RENTABILIDAD ECONÓMICA DEL PROGRAMA DE

CAPACITACIÓN LABORAL DE JÓVENES CHILE JOVEN

por

Cristián Aedo* y Marcelo Pizarro Valdivia**

Abstract

Este trabajo presenta una estimación del impacto del Programa de Capacitación Laboral de Jóvenes

CHILE JOVEN sobre los participantes en tres variables: ingresos laborales, probabilidad de estar

ocupado y probabilidad de tener un empleo formal. Para efectuar la estimación de los impactos del

programa sobre los participantes se ha utilizado la metodología de estimadores de matching basada en

las propensiones estimadas a participar. Todas las estimaciones se han realizado para la muestra total

de participantes y para algunos cruces posibles por género y edad: Toda la muestra, Hombres,

Mujeres, Jóvenes, Adultos, Hombres jóvenes, Hombres adultos, Mujeres jóvenes y Mujeres adultas.

Los resultados obtenidos muestran impacto del programa en las variables estudiadas sólo para la

población joven. Entre éstos, el impacto en ingresos laborales, aunque mayor para los hombres en

términos absolutos, es más importante para las mujeres como porcentaje de su ingreso inicial. El

impacto en la probabilidad de estar ocupado fue especialmente importante para las mujeres, sin

embargo el impacto en la probabilidad de tener un empleo formal parece ser mayor en los hombres.

Palabras claves: Capital Humano; habilidades; diferenciales de salarios por habilidades,

capacitación, ocupación, etc.

Clasificación JEL: J24, J29, J31.

___________________________________________________ * Director de Desarrollo y Estudios, INACAP, caedo@inacap.cl. ** Coordinador del Proyecto de Asistencia Técnica a Chile Solidario, División Social de MIDEPLAN,

mpizarro@mideplan.cl.

1

1 Introducción

A partir de la década de los 90 los países de América Latina privilegiaron la capacitación

laboral como la forma de aumentar sus niveles de capital humano. Este esfuerzo se orientó

fuertemente a la población joven en situación de desventaja social. En Chile, diagnósticos

realizados por las autoridades a principios de los años 90 señalaban la existencia de un grupo de

jóvenes que habían quedado marginados de la posibilidad de obtener un empleo productivo al no

poseer un nivel mínimo de habilidades para desarrollarse en el mundo laboral. Surgen así el

Programa de Capacitación Laboral de Jóvenes "Chile Joven" en Chile, "Proyecto Joven" en

Argentina, "Projoven" en Perú, y otros.

En el caso de "Chile Joven", los once años de operación del programa significaron una

inversión de más de 107 millones de dólares (US$ de 2001) y una cobertura de casi 165.000

participantes. Este tipo de programas sigue desarrollándose en varios países de la región y

previsiblemente será replicado en otros.

La presente investigación pretende responder a tres preguntas básicas: (i) ¿Tuvo el

programa Chile Joven un impacto significativo en los ingresos laborales de los participantes?; (ii)

¿Tuvo el programa un impacto significativo en la probabilidad de estar empleado de los

participantes?; y (iii) ¿Tuvo el programa un impacto significativo en la probabilidad de los

participantes de tener un empleo formal?

A pesar del tiempo transcurrido desde el inicio del programa Chile Joven, no se ha llevado

a cabo una evaluación de éste con una metodología que intente superar los sesgos reconocidos en

la evaluación de impacto de programas sociales (Heckman y otros, 1997; Heckman y otro, 1999).

Los esfuerzos de evaluación realizados, no responden satisfactoriamente a preguntas como cuál

es el impacto del programa en la probabilidad de empleo de los participantes, ni cuál es su

impacto en los ingresos de éstos. Se han realizado algunos estudios que pretenden evaluar los

resultados del programa en algunas de sus fases (SENCE, 1996), pero en general se trata de

documentos descriptivos que no se hacen cargo de los sesgos implícitos en una simple

comparación de medias de variables de caracterización de los participantes antes y después del

programa. Finalizada la primera etapa del programa, evaluaciones realizadas por encargo del

2

parlamento concluyeron que los resultados de la Primera Fase eran satisfactorios y se recomendó

su continuidad dado el contexto laboral que se enfrentaba entonces: persistencia de altas tasas de

desempleo juvenil; una situación de menor empleabilidad de los jóvenes que los ubicaba como

grupo vulnerable; y la persistencia de un crecimiento económico sostenido que generaba un

escenario en el cual coexistía una demanda laboral que exigía algún grado de calificación, con un

alto desempleo juvenil pese a los niveles medios de desempleo. Santiago Consultores (1999)

desarrolló una evaluación de impacto del programa sobre la base de una encuesta a una muestra

de beneficiarios y a un grupo de control. La construcción del grupo de control es un aporte

interesante para la evaluación, pero la metodología utilizada no considera la existencia de sesgos

de selección. Por otra parte, Bravo y Contreras (2000) realizaron una estimación del impacto de

los incentivos monetarios a los organismos capacitadores, introducidos en el diseño del programa

a contar de 1995.

En una línea de acción más cercana a este estudio, Aedo y Nuñez (2001), realizaron una

estimación del impacto del programa Proyecto Joven de Argentina, de características muy

similares a Chile Joven, utilizando una metodología basada en las propuestas de Heckman,

Ichimura y Todd (1998) para tratar con los sesgos de selección. Los resultados de esta

investigación sugieren que el impacto del programa depende en gran medida del contexto en que

éste se desarrolle. Por su parte, Ñopo, Robles y Saavedra (2002) realizaron una evaluación

similar para Projoven en Perú, concluyendo que el programa incrementa en un 38% la masa

global de ingresos de los participantes.

En el presente trabajo, se realizará una investigación cuantitativa de tipo no experimental

basada en la metodología de Propensity Scores Matching Estimators expuesta por Heckman,

Ichimura y Todd (1998), adaptada y aplicada a datos de una muestra de participantes y controles

de los cursos correspondientes a dos llamados a licitación del programa, realizados el año 1997.

3

2. El programa Chile Joven1

El Programa Chile Joven fue creado en 1991 y su propósito fue capacitar a jóvenes en

situación de riesgo social y/o desempleo estructural. Los organismos encargados de administrar

su ejecución fueron el Servicio Nacional de Capacitación y Empleo (SENCE) y el Fondo de

Solidaridad e Inversión Social (FOSIS). Los objetivos específicos fueron: que los jóvenes

participantes generen una actitud positiva hacia el trabajo de manera de alcanzar efectivamente

una inserción laboral; que los jóvenes cuenten con competencias técnicas en un oficio, en un

nivel de semicalificación, de forma de facilitar su inserción laboral; Generar una oferta técnica de

capacitación pertinente con las necesidades del mundo de la empresa

El Programa ofreció una mezcla de formación en clases y experiencia práctica en firmas y

estuvo orientado a la demanda usando instituciones capacitadoras privadas para identificar las

oportunidades del mercado.

El programa se desarrolló en dos fases. La primera fue financiada con fondos del Estado de

Chile más un crédito del BID, se desarrolló entre 1991 y 1995, tuvo como meta capacitar a cien

mil jóvenes y dio prioridad a la integración social de los jóvenes. La segunda fase, cuya meta fue

dar 70.000 oportunidades de capacitación en tres años, se orientó más hacia los requerimientos

del sector productivo y la inserción laboral; comenzó en 1996, esta vez íntegramente financiada

por el gobierno de Chile, y aunque estaba proyectada hasta 1998, fue extendida hasta el año

2002.

Los requisitos para ser beneficiario del programa fueron:

• Ser joven de escasos recursos.

• Tener entre 16 y 24 años, preferentemente

• Estar cesante, subempleado, inactivo o buscando trabajo por primera vez.

• No encontrarse cursando ningún tipo de enseñanza formal, salvo aquella que se

imparte en la modalidad vespertina.

1 Esta sección esta basada en Aedo (2001), Cinterfor (1998), Cinterfor (1999), Feedback Comunicaciones (1997),

Larrechea y Guzmán (2002), Santiago Consultores Asociados (1999), SENCE (1996), SENCE (1997), SENCE

(1999a) y SENCE (1999b).

4

El Cuadro 1 muestra la cobertura del programa durante sus años de operación.

El programa se ejecutó a través de operadores privados denominados Organismos Técnicos

de Capacitación (OTEC), y se basó en la entrega de financiamiento, vía licitaciones públicas, a

estas instituciones externas, las que para participar tuvieron que estar debidamente incorporadas

en los registros de SENCE. Dependiendo del subprograma, las propuestas de estos organismos

debieron incluir “Compromisos de participación” de empresas que comprometieran la recepción

de alumnos del Programa.

Cuadro 1

Chile Joven: Número de beneficiarios al año 2001

Año Capacitados 1991 19.055 1992 20.764 1993 27.099 1994 19.962 1995 12.476 1996 18.439 1997 18.504 1998 14.910 1999 4.747 2000 4.260 2001 4.240 Total 164.456

Fuente: Aedo (2001)

Tras una campaña pública de difusión del programa, los jóvenes interesados debían

dirigirse a una Oficina Municipal de Información Laboral (OMIL), donde se les sometía a una

breve entrevista social para verificar si cumplían con la definición de beneficiario. Si

correspondía, aquí se les inscribía como candidato, se le informaba de las distintas alternativas de

capacitación y, de acuerdo a sus intereses, eran derivados al OTEC correspondiente, donde eran

sometidos a un proceso de selección.

El programa constó inicialmente de cuatro subprogramas, tres ejecutadas por SENCE y uno

por FOSIS.

En la Fase I los subprogramas fueron:

• Capacitación y Experiencia Laboral en Empresas (CEL)

5

• Aprendizaje Alternado (AA)

• Capacitación para el Trabajo Independiente (TI)

• Formación y capacitación laboral (FOSIS)

En la Fase II los subprogramas fueron:

• Capacitación y experiencia laboral en empresas (CEL)

• Aprendizaje Alternado (AA)

• Habilitación para la creación de Microempresas Agrícolas y Forestales

En todos los casos, los cursos impartidos fueron absolutamente gratuitos para los jóvenes

beneficiarios, quienes dispusieron además de un subsidio de movilización y colación durante las

fases lectiva y experimental del curso, excepto si esta última contó con un contrato de trabajo.

Además, los jóvenes dispusieron un seguro contra accidentes personales.

3. Marco Teórico2

La metodología usada tiene como objetivo contar con una estimación del impacto del

programa en los ingresos laborales de quienes participaron en él. Adicionalmente se ha estimado

el impacto del programa sobre la probabilidad de estar ocupado de los participantes y sobre la

probabilidad de tener un empleo formal.

a. El modelo de matching usando propensity scores3

Dado un universo de individuos elegibles para participar en el Programa, cada uno de ellos

puede realizar una de dos acciones alternativas: participar o no participar, y tiene, por lo tanto,

dos resultados potenciales respecto de alguna variable de interés para el investigador.

Obviamente, para cada individuo sólo uno de estos estados potenciales se realizará y podrá ser

2 Además de las referencias específicas de cada sección, en la preparación de este capítulo se han usado: Ashenfelter

(1978), Ashenfelter y Card (1984), Geo Consultores (1999), Heckman (1992), Heckman y Smith (1997), Heckman y

Smith (1998), Heckman y Smith (1999), Heckman, Ichimura, Smith y Todd (1998), Heckman, Smith y Clements

(1997), Heckman, LaLonde y Smith (1999), Jalan y Ravallion (2003), LaLonde (1986) y Paredes y Riveros (1989). 3 En la elaboración de esta sección se usaron los artículos de Aedo y Núñez (2001), Becker e Ichino (2002),

Heckman, Ichimura y Todd (1998) y Ñopo, Robles y Saavedra (2002).

6

observado. Si denotamos por Di =1 y Di =0 los estados del individuo i como participante o no

participante del programa, respectivamente, por Yi(0) su resultado potencial en la variable Y si

Di=0, y por Yi(1) el resultado potencial si Di=1, el resultado observado Yi será:

Yi(0) si Di=0

Yi = (1)

Yi(1) si Di=1

El estimador del efecto promedio del programa será:

EPP = E [Yi(1) - Yi(0)] (2)

El efecto promedio del programa sobre los controles será:

EPPC = E [(Yi(1) - Yi(0))| D=0] (3)

Y el efecto promedio del programa sobre los participantes:

EPPP = E [(Yi(1) - Yi(0))| D=1] (4)

En este estudio nos centramos en el tercer estimador expuesto, EPPP. En cualquier caso,

como puede verse, el problema radica en que para realizar tal comparación se necesita conocer una

situación hipotética que nunca ocurrió. Por ejemplo, en el caso que aquí interesa, al intentar calcular

el EPPP nos encontramos que para todo i tal que Di=1, el valor de Yi(0), el estado contrafactual, no

es observable.

Para enfrentar este problema, se recurre a construir entre los individuos elegibles que no

participaron en el programa, un grupo de control, similar al grupo de participantes en algunas

variables de interés. Es decir, se construye una muestra de N0 + N1 = N individuos elegibles,

donde N0 es el tamaño de la muestra de control y N1, el de la muestra de participantes. El

estimador del efecto promedio del programa sobre los participantes será:

7

EPPP = (1/N1) ΣDi =1 (Yi(1) - Ψi(0)) (5)

donde Ψi(0) = es el estimador de Yi(0) construido sobre la base de información pre-

programa de los miembros del grupo de control que han sido emparejados con el participante i.

La forma en que se determina el valor de Ψi(0) da origen a una variedad de métodos de

emparejamiento que se verán en el punto 3.4.

