Universidad de San Andrés

Departamento de Economía

Licenciatura en Economía

¿Cuál es el impacto de los

Honores Universitarios?

Rocío Ayelén Carbajo

Legajo 22045

Mentor: Martín Rossi

Victoria, Mayo de 2014

1

¿Cuál es el impacto de los Honores

Universitarios?

Rocío Ayelén Carbajo

Universidad de San Andrés

Mayo 2014

ABSTRACT

Proponemos una investigación empírica para cuantificar el impacto de los

honores universitarios en el consiguiente desempeño laboral de los graduados de

las tres últimas promociones de la Universidad de San Andrés. Con este objetivo, se

utilizarán datos de la Oficina de Graduados de la Universidad de San Andrés para

cuantificar el efecto de nuestra variable de interés a través de la estimación de un

Multinomial Logit (MNL). En particular, se medirá el impacto de los honores en dos

variables de gran relevancia para la inserción laboral de los graduados: su

situación laboral, es decir si están activos (empleados o desempleados) o inactivos,

y condicional en que consiguen empleo, cuánto tiempo demoran en hacerlo.

Encontramos que si bien no existe un efecto estadísticamente significativo para la

probabilidad de estar empleado, este impacto sí se observa para el tiempo que

demoran los alumnos en conseguir empleo y en su decisión de posponer la entrada

al mercado laboral.

Agradezco a mi Mentor Martin Rossi por guiarme y alentarme durante todo este camino. A Graciela Guzmán y Laura Bidegain de la Oficina de Graduados por colaborar con los datos necesarios para la investigación. Aprecio enormemente los comentarios y consejos de Álvaro de Amos en la etapa final del trabajo. Finalmente, por el apoyo durante todos estos años a mi familia y amigos. En especial a Karen Serfaty por alentarme en cada paso, y a Malena Acuña y Lara Gregorini por ser mi soporte en cada etapa a lo largo de la carrera.

2

I. Introducción

Graduarse de la universidad con “Honores” o “Menciones Especiales” es

para muchos alumnos una meta a alcanzar en su recorrido académico. No existe

duda acerca del impacto emocional que implica para un graduado recibir su título

académico con un reconocimiento. Sin embargo, existe un interrogante

fundamental: ¿Estos premios o menciones producen algún impacto en la práctica?

Es decir, ¿genera recibirse con honores algún diferencial al momento de insertarse

al mercado laboral?

En el presente trabajo nos proponemos, como principal objetivo, responder

este interrogante. Para alcanzarlo, mediremos el impacto de los honores

universitarios por medio de herramientas econométricas. Específicamente, se

estudiarán los efectos de nuestra variable de interés en la consiguiente inserción

laboral de los estudiantes.

Se considerará el caso de los premios otorgados por la Universidad de San

Andrés. Se utilizarán datos recolectados por la Oficina de Graduados de la

Universidad de San Andrés para las promociones que finalizaron sus estudios

entre 2011 y 2013. En particular, se medirá el impacto en dos variables de gran

relevancia para la inserción laboral de los graduados: su situación laboral, es decir

si están empleados, desempleados o inactivos, y cuanto tiempo demoran en

conseguir empleo (condicional en haberlo hecho). Para estimar el impacto

desarrollaremos un modelo Logit Multinomial.

El trabajo estará organizado en distintas secciones. En una primera etapa,

para esclarecer la naturaleza del problema, la discusión será abordada desde la

perspectiva de la Teoría de juegos. Para ello, se utilizará la bibliografía existente

sobre problemas de información asimétrica con el objetivo de abordar el análisis

desde una perspectiva económica. En este sentido, identificaremos los posibles

impactos de nuestra variable de estudio.

En segundo lugar, dedicaremos una sección del trabajo a la descripción de

nuestra estrategia de identificación. Con este objetivo, justificaremos las técnicas

econométricas a utilizar basándonos en el tipo de datos recolectados para nuestra

3

investigación. Posteriormente, en una tercera sección, presentaremos el modelo

econométrico que utilizaremos en el trabajo.

La cuarta sección presentará las especificaciones del modelo empírico que

desarrollaremos, como la presentación de las variables. En la quinta sección

analizaremos los resultados de los modelos econométricos propiamente dichos.

Analizaremos los coeficientes de interés y discutiremos acerca de la evidencia

empírica encontrada.

