You are on page 1of 12

UNIVERSIDAD NACIONAL DEL

ALTIPLANO
Facultad de Ingeniería
Económica

Trabajo encargado:

“DETERMINANTES PRINCIPALES
DE LA PARTICIPACIÓN EN EL
MERCADO LABORAL PARA EL
PERÚ 2015”
RESUMEN
El empleo es uno de los indicadores más importantes cuando hablamos de economía, y es así

que nos preguntamos cuáles son los factores que determinan este. En el presente trabajo de

investigación formativa se tratara el tema de los determinantes de la participación laboral en

el Perú para el año 2015, para ello se planteó el objetivo, identificar cuáles son los factores

determinantes de la participación laboral en el Perú para el año 2015, además de determinar

cómo influyen dichos factores en la participación laboral. Para ello se utilizó una muestra de

1678 personas, información obtenida de la base de datos del INEI, de la Encuesta Nacional

de Hogares 2015, se obtuvo información acerca del empleo e información general. Se aborda

este tema bajo una perspectiva microeconómica pues se está utilizando información de

familias, específicamente personas, para ello se utilizó la metodología del modelo de elección

discreta (LOGIT), dado que como variable endógena se tiene a la participación laboral,

además se usó el programa Stata 12.0 para el procesamiento de datos, dada la complejidad y

la amplitud de la información. Se obtuvieron conclusiones como que la edad y el nivel

educativo son los factores más determinantes de la participación laboral, y consecutivamente

está el género, el tiempo que ha estado buscando trabajo, y por último si ha estado buscando

trabajo. Se identificó algunas implicancias para nuestra economía como que hay aspectos en

los cuáles es complicado plantear políticas, como lo es en la edad, pero para el nivel educativo

y género sí podrían existir algunas propuestas.


I. INTRODUCCIÓN
Uno de los temas que más nos interesan a los economistas es el crecimiento económico, y a

diferencia del desarrollo económico, el crecimiento económico es uno de los mecanismos

más eficaces respecto a la disminución de problemas, tales como la pobreza, el desempleo,

brechas de infraestructura, entre otros. Es importante saber que dentro de estos problemas

hay uno que ha estado permanentemente en nuestra historia, la pobreza. En la actualidad

gracias a las políticas de gobierno, y especialmente a un buen ambiente exterior en lo que

respecta a nuestra economía, en el Perú hemos logrado disminuir la pobreza en proporciones

muy importantes. Pero para el presente trabajo de investigación formativa no pretendemos

hablar de la pobreza, sino de una de sus causas, como lo es el desempleo.

El crecimiento económico propicia en gran medida que el desempleo disminuya, pues al

crecer la producción nuestro país amplía su capacidad productiva, y por lo tanto aumenta el

empleo.

Pero el mercado laboral en nuestro país no solo implica hablar de empleo y desempleo, sino

también de otras definiciones como lo es el subempleo y particularmente el empleo informal.

Centrándonos, hablaremos únicamente de los factores determinantes de la participación

laboral en el Perú para el año 2015, es decir que factores son los que determinan que una

persona tenga o no un empleo, ya sea formal o informal. Es importante saber acerca de estos

factores, debido a que con dicha información se da la posibilidad de plantear políticas que no

vayan únicamente por el lado del crecimiento económico, sino por aspectos que estén más

directamente relacionados con la disminución del desempleo.

Así de este modo poder contribuir al desarrollo de nuestro país.


II. METODOLOGÍA
MODELO LOGIT
El modelo LOGIT es de suma utilidad dado que, es un modelo no lineal que predice las

probabilidades de ocurrencia de una variable dependiente discreta binaria, dadas las variables

independientes, las cuales pueden ser discretas o continuas así como binarias.

