SciELO - Scientific Electronic Library Online

 
vol.40 número119LAS TRES G: GOBERNAR ES GRAVAR PARA GASTAR* Gobernar eficientemente es gravar y gastar eficientemente índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Cuadernos de economía

versión On-line ISSN 0717-6821

Cuad. econ. v.40 n.119 Santiago abr. 2003

http://dx.doi.org/10.4067/S0717-68212003011900005 

Cuadernos de Economía, Año 40, Nº 119, pp. 149-171 (Abril 2003)

DESEMPLEO E INACTIVIDAD JUVENIL EN CHILE

Fernando Coloma*
Bernardita Vial**

ABSTRACT

This article analyzes the occupational and educational choices among males in the 18-24 age group in Chile. The decision to work, for those who do not study, is analyzed jointly with the decision to study, in order to avoid selection bias. Results confirm that the educational level and the years of experience, together with family and geographical background, are the main determinants of the probability of being employed for those who do not study. Family background and the availability of public funds for scholarships and financial aid affect the decision to continue studies.

RESUMEN

En este artículo se analiza la decisión de estudiar y trabajar de los jóvenes de sexo masculino entre 18 y 24 años. Los resultados confirman la importancia de la acumulación de capital humano -tanto en la educación formal como en la experiencia en el trabajo- sobre la probabilidad de trabajar entre los jóvenes que no estudian, así como de variables relacionadas con el entorno familiar y geográfico del joven. A su vez, un resultado interesante que surge del análisis de la decisión de estudiar un año adicional, es el efecto que tiene la disponibilidad de ayuda estudiantil para estudios superiores en las distintas regiones, junto con las variables de entorno familiar.

I. INTRODUCCIÓN1

La persistencia de una situación de desempleo entre los jóvenes y la marginación de un grupo significativo de ellos del sistema educacional y del mercado del trabajo es motivo de especial preocupación, por los eventuales efectos que ello pudiera tener en el proceso de formación de capital humano de esos jóvenes, y por otros posibles efectos indirectos sobre drogadicción y criminalidad, por ejemplo. Por esta razón, este trabajo se centra en el grupo de jóvenes que no se encuentran estudiando ni trabajando, esto es, que se encuentran en una situación de inactividad2.

El efecto negativo en el capital humano de los jóvenes que surge de la marginación del sistema educacional, es evidente y directo. En cambio, el de un período sostenido de desempleo es menos directo, y surge a partir de la incapacidad que estos jóvenes tendrían para desarrollar las habilidades propias del trabajo, y de la imposibilidad de acumular experiencia laboral y formar hábitos de trabajo, todo lo cual redunda en una menor capacidad de generar ingresos futuros.

En la perspectiva anterior, Feldstein (1978) concluye que el costo social del desempleo puede ser importante en el caso de los jóvenes, ya que el desempleo juvenil implica no sólo un menor producto y pérdida de ingresos, sino además la imposibilidad de aumentar su capital humano acumulando experiencia y entrenamiento en el trabajo. Ellwood (1982) estima el efecto de largo plazo del desempleo juvenil, y encuentra un efecto negativo sobre los salarios, el que persiste en el tiempo. A su vez, Mincer y Ofek (1982), analizan el efecto de la interrupción de la carrera en las mujeres sobre los salarios futuros, encontrando que luego de una interrupción el salario es menor al original, y a través del tiempo no se logra alcanzar el nivel de ingreso potencial original. Por otra parte, Neumark (1998) utiliza variables instrumentales para estimar el efecto de la estabilidad laboral en la juventud sobre el salario como adulto, y encuentra que la mayor estabilidad laboral en la juventud tiene un efecto positivo sobre el salario en la adultez (lo que es interpretado como retornos positivos, pero heterogéneos, a la estabilidad laboral en la juventud y a la búsqueda). Para el caso chileno, Larrañaga y Paredes (1999) realizan un ejercicio utilizando cortes transversales repetidos, y encuentran que el desempleo en la juventud tiene un efecto permanente sobre el desempleo en la adultez.

Respecto de los efectos negativos indirectos del desempleo juvenil, en la literatura se destacan las posibles repercusiones que podrían derivarse en materia de drogadicción y delincuencia, las que por sí solas podrían crear daños irreversibles en el proceso de formación de capital humano, y, por ende, en la capacidad futura de incorporarse al mercado del trabajo. Es así como Rees (1986), destaca dentro de las consecuencias del desempleo juvenil -además del menor producto en la economía e ingreso de la familia, y menor acumulación de capital humano- posibles efectos en criminalidad y uso de drogas. Mocan y Rees (1999) analizan los determinantes que afectan la probabilidad de cometer actividades delictivas y encuentran que variables locales, como la tasa de desempleo en el área de residencia, afectan la probabilidad de cometer actos criminales. Por su parte, Levitt y Lochner (2001) encuentran resultados similares a los de Mocan y Rees: los factores individuales, familiares y locales afectan la tasa de criminalidad entre los jóvenes, y un mayor castigo la reduce. Específicamente, ellos encuentran que la tasa de desempleo local afecta la probabilidad de cometer delitos entre los jóvenes.

En la literatura también se destacan los aspectos positivos que podría tener un período de búsqueda de empleo por parte de los jóvenes. En esta línea se destaca que éste puede ser un período productivo de búsqueda, en vista de la incertidumbre a nivel del empleado y del empleador respecto de los beneficios para ambas partes que pueden resultar de una determinada relación laboral. Por lo tanto, en este contexto la rotación se visualiza como una forma de inversión propia del inicio de la vida laboral.

Topel y Ward (1992) encuentran que dos tercios del crecimiento total en el salario durante la vida laboral de un trabajador típico, y dos tercios del total de cambios de trabajo durante la vida laboral del individuo, ocurren en los primeros diez años de trabajo (donde son importantes tanto la transición de un trabajo a otro, como de trabajar a no trabajar). Los autores encuentran que un cambio de trabajo explica un tercio del aumento salarial durante los diez primeros años de trabajo, y sus resultados son consistentes con un modelo de matching en el trabajo. Mincer y Jovanovic (1979) encuentran que la menor probabilidad de separación del trabajo entre los individuos de mayor edad se explica porque la acumulación de capital específico e información respecto del job matching generan una diferencia entre la productividad en el empleo actual y alternativo. A su vez, a mayor edad disminuye el incentivo a renunciar, debido a que disminuye la probabilidad de recibir una oferta de trabajo: en caso de que existan costos de contratación o capacitación, a mayor edad es menor el incentivo a contratar para la firma, al mismo tiempo que el capital humano del trabajador se hace cada vez más específico a la ocupación o industria.

