¿cuál es el impacto de los honores...
TRANSCRIPT
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.