DOCUMENTO DE TRABAJO. www.economia.puc.cl



Documentos relacionados
I. Historia breve de macroeconomía moderna (de Snowdon y Vane)

Macroeconomía II EAE 211B

Capítulo 3. Estimación de elasticidades

Comente: Los bancos siempre deberían dar crédito a los proyectos rentables. Falso, hay que evaluar la capacidad de pago.

Unidad: Representación gráfica del movimiento

LA IMPORTANCIA DE CONTROLAR LAS PÉRDIDAS DE ENERGÍA EN LAS EMPRESAS DISTRIBUIDORAS

TEMA 1 y 2. Material complementario

Resultados Prueba Pisa 2009

Empleos de Emergencia: Realidad Laboral en las Zonas del Terremoto

Eduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS

«INCENTIVOS Y DESINCENTIVOS A LA BÚSQUEDA DE EMPLEO»

Estacionalidad ciclo y tendencia. Capítulo 9

Segregación y Calidad en el Sistema Educativo Chileno

Mediante la aplicación de la metodología a los datos disponibles para este estudio, esta

NORMA INTERNACIONAL DE INFORMACIÓN FINANCIERA Nº 5 (NIIF 5) Activos no corrientes mantenidos para la venta y actividades interrumpidas

Tema 5: Sistemas Monetarios Internacionales

35 Facultad de Ciencias Universidad de Los Andes Mérida-Venezuela. Potencial Eléctrico

Tema 1:La empresa y el sistema económico

NIFBdM A-4 CARACTERÍSTICAS CUALITATIVAS DE LOS ESTADOS FINANCIEROS

Metodología de cálculo del Índice de Tasa de Cambio Real (ITCR) de Colombia

El Observatorio Laboral de la Crisis: Lecciones sobre las reformas laborales pendientes

Administración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1

Antoni Miró. Experiencia previa y formación

NUCLEO INTEGRADOR: GRUPO FAMILIA

UNIDAD 4. Producción: proceso por el cual los insumos se combinan, se transforman y se convierten en productos.

Uruguay en PISA Primeros resultados en Ciencias, Matemática y Lectura del Programa Internacional de Evaluación de Estudiantes.

Capítulo 3. Análisis económico del Cambio Climático

Análisis y cuantificación del Riesgo

Reflexiones Sobre la Importancia de Tener un Sistema de Predicción de Necesidades de Capital Humano. Jaime Tenjo G.

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1

Vale la pena estudiar? II El extraño caso de la FP

INDICADORES. PROBLEMAS ASOCIADOS A SU SELECCIÓN PARA MEDIR SUSTENTABILIDAD Y EFICIENCIA AMBIENTAL

FIJACIÓN DE LOS PRECIOS DE LOS COMBUSTIBLES DERIVADOS DEL PETROLEO SITUACION A NOVIEMBRE DE 2008

Imágenes del poder. 6.1 Las personas jóvenes y la imagen del poder.

CAPITULO II CARACTERISTICAS DE LOS INSTRUMENTOS DE MEDICION

COMERCIO EXTERIOR E INTRACOMUNITARIO

Revisión del Universo de empresas para la Estimación de los Datos Del Mercado Español de Investigación de Mercados y Opinión.

INFORME PITEC 2013: FINANCIACIÓN Y CAPITAL HUMANO EN LA INNOVACIÓN DE LAS EMPRESAS

EAE120A Introducción a la Macroeconomía Inversión

Movilidad habitual y espacios de vida en España. Una aproximación a partir del censo de 2001

SÍNTESIS Y PERSPECTIVAS

CIIF CENTRO INTERNACIONAL DE INVESTIGACION FINANCIERA

REGULACIÓN Y NORMALIZACIÓN CONTABLE

INFORME DE COMERCIALIZACIÓN DE FRUTAS Y HORTALIZAS

SUBDIRECCIÓN DE ESTUDIOS INDICADORES DE EFICIENCIA EN EL SISTEMA FINANCIERO NACIONAL 1 RESUMEN EJECUTIVO

NORMA INTERNACIONAL DE AUDITORÍA 320 IMPORTANCIA RELATIVA O MATERIALIDAD EN LA PLANIFICACIÓN Y EJECUCIÓN DE LA AUDITORÍA (NIA-ES 320)

Unidad II. Planeación Agregada. Elaborar, analizar e interpretar los planes de producción, en el corto, mediano y largo plazo.

Funciones definidas a trozos

EJEMPLO DE REPORTE DE LIBERTAD FINANCIERA

COMERCIO INTERNACIONAL ECONOMIA CLASICA: VENTAJAS ABSOLUTAS Y COMPARATIVAS

Información Financiera en Economías Hiperinflacionarias

Clase 27. Macroeconomía, Octava Parte

Tema 4: Producción y Costes

Capital Humano. Aprovechamiento del capital humano de España en el contexto internacional. núm. Diciembre 2007

La variabilidad interanual de las precipitaciones y las condiciones de sequía en la provincia de Tucumán (R. Argentina)

Las razones financieras ayudan a determinar las relaciones existentes entre diferentes rubros de los estados financieros

Temas de electricidad II

UNIVERSIDAD DE LOS ANDES FACULTAD DE ECONOMIA INTRODUCCIÓN A LA MACROECONOMÍA Profesora: Marcela Eslava. Parcial 2 26 de octubre de 2015

ÍNDICE DE COMPETITIVIDAD GLOBAL: CHINA SUPERA POR PRIMERA VEZ A CHILE

LAS MUJERES PARADAS DE LARGA DURACIÓN MAYORES DE 45 AÑOS EN EXTREMADURA. Datos SEXPE. Mayo 2015

Medias Móviles: Señales para invertir en la Bolsa

Decisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama.

Newsletter sobre la situación laboral y social de la Argentina

ÍNDICE DE CONTENIDOS. Concepto de Economía La curva de Transformación Problemas económicos. fundamentales LA EMPRESA Y EL SISTEMA ECONÓMICO

Continuidad y ramas infinitas. El aumento A producido por cierta lupa viene dado por la siguiente ecuación: A = 2. lm í

DIPLOMADO DIRECCION DE ORGANIZACIONES SOLIDARIAS

TABLA DE DECISION. Consideremos la siguiente tabla, expresada en forma genérica, como ejemplo y establezcamos la manera en que debe leerse.

SOLUCION EXAMEN PRIMERA PARTE (4 PUNTOS)

Efecto de aumento imprevisto de población sobre tasa de desempleo y PIB.

Editores * : Francisco Meneses Alvaro Parra Luis Zenteno

VI. SINDICATOS Y RELACIONES LABORALES

INFORME ECONÓMICO Nº 56. Córdoba, 15 de Junio de 2010

TIPO DE CAMBIO, TIPOS DE INTERES Y MOVIMIENTOS DE CAPITAL

TEMA 6 SELECCIÓN DE INVERSIONES PRODUCTIVAS CON RIESGO (parte II)

LA INTEGRACIÓN DE LOS IMPUESTOS SOBRE LA PRODUCCIÓN Y LAS IMPORTACIONES EN EL MARCO INPUT-OUTPUT. López García, José. Valdávila Castaño, Emiliano

TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones.

