El impacto del nivel educativo alcanzado en el índice
de calidad del empleo en el Perú, 2016
Oscar Ñiquen Lasteros
Dirección de Investigación Socio Económico Laboral
del Ministerio de Trabajo y Promoción del Empleo
oniquen@trabajo.gob.pe
Recibido: 04/09/2018
Aprobado: 25/07/2019
R E V I S T A P E R U A N A D E I N V E S T I G A C I Ó N E D U C A T I V A
2 0 1 9 , N o . 1 1 , p p . 5 - 3 8
6 I
oscar ñiquen
El impacto del nivel educativo alcanzado en el índice de calidad
del empleo en el Perú, 2016
Resumen
El presente estudio de investigación tiene como objetivo medir el impacto de
un mayor nivel educativo alcanzado en el índice de calidad de empleo teniendo
en cuenta las brechas de género, área y categoría ocupacional. El estudio es de
tipo cuantitativo con datos de corte transversal obtenidos de la Encuesta Nacio-
nal de Hogares elaborada por el Instituto Nacional de Estadística e Informática
(INEI). La metodología empleada consiste en un modelo probit, ordenado para
cuatro categorías del índice de empleo. Entre los principales resultados, se en-
contró que en el Perú la categoría con mayor probabilidad (42%) correspondió
a mala calidad de empleo y que un mayor nivel educativo alcanzado redujo en
1,9% la probabilidad de pertenecer a dicha categoría. También, se identicó que
los trabajadores con educación básica tienen mayores probabilidades de tener
un empleo de mala y muy mala calidad. En comparación con un trabajador con
educación superior no universitaria, tienen aproximadamente tres veces menos
probabilidad de pertenecer a un empleo de muy buena calidad. Otro resultado
importante es que mayores niveles educativos no presentaron menores brechas
en género y categoría ocupacional. Si bien la probabilidad de tener buena calidad
de empleo de hombres y mujeres aumentó en cada nivel educativo, del mismo
modo, incrementó la diferencia entre probabilidades. Lo mismo ocurrió entre
asalariados e independientes, marco en el que los asalariados tuvieron mayor
benecio al cualicarse en comparación con los independientes.
Palabras clave: Educación, análisis socioeconómico, economía del trabajo
e impact of the educational level achieved in the index of quality
of employment in Peru, 2016
Abstract
e objective of this research study is to measure the impact of higher level of educa-
tion in the employment quality index, considering gender, area, and occupational
category gaps. is quantitative study analyzes cross-sectional data obtained from the
National Household Survey prepared by the INEI. e methodology consists in an
ordered probit model for four categories of the employment index. Among the main
results, it was found that, in Peru, the category of poor quality of employment is the
one with the highest probability (42.0%), while a higher educational level reduces the
probability of belonging to this category. Also, the research shows that workers with
basic education are more likely to have a bad and very poor-quality job. Compared
to a worker with non-university higher education, they are approximately three times
less likely to belong to a very good quality job. Another important outcome is that
higher educational levels do not show minor gaps in gender and occupational cat-
egory. Although the probability of women and men having good quality employments
increases in each educational level, the dierence between probabilities also did. e
same occurred between employees and independents; in this case, salaried employees
have a greater benet in qualifying compared to independent workers.
Keywords: Education, socio-economic analysis, labor economics
I 7
el impacto del nivel educativo alcanzado en el índice de calidad del empleo en Perú, 2016
Introducción
En los últimos años, las instituciones encargadas de la política pública labo-
ral ya no se han enfocado exclusivamente en la reducción del desempleo, sino
que han tratado de armonizar la reducción del paro con la creación de nuevos
puestos de trabajo con un mínimo de calidad requerida, lo que ha derivado
en un tema complejo de abordar (Gonzales y Mora, 2011). Esta búsqueda de
mejores puestos de trabajos se ve justicada por la evidencia empírica. Por
ejemplo, en el caso peruano, la tasa de desempleo para el 2016 fue de apenas
4,2%. Sin embargo, para el mismo año, el 72% de la población ocupada se en-
contró laborando informalmente, lo que evidencia la gran brecha existente en
el mercado laboral.
