Post on 01-May-2020
LA PÉRDIDA DE EMPLEO EN LAS CIUDADESMEXICANAS: SU RELACIÓN CON LAS
CARACTERÍSTICAS INDIVIDUALES Y LA RECESIÓN DE2008.
Tesis presentada por
Jaime Jovanny Escobedo González
Para obtener el grado de
MAESTRO EN ECONOMÍA APLICADA
Tijuana, B.C., México
2014
Dedicado a
mi familia
Agradecimientos
Agradezco al Consejo Nacional de Ciencia y Tecnología (Conacyt) por su apoyo para desa-
rrollarme profesionalmente y dar un paso más en mi formación académica.
Al Colegio de la Frontera Norte (Colef) por ser mi casa durante dos años.
Deseo dar gracias al Dr. José Luis Manzanares por su invaluable apoyo y sobre todo pa-
ciencia.
A mis profesores quienes me enseñaron valiosas lecciones.
A mis lectores, el Dr. Noé A. Fuentes y al Dr. David Castro.
Agradezco sinceramente a mis compañeros de la maestría en economía aplicada, quienes
me honraron con su valiosa amistad.
Por último, quiero agradecer a mi padres, que siempre me han apoyado incondicionalmente
en todos los proyectos que he emprendido en la vida.
RESUMEN
La recesión iniciada en 2008 afecto el flujo laboral del empleo al desempleo. Por tal razón estainvestigación busca estudiar la situación de pérdida de empleo en las 32 principales ciudadesmexicanas y determinar el papel que juegan las características individuales en tal proceso. Através de la teoría de búsqueda de empleo se construye un marco que nos permita entender losflujos laborales existentes en el mercado de trabajo, y el papel de las variables como el género,la edad y la educación. Adicionalmente proponemos que la diferenciación de las ciudades se daa raíz de la relación económica entre estas y el vecino país del norte. Los resultados muestranque los mercados laborales de las ciudades son heterogéneos, y que la vinculación con EstadosUnidos no es determinante en tal diferenciación urbana. Adicionalmente los resultados muestranque el género, la edad y la educación cambian su efecto a través del ciclo económico, no solo dedirección sino también en magnitud.
Palabras clave: ciudades, búsqueda de empleo, flujos laborales, características individua-
les, pérdida de empleo
ABSTRACT
The recession that began in 2008 affected the work flow from employment to unemployment.For this reason, this research seeks to study the situation of loss of employment in 32 majorMexican cities and to determine the role of individual characteristics in this process. Throughthe theory of job search a framework that allows us to understand the existing labor flows inthe labor market and the role of variables such as gender, age and education is built. Furthersuggest that the differentiation of cities is given following the economic relationship betweenthem and the U.S. economy. The results show that labor markets in cities are heterogeneous, andthat the relationship with the U.S. is not decisive in such urban differentiation. In addition theresults show that gender, age and education effect change through the business cycle, not onlyin magnitude but also direction.
Keywords: cities, labor flows, job-search, individual characteristics, loss of employment
Índice general
Dedicatorias
Agradecimientos
Resumen
Índice general
Lista de figuras
Lista de tablas
Introducción 1
I. Marco teórico 5
1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2. Modelo de búsqueda de empleo . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1. Extensiones del modelo de búsqueda de empleo . . . . . . . . . . . . . 10
1.3. Los flujos en el mercado laboral . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4. Mercados laborales regionales . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4.1. La economía estadounidense y la configuración del empleo regional me-
xicano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5. Consideraciones finales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
II. Características individuales y desempleo en las ciudades-capitales de México 19
2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2. Características individuales y desempleo: evidencias . . . . . . . . . . . . . . 20
2.3. Desempleo en las crisis de México . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3.1. Desempleo urbano y destrucción de empleo en la crisis de 2008 . . . . 24
2.4. Consideraciones finales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
III.Modelo logit para el análisis de los determinantes de la perdida de empleo 33
3.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.2. La Encuesta Nacional de Ocupación y Empleo . . . . . . . . . . . . . . . . . . 33
3.3. Los modelos de regresión logística . . . . . . . . . . . . . . . . . . . . . . . . 37
3.4. Modelo logit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.5. Consideraciones finales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
IV. Conclusiones 55
4.1. La pérdida de empleo en las ciudades mexicanas . . . . . . . . . . . . . . . . 55
A. Diseño de la base de datos en stata 12 59
Bibliografía 71
Índice de figuras
I.1. Funciones de ingreso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
II.1. Comportamiento del PIB y el desempleo durante crisis de 1982,1994 y 2008 . . 24
II.2. tasas de: desempleo, participación, creación y destrución de empleo(2005=100). 25
III.1. Márgenes de respuesta de grupos quinquenales edad según sexo . . . . . . . . 50
III.2. Márgenes de respuesta de la edad en años según sexo . . . . . . . . . . . . . . 51
III.3. Probabilidad de perder el empleo:relación entre sexo y grado de escolaridad . . 51
III.4. Probabilidad de perder el empleo y la relación entre sexo y sector de actividad
económica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
Índice de cuadros
I.1. Clasificación de las entidades mexicanas por el tipo de vinculación al ciclo eco-
nómico de E.E. U.U. (2003-2011). . . . . . . . . . . . . . . . . . . . . . . . . 17
II.1. Salidas y entradas del empleo . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
II.2. Tasa de destrucción de empleo según diferentes características individuales. . . 27
II.3. Add caption . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
III.1. Comparación de resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
III.2. Bondad de Ajuste de los modelos estimados . . . . . . . . . . . . . . . . . . . 44
III.3. Odds-ratio de las características personales para las ciudades de la región 1. . . 45
III.4. Odds-ratio de las características personales para las ciudades de la región 2. . . 46
III.5. Odds-ratio de las características personales para las ciudades de la región 3. . . 47
Introducción
Todos los días miles de trabajadores son despedidos y contratados al mismo tiempo, sin
que se refleje en una variación de la tasa de desempleo o en el número de personas trabajando;
proporcionando la falsa impresión de que la situación laboral de los individuos no cambia. Sin
embargo esto no es así, los desempleados de hace tres meses no son los mismos desempleados
del día de hoy, y pueden tener mucho o poco en común.
El desarrollo, relativamente reciente de la teoría de búsqueda de empleo y de las encuestas
laborales tipo panel, ha permitido una mejor comprensión de como una persona atraviesa por
distintos estados en el mercado laboral. Sobresalen los trabajos que estudian la destrucción y
creación de empleo, y su vínculo con el ciclo económico y el desempleo.
En el caso mexicano, este análisis de la dinámica del mercado laboral ha puesto énfasis en
como las personas transitan entre la informalidad y la formalidad, dejando de lado el desempleo,
quizás porque las tasa de desempleo en nuestro país son muy bajas, especialmente cuando se
comparan con el resto del mundo; o bien, porque consideran que las encuestas oficiales no
capturan la verdadera problemática del empleo.
Sin embargo, lo anterior ha causado que no se le otorgue la suficiente atención a caracte-
rísticas importantes del mercado laboral en México; en particular resaltan dos acontecimientos:
a) cada trimestre, a nivel nacional alrededor de cinco millones de personas pierden su empleo, e
igual número inicia un nuevo trabajo. Tal cantidad representa el 10 % de la población ocupada
y mas del doble del número de desempleados; b) Durante la reciente recesión de 2008-2009 la
tasa de desempleo se incremento en México, tal como se espera que ocurra en una recesión,
sin embargo la tasa de desempleo no disminuyó en el período de recuperación, sino al contrario
1
se ha mantenido relativamente estable en un nivel elevado, con una lenta y ligera tendencia a
disminuir.
El incremento en el desempleo puede provenir de dos fuentes: se despiden mas trabaja-
dores o se contratan menos desempleados. Los datos sugieren que el incremento en la tasa de
desempleo en México se debió a que en términos relativos, se incrementaron las personas que
perdieron o dejaron su empleo, es decir aumentó la tasa de destrucción de empleo. Sin embargo,
este incremento no fue homogéneo, por ejemplo durante la recesión de 2008 en los hombres se
incrementó la velocidad a la que perdían su empleo, en cambio, las mujeres experimentaron un
cambio casi imperceptible.
Es posible que ésta heterogeneidad en la pérdida de empleo puede tener dos orígenes:
Por un lado, las características individuales, mas comúnmente llamadas sociodemográficas,
juegan un papel central en explicar como una persona puede perder su empleo, por ejemplo, en
prácticamente cualquier país del mundo la tasa de desempleo juvenil (personas entre 15 y 24
años) es en promedio el doble de la tasa de desempleo de la población general.
Por el otro, el desempleo, y consecuentemente la perdida de empleo, es un fenómeno evi-
dentemente urbano dónde su dinámica obedece a características que cada una de las ciudades
posee, tales como su estructura económica y poblacional, que al mismo tiempo revelan cómo
estos centros urbanos se integran al funcionamiento de la economía nacional y mundial. En ge-
neral, puede plantearse que cada gran centro urbano de población es el establecimiento de un
polo de atracción con determinadas relaciones funcionales en su región, donde ésta ciudad cen-
tral se convierte en generadora de una actividad económica específica determinando la estructura
particular del mercado de trabajo.
Considerando lo anterior cabe plantearse la siguiente hipótesis general: Dado que existen
marcadas diferencias en la estructura económica de las ciudades las características personales
influyen en magnitudes diferentes en la probabilidad de pérdida de empleo. con la consiguiente
hipótesis especifica: La crisis financiera 2008-2009 profundizó las diferencias en el impacto
de las características individuales, particularmente la brecha se amplió en la edad y el nivel
educativo, favoreciendo a los mas jóvenes y de mayor nivel educativo.
Al mismo tiempo cabe hacerse varias preguntas ¿en realidad los jóvenes son mas propensos
a entrar en el desempleo? ¿mayor escolaridad reduce la probabilidad de perder el empleo? ¿en
realidad las mujeres se encuentran en desventaja en el mercado laboral? ¿hay diferencias en
como influyen las características individuales a través del ciclo económico? ¿existen diferencias
en la pérdida de empleo entre las ciudades mexicanas?
Nuestro objetivo general es identificar si las características individuales tienen un impacto
diferenciado sobre la pérdida de empleo entre las ciudades de la república mexicana. Adicional-
mente tenemos dos objetivos específicos: a) determinar si el impacto de dichas características
individuales varían en magnitud y dirección a través del ciclo y b) identificar si la vinculación
con la economía estadounidense juega un papel importante en la diferenciación de las ciudades.
Conocer quienes son más propensos a perder su empleo nos permitiría profundizar en las
causas y determinar si es un problema del mercado laboral que requiera la instrumentación de
políticas publicas focalizadas, es decir, establecer a que grupos demográficos ayudar y durante
cuanto tiempo.
La actual investigación esta estructurada en cuatro capítulos, en el primero se desarrolla el
marco teórico. Se muestra la teoría de búsqueda de empleo y cómo es que nos ayuda a com-
prender los flujos laborales en el mercado de trabajo, a la par que esta teoría nos permite su
vinculación con las características individuales. En la ultima parte del capitulo se muestran la
importancia de las ciudades como articuladoras del la estructura del empleo y cómo la economía
de Estados Unidos juega un papel importante en el caso de esta configuración para las ciudades
mexicanas.
En el segundo capítulo se realiza una revisión de la literatura empírica que vincula las
características sociodemográficas (edad, género, educación) con el desempleo, a la par que se
propone una clasificación de tal literatura. Complementando el apartado se hace una revisión del
proceso de destrucción de empleo en México en el periodo 2005-2010.
En el tercer capitulo se presenta la metodología a utilizar y el modelo planteado y los
resultados principales. Sin embargo antes de lo anterior, se hacen precisiones metodológicas
importantes respecto a la base de datos obtenida de la Encuesta Nacional de Ocupación y Empleo
(ENOE) y su capacidad para medir los flujos.
En el cuarto y ultimo capitulo se hace un llamado a reflexionar sobre los resultados y
hallazgos obtenidos en toda la tesis, ya que se considera que los hallazgos plantean muchas mas
preguntas de las que responden.
Capítulo I. Marco teórico
1.1 Introducción
En el análisis clásico del mercado de trabajo, se suele suponer que los participantes de
dichos mercados (empresas y trabajadores) se enfrentan en un entorno de competencia e infor-
mación perfecta. Ante tal situación el salario sirve como mecanismo de ajuste, aumentando o
disminuyendo, para que se alcance el equilibrio entre oferta y demanda de trabajo. Lo anterior
implica que los salarios deben ser flexibles, no obstante, la evidencia empírica parece sugerir
que tal situación ocurre con rara frecuencia.
Intentando responder al por qué los salarios no suelen ajustarse adecuadamente, han surgi-
do tres teorías (Romer, 2006): a) salarios de eficiencia, que sugiere que las empresas ofrecen un
salario mayor al de equilibrio para incentivar la productividad, como consecuencia, dado un sa-
lario mayor al de equilibrio, existirá un excedente de desempleados que intentarán trabajar a ese
salario, b) los modelos de contratos, plantean la distinción entre trabajadores internos y externos,
donde los primeros tienen poder de negociación al interior de la empresa y pueden determinar
un mayor nivel salarial o privilegios, que se otorgan disminuyendo el nivel de empleo o salarios
de los externos, c) modelos de búsqueda de empleo, los cuales suponen que la información del
mercado laboral es escasa y costosa, por lo que el encuentro entre oferentes y demandantes se da
a través de un complejo proceso de búsqueda, que no siempre resulta en los .encuentrosçorrectos.
1.2 Modelo de búsqueda de empleo
La teoría de búsqueda de empleo tiene sus raíces en los trabajos de Stigler (1961, 1962)
quien planteó que los agentes en el mercado de trabajo poseen poca y distinta información, y
que, por tanto, la dispersión salarial era reflejo del distinto grado de información que poseían
los participantes1, además la obtención de información implica costos que deben corresponderse
con el beneficio de utilizarla; como resultado de este proceso, el encuentro entre desempleados
y empleadores debería llevar tiempo. Con base en tales planteamientos McCall (1970) y Mor-
tensen (1970) desarrollaron, cada uno por su parte, un modelo de búsqueda de empleo que trata
de explicar cómo surge y se comporta el desempleo en un entorno donde hay asimetría en la
información. Este modelo significó la base de un amlio desarrollo para la comprensión de los
flujos y del proceso de búsqueda de empleo. Con la finalidad de ilustrar el funcionamiento del
modelo, y sin el objetivo de profundizar demasiado, se realiza una descripción general de un
modelo simple de búsqueda de empleo en tiempo discreto.
Antes de desarrollar el modelo, se establecen los supuestos básicos detrás de cualquier
modelo de búsqueda de empleo (Devine y Kiefer, 1991):
1. los trabajadores pueden estar empleados o desempleados,
2. cada periodo los desempleados reciben una oferta de trabajo que tiene diferentes caracte-
rísticas (horario, prestaciones, condiciones, etc.) que son capturadas por el salario. Dado
que se considera las horas como fijas, el salario puede ser considerado equivalente a tra-
bajo. El desempleado debe decidir si acepta o rechaza el trabajo.
3. Los trabajadores no conocen que trabajos (salarios) están disponibles, pero tienen una
idea de los salarios que existen en el mercado laboral, es decir las ofertas siguen una
distribución F (w) que el trabajador conoce. Además no se conoce la probabilidad de que
una empresa ofrezca un mejor trabajo que otra.
4. El trabajador puede recibir una buena oferta en el primer o en el i-ésimo periodo, Esta
simplificación ayuda a que la estrategia de búsqueda de empleo no dependa del tiempo.
1Stigler señala que la dispersión de precios en un mercado es la “medida de ignorancia” de sus participantes.
5. Cuando el trabajador está desempleado recibe un ingreso fijo (seguro de desempleo, ayuda
familiar, etc.)
6. Los trabajadores son adversos al riesgo y por tanto, ingreso e utilidad pueden considerarse
igual.
7. Los trabajadores buscan maximizar su ingreso futuro traído a valor presente.
Dado que seguiremos el planteamiento de Fitzgerald (1998), recurriremos a algunos supuestos
adicionales: la oferta de salario es tomada de una distribución comprendida entre w y w, si el
trabajador la acepta recibe un salario w y se enfrenta a una probabilidad constante α de ser
despedido al finalizar cada periodo (no existe la posibilidad de renuncia), si pierde su empleo
comienza la búsqueda el siguiente periodo; si rechaza una oferta, recibe un ingreso por desem-
pleo el cual tiene descontado el costo de búsqueda y se representa como wu, este ingreso puede
ser un seguro de desempleo, ingresos distintos de los laborales o el valor monetario del ocio.
Los trabajadores buscan maximizar a valor presente el ingreso esperado de toda su vida, lo que
se escribe como:
E∞∑t=0
βtyt (1.2.1)
donde β es un factor de descuento entre 0 y 1, yt es el ingreso del trabajador en el periodo t;
yt = wu si el trabajador está desempleado, y yt = w si el trabajador esta empleado al salario w.
El factor β determina la tasa a la cual el trabajador descuenta sus ganancias futuras y puede ser
escrito como 1/(1 + r), donde r es la tasa de interés real.
El trabajador se encuentra ante distintas alternativas de ingreso, por lo que la disyuntiva es cómo
determinar ¿cuándo es mejor recibir uno u otro?, es decir, el trabajador debe determinar una
estrategia de búsqueda de empleo, que le permita tomar la mejor decisión frente a una oferta de
empleo.
Así vwait (w) es el valor presente del ingreso esperado en el periodo de vida si se rechaza una
oferta salarial w y se espera una mejor; vaccept (w) es el valor presente del ingreso esperado en el
periodo de vida si se acepta w; y voffer (w) es el valor presente del ingreso esperado de por vida
a un salario ofrecido w. Cada una de estas tres funciones supone que el trabajador desempleado
se comportará de manera óptima en períodos futuros con el fin de maximizar el ingreso esperado
de por vida.
Si se rechaza una oferta se recibirá el ingreso por desempleo más el valor esperado descontado
de las ofertas futuras, esto es:
vwait (w) = wu + Eβvoffer (w) (1.2.2)
hay que notar que vwait (w) es constante, lo cual se reescribe como vwait ya que Eβvoffer (w)
no cambia con w.
Si se acepta la oferta, en el primer periodo se recibirá un salario w, y si al siguiente es despedido,
recibirá el valor descontado de las ofertas futuras, en caso contrario, si conserva su empleo recibe
el valor descontado futuro de su salario actual:
vaccept (w) = w + βαEvoffer (w) + β (1− α) vaccept (w) (1.2.3)
lo que es equivalente a:
vaccept (w) = w + βαEvoffer
1− β (1− α) (1.2.4)
La decisión a la que se enfrenta el desempleado es aceptar una oferta con valor vwait o rechazar
una oferta con valor vwait:
voffer (w) = max{vaccept (w) , vwait
}(1.2.5)
La solución al problema puede ser mejor comprendida mediante la gráfica 1, donde se muestran
las tres funciones, la curva vofferrepresenta la mejor decisión del trabajador ante una determi-
nado oferta salarial, así cuando vwait es mayor a vaccept, es decir, cuando la compensación por
desempleo es mayor al salario ofrecido el trabajador rechaza la oferta, pero cuando ocurre lo
contrario la acepta; existe un salario a partir del cual se aceptan todas las ofertas de trabajo, es
el punto wr, y se denomina salario de reserva y señala cuando el trabajador es indiferente entre
aceptar una oferta y seguir buscando; por tanto la estrategia óptima que puede seguir el desem-
pleado para maximizar su ingreso, es rechazar ofertas salariales iguales o inferiores al salario de
reserva y aceptar aquellas que sean mayores.
Figura I.1: Funciones de ingreso
En el gráfico es evidente que el problema de maximización del trabajador está sujeto a la
determinación del salario de reserva, hecho lo anterior, se puede presentar la expresión matemá-
tica que da solución al problema:
wr = wu +[
β (1− α)1− β (1− α)
](w − wr)2
2 (w − w)
= wu + ϕ (wr)(1.2.6)
De forma tal que la decisión de aceptar o no un trabajo va a ser determinado por: a) la compen-
sación por desempleo wu que contiene el costo de búsqueda, b) el factor de descuento de los
ingresos futuros β, c) y la distribución de las ofertas salariales w − w. Hasta aquí solo hemos
analizado la forma en que un trabajador individual decide acertar o no un empleo, aún no hemos
señalado como se establece el nivel de desempleo en un momento dado a nivel agregado.
En cada periodo una proporción de los desempleados aceptaran las ofertas que se les realicen, a
tal fracción se le llama tasa de aceptación laboral o hazard rate, la cual puede expresarse:
Ψ = w − wr
w − w(1.2.7)
Así 1/Ψ denotaría el número de periodos promedio que tarda en llegar una oferta salarial que
sea aceptada, por tanto [(1/Ψ)− 1] denotaría la duración media del desempleo.
Para saber la trayectoria de la tasa de desempleo a través del tiempo, se puede plantear una tasa
de desempleo inicial u1, que denota la fracción de los trabajadores que son desempleado en el
tiempo t, y L el total de trabajadores disponibles (empleados y desempleados); los desempleados
totales serán Lut mientras que el total de empleados es (L − Lut), si se quiere conocer la tasa
de desempleo futura ut+1:
Lut+1 = Lut(1−Ψ) + [(L− Lut)α(1−Ψ)] (1.2.8)
Esto significa que el total de desempleados en el siguiente período, será igual a los desempleados
del periodo actual (t) que no aceptaron un trabajo para el periodo t+ 1, más los empleados que
serán despedidos en el periodo actual y que no aceptaran un trabajo en el siguiente. Dividiendo
por L y reordenando términos se puede obtener la ley de movimiento de ut, de donde se obtiene
que la tasa de desempleo inicial convergerá a un estado estacionario (ut−i = ut = ue):
ue = α(1−Ψ)α(1−Ψ) + Ψ (1.2.9)
Esto significa que la tasa de desempleo tiende a estabilizarse en un determinado nivel ue, donde
los flujos de entrada y salida del desempleo serán de la misma magnitud. Además es necesario
señalar que este estado estacionario depende solo de dos parámetros α y Ψ, es decir, está en fun-
ción la tasa de despido y la tasa de contratación. La segunda no es estrictamente un parámetro,
ya que puede ser deducida a partir del salario de reserva (wr) que a su vez depende del resto de
los parámetros iniciales del modelo, en cambio α, al menos en este caso, si esta externamente
determinada.
Aunque hemos simplificado aun mas el modelo de búsqueda de empleo a lo originalmente plan-
teado, sus conclusiones principales se mantienen.
1.2.1 Extensiones del modelo de búsqueda de empleo
El modelo de búsqueda de empleo es una serie de fundamentos sumamente fuertes, pero
al mismo tiempo flexibles, para ayudarnos a comprender cualquier fenómeno del mercado la-
boral (Mortensen, 1986). Por eso es mas conveniente hablar de "los modelos de búsqueda de
empleo"que del modelo de búsqueda2.
Como se ha mostrado, esta teoría hace énfasis por el lado de la oferta en el mercado laboral,
es decir, se ha centrado en analizar cómo deciden los individuos en el mercado de trabajo; resulta
evidente que si se quiere tener una comprensión completa de dicho mercado, también debe in-
cluirse el lado de la demanda, las empresas. Para cumplir tal objetivo la teoría de búsqueda siguió
dos caminos. El primero, consistió en considerar a las empresas como ïslas"donde el trabajador
desconoce la información que hay en ellas, donde cada una posee varias empresas que tienen
rendimientos decrecientes dentro de un mercado competitivo. El salario está determinado en
función de la productividad, la sigue una distribución F en cada isla(Lucas y Prescott, 1974); la
importancia de éste planteamiento es que permite introducir la noción de equilibrio entre oferta y
demanda (de trabajo) en los modelos de búsqueda, al mismo tiempo que busca relacionar el em-
pleo con los grandes agregados económicos, tal como la producción. El segundo camino, son los
llamados modelos de búsqueda y emparejamiento basados en las ideas de Diamond (1981) y Pis-
sarides (1984), en estos modelos se supone que existen v vacantes de empleo, y u desempleados
buscando un trabajo, lo que permite establecer una "función de emparejamiento"m = m(u, v)
que sustituye el complejo proceso de búsqueda de los trabajadores en el los modelos clásicos
de búsqueda, permitiendo una evaluación mutua entre desempleados y empresas (Romer, 2006).
Ambos caminos han permitido que la teoría de búsqueda explore distintos fenómenos del mer-
cado laboral como el impacto de los seguros de desempleo, la rigidez salarial o el movimiento
cíclico del empleo.
Además, mientras se buscaba la inclusión de las empresas en estos modelos, ocurrieron pa-
ralelamente otros importantes planteamientos. Una de las primeras direcciones en que se adapto
estos modelos fue en la inclusión del capital humano; donde los resultados planteaban que quie-
nes tienen una intensa búsqueda de empleo o una tasa de renuncia mas elevada son trabajadores
con una menor formación (laboral o educativa) y consecuentemente con menor productividad, lo
anterior permite establecer que es mas probable convertirse en desempleado para quienes poseen
bajos salarios (Jovanovic, 1979); este marco teórico también ha permitido analizar la especifici-
2Para una descripción adecuada de los cambios que han ocurrido en la teoría de búsqueda de empleo véaseMortensen (1986) y Rogerson, Shimer y Wright (2005)
dad del capital humano, por ejemplo en Alvarez y Shimer (2009) se plantea un modelo3 donde
hay dos tipos de trabajadores: calificados y no calificados, los primeros solo pueden emplearse
en un sector económico específico, en cambio los segundos pueden emplearse en cualquiera.
El resultado es que aquellos trabajadores con mayor capital humano poseen mayores tasas de
desempleo, ya que emplearse en un sector diferente para el que poseen habilidades implica per-
derlas, así como la inversión hecha para adquirirlas. En cambio para los trabajadores que no
poseen formación ni habilidades específicas el costo de trasladarse a un sector diferente al que
se encuentran es mucho menor. Por tanto los trabajadores calificados buscarán insertarse única-
mente en aquellos sectores para los que han adquirido habilidades. Esta capacidad de la teoría
de búsqueda de empleo para analizar el papel del capital humano, y replicar hechos observados
en el mercado laboral ha llevado a que se afirme que esta teoría es en esencia un modelo de
inversión en capital humano (Kaufman y Hotchkiss, 2003).
Otros autores señalan que la obtención de información del mercado laboral no solo es a
través de la experiencia propia, sino que intentamos aprovechar lo que otras personas con ca-
racterísticas similares han descubierto, por lo que el proceso de búsqueda se transforma en mas
selectivo, esto trae como consecuencia dos problemas: primero, el free ride en la información,
es decir, el individuo define su proceso de búsqueda tomando en cuenta la experiencia de in-
dividuos similares a el, es decir, supone que tendrá los mismos resultados obtenidos por otros
en el mercado de trabajo. El problema es que el individuo minimiza la importancia de otras
características que lo diferencian (Capplin y Leahy, 2000); tal planteamiento permite entender
el desempleo a nivel de grupos demográficos, por ejemplo si una persona observa que alguien
con una formación académica idéntica no encontró empleo, deducirá que si inicia la búsqueda
no encontrará empleo; y segundo, si este razonamiento se extrapola a varios individuos, resul-
tará un grupo homogéneo de trabajadores que desisten de la búsqueda de empleo, por lo que
aparecerá el desempleo masivo en grupos demográficos.
Las decisiones en el mercado laboral no suelen darse de manera individual, mas bien son
tomadas de forma conjunta por los integrantes de una hogar, por ejemplo se ha desarrollado un
modelo (Guler, Guvenen y Violante, 2012) donde los resultados pueden variar si las ofertas de
3Este modelo y algunos similares, incluyen la noción de equilibrio, considerando a las empresas como ïslas"talcomo lo realizan Lucas y Prescott (1974)
trabajo provienen de distintos lugares o bien por la forma en que se distribuye el ingreso familiar
entre sus integrantes; este resultado es importante pues permite determinar que la posición de un
individuo en la familia es determinante en el status laboral del individuo.
1.3 Los flujos en el mercado laboral
El mercado laboral es un espacio dinámico, donde constantemente hay personas transi-
tando entre distintos status (Marstons, 1976), normalmente suele hablarse del desempleo en
términos "brutos"señalándose que existe un aumento o disminución en la cantidad de desem-
pleados pero ignorando si ese cambio es resultado de que se despidieran a mas trabajadores, o
porque las empresas decidieron ya no contratar mas empleados o bien por los nuevos entrantes al
mercado laboral. Algunos autores comenzaron a explorar esta área tratando de comprender si las
entradas y salidas del desempleo tenia influencia sobre el comportamiento cíclico del desempleo
(Blanchard y Diamond, 1990; Darby et al, 1986).
Es fácil darse cuenta que el lenguaje utilizado en el análisis de los flujos del mercado laboral
es muy similar al utilizado por los modelos de búsqueda, pues en ambos se habla del cambio
en la situación del individuo a través del tiempo, tal hecho ha permitido una asociación directa
entre ambos enfoques que durante los últimos años ha resultado en una mejor comprensión de la
dinámica laboral. El trabajo de Mortensen y Pissarides (1994) se convertido en la base de muchos
desarrollos posteriores en este campo. Establecieron un modelo donde las empresas, guiadas por
su expectativas de beneficio, crean o destruyen empleo; plantearon que la creación de puestos
de trabajo se mueve en dirección diferente a la destrucción,ademas argumentan que esta última
fluctúa mucho más, esto sucede por la forma en que actúan las empresas ya que cuando anticipan
una reducción de beneficios, buscan aumentar rápidamente y en gran cantidad los despidos; en
cambio cuando las expectativas mejoran, los despidos disminuyen, pero mucho mas lento de
lo que incrementaron. En esencia, estos autores creen que el incremento del desempleo durante
períodos recesivos en Estados Unidos es el resultado del incremento en la tasa de despido de las
empresas. En esta lógica Pries (2004) señala que las personas atraviesan por distintos empleos
en el corto plazo antes de lograr establecer una relación estable de largo plazo en un trabajo, la
combinación de tal comportamiento con las fluctuaciones de la actividad económica causa un
aumento en la probabilidad de perder el empleo durante una recesión y una declinación lenta de
la tasa de desempleo después de que esta termina.
No obstante, algunos autores han cuestionado tal planteamiento, argumentando que en el
caso estadounidense el incremento en el desempleo, no se debe a la desaparición de empleos sino
a que durante las recesiones las empresas dejan de contratar nuevos empleados (Hall, 2005), y
señalan que esto ocurre por la rigidez en los salarios, principalmente en los que se ofrecen a los
que están buscando un nuevo empleo, pues sucede que los salarios se fijan a un nivel muy bajo
por lo que disminuye el numero de buscadores que aceptan un empleo. En esta corriente, Shimer
(2005, 2007) se ha convertido en el principal referente en el análisis de los flujos laborales
gracias a su modelo, en el cual las fluctuaciones del desempleo son producto de cambios en la
creación de empleo y donde la transición entre distintos puestos de trabajos contribuye a esta
dinámica, reafirmando los planteamientos de Hall y mostrando análisis de datos en el mismo
sentido.
Que el estudio de los flujos laborales sea relativamente reciente, ha dado lugar a un amplio
debate, por un lado existen quienes cuestionna los señalamientos de Shimer, y partiendo de
planteamientos similares señalan que se pueden obtener conclusiones en un sentido opuesto,
es decir, la destrucción de empleo explica las fluctuaciones del desempleo (Elsby et al, 2007).
Otros en cambio tienen una visión mas conciliadora, la destrucción se da en algunos segmentos
del mercado de trabajo y la creación en otros; aunque tratan de reivindicar los planteamientos
de Mortensen y Pisarides, señalando a la destrucción de empleo como el causante principal de
las variaciones en la tasa de desempleo (Davis et al, 2011).
1.4 Mercados laborales regionales
La localización espacial de las actividades económicas es un tópico que ha tomado rele-
vancia recientemente, a pesar de que hace ya varias décadas Von Thünen trataba de entender la
configuración economica-regional; afirmando que la ciudad es el eje en torno al cual se articula
una región económica, años mas tarde Christaller (Moncayo, 2004) señalaría en su teoría del
lugar central que la ciudad tiene la capacidad de ejercer poderosas influencias en la estructura
social y económico de un territorio. La Nueva Geografía Económica (NGE) señala, igualmente,
a las ciudades como determinantes de la configuración regional, formadas por fuerzas centrí-
petas y centrífugas, que facilitan o dificultan el crecimiento de la ciudad (Krugman, 1997). La
urbanización permite un amplia división del trabajo, facilitando la diferenciación de los sectores,
en contraste en las pequeñas localidades las actividades de producción y distribución se realizan
en forma conjunta(Blair, 1991), por la anterior, es normal que como el resto de mercados, el
mercado laboral se estructure en torno a las ciudades y que las actividades de empleo en las co-
munidades rurales sea difícil de diferenciar, incluso puede afirmarse que no existe un mercado
laboral estructurado en el área rural. Es por ello que las teorías que estudian la configuración
regional, son mas bien teorías de la configuración de ciudades-región.
Esta diferenciación entre mercados laborales regionales y sectoriales ha estado presenta,
aunque de forma no explicita, en diferentes áreas de la economía. Por ejemplo el modelo plan-
teado por Harris y Todaro (Todaro, 1976), formaliza un esquema para explicar la migración del
campo a la ciudad, donde los trabajadores son atraídos hacia la ciudad, donde a pesar de esperar-
les un periodo mas largo de desempleo, el ingreso futuro esperado es mayor que el que se tiene
en el campo4. Resultando un sector manufacturero-urbano con altos salarios y alto desempleo,
frente a un sector agrario-rural con bajos salarios pero pleno empleo.
Otro trabajo mas recientey en un sentido similar es el de Blanchard y Katz (1992), quienes
analizan las diferencias regionales (vocación productiva y niveles de empleo/desempleo) entre
los estados que forman Estados Unidos, durante el periodo 1950-1990, y formulan un modelo de
mercado laboral, donde se permite que los estados difieran en tecnología y en el tipo de bienes
que producen, por lo que los cambios ocurridos a nivel nacional impactan de manera diferente
en cada estado y por consiguiente a su mercado laboral; como resultado los ajustes locales del
mercado de trabajo pueden darse de tres formas: por movilidad laboral, destrucción o creación
de empleos; sin embargo en cada estado una de estas tres fuerzas resulta predominante. Por
otra parte Pekhonen y Tervo (1998) señalan que las diferencias regionales en los niveles de
desempleo no son estables en el largo plazo, por lo que una región puede cambiar su posición
4podríamos afirmar, siguiendo a Krugman, que es una fuerza centrípeta en el mercado laboral urbano
relativa a nivel nacional dependiendo de los shocks externos que afecten la economía nacional.
Estados que hoy tienen un mercado laboral dinámico y con altos salarios pueden perderlos a raíz
de una crisis de alcance nacional que modifique la relación entre sectores productivos del país.
1.4.1 La economía estadounidense y la configuración del empleo regional me-
xicano
La apertura comercial del país y la posterior firma del Tratado de Libre Comercio de Amé-
rica del Norte (TLCAN) modificaron la vocación productiva de las regiones y por consiguiente
trajeron consigo una re-estructuración económica que afecto el nivel de empleo y las habilida-
des laborales requeridas en los mercados de trabajo locales; sin embargo tales afectaciones no
han sido homogéneas, sino que ha impacto de de forma distinta a cada entidad, por lo que el
proceso de convergencia entre ellas se ha detenido (Messmacher, 2000). Por tal motivo el com-
portamiento del empleo posee su propio movimiento cíclico en los estados y solo algunos de
ellos muestran un alto grado de sincronización (Delajara, 2010). En general, destaca el dinamis-
mo que posee la región fronteriza y el desarrollo de su sector manufacturero, mientras que la
región centro del país se ve dinamizada gracias a la demanda del mercado interno (Mendoza,
2006, Mendoza, 2010), como resultado, la dinámica de la tasa de desempleo muestra marcadas
diferencias entre estados. Es por eso que suele señalarse que: "las economías regionales de Mé-
xico tienen distintos grados de comovimiento cíclico con la economía estadounidense, y que las
fuentes de los choques a las economías regionales difieren entre ellas en lo que respecta al grado
de dependencia que tienen las fuentes de las fluctuaciones de la economía de EUA"(Delajara,
2012).
Cuadro I.1: Clasificación de las entidades mexicanas por el tipo de vinculación al ciclo econó-mico de E.E. U.U. (2003-2011).