En este PDF encontrará los siguientes temas que debe estudiar para la clase:

LABORATORIO Nº 2 GUÍA PARA REALIZAR FORMULAS EN EXCEL

CALIDAD INSTITUCIONAL: PERDERLA CUESTA CARO

Rendimiento a la escolaridad en México: un enfoque de efecto tratamiento

Chile más equitativo. Por Claudio Sapelli (*)

4 Financiación al consumo

ANÁLISIS DE DATOS NO NUMERICOS

NIFBdM C-7 OTRAS INVERSIONES PERMANENTES

Gran Acuerdo Nacional por la Educación: Más para Ganar que para Perder

Pobreza y Desigualdad en Uruguay 2006

Desempleo. Economía Laboral LIE UCEMA Prof. Julio Elías

TEMA 5. MUESTREO PARA LA ACEPTACIÓN.

RECOMENDACIONES DE INVESTIGACIÓN FUTURA.

4. EVALUACIÓN DEL PROGRAMA DE CAPACITACIÓN

La ventana de Microsoft Excel

Evaluación de la Continuidad de Negocio en los Sistemas de Pagos de Latinoamérica y el Caribe. Octubre, 2010

Cambios en la estructura de la fuerza de trabajo (oferta)

DATOS GENERALES DEL PROGRAMA

1 Estática Básica Prohibida su reproducción sin autorización. CONCEPTOS DE FISICA MECANICA. Conceptos de Física Mecánica

Después de que un producto agrícola sale de la explotación agrícola, puede pasar a través de uno o incluso dos mercados mayoristas y una cadena de

Programa para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones

RESPUESTAS A LAS PREGUNTAS DEL TEMA 3

Transcripción:

Instituto I N S T Ide T Economía U T O D E E C O N O M Í A T E S I S d e M A G Í S T E R DOCUMENTO DE TRABAJO ¾¼¼ Ö Ô Ò Ö Ø ÐÓ ÙÒ Ñ ÒØÓ Ð ÙÖÚ Ú Ö Ý Ù Í Ó ÓÑÓ À ÖÖ Ñ ÒØ Ò Ð Ð Å Ö Ó Ä ÓÖ Ð ÊÓ Ö Ó Ë ÑÙ Ð ÅÙ Î Ö º www.economia.puc.cl

TESIS DE GRADO MAGISTER EN ECONOMIA Diciembre 2007

PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE I N S T I T U T O D E E C O N O M I A MAGISTER EN ECONOMIA Descripción crítica de los fundamentos de la Curva de Beveridge y de su uso como herramienta de análisis del mercado laboral. Rodrigo Mujica Varas Comisión Claudio Sapelli Arístides Torche Diciembre 2007

Descripción crítica de los fundamentos de la Curva de Beveridge y de su uso como herramienta de análisis del mercado laboral. Rodrigo Mujica Varas Resumen La Curva de Beveridge se define como la relación de equilibrio entre el desempleo y las vacantes, se deriva de una función de emparejamiento o matching que entrega un flujo de contrataciones para cada combinación de las variables mencionadas. En el último tiempo ha sido muy utilizada en el estudio del mercado laboral ya que contiene información esencial sobre el funcionamiento de éste. Dado que no existen datos directos de vacantes, para la estimación de la curva se usa una proxy de ellas construida a partir de los avisos de vacantes de empleo publicados en los periódicos, y la tasa de desempleo. Este trabajo desarrolla una discusión completa al marco teórico en el que se basa la curva, estudia los sesgos que existen en la construcción de este índice y finalmente estima dos versiones de la Curva de Beveridge para Chile durante el período 1986.I-2007.III. A partir de los sesgos presentes en las especificaciones de las vacantes, se obtienen distintas representaciones de la relación vacantes-desempleo según el indicador de vacantes utilizado. La solución a lo anterior es elaborar una encuesta a empresas que permita obtener una serie de vacantes que no presente los problemas de representatividad ni que se vea afectada por factores ajenos al mercado del trabajo y que alteran la medición. Aún así, la Curva de Beveridge no parece ser una herramienta suficiente para el análisis de la totalidad del mercado laboral, pero es un buen acercamiento si ella se estima de forma correcta. Diciembre 2007 3

Índice I. Introducción..... 5 II. Revisión de la literatura...... 8 III. Marco teórico...... 14 IV. Índice de vacantes.......29 V. Curva de Beveridge para Santiago y Chile: 1986.I-2007.III....... 45 VI. Conclusiones.......54 VII. Bibliografía.... 58 VIII. Apéndice.. 61 IX. Anexos....62 4

I. Introducción Un importante debate se ha generado en torno a la institucionalidad laboral que rige al mercado del trabajo en nuestro país. A principios de año entró en vigencia la Ley de Subcontratación (Ley Nº 20.123) y más tarde se elevó el salario mínimo a $144.000. Así, durante los últimos años, la legislación laboral ha aumentando su impacto sobre dicho mercado, centrando el debate en el papel que ésta deba ejercer. Algunos sectores plantean que esta legislación ha ido aumentando la rigidez del mercado laboral, de manera de que la forma en que interactúan la oferta y demanda de trabajo ha perdido eficiencia. Existe un reconocimiento explícito que la legislación, en particular la laboral, es un componente institucional muy importante en el análisis del comportamiento de este mercado. North (1990) afirma que las instituciones restringen el conjunto de elección de las personas al establecer ciertas limitantes a su interacción económica. Es de esperar que mientras mayor sea la regulación en la legislación laboral, mayor será el grado de desajuste que acompaña al funcionamiento del mercado del trabajo. Mizala y Romaguera (2002) revisan la legislación laboral chilena de las últimas décadas y analizan su impacto sobre el mercado laboral. Este análisis permite concluir que aún no se ha logrado en Chile una legislación laboral legitimada socialmente y que es necesario conjugar mayores grados de flexibilidad laboral. Pero cómo podemos medir flexibilidad laboral? Cuál es la herramienta adecuada? En los últimos años ha tomado una creciente relevancia en el estudio del mercado del trabajo la Curva de Beveridge, ya que contiene información esencial sobre el funcionamiento de éste y de los shocks que le afectan. La curva se define como la relación de largo plazo entre la tasa de vacantes y de desempleo en una economía y nos permite evaluar la capacidad de ajuste del mercado del trabajo. Se ocupan los datos de vacantes y desempleo porque de alguna manera reflejan la demanda y oferta de trabajo. La curva muestra que coexiste un determinado nivel de vacantes con un cierto nivel de desempleo, dado que la obtención de un empleo por parte de un trabajador y la cobertura de una vacante por parte de la empresa requieren de un cierto período de búsqueda, por lo 5

tanto, tiene pendiente negativa y es convexa al origen, además es asintótica a ambas variables para reflejar el hecho de que aún habiendo muchas vacantes van a haber desempleados porque el matching nunca los juntará totalmente, y viceversa. La posición de la curva refleja el grado de desajuste del mercado del trabajo, así, mientras más alejada del origen de los ejes se encuentre implicará un menor ajuste y para cada nivel de vacantes habría mayor desempleo. De igual forma, mientras más cerca del origen se encuentre, el ajuste será mejor, y por lo tanto, más eficiente. Es así como la curva ha sido utilizada en algunos trabajos como indicador del grado de eficiencia del mercado del trabajo y para estudiar como afectan a este mercado distintos tipos de perturbaciones, como los shocks de actividad agregada, shocks sectoriales y shocks de fuerza laboral. Muchos concluyen luego de observar desplazamientos de la curva que el mercado laboral ha perdido eficiencia, que la función de matching ha cambiado, o que las rigideces son un elemento importante en el alza del desempleo, como se planteó para explicar lo sucedido a los países del OECD en los 60s. El problema es que en ningún caso se cuenta con un criterio para definir rigidez de manera cuantitativa, sino que con una lista de síntomas asociados a ella. En nuestro país, Bellani et al (2002) estimaron una Curva de Beveridge estable, concluyendo que los shocks que han afectado al mercado laboral han sido de carácter agregado y no sectoriales, como proponen algunos debido al gran desempleo que se vivió en los 90s y comienzo de la presente década. De manera interna el Banco Central de Chile estima una Curva de Beveridge, que en conjunto a otros indicadores, son tomados en cuenta para la definición de políticas económicas. Pero, es la Curva de Beveridge un marco teórico y/o empírico adecuado para analizar la eficiencia del mercado laboral o el ajuste de éste frente a los distintos shocks que lo afectan? Si no lo fuere, qué implicancias podrían tener la aplicación de dichas políticas?. En base a lo anterior, este trabajo trata de enfocar una discusión y un análisis crítico de la Curva de Beveridge y de su uso como herramienta en el estudio del mercado laboral. Una 6

vez que hayamos dominado completamente lo que hay detrás de ella seremos capaces de obtener conclusiones más definitivas en cuanto a su uso y a lo que nos pueda decir. Varios aspectos no son tomados en cuenta en los trabajos que usan la Curva de Beveridge, como por ejemplo los pro y contra de la construcción teórica, o que hay detrás del hecho de que se relacione vacantes con desempleo y no otras variables. Salvo el trabajo de Abraham (1987), no profundizan en el estudio del índice que se usa como proxy de las vacantes, dejando de lado posibles errores estadísticos o muestrales que pueden llevar a conclusiones erradas. Cuál es la tasa de desempleo adecuada?, etc. Otro aspecto importante es la discusión sobre quién está detrás del desempleo, o si son los mismos grupos de trabajadores los que están desempleados con los empleos que son ofrecidos con los avisos de vacantes en los diarios. Que hay detrás de lo anterior?. La construcción del Índice de Vacantes para Chile, en base a los anuncios de vacantes de empleo publicados en distintos periódicos del país, y su uso para obtener la Curva de Beveridge requiere otra discusión importante. El hecho de que las vacantes publicadas en los periódicos no son representativas y que la probabilidad de que una misma vacante sea publicada en un período de tiempo no sea constante junto a otros problemas llevan a que este índice pueda estar sesgado hacia ciertos tipos de empleos, los cuales pueden no ser los que presenten un mayor nivel de desempleo. En la sección II se resume brevemente los trabajos relacionados a la Curva de Beveridge y sus principales conclusiones. En la sección III se desarrolla el marco teórico con que se construye la Curva de Beveridge a partir de una función de matching o emparejamiento que es usualmente utilizada en la literatura, de esta manera, una vez estudiado los fundamentos de la curva estaremos en condiciones de analizar el sentido de usar dicha relación. En la sección IV se presenta una discusión completa sobre el uso del índice de vacantes como proxy de las vacantes, su construcción, sus sesgos y que debiera esperarse de un buen índice. En lo que sigue se pretende estimar una Curva de Beveridge para la ciudad de Santiago y el total del país con nuevos datos hasta el año 2007, usando dos indicadores distintos para la variable vacantes, una es el índice construido por el Banco 7

Central y la otra es una medida alternativa más básica que se desarrolla en este trabajo a partir de la función de matching teórica, la cual es la tasa de vacantes bruta respecto a la fuerza laboral V/L (usando los datos de vacantes originales que están sin ajustes). El objetivo es comparar los resultados que se obtienen al estimar la curva con las distintas especificaciones de las vacantes. Si podemos validar teórica y empíricamente la Curva de Beveridge y su uso como herramienta de análisis del mercado del trabajo, podremos afirmar que la existencia de un mayor grado de rigidez laboral produce una pérdida de eficiencia en el proceso de emparejamiento entre los desempleados y las vacantes, reflejándose en una curva más alejada del origen y desplazada hacia la derecha. II. Revisión de la literatura El primero en plantear la relación entre el desempleo y las vacantes de empleo fue el economista inglés William Beveridge en Full Employment in a Free Society (1944), quien definió esta relación para determinar el grado de redistribución del empleo en el Reino Unido, y así poder determinar cuan lejos estaba la economía del pleno empleo 1. Posteriormente, esta curva ha sido desarrollada teóricamente como una relación de largo plazo entre ambas variables Lillien (1982) se basa en el hecho de que la Curva de Beveridge permite distinguir cual es el origen de las fluctuaciones en el desempleo para argumentar que el aumento a través del tiempo de la heterogeneidad en las habilidades de la mano de obra y de cambios sectoriales en el sistema productivo resulta en un creciente mismatch entre vacantes y desempleados para los EE.UU., al que correspondería a más de la mitad de las variaciones cíclicas del empleo, generando una relación empírica positiva entre dichas variables. 1 Definiendo pleno empleo como la situación en que las vacantes superan en todo momento al desempleo. 8

Abraham (1987) plantea los primeros problemas en la construcción de la Curva de Beveridge al estudiar los problemas muestrales que tiene el índice de vacantes usado en los Estados Unidos como proxy del nivel de vacantes: el Help-Wanted Index. En su trabajo describe la construcción del índice y muestra evidencia de como ha cambiado la relación entre éste y el desempleo. Luego ajusta el índice por los problemas muestrales encontrados y observa cambios sustanciales en la relación índice-desempleo, por lo que concluye que la relación subyacente entre desempleo y vacantes cambió. Finalmente trata de interpretar el porque de los cambios, para lo cual utiliza un modelo en que se relaciona las vacantes con el desempleo, sin encontrar evidencia concluyente acerca de las fuentes de dicho cambio. Jackman y Roper (1987) proponen una definición de desempleo estructural basada en sus efectos en la tasa de contratación. Comparan esta definición con otras posibles definiciones y examinan la relación entre desempleo estructural y cambios en la Curva de Beveridge. Encuentran un creciente mismatch o desajuste en la industria británica durante los últimos años pero sin que exista un desbalance regional. La evidencia en otros países también sugiere que un incremento del desajuste es la principal causa del crecimiento del desempleo. Más tarde, Jackman, Layard y Pissarides (1989) muestran como datos de vacantes pueden ser usados para interpretar desarrollos en el mercado laboral. Luego de estimar una Curva de Beveridge para Gran Bretaña muestran como ella se ha desplazado hacia la derecha desde mediado de los 60s y como el nivel promedio de vacantes ha caído. En un trabajo realizado sobre catorce países de la OECD durante los años 1970-1988, Jackman, Pissarides y Savouri (1990) introducen un modelo del mercado laboral basado en la relación definida por la Curva de Beveridge, para analizar los aumentos del desempleo y los efectos de las políticas implementadas para enfrentar estos aumentos observados en países de la OECD a principio de los 70s, políticas laborales tales como programas de entrenamiento, subsidios de empleo, etc. Usando este modelo, identifican 9

