Afiliación a mitad de mes

El empleo aumenta en 117.000 afiliados en términos desestacionalizados en el periodo que va de mitad de abril a mitad de mayo

Inclusión, Seguridad Social y Migraciones - 16.5.2023

  • x: abre ventana nueva
  • Whatsapp: abre ventana nueva
  • Linkedin: abre ventana nueva
  • Enviar por correo: abre ventana nueva

El aumento en este periodo es un 25% superior al registrado en el promedio de lo que va año (95.698 personas). Este ritmo de crecimiento es casi dos veces y media mayor al incremento medio registrado en el ejercicio 2022 (40.780), que ya fue de gran dinamismo en el mercado de trabajo.

Gráfico de la evolución quincenal de empleo desde enero de 2022

Con los últimos datos disponibles, el número total de afiliados se sitúa en 20.703.010, que son 462.000 más que al cierre del año pasado, de forma que en lo que va de año se han creado prácticamente tantos empleos como en todo 2022.

Gráfico de los datos de afiliación ajustados de estacionalidad

Nueva metodología

La estadística de afiliación quincenal que ofrece desde enero de 2023 el Ministerio de Inclusión, Seguridad Social y Migraciones se apoya en dos avances que proporcionan una visión más nítida de la evolución de la afiliación y que permiten hacer un seguimiento del mercado de trabajo con datos de mayor frecuencia que la mensual, únicos disponibles hasta esa fecha.

La primera novedad son los nuevos factores de desestacionalización mensuales, que contemplan en su elaboración tanto los años de mayor impacto de la pandemia (2020 y 2021) como el primer año completo de recuperación (2022). Con ello, se mejora la precisión del ajuste estacional; hasta entonces, el último año utilizado en la estimación era 2019.

El segundo avance es el ajuste estacional de datos diarios, con una metodología que permite depurar las cifras diarias de afiliación de los efectos de estacionalidad y calendario. Con ellos, se puede hacer un seguimiento del mercado laboral con datos de mayor frecuencia (semanal, quincenal) que la mensual.

Finalmente, con el fin de que las estimaciones de datos ajustados en series de alta frecuencia que se publiquen sean consistentes con los datos ajustados de estacionalidad de periodicidad mensual, se hace un ajuste que garantiza la coherencia, y se obtiene así un factor diario completamente compatible con el mensual.

Estos factores diarios permiten alinear la publicación y distribución de datos con la de los países más adelantados en esta materia y ofrece a los especialistas y al público nuevas posibilidades de análisis e interpretación de la evolución del mercado de trabajo.

Uso de los datos

Los datos de afiliación presentados en esta nota y en las tablas adjuntas se elaboran a partir del promedio de dos quincenas, que se comparan con los datos promedio de las dos quincenas inmediatamente anteriores. Se logra así contar a mitad de mes con un dato equivalente al mensual y que coincide exactamente con el mensual en los datos de cierre de mes, y se consiguen datos más estables, que muestran con más claridad la situación del mercado laboral que utilizando datos de mayor frecuencia, como los semanales.

Los datos se publicarán quincenalmente en la web del ministerio.

Nota

Metodología utilizada para estimar los factores estacionales diarios

La estimación del componente estacional con datos diarios se realiza mediante un modelo estructural de componentes no observables: tendencia, componente estacional y componente irregular. Su acrónimo TBATS define algunas de sus propiedades (T: estacionalidad aproximada por funciones trigonométricas, B: transformación Box-Cox, A: representación ARMA para el componente irregular, T: Tendencia, S: componentes estacionales). La serie de afiliación tiene estacionalidad múltiple ya que el componente estacional está formado por un ciclo semanal, un ciclo intra-mensual y el ciclo anual, con la particularidad de que el ciclo intra-mensual tiene una elevada variabilidad en los últimos días del mes. El modelo se estima desde 2011 hasta finales de 2022. Para un mayor detalle, véase la nota metodológica.

Más información

Etiquetas: