Duración del desempleo

Uno de los primeros trabajos sobre duración del desempleo en Colom bia es el de ^{López (1988)}, quien calcula las probabilidades de conseguir empleo y de seguir desempleado, con un modelo Weibull para ajustar la función de supervivencia. Encuentra que los hombres tienen más probabilidades de salir del desempleo, con efectos diferenciales según la duración: 20% en el primer mes, 15% en el tercero y 10% en el mes 18. Las mujeres tienen más probabilidades de seguir desempleadas: 83,4% en el primer mes, 63% en el tercero y 23,4% después de un año. ^{Viáfara y Uribe (2009)} encuentran un resultado similar.

Algo común en los trabajos sobre Colombia es el uso combinado de estimaciones no paramétricas (Kaplan-Meier) y estimaciones paramétricas a partir de una función tipo Weibull¹. Sin embargo, el énfasis es diferente: en las primeras estimaciones el análisis se concen traba en la diferencia de la duración del desempleo entre hombres y mujeres, mientras que a partir del trabajo de Castellar y Uribe (2003) se incorpora el uso de los canales de búsqueda².

Los trabajos sobre duración en los últimos dos años han tenido matices interesantes. Así, ^{Tenjo et al. (2014)} examinan la incidencia de la duración del desempleo, es decir, la proporción de la fuerza de trabajo que entra mensualmente a estar desempleada, y encuentran que disminuye con la edad y con el nivel de educación. ^{Arango y Ríos (2015)} analizan cómo influyen las vacantes (anuncios de ofertas de empleo en los periódicos) en la duración del desempleo, en particular en el de las mujeres. Al parecer ellas se ven beneficiadas con el ciclo económico y con los anuncios, de manera que es importante seguir promoviendo los sistemas de información con demanda insatisfecha de trabajo. Y ^{Marcillo (2015)} encuentra que el trabajo no remunerado incide en la duración del desempleo y que en el caso de las mujeres las actividades de trabajo no remunerado juegan un papel muy impor tante en la duración del desempleo debido al menor tiempo del que disponen para buscar empleo, por dedicar mayor cantidad de tiempo al trabajo no remunerado que los hombres.

EL MODELO DE DURACIÓN DEL DESEMPLEO

La discusión sobre los determinantes de la duración del desempleo implica, desde un punto de vista probabilístico, la observación conti nua, en todos los meses, de la salida o permanencia de un individuo del desempleo. Es decir, la observación continua de una variable aleatoria discreta en el tiempo (^{Arranz et al., 2000}).

El modelo de duración del desempleo se define así: sea una muestra de individuos que entra al desempleo en el mes t = 0 y la tasa de riesgo mensual discreta del individuo i en el mes j. Cada individuo se observa durante t meses, al cabo de los cuales cambia de posición. La censura es independiente, y sea X. _t un vector de covariantes. La tasa de riesgo mensual discreta es:

Donde ε _i sigue una distribución gamma con media unitaria y varianza σ ² ≡ v, y γ es el logaritmo de la integral del riesgo básico en el inter valo relevante a _j . La función de verosimilitud en logaritmos tiene la siguiente expresión:

Donde

Por su parte,

donde N es el tamaño de la muestra, t. el número de meses que el indi viduo i está en riesgo, d _i una variable dicotómica que toma el valor de 1 para el mes en que cambia de situación (obtiene empleo) y 0 en los meses restantes, y 9(/) una función que describe la dependencia de la duración de la tasa de riesgo, incluida la especificación no paramétrica del riesgo básico (Jenkins, 1956).

Para estimar el modelo la información del tiempo de duración de los desempleados se agregó a la del tiempo que estuvieron en situación de desempleo los trabajadores empleados en la Encuesta de Empleo y Calidad de Vida. Porque se presenta un sesgo cuando no se consi deran en conjunto los que salieron del desempleo y están trabajando y los que aún están desempleados al momento de hacer la encuesta (^{Tenjo et al., 2014})³. La encuesta de Cali se realizó entre noviembre de 2012 y enero de 2013 a 8.600 hogares (30.458 personas encuestadas). Incluyó 10 módulos: vivienda, educación, salud, fecundidad, uso de la tecnología, migraciones y un módulo de mercado laboral en el que se preguntó sobre calidad del empleo, tipo de contratación y carac terización étnica. La encuesta se realizó por muestreo probabilístico, estratificado en dos etapas, con selección de unidades por muestreo aleatorio simple en cada etapa. El universo de estudio se estratificó por la variable geográfica "comuna": 22 comunas en el área urbana y una en el área rural. El cuadro 1 muestra las estadísticas descriptivas de las variables.

