RENTABILIDAD ECONÓMICA DEL PROGRAMA DE CAPACITACIÓN LABORAL DE JÓVENES CHILE JOVEN

Transcripción

1 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.

2 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 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 1

3 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 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

4 2. El programa Chile Joven 1 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 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 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). 3

5 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 Total 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) 4

6 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 Teórico 2 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 scores 3 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). 5

7 observado. Si denotamos por D i =1 y D i =0 los estados del individuo i como participante o no participante del programa, respectivamente, por Y i (0) su resultado potencial en la variable Y si D i =0, y por Y i (1) el resultado potencial si D i =1, el resultado observado Y i será: Y i = Y i (0) si Di=0 Y i (1) si Di=1 (1) El estimador del efecto promedio del programa será: EPP = E [Y i (1) - Y i (0)] (2) El efecto promedio del programa sobre los controles será: EPPC = E [(Y i (1) - Y i (0)) D=0] (3) Y el efecto promedio del programa sobre los participantes: EPPP = E [(Y i (1) - Y i (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 D i =1, el valor de Y i (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 N 0 + N 1 = N individuos elegibles, donde N 0 es el tamaño de la muestra de control y N 1, el de la muestra de participantes. El estimador del efecto promedio del programa sobre los participantes será: 6

8 EPPP = (1/N 1 ) Σ Di =1 (Y i (1) - Ψ i (0)) (5) donde Ψ i (0) = es el estimador de Y i (0) construido sobre la base de información preprograma de los miembros del grupo de control que han sido emparejados con el participante i. La forma en que se determina el valor de Ψ i (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 preprograma 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 preprograma. 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[(Y i (1) - Y i (0)) D i =1] (7) EPPP = E[E[(Y i (1) - Y i (0)) D i =1, p(x i )]] (8) EPPP = E[{E[Y i (1) D i =1, p(x i )] - E[Y i (0) D i =0, p(x i )] } D i =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 7

9 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 Sampling 4. b. Métodos de matching para estimar el EPPP 5. 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 N C(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(x i ) - p(x j ), D j =0 (12) EPPP VP = (1/N 1 ) Σ D i=1 [Y i (1) - (1/N C(i) ) Σ j C(i) Y j (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). 8

10 C(i) = min j p(x i ) - p(x j ) < r, D j =0 (14) EPPP VR = (1/N 1 ) Σ D i=1 [Y i (1) - (1/N C(i) ) Σ j C(i) Y j (0)] (15) iii) Vecino Más Próximo con definición aleatoria: Si hay más de un control que cumple la condición, escoge uno aleatoriamente. A j =1 si j min j p(x i ) - p(x j ) es elegido (16) C(i) = min j p(x i ) - p(x j ), D j =0, A j =1 (17) EPPP VA = (1/N 1 ) Σ D i=1 [Y i (1) - Y j 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: EPPP q = (1/N q1 ) Σ i I(q) Y i (1) - (1/N q0 ) Σ j I(q) Y j (0) (19) donde I(q) es el set de unidades en el bloque q y N q1, N q0 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. EPPP Q = Σ q=1...q EPPP q W q (20) donde W q = Σ i I(q) D i / Σ i=1...n D i 9

11 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. EPPP K = (1/N 1 ) Σ Di=1 [ Y i (1) - Σ Dj=0 Y j (0) W ij ] (21) donde W i j = K((1/h)(p(X i ) - p(x j ))) / Σ Dj=0 K((1/h)(p(X i ) - p(x j ))) (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 (-u 2 / 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(x i ). es decir, todo D j =0 que satisface p(x i ) - p(x j ) < h: K(u) ( 1 - u 2 ) 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. 10

12 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 programa 6, 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) 11

13 Cuadro 2 Tamaños muestrales estudio SCA. Total Programa. Muestra Muestra Total Universo Beneficiarios Controles Muestra Beneficiarios N % N % N % N % V Región % 98 15% % % VIII Región % % % % R. M % % % % Total % % % % 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% % % VIII Región % 73 18% % % R. M % % % % Total % % % % 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 12

14 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. 13

15 Participantes Controles Cuadro 4 Definición de participación en el programa Categorías (c) Inscritos con curso completo sin práctica: (d) Inscritos con Práctica incompleta (e) Inscritos con programa completo 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% % VIII Región % 74 18% % 1, R. M % % % 2, Total % % % 4, 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 años y un 86% de ellos cumplía el requisito de edad exigido por el programa (entre 16 y 24 años). 14

16 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 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 (*) WPRE Salario bruto pre programa (*) WDIF Diferencia WPOST-WPRE (*) 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. 15

17 Cuadro 7 Valores promedio de variables de Resultado Variable Media Controles Participantes WPOST WPRE WDIF 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 jóvenes de un universo de elegibles que alcanzaba a 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 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: WCBS i = (67/33)/(55/45) = 1,63 si i=1 (participantes) (33/67)/(45/55) = 0,61 si i=0 (controles) (23) 16

18 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. 17

19 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 (%) Kernel Epanechnikov Vecino mas próximo JÓVENES ADULTOS TOTAL JÓVENES ADULTOS TOTAL HOMBRES 32% 6% 25% 31% -2% 22% MUJERES 35% 21% 28% 33% 16% 25% TOTAL 31% 19% 26% 32% 20% 27% 18

20 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 $ mensuales. Para las mujeres jóvenes, los impactos son algo menores, pero superiores a $ 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 Corte transversal Diferencias en diferencias JÓVENES ADULTOS TOTAL JÓVENES ADULTOS TOTAL HOMBRES 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 19

21 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 Corte transversal Diferencias en diferencias JÓVENES ADULTOS TOTAL JÓVENES ADULTOS TOTAL HOMBRES 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 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. 20