Esta brecha observada trajo consigo metodologías destinadas a medir las
condiciones laborales. Entre ellas, destaca el índice de calidad del empleo (ICE),
que, mediante una escala del uno al cien, toma referencia sobre la calidad labo-
ral en la que trabaja un asalariado o independiente. Para el caso de Perú, en el
2016, la puntuación alcanzada fue de 40,9, lo que signica una mala calidad del
empleo (teniendo en cuenta indicadores económicos, contractuales y sociales).
Cabe destacar que, para el 2016, solo la región de Moquegua tuvo un puntaje
mayor a 50,0 (50,5), situándose como la única con buena calidad de empleo.
Latinoamérica tampoco ha sido ajena a esta brecha de calidad laboral. El
estudio de Weller y Rothlisbeger (2011) encuentra un décit en la mayoría de
los países en materia de calidad de empleo, considerando aspectos como los
ingresos, la aliación a salud, la garantía de derecho laboral, los benecios,
etc. Así pues, esta arraigada problemática internacional ha ocasionado que los
investigadores empiecen a darle la debida importancia al análisis formal de los
determinantes del empleo de calidad.
En este contexto, la variable que más ha destacado en el estudio empírico
ha sido el nivel educativo, gracias a que se presenta como una variable que ha
tenido resultados positivos y signicativos en las estimaciones. Por dar algunos
ejemplos, estudios como el de Mora y Ulloa (2011) encuentran que un año
adicional de educación mejora el índice de calidad en 1,4 veces. De la misma
manera, Gaviria y Quingua (2015) hallan que un aumento de 1% en los años de
educación ocasiona que la calidad de empleo mejore, en promedio, en 0,67%.
La evidencia empírica, en ese sentido, daría pie a la importancia de medir los
efectos del nivel educativo en el índice de calidad del empleo del Perú. En el país,
hasta el año 2016, solo el 11,6% de la PEA (población económicamente activa)
ocupada asalariada e independiente tuvo educación superior universitaria, el
10,8% accedió a educación superior no universitaria y el grueso de trabajado-
res tuvo nivel alcanzado hasta educación secundaria (40,1%). Es importante
mencionar que la teoría detrás de la relación entre calidad de trabajo y educa-
ción es la teoría del capital humano, planteada por Becker (1964). Sobre esta
base, el presente artículo de investigación no solo busca cuanticar el índice
de calidad del empleo (ICE), sino también pretende medir el impacto de sus
8 I
oscar ñiquen
principales determinantes de una manera formal, teniendo como foco princi-
pal el nivel educativo alcanzado de los trabajadores.
Revisión de la literatura
En un primer momento, los atributos que se consideraron para medir la cali-
dad del trabajo fueron el estatus de trabajo, la seguridad en el empleo, y la a-
liación a seguro y pensiones (Rosenthal, 1989). Luego, Verdera (1995) incluyó
en los indicadores tradicionales la duración de la jornada de trabajo, la sindi-
calización y la estabilidad laboral. Posteriormente, Valenzuela (2000) tomó en
consideración el balance trabajo/familia y las características de la jornada de
trabajo. Más tarde, entre los trabajos que mejor lograron aproximar un índice
de calidad laboral tomando en cuenta el benecio social y económico condi-
cionado a las normas institucionales, se encuentra el estudio de Farné (2003).
Este autor resumió el índice en cuatro variables básicas: la aliación a seguro de
salud y sistema de pensiones, el ingreso laboral, el tipo de contrato y las horas
trabajadas. Dependiendo de si el trabajador era asalariado o independiente,
Farné le atribuyó ponderaciones especícas a cada una de estas variables.
En el Perú, solo existen reportes de la evolución del índice de calidad del
empleo (ICE) elaborados por el Ministerio de Trabajo y Promoción del Em-
pleo (MTPE) siguiendo la propuesta de Farné (2003); no hay investigaciones
que midan el impacto del nivel educativo de las personas ni de ninguno de sus
determinantes. Tampoco, hay estudios sobre las brechas existentes de las carac-
terísticas socioeconómicas en el acceso al empleo de calidad, lo que justicaría
la realización del presente artículo de investigación.