El total de jóvenes de la muestra fue de 7.637. Un 52% mujeres, el 33,6% bachilleres. Un 25% era afrodescendiente, y el 7,2% llegó a Cali en los últimos 5 años. Buena parte se localizaba en la parte oriental (29%) y en el centro norte (25%). El 69% pertenecía a hogares pobres.

El cuadro 2 muestra que la duración promedio de las mujeres jóvenes empleadas fue de 8,1 meses, mientras que para los hombres fue de 6,5 meses. La duración promedio de las mujeres jóvenes des empleadas fue de 6,4 meses mientras que para los hombres fue de 7 meses. También muestra que los afrodescendientes que estuvieron desempleados y consiguieron empleo duraron más tiempo desem pleados que los jóvenes de otras etnias.

Luego se graficó la duración del desempleo de los jóvenes utilizando el método no paramétrico de Kaplan-Meier y considerando la duración total del desempleo (empleados más desempleados).

La gráfica 2 muestra que las mujeres jóvenes duran más tiempo des empleadas que los hombres, tanto en Colombia como en Cali. En Colombia el 50% de los jóvenes sale del desempleo a un empleo a los 3 meses, y después de 7 meses menos del 25% está desempleado. En Cali, el 50% de los jóvenes no salen del desempleo en los 3 primeros meses. En los 7 primeros meses aún está desempleado el 50%.

Después se estimó el modelo de riesgo con heterogeneidad in dividual no observada (ecuación 2) usando el método propuesto por ^{Prentice y Gloecker (1978)} y ^{Meyer (1990)}. El cuadro 3 indica que el riesgo básico es estadísticamente significativo (P = 0,0000) y la prueba LR muestra que no se puede rechazar la hipótesis de incluir la heterogeneidad individual no observable.

Las variables dummy de meses muestran que a medida que aumenta el tiempo se reduce la probabilidad de salir del desempleo. En los pri meros 6 meses hay una probabilidad 1,3 mayor de salir del desempleo, mientras que si se lleva un año desempleado es 0,42 mayor de seguir desempleado. Las mujeres tienen una probabilidad 0,25 mayor de seguir desempleadas. Pero si son bachilleres su probabilidad de salir del desempleo es 1,35 mayor.

La probabilidad de seguir desempleado es 0,74 mayor para los afrodescendientes y 0,59 mayor para quienes llegaron a la ciudad en los últimos cinco años. Para la localización geográfica se utilizó la clasificación del CIDSE (2011)⁴. Al comparar los demás conglomera dos con el norte-sur aumenta la probabilidad de estar desempleado. Cuando el hogar tiene condiciones de vida buenas o muy buenas, frente a hogares de condiciones malas o muy malas, la probabilidad de salir del desempleo se reduce en 0,63. En otras palabras, los jóvenes de hogares con buenas condiciones duran más tiempo desempleados y el periodo de búsqueda de trabajo es mayor.

Jóvenes y "ninis": nuevos desafíos para la política pública

En 1999 la Unidad de Exclusión Social del Reino Unido encontró que uno de cada diez jóvenes no estudiaba, no trabajaba y no se capacitaba (NEET, Not in employment, education or training) (Social Exclusion Unit, 1999). En un trabajo más reciente de la OCDE (2014) sobre "ninis", Turquía es el país con mayor porcentaje de "ninis", con un 34,6%, seguido de Israel (27,6%), México (24,7%), España (24,2) y Chile (23,7%), mientras que el promedio de la OCDE fue del 15,6%. Países Bajos tiene el menor porcentaje (6,9%), seguido de Luxem burgo. Estados Unidos está ligeramente por encima del promedio. En la gráfica 3 se presentan las estadísticas por países.

Con respecto al porcentaje de "ninis" en 18 países latinoamerica nos, Székely (2011) encuentra que va del 7% de la población entre 15 y 18 años en Bolivia al 23% en Honduras. El promedio ponderado para la región es un 16,5% de los jóvenes, prácticamente 9 millones de personas. Ligeramente por debajo del promedio (con porcentajes del 12% al 16%) se encuentran Brasil, Chile, Ecuador, Panamá, Re pública Dominicana, Argentina, Paraguay, Costa Rica y Venezuela. México, Uruguay, Guatemala, Colombia, El Salvador, Perú y Nicaragua presentan niveles por encima del promedio, entre el 18 y el 21%. Claramente la magnitud y la importancia estratégica de este grupo poblacional justifican su priorización.

^{Arceo y Campos (2011)} estiman que en México el 28,6% de los jóvenes eran "ninis" en 2010, 8,6 millones. ^{Águila et al. (2015)} con datos del Censo INEGI de 2011 encuentran que un 24% son "ninis" (entre 6,9 y 7 millones de jóvenes de 15 a 29 años de edad).