Finalmente, dedicaremos una sección a las conclusiones del trabajo, con el

objetivo de responder la pregunta central: ¿Cuál es el impacto de los honores?

4

II. Problemas de Información Asimétrica

Los problemas de información asimétrica son aquellos en los que existe una

interacción de dos tipos de agentes cuya característica distintiva es la posibilidad

de acceso a la información. En los modelos de selección adversa, la parte

desinformada ofrece a un tercero una serie de contratos entre los que los

diferentes tipos de agentes informados pueden elegir de acuerdo a sus

características particulares (Laffon y Martimort, 2002).

Los contratos laborales son un caso típico de esta serie de problemas:

mientras que el postulante conoce su “tipo” o capacidad para desarrollar el trabajo,

el oferente no tiene esta información disponible. La naturaleza contractual de las

transacciones dentro del mercado laboral fue abordada por una larga literatura

desde Adam Smith (1776) hasta la moderna teoría de juegos. En esta rama de la

microeconomía los contratos laborales pueden modelarse como juegos dinámicos

de información incompleta en los que la parte informada puede jugar en una

primera etapa través del envío de una señal o signo que revela información

relativa a su tipo.

Spence (1973) desarrolló un modelo de señalización en el que un signo, que

tiene un costo diferenciado según el tipo de agente, es enviado por la parte

informada. De esta forma los agentes “más hábiles” son más propensos a enviar

señales altas. Esta señal puede, entonces, ayudar a la parte desinformada para

discriminar entre los diferentes tipos (Salanie, B., 1997).En este sentido, aquellos

individuos cuyo costo de educarse es menor (podemos pensar que es más

inteligente o habilidoso) optarán por incurrir en ese costo a cambio de una señal

que represente sus capacidades, y aquellos cuyo costo es mayor no tomarán esta

opción.

La idea subyacente detrás de este modelo, es que los retornos a la

educación no implican un beneficio extra por el conocimiento adquirido sino que

la educación actúa como una señal de la capacidad del individuo. En palabras más

simples, el argumento postula que educarse funciona solo como un símbolo de las

capacidades del individuo para resolver problemas. Desde esta perspectiva, un

5

título académico es una simple señal informativa acerca de que su propietario

logró atravesar con éxito una serie de etapas que constituyeron su carrera

académica. Si seguimos avanzando en el argumento, podemos formular el mismo

razonamiento para los honores universitarios. Si un empleador, el principal, recibe

una serie de curriculum vitae de distintos alumnos graduados de la Universidad,

los agentes, puede entender como una señal de “mayores habilidades” el hecho de

que algunos de ellos hayan atravesado y concluido su etapa académica con algún

tipo de mención especial.

Proponemos entonces, estimar si los honores actúan como una señal

informativa acerca del tipo de un agente. Parece razonable pensar que aquellos

alumnos, agentes, que se recibieron con algún tipo de mención están enviando al

empleador, principal, una señal distintiva acerca de su capacidad, mérito, esfuerzo,

etc. En nuestro trabajo cuantificaremos este efecto a través de una variable que

captura la situación laboral de los graduados, es decir, si están empleados o

desempleados, y otra que mide el tiempo que los graduados demoran en conseguir

empleo. Esperamos entonces, que los honores tengan un impacto positivo en la

probabilidad de estar empleados y negativo en la cantidad de tiempo que demoran

en conseguir empleo.

Por otra parte, siguiendo con nuestro argumento, podemos pensar en otro

posible efecto de la graduación con menciones especiales. Como ya mencionamos,

para los agentes mas “habilidosos” el costo de educarse es menor y tienden a

incurrir en este para enviar señales más altas. Es posible, entonces, que estos

individuos decidan seguir incurriendo en el costo de educarse aún después de

haber finalizado la Universidad, es decir, siguiendo un programa de maestría o

posgrado, etc. Recibirse con menciones especiales puede ser para los agentes una

señal acerca de sus propias capacidades. De esta forma, graduarse con honores

puede influir en su decisión de continuar con su carrera académica y posponer la

inserción en el mercado laboral.

Para detectar este posible efecto, estimaremos el impacto de los honores en

una variable asociada a la situación laboral de los graduados. Esperamos que los

mismos tengan un impacto significativo y positivo en la probabilidad de que los

graduados decidan posponer su inserción laboral.

6

III. Estrategia de Identificación

Presentación de los datos

Como ya hemos mencionado, el objetivo de este trabajo es probar si

graduarse con honores universitarios tiene algún impacto en la inserción laboral

de los estudiantes. Estudiaremos el caso de los alumnos graduados de la

Universidad de San Andrés para los años 2011, 2012 y 2013. Los datos

recolectados reúnen información obtenida de dos fuentes: las “encuestas de salida”

y una plataforma informática, ambas proporcionadas por la Oficina de Graduados

de la Universidad de San Andrés.

La encuesta de salida es realizada cada año en el mes de Octubre, es decir

diez meses después de terminada la cursada, por la Oficina de Graduados desde

2011 en adelante. De esta forma, contamos con tres encuestas para nuestra

investigación. En total hemos reunido 274 observaciones de alumnos que

conformaron las promociones 19 a 21. Algunas de las variables que nos han

proporcionado los resultados de las encuestas son: la situación laboral del

graduado (si consiguió o no empleo), la cantidad de meses que el alumno demoró

en hacerlo, qué puesto ocupa, cuál es su salario, si tuvo algún tipo de experiencia

laboral previa a la graduación, etc.

Por otra parte, nuestra segunda fuente de información, la plataforma

informática, proporcionó datos relacionados con la carrera académica del

graduado permitiéndonos construir variables cualitativas y cuantitativas tales

como el promedio de graduación, la carrera cursada, los premios u honores, etc.

Además, hemos recolectado otro tipo de datos como, por ejemplo, el género del

graduado.

De esta manera, la información acerca de la situación laboral de los

graduados fue unificada junto con características acerca de su carrera académica y

otras características personales. Como resultado, obtuvimos una base de datos

compuesta por variables de control tales como dummies de género y carrera

académica y la siguiente lista de variables relevantes:

7

Honores:

= 1 si el alumno se graduó con honores.

= 0 si el alumno no se graduó con honores.

Promedio: indica el promedio al momento de graduarse.

Meses:

=0 si el graduado demoró menos de un mes en conseguir empleo.

=1 si tardó entre uno y tres meses.

=2 si tardó entre tres y seis meses.

=3 si demoró más de seis meses.

Trabajo:

=0 si el graduado no consiguió empleo.

=1 si el graduado consiguió empleo.

=2 si el graduado no busca empleo.

En lo que a nuestro objetivo refiere, podemos destacar dos variables que

miden algún aspecto de la inserción laboral de los graduados: “Meses” (la cantidad

de meses que demoraron en conseguir empleo) y “Trabajo” (la situación laboral

del graduado). A partir de estas variables dependientes, estimaremos distintos

modelos en los que buscaremos cuantificar el impacto de nuestra variable

independiente de interés: los honores.

Validez Interna

Como ya mencionamos, la base de datos construida reúne observaciones

obtenidas de una encuesta junto con otra información académica de los alumnos.

Debemos tener en cuenta que la cantidad de datos recolectados depende del grado

de respuesta a las encuestas por parte de los graduados. Por esta razón será

necesario chequear si nuestra muestra es representativa para que nuestros

resultados sean consistentes. Para que esto suceda, las variables observables de la

misma deben estar en balance con las de la población, es decir, con la totalidad de

los graduados de la Universidad de San Andrés. En la sección de resultados

8

presentaremos las características estadísticas de las variables de nuestra muestra

y las compararemos con la del resto de la población graduada de la Universidad

para chequear que efectivamente esta condición se cumpla.

Estrategia de Identificación

Estimaremos tres modelos distintos. En uno, mediremos el impacto de los

honores en la probabilidad de conseguir empleo, en otro cuantificaremos su

impacto en la probabilidad de que los graduados decidan posponer su inserción al

mercado laboral. Por último, estimaremos el mismo impacto en una variable que

mide el tiempo que los graduados demoran en conseguir empleo.

Cabe destacar que todos estos modelos tienen una característica común: la

variable dependiente (“Meses” o “Trabajo”) no es continua. Cuando tratamos de

estimar un modelo cuya variable dependiente es discreta, la regresión a través de

mínimos cuadrados ordinarios tiene una serie de problemas1. Por este motivo

debemos utilizar un modelo de estimación adecuado a nuestra disponibilidad de

datos. En consecuencia, para el primer modelo cuya variable dependiente es

binaria, utilizaremos un Logit.