Todo lo anterior implica que el desempleo e inactividad juvenil pueden tener repercusiones tanto positivas como negativas sobre los ingresos futuros de los jóvenes y sobre el bienestar social. Este es un tema abierto y sobre el cual no se aportan nuevos antecedentes en este trabajo. Sin embargo, el solo hecho de que existan posibles efectos negativos, que pueden ser de particular importancia entre los jóvenes que provienen de familias de menor ingreso, y que generalmente tienen un menor capital humano inicial, hace de este tema uno de evidente interés desde el punto de vista de las políticas públicas. Más aún, en el caso chileno, la Encuesta de Caracterización Socioeconómica Nacional, CASEN 1998 revela que entre los hombres jóvenes que no estudian ni trabajan, un 38% no se encuentra buscando trabajo, por lo que es altamente probable que al interior de este grupo primen las consecuencias negativas antes mencionadas.

El propósito de este estudio es investigar cuáles son los principales determinantes de la falta de trabajo entre los jóvenes que no estudian, tema que no ha sido suficientemente abordado en el caso chileno, y que es fundamental para la discusión de cualquier política relacionada con el tema. El análisis se centra en los hombres jóvenes que no trabajan ni estudian, por ser éste el grupo que no se encuentra acumulando capital humano en el sector de educación formal ni a través de la experiencia laboral3.

El grupo de edad que nos preocupa son los jóvenes entre 18 y 24 años, para los cuales la principal alternativa de estudio es la educación superior; otros estudios recientes se centran en el tema de la deserción escolar y oferta de trabajo entre los jóvenes en edad de enseñanza media en Chile (ver, por ejemplo, Sapelli y Torche, 2002.).

II. DESEMPLEO JUVENIL Y EL GRUPO DE JÓVENES QUE NO ESTUDIAN NI TRABAJA

La evidencia internacional muestra consistentemente que las mayores tasas de desempleo se concentran en los segmentos más jóvenes de la población. Chile no se escapa de esta regularidad, y es así como históricamente la tasa de desocupación de los jóvenes ha sido sistemáticamente mucho mayor que la de los otros grupos de edad. En el Cuadro 1 se constata este hecho a partir de la información entregada por la encuesta CASEN entre 1987 y 1998 (para los años en que se toma la encuesta). En el cuadro además se observan claras diferencias al interior del grupo de jóvenes entre 15 y 29 años, pues esta tasa crece significativamente mientras menor es la edad.


Para el año 1998, año para el cual realizamos el trabajo empírico, la fuerza de trabajo chilena entre los 15-29 años representaba un 31% de la fuerza de trabajo total, mientras que en 1990 alcanzaba a un 37%, siendo esta reducción consistente con un aumento en la participación escolar de los jóvenes, y con el envejecimiento que ha ido experimentando la población chilena.

Ahora, si se descompone la tasa de desempleo juvenil por quintil de ingreso, se observa que esta tasa es significativamente mayor para los quintiles más pobres de la población, lo cual le confiere a este tema un evidente interés de política pública. En efecto, la descomposición del desempleo juvenil por quintil de ingreso del hogar (Cuadro 2) permite apreciar que éste es mucho más fuerte para el primer quintil de ingresos4. Tomando los datos de 1998 -año en que ya se manifestaban síntomas de la recesión de 1999-, la tasa de desocupación entre 15-29 años fue de 39.3% para el primer quintil (48.9% para las mujeres y 34.5% para los hombres), en contraste con el 16.7% del total de jóvenes. Asimismo, la tasa de desempleo en el primer quintil fue de 50% para los jóvenes entre 15-19 años y de 45.4% entre 20-24 años, números muy superiores a los del resto de los quintiles.


Por otra parte, la tasa de participación laboral (cuociente entre fuerza de trabajo y población en edad de trabajar) de los jóvenes del primer quintil en 1998 era de 17.8% entre los 15-19 años, 52.1% entre los 20-24 años y 53.9% entre los 25-29 años, mientras que para el total de jóvenes era respectivamente de 17.5%, 58.1% y 72.6%. Así, las mayores discrepancias se dan para los jóvenes entre los 25-29 años y entre los 20-24 años, en ese orden. En todo caso, las diferencias son particularmente significativas para las mujeres del primer quintil, pues su tasa de participación entre los 15-29 años era de 23.5%, en contraste con el 36.8% del total de mujeres de esa edad; para los hombres, estos números eran respectivamente de 53.9% y 59.5%.

Mirando el problema de los jóvenes pobres desde una perspectiva más amplia, según la CASEN 98, un 45.5% de los jóvenes del primer quintil entre los 15 y 29 años no estudia ni trabaja (incluyéndose aquí a los que se dedican a quehaceres del hogar), siendo este número de 30.7% para el segundo quintil y de 25.7% para el total de jóvenes; en un año de buen desempeño económico, como 1996, estas cifras tienen una ligera alteración (42.1%, 29.6% y 23.8% respectivamente), aunque, como es obvio, sí se modifica la proporción relativa entre desocupados e inactivos. Asimismo, dentro de este grupo, que es particularmente preocupante porque está al margen del mundo laboral y del sistema de educación formal, las cifras del primer quintil -para 1998- se descomponen en un 27.4% para el tramo entre los 15-19 años , 60.1% entre los 20-24 años; y 59.2% entre los 25-29 años; para 1996, estas cifras eran respectivamente de 26%, 53.5% y 53.9%.

Es interesante notar que del grupo de jóvenes entre los 15-29 años del primer quintil que no estudia ni trabaja, un 44.4% nunca ha trabajado (39.7% entre los 20-29 años), aunque estas cifras son parecidas a la de los otros quintiles (datos CASEN 96, no disponibles para 1998). Caracterizando más en detalle a las personas marginadas laboral y educacionalmente, se puede señalar, por ejemplo, que aquellos que no estudian ni buscan trabajo -subconjunto de los que no estudian ni trabajan- representan un 37.5% de los jóvenes entre los 20-24 años del primer quintil -según CASEN 98-, siendo las razones más importantes para no buscar trabajo los quehaceres del hogar (52.7%) y el no tener con quien dejar a los niños (16.4%), y, para no estudiar, los quehaceres del hogar (36.5%), maternidad o embarazo (21.3%) y las dificultades económicas (14.5%). Si se cruzan las razones para no buscar trabajo y para no estudiar, se observa que un 30.4% esgrime la razón de quehaceres en el hogar para explicar conjuntamente estos eventos, un 12.1% la de quehaceres del hogar para no buscar trabajo y maternidad o embarazo para no estudiar, un 6.7% la de enfermedad crónica para explicar conjuntamente estos eventos y un 6.7% el no tener con quien dejar a los niños para no buscar trabajo, y maternidad o embarazo para no estudiar.

Ahora, en materia educacional, los jóvenes entre los 15-29 años del primer quintil tienen un promedio de 8.9 años de estudio, en contraste con los 10.9 del total de jóvenes de esa edad; para el rango de 15-19 años, el promedio de escolaridad es de 9 años versus los 9.9 años del total de jóvenes de esa edad. En capacitación, durante el último año anterior a la CASEN 98, se capacitó un 10.2% del total de jóvenes entre 15-29 años y sólo un 5% del primer quintil. Las principales razones para no haberse capacitado en los dos primeros quintiles fueron: haber estado estudiando (27.9%), no tener tiempo (21.9%), no saber acceder a los programas del Estado (16.5%), no estar interesado (15.4%) y no tener financiamiento (9.7%).

Finalmente, al considerar al grupo en que nos centraremos en el trabajo empírico, se observa que dentro de los jóvenes de sexo masculino, de edad entre 18 y 24 años, un 64% no se encuentra estudiando, un 50% no se encuentra trabajando y un 20% no estudia ni trabaja (mientras que sólo un 5% trabaja y estudia al mismo tiempo). Tal como en las descripciones anteriores, es interesante notar que dentro de este mismo grupo de jóvenes, de aquellos que provienen de hogares del primer quintil de ingreso, un 41.2% no trabaja ni estudia. En resumen, el fenómeno de marginación laboral y educacional es importante para todos los jóvenes del grupo considerado, pero mucho más aún para aquellos provenientes de familias más pobres, lo que revela la importancia de estudiar este fenómeno en más detalle.

III. EVIDENCIA EMPÍRICA INTERNACIONAL EN CUANTO A LOS DETERMINANTES DEL DESEMPLEO E INACTIVIDAD JUVENIL

Keane y Wolpin (1997) estiman un modelo estructural de educación y elección de ocupación entre los jóvenes (con un cohorte de jóvenes entre 1979 y 1988, a partir del panel de datos de NLSY), utilizando un modelo de inversión en capital humano. Los autores encuentran que la mayor parte de las diferencias entre individuos provienen de las diferencias en las dotaciones de habilidades a los 16 años (capital humano inicial).

Haveman y Wolfe (1994) analizan los determinantes de la inactividad juvenil en los EE.UU., definiendo "inactividad'' como no estar trabajando, estudiando o a cargo de niños (o una combinación de estas actividades) al menos medio día. Los autores utilizan un modelo probit para analizar la relación que existe entre la probabilidad de que un joven sea inactivo y sus características propias, entorno familiar y características del lugar de residencia. Utilizando un modelo probit bivariado, analizan además en forma conjunta la decisión de graduación de enseñanza media e inactividad; esta estimación no permite rechazar la hipótesis de que estas dos decisiones están afectadas por variables no observables relacionadas entre sí (es decir, la educación no podría ser considerada como una variable exógena). Los autores concluyen que las características ocupacionales de los padres influyen significativamente sobre la probabilidad de estar inactivo, lo que atribuyen a que las actividades de los padres sirven de modelo para los hijos. A su vez, la probabilidad de inactividad es mayor si la familia tuvo más cambios de residencia y más ayuda de programas sociales.

Rees y Gray (1982), en la creencia de que los "contactos" podrían ser importantes al momento de determinar las posibilidades de incorporación laboral de los jóvenes, estimaron, entre otras cosas, el efecto de las características ocupacionales de los padres (incluyendo ocupación, industria donde trabajan y educación), sobre el número de horas trabajadas y la probabilidad de trabajar de los hijos. Ellos no encuentran un efecto significativo de estas variables, aunque sí la encuentran en relación a la situación ocupacional de los hermanos. De esta manera, ellos interpretan como que los contactos de los padres no juegan un papel importante en la probabilidad de encontrar empleo de los hijos, pero sí la de los hermanos.

Clark y Summers (1978a) analizan la transición entre empleo, desempleo y permanencia fuera de la fuerza de trabajo entre los jóvenes (usando datos del Bureau of Labor Statistics, de los EE.UU.). Ellos concluyen que parte importante del fenómeno de "no empleo" entre los jóvenes se concentra en aquellos que dejan la fuerza laboral. Asimismo, ellos encuentran que una parte importante del desempleo juvenil se concentra en individuos con largos períodos de desempleo. Clark y Summers (1978b) realizan un estudio similar (en este caso no sólo para los jóvenes), y encuentran que muchos de los individuos catalogados como "fuera de la fuerza de trabajo" son indistinguibles de los desempleados (para ello analizan la historia de trabajo de los individuos desempleados y fuera de la fuerza de trabajo, y el tipo de trabajo que buscan al volver a la fuerza de trabajo).

Flinn y Heckman (1983), encuentran una diferencia importante entre las categorías de "desempleado" y "fuera de la fuerza de trabajo": la tasa de salida desde el estado de desempleo a empleo es mayor que la tasa de salida desde fuera de la fuerza de trabajo a empleo, y encuentran que la dependencia de la duración es diferente en ambos casos. Lo anterior tiene sentido en un modelo de búsqueda, en que los individuos que no buscan trabajo se encuentran en una solución de esquina.

Respecto de la relación entre educación y desempleo, Mincer (1991) encuentra un fenómeno similar al que se produce con respecto de la edad: la razón más importante por la cual las personas con mayor educación tienen una menor tasa de desempleo, es que la incidencia (probabilidad de desempleo) es menor. A su vez, la menor incidencia entre los individuos más educados se debe tanto a la menor rotación como a menor probabilidad de desempleo al cambiar de trabajo.

Ihlanfeldt y Sjoquist (1990) analizan el efecto de localización sobre la tasa de desempleo juvenil. Ellos postulan dos razones por las que esta variable puede afectar el empleo: al aumentar el costo de viaje aumentaría el salario de reserva, y la información acerca de ofertas de trabajo puede disminuir al aumentar la distancia (en el contexto de modelos de búsqueda). Los autores encuentran que la localización afecta significativamente la probabilidad de trabajar y ayuda a explicar una parte importante de las diferencias raciales en la tasa de desempleo juvenil.

Beyer (1998) analiza (mediante un modelo logit) los determinantes del desempleo juvenil en Chile, utilizando la información entregada por la encuesta CASEN 1994. Para ello utiliza en primer lugar la muestra de jóvenes que participan en la fuerza laboral, y en segundo lugar, aquellos que participan en la fuerza laboral y no son jefes de núcleo (para poder controlar por las características de los padres). Una conclusión importante de este trabajo empírico es que a mayor nivel educacional, la probabilidad de que el joven esté desempleado es más baja. Una deficiencia de este trabajo es que no considera el sesgo de selección existente: el grupo de individuos que participa en la fuerza laboral no es una muestra aleatoria de la población total, sino que tiene características especiales que determinan su autoselección en este grupo. Esta autoselección puede provocar un sesgo de selección importante, afectando los resultados obtenidos.

IV. MODELO TEÓRICO Y ESTRATEGIS DE ESTIMACIÓN

En este estudio utilizaremos datos de la Encuesta CASEN 1998. Esta encuesta contiene gran cantidad de información socio-demográfica de los jóvenes y sus familias. Sin embargo, estos datos tienen la limitación de que no se realiza un seguimiento través del tiempo de los individuos encuestados (no es un panel de datos), ni tampoco se solicita información retrospectiva respecto de la historia laboral. Dada esta limitación en los datos, nos centramos en la estimación de un modelo estático de participación en el mercado del trabajo. En el trabajo empírico nos centramos en los jóvenes de sexo masculino entre los 18 y 24 años (y por lo tanto, en la modelación de la decisión de estudiar un año adicional nos centramos en educación superior).

Como es frecuente en la literatura, enfocamos el análisis en los hombres que no se encuentran estudiando (en el sector de educación formal)5, para estimar los determinantes de la decisión de trabajar o no trabajar6. El interés no está en si alguna vez retomarán los estudios o no (para lo cual no existe información), sino si en los meses previos a la encuesta los jóvenes estaban estudiando o trabajando (casos en que no se interrumpe el proceso de formación de capital humano), o no lo estaban haciendo. En el caso de los jóvenes, sin embargo, es especialmente probable que al seleccionar la muestra para considerar sólo a quienes no estudian en el análisis de la decisión de trabajar o no trabajar, se genere un problema de sesgo de selección7. Para corregir el problema de sesgo de selección, estimamos el modelo por máxima verosimilitud tomando en cuenta la autoselección de los jóvenes en el grupo objetivo. Por lo tanto, modelamos la decisión de continuar los estudios o no, conjuntamente con la decisión de trabajar o no trabajar entre quienes no están estudiando.

Al analizar la decisión de trabajar, consideramos en un mismo grupo a todos los jóvenes que no están estudiando, independientemente de si buscan trabajo o no8. El considerar dentro de un mismo grupo a los jóvenes inactivos laboralmente y a los que buscan trabajo, estaría en consonancia con los resultados obtenidos por Clark y Summers (1978b) comentados en la sección anterior.

4.1. Modelo para decisión de trabajar o no trabajar

En un modelo de salario de reserva, el individuo decide trabajar si su salario de mercado supera al salario de reserva. De lo anterior se desprende que la probabilidad de que un joven que no estudia se encuentre trabajando (ya sea en el sector formal o informal) en un momento del tiempo se puede escribir como:

Prob (trabajo/no estudia) = Prob (logwM > logwR/no estudia)

Donde wM y wR corresponden al salario de mercado y salario de reserva respectivamente. Esta modelación es consistente con el supuesto de que el individuo puede escoger el número de horas a trabajar, lo que de paso implica que siempre podrá escoger un número de horas de trabajo al menos igual al número de horas de reserva. A su vez, es consistente con el supuesto de que siempre hay algún salario de mercado al cual el individuo podría trabajar, ya sea en el sector formal o informal, y es por este motivo que se pueden considerar dentro de un mismo grupo a los desocupados y a los inactivos laboralmente.

Para modelar la ecuación de salarios de mercado utilizamos una ecuación de Mincer9, la que se puede escribir como: In wM=aMXM+eM , donde XM contiene las variables explicativas de la ecuación de salarios, entre las que se cuentan educación y experiencia potencial (se incorpora además la experiencia al cuadrado), y otras variables que determinan capital humano.

En la estimación, se separa entre diferentes tipos de educación, y se controla por características del entorno geográfico, como la zona rural/urbana, y desempleo regional. Además se controla por una medida de ingreso permanente de la familia de origen, que puede afectar el nivel de capital humano inicial (que se prueba como muy importante de acuerdo a los resultados de Keane y Wolpin (1997)) y la efectividad de los años de educación (siguiendo el argumento de Heckman, 2000). El ingreso neto actual de la familia también puede tener un efecto sobre el salario del joven, en la medida que afecte el capital humano inicial, y que se relacione con mejores contactos para el trabajo. Esto último se justifica porque una característica valorada por el mercado laboral puede ser la recomendación que trae el joven (especialmente relevante en ausencia de historia laboral), como se ve en Rees y Gray (1982). Finalmente, se controla por la situación laboral de otros miembros del hogar, pues, por una parte, la situación laboral de los otros miembros adultos del hogar puede afectar el capital humano del joven (en la posibilidad de inculcar hábitos de trabajo, por ejemplo) y por otra parte, el hecho de que haya familiares cercanos participando activamente en el mercado laboral puede también mejorar los contactos del joven.

Para modelar el salario de reserva utilizamos un modelo simple de asignación de tiempo entre trabajo y tiempo en el hogar. En el caso en que no existan costos fijos asociados al trabajo (como el tiempo de traslado), ni otras distorsiones que generen no convexidad en la frontera de posibilidades (como impuestos progresivos), es posible derivar a partir de una función de utilidad simple una forma funcional lineal para el logaritmo del salario de reserva (como es el caso de la función Cobb-Douglas).

Supondremos que el logaritmo del salario de reserva se puede escribir como In wR=aR+XR+eR: , donde XR contiene las variables explicativas de la ecuación de salario de reserva. Entre estas variables se incluye el logaritmo del ingreso del hogar neto del ingreso del joven (en términos per cápita), y una medida de ingreso permanente; al estar ambas variables relacionadas con el ingreso no salarial del joven, se espera que afecten positivamente el salario de reserva (suponiendo que el ocio es un bien normal). Otra variable incorporada es el número de dependientes, que incluye al cónyuge y los hijos del joven. A diferencia de lo que ocurre cuando se modela la participación laboral femenina, en este caso se espera que un mayor número de dependientes disminuya el salario de reserva (ya que implica una mayor responsabilidad y necesidad del joven de generar ingresos, además de disminuir el ingreso no salarial per cápita). Además, se incorpora la proporción de jóvenes que no estudian ni trabajan en la comuna, como una manera de captar una variable de hábitat10.

4.2. Modelo para la decisión de estudiar o no estudiar

Para modelar la decisión de estudiar, supondremos que el individuo no se encuentra estudiando si el valor presente neto del proyecto de estudiar un año adicional es menor que cero11:

dNE = 1 si el individuo no se encuentra estudiando actualmente, es decir, si:

Siendo n el nivel de educación actual, yn+1(t) el ingreso con el año adicional de escolaridad al nivel de experiencia t, yn(t) el ingreso sin el año adicional de escolaridad al nivel de experiencia t (para estos efectos consideramos fijo el número de horas de trabajo), C* el costo directo de educarse (que podría incluir costos monetarios y psíquicos)12. Si los perfiles de ingreso en logaritmo natural son paralelos, obtenemos: (donde e(t) es una función de la experiencia)13. Es decir, dNE = 1 si:

Sea , definimos . Por otra parte, suponemos que un año adicional de educación aumenta el ingreso en una tasa g: . Con ello la condición anterior se transforma en dNE = 1 si:

Si , y suponemos que la probabilidad de que el individuo no estudie un año adicional será:

Las variables que afectan la probabilidad de que el joven estudie un año adicional serían entonces el costo C*; las variables Z que afectan el ingreso sin educación (capital humano inicial, que suponemos depende de características de la familia de origen); el número de años de educación n, separando por tipo de educación, y la tasa de interés14. El costo C*, se mide de acuerdo a la probabilidad de recibir beca de matrícula por grupo de ingreso y región, y a la razón entre aporte para ayuda estudiantil per cápita y arancel promedio por región. La tasa de interés es un indicador del costo de financiamiento, y suponemos que se relaciona con el nivel de riqueza e ingreso de la familia; jóvenes que provienen de familias con mayor riqueza o ingreso enfrentan menores restricciones de liquidez y un acceso menos costoso al mercado de capitales. Por ello, se incorpora como variable el ingreso corriente per cápita del hogar (neto del ingreso del joven) y una medida de ingreso permanente, además de una variable que indica si el jefe de hogar trabaja. En la regresión se controla además por la edad del joven y se incorpora una variable que mide el número de dependientes del joven. Esta última variable se incorpora debido a que un mayor número de dependientes podría involucrar un mayor costo psíquico de educarse y una mayor necesidad de financiamiento (debido a la responsabilidad y necesidad actual del individuo de proveer ingresos), lo que -dada la dificultad de acceder a crédito para financiar la educación- puede afectar la decisión.

Supondremos que y Con ello llegamos al modelo probit con selección, que se estima por máxima verosimilitud. En el anexo se detallan las variables utilizadas en la estimación.

V. RESULTADOS

Los resultados de la estimación se presentan en el Cuadro 3. En las estimaciones nos centramos en los jóvenes de sexo masculino, de edad entre 18 y 24 años, que no se encuentran realizando servicio militar, ni presentan enfermedad o invalidez que les impida trabajar15.


Respecto de los determinantes de la probabilidad de trabajar entre quienes no estudian, los resultados confirman la importancia de la acumulación de capital humano. Un resultado interesante es que el efecto de un año adicional de enseñanza media científico-humanista es menor que aquél para un año adicional de enseñanza media técnico-profesional, o en un Centro de Formación Técnica o Instituto Profesional (al realizar un test chi-cuadrado, se encuentra que la diferencia entre el coeficiente de un año de educación científica humanista y un año de educación técnico profesional o en un Instituto Profesional es estadísticamente significativa al 95% de confianza). Lo anterior tiene sentido, porque la educación media técnico-profesional está especialmente dirigida a la inserción al mercado laboral, al igual que los estudios en centros de formación técnica e institutos profesionales, a diferencia de la educación científica humanista.

Tanto el ingreso corriente neto del hogar como la medida de ingreso permanente tienen un efecto muy pequeño y estadísticamente no significativo sobre la probabilidad de trabajar, lo que puede reflejar que el efecto sobre el salario de reserva se compensa con un efecto de entorno familiar (a través de contactos o formación de capital humano). Asimismo, el hecho de que el jefe de hogar se encuentre trabajando afecta positivamente la probabilidad de trabajar. Por otra parte, el número de dependientes tiene un efecto positivo sobre la probabilidad de trabajar, lo que implica que un mayor número de dependientes disminuye el salario de reserva, como era esperado dado que las estimaciones se realizan para el grupo de hombres16.

Respecto de la zona geográfica de residencia, una mayor tasa de desempleo en la región tiene un efecto negativo significativo, lo que implica que las condiciones del mercado de trabajo local son importantes. Asimismo, se encuentra un efecto negativo de la mayor tasa de inactividad juvenil en la comuna, lo que puede ser consecuencia de un efecto de "hábitat" cercano. Finalmente, es interesante el efecto positivo que tiene la residencia en zona rural sobre la probabilidad de trabajar. Una posible interpretación de lo anterior es que en las zonas rurales abundan actividades agrícolas, que por su naturaleza permiten mayor diversidad y flexibilidad de contratos, y una mayor informalidad, condiciones ambas que aumentan el conjunto de posibilidades de elección del individuo.

En cuanto a la estimación de los determinantes de la probabilidad de que el individuo no esté estudiando, se obtienen resultados interesantes. En primer lugar, se encuentra que mientras menos años le resten para terminar un determinado grado académico, la probabilidad de que el joven siga estudiando es más alta, tal como predice la teoría (esta conclusión se extrae del resultado de que a mayor número de años de educación previa, disminuye la probabilidad de dejar los estudios, cuando éstos están incompletos). Al controlar por edad se encuentra que a mayor edad aumenta la probabilidad de que el individuo no se encuentre estudiando. Por otra parte, el efecto tanto del ingreso corriente del hogar, como del índice de ingreso permanente resultan significativos, lo que se interpreta como el resultado de una mayor disponibilidad de fondos (o menor costo de capital) para el financiamiento de la educación superior, así como posibles efectos en la acumulación previa de capital humano. En esta misma línea, que destaca la importancia de los costos asociados a la educación, se encuentra que una mayor ayuda estudiantil para la educación superior en la región aumenta la probabilidad de estudiar, midiendo ayuda estudiantil tanto en términos de la probabilidad de recibir beca (por grupo de ingreso), como en términos de la proporción del arancel que se financia con aporte del estado. Este resultado revela la importancia que tiene sobre las decisiones de los alumnos la forma como se asignan los fondos de ayuda a las diferentes universidades y por zona geográfica17.

Tanto el hecho de que el jefe de hogar no trabaje, como un mayor número de dependientes, aumenta la probabilidad de que el joven no estudie. Lo anterior puede ser el resultado de una mayor responsabilidad y necesidad actual del joven de generar ingresos, lo que se relaciona con que en este caso es más probable que existan restricciones de liquidez operativas. Por último, el residir en zona rural disminuye la probabilidad de seguir estudiando, lo que es razonable por los mayores costos de traslado y otros costos en que debe incurrir un joven de esta procedencia cuando se ve enfrentado a opciones de seguir estudiando, que son eminentemente urbanas; además este resultado es congruente con el ya comentado que destacaba la mayor probabilidad de insertarse al mercado del trabajo de jóvenes de zonas rurales.

Al realizar un test de razón de verosimilitud, se rechaza la hipótesis de que los no observables que afectan la probabilidad de estudiar y de trabajar no estén correlacionados entre sí, lo que implica que si se estimara un modelo probit sin considerar selección, se obtendrían resultados sesgados. El signo del coeficiente de correlación estimado, que resulta negativo, indica que las características no observables que aumentan la probabilidad de no estudiar están negativamente correlacionadas con aquellas que aumentan la probabilidad de trabajar. Esto es, se podría decir que en términos de características no observables, quienes no estudian tienen una menor probabilidad de trabajar.