los principales factores en el cambio de la Curva de Beveridge y encuentran que las políticas laborales tienen un efecto significante en el desempleo. Blanchard y Diamond (1989) proponen a la Curva de Beveridge como herramienta fundamental para el estudio del mercado de trabajo, por sobre la Curva de Phillips, dado que la relación entre vacantes y desempleo contiene información esencial sobre el funcionamiento de este mercado y sobre los shocks que lo afectan. A raíz de la evidencia de Davis y Haltiwanger (1992) 2, los autores desarrollan un marco conceptual para pensar en flujos netos en el proceso de matching y en el efecto de shocks sobre las vacantes y el desempleo. Los autores estiman la Curva de Beveridge y a partir de ella derivan trayectorias de largo plazo para concluir que la relación entre vacantes y desempleo es negativa. También concluyen que si bien los cambios sectoriales no tienen efecto en el corto plazo, en el mediano y largo plazo van creciendo en importancia, desplazando la curva hacia fuera. Este trabajo es el punto de referencia de la mayoría de los trabajos sobre el comportamiento de esta curva, utilizan un modelo estándar de desempleo de equilibrio desde una perspectiva de flujos laborales, descomponiendo los movimientos de desempleo y vacantes en la economía estadounidense en términos de tres tipos de shocks: demanda agregada, reasignación y shocks de población activa. En él se trata de capturar la importancia de dichos shocks. Berman (1997), usando un índice de vacantes, estima una función de matching entre vacantes y desempleo 3. Nuevos tests revelan una fuerte evidencia a favor de la existencia de heterogeneidad en las vacantes y en el desempleo. Las estimaciones implican que la dinámica del mercado del trabajo absorbe completamente los efectos de los shocks en apenas dos meses, y que, reducciones en la tasa de contratación pueden explicar el aumento de un 2,1% en el desempleo entre 1979 y 1990. Bleakley y Fuhrer (1997) abordan la explicación de los cambios en la Curva de Beveridge durante los 80s y comienzo de los 90s, y, al igual que Blanchard y Diamond 2 Obtienen una medida de turnover para luego trabajar con flujos. 3 Dado que la ley israelí lleva un registro de las tasas de vacantes, el autor dispone de datos de gran calidad. 10

(1989), la curva no es tratada como una relación económica fundamental. Con un modelo de matching entre desempleados y vacantes estiman cambios en los flujos del mercado laboral, encontrando un notable aumento en la eficiencia del proceso agregado de emparejamiento durante el período estudiado. También observan caídas significativas en la tasa de crecimiento de la fuerza laboral y en el grado de agitación o churning del mercado laboral. Estos cambios combinados producen desplazamientos en la Curva de Beveridge predichos por la teoría. También plantean que parece razonable que cambios demográficos como el baby boom generation o el aumento de la participación laboral de la mujer hayan producido desplazamientos de la curva, aunque no calzan temporalmente con los cambios observados. Sin embargo, no dan una respuesta al por qué y cómo el desempleo puede hacer un mejor matching con las vacantes y qué es lo que causa la disminución en el grado de churning. Dolado y Gómez (1997) utilizan la metodología desarrollada por Blanchard y Diamond (1989) de los modelos VAR estructurales para analizar y cuantificar el efecto de cada uno de los shocks de actividad, de reasignación y de población activa como factores explicativos de la dinámica del desempleo y las vacantes en España, tanto a nivel agregado como a nivel regional. Encuentran cuatro resultados interesantes. Primero, los shocks de reasignación y los shocks de actividad agregada explican relativamente la variabilidad del desempleo en el largo plazo. A su vez, los shocks de reasignación y en menor medida los de actividad han jugado un papel fundamental en los desplazamientos de la relación entre vacantes y desempleo a nivel agregado. Segundo, existe una fuerte heterogeneidad en el comportamiento a nivel regional. Tercero, encuentran una alta correlación entre el componente de reasignación en la tasa de desempleo y la proporción de desempleados de larga duración. Finalmente, excepto en la evolución a corto plazo del desempleo, no encuentran efectos de shocks en la población activa. Solow (1998) argumenta que la flexibilidad laboral nunca ha sido definida con rigor, pues simplemente se ha tendido a enumerar las posibles fuentes de rigidez, cuando lo que realmente se necesita es un indicador agregado de la rigidez del mercado del trabajo que permitiría analizar los trade-off resultantes de diversas alternativas de política. Para lograr 11

dicho objetivo, Solow propone el uso de la Curva de Beveridge. Esta metodología, aunque permite realizar comparaciones agregadas del grado de rigidez laboral, llevó a Solow a concluir que las diferencias en el desempleo entre países desarrollados no están explicadas por diferencias en la flexibilidad de los mercados de trabajo. A la anterior conclusión se le puede contraponer un argumento: la flexibilidad del mercado del trabajo debe relacionarse con la persistencia del desempleo más que con la magnitud que éste pueda exhibir. El desempleo de corto plazo simplemente refleja las condiciones variables del mercado, mientras que el desempleo de largo plazo es el que refleja fallas en el proceso de ajuste de los mercados. Nickell et al (2001) hacen un análisis empírico del desempleo en los países de la OECD para el período 1960-1990 estudiando cambios en la Curva de Beveridge, los salarios reales y directamente las cifras de desempleo en veinte países. El objetivo es ver si dichas variaciones pueden ser explicados por cambios en las instituciones del mercado laboral, del cual se espera tengan impacto en el desempleo de equilibrio. Sus resultados muestran que la Curva de Beveridge de todos los países excepto Suecia y Noruega se desplazaron hacia la derecha entre los 60s y la primera mitad de los 80s. Luego encuentran dos grupos de países, los que siguieron desplazándose a la derecha y los que su curva comenzó a retroceder. También encuentran evidencia de que estos desplazamientos pueden ser explicados en parte por cambios en la institucionalidad de los mercados laborales, sobre todo si estos cambios afectan el esfuerzo de búsqueda de empleo y la eficiencia del matching. Finalmente encuentran que cambios en las instituciones del mercado laboral pueden explicar cerca del 55 por ciento del aumento del desempleo en Europa durante los 60s y mitad de los 90s. Wall y Zoega (2002) usan datos de panel para estimar la magnitud y la persistencia de los cambios de la Curva de Beveridge agregada para Gran Bretaña y diez regiones de ella. Encuentran que estos cambios coinciden con el ciclo económico más que con cambios sectoriales o regionales. Esto implicaría que la curva no es una buena herramienta para separar los efectos de cambios estructurales con aquellos del ciclo económico. 12

