Desempleo de jóvenes en Perú

  • Economía
  • 15 minutos de lectura
50
Economía y Sociedad 51, CIES, abril 2004
Propensity Score Matching: re-evaluando ProJoven1
Cybele Burga - CEDEP
Uno de los segmentos demográficos más perjudica-
dos durante los últimos años, en lo que se refiere a
inserción laboral, ha sido el de los jóvenes cuyas
edades fluctúan entre los 14 y 25 años. Estos jóvenes
enfrentan las más altas tasas de desempleo y de
subempleo por ingresos.
Las explicaciones de este fenómeno son varias: la
explosión demográfica de los años 1970 y el aumen-
to de la tasa de actividad; el deterioro de la calidad
de la educación; el incremento de los jóvenes en las
ciudades debido a las migraciones desde la sierra del
Perú hacia las ciudades capitales, principalmente
Lima; entre otras.
En el cuadro 1 se aprecia la diferencia entre las tasas
de desempleo y subempleo que enfrentan los jóve-
nes y los adultos en Lima Metropolitana y el resto de
zonas urbanas.
Un aspecto preocupante es que el desempleo es mayor
entre los jóvenes que han tenido acceso a algún tipo de
capacitación (véase el cuadro 2). Ello, posiblemente,
debido a la pobre calidad de los cursos de capacitación,
lo cual se manifiesta en la poca credibilidad de los
empresarios respecto de la capacidad de dichos cursos
para incrementar la productividad de sus trabajadores,
siendo esto consistente con los bajos niveles de capa-
citación de los jóvenes en las empresas (1,6%).
Edad en años Jóvenes Adultos
[14-19] [20-24] de 25 a más
Lima Metropolitana
Tasa de desempleo 16,9 14,4 5,6
Tasa de subempleo
- Por horas 65,7 33,1 27,2
- Por ingresos 40,3 26,9 27,6
Resto urbano
Tasa de desempleo 10,9 12,9 5,3
Tasa de subempleo
- Por horas 87,3 66,1 47,2
- Por ingresos 50,9 38,9 35,7
Fuente: INEI (2000). Encuesta Nacional de Hogares, III trimestre
Perú: indicadores laborales de la población
joven y adulta
Cuadro 1
«Un aspecto preocupante
es que el desempleo es
mayor entre los jóvenes
que han tenido acceso a
algún tipo de capacitació
¿Recibió algún tipo de capacitación?
No Sí
Lima Metropolitana
Tasa de desempleo 16,2 13,9
Tasa de subempleo
- Por horas 49,4 40,3
- Por ingresos 30,9 34,7
Resto urbano
Tasa de desempleo 10,1 16,2
Tasa de subempleo
- Por horas 77,7 72,4
- Por ingresos 44,5 44,9
Fuente: INEI (2000). Encuesta Nacional de Hogares, III trimestre
1/ Resumen del documento titulado Re-evaluando ProJoven: Propensity
Score Matching y una Evaluación Paramétrica, desarrollado en el marco
del Concurso de Investigación CIES 2001, auspiciado por ACDI-IDRC.
Podrá descargar la versión completa de este documento desde
www.consorcio.org/programa2001.asp
Indicadores laborales para jóvenes capacitados
y no capacitados
Cuadro 2
51
Economía y Sociedad 51, CIES, abril 2004
Debido a este y a otros factores, surge el programa de
capacitación laboral juvenil ProJoven del Ministerio de
Trabajo y Promoción Social (MTPS), a mediados de
1996, con el propósito de aliviar las limitadas oportu-
nidades de empleo que enfrenta este segmento de la
población. En tal sentido, el MTPS se ha propuesto fo-
mentar el diseño de cursos que respondan a la de-
manda existente en el mercado, para evitar, de esta
forma, problemas de sobreeducación en capacida-
des no requeridas o que no cumplan con estándares
mínimos de calidad.
Esto es a lo que aspira el programa. Sin embargo, el
cumplimiento de tales objetivos debe ser verificado
mediante métodos científicos que permitan afirmar que
los resultados esperados sobre variables como el ingre-
so laboral y el número de horas trabajadas por el joven
capacitado se están, efectivamente, cumpliendo.
El programa y sus objetivos
El programa ProJoven capacita a jóvenes en el desa-
rrollo de actividades específicas y comprende dos fa-
ses: formación técnica y formación laboral. La primera
tiene una duración de 3 meses y está a cargo de las
entidades de capacitación (ECAP), las cuales diseñan
cursos con características que respondan a las necesi-
dades de las empresas, previa coordinación con estas
últimas. La segunda corresponde a las pasantías y es
remunerada por la empresa contratante, e implica un
vínculo con una duración mínima de tres meses.
El proceso de selección de las ECAP involucra, en su
primera etapa, un proceso de preclasificación en el
cual se evalúa la experiencia previa de capacitación,
la capacidad administrativa, la capacidad de gestión y
los recursos humanos con los que cuenta la ECAP. Aque-
llos que superen dicho proceso, deben presentar pro-
puestas de cursos que tengan una demanda compro-
bada en el mercado.
El diseño del programa asigna al Estado las funciones
de promoción, financiamiento, contratación y super-
visión de los servicios de capacitación y deja la pres-
tación directa de estos últimos a entidades públicas o
privadas, las que compiten entre sí, y resulta ganado-
ra la que ofrezca el curso de mayor calidad y menor
costo relativo.
De esta forma, se pretende alcanzar dos objetivos fun-
damentales: mejorar las oportunidades laborales de
los jóvenes (productividad y empleabilidad) y fomentar
el desarrollo de una oferta de programas de capacita-
ción de alta calidad, que responda a las exigencias
del mercado.
El problema y la metodología
propuesta para superarlo
El problema fundamental de la evaluación de progra-
mas sociales consiste en que, una vez que este es de-
sarrollado, es imposible observar los resultados de no
participar y participar al mismo tiempo, dado que la
persona se encuentra en una situación o en la otra. Al
ser uno de estos resultados desconocido, se debe for-
mular un procedimiento para simular el programa, rea-
lizar la comparación y, finalmente, medir su impacto.
Dada esta restricción, mucha de la literatura se ha cen-
trado en métodos de estimación de impactos prome-
dio y el efecto promedio del tratamiento sobre los
tratados, formando grupos de beneficiarios y no be-
neficiarios con características similares (grupos com-
parables), para luego contrastar la variación en ciertas
variables que son materia de estudio.
Normalmente, es posible estimar el valor de la varia-
ble estudiada luego de que los jóvenes participaron
en el programa. La principal dificultad radica, no obs-
tante, en estimar el valor que esta variable hubiera to-
mado, en el caso que los beneficiarios no hubiesen
participado en él.
Experimentos sociales y matching
Al respecto, existen métodos tales como la realización
de un experimento social, donde solo se admite en
el programa a jóvenes que certifiquen cumplir con un
«El problema fundamental
de la evaluación de
programas sociales consiste
en que, una vez que este
es desarrollado, es
imposible observar los
resultados de no participar
y participar al mismo
tiempo, dado que la
persona se encuentra en
una situación o en la otra»
52
Economía y Sociedad 51, CIES, abril 2004
determinado conjunto de características X (que asegu-
re su comparación) y, posteriormente, someterlos alea-
toriamente al tratamiento (capacitación). Como el pro-
ceso aleatorio tiene comúnmente un alto costo econó-
mico y político, este experimento no suele realizarse.
En consecuencia, la estimación de dicha variable, en
el caso de que los individuos beneficiados no hubie-
sen participado en el programa, se realiza construyen-
do un grupo de comparación de no participantes que
cuenten con un vector de características similares al
de los beneficiarios.
Propensity score
El matching2 entre las características (X) depende de
los criterios utilizados para medir su similitud. Estos son
particularmente difíciles de definir, cuando el vector X
está compuesto por una gran cantidad de variables o
características. Para superar este problema, se propo-
ne el uso del propensity score P(X)3 o la probabilidad
de haber sido escogido para participar en la capacita-
ción, como criterio de comparación entre individuos,
estableciendo una medida alternativa más sencilla para
realizar el matching o pareo entre los individuos que
tengan similares probabilidades de ser escogidos para
participar en el programa.
Una vez estimado el propensity score por individuo,
se procede a realizar el matching bajo dos modalida-
des: matching paramétrico y no paramétrico.
Matching paramétrico
El matching paramétrico se caracteriza por imponer
supuestos comunes a todo el rango de datos (el uso del
propensity score como criterio de comparación es
opcional y no determinante). Entre los estimadores
paramétricos más comunes, encontramos al dedife-
rencia en diferencias, que consiste en el cálculo de la
diferencia en el cambio promedio de la variable eva-
luada con un modelo lineal relativamente sencillo.
Entre sus principales desventajas, se encuentran las
posibles distorsiones de no considerar las característi-
cas individuales y las heterogeneidades al interior de
las distintas categorías laborales. Por otro lado, en el
caso particular de la variable ingreso laboral, se tiene
una distribución que colapsa en el valor cero (donde
se encuentran concentrados los desempleados o inac-
tivos). La estimación paramétrica permite superar este
problema fácilmente, recurriendo a estimaciones del
tipo tobit, que corrigen las distorsiones producidas
cuando se estiman variables censuradas.
Matching no paramétrico
La segunda modalidad, matching no paramétrico, re-
curre al propensity score P(x) como criterio para reali-
zar el matching, planteando una serie de alternativas
de estimación. La primera alternativa consistiría en un
matching uno a uno, donde el tratado (capacitado)