Sin embargo, para los dos últimos modelos nos enfrentamos a otro tipo de

variable dependiente. Además de presentarse un problema discreto, en este caso

nuestras variables presentarán más de dos alternativas de output posibles, es decir

que no son binarias sino categóricas. Este tipo de problemas se conocen como

multinomiales debido a que la variable dependiente toma un conjunto discreto y

finito de valores o categorías posibles (Espitia, C., 2011).

Utilizaremos, por este motivo, un modelo Logit Multinomial. De esta forma,

podremos estimar el efecto de los honores en nuestras variables de interés que

poseen más de dos categorías de outputs posibles. En este tipo de modelos

debemos seleccionar una categoría como base. Así, el coeficiente estimado será el

1 En primer lugar, el término de error es heterocedastico por construcción ya que su varianza depende de las variables independientes. Además, es posible que el modelo realice predicciones inconsistentes. Estos son modelos de probabilidad de ocurrencia de eventos, y al ser estimados con mínimos cuadrados, pueden otorgar predicciones por fuera del intervalo (0, 1). Para saber más acerca de este tópico léase Wooldridge (2002).

9

impacto de los honores en una determinada categoría con respecto a otra, es decir,

la determinada como referencia. En la sección de resultados retomaremos esta

discusión.

10

IV. Modelo Conceptual

En esta sección presentaremos el modelo econométrico que utilizaremos

para estimar el impacto de los honores universitarios en nuestras variables de

relevancia para los modelos con variables categóricas.

El modelo Logit Multinomial (MNL) tiene “S” posibles estados o categorías

donde s= 1, 2, 3…S que son exclusivas y exhaustivas (Nkamleu y Kielland, 2006).

En nuestro análisis, las categorías consideradas para cada modelo están descriptas

en la Tabla 1.

Tabla 1

Descripción de las variables categóricas.

Situación laboral Demora en conseguir empleo

1. Desempleado: El graduado no

consiguió empleo.

2. Empleado: El graduado consiguió

empleo.

3. Inactivo: El graduado no buscó

empleo.

1. No Demora: El graduado demoró menos

de un mes en conseguir empleo.

2. Demora poco: El graduado demoró

entre uno y tres meses en conseguir

empleo.

3. Demora: El graduado demoró entre tres

y seis meses en conseguir empleo.

4. Demora mucho: El graduado demoró

más de seis meses en conseguir empleo.

Si existe una muestra de individuos I=1, 2, 3….N, dadas nuestras categorías

S=1, 2, 3…S, el Modelo Logit Multinomial asigna probabilidades a los eventos

caracterizados como “iésimo graduado en la categoría s”. El vector de

características del graduado se denotará como “Z”.

El modelo Logit Multinomial (MNL) a través de las S categorías puede

especificarse entonces, siguiendo a Cramer (2003), como:

para s≠1

11

para s=1

Para estimar este modelo se necesita normalizar en una categoría, que será

designada como “estado de referencia” (Nkamleu y Kielland, 2005). En nuestro

análisis, las categorías de referencia serán “Demora Mucho” e “Inactivo”

respectivamente para cada uno de los modelos.

Por un lado, buscamos estimar el impacto de los honores en la demora de

los graduados en conseguir empleo. Por lo tanto, elegimos como base la categoría

“Demora mucho” ya que esta es la categoría extremo (más de seis meses) y por lo

tanto los resultados serán más fáciles de interpretar. Por otro, estimaremos el

efecto en la situación laboral de los graduados y elegimos como categoría base

“Inactivo” por las mismas razones.

Al estimar estos modelos con los programas estadísticos básicos2, los

coeficientes obtenidos se expresan como cambios en los “log-odds” para

incrementos de una unidad en cada variable independiente, manteniendo las

demás constantes. Los “log-odds” son los logaritmos de los ratios entre las

probabilidades de pertenecer a cada categoría de la variable dependiente y la

probabilidad de pertenecer a la categoría base de la variable dependiente.

A partir de los “log-odds” se puede calcular el Ratio de Riesgo Relativo, que

mide la probabilidad de pertenecer a cada categoría con respecto a la probabilidad

de pertenecer a la categoría base. Computando se obtiene el factor por el que se

multiplica a cada ratio de probabilidades frente a cambios en las variables

independientes (IDRE, 2014). De esta forma si el primer coeficiente es negativo el

factor será menor a uno, lo que reducirá la probabilidad relativa de pertenecer a la

categoría en cuestión respecto de la categoría base. Por el contrario, si el primer

coeficiente es positivo, el factor será mayor a uno, lo que aumentará la

probabilidad relativa de pertenecer a la categoría en cuestión respecto de la

categoría base.