Alta Vinculación Media Vinculación Baja Vinculación
Chihuahua Morelos Zacatecas
Baja California Guanajuato Campeche
Nuevo León Quintana Roo Veracruz
Coahuila Baja California Sur Chiapas
San Luis Potosí Nayarit Tabasco
Tamaulipas Yucatán Oaxaca
D.F. Michoacán
Edo. México Guerrero
Sonora Colima
Hidalgo Sinaloa
Puebla Durango
Tlaxcala
Querétaro
Aguascalientes
Jalisco
Como resultado de lo anterior, pueden clasificarse los estados del país en tres regiones:
alta, media y baja sincronización con respecto al ciclo económico estadounidense, durante el
período 2003-2011; los primeros, de alta sincronización y correspondientes a la región uno"se
caracterizan por poseer un sector manufacturero, ampliamente desarrollado en sectores como el
automotriz o electrónico y enfocados a la exportación; los segundos, sobresalen por ser econo-
mías manufactureras, pero mucho mas diversificadas y enfocadas al mercado nacional ; y los
últimos, son estados donde el sector agropecuario es aun predominante (Erquizio, 2010)y su
vinculación con el resto del país no es tan fuerte. Lo anterior pone en evidencia que la segmen-
tación entre las entidades mexicanas vas mas allá de la dimensión geográfica, pues entidades tan
distantes como Zacatecas y Yucatán se encuentran dentro del mismo grupo; y que la distinción
en el empleo va mas allá de el ámbito sectorial, pues a pesar de que el sector maquilador y su
uso de mano de obra barata son importantes para comprender los flujos de empleo, pudieran no
ser representantes del mercado laboral en su conjunto.
1.5 Consideraciones finales
La idea que se ha tratado de transmitir en el presente capitulo trata de poner énfasis en dis-
tintos aspectos. Primero, las potencialidades que posee la teoría de búsqueda y emparejamiento
para comprender de mejor manera los distintos aspectos y fenómenos que ocurren en el mercado
laboral (Mortensen, 1986), sin embargo aun posee un amplio campo de aplicaciones ya que el
estado actual de dicha teoría posee deficiencias al explicar como ocurren determinados ajuste
del mercado laboral (Rogerson y Shimer, 2010). En el origen de esta teoría esta la descripción
del comportamiento del individuo en el mercado laboral producto de de una conducta racional
que puede ser afectada por las características del individuo que determinan la forma en que ha
de insertarse al proceso de búsqueda.
Segundo, que la dimension espacial determina la articulación del mercado de trabajo, te-
niendo como eje de articulación la ciudad-región por tanto en el análisis laboral debe tratarse
en estudios diferentes la dimensión urbana y rural, ya que esta ultima opera de forma tal que es
imposible separar la oferta de la demanda de trabajo, y la producción del consumo, etc. Asimis-
mo se resalto el papel que desempeña la economía estadounidense en la determinación de las
regiones mexicanas.
Tercero, que los trabajadores atraviesan diferentes status, sin embargo los mas trascen-
dentes es la creación y destrucción de empleo, pues viene a determinar el nivel de desempleo,
y sobre todo la destrucción de empleo entendida como la situación de pérdida de empleo de
los individuos, pues como se vera mas adelante ha determinado la evolución del desempleo en
México.
Capítulo II. Características individuales y
desempleo en las ciudades-capitales de Mé-
xico
2.1 Introducción
El propósito de este capitulo es mostrar la evidencia empírica que ha vinculado las caracte-
rísticas personales o sociodemográficas de los individuos con su inserción en el mercado laboral
en el caso mexicano. Se analizara en primer lugar, como ha sido abordado por diferentes estu-
dios la influencia de las características individuales y, al mismo tiempo, buscaremos clasificar
estos estudios desde dos puntos de vista: a) su fundamentación teórica y b) su enfoque temporal
del empleo. Asimismo se pretende dar un panorama general de las transiciones hacia y desde el
desempleo en las ciudades que son capitales de México. En este punto cabe hacer varias aclara-
ciones, los datos utilizados son los de la Encuesta Nacional de Ocupación y EMPLEO (ENOE)
donde se obtienen representatividad para las 32 capitales de los estados mexicanos, con excep-
ción de Guanajuato, Guerrero, Baja California, Tamaulipas, Veracruz y Quintana Roo, donde
la encuesta utiliza en lugar de la capital a: León, Acapulco, Tijuana, Tampico, Veracruz y Can-
cún, respectivamente. Al mismo tiempo, la encuesta hace referencia a las ciudades como zonas
metropolitanas, es decir cuando se menciona la ciudad de México se habla del Distrito Federal
y de los municipios mexiquenses conurbados. En el documento utilizaremos el termino ciudad
entendido como su zona metropolitana. Se intentará mostrar que el incremento en el desempleo
19
en México se debe a una mayor destrucción de empleo, y como la pérdida de empleo varia a
lo largo del ciclo económico y de las ciudades, combinado con el efecto de las características
sociodemográficas.
2.2 Características individuales y desempleo: evidencias
La literatura empírica que relaciona las características personales con la situación de un
individuo en el mercado laboral ha seguido dos caminos: por una parte, trabajos basados en
planteamientos teóricos, como el de Mincer (1989) donde se vincula el capital humano con los
salarios, donde la edad o el nivel educativo son utilizadas como variables que permiten cuanti-
ficar el capital humano; o bien como Blanchflower y Oswald (1994) con su planteamiento de
curva salarial"5 donde la relación empírica solo aparece una vez que se han controlado las di-
ferencias en las características de los individuos. Siguiendo esta linea, se han realizado análisis
basándose en los modelos de búsqueda de empleo, por ejemplo Herrarte et al (2006) estudian
el efecto del seguro de desempleo en España sobre la inserción laboral, utilizando igualmente
las características individuales como variables de control. Aunque las características individua-
les son importantes en este tipo de trabajos, en realidad no son el objeto principal de estudio. El
segundo camino ha sido el empirismo puro, descubriendo a través de avanzadas técnicas estadís-
ticas, alguna relación entre las cualidades de los individuos y su situación de empleo/desempleo,
sin importa cual es mecanismo o la causa que media en el fondo entre estas variables. Existe un
sin número de trabajos de este tipo (Hoti, 2003; Kingdon y Knight, 2000; Garrouste, Kozovska
y Arjona, 2010),6 que demuestran que en el contexto internacional ser hombre, casado, con altos
niveles de capital humano (educación), y la no pertenencia a minorías raciales (latinos, o negros)
reduce la probabilidad de encontrarse en el desempleo en un momento dado en el tiempo; tal
evidencia empírica sobre el comportamiento de los desempleados en la búsqueda de empleo
permite establecer que existen tres factores que determinan su comportamiento(Abdel-Mowla,
2011):5la curva salarial es una regularidad empírica que muestra que regiones con alto desempleo tienen bajos salarios
y viceversa; que es contrario al esquema estándar de mercado de trabajo en competencia perfecta, donde una elevadatasa de desempleo es producto de un alto nivel salarial
6estos trabajos son una pequeña muestra de lo que es un amplia literatura desarrollada al respecto
1. características personales
2. características del hogar
3. Condiciones del mercado laboral
Al mismo tiempo estos trabajos también pueden entrar dentro de otra clasificación, primero,
aquellos que identifican al individuo y sus características personales con la posibilidad de en-
contrarse en un tiempo t en un cierto estado del mercado laboral, esto lo que hace es indicarnos
la frecuencia con que se observa un fenómeno dentro un grupo poblacional. En segundo lugar,
están aquellos que vinculan dichas características con la posibilidad de transitar de un estado
”a” en t a un estado ”b” en t+ 1 en el mercado laboral, es decir se mide la movilidad laboral de
un grupo a través del tiempo. Por ultimo, se encuentra un enfoque relacionado con la sociología,
donde se analizan los diferentes "status"laborales que ha experimentado un individuo a lo largo
de su vida (trabajos), denominado trayectoria laboral
En el caso de México, dentro de los trabajos que no incorporan la variable tiempo, destaca el de
Licona-Hernández (1997), quien, partiendo del modelo Ocio-Consumo, trata de obtener teórica
y empíricamente la curva de oferta de trabajo en México, al mismo tiempo estima un modelo
probit para predecir si un individuo participa o no en la fuerza laboral dependiendo de su ingreso
no laboral y de las características individuales y familiares; sus hallazgos confirman lo señalado
con anterioridad, adicionalmente, señala que el desempleo es un lujo que no pueden darse los
desempleados dada la situación de pobreza de muchos hogares mexicanos, por lo que el Jefe de
hogar debe estar siempre empleado para permitirle a otros miembros del hogar la no integración
al mercado laboral. Una linea similar se encuentra en Hernández Laos (2004), aunque el énfasis,
es en las diferencias regionales de los mercados laborales en México, señalando que las distintas
etapas de transición demográfica en que se encuentran las entidades y el sesgo tecnológico del
sector manufacturero provoca que las características individuales posean impactos de distinta
magnitud sobre la probabilidad de participar en el mercado laboral, sobresale la edad, que en la
mayoría de las regiones tiene un efecto positivo, con excepción de una región donde el efecto es
negativo.
Dentro de la linea de investigación proveniente en parte desde la sociología donde se estu-
dian las "trayectorias laborales"de los individuos en el mercado laboral, existen trabajos sobre-
salientes, como el de Pacheco y Parker (2001) que estudian las entradas y salidas del desempleo
en 1987 y 1995, aunque se centran en los diferentes estados que atraviesa un individuo en el
mercado laboral durante cinco trimestres, las autoras insinúan que el impacto de las crisis en
el desempleo en México se da a través de la alteración de los flujos. Cruz Piñeiro (1995) por
su parte, identifica a los individuos que durante quince meses permanecen en el mismo empleo,
aquellos que no cumplen tal requisito poseen una situación de ïnestabilidad laboral 2tal situación
la vincula con el sexo, la educación y la posición en el hogar; encontrando que existe una gran
ïnestabilidad laboral.en el mercado laboral mexicano.
En el caso del estudio de los flujos laborales en México, es decir aquellos que analizan el
cambio del estado laboral de una persona del tiempo t a t + 1, han recibido atención especial
porque se han logrado vincular con los flujos entre formalidad e informalidad; Calderón-Madrid
(2000) utilizando modelos de supervivencia y matrices de transición, encuentra que existe gran
movilidad en los diferentes estados del mercado laboral, aunque estos son de la misma mag-
nitud y en dirección contraria por lo que los niveles de empleo informal y otras categorías se
mantienen relativamente estables, señala también que aunque es relativamente fácil encontrar
un empleo en México también es frecuente que se abandone casi de inmediato. Otros autores,
han investigado la relación entre flujos laborales e informalidad: Rodriguez Oreggia (2007) uti-
liza matrices de transición y un logit multinomial, Duval y Orraca (2011) realizaron un análisis
por cohortes, Gon Van Soest y Villagómez (2000) un logit multinomial, y por ultimo Bosch y
maloney (2006) utilizan la metodología desarrollada7 por Shimer (2005) y Hall (2005); los ha-
llazgos de la mayoría de ellos, señalan el papel que juega la edad, el sexo y la escolaridad para
la movilidad entre informalidad, formalidad y desempleo. Al mismo tiempo sus resultados per-
miten establecer que existen tasas de separación (del empleo) diferenciadas durante los auges
y crisis de los años noventa. Nuevamente debemos señalar que la intención de los autores no
era analizar las características personales propiamente, sino el flujo hacia la informalidad, y en
todos ellos,se encuentra presente una fuerte discusión acerca de si la informalidad en México,
ocurre a través de mercados laborales segmentados o integrados8.
7se habla en este caso de la aplicación de cadenas de markov8particularmente se discute si los trabajadores eligen ser informales o en caso contrario, si no tiene elección y
son informales producto de sus condiciones
Por otra parte, en lo referente a las diferencias regionales también existe un amplia litera-
tura, lo cual no ocurre en el caso de México, autores ya señalados (Hernandez-Laos, 2004; y
Piñeiro, 1995) también exploran esta linea en sus trabajos citados. Sin embargo es a nivel inter-
nacional donde se ha dado mayor énfasis en el tema, por ejemplo Bachmann y Baumgarte (2012)
señalan que las características individuales y del hogar juegan un papel central en el proceso de
búsqueda y consecuentemente en el desempleo, y que las diferencias regionales existentes en-
tre los países de la Unión Europea no se debe al impacto diferenciado de dichas características
sino al marco institucional y las políticas implementadas por cada estado miembro; por su parte
Lopez-Bazo y Motellón (2011) señalan que las características individuales son importantes para
comprender las diferencias regionales en el desempleo, y que una igualación de tales caracte-
rísticas entre las regiones podría, de hecho, aumentar las brechas existentes el desempleo antes
de disminuirlas, señalando que el papel que juegan las cualidades del individuo es mucho mas
importante y complejo que el tradicionalmente otorgado.
2.3 Desempleo en las crisis de México
Generalmente, cuándo comienza una recesión económica la tasa de desempleo tiende a
incrementarse, y comienza a disminuir con la recuperación, colocándose en niveles pre-recesión.
Como se puede observar en la gráfica XX, donde se muestran la tasa de desempleo9 durante las
ultimas tres crisis significativas de los últimos treinta años en la economía mexicana: crisis de
deuda del 1982, crisis bancaria y del sector externo del 1994 y la crisis financiera internacional
del 2008; el desempleo se ha comportado de la manera descrita, los datos muestran claramente
que durante la crisis de 1982 y 1994 la tasa de desempleo se incrementó rápidamente pero logra
disminuir a niveles previos a la recesión una vez que la economía se ha recuperado. Sin embargo
no parece haber ocurrido durante la crisis de 2008, aunque el desempleo se incremento en menor
magnitud que en las ocasiones anteriores si ha mostrado cierto resistencia a volver a disminuir a
niveles previos aun después de que la recuperación ha ocurrido. Esto resulta extraño sobre todo
si en el mismo gráfico XX es posible apreciar que en la crisis de 2008 la recuperación del PIB
9aunque las tasas de desempleo en las tres crisis no es directamente comparable por diferencias conceptuales,metodológicas y muestrales, si es comparable su comportamiento en la fase recesiva del ciclo
Figura II.1: Comportamiento del PIB y el desempleo durante crisis de 1982,1994 y 2008
(a) Tasa de desempleo
100
120
140
160
180
200
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Niv
el
trimestres despues del nivel promedio pre-crisis
2008 1982 1994
(b) Evolución PIB después de alcanzar su cima
90
95
100
0 1 2 3 4 5 6 7 8 9 10 11 12 13
Niv
el
trimestres después de alcanzar el pico
2008 1982 1994
Fuente:Encuesta Nacional de Ocupación y Empleo, INEGI, 2005-2010.
fue similar a la acontecida en 1994, Una de las preguntas que cabe realizarse es ¿por qué no ha
ocurrido así?
2.3.1 Desempleo urbano y destrucción de empleo en la crisis de 2008
Hacia el año 2010 las 32 ciudades capitales10 de la República Mexicana concentraban en
su conjunto al 41.7 % de la población total del país; sin embargo el 45 % de la población mayor
de 14 años, el 44.4 % de los ocupados y el 56.3 % de los desempleados se encuentran en ellas;
ademas de generar alrededor del 62 % del PIB nacional. Estas ciudades tienen en promedio un
PIB per cápita 75 % mas elevado que el resto de los habitantes país. Es evidente que alrededor
de estas ciudades se articulan la actividad económica y los mercado laborales.
En los siguientes gráficos mostramos como han evolucionado cuatro indicadores para estas
32 ciudades. las tasa de desempleo, participación, creación y destrucción de empleo, para cada
trimestre en el período 2005-2010, ademas se desagregan por sexo. La tasa de creación son todos
aquellos que tenían un empleo en el trimestre t− 1 y en el trimestre t éste se terminó, indepen-
dientemente de si pasaron al desempleo (búsqueda activa) o a la población no económicamente
activa, es decir las entradas al desempleo o inactividad. La tasa de creación son las personas
inactivas o desempleados que encontraron un empleo, es decir, las entradas a la ocupación. Es
claro que las tasas de creación y destrucción se mantienen en su mismo nivel hasta principios
10en la introducción del presente capítulo se precisa la cobertura del término referido
Figura II.2: tasas de: desempleo, participación, creación y destrución de empleo(2005=100).
(a) Hombres
85
95
105
115
125
135
145
155
165
175
II III IV I II III IV I II III IV I II III IV I II III IV I II III IV
2005 2006 2007 2008 2009 2010
recesión
entrada
salida
tasa de participación
tasa desempleo
(b) Mujeres
85
95
105
115
125
135
145
155
165
175
II III IV I II III IV I II III IV I II III IV I II III IV I II III IV
2005 2006 2007 2008 2009 2010
recesión
entrada
salida
tasa de participación
tasa desempleo
(c) General
85
95
105
115
125
135
145
155
165
175
II III IV I II III IV I II III IV I II III IV I II III IV I II III IV
2005 2006 2007 2008 2009 2010
recesión
entrada
salida
tasa de participación
tasa desempleo
Fuente:Encuesta Nacional de Ocupación y Empleo, INEGI, 2005-2010.
de 2008, lo que provoca que la tasa de desempleo y de participación permanezcan estables, sin
embargo a partir del segundo trimestre de 2008 cuando comienza la recesión en México11 la
tasa de destrucción se acelera, especialmente para los hombres, lo que provoca que el desem-
pleo se incremente y la tasa de participación apenas disminuye ligeramente lo que indica que no
hay nuevos entrantes al mercado laboral, paralelamente la tasa de creación apenas muestra una
pequeña reducción; lo anterior implica que durante la recesión aumento la velocidad en que se
destruyen empleos pero, permaneció constante la creación de nuevos puestos de trabajo; ademas
que los mas afectados durante el periodo recesivo fueron los hombres.
Posterior a la recesión la tasa de destrucción, permaneció en un nivel elevado lo que ha
impedido que la tasa de desempleo disminuya después de que finalizará la recesión.
Un elemento que resulta interesante, y que esta presente a nivel urbano y rural en México,
es que en teoría que cuando alguien pierde su empleo permanece en el mercado laboral para
buscar uno nuevo y aquellos que encuentran un empleo son quienes lo estaban buscando, sin
embargo esto no ocurre así en el caso nacional, y específicamente de las ciudades, en el caso
11El Inegi determina los ciclos de la economía mexicana a través del Sistema de Indicadores Cíclicos (SICC)
de los hombres que pierden su empleo el 52.7 % pasa a la población no económicamente, en
las mujeres es el 76 %, y en sentido opuesto el 63.5 % de los hombres (87.5 % mujeres) que
encuentran empleo provienen de la inactividad; tal hecho resulta contradictorio pues quienes
se encuentran en la inactividad declaran que no necesitan o no pueden trabajar, esto plantea
preguntas interesantes a si de verdad estamos midiendo adecuadamente el proceso de búsqueda
de lo trabajadores en México o bien cual es el mecanismo exacto a través del cual los mexicanos
se incorporan al mercado laboral.