es relacionado con la persona del grupo de control que
tiene el P(x) más cercano al suyo.
Esta alternativa tiene una variante, conocida como
Caliper Matching, que compara al individuo trata-
do con un promedio ponderado de las observacio-
nes del grupo de control, que cumplan con tener un
propensity score similar al del individuo tratado. El
diferencial del propensity score de los individuos del
grupo de control con respecto al del individuo eva-
luado (| pi  pj |), debe ser menor a una determina-
da magnitud (d), es decir, d > | pi  pj |. Si cumple
con este requisito, es incluido dentro de la suma pon-
2/ Entiéndase como el apareamiento de los beneficiarios con los contro-
les (jóvenes no participantes) que cumplan con el criterio de compara-
ción (ya sea el propensity score o por las características individuales).
3/ El cual se estima con un modelo de elección discreta, logit o probit,
utilizando como variables explicativas las características individuales
de las personas.
53
Economía y Sociedad 51, CIES, abril 2004
derada de la variable evaluada (por ejemplo, el in-
greso), donde los ponderadores siempre deben su-
mar uno y son de mayor magnitud, mientras más pe-
queña sea la diferencia de su P(x) con respecto al del
individuo evaluado (a manera de premio, por su
mayor similitud). Por otro lado, si | pi  pj | > d,
entonces, estas observaciones del grupo de control
son excluidas de la suma ponderada.
Una segunda alternativa, conocida como estimador de
ponderadores suavizados, considera la posibilidad
de que el Caliper Matching elimine demasiadas ob-
servaciones. En tal sentido, se propone no eliminarlas,
si no ponderarlas, castigando a las que se alejen más
del P(x) del tratado ( | pi  pj | ) con una ponderación
menor y premiando a los que más se aproximen con
una mayor, sin excluir a ninguna observación del pro-
medio ponderado.
Si aún así se considera que las diferencias en los P(x)
pueden distorsionar la estimación, se puede imponer
la condición de soporte común. Esta exige que se
eliminen de la estimación de ponderadores suaviza-
dos a aquellos beneficiarios cuyo P(x) sea mayor al
P(x) máximo observado en el grupo de control y, recí-
procamente, que se eliminen a aquellos controles cu-
yos P(x) sean menores que el P(x) mínimo observado
en el grupo de los beneficiarios.
En conclusión, se puede afirmar que si bien las estima-
ciones no paramétricas son más complejas de estimar
que las paramétricas, aquellas permiten obtener esti-
maciones irrestrictas sin asumir una distribución co-
mún para todo el rango de datos (ya que este supuesto
puede no darse), sino sobre la base de distribuciones
paramétricas locales (criterio menos rígido).
Resultados y conclusiones
En la siguiente sección, nos centraremos en el impac-
to del programa sobre el ingreso laboral (por hora y
mensual). Adicionalmente, se estima el impacto sobre
el total de horas trabajadas a la semana.
En general, los resultados ratificaron algunas evalua-
ciones previas de ProJoven. Así, se verificó que el im-
«...si bien las
estimaciones no
paramétricas son más
complejas de estimar
que las paramétricas,
aquellas permiten
obtener estimaciones
irrestrictas sin asumir una
distribución común para
todo el rango de datos...»
pacto promedio sobre la variable ingreso mensual es
positivo y significativo. Sin embargo, en el caso de la
cantidad de horas trabajadas y el ingreso por hora, los
efectos son positivos pero no estadísticamente signifi-
cativos. El impacto mayor sobre los ingresos mensuales
se alcanza a los 12 meses de acabada la fase lectiva
(segunda medición)4.
En lo que respecta a la estimación no paramétrica, se
procedió a estimar el propensity score buscando ob-
tener la mejor predicción de la probabilidad de ser
incluido en el programa. Con este indicador como cri-
terio de comparación, se procedió a realizar el mat-
ching bajo los distintos procedimientos propuestos.
Así, usando el estimador de ponderadores suaviza-
dos, se obtuvo un impacto positivo sobre el ingreso
mensual y el ingreso por hora. Sin embargo, el ingreso
por hora, a diferencia del ingreso mensual, resultó no
ser estadísticamente significativo. Por su parte, las ho-
ras trabajadas reflejan un impacto positivo y significa-
tivo. Entonces, el mayor ingreso mensual podría ser
explicado por un mayor número de horas trabajadas y
no por un aumento en la productividad del trabajador
(o aumento de los ingresos por hora). Al igual que en la
estimación de diferencia en diferencias, se puede
apreciar que el mayor impacto se da en la segunda
medición (a los 12 meses del tratamiento).
Cuantificando los resultados respecto de los ingresos
laborales mensuales, se puede observar un incremen-