La función de distribución acumulada logística es la siguiente:


𝑒 𝑥𝑖 𝛽
Pr(𝑌𝑖 = 1⁄𝑥𝑖 ) = ′
1 + 𝑒 𝑥𝑖 𝛽

Además:

𝑥𝑖′ 𝛽 = 𝛽0 + 𝛽1 𝑥1𝑖 + 𝛽2 𝑥2𝑖 + ⋯ + 𝛽𝑘 𝑥𝑘𝑖

También:

Pr(𝑌𝑖 = 1⁄𝑥𝑖 ) = Λ(𝑥𝑖′ 𝛽)

Función de verosimilitud para el modelo Logit (L)

𝐿 = Pr(𝑌𝑖 = 𝑌1 , 𝑌𝑖 = 𝑌2 , … , 𝑌𝑖 = 𝑌𝑛 ⁄𝑥𝑖 )
𝑛
= 𝜋𝑖=1 [Λ(𝑥𝑖′ 𝛽 )]𝑌𝑖 [1 − Λ(𝑥𝑖′ 𝛽 )]1−𝑌𝑖

Efectos marginales en un modelo Logit

Si 𝑥𝑖 es una variable continua:

𝑑 Pr(𝑌𝑖 = 1⁄𝑥𝑖 )
= Λ(𝑥𝑖′ 𝛽)[1 − Λ(𝑥𝑖′ 𝛽)]
𝑑𝑥𝑖
Si 𝑌𝑖 es una variable discreta binaria:

Pr(𝑌𝑖 = 1⁄𝑥𝑖 = 1) − Pr(𝑌𝑖 = 1⁄𝑥𝑖 = 0)

Para nuestro trabajo se formula el siguiente modelo:

Pr(𝑌𝑖 = 1⁄𝑥𝑖 ) = 𝛼0 + 𝛼1 𝑥1 + 𝛼2 𝑥2 + 𝛼3 𝑥3 + 𝛼4 𝑥4 + 𝛼5 𝑥5

Donde:

𝑌𝑖 : ¿La semana pasada tuvo algún trabajo?

1: SI
0: NO

𝑥1 : ¿La semana pasada hizo algo para conseguir trabajo?

1: SI
0: NO

𝑥2 : ¿Cuántas semanas ha estado buscando trabajo sin interrupciones?

𝑥3 : Género

1: HOMBRE
0: MUJER

𝑥4 : Edad

𝑥5 : Nivel educativo

1: SIN NIVEL
2: INICIAL
3: PRIMARIA INCOMPLETA
4: PRIMARIA COMPLETA
5: SECUNDARIA INCOMPLETA
6: SECUNDARIA COMPLETA
7: SUPERIOR NO UNIVERSITARIA INCOMPLETA
8: SUPERIOR NO UNIVERSITARIA COMPLETA
9: SUPERIOR UNIVERSITARIA INCOMPLETA
10: SUPERIOR UNIVERSITARIA COMPLETA
11: POS GRADO UNIVERSITARIO
III. ANALISIS DE RESULTADOS
Se han procesado 1678 observaciones de las cuales se obtienen los siguientes resultados.
Cuadro 01. Resultados Modelo Logit

LOGIT Number of obs 1678


LR chi 2(5) 49.54
Prob >chi2 0
Log likelihood -230.70397 PseudoR2 0.0969

Trabajo Coef. Std. Err. z P>|z|


buscot 0.6239251 0.6060506 1.03 0.303
tiempobt -0.0989385 0.0737538 -1.34 0.18
sexo 0.4666431 0.2844195 1.64 0.101
edad -0.0571771 0.0142547 -4.01 0
edu -0.2869073 0.0825315 -3.48 0.001
cons -0.5757915 0.8832527 -0.65 0.514
Fuente: Elaboración del autor
La relación que existe entre la probabilidad de tener trabajo y si ha buscado trabajo es

positiva, es decir a mayor intención de buscar trabajo hay más probabilidad de tener uno.

La relación que existe entre la probabilidad de tener trabajo y la cantidad de tiempo buscando

trabajo es negativa, es decir pasar bastante tiempo buscando trabajo disminuye las

probabilidades de tener uno.


La relación que existe entre la probabilidad de tener trabajo y la edad es negativa, es decir a

una mayor edad es poco probable tener un trabajo.