Enfocándose en Latinoamérica, el estudio realizado por Weller y Roethlis-
berger (2011) concluye que existe una elevada heterogeneidad estructural, una
desigualdad en la distribución de los activos y una mala calidad en el nivel
educativo, lo que genera una baja productividad laboral. Los autores, también,
sugieren que los efectos agregados y la institucionalidad laboral no son los úni-
cos factores determinantes, sino que existen brechas segmentadas como el área
geográca y el género.
En el caso de Colombia, existen diversos estudios sobre la relación entre
el nivel educativo y el mercado laboral. Entre ellos, destaca el estudio realizado
por Mora y Ulloa (2011), que midió la relación entre el índice de calidad del
empleo y el nivel educativo mediante un modelo logit multinomial. A partir
de ello, se identicó que un año adicional de educación aumentó en 1,4 veces
la probabilidad de tener un empleo de calidad alta sobre un empleo de calidad
baja. De igual manera, se encontró que aún persisten las brechas de género y las
brechas entre ciudades para el acceso al empleo de calidad.
Otro estudio colombiano importante sobre el índice de calidad del empleo
es el realizado por Gaviria y Quingua (2015), quienes, por medio de elasticida-
des, determinaron que un aumento de 1% en los años de escolaridad aumen-
taría la calidad del empleo en 0,67% (efecto inelástico). También, identicaron
I 9
el impacto del nivel educativo alcanzado en el índice de calidad del empleo en Perú, 2016
que las mujeres tienen, en promedio, un menor índice que los hombres y que
la edad tiene un efecto positivo en la calidad del empleo, aunque con una elas-
ticidad baja (0,47%).
De igual forma, la investigación realizada por Riomaña (2014) sobre la
incidencia de la educación en el empleo y el desempleo en Colombia concluye
que un mayor nivel educativo reduce la probabilidad de ser un desempleado de
corta duración. De manera contraria, ser jefe de hogar y ser hombre aumenta
las probabilidades de ser un desempleado de corta duración.
En España, los estudios realizados por Pastor, Raymond, Roig y Serrano
(2008) hallaron que la probabilidad de empleo de un hombre de 60 años au-
menta más de 20% si es licenciado. Además, identicaron que la diferencia
entre sexos en la posibilidad de tener empleo disminuye cuando el nivel edu-
cativo es mayor; y, por último, que una alta cualicación implica un mayor
salario y una mayor probabilidad de ser empleado, por lo que se traduce en un
mayor rendimiento.
Por su parte, según la investigación de Cueto y Pruneda (2014), también
enfocada en España, el 50% de desempleados carece de estudios especializados.
Sobre esta base, los autores concluyen que las expectativas de tener un empleo
son considerablemente mejores para quienes poseen educación especializada
que para los que no la tienen. Asimismo, señalan que, a pesar de las coyunturas
económicas adversas, los trabajadores con estudios universitarios son quienes
tienen mejor posición dentro del mercado de trabajo. Estos resultados dejan
entrever el riesgo laboral que poseen los trabajadores con baja cualicación.
Teoría del capital humano
La principal teoría que vincula el nivel educativo y el trabajo es la del capital
humano planteado por Schultz (1961) y Becker (1964). En ella, se expone que
la educación es un proceso de inversión que realizan las personas de manera
racional en el presente con la nalidad de obtener en el futuro empleos de cali-
dad y altos cargos con grandes ingresos laborales (Riomaña, 2014). Es impor-
tante señalar que, según esta teoría, la decisión de invertir en educación está
sujeta a un análisis de costo de oportunidad. Es decir, si el costo de inversión es
mayor al costo de oportunidad, el individuo tendrá incentivos para seguir edu-
cándose (Alva, 2016). Asimismo, Becker (1984) adujo que la relación directa
entre dichas variables se debía a que la educación y el conocimiento aumenta-
ban la eciencia de los trabajadores, haciendo que puedan aspirar a empleos de
mejor calidad. Finalmente, el autor reforzó esta teoría encontrando una fuerte
relación entre la educación y el progreso económico.