2En nuestro caso, los parámetros serán estimados utilizando Stata.

12

V. Modelo Empírico

En esta sección presentaremos las variables utilizadas en nuestras

estimaciones. A continuación expondremos una lista de las variables

independientes incluidas en los modelos. Una descripción estadística de las

mismas será presentada en la Tabla 2.

Variable independiente de interés

HONORES es una variable binaria que específica si el alumno se graduó con

honores de la universidad (0 = no se graduó con honores, 1 = se graduó con

honores).

Variables de control

GENERO indexa el género del graduado (0 = femenino, 1 = masculino). Es

una variable de control que captura el impacto del género del individuo en

nuestras variables de interés.

ADMINISTRACIÓN es una variable binaria que específica si el alumno

estudió Administración durante su paso por la Universidad (0 = no estudió

administración, 1 = estudió administración).

ABOGACÍA es una variable binaria que específica si el alumno estudió

Abogacía durante su paso por la Universidad (0 = no estudió abogacía, 1 = estudió

abogacía).

CIENCIAPOL es una variable binaria que específica si el alumno estudió

Ciencias Políticas durante su paso por la Universidad (0 = no estudió ciencias

políticas, 1 = estudió ciencias políticas).

CONTADOR es una variable binaria que específica si el alumno estudió

Contabilidad durante su paso por la Universidad (0 = no estudió contabilidad, 1 =

estudió contabilidad).

13

EDUCACIÓN es una variable binaria que específica si el alumno estudió

Educación durante su paso por la Universidad (0 = no estudió educación, 1 =

estudió educación).

ECONOMÍA es una variable binaria que específica si el alumno estudió

Economía durante su paso por la Universidad (0 = no estudió economía, 1 =

estudió economía).

RELACIONES es una variable binaria que específica si el alumno estudió

Relaciones Internacionales durante su paso por la Universidad (0 = no estudió

relaciones internacionales, 1 = estudió relaciones internacionales).

PROMEDIO es una variable continua que indica el promedio de graduación

del alumno. Esta variable es muy importante si queremos medir el impacto de los

honores como señal informativa del tipo de agente y no incluir el efecto de las

“habilidades” del mismo, ya que estas probablemente estén correlacionadas con

nuestra variable de interés. De esta manera, incluir el promedio de graduación en

el modelo nos permite enmendar un posible sesgo por omisión de una variable.

PROMOCION11 es una variable binaria que específica si el alumno se

graduó en la onceava promoción (0 = no se graduó en la onceava promoción, 1 = se

graduó en la onceaba promoción).

PROMOCION12 es una variable binaria que específica si el alumno se

graduó en la doceava promoción (0 = no se graduó en la doceava promoción, 1 = se

graduó en la doceava promoción).

PROMOCION13 es una variable binaria que específica si el alumno se

graduó en la décimo tercera promoción (0 = no se graduó en la décimo tercera

promoción, 1 = se graduó en la décimo tercera promoción).

14

VI. Resultados

La Tabla 2 presenta una descripción estadística de las variables incluidas en

nuestra muestra y para una base de datos de toda la población graduada de la

Universidad de San Andrés3. Los resultados muestran que las variables observadas

se encuentran equilibradas para los dos grupos. Esto nos permite afirmar que

nuestra base de datos es una muestra representativa de los alumnos graduados en

la historia de la Universidad. Por esta razón, nuestros resultados pueden

considerarse válidos para nuestro caso de estudio.

Tabla 2

Descripción estadística de la muestra y la población: medias y desvíos estándar.

3La Oficina de Graduados de la Universidad de San Andrés cuenta con una plataforma informática en la que se registran los datos de todos los alumnos que asisten a ella. De la misma se obtuvo una base de toda la población graduada de la Universidad desde el momento de implementación de la plataforma hasta la actualidad.

Muestra

Población

Administración

.4452

.4886

(.4900)

(.5000)

CienciaPol

.0657

.0472

(.2482)

(.2121)

Contabilidad

.1204

.0489

(.3261)

(.2158)

Educación

.1168

.0134

(.3217)

(.1150)

Economía

.1313

.2854

(.3384)

(.4517)

Relaciones

.0839

.0978

(.2778)

(.2972)

Abogacía

.0766

.0186

(.2665)

(.1353)

Honores

.1715

.1334

(.3776)

(.3401)

Promedio

7.3820

7.1585

(.9407)

(.916)

Género

.5109

.5679

(.5008)

(.4955)

Observations

274

1717

15

La Tabla 3 presenta los resultados del modelo que estima el impacto de las

variables en la probabilidad de estar empleado. Si bien los coeficientes de la

variable “Honores” no son significativos, sí cuentan con el signo esperado a priori.

Los honores impactan de forma positiva haciendo más probable que los alumnos

pertenezcan a la categoría empleados. Otro importante resultado que debe ser

destacado es el coeficiente positivo y significativamente estadístico de la variable

“Promedio”, en el que el coeficiente es significativo al cinco por ciento e indica que

un aumento en el promedio de graduación aumenta la probabilidad del graduado

de conseguir empleo.

Tabla 3

Logit para la probabilidad de estar empleado

Empleado Variables

Honores

1.044

(1.180)

Promedio

0.861

(0.340)**

Promoción11

-1.160

(0.664)

Promoción12

-1.292

(0.647)**

Género

0.174

(0.478)

Administración

1.310

(1.024)

CienciaPol

-1.819

(1.160)

Contabilidad

-0.338

(0.861)

Educación

0.021

(1.233)

Economía

-0.189

(1.170)

Relaciones

1.400

(1.479)

Abogacía

-0.931

(1.248)

_cons

-3.372

(2.588)

N= 259. *p<0.10; **p<0.05; ***p<0.01

16

La Tabla 4 presenta los resultados de las regresiones que estiman el

impacto de las variables en la situación laboral de los graduados. Los coeficientes

de la variable “Honores” son significativos, al cinco y al uno por ciento

respectivamente para cada categoría, y con el signo esperado a priori. Para ambos

casos, es decir para las categorías de alumnos empleados y desempleados, los

honores impactan de forma negativa haciendo más probable que los alumnos

pertenezcan a la categoría base: inactivos.

Tabla 4

Multinomial Logit para la situación laboral de los graduados

Desempleado

Empleado

RRR Variables Coeficientes RRR

Coeficientes

1.Honores

-3.565

-2.797

(1.647)** 0.028 (1.048)*** 0.064

Promedio

-6.151

-7.181

(6.932) 0.021 (5.562) 0.007

Promedio2

0.386

0.521

(0.484) 1.470 (0.385) 1.683

Promoción11

0.996

-0.074

(1.022) 2.708 (0.799) 0.928

Promoción12

1.112

-0.212

(0.999) 3.039 (0.781) 0.808

Género

-0.071

-0.234

(0.758) 0.931 (0.609) 0.791

Administración

-16.426

-15.085

(1,589.154)

(1,589.154)

CienciaPol

2.477

0.698

(2,739.820)

(2,739.819)

Contabilidad

15.547

15.240

(1,493.086)

(1,493.086)

Educación

-15.954

-15.877

(1,589.154)

(1,589.154)

Economía

-14.705

-14.870

(1,589.154)

(1,589.154)

Relaciones

-0.921

0.521

(2,401.849)

(2,401.848)

Abogacía

1.518

0.626

(2,424.794)

(2,424.794)

_cons

39.529

42.681

(1,589.347)

(1,589.282)

N= 274. *p<0.10; **p<0.05; ***p<0.01

17

Podemos interpretar los coeficientes obtenidos de las regresiones a partir

del Ratio de Riesgo Relativo (RRR). Estos ratios pueden obtenerse con un comando

en Stata o simplemente computando , para cada uno de los coeficientes de

interés.

Nuestras estimaciones indican que si un individuo pasa de no tener a tener

honores, para los graduados desempleados relativo a los inactivos, se espera que el

log-odd se reduzca en 3,56 unidades, dadas las otras variables constantes. En

términos del Ratio de Riesgo, se espera que el RRR disminuya en un factor de

0,028. Es decir, el riesgo relativo de pertenecer al grupo de desempleados será de

0,028 veces menor.

Por otra parte, si un individuo pasa de no tener a tener honores, para los

graduados empleados relativo a los inactivos, se espera que el log-odd se reduzca

en 2,80 unidades, dadas las otras variables constantes. En términos del Ratio de

Riesgo, se espera que el RRR disminuya en un factor de 0,064. Es decir, el riesgo

relativo de pertenecer al grupo de empleados será de 0,064 veces menor.

En síntesis encontramos que, para las dos categorías, los honores

disminuyen la probabilidad de pertenecer a las mismas entre 0,028 y 0,064 veces.

Esto demuestra que aquellos graduados que reciben honores tienen una

probabilidad entre 2% y 6% menor de estar activos en el mercado laboral,

posponiendo su inserción en el mercado laboral.

La Tabla 5 presenta los resultados de las regresiones que estiman el

impacto de las variables en el tiempo que demoran los graduados en conseguir

empleo. Para los honores, los coeficientes son significativos y con el signo esperado

a priori. Para los tres casos los honores impactan positivamente haciendo más

probable que los graduados pertenezcan a cada una de las categorías (No demora,

Demora poco y Demora) en relación a la probabilidad de pertenecer a la categoría

base (Demora mucho). Esto demuestra que los honores impactan

significativamente reduciendo el tiempo de demora de los graduados en conseguir

empleo.

18

Tabla 5

Multinomial Logit para el tiempo que los graduados demoran en conseguir empleo

Nodemora

Demora poco

Demora

RRR Variables Coeficientes RRR Coeficientes RRR Coeficientes

1.Honores

2.255

2.554

2.373

(1.196)* 9.533 (1.190)** 12.863 (1.294)** 10.725

Promedio

-1275

0.254

-0.114

(3.202) 0.279 (3.182) 1.289 (3.855) 0.891

Promedio2

0.116

-0.005

0.025

(0.221) 1.123 (0.220) 0.995 (0.266) 1.025

Promoción11

0.067

-0.428

-0.387

(0.545) 1.069 (0.521) 0.651 (0.658) 0.678

Promoción12

-0.456

-1.211

-0.477

(0.513) 0.633 (0.505)** 0.297 (0.614) 0.620

Género

-0.338

-0.520

-1309

(0.409) 0.713 (0.395) 0.594 (0.511)** 0.270

Administración

1399

0.523

0.441

(0.869)

(0.764)

(0.939)

CienciaPol

-0.765

-0.720

-0.445

-1146

(0.974)

(1.123)

Contabilidad

-0.168

0.069

-1273

(0.646)

(0.632)

(0.929)

Educación

0.587

0.018

-0.538

(1.028)

(0.919)

(1.141)

Economía

0.229

0.136

-0.841

(1.041)

(0.934)

(1.188)

Relaciones

1399

0.415

-0.190

(1.116)

(1.057)

(1.260)

Abogacía

-0.060

-0.755

-2325

(1.076)

(0.987)

(1.431)

_cons

2957

-0.427

0.187

(11.512) (11.421) (13.923)

N= 259. *p<0.10; **p<0.05; ***p<0.01

Los resultados muestran que si una persona pasa de no tener a tener

honores, para quienes no demoraron relativo a los que demoraron mucho, se

espera que el log-odd aumente en 2,55 unidades, dadas las otras variables

constantes. En términos del Ratio de Riesgo, el riesgo relativo de pertenecer al

grupo de quienes no demoraron es 9,534 veces mayor.

19

Por otra parte, si una persona pasa de no tener a tener honores, para

quienes demoraron poco relativo a los que demoraron mucho, se espera que el log-

odd aumente en 2,55 unidades, dadas las otras variables constantes. En términos

del Ratio de Riesgo, el riesgo relativo de pertenecer al grupo de quienes

demoraron poco es 12,864 veces mayor.

Por último, si una persona pasa de no tener a tener honores, para quienes

demoraron relativo a los que demoraron mucho, se espera que el log-odd aumente

en 2,37 unidades, dadas las otras variables constantes. En términos del Ratio de

Riesgo, el riesgo relativo de pertenecer al grupo de quienes demoraron es 10,725

veces mayor.

En síntesis encontramos que, para las tres categorías (No demora, Demora

poco y Demora), los honores aumentan la probabilidad de pertenecer a estas entre

9,53 y 12,86 veces. Esto demuestra que aquellos graduados que reciben

honores tienen una probabilidad de no pertenecer al grupo de alumnos que

demoran mucho en conseguir empleo entre un 900% y un 1200% más

grande que aquellos alumnos que no recibieron honores.

Si bien en este tipo de modelos la interpretación de los coeficientes en

términos cuantitativos resulta algo engorrosa, cualitativamente no se pierde de

vista que se trata de cambios en la probabilidad de pertenecer a cada categoría

respecto de la probabilidad de pertenecer a la categoría base. De esta forma,

creemos importante recalcar el hallazgo de coeficientes estadísticamente

significativos y con el signo esperado, que indican la presencia de un impacto de

nuestra variable de interés, respondiendo así la pregunta central de este escrito.

20

VII. Conclusiones

Esta investigación empírica nos ha permitido responder la pregunta inicial.

Los resultados arrojados por las regresiones nos han demostrado que los honores

tienen impacto en la inserción laboral de los graduados de la Universidad de San

Andrés. Si bien no existe un efecto estadísticamente significativo para la

probabilidad de estar empleado, este sí se observa en el tiempo de demora de los

alumnos en conseguir empleo y en su decisión de posponer la entrada al mercado

laboral. Otro resultado importante es que un incremento en el promedio aumenta

la probabilidad del graduado de conseguir empleo.

Encontramos que aquellos graduados que reciben honores tienen una

probabilidad entre 2% y 6% menor de estar activos en el mercado laboral y de no

pertenecer al grupo de alumnos que demoran mucho en conseguir empleo entre

un 900% y un 1200% más grande que aquellos alumnos que no recibieron

menciones especiales.

La decisión de postergar la inserción en el mercado laboral puede

explicarse, como teorizamos en el comienzo del trabajo, a partir de la literatura

acerca de información asimétrica. Parece razonable pensar que los alumnos

graduados con honores, es decir los más “habilidosos” y con un costo de educarse

menor, decidan seguir invirtiendo en educación aún después de haber finalizado

sus estudios en la universidad para enviar señales todavía más altas acerca de sus

capacidades.

Lo mismo ocurre con la reducción del tiempo de demora en la inserción

laboral. Para aquellos alumnos graduados con honores que sí decidieron ingresar

al mercado una vez finalizada su carrera en la universidad nuestros datos aportan

evidencia empírica en consonancia con la literatura. Se muestra que los honores

pueden estar actuando como una señal informativa de las capacidades del agente

reduciendo considerablemente su tiempo de espera para conseguir empleo en

relación con quienes no se graduaron con menciones.

21

Bibliografía

Cramer, J. S. (2003).Logit Models from Economics and Other Fields.Cambridge:

Cambridge UniversityPress.

Espitia, C. (2011). Modelos con variable dependiente discreta y limitada con Stata.

Manuscrito no publicado, Universidad Icesi, Colombia.

Greene, W. (2002). EconometricAnalysis. New Jersey: Prentice Hall.

IDRE.Institute for digital research and education.En línea. Recuperado el 3 de Mayo

de 2014, de http://www.ats.ucla.edu/stat/stata/dae/mlogit.htm.

Laffont, J. y Martimort, D. (2002).The Theory of Incentives: The principal-agent

model. Princeton, New Jersey: Princeton UniversityPress.

Manual de Políticas y Procedimientos de la Universidad de San Andrés (2011).En

línea. Recuperado el 7 de Marzo de 2014, del sitiode la Universidad de San Andrés:

http://www.udesa.edu.ar/files/Institucional/Politicas_y_Procedimientos_Universi

dad_de_San_Andres_2011.pdf .

Nkamleu, G. Y Kielland, A. (2006). Modeling Farmer’s Decisiones on Child Labor

and Schooling in the Cocoa Sector: A Multinomial Logit Analysis in Côte d’Ivoire.

Agricultural Economics, 35, 319-333.

Salanie, B. (1997). The Economics of Contracts: A Primer second edition. Cambridge:

The MIT Press.

Schmidt, P. y Strauss, R. (1975). The prediction of occupation using multiple logit

models.International EconomicReview, 16(2), 471-486.

Smith, A. (1776). La Riqueza de las Naciones. Madrid: Bubok Publishing.

Spence, M. (1973).Job Market Signaling.The Quarterly Journal of Economics, 87(3),

355-374.

Wooldridge, J. (2002). Econometric Analysis of Cross Section and Panel

Data.Cambridge: The MIT Press.