Realizar un proceso de emparejamiento, es decir, de búsqueda de distancias mínimas entre

individuos, en un espacio multidimensional, puede fácilmente llevar a un grado de complejidad

que torne el problema inabordable. Sin embargo, bajo ciertas condiciones, se puede lograr similar

resultado de manera mucho más sencilla, si en lugar de utilizar todo el set de atributos pre-

programa X, se usa la propensión estimada a participar p(X), definida por Rosenbaum y Rubin

(1983) como la “probabilidad condicional de participar, dados los valores del set de atributos pre-

programa”. Es decir

p(X) = Pr ( D=1 | X ) = E [ D | X ] (6)

Si se cumplen las condiciones de “Balancing” y “Unconfoundedness” (Nota al pie: Ver

Abadie, A., D. Drukker., J. Leber Herr y G. Imbens (2002) y Becker e Ichino (2002)) (i) y (ii),

entonces el estimador del efecto de participar en el programa para los participantes puede

expresarse como:

EPPP = E[(Yi(1) - Yi(0))| Di =1] (7)

EPPP = E[E[(Yi(1) - Yi(0))| Di =1, p(Xi)]] (8)

EPPP = E[{E[Yi(1)|Di =1, p(Xi)] - E[Yi(0)|Di =0, p(Xi)] }| Di =1] (9)

Para obtener las propensiones estimadas a participar es posible usar cualquier método de

estimación para variable dicotómica, por ejemplo PROBIT o LOGIT.

Si dada la forma de construcción de la muestra, la probabilidad poblacional de que un

individuo se encuentre en el estado de participante difiere de las probabilidad de que encontremos

8

a un individuo de ese estado en la muestra, un proceso LOGIT tradicional entregará una

estimación inconsistente de las propensiones a participar. Una alternativa de solución, que es la

utilizada en este trabajo, es usar la metodología de Manski y Lerman (1977) para tratar con el

problema de Choice Based Sampling4.

b. Métodos de matching para estimar el EPPP5.

Habiendo calculado las propensiones estimadas a participar, existe una cantidad de métodos

alternativos para estimar el valor contrafactual no observable para cada participante en la

muestra. Una clasificación posible son los métodos "Uno a uno", métodos estratificados y

métodos Kernel.

Si denotamos por C(i) el set de controles (individuos pertenecientes a la muestra de

control) emparejados al participante i, y por NC(i) el número de observaciones en C(i), podemos

definir los siguientes estimadores:

i. Métodos “uno a uno”

i) Vecino más próximo: El emparejamiento se realiza con el o los controles cuya propensión a

participar esté a la mínima distancia euclidiana de la del participante. Si hay más de un control

que cumple la condición, se toma el promedio simple. El EPPP es el promedio de las diferencias

para todos los participantes.

C(i) = min j || p(Xi) - p(Xj) || , Dj =0 (12)

EPPPVP = (1/N1) ΣD i=1 [Yi(1) - (1/NC(i)) Σj∈C(i) Yj(0)] (13)

ii) Vecino Más Próximo Restringido: Similar al anterior, pero para integrar C(i) se impone la

condición adicional de que la distancia debe ser menor que un valor arbitrario r. Asegura la

calidad de los emparejamientos, pero puede restar observaciones.

4 Ver Amemiya (1985), Manski (1995), Manski y Lerman (1977). 5 Ver Abadie, Drukker, Leber Herr e Imbens (2002), Becker e Ichino (Borrador sin fecha), Sianesi (2001) y Todd

(1999).

9

C(i) = min j || p(Xi) - p(Xj) || < r , Dj =0 (14)

EPPPVR = (1/N1) ΣD i=1 [Yi(1) - (1/NC(i)) Σj∈C(i) Yj(0)] (15)

iii) Vecino Más Próximo con definición aleatoria: Si hay más de un control que cumple la

condición, escoge uno aleatoriamente.

Aj =1 si j ∈ min j || p(Xi) - p(Xj) || es elegido (16)

C(i) = min j || p(Xi) - p(Xj) || , Dj =0, Aj=1 (17)

EPPPVA = (1/N1) ΣD i=1 [Yi(1) - Yj∈C(i) (0)] (18)

En general los métodos del vecino más próximo operan con reemplazo, de manera que un

mismo control puede ser emparejado con varios participantes.

ii. Método por estratificación:

Divide la muestra completa (participantes y controles) en q=1,..,Q bloques en los que se

asegura el balance de los atributos pre-programa, de manera que la condición de participante o no

participante puede ser considerada una variable aleatoria. Dentro de cada bloque se calcula:

EPPPq = (1/Nq1) Σi∈I(q) Yi(1) - (1/Nq0) Σj∈I(q) Yj (0) (19)

donde I(q) es el set de unidades en el bloque q y Nq1, Nq0 son el número de participantes y

controles en I(q), respectivamente.

El estimador del efecto promedio del programa sobre los participantes se obtiene como el

promedio del efecto de los Q bloques, ponderado por la fracción de participantes de cada bloque

sobre la cantidad muestral de participantes.

EPPPQ = Σq=1...Q EPPPq Wq (20)

donde

Wq = Σi∈I(q) Di / Σi=1...N Di

10

iii. Métodos Kernel:

Estiman el resultado contrafactual de cada participante usando el promedio ponderado de

los resultados de todos los controles, donde la ponderación es inversamente proporcional a la

distancia en propensión a participar.

EPPPK = (1/N1) ΣDi=1 [ Yi(1) - ΣDj=0 Yj(0) Wij ] (21)

donde

Wi j = K((1/h)(p(Xi) - p(Xj))) / ΣDj=0 K((1/h)(p(Xi) - p(Xj))) (22)

y K(·) es una función no negativa, simétrica y unimodal. La forma funcional que adopte la

función K(·) determina el tipo de Kernel. Los más usados son:

i) Método Kernel-Gaussian: Utiliza todas las observaciones de la submuestra de controles:

K(u) ∝ exp (-u2 / 2 )

ii) Método Kernel-Epanechnikov: Utiliza una ventana móvil dentro del grupo de control que

incluye sólo aquellas observaciones dentro de un radio h de p(Xi). es decir, todo Dj=0 que

satisface | p(Xi) - p(Xj) | < h:

K(u) ∝ ( 1 - u2 ) si | u | < 1 (0 en otro caso)

En las estimaciones del capítulo 5 utilizamos dos métodos de emparejamiento: Vecino más

próximo con reemplazo y Kernel Epanechnikov con h = 0,06.

11

4. Descripción de la información disponible

a. Origen de la información.

La información utilizada proviene de una encuesta realizada el año 1998 por Santiago

Consultores Asociados (SCA), en el marco de un estudio de evaluación de impacto del

programa6, por mandato del Servicio Nacional de Capacitación y Empleo, organismo dependiente

del Ministerio del Trabajo y Previsión Social de Chile.

El universo de beneficiarios del estudio de SCA estuvo constituido por todos los inscritos

en el Programa Chile Joven de las regiones V, VIII y Metropolitana, que egresaron durante el año

1997 de cursos pertenecientes a los subprogramas Capacitación y Experiencia Laboral en

Empresas (CEL), Aprendizaje Alternado (AA) y Formación de Jóvenes para el Trabajo (FJT).

Cada subprograma tuvo muestras independientes y representativas del universo de inscritos en el

Programa y sus respectivas muestras de comparación.

Desde este universo SCA construyó su muestra de "beneficiarios" utilizando un muestreo

aleatorio simple para generar una conformación proporcional al universo. Por otro lado, generó

una muestra de comparación conformada por vecinos de una submuestra aleatoria de la muestra

de beneficiarios. Se empadronó a vecinos de beneficiarios aplicando una encuesta de filtro para

asegurar que los grupos de beneficiarios y de control fueran comparables. La comparabilidad de

ambos grupos estuvo dada por la combinación de las siguientes variables de caracterización o

restricciones del Programa: sexo, edad, escolaridad, experiencia laboral y nivel socioeconómico.

Con el objeto de evitar sesgos hacia poblaciones inactivas o desocupadas, la realización del

trabajo de campo, tanto para el grupo de comparación como para los beneficiarios, se efectuó

completamente durante los fines de semana. En el Cuadro 2 se detallan los tamaños muestrales

sobre los que se aplicó la encuesta de SCA.

6 Santiago Consultores Asociados, (1999)

12

Cuadro 2

Tamaños muestrales estudio SCA. Total Programa.

Muestra Muestra Total Universo Beneficiarios Controles Muestra Beneficiarios

N % N % N % N % V Región 178 14% 98 15% 276 14% 1.414 19% VIII Región 342 27% 164 25% 506 27% 2.108 28% R. M. 726 58% 396 60% 1.122 59% 3.994 53% Total 1.246 100% 658 100% 1.904 100% 7.516 100%

Fuente: Santiago Consultores Asociados, (1999).

Por razones de disponibilidad y calidad de la información, en el presente trabajo solamente se

ha utilizado información del subprograma CEL, cuyos correspondientes tamaños muestrales en el

estudio de SCA se muestran en el Cuadro 3.

Cuadro 3

Tamaños muestrales estudio SCA. Subprograma C.E.L.

Muestra Muestra Total Universo Beneficiarios Control Muestra Beneficiarios

N % N % N % N %

V Región 99 17% 50 12% 149 15% 854 18% VIII Región 133 23% 73 18% 206 21% 1.229 26% R. M. 336 59% 284 70% 620 64% 2.669 56% Total 568 100% 407 100% 975 100% 4.752 100%

Fuente: Santiago Consultores Asociados, (1999).

b. Construcción de las muestras

A partir de la información del estudio de SCA recién descrita, se han construido una

muestra de "participantes", que corresponde a quienes se estima recibieron el tratamiento del

programa y sobre quienes se medirá el impacto de éste, y una muestra de "controles" desde la

13

cual se extraerán los individuos que serán emparejados con los participantes para efectos de

comparación. Los encuestados por SCA pueden clasificarse en inscritos en los cursos del

programa, y no inscritos que pertenecen al grupo de encuestados para efectos de comparación,

elegidos según se describió en el capítulo anterior. A su vez, los inscritos en el programa se

pueden clasificar en los siguientes estados secuenciales y mutuamente excluyentes:

a) Sólo Inscritos: aquellos que se inscribieron pero no asistieron a los cursos en su fase lectiva.

b) Curso incompleto: Inscritos que asistieron a la fase lectiva pero no la terminaron.

c) Curso completo sin práctica: completaron la fase lectiva pero no iniciaron práctica laboral.

d) Práctica incompleta: Iniciaron la práctica laboral pero no la completaron.

e) Programa completo: Completaron todo el ciclo del programa, i.e., fases lectiva y práctica.

Las muestras de participantes y controles que utilizamos aquí difieren de los grupos de

beneficiarios y controles del estudio de SCA. En nuestro caso se definió la siguiente clasificación

de los individuos encuestados:

Participantes: Inscritos que al menos completaron la fase lectiva. Es decir, inscritos

pertenecientes a las categorías c, d y e del listado anterior.

Controles: No inscritos y Sólo Inscritos. Es decir, quienes pertenecen al grupo de comparación

de la encuesta o que, habiéndose inscrito, no asistieron a los cursos (categoría a del listado

anterior)

Los Inscritos pertenecientes a la categoría b, es decir, aquellos jóvenes pertenecientes a la

muestra de beneficiarios de SCA que, habiendo iniciado los cursos, no los terminaron, no fueron

incorporados en ninguna de las muestras.

14

Cuadro 4

Definición de participación en el programa

Categorías Participantes (c) Inscritos con curso completo sin práctica:

(d) Inscritos con Práctica incompleta (e) Inscritos con programa completo

Controles Encuestados no inscritos (a) Sólo inscritos

c. Descripción de la información

La muestra total es de 916 individuos de los cuales 504 son participantes y 412 pertenecen

al grupo de control. La distribución por regiones de ambas muestras se presenta en el Cuadro 5.

Cuadro 5

Tamaños muestrales de participantes y controles.

Muestra Participantes

Muestra Control

Total Muestra

Universo Beneficiarios

N % N % N % N % V Región 91 18% 52 13% 143 16% 854 18 VIII Región 120 24% 74 18% 194 21% 1,229 26 R. M. 293 58% 286 69% 579 63% 2,669 56 Total 504 100% 412 100% 916 100% 4,752 100 Fuente: Elaboración propia sobre la base de datos de Santiago Consultores Asociados, (1999).

La muestra de participantes de este estudio se extrae de la muestra de beneficiarios del

subprograma CEL construida por SCA y corresponde al subconjunto de ésta que satisface la

condición de haber completado la fase lectiva del programa. En total suman 504 individuos, de

los cuales el 64% son mujeres. Geográficamente se distribuyen en 18% en la V Región, 24% en

la Región VIII y 58% en la Región Metropolitana. Su edad promedio un mes antes del inicio de

los cursos era de 20.84 años y un 86% de ellos cumplía el requisito de edad exigido por el

programa (entre 16 y 24 años).

15

La muestra de control está compuesta por la muestra de comparación del estudio de SCA,

más aquellos individuos de la muestra de beneficiarios que no iniciaron los cursos. Esta muestra

contiene 412 individuos, de los cuales el 50% son mujeres. Su distribución geográfica es 13% en

la V Región, 18% en la VIII Región y 69% en la Región Metropolitana. Tenían una edad promedio,

un mes antes del inicio de los cursos, de 21.44 años y un 82% de ellos satisfacía la exigencia de

edad del programa.

Ambas muestras poseen información completa para todas las variables utilizadas en la

estimación de las propensiones a participar y todas las variables de resultado sobre las que se

medirá el impacto, excepto para ingreso laboral, cuyos tamaños muestrales válidos se presentan

en el Cuadro 6. Las variables se describen en el ANEXO 1.

Cuadro 6

Tamaños muestrales válidos para variables de ingreso laboral

Variable Descripción N Controles Participantes

WPOST Salario bruto post programa (*) 356 463 WPRE Salario bruto pre programa (*) 122 265 WDIF Diferencia WPOST-WPRE 107 242 (*) Toma valor igual a cero en caso de estar desocupado.

Por último, en el Cuadro 7 se presentan los valores promedio de las variables de resultado.

Como se mencionó, estos valores se obtienen de la muestra completa en los casos de formalidad

y ocupación, mientras que en el caso de ingreso laboral las observaciones válidas se reducen a las

presentadas en el Cuadro 6.

