Impacto Cuantitativo de INFOCAP en el ingreso y empleo de sus ex - alumnos

Transcripción

1 PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS INSTITUTO DE ECONOMIA CENTRO DE ESTUDIOS INFOCAP LA UNIVERSIDAD DEL TRABAJADOR Impacto Cuantitativo de INFOCAP en el ingreso y empleo de sus ex - alumnos Autores: Javier Galdames Raúl Saa Profesor: Francisco Gallego 1

2 Índice Abstract... 3 SECCIÓN 1: OBJETIVOS DEL TRABAJO... 4 SECCIÓN 2: METODOLOGÍA Y CARACTERIZACIÓN DE LA MUESTRA... 6 SECCIÓN 3: ANÁLISIS... 7 Ingresos... 7 Cambio en el ingreso... 7 Ingresos finales Ingresos iniciales Cambios en el ingreso desagregado por categorías Cambio en el ingreso según año de entrada Cambios en el ingreso de acuerdo al género Cambios en el ingreso por carrera que estudió en INFOCAP Cambios en el ingreso por nivel educacional previo Cambios en el ingreso según carreras femeninas y masculinas Cambios en el ingreso según uso de la carrera Cambios en el ingreso según jornada Cambios en el ingreso según tipo de trabajo actual (dependiente o independiente) Cambios en el ingreso según área de trabajo (servicios, comercio o manufactura) Cambios en el ingreso de acuerdo al uso de capital específico Ingreso final desagregado por categorías Ingreso final de acuerdo al género Ingreso final de acuerdo a la carrera que estudió en INFOCAP Ingreso final de acuerdo al nivel educacional previo Ingreso final según uso de la carrera Ingreso final según jornada Ingreso final según uso de capital específico Ingreso inicial desagregado por categorías Ingreso inicial de acuerdo al género Ingreso inicial según jornada Ingreso inicial según carrera Carrera y Mundo Laboral Carrera elegida de acuerdo a ingreso inicial Tendencia a independizarse desagregado por carrera estudiada Cambios laborales Surgimiento del trabajo informal ( pololos ) SECCIÓN 4: ALGUNAS REGRESIONES MÚLTIPLES SECCIÓN 5: CONCLUSIONES Anexos...59 Glosario

3 Abstract El presente informe tiene como fin dar cuenta de los resultados obtenidos en el estudio Impacto Cuantitativo de Infocap en el ingreso y empleo de sus ex alumnos. Para cumplir con dicho objetivo, se confeccionó una base de datos de egresados de los años y luego se realizó un análisis de dicha muestra de manera de obtener conclusiones. En primer lugar, se encontró que la hipótesis que manejaba la institución acerca de que los alumnos luego de su paso por INFOCAP aumentaban sus ingresos reales es correcta, encontrando en la muestra un incremento de un 41.11%, lo que en términos monetarios es de $ en pesos de enero del Dicho aumento es mayor en hombres que en mujeres y se da un mayor incremento en aquellos alumnos con un mayor nivel educacional previo. Además, el cambio en el ingreso es distinto con respecto a las carreras impartidas, así como también según la jornada en que se estudia. En la sección N 1 se detallará el carácter de la institución en cuestión, tomando en cuenta como variable principal, el carácter integral de su proyecto educativo. Además, se darán a conocer los objetivos principales y secundarios de este estudio. La sección N 2 dará cuenta de la metodología utilizada para el diseño de la muestra y una caracterización de dicha base. La sección N 3 contiene el análisis de la base de datos confeccionada. En éste, se explicará por medio de cruces y regresiones, los distintos efectos en los ingresos laborales y los resultados obtenidos acerca de la empleabilidad de los ex alumnos. La sección N 4 contiene resultados de ingresos controlando por variables relevantes, tales como; jornada de estudio, género, entre otras. En este apartado se podrá apreciar el efecto real de las variables analizadas separadamente en la sección anterior. Finalmente, la sección N 5 aborda las conclusiones del estudio. Para la realización del presente trabajo, se contó con la ayuda indispensable del profesor del Instituto de Economía de la Pontificia Universidad Católica de Chile, Sr. Francisco Gallego, así como también de la Sra. Pilar Opazo, Coordinadora del Centro de Estudios de INFOCAP. 3

4 Sección 1: Objetivos del estudio El mundo de la capacitación y formación laboral para el primer quintil de ingresos en Chile presenta, a dicho sector de la población, una oportunidad inigualable para poder desarrollar habilidades que les permita ingresar al mundo laboral y así, mejorar su condición de vida, estimular habilidades personales y de organización, aumentar su capital humano, mejorar el ingreso laboral, entre otros. Entre las alternativas presentes en el mercado chileno se encuentra INFOCAP, la Universidad del Trabajador, institución sin fines de lucro formada en 1984 por la Compañía de Jesús y que está liderada actualmente por el padre Luis Roblero s.j. INFOCAP presenta características que la distinguen de otras instituciones de capacitación, como por ejemplo su carácter de universidad, que considera el desarrollo de clases a través de trimestres académicos, en el cual se desarrollan habilidades técnicas, profesionales y personales con el fin de generar cambios en el alumno. La misión principal de esta institución es capacitar y formar trabajadores de escasos recursos por medio del desarrollo de competencias laborales. Además, los requisitos de ingreso son completamente diferentes a los que se estila en el mercado de la capacitación, operando contrariamente al común, ya que, entre otras cosas, se exige un nivel socioeconómico bajo, además de tener más de 21 años, poseer escasos recursos y ser sostenedor de familia. En la propuesta educativa de INFOCAP destaca su carácter integral. Los cursos ofrecidos incorporan programas de Formación Personal y es en este ámbito en el cual se presenta un carácter que lo distingue de otras alternativas disponibles. Entre las carreras que se dictan en la universidad se encuentran: Corte y Confección, Gastronomía, Mueblería, Carpintería de Obra Gruesa, Edificación, Carpintería Metálica, Instalaciones Sanitarias, Instalaciones Eléctricas, Jardinería, Albañilería y Especialista en Belleza. INFOCAP funciona anualmente y bajo un currículum trimestral, con el esquema de dos jornadas: tarde y noche. Se considera que la jornada de la tarde tiene un claro sesgo hacia el género femenino y que las alumnas de dicha jornada son generalmente dueñas de casa, sin trabajo remunerado previo y que, por lo tanto, entran a la institución para adquirir conocimientos que les permitan realizar trabajos esporádicos ( pololos ) con el fin de contribuir al ingreso familiar. La jornada de la noche, en cambio, está principalmente conformada por hombres que actualmente están en el mercado laboral y que luego de su trabajo diario, asisten a clases con el fin de obtener una capacitación que les permita obtener un segundo trabajo remunerado o una promoción en sus actuales empleos. Dentro de la organización de la institución se encuentra el Centro de Estudios, el cual tiene como objetivo generar información relevante para la toma de decisiones estratégicas de la institución, y además estudiar en profundidad el mundo de los alumnos del primer quintil de ingresos de la sociedad chilena. Para ayudar a la realización de este objetivo, se encargó un estudio que determinara el impacto cuantitativo del paso por INFOCAP. El objetivo principal de éste es obtener una medida cuantitativa del cambio en el ingreso de los ex alumnos e intentar comprender las causas de este posible cambio. Además veremos información acerca de la empleabilidad de los egresados y desagregaremos por diferencias de género, jornada y año de egreso. Dentro de los objetivos secundarios, se busca obtener información y datos que permitan a la institución contar con ingresos previos y posteriores al paso por INFOCAP, datos de carreras actualizados, datos relevantes 4

5 con respecto a la empleabilidad, cambios en el carácter laboral dado que la institución incentiva el autoempleo, etc. La presentación de los datos se hará separando el análisis en dos grandes temas: ingreso e inserción laboral. De esta manera se espera entregar información relevante de la manera más detallada posible 5

6 Sección 2: Metodología y Caracterización de la Muestra La recolección de datos se realizó mediante la aplicación de una encuesta telefónica a los alumnos de INFOCAP. Dicha encuesta telefónica fue confeccionada por Pilar Opazo, con la revisión y adiciones de los autores. El total de la muestra encuestada corresponde a 252 alumnos de ambas jornadas de estudio. El diseño muestral utilizado fue aleatorio simple estratificado por año de ingreso a la institución. La base de datos considera una población total de 2082 alumnos, siendo la desagregación por años la siguiente: 844, 904 y 334 alumnos para los años 2004, 2005 y 2006, respectivamente. Lo anterior arrojó como resultado un tamaño de muestra óptimo de 90 alumnos para el año 2004, 91 para 2005 y 77 para el Dados estos datos, obtuvimos la siguiente muestra: Año 2004 Año 2005 Año (33.33%) 91 (36.11%) 77 (30.56%) Lo primero que se destaca es el menor número de encuestados en 2006, y esto es debido a que para la realización de este estudio se consideró a aquellas personas que ya habían salido de la institución y sólo cumplían este requisito las que habían ingresado el primer trimestre. Otras características relevantes de la muestra son: Hombres Mujeres 83 (32.94%) 169 (67.06%) Jornada Tarde Jornada Noche 90 (35.71%) 162 (64.29%) Realizando un cruce de datos, observamos que: Hombre Mujer Total Tarde Noche Total Lo que demuestra la hipótesis que se manejaba en un principio, que señalaba que los hombres se encuentran principalmente en la jornada de la noche y las mujeres en la tarde. 6

7 Sección 3: Análisis En la presente sección abordaremos el análisis basándonos en correlaciones de variables obtenidas en la muestra, y además buscaremos aislar efectos significativos que puedan explicar los cambios en las variables. Repartiremos el análisis en tres ítems: cambios en el ingreso entre los dos periodos, ingreso inicial e ingreso final. Éstos serán analizados por separado, principalmente por el hecho de que los datos pueden ayudar mucho a la institución, para así tener ideas acerca de variables cuantitativas con respecto a la composición de sus alumnos. Ingresos Cambio en el ingreso La variable que brinda mayor información y que además es la base del análisis posterior que vamos a realizar, es la variable que indica cambio en el ingreso (delta_ing). Se trabajará en términos reales, por lo que se ha considerado al generar las variables, la inflación de cada periodo. Para cada individuo de la muestra se restó el ingreso final reportado con el ingreso inicial reportado en la misma encuesta, para así lograr medir la variación. Esta información, si bien no representa con exactitud el ingreso obtenido en los dos momentos, si se acerca bastante al valor real, y además, es el mejor proxy dadas las condiciones de lejanía con respecto a los distintos momentos que quisimos averiguar. Mean estimation Number of obs = 252 Mean Std. Err. [95% Conf. Interval] delta_ing Tabla 1 Promedio del cambio en el ingreso El cambio en el ingreso de las personas fue de $36.186,39 pesos. Esto es positivo, ya que implica que las personas al entrar a INFOCAP, en promedio, ven aumentados sus ingresos reales. Lo que no podemos concluir con esta información es si dichas personas hubieran aumentado aún más sus ingresos en otra institución, es decir, cuál es su ingreso alternativo. Por ende, no podemos aislar el efecto de INFOCAP. Dicho efecto podría aislarse si contáramos con un grupo de control, vale decir, aquellas personas que habiendo querido entrar a INFOCAP y que, por lo tanto, se parecen en ese ámbito motivacional a los que tenemos en la muestra, no lo consiguieron. Dada la dificultad de obtención de los datos de este grupo de control, no pudimos realizar dicho trabajo, por lo que quedó fuera del presente estudio y será analizado posteriormente. Observaremos ahora, el cambio en términos porcentuales, lo que nos da una información que podemos ocupar en términos generales: 7

8 Ratio estimation Number of obs = 252 _ratio_1: ing_fin/ing_ini Linearized Ratio Std. Err. [95% Conf. Interval] _ratio_ Tabla 2 Cambio porcentual en el ingreso La tabla superior indica que existe un aumento del ingreso de un 41,13% en términos reales a enero del Todos los resultados se harán con respecto a esa fecha. Esto permite decir que el paso por INFOCAP reporta, en promedio, un aumento significativo del ingreso de las personas, lo que apoya la visión de que la calidad de vida mejora, si sólo nos fijamos en la parte monetaria. Una pregunta interesante de hacer en este apartado es: cuántas personas de la muestra aumentaron sus ingresos y cuántas se mantuvieron igual?. Esto último podría pasar, posiblemente, si antes no trabajaban y actualmente tampoco lo hacen. Para responderlo, veremos el siguiente resultado, que expone cuántas personas tienen un ingreso final ( post INFOCAP ) mayor, igual o menor que el ingreso inicial ( pre INFOCAP ) que reportaron en la encuesta: difference count minimum average maximum ing_fin<ing_ini ing_fin=ing_ini 64 ing_fin>ing_ini jointly defined total 252 Tabla 3 Número de alumnos que cambiaron sus ingresos De los 252 alumnos encuestados, 153 aumentaron sus ingresos, lo que implica que un 60,71% mejoró su condición desde el punto de vista del ingreso. 8

9 La situación anterior se observa con mayor facilidad en la siguiente ilustración, que muestra el histograma de los cambios en el ingreso de los alumnos encuestados: Percent delta_ing Figura 1 Histograma de cambios en el ingreso La mayor parte del aumento en los ingresos de los alumnos puede observarse en la siguiente tabla, que sintetiza la información de la figura anterior: delta_ing Percentiles Smallest 1% % % Obs % Sum of Wgt % Mean Largest Std. Dev % % Variance 8.13e+09 95% Skewness % Kurtosis Tabla 4 Percentiles de los cambios en el ingreso Este resultado indica que la mediana de la muestra, en esta variable, es de ,61. Se obtiene este resultado para extraer del análisis a algunos datos que se escapan de la media y que por ende, aumentan dicho valor en un porcentaje que no resulta ser muy representativo. La tabla anterior resume los momentos primordiales de la variable principal del estudio. En la siguiente figura y con el fin de llevar más a fondo el análisis de esta variable, se consideran sólo los que trabajan en ambos momentos estudiados. Con esto se logra un análisis más estilizado al aislar el efecto de empleabilidad, y midiendo el aumento en las remuneraciones en el grupo siempre empleado: 9

10 Percent delta_ing Figura 2 Histograma de cambios en el ingreso (sin considerar cambios en la situación laboral de algún grupo) Podemos observar que el aumento en el ingreso es mayor, y que el porcentaje de individuos que aún ganan lo mismo, después de estudiar en INFOCAP, es menor, por lo que el efecto del aumento en el ingreso se ve potenciado luego de este análisis. Ingresos finales El promedio de los ingresos finales que obtuvieron las personas encuestadas y que estudiaron en INFOCAP fueron los siguientes: Mean estimation Number of obs = 252 Mean Std. Err. [95% Conf. Interval] ing_fin Tabla 5 Promedio de Ingresos Finales La tabla anterior indica que el promedio del ingreso final de las personas es de $ ,9 pesos. 10

11 Podemos lograr un mejor análisis de este tema incorporando antes un gráfico que indique un histograma para la muestra: Percent Ingreso que reciben las personas actualmente por su trabajo Figura 3 Histograma Ingresos Finales En la figura superior, podemos observar que la distribución presenta algunos datos que se escapan de la media, que son outliers y que corresponden, principalmente a personas que obtuvieron ingresos remunerados de carácter dependiente. La tabla inferior muestra el detalle de la variable en cuestión: Ingreso que reciben las personas actualmente por su trabajo Percentiles Smallest 1% 0 0 5% % 0 0 Obs % Sum of Wgt % Mean Largest Std. Dev % % Variance 1.17e+10 95% Skewness % Kurtosis Tabla 6 Percentiles del ingreso final Nuevamente obtenemos la mediana, que en este caso es de $ pesos, muy similar a la media obtenida con anterioridad. 11

12 Ingresos iniciales Los ingresos iniciales reportados por los encuestados presentan los siguientes hechos estilizados, tal y como lo hicimos con las anteriores variables: Ingreso inicial que obtenía la persona por su trabajo Percentiles Smallest 1% 0 0 5% % 0 0 Obs % 0 0 Sum of Wgt % Mean Largest Std. Dev % % Variance 5.60e+09 95% Skewness % Kurtosis Tabla 7 Ingreso inicial de las personas El promedio de los ingresos antes de entrar a INFOCAP es de $ pesos. La mediana es de $ pesos. Gráficamente: Percent Ingreso inicial que obtenia la persona por su trabajo Figura 4 Histograma de ingreso inicial de las personas La tabla y el gráfico anterior muestran una gran masa de personas aglomerada en los primeros percentiles, lo que demuestra que hay muchos alumnos que al entrar a INFOCAP se encontraban desempleados o trabajaban en la casa, por lo que el ingreso que reportan es de $0 pesos. Si nos abstraemos de considerar a las personas que señalaron no trabajar en un principio, obtenemos que la muestra se tiende a normalizar, lo que se observa en la figura siguiente 12

13 Percent Ingreso inicial que obtenia la persona por su trabajo Figura 5 Histograma de ingreso inicial de las personas (solo personas que declararon estar trabajando en un principio) De acuerdo al histograma el 25% de las personas obtenía alrededor de $ como ingreso inicial, siendo el rango de ingresos entre $0 y $ En esta figura se puede observar de manera mucho más estilizada la distribución de los ingresos iniciales, ya que consideramos solo aquellas personas trabajando y así contaminamos el histograma. Uniendo los dos análisis que realizamos, ingreso final e ingreso inicial, se reporta el siguiente histograma: Density 0 5.0e e e e Ingresos Iniciales Ingresos Finales Figura 6 Histograma combinado de ingresos iniciales y finales De la figura podemos ver que la distribución de los ingresos finales se corre hacia la derecha, lo que implica que una mayor concentración de alumnos comienza a ganar mayores ingresos y además podemos notar que la cantidad de alumnos que no 13

14 obtienen ingresos por su trabajo disminuye luego del paso por INFOCAP. También es relevante notar como la distribución comienza a tener una masa mucho mayor cuando se pasan los $ pesos. Esta figura resume bastante el efecto que tiene INFOCAP en el ingreso de las personas y es un resultado muy interesante que aparece en el análisis. Cambios en el ingreso desagregado por categorías En el siguiente apartado, vamos a analizar correlaciones ayudados por herramientas estadísticas y econométricas, con el fin de observar ciertos comportamientos que se pueden inferir de acuerdo a los datos que tenemos. La sección más importante es la que viene a continuación, en el que analizaremos los cambios que ocurrieron en el ingreso de las personas luego de haber recibido la capacitación de INFOCAP, controlando por distintas variables de manera individual. Las secciones siguientes nos dan una idea acerca de los ingresos finales obtenidos y los ingresos iniciales reportados y cómo éstos pueden ser desagregados de acuerdo a las categorías enunciadas. Cambio en el ingreso según año de entrada A continuación se mostrará cómo se comportaron las medias en la muestra, según cada estrato obtenido: Linear regression Number of obs = 252 F( 3, 249) = Prob > F = R-squared = Root MSE = Robust delta_ing Coef. Std. Err. t P> t [95% Conf. Interval] año_ año_ año_ Tabla 8 Regresión lineal del cambio en el ingreso según año de entrada Podemos notar que la variación mayor en el ingreso de las personas se da en aquellas que salieron de INFOCAP el año Esto podría dar paso a cierta hipótesis, si consideramos cierto tipo de empresas que se crean después de abandonar la institución. Éstas son empresas unipersonales, micronegocios, que deben tener como mínimo, un año de ajuste para que funcione correctamente, y luego al tercer año obtengan menores utilidades, siendo así el ciclo de vida de las empresas muy corto. El efecto del año 2006, o sea, de las personas que recién salen al mundo laboral desde INFOCAP, no es estadísticamente signficativo. Es necesario un proceso de ajuste en el emprendimiento para lograr un aumento significativo en el ingreso. Este ajuste se da en todos los niveles de educación y trabajo, ya sea en términos universitarios o en niveles técnicos. Podemos teorizar acerca de las razones de este aumento no significativo (ciclos de vida empresariales, períodos de ajuste de las empresas unipersonales formadas, etc) pero esto escapa de la motivación del presente trabajo. 14

15 En términos porcentuales, el aumento de los ingresos debido al efecto año es el siguiente: Ratio estimation Number of obs = 252 _ratio_1: ing_fin/ing_ini 2: año_ing = 2 3: año_ing = 3 4: año_ing = 4 Linearized Over Ratio Std. Err. [95% Conf. Interval] _ratio_ Tabla 9 Cambios porcentuales en el ingreso de las personas Lo que indica que las personas que salieron el año 2004 han aumentado su ingreso en un 32,97%, los del año 2005 en un 66.26% y los del año 2006 sólo un 15,73%. Si analizamos lo anterior, en términos de regresiones con respecto a medianas, obtenemos lo siguiente. note: año_2006 dropped due to collinearity Iteration 1: WLS sum of weighted deviations = Iteration 1: sum of abs. weighted deviations = Iteration 2: sum of abs. weighted deviations = note: alternate solutions exist Iteration 3: sum of abs. weighted deviations = Iteration 4: sum of abs. weighted deviations = Median regression Number of obs = 252 Raw sum of deviations 1.57e+07 (about ) Min sum of deviations 1.51e+07 Pseudo R2 = delta_ing Coef. Std. Err. t P> t [95% Conf. Interval] año_ año_ _cons 2.95e Tabla 10 Regresión de medianas del cambio en el ingreso según año de entrada Como era de esperar, de acuerdo a los gráficos anteriores, el análisis de medianas arroja que el aumento en el ingreso es un poco menor, debido a ciertos sujetos que hacen subir la media. Aún así sigue la tendencia de que los egresados el 2005 son los que han experimentado el mayor aumento en sus ingresos. 15