En Chile, Bellani et al (2002) estimaron Curvas de Beveridge en las cinco principales áreas urbanas y para el total del país en el período 1986-2002.II con el objetivo de determinar las fuentes del desempleo, primero a través de la estimación simple de una forma log-lineal y luego a través de un vector de cointegración en base a una especificación que la define. Como la curva se mantiene estable durante el período observado 4 concluyen que los shocks que han afectado al mercado del trabajo son de carácter agregados, atribuibles al ciclo económico y no shocks sectoriales. Luego con análisis impulso-respuesta obtienen que innovaciones en las vacantes tienen efecto permanente en el empleo y que las vacantes lideran en un trimestre al PIB y en dos al empleo. Para estimar la Curva de Beveridge construyen un índice de vacantes basado en los avisos de ofrecimientos de empleo recogidos de los diarios de mayor circulación en cada una de las cinco regiones estudiadas. Para corregir algunos problemas muestrales mencionados en la literatura construyen tres versiones del índice, sin embargo, aún existen sesgos asociados a factores no relacionados con el mercado laboral que lo afectan. En Colombia, Durán y Mora (2006) estiman una Curva de Beveridge para la ciudad de Popayán usando datos de panel. Este trabajo se diferencia de los otros que estiman la curva al desagregar las vacantes y el desempleo por áreas de desempeño, lo que permitiría un seguimiento en el tiempo de las diferentes áreas estudiadas. Muy importante es la base de datos estadísticos con que disponen los autores de la cual se extraen las series de vacantes y desempleados por áreas de desempeño laboral la que permite ver comportamientos cíclicos en algunas actividades y otras más estables. Al estimar una función de matching encuentran una relación positiva entre la dinámica de las vacantes y el desempleo, lo que implicaría un valor positivo de la Curva de Beveridge. Los autores proponen que esto se debería a una recomposición de las actividades económicas. Caballero en "Specificity and the Macroeconomics of Restructuring" (2007) plantea que la pendiente negativa de la Curva de Beveridge probablemente no sólo refleje la importancia relativa de los shocks, sino también, la existencia de un mercado del trabajo ineficiente. 4 Excepto en dos regiones del sur del país. 13

III. Marco teórico En un comienzo la Curva de Beveridge, planteada por William Beveridge en 1944, fue definida como la relación entre el nivel de desempleo y las vacantes de empleo para determinar el grado de redistribución del empleo en el Reino Unido y así poder determinar cuan lejos estaba la economía del pleno empleo. Sin embargo, esta relación se ha desarrollado en el tiempo como aquella construcción teórica de largo plazo entre ambas variables, entendiéndose por relación de largo plazo aquella situación en que el desempleo permanece estable, es decir, cuando se igualan sus flujos de entrada y salida. Finalmente ha sido utilizada para estudiar el estado del mercado laboral y como éste se ajusta frente a los distintos shocks que lo afectan. Actualmente, la Curva de Beveridge muestra la relación entre la tasa de desempleo (u) y la tasa de vacantes (v) con respecto a la fuerza laboral (L) en vez de las cifras absolutas, ubicando a la primera en el eje horizontal y v en el eje vertical. Como se observa en la figura 1, la principal característica de la Curva de Beveridge es su pendiente negativa, intuitivamente, dados los procesos de búsqueda y selección, si existe un alto número de vacantes se eleva la probabilidad de que un desempleado encuentre un puesto de trabajo, por lo que el nivel de desempleo será bajo; por otro lado, si el número de vacantes es bajo, la probabilidad de que un desempleado encuentre trabajo también lo será, por lo que el nivel de desempleo será alto respecto al caso en que existen muchas vacantes. También podemos notar en la curva, la existencia simultánea de desempleo y vacantes, esta se origina por los costos asociados a la obtención de un empleo por parte de un trabajador y a la cobertura de una vacante por parte de una empresa, porque se requiere de un cierto período de búsqueda y selección, y por la existencia de información imperfecta entre las partes. Otra característica importante es el grado de convexidad de la curva, dado que la probabilidad de encontrar trabajo aumenta menos que proporcionalmente con el número de vacantes la Curva de Beveridge será convexa respecto al origen. Además, es asintótica a ambas variables para reflejar el hecho de que 14

aún habiendo muchas vacantes igual van a haber desempleados, porque el matching nunca los juntará y viceversa. Figura 1 - Curva de Beveridge. v u La posición sobre la curva nos puede indicar cual es el estado de la economía en el ciclo económico. Las vacantes se mueven en el mismo sentido que el ciclo, ya que en una expansión las empresas aumentan la demanda de trabajo abriendo nuevas vacantes, mientras que en una recesión se ven en la obligación de contraer la producción disminuyendo el trabajo contratado, por ende la demanda por trabajo y las vacantes ofrecidas. Contrariamente, el desempleo se mueve en sentido opuesto al ciclo económico, ya que en períodos de expansión aumenta la demanda por trabajo, elevando las vacantes ofrecidas y disminuyendo el desempleo, mientras que en períodos de recesión las empresas disminuyen su demanda por trabajo aumentando el desempleo. Si trazamos una recta de 45 sobre el cuadrante u-v (figura 2), se debe cumplir que sobre los puntos de dicha recta u = v, por lo tanto, en su intersección con la Curva de Beveridge la tasa de desempleo debe ser igual a la tasa de vacantes, en este caso todo el desempleo que existe en la economía es friccional o estructural (u f, también se denomina tasa natural de desempleo), el cual se refiere a que aún en pleno empleo debe haber desempleo porque hay "fricciones" en el funcionamiento del mercado de trabajo, como que siempre 15

será necesario un tiempo para que una persona se traslade de un empleo a otro y en el transcurso esté desempleada; es decir, no habrá desempleo por problemas en la demanda o por otras circunstancias. Dichas fricciones van desde razones puramente geográficas hasta desajustes en las habilidades requeridas para un empleo con las ofrecidas por un postulante. Así, los períodos de recesión se caracterizarán por un alto nivel de desempleo y una baja tasa de vacantes, ubicándose en un punto a la derecha de la recta de 45, en donde la tasa de desempleo es mayor a la de desempleo estructural. En cambio, en períodos de expansión se observará una tasa de vacantes alta y un nivel de desempleo bajo, representado en un punto a la izquierda de la recta de 45, en este caso la tasa de desempleo es menor a la de desempleo estructural, por lo que estamos frente a un caso de sobrecalentamiento de la economía (generado por el ciclo) tal como se muestra en la figura 2. Debemos notar que los desplazamientos a lo largo de la curva son propios del ciclo económico, teniendo su origen en shocks agregados que afectan por igual a toda la economía. Figura 2 Curva de Beveridge en el ciclo económico. v Expansión u=v 45 u f u Recesión La posición de la curva con respecto al origen de los ejes refleja la eficiencia en el proceso de ajuste del mercado laboral. Una curva más alejada del origen, o sea, desplazada más hacia arriba y a la derecha de éste, muestra para cada nivel de vacantes 16

un mayor nivel de desempleo, y viceversa, para cada nivel de desempleo muestra un mayor nivel de vacantes sin llenar, haciendo menos eficiente el proceso de reasignación de la fuerza laboral. Como muestra la figura 3, para un nivel de vacantes dado v y manteniendo todo lo demás constante, la curva de Beveridge CB tiene asociado un nivel de desempleo u CB, mientras que la curva CB tienen asociado un nivel de desempleo u CB, donde u CB > u CB. La Curva de Beverdige se deriva de la función matching o emparejamiento, definida como la función generadora de contrataciones para cada nivel de desempleados y vacantes. Ésta sintetiza la efectividad de la tecnología que empareja a los desempleados (que por definición están buscando empleo) con las vacantes ofrecidas por las empresas para llenar sus puestos. Figura 3 Posición de la Curva de Beveridge. v v CB CB u CB u CB u Figura 4 Esquema del modelo de matching. Movimiento en el Mercado Laboral Destrucción de empleo Separaciones Creación de empleo Crecimiento de la fuerza laboral Desempleados Vacantes Proceso de Matching Contrataciones 17

La función de matching es representada como: M = m(u,v ) (1) donde M es el número de matches o contrataciones, U es el número de trabajadores desempleados y V el número de vacantes. La función es creciente en ambas parámetros, por lo que M U > 0 y M V > 0; intuitivamente, si el número de trabajadores buscando empleo y el número de vacantes ofrecidas aumentan, el número de contrataciones también lo harán porque aumenta la probabilidad de que se encuentren y hagan un buen match. Otras restricciones características de la función de matching son m(0,v ) = m(u,0) = 0 y m(u,v ) " min(u,v ), donde M es el flujo de contrataciones durante el período, mientras U y V es el stock de cada variable al comienzo del período en modelos de tiempo discreto; o M es la tasa instantánea de emparejamientos y U y V los stocks instantáneos de desempleo y vacantes en modelos de tiempo continuo; en otras palabras, no puede ocurrir ninguna contratación sin haber al menos una vacante y un trabajador desempleado. Finalmente, en ausencia de fricciones M = min(u,v ) en modelos de tiempo discreto y M " # en modelos de tiempo continuo. La función de matching también nos muestra que, en promedio, un desempleado se empareja con una vacante disponible durante un período de tiempo unitario con probabilidad igual a m(u,v ). De igual forma, una vacante es llenada por un U m(u,v ) desempleado con probabilidad igual a. En estado estacionario, el inverso de V cada probabilidad es la duración promedio en que un trabajador está desempleado y el tiempo promedio que pasa una vacante hasta que es llenada, respectivamente. Las probabilidades y la duración promedio diferirán en el mercado laboral si es que tanto los empleos como los trabajadores son heterogéneos, de esta forma, haciendo la probabilidad m(u,v ) U dependiente de características individuales, una función agregada de matching podría ser un útil instrumento para introducir heterogeneidades entre los trabajadores. 18

En la literatura generalmente se supone que la función presenta rendimientos constantes a escala, con lo que las contrataciones variarían proporcionalmente ante cambios en el desempleo y en las vacantes. Esto punto es bastante discutible, no sólo desde el punto de vista de la correcta construcción del modelo teórico, si no también, por las implicancias de política que podría llegar a tener. Esta discusión se desarrollará más adelante para poder continuar con el desarrollo del marco teórico. Con el supuesto anterior es posible expresar la ecuación (1) en términos de tasas con respecto a la fuerza laboral (L), así el número de contrataciones con respecto a la fuerza laboral van a depender de la tasa de desempleo u y de la tasa de vacantes v: m = M L = m(u,v) (2) A menudo la función de matching se representa en la literatura como una función tipo Cobb-Douglas con rendimientos constantes a escala: M = AU " V 1#" (3) Otros, como Petrongolo y Pissarides (2001) y Romer (2002) la representan como: M = AU " V # (4) con 0 " # "1 y 0 " # "1, la cual no muestra ningún tipo de rendimientos. Si suponemos rendimientos constantes a escala para poder expresar la función de matching en términos de tasas con respecto a la fuerza laboral, entonces es necesario que se cumpla " + # =1; en cambio, con rendimientos crecientes a escala (β + γ > 1), aumentar el nivel de búsqueda hace que el proceso de emparejamiento opere de forma más eficiente puesto que produce más emparejamientos por unidad de factores (desempleados y vacantes); pero si existen rendimientos decrecientes (β + γ < 1), se presenta un efecto aglomeración en el cuál el nivel de búsqueda no mejora la eficiencia. 19

En ambas ecuaciones ((3) y (4)), A es un parámetro de eficiencia tecnológica de la función de matching, cambios en dicho parámetro provoca desplazamiento de la Curva de Beveridge (como en la figura 3), el cual se presume estructural y que refleja la habilidad del desempleado de emparejarse con vacantes en el proceso de búsqueda y selección. En la literatura se ha planteado que estos cambios en A pueden deberse a aumentos o disminuciones en el esfuerzo de búsqueda de un desempleado, en la efectividad de la misma, en la forma de anunciar las vacantes por parte de las empresas, o a las características del pool de trabajadores desempleados. También se ha nombrado la existencia de un efecto de histéresis, en donde el trabajador pierde capacidad para encontrar un empleo luego de un largo período de desempleo, el cual puede ser causado por un deterioro en el capital humano del trabajador -Okun (1973), Layard y Bean (1989) y Pissarides (1992)- la habilidad para buscar empleo -Layard y Nickell (1987)- o una percepción negativa del desempleado por parte de posibles empleadores -Blanchard y Diamond (1994). Manteniendo las otras variables y parámetros de la ecuación (3) inalteradas, un mayor valor de A llevará a un mayor número de contrataciones por período, por lo tanto, una mayor eficiencia en el proceso de emparejamiento entre desempleados y vacantes. Si suponemos rendimientos constantes en la ecuación (4) u ocupamos directamente la ecuación (3), podemos expresar la función de matching en términos de logaritmos de la siguiente forma: m = M L = A " U % $ ' # L & " % $ ' # L & ( V ) (4 ) ln(m) = ln(a) + " ln(u) + # ln(v) (5) donde u = U L y v = V. Con A y m fijos, la ecuación (5) es la Curva de Beveridge, la que L muestra una relación negativa entre la tasa de desempleo y la tasa de vacantes. 20

Partiendo de la ecuación (2), Pissarides (2000) desarrolla el modelo suponiendo tiempo continuo y que la probabilidad de que un trabajador empleado sea despedido es esta forma la evolución en el tiempo de la tasa de desempleo será: ". De u = "( 1# u) # m( u,v) (6) de aquí se observa que la tasa de desempleo u crece si la tasa de despidos " es mayor que la tasa de contrataciones, y viceversa. Igualando (6) a cero, para reflejar que en el estado estacionario la tasa de desempleo es constante, la tasa de despidos y la de contrataciones deberán ser iguales, cumpliéndose en el equilibrio: u * = 1 [ " " # m ( u*,v * )] (7) La ecuación (7) muestra la relación de largo plazo entre las tasas de vacantes y de desempleo en una economía, que depende de la probabilidad de ser despedido " y de las contrataciones o matches m( u,v). Derivando la tasa de desempleo con respecto a las vacantes, se obtiene una primera derivada negativa y una segunda positiva, resultando una curva con pendiente negativa y convexa al origen, tal como se mostró en la figura 1. Determinantes de los movimientos de la Curva de Beveridge. Una vez derivada la Curva de Beveridge a partir de la función de matching el siguiente paso es determinar como se puede ver afectada la relación entre desempleo y vacantes. Específicamente, se ha estudiado en la literatura el papel que juegan algunos shocks sobre el funcionamiento del mercado laboral, y, por lo tanto, sobre la relación que determina la curva, y se ha tratado de cuantificar la intensidad con que estas perturbaciones la afectan. Estos son los shocks de actividad agregada (dejando constante la reasignación de factores productivos en la economía), los shocks de reasignación de factores productivos o shocks sectoriales (dejando constante, en este caso, la actividad agregada) y, por último, los shocks de fuerza laboral o de población activa (dejando constante tanto la actividad 21

agregada como la reasignación). Blanchard y Diamond (1989) fueron los primeros en determinar el papel jugado por estos shocks, utilizan un modelo estándar de desempleo de equilibrio basado en flujos laborales descomponiendo los movimientos del desempleo y las vacantes en términos de los tres shocks anteriores. Los shocks de actividad agregada, los shocks sectoriales y los shocks de fuerza laboral recogen, respectivamente, el efecto de los ciclos económicos, los cambios en el grado de desajuste que acompaña al funcionamiento del mercado laboral y, por último, las variaciones bruscas en la fuerza laboral. Anteriormente vimos que el ciclo económico produce movimientos del desempleo y vacantes en direcciones opuestas, estas últimas lo hacen en la misma dirección que el ciclo mientras el desempleo lo hace en sentido contrario. Pero como son los shocks de actividad agregada los que dan forma al ciclo económico, la presencia de estos shocks producen movimientos del desempleo y vacantes en direcciones opuestas, provocando movimientos sobre la misma curva a lo largo del ciclo. Así, en períodos de expansión estaremos ubicados en la parte alta de la curva y en períodos de recesión nos ubicaremos en la parte baja, tal como se mostró anteriormente en la figura 2, aunque este análisis gráfico no nos dice nada acerca de la dinámica del movimiento. Figura 5 Efecto de shocks de actividad agregada. A B Cuando la economía se enfrenta a un shock agregado negativo las empresas deben contraer la producción, y, dado que el costo de cancelar una vacante es menor que el 22

costo de despedir a un trabajador, es de esperar que primero caigan las vacantes ofrecidas por las empresas manteniendo el nivel de empleo o trabajo contratado y luego, cuando la recesión se profundiza y ya se cancelaron la mayoría de las vacantes (o las menos necesarias), se empiece a despedir trabajadores aumentando fuertemente el desempleo (las vacantes siguen disminuyendo pero mucho menos que al comienzo), de esta forma el paso de un punto como A (expansión) a un punto como B (recesión) es a través de un arco que se encuentra por debajo de la curva. Luego, cuando desaparece el shock transitorio y la economía vuelve a un período de expansión, el efecto anterior se revierte con un aumento de las vacantes y una disminución del desempleo, volviendo desde B hacia A, pero esta vez a través de un arco ubicado sobre la curva reflejando el echo de que cuando comienza la recuperación de la economía lo primero que hacen las empresas es aumentar fuertemente las vacantes, y como debe existir un tiempo de búsqueda y selección tanto por parte de la empresa como del desempleado, el empleo no aumenta inmediatamente, luego a medida que pase el tiempo de búsqueda y selección las vacantes se irán llenando lentamente en un comienzo y fuertemente más tarde, disminuyendo con ello el desempleo. Por lo tanto, los shocks de actividad agregada de carácter transitorio tienden a estar relacionados con giros en torno a la Curva de Beveridge en sentido contrario a las manillas del reloj, como se muestra en la figura 5. v A Figura 6 Efecto de shocks sectoriales. v C C B u u Los shocks de reasignación de factores productivos o shocks no simétricos entre distintos sectores de la economía (también conocidos como shocks sectoriales), en cambio, producen movimientos del desempleo y las vacantes en el mismo sentido, provocando 23

desplazamientos hacia fuera de la curva, por lo que las tasas de equilibrio de desempleo y vacantes aumentan al mismo tiempo. En el caso que la economía sufra shocks no simétricos entre los distintos sectores, por ejemplo, si uno de ellos es afectado por un shock recesivo, disminuye su demanda por ciertos tipos de trabajadores, por lo que disminuyen las vacantes ofrecidas y aumenta el desempleo en ese sector (punto B de la figura 6), mientras que el otro sector puede verse afectado por un shock expansivo, aumentando su demanda por ciertos tipos de trabajadores, reduciendo el desempleo y aumentando las vacantes ofrecidas (punto A de la figura 6). En el agregado se observa que se mantiene un mayor nivel de vacantes y desempleo. En este caso, la capacidad de la economía de generar mayor contrataciones se reduce (cambios en la función de matching) desplazando la Curva de Beveridge hacia fuera ubicándonos en C en vez de C (figura 6). Los shocks de reasignación pueden provocar también cambios estructurales en la economía debido a la pérdida de eficiencia en el proceso de matching entre desempleados y vacantes, debido, por ejemplo, a un aumento en la dispersión geográfica entre ambas variables, a una disminución en la intensidad de búsqueda de los trabajadores, etc. Esta pérdida de eficiencia en la función de matching se ve reflejada en un desplazamiento de la Curva de Beveridge hacia fuera, o en una disminución de contrataciones (o emparejamientos) para un mismo nivel de desempleo y vacantes, como se muestra en la parte derecha de la figura 6. 24

v Figura 7 Efecto de histéresis y shocks de fuerza laboral. v A A E D E D B B u u Desplazamientos hacia fuera de la curva también se pueden deber a shocks de actividad agregada (shocks transitorios de demanda) que dan lugar a fenómenos de histéresis, ya que estos shocks pueden aumentar la duración del desempleo lo cual produce una pérdida de capital humano y de eficiencia en la búsqueda de empleo por parte de esos trabajadores desempleados, además, se produce una discriminación por parte de las empresas sobre aquellos trabajadores que llevan un largo tiempo desemplados. En este caso, la trayectoria del movimiento no es A-B-A (como en la figura 5), sino que termina situándose en un punto como D, es decir, a la derecha de A (del gráfico izquierdo de la figura 7), debido al desplazamiento de la curva posterior al shock. Así, en caso de histéresis, los shocks de actividad agregada podrían tener efectos permanentes sobre el desempleo y las vacantes, al igual que los shocks puros de reasignación. Finalmente están los shocks de fuerza laboral o shocks de oferta de trabajo, son aquellos que afectan la fuerza laboral pero sin aumentos o disminuciones simultáneas del factor capital. Como en el gráfico derecho de la figura 7, un shock positivo de fuerza laboral aumentará inicialmente la tasa de desempleo y disminuirá la tasa de vacantes, dado que el nivel de éstas permanece fijo por el supuesto anterior sobre el capital, por lo tanto, en el corto plazo se producirán trayectorias del tipo A-E. A medida que aumente la razón u/v, aumentará la efectividad del matching, con lo que la tasa de desempleo volverá a disminuir. A medida que una disminución del desempleo se vaya traduciendo en un 25