Las variables WPOST y WPRE corresponden al salario bruto proveniente del empleo

principal del encuestado después y antes del programa respectivamente, sin corregir por el

número de horas semanales trabajadas. Aunque se cuenta con información de jornadas y de otros

ingresos además del principal, la calidad de ella no hizo recomendable su utilización. Además,

estas variables toman el valor cero si el individuo no estaba trabajando. Por estas razones, al

estimar la rentabilidad del programa se debe tener presente que el efecto en salario bruto está

recogiendo todos los efectos sobre ingresos laborales de los participantes.

16

Cuadro 7 Valores promedio de variables de Resultado

Variable Media Controles Participantes

WPOST 33.004 70.281 WPRE 136.005 123.170 WDIF -82.903 -44.979

OCUPADO_POST 0,3447 0,5893 OCUPADO_PRE 0,3374 0,4841 OCUPADO_DIF 0,0073 0,1052 FORMAL_POST 0,1019 0,3115 FORMAL_PRE 0,1966 0,3353 FORMAL_DIF -0,0947 -0,0238

Fuente: Elaboración propia.

5. Estimación de Impacto

En este capítulo se presentan los resultados obtenidos de la aplicación de la metodología,

usando la información descrita en la sección anterior.

a. Propensión a participar

El programa había atendido, a la fecha del inicio de los cursos cubiertos por esta

investigación, a aproximadamente 120.000 jóvenes de un universo de elegibles que alcanzaba a

180.000 individuos. Por lo tanto, la probabilidad poblacional de que un individuo se encuentre en

el estado de participante es 0,67 mientras que para el estado de no participante es de 0.33. Por su

parte, la muestra total, compuesta por 916 casos, se distribuía en 504 participantes y 412

controles, por lo que las probabilidades de que encontremos en ella a un individuo de cada estado

son 0,55 y 0,45 respectivamente. Por lo tanto, variable de ponderación wcbs utilizada para

obtener una estimación consistente de las propensiones a participar fue construida como sigue:

(67/33)/(55/45) = 1,63 si i=1 (participantes)

WCBSi = (23)

(33/67)/(45/55) = 0,61 si i=0 (controles)

17

Para obtener las propensiones a participar se usaron procesos LOGIT, incorporando o

eliminando las variables disponibles de acuerdo a su significancia estadística y mejor ajuste del

modelo. Sin embargo, aquellas variables relacionadas con las condiciones de elegibilidad del

programa fueron siempre incorporadas, independientemente de su significancia estadística.

Se obtuvieron las propensiones a participar para la muestra completa y para submuestras

definidas por género y edad, dando origen a 9 modelos: Muestra completa, hombres, mujeres,

jóvenes (hasta 21 años el mes anterior al inicio de los cursos), adultos (más de 21 años el mes

anterior al inicio de los cursos), hombres jóvenes, mujeres jóvenes, hombres adultos y mujeres

adultas. Los resultados de los procesos de estimación LOGIT para cada modelo se presentan en el

ANEXO 2.

Se ha restringido la estimación de los impactos sólo a las observaciones cuyos propensity

scores pertenecen al dominio común.

b. Estimación de Impacto

Una vez obtenidas las propensiones a participar y definidos los dominios comunes, se

dispone de una variedad de estimadores y métodos de estimación para el cálculo del impacto del

programa. En este estudio nos hemos centrado en el Efecto Promedio de la Participación sobre

los Participantes, sobre tres variables de resultado: Ingreso laboral mensual, probabilidad de estar

ocupado y probabilidad de tener un empleo formal.

Para cada modelo se han utilizado estimadores de corte transversal y de diferencias en

diferencias. Para el caso del efecto en ingreso laboral, el estimador de diferencias en diferencias

se calcula sobre un número reducido de observaciones debido a deficiencias en la calidad de la

información de salarios preprograma. Esta información fue recogida en una encuesta más de un

año después del inicio de los cursos. En las demás variables, ambos estimadores se calculan con

un número similar de observaciones.

Por último, hemos utilizado para todas las estimaciones, dos métodos alternativos de

emparejamiento, ambos explicados en el capítulo 3: Método del vecino más cercano con

reemplazo y método Kernel- Epanechnikov. En este último caso se utilizó un valor de h = 0,06.

18

Los resultados de las estimaciones se presentan en los ANEXOS 3 al 5, donde EPPP es el

Efecto Promedio del Programa sobre los Participantes y t es el valor del tradicional test t de

significancia estadística.

i. Impacto sobre Ingresos Laborales

Todos los estimadores de impacto calculados muestran un efecto positivo y

estadísticamente significativo sobre los ingresos laborales de los participantes, cuando se utiliza

información de la muestra completa (modelo1). El impacto estimado global es de entre un 26% y

un 27%.

Al calcular el impacto para las submuestras, el estimador de diferencias en diferencias,

utilizando el método de vecino más próximo, que usa sólo una observación de comparación, es el

resultado de significancia estadística más débil. El método Kernel Epanechnikov incorpora más

información al utilizar toda la muestra de controles en cada emparejamiento, sin embargo, no

logra resultados robustos para las submuestras que crucen sexo y edad (modelos 6 al 9) ni para

las mujeres. Esto puede deberse a la falta de información de ingresos pre programa para una

cantidad importante de observaciones. Los estimadores que presentaron mayor significancia

estadística fueron los de corte transversal usando el método de emparejamiento Kernel

Epanechnikov, por lo tanto usaremos estos para el análisis de impacto en esta variable. El Cuadro

8 muestra los impactos como porcentaje del salario bruto promedio inicial. Los impactos

estadísticamente significativos se muestran destacados.

Cuadro 8

Impactos estimados en ingreso laboral. Corte transversal (%)

JÓVENES ADULTOS TOTAL JÓVENES ADULTOS TOTALHOMBRES 32% 6% 25% 31% -2% 22%

MUJERES 35% 21% 28% 33% 16% 25%

TOTAL 31% 19% 26% 32% 20% 27%

Kernel Epanechnikov Vecino mas próximo

19

Los mayores impactos se presentan en el grupo de jóvenes. En términos absolutos, el

impacto es especialmente importante entre los varones, para quienes su participación en el

programa significó un aumento de más de $ 40.000 mensuales. Para las mujeres jóvenes, los

impactos son algo menores, pero superiores a $ 32.000 por mes. Sin embargo, en términos

relativos al ingreso inicial, el impacto es mayor para las mujeres, para quienes alcanza entre un

33% y un 35%, mientras para los hombres jóvenes asciende a entre un 31% y un 32%; estos

resultados son estadísticamente significativos cualquiera sea el método de emparejamiento

utilizado.

En el caso de los adultos, los resultados son menos concluyentes y no permiten afirmar que

exista un efecto sobre los ingresos laborales de los participantes. El menor impacto se da entre los

adultos hombres, para quienes los resultados están lejos de ser estadísticamente significativos.

ii. Impacto estimado en probabilidad de estar ocupado

Si se considera el conjunto completo de los participantes, todos los estimadores muestran

un impacto en la probabilidad de estar empleado superior a 0,21, resultados que tienen una alta

significancia estadística independientemente del tipo de estimador y del método de

emparejamiento usado. En general, el método Kernel-Epanechnikov ha arrojado estimadores con

mayor significancia estadística, razón por cual se muestran estos resultados en el Cuadro 9. Como

antes, las celdas destacadas con negrita y fondo señalan impactos estadísticamente significativos.