Metodología
La investigación tiene un tipo de enfoque cuantitativo. El diseño utilizado es
no experimental y los datos son de corte transversal. Para el cálculo del índice
10 I
oscar ñiquen
de calidad del empleo, se usó la metodología propuesta por Farné (2003), em-
pleada en investigaciones como las de Mora y Ulloa (2011), y Gaviria y Quin-
gua (2015). Dicha metodología, además, es utilizada en los reportes de empleo
del Ministerio de Trabajo y Promoción del Empleo (MTPE) del Perú (2016).
Las variables para calcular el índice son el ingreso laboral promedio
mensual, el tipo de contrato (medida de estabilidad laboral), seguridad social
(medida por aliación a seguro de salud y sistema de pensiones) y horas de
trabajo semanales (proxy de balance entre familia/trabajo). Cabe anotar que
la inclusión del ingreso laboral promedio mensual es justicada debido a la
información que brinda sobre la capacidad de consumo y el mayor acceso a
servicios que cubran necesidades básicas.
Siguiendo con la metodología propuesta por los autores mencionados
anteriormente, se determinó la siguiente asignación de puntajes para las
variables:
Tabla 1. Asignación de puntajes de las variables del índice de calidad del empleo
Variables Asignación de puntajes
Ingreso laboral promedio mensual
• 0 puntos si el salario es menor a 1,5 veces la
Remuneración Mínima Vital.
• 50 puntos si el salario oscila entre 1,5 y 3 veces
la RMV.
• 100 puntos si el ingreso laboral es mayor a 3
veces la RMV.
Tipo de contrato
• 0 puntos para los trabajadores sin contrato
laboral.
• 50 puntos si el contrato es temporal.
• 100 puntos si el ingreso laboral es mayor a 3
veces la RMV.
Seguridad social
• 0 puntos si el empleado no cuenta con aliación
a seguro de pensiones ni a seguro de salud.
• 50 puntos si el trabajador posee una de las dos
aliaciones.
• 100 puntos si posee ambas aliaciones.
Horas de trabajo semanales
• 0 puntos si el trabajador lanora más de 48 horas
a la semana.
• 100 puntos si trabaja igual o menos de 48 horas
a la semana.
Fuente: Farné, 2003. Elaboración propia.
De igual manera, al igual que en los estudios de Farné (2003), Bustamante
y Arroyo (2008), Posso (2010) y el MTPE (2016), se consideró si se trataba
de trabajadores asalariados o trabajadores independientes. Las ponderaciones
fueron las siguientes:
I 11
el impacto del nivel educativo alcanzado en el índice de calidad del empleo en Perú, 2016
Tabla 2. Ponderación de variables según tipo de ocupación
Variables Asalariados Independientes
Ingreso laboral promedio mensual 40% 50%
Tipo de contrato 25% –
Seguridad social 25% 35%
Horas de trabajo semanales 10% 15%
Fuente: Farné, 2003. Elaboración propia.
Por último, para la interpretación del índice, se siguió lo recomendado por
Farné (2003) y el MTPE del Perú (2016), como se muestra en la siguiente tabla.
Tabla 3. Puntaje e interpretación del ICE
Puntaje Interpretación
Menor a 25 puntos Muy mala calidad
Entre 25 y 50 puntos Mala calidad
Entre 50 y 75 puntos Buena calidad
Más de 75 puntos Muy buena calidad
Fuente: MTPE, 2016. Elaboración propia.
El modelo econométrico a utilizar fue un probit ordenado, debido a que
la variable endógena expresa implícitamente un orden de utilidad —es decir,
es de carácter ordinal (Rodríguez y Cáceres, 2007)— y los residuos siguen una
distribución normal estandarizada.
De esta manera, la ecuación inicial es la siguiente:
y*=β’ x
+
ε
… (1)
En dicha ecuación, la variable
y*
es no observable. Además, el modelo
probit ordenado supone una variable endógena discreta mediante la especi-
cación detallada a continuación:
y
i
= 0 si
y
i
*
<
γ
1
y
i
= 1 si
γ
1
<
y
i
*
<
γ
2
y
i
= 2 si <
γ
2
*
<
γ
i
En esta fórmula,
β
y
γ
son los parámetros del modelo. Los
γ
son los que
representan los umbrales que determinan el valor de para el valor alcanzado
por
y
i
*
. Finalmente, la probabilidad de cada alternativa es la siguiente:
12 I
oscar ñiquen
Pr[y
i
= 0] = Pr [y
i
* < γ
1
] = Pr[X
i
β + u
i
< γ
1
] = Φ (γ
1
– X
i
β)
Pr[y
i
= 1] = Pr [γ
i
≤ y
i
* < γ
2
] = Pr [γ
i
< X
i
β + u
i
< γ
2
] = Φ(γ
2
– X
i
β) – Φ(γ
1
– X
i
β)
Pr[y
i
= 2] = Pr [y
i
* ≥ γ
2
] = Pr [X
i
β + u
i
< γ
2
] = Φ (X
i
β – γ
2
)
Dichas probabilidades se integran en una única expresión para ser esti-
madas por el método de máxima verosimilitud (Rodríguez y Cáceres, 2007).
Para esta investigación, la variable dependiente tomó cuatro categorías: 1
si el puntaje del ICE fue menor a 25; el valor de 2 si estuvo entre 25 y 50; 3 si se
encontró entre 50 y 75; y el valor de 4 si el puntaje fue mayor a 75 (siguiendo el
puntaje e interpretación mostrado en la Tabla 3).
Entre las variables explicativas, se consideró el nivel educativo alcanzado
1
(sin nivel, primaria incompleta, primaria completa, secundaria incompleta,
secundaria completa, no universitaria incompleta, no universitaria completa,
universitaria incompleta y universitaria completa), así como el sexo, la edad, el
área geográca (urbano o rural), el tipo de categoría ocupacional (asalariado
o independiente) y la rama de actividad económica en la que se desempeñó
el trabajador (extractiva, industria, comercio, construcción y servicios). Estas
variables fueron tomadas en cuenta de acuerdo con lo sugerido en los estudios
empíricos presentados en el capítulo de la revisión de la literatura.
Además, se consideró el potencial problema de endogeneidad que podría
presentar la variable educación con el ICE, debido a que dicho índice contiene
la variable salarios (Mora y Ulloa, 2011). El mencionado problema de endo-
geneidad entre la variable educación e ingresos es sustentado por la teoría del
capital humano (Becker, 1964) y la teoría del escudriñamiento (Spence, 2002).
Bajo esta problemática, se estimó un modelo auxiliar que permitiera contrastar
la existencia de endogeneidad entre las variables en cuestión para luego, de ser
necesario, corregir el sesgo de la estimación. De este modo, se estimó mediante
un modelo probit ordinal
2
la siguiente ecuación:
Educación
i
= Z
i
’ γ + v
i
… (2)
La variable educación será considerada exógena si la correlación entre v
i
y ε es cero. En caso contrario, se estimará un modelo multiecuacional de dos
etapas, en que la variable educación sería instrumental (ver ecuación 2).
1. Una de las razones por las que se eligió este indicador y no el de años de educación
fue porque este último no toma en consideración el carácter acumulativo de la edu-
cación (Hanushek, 2008). Por otro lado, una de las desventajas de usar el nivel edu-
cativo alcanzado es que esta variable no contempla la calidad de enseñanza ni otros
aspectos como la experiencia de aprendizaje (Rivera, 2017).
2. Al igual que con el modelo principal, el criterio para elegir el modelo respondió a que
la variable endógena (educación) expresa implícitamente un orden de utilidad por
cada nivel alcanzado.