La relación que existe entre la probabilidad de tener trabajo y el nivel educativo es negativa,

es decir a un mayor nivel de estudios la probabilidad de tener un trabajo disminuye.

La relación que existe entre la probabilidad de tener trabajo y el sexo es positiva, dado que

es una variable binaria, diremos que los hombres tienen mayor probabilidad de tener trabajo

que las mujeres.

Cuadro 02. Efectos marginales del modelo Logit

Marginal effects after logit


y= Pr(trabajo)(predict)
y= 0.02115244

variable dy/dx Std. Err. z P>|z|


buscot* 0.0104738 0.00812 1.29 0.197
tiempobt -0.0020485 0.00146 -1.4 0.161
sexo* 0.0095794 0.0059 1.62 0.105
edad -0.0011839 0.00026 -4.51 0
edu -0.0059404 0.0017 -3.49 0
(*) dy/dx is for discrete change of dummy variable
Fuente: Elaboración del autor
La diferencia de las probabilidades de tener un trabajo, entre los que buscan trabajo y los que

no buscan trabajo es 0.0104738, es decir los que buscan trabajo tienen una mayor

probabilidad de tener uno.

Ante un aumento de una semana en el tiempo de buscar trabajo, las probabilidades de tener

uno disminuyen en 0.0020485.

La diferencia de probabilidad de tener trabajo entre los hombres y las mujeres es 0.0095794,

es decir los hombres tienen una mayor probabilidad de tener un trabajo.


Ante un aumento en la edad de un año, la probabilidad de tener un trabajo disminuye en

0.0011839, a una mayor edad menor probabilidad de tener trabajo hay.

Ante un incremento en el nivel educativo, la probabilidad de tener un trabajo disminuye en

0.0059404.

IV. CONCLUSIONES
Los factores que son más determinantes en la participación laboral, o dicho de otro modo en

la probabilidad de tener un trabajo son la edad y el nivel educativo, consecuentemente

tenemos a el género, el tiempo que ha estado buscando trabajo y por ultimo si ha buscado

trabajo.

A partir de este punto podemos inferir que hay factores que poco determinantes para la

participación laboral, es decir factores que corresponden como decisión de las personas que

no son determinantes.

La edad siendo un factor que no está dentro de las decisiones de las personas, es un factor

determinante para la participación laboral, mas no el nivel educativo el cual si está dentro de

las decisiones de las personas.

El género del mismo modo no se encuentra dentro de las decisiones de las personas, pero aun

así es un factor más determinante que el tiempo que ha estado buscando trabajo, y si ha

buscado trabajo.

Entonces inferimos que en lo que respecta a participación laboral, dentro de las decisiones

que toman las personas, se debe tomar en cuenta el nivel educativo, cuanto tiempo ha estado

buscando trabajo y si ha estado buscando trabajo, es decir está en mano de las personas

aumentar la probabilidad de tener un trabajo mediante dichas variables.


Respecto al género y la edad, al ser variables que no son parte de las decisiones de las

personas, se deberían proponer políticas referentes a dichas variables para el aumento de la

probabilidad de tener un trabajo para las personas.

Respecto a los efectos marginales vemos algunas peculiaridades, como la relación negativa

que existe entre el nivel educativo y la probabilidad de tener un trabajo. Podríamos decir que

esto se debe a que el mercado laboral de nuestro país Perú, es en su mayoría de característica

informal, por lo tanto inferimos que dichas condiciones no hay una alta significancia del nivel

educativo.

A una mayor edad hay una menor probabilidad de tener trabajo, esto podría ser explicado

debido a que las empresas en general buscan renovar su fuerza laboral con personas más

jóvenes, debido a que se infiere que las personas mayores tienden a tener una menor

productividad.

Si el tiempo que ha estado buscando trabajo aumenta, la probabilidad de que las personas

tengan un trabajo disminuye, esto es explicado a que si una persona no consigue trabajo es

porque prácticamente no tiene uno, por lo tanto su probabilidad seria 0.

La diferencia de la probabilidad de tener un trabajo, entre los que buscan un trabajo y los que

no, es bastante amplia, y la diferencia entre los hombres y mujeres también es amplia, siendo

los hombres los que tienen mayor probabilidad, esto implica que hay poca igualdad de género

en el mercado laboral.
V. BIBLIOGRAFÍA

Greene, W. (2003). Econometric Analysis. New Jersey: Pearson Education.

Gujarati, D., & Porter, D. (2010). Econometría. México: Mc Graw Hill.

Rosales, R., & Bonilla, J. (2006). Introducción a la Econometría. Bogotá: Ediciones

Uniandes.
ANEXOS
ANEXO 01
Iteration 0: log likelihood = -255.47178
Iteration 1: log likelihood = -235.2033
Iteration 2: log likelihood = -230.80712
Iteration 3: log likelihood = -230.70411
Iteration 4: log likelihood = -230.70397
Iteration 5: log likelihood = -230.70397

Logistic regression Number of obs = 1678


LR chi2(5) = 49.54
Prob > chi2 = 0.0000
Log likelihood = -230.70397 Pseudo R2 = 0.0969

trabajo Coef. Std. Err. z P>|z| [95% Conf. Interval]

buscot .6239251 .6060506 1.03 0.303 -.5639122 1.811762


tiempobt -.0989385 .0737538 -1.34 0.180 -.2434933 .0456163
sexo .4666431 .2844195 1.64 0.101 -.0908088 1.024095
edad -.0571771 .0142547 -4.01 0.000 -.0851157 -.0292385
edu -.2869073 .0825315 -3.48 0.001 -.448666 -.1251486
_cons -.5757915 .8832527 -0.65 0.514 -2.306935 1.155352

Iteration 0: log likelihood = -255.47178


Iteration 1: log likelihood = -235.2033
Iteration 2: log likelihood = -230.80712
Iteration 3: log likelihood = -230.70411
Iteration 4: log likelihood = -230.70397
Iteration 5: log likelihood = -230.70397

Multinomial logistic regression Number of obs = 1678


LR chi2(5) = 49.54
Prob > chi2 = 0.0000
Log likelihood = -230.70397 Pseudo R2 = 0.0969

trabajo Coef. Std. Err. z P>|z| [95% Conf. Interval]

0 (base outcome)

si
buscot .6239251 .6060506 1.03 0.303 -.5639122 1.811762
tiempobt -.0989385 .0737538 -1.34 0.180 -.2434933 .0456163
sexo .4666431 .2844195 1.64 0.101 -.0908088 1.024095
edad -.0571771 .0142547 -4.01 0.000 -.0851157 -.0292385
edu -.2869073 .0825315 -3.48 0.001 -.448666 -.1251486
_cons -.5757915 .8832527 -0.65 0.514 -2.306935 1.155352
ANEXO 02

Marginal effects after logit


y = Pr(trabajo) (predict)
= .02115244

variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X

buscot* .0104738 .00812 1.29 0.197 -.00544 .026387 .873659


tiempobt -.0020485 .00146 -1.40 0.161 -.004913 .000816 3.5292
sexo* .0095794 .0059 1.62 0.105 -.001987 .021145 .536949
edad -.0011839 .00026 -4.51 0.000 -.001698 -.00067 30.7586
edu -.0059404 .0017 -3.49 0.000 -.009277 -.002604 6.78486

(*) dy/dx is for discrete change of dummy variable from 0 to 1

ANEXO 03

use "E:\LENOX\FIE\ECONOMETRIA II\trabajo\Nueva carpeta\enaho01a-


2015-500.dta", clear

keep p501 p545 p551 p207 p208a p301a

rename p501 trabajo


rename p545 buscot
rename p551 tiempobt
rename p207 sexo
rename p208a edad
rename p301a edu

recode trabajo (1=1) (2=0)


label define trabajo 1 "si" 0 "no", replace

recode buscot (1=1) (2=0)


label define buscot 0 "no", replace

recode sexo (1=1) (2=0)


label define sexo 1 "hombre" 0 "mujer", replace

logit trabajo buscot tiempobt sexo edad edu


mfx

You might also like