los suelos a la promoción y comercialización de las viviendas. Hoy a esta integración vertical habría que añadir la oferta de alquiler, hoy limitada por la ausencia de una industria especializada.

¿Qué hacer para que estos terrenos vuelvan al mercado a precios viables? La clave está en generar los incentivos para que la Sareb y los demás grandes propietarios privados –fondos de capital riesgo que han venido adquiriendo préstamos y propiedades inmobiliarias entre 2010 y 2018 fundamentalmente– o públicos –como los ayuntamientos–, promotores y autoridades urbanísticas colaboren en el desarrollo del planeamiento y realicen las inversiones y saneamientos necesarios para terminar su transformación en solares finalistas, listos para conseguir licencia y financiación, y edificar. Muchos propietarios de suelo se enfrentarán al dilema de elegir entre la parálisis que ha dominado estos últimos veinte años y reducir precios para que se finalice su desarrollo, obtengan licencia y regresen al mercado.

Referencias

Analistas Financieros Internacionales. (2025). La construcción industrializada: palanca para la sostenibilidad y la asequibilidad de la vivienda. Madrid. AFI e Instituto de Crédito Oficial.

ATLAS. (2024). Atlas Insight. Assets Management, II Edition. Madrid.

Banco de España. (2024). El mercado de la vivienda en España: evolución reciente, riesgos y problemas de accesibilidad. En Informe anual 2023 ( capítulo 4, 230-300). Madrid, Banco de España.

Baudino, P., Herrera, M., & Restoy, F. (2023). 2008-2014 banking crisis in Spain. Banco Internacional de Pagos (BIP), FSI Crisis Management.

BBVA Research. (2024). Motivos tras la escasa oferta de vivienda en España, julio.

Bernanke, B. (1993). Credit in the Macroeconomy. Quarterly Review, Spring. Federal Reserve Bank of New York.

Comisión Nacional de la Competencia. (2011). Problemas de competencia en el mercado de suelo en España. Madrid: CNC.

Consejo de la Juventud. (2024). Un problema como una casa. Madrid. https://www.cje.org/investigacion/

Ezquiaga, I. (2024a). El sistema ya no financia burbujas: escasez de vivienda y caída del crédito. Un análisis del periodo 1998-2003 que cuestiona el modelo residencial español. Estudios de la Fundación, núm.102. Serie Economía y Sociedad. Madrid: Funcas. https://www.funcas.es/wp-content/uploads/2024/03/Estudios102 3.pdf

Ezquiaga, I. (2024b). 25 años de crédito y vivienda: un modelo residencial en cuestión. En S. Carbó Valverde (Coord.), Mercado inmobiliario y política de la vivienda en España (51-72). Estudios de la Fundación, núm.104. Serie Economía y Sociedad. Madrid: Funcas. https://www.funcas.es/wp-content/uploads/2024/09/Estudios104_3.pdf

Fernandez, S., y Collado, L. (2017). What happened in Spain? The real estate bubble, corruption and housing development: A view from the local level. Geoforum, 86, 206-213.

Freire, S. (2011). Los “vacíos urbanos”. Causas de su existencia en el suelo urbano de la periferia de Madrid. Revista Territorios en Formación. Escuela Superior de Arquitectura de Madrid.

FROB. (2019). 10 años del FROB. Una década por la estabilidad financiera. Madrid: FROB.

Klametshin, D., López Rodríguez, D., y Pérez García, L. (2024). El mercado del alquiler de vivienda en España: evolución reciente, determinantes e indicadores de esfuerzo. Documentos ocasionales, núm. 2432. Madrid: Banco de España. https://www.bde.es/f/wbbe/SES/Secciones/Publicaciones/PublicacionesSeriadas/DocumentosOcasionales/24/Fich/do2432.pdf

Lájer Barón, A., López Rodríguez, D., y San Juan, L. (2024). El mercado de la vivienda residencial el España: evolución reciente y comparación internacional. Documentos ocasionales, núm. 2433. Madrid: Banco de España. https://www.bde.es/f/wbbe/SES/Secciones/Publicaciones/PublicacionesSeriadas/DocumentosOcasionales/24/Fich/do2433.pdf

Leal Maldonado, J., y Martínez del Olmo, A. (2021). El ocaso de un modelo de vivienda de difícil reemplazo, Ciudad y Territorio Estudios Territoriales. Madrid: MiVAU.

Manzano, D. (DIR.), Asensio, M., Berges A., García, M., Luque, M., y Martín, E. (2024). Demografía, vivienda y brechas de riqueza en España. Madrid: Fundación Emilio Ontiveros.

Ministerio de Vivienda y Agenda Urbana. (2023). Sistema de Información Urbana. Madrid.

O´Callahan, C., & Di Feliciano, C. (Eds.) (2023). The new urban ruins. Vacancy, urban politics and international experiments in the post-crisis city. Urban Policy, planning and the built environment. Bristol University Press.

Torres, R. (2024). El acceso de los jóvenes a la vivienda. En S. Carbó Valverde (Coord.), Mercado inmobiliario y política de la vivienda en España (pp. 51-72). Estudios de la Fundación, núm.104. Serie Economía y Sociedad. Madrid: Funcas. https://www.funcas.es/wp-content/uploads/2024/09/Estudios104_3.pdf

SAREB. (2024). Informe semestral de primer semestre. Madrid. https://www.sareb.es/informacion-economica/

Notas

* Ignacio Ezquiaga es doctor en Ciencias Económicas y Empresariales, Universidad Autónoma de Madrid. Fue socio y directivo de Analistas Financieros Internacionales (Afi) y director financiero Banco Mare Nostrum (BMN). Es profesor de postgrado de varias universidades. Su último libro se titula El sistema ya no financia burbujas: escasez de vivienda y caída del crédito. Estudios de la Fundación. Serie Economía y Sociedad, nº 102. Madrid: Funcas. https://www.funcas.es/wp-content/uploads/2024/03/Estudio_102_Ezquiaga.pdf

¹ Desde 2008 el entonces Ministerio de Fomento y el MiVAU publican anualmente el Estudio sobre el Stock de Vivienda Nueva. Dicho stock se actualiza anualmente añadiendo las viviendas que se han terminado durante el año y quitando las viviendas nuevas que se han vendido [por sus promotores].

² Un dato de interés a recordar, citado en la Comisión Nacional de la Competencia (2011: 66), es la estructura de los suelos según su titularidad jurídica. Según los datos a 2011, las administraciones públicas detentaban el 44,6 % de los suelos urbanos sin edificar en Madrid y el 42,4 % en Barcelona, mientras en Málaga, Sevilla o Murcia el principal tenedor eran las personas jurídicas, en este último caso a la par que las personas físicas.

³ Según lo previsto en la disposición adicional primera del Texto Refundido de la Ley de Suelo y Rehabilitación Urbana aprobado por Real Decreto Legislativo 7/2015, de 30 de octubre. Datos elaborados por el MiVAU sobre la base del planeamiento vigente actualizado con un seguimiento por satélite. En la actualidad, el SIU ofrece información urbanística de 5.683 municipios en los que habita el 98,39 % de la población y el 100 % de las áreas urbanas. Comenzó a publicarse en 2016. https://www.mivau.gob.es/urbanismo-y-suelo/sistema-de-informacion-urbana

⁴ En un estudio realizado para San Cugat del Vallès a mediados de los años noventa (Riera, 1997) la cuantificación realizada indica que partiendo de un valor del m² de suelo rústico de 1, el valor del suelo una vez clasificado como urbanizable residencial sería ocho veces superior (es decir, un 665 % más alto), y ya urbanizado sería 31 veces superior con respecto a su valor de rústico (es decir, un 3.028 % más alto) y 4 veces superior con respecto a su valor de urbanizable (es decir, un 309 % más alto). Citado en CNC (2011). Sobre el impacto de las clasificaciones de suelo sobre el valor de mercado y la corrupción política consúltese Fernández y Collado (2017).

⁵ El informe parte de CNC (2009) y recoge la tradición supuestamente liberalizadora de los informes del Tribunal de Defensa de la Competencia (TDC) sobre suelo de 1993 y 1995. La CNC es hoy la Comisión Nacional de la Competencia y de los Mercados.

⁶ La Ley 9/2012, de 14 de noviembre, de reestructuración y resolución de entidades de crédito, que se enmarca en el programa de asistencia a España para la recapitalización del sector financiero acordada en el seno del Eurogrupo y que se había traducido, entre otros documentos, en un Memorando de Entendimiento (MoU). Establece el régimen de reestructuración y resolución de entidades de crédito, reforzando los poderes de intervención del Fondo de Reestructuración Ordenada Bancaria (FROB), lo que incluye, para aquellas entidades afectadas, la recapitalización directa mediante compra de acciones por el FROB, con la consiguiente dilución de los accionistas preexistentes y las siguientes medidas:

• Ejercicios de subordinación de pasivos con carácter voluntario y obligatorio.
  
• Traspaso de los riesgos inmobiliarios convenidos y saneados a una sociedad de gestión de activos que se encargaría de la recepción en su balance y de la gestión de aquellos activos problemáticos que deban serle transferidos por las entidades de crédito como limpieza de sus balances.

⁷ “Para ello, se partía del valor económico real (a largo plazo) de los activos tomando la valoración efectuada por Oliver Wyman en las pruebas de resistencia en el marco del MoU, en función de la pérdida esperada estimada en el escenario base y aplicando determinados ajustes de valor adicionales. Estos recortes tendrían en consideración criterios tales como la evolución desfavorable de los precios, una previsión de gastos (gestión, administración, mantenimiento, costes financieros…) asociados a la tenencia de los activos a transferir, así como las perspectivas de desinversión. El elevado volumen de activos afectados justificaba la valoración por grupos agregados (carteras que se agrupaban por la tipología de activo), no resultando viable realizar una valoración individual de los activos. Mediante acuerdo de su Comisión Ejecutiva, el Banco de España determinó los precios de traspaso para las entidades del Grupo 1 el 27 de noviembre de 2012 y del Grupo 2 el 13 de febrero de 2013. La transmisión se hizo entidad por entidad por un todo y a un precio único, con una agilidad operativa garantizada por no precisar consentimiento alguno de terceros” (FROB, 2019).

⁸ Baudino et al. (2023) destacan que, según la circular, La Sareb podía compensar las pérdidas de los activos deteriorados con las ganancias de otros activos de la misma unidad (préstamos y activos adjudicados). El valor de los activos inmobiliarios debía calcularse individualmente y revisarse al menos una vez cada tres años. La Sareb estaba obligada a valorar, con estos criterios, al menos el 50 % de los activos que quedaban en su balance, a más tardar el 31 de diciembre de 2015, y la totalidad de su balance, a 31 de diciembre de 2016, con la consiguiente secuencia en resultados.

⁹ Según Baudino et al. (2023), los IRS alcanzaron un nominal nocional de 42.221 millones de euros, con una progresiva reducción entre 2013 y 2023 para ajustarse a la amortización prevista de los bonos avalados.

¹⁰ Real Decreto Legislativo 1/2010, de 2 de julio.

¹¹ Dicha reclasificación fue realizada, por indicación de Eurostat a través de carta remitida al Instituto Nacional de Estadística el 16 de febrero de 2021, por parte del Instituto Nacional de Estadística con ocasión de la notificación a la Unión Europea de abril de 2021 en el contexto del Procedimiento de Déficit Excesivo de 2020 y supuso la integración contable de la Sareb como parte de las administraciones públicas dentro del sector institucional de las Administraciones Públicas del Reglamento (UE) n.º 549/2013 del Parlamento Europeo y del Consejo, de 21 de mayo de 2013, relativo al Sistema Europeo de Cuentas Nacionales y Regionales de la Unión Europea.

¹² La reclasificación de la actividad de la compañía repercutió directamente sobre las cuentas públicas con efectos desde 2020: un incremento en el déficit público de 2020 de 9.891 millones de euros (0,88 % del PIB) y un incremento de la deuda PDE consolidada de las administraciones públicas de 34.145 millones de euros en diciembre de 2020 (3,05 % del PIB). Del mismo modo, en los sucesivos ejercicios, las operaciones de disposición de su activo por parte de la Sareb, así como sus resultados contables afectarán al saldo de las cuentas nacionales del sector de las administraciones públicas.

¹³ La nota de prensa publicada por la Sareb señala lo siguiente: “Sareb ha suspendido de manera temporal la venta de activos residenciales tras un acuerdo de su Junta de Accionistas con el que se ha instruido al Consejo de Administración a trabajar en colaboración con SEPES en la identificación de los activos que puedan ponerse a disposición de la nueva empresa pública de vivienda, que pondrá en marcha el Gobierno. Sareb cuenta con un elevado número de viviendas, inmuebles y suelos que pueden sumarse a las medidas de fomento de vivienda en régimen de alquiler social y asequible, dando cumplimiento al principio de sostenibilidad y utilidad social que se incorporó a su mandato en el año 2022, cuando el Estado tomó una participación mayoritaria en el capital a través del FROB. La nueva estrategia de la compañía será presentada antes del próximo 30 de junio [de 2025], cuando se podrán retomar las ventas de los activos residenciales que no cumplan con los requisitos para ser transferidos a la futura empresa pública de vivienda”.

¹⁴ Salvo en un corto periodo inicial –2013 y 2014– en el que los activos eran gestionados por las entidades cedentes mediante contratos a comisión, la Sareb se ha apoyado en servicers independientes para la gestión administrativa y comercial. Sus contratos definen en detalle la estructura de comisiones para la administración y comercialización de los activos y su selección es concurrencial, resultando las principales empresas internacionales que trabajan también para bancos y fondos de capital riesgo inmobiliarios.

Descarga Publicación (formato PDF)

Fecha: junio 2025

Francisco Rodríguez Fernández*

Financial literacy, PISA 2022, cognitive disadvantage, socio-economic status, financial education.

Abstract

This paper proposes a multidimensional typology of disadvantage –cognitive, structural, and situational– to better understand disparities in adolescent financial literacy. Using data from the OECD-PISA 2022 Financial Literacy module (N = 97,983 students across 20 countries), we construct standardized indices to capture each disadvantage type and estimate their effects through weighted regressions and machine learning. Our results show that students with cognitive disadvantage scores, on average, 58 points lower in financial literacy; those facing all three disadvantages score up to 92 points lower. We find that school-based financial education can mitigate the effect of situational disadvantage by up to 30 points. The study contributes a novel framework to capture the layered nature of inequality in financial capability and offers clear guidance for targeted policy interventions.

1. INTRODUCTION

Adolescent financial literacy has emerged as a critical policy concern over the past two decades. In an increasingly digital and financialized world, young people are required to make complex financial decisions earlier in life, often with significant long-term implications (Fernandes et al., 2014). Research has consistently shown that large segments of the adolescent population lack basic financial knowledge and skills (Atkinson & Messy, 2012; OECD, 2014; Lusardi, 2019). As a result, schools and education systems have been called upon to play a more active role in promoting financial capability.

Previous work has identified several key predictors of financial literacy among adolescents: socio-economic background, parental education, gender, immigrant status, school quality, and exposure to financial instruction (OECD, 2020; Bottazzi & Lusardi, 2020). Math proficiency has been highlighted as a strong cognitive correlation of financial literacy (Kaiser & Menkhoff, 2017). However, many studies treat these predictors as isolated or additive factors, and few offer a conceptual framework that systematically integrates cognitive, structural, and experiential components of disadvantage.

The 2022 PISA Financial Literacy module (OECD-PISA, 2024) offers a unique opportunity to revisit these issues using harmonized, cross-national data. This study builds on prior findings by proposing a typology of disadvantage–cognitive, structural, and situational–that helps to explain persistent financial literacy gaps and identify potential avenues for policy intervention. While benchmarking analysis confirms that math and reading skills, SES, and immigrant status continue to be significant correlates, the core contribution of this paper lies in highlighting and quantifying the distinct and interactive roles of different types of disadvantage. We argue that disadvantage in financial literacy is not monolithic but multidimensional, and that understanding its sources requires distinguishing between three conceptually distinct domains:

Cognitive disadvantage: Refers to deficits in core academic skills–especially mathematics and reading–that form the foundation for financial understanding. Students who struggle with interpreting quantitative information or written texts are likely to face challenges in making sense of financial concepts, terms, and problems. Math and reading scores thus serve as proxies for general cognitive preparedness.

Structural disadvantage: Captures relatively stable background characteristics such as low SES, limited parental education, or immigrant status. These factors affect access to educational resources, exposure to financial behaviors and norms, and interactions with institutions. While often correlated with cognitive outcomes, structural factors also exert independent effects on financial literacy, particularly through cultural and environmental pathways.

Situational disadvantage: Encompasses the absence of formative financial experiences —such as discussing money at home, managing one’s own spending, or receiving financial instruction at school. These experiential gaps do not necessarily reflect low ability or background disadvantages, but rather the lack of opportunities for informal or formal financial learning. They are particularly important because they may be modified through targeted interventions.

One of the central contributions of this study is the development and operationalization of this tripartite typology of disadvantage in financial literacy: cognitive, structural, and situational. While existing literature has addressed elements of these domains individually –particularly socioeconomic status (Lusardi et al., 2010; OECD, 2020) and academic performance (OECD, 2014; Bianco & Martinez, 2022)– this study is, to our knowledge, the first to formally distinguish and jointly analyze these three dimensions as analytically and policy-relevant categories. The typology reflects not only differences in resources or background, but also in educational trajectories and opportunities to acquire financial competencies through formal and informal channels.

The cognitive dimension refers to deficits in foundational academic skills, specifically low proficiency in mathematics and reading. The structural dimension captures enduring socio-demographic constraints such as low socio-economic status, immigrant background, and limited parental education. The situational dimension encompasses modifiable experiential and contextual factors –such as not having discussed money at home, not managing one’s own spending, or not having received any school-based financial education. This last category is especially relevant for educational policy, as it reflects a lack of exposure rather than a lack of ability or background advantage. The tripartite classification allows us to identify not only who is disadvantaged, but also how they are disadvantaged, and whether those disadvantages are remediable through intervention.

To empirically identify the effects of each disadvantage type, we constructed standardized indices for the three categories using relevant indicators from the PISA 2022 Financial Literacy dataset. Each index was normalized and included as an independent variable in regression models predicting financial literacy scores. We then estimated both separate and joint effects of these indices and interacted the situational disadvantage index with a binary indicator for having received financial education. This strategy allows us to isolate the contribution of each disadvantage type while also testing whether formal financial instruction moderates its impact. The results confirm that all three forms of disadvantage are negatively associated with financial literacy, but also that school-based financial education significantly mitigates the effect of situational disadvantage, pointing to a clear and actionable policy lever (Walstad et al., 2010). This typology serves both an analytical and a practical function. Analytically, it allows for a clearer interpretation of overlapping inequalities. Practically, it highlights that not all students who perform poorly in financial literacy are disadvantaged in the same way–or to the same extent–and that different types of disadvantage may call for different educational responses.

This paper contributes to the literature by offering a novel typology of disadvantage –cognitive, structural, and situational– and testing its empirical validity using harmonized PISA 2022 data. It provides a comprehensive mapping of how different disadvantage types relate to financial literacy, both independently and interactively. The remainder of the paper is structured as follows: Section 2 describes the data and methodological approach. Section 3 revisits established predictors of financial literacy. Section 4 presents the core typology-based results. Section 5 concludes with implications and future directions.

2. DATA AND METHODOLOGY

2.1. Data and sample construction

This study utilizes data from the 2022 cycle of the Programme for International Student Assessment (PISA), focusing on the optional Financial Literacy assessment administered across 20 participating countries and economies. The dataset encompasses responses from 97,983 15-year-old students, providing a comprehensive overview of financial literacy competencies on an international scale. The PISA 2022 Financial Literacy assessment includes ten plausible values for financial literacy, mathematics, and reading proficiency, alongside extensive information on students’ socio-demographic backgrounds, school contexts, and financial experiences. The final analytical sample comprises students with complete data on key variables pertinent to constructing the typology and control measures.

To ensure the representativeness and accuracy of the findings, survey weights are applied throughout all descriptive and regression analyses, accounting for the complex sampling design inherent in PISA’s methodology. Standard errors are computed using the Balanced Repeated Replication (BRR) method with 80 replicate weights and Fay’s adjustment factor (0.5), adhering to the OECD’s technical standards. Estimates derived from plausible values are combined following Rubin’s rules, facilitating unbiased standard error estimation. All data processing and analyses are conducted using R.

2.2. Data, weights and benchmark analysis

The study builds upon and extends the literature on financial literacy in adolescence (Lusardi et al., 2010; OECD, 2014, 2020, 2024; Bottazzi & Lusardi, 2020) by offering updated and harmonized cross-national evidence from the most recent PISA cycle. The novelty of our contribution lies in the integrated and methodologically robust analysis of individual, contextual, and institutional determinants across a standardized international sample. Unlike most existing studies that focus on national results or unweighted regressions, we systematically apply the complex survey design of PISA, employ multilevel models, and compare econometric and machine learning approaches.

Our analyses respect the methodological guidelines outlined in the OECD’s technical documentation for PISA (OECD, 2024), particularly regarding the use of plausible values and replicate weights. Financial literacy, mathematics, and reading performance are represented by ten plausible values per domain. Each statistical model is estimated ten times–once for each plausible value–and the results are pooled using Rubin’s rules (Rubin, 1987). The Balanced Repeated Replication (BRR) method with 80 replicate weights and Fay’s adjustment is used to compute appropriate standard errors.

Data cleaning and analysis are performed in the R statistical environment, using the “survey”, “lme4”, “haven”, and “randomForest” packages. We restrict the sample to students with valid responses across the relevant variables and ensure consistency across country samples.

To complement linear models, we estimate Random Forest models. While these do not accommodate survey weights, they serve as robustness checks and help assess variable importance in a non-linear framework. Variable importance metrics are interpreted in comparison with standard regression coefficients.

2.3. Benchmark Regressions: Revisiting Core Predictors of Financial Literacy

As a first analytical step, we replicate and extend established models of adolescent financial literacy by estimating a series of weighted regressions and treatment effect models. These benchmarks serve as both a validation exercise and a point of departure for the typology-based analysis developed in Section 2.3. The structure of this section mirrors the organization of results in Section 3.

All linear models are estimated using survey-weighted Ordinary Least Squares (OLS) with plausible values. This approach is widely used in international large-scale assessments (ILSA) such as PISA, as it allows for unbiased population-level estimates when combined with appropriate design weights and replicate weights. We estimate the following general model:

FLᵢ = α + β₁Mathᵢ + β₂Readingᵢ + β₃SESᵢ + β₄Genderᵢ + β₅Xᵢ + εᵢ  [1]

Where FLᵢ stands for student i’s financial literacy score (10 plausible values; .with various definitions proposed (see Hung et al., 2009); Mathᵢ, and Readingᵢ are continuous scores in mathematics and reading; SESᵢ represents the Economic, Social and Cultural Status (ESCS) index; Genderᵢ is a binary indicator (1 = male); Xᵢ is a vector of additional controls (immigrant background, parental education, ICT use, autonomy over spending); and εᵢ: is the error term.

Each model is estimated 10 time –once per plausible value– and pooled using Rubin’s rules. Standard errors are computed using the Balanced Repeated Replication (BRR) method with 80 replicate weights and Fay’s adjustment factor (0.5), in line with OECD methodology (OECD, 2024). This specification allows us to identify conditional associations between cognitive, demographic, and experiential variables and financial literacy, while accounting for the complex sample design and latent proficiency measurement.

We estimate the progression of models that incrementally incorporate sets of variables. These correspond to Tables 1–8:

• Model 1: Socio-demographic variables only (SES, gender, migration background, parental education).
• Model 2: Adds mathematics proficiency.
• Model 3: Adds reading proficiency.
• Model 4: Adds ICT use and autonomy over money.
• Model 4: Adds ICT use and autonomy over money.
• Model 5: Includes interaction terms (e.g., SES × Math, Gender × Skills).
• Model 6: Gender-stratified models to assess differential skill pathways.
• Model 7: Hierarchical Linear Model (HLM) with random intercepts at the school level to estimate intra-class correlation (ICC).
• Model 8: Estimates the effect of school-based financial education using Propensity Score Matching(see below).

To estimate the Average Treatment Effect on the Treated (ATT) of school-based financial education, we implement a nearest-neighbor Propensity Score Matching (PSM) procedure. This approach allows us to estimate treatment effects in observational data by balancing observed covariates across treatment and control groups. The steps are as follows:

• Treatment variable: A binary indicator for whether the student reports having received any financial education at school.
• Covariates for score estimation: The propensity score is estimated using a logit model that includes: SES (continuous index); parental education (categorical), immigrant status (binary); gender; math and reading proficiency; school urban/rural location and ownership. ICT uses index, region or country dummies.

As for the matching procedure we apply 1:1 nearest-neighbor matching with replacement and a caliper of 0.2 standard deviations of the logit propensity score. Matching quality is assessed via standardized mean differences before and after matching. As for the estimation of the average difference in financial literacy scores between treated students and their matched controls (ATT) is computed. Robust standard errors are derived using bootstrapping (500 replications). This approach relies on the Conditional Independence Assumption (CIA), which assumes no unobserved confounding given covariates. It provides a useful complement to regression results, particularly when treatment assignment is plausibly exogenous conditional on observables.

Together, these models allow us to quantify the contribution of core predictors to financial literacy performance and explore the structure of advantage. In particular, the incremental R² from SES-only to full cognitive models (as shown in Table 3) illustrates the extent to which financial literacy reflects derived competence, conditional on underlying academic skills. These results also reveal relevant patterns of skill substitution and compensation (e.g., girls with high reading vs. boys with high math), as well as school-level effects that justify the inclusion of institutional factors in the typology (Lo Prete, 2013).

2.4. Introducing the Typology of Disadvantage: Cognitive, Structural, and Situational Dimensions

Building on the benchmarking analysis, we now introduce a multidimensional typology of disadvantage that captures the most salient factors shaping adolescent financial literacy. This typology is structured around three conceptually distinct but empirically intertwined domains: cognitive, structural, and situational disadvantage. Each dimension is operationalized using student-level indicators derived from the PISA 2022 dataset and reflects a different mechanism through which disadvantage may constrain financial capability.

Cognitive disadvantage refers to low performance in foundational academic skills that underpin financial understanding. In line with prior literature (e.g., Lusardi et al., 2010; OECD, 2020), financial literacy is conceptualized as a derived competence, contingent on students’ mathematical and reading proficiency. We construct a binary indicator of cognitive disadvantage as follows: A student is classified as cognitively disadvantaged if they score below proficiency level 2 (i.e., < 420 points) in both mathematics and reading. These thresholds correspond to the OECD’s definition of baseline proficiency and indicate insufficient mastery of core analytical and interpretive skills. This classification identifies students who lack the necessary academic scaffolding to engage meaningfully with financial texts and quantitative information.

Structural disadvantage captures background-level barriers associated with socioeconomic position and migratory status. It reflects enduring inequalities in access to economic, social, and cultural capital, and is commonly linked to long-term patterns of educational stratification. The binary indicator for structural disadvantage is coded as 1 if a student meets at least two of the following criteria: Bottom quartile of the ESCS index in their country (PISA variable ESCS_Q1). First-generation immigrant status (IMMIG = 1). Low parental education, defined as both parents (or the single parent present) having no more than ISCED level 2. By aggregating across these dimensions, we capture compound structural constraints that may limit financial learning both at home and through social networks.

Situational disadvantage refers to a lack of financial autonomy and experiential learning. Unlike cognitive or structural constraints, this form of disadvantage is potentially modifiable through institutional intervention (e.g., school-based programs). The dummy variable for situational disadvantages takes the value of 1 if at least two of the following conditions are met: No personal control over money (PISA variable indicating who decides how the student spends). Infrequent discussion about money with parents (less than “once or twice a month”). No exposure to school-based financial education, based on self-report of having received any instruction on money-related topics. This indicator identifies students with limited financial agency and insufficient informal preparation, often due to household norms or school-level omission (Grohmann et al., 2015; Perry & Morris, 2005).

The three indices are designed to be mutually non-exclusive: a student may exhibit one, two, or all three forms of disadvantage. Each type is entered separately in the regression models to evaluate its independent contribution, and then jointly to examine their cumulative and interactive effects. Table 9 in Section 4.1 reports the descriptive statistics and overlaps among these categories. Section 4.2 presents the regression estimates for each dimension, while Section 4.5 analyzes compounded disadvantages. Together, these dimensions provide a comprehensive and policy-relevant framework for understanding why some students systematically lag behind in financial literacy, and which types of disadvantage are most amenable to intervention.

2.5 Robustness Checks and Analytical Extensions

To assess the reliability and generalizability of our typology-based findings, we conduct a series of robustness checks and analytical extensions. These tests explore heterogeneity across the distribution of financial literacy, examine interaction effects, and apply non-parametric methods to validate the explanatory power of the typology framework.

All extensions are designed to challenge the assumptions of linearity, additivity, and uniformity in the baseline models presented in Section 2.3.

2.5.1. Quartile-Specific Regressions

To examine whether the effects of disadvantage vary across the performance distribution, we estimate the benchmark model separately for students in the bottom and top quartiles of the financial literacy scale. The model specification remains identical to that of the baseline OLS regressions, but the sample is restricted to:

•  Q1: students with financial literacy scores below the 25th percentile (low performers),
• Q4: students above the 75th percentile (high performers).

This approach allows us to test whether disadvantages have larger marginal effects among already low-performing students (e.g., cognitive load) or whether certain factors matter more at the top of the distribution (e.g., experiential capital in high-ability students). These results are reported in Table 10.

2.5.2. Interaction Effects: Cumulative Advantage Hypothesis

We explicitly test whether the returns to cognitive skills differ by socio-economic status, in line with the theory of cumulative (dis)advantage. This is implemented by introducing interaction terms between SES × Math proficiency, and SES × Reading proficiency. Variables are mean centered to improve interpretability. The magnitude and significance of interaction coefficients indicate whether high-SES students benefit more from equivalent cognitive skills. Results are summarized in Table 11.

2.5.3. Compounded Disadvantage: Multiple Pathways

To assess the accumulation of vulnerability, we construct dummy variables indicating:

• Two disadvantages present (any combination of cognitive, structural, or situational),
• All three disadvantages simultaneously.

These composite indicators are included in fully saturated models alongside single-dimension indicators, enabling estimation of marginal and cumulative penalties. This design tests nonlinear and compounding effects beyond additive specifications. Results are reported in Table 13.

2.5.4. Random Forest Estimation

Finally, we estimate a Random Forest model using the complete typology and control set to assess the nonlinear and interactive predictive structure of financial literacy. This ensemble machine learning method offers several advantages. First of all, there are no assumptions about linearity or parametric form. Secondly, there is an automatic handling of high-order interactions. Additionally, it offers variable importance rankings via permutation methods. Finally, there are Out-of-bag (OOB) R² and RMSE as performance metrics.

The Random Forest is trained on 80% of the sample (stratified by country), and performance is evaluated on the 20% holdout set. Predictive accuracy is compared to the linear model using the same set of predictors. This analysis is not designed for causal inference but to validate the typology’s explanatory scope and to reveal nonlinear patterns that may be missed by OLS. Results, including partial dependence plots and important metrics, are displayed in Table 14.

3. BENCHMARK RESULTS: REVISITING ESTABLISHED PREDICTORS OF ADOLESCENT FINANCIAL LITERACY

This section synthesizes existing knowledge on the determinants of financial literacy by revisiting well-documented predictors using PISA 2022 data. The aim is not to offer an exhaustive model, but to provide a comparative and empirical baseline against which the proposed typology of disadvantage can be assessed. The analysis confirms the salience of cognitive competencies, socio-economic status, and educational experiences, while underscoring the need for a more integrative explanatory framework.

3.1. Cognitive Competencies: Mathematics and Reading

Mathematical proficiency continues to be the most powerful single predictor of financial literacy among adolescents. Regression estimates indicate that a one-point increase in mathematics performance is associated with an average increase of 0.82 points in financial literacy, holding other variables constant (Table 1). This effect is both statistically significant and substantively large. Digital skills, proxied by the ICT use index, exhibit a smaller but statistically robust association with financial literacy outcomes.

Reading literacy also emerges as a key correlation. A one standard deviation increase in reading scores yields an estimated gain of 75 points in financial literacy (Table 2), even after controlling for SES and mathematical achievement. When both cognitive domains are included, they account for the majority of explained variance.

As shown in Table 3, the inclusion of mathematics and reading dramatically increases the explained variance, reinforcing the conceptualization of financial literacy as a derived competence. These results support the interpretation of financial literacy as a derived competence, rather than an independent skill set. The ability to understand financial texts and interpret numerical data appears contingent on broader academic preparation.

3.2. Gender Differences and Skill Profiles

Gender differences in financial literacy are modest at the aggregate level, with boys scoring approximately five points higher than girls on average. However, these differences vary across countries and tend to diminish once mathematics and reading scores are taken into account (Table 4).

Further analysis reveals that boys and girls often reach similar financial literacy outcomes via distinct academic pathways. Boys are disproportionately represented in high-math/low-reading profiles, while girls dominate in the inverse configuration. Despite this divergence, both groups achieve comparable financial literacy scores (Table 5).

This pattern reinforces the argument that gender effects should be interpreted through the lens of differentiated cognitive profiles, rather than as fixed categorical differences (Bucher-Koenen et al., 2017; Hasler & Lusardi, 2017).

3.3. Structural Background and Institutional Exposure

Socio-economic status (SES) remains the strongest socio-demographic predictor of financial literacy. A one standard deviation increase in SES is associated with an average gain of 38.2 points in financial literacy, after adjusting for other covariates (Table 6). Parental education and immigrant background also exert statistically significant effects, though of smaller magnitude.

Hierarchical linear models indicate that approximately 25% of the total variance in financial literacy is attributable to differences between schools. Much of this school-level variation can be explained by aggregate SES composition (Table 7).

School-based financial instruction is associated with significant gains in financial literacy, net of background and cognitive variables. Propensity score matching suggests an average treatment effect of approximately 30 points for students who report having received financial education (Table 8).

These benchmarking results corroborate existing literature and highlight the multidimensional nature of financial literacy. However, they also underscore a key limitation: while cognitive skills and structural conditions account for much of the observed variation, they do not offer a conceptual framework capable of capturing the heterogeneity of disadvantage (Mandell & Klein, 2009).

In the next section, we introduce a typology-based approach that reclassifies disadvantage into three interrelated domains –cognitive, structural, and situational– thereby providing a more nuanced lens through which to analyze gaps in financial capability.

4. RESULTS: MAPPING THE TYPOLOGY OF DISADVANTAGE

This section presents a detailed examination of how cognitive, structural, and situational disadvantages shape financial literacy outcomes among adolescents. We begin with baseline models assessing each type independently, followed by interaction effects and heterogeneity analyses.

4.1. Descriptive Distributions and Group Differences

We first identify the prevalence of each type of disadvantage in the student population and their average financial literacy scores. Table 9 summarizes the results.

Each type of disadvantage is associated with a substantial decline in financial literacy, with cognitive disadvantage showing the most pronounced effect (−58 points), followed by structural and situational disadvantage (see also De Bassa Scheresberg, 2013). These effects are additive and partly overlapping.

4.2. Multivariate Models and Interactions

To estimate the independent effects of each dimension while controlling for student background, we run OLS regressions with the three disadvantage indicators simultaneously. Table 10 presents a multivariate model including both types of variables alongside academic competencies. The results indicate that while SES and immigrant background retain strong effects, experiential variables such as discussing money with parents, financial autonomy, and exposure to financial education also have significant and independent associations with financial literacy. These findings reinforce the value of the typology in distinguishing sources of disadvantage that may require differentiated policy responses.

Next, we estimate models with interaction terms to test for compensatory or amplifying dynamics. One key finding is that school-based financial education appears to buffer the effects of situational disadvantage (Table 10). Students who are situationally disadvantaged but have received financial education in school score 10.2 points higher than similar students who have not (p < 0.01). Conversely, students without instruction and without autonomy or parental discussions score 40–45 points below the mean.

4.3. Heterogeneity by Socio-Economic Status

We then estimate separate regressions by SES quartiles to examine whether the returns to skills and experiences vary across groups. Table 12 presents these results for mathematics and reading. These results suggest that academic skills yield greater financial returns at higher SES levels, reflecting a compounding advantage mechanism.

4.4. Random Forest Models: Nonlinear Interactions

To assess the predictive strength of the typology in a nonparametric setting, we train Random Forest models using all available predictors, including the three disadvantage types (Table 13). The Random Forest model improves predictive accuracy by 6 percentage points in R² and lowers the error metrics. Variable importance analysis confirms that cognitive disadvantage is the strongest predictor, followed by SES and situational disadvantages.

4.5. The Compounding Nature of Disadvantage

We also test the effect of combined disadvantage by creating dummy variables for students with two or more types of disadvantage. Results indicate substantial compounding effects. Students with two types of disadvantage score on average −74 points below the mean. Students with all three types of score −92 points, nearly two full proficiency levels lower. These findings underline the importance of identifying and addressing cumulative vulnerability, not just isolated risk factors.

5. DISCUSSION AND CONCLUSIONS

This study has proposed and empirically tested a multidimensional typology of disadvantage –cognitive, structural, and situational– as a framework for understanding disparities in financial literacy among adolescents. Using data from the 2022 PISA Financial Literacy module, the analysis has shown that each of these dimensions contributes independently and significantly to variation in performance. Moreover, when multiple forms of disadvantage accumulate within individuals, the impact on financial outcomes becomes markedly more severe.

The results support several important conclusions. First, the identification of cognitive disadvantage as the most powerful correlation of poor financial literacy underscores the interdependence between foundational academic skills and domain-specific competencies. Interventions aimed at improving financial outcomes cannot be dissociated from efforts to strengthen mathematics and reading proficiency. In particular, low-achieving students in these areas represent a group at high risk of financial exclusion later in life (Amagir et al., 2018).

Second, structural disadvantage–particularly low SES and immigrant background–continues to play a central role in shaping financial capability. These effects persist even after adjusting for academic performance, suggesting that financial literacy also reflects socio-cultural resources, family financial behavior, and institutional trust. Addressing structural disadvantage requires systemic responses, including equitable school funding, culturally responsive pedagogy, and targeted parental outreach.

Third, the analysis brings to the fore the often-overlooked category of situational disadvantages, which includes the lack of financial autonomy, absence of parental discussion about money, and no exposure to financial education at school. Unlike structural disadvantages, these are potentially modifiable conditions. The data indicates that students exposed to financial instruction scores substantially higher, even when controlling for background and cognitive skills. This positions schools as crucial agents in mitigating experiential deficits. Table 14 summarizes the relative effects and modifiability of each disadvantage type, highlighting the distinct nature of each and the importance of targeted interventions.