I 13
el impacto del nivel educativo alcanzado en el índice de calidad del empleo en Perú, 2016
Las variables usadas para explicar la educación son el estado civil (varia-
ble dummy que toma el valor de uno si es casado o conviviente, y cero en otro
caso), un proxy de acceso a la educación (si vive en Lima Metropolitana, costa
norte, costa centro, costa sur, sierra norte, sierra centro, sierra sur o selva), la
cantidad de miembros del hogar menores de 14 años, y una variable dummy
que especica si el trabajador es jefe de hogar o no. Estas variables fueron con-
sideradas por lo sugerido en los siguientes estudios: Endogeneidad y rendimien-
tos de la educación de Barceinas (2002), “Las ecuaciones de Mincer y las tasas
de rendimiento de la educación en Galicia” de Freire y Tejeiro (2010), y “En-
dogeneidad de los rendimientos económicos en México” de Villarreal (2018).
Análisis de datos y resultados
La fuente para la obtención de datos fue la Encuesta Nacional de Hogares sobre
Condiciones de Vida y Pobreza (Enaho) elaborado por el Instituto Nacional de
Estadística e Informática (INEI) para el año 2016. La población objetivo está
conformada por la población ocupada asalariada e independiente del Perú. La
muestra está conformada por 57,117 trabajadores.
Se puede observar en el Gráco 1 que, en el Perú, los trabajadores asalaria-
dos e independientes, en promedio, tienen una mala calidad del empleo (40,9
puntos) y que 23 departamentos comparten el mismo rango de índice. Los
departamentos con los menores índices de calidad son Puno (32.1), seguido
de Cajamarca (32.7), Apurímac (33.0) y Amazonas (33.2). Los departamentos
que están por encima del promedio nacional son Arequipa (42.2), Ica (43.2),
Lima (48.5) y Moquegua (50.5). Este último fue el único que logró presentar un
índice de buena calidad del empleo.
Gráco 1. Perú: Índice de calidad del empleo por departamentos, 2016
32.1
32.7
33.0
33.2
33.5
34.2
34.4
34.6
34.8 34.8
36.0
36.2 36.2
36.7
37.1
37.5
37.6
38.6
39.6
40.3
42.2
43.2
48.5
50.5
25.0
50.0
75.0
Puno
Cajamarca
Apurímac
Amazonas
Huánuco
Piura
Huancavelica
Ayacucho
Junín
San Martín
Áncash
Loreto
Ucayali
Tacna
Cusco
Pasco
Lambayeque
Tumbes
La Libertad
Madre de Dios
Arequipa
Ica
Lima
Moquegua
Mala calidad del empleo
Buena calidad del empleo
Perú = 40,9
Nota: Lima incluye a la Provincia Constitucional del Callao.
Fuente: INEI, 2016. Elaboración propia.
14 I
oscar ñiquen
Tabla 4. Estadísticas descriptivas del ICE según principales variables, 2016
Variables
Muy mala calidad
del empleo
Mala calidad
del empleo
Buena calidad
del empleo
Muy buena calidad
del empleo
TOTAL
Muestra Porcentaje Muestra Porcentaje Muestra Porcentaje Muestra Porcentaje Absoluto Relativo
Categoría ocupacional
- Independiente 11,311 37.9 15,547 52.1 2,186 7.3 783 2.6 29,827 100.0
- Asalariado 10,558 38.7 4,871 17.9 4,625 16.7 7,236 26.5 27,290 100.0
Sexo
- Hombre 12,413 37.2 11,465 34.3 4,592 13.8 4,912 14.7 33,382 100.0
- Mujer 9,456 39.8 8,953 37.8 2,219 9.4 3,107 13.1 23,735 100.0
Nivel educativo alcanzado
- Sin nivel 1,115 41.1 1,548 57.0 40 1.5 11 0.4 2,714 100.0