Cuadro II.1: Salidas y entradas del empleo
(a) destino de las salidas del empleo
HH Desempleo Disponibles (PNEA) No disponibles (PNEA)General 18.4 15.2 66.4
Hombres 28.0 19.2 52.7Mujeres 11.7 12.3 76.0
(b) origen de las entradas al empleo
HH Desempleo Disponibles (PNEA) No disponibles (PNEA)General 22.4 16.2 61.4
Hombres 36.5 18.6 44.9Mujeres 12.5 14.6 73.0
Fuente: ENOE, INEGI, 2006.
Para hacer una análisis más detallado sobre la destrucción de empleo en las ciudades me-
xicanas, se ha decidido en clasificarlas en tres grupos, dependiendo de la entidad donde se en-
cuentren: de alta, media o baja vinculación al ciclo económico de Estados Unidos.
Existen elementos comunes entre estos tres tipos de ciudades, en general las tasas de des-
trucción de empleo son muy similares y quienes mas comúnmente dejan o pierden su empleo
están dentro de los siguientes grupos de trabajadores: a)por cuenta propia, b)sin pago, c)en em-
presas pequeñas d) sin seguridad social e) del sector comercio o agrícola, y f) de bajos ingresos.
En particular los grupos mencionados tienen tasas de despido que se encuentran entre 15 % y
30 %. Por ejemplo una tercera parte de jóvenes (14-24 años) y una proporción igual de trabaja-
dores con sueldos menores a un salario mínimo, pierden su empleo cada trimestre. Sin embargo,
persisten algunas diferencias significativas, por ejemplo en las ciudades con alta vinculación a
E.E. U.U. su tasa de despido mas baja por grupo de edad corresponde a quienes tienen entre 35-
39 años, mientras el resto de ciudades corresponde entre los 40-44 años, es decir, en las ciudades
vinculadas al sector externo ser joven no es tan grave en comparación con el resto. Igualmente
en este tipo de núcleos urbanos ser migrante o de origen migrante no hace gran diferencia en la
probabilidad de perder el empleo, pero en las ciudades de baja vinculación, este grupo si tiene
ventaja frente a los trabajadores locales.
No solo se observan diferencias transversales entre los tres grupos sino también existendiferencias longitudinales; en el caso de hombres y mujeres, en las ciudades de alta vinculación,la tasa de destrucción incrementa para los primeros durante la recesión y disminuye para lassegundas, en las de media aumenta para los dos grupos, y en las de baja aumenta en ambosdurante la recesión y disminuye al finalizar ésta pero no retorna a su nivel anterior. Otro ejemploes la construcción que aumenta su tasa de destrucción de 12 % a 17 % en las ciudades del primergrupo, mientras en las del tercer grupo esta tasa permanece estable en el 12-13 %, en el cuadroXX se puede apreciar mas a detalle estos cambios. Lo relevante de lo anterior es que cadagrupo de ciudades muestran cambios en sus distintos sectores o grupos demográficos y queestos cambios pueden variar en magnitud y dirección entre las ciudades; es pues relevante queen un análisis sobre variables demográficas seamos capaces de controlar por variables comosector, nivel de ingresos o tamaño del la empresa o negocio donde se labora.
Cuadro II.2: Tasa de destrucción de empleo según diferentes características individuales.
Region 1 Region 2 Region 3
06 08 09 06 08 09 06 08 09
subordinados 9.60 9.89 9.68 9.45 10.05 10.32 9.24 10.26 9.06
empleadores 7.70 7.09 8.42 6.92 10.04 8.08 7.57 7.96 8.70
cuenta propia 18.90 18.93 19.42 16.89 19.10 19.74 18.19 18.41 19.58
sin pago 35.40 44.08 37.26 33.23 36.69 33.38 29.00 35.01 33.24
hasta 1 20.00 19.92 20.3 18.79 19.72 21.89 20.22 20.23 21.72
de 2-5 16.90 19.44 19.01 16.79 17.49 16.75 14.97 17.49 15.85
de 6-10 9.60 9.51 11.48 9.35 10.01 10.77 10.59 12.85 10.81
de 11-15 12.40 11.4 12.24 9.03 12.52 11.33 10.84 8.33 9.59
de 16-50 8.50 9.56 7.21 8.58 9.24 8.17 6.51 8.53 7.35
de 51 y más 6.90 6.82 6.46 5.34 6.65 6.61 5.34 5.10 5.58
no especificado 7.20 5.71 7.19 8.92 9.73 8.92 10.32 9.48 8.73
continúa...
Region 1 Region 2 Region 3
Acceso SS 6.50 6.53 5.7 5.11 6.00 6.05 5.18 5.42 5.19
NO SS 18.70 18.33 20.35 17.10 18.38 18.38 17.23 18.69 18.28
construcción 12.00 13.27 17.31 11.39 12.69 15.56 12.29 13.89 13.46
manufacturas 8.90 8.79 8.29 8.54 10.85 10.82 13.25 14.70 14.39
comercio 15.70 17.62 15.03 16.38 17.15 16.34 14.92 15.46 16.44
servicios 11.10 11.12 11.69 10.73 11.28 11.58 10.04 11.08 10.31
agricultura 14.10 8.75 14.09 27.30 28.84 23.62 18.41 17.31 15.81
de 14-19 28.40 31.15 34.37 30.99 31.18 32.03 33.33
de 20-24 13.79 16.99 18.12 17.29 17.66 18.84 15.87
de 25-29 8.04 9.01 10.80 9.85 9.20 11.22 10.80
de 30-34 9.26 9.23 9.07 10.47 7.91 6.43 9.94
de 35-39 5.92 6.66 7.89 8.79 7.10 7.17 7.57
de 40-44 8.49 6.06 7.77 8.06 6.29 7.44 6.92
de 45-49 10.97 7.34 9.52 9.15 7.67 8.40 8.69
de 50-54 11.29 10.54 8.96 12.49 8.76 10.07 12.55
de 55-59 9.75 10.87 11.10 15.11 11.72 14.60 9.67
de 60-64 21.00 16.74 19.56 16.31 17.58 18.29 17.06
de 65 y más 26.88 26.89 28.91 28.38 25.78 28.52 25.99
Hombres 7.82 9.18 9.32 8.29 8.84 9.39 8.78 9.80 9.45
Mujeres 17.53 16.79 16.28 16.63 18.47 18.03 15.59 16.56 16.22
nativo 11.69 12.3 12.01 12.36 13.20 12.95 12.22 12.93 12.67
no nativo 11.54 12.08 12.37 10.71 12.13 13.07 8.99 11.67 11.36
sin escolaridad 22.88 22.23 20.78 16.17 21.43 21.88 20.11 22.08 16.98
preescolar - 11.2 - 8.53 45.95 28.54 19.93
primaria 14.65 15.36 17.58 14.18 14.28 16.32 13.67 15.58 15.76
secundaria 12.46 12.68 12.2 12.72 13.64 13.01 13.64 14.43 14.38
bachillerato 10.9 12.79 11.62 12.51 13.50 13.07 11.95 14.41 12.50
profesional 9.23 9.72 9.1 8.7 10.51 10.24 8.87 8.51 9.49
posgrado - 3.31 3.97 3.66 3.62 6.88 2.74 4.79 4.59
continúa...
Region 1 Region 2 Region 3
informal 19.91 21.58 22.02 18.25 19.61 19.61 18.80 20.73 19.93
formal 6.74 6.63 5.75 5.56 6.47 6.21 5.35 5.46 5.38
hasta 1 SM 34.06 33.34 33.41 31.57 33.95 31.39 28.77 30.53 30.49
de 1-2 20.36 17.32 17.42 15.19 16.59 14.53 14.64 17.99 13.95
de 2-3 11.07 11.75 11.38 8.41 9.31 10.79 8.70 10.04 9.86
de 3-5 6.66 5.42 6.29 5.82 7.44 7.51 6.44 5.82 6.87
de 5 y más 5.2 5.9 5.6 4.84 4.45 5.14 3.84 4.11 3.28
No ingreso 35.49 44.08 37.26 33.22 36.48 33.24 29.85 34.511 32.86
Como se observó, la creación de empleo no mostró variaciones en el periodo 2005-2010;en este caso dada la importancia de los inactivos clasificamos a los que encuentran en empleo endos grupos: 1)los que provienen del desempleo y 2) los que provienen de la inactividad. Entre losdos grupos se muestran diferencias notables, por ejemplo en los desempleados: 1) entre mayoreducación mayor dificultad de encontrar empleo, 2) las diferencias entre edades es mas difusa,y 3)la diferencia entre ser jefe del hogar o hijo es marcada; en cambio para los que encuentranempleo desde la inactividad ocurren completamente cosas distintas: 1) a mayor educación mayorprobabilidad de encontrar empleo, 2)los mas jóvenes encuentran mas dificultades para insertarsey 3)la diferencia entre ser jefe del hogar e hijo no existe y 4)contrario a lo que se pensaríalos individuos que se ocupan en actividades del hogar son mas propensos a encontrar empleo(Cuadro II.3).
2.4 Consideraciones finales
En el presente capitulo se mostró como la evidencia empírica resalta el papel de las carac-
terísticas socio-demográficas en el mercado laboral, al mismo tiempo se muestra como el papel
de estas puede variar si se analizan desde un punto de vista dinámico. También se mostró que
la creación y la pérdida de empleo no han sido estudiados con suficiente profundidad por lo
que existe un área de oportunidad en la investigación. Asimismo se ha tratado de resaltar que el
aumento de la tasa de desempleo se debe al incremento de la destrucción o pérdida de empleo
durante la recesión de 2008, por lo tanto es importante comprender cuales fueron las causas y
Cuadro II.3: Add caption
Desempleado Inactivos
Grupo quinquenal de edad14-19 10.4 44.220-24 17.8 48.925-29 18.9 52.630-34 17.5 57.635-39 18.2 44.640-44 20.8 51.745-49 18.9 49.050-54 16.0 47.655-59 12.7 59.760-64 12.3 27.7
65 y más 6.9 35.7Nivel de escolaridad
ninguna 9.4 62.4primaria 13.2 54.7
secundaria 12.0 49.2bachiller 16.7 50.4
profesional 16.0 45.4posgrado 15.1 33.0
Sexohombres 17.5 57.8Mujeres 12.3 37.6
poición en el hogarjefe 15.3 60.8
pareja 13.2 32.7hijo 14.7 48.4otro 9.5 49.6Razón de inactividad
estudiantes 11.1hogar 13.7
pensionado 9.4discapacitado 6.0
como provocaron tal aumento, en particular, en la actual investigación se busca conocer el papel
de la educación, el genero y la edad en la pérdida de empleo.
Capítulo III. Modelo logit para el análisis
de los determinantes de la perdida de em-
pleo
3.1 Introducción
El presente capitulo se ha divido en tres secciones, la primera se dedica al análisis de la
ENOE y por consiguiente de la base de datos y la forma en que se procesó y la validez de nues-
tros resultados. En la segunda hacemos una breve descripción de los modelos logit, esto resulta
clave porque los resultados obtenidos en estos siempre ha sido de difícil comprensión debido a
la relación no lineal que hay detrás de estos modelos. Por último hacemos una descripción de
los resultados obtenidos.
3.2 La Encuesta Nacional de Ocupación y Empleo
La Encuesta Nacional de Ocupación y Empleo (ENOE) es la encuesta diseñada por el Inegi
para, como su nombre lo indica, mostrar la estructura del empleo en México. Es una encuesta
relativamente reciente pues entró en funcionamiento en el año 2005 para sustituir a la Encuesta
Nacional de Empleo Urbano (ENEU). Éste instrumento estadístico esta diseñado para mostrar
resultados representativos a nivel nacional, entidad federativa, ciudades autorrepresentadas (32
ciudades), en localidades de mas de cien mil habitantes, localidades entre 2500-99,999 habitan-
33
tes y localidades menores a 2,500 habitantes. La unidad de análisis son los hogares, los cuales
se visitan consecutivamente durante cinco veces cada tres meses; adicional a lo anterior, tales
hogares se dividen en cinco paneles, donde cada uno esta en una fase de rotación distinta (1ª,
2ª, 3ª, 4ª y 5ª), que indica cuando saldrán de la muestra, el hogar en la 5ª fase señala que es la
ultima entrevista que se le hará y que al siguiente trimestre sera sustituido por uno nuevo. Esto
significa que en teoría podemos seguir al 80 % de los individuos durante dos trimestres, 60 %
durante tres, 40 % durante cuatro y 20 % durante cinco.
En el caso de nuestro análisis el seguimiento se realizará durante dos trimestres consecuti-
vos, es decir rastrearemos en el tiempo al 80 % de los individuos, sin embargo, la encuesta esta
diseñada para utilizarse con el 100 % de la muestra durante un solo trimestre, y no esta com-
pletamente diseñada para hacer un seguimiento a través del tiempo que sea lo suficientemente
representativo a nivel estadístico; en nuestro caso estamos perdiendo un 20 % de los individuos
que salen de la encuesta por rotación de paneles, más aproximadamente un 6.5 % adicional que
aunque no saldrían de la encuesta no pudieron volver a ser entrevistados, lo anterior nos deja
como resultado que solo un 74.5 % de los individuos pueden ser seguidos durante dos trimestres
consecutivos. Para poder garantizar que la representatividad de la encuesta se conserve, debe
hacerse un ajuste de los factores de expansión acorde con la siguiente formula (Inegi, 2009):
F ′eih = Feihnveihnvceih
donde F ′eih es el factor de expansión no corregido por no empate para las viviendas de la
i-ésima unidad primaria de muestreo (UPM), del h-ésimo estrato de la e-ésima entidad; nveih
número de viviendas seleccionadas en la i-ésima UPM, del h-ésimo estrato de la e-ésima entidad;
y nvceih número de viviendas seleccionadas empatadas en la i-ésima UPM, del h-ésimo estrato
de la e-ésima entidad; posteriormente debe realizarse un segundo ajuste por proyección, para
garantizar que la encuesta expanda a la población total:
F ′′D = F ′DproyDpexpD
donde F ′′D factor de expansión corregido por proyección en el dominio D; F ′D factor de ex-
pansión corregido por no empate en el dominio D; proyD población en el dominio D según
proyección; y pexpD población total a la que expande la encuesta en el dominio D. Los ajustes
anteriores nos garantizar que la encuesta seguirá teniendo representatividad aun cuando haya
perdida de datos por el carácter rotativo de la encuesta o por la perdida de datos durante el pro-
cesamiento de la base de datos, por lo tanto las estimaciones realizadas gozarán de completa
validez. Como muestra de lo anterior mostramos un comparativo de las estimaciones en la ac-
tual investigación en comparación con las realizadas por el Inegi con los datos ajustados a las
proyecciones del conteo de población de 2005:
Cuadro III.1: Comparación de resultados
(a) Inegi
3er trimestre 2007O U D ND T
2do
trim
2007 O 37,677,226 739,279 891,630 3,575,776 42,883,911
U 928,581 303,463 136,225 364,096 1,732,365D 1,461,337 144,553 1,012,771 2,699,002 5,317,663
ND 3,877,134 362,649 3,035,318 18,976,019 26,251,120T 43,944,278 1,549,944 5,075,944 25,614,893 76,185,059
(b) Estimación
3er trimestre 2007O U D ND T
2do
trim
2007 O 37,333,155 739,533 879,128 3,620,527 42,572,343
U 911,217 295,580 137,214 365,848 1,709,859D 1,104,423 128,908 1,014,454 2,740,780 4,988,565
ND 4,284,329 342,800 3,107,494 19,491,571 27,226,194T 43,633,124 1,506,821 5,138,290 26,218,726 76,496,961
(c) Porcentual, Inegi
3er trimestre 2007O U D ND T
2do
trim
2007 O 87.9 1.7 2.1 8.3 100
U 53.6 17.5 7.9 21.0 100D 27.5 2.7 19.0 50.8 100
ND 14.8 1.4 11.6 72.3 100T 57.7 2.0 6.7 33.6 100
(d) Porcentual, estimación
3er trimestre 2007O U D ND T
2do
trim
2007 O 87.7 1.7 2.1 8.5 100
U 53.3 17.3 8.0 21.4 100D 22.1 2.6 20.3 54.9 100
ND 15.7 1.3 11.4 71.6 100T 57.0 2.0 6.7 34.3 100
O: ocupados, U: desempleados, D: disponibles, ND: no disponibles, T: totalFuente:Inegi, 2009.
Como se puede observar, en la presente investigación se logró reproducir los flujos obte-
nidos por el Inegi, tanto en términos absolutos y relativos, salvo en aquellos casos en que las
personas pasan de disponibles a ocupados, donde los datos difieren considerablemente. Tales
diferencias pueden surgir de los filtros utilizados durante la depuración de la base de datos y
al mismo tiempo de la forma en que se corrigen los factores de expansión, pues al parecer el
Inegi los corrige tomando solo en cuenta la población mayor de 14 años mientras que en el
procedimiento planteado se hace la corrección con la población total.
Cabe mencionar, ademas, que la ENOE hoy en día sigue los criterios internacionales plan-
teados por la Organización Internacional del Trabajo (OIT) para la medición del empleo en el
mercado laboral. Sin embargo, esto no significa que la encuesta pueda mejorarse, pues tal como
señala Flores et al (2013) existen ciertas inconsistencias en las respuestas que proporcionan las
personas desocupadas, por ejemplo el autor señalado detectó que cuando se le pregunto a los des-
empleados con experiencia laboral, que "si algunas vez se habían quedado sin trabajo"deberían
responder que sí, sin embargo el 53 % respondió que no; esto nos muestra, que al menos en la
información de los desempleados aun existe un área de oportunidad para mejorar la encuesta.