to de 156 soles en promedio en los ingresos de los
jóvenes que participan del programa (con la muestra
censurada) y en 144 soles (con la muestra truncada)5
con respecto al grupo de control (muestra truncada).
Estos resultados son robustos y confiables, aun si consi-
«...se puede observar un
incremento de 156 soles en
promedio en los ingresos de
los jóvenes que participan
del programa...» 4/ La primera medición se realiza a los 6 meses, la segunda a los 12
meses y la tercera a los 18 meses de terminada la fase lectiva.
54
Economía y Sociedad 51, CIES, abril 2004
deramos únicamente individuos que no han recibido
capacitación posterior al programa. Para el caso de la
muestra censurada, también se aprecia un aumento
en el número de horas trabajadas a la semana para los
que participaron en el programa con respecto a los
que no lo hicieron. Sin embargo, este resultado no se
repite para la muestra truncada.
Las estimaciones paramétricas y no paramétricas de-
sarrolladas líneas arriba, no toman en consideración la
naturaleza censurada de los datos (por la alta concen-
tración del ingreso en el valor cero correspondiente a
los desempleados e inactivos). Con el fin de corregir
esta distorsión, se desarrolló un modelo tobit para esti-
mar la probabilidad de que el individuo se encuentre
remunerado en la etapa posterior. Sin embargo, a pe-
sar de que se rechazó la hipótesis que planteaba que
las variables explicativas no son significativas, este
modelo mostró un poder explicativo muy pobre (R2
bajo). A continuación, se incluyeron estos resultados
(corrección por sesgo) en la ecuación de diferencia
en diferencias (ya que el modelo tobit se realiza en
dos etapas). Los resultados cambian respecto de la es-
timación de diferencia en diferencias estándar, ya
que la variable D (tratado o no tratado) resulta no sig-
nificativa, lo cual implicaría que el participar o no del
programa, no tiene ningún efecto sobre el ingreso.
Conclusiones
El presente estudio estimó el impacto que el programa
de capacitación laboral juvenil ProJoven tuvo sobre sus
participantes. Con este propósito, se recurrió a diferen-
«...es necesario
complementar la
evaluación de impacto
del programa con una
evaluación financiera,
que permita estimar el
costo económico y social
del programa, para llevar
a cabo una evaluación
costo-beneficio
completa»
tes metodologías para mejorar la comparación entre el
grupo de beneficiarios y el grupo de control y, por ende,
mejorar la estimación del impacto antes mencionado.
Entre todas las metodologías empleadas, la más robusta
y confiable fue la técnica no paramétrica de propensity
score matching, cuyos resultados fueron consistentes
con los estimadores de diferencias en diferencias, tra-
dicionalmente utilizados para evaluar el programa. Por
el contrario, las técnicas paramétricas, con supuestos
más restrictivos, tuvieron un pobre desempeño.
Sin embargo, es necesario complementar la evalua-
ción de impacto del programa con una evaluación fi-
nanciera, que permita estimar el costo económico y
social del programa, para llevar a cabo una evaluación
costo-beneficio completa. Asimismo, se debe comple-
mentar estas evaluaciones con otras cualitativas, como
las denominadas evaluaciones de proceso, en las si-
guientes convocatorias, de tal forma que sea posible
identificar el impacto de cada una de las etapas que
conforman el proyecto.
Finalmente, dada la importancia de cuantificar el im-
pacto de este programa, se sugiere la implementación,
de forma permanente, de un programa de evaluacio-
nes que permita analizar la conveniencia de institu-
cionalizarlo dentro del conjunto políticas públicas de-
sarrolladas por el Estado.
5/ Se da cuando simplemente se excluyen de la muestra a las personas
que no perciben ingreso.

Hazle saber al autor que aprecias su trabajo

Tu opinión vale, comenta aquíOculta los comentarios

Comentarios

comentarios

Compártelo con tu mundo

Escrito por:

Cita esta página
Económica Y Social (CIES) Consorcio de Investigación. (2006, junio 24). Desempleo de jóvenes en Perú. Recuperado de https://www.gestiopolis.com/desempleo-jovenes-peru/
Económica Y Social (CIES), Consorcio de Investigación. "Desempleo de jóvenes en Perú". GestioPolis. 24 junio 2006. Web. <https://www.gestiopolis.com/desempleo-jovenes-peru/>.
Económica Y Social (CIES), Consorcio de Investigación. "Desempleo de jóvenes en Perú". GestioPolis. junio 24, 2006. Consultado el 20 de Junio de 2018. https://www.gestiopolis.com/desempleo-jovenes-peru/.
Económica Y Social (CIES), Consorcio de Investigación. Desempleo de jóvenes en Perú [en línea]. <https://www.gestiopolis.com/desempleo-jovenes-peru/> [Citado el 20 de Junio de 2018].
Copiar
Imagen del encabezado cortesía de jgoge123 en Flickr
DACJ