16 Cambios en el ingreso de acuerdo al género La variable que observaremos en este caso es la variable sexo, que es una variable dummy (o dicotómica) que tiene un valor de 1 si es mujer y 0 si es hombre. Por lo tanto, realizamos el siguiente análisis econométrico: Linear regression Number of obs = 252 F( 1, 250) = Prob > F = R-squared = Root MSE = Robust delta_ing Coef. Std. Err. t P> t [95% Conf. Interval] sexo _cons Tabla 11 Cambio en el ingreso según género Lo que la regresión señala es que el cambio promedio en el ingreso de las mujeres es de $18.947,79 pesos y el de los hombres es de $71.286,67 pesos. Estos dos coeficientes son estadísticamente significativos, por lo que se puede afirmar que hay una diferencia sustancial en el cambio del ingreso entre las personas de distinto género dentro de la muestra que manejamos. En términos porcentuales, la diferencia se ve de la siguiente manera:. ratio ing_fin/ing_ini, over (sexo) Ratio estimation Number of obs = 252 _ratio_1: ing_fin/ing_ini 0: sexo = 0 1: sexo = 1 Linearized Over Ratio Std. Err. [95% Conf. Interval] _ratio_ Tabla 12 Cambio porcentual del ingreso según género Esto indica que hay un 50,9% de aumento de los ingresos en los hombres y sólo un 30,32% de aumento en el género femenino. Lo anterior es muy importante si consideramos lo siguiente: 16

17 . tabulate sexo 0 si es hombre 1 si es mujer Freq. Percent Cum Total Tabla 13 Frecuencia de géneros en INFOCAP El 32.94% de la muestra obtenida es hombre y el 67,06% restante es mujer, por lo que el anterior resultado adquiere una importancia aún mayor al considerar los efectos agregados de las políticas de la institución. Este resultado desfavorable hacia las mujeres puede explicarse de muchas maneras, tal como lo veremos a lo largo del informe. Si consideramos la mediana en vez de la media para realizar el análisis y eliminar algunos outliers de la muestra, el resultado que se obtiene es el siguiente:. qreg delta_ing sexo Iteration 1: WLS sum of weighted deviations = Iteration 1: sum of abs. weighted deviations = Iteration 2: sum of abs. weighted deviations = Iteration 3: sum of abs. weighted deviations = Median regression Number of obs = 252 Raw sum of deviations 1.57e+07 (about ) Min sum of deviations 1.49e+07 Pseudo R2 = delta_ing Coef. Std. Err. t P> t [95% Conf. Interval] sexo _cons Tabla 14 Regresión de mediana cambio en el ingreso según género Como era esperable, el coeficiente relacionado al género implica que las mujeres obtienen $ pesos, en vez de los $ que habíamos obtenido antes con la media. En el caso de los hombres, el resultado es similar: $ versus los $ pesos que obtuvimos con la media. 17

18 Cambios en el ingreso por carrera que estudió en INFOCAP Para estudiar este aspecto, creamos una variable dummy para cada una de las carreras que se dictan en INFOCAP y que estén presentes en nuestra muestra. Además incluimos la restricción de que la frecuencia de cada carrera debe ser mayor de 10 para que podamos encontrar valores con algún nivel de confianza estadística. Por ende, generamos 9 variables para las carreras principales: Corte y Confección, Gastronomía Noche, Gastronomía Tarde, Mueblería, Edificación, Carpintería Metálica, Instalaciones Sanitarias, Instalaciones Eléctricas y Especialista en Belleza Tarde. De las otras carreras contamos con muy poca información en términos de frecuencia muestral, por lo tanto, no se generaron variables para dichas carreras. La información detallada se muestra en la siguiente tabla: Nº Carrera Frecuencia muestral Variable Dummy 1 Corte y Confección 39 C_cyc 2 Gastronomía 33 C_gast 3 Gastronomía Tarde 31 C_gast_t 4 Mueblería 29 C_mueb 5 Carpintería de Obra Gruesa 3 6 Edificación 12 C_edif 7 Mueblería 0 8 Carpintería Metálica 18 C_carpm 9 Instalaciones Sanitarias 25 C_inst_san 10 Instalaciones Eléctricas 27 C_inst_ele 11 Jardinería 2 12 Albañilería 5 13 Albañilería y Carpintería Obra Gruesa 0 14 Especialista en Belleza Tarde 20 C_bel_t 15 Especialista en Belleza Noche 8 Tabla 15 Frecuencia muestral y dummys de carrera En negrita se indican las carreras que se incluyen en el análisis. Luego de crear las variables correspondientes se corrió una regresión para observar el efecto en el cambio en el ingreso según la carrera estudiada. Esta regresión arroja resultados muy importantes en cuanto al éxito laboral de la carrera elegida por los alumnos de la institución en términos monetarios, pero no es definitiva, ya que no estamos controlando por otras variables que pueden afectar dicho cambio en el ingreso y tampoco estamos estudiando la empleabilidad de dichas carreras. La regresión es la siguiente: 18

19 . reg delta_ing c_*, r nocons Linear regression Number of obs = 252 F( 9, 243) = 9.05 Prob > F = R-squared = Root MSE = Robust delta_ing Coef. Std. Err. t P> t [95% Conf. Interval] c_cyc c_gast c_gast_t c_mueb c_edif c_carpm c_inst_san c_inst_ele c_bel_t Tabla 16 Cambios en el ingreso de acuerdo a la carrera estudiada De la tabla anterior podemos inferir algunas cosas interesantes. Por ejemplo, la carrera que obtuvo en promedio, un aumento mayor del ingreso fue Carpintería Metálica, con un incremento de $83.416, seguido por Edificación ($66.784) y Especialista en Belleza Tarde ($61.495); Gastronomía Tarde tuvo un mayor aumento que Gastronomía Noche ($ pesos versus $16.670); Corte y Confección tuvo un retroceso en el ingreso promedio (disminución de $ 6.328). Sin embargo, las carreras de Corte y Confección, Gastronomía Noche e Instalaciones Sanitarias no resultan estadísticamente significativas, por lo que no es posible extraer conclusiones respecto de éstas. Gráficamente, se observa lo siguiente: mean of delta_ing 0 20,000 40,000 60,000 80, Figura 7 Histograma de cambios en el ingreso por carrera Los números de la Figura 6 corresponden a los de la Tabla 15. Llama la atención el caso de Corte y Confección, ya que se cuenta con bastantes datos para testear la validez de la afirmación y aún así, el resultado promedio es negativo. 19

20 En términos porcentuales, los resultados son los siguientes: Linearized Over Ratio Std. Err. [95% Conf. Interval] _ratio_1 Corte y Conf Gastronomia Gast. Tarde Mueblería Edificación Carp. Metal Inst. Sanit Albañileria Esp.Bell.T Esp.Bell.N Tabla 17 Cambios porcentuales del ingreso según carrera La carrera que presenta un mayor aumento porcentual es la carrera 14, Especialista en Belleza Tarde, seguido por Gastronomía Tarde. Esto puedo explicarse por el hecho de que las personas que ingresan a esta carrera son mujeres generalmente desempleadas, por lo que cualquier aumento en sus ingresos laborales implica un fuerte aumento porcentual. Todos los valores bajo 1, implican que hubo una disminución porcentual en los ingresos. En términos de medianas, tal y como lo hicimos en la sección anterior, obtuvimos los siguientes resultados: Median regression Number of obs = 252 Raw sum of deviations 1.57e+07 (about ) Min sum of deviations 1.47e+07 Pseudo R2 = delta_ing Coef. Std. Err. t P> t [95% Conf. Interval] c_cyc c_gast 5.33e c_gast_t -3.45e c_mueb c_edif c_carpm c_inst_san c_inst_ele c_bel_t _cons -2.91e Tabla 18 Regresión de medianas según carrera Aunque los valores que obtiene cada carrera son distintos, menores, que los que obtuvimos con las medias, las conclusiones son similares. Las carreras de Carpintería Metálica, Edificación, Mueblería y Especialista en Belleza Tarde son las que obtienen mayores cambios en sus ingresos, controlando por datos extremos en la muestra. 20

21 Cambios en el ingreso por nivel educacional previo La hipótesis que manejamos es que las personas con un mayor nivel educacional previo alcanzan un mayor ingreso final y también un mayor cambio en el ingreso. La siguiente tabla resume la información que poseemos extraída de los datos de la muestra: Nivel educacional previo que alcanzo el individuo antes de entrar a INFOCAP Freq. Percent Cum Básica Completa Básica Incompleta Educación Técnica Completa Media Científica Humanista Completa Media Científica Humanista Incompleta Media Técnico Profesional Completa Total Tabla 19 Frecuencia de Nivel Educacional Previo Podemos observar que el alumnado de INFOCAP responde a las exigencias de ingreso determinadas por la institución, lo que reafirma la idea de que para entrar a estudiar a esta institución se requiere estar en situación de riesgo, desde el punto de vista socioeconómico y educacional. Para realizar un análisis econométrico, se generan las variables dummy correspondientes y se realiza la siguiente regresión con el objetivo de medir el cambio promedio de acuerdo al nivel educacional con el que se ingresó a estudiar:. reg delta_ing bas_com bas_incomp med_comp med_incomp med_t_comp, r nocons Linear regression Number of obs = 252 F( 5, 247) = Prob > F = R-squared = Root MSE = Robust delta_ing Coef. Std. Err. t P> t [95% Conf. Interval] bas_comp bas_incomp med_comp med_incomp med_t_comp Tabla 20 Cambio en el ingreso según el nivel educacional previo Como era esperable, las personas con mayor capital humano antes de entrar a INFOCAP y que terminaron sus estudios, ya sea básicos o de nivel medio, aumentaron más sus ingresos que los que los dejaron incompletos. A nivel de números, aquellos con educación básica completa aumentaron, en promedio, sus ingresos en $37.907,53 pesos. Al mismo tiempo, los alumnos que ingresaron con su educación básica incompleta sólo lo hicieron en $19.196,03 pesos. El mismo patrón se observa en el plano de la educación media. Los que terminaron la enseñanza Media Técnico Profesional aumentaron mucho más sus ingresos, pero debido al bajo número de datos presentado en la tabla anterior, no tenemos solidez estadística para incluir dicha categoría en el análisis. 21

22 En términos porcentuales, se tienen los siguientes datos:. ratio ing_fin/ing_ini, over(educ_prev) Ratio estimation Number of obs = 252 _ratio_1: ing_fin/ing_ini Linearized Over Ratio Std. Err. [95% Conf. Interval] bas_comp bas_incomp med_comp med_incomp med_t_comp Tabla 21 Cambios porcentuales en el ingreso según nivel educacional previo La tabla superior reafirma el análisis que se hizo en términos monetarios simples, es decir, aquellos alumnos que entraron con un nivel educacional previo mayor, terminaron con mayores ingresos promedios. Pensando en las regresiones de medianas, los resultados que se obtienen son:. qreg delta_ing bas_* med_* Iteration 1: WLS sum of weighted deviations = Iteration 1: sum of abs. weighted deviations = Iteration 2: sum of abs. weighted deviations = Iteration 3: sum of abs. weighted deviations = Iteration 4: sum of abs. weighted deviations = Median regression Number of obs = 252 Raw sum of deviations 1.57e+07 (about ) Min sum of deviations 1.55e+07 Pseudo R2 = delta_ing Coef. Std. Err. t P> t [95% Conf. Interval] bas_comp bas_incomp med_comp med_incomp med_t_comp _cons Tabla 22 Regresión de medianas según nivel educacional previo Aunque los coeficientes son negativos, no hay que olvidar que la regresión se obtiene con una constante, por lo tanto, los cambios son todos positivos en el ingreso. Cabe destacar el caso de aquellos que completaron la educación media, ya que al sumar la constante a los coeficientes se observa que el aumento fue mayor que en todos los otros casos o, lo que es lo mismo, presentan el menor valor negativo entre todas las variables. Lo anterior es dejando de lado aquellos que finalizaron las carreras técnicas, al no poder afirmar nada concreto con respecto a estos últimos, ya que no tenemos los datos necesarios para hacerlo. 22

23 Cambios en el ingreso según carreras femeninas y masculinas La motivación que implicó este análisis viene derivada por las conclusiones que obtuvimos en las primeras partes de este documento, al afirmar que las mujeres en promedio, tenían menores aumentos en los ingresos que los hombres. Por ende, nos preocupamos de analizar el efecto según las carreras que en INFOCAP se consideran con un alto tinte femenino o masculino. Pero primero, hay que determinar cuáles son las carreras femeninas y masculinas, pero basándonos en los datos que tenemos:. table carrera, by (sexo) si es hombre 1 si es mujer and Carrera que estudió en Infocap Freq La tabla muestra la frecuencia de los sexos en cada carrera que se estudia en INFOCAP. La variable dummy de sexo toma el valor 1 cuando se es mujer y 0 cuando el dato es de un hombre. Entonces, dados los datos presentados en la tabla, las carreras femeninas son la 1, 2, 3, 14 y 15. Hay otras carreras que también presentan mayoría de mujeres, como por ejemplo, la carrera número 11, con un 100% de mujeres, pero sólo tenemos dos datos de dicha carrera. Pasa lo mismo con la carrera 12, sólo 5 datos. Ahora, hay que ver a que carreras corresponden estos números: *1 es Corte y Confección *2 es Gastronomía *3 es Gastronomía Tarde *14 es Especialista en Belleza Tarde *15 es Especialista en Belleza Noche Se da la lógica que habíamos considerado al inicio, pero es mejor corroborar con los datos lo que pensamos a priori. Para realizar este análisis se generó la variable de la carrera 15, de Especialista en Belleza que no se había considerado anteriormente por contar con pocos datos extraídos en al muestra. Ahora la incluimos para hacer un análisis más detallado y específico que el anterior. Tabla 23 Frecuencia de género por carreras Entonces, ya sabemos cuáles son las carreras femeninas y por lo tanto, realizamos el análisis correspondiente. 23

24 El promedio de estas carreras, en conjunto, se muestra en la siguiente tabla:. mean delta_ing if carrera==1 carrera==2 carrera==3 carrera==14 carrera==15 Mean estimation Number of obs = 131 Mean Std. Err. [95% Conf. Interval] delta_ing Tabla 24 Cambio en el ingreso promedio de las carreras femeninas Las carreras femeninas aumentaron en $ pesos su ingreso en promedio. Ahora las consideramos de manera separada, realizando una regresión y observando el coeficiente de cada carrera:. reg delta_ing c_cyc c_gast c_gast_t c_bel_t c_bel, r noc Linear regression Number of obs = 252 F( 5, 247) = 6.60 Prob > F = R-squared = Root MSE = Robust delta_ing Coef. Std. Err. t P> t [95% Conf. Interval] c_cyc c_gast c_gast_t c_bel_t c_bel Tabla 25 Cambio en el ingreso de las carreras "femeninas" La carrera que presentó un mayor aumento promedio es Especialista en Belleza Tarde, seguido de Gastronomía Tarde. Pasaremos a continuación, a comparar los resultados obtenidos anteriormente con los resultados, que esperamos que sean más altos, en el caso de las carreras consideradas masculinas. Basados en el análisis anterior las carreras masculinas son la 4, 6, 8, 9 y 10, las cuales corresponden a: *4 es Mueblería *6 es Edificación *8 es Carpintería Metálica *9 es Instalaciones Sanitarias *10 es Instalaciones Eléctricas 24