En este mismo sentido debe señalarse que en la Çonferencia Internacional de Estadísticas
del Trabajo"de la OIT, realizado en el año 2013, se han tomado acuerdos importantes en cuanto a
la medición de los fenómenos de mercado de trabajo. La OIT ha replanteado en tal Conferencia
conceptos y definiciones, primero, se han re-definido y conceptualizando todas las definiciones
utilizadas en el mercado laboral, no solo para captar los cambios en la estructura laboral sino que
también para facilitar la comparabilidad entre distintas realidades, una muestra de ello es que
"se indicó que la traducción en español de «unemployment» como «desempleo» no era la más
adecuada, y que quizá conviniese sustituirla por una expresión más larga, como «desocupación
del mercado laboral»"(OIT, 2013); segundo, la nueva definición de ocupación o empleo se ha
hecho más restrictiva, pues considera en esta condición a las personas que intercambios sus
trabajo en un mercado a cambio de pagos o beneficios en especie lo cual lleva implícito la
eliminación de la producción para el autoconsumo como empleo; tercero, la clasificación de la
fuerza de trabajo potencial, que implica una desagregación mas amplia de de la Población No
Económicamente Activa (PNEA), en la actualidad solo se divide en disponible (dejó de buscar
trabajo) y no disponible (no quiere trabajar), esta nueva clasificación buscara identificar a los
que iniciaran en poco tiempo búsqueda de empleo, aquellos que no buscan y cuales son sus
motivos; y por ultimo, la OIT hace énfasis en mejorar las estadísticas referentes a los flujos
laborales. La implementación de las resoluciones anteriores nos llevaría a comprender mejor el
desempleo y los procesos de búsqueda, y en el caso de México implicaría una tasa de desempleo
de desempleo más elevada en aproximadamente 1-1.5 % (Heath, 2014), es decir pasaríamos a
una tasa de alrededor de 6.5 % o incluso 7 %.
3.3 Los modelos de regresión logística
En la literatura económica, y en particular en la economía laboral, son bien conocidos los
modelos de selección discreta, puesto que nos permiten estimar modelos con variables cualita-
tivas, es decir cuando nos enfrentamos a eventos con distintas alternativas, de forma tal que nos
permiten estimar la probabilidad con la que se presenta un evento. En general este tipo de mo-
delos se pueden agrupar en dos tipos: logit y probit. El primero utiliza la distribución logística
y el segundo la normal. Al mismo tiempo, estos modelos pueden ser de respuesta binaria (dos
alternativas) o múltiple (mas de dos alternativas). En el caso de un modelo logit de respuesta
binaria, podría especificarse como:
Pi = Prob(Yi = 1) = Prob(I∗i > 0) = Prob(Xiβ + εi > 0) = F (Xiβ) (3.3.1)
donde Pi representa la ocurrencia del suceso de interés dado el valor de I∗i . Y en su expresión
logística sería
Yi = 11 + e−(α+βkXki+εi)
(3.3.2)
De la formula anterior es fácil darse cuenta que la relación entre la variable dependiente y las
independientes es no lineal, por tanto el cambio en una unidad de los regresores no es constante
y el resultado es difícil de interpretar.
Sin embargo, antes de continuar con dicha discusión, es necesario hacer dos precisiones
para lograr interpretar adecuadamente el modelo planteado en esta investigación. Para tal propó-
sito nos auxiliaremos de la regresión de mínimos cuadrados ordinarios, ya que las conclusiones
que se extraen son similares en el modelo logit, pero el tratamiento matemático resulta mas
sencillo e intuitivo.
En primer lugar,supongamos que tenemos una variable dependiente Yi dicotomica, que
toma valor de 1 si la persona pierde el empleo y 0 si lo conserva, y depende de de dos variables
dicotomicas y la interacción entre estás:
yi = α + β1sexo+ β2edu+ β3edu ∗ sexo
La variable sexo toma valor de 1 si es mujer y 0 si es hombre, edu es 1 si tiene educación
universitaria y 0 en otro caso, y edu ∗ sexo es el termino de interacción y resulta de multiplicar
las dos variables independientes. con lo anterior podemos deducir que para:
un hombre sin universidad→ yi = α
un hombre con universidad→ yi = α + β2
una mujer sin universidad→ yi = α + β1
una mujer con universidad→ yi = α + β1 + β2 + β3
Supongamos adicionalmente que β1 > 0, β2 < 0, β3 < 0 y que | β3 |>| β1 |. Centremos el
análisis en el efecto del sexo en la probabilidad de perder el empleo. Si no se posee educación
universitaria, el coeficiente β1 mide el efecto de perder el empleo de una mujer frente a un
hombre; por otra parte , si se posee educación universitaria la diferencia entre hombres y mujeres
viene dado por (β1 + β3). Esto significa que la educación es capaz de modificar el efecto de la
variable sexo. O dicho de otra forma el sexo actúa en dos niveles diferentes:
β1 → efecto del sexo para quien NO tiene universidad
β1 + β3 → efecto del sexo para quien SI tiene universidad
En nuestro ejemplo, ademas, el efecto del sexo cuando no se tiene educación es positivo,
en cambio cuando se tiene educación es negativo. Ahora supongamos que tenemos la misma
variable yi pero ahora depende de una variable llamada sector y que toma el valor de 0 si la
persona está en el sector primario, 1 si en el secundario y 2 si en el sector terciario. Por tanto
tendríamos:
yi = α + β4sector
Sin embargo los paquetes estadísticos no suelen poder efectuar los cálculos adecuados y trans-
forman la ecuación anterior, descomponiendo la variable sector en varias variables dummys; si
realizamos el procedimiento señalada la ecuación quedaría como sigue:
yi = α + δ1sec+ δ2ter
así α es el efecto del sector primario, δ1 el efecto del sector secundario y δ2 el del sector terciario.
Presentar una variable con mas de dos posibles resultados resulta útil al representar la ecuación o
manejar la base de datos. Sin embargo debe recordarse que realmente se están resumiendo varias
dummys en una sola variable. Y que los paquetes estadísticos las tratan como varias dummys
separadas y por tanto así presentan los resultados.
Una vez realizadas estas aclaraciones, podemos continuar con la forma en que se interpre-
tan los resultados de los modelos logit. En este tipo de estimaciones, la relación entre la variable
dependiente e independiente es no lineal por lo que el análisis directo de los coeficientes resulta
de difícil comprensión. Se puede obtener una comprensión mas sencilla a través de los ratio-
odds o razón de momios. Si retomamos la ecuación del modelo logit y analizamos la situación
de ocurrencia de la alternativa de interés:
E(Yi = 1) = Mi = eα+βkxki
1 + eα+βkxki(3.3.3)
que se puede replantear:
Mi +Mieα+βkxki = eα+βkxki
Mi = (1−Mi)eα+βkxki
Mi
1−Mi
= eα+βkxki = Ratio odds (3.3.4)
Como su nombre lo indica, la formula anterior es un cociente entre la probabilidad de que ocurra
el evento de interés y la probabilidad de que no ocurra, y puede tomar valores mayores o iguales
a cero. Es fácil notar que si ambos eventos tienen la misma probabilidad de ocurrencia, el ratio
odds será igual a 1, si es mayor a 1, el evento de interés es mas probable, y si es menor a 1 es
poco probable. Lo interesante es que también se puede construir un cociente entre odds:
Mi+11−Mi+1Mi
1−Mi
= eα+βkxki+1
eα+βkxki= eβk = ln(eβk) = βk (3.3.5)
dónde βk es el cambio en el cociente entre odds cuando la variable xk aumenta una unidad. Es
decir cuanto se incrementa la probabilidad del evento de interés cuando la variable explicativa se
incrementa en una unidad. Lo anterior aplica en el caso de las variables continuas o numéricas,
la interpretación en el caso de las variables categóricas, el razonamiento es similar; ademas, si
recordamos que estas son variables dummys resumidas, entonces βk nos mide como cambia la
probabilidad cuando se posee el atributo que mide la variable, en comparación con la ausencia
del atributo o la categoría base. Otro de los problemas que pude presentarse, es que al poseer
demasiadas variables categóricas y dummys, la interpretación reseñada con anterioridad de los
términos de interacción se vuelve laboriosa y compleja. Afortunadamente, los paquetes estadís-
ticos poseen herramientas gráficas que permiten visualizar estos efectos; en particular Stata (el
programa que se utilizó para realizar las estimaciones) estima los "márgenes de respuesta"que
realiza predicciones mientras manipulas las variables independientes, este proceso consiste en
mantener fijas todas las variables a excepción de la o las variables de interés, a la vez que va
estimando la probabilidad para cada categoría, al final todo lo resume en un gráfico que muestra
la probabilidad asociada a cada categoría mientras las demás variables son fijas.
Otra de las dificultades asociadas con este tipo de modelos es la evaluación de la bondad
del ajuste ¿qué tan bueno es el modelo?. La forma mas sencilla es medir el porcentaje global de
aciertos, dónde Yi = 1 si Yi > f o Yi = 0 si Yi < f , y f representa el valor crítico o de decisión.
Comúnmente ese valor crítico suele ser 0,5, sin embargo, este valor es correcto solo cuando
existe el mismo número de unos y ceros en la muestra, y es incorrecto cuando la relación entre
ceros y unos es muy desequilibrada, por ejemplo de 10 a 1. en estos últimos casos la proporción
global no sirve de mucha ayuda, pues el solo hecho de que existe una gran proporción de un solo
valor (ya sea 1 o 0) nos garantiza que cualquier valor crítico nos otorgue un alto porcentaje de
aciertos. Por lo que se recurre a la sensibilidad y especificidad. A la proporción de verdaderos
"1"predichos por el modelo se le denomina sensibilidad, y a la proporción de verdaderos "0"se
le denomina especificidad. La determinación del umbral resulta aún mas relevante, pues la varia-
ción de este provoca un tradeoff entre sensibilidad y especificidad, obviamente el valor crítico
adecuado será aquel que nos garantice mayor especificidad y sensibilidad al mismo tiempo. Una
prueba alternativa y que tiene que ver con lo hasta ahora mencionado, es la curva ROC, que es
una representación gráfica entre especificidad y sensibilidad. Esta curva nos permite medir la
probabilidad de acierto esperada si tomáramos un individuo al azar y lo clasificamos de acuerdo
a nuestro modelo.
Otro de las alternativas para medir la bondad del ajuste es el cociente de verosimilitudes,
donde se compara la verosimilitud de un modelo con solo la constante y la verosimilitud del
modelo con la constante y las variables explicativas. La intención es tener un estadístico similar
al R2 de la regresión de mínimos cuadrados ordinarios, es decir que tome valores entre 0 y 1 con
una interpretación parecida, es por eso que este cociente es conocido como R2 de McFadden
en honor a quien lo propuso. Sin embargo, la interpretación no es similar que en mínimos cua-
drados, además en los modelos logit los valores cercanos a 1 son raros y muy poco frecuentes,
incluso si se tuviera un modelo perfecto el R2 de McFadden no sería igual a 1.
3.4 Modelo logit
Hemos comprobado que la tasa de destrucción de empleo ha atravesado tres etapas: pre-
crisis, crisis y post-crisis, y que ésta ha afectado el nivel de la tasa de desempleo. La primer
etapa abarca d 2005-2007, la segunda abarca 2008 y la primera mitad de 2009, y la tercera, del
segundo semestre de 2009 al 2010. Para compara estos tres periodos, se eligió la transición en
dos trimestres consecutivos, ademas para conservar la comparabilidad se eligieron lo mismos en
los tres periodos. De esta forma tenemos la situación de pérdida de empleo del segundo al tercer
trimestre de los años 2006, 2008 y 2009. El modelo a estimar es el siguiente:
perderi,t+1 = posicion_hogt + sexot + ormigt + edadt + edadsqrt
+ edad_cat1t + edo_civilt + anosestudiot + escol1t + tipo_estt
+ niv_ingt +menor_hogt + ilabpct
+ dur_jort + pos_ocupt + seg_soct + sectort
+tipo_cont+comp_trabt+sexo∗pos_ocupt+sexo∗edad_cat1+tipo_est∗sectort+sexo∗sectort+regiont(3.4.1)
La variable dependiente perderit+1 indica a los individuos de la región i (1,2 y 3)12 que estaban
empleados en el trimestre t, pero que estaban desempleados en el trimestre t + 1; las variables
dependientes constan de tres grupos, primero las explicativas, aquellas que están relacionadas
con el capital humano, el salario recibido o características personales, que determinan el salario
de reserva y por tanto la propensión a perder el empleo:
posicion_hogt indica la posición en el hogar del individuo y toma los siguientes valores:
0 si es jefe de familia, 1 pareja, 2 hijo y 3 cualquier otro parentesco en el hogar
sexot indica el sexo, 0 si es hombre y 1 si es mujer
ormigt indica si se es de origen migrante, toma el valor de 0 si la persona tiene su empleo
en la misma entidad en que nació, y 1 en caso contrario
edadt es la edad del individuo en años
edadsqrt es la edad del individuo elevada al cuadrado
edad_cat1t es la edad por grupos quinquenales, 0 de 14-19 años, 1 de 20-24 años, y así
respectivamente hasta el 10 que representa a quienes tienen 65 años o más.
edo_civilt es la situación civil del individuo, 0 es union libre, 1 casado, 2 divorciado, 3
separado y 4 soltero
anosestudiot son los años de asistencia a la educación formal12alta, media o baja sincronización con Estados Unidos
escol1t es el grado de escolaridad, 0 sin escolaridad, 1 preescolar, 2 primaria, 3 secundaria,
4 bachillerato, 5 profesional y 6 posgrado
tipo_estt es el tipo de formación profesional adquirido, toma el valor de 1 para aquellos
que tienen una carrera en ingeniería, física, matemáticas o actuaría; y 0 en otro caso
niv_ingt es el nivel de salario o ingreso que recibe por su trabajo, 0 quien recibe hasta un
salario mínimo(SM), 1 quien recibe entre 1 y 2 SM, 2 entre 2-3 SM, 3 entre 3-5 SM, 4
mas de 5 SM, y 5 quien no percibe ingreso.
menor_hogt es el numero de menores de 14 años con que cuenta el hogar del trabajador
ilabpct es el ingreso laboral de los integrantes del hogar que trabajan dividido entre el
numero total de integrantes del hogar
En el segundo grupo de variables, son las de control, que nos permiten que nos permiten tener
en cuenta su efecto, dada la importancia de estas en el mercado laboral:
dur_jort duración de la jornada de trabajo semanal, 0 quienes son ausentes laborales
(vacaciones, etc.), 1 si trabajan menos de 15 hrs, 2 de 15-24 hrs, 3 25-34 hrs, 4 35-39 hrs,
40-48 hrs, 6 49-56 hrs y 7 mas de 56 hrs.
pos_ocupt indica la posición en la ocupación del trabjador; 0 asalariados o subordinados,
1 empleador, 2 trabajador por cuenta propia, 3 sin pago y 4 no disponible
seg_soct señala si el trabajador cuenta con seguridad social, 1 si es así, 0 si no lo es.
sectort indica el sector donde se encuentra el trabajador, 0 construcción, 1 manufacturas,
2 comercio, 3 servicios, 4 otro, 5 agricultura y 6 no disponible
tipo_cont indica el tipo de contrato que tiene el trabajador: basificado, contrato escrito,
temporal, sin contrato escrito
comp_trabt indica el tamaño de la empresa donde trabaja: 0 solo un trabajador, 1 de 2-5,
2 de 6-10, 3 de 11-15, 4 de 16-50 y, 5 de 50 o más trabajadores.
regiont sirve para identificar a cada ciudad al interior de cada región
el tercer y ultimo grupo de variables es el referente a las interacciones entre las anteriores va-
riables y que ponen de relieve que al interactuar entre ellas sus efectos se pueden ver considera-
blemente afectados. Para cada región se estimaron tres modelos logit, uno para 2006, otro para
2008 y para 2009, por lo que en total se estimaron nueve modelos logísticos.
Antes de hablar de los resultados hablaremos de la bondad de ajuste de los modelos. Pri-
mero, para todos ellos el valor crítico adecuado es 0.126, es decir, si el modelo predice un valor
mayor a este, se le asigna 1 y si es menor se le asigna 0. El porcentaje global de aciertos para
todos los modelos es en promedio de 73 %, el valor de la sensibilidad y especificidad. es similar.
Esto significa que de la base de datos, el modelo logra identificar adecuadamente al 73 % de los
que perdieron su empleo, y el mismo porcentaje de los que conservaron su empleo, o en otras pa-
labras, los modelos clasifican adecuadamente a 3 de cada cuatro individuos, independientemente
de si perdieron o conservaron su empleo.
Las curvas ROC, nos muestran que si se toma un individuo al azar, se tiene un 80 % de
probabilidad de clasificarlo adecuadamente. Por otra parte, la R2 de McFadden de los modelos
fluctúa alrededor del 0.18; así, los estadísticos anteriores nos permiten afirmar que los modelos
poseen un buen ajuste y que pueden ser empleados para analizar o predecir la situación de
pérdida de empleo.
Cuadro III.2: Bondad de Ajuste de los modelos estimados
R^2 de McFadden Sensibilidad Especificidad Aciertos globalesR1-2006 0.181 70.8 73.7 73.3R2-2006 0.183 72.3 74.0 73.8R3-2006 0.174 71.8 73.9 73.7R1-2008 0.196 69.9 74.5 73.9R2-2008 0.186 72.3 73.1 73.0R3-2008 0.176 72.8 71.7 71.9R1-2009 0.171 70.7 73.9 73.5R2-2009 0.157 72.9 69.6 70.1R3-2009 0.162 71.5 72.5 72.3
Cuadro III.3: Odds-ratio de las características personales para las ciudades de la región 1.
2006 2008 2009
perder Odds Ratio P > z Odds Ratio P > z Odds Ratio P > z
1.sexo 1.86 0.00 1.11 0.00 1.37 0.00
edad 0.89 0.00 0.81 0.00 0.80 0.00
edad_cat1 (14-19 años)
20-24 1.02 0.11 0.71 0.00 1.34 0.00
25-29 0.75 0.00 1.43 0.00 1.45 0.00
30-34 0.92 0.00 1.92 0.00 1.94 0.00
35-39 0.61 0.00 1.81 0.00 3.08 0.00
40-44 1.52 0.00 2.39 0.00 2.78 0.00
45-49 3.64 0.00 3.78 0.00 3.89 0.00
50-54 5.22 0.00 5.18 0.00 3.40 0.00
55-59 5.15 0.00 5.31 0.00 5.50 0.00
60-64 12.60 0.00 14.40 0.00 4.93 0.00
65 y más 19.45 0.00 16.03 0.00 5.89 0.00
edadsqr 1.00 0.00 1.00 0.00 1.00 0.00
posicion_hog (jefe de familia)
pareja 1.70 0.00 1.95 0.00 1.13 0.00
hijo 2.05 0.00 1.76 0.00 0.95 0.00
otro 1.21 0.00 1.36 0.00 1.11 0.00
edo_civil (Casado)
union libre 1.16 0.00 1.05 0.00 0.98 0.00
divorciado 1.10 0.00 0.65 0.00 0.95 0.00
viudo 1.43 0.00 1.16 0.00 0.97 0.01
soltero 0.81 0.00 0.78 0.00 1.18 0.00
1.ormig 0.90 0.00 0.92 0.00 0.81 0.00
escol1 (sin escolaridad)
primaria 1.00 0.74 0.88 0.00 1.50 0.00
secundaria 1.04 0.02 0.85 0.00 1.44 0.00
bachillerato 0.91 0.00 1.04 0.03 1.71 0.00
profesional 0.99 0.75 0.94 0.00 1.78 0.00
posgrado 1.00 0.44 0.00 1.21 0.00
añosestudio 1.00 0.43 0.97 0.00 0.96 0.00
continúa en la página siguiente.