Los datos de la Encuesta de Empleo y Calidad de Vida en Cali 2012-2013 muestran que el 25,8% de los jóvenes caleños se podría considerar "ninis". El 39,8% de ellos buscaba empleo, el 62,8% eran mujeres y el 37,2% hombres. Esta encuesta permite hacer análisis por etnias y localización geográfica. Los resultados indican que el por centaje de afrocolombianos "ninis" era del 27,6% y que en el Distrito de Agua Blanca se localizaba el 30,3%.

La Comuna 20, ubicada en el occidente, tiene el mayor porcentaje, el 38,6%, mientras que en la Comuna 22, de barrios de estrato alto (5) y muy alto (6), el porcentaje es del 5,5%.

Un modelo econométrico de la probabilidad de ser "nini"

En México, Székely (2011) y ^{Águila et al. (2015)} estiman la probabi lidad de ser "nini". Székely (2011), con un modelo probit, encuentra que los hombres tienen una probabilidad del 21,9% de ser "ninis", que esa probabilidad se reduce con la edad, la educación del jefe de hogar y a medida que aumentan los ingresos. Por su parte, Águila et al. (2015), con un modelo logit, encuentran que un incremento de un punto porcentual en la tasa de desempleo aumenta en un punto porcentual la probabilidad de ser "nini". Por sus resultados no son claros, porque parecen mezclar series transversales y series de tiempo, y muestran estimaciones que no son claramente paneles.

Para estimar la probabilidad de ser "nini", aquí se considera el siguiente modelo probit:

donde NINIS _i = 0 si NINIS* _i ≤ 0 y NINIS _i = 1 si NINIS* _i > 0.

"NINIS*" es una variable latente, "NINIS" una variable dummy de valor 1 cuando el individuo se puede considerar "nini" y 0 en caso contrario, x. un vector de covariables y s. el término aleatorio de error. El cuadro 4 muestra los resultados de las estimaciones econométricas para los "ninis" caleños. Los resultados de 7.637 observaciones muestran que los modelos estimados tienen un porcentaje de éxito (unos y ceros correctamente estimados) superior al 80%.

La segunda columna (Probit) muestra que la probabilidad de que las mujeres sean "ninis" es 12 puntos porcentuales mayor que la de los hombres (en Turquía es dos veces mayor y en México tres veces mayor). Los afrocolombianos que viven en Agua Blanca tienen una probabilidad 3,5 puntos porcentuales mayor de ser "ninis" que quie nes no son afro ni viven allí. A medida que aumenta la educación la probabilidad de ser "nini" disminuye: 22,7 puntos porcentuales con secundaria, 19,2 con educación media, y con educación superior se reduce en 13,7 puntos porcentuales.

Estar desempleado aumenta en 49 puntos porcentuales la probabi lidad de ser "nini", y si el joven llegó a la ciudad en los últimos cinco años aumenta en 4 puntos porcentuales. Los jóvenes que recurren a familiares, amigos y colegas para buscar empleo tienen 22,8 puntos porcentuales más de mantenerse como "ninis"; es decir, los canales de búsqueda informales poco contribuyen a salir de esa condición.

La tercera columna corresponde a la estimación probit con el método de variables instrumentales (ivprobit). La variable a instrumenta lizar, el desempleo, es discreta, y como plantea Lewbel (2007), no hay garantía de que los errores de la ecuación auxiliar se distribuyan normalmente; además, el error de esta ecuación auxiliar puede no ser independiente de algunas covariables, por lo cual existen serios problemas de exogeneidad. Como ya se mencionó, se usó como ins trumento del desempleo el método de búsqueda de hojas de vida. Utilizar un solo instrumento garantiza una identificación exacta de la ecuación. En términos de signos, los resultados son iguales a los del probit. Sin embargo, dos resultados son específicos y vale la pena resaltarlos: por un lado, la no significancia del método de búsqueda; por otro lado, el incremento de 36 puntos porcentuales en el efecto del desempleo sobre la probabilidad de ser "nini".

En la cuarta columna se estima el modelo utilizando el método de dos etapas (2Sprobit). Este método estima la probabilidad de estar desempleado usando como regresor el método de búsqueda (las hojas de vida) e incluye la estimación del desempleo en la ecuación princi pal. El método es más eficiente y los errores estándar de los efectos marginales se calcularon utilizando bootstrapping con 1.000 iteraciones debido a que la matriz de varianzas-covarianzas no es eficiente cuando se incluye la estimación de la variable endógena. Todas las variables son estadísticamente significativas, y aunque el efecto marginal se reduce, sigue siendo más alto que el del modelo probit.