22 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. 21

23 7. Referencias bibliográficas Abadie, A., D. Drukker., J. Leber Herr y G. Imbens (2002): Implementing Matching Estimators for Average Treatment Effects in STATA. 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 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 , Abril-Septiembre. 22

24 CINTERFOR (1999): Programas de Capacitación y Empleo de Jóvenes en América Latina. Documento elaborado por solicitud de OIT. 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 Heckman, James y Jeffrey Smith (1997): The Sensitivity of Experimental Impact Estimates: Evidence from the National JTPA Study. Working Paper National Bureau of Economic Research. 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 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 Heckman, J., H. Ichimura, y P. Todd. (1998): Matching As an Econometric Evaluation Estimator, Review of Economic Studies 65 (2), pp Heckman, J., H. Ichimura, J. Smith y P. Todd (1998): Characterizing Selection Bias Using Experimental Data, Econometrica 66 (5), pp

25 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 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 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 LaLonde, Robert. (1986): Evaluating the Econometric Evaluations of Training Programs with Experimental Data, American Economic Review 76 (4), pp 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 Manski, C. F., y S.R. Lerman (1977): The Estimation of the Choice Probabilities from Choice- Based Samples, Econometrica 45 (8), pp 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 Rosenbaum, P.R. y D.B. Rubin (1983): The Central Role of Propensity Score in Observational Studies for Causal Effects, Biometrika 70 (1), pp Santiago Consultores Asociados (1999): "Evaluación Ex-Post Chile Joven Fase II, Mimeo. 24

26 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. 25

27 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 26

28 ANEXO Nº 2: MODELOS DE ESTIMACIÓN DE LAS PROPENSIONES A PARTICIPAR MÉTODO LOGIT Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6 Modelo7 Modelo8 Modelo 9 Todos Hombres Mujeres Jóvenes Adultos Hombres Jóvenes Hombres Adultos Mujeres Jóvenes Mujeres Adultas Constante 3, , , , , , , , ,40470 (1,62250) (2,03904) (1,26224) (1,87924) (1,58715) (2,28291) (2,72577) (2,03503) (2,08670) r1_fefd -3, , , ,02064 (1,31623) (1,33109) (1,33108) (1,34281) r2_sel -0, , , , , , , , ,50826 (0,16958) (0,25897) (0,23472) (0,22678) (0,26347) (0,32147) (0,48625) (0,33617) (0,34641) r3_des 0, , , , , , , , ,14962 (0,20746) (0,29097) (0,30330) (0,28117) (0,31960) (0,38827) (0,46416) (0,42551) (0,45391) r3_in_ne 0, , , , , , , , ,01680 (0,21992) (0,35258) (0,30055) (0,28697) (0,36608) (0,42399) (1,35473) (0,41175) (0,46590) r3_in_e -0, , , , , , , , ,55343 (0,32340) (0,46656) (0,46728) (0,39255) (0,67269) (0,58103) (0,88868) (0,56769) (1,04576) r4_joven 0, , ,14117 (0,30521) (0,54328) (0,37643) Edadj97 0, , , , , , , , ,21913 (0,03496) (0,05637) (0,04519) (0,06961) (0,06580) (0,10029) (0,11259) (0,10103) (0,08605) Mujer -0, , ,67208 (0,16452) (0,20643) (0,28708) Region5 0, , , , , , , , ,66857 (0,22539) (0,35022) (0,29887) (0,28093) (0,38857) (0,44328) (0,61829) (0,37360) (0,51585) Region8 0, , , , , , , , ,32185 (0,19760) (0,29454) (0,27293) (0,27669) (0,30114) (0,42275) (0,47601) (0,38614) (0,41202) Nota: El primer valor de cada celda corresponde al coeficiente estimado y el segundo (abajo), al error estándar. 27

29 ANEXO 3. Efecto estimado en ingreso laboral de los participantes ($/MES) Corte transversal Diferencias en d Vecino más próximo Kernel Epanechnikov Vecino más próximo EPPP t EPPP t EPPP t Modelo 1 Todos 33, , , Modelo 2 Hombres 30, , , Modelo 3 Mujeres 26, , , Modelo 4 Jóvenes 37, , , Modelo 5 Adultos 25, , , Modelo 6 Hombres Jóvenes Modelo 7 Hombres Adultos Modelo 8 Mujeres Jóvenes Modelo 9 Mujeres Adultas 40, , , , , , , , , , , ,

30 ANEXO 4 Impacto estimado en probabilidad de estar ocupado Corte transversal Diferencias en diferencias Vecino más próximo Kernel Epanechnikov Vecino más próximo Kernel Epan 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 Hombres Jóvenes Modelo7 Hombres Adultos Modelo8 Mujeres Jóvenes Modelo 9 Mujeres Adultas 0,228 2,475 0,272 3,818 0,297 2,357 0,305 0,002 0,012 0,126 1,079-0,118-0,550-0,015 0,292 3,644 0,293 4,370 0,305 3,149 0,268 0,160 1,721 0,174 2,096 0,089 0,706 0,148 29

31 ANEXO 5 Impacto estimado en probabilidad de ocupación formal Corte transversal Diferencias en diferencia Vecino más próximo Kernel Epanechnikov Vecino más próximo Kernel Ep 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 Hombres Jóvenes Modelo 7 Hombres Adultos Modelo 8 Mujeres Jóvenes Modelo 9 Mujeres Adultas 0,221 3,370 0,201 4,818 0,409 3,836 0,344 0,094 0,682 0,190 1,916 0,019 0,102 0,070 0,148 2,410 0,189 3,486 0,173 2,330 0,188 0,091 1,552 0,160 2,506 0,004 0,039 0,139 30