Furthermore, the interaction analysis reveals that the returns to academic skills are amplified among higher-SES students, confirming a “cumulative advantage” pattern. This has important implications for educational equity: skill development alone may not be sufficient unless accompanied by compensatory measures for disadvantaged students.

Several limitations must be acknowledged. First, although PISA offers an exceptional cross-national dataset, it remains a cross-sectional survey. As such, causal inferences must be made with caution, particularly regarding the effect of financial instruction. While propensity score matching improves comparability, unobserved selection bias cannot be entirely ruled out. Second, the operationalization of “situational disadvantage” relies on self-reported variables, which may be prone to measurement error or cross-cultural variation in interpretation. Future studies could benefit from more detailed and behaviorally grounded measures of financial exposure and practices. Third, the typology introduced here, while analytically useful, is not exhaustive. Other forms of disadvantage –such as psychological traits, language barriers, or disability status– may intersect with the identified categories in meaningful ways. Longitudinal data would allow for an exploration of how these disadvantages evolve over time and affect long-term financial behavior (Behrman et al., 2012).

In sum, this paper contributes to the growing body of research on adolescent financial literacy by advancing a typology-based framework that captures the layered and interacting forms of disadvantage. It moves beyond the simple inclusion of control variables and offers a structured account of why certain students systematically underperform in financial assessments. The findings suggest that policies aimed at improving financial literacy should adopt a multi-pronged strategy, simultaneously investing in basic academic skills, mitigating structural inequalities, and expanding experiential learning opportunities. Schools, in particular, can play a transformative role–not only as conveyors of information, but as institutions capable of bridging experiential and contextual gaps. Ultimately, enhancing adolescent financial literacy is not only a matter of individual knowledge, but a reflection of educational justice and social investment. The typology proposed here provides a roadmap for diagnosing the roots of inequality and designing interventions accordingly.

Notes

* University of Granada and Funcas.

References

Amagir, A., Groot, W., van den Brink, H. M., & Wilschut, A. (2018). A review of financial-literacy education programs for children and adolescents. Citizenship, Social and Economics Education, 17(1), 56–80.

Atkinson, A., & Messy, F.-A. (2012). Measuring financial literacy: Results of the OECD/INFE pilot study. OECD Working Papers on Finance, Insurance and Private Pensions, No. 15.

Behrman, J. R., Mitchell, O. S., Soo, C. K., & Bravo, D. (2012). How financial literacy affects household wealth accumulation. American Economic Review, 102(3), 300–304.

Bianco, M., & Martinez, A. (2022). Socioeconomic status, cognitive skills, and financial literacy: A mediation analysis using PISA data. Education Economics, 30(1), 25–43.

Bottazzi, L., & Lusardi, A. (2020). Stereotypes in financial literacy: Evidence from PISA. Journal of Economic Behavior & Organization, 178, 902–926. https://doi.org/10.1016/j.jebo.2020.07.010

Brown, M., van der Klaauw, W., Wen, J., & Zafar, B. (2016). Financial education and the debt behavior of the young. Review of Financial Studies, 29(9), 2490–2522.

Bucher-Koenen, T., Lusardi, A., Alessie, R., & van Rooij, M. (2017). How financially literate are women? An overview and new insights. Journal of Consumer Affairs, 51(2), 255–283.

Bruhn, M., de Souza Leão, L., Legovini, A., Marchetti, R., & Zia, B. (2016). The impact of high school financial education: Experimental evidence from Brazil. World Bank Economic Review, 30(2), 511–542. https://doi.org/10.1093/wber/lhv050

De Bassa Scheresberg, C. (2013). Financial literacy and financial behavior among young adults: Evidence and implications. Numeracy, 6(2), Article 5.

Fernandes, D., Lynch, J. G., & Netemeyer, R. G. (2014). Financial literacy, financial education, and downstream financial behaviors. Management Science, 60(8), 1861–1883.

Grohmann, A., Kouwenberg, R., & Menkhoff, L. (2015). Childhood roots of financial literacy. Journal of Economic Psychology, 51, 114–133.

Gudmundson, J. A., & Danes, S. M. (2011). Family financial socialization: Theory and critical review. Journal of Family and Economic Issues, 32(4), 644–667.

Hasler, A., & Lusardi, A. (2017). The gender gap in financial literacy: A global perspective. Global Financial Literacy Excellence Center.

Hung, A. A., Parker, A. M., & Yoong, J. K. (2009). Defining and measuring financial literacy. RAND Working Paper, WR-708.

Kaiser, T., & Menkhoff, L. (2017). Does financial education impact financial behavior, and if so, when? World Bank Economic Review, 31(3), 611–630. https://doi.org/10.1093/wber/lhx018

Lo Prete, A. (2013). Economic literacy, inequality, and financial development. Economics Letters, 118(1), 74–76.

Lusardi, A. (2019). Financial literacy and the need for financial education: Evidence and implications. Swiss Journal of Economics and Statistics, 155, 1–8. https://doi.org/10.1186/s41937-019-0027-5

Lusardi, A., Mitchell, O. S., & Curto, V. (2010). Financial literacy among the young. Journal of Consumer Affairs, 44(2), 358–380. https://doi.org/10.1111/j.1745-6606.2010.01173.x

Mandell, L., & Klein, L. S. (2009). The impact of financial education on subsequent financial behavior. Journal of Financial Counseling and Planning, 20(1), 15–24.

OECD. (2014). PISA 2012 Results: Volume VI. Students and Money: Financial Literacy Skills for the 21st Century. OECD Publishing.

OECD. (2020). PISA 2018 Results (Volume IV): Are Students Smart about Money? OECD Publishing.

OECD. (2024). PISA 2022 Technical Report (forthcoming).

Perry, V. G., & Morris, M. D. (2005). Who is in control? The role of self‐perception, knowledge, and income in explaining consumer financial behavior. Journal of Consumer Affairs, 39(2), 299–313.

Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Surveys. Wiley.

Walstad, W. B., Rebeck, K., & MacDonald, R. A. (2010). The effects of financial education on the financial knowledge of high school students. Journal of Consumer Affairs, 44(2), 336–357.

Descarga Publicación (formato PDF)

Fecha: mayo 2025

Vicente Salas Fumás*

Resumen

Con información de las Cuentas Financieras y elaboraciones propias, el trabajo describe y analiza la evolución del balance agregado (valores consolidados) para el conjunto de sociedades no financieras (SNF) en España, promedio de cada año entre 2000 y 2024. Los activos del balance se agrupan en activos financieros ajenos a la explotación, y activos de explotación que nutren de servicios de capital a la producción de bienes y servicios de las SNF en España. Las partidas del pasivo distinguen entre deuda con coste y fondos propios. Una parte de los activos financieros en el balance de las SNF están en el exterior y una parte mayor de los pasivos del balance proceden del exterior, lo que significa una posición deudora neta del sector institucional con el exterior. La evolución de activos financieros se relaciona con la internacionalización de la economía y de las empresas en España, mientras que el pasivo procedente del exterior refleja un déficit de ahorro interno en la financiación de la acumulación de capital. Finalmente, el trabajo documenta una intensificación en el uso de input capital en la producción de las SNF en España, a lo largo del periodo de estudio, y un retroceso relativo en el uso del input trabajo, coincidiendo con un encarecimiento relativo del trabajo con respecto al del capital.

Abstract

Using data from the Financial Accounts and own elaborations, the study describes and analyzes the evolution of the aggregated balance sheet (consolidated values) for the sector of non-financial corporations (NFCs) in Spain, averaged annually between 2000 and 2024. The balance sheet assets are grouped into financial assets unrelated to operations, and operating assets that provide capital services for the production of goods and services by NFCs in Spain. The liability items distinguish between interest-bearing debt and equity. A portion of the financial assets on the balance sheet of NFCs are held abroad, and a larger portion of the liabilities originate from abroad, which indicates a net debtor position of the institutional sector with the rest of the world. The evolution of financial assets is related to the internationalization of the economy and companies in Spain, while foreign liabilities reflect a domestic savings deficit in financing capital accumulation. Finally, the study documents an intensification in the use of capital inputs in the production processes of NFCs in Spain throughout the study period, along with a relative decline in the use of labor inputs, coinciding with a relative increase in the cost of labor compared to that of capital.

1. INTRODUCCIÓN

Este trabajo describe y analiza el proceso de acumulación de activos y sus fuentes de financiación para el conjunto de las sociedades no financieras con sede en España, en el periodo 2000-2024, que coincide con los años desde la creación del euro. La descripción y el análisis se realizan a partir de los balances de situación, activo y pasivo, agregados para el conjunto de las sociedades mercantiles, elaborados para este fin con datos consolidados, es decir, netos de los saldos resultado de operaciones cruzadas entre las propias compañías residentes. La información agregada se desglosa para separar del total de activo del total de pasivo, respectivamente, los activos financieros que poseen las SNF con sede en España en el exterior, y la financiación que reciben del exterior. El análisis explicativo de la evolución de algunas partidas del balance se realiza bajo el supuesto de que los valores observados proceden de la agregación de los resultados de decisiones empresariales que responden al criterio de maximizar el beneficio.

Las SNF aportan más de la mitad del PIB total de la economía y más de dos tercios de la formación bruta de capital fijo, por lo cual estudiar la performance del sector institucional de las SNF es imprescindible para explicar el comportamiento del agregado de la economía nacional y del subsector privado en particular. El estudio por separado de cada uno de los sectores institucionales de la economía (SNF, instituciones financieras, hogares e instituciones sin ánimo de lucro, administraciones públicas), en lugar de estudiar el agregado del conjunto de la economía, se justifica porque cada sector institucional toma las decisiones de producción e intercambio con criterios de decisión y/o restricciones singulares, distintas de las de los demás. Estas diferencias se pueden tener en cuenta cuando se estudia cada sector por separado, pero no cuando se analizan datos agregados para todos ellos. El presente trabajo es una actualización hasta 2024 de la información sobre las cuentas de los balances de las SNF hasta 2019 elaborada en un estudio previo por el autor, en cuyo texto se explican con detalle las definiciones y formas de cálculo de las correspondientes partidas del balance, así como los fundamentos teóricos de las explicaciones sobre la evolución de los valores de estas¹.

Las Cuentas Financieras de la Economía Española que elabora y publica el Banco de España proporcionan información de los saldos no consolidados de activos y pasivos financieros de los sectores institucionales de la economía española, incluido el de las SNF, a precios corrientes de mercado. Las mismas cuentas, pero ahora con datos consolidados, pueden encontrarse también en las estadísticas que publica Eurostat para cada uno de los países de la Unión Europea. El Banco de España complementa las cuentas no consolidadas con información sobre los saldos deudores y acreedores de las SNF con terceros y con ellas mismas (estado de Contrapartidas) con la cual es posible pasar de los saldos de las cuentas sin consolidar a saldos consolidados, eliminando los saldos de las operaciones cruzadas entre compañías no financieras en España del saldo sin consolidar. Por este camino se llega a la misma información que publica directamente Eurostat.

Además de activos y pasivos financieros, las SNF poseen activos materiales e inmateriales que suministran los servicios de capital necesarios para la producción (maquinaria, equipos, inmuebles, propiedad intelectual, conocimiento…). La financiación de estos activos se contabiliza en las Cuentas Financieras, pero los activos no financieros no aparecen entre las cuentas de activo. Desde hace unos años, el INE publica los Balances de los sectores institucionales de la economía española, con estimaciones del valor monetario de los activos no financieros de cada uno de los sectores institucionales para los años 2012-2022. Previamente a la publicación de los activos no financieros por el INE, la Central de Balances del Banco de España publicaba anualmente estimaciones de los activos no financieros de las SNF en España a partir de los balances de las sociedades mercantiles colaboradoras de la Central y de los balances depositados por las compañías en los registros mercantiles. Finalmente, el IVIE, en colaboración con la Fundación BBVA publica regularmente estimaciones del stock de capital no financiero de la economía española desagregado por tipo de activo, sector económico y comunidad autónoma².

Las series de activos no financieros de las SNF publicadas por la Central de Balances y las series que publica el INE no son fáciles de enlazar, y el IVIE-Fundación BBVA no publica estimaciones separadas por sector institucional de la economía. Además, el objetivo de este trabajo es presentar balances completos con activos financieros y no financieros y con los pasivos de deuda y fondos propios correspondientes, además del desglose de activos en el exterior y pasivos del exterior. Por todas estas consideraciones, la estimación de los activos no financieros de explotación de las SNF que se presenta en este trabajo es de elaboración propia, utilizando el método de inventario permanente con información de flujos de formación bruta de capital fijo y de consumo de capital de las SNF que publica la Contabilidad Nacional y con la estimación del stock de activos inicial del año 1999 que publica la Central de Balances (año 2000).

2. LAS CUENTAS DEL BALANCE

Las cuentas o partidas del balance de situación, activos financieros y pasivos, de las SMF en España coinciden con las que aparecen en las estadísticas que publica Eurostat para cada uno de los países de la Unión Europea (UE) y para el conjunto de todos ellos, con información procedente de las Cuentas Financieras nacionales. Como se ha señalado en la introducción, la primera fuente de información de este trabajo es Eurostat porque en la estadística europea los saldos de las cuentas corresponden a valores consolidados, es decir después de descontar los saldos de operaciones de inversión y financiación cruzadas entre sociedades no financieras en España. Cuando se lleva a cabo este trabajo, las cuentas completas de Eurostat terminan el año 2023. Para completar la serie, la estimación de los saldos consolidados de las cuentas del balance para el año 2024 se estiman combinando información de los saldos sin consolidar con la información complementaria del estado “Resumen por instrumentos y sectores de contrapartida de las cuentas no consolidadas” que publica el Banco de España como una más de las cuentas financieras (Excel cf0234a(2)).

Los resultados de este ejercicio previo de identificación de fuentes y ordenación de la información se concretan en el cuadro 1A en el que aparece la lista de cuentas de activo y de pasivo en las que se desagrega el total del balance. Los nombres de las cuentas son similares a los que aparecen en los balances contables de las compañías mercantiles y creemos que no necesitan explicaciones adicionales. La partida Activo fijo de explotación en el activo del balance no forma parte de las Cuentas Financieras y su contenido se explica más adelante. El cuadro 1B reordena la lista de variables de Eurostat atendiendo a criterios aplicados en este trabajo atendiendo a las siguientes consideraciones.

Los activos financieros del balance se dividen en el bloque de Activos financieros de explotación y Activos financieros ajenos a la explotación. Los primeros incluyen el saldo neto de Crédito comercial del activo menos el Débito comercial del pasivo más las necesidades estimadas de liquidez, Tesorería. Se entiende que el crédito y el débito comercial se generan como resultado del aplazamiento de cobros de ventas a clientes y el aplazamiento de pagos de compras a proveedores como parte de la dinámica operativa del negocio. Al eliminar el saldo de deuda comercial del pasivo y restarlo del saldo de clientes del activo, el resto de deuda que queda en el pasivo es toda ella deuda con un coste financiero explícito. Las necesidades de liquidez, Tesorería, se estiman como el 10 % del saldo de Caja y depósitos. El resto de los activos financieros del balance se incluyen en el bloque de ajenos a la explotación. El resto de los pasivos del balance se agrupan en dos bloques, Deuda con coste y Fondos propios.

A partir de la información de la cuenta “Resumen por instrumentos y sectores de contrapartida de las cuentas no consolidadas”, las partidas de activos y pasivos financieros se agrupan para calcular el sado total de activos en el exterior de las SNF en España, y el saldo de pasivos de las SNF con el exterior (cuadro 2). Los activos en el exterior se contabilizan todos como activos financieros, aunque algunos de ellos, como por ejemplo acciones de la sociedad filial en el exterior de la que es titular una sociedad no financiera en España, son contrapartida de activos no financieros de explotación con los que el grupo societario español produce fuera de España.

Activo fijo de explotación y cuadre del balance

La partida Activo fijo de explotación del balance de las SNF es el resultado de una elaboración propia fuera de las Cuentas Financieras. El valor monetario del saldo de esta partida del activo del balance corresponde al valor a precios corrientes de reposición del capital utilizado en la producción de bienes y servicios en España. Se calcula utilizando el método de inventario permanente de acuerdo con la siguiente expresión:

 

Donde, p_Kt es el precio de mercado de una unidad de servicio de capital en el año t; K_t es el stock de unidades de servicio de capital en el año t; el Consumo Capital_t es la depreciación del stock de capital productivo durante el año t; I_t es el flujo de unidades de servicio de capital incorporadas al stock durante el año t; φ representa la tasa de progreso técnico incorporado en los bienes de capital, supuesta constante en todo el periodo e igual al 1 % anual. La fórmula anterior tiene en cuenta que lo que se repone con la inversión nueva no son los mismos activos que se han depreciado sino la capacidad productiva perdida por esa depreciación. El valor de Consumo Capital_t se toma directamente de la Contabilidad Nacional, cuentas trimestrales-valores anualizados del sector de las SNF y el valor de p_Kt I_t se estima igual a la formación bruta de capital fijo, FBCF del año t, de la misma fuente. , la ratio de precios de una unidad de servicio de capital en dos años consecutivos se estima igual al deflactor de la FBCF para el conjunto de la economía española. El valor inicial de p_Kt K_t, t=0, se estima igual al stock de activos no financieros de las SNF del año 1999 que publica la Central de Balances del Banco de España. El stock de capital estimado a partir de la ecuación de inventario permanente está valorado a precios corrientes de reposición.

El Activo fijo de explotación a precios de reposición se suma a los activos financieros de explotación y se obtiene el Activo de explotación (total). La suma del Activo de explotación más el Activo financiero ajeno a la explotación es igual al Activo total. Para cuadrar el balance, activo igual a pasivo, los Fondos propios del pasivo se calculan por la diferencia Activo total–Deuda con coste. Los fondos propios calculados de este modo representan el patrimonio neto agregado para el conjunto de las SNF en España calculado a precios de reposición de los activos del balance.

3. RESULTADOS: STOCK DE ACTIVOS Y PASIVOS

Los resultados completos de las estimaciones de los balances, activos y pasivos, de las SNF en España de acuerdo con la metodología y las fuentes de datos explicados en el apartado anterior están disponibles en formato Excel en la dirección https://www.funcas.es/wp-content/uploads/2025/05/Balance-de-las-SNF-en-España.xlsx. En este apartado se muestran algunos de los resultados seleccionados utilizando la representación gráfica.

Activo y pasivo total

El gráfico 1 muestra la evolución de las cifras estimadas de total activo, igual a total pasivo, de las SNF en España para cada uno de los años (valores promedios anuales) entre 2019 y 2024, en millones de euros corrientes y en millones de euros constantes del año 2000. Los activos a precios constantes se calculan deflactando el stock medio de cada año a euros corrientes por el valor del deflactor implícito de la formación bruta de capital fijo, FBCF, para el conjunto de la economía española, con valor 1 en el año 2000.

Entre 2000, primer año del euro, y 2024, es decir un cuarto de siglo después, el activo total en euros corrientes se multiplica prácticamente por tres, desde, aproximadamente, un billón a tres billones de euros. En euros constantes, el factor de multiplicación es aproximadamente dos, lo que significa que entre el año 2000 y el año 2024 los precios medios de los activos que forman parte de la formación bruta de capital fijo de la economía se han incrementado en un 50 % (menos del 2 % de crecimiento acumulativo anual).