Todos los resultados calculados se presentan en el ANEXO 4.

Cuadro 9

Impactos en probabilidad de estar ocupado. Kernel-Epanechnikov

JÓVENES ADULTOS TOTAL JÓVENES ADULTOS TOTALHOMBRES 0,272 0,126 0,211 0,305 -0,015 0,221

MUJERES 0,293 0,174 0,231 0,268 0,148 0,175

TOTAL 0,270 0,204 0,217 0,279 0,180 0,216

Corte transversal Diferencias en diferencias

20

Similarmente a lo ocurrido en el caso de los ingresos laborales, es para los jóvenes para

quienes los efectos son mayores y la significancia estadística es más alta. Dependiendo del tipo

de estimador, cambia el orden de magnitud de los impactos entre hombres y mujeres, pero en

todo caso, los impactos estimados oscilan aproximadamente entre 26 y 30 puntos porcentuales.

Aunque se obtiene un impacto estimado significativo para los adultos en conjunto, que va

de 18 a 20,4 puntos porcentuales, los resultados para los hombres adultos y mujeres adultas por

separado no son estadísticamente significativos.

iii. Impacto estimado en formalidad

Si bien los resultados para el total de participantes tomados en conjunto, muestra un

impacto estadísticamente significativo de entre 0,181 y 0,201 sobre la probabilidad de tener un

empleo formal, al igual que en los casos anteriores los resultados son mucho menos robustos en

el caso de los adultos, especialmente de los hombres. Nuevamente el método Kernel–

Epanechnikov ha producido los estimadores con mayor significancia estadística, cuyos valores se

muestran en el Cuadro 10.

Cuadro 10

Impactos en probabilidad de empleo formal. Kernel-Epanechnikov

JÓVENES ADULTOS TOTAL JÓVENES ADULTOS TOTALHOMBRES 0,201 0,190 0,177 0,344 0,070 0,228

MUJERES 0,189 0,160 0,189 0,188 0,139 0,143

TOTAL 0,190 0,174 0,181 0,269 0,136 0,201

Corte transversal Diferencias en diferencias

Es notable que dentro del grupo de jóvenes, el impacto sobre la probabilidad de que el

empleo sea formal es mayor para los hombres. Todos los impactos estimados se presentan en el

ANEXO 5.

21

6. CONCLUSIONES

En este trabajo se ha utilizado la metodología “matching” para estimación de impactos,

usando propensity scores con el objeto de responder a tres preguntas: (i) ¿Tuvo el programa Chile

Joven un impacto significativo en los ingresos laborales de los participantes?; (ii) ¿Tuvo el

programa un impacto significativo en la probabilidad de estar empleado de los participantes?; (iii)

¿Tuvo el programa un impacto significativo en la probabilidad de los participantes de tener un

empleo formal?

Respecto a la primera interrogante, los resultados sustentan la hipótesis de que el programa

tiene impacto sobre los ingresos de los participantes en el caso de los jóvenes. Es decir, el

programa efectivamente tendría un impacto para este grupo, tanto hombres como mujeres a un

nivel de confianza de 95%. En términos relativos a la situación de origen, el mayor impacto se

observa sobre la mujeres jóvenes. En el caso de los adultos, no se puede rechazar la hipótesis

nula, por lo tanto no existiría un impacto sobre ingresos laborales para este grupo etareo. En

general, sin embargo, el estudio sugiere la existencia de un impacto del programa sobre los

ingresos laborales de los participantes de alrededor de un 26,5%.

En relación con la segunda pregunta, los resultados sugieren de manera contundente, que el

programa, en general, tuvo un impacto sobre la probabilidad de estar ocupado de los

participantes. La magnitud del impacto, de alrededor de 23 puntos porcentuales, es importante

teniendo en cuenta que el 51,59 % de los participantes no estaba ocupado el mes anterior el inicio

de los cursos. Los resultados son especialmente robustos par el caso de la mujeres y los jóvenes.

En cambio, los resultado indican una respuesta negativa a la pregunta planteada para los adultos,

especialmente los hombres.

En cuanto al tema de la probabilidad de tener un empleo formal, los resultados sugieren, en

general, una respuesta positiva. El impacto sería de alrededor de 19 puntos porcentuales. En esta

variable, también se obtienen resultados robustos para los jóvenes, pero para los adultos no

existen impactos estadísticamente significativos.

22

7. Referencias bibliográficas

Abadie, A., D. Drukker., J. Leber Herr y G. Imbens (2002): “Implementing Matching Estimators

for Average Treatment Effects in STATA”.

http://emlab.berkeley.edu/pub/users/imbens/wp.html

Aedo, Cristián (2001): "Job Training Programs: The Cases of Chile Joven and Argentina

Proyecto Joven". Presentación preparada para el Seminario sobre Protección Social para los

Pobres en Asia y Latinoamérica, Mimeo.

Aedo, Cristián y Sergio Núñez (2001): "The Impact of Training Policies in Latin America and the

Caribbean: The Case of Programa Joven". ILADES/Georgetown University. Graduate Program

in Economics. RePEc:ila:ilades:inv131

Amemiya, Takeshi (1985): Advanced Econometrics, Harvard University Press.

Ashenfelter, Orley (1978): “Estimating the Effect of Training Programs on Earnings”, The

Review of Economics and Statistics 6 (1), pp. 47-57.

Ashenfelter, Orley y David Card (1984): “Using the Longitudinal Structure of Earnings to

Estimate the Effect of Training Programs”, Working Paper N°174. Industrial Relations Section.

Princeton University.

Becker, S. y A. Ichino (2002) “Estimation of Average Treatment Effects Based On Propensity

Scores”, Mimeo.

Bravo, David y Dante Contreras (2000): "The Impact of Financial Incentives to Training

Providers: The Case of Chile Joven”. Departmento de Economía, Universidad de Chile, Mimeo.

CINTERFOR (1997): “CHILE JOVEN: Una Experiencia Pionera Revisada”, Boletín Cinterfor

139-140, Abril-Septiembre.

23

CINTERFOR (1999): “Programas de Capacitación y Empleo de Jóvenes en América Latina”.

Documento elaborado por solicitud de OIT.

http://www-ilo-mirror.cornell.edu/public/spanish/region/ampro/cinterfor/publ/sala/poldev/vi.htm

Feedback Comunicaciones (1997): “Expectativas y Estrategias Laborales de Jóvenes de Escasos

Recursos”, Mimeo.

Geo Consultores (1999): “Estudio Econométrico de Diferenciales de Salarios”, Mimeo.

Heckman, James (1992): “Randomization and Social Policy Evaluation”. En: C. Mansky e I.

Garfinkel, eds., Evaluating Welfare and Training Programs, Harvard University Press,

Cambridge, pp. 201-230.

Heckman, James y Jeffrey Smith (1997): “The Sensitivity of Experimental Impact Estimates:

Evidence from the National JTPA Study”. Working Paper 6105. National Bureau of Economic

Research.

http://www.nber.org/papers/w6105

Heckman, James y Jeffrey Smith (1998): “Evaluating the Welfare State”. En: Steiner Strom,

editor. Econometrics and Economic Theory in the 20th Century: The Ragnar Frisch

Centennial. Cambridge, United Kingdom. Cambridge University Press for Econometric Society.

pp. 241-318

Heckman, James y Jeffrey Smith (1999): “The Pre-Program Dip and the Determinants of

Participation in a Social Program: Implications for Simple Program Evaluation Strategies”,

Economic Journal, 109 (143), pp. 1-37.

Heckman, J., H. Ichimura, y P. Todd. (1998): “Matching As an Econometric Evaluation

Estimator”, Review of Economic Studies 65 (2), pp. 605-654.

Heckman, J., H. Ichimura, J. Smith y P. Todd (1998): “Characterizing Selection Bias Using

Experimental Data”, Econometrica 66 (5), pp 1017-1098.

24

Heckman, J., J. Smith y N. Clements (1997): “Making the Most Out of Programme Evaluations

and Social Experiments: Accounting for Heterogeneity in Programme Impacts”, Review of

Economic Studies 64 (4), pp. 487-535.

Heckman, J., R. LaLonde, y J. Smith (1999): “The Economics and Econometrics of Active Labor

Market Programs”. En: O. Ashenfelter and D. Card, editors, Handbook of Labor Economics III

(A), pp. 1865-2097.

Jalan, Jyotsna y Martin Ravallion (2003): “Estimating the Bene’t Incidence of an Antipoverty

Program by Propensity-Score Matching”, Journal of Business & Economic Statistics, Enero,

pp.20-30.

LaLonde, Robert. (1986): “Evaluating the Econometric Evaluations of Training Programs with

Experimental Data”, American Economic Review 76 (4), pp. 604-620.

Larraechea, Ignacio y Andrea Guzmán (2002): “Desempleo Juvenil en Chile: Desafíos y

Respuestas a la Luz de la Evolución en los Años 90”, Mimeo.

Manski Charles F. (1995): “Learning about Social Programs from Experiments with Random

Assignment of Treatments”, Journal of Human Resources 31 (4), pp. 707-733.

Manski, C. F., y S.R. Lerman (1977): “The Estimation of the Choice Probabilities from Choice-

Based Samples”, Econometrica 45 (8), pp. 1977-1988.

Ñopo, H., M. Robles y J. Saavedra (2002): “Una medición del impacto del programa de

capacitación laboral juvenil Projoven”, Lima, GRADE. Documento de Trabajo Nº 36.

Paredes, R. y L. Riveros (1989): “Sesgo de Selección y el Efecto de los Salarios Mínimos”,

Universidad de Chile, Cuadernos de Economía, año 26, 79, pp. 367-383.

Rosenbaum, P.R. y D.B. Rubin (1983): “The Central Role of Propensity Score in Observational

Studies for Causal Effects”, Biometrika 70 (1), pp.41-55.

Santiago Consultores Asociados (1999): "Evaluación Ex-Post Chile Joven Fase II”, Mimeo.

25

Servicio Nacional de Capacitación y Empleo (1996): “Presentación y Análisis de Resultados.

Programa de Capacitación Laboral de Jóvenes. Fase I”, Mimeo.

Servicio Nacional de Capacitación y Empleo (1997): “Programa de Capacitación Laboral de

Jóvenes. Bases Generales Subprograma Capacitación y Experiencia Laboral en Empresas”,

Departamento de Programas Sociales.

Servicio Nacional de Capacitación y Empleo (1999a): “Anuario Estadístico”, Departamento de

Estudios.

Servicio Nacional de Capacitación y Empleo (1999b): “Bases Generales Subprograma

Capacitación y Experiencia Laboral en Empresas”, Departamento de Programas Sociales.

Sianesi, Barbara (2001): “Implementing Propensity Score Matching Estimators with STATA”,

documento preparado para el VII Encuentro del UK Stata Users Group, Londres, Mayo, Mimeo.

Todd, Petra (1999): “A Practical Guide to Implementing Matching Estimators”. Documento

presentado a reunión del BID en Santiago de Chile, Octubre, Mimeo.

26

ANEXO Nº 1:

DESCRIPCIÓN DE LAS VARIABLES

Nombre Descripción

Particip Dummy de participación (participante=1; control=0)

Wcbs Ponderador para corregir Choice Based Sampling

r1_fefd Requisito de entrada: Fuera de la educación formal diurna (Cumple requisito=1)

r2_sel Requisito de entrada: Sin experiencia laboral (Cumple requisito=1)

r3_des Requisito de entrada: Desempleado (Cumple requisito=1)

r3_in_ne Requisito de entrada: Inactivo no estudiante (Cumple requisito=1)

r3_in_e Requisito de entrada: inactivo estudiante (Cumple requisito=1)

r4_joven Requisito de entrada: Menor de 24 años (Cumple requisito=1)

Edadj97 Edad el mes anterior al inicio del programa

mujer Dummy de sexo (Mujer=1; Hombre=0))

Region5 Dummy de región (5ª región=1; 8ª región ó R.M.=0))

Region8 Dummy de región (8ª región=1; 5ª región ó R.M.=0))

Psm# Propensity scores en el modelo #

edad_pre Dummy de edad pre programa (mayor de 21 años = 1)

Wpost Salario bruto post programa

Wpre Salario bruto pre programa actualizado

Wdif Wpost menos wpre

Ocupado_post Dummy: ocupado al momento de la encuesta=1

Ocupado_pre Dummy: ocupado el mes anterior al inicio de los cursos=1

Ocupado_dif Ocupado_post menos Ocupado_pre

Formal_post Dummy: tenía contrato de trabajo al momento de la encuesta=1

Formal_pre Dummy: tenía contrato de trabajo el mes anterior al inicio de los cursos=1

Formal_dif Formal_post menos formal_pre

27

AN

EX

O N

º 2:

MO

DE

LO

S D

E E

STIM

AC

IÓN

DE

LA

S PR

OPE

NSI

ON

ES

A P

AR

TIC

IPA

R

MÉT

OD

O L

OG

IT

M

odel

o 1

Mod

elo

2 M

odel

o 3

Mod

elo

4 M

odel

o 5

Mod

elo

6 M

odel

o7

Mod

elo8

M

odel

o 9

To

dos

Hom

bres

M

ujer

es

Jóve

nes

Adu

ltos

Hom

bres

Jó

vene

s H

ombr

es

Adu

ltos

Muj

eres

Jó

vene

s M

ujer

es

Adu

ltas

Con

stan

te

3,48

386

1,07

651

0,94

200

3,22

322

-3,7

6336

-0

,016

02

-4,5

4618

2,

5112

3 -4

,404

70

(1

,622

50)

(2,0

3904

) (1

,262

24)

(1,8

7924

) (1

,587

15)

(2,2

8291

) (2

,725

77)

(2,0

3503

) (2

,086

70)

r1_f

efd

-3,2

8583

-2

,665

29

-2

,750

41

-2

,020

64

(1,3

1623

) (1

,331

09)

(1

,331

08)

(1

,342

81)

r2

_sel

-0

,932

42

-0,6

1625

-1

,229

01

-0,7

9627

-1

,136

16

-0,6

1126

-0

,277

98

-1,1

2650

-1

,508

26

(0

,169

58)

(0,2

5897

) (0

,234

72)

(0,2

2678

) (0

,263

47)

(0,3

2147

) (0

,486

25)

(0,3

3617

) (0

,346

41)

r3_d

es

0,73

464

0,50

958

0,98

171

0,57

239

0,97

438

0,38

816

0,70

209

0,84

234

1,14

962

(0

,207

46)

(0,2

9097

) (0

,303

30)

(0,2

8117

) (0

,319

60)

(0,3

8827

) (0

,464

16)

(0,4

2551

) (0

,453

91)

r3_i

n_ne

0,

2762

4 0,

0738

0 0,

5026

2 -0

,135

92

0,89

280

-0,4

1033

2,

0406

9 0,

0864

6 1,

0168

0

(0,2

1992

) (0

,352

58)

(0,3

0055

) (0

,286

97)

(0,3

6608

) (0

,423

99)

(1,3

5473

) (0

,411

75)

(0,4

6590

) r3

_in_

e -0

,182

74

-0,3

3759

-0

,060

98

-0,2

1617

-0

,780

82

-0,1

2667

-1

,270

10

-0,1

4021

-0

,553

43

(0

,323

40)

(0,4

6656

) (0

,467

28)

(0,3

9255

) (0

,672

69)

(0,5

8103

) (0

,888

68)

(0,5

6769

) (1

,045

76)

r4_j

oven

0,

1272

6 0,

6528

0 -0

,141

17

(0

,305

21)

(0,5

4328

) (0

,376

43)

Edad

j97

0,05

001

0,11

308

0,00

783

0,04

557

0,21

945

0,17

443

0,25

572

-0,0

7063

0,

2191

3

(0,0

3496

) (0

,056

37)

(0,0

4519

) (0

,069

61)

(0,0

6580

) (0

,100

29)

(0,1

1259

) (0

,101

03)

(0,0

8605

) M

ujer

-0

,398

75

-0,2

9261

-0

,672

08

(0

,164

52)

(0,2

0643

) (0

,287

08)

Reg

ion5

0,

5724

9 0,

7164

7 0,

4267

4 0,

6452

4 0,

4504

9 1,

0542

7 -0

,175

82

0,30

716

0,66

857

(0

,225

39)

(0,3

5022

) (0

,298

87)

(0,2

8093

) (0

,388

57)

(0,4

4328

) (0

,618

29)

(0,3

7360

) (0

,515

85)

Reg

ion8

0,

4623

2 0,

3718

5 0,

5317

4 0,

8026

5 -0

,080

19

1,12

475

-0,7

7767

0,

5851

9 0,

3218

5

(0,1

9760

) (0

,294

54)

(0,2

7293

) (0

,276

69)

(0,3

0114

) (0

,422

75)

(0,4

7601

) (0

,386

14)

(0,4

1202

) N

ota:

El p

rimer

val

or d

e c

ada

celd

a co

rres

pond

e al

coe

ficie

nte

estim

ado

y el

segu

ndo

(aba

jo),

al e

rror

est

ánda

r.

28

ANEXO 3. Efecto estimado en ingreso laboral de los participantes

($/MES)

Corte transversal Diferencias en dVecino más próximo Kernel Epanechnikov Vecino más próximo

EPPP t EPPP t EPPP t Modelo 1 Todos 33,466 4.340 32,385 4.595 31,220 2.218

Modelo 2 Hombres 30,118 1.825 33,466 3.020 26,222 0.990

Modelo 3 Mujeres 26,249 3.097 29,330 3.252 29,130 1.750

Modelo 4 Jóvenes 37,900 4.674 37,049 6.437 39,577 2.797

Modelo 5 Adultos 25,866 1.614 24,340 1.630 28,400 0.921

Modelo 6 Hombres Jóvenes

40,746 2.901 42,238 4.337 22,266 1.009

Modelo 7 Hombres Adultos

-3,071 -0.074 7,911 0.217 4,487 0.079

Modelo 8 Mujeres Jóvenes

32,353 3.151 34,437 4.674 37,496 1.899

Modelo 9 Mujeres Adultas

18,250 1.385 23,493 1.605 13,429 0.531

29

ANEXO 4 Impacto estimado en probabilidad de estar ocupado

EPPP t EPPP t EPPP t EPPP

Modelo 1 Todos 0,247 5,169 0,217 5,512 0,231 3,758 0,216

Modelo 2 Hombres 0,188 2,549 0,211 3,403 0,176 1,724 0,221

Modelo 3 Mujeres 0,227 3,689 0,231 4,665 0,242 2,986 0,175

Modelo 4 Jóvenes 0,280 4,764 0,270 7,662 0,357 4,677 0,279

Modelo 5 Adultos 0,225 2,688 0,204 3,001 0,152 1,381 0,180

Modelo 6 HombresJóvenes 0,228 2,475 0,272 3,818 0,297 2,357 0,305

Modelo7 Hombres Adultos 0,002 0,012 0,126 1,079 -0,118 -0,550 -0,015

Modelo8 Mujeres Jóvenes 0,292 3,644 0,293 4,370 0,305 3,149 0,268

Modelo 9 MujeresAdultas 0,160 1,721 0,174 2,096 0,089 0,706 0,148

Corte transversal Diferencias en diferenciasVecino más próximo Kernel Epanechnikov Vecino más próximo Kernel Epan

30

ANEXO 5

Impacto estimado en probabilidad de ocupación formal

EPPP t EPPP t EPPP t EPPP

Modelo 1 Todos 0,193 5,599 0,181 5,596 0,184 3,635 0,201

Modelo 2 Hombres 0,219 3,794 0,177 3,674 0,247 2,877 0,228

Modelo 3 Mujeres 0,132 2,942 0,189 4,707 0,123 1,960 0,143

Modelo 4 Jóvenes 0,180 4,185 0,190 6,213 0,330 5,317 0,269

Modelo 5 Adultos 0,156 2,561 0,174 2,745 0,027 0,305 0,136

Modelo 6 HombresJóvenes 0,221 3,370 0,201 4,818 0,409 3,836 0,344

Modelo 7 Hombres Adultos 0,094 0,682 0,190 1,916 0,019 0,102 0,070

Modelo 8 Mujeres Jóvenes 0,148 2,410 0,189 3,486 0,173 2,330 0,188

Modelo 9 MujeresAdultas 0,091 1,552 0,160 2,506 0,004 0,039 0,139

Corte transversal Diferencias en diferenciaVecino más próximo Kernel Epanechnikov Vecino más próximo Kernel Ep