VI. RESUMEN Y CONCLUSIONES

El desempleo juvenil es un fenómeno generalizado a nivel internacional, y se presenta con fuerza también en el caso chileno. El estudio de los determinantes del desempleo e inactividad juvenil es interesante en la medida que permite identificar a los grupos más involucrados en este fenómeno. Las posibles consecuencias negativas del desempleo juvenil tienen relación principalmente con el hecho de que en períodos de inactividad (sin trabajar ni estudiar en el sector formal), el individuo detiene el proceso de formación de capital humano. Otras posibles consecuencias negativas estudiadas en la literatura tienen relación con la formación de hábitos de trabajo y con la relación entre inactividad, drogadicción y delincuencia juvenil. En la literatura se destacan también posibles consecuencias positivas del desempleo juvenil, que tienen relación con la ventaja asociada a que el joven encuentre un buen match al rotar entre trabajos con diferentes características.

En este trabajo se utilizan datos de corte transversal para estudiar los determinantes de la probabilidad de que el joven trabaje, dado que no se encuentra estudiando (centrándonos en hombres, entre los 18 y 24 años). Para ello se utiliza un modelo probit con selección, tomando en cuenta la relación entre la decisión de estudio y trabajo.

Los resultados confirman la importancia de la acumulación de capital humano (tanto por educación en el sector formal, como por acumulación de experiencia) sobre la probabilidad de trabajar. Si bien este resultado era esperable, es muy interesante, ya que reafirma la importancia de la acumulación de capital humano para la vida laboral: una mayor educación no sólo aumenta el salario, sino también la probabilidad de trabajar una vez terminados los estudios, lo que a su vez permite seguir acumulando capital humano al adquirir mayor experiencia laboral. Este efecto confirma una vez más el proceso virtuoso asociado a la acumulación de capital humano, que destaca Heckman (2000), y que enfatiza la importancia de mejorar la calidad de la educación desde edades tempranas.

A su vez, los resultados muestran que las características de la familia de origen afectan la posibilidad de trabajar, lo que puede ser fruto del efecto en la formación de capital humano, o de la existencia de familiares que puedan recomendar al joven para un trabajo, cuando éste no tiene una historia laboral previa. La residencia en zona rural aumenta la probabilidad de trabajar, lo que puede reflejar menores costos de entrada a actividades laborales tanto del sector formal como informal. Por último, el área geográfica de residencia también afecta la probabilidad de trabajo a través de las condiciones del mercado laboral local (tasa de desempleo en la región), y posibles efectos de hábitat (tasa de inactividad juvenil en la comuna). Este último resultado merecería un estudio más profundo, ya que se refiere a un tema en que la política pública podría tener un rol importante; por ejemplo, a través de programas destinados a mejorar la situación habitacional, proveer espacios públicos, controlar la delincuencia y drogadicción, etc.

La acumulación previa de capital humano y las características de la familia de origen (especialmente, en lo referido al ingreso familiar, probablemente relacionado con restricciones de liquidez), son también determinantes importantes de la probabilidad de estudiar. Otra variable que afecta significativamente la probabilidad de estudiar tiene relación con la disponibilidad de ayuda estudiantil para educación superior. Este resultado, junto a los que muestran un efecto positivo de los años de educación sobre la probabilidad de trabajo, le da a la política de financiamiento de la educación superior una connotación importante como política pública. Esto, debido a que la posibilidad de financiar la educación superior con ayuda estatal efectivamente afectaría la probabilidad de seguir estudios superiores, lo que a su vez aumentaría más adelante no sólo el ingreso laboral, sino la probabilidad de trabajar y por lo tanto, de continuar acumulando capital humano en el trabajo. Lo anterior destaca la importancia de realizar un análisis más profundo dirigido especialmente a estudiar la forma cómo se asignan los fondos para ayuda estudiantil18, y el efecto que esto puede tener sobre la acumulación de capital humano de los jóvenes y su situación laboral futura.

REFERENCIAS

Beyer, H. (1998), ¿Desempleo Juvenil o un problema de deserción escolar?. Estudios Públicos Nº 71.         [ Links ]

Carneiro, P., J. Heckman y E. Vytlacil (2001), Estimating the Rate of Return to Schooling When It Varies Among Individuals, unpublished manuscript, U of Chicago, April.         [ Links ]

Clark, K. y L. Summers (1978a), The Dynamics of Youth Unemployment. NBER Working Paper Nº 274.         [ Links ]

Clark, K. y L. Summers (1978b), Labor Force Transitions and Unemployment. NBER Working Paper Nº 277.         [ Links ]

Coloma, F. (2001), Los Desafíos Futuros en el Campo Laboral, en ¿Qué Hacer Ahora?, Propuestas para el Desarrollo. Beyer, H. y R. Vergara (eds.), Centro de Estudios Públicos.         [ Links ]

Ellwood, D (1982), Teenage Unemployment: Permanent Scars or Temporary Blemishes?. In The Youth Labor Market Problem: Its Nature, Causes and Consequences. R. Freeman and D. Wise (eds.). Chicago: University of Chicago Press.         [ Links ]

Feldstein, M. (1978), The Private and Social Cost of Unemployment. The American Economic Review, Vol.68, Nº 2, Papers and Proceedings of the Ninetieth Annual Meeting of the American Economic Association, 155-158.         [ Links ]

Feldstein, M. and D. Ellwood, David (1982), Teenage Unemployment: What is the Problem?. In The Youth Labor Market Problem: Its Nature, Causes and Consequences. R. Freeman and D. Wise (eds.). Chicago: University of Chicago Press.         [ Links ]

Flinn, C. and J. Heckman (1983). Are Unemployment and Out of the Labor Force Behaviorally Distinct Labor Force States?. Journal of Labor Economics, Vol. 1, Nº 1, 28-42.         [ Links ]

Freeman, R. and W. Rodgers (1999), Area Economic Conditions and he Labor Market Outcomes of Young Men in the 1990s Expansion. NBER Working Paper Nº 7073.         [ Links ]

Haveman, R. and B. Wolfe (1994), Economic Inactivity of Young Adults: an intergenerational analysis. Working Paper Nº 107, University of Wisconsin-Madison.         [ Links ]

Heckman, J. and T. MaCurdy (1986), Labor Econometrics. In Handbook of Econometrics, Vol.III, Chapter 32. Z. Griliches and M.D. Intriligator (eds.). Elsevier Science Publishers BV.         [ Links ]

Heckman, J., L. Lochner y P. Todd (2001), Fifty Years of Mincer Earnings Regressions. Working Paper.         [ Links ]

Heckman, J. (2000), Policies to Foster Human Capital. Research in Economics 54, 3-56.         [ Links ]

Ihlanfeldt, K. y D. Sjoquist (1990), Job Accessibility and Racial Differences in Youth Employment Rates. The American Economic Review, Vol. 80, Nº 1, 267-276.         [ Links ]