El ritmo de acumulación del activo total ha sido desigual a lo largo del periodo. La mitad del crecimiento de los veinticinco años transcurridos se concentra entre los años 2000 y 2007: el activo total a euros constantes pasa de 1 billón a 1,5 billones (50 % de incremento). Entre 2007 y 2013 el total de activo decrece ligeramente en euros corrientes, pero crece levemente a euros constantes debido a la deflación en los precios de los activos durante estos años. Desde 2014 hasta 2019 el activo total recupera la senda de crecimiento, pero a un ritmo más moderado con un aumento acumulado del 25 %. Desde la COVID-19 hasta el final del periodo el stock de activo total de las SNF en España crece a euros corrientes, pero se estanca a euros corrientes. La discrepancia se explica por el episodio inflacionista de los años 2022 y 2023 que arrastró a la inflación de activos de capital.

Evolución de las partidas de activo y pasivo

El estudio se centra ahora en la evolución de los valores del stock de algunas partidas seleccionadas del activo y del pasivo de las SNF. En el caso del activo, el gráfico 2 muestra el desglose por separado del activo total entre activo financiero ajeno a la explotación y activo de explotación. En el momento de creación del euro, el activo total de las SNF se compone de un 30 % de activos financieros ajenos a la producción de bienes y servicios en España, y un 70 % de activos dedicados a la producción en España (activo de explotación). En los primeros años del euro los activos financieros crecen más deprisa que los activos de explotación de manera que en 2010 las proporciones cambian al 40 % y 60 %, aproximadamente; estos porcentajes apenas han variado el resto del periodo. Por tanto, desde la crisis financiera de 2008 en adelante los ritmos de acumulación de activos financieros y de activos de explotación han sido prácticamente iguales.

En el pasivo del balance se desglosan las cuentas crédito bancario, otra deuda y fondos propios (gráfico 3). En el año 2000, el pasivo total de las SNF se compone, aproximadamente, de un 40 % de deuda con coste y un 60 % de fondos propios. Aproximadamente dos tercios de la deuda total es crédito bancario (algo más del 26 % del total del pasivo). El crecimiento acelerado del activo hasta la crisis financiera de 2008 se financia en mayor proporción con deuda que con fondos propios, lo que lleva a un crecimiento de la financiación a través de deuda, y dentro de ella deuda bancaria, en el conjunto del pasivo. En los años de crisis 2008 y 2009, la deuda representa casi dos tercios del pasivo total y un 72 % de la deuda total es deuda bancaria. En valores absolutos, el crédito bancario pasa de 250.000 millones de euros en el año 2000 a 940.000 millones en el año 2009, lo que significa el 47 % del activo total.

Desde 2011 en adelante la composición del pasivo de las SNF evoluciona en la dirección opuesta, menos deuda y más fondos propios. La deuda con coste total en valor absoluto se mantiene estable alrededor de un billón de euros corrientes; como el pasivo total en euros corrientes aumenta, la ratio de deuda sobre el pasivo total mantiene un descenso regular desde el máximo de dos tercios en 2009 a algo más de un tercio (35 %) en 2024. En lo que se refiere al crédito bancario, la pérdida de peso relativo en la financiación del activo de las SNF en España es aún más pronunciada. En términos absolutos, el crédito bancario en 2024, 450.000 millones de euros, es la mitad del volumen de crédito en el máximo de 2009. En términos relativos, en 2024, el crédito bancario representa solamente el 16 % del total de pasivo de las SNF en España.

Finalmente, el activo de explotación se desagrega en activo fijo (no financiero) y activo financiero de explotación, según el cuadro 1B (gráfico 4). Prácticamente, todo el activo de explotación corresponde al activo fijo acumulado a partir de los flujos anuales de formación bruta de capital fijo, que incluye también el gasto anual en I+D, y de consumo de capital, según datos de la Contabilidad Nacional.

El perfil temporal de evolución del stock es similar al del activo total a euros constantes del gráfico 2. El stock de activo fijo de explotación se multiplica prácticamente por 2 en los veinticinco años de estudio, aunque la acumulación de capital se produce a ritmos muy desiguales en distintos subperiodos: crecimiento acumulativo anual del 5 % entre 2000 y 2008, estancamiento entre 2008 y 2013; crecimiento del 2,5 % acumulativo anual entre 2013 y 2021; estancamiento de nuevo en los años finales pos-COVID³.

Activos en el exterior y pasivos del exterior

La información disponible en las Cuentas Financieras permite separar los activos de las SNF en el exterior y los pasivos en manos de residentes en el exterior, de acuerdo con la clasificación de las cuentas del cuadro 3. El gráfico 5 muestra la evolución de los activos totales en el exterior y el total de los pasivos del exterior para cada año del periodo de estudio. La diferencia entre activo y pasivo es la posición neta de las SNF frente al exterior, acreedora cuando el activo es mayor que el pasivo y deudora en caso contrario. En este caso, el activo supera al pasivo en todos los años y, por tanto, las SNF están en una posición deudora neta con el exterior.

En el año 2000, las SNF tienen activos en el exterior por un valor total cercano a los 200.000 millones de euros, cifra que se mantiene estable durante los primeros cinco años en el euro. Entre 2005 y 2010 la cifra de activo se dobla y se mantiene en valores ligeramente por encima de los 400.000 euros hasta 2014. Desde 2015 en adelante, los activos en el exterior a euros corrientes vuelven a aumentar y en 2024 alcanzan los 738.000 millones de euros. Sin embargo, si la evolución de los precios de estos activos se aproximara a la del deflactor de la FBCF en España, a precios constantes el aumento en los activos de las SNF en el exterior desde 2014 en adelante habría sido prácticamente nulo.

Los pasivos del exterior comienzan a crecer desde el primer año de creación del euro; en los primeros años el crecimiento se acelera y en 2007 los pasivos del exterior se han multiplicado casi por 2 con respecto al valor en el año 2000. Los años de estabilidad en el pasivo procedente del exterior se prolongan hasta 2013; a partir de ese año vuelven a la senda ascendente hasta alcanzar los 1,3 billones del año 2024, aunque, de nuevo, a euros constantes, el incremento sería mucho menor.

En valores absolutos, la posición deudora neta de las SNF en el exterior es de 162.000 millones de euros en el año 2000 y de casi 600.000 millones en el año 2024, es decir, se multiplica por un factor de tres. Sin embargo, en términos relativos la diferencia entre el principio y el final del periodo se reduce: en el año 2000 los activos en el exterior representan el 52 % de los pasivos del exterior, mientras que en 2024 esta proporción sube hasta el 55 %. A lo largo de todo el periodo de estudio, la cifra más baja de activo en el exterior sobre pasivo del exterior (máxima posición deudora) es el 41 % en el año 2005.

El gráfico 6 muestra los resultados de poner en relación los saldos de activos en el exterior y pasivos del exterior con los saldos de las cuentas del balance total. En los años más expansivos de la actividad económica en España, 2003-2007, la proporción que representan los activos en el exterior sobre el activo total experimentan un ligero retroceso, como ocurre también con la proporción de activos en el exterior sobre el total de activos financieros; las SNF dan prioridad al crecimiento en el interior sobre el exterior. Desde 2011 en adelante se observa una notable estabilidad en estas proporciones, excepto un ligero repunte al final del periodo, después de la pandemia: los activos en el exterior de las SNF representan algo menos del 25 % del activo total y cerca del 60 % de los activos financieros ajenos a la explotación.

En lo que se refiere a las cuentas de pasivo, la deuda titularidad de no residentes se mantiene relativamente estable alrededor del 35 % del pasivo total de las SNF hasta la crisis financiera; en los años siguientes crece y se estabiliza alrededor del 42 % desde 2015 en adelante. La financiación del exterior a través de fondos propios crece con relación a los fondos propios totales de las SNF en los primeros años del euro, pero en los años posteriores a la crisis financiera se modera hasta estabilizarse alrededor del 44 %. La aportación de la financiación de deuda procedente del exterior al total de la deuda de las SNF sigue una evolución opuesta a la de los fondos propios, aunque en los últimos años las dos convergen en cuanto a aportación relativa a las cuentas respectivas del balance total. En 2024, la financiación procedente del exterior de las SNF en España representa cerca del 45 % de la financiación y una proporción similar de las respectivas partidas de deuda con coste y fondos propios de ese total.

4. FLUJOS DE GENERACIÓN Y USO DE FONDOS

La acumulación de capital de explotación es el resultado neto del flujo anual de inversión nueva, formación bruta de capital fijo, y el consumo del capital de explotación ya acumulado en el pasado. Por otra parte, las SNF generan flujos anuales de fondos monetarios resultado de la actividad productiva, disponibles para financiar la inversión y otros posibles usos, por ejemplo, pagar dividendos o cancelar deuda. Los fondos generados por la actividad empresarial incluyen los beneficios netos más el consumo de capital o amortización del activo fijo (un coste, pero no una salida de fondos para las compañías). Las compañías pagan dividendos a los socios financiadores y la diferencia, fondos generados menos dividendos, se retiene en la sociedad mercantil en forma de reserva que forman parte de los fondos propios. Cuando los fondos generados retenidos en un ejercicio económico superan la formación bruta de capital fijo, FBCF, del mismo ejercicio las SNF contribuyen a la financiación del resto de la economía; cuando la FBCF supera a los fondos generados retenidos, las SNF necesitan recibir fondos del resto de la economía para cubrir sus necesidades financieras. El gráfico 7 muestra la evolución de recursos generados retenidos, la FBCF y la diferencia entre las dos, anual y acumulada, para el agregado de las SNF en España.

Hasta la crisis financiera de 2008, el flujo anual de FBCF del conjunto de las SNF en España, supera holgadamente a los recursos generados retenidos; esto significa que las SNF dependen de fondos procedentes del resto de sectores de la economía, incluido el exterior, para financiar el flujo inversor en capital productivo. La crisis cambia la situación en un solo año. En 2009 los recursos generados retenidos ya superan el flujo de FBCF, situación que se mantiene hasta 2024 con la excepción del año pandémico de 2020, con un saldo que es prácticamente nulo. El paso de un saldo negativo, necesidad de financiación externa, a positivo, capacidad de financiar al resto de la economía es el resultado de un descenso en el flujo de inversión (55.000 millones de euros menos en 2009 que en 2007) y de un aumento en los recursos generados retenidos (70.000 millones de euros más en 2009 que en 2007).

En términos acumulados, entre 1999 y 2008 las necesidades totales de fondos para financiar la inversión en capital de explotación superan a los recursos generados retenidos en 350.000 millones de euros. En ese mismo periodo, la deuda con coste de las SNF aumenta en prácticamente 1 billón de euros, lo que significa que un 35 % del aumento de deuda se destina a cubrir el déficit de recursos generados retenidos para financiar la inversión bruta en capital productivo. Por otra parte, en 2024, el acumulado de fondos generados y retenidos por encima de las necesidades para financiar el flujo anual de FBCF alcanza los 228.000 millones de euros; en el mismo periodo, el saldo de la deuda con coste de las SNF desciende del máximo de 1,29 billones de euros en el año 2010 hasta los 1,02 billones en 2024 (euros corrientes). Es decir, el superávit acumulado en recursos generados y retenidos netos es igual al volumen de deuda cancelada en el mismo periodo.

No hay, por tanto, razones para pensar que la acumulación de capital de explotación por parte de las SNF en España, desde la crisis financiera en adelante, se haya visto condicionada por restricciones financieras.

Inversión bruta y neta

Es stock de capital que en cada momento del tiempo varía por los flujos de inversión nueva (suma) y por el consumo del capital existente (resta). Como muestra el gráfico 4, en los primeros años del euro el stock de capital de explotación crece a un ritmo relativamente alto; por tanto, durante este periodo la inversión nueva superaba holgadamente el consumo de capital. Entre 2009 y 2013, el stock de capital de explotación se estabiliza, es decir, en estos años la FBCF apenas es suficiente para reponer la depreciación del capital productivo instalado. A partir de 2014 y hasta la pandemia, 2020, el stock de capital vuelve a crecer, aunque a menor tasa que antes de la crisis de 2008, lo que significa menos diferencia entre inversión nueva y consumo de capital que en los años previos a la crisis financiera. Estas dinámicas diferentes en el proceso de acumulación de capital productivo se resumen en la evolución de las tasas de inversión bruta y neta que muestra el gráfico 8.

Entre 2000 y 2008, las tasas medias de inversión bruta y neta son, respectivamente, el 13 % y el 5%, lo que significa una depreciación media del stock del 8 %. En 2009, la inversión bruta se contrae en casi cinco puntos porcentuales y la neta es cero, situación que se mantiene hasta 2012. A partir de 2013, las tasas de inversión bruta y neta se recuperan gradualmente, recuperación interrumpida por la COVID-19. En el año pre-COVID de 2019 la tasa de inversión bruta se acerca al nivel de precrisis financiera, 13 %, mientras que la neta se queda a la mitad, 2,5 %. En ese año y en los siguientes, la tasa de depreciación supera el 10 %, dos puntos porcentuales más que en los años iniciales de la serie. Para una misma inversión bruta, la acumulación de capital productivo por parte de las SNF es menor en los últimos años que al inicio del periodo, resultado consistente con un cambio en la composición de los activos a lo largo de los años hacia una menor vida útil media y más rapidez de amortización.

El gráfico 8 muestra también la rentabilidad neta anual del activo de explotación (resultado de dividir el beneficio neto de explotación por el activo) para el agregado de las SNF en España, como un indicador parcial de los incentivos a invertir (para ser un indicador completo debería de ponerse en relación con el coste del capital). El descenso en la rentabilidad en los años pos-COVID sería consistente con la debilidad en la recuperación de la inversión en estos últimos años. Sin embargo, la evolución de la rentabilidad del activo de explotación no explica la debilidad inversora de los años 2009-2013. En estos años coinciden la crisis de la deuda pública en la zona del euro, que encarece el coste de financiación de la economía española por el aumento de la prima por riesgo, y la restructuración de sectores importantes de la economía como el bancario y el sector de construcción-inmobiliario.

5. LA EXPLICACIÓN DE LA INTENSIFICACIÓN DE CAPITAL Y SUS IMPLICACIONES

La inversión empresarial describe la senda a lo largo de la cual las empresas transitan desde el stock de capital corriente al stock de capital deseado. Una inversión neta positiva (negativa) apunta a que la capacidad deseada es mayor (menor) que la existente. La teoría económica de la inversión explica la velocidad de ajuste en términos de una mayor o menor tasa de inversión como el efecto neto de estímulos positivos (adelantar los beneficios incrementales de llegar antes al stock deseado) y negativos (un ajuste más rápido aumenta los costes incrementales de la transición). La explicación del stock de capital deseado es distinta de la explicación del ritmo inversor o desinversor de las empresas, tal como se muestra en este apartado.

Bajo el supuesto, realista, de que empresarios y administradores de las SNF en España deciden sobre las cantidades a producir y los recursos a emplear en la producción con el criterio de maximización del beneficio, y si los mercados de output e inputs de capital y trabajo son competitivos (empresas–precio aceptantes), la demanda de trabajo y de capital por unidad de output, en el óptimo, cumple las siguientes condiciones:

Donde: L representa las unidades de input trabajo (flujo); K las unidades de input capital (stock); Q las unidades de output producidas (flujo); w el precio de mercado por unidad de trabajo, cp_K es el coste de uso por unidad de capital (componente de rentabilidad esperada, c, por euro invertido, y precio de compra por unidad de capital p_K), p es el precio de mercado por unidad de output; E_Q/L ,E_Q/K son, respectivamente, la elasticidad del output a las unidades de trabajo y la elasticidad a las unidades de capital, utilizadas en la producción. Los precios se forman en los mercados y las elasticidades dependen de la tecnología de producción; por ejemplo, en la función de producción tipo Cobb-Douglas las elasticidades son constantes para cualquier combinación de inputs utilizados en la producción.

La demanda relativa de capital productivo depende, por tanto, en positivo, de la tecnología de producción, representada por la elasticidad E_Q/K , y en negativo del coste real del input,  El resultado es similar para la demanda relativa de trabajo, ecuación [2]. Combinando las dos ecuaciones, se obtiene la demanda de stock de capital por unidad de trabajo en la solución de máximo beneficio,

La ratio de capital por unidad de trabajo deseado en la producción aumenta con la relación de elasticidades de capital y trabajo en la tecnología productiva (una medida de intensidad relativa de capital directamente relacionada con la tecnología de producción), y disminuye con el encarecimiento relativo del input capital con respecto al input trabajo (un componente de intensidad relativa de capital determinado por los precios de los inputs, en sentido inverso). Para comprobar si las condiciones de maximización del beneficio [2] a [4] se cumplen para el agregado de las SNF en España, se necesita información adicional sobre las cantidades de output y de trabajo, e información sobre los precios de los inputs y del output. La medida de output se obtiene deflactando el VAB de las SNF del año correspondiente por un índice de precios calculado por el autor (deflactor del PIB cuando se excluyen los outputs de las instituciones financieras y el de la Administración pública). Las unidades de servicio de trabajo utilizadas en la producción se calculan deflactando la remuneración de los asalariados de las SNF, Contabilidad Nacional, por el deflactor construido a partir del indicador de coste laboral armonizado por trabajador que publica el INE. El stock de capital de explotación es igual al Activo de explotación a euros constantes del gráfico 4.

Los resultados de estas estimaciones, ver Anexo 1, muestran que la producción en euros constantes de valor añadido bruto de las SNF en 2024 es un 53 % mayor que la producción en el año 2000, lo que equivale a algo menos del 2 % de crecimiento acumulativo anual. Los inputs utilizados en la producción también aumentan, aunque en proporciones desiguales, un 33 % más de input trabajo y un 75 % más de input capital. Por tanto, a lo largo del periodo, el conjunto de las SNF en España intensifica el uso de capital en detrimento del trabajo en la producción de bienes y servicios en España. La evolución de esta sustitución a lo largo de los años (variables del lado izquierdo de las ecuaciones [2], [3] y [4], normalizada en los tres casos por el respectivo valor del año 2000) se muestra de forma gráfica en el gráfico 9.

La intensificación relativa de capital en la producción comienza ya en los primeros años del euro y se acelera con la crisis financiera de 2008, que se llevó por delante muchos puestos de trabajo. El proceso de ajuste hacia un nuevo equilibrio parece haber concluido en 2013, año a partir del cual las ratios de input por unidad de output se estabilizan. En ese nuevo equilibrio, el trabajo por unidad de output disminuye un 20 % con respecto al valor del año 2000, mientras que la cantidad de capital por unidad de output aumenta en un 20 %. En los años de la pandemia y posteriores, 2020 en adelante, se observa un cambio en la tendencia con aumento en la demanda de trabajo por unidad de output y descenso en la demanda de capital por unidad de output, a la que habrá que prestar atención para determinar si se consolida o no.

Las ecuaciones [2] a [4] explican las variaciones en la demanda de inputs por unidad de output por cambios en la tecnología de producción (elasticidades) y por variaciones en los precios relativos. El gráfico 10 muestra la evolución de los precios del trabajo y del capital normalizados por el precio del output, que habría determinado la evolución de las demandas de los respectivos factores, capital y trabajo, de la figura anterior ⁴. En los primeros años del euro, hasta la crisis financiera, el coste laboral evoluciona en paralelo al precio del output y ello explicaría la estabilidad en la cantidad de trabajo por unidad de output durante este periodo en el gráfico 9. En los años siguientes, el coste laboral aumenta más que el precio del output y el encarecimiento relativo del input sería suficiente para explicar el descenso en el uso de capital por unidad de output. El comportamiento de coste por uso del capital con relación al precio del output es distinto. En los primeros años del euro desciende el componente c del coste por uso y más adelante a ese descenso se le suma el del componente precio del capital. El abaratamiento relativo del input explica el aumento en la utilización de capital por unidad de output en la producción que muestra el gráfico 9⁵.

Como corolario de los dos gráficos anteriores, el gráfico 11 muestra la correlación durante todo el periodo de estudio entre la cantidad de capital por unidad de trabajo, valores sin normalizar, y la ratio entre coste del trabajo y el coste del capital, los dos también sin normalizar. La correlación positiva entre las dos variables es consistente con la predicción a partir de la ecuación [4]. Además, la constante de la línea de regresión no es significativamente distinta de cero, lo cual indica proporcionalidad entre la ratio de capital por unidad de trabajo y los precios relativos de los inputs en sentido inverso. La pendiente estimada de 0.48 indica una elasticidad del output al input trabajo en la función de producción dos veces la elasticidad del output al capital⁶.

6. CONCLUSIONES

La acumulación de capital productivo en la economía se relaciona con el crecimiento de la capacidad de producción, la creación de empleo y el aumento en la productividad. Cuando el capital se amplía para incorporar vivienda y bienes de consumo duradero de los hogares, la acumulación repercute en la mejora del consumo y del bienestar de la población en general. La acumulación de capital productivo se realiza principalmente por personas jurídicas –la mayoría sociedades mercantiles de capital, como la sociedad anónima y la sociedad de responsabilidad limitada–. Estas compañías se constituyen para producir bienes y servicios que se venden en el mercado; la producción se realiza utilizando servicios de capital del stock de activos productivos propiedad de la sociedad mercantil, y servicios de trabajo contratados con los trabajadores a través de la relación laboral y con las posibilidades que ofrece la tecnología en cada momento.

Este trabajo describe y explica la evolución del balance de las SNF en España en el cuarto de siglo transcurrido desde la creación del euro, en el marco del proceso de acumulación de activos financieros y activos de explotación de las compañías para producir bienes y servicios en España e invertir en el exterior. La financiación de los activos acumulados se realiza a través de deuda y de fondos propios, en parte procedentes del exterior. La deuda tiene un coste y unos plazos de devolución contratados explícitamente con los acreedores; los fondos propios se retribuyen residualmente (beneficio) y no tienen plazo de devolución; a cambio, sus titulares concentran los derechos residuales de decisión, hecho por el cual es razonable asumir que la acumulación de capital por las sociedades mercantiles responde a criterios de maximización del beneficio o maximización del valor económico de los fondos propios.

El trabajo proporciona información sobre las partidas relevantes del activo, del pasivo y del total del balance de las SNF en España para cada año entre 1999 y 2025, separando los activos financieros no vinculados a la explotación, y los activos financieros y no financieros vinculados a la explotación. También evalúa por separado los activos de las SNF en el exterior y los pasivos de las sociedades procedentes del exterior. Los activos financieros no vinculados a la explotación para el agregado de las SNF tienen un peso importante en el balance total (40 % en 2024) y crecen en paralelo a los activos financieros en el exterior, por lo cual la evolución de los activos financieros en el balance de las SNF en España se explica en buena parte por la internacionalización de las sociedades mercantiles con sede en España. Por otra parte, el crecimiento de los pasivos procedentes del exterior, deuda y fondos propios, estará relacionada con la economía española como receptora de inversión directa del exterior e insuficiencia del ahorro interno para financiar la acumulación de capital. Durante todo el periodo de estudio, la posición neta de las SNF con el exterior es holgadamente negativa (en 2024 los activos en el exterior representan el 55 % de los pasivos del exterior).

La acumulación de activos de capital, materiales e inmateriales, vinculados a la producción de bienes y servicios en España, por parte de las SNF, se analiza en el texto poniendo en relación el stock de servicios de capital de explotación con los flujos anuales de unidades de output y de servicios de trabajo, es decir a través de indicadores de intensificación de capital en la producción en España. Los datos elaborados muestran un incremento importante de la ratio stock de capital por unidad de output y por unidad de trabajo en la producción de las SNF en España después de la crisis financiera de 2008. En este sentido, con el coste laboral de 20.000 euros por trabajador promedio para el sector privado de la economía española en el año 2000, se estima un volumen de activo de explotación por trabajador de unos 67.000 euros, cifra que aumenta hasta 93.000 euros por trabajador, a euros constantes del año 2000, en 2019, año previo a la pandemia. Para explicar este dato se supone que las compañías toman las decisiones de producción con el criterio de maximización del beneficio. A partir de las condiciones de óptimo se comprueba que la acumulación relativa de capital se explica a partir de las características de la tecnología de producción y de los precios de los inputs capital y trabajo con relación al precio del output. La evolución de los precios relativos muestra un encarecimiento relativo del trabajo sobre el capital que explicaría la sustitución de más capital por menos trabajo en la producción.

La sustitución relativa del trabajo por el capital en la producción a lo largo del periodo de estudio deriva en un aumento de la productividad aparente del trabajo y una disminución en la productividad aparente del capital. Dentro del marco de análisis propuesto, la evolución de la productividad aparente no se explica por variaciones en la eficiencia en el uso de los recursos productivos, sino como resultado de la evolución de los precios relativos y, tal vez, por cambios en la tecnología de producción, una posibilidad esta última no considerada en este trabajo. De igual modo, el razonamiento habitual a partir de la función de producción por el cual se llega a la conclusión de que aumentando la intensidad de capital por trabajador se consigue aumentar la productividad aparente del trabajo, es un razonamiento incompleto porque no precisa que la intensificación de capital no es un dato exógeno, sino un resultado de decisiones de producción que toman las empresas siguiendo un determinado criterio, la maximización del beneficio previsiblemente. La intensificación de capital y las productividades aparentes de los recursos productivos, capital y trabajo, se determinan por las propiedades de la tecnología de producción y por los precios relativos. Por este motivo, las explicaciones sobre la evolución de las productividades parciales del trabajo y del capital deberán poner el foco en la evolución tecnológica y en la formación de los precios en los respectivos mercados.

Anexo 1. Output e inputs trabajo y capital agregados para el conjunto de SNF en España, 2000-2024

Este gráfico pone de manifiesto la volatilidad en la evolución del output y en la cantidad de trabajo utilizado en la producción para el agregado de las SNF en España durante el periodo de estudio. A la aceleración del crecimiento del output en 2006-2008 le sigue el quinquenio contractivo 2009-2013 y la COVID-19 interrumpe el periodo de recuperación que se inicia en 2014. En 2024, con la recuperación pos-COVID y superado el episodio inflacionario de 2022-2023, el output de las SNF se acerca al nivel que marca una línea de crecimiento medio acumulado del 2 % anual. La evolución del empleo se acomoda a la evolución del output, mostrando un comportamiento cíclico similar, aunque a un ritmo de crecimiento temporal notablemente menor del 1,2 % acumulativo anual. Es decir, un crecimiento de la productividad aparente del trabajo algo inferior al 0,8 % acumulativo anual. En la evolución del stock de capital (Activo de explotación) destaca la acumulación por encima del crecimiento tendencial estimado del 2,75 % hasta la crisis financiera de 2008, y el estancamiento en el proceso de acumulación al final del periodo.

Al output producido en cada periodo contribuyen los servicios de trabajo y los servicios de capital utilizados en la producción de acuerdo con una tecnología que relaciona las cantidades de inputs con la cantidad de output por unidad de tiempo. Como complemento final a las estimaciones separadas de cantidades de inputs y de output, el gráfico A2 compara el output observado del gráfico A1 con el output estimado a partir de la siguiente función de producción:  Q_t=3.75 * (1+0.007)^t K_t^0.3 L_t^0.6, t=0 año 2000. La función de producción Cobb-Douglas incluye un progreso técnico neutral que crece al 0,7 % acumulativo anual (crecimiento de la productividad total de los factores), y unas elasticidades del output al capital y al trabajo de 0.3 y 0.6, constantes para todo el periodo, respectivamente. Las elasticidades se han estimado iguales a la proporción que representan la remuneración de los asalariados y el coste estimado por uso del stock de capital sobre el VAB, respectivamente, promedios para los veinticinco años.

La función de producción propuesta explica bien la evolución del output observado según el gráfico A1, excepto en la pandemia y la pospandemia periodo en el que el valor del output estimado a partir de la función de producción supera holgadamente el output observado. Destaca el hecho de que la función de producción muestra rendimientos de escala decrecientes y, por tanto, es decir, la suma de las elasticidades del output a los inputs utilizados en la producción es menor que uno. Y destaca también que la función que explica la evolución del output observado incorpora un crecimiento acumulativo anual de la productividad total de los factores del 0,7 % anual.

El desacoplamiento entre los niveles de output estimado según la función de producción y el output observado al final del periodo podría estar reflejando una pérdida no recuperada de capacidad productiva durante la pandemia no recogida en las estimaciones de los inputs capital y trabajo, y/o un cambio en la tecnología de producción subyacente. En 2024, la diferencia entre los dos valores del output es de unos 40.000 millones de euros, un 8 % del output observado.

NOTAS

* Profesor emérito de la Universidad de Zaragoza e investigador asociado de Funcas.

¹ Salas Fumás, V. (2021). La Empresa Española en el Euro. Prensas de la Universidad de Zaragoza.

² La última publicación en la web, todavía en versión provisional, hasta 2024, puede consultarse en https://www.fbbva.es/wp-content/uploads/2025/03/DE_2025_Stock_de_capital_1964-2024_version_preliminar.pdf

³ En el año 2019, para el que existen estimaciones de activos de explotación de las SNF de las tres fuentes, INE, Central de Balances y este trabajo, el INE publica la cifra de 2,3 billones de euros de activos fijos de las SNF; la Central de Balances de 1,5 billones y este trabajo de 1,37 billones.

⁴ El coste del trabajo se mide por el índice de coste laboral armonizado. El precio del output es el deflactor del VAB de las SNF estimado por el autor. El coste por uso de una unidad de servicio capital se estima como, cp_K= (R + δ—ρ_K ) ρ_K , donde R es la rentabilidad financiera nominal que obtienen los financiadores en inversiones de riesgo similar, δ es la tasa de depreciación del activo, ρ_K es la tasa de variación interanual en el precio de los activos de capital,  . El precio de los bienes de capital, ρ_K, se mide por la evolución año a año del deflactor de la FBCF de la economía española. La depreciación se calcula a partir de las cifras de consumo de capital; el valor de R se estima bajo el supuesto de que los financiadores del capital esperan una rentabilidad real ajustada por riesgo después del impuesto de sociedades del 4 % anual. Es decir, si r. es la rentabilidad real y R=(r + ρ_K ) la rentabilidad nominal, (r +ρ_K )(1—u)—ρ_K=0. 04 y  , donde u es el tipo impositivo efectivo del impuesto de sociedades supuesto constante e igual a 0.2 para todo el periodo, y R=(r + ρ_K ) es la rentabilidad nominal antes de impuestos sobre beneficios de las sociedades. Si se toma con rentabilidad nominal alternativa antes de impuestos, R, el tipo de interés de la deuda pública a diez años el valor promedio de R (1—u)—ρ_K para los 25 años del periodo de estudio es prácticamente cero; por tanto, la r =0.04 fijada como rentabilidad objetivo supone una prima de riesgo de cuatro puntos porcentuales sobre la rentabilidad después de impuestos de invertir en deuda pública a 10 años.

⁵ Nótese que la inversa de las demandas de input por unidad de output del gráfico 9 corresponden a la productividad aparente del trabajo y del capital, respectivamente. Después de la crisis financiera, la productividad aparente del trabajo (capital) aumenta (disminuye). Estas variaciones en la productividad aparente no reflejan diferencias de eficiencia en el uso de los recursos, sino ajustes en las demandas relativas en respuesta a variaciones en los precios relativos (al menos parcialmente).

⁶ La maximización del beneficio, ecuaciones [2] y [3], predice una participación de la remuneración del trabajo y del coste por uso del capital en el ingreso igual a las elasticidades despectivas. Las participaciones de la remuneración y el del coste en el VAB de las SNF, promedio para todo el periodo, son respectivamente 0.6 y 0.3.

Descarga Publicación (formato PDF)

Fecha: mayo 2025

María Alvarado** y Nieves Carrera**

Este estudio analiza la introducción e implementación de la política de rotación de firma auditora (RFA) derivada de la normativa de la Unión Europea (UE) en España y su impacto en las principales empresas cotizadas. Inicialmente el legislador optó por una implementación estricta de la RFA, flexibilizando los criterios a lo largo del tiempo. Respecto al impacto en el mercado, los resultados de una muestra de empresas del IBEX 35 en el período 2013-2023 evidencian un aumento significativo en la rotación de firmas, aunque la mayoría de los cambios son de carácter voluntario, esto es, se han producido antes de que la normativa hiciera obligatoria la sustitución del auditor. Este comportamiento sugiere que las empresas buscan anticiparse a la regulación para minimizar posibles efectos adversos de una rotación forzada. Asimismo, podría reflejar una estrategia para reforzar la percepción de transparencia y compromiso con la calidad de la auditoría antes de que la normativa exija el relevo. El estudio también muestra que los cambios de auditor no han producido cambios significativos en los honorarios de auditoría del auditor principal. Finalmente, los resultados también indican que la RFA no ha alterado el dominio de las “Cuatro Grandes” firmas –Deloitte, Ernst & Young (EY), KPMG, y PricewaterhouseCoopers (PwC)– cuya posición en el segmento de las empresas cotizadas se mantiene estable, aunque el peso de cada una de ellas sí se ha modificado.

1. INTRODUCCIÓN^*

La crisis financiera global del año 2008 puso de relieve las vulnerabilidades en la información financiera y en la auditoría externa. En respuesta, la Unión Europea (UE) reformó la regulación de auditoría mediante la Directiva 2014/56/UE del Parlamento Europeo y del Consejo, de 16 de abril de 2014, por la que se modifica la Directiva 2006/43/CE relativa a la Auditoría Legal de las Cuentas Anuales y de las Cuentas Consolidadas ­(Directiva UE, 2014) y el Reglamento sobre los requisitos específicos para la auditoría legal de las entidades de interés público (Reglamento UE, 2014). El artículo 17 del reglamento introdujo la rotación de firma de auditoría (RFA), que exige el cambio periódico del auditor externo después de un determinado período de tiempo para las entidades de interés público (EIP). España incorporó este requisito a su marco legislativo a través de la Ley 22/2015 de Auditoría de Cuentas (LAC, 2015).

La RFA es una práctica controvertida. Por un lado, sus defensores consideran que limitar la duración de los contratos de auditoría contribuye a preservar la independencia del auditor y elevar la calidad del servicio, abordando la amenaza de familiaridad derivada de la larga duración de los contratos y reforzando el escepticismo profesional (Comisión Europea, 2010; LAC, 2015; Reglamento UE, 2014). El argumento es que la RFA disminuye la probabilidad de desarrollar relaciones personales o dependencias económicas con la dirección de la entidad auditada, lo cual podría comprometer la objetividad del auditor. En este sentido, la entrada de una nueva firma permite realizar un análisis más imparcial, aportando una perspectiva renovada al enfoque de auditoría, lo que puede favorecer un servicio más crítico y profesional. Además, la limitación en la duración de los contratos de auditoría legal podría generar efectos positivos en el oligopolio dominante en ciertos segmentos del mercado, promoviendo así la formación de mercados más dinámicos y competitivos (Comisión Europea, 2010; LAC, 2015; Reglamento UE, 2014; Rodríguez Castro et al., 2017). Por otro lado, los que se oponen a la RFA concluyen que esta medida no necesariamente refuerza la independencia del auditor ni mejora la calidad de la auditoría (GAO, 2003; PCAOB, 2011). Se argumenta que la falta de conocimiento previo de la entidad por parte de la nueva firma auditora puede afectar negativamente a la calidad del trabajo (FEE, 2004; GAO, 2003; Ruiz Barbadillo et al., 2009). Esta reducción de la calidad se ve generalmente acompañada por un incremento en los honorarios que puede no compensar las posibles ventajas de la RFA (FEE, 2004; GAO, 2003; IFAC, 2020).

Este estudio analiza la introducción e implementación de la RFA en España, derivada de la adaptación de la normativa europea al contexto nacional, y su impacto en las principales empresas cotizadas. Para ello, se analiza la evolución del marco legislativo desde la aprobación de la nueva normativa europea y se estudian los cambios en los auditores de las empresas del IBEX 35 durante el período 2013-2023.

2. ROTACIÓN DE FIRMA AUDITORA (RFA) EN LA LEGISLACIÓN UE

La Comisión Europea (CE) publicó el 13 de octubre de 2010 un Libro Verde titulado Política de auditoría: lecciones de la crisis como punto de partida de una extensa consulta pública en torno a la función y el alcance de la auditoría y la forma de perfeccionar su función en aras a fortalecer la estabilidad financiera. Los resultados de la consulta pública evidenciaron que era posible mejorar las medidas sobre auditorías de las EIP contenidas en la Directiva 2006/43/CE. Aunque en la redacción del articulado de esta Directiva no se incluía mención expresa a las medidas de rotación, en el punto 26 de los considerandos se establecía que:

“con el fin de reforzar la independencia de los auditores de las entidades de interés público, se debe realizar una rotación de los principales socios auditores. Para organizar esta rotación, los Estados miembros deben requerir un cambio de los principales socios auditores que operen con una entidad auditada, al mismo tiempo que permiten a la sociedad de auditoría con la que está asociado el principal socio auditor seguir siendo el auditor legal de tal entidad. Cuando un Estado miembro lo considere pertinente para lograr los objetivos perseguidos, podrá requerir alternativamente el cambio de la sociedad de auditoría” (Directiva 2006/43, 2006: L 157/90; énfasis añadido).

Por tanto, se reconocía la importancia de establecer medidas de rotación del auditor firmante dejando libertad a los estados miembros para regular la RFA.

Las medidas de refuerzo de la auditoría legal de las EIP fueron volcadas en la Directiva de 16 de abril de 2014 (Directiva UE, 2014) y en el Reglamento (Reglamento UE, 2014). En la rápida aprobación del Reglamento tuvo un gran peso las consecuencias de la crisis financiera tal y como se reconocía en la exposición de motivos de la propuesta de Reglamento (Comisión Europea, 2011, 1):

“Las medidas adoptadas dentro y fuera de Europa como consecuencia directa de la crisis financiera se han centrado sobre todo en la necesidad urgente de estabilizar el sistema financiero. Si bien el papel de los bancos, los fondos de inversión libre, las agencias de calificación, los supervisores o los bancos centrales ha sido cuestionado y analizado en profundidad en muchas ocasiones, hasta ahora apenas se ha prestado atención al papel desempeñado por los auditores en esta crisis, y mucho menos al papel que hubieran debido desempeñar. Dado que los bancos hicieron aflorar de 2007 a 2009 enormes pérdidas relacionadas con las posiciones que mantenían dentro y fuera de sus balances, son muchos los ciudadanos e inversores que no se explican cómo fue posible que los auditores emitiesen en esos ejercicios informes de auditoría limpios sobre las cuentas de sus clientes (en particular, los bancos)” (énfasis añadido).

Mientras la Directiva 2014/56/UE no menciona la RFA, esta se establece en el Reglamento. En concreto, el artículo 17 establece que en las auditorías legales de EIP, ni el auditor legal ni la sociedad de auditoría ni, en su caso, ninguno de los miembros de las redes de estos dentro de la UE, podrán auditar más de 10 años una EIP y, finalizado este periodo, no podrán volver a auditarla hasta que hayan transcurrido cuatro años. No obstante, se establecen dos excepciones a este límite máximo de 10 años. En la primera, la duración máxima del contrato puede extenderse de 10 a 20 años si se realiza una convocatoria pública de ofertas para la auditoría legal. En la segunda, la duración máxima del contrato puede extenderse de 10 a 24 años “si se ha contratado simultáneamente a más de una firma y la auditoría legal dé lugar a la presentación de un informe conjunto de auditoría” (Reglamento UE, 2014: art. 17).