En la quinta columna se estiman en conjunto el probit de la tasa de desempleo y el probit de ser "nini" usando LIML (Limited Infor mation Maximum Likelihood) (LiMLpobit). Así se considera la tasa de desempleo como un regresor predeterminado, por lo cual los esti madores no solo son eficientes sino también consistentes (^{Maddala y Lee, 1976}, Maddala, 1983).

En suma, las columnas 3, 4 y 5 analizan la posible endogeneidad del desempleo en la estimación de la probabilidad de ser "nini". Si bien ^{Águila et al. (2015)} incorporan la tasa de desempleo como variable explicativa de la probabilidad de ser "nini", no discuten su posible endogeneidad, pues un mayor desempleo podría aumentar esa probabilidad, y caer en situación de "nini" podría llevar a una desac tualización y a mayor desempleo. Además, estos autores encuentran que el status de nini resulta costoso debido a las capacidades que no son adquiridas por educación o experiencia laboral. Esto repercute en la falta de formación de capital humano y puede tener efectos en la probabilidad de mantenerse en situación de desempleo o con bajos salarios.

El análisis del posible problema de endogeneidad es necesario porque si existe endogeneidad los estimadores son sesgados e incon sistentes. Por tanto, aunque parece existir endogeneidad entre tasa de desempleo y ser "nini", se debe comprobar. En particular, cabe suponer que si la tasa de desempleo no es endógena, no debería existir corre lación entre los residuos de la estimación de la probabilidad de ser "nini" y esta tasa. ^{Smith y Blundell (1986)} hacen un contraste donde la hipótesis nula es la endogeneidad de la variable supuestamente endógena. Este contraste fue propuesto por ^{Baum (1999)}, y en la regresión resultó significativa la probabilidad de 0,0000, lo que lleva a rechazar la hipótesis nula de endogeneidad del desempleo.

El principal problema de usar este método implica la estimación del desempleo por MCO junto con las consecuencias que se discuten más adelante. Para superar este inconveniente se estimó el desempleo como un probit (se incluyen todas las variables junto con el instru mento) y los residuos de la estimación se incluyeron en la ecuación principal. Por lo cual se confirma la existencia de endogeneidad entre desempleo y probabilidad de ser "nini". Por tanto, es necesario apli car métodos de estimación diferentes al de MCO para garantizar las mejores propiedades estadísticas de los estimadores.

Una vez contrastada la existencia de endogeneidad, la manera tradicional de obtener estimadores consistentes es usar métodos de dos etapas y máxima verosimilitud. Eso garantiza un estimador con sistente, aunque no necesariamente eficiente. Uno de los principales problemas es encontrar un instrumento correlacionado con x. pero no con y.. Como instrumento del desempleo aquí se usa uno de los métodos de búsqueda de empleo: las hojas de vida, cuya utilización efectiva incide en la probabilidad de estar desempleado al mejorar los procesos de búsqueda.

Ahora bien, ¿qué tan correlacionado está el uso de las hojas de vida con el hecho de no trabajar ni estudiar? Jiménez (2012) muestra que los empleados y los desempleados suelen usar canales informales para buscar empleo, y ^{Uribe y Gómez (2005)}, que el 87,8% de los desempleados y el 60,4% de los empleados recurren a familiares y colegas para buscar empleo. Con respecto a la educación, ^{González et al. (2014)} encuentran que, entre los determinantes de la decisión de estudiar, factores personales como el género (ser hombre) influyen negativamente en la probabilidad de demandar mayores niveles de educación. En segundo lugar, la educación de los padres, variable re lacionada con el ingreso familiar y el ambiente intelectual en el que se desarrolla el individuo, y como aproximación del grado de habilidad de los hijos, aumenta la probabilidad de demandar mayores niveles de educación. En tercer lugar, la situación laboral, variable que refleja el estatus económico de la familia, muestra que tener padre empleado influye positivamente en la probabilidad de demandar mayores niveles educativos. En cuarto lugar, el número de hermanos menores de dieci séis años, que representa la estructura familiar y refleja la inversión de la familia en cada hijo, influye negativamente en la demanda educativa (González, 2011; González et al., 2016). Por otra parte, cuanto mayor es el ingreso del hogar, mayor es la probabilidad de demandar niveles superiores de educación.

Es decir, entre los determinantes de la decisión de estudiar en Colombia no se encuentra el uso de Internet como mecanismo de búsqueda. Y parece poco probable que buscar empleo utilizando las hojas de vida se correlacione con la decisión de no estudiar ni trabajar⁵. De hecho, en todas las estimaciones se prueba que es un instrumento válido (relevante y exógeno) y, por tanto, hemos resuelto en parte el posible problema de endogeneidad en este tipo de análisis micro-econométrico de las decisiones laborales de los jóvenes.