Keane, M. y K. Wolpin (1997), The Career Decisions of Young Men. Journal of Political Economy, Vol.105, Nº 3, 473-522.         [ Links ]

Larrañaga, O. y R. Paredes (1999). Desempleo y Salarios en Chile : Una Perspectiva Dinámica a Partir del uso de Cohortes Artificiales. Cuadernos de Economía Nº 109, 929-946.         [ Links ]

Levitt, S. y Lochner, L. (2001), The determinants of Juvenile Crime. Risky Behavior Among Youths: An Economic Analysis, University of Chicago Press: Chicago.         [ Links ]

Micklewright, J. y M. Pearson (1990), Unemployment and Early School Leaving. The Economic Journal, Vol. 100, Nº 400 Conference Papers, 163-169.         [ Links ]

Mincer, J. (1974), Schooling, Experience and Earnings. New York, Columbia University Press.         [ Links ]

Mincer, J. y L. Leighton (1979), Labor Turnover and Youth Unemployment. NBER Working Paper Nº 378.         [ Links ]

Mincer, J. y B. Jovanovic (1979), Labor Mobility and Wages. NBER Working Paper Nº 357.         [ Links ]

Mincer, J. y H. Ofek (1982), Interrupted Work Careers: Depreciation and Restoration of Human Capital. Journal of Human Resources, Winter, 1-24.         [ Links ]

Mincer, J. (1991), Education and Unemployment. NBER Working Paper Nº 3838.         [ Links ]

Mocan, H.N. y D. Rees (1999), Economic Conditions, Deterrence and Juvenile Crime: Evidence from Micro Data. NBER Working Paper Nº 7405.         [ Links ]

Murphy, K. y S. Peltzman (2000), The Effects of School Quality on the Youth Labor Market. George J. Stigler Center for the Study of the Economy and the State Working Papers Nº 162.         [ Links ]

Neumark, D. (1998), Youth Labor Market in the U.S.: Shopping Around vs.Staying Put. NBER Working Paper Nº 6581.         [ Links ]

Rees A. y W. Gray (1982), Family Effects on Youth Employment. In The Youth Labor Market Problem: Its Nature, Causes, and Consequences, R. Freeman and D. Wise (Eds.). Chicago University Press. 453-464.         [ Links ]

Rees, A. (1986), An Essay on Youth Joblessness. Journal of Economic Literature, Vol.24, No.2, 613-628.         [ Links ]

Sapelli, C. y A. Torche (2002), Deserción escolar y oferta de trabajo de los jóvenes: ¿Dos caras de un mismo proceso de decisión?, mimeo.         [ Links ]

Stephenson, S. (1976), The Economics of Youth Search Behavior. The Review of Economics and Statistics, Vol. 58, Nº 1, 104-111.         [ Links ]

Topel, R. y M. Ward (1992), Job Mobility and the Careers of Young Men. Quarterly Journal of Economics 197, 2: 439-79.         [ Links ]

ANEXO

DESCRIPCION DE LAS VARIABLES UTILIZADAS

Entre los determinantes de trabajar o no trabajar para los jóvenes que no se encuentran estudiando, se incluyen las siguientes variables19:

1. Años de educación, separando por tipo.

Se incluyen los años de educación media, separando por educación técnica profesional terminal o científica humanista (categoría en que se incluye a todos quienes tienen estudios posteriores; esto debido a que sólo se conoce el tipo de educación media en caso de que ésta sea terminal).

Se incluyen los años de educación superior completados, separando por Instituto Profesional, Centro de Formación Técnica y Universidad.

2. Experiencia potencial

Se utiliza la aproximación de Mincer: experiencia=edad-años de educación-6. Se incluye la experiencia y experiencia al cuadrado. No es posible diferenciar a quienes han trabajado alguna vez para 1998.

3. Logaritmo del ingreso per cápita del hogar, neto del ingreso del joven

Se utiliza la diferencia entre el ingreso monetario del núcleo y el ingreso del trabajo del joven (cuando corresponda). Se incorpora el logaritmo natural del ingreso así calculado.

4. Jefe de Hogar trabaja

Se utiliza una variable dummy que toma valor 1 si el jefe de hogar trabaja. Para incorporar esta variable es necesario considerar sólo a los jóvenes que no son jefes de hogar. Para el grupo de jóvenes considerado, esto es, hombres entre 18 y 24 años, implica dejar de lado a un 10.4% de la muestra. Lo anterior indica que la posibilidad de que exista un sesgo de selección por el hecho de utilizar sólo a quienes no son jefes de hogar es muy baja, aunque no se puede realizar un test formal para descartar este sesgo.

5. Número de dependientes

Esta variable corresponde al número de hijos del joven, más uno si el joven vive con pareja.

6. Tasa de desempleo en la región

Esta variable corresponde a la tasa de desempleo en la región calculada a partir de la encuesta CASEN.

7. Tasa de inactividad juvenil en la comuna

Esta variable corresponde a la proporción de jóvenes entre 12 y 30 años que no estudian ni trabajan en la comuna.

8. Zona rural

Dummy con valor 1 si el joven vive en zona rural.

Entre los determinantes de la decisión de estudiar un año adicional, se incluyen las siguientes variables: 1. Años de educación, separando por tipo.

Tal como en el caso anterior, pero en el caso de la educación superior se incorpora la variable de años de educación con una interacción para los casos en que la educación está incompleta.

2. Edad

3. Logaritmo del ingreso per cápita del hogar, neto del ingreso del joven

4. Jefe de Hogar trabaja

5. Número de ingreso permanente

6. Indice de ingreso permanente

Este índice se genera a partir del primer componente principal para: logaritmo natural de otros ingresos del hogar, que incluyen intereses por depósitos, dividendos por acciones, etc. (con un coeficiente de 0.9); años de educación del jefe de hogar (0.41); logaritmo natural del alquiler imputado de la vivienda, en caso de que sea propia (0.12); número de dormitorios de la vivienda (0.05); y dummies si hay al menos uno de los siguientes bienes durables en el hogar: automóvil (0.02), microondas (0.02), video (0.02), termo (0.03), teléfono (0.03), refrigerador (0.02) y lavadora (0.02).

7. Indice de ayuda estudiantil por región

Este índice se genera a partir de la información del arancel promedio y aportes per cápita para ayuda estudiantil para las universidades del consejo de rectores (1998). Se construye a partir de la razón entre matrícula y ayuda per cápita por universidad. Posteriormente se calcula el promedio ponderado para la región (de acuerdo a la matrícula de alumnos por universidad20, y se utiliza esta información en las estimaciones.

8. Probabilidad de recibir beca en universidad por grupo de ingreso y región.

Este índice se calcula a partir de la información de la propia Encuesta CASEN 1998. Se consideran como primer grupo de ingreso los jóvenes cuyo hogar corresponda al quintil 1 o 2, como segundo grupo los jóvenes cuyo hogar sea del quintil 3 o 4, y resto como tercer grupo (la agrupación de quintiles es necesaria para mantener la representatividad de la muestra para los cálculos). La probabilidad se estima como el porcentaje de alumnos universitarios que no cancelan arancel por región y grupo de ingreso. Con ello se asigna a cada joven la probabilidad de recibir beca, de acuerdo a su región de residencia y grupo de ingreso. En el Cuadro se observa que la probabilidad de recibir beca dentro de cada grupo de ingreso difiere sustancialmente entre regiones.


* Profesor Instituto de Economía, Pontificia Universidad Católica de Chile. e-mail: fcoloma@faceapuc.cl

** Profesor Instituto de Economía, Pontificia Universidad Católica de Chile. e-mail: bvial@faceapuc.cl

Keywords: Young Unemployment, Human Capital, Educational Choice, Self Selection, Chile

JEL Classification: J24, J64

1 Se agradecen los comentarios de Ricardo Paredes, de un árbitro anónimo, y de todos los asistentes al Seminario de Investigación 2002 del Instituto de Economía de la Pontificia Universidad Católica de Chile.

2 El término inactividad, tal como se utiliza en este trabajo, no se refiere a la inactividad laboral como se define normalmente, sino a una situación en que el joven no se encuentra trabajando ni estudiando. Esta manera de definir inactividad también es utilizada en otros estudios sobre el tema; ver sección III de la revisión de la literatura.

3 El trabajo se centra en jóvenes de sexo masculino, ya que en el caso de las mujeres es más probable que a pesar de no estar trabajando en el sector formal ni estudiando, se encuentren realizando actividades productivas en el hogar, como el cuidado de hijos.

4 Coloma (2001) muestra que al hacer el ejercicio de imputar un salario a los desocupados, la quintilización por hogar sería bastante parecida a la original. Esto indicaría que las críticas por relacionar desempleo con pobreza usando sólo encuestas de ingreso, aunque conceptualmente correctas, no parecieran tener mayor efecto práctico en este caso.

5 Se incluyen en la categoría de estudiantes a todos quienes asistan a la fecha de la encuesta a un establecimiento de enseñanza media o superior, incluyéndose a aquellos que no asistan temporalmente por enfermedad, vacaciones, y a quienes acaban de terminar el año escolar 1998. Respecto de la inquietud de que dentro del grupo de los que no estudian se encuentren jóvenes que sí lo hacen, pero no en educación formal (preparando PAA, por ejemplo), es importante notar que de acuerdo a la Encuesta CASEN 1998, este grupo representa sólo un 2.4% del total de jóvenes que no estudian.

6 Se considera que el joven está trabajando si recibe ingreso proveniente del trabajo, independientemente de si el trabajo es en el sector formal o informal.

7 En esta misma perspectiva se encuentra la modelación conjunta que hacen Haveman y Wolfe (1994) de la decisión de graduación de enseñanza media y de inactividad, y de su resultado que indica que no se puede rechazar la hipótesis de que estas dos decisiones están afectadas por variables no observables relacionadas entre sí.

8 Cabe tener presente que dentro de los jóvenes hombres, que no trabajan ni estudian, el porcentaje que no busca trabajo corresponde a un 35%. Esto se obtiene considerando a hombres menores de 25 años sin enfermedad crónica o invalidez que les impida trabajar, y que no se encuentren realizando el Servicio Militar.

9 Ver en Heckman et al. (2001) los supuestos básicos que están detrás de este modelo.

10 Si el joven se mueve en un ambiente en que muchos jóvenes no estudian ni participan en el mercado del trabajo, es probable que ello afecte negativamente su disposición a participar en el mercado, reflejándose ello en un mayor salario de reserva. Sin embargo, esta variable podría reflejar también condiciones del mercado de trabajo juvenil en la zona geográfica, efectos que no pueden ser identificados separadamente. Otras variables que podrían haber sido incorporadas para medir efectos de hábitat tienen relación con los niveles de drogadicción y delincuencia en la zona de residencia, lo que en este trabajo no se pudo incorporar por falta de información.

11 No consideramos explícitamente la posibilidad de no trabajar en la modelación de la decisión de educación. Sin embargo, en el modelo que desarrollamos se puede ver fácilmente que si el individuo decide no trabajar al nivel de experiencia t, sólo se verá se afectada la constante k que se absorbe en C.

12 Dado que consideramos a hombres jóvenes, el horizonte de trabajo es largo, por lo que se considera la suma desde t = 0 a ¥.

13 Seguimos Carneiro et al. (2001). Este supuesto es consistente con Mincer (1974).

14 Para incorporar la tasa de interés en forma lineal se debería hacer una aproximación lineal de In En las estimaciones no se incorpora la tasa de interés como variable explicativa, ya que ésta se desconoce, sino otras variables relacionadas con el costo de financiamiento.

15 Se realizaron también estimaciones considerando sólo a los individuos que residen en el Gran Santiago, para los cuales se tenía una estimación del tiempo de traslado. Sin embargo, no se encontró un efecto significativo de esta variable. Debido a lo anterior, dichas estimaciones no se presentan. Es probable que dicha variable no haya resultado significativa debido a las limitaciones de los datos de tiempo de traslado utilizados,como las siguientes: (i) la información sólo estaba disponible para comunas del Gran Santiago, lo que achica significativamente el tamaño de la muestra, y no permite utilizar las variables regionales construidas; (ii) la información considera un tiempo promedio de traslado desde una comuna al resto de ellas, y no permite diferenciar a jóvenes con distintas características dentro de la misma comuna (lo que puede ser particularmente perturbador en comunas muy extendidas, y/o en que coexisten grupos socioeconómicos muy disímiles); (iii) la información de tiempo de traslado no distingue el propósito del viaje; y (iv) la información se refiere sólo al tiempo de traslado, no incluyendo el costo monetario que implica el viaje.

16 Se podría pensar que la causalidad de esta variable es en la otra dirección, en la medida que sean justamente los individuos que trabajan los que deciden tener dependientes.

17 Cabe destacar que esta medida es una aproximación muy gruesa de la ayuda que potencialmente recibiría un joven si decide estudiar, a pesar de lo cual resulta significativa. Esto indicaría que de tener medidas más desagregadas de ayuda, probablemente se encontrarían efectos aún mayores.

18 La información obtenida de la encuesta CASEN muestra que en las distintas regiones de Chile la proporción de alumnos becados varía fuertemente (ver Cuadro 1 en Anexo).

19 Además de estas variables, se hicieron estimaciones incorporando una variable de tiempo de transaldo, utilizando información de la Encuesta Origen-Destino del Gran Santiago, año 1991 (Sectra).

20 A la VI y XI regiones, en que no hay universidades del consejo de rectores, se les asigna el índice de la región inmediatamente al norte. Los resultados de la estimación no son sensibles a este supuesto.