A petición de la Comisión de Asuntos Económicos y Monetarios del Parlamento Europeo (ECON), Willekens et al. (2019) realizaron un estudio sobre la evolución de la concentración, competición y costes en el mercado de auditoría en la UE antes y después de la reforma. El estudio evidencia una notable variación en la implementación de los distintos aspectos de la reforma entre los Estados miembros, incluida la aplicación de la RFA. En los países en los que esta política se aplicó de manera más estricta, se observó una reducción del Índice Herfindahl-Hirschman (IHH) y de la cuota de mercado de las “Cuatro Grandes”, especialmente en el sector financiero. En cambio, en aquellos con una implementación más flexible, no se registraron diferencias significativas en el IHH ni en la cuota de mercado antes y después de la reforma. Los autores subrayan la importancia de analizar los efectos en cada Estado miembro para comprender mejor los procesos de implementación y así optimizar la toma de decisiones futuras.

En mayo de 2022 Accountancy Europe publicó un informe sobre la aplicación de la RFA en los 27 países de la UE, además de Islandia, Noruega y Reino Unido. Según el informe, 25 de los 30 países (83,33 %) establecieron un límite máximo de 10 años para la contratación de una misma firma de auditoría. La prórroga de 10 años, aplicable si se realiza una convocatoria pública de ofertas para la auditoría legal, fue adoptada en 18 países (60 %), de los cuales 15 optaron por el periodo máximo permitido. Por otro lado, la prórroga de 14 años en casos de coauditoría se implementó en 10 países (33,33 %).

Como veremos en la siguiente sección, España adoptó inicialmente una regulación estricta de la RFA ­(Willekens et al., 2019; Condor López et al., 2018), estableciendo un límite de 10 años, prorrogable por cuatro adicionales en caso de auditoría conjunta. Sin embargo, estos criterios se han flexibilizado con el tiempo.

Varios trabajos han examinado el impacto inicial de la RFA en las EIP en España. El Informe-Dictamen Técnico de Condor López et al. (2018) examinó el mercado de auditoría en 2016, poco después de la implementación de la norma. Sus resultados muestran la alta concentración del mercado, con las “Cuatro Grandes” auditando el 81,5 % de las EIP y controlando el 97,6 % del volumen de negocio. El estudio también encuentra que el 29,2 % de las EIP cambiaron voluntariamente de auditor entre 2014-2016, indicando un “efecto favorable a la rotación del auditor, antes de que fuera obligatoria” (Condor López et al., 2018, 69). Basioudis et al. (2024) analizaron el efecto de la RFA en los honorarios de auditoría de las empresas cotizadas entre 2011 y 2018. Sus resultados muestran que la entrada en vigor de la RFA ha incrementado la rotación de firmas auditoras. Además, los datos indican que los nuevos auditores tienden a ofrecer un descuento significativo en los honorarios, tanto en cambios voluntarios como obligatorios, antes y después de la reforma. Esto sugiere que las firmas están dispuestas a asumir costes adicionales para captar nuevos clientes.

3. ROTACIÓN DE FIRMA AUDITORA EN LA LEGISLACIÓN ESPAÑOLA

España tiene experiencia con la política de RFA. El Reglamento de la primera Ley de Auditoría, aprobada en 1988, incluía un artículo que establecía la RFA cada nueve años. Sin embargo, este requisito fue eliminado en 1995 mediante la Ley de Sociedades de Responsabilidad Limitada, antes de que ninguna firma tuviera que cambiar de auditor de forma obligatoria (Carrera et al., 2007). La RFA no volvió a establecerse hasta 2015, con la aprobación de la Ley 22/2015, de 20 de julio, de Auditoría de Cuentas (LAC, 2015) que derogó el texto refundido de la Ley de Auditoría de Cuentas aprobado por Real Decreto Legislativo 1/2011, de 1 de julio.

La Ley de Auditoría de 2015 se aprobó para trasponer las modificaciones introducidas por la Directiva 2014/56/UE del Parlamento Europeo y del Consejo de 16 de abril de 2014, en la Directiva 2006/43/CE relativa a la auditoría de cuentas anuales y consolidadas. Su objetivo era establecer un marco jurídico que abordara la dualidad normativa existente con relación a las auditorías de EIP y no EIP y definir, en su ámbito de actuación, las opciones adoptadas por el regulador español según las opciones permitidas por el Reglamento UE. En este régimen dual de las auditorías legales, se eliminaron las medidas de rotación de las no EIP conservándose los plazos de contratación de legislación precedente. Para las EIP, se adoptó la duración máxima inicial impuesta por la UE de 10 años, manteniéndose los tres años de duración mínima¹. En cuanto a las posibles prórrogas del contrato una vez transcurridos los 10 años, se admitía que este se pudiera ampliar cuatro años más “siempre que se haya contratado de forma simultánea al mismo auditor o sociedad de auditoría junto a otro u otros auditores o sociedades de auditoría para actuar conjuntamente en este período adicional” (LAC, 2015: art. 40.1; énfasis añadido). Una vez finalizado el periodo máximo de contratación y las prórrogas aplicables, la firma de auditoría deberá respetar un periodo mínimo de cuatro años para poder volver a auditar la empresa o grupo (LAC, 2015: art. 40.1; Reglamento UE, 2014: art. 17.3). La opción de ampliar el contrato de auditoría por asignación en convocatoria pública prevista en el Reglamento UE no se contempló. Además, se instituyó la rotación a nivel de auditor o auditores principales responsables del trabajo de auditoría una vez transcurridos cinco años desde el contrato inicial y con un periodo mínimo de carencia de tres años (LAC, 2015, art. 40.1).

Los criterios adoptados inicialmente por el regulador español sobre la RFA reflejan una aplicación estricta de la normativa europea, en línea con las decisiones de países como Austria, Italia o Portugal. Esta postura contrasta con la de otros Estados miembros, como Bélgica, Francia o Finlandia, que optaron por una interpretación más laxa de la normativa, permitiendo plazos de contratación superiores a 20 años (Willekens et al., 2019, 21 y 51).

La primera modificación de los criterios iniciales se produjo en 2021 con la aprobación del Reglamento que desarrolla la Ley de Auditoría de 2015 (Real Decreto 2, 2021). El Reglamento apuntó sobre el articulado de la ley que, en el caso de prórroga por auditoría conjunta, el nuevo auditor de cuentas, una vez terminados los cuatro años de prórroga, podrá ser contratado individualmente hasta completar el periodo máximo de 10 años, pudiendo prorrogar este contrato cuatro años más si realiza la auditoría conjuntamente con otro auditor de cuentas (Real Decreto 2, 2021, art. 83).

Hasta la fecha, la última modificación de nuestro ordenamiento jurídico relacionado con la RFA en las EIP se realizó a través de la Ley 31/2022, de 23 de diciembre, de Presupuestos Generales del Estado para el año 2023. Su Disposición final vigésima segunda modificó el artículo 40 de la LAC, permitiendo extender la duración máxima del contrato de auditoría de 10 años otros 14 años adicionales (24 en total) si durante estos años la auditoría se realiza conjuntamente con uno o varios auditores de cuentas. En concreto, el texto establece que el período total de contratación “podrá prorrogarse […] adicionalmente hasta un máximo de catorce años, siempre que se haya contratado de forma simultánea al mismo auditor o sociedad de auditoría junto a otro u otros auditores o sociedades de auditoría para actuar conjuntamente en este período adicional” (Ley 31/2022, 2022; énfasis añadido). Este cambio pudo deberse a la presión del sector, dado que, “con sólo cuatro años es muy complicado que las compañías auditadas perciban los efectos positivos” de la posibilidad de extender los contratos gracias a auditoría conjunta (El Economista, 5/1/2017). Además, por primera vez en nuestra legislación, se admite extender la duración máxima del contrato otros 10 años si la adjudicación del contrato se realiza a través de una convocatoria pública de ofertas. El ICAC emitió un documento aclarando estas modificaciones (ICAC, 2024).

En conclusión, actualmente existe RFA para las EIP españolas, con un contrato inicial mínimo de tres años y vencimiento a los 10, con extensiones posibles de otros 14 años en caso de coauditoría o 10 años si la adjudicación del contrato se realiza a través de una convocatoria pública (LAC, 2015: art. 40). Respecto a la implementación teniendo en cuenta la antigüedad del contrato de auditoría, lo establecido en el Reglamento UE y la Ley de Auditoría de 2015 se traduce en las fechas máximas para cambio de auditor que aparecen en el cuadro 1, asumiendo que no existen extensiones del contrato derivadas de coauditoría o convocatoria pública de ofertas.

4. ROTACIÓN DE FIRMA AUDITORA EN EL IBEX 35

En esta sección analizamos las auditorías de las principales empresas cotizadas en el período 2013-2023. El estudio se basa en una muestra de 53 empresas que, en algún momento, formaron parte del IBEX 35 durante dicho período. En total, estas empresas presentaron 545 informes de auditoría, de los cuales 401 corresponden a años en los que integraban el índice. Los datos fueron obtenidos de la página web de la Comisión Nacional del Mercado de Valores (CNMV). Tras analizar la cuota de mercado de las firmas de auditoría y la concentración por sectores en este segmento, examinamos los cambios de auditor y su relación con la RFA. Finalmente, evaluamos si estos cambios están asociados con variaciones en los honorarios de auditoría.

4.1. ¿Quién audita a las empresas del IBEX 35?

El mercado de auditoría en España presenta características propias de un oligopolio (Shepherd, 1997). Como muestran estudios previos, las “Cuatro Grandes” (Deloitte, EY, KPMG, y PwC), concentran la mayor parte de los servicios (Carrera et al., 2005; Condor López et al., 2018; Rodríguez Castro et al., 2017). El mercado de auditoría del IBEX 35 se ha comportado efectivamente como un oligopolio estricto, lo cual es consistente con lo observado en otros mercados.

El gráfico 1 muestra la evolución de la cartera de clientes del IBEX 35 de las firmas auditoras durante el período 2013-2023². Deloitte fue la firma de auditoría que más informes de auditoría de empresas del IBEX 35 firmó entre 2013-2023 (28 %), seguida de PwC (25 %), KPMG (24 %), y EY (22 %). Las cuotas de mercado de cada firma sugieren que no hay una empresa “líder” en este segmento, a diferencia de lo que sucedía antes de la crisis de Arthur Andersen (AA) en el 2002³.

Deloitte perdió cuota de mercado a lo largo del tiempo, reduciendo el número de auditorías del IBEX 35 de 16 (43,24 % del total) en 2013 a 5 (14,29 %) en 2023. Tanto KPMG como PwC han ganado clientes, pasando de auditar 5 (13,51 %) y 6 (16,22 %) en 2013, respectivamente, a 14 (31,43 %) y 11 (25,71 %) en 2023. EY mantuvo una cuota de mercado superior al 20 % entre 2013 y 2016, con alrededor de 10 auditorías anuales. Sin embargo, su número de clientes disminuyó entre 2017 y 2021, con una ligera recuperación en 2022, aunque sin alcanzar el máximo de 2014. En resumen, KPMG ha incrementado su cartera de clientes de manera significativa, mientras que Deloitte ha experimentado una pérdida notable. PwC ha tenido un crecimiento más moderado, y EY ha sufrido una reducción en su cuota de mercado con una recuperación en los últimos años.

Respecto a la distribución sectorial, las “Cuatro Grandes” están representadas en un buen porcentaje de los 18 sectores de las empresas del IBEX 35 en el período 2013-2023, como se muestra en el cuadro 2:

El análisis sectorial muestra que Deloitte prestó servicios en 12 de los 18 sectores presentes en la muestra, con una mayor concentración en construcción (23,21 % de su cartera en los once años estudiados), seguido de nuevas tecnologías (15,18 %) y banca (13,39 %). EY tuvo presencia en 13 sectores (72,22 %), destacando su participación en energía eléctrica (17,78 %), agua y gas (12,22 %), otras industrias manufactureras (11,11 %), transporte (11,11 %) y banca (10 %). KPMG operó en 11 sectores (61,11 %), concentrando su actividad en energía eléctrica (24 %), industria química (16,67 %), banca (10,42 %) y transporte (10,42 %). PwC, con presencia en 14 sectores (77,78 %), se especializó en banca (36 %) y metálicas básicas (12,00 %).

Un análisis detallado por sectores indica que se han producido cambios en la participación de todos los sectores analizados, a excepción de papel y artes gráficas, aunque hay que tener en cuenta que varios sectores experimentaron fluctuaciones en el número de empresas representadas en el IBEX 35 (e.g., construcción o energía eléctrica), lo que afectó a las cuotas de mercado de las auditoras. Deloitte lideró en construcción y nuevas tecnologías en los primeros años (2013-2016), pero perdió cuota de mercado en energía y agua y banca a lo largo del tiempo. En la construcción, su pérdida de mercado fue significativa, sin ningún cliente en el período 2020-2022. PwC y KPMG consolidaron su presencia en banca e industria química y KPMG y EY en energía eléctrica, con un crecimiento sostenido en los últimos años. En seguros y papel y artes gráficas, KPMG y PwC mantuvieron exclusividad durante varios años.

En conclusión, las “Cuatro Grandes” muestran diferencias en su alcance sectorial dentro del IBEX 35, con PwC y EY operando en más sectores que KPMG y Deloitte. Si bien esto sugiere cierto grado de especialización y una estrategia orientada hacia sectores con alto impacto económico y regulaciones específicas que exigen experiencia especializada, los datos no confirman una estrategia de concentración exclusiva en sectores ­específicos.

4.2. ¿Han rotado los auditores del IBEX 35 en el período 2013-2023?

A continuación, examinamos el cumplimiento de la política de RFA según los requisitos detallados en el cuadro 1. Consideramos todas las auditorías presentadas por las 53 empresas de la muestra en el período 2013-2023 (545 auditorías), independientemente de si las empresas estaban en ese momento incluidas en el IBEX 35 o no. En total, se han producido 48 cambios de auditor, correspondiendo 34 de ellos a ejercicios en los que la empresa formaba parte del índice. El gráfico 2 muestra el número de cambios a lo largo del tiempo. En el Apéndice se incluye información sobre las empresas que cambiaron de auditor, el auditor saliente, la duración de los contratos, y el auditor entrante.

Tal y como se desprende del cuadro 1, las primeras rotaciones obligatorias de auditor debían haberse realizado en el primer ejercicio iniciado con posterioridad al 17 de junio de 2020 (ICAC, 2018); por tanto, en las auditorías cerradas en 2021 y las siguientes en 2024. No obstante, como podemos observar en el gráfico 2, un tercio de las rotaciones se concentró en los años 2016 y 2017 (10,42 % y 25 %, respectivamente), pudiendo reflejar un deseo de anticiparse a la entrada en vigor del Reglamento EU y la LAC. De hecho, la prensa se refirió en su momento a “una oleada de cambios de auditor de cuentas del Ibex” (El Economista, 26/01/2017). A modo de ejemplo, el caso de Acciona, que en 2016 abrió una convocatoria pública para cambiar el auditor, siendo finalmente KPMG el ganador reemplazando a Deloitte, auditor de la empresa durante más de 15 años. Comunicado su nombramiento en mayo del 2017 (Acciona, 2017), en el último ejercicio analizado (2023), KPMG continúa como auditor de la sociedad y su grupo consolidado. Otros años con alta rotación fueron 2021 (12,50 %) y 2020 (10,42 %), reflejando posibles ajustes estratégicos de las empresas. En cualquier caso, los cambios parecen estabilizarse, con una media de cuatro a seis cambios anuales desde 2018 en adelante.

La evidencia de cambio de auditor de las empresas del IBEX 35 sugiere que la implementación de la política de RFA en España podría haber impulsado la decisión de cambio de auditor de forma voluntaria, sin esperar a que la rotación sea forzada por la norma. Tras el ejercicio 2017, las rotaciones se concentraron mayoritariamente en el año 2021 (seis cambios), año que el Reglamento EU marca como ejercicio de rotación obligatoria, y en el 2023 (cinco cambios). Sin embargo, estos cambios fueron mayoritariamente rotaciones voluntarias, dado que de los 11 cambios observados solamente hemos detectado dos de carácter obligatorio: FCC y OHL. De hecho, estas rotaciones han sido las únicas de carácter estrictamente obligatorio en el periodo 2013-2023. Las restantes rotaciones fueron voluntarias o vinculadas a otras decisiones empresariales. Resaltar que únicamente hemos encontrado un caso de firma de auditoría que tras el periodo de cuatro años de enfriamiento establecido por el Reglamento EU haya vuelto a auditar un grupo empresarial: Grupo ACS (antes Abertis) realizada por Deloitte. Este grupo estuvo auditado entre 2004 y 2018 por Deloitte. En 2019 se produjo un cambio de auditor a KPMG que auditó al grupo durante cuatro años, hasta la vuelta de Deloitte en 2023. En 10 de las empresas de la muestra (18,87 % de 53) no hubo rotación de auditores⁴.

El análisis de los años de contrato del auditor⁵ y la fecha de cambio indica que la mayoría de los contratos de auditoría finalizados en el período 2013-2023 tuvieron una duración de entre 6 y 15 años, con una media de 12 años y una mediana de 11 años (mínimo tres y máximo de 29 años). Estos valores sugieren que la mayoría de las empresas optan por cambiar voluntariamente de auditor en un plazo ligeramente superior al límite de 10 años establecido por la RFA. La diferencia entre la media y la mediana se explica por la presencia de relaciones excepcionalmente largas entre algunas empresas y sus auditoras, como el caso de Banco Sabadell y PwC, que duró 29 años.

En cuanto al impacto en la concentración del mercado, en línea con lo señalado en el apartado anterior, la evidencia sugiere que no ha habido variaciones, manteniéndose el oligopolio. Deloitte fue la firma que más clientes perdió, aunque también logró captar nuevos contratos. EY, KPMG y PwC han “intercambiado” clientes de manera más equilibrada. Por ejemplo, Mapfre y Endesa pasaron de EY a KPMG en 2015 y 2020, respectivamente, mientras que KPMG perdió BBVA en favor de EY en 2022. Respecto a los sectores, empresas de banca, energía y construcción han sido las que han experimentado más cambios de auditor. EY se ha reforzado en energía y banca, KPMG ha captado clientes en banca e industria química, y PwC ha mantenido una base sólida en banca e infraestructura, aunque con algunas pérdidas significativas. Solo una firma no perteneciente a las “Cuatro Grandes” está presente en la muestra, Mazars⁶, que perdió un cliente a favor de EY en 2015.

Por último, señalar la novedad que supone la auditoría conjunta, elegida por dos empresas, Logista y Técnicas Reunidas. La única auditoría conjunta de una empresa perteneciente al IBEX 35 fue la de Técnicas Reunidas. En 2017, la empresa incorporó a Deloitte como auditor manteniendo el contrato con PwC, su auditor en los últimos 14 años (desde el 2003 según los informes anuales disponibles en la CNMV). La auditoría conjunta se mantuvo durante seis años, aunque sólo durante tres años Técnicas Reunidas cotizaba en el selectivo. Deloitte actúa como auditor único a partir del año 2023. Logista, que comenzó a cotizar en 2014 y auditada durante años por Deloitte, incorporó a PwC como auditor conjunto en 2017. En ese momento no pertenecía al IBEX 35. En 2020 la empresa sustituyó el encargo conjunto de auditoría de Deloitte-PwC por EY.