2006 2008 2009
perder Odds Ratio P > z Odds Ratio P > z Odds Ratio P > z
1.tipo_est (matemáticas) 1.62 0.00 2.06 0.00 1.05 0.01
sector (comercio)
construcción 2.06 0.00 1.69 0.00 2.71 0.00
manufactura 1.36 0.00 1.13 0.00 1.01 0.29
servicios 1.12 0.00 1.23 0.00 1.14 0.00
agricultura 1.24 0.00 0.62 0.00 0.17 0.00
Cuadro III.4: Odds-ratio de las características personales para las ciudades de la región 2.
2006 2008 2009
perder Odds Ratio P > z Odds Ratio P > z Odds Ratio P > z
1.sexo 1.17 0.00 1.19 0.00 1.98 0.00
edad 0.83 0.00 0.83 0.00 0.96 0.00
edad_cat1 (14-19 años)
20-24 0.91 0.00 0.76 0.00 0.79 0.00
25-29 0.65 0.00 0.93 0.00 0.41 0.00
30-34 0.78 0.00 1.22 0.00 0.46 0.00
35-39 1.07 0.00 1.49 0.00 0.48 0.00
40-44 0.82 0.00 1.88 0.00 0.46 0.00
45-49 2.08 0.00 3.09 0.00 0.57 0.00
50-54 3.62 0.00 2.96 0.00 0.66 0.00
55-59 3.27 0.00 4.37 0.00 0.77 0.00
60-64 6.50 0.00 9.87 0.00 0.69 0.00
65 y más 6.64 0.00 14.36 0.00 1.71 0.00
edadsqr 1.00 0.00 1.00 0.00 1.00 0.00
posicion_hog (jefe de familia)
pareja 2.06 0.00 2.31 0.00 2.03 0.00
hijo 1.70 0.00 1.38 0.00 1.74 0.00
otro 1.24 0.00 1.29 0.00 1.49 0.00
edo_civil (Casado)
union libre 0.99 0.14 0.69 0.00 0.94 0.00
divorciado 0.99 0.16 1.29 0.00 0.92 0.00
Continúa en la página siguiente.
2006 2008 2009
perder Odds Ratio P > z Odds Ratio P > z Odds Ratio P > z
viudo 0.99 0.11 1.00 0.95 1.46 0.00
soltero 0.83 0.00 0.21 0.00 1.06 0.00
1.ormig 1.03 0.00 1.01 0.00 1.03 0.00
escol1 (sin escolaridad)
primaria 1.44 0.00 1.19 0.00 1.07 0.00
secundaria 1.07 0.00 1.40 0.00 1.06 0.00
bachillerato 1.19 0.00 1.83 0.00 1.29 0.00
profesional 0.94 0.00 1.85 0.00 1.18 0.00
posgrado 0.63 0.00 1.16 0.00 1.15 0.00
añosestudio 1.03 0.00 0.95 0.00 0.98 0.00
1.tipo_est (matemáticas) 1.62 0.00 0.85 0.00 1.32 0.00
sector (comercio)
construcción 1.28 0.00 1.51 0.00 2.12 0.00
manufactura 0.86 0.00 0.94 0.00 1.17 0.00
servicios 1.14 0.00 1.03 0.00 1.09 0.00
agricultura 1.74 0.00 1.83 0.00 2.52 0.00
Cuadro III.5: Odds-ratio de las características personales para las ciudades de la región 3.
2006 2008 2009
perder Odds Ratio P > z Odds Ratio P > z Odds Ratio P > z
1.sexo 0.87 0.00 1.29 0.00 1.73 0.00
edad 0.87 0.00 0.90 0.00 0.82 0.00
edad_cat1 (14-19 años)
20-24 0.81 0.00 0.94 0.00 0.94 0.00
25-29 0.71 0.00 0.76 0.00 1.26 0.00
30-34 0.68 0.00 0.49 0.00 1.54 0.00
35-39 0.74 0.00 0.53 0.00 1.79 0.00
40-44 1.23 0.00 0.77 0.00 1.87 0.00
45-49 1.27 0.00 0.89 0.02 3.75 0.00
50-54 2.15 0.00 1.14 0.02 6.65 0.00
55-59 3.35 0.00 1.20 0.00 4.95 0.00
Continúa en la página siguiente.
2006 2008 2009
perder Odds Ratio P > z Odds Ratio P > z Odds Ratio P > z
60-64 5.29 0.00 1.48 0.00 12.43 0.00
65 y más 6.70 0.00 2.25 0.00 18.09 0.00
edadsqr 1.00 0.00 1.00 0.00 1.00 0.00
posicion_hog (jefe de familia)
pareja 1.76 0.00 1.65 0.00 1.67 0.00
hijo 1.32 0.00 1.43 0.00 1.36 0.00
otro 1.16 0.00 1.55 0.00 1.36 0.00
edo_civil (Casado)
union libre 0.96 0.00 0.92 0.00 0.97 0.00
divorciado 0.95 0.00 1.23 0.00 1.00 0.91
viudo 0.98 0.11 0.89 0.00 1.44 0.00
soltero 1.19 0.00 0.95 0.00 1.01 0.17
1.ormig 0.82 0.00 1.04 0.00 1.04 0.00
escol1 (sin escolaridad)
primaria 0.93 0.00 1.09 0.00 1.40 0.00
secundaria 1.07 0.00 1.38 0.00 1.36 0.00
bachillerato 1.13 0.00 1.80 0.03 1.44 0.00
profesional 1.09 0.00 1.71 0.00 1.34 0.00
posgrado 0.64 0.00 1.94 0.00 1.05 0.16
añosestudio 0.99 0.00 0.96 0.00 1.00 0.60
1.tipo_est (matemáticas) 1.74 0.00 1.16 0.00 1.34 0.00
sector (comercio)
construcción 1.54 0.00 1.93 0.00 2.12 0.00
manufactura 0.96 0.01 1.13 0.00 1.17 0.00
servicios 1.13 0.00 1.15 0.00 1.09 0.00
agricultura 1.75 0.00 1.53 0.00 2.52 0.00
Los resultados muestran que las características personales no solo cambian entre las regio-
nes sino que cambian con el ciclo económico. Para las mujeres en las regiones uno y dos tenían
mas probabilidad de ser despedidas (85 y 17 %) que los hombres sin embargo esa diferencia
disminuye en la crisis y se vuelve a incrementar al finalizar la crisis, en la región uno a un nivel
menor al inicial, y en la región dos un valor cinco veces mayor al inicial. En la región tres al
inicio del periodo las mujeres tenían 12.7 % menos probabilidades de ser despedidas que los
hombres sin embargo al final del periodo la situación se revierte, las mujeres tienen 73 % mas
probabilidad de perder su trabajo que los hombres.
Ahora procedemos a interpretar los resultados. Los modelos estimados muestran que las
características personales no solo cambian entre las regiones sino que cambian con el ciclo
económico. En el caso del sexo, las mujeres13 en las regiones uno y dos tenían (85 % y 17 %
mas probabilidad de ser despedidas que los hombres sin embargo esa diferencia disminuye en
la crisis y se vuelve a incrementar cuando finaliza, en la región uno a un nivel menor al inicial, y
en la región dos a un valor cinco veces mayor al inicial. En la región tres al inicio del periodo las
mujeres tenían 12.7 % menos probabilidades de ser despedidas que los hombres, sin embargo
al final del periodo la situación se revierte, las mujeres tienen 73 % mas probabilidad de perder
su trabajo que los hombres. Adicionalmente el sexo, puede tener efecto diferenciados según la
edad, la educación y el sector económico, los cuales se irán mostrando más adelante.
En lo referente a la edad, tener un año adicional disminuye la probabilidad de perder el
empleo entre 11 % y 17 %; sin embargo, este efecto no se comporta homogéneamente en las
regiones, en la 2 y 3 el efecto aumenta en la recesión y luego disminuye cuando ésta termina,
en el caso de la región 1 el efecto de la edad aumenta y no vuelve a disminuir. Cuando vemos la
edad agrupada por grupos quinquenales o elevada al cuadrado, nos muestran otra historia, efec-
tivamente la edad reduce la probabilidad de perder el empleo pero no es un efecto permanente,
alrededor de los 45 años el efecto comienza a revertirse, es decir la edad en lugar de ayudar a
conservar el empleo contribuye a perderlo. En el caso de la región 1 al principio del periodo
las personas entre 20-39 años tenían menor probabilidad de perder el empleo que aquellos que
tenían entre 15 y 19 años, pero al finalizar el periodo el resultado se revierte, el grupo de 20-39
ahora se encuentra en desventaja. En la región 3 ocurre algo muy similar. En cambio en la región
2 ocurre lo opuesto, el grupo entre 20-39 años se encontraban en una posición mejor en cuanto
a la probabilidad de perder el empleo, y la crisis viene a profundizar la diferencia. El efecto que
hemos analizado hasta ahora es el de la edad, sin considerar a las mujeres, es decir nos hemos
referido a diferencias en la edad de los hombres. No obstante la edad afecta de diferente forma13Nos referimos a mujeres que no tienen educación, están en el sector servicios, etcétera
Figura III.1: Márgenes de respuesta de grupos quinquenales edad según sexo
(a)0
.5
20-2
4 añ
os
25-2
9 añ
os
30-3
4 añ
os
35-3
9 añ
os
40-4
4 añ
os
45-4
9 añ
os
50-5
4 añ
os
55-5
9 añ
os
60-6
4 añ
os
65 y
mas
año
s
20-2
4 añ
os
25-2
9 añ
os
30-3
4 añ
os
35-3
9 añ
os
40-4
4 añ
os
45-4
9 añ
os
50-5
4 añ
os
55-5
9 añ
os
60-6
4 añ
os
65 y
mas
año
s
hombres mujeres
Pr(
Per
der)
grupos quinquenales
(b)
.05
.1.1
5.2
.25
20-2
4 añ
os
25-2
9 añ
os
30-3
4 añ
os
35-3
9 añ
os
40-4
4 añ
os
45-4
9 añ
os
50-5
4 añ
os
55-5
9 añ
os
60-6
4 añ
os
65 y
mas
año
s
20-2
4 añ
os
25-2
9 añ
os
30-3
4 añ
os
35-3
9 añ
os
40-4
4 añ
os
45-4
9 añ
os
50-5
4 añ
os
55-5
9 añ
os
60-6
4 añ
os
65 y
mas
año
s
hombres mujeres
Pr(
Per
der)
grupos quinquenales
(c)
.1.2
.3.4
20-2
4 añ
os
25-2
9 añ
os
30-3
4 añ
os
35-3
9 añ
os
40-4
4 añ
os
45-4
9 añ
os
50-5
4 añ
os
55-5
9 añ
os
60-6
4 añ
os
65 y
mas
año
s
20-2
4 añ
os
25-2
9 añ
os
30-3
4 añ
os
35-3
9 añ
os
40-4
4 añ
os
45-4
9 añ
os
50-5
4 añ
os
55-5
9 añ
os
60-6
4 añ
os
65 y
mas
año
s
hombres mujeres
Pr(
Per
der)
grupos quinquenales
a hombres y mujeres.
En la Figura III.1 en la gráfica .a"se puede apreciar las diferencias de edad entre hombres
y mujeres y la probabilidad de perder el empleo en el año 2006 para las tres regiones. Dónde
se aprecia que en las mujeres la probabilidad de perder el empleo se incrementa gradualmente
desde el primer grupo edad hasta el último. En la figura "b"se muestra como durante 2008 en
la región 3, la edad tiene un efecto mas homogéneo en la posibilidad de perder el empleo entre
las mujeres, favoreciendo al grupo de 30 a 34 años de edad. La figura ç"muestra el efecto que
tuvo la edad por sexo en el año 2009 en todas las regiones y dónde la edad tiene un efecto más
homogéneo entre hombres y mujeres. Por ultimo se muestra el efecto de la edad medido en años
según sexo. Dónde la diferencia entre hombres y mujeres disminuye con la edad.
En el caso de la educación, en el año 2006 en todas las regiones a mayor educación menor
probabilidad de perder el empleo independientemente del sexo del individuo, sin embargo, es-
Figura III.2: Márgenes de respuesta de la edad en años según sexo
0.2
.4.6
.8P
r(P
erde
r)
0 20 40 60edad en años
hombres mujeres
to se revierte en 2008, pues a mayor educación mayor probabilidad de perder el empleo. Y tal
parece que la situación tendió a normalizarse después de la recesión ya que la probabilidad de
perder era igual para todos los niveles de escolaridad independientemente del sexo. El resultado
trascendente de la educación es como muestra la gráfica siguiente, que conforme el nivel educa-
tivo aumenta, disminuye la brecha entre hombres y mujeres, es decir la educación es un factor
de igualación en el mercado de trabajo.
Figura III.3: Probabilidad de perder el empleo:relación entre sexo y grado de escolaridad
.05
.1.1
5.2
Pr(
Per
der)
nada
prim
aria
secu
ndar
ia
prep
a o
bach
iller
prof
esion
al
posg
rado
escolaridad
hombres mujeres
Otra situación a destacar, es que quienes poseen una licenciatura o posgrado en áreas donde
se utiliza las matemáticas14 tienen mayor probabilidad de perder el empleo, sin embargo en un
contexto de crisis, esta desventaja suele disminuir, o en otras palabras, son mas valorados pues
pierden su empleo con menos frecuencia.
En el caso de lo migrantes, resulta relevante que a través del ciclo económico siempre sus
posibilidades de perder el empleo son menores en las ciudades con una gran vinculación a la
economía de Estados Unidos. Lo contrario ocurre en las ciudades con media y baja vinculación
con Estados Unidos, los migrantes tienen mayor riesgo de perder su empleo que la población
nativa.
La posición en el hogar muestra que quien es el jefe del hogar tiene menor probabilidad
de perder su empleo en comparación con quien los otro miembros del hogar. En el caso de el
estado civil los efectos son un poco claros, sin seguir un patrón definido, en algunas regiones
estar casado representa una ventaja para no perder el empleo y en otra región o año representa
una desventaja.
En cuanto a la posición en la ocupación, en las tres regiones los asalariados se encuentran
en ventaja, pues tienen menor probabilidad de perder su empleo, obviamente los trabajadores
familiares, particularmente los que no tienen pago son quienes tienen mayor probabilidad de
salir del empleo.
Por último en el nivel de ingreso se confirma la teoría de búsqueda de empleo, conforme
se tiene mayor ingreso salarial es menor la probabilidad de perder el empleo.
Por otra parte la variable region nos muestra que al interior de cada una de ellas, existe un
alta heterogeneidad por lo que la clasificación de las ciudades en alta, media y baja clasificación
no es el factor relevante para entender la heterogeneidad en los mercados laborales mexicanos.
En seguida se muestra la relación entre el sexo y el sector de actividad económica, que
nos muestra que la probabilidad de perder el empleo entre sectores afecta de forma igual a las
mujeres en cualquiera de ellos; en los hombres si se observa un efecto diferenciado siendo la
construcción y la agricultura los sectores donde mas se despide a los hombres.
14Ingenierías, matemáticas, actuaria, física, etcétera.
Figura III.4: Probabilidad de perder el empleo y la relación entre sexo y sector de actividadeconómica
0.1
.2.3
cons
trucc
ión
man
ufac
tura
s
com
ercio
serv
icios
otro
s
agric
ultur
a
cons
trucc
ión
man
ufac
tura
s
com
ercio
serv
icios
otro
s
agric
ultur
a
hombres mujeres
Pr(
Per
der)
sector de actividad económica
3.5 Consideraciones finales
La intención de lo desarrollado en el actual capítulo, fue mostrar que la base de datos de
la ENOE es la adecuada para medir los flujos en el mercado laboral siempre y cuando se le
realicen las transformaciones correctas. Asimismo se presento la metodología que ha servido de
marco para la contrastación de la hipótesis planteada, resaltando los términos de interacción en
la ecuación de regresión, que permiten determinar como una variable actúa de manera distinta
cuando se encuentra en la presencia de otra variable. En particular, la interacción entre el sexo,
la edad y la educación, permiten establecer que suelen tener efectos que se neutralizan entre
ellas.
Capítulo IV. Conclusiones
4.1 La pérdida de empleo en las ciudades mexicanas
A lo largo de la presente investigación se busco, destacar la importancia de mirar al mer-
cado laboral como un sistema dinámico donde los individuos cambian de estatus laboral con
mayor frecuencia de la que suele suponerse. Y en particular, analizar el flujo de la ocupación al
desempleo o pérdida de empleo. Ya que esta es la que determina la trayectoria del desempleo.
Aunque existen elementos comunes a los centros urbanos mexicanos, por ejemplo, la ma-
yoría de quienes se incorporan a un empleo provienen de la inactividad, nuestros resultados
parecen sugerir que existen mayor heterogeneidad entre ellas, en cuanto al origen y destino de
los flujos.
En este punto es necesario detenerse, y hacerse una pregunta ¿por qué la mayor cantidad de
personas que se incorporan a un empleo proviene de la Población No Económicamente Activa
(PNEA)? su supone que la PNEA o inactivos son personas que en la encuesta manifiestan que no
están buscando un empleo, bien porque no quieren o no pueden trabajar. Creo que la respuesta
podría encontrarse en el proceso de búsqueda de los inactivos, quizá no son ellos los que están
buscando empleo sino sea una búsqueda a través de sus familiares o amigos y por eso no se
detecte tal y como en el capitulo uno describíamos el proceso del free rider en la búsqueda
de empleo que podría generar desempleo masivo, aunque en el caso mexicano parece que lo
oculta; podría ser también que les cause vergüenza declararse como alguien que busca pero
no encuentra empleo y por tanto no contribuye al hogar (flojo) y que declare que se dedica a
actividades del hogar, ya que de este grupo poblacional provienen los inactivos que encuentran
55
empleo. La forma en que ocurre este flujo inactivos-empleo también puede ser el responsable
de que en el sentir de la población general la tasa de desempleo oficial se subestima, cuando
en realidad lo que hay detrás es un compleja red de búsqueda de empleo a la par de flujos de
empleo que hacen que el fenómeno del desempleo se muestre claramente.