25 Tomando el promedio de estas carreras, obtenemos lo siguiente:. mean delta_ing if carrera==4 carrera==6 carrera==8 carrera==9 carrera==10 Mean estimation Number of obs = 111 Mean Std. Err. [95% Conf. Interval] delta_ing Tabla 26 Cambio en el ingreso promedio de las carreras masculinas Las carreras masculinas aumentaron en $ pesos su ingreso. En términos nominales, los hombres siguen ganando mucho más dinero que las mujeres, la diferencia es gigantesca. Ahora pasaremos a ver el efecto por cada carrera:. reg delta_ing c_mueb c_edif c_carpm c_inst_san c_inst_ele, r noc Linear regression Number of obs = 252 F( 5, 247) = Prob > F = R-squared = Root MSE = Robust delta_ing Coef. Std. Err. t P> t [95% Conf. Interval] c_mueb c_edif c_carpm c_inst_san c_inst_ele Tabla 27 Cambio en el ingreso de las carreras masculinas Ahora lo observamos en términos porcentuales:. ratio ing_fin/ing_ini, over (carrera) Carreras Femeninas Linearized Over Ratio Std. Err. [95% Conf. Interval] Corte y Conf Gastronomía Gastr. Tarde Esp. Belleza Esp. Bell.Tar Tabla 28 Cambio en el ingreso de las carreras femeninas El aumento porcentual de Especialista en Belleza Tarde es de un 310%, lo que se puede explicar tomando en cuenta de que dicha carrera está diseñada para satisfacer las necesidades de mujeres dueñas de casa, por lo que antes reportaban un 25

26 ingreso laboral de $0 pesos, y ahora, por medio de trabajos informales, poseen un ingreso positivo. Lo mismo, pero en menor medida, ocurre con Gastronomía Tarde. Carreras Masculinas Linearized Ratio Std. Err. [95% Conf. Interval] Mueblería Edificación Carp. Metal Inst. Sanit Inst. Elect Tabla 29 Cambio porcentual en el ingreso por carreras femeninas y masculinas Y si observamos este resultado en promedio, ponderando por el peso determinado por el número de observaciones: Carreras Femeninas. ratio ing_fin/ing_ini if carrera==1 carrera==2 carrera==3 carrera==14 carrera==15 Ratio estimation Number of obs = 131 _ratio_1: ing_fin/ing_ini Linearized Ratio Std. Err. [95% Conf. Interval] _ratio_ Carreras Masculinas. ratio ing_fin/ing_ini if carrera==4 carrera==6 carrera==8 carrera==9 carrera==10 Ratio estimation Number of obs = 111 _ratio_1: ing_fin/ing_ini Linearized Ratio Std. Err. [95% Conf. Interval] _ratio_ Tabla 30 Cambio porcentual agrupado por carreras femeninas y masculinas La tabla superior indica que, en promedio, y en términos porcentuales, el aumento de los ingresos en las carreras masculinas y femeninas son estadísticamente similares. Los hombres aumentan, en promedio en las carreras masculinas, un 43,91% sus ingresos y las mujeres un 44,74%. 26

27 Cambios en el ingreso según uso de la carrera En la encuesta realizada se presentaron 6 posibles opciones de uso de la carrera con las siguientes codificaciones: uso_carrera = 1 uso_carrera = 2 uso_carrera = 3 uso_carrera = 4 uso_carrera = 5 uso_carrera = 6 dependiente independiente pololos esporádicamente nunca nunca, pero en el hogar De acuerdo a esta codificación, podemos ver cual es el uso que presenta el mayor aumento porcentual del ingreso,. ratio ing_fin/ing_ini, over(uso_carrera) Ratio estimation Number of obs = 252 _ratio_1: ing_fin/ing_ini Linearized Over Ratio Std. Err. [95% Conf. Interval] _ratio_ Tabla 31 Cambio porcentual del ingreso según uso de la carrera Como se puede apreciar el mayor aumento del ingreso lo tiene la gente que está desarrollando de manera independiente en la carrera estudiada, siendo además, como era de esperar, las opciones que se han identificado con entrega de capital especifico las que presentan el mayor impacto. Para poder realizar un análisis econométrico acabado es necesario crear las dummys correspondientes a cada respuesta, siendo el resultado del análisis el siguiente: 27

28 . reg delta_ing dependiente independiente pololos esporad nunca nunca_hog, r noc Linear regression Number of obs = 252 F( 6, 246) = Prob > F = R-squared = Root MSE = Robust delta_ing Coef. Std. Err. t P> t [95% Conf. Interval] dependiente independie~e pololos esporad nunca nunca_hog Tabla 32 Cambio en el ingreso según uso de la carrera Son estadísticamente significativos los tres usos señalados como de capital específico, y se encuentra que la ejecución de manera dependiente de la carrera estudiada significa un aumento del ingreso de $83.447, mientras en segundo lugar viene el desempeñarla de manera independiente con un $ de aumento del ingreso. La diferencia entre los pololos y un trabajo esporádico, es que el primero tiene que ver con un trabajo remunerado con un mayor grado de informalidad que un trabajo independiente, pero más formal que un trabajo esporádico, el cual sólo lo realizan dos o tres veces al mes y en su casa. Veremos como se comporta la variable con una regresión de medianas. qreg delta_ing dependiente independiente pololos esporad nunca nunca_hog note: nunca dropped due to collinearity Iteration 1: WLS sum of weighted deviations = Iteration 1: sum of abs. weighted deviations = Iteration 2: sum of abs. weighted deviations = note: alternate solutions exist Iteration 3: sum of abs. weighted deviations = note: alternate solutions exist Iteration 4: sum of abs. weighted deviations = Iteration 5: sum of abs. weighted deviations = Iteration 6: sum of abs. weighted deviations = Iteration 7: sum of abs. weighted deviations = Median regression Number of obs = 252 Raw sum of deviations 1.57e+07 (about ) Min sum of deviations 1.40e+07 Pseudo R2 = delta_ing Coef. Std. Err. t P> t [95% Conf. Interval] dependiente independie~e pololos esporad 9.37e nunca_hog 9.77e _cons -9.64e Tabla 33 Regresión de medianas según uso de carrera 28