4.3. ¿Ha habido más rotaciones en el IBEX 35 desde la implementación de la RFA?

El gráfico 3 muestra la evolución del número de cambios de auditor por año para las 53 empresas de nuestra muestra inicial para período 1991-2023 (1.259 informes de auditoría). Salvando el impacto de AA en 2002, parece que la tendencia ha sido a un incremento del número de cambios en la última década, con el pico importante en 2017, como anteriormente se ha señalado.

Para analizar si existe una diferencia significativa en el número de cambios de firma de auditoría antes y después de la regulación, la muestra se ha dividido en dos períodos: antes y después de la fecha de la entrada en vigor de la política de RFA según el Reglamento UE, 16 de junio de 2016. El primer grupo incluye auditorías firmadas de los ejercicios comprendidos entre 1991 y 2016 (919 observaciones), y el segundo las auditorías de los ejercicios 2017-2023 (340 observaciones). La media de cambios de auditor en el período 1991-2016 es del 6,6 % (0,066) mientras que en el período 2017-2023 aumentó al 11,5 % (0,115), lo que representa un incremento de 4,8 puntos porcentuales, como se muestra en el cuadro 3.

El t-test de medias indica un aumento significativo en los cambios de auditor después de 2016, probablemente debido a la implementación de la RFA, a pesar de que estos cambios no fueran obligatorios. Para validar la robustez de los resultados, se utilizó la prueba de Mann-Whitney U, que rechazó la hipótesis nula de igualdad en la frecuencia de cambios de auditor entre ambos períodos (p<0,05), confirmando los resultados del t-test. En conclusión, los cambios voluntarios de auditor se incrementaron significativamente después de la entrada en vigor de la RFA.

4.4. ¿Se han incrementado los honorarios pagados al auditor principal como consecuencia del cambio
de auditor?

Hemos analizado si los cambios de auditor producidos durante el período 2013-2023 han afectado a los honorarios pagados por las empresas a sus auditores principales por servicios de auditoría legal, tal y como sugieren estudios previos (e.g., Willekens et al., 2019; Basioudis et al., 2024)⁷. A partir de los datos de los informes anuales, el cuadro 4 presenta la estadística descriptiva de los honorarios de auditoría antes (HA Antes) y después (HA Después) del cambio de auditor. Además, incluimos los HA correspondientes al auditor principal por millón de euros de ingresos del cliente, métrica utilizada en el sector (e.g., Audit Analytics), antes y después del cambio de auditor.

Los resultados muestran una alta discrepancia entre la media y la mediana de los honorarios del auditor principal, tanto en términos absolutos como relativos a los ingresos del cliente. Por ejemplo, antes del cambio del auditor, la media de los honorarios es de 5,6 millones de euros, mientras que la mediana es de 1,86 millones. Esta diferencia, también observable tras el cambio de auditor, indica una distribución altamente asimétrica y sesgada a la derecha, influida por un número reducido de empresas con honorarios excepcionalmente altos. La alta desviación estándar en ambos periodos confirma la existencia de una considerable variabilidad entre empresas.

Los datos del cuadro 4 indican que los HA pagados al auditor principal disminuyeron ligeramente en media, de 5,62 a 5,53 millones de euros después del cambio de auditor. En términos relativos, los honorarios de auditoría pagados al auditor principal aumentaron mínimamente de 631,58 a 634,75 euros por millón de ingresos del cliente, con una variabilidad también muy alta, especialmente después del cambio de auditor. Tanto la mediana absoluta como la relativa disminuyen tras el cambio de auditor (de 1,86 millones a 1,65 y de 432,91 a 399,72 euros por millón de ingresos, respectivamente), lo que sugiere una tendencia general a la baja en los honorarios pagados al auditor principal.

Para evaluar si los honorarios del auditor principal (HA) se modificaron tras el cambio de auditor, se aplicaron dos contrastes estadísticos apropiados al diseño emparejado del estudio: un t-test de diferencia de medias y la prueba no paramétrica de Wilcoxon. El t-test no identificó diferencias estadísticamente significativas ni en los honorarios absolutos (p = 0,7421) ni en los ajustados por ingresos (p = 0,9517). Considerando la asimetría de los datos, se utilizó también la prueba de Wilcoxon, que confirmó la ausencia de cambios significativos en los honorarios absolutos (p = 0,5846), pero reveló una posible reducción de los honorarios ajustados por ingresos tras el cambio de auditor, aunque con una significación estadística marginal (p = 0,0608). Aunque la media de estos honorarios es ligeramente superior después del cambio, la mayoría de las empresas muestra reducciones, lo que sugiere una moderada optimización del coste relativo, si bien sin evidencia concluyente. Estos resultados contrastan con los de Basioudis et al. (2024), quienes observaron un descuento significativo en una muestra de EPI españolas entre 2011 y 2018, lo que podría explicarse por diferencias en el periodo analizado, las características de la muestra o la metodología empleada.

En conclusión, en el caso de las empresas del IBEX 35, los resultados no evidencian un cambio significativo en los honorarios de auditoría legal pagados al auditor principal tras el cambio de auditor. Sin embargo, en términos relativos se observa una ligera tendencia descendente. Es importante destacar que la elevada dispersión de los datos y el tamaño limitado de la muestra pueden estar afectando a los resultados.

5. CONCLUSIONES

La Ley de Auditoría de 2015 reintrodujo en el marco normativo español la RFA, retomando una política que había estado vigente brevemente en la década de los noventa. Con el fin de adaptar la regulación española a la normativa europea, se estableció un período máximo de 10 años para los contratos de auditoría legal de las EIP, con una posible prórroga de hasta cuatro años en casos de auditoría conjunta, configurando así un marco regulatorio estricto en la aplicación de la RFA. Sin embargo, en los últimos años, diversas reformas han flexibilizado significativamente estos plazos: en 2021 se amplió la duración de los contratos en auditorías conjuntas, y en 2022 se permitió extender el período máximo hasta 24 años con coauditoría o hasta 20 años si la adjudicación se realiza mediante convocatoria pública. Estos cambios, que acercan a España a las opciones tomadas por otros países de la UE, parecen reflejan la influencia del sector y una tendencia hacia una aplicación más flexible de la norma.

El análisis de las auditorías de las principales empresas españolas representadas en el IBEX 35 en el período 2013-2023 muestra que la RFA ha provocado un incremento significativo en las rotaciones de auditores, aunque la mayoría de estos cambios han sido de carácter voluntario. Esto puede deberse a que las empresas prefieren anticiparse a la normativa de la UE y la LAC, y de esta forma minimizar los posibles efectos adversos que pueda tener una rotación obligatoria. También podría reflejar una estrategia activa por parte de las empresas para reforzar su compromiso con la transparencia y calidad de la auditoría, tomando decisiones respecto a su auditor principal antes de que la normativa exija su relevo. Los cambios voluntarios se produjeron, en media, en un período ligeramente superior al límite de los 10 años fijados por la RFA.

La mayor rotación de auditores no ha dado lugar a cambios en el dominio de las “Cuatro Grandes” en el mercado de auditoría del IBEX 35, el cual presenta características de oligopolio estricto. Es decir, pese a la aplicación normativa de la RFA no se ha producido una reducción de la cuota de mercado de las “Cuatro Grandes”. Ahora bien, sí se han producido cambios notables en el peso específico que cada una de ellas tiene en este segmento, así como en su presencia sectorial. Respecto a los honorarios de auditoría, los datos sugieren que las rotaciones de auditor no han provocado un aumento en los honorarios de auditoría pagados al auditor principal. Por último, destacar que la presencia de la coauditoría es mínima entre las grandes empresas españolas.

En conclusión, la RFA ha impulsado un aumento significativo en los cambios de auditores en las principales empresas españolas, aunque la mayoría de estos cambios han sido voluntarios y no han dado lugar a un incremento en los costes de sus auditorías legales.

Referencias

Acciona. (2017). Comunicación a la CNMV. Información Relevante. https://www.cnmv.es/WebServices/VerDocumento/Ver?e=8qk0XuOp%2FPXrv1Spv31vMrojc5caDaczWitwUsYwRmRQSRh0dt1K2vXNhAR3mLSV&utm_source=chatgpt.com

Accountancy Europe. (2022). Mandatory Rotation of Auditors. Streamlining European Countries’ Audit Rules. https://www.accountancyeurope.eu/wp-content/uploads/2022/12/Audit-Rotation-2022_Accountancy_EU.pdf

Basioudis, I. G., Cuellar Fernández, B. y García Lacalle, J. (2024). Implementing mandatory audit firm rotation: Effects on audit and non-audit fees. Spanish Accounting Review, 27(1), 174-192. https://doi.org/10.6018/rcsar.491481

Carrera, N., Gutiérrez, I. y Carmona, S. (2005). Concentración en el mercado de auditoría en España: Análisis empírico del período 1990-2000. Revista Española de Financiación y Contabilidad, 34(125), 423-457.

Carrera, N., Gómez Aguilar, N., Humphrey, C. y Ruiz-Barbadillo, E. (2007). Mandatory audit firm rotation in Spain: A policy that was never applied. Accounting, Auditing & Accountability Journal, 20(5), 671-701.

Comisión Europea. (2010). Libro Verde. Política de Auditoría: Lecciones de la Crisis. https://eur-lex.europa.eu/LexUriServ/LexUriServ.do?uri=COM:2010:0561:FIN:Es:PDF

Comisión Europea. (2011). Propuesta de Reglamento del Parlamento Europeo y del Consejo sobre los Requisitos Específicos para la Auditoría Legal de las Entidades de Interés Público. https://eur-lex.europa.eu/legal-content/ES/ALL/?uri=CELEX %3A52011PC0779

Condor López, V., Ansón Lapeña, J. y Costa Toda, A. (2018). Los Efectos de la Rotación tras la Entrada en vigor del Reglamento Europeo y la Ley de Auditoría de Cuentas. INFORME-DICTAMEN TÉCNICO. ICAC. https://www.icac.gob.es/sites/default/files/2021-01/Informe-Dictamen_Tecnico.PDF

Directiva 2006/43. (2006). Directiva 2006/43/CE del Parlamento Europeo y del Consejo de 17 de mayo de 2006 relativa a la Auditoría Legal de las Cuentas Anuales y de las Cuentas Consolidadas, por la que se modifican las Directivas 78/660/CEE y 83/349/CEE del Consejo y se deroga la Directiva 84/253/CEE del Consejo. https://eur-lex.europa.eu/legal-content/ES/TXT/?uri=CELEX:32006L0043

Directiva UE. (2014). Directiva 2014/56/UE del Parlamento Europeo y del Consejo, de 16 de abril de 2014, por la que se modifica la Directiva 2006/43/CE relativa a la Auditoría Legal de las Cuentas Anuales y de las ­Cuentas Consolidadas. https://eur-lex.europa.eu/legal-content/ES/TXT/?uri=CELEX %3A32014L0056

El Economista. (5/1/2017). Técnicas Reunidas elige a Deloitte como auditor a partir de 2017. https://www.eleconomista.es/empresas-finanzas/noticias/8065287/01/17/Tecnicas-Reunidas-elige-a-Deloitte-como-auditor-a-partir-de-2017.html

El Economista. (26/01/2017). KPMG gana la auditoría de cuentas de Acciona para los próximos ejercicios. https://www.eleconomista.es/empresas-finanzas/noticias/8111839/01/17/KPMG-gana-la-auditoria-de-cuentas-de-Acciona-para-los-proximos-tres-ejercicios.html

Fédération des Experts Comptables Européens (FEE). (2004). Mandatory Rotation of Audit Firms ­Endangers Audit Quality. https://www.accountancyeurope.eu/wp-content/uploads/FEE_Study_on_Mandatory_Rotation_of_Audit_Firms_04102112005561253.pdf

General Accounting Office (GAO). (2003). Required Study on the Potential Effects of Mandatory Audit Firm Rotation. Report to the Senate Committee on Banking, Housing, and Urban Affairs and the House Committee on Financial Services. Washington, DC: GAO. https://www.gao.gov/assets/gao-04-216.pdf

Informe Auditoría Grifols. (2023). Informe de Auditoría de Grifols, S.A. y sociedades dependientes. https://www.grifols.com/documents/3625622/6152178/CCAACC-Grifols-SA-31-12-2023-WEB.pdf/4902d76a-1b61-21c9-7138-36671901b581?t=1709882067511

Instituto de Contabilidad y Auditoría de Cuentas (ICAC). (2018). Consulta No. 1. BOICAC 115. https://www.icac.gob.es/node/185

Instituto de Contabilidad y Auditoría de Cuentas (ICAC). (2024). Criterio de Interpretación sobre Determinados Aspectos de la Duración Máxima del Encargo de Auditoría en Entidades de Interés Público. https://www.icac.gob.es/sites/default/files/2024-03/6. %20Duraci %C3 %B3n %20m %C3 %A1xima %20encargo %20de %20auditor %C3 %ADa.pdf

International Federation of Accountants (IFAC). (2020). Joint Audit: The Bottom Line – The Evidence is Unclear. https://www.ifac.org/publications/joint-audit-bottom-line-no-clear-evidence

Ley de Auditoría (LAC). (2015). Ley 22/2015, de 20 de julio de Auditoría de Cuentas. https://www.boe.es/buscar/act.php?id=BOE-A-2015-8147

Ley 31/2022. (2022). Ley 31/2022, de 23 de diciembre, de Presupuestos Generales del Estado para el año 2023. https://www.boe.es/buscar/act.php?id=BOE-A-2022-22128

Public Company Accounting Oversight Body (PCAOB). (2011). PCAOB Issues Concept Release on Auditor Independent and Audit Firm Rotation. https://pcaobus.org/news-events/news-releases/news-release-detail/pcaob-issues-concept-release-on-auditor-independence-and-audit-firm-rotation_348

Real Decreto 2/2021. (2021). Real Decreto 2/2021, de 12 de enero, por el que se Aprueba el Reglamento de Desarrollo de la Ley 22/2015, de 20 de julio, de Auditoría de Cuentas. https://www.boe.es/buscar/doc.php?id=BOE-A-2021-1351

Reglamento UE. (2014). Reglamento UE 537/2014 del Parlamento Europeo y del Consejo de 16 de abril de 2014 sobre los Requisitos Específicos para la Auditoría Legal de las Entidades de Interés Público. https://eur-lex.europa.eu/eli/reg/2014/537/oj

Rodríguez Castro, P., Ruiz Barbadillo, E. y Biedma López, E. (2017). Market power and audit market collusion: the Spanish case. Academia Revista Latinoamericana de Administración, 30(3), 344-361. https://doi.org/10.1108/ARLA-11-2015-0307

Ruiz Barbadillo, E., Gómez Aguilar, N. y Carrera, N. (2009). Does mandatory audit firm rotation enhance auditor independence? Evidence from Spain. Auditing: A Journal of Practice & Theory, 28(1), 113–135.

Shepherd, W. G. (1997). The Economics of Industrial Organization. 4^th edition. New Jersey: Prentice Hall International.

Willekens, M., Dekeyser, S. y Simac, I. (2019). EU Statutory Audit Reform. Impact on Costs, Concentration and Competition. https://www.europarl.europa.eu/thinktank/en/document/IPOL_STU(2019)631057

Notas

^* Las autoras agradecen a FUNCAS la financiación para la realización de este trabajo y el desarrollo de esta línea de investigación. E-mail de contacto: nieves.carrera@ie.edu.

** Universidad Rey Juan Carlos.

*** IE Business School – IE University.

¹ El Reglamento UE permite un plazo de 1 año, dejando a los Estados miembros la opción de ampliarlo.

² Técnicas Reunidas tuvo una auditoría conjunta Deloitte – PwC durante seis años, siendo la compañía parte del IBEX 35 en tres de ellos (2017, 2018, 2019). El gráfico 1 muestra las firmas auditoras de 398 auditorías de empresas del IBEX 35, excluyendo las tres coauditorías de Técnicas Reunidas en 2017, 2018 y 2019. Se trata de un caso puntual, ya que la coauditoría no es común en España.

³ De las 297 auditorías presentadas por las 27 empresas de nuestra muestra cotizadas entre 1991-2001, el 50 % (148) fueron firmadas por AA, seguida a distancia por PwC (28 %) y KPMG (14 %), mientras que Coopers & Lybrand y EY tenían una presencia mínima. Tras la crisis global de AA a raíz del escándalo de Enron en EE. UU. en 2002, el equipo de auditoría de AA España se integró en Deloitte, que absorbió a la mayoría de socios, empleados y clientes. En nuestra muestra, de los 18 clientes de AA en 2001, 15 pasaron a Deloitte, 2 a KPMG y 1 a PwC.

⁴ Banco Popular, Bolsas y Mercados Españoles, Jazztel y Másmovil Ibercom no cambiaron de auditor, siendo integradas en Banco Santander (2017), SIX (2020), Orange (2017) y KKR, Cinven y Providence Equity (2020), respectivamente. El caso de Grifols resulta llamativo, ya que, según se menciona en el informe de auditoría de 2023 de KPMG, la firma señala que “hemos venido realizando el trabajo de auditoría de cuentas de forma ininterrumpida desde el ejercicio finalizado el 31 de julio de 1990”, es decir, por 34 años (Informe Auditoría Grifols, 2023, 8), inicialmente bajo la denominación de KPMG Peat Marwick, S.A. y CIA AUDITORES, SRC, y posteriormente como KPMG. Sin embargo, como se muestra en el cuadro 1, la normativa de RFA establece que, en el caso de contratos firmados antes del 17 de junio de 1996, la fecha límite para la rotación del auditor es el ejercicio que se inicie con posterioridad al 17 de junio del 2020. Los cinco casos restantes (11,63 %), corresponden a empresas que no tienen obligación de rotar el auditor antes del ejercicio 2025.

⁵ Los años de contrato se han calculado a partir de los informes anuales presentados a la CNMV desde 1990, sin incluir periodos anteriores.

⁶ Mazars está incluida en la muestra de 545 observaciones, pero no en la de 401 examinada en la sección anterior, ya que en los años en los que prestó sus servicios a Solaria, esta no pertenecía al IBEX 35.

⁷ No se incluyen en el cálculo los honorarios correspondientes a auditores distintos del auditor principal.

Apéndice

Descarga Publicación (formato PDF)

Fecha: abril 2025

Félix Lobo

Estas páginas contextualizan y resumen sistemáticamente el capítulo sobre sanidad y salud pública del Dictamen de la Comisión Parlamentaria de Reconstrucción Social y Económica de España de 2020 (CRSE). La CRSE y el Dictamen resultante fueron fruto de un amplio acuerdo político multipartido adoptado por gran mayoría en el Congreso de los Diputados, en condiciones de emergencia nacional por la pandemia de la COVID-19, que contó con destacados expertos y actores del sistema sanitario y la opinión ciudadana. Para ponerlo en perspectiva, se menciona la abundante literatura sobre la reforma del SNS español, éste se describe brevemente siguiendo el último Informe del Observatorio Europeo de Sistemas y Políticas de Salud y se apuntan los síntomas de deterioro que ofrece y los problemas agudos de estructura organizativa y de política personal que le aquejan. Finalmente, tras resumir las circunstancias de la elaboración y aprobación del Dictamen y su importancia, se ofrece una exposición seleccionada pero pormenorizada de su contenido en forma de tablas sinópticas, y con la sistemática elemental propia de un plan estratégico.

La conclusión es que la propia Comisión y las recomendaciones del Dictamen fueron un esfuerzo notable porque marcaron una hoja de ruta para la reforma del SNS bastante comprensiva, bien sustentada en análisis técnicos solventes y amparada en un amplio e infrecuente acuerdo de las fuerzas políticas, aunque con insuficiencias, ambigüedades e incongruencias, entre ellas no plantear una reforma de conjunto del Estatuto Marco del personal sanitario y la falta de un mecanismo de seguimiento y control de su ejecución. Cinco años después, en el ámbito de las responsabilidades del Estado (Gobierno central) algunas de las propuestas se han desarrollado o empezado a poner en marcha, aunque con carencias y retrasos. La situación política española en 2025 no permite ser muy optimista porque no parece que en la adopción de medidas concretas que enfrentan fuertes intereses y resistencias corporativas, pueda volverse a alcanzar el acuerdo político multipartido que logró el Dictamen.

Descarga Publicación (formato PDF)

Fecha: febrero 2025

Desiderio Romero-Jordán

1. INTRODUCCIÓN

Tras la pandemia, el crecimiento de los precios experimentó un fuerte aumento por la interacción de varios factores. Principalmente, la presión de la demanda, la disrupción de las cadenas de valor, el efecto de las políticas fiscales expansivas y el shock en los precios de la energía generada por la guerra de Ucrania. Como consecuencia el crecimiento de los precios se elevó al 3,1 % en 2021, al 8,4 % en 2022, 3,5 % en 2023 y 2,8 % en 2024. En definitiva, el aumento acumulado en los precios ha alcanzado en tan solo cuatro años el 17,8 %, muy por encima del 12 % del período 2009 a 2019.

El incremento en los precios repercute de forma directa en la recaudación del impuesto sobre el valor añadido (IVA). Como muestra el cuadro 1, el aumento de la recaudación de IVA en el período 2021 a 2024 se situará, previsiblemente, en una cifra próxima a los 27.300 millones de euros¹. La recaudación alcanzó en 2019 los 71.538 millones y en 2024 superará, previsiblemente, los 92.000 millones de euros. A pesar de las rebajas fiscales implementadas en el período pospandemia en algunos alimentos esenciales, así como en ciertos bienes energéticos como gas y electricidad. Sobre esta fuerte alza en los ingresos surgen algunas preguntas cuya contestación resulta de gran utilidad. Primero, desde el punto de vista presupuestario, es oportuno conocer el papel que ha tenido la inflación en este aumento recaudatorio. Y el camino que seguirá cuando se retorne a los niveles de inflación prepandemia. Segundo, a nivel micro, resulta relevante tener estimaciones de cómo ha aumentado la factura fiscal entre los hogares de acuerdo con sus características socioeconómicas. En otras palabras, es relevante identificar a los hogares más perjudicados con este fenómeno para identificar las políticas públicas más adecuadas.

Este trabajo da respuestas a estas cuestiones ofreciendo una actualización y puesta al día de los cálculos de Romero-Jordán (2023a), extendiendo las estimaciones al período 2021 a 2024. La sección 2 presenta brevemente la metodología utilizada. Los resultados se muestran en las secciones 3 y 4.

2. METODOLOGÍA

La carga total de IVA soportada anualmente por cada hogar se define como:

dondees el gasto en bienes y servicios neto de inflación e impuestos en el período t, IPCH es el índice de precios de consumo específico de cada hogar y, (finalmente), es el tipo medio de IVA soportado por cada hogar. En el cómputo de IPCH se ha seguido la metodología descrita en Romero-Jordán (2023b) donde se muestra que el IPCH soportado por un determinado hogar en un año puede ser superior, inferior o igual al valor del IPC medio poblacional. La recaudación total de IVA soportada por cada hogar se descompone en dos sumandos. De una parte, la recaudación “pura” de IVA o neta de inflación, De otra, la recaudación inducida por el aumento de los precios, Para estimar la distribución de la recaudación total de IVA entre esos dos componentes, R_p y R_i, es preciso conocer los valores de las variables G, t* e IPCH de cada hogar. Tales variables han sido calculadas empleando los microdatos de la Encuesta de presupuestos familiares (EPF) de las olas de 2021 a 2023² junto a los precios por subclases publicados por el INE.

Como anticipo de los resultados que se muestran en la sección 3, el gráfico 1 presenta la evolución de la
recaudación de IVA generada por la inflación en los años 2019 a 2024. Puede apreciarse que el efecto medio en esos cinco años fue de 19,1 euros por hogar en 2019; de -0,3 euros en 2020; de 75,7 euros en 2021; 195,2 euros en 2022, de 98,6 euros en 2023 y, por último, de 69,2 euros en 2024. Es decir, el impacto de la inflación sobre la recaudación se exacerbó en los años 2021 a 2024, tal como se muestra en el gráfico 2, a pesar de las rebajas fiscales aplicadas en esos años.

3. REBAJA TEMPORAL DE IVA E IMPUESTOS ESPECIALES SOBRE LA ENERGÍA PARA ALIVIAR LOS COSTES DE LA INFLACIÓN

Las rebajas fiscales en IVA e impuestos especiales han atenuado el impacto de la inflación en la recaudación de IVA a través de su impacto en el tipo medio efectivo, . La crisis energética de 2021 seguida de la invasión de Ucrania de 2022 generó una fuerte alza en los precios de gas, electricidad y alimentos. El Gobierno aprobó una primera rebaja del tipo de IVA de la electricidad que pasó del 21 % al 10 % entre junio de 2021 y junio de 2022³. A partir de esa fecha, entró en vigor una segunda rebaja, quedando el tipo de IVA fijado en el 5 % entre julio de 2022 y diciembre de 2023. A lo largo de 2024, el tipo de IVA ha sufrido diferentes cambios que han venido determinados por la evolución del promedio del precio mayorista de la electricidad. Concretamente, el tipo volvió al 10 % en enero de 2024 al haberse reducido el precio promedio del mercado mayorista por debajo del umbral de 45 euros/MWh. En marzo se elevó al 21 % al descender dicho precio mayorista por debajo del citado límite. Y, desde junio de 2024, el tipo ha quedado establecido en el 21 % al haber aumentado el precio por encima del umbral del precio mayorista. En cuanto al impuesto especial de la electricidad, en los años 2022 y 2023 se redujo el tipo impositivo desde el 5,11 % al 0,5 %. A lo largo de 2024, este gravamen inició una senda de crecimiento para volver al tipo vigente hasta 2022. Concretamente, entre enero y marzo se elevó al 2,5 %, entre abril y junio al 3,8 % y desde el 1 de julio quedó fijado nuevamente en el 5,11 %.

El tipo de IVA del gas natural se redujo del 21 % al 5 % entre octubre de 2022 y diciembre de 2023 para aliviar la carga tributaria de los hogares. El tipo de gravamen se elevó al 10 % durante el primer trimestre de 2024 volviendo al 21 % en abril de 2024. Asimismo, las briquetas, pellets y biomasa destinadas a calefacción se les aplicó una primera rebaja, pasando el tipo de IVA del 21 % al 5 % entre octubre de 2022 y diciembre de 2023. Seguidamente, el tipo de IVA se elevó al 10 % entre enero y junio de 2023, volviendo de nuevo al tipo normal desde el 1 de julio de 2024.

Para aliviar el aumento de los precios de los alimentos sobre la cesta de consumo de los hogares, en enero de 2023 entró en vigor una rebaja del tipo de IVA aplicable a algunos alimentos. Concretamente, el tipo se redujo al 0 % para un conjunto de bienes esenciales como pan, leche, huevos o frutas frescas. Este tipo de gravamen pasó al 2 % en octubre de 2024. Asimismo, se aplicó una reducción temporal a aceites y pasta desde el 10 % al 5 %. En el caso de pastas y aceites de semillas, el tipo de gravamen pasó a ser del 7,5 % en octubre de 2024. Sin embargo, el aceite de oliva se redujo al 0 % en los meses de julio a septiembre de 2024 pasando al 2 % desde octubre. Este conjunto de rebajas fiscales ha sido tenido en cuenta para computar el impacto de la inflación sobre la recaudación de IVA⁴.

4. IMPACTO SEGÚN RASGOS SOCIOECONÓMICOS DE LOS HOGARES

Los cuadros 2, 3 y 4 ilustran el impacto de la inflación sobre la recaudación de IVA de los hogares tabulados por: i) decilas de gasto; ii) tipología de hogar, y iii) comunidades autónomas. Se muestran cálculos tanto del efecto individual de los cuatro años analizados, 2021 a 2024, como del efecto acumulado. Se ha calculado también el peso del acumulado sobre el gasto ajustado de los hogares (GTA) en 2023 (último año disponible). GTA recoge el gasto corriente de los hogares, excluyendo por tanto el valor imputado de la vivienda en propiedad. De estos cuadros pueden extraerse las siguientes conclusiones.

Como era de esperar, el mayor impacto recaudatorio por la inflación tuvo lugar en 2022 en el que la tasa de inflación alcanzó el 8,4 % anual. En ese año, la factura fiscal aumentó, en promedio, en 195,2 euros por hogar. Le sigue en importancia el año 2023 donde el aumento medio fue de 98,6 euros, 2021 con 75,7 euros y 2024 con 69,2 euros.

En promedio, el impacto acumulado ha sido de 447 euros –capitalizado, dicho montante estaría próximo a los 500 euros en 2024–. En términos absolutos, el efecto acumulado es creciente con el nivel de gasto de los hogares, oscilando entre 103 euros en la primera decila y 1.140 euros en la última. Esta relación creciente es consecuencia directa de los tipos efectivos más elevados soportados por los tramos de renta alta, ya que consumen una mayor proporción de ítems gravados a tipo normal. El impacto acumulado para los hogares con un gasto próximo a los 1.200 euros mensuales –tercera decila– está próximo a los 228 euros. Por último, para un hogar medio en gasto, cuyo gasto corriente fue aproximadamente de 26.000 euros en 2023, el impacto acumulado es, aproximadamente, de 400 euros.

En términos absolutos, el impacto de la inflación sobre la factura fiscal de IVA es creciente con el gasto. Sin embargo, en términos relativos, el aumento acumulado de IVA ha supuesto, en promedio, el equivalente al 1,7 % del GTA de los hogares. Este valor es prácticamente el mismo en todas las decilas. Por tanto, en términos relativos, el efecto acumulado de la inflación sobre la carga fiscal de IVA ha sido proporcional. Consecuentemente, el modus operandi de la inflación ha sido el equivalente al de un impuesto adicional sobre el gasto con estructura efectiva proporcional. La evidencia disponible muestra que el IVA es un impuesto ligeramente progresivo sobre el gasto (Romero, 2015; Thomas, 2022). Por tanto, estos fenómenos de intensa inflación habrán reducido la progresividad en términos de gasto, acercando más el impuesto hacia la proporcionalidad.

El análisis del impacto por tipo de hogar rebela efectos escala. Los hogares de mayor tamaño han soportado un impacto acumulado más grande, al tener un nivel de gasto más elevado. Por ejemplo, el IVA acumulado por la inflación ha sido de 231 euros en un hogar individual con una persona de más de 65 años frente a los 591 euros de una pareja con dos hijos menores de 18 años.

Los resultados muestran diferencias en el impacto medio acumulado por comunidades y ciudades autónomas. No obstante, estas diferencias no superan en términos acumulados los 100 euros. Concretamente, la mayor carga impositiva acumulada corresponde, por este orden, a Navarra, Galicia y Baleares con un impacto promedio acumulado próximo a los 490 euros. En el extremo opuesto, las comunidades que han sufrido menor impacto han sido Canarias (391), Extremadura (408) y Melilla (417). Estas diferencias son fruto tanto de diferentes patrones de consumo, en particular en el peso de alimentos y energía en la cesta de consumo, como de las diferencias en los niveles de IPCH entre comunidades autónomas.

5. IMPACTO DE LA INFLACIÓN EN EL INCREMENTO DE RECAUDACIÓN DEL SECTOR HOGARES: EXPECTATIVAS A FUTURO

Como vimos en la sección anterior, el impacto promedio de la inflación es de 447 euros por hogar. Asimismo, el número de hogares existente en España a finales de 2023 estaba próximo a los 19,0 millones. Con esta información, puede inferirse que el aumento de la recaudación de IVA generada por la inflación en los hogares residentes estaría próximo a los 8.500 millones de euros. Esta cifra equivale al 29 % del aumento de la recaudación de IVA de los años 2021 a 2024. Esta estimación ha de interpretarse como una cota mínima ya que estos cálculos no incluyen la compra de vivienda nueva (esta información no está recogida en los microdatos de la EPF).

El impacto que la inflación tendrá en la recaudación de IVA en los próximos años dependerá de varios factores interconectados. Primero, de la evolución de los precios en al actual contexto económico. La inflación ha mostrado una tendencia decreciente, desde el máximo del 8,4 % de 2022, que AIREF (2024) prevé que continué durante la presente década. Sin embargo, existe riesgo de que las medidas arancelarias de Trump deriven en repuntes de inflación canalizados a través de la guerra comercial y las posibles tensiones en las cadenas de suministro global. Un segundo factor es la evolución en el nivel y composición en el gasto de los hogares. Funcas (2025) prevé que, al menos en 2025, el consumo privado crecerá de manera robusta gracias al incremento de la renta disponible y al desembolso del ahorro acumulado en los últimos años. En este sentido, la tasa de ahorro se encontraba a finales de 2024 en un máximo histórico del 14,2 % (desestacionalizado y ajustado de calendario). Por último, dependerá de la evolución en el número de hogares. Las proyecciones del INE (2025) prevén fuertes incrementos en los próximos años debido a la inmigración: de los 19,3 millones de hogares de 2024 se pasará a 19,6 en 2025 y a 20,0 millones en 2026.

Referencias

AEAT. (2024). Series históricas de bases, tipos e impuestos devengados. https://sede.agenciatributaria.gob.es/Sede/datosabiertos/catalogo/hacienda/Informe_mensual_de_Recaudacion_Tributaria.shtml

AIREF. (2024). Informe sobre la ejecución presupuestaria, deuda pública y regla de gasto 2024. Informe 22/24.

Funcas. (2025). Previsiones económicas para España 2024-2025. https://www.funcas.es/textointegro/previsiones-economicas-para-espana-2024-2025-enero-2025/

INE. (2025a). Índice de precios de consumo. https://www.ine.es/dyngs/INEbase/es/operacion.htm?c=Estadistica_C&cid=1254736176802&menu=ultiDatos&idp=1254735976607

INE. (2025b). Proyecciones de hogares 2024-2039. https://ine.es/dyngs/INEbase/es/operacion.htm?c=Estadistica_C&cid=1254736176954&menu=ultiDatos&idp=1254735572981

Romero-Jordán, D. (2015). Progresividad y capacidad redistributiva del IVA e impuestos especiales en el período 2007-2015. Papeles de Economía Española, 154, 200-215,

Romero-Jordán, D. (2023a). Incidencia de la inflación en España en 2021 y 2022: ¿cuáles han sido los hogares más perjudicados? Cuadernos de Información Económica, 294, 9-18.

Romero-Jordán, D. (2023b). Impacto de la inflación sobre el IVA soportado por los hogares españoles en los años 2021 y 2022. Cuadernos de Información Económica, 296, 41-50.

Thomas, A. (2022). Reassessing the regressivity of the VAT. Fiscal Studies, 43(1), 23-38.

NOTAS

¹ Asumiendo que la recaudación crecerá el 8 % en 2024 (AIREF, 2024).

² La EPF es una encuesta representativa con información socioeconómica que incluye información de alrededor de 24.000 hogares residentes en España. La EPF es una encuesta idónea, y ciertamente la única de estas características, que permite estimar con un elevado nivel de detalle el IVA soportado por los hogares.

³ A contratos con una potencia contratada igual o inferior a 10 kW.

⁴ No ha sido tenido en cuenta la rebaja del impuesto sobre el valor de la producción de la energía eléctrica que grava con un 7 % la producción de este tipo de energía.

Descarga Publicación (formato PDF)

Fecha: febrero 2025

Santiago Carbó Valverde, Pedro Cuadros Solas y Francisco Rodríguez Fernández

El sector bancario español está experimentado en las últimas décadas una transformación profunda, impulsada por diversos factores macroeconómicos, tecnológicos y regulatorios. Este proceso de cambio se aceleró con la crisis financiera de 2008, que reveló vulnerabilidades estructurales y la necesidad de fortalecer la regulación y mejorar la solvencia de las entidades financieras. Desde entonces, el sector ha vivido una etapa de reestructuración que ha afectado tanto a su estructura operativa como a su modelo de negocio. A esto se suman desafíos recientes como el paso desde canales digitales a plataformas bancarias y la transición hacia una economía verde.

En este contexto de cambio, se vuelve fundamental examinar tres aspectos que definirán el futuro del sector: la estructura operativa, la transformación tecnológica y la transición verde. La estructura operativa de los bancos ha cambiado drásticamente, con una notable reducción en el número de sucursales y una tendencia hacia la concentración de mercado. Por otro lado, la transformación tecnológica está redefiniendo el modelo de negocio de las entidades, integrando tecnologías emergentes como la inteligencia artificial y el análisis de grandes volúmenes de datos para mejorar la experiencia del cliente y optimizar procesos internos. Finalmente, la transición verde se ha convertido en una prioridad debido a la presión social, supervisora y regulatoria para que las entidades financieras adopten prácticas sostenibles y alineen sus estrategias con los objetivos de lucha contra el cambio climático.

Este estudio tiene como objetivo analizar en profundidad la evolución reciente del sector bancario español, abordando sus transformaciones operativas, tecnológicas y medioambientales. La novedad de este estudio radica en su enfoque holístico del estado actual del sector y de su proyección futura. Asimismo, presenta una serie de recomendaciones que buscan apoyar al sector en su camino hacia una mayor eficiencia, sostenibilidad e inclusión financiera.

Descarga Publicación (formato PDF)

Fecha: febrero 2025

Santiago Carbó Valverde, Pedro Cuadros Solas y Francisco Rodríguez Fernández

El sector bancario se encuentra en un proceso de transformación profunda influenciado por factores económicos, tecnológicos y regulatorios para reestructurar su estructura operativa y modelo de negocio en un contexto de innovaciones tecnológicas y de transición hacia una economía más sostenible.

El objetivo de este estudio es examinar la evolución del sector bancario español desde tres perspectivas: estructura operativa, transformación tecnológica y transición verde.

Descarga Publicación (formato PDF)

Fecha: enero 2025

Luis Medrano Adán y Vicente Salas Fumás

Resumen

El trabajo muestra la evolución de los tipos de interés y los márgenes unitarios en las nuevas operaciones bancarias de crédito y depósito de las sociedades no financieras (SNF) en España durante el periodo 2003-2024, que coincide con un episodio de consolidación en la industria bancaria. El estudio analiza el posible impacto del aumento de la concentración del sector en los tipos de interés de las operaciones de préstamos y depósitos bancarios, a partir de la teoría sobre formación de precios en mercados con competencia imperfecta. Los resultados confirman que, para un mismo tipo de interés interbancario, los tipos de interés de los préstamos (depósitos) son más altos (bajos) en la posconsolidación que antes de la misma. Se observa también la sensibilidad del poder de los bancos en España a la evolución del tipo de interés interbancario, para un número de competidores dado, lo que cuestiona la correspondencia entre la evolución del poder de mercado de las empresas y la evolución del grado de competencia en el mercado.

Descarga Publicación (formato PDF)