En México, se debe profundizar sobre el proceso de búsqueda de empleo para comprender
de mejor manera la inserción laboral y los mecanismos a través de los cuales alguien pasa de
estar desempleado a ocupado, ya que ha quedado evidenciado la alta movilidad laboral, y lo
poco que conoces los procesos de búsqueda de empleo.
Una vez aclarado el punto anterior, debemos señalar que originalmente planteamos que
la característica de diferenciación mas importante entre las ciudades era el vinculo que tenían
con la economía de Estados Unidos, sin embargo nuestros resultados sugieren que no es así,
que existen elementos mas complejos que intervienen en la conformación del mercado laboral
de cada ente metropolitano. Nuestro modelo demostró que, si bien las ciudades comparten un
mismo grado de integración con Estados Unidos entre ellas, pesan mas los elementos que las
diferencian. Una explicación posible es que la vinculación al exterior es en sectores específicos
y que no logran afectar el resto de la estructura ocupacional de la ciudad, funcionando como
entes aislados a ella.
Lo anterior es importante porque resalta la importancia de diagnósticos locales para el
mercado laboral de las ciudades, esto significa que deben ir de la mano políticas publicas fede-
rales, estatales y municipales, complementándose entre ellas. Y constituye el segundo elemento
a destacar de la investigación.
En segundo lugar, resaltar que en cuanto el Inegi tome en cuenta las nuevas disposiciones de
la OIT el desempleo tendrá una tasa mas elevada, es por eso que el análisis del desempleo y los
flujos laborales se vuelven relevantes porque nos permitirán conjuntar lo que ahora conocemos
con nueva información que permitirá clarificar nuestro entendimiento de dicho fenómeno.
En tercer lugar, esta el papel de la crisis de 2008 que altero el nivel de la tasa de empleo y
la tasa de destrucción de empleo. En esta área, en particular aun existe amplio campo de estudio
pues plantea preguntas como: ¿por qué las empresas despiden más trabajadores?¿por qué no
contratar menos? ¿representa solo un cambio coyuntural o estructural de la economía? ¿existe
un factor de cambio tecnológico detrás de todo esto? ¿qué es lo que ocurre con aquellos indivi-
duos que pierden su empleo? En ese mismo sentido aunque demostramos que las características
individuales cambian su efecto a través del ciclo económico, es necesario ahondar en el tema
para verificar cual es la conexión exacta entre el crecimiento y el empleo.
En cuarto lugar, mencionar que el efecto de la educación (capital humano), género, y la
edad, mostraron tener efectos significativos en el mercado laboral y no solo eso, sino que la
combinación entre ellos puede cambiar la forma en que cada uno de ellos incide sobre las posi-
bilidades de perder el empleo de un individuo.
Distinguir entre hombre o mujer sigue siendo hoy importante en el mercado laboral, ya que
cada uno posee diferentes áreas donde se requieren solo habilidades de un género, por lo tanto
varia su inserción en el mercado laboral.
Por otra parte resalta que aunque en lo revisado en el segundo capítulo, y considerando sólo
el efecto de la educación en el modelo, aparentemente los mas educados con mas probabilidad
pierden su empleo, sin embargo una vez que se toma en cuenta de forma conjunta la edad, el sexo
y la escolaridad, se revela que la educación hace que sea menos probable que alguien pierda su
trabajo; al mismo tiempo la educación y la adquisición del capital humano no comienza a tener
un rendimiento real en el mercado de trabajo sino hasta que se acumula cierta cantidad mínima,
y quizás esta relación podría ir un poco mas lejos mostrando que el rendimiento del capital
humano se da en cotas, es decir, estudiar 1 o 2 años da las mismas oportunidades en el mercado
laboral, es hasta que logras estudiar un tercer año cuando el conocimiento adquirido rinde frutos;
y vuelve a ocurrir algo similar, estudiar 3,4 o 5 años da la misma ventaja, y es hasta que se estudia
un sexto año que vuelve a incrementarse el rendimiento del capital humano. Este planteamiento
tendría importantes implicaciones, pues significaría que si una empresa quisiera aumentar la
productividad de sus trabajadores tendría que implementar mas de dos cursos para lograr un
salto cualitativo. También este planteamiento tendría efecto sobre cuanto deciden estudiar las
personas, lo importante seria constatar si las personas son conscientes de eso, por ejemplo, que
estudiar una carrera solo es rentable si se termina.
Otro punto a destacar es que la educación también funciona como un reductor de las dife-
rencias en el mercado laboral, esto es importante pues si se quiere que todos tengan las mismas
oportunidades laborales se les debe otorgar educación de calidad.
La edad es otra variable que tiene un efecto en el mercado laboral que, resulta sumamente
relevante; para las mujeres es determinante, en cambio para los hombres solo lo es cuando
empiezan a envejecer.
En general las ventajas que le pueden dar a un individuo sus características sociodemográ-
ficas en la pérdida de empleo, depende del segmento en el mercado laboral en que se encuentra,
de la ciudad donde reside o del ciclo económico.
Apéndice A. Diseño de la base de datos en
stata 12
************************************************************COMANDOS UTILIZADOS PARA LA BASE DE DATOS EN EL TIEMPO T=t************************************************************
set more off//eliminamos individuos ausentes o que no contestaron toda laencuestadrop if c_res=="2"drop if r_def=="15"
//eliminamos a los individuos que se encuentran en su 5ta yultima entrevista y por tanto no podremos darles seguimientoen el siguiente trimestredrop if n_ent=="5"
//generamos variable panel (que nos ayudara a generar unidentificador único para cada individuo)gen panel=.replace panel=1 if d_sem<"200"replace panel=2 if d_sem>"200" & d_sem<"300"replace panel=3 if d_sem>"300" & d_sem<"400"replace panel=4 if d_sem>"400" & d_sem<"500"replace panel=5 if d_sem>"500"
*ahora generamos la llave o identificador de cada individuoegen llave=concat(cd_a ent con v_sel n_hog h_mud n_ren panel)
// generamos la fecha de nacimiento del individuoegen fecha_nac=concat( nac_dia nac_mes nac_anio)
// generamos los años de escolaridadgen años_estudio= anios_escreplace años_estudio=. if anios_esc==99
// generamos una variable dummy para medir tipo de estudiosdestring cs_p14_c, replacegen tipo_est=0
59
replace tipo_est=1 if (cs_p14_c>2000 & cs_p14_c<2100) |(cs_p14_c>4100 & cs_p14_c<4300) | (cs_p14_c>6100 &cs_p14_c<6300)lab var tipo_est "estudios relacionados con ingenieria,matemáticas y software"*variable dummy para medir capital especifico
//generamos el parentesco en el hogardestring par_c, replacegen posicion_hog=.replace posicion_hog=0 if par_c==101replace posicion_hog=1 if par_c>101& par_c<300replace posicion_hog=2 if par_c>300 & par_c<400replace posicion_hog=3 if par_c>400
lab var posicion_hog "posición en el hogar"label def posicion 0 "jefe del hogar" 1 "pareja" 2 "hijo" 3"otro"label values posicion_hog posicion* posición en el hogar 0:efe, 1:pareja, 2:hijo, 3:otro
//ahora el género de los individuosgen sexo=.replace sexo=0 if sex=="1"replace sexo=1 if sex=="2"lab var sexo "sexo del individuo"label def sex1 0 "hombres" 1 "mujeres"label values sexo sex1*1:mujer 0:hombre
//ahora la edaddestring eda, replacegen edad=edareplace edad=0 if eda==99*replace edad=. if eda==98 | eda==99lab var edad "edad en años"
//si es originario de otro estadogen ent1=entgen lnac=l_nac_cdestring ent1, replacedestring lnac, replacegen ormig=0replace ormig=1 if lnac!=ent1replace ormig=. if lnac==. | ent1==.lab var ormig "lugar de residencia"lab def ormig1 0 "en el estado que nació" 1 "en estadodistinto al de nacimiento"lab val ormig ormig1*0:nació en el estado en que reside, 1:nació en un estadodistinto en el que reside
//*eliminanos la variable salario que indica la zona salarialdonde reside la persona A, B o Cdrop salario
//nivel de instrucciónrename niv_ins nivingen niv_ins=nivin-1replace niv_ins=6 if nivin==5replace niv_ins=. if nivin==-1lab var niv_ins "nivel de instrucción"lab def nivel1 0 "primaria incompleta" 1 "primaria completa" 2"secundaria" 3 "media superior y superior" 6 "no contesto"lab val niv_ins nivel1*0:primaria incompleta, 1:primaria completa, 2:secundaria,3:media superior y superior 6:no contesto
// posición en la ocupacióngen pos_ocup=pos_ocu-1replace pos_ocup=. if pos_ocup==-1lab var pos_ocup "posición en la ocupación"lab def posi1 0 "subordinados y remunerados" 1 "empleadores" 2"trabajadores por cuenta propia" 3 "trabajadores sin pago"lab val pos_ocup posi1*0:subordinados y remunerados, 1:empleadores, 2:cta propia,3:sin pago 4: no especificado
//acceso a instituciones de saludreplace seg_soc=seg_soc-1replace seg_soc=. if seg_soc==-1lab var seg_soc "acceso a seguridad social"lab def ace1 0 "con acceso" 1 "sin acceso" 2 "no especificado"lab val seg_soc ace1*0:acceso, 1:sin acceso 2:no especificado
//sector de actividad económícagen sector=rama-1replace sector=. if sector==-1lab var sector "sector de actividad económica"lab def sec1 0 "construcción" 1 "manufacturas" 2 "comercio" 3"servicios" 4 "otros" 5 "agricultura" 6 "no especificado"lab val sector sec1*0:construcción, 1:manufacturas, 2:comercio, 3:servicios,4:otros, 5:agricultura 6:No especificado
//condición de ocupacióngen con_ocup=c_ocu11c-1replace con_ocup=. if con_ocup==-1lab var con_ocup "condición de ocupación"lab def conoc1 0 "profesionales, técnicos y trabajadores delarte" 1 "trab de la educación" 2 "funcionarios y directivos" 3"oficinistas" 4 "trab industriales, artesanos y ayudantes" 5"comerciantes" 6 "operadores de transporte" 7 "trab enservicios personales" 8 "trab en protección y vigilancia" 9"trab agropecuarios" 10 "no especificado"lab val con_ocup conoc1*0:profesionales, técnicos y trabajadores del arte, 1: trab dela educación, 2:funcionarios y directivos,*3:oficinistas, 4: trab industriales, artesanos y ayudates,5:comerciantes, 6:oper de transporte
*7:trab en servicios personales, 8:trab en protección yvigilancia,9: trab agropecuarios 10: no especificado
//nivel de ingresosgen niv_ing=ing7c-1replace niv_ing=. if niv_ing==-1lab var niv_ing "nivel de ingresos por grupos"lab def ingg1 0 "1 SMG" 1 "1-2 SMG" 2 "2-3 SMG" 3 "3-5 SMG" 4"5ymas SMG" 5 "sin ingreso" 6 "no especificado"lab val niv_ing ingg1*0:I SMN, 1:I-II SM, 2: II-III SM, 3:III-V SM, 4:MAS de V SM,5: NO INGRESO
//duración de jornadagen dur_jor=dur9c-1replace dur_jor=. if dur_jor==-1lab var dur_jor "duración de la jornada de trabajo (grupos)"lab def durjor1 0 "asunte temporal" 1 "menos de 15hrs" 2"15-24hrs" 3 "25-34hrs" 4 "35-39 hrs" 5 "40-48 hrs" 6 "49-56hrs" 7 "mas de 56 hrs" 8 "no especificado"lab val dur_jor durjor1*0: asunte temporal, 1:menos de 15hrs, 2:de 15-24hrs, 3:de25-34hrs*4:de 35-39hrs, 5:de40-48hrs, 6:de 49-56hrs, 7:mas de 56hrs8:no especificado
//empleados en el lugar de trabajogen comp_trab=emple7c-1replace comp_trab=. if comp_trab==-1lab var comp_trab "número de empleados en el lugar de trabajo"lab def compa1 0 "1 persona" 1 "2-5 personas" 2 "6-10personas" 3 "11-15 personas" 4 "16-50 personas" 5 "51 y maspersonas" 6 "no especificado"lab val comp_trab compa1*0: 1persona 2: de 2-5personas*1: de 6-10personas 3: de 11-15 personas*4: de 16-50 personas 5: de 51ymás personas 6:no especificado
//sector de actividad económíca (ampliado)gen sector2=rama_est2-1replace sector2=11 if sector2==-1 & clase2==1replace sector2=. if sector2==-1lab var sector2 "sector de actividad económica (ampliado)"lab def sect2 0 "agropecuario" 1 "minería, gas,agua yelectricidad" 2 "manufacturas" 3 "construcción" 4 "comercio" 5"restaurantes y hoteles" 6 "transportes y comunicaciones" 7"servicios profesionales, financieros y corporativos" 8"servicios sociales" 9 "servicios diversos" 10 "gobierno yorganismos internacionales" 11 "no especificado"lab val sector2 sect2*0: agropecuario 1: min, gas,agua yelect 2:manufacturas*3: construcción 4:comercio5:restaurantes y hoteles*6: transportes y comunicaciones 7:serv prof., finan ycorporat 8:serv sociales
*9:serv diversos 10:gob y organismosinternacionales 11: no especificado
//edad como variable categoricagen edad_cat1=.replace edad_cat1=0 if eda12c==1replace edad_cat1=1 if eda12c==2replace edad_cat1=2 if eda12c==3replace edad_cat1=3 if eda12c==4replace edad_cat1=4 if eda12c==5replace edad_cat1=5 if eda12c==6replace edad_cat1=6 if eda12c==7replace edad_cat1=7 if eda12c==8replace edad_cat1=8 if eda12c==9replace edad_cat1=9 if eda12c==10replace edad_cat1=10 if eda12c==11replace edad_cat1=11 if eda12c==12lab var edad_cat1 "edad grupos quinquenales"lab def cate1 0 "14-19 años" 1 "20-24 años" 2 "25-29 años""30-34 años" 4 "35-39 años" 5 "40-44 años" 6 "45-49 años" 7"50-54 años" 8 "55-59 años" 9 "60-64 años" 10 "65 y masaños"lab val edad_cat1 cate1*0:de 14-19 1:de 20-24 2:de 25-29 3:de 30-34 4:de 35-39*5:de 40-44 6:de 45-49 7:de 50-54 8:de 55-59 9:de 60-64*10:de 65ymas 11:no disponible
//años de escolaridadgen añosestudio= anios_escreplace añosestudio=. if anios_esc==99lab var añosestudio "años de asistencia escolar formal"*valores de 0 a 24 años
//escolaridad categoricadestring cs_p13_1, replacegen escol1=cs_p13_1replace escol1=5 if cs_p13_1==5 | cs_p13_1==6 | cs_p13_1==7replace escol1=6 if cs_p13_1==8 | cs_p13_1==9replace escol1=. if cs_p13_1==99lab var escol1 "escolaridad segun tipo"lab def escola1 0 "nada" 1 "preescolar" 2 "primaria" 3"secundaria" 4 "prepa o bachiller" 5 "profesional" 6"posgrado"lab val escol1 escola1//*0:nada, 1:preescolar, 2:primaria, 3:secundaria, 4:prepa obachiller,//*5_profesional, 6:posgrado
//el estado civil del individuogen edo_civil=.replace edo_civil=0 if e_con=="1"replace edo_civil=1 if e_con=="5"replace edo_civil=2 if e_con=="3" | e_con=="2"replace edo_civil=3 if e_con=="4"replace edo_civil=4 if e_con=="6"lab var edo_civil "situación civil"
lab def edoci 0 "unión libre" 1 "casado" 2 "divorciado oseparado" 3 "viudo" 4 "soltero"lab val edo_civil edoci*0:union libre 1:casado 2:divorciado o separado 3:viudo4:soltero
//si tiene contratogen tipo_con=tip_con if clase2==1lab var tipo_con "contrato laboral"lab def contr 0 "no sé" 1 "contrato escrito" 2 "temporal" 3"de base" 4 "tipo contrato no def" 5 "sin contrato escrito" 6"no especificado"lab val tipo_con contr
//generamos clase4replace tue2=8 if tue2==0 & clase2==1replace tue2=. if clase2!=1gen clase4=tue2replace clase4=9 if clase2==2replace clase4=10 if c_inac5c==1replace clase4=11 if c_inac5c==2replace clase4=12 if c_inac5c==3replace clase4=13 if c_inac5c==5* 1:empresas constituidas en sociedades 2:negocios noconstituidos en sociedad 3:Privadas 4:Publicas 5:SectorInformal 6:trab domestico remunerado 7:agriculturasubsistencia* 8: no especificado 9:Desocupados 10:estudiantes11:quehaceres domesticos 12:Jubilados y pensionados 13: Otrasactividades no economicas
//generamos clase5gen clase5=pos_ocu if pos_ocu!=0replace clase5=6 if clase2==2replace clase5=7 if clase2==3replace clase5=8 if clase2==4* 1:subordinados y remunerados, 2:empleadores, 3:cta propia,4:sin pago 5: no especificado* 6:desocupados 7:disponibles 8: nodisponibles
//razón de desocupacióngen des_mot=d_cexp_est-1 if clase2==2replace des_mot=4 if des_mot==-1*0: perdió o terminó empleo anterior 1:insatisfacción conempleo anterior 2:dejo o cerró negocio propio 3:otro 4: nodisponible
//experiencia de los desocupadosgen des_exp=d_ant_lab-1 if clase2==2replace des_exp=3 if des_exp==-1*0: con experiencia 1:sin experencia 3:no disponible
//tipo de desocupadogen des_tipo=0 if clase3==5replace des_tipo=1 if clase3==6replace des_tipo=2 if clase3==7*0:iniciadores 2:busqueda 3:sin nexo e ingreso laboral
//duración en semanas del desempleogen des_tiempo=dur_busq if clase2==2
//duración del desempleo categorizadolab var dur_des "clasificación duración del desempleo"lab def durdes 1 "hasta 1 mes" 2 " 1-3 meses" 3 "3-6 meses" 4"6-12 meses" 5 "mas de un año" 6 "no especificado"
//generar el ingreso por hogaregen folio1=concat(ent con upm d_sem n_pro_viv v_sel n_hogh_mud)lab var folio1 "clave única de identificación del hogar"sort folio1 n_rensort folio1//*ahora el ingresoby folio1:egen ing_hog=sum(ingocup)gener uno=1lab var ing_hog "ingreso del hogar"//*generar por integrantes, el tamaño del hogarby folio1: egen tam_hogar=sum(uno)lab var tam_hog "tamaño del hogar"//*ingreso laboral percapita de los hogaresgen ilabpc=ing_hog/tam_hoglab var ilabpc "ingreso laboral percapita de los hogares"
//numero aproximado de menores en el hogargen uno_a=1 if eda<14by folio1: egen menor_hog=sum(uno_a)lab var menor_hog "número de menores de edad en el hogar(aprox)"
//* población que recibe apoyosgen apoyos=p14apoyos-1replace apoyos=. if p14apoyos==3
//solo PEA o solo PNEAgen only_pea=0 if domestico==1replace only_pea=1 if (domestico>1 & domestico<6)gen only_pnea=0 if domestico==6replace only_pnea=1 if domestico>6
//informalreplace emp_ppal=. if clase2>1lab var emp_ppal "informalidad"lab def info 1 "informal" 2 "formal"lab val emp_ppal info
//condición de inactividadreplace c_inac5c=. if c_inac5==0lab var c_inac5c "condicion de inactividad"
lab def cina 1 "Estudiantes" 2 "hogar" 3 "pensionados y jub" 4"incapacitado perm" 5 "otros"lab val c_inac5c cinarename c_inac5c con_inac
//etiquetar algunas variableslab var hrsocup "horas de trabajo a la semana"lab var ingocup "ingreso mensual"lab var ing_x_hrs "ingreso por hora"
keep panel ent1 lnac folio1 llave fecha_nac eda edad clase1clase2 clase3 sex n_ent tipo_est posicion_hog sexo ormigdes_mot des_exp des_tipo des_tiempo dur_des niv_ins pos_ocupseg_soc sector con_ocup niv_ing dur_jor comp_trab sector2edad_cat1 añosestudio escol1 edo_civil ing_hog tam_hogarmenor_hog apoyos hrsocup ingocup ilabpc ing_x_hrs con_inacclase4 clase5 tipo_con only_pea only_pnea t_tra emp_ppal
********************************************************************COMANDOS EJECUTADOS PARA LA BASE EN EL TIEMPO T=t+1**************************************************************************
set more off//eliminamos individuos ausentes o que no contestaron toda laencuestadrop if r_def=="15"drop if c_res=="2"
// generamos la población por dominioegen dominio=concat(ent cd_a)sort dominioby dominio: egen pop1=sum(fac)
//eliminamos a los individuos que se encuentran en su 1raentrevista y por tanto no podremos darles seguimiento en eltrimestre anteriordrop if n_ent=="1"
//generamos variable panel (que nos ayudara a generar unidentificador único para cada individuo)gen panel=.replace panel=1 if d_sem<"200"replace panel=2 if d_sem>"200" & d_sem<"300"replace panel=3 if d_sem>"300" & d_sem<"400"replace panel=4 if d_sem>"400" & d_sem<"500"replace panel=5 if d_sem>"500"
*ahora generamos la llave o identificador de cada individuoegen llave=concat(cd_a ent con v_sel n_hog h_mud n_ren panel)
//generar una variable llamada estratificación (para ajuste defactores de expansión)egen estrati1=concat(ent est upm)
//generar folio de viviendaegen folio_viv1=concat(ent est upm n_pro_viv v_sel)
// generamos la fecha de nacimiento del individuoegen fecha_nac1=concat( nac_dia nac_mes nac_anio)
// generamos el numero de hogares por estratogen har=1 if par_c=="101"egen hog_in_sr1=sum(har), by(estrati1)lab var hog_in_sr1 "hogares en el estrato i-esimo"
// generamos clase4replace tue2=8 if tue2==0 & clase2==1replace tue2=. if clase2!=1gen clase4_b=tue2replace clase4_b=9 if clase2==2replace clase4_b=10 if c_inac5c==1replace clase4_b=11 if c_inac5c==2replace clase4_b=12 if c_inac5c==3replace clase4_b=13 if c_inac5c==5
//generamos clase5gen clase5_b=pos_ocu if pos_ocu!=0replace clase5_b=6 if clase2==2replace clase5_b=7 if clase2==3replace clase5_b=8 if clase2==4
// posición en la ocupación en "t+1"gen pos_ocup_sig=pos_ocu-1replace pos_ocup_sig=. if pos_ocup_sig==-1lab var pos_ocup_sig "posición en la ocupación t+1"lab def posi1t 0 "subordinados y remunerados" 1 "empleadores"2 "trabajadores por cuenta propia" 3 "trabajadores sin pago"lab val pos_ocup_sig posi1t
//empleados en el lugar de trabajo en "t+1"gen comp_trab_sig=emple7c-1replace comp_trab_sig=. if comp_trab_sig==-1lab var comp_trab_sig "número de empleados en el lugar detrabajo t+1"lab def compa1t 0 "1 persona" 1 "2-5 personas" 2 "6-10personas" 3 "11-15 personas" 4 "16-50 personas" 5 "51 y maspersonas" 6 "no especificado"lab val comp_trab_sig compa1t
//acceso a instituciones de salud en "t+1"gen seg_soc_sig=seg_soc-1replace seg_soc_sig=. if seg_soc_sig==-1lab var seg_soc_sig "acceso a seguridad social t+1"lab def ace1t 0 "con acceso" 1 "sin acceso" 2 "noespecificado"lab val seg_soc_sig ace1t*0:acceso, 1:sin acceso 2:no especificado
//sector de actividad económíca en "t+1"
gen sector_sig=rama-1replace sector_sig=. if sector_sig==-1lab var sector_sig "sector de actividad económica t+1"lab def sec1t 0 "construcción" 1 "manufacturas" 2 "comercio" 3"servicios" 4 "otros" 5 "agricultura" 6 "no especificado"lab val sector_sig sec1t*0:construcción, 1:manufacturas, 2:comercio, 3:servicios,4:otros, 5:agricultura 6:No especificado
//cambiamos de nombre a algunas variablesrename fac fac2rename sex sex2rename eda eda2lab var eda2 "edad en la encuesta en tiempo 2"rename clase2 clase2_brename n_ent n_ent2
keep llave folio_viv1 estrati1 fecha_nac1 eda2 fac2 hog_in_sr1har clase2_b par_c n_ent2 sex2 pop1 dominio cd_a clase4_bclase5_b pos_ocup_sig comp_trab_sig seg_soc_sig sector_sig
*********************************************** COMANDOS PARA UNIR BASE DE DATOS **************************************************keep if _merge==3destring eda, replacedestring eda2, replace
keep if eda2==edaegen hog_in_sr2=sum(har), by(estrati1)gen d1=fac2*(hog_in_sr1/hog_in_sr2)sort dominioby dominio: egen pop2=sum(d1)gen d2=d1*(pop1/pop2)replace d2=round(d2,1)
**************************************************generar Flujos***********************************************************keep if eda>13drop if clase2==0drop if clase2_b==0
lab var clase2 "Periodo t"lab var clase2_b "Periodo t+1"label def status 1 "Ocupado" 2 "Desempleado" 3 "Disponible" 4"No disponible"label values clase2 statuslabel values clase2_b status
destring sex, replacelab var sex "sexo"label def sexo 1 "Hombres" 2 "Mujeres"label values sex sexo
***************************variable perder************************gen perder=clase2-clase2_b if clase2==1replace perder=1 if perder==-1 | perder==-2 | perder==-3
****************************************variable encontrar (PNEA)*******************************************
gen encontrar=1 if (clase2==3 | clase2==4) & clase2_b==1replace encontrar=0 if (clase2==3 | clase2==4) & (clase2_b==3| clase2_b==4 | clase2_b==2)
*****************************************************variable encntrar (desocupados) **************************************************************gen encontrard=1 if clase2==2 & clase2_b==1replace encontrard=0 if clase2==2 & (clase2_b==2 | clase2_b==3| clase2_b==4)
Bibliografía
bdel-Mowla, Somaya A. A., 2011, "Job search propensity of unemployed women in an era
of transition: a case study of Egypt", International journal of trade, economics and finance, vol.
2, núm. 6, pp. 505-513.
Alvarez, Fernando y Shimer, Robert [mimeo], 2009, Ünemployment and human capital",
Universidad de Chicago, E.E. U.U.
Blair, John, 1991, Urban and regional economics, Irwin, Homewood, EE.UU.
Blanchard, Olivier, y Diamond, Peter, 1990, "The cyclical behavior of the gross flows of
U.S. workers", Brookings papers on economic activity, núm.2 pp. 85-155.
Blanchard, Olivier, y Diamond, Peter, 1990, "The cyclical behavior of the gross flows of
U.S. workers", Brookings papers on economic activity, núm. 2, pp. 85-155.
Blanchard, Olivier, y Katz, Lawrence, 1992, Regional evolutions", Brookings papers on
economic activity, núm. 1, pp. 1-75.
Blanchflower, David y Oswald, Andrew, 1994, The wage curve, MIT, Cambridge.
Bosch, Mariano y Maloney, William, 2006, "Gross worker flows in the presence og in-
formal labor markets. The mexican experience 1987-2002", Centre for economics perfomance,
London of school economics and political science, discussion paper núm. 753.
Calderón-Madrid, Angel, 2000, Job stability and labor mobility in urban Mexico: a study
based on duration models and transition analysis, Whasington D.C., Banco Interamericano de
Desarollo (BID).
71
Caplin, Andrew, y Leahy, John, 2000, "Mass layoffs and unemployment", Journal of mo-
netary economics, vol. 46, núm 1, pp. 121-142.
Cruz Piñeiro, Rodolfo, 1995, Ïnestabilidad y volatilidad en el empleo de la fuerza de trabajo
fronteriza", estudios demográficos y urbanos, vol. XX, no XX, pp. 523-544.
Darby, Michel; Haltiwanger, John, y plant, Mark, 1986, "The ins and outs of unemploy-
ment: the ins win", NBER, working papers núm. 1997.
Delajara, Marcelo, 2010, Çomovimiento regional del empleo durante el ciclo económico
en México", Banco de México, Documentos de investigación núm. 2010-15.
Delajara, Marcelo, 2012, "Sincronización entre los ciclos económicos de México y Esta-
dos Unidos, nuevos resultados con base en el análisis de los indices coincidentes regionales de
México", Banco de México, Documentos de investigación, núm. 2012-01.
Davis, Steven; Faberman, Jason y Haltiwanger, John, 2011, "Labor market flows in the
cross section and over time"NBER, working papers, núm. 17294.
Devine, Theresa, y Kiefer, Nicolas, 1991, empirical labor economics, Oxford University
Press.
Diamond, Peter, 1981, "Mobility cost, frictional unemployment, and efficiency", Journal
of political economy, vol. 89, núm. 4, pp. 798-812.
Duval, Robert y Orraca, Pedro, 2011, .Análisis por cohortes de la participación laboral en
México (1987-2009)", El trimestre económico, vol. 78(3), núm. 310, pp. 343-375.
Elsby, Michael; Michaels, Ryan y Solon, Gary, 2007, "The ins and outs of cyclical unem-
ployment", NBER, working papers, núm. 12853.
Erquizio, Alfredo, 2010, "Gran recesión 2008-2009 en EEUU y México: un enfoque regio-
nal", Paradigma económico. Revista de economía regional y sectorial, Facultad de Economía de
la Universidad Autónoma del Estado de México, vol. 2, núm. 2, pp. 5-40.
Flores, Roberto; Zamora, Salvador y Contreras, Elba, 2013, Transiciones entre el trabajo
formal e informal y medios de intermediación laboral en México: 2005-2010, Banco Interame-
ricano de Desarrollo (BID, Unidad de mercados laborales y seguridad social.
Fitzgerald, Terry, 1998, .An introduction to search theory of unemployment", Economic
review, Federal Reserve Bank Cleveland.
Garrouste, Christelle; Kozovska, Kornelia y Arjona, Elena, 2010, .Education and Long Term
Unemployment",JRC Scientific and Technical Reports, Office of the European Union, núm.
EUR24450, pp. 1-29.
Gong, Xiadong; Van-Soest, Arthur y Villagomez, Elizabeth, 2000, "Mobility in the urban
labor market: a panel data analysis for México", center discussion paper, Tilburg University.
Guler, Bulent; Guvenen, Fatih y Violante, Giovanni, 2012, "Joint-search theory: new op-
portunities and new frictions", Journal of monetary economics, vol. 59, núm 4, pp. 352-369.
Hoti, Avdullah, [conferencia], 2003, "Human Capital and Unemployment in Transition
Economies: The Case of Kosova", Investigación presentada en la conferencia internacional de
la facultad de economía de Sarajevo: Globalization and the Political Economy of Development
in Transition Economies, Sarajevo, octubre 10-11.
Hall, Robet, 2005, .Employment efficiency and sticky wages: evidence from flows in the
labor market", NBER, working papers núm. 11183.
Heath, Jonathan, 2010, "La tasa de desempleo en México", Jonathan Heath, en http://jonathanheath.net/
2014/04/1000/ consultado el 1 de mayo de 2014.
Hernández-Licona, Gonzalo, 1997, .Oferta laboral familiar y desempleo en México: los
efectos de la pobreza", El trimestre económico, vol. 64, núm. 256, pp. 531-568.
Hernandez Laos, Enrique, 2004, "Mercados regionales de trabajo en México: estructura y
funcionamiento", México, Programa de Naciones Unidas en México, Estudios sobre desarrollo
humano.
Herrarte, Ainhoa, et al. , 2006, "Desempleo, búsqueda y políticas activas", Presupuesto y
Gasto Público, Instituto de Estudios Fiscales, España„ núm. 43, pp. 155-177.
Inegi, 2009, .Estadísticas de la dinámica laboral en México 2005-2007".
Jovanovic, Boyan, 1979, "Firm-specific capital and turnover"Journal of political economy
vol. 87, núm. 6, pp.1246-1260.
Kaufman, Bruce , y Hotchkiss, Julie L., 2003, The economics of labor market, 6ta edición,
Dryden Press, Fort Worth, Texas.
Kingdon, Geeta, y Knight, John, 2004, Race and the Incidence of Unemployment in South
Africa", review of development economics, Economic Development Association, vol. 8, pp. 198-
222.
Krugman, Paul, 1997, Desarrollo, geografía y teoría económica, Antoni Bosch, Barcelona,
España.
Lucas, Robert y Prescott, Edward, 1974, .Equilibrium search and unemploment"Journal of
economic theory vol. XX, núm. XX, pp. 188-209.
Marston, Stephen, 1976, .Employment instability and high unemployment rates", Brookings
papers on economic activity, núm. 1, pp. 169-203.
McCall, John J., 1970, .Economics of information and job search"Quarterly journal of eco-
nomics vol. XX, núm. XX, pp. 113-126.
Mendoza, J. Eduardo, 2006, Ïngresos, integración económica y empleo en las ciudades
fronterizas de México y Estados Unidos", Economía mexicana, vol. 15, núm. 1, pp. 31-66.
Mendoza, J. Eduardo, 2010, .El mercado laboral en la frontera norte de México: estructura
y políticas de empleo", Estudios fronterizos, vol. 11, núm. 21, pp. 9-42.
Messmacher, Miguel, 2000, "Desigualdad regional en México, el efecto del TLCAN y
otras reformas estructurales", Banco de México, documentos de investigación, núm. 2000-4.
Mincer, Jacob, 1989, "Human Capital and the labor market a review of current research",
educational researcher, American Educational Research Association, vol. 18, núm. 4, pp. 27-34.
Moncayo, Edgard, 2004, Modelos de desarrollo regional: teorías y factores determinantes,
Sociedad geográfica de Colombia.
Mortensen, Dale, 1970, "Job search, the duration of unemployment and the phillips curve",
The american economic review, vol. 60, núm. 5, pp. 847-862
Mortensen, Dale, 1986, "Job search and labor market analysis", en Ashenfelter y R. Layard,
editores, Handbook of labor economics, Amsterdam, pp. 849-919.
Mortensen, Dale, y Pissarides, Christopher, 1994, "Job creation and job destruction in the
theory of unemployment"The review economic studies, vol. 61, núm. 3, pp. 397-415.
OIT, 2013, Ïnforme de la 19a conferencia internacional de Estadísticas del trabajo", Gine-
bra, Suiza.
Pacheco, Edith y Parker, Susan, 2001, "Movilidad en el mercado de trabajo urbano: evi-
dencias longitudinales para dos periodos de crisis en México", Revista mexicana de sociología,
vol. 63, núm. 2, pp. 3-26.
Pissarides, Christopher, 1984, "Search intensity, job advertising, and efficiency", Journal
of labor economics vol. 2, núm. 1, pp. 128-143.
Pries, Michael, 2004, "Persistence of employment fluctuations: a model of recurring job
loss", Review of economic studies, vol. 71, pp. 193-215.
Rodríguez-Oregia, Eduardo, 2007, "The informal sector in Mexico: characteristics and di-
namics", Social perspectives, vol 9, núm 1, pp. 89-175.
Rogerson, Richard; Shimer, Robert y Wright, Randall, 2005, "Search-theoretic models of
the labor market:a survey", Journal of economic literature, vol. 43, pp. 959-988.
Rogerson, Richard y Shimer, Robert, 2010, "Search in macroeconomic models of the labor
market", NBER, working papers, núm. 15901.
Romer, David, 2006, Macroeconomía avanzada, 3ra edición, McGraw-Hill.
Shimer, Robert, 2005, "The cyclicality of hires, separations, and job-to-job transitions",Federal
reserve bank of St. Louis, vol. 87, núm. 4, pp. 493-507.
Shimer, Robert, 2007, Reassessing the ins and outs of unemployment", NBER, working
papers, núm. 13421.
Stigler, George J., 1961, "The economics of information", Journal of political economy,
vol. 69, núm. 3, pp. 213-225.
Stigler, George J., 1962, Ïnformation in the labor market", Journal of political economy,
vol. 70 núm. 5, parte 2, pp. 213-225.
Pekhonen, Jaakko, y Tervo, Hanu, 1988, "Persistence and turnover in regional unemploy-
ment disparities", Regional studies, vol. 32, núm. 5, pp. 445-458.
Todaro, Michel, 1976, Internal migration in developing countries, Genova, International
Labour Office.