incremento de la utilización de la capacidad productiva, aumentará la inversión y con ello el número de vacantes, induciendo una trayectoria de vuelta desde E hasta A. Así, los shocks de fuerza laboral no tienen efectos permanentes sobre el desempleo y vacantes, aunque en el corto plazo tienden a aumentar el número de desempleados. Rendimientos a escala en la función de matching. Se mencionó anteriormente, que generalmente en la literatura se utiliza una función de matching bien comportada con rendimientos constantes a escala, con lo que las contrataciones variarían proporcionalmente ante cambios en el desempleo y en las vacantes. Es así como los modelos de búsqueda en el mercado laboral se basan en la existencia de esta función que describe la tecnología del proceso de formación de empleo relacionando contrataciones con desempleo y vacantes. Las propiedades del equilibrio de dichos modelos dependen esencialmente de las características de la tecnología del matching. La mayoría de los trabajos que estudian empíricamente funciones de matching agregadas y la Curva de Beveridge aceptan generalmente la existencia de una función de la forma log-lineal con retornos constantes a escala y aplican dichas especificaciones en sus estimaciones, por ejemplo, los trabajos de Pissarides (1986), Layard, Nickell y Jackman (1991), van Ours (1991), Burda (1993), Berman (1997), Coles y Smith (1998), Anderson y Burguess (2000), etc., en todos ellos la especificación utilizada encaja bien con los datos. 5 Pissarides (2000) asume la existencia de retornos constantes a escala argumentando razones similares a las que se dan al asumirlos en las funciones de producción agregadas: tiene soporte empírico, plausibilidad y en una economía creciente los retornos constantes aseguran una tasa constante de desempleo a lo largo de la senda de crecimiento. Similar razón elude Petrongolo (2001) al afirmar que la suposición de retornos constantes en la 5 Una completa revisión de las especificaciones usadas en la estimación de funciones de matching agregadas y desagregadas se puede encontrar en Petrongolo y Pissarides (2001). 26

función de matching es crucial para asegurar la unicidad de la tasa de desempleo a lo largo de la senda de crecimiento de estado estacionario. En cambio, surge un equilibrio múltiple cuando la función de matching muestra retornos crecientes. En este último caso, aún políticas temporales pueden sacar a una economía de un nivel ineficiente de desempleo. Un equilibrio múltiple también puede explicar por qué las economías pueden estancarse en altos niveles de desempleo aún cuando el shock negativo inicial fuera de carácter transitorio. Petrongolo estudia la importancia de tener retornos constantes a escala estimando funciones de riesgo individuales en una muestra de recién desempleados del Reino Unido. Testea la existencia de dichos retornos revisando si las probabilidades de reempleo dependen sólo de la estrechez del mercado laboral local o si también dependen del nivel de fuerza laboral, encontrando que el tamaño del pool de trabajadores que están buscando empleo no afecta la tasa de matching, lo cual permite no rechazar la hipótesis de retornos constantes. Los retornos a escala en las funciones de matching juegan un papel más importante en modelos con esfuerzos de búsqueda endógenos. En dichos modelos, los retornos a la búsqueda de cada tipo de agente (trabajador y empleador) dependen de lo que hagan los otros agentes 6. Las externalidades que ocasiona la búsqueda determinan la relación entre la eficiencia del matching y el tamaño del mercado, por lo tanto, el grado de homogeneidad de la tecnología del matching. Estos modelos consideran dos tipos de externalidades generadas por los agentes cuando ellos se incorporan a la búsqueda, una positiva sobre un agente del otro tipo al aumentar la probabilidad de encontrar un match, disminuyendo el costo de búsqueda de los otros tipos de agentes, y una externalidad negativa en agentes del mismo tipo al aumentar el número de competidores para un mismo match, aumentando el costo de búsqueda para agentes de su tipo 7. El efecto neto de las externalidades puede hacer a la eficiencia del matching independiente del número de agentes en el mercado, lo que implicaría retornos constantes a escala. En el caso particular de la función de matching presentada en (1), existe un único nivel de desempleo y vacantes que iguala los flujos hacia y desde el desempleo. Sin embargo, 6 Por ejemplo, encontrar trabajo se hace más difícil cuando hay mucha gente buscando empleo. 7 La primera externalidad recibe el nombre de thin market y la segunda el de congestión. 27

aumentos en el esfuerzo de búsqueda por parte de un tipo de agente no sólo disminuyen los costos de búsqueda del otro tipo, sino que llevan también a aumentar sus esfuerzos de búsqueda, con lo que el matching podría mostrar retornos crecientes a escala. Otros trabajos han estimado retornos crecientes a escala, aunque estas divergencias son bastante leves. Blanchard y Diamond (1989) estimaron la siguiente función de matching: ln( H t ) = " + # ln( U t$1 ) + % ln( V t$1 ) + &T + ' t, no pudiendo rechazar la hipótesis de retornos constantes a escala (" + # =1) cuando lo hicieron usando MICO, pero cuando la estimaron usando Variables Instrumentales (VI) los retornos a escala aumentaron ligeramente. Sin embargo, hay que tomar en cuenta que los resultados usando VI son bastante sensibles al instrumento usado, con lo cual concluyen que la función de matching estimada presenta retornos constantes a escala, o tal vez, ligeros rendimientos crecientes. Warren (1996) estima retornos a escala usando una especificación translog de la función de matching, rechazando la hipótesis de retornos constantes a escala a favor de retornos crecientes. Yashiv (2000) encuentra resultados similares tanto en una función con especificación translog como en otra log-lineal. Baker et al (1996) argumentan que las estimaciones existentes no proveen evidencia convincente en contra de la hipótesis de retornos crecientes en el matching y que hay muchos problemas en la estimación de funciones de matching que probablemente llevan a una subestimación de dichos retornos. Como en varios trabajos se supone que el pool relevante de trabajadores que buscan empleo es proporcional al stock de desempleo, los autores plantean que esta suposición es una potencial fuente de subestimación de los retornos a escala. Dado que los que buscan empleo estando empleados (on-the-job search) son una fracción significativa del flujo de contrataciones y la cual depende del estado del ciclo económico (en períodos de recesión aumenta el on-the-job search), puede que dicha medida esté correlacionada con la del desempleo, generando las subestimaciones encontradas. Usando datos de flujos brutos en Canadá, estiman funciones de matching para el agregado y cinco regiones, en cada caso, al usar como variable dependiente las contrataciones fuera del desempleo, encontraron retornos crecientes a escala, siendo éste el principal resultado de su trabajo. Su argumento teórico 28