- Primaria incompleta 3,842 46.7 3,990 48.5 320 3.9 77 0.9 8,229 100.0
- Primaria completa 3,415 47.3 3,237 44.8 441 6.1 129 1.8 7,222 100.0
- Secundaria incompleta 3,888 51.0 2,847 37.4 653 8.6 231 3.0 7,619 100.0
- Secundaria completa 6,139 43.3 4,724 33.3 2,066 14.6 1,262 8.9 14,191 100.0
- S.N.U. incompleta 947 38.8 782 32.0 405 16.6 310 12.7 2,444 100.0
- S.N.U. completa 1,091 20.1 1,436 26.5 1,114 20.5 1,787 32.9 5,428 100.0
- S.U. incompleta 1,000 32.8 931 30.5 545 17.9 575 18.9 3,051 100.0
- S.U. completa 432 7.0 923 14.8 1,227 19.7 3,637 58.5 6,219 100.0
Rama de actividad económica
- Extractiva 7,745 43.0 8,341 46.4 1,157 6.4 751 4.2 17,994 100.0
- Industria 1,644 37.2 1,586 35.9 604 13.7 587 13.3 4,421 100.0
- Construcción 1,263 38.7 1,052 32.2 486 14.9 466 14.3 3,267 100.0
- Comercio 4,654 47.9 3,390 34.9 970 10.0 705 7.3 9,719 100.0
- Servicios 6,563 30.2 6,049 27.9 3,594 16.6 5,510 25.4 21,716 100.0
Área
- Rural 8,348 44.9 8,651 46.5 1,036 5.6 560 3.0 18,595 100.0
- Urbano 13,521 35.1 11,767 30.6 5,775 15.0 7,459 19.4 38,522 100.0
Nota: S.N.U.: superior no universitario; S.U.: superior universitario.
Fuente: INEI, 2016. Elaboración propia
I 15
el impacto del nivel educativo alcanzado en el índice de calidad del empleo en Perú, 2016
En la comparación del ICE con el nivel educativo culminado, se aprecia
en el Gráco 2 una relación positiva, un mayor nivel educativo culminado, en
promedio, presentó una mayor calidad del empleo, donde la educación supe-
rior universitaria y no universitaria lograron tener una buena calidad de em-
pleo. Cabe resaltar que entre las personas sin nivel educativo y las personas con
nivel primario hubo una brecha de calidad muy baja (2.6 puntos).
Gráco 2. Perú: Índice de calidad del empleo según nivel educativo culminado, 2016
27.1
29.7
39.1
54.7
72.6
0.0
20.0
40.0
60.0
80.0
Sin nivel
educativo
Primaria Secundaria Superior no
universitaria
Superior
universitaria
Fuente: INEI, 2016. Elaboración propia.
Con respecto al ingreso laboral promedio mensual, se observa en el
Gráco 3 que aún hay presencia de fuertes brechas entre regiones. El ingreso
laboral mensual del Perú fue de 1371 soles. Las regiones con menor ingreso
fueron Huancavelica (S/ 734), Cajamarca (S/ 808), Puno (S/ 857) y Ayacucho
(S/ 880), mientras que las regiones con mayores ingresos fueron Lima (S/ 1870),
Moquegua (S/ 1818) y Madre de Dios (S/ 1632).
Gráco 3. Perú: Ingreso laboral promedio mensual de asalariados e independientes, 2016
734
806
857
880
889
901
952
995
1,001
1,062
1,079
1,095
1,117
1,145
1,183
1,199
1,204
1,255
1,297
1,512
1,561
1,632
1,818
1,870
0
200
400
600
800
1,000
1,200
1,400
1,600
1,800
2,000
Huancavelica
Cajamarca
Puno
Ayacucho
Apurímac
Huánuco
Piura
Amazonas
Pasco
Loreto
San Martín
Áncash
Lambayeque
Cusco
Ucayali
Junín
La Libertad
Tumbes
Ica
Arequipa
Callao
Madre de Dios
Moquegua
Lima
Perú: 1,371
Fuente: INEI, 2016. Elaboración propia.
16 I
oscar ñiquen
El Gráco 4 vuelve a mostrar una incidencia positiva de la educación,
esta vez con respecto al ingreso laboral mensual. Un mayor nivel educativo ha
estado relacionado con mayores ingresos laborales, marco en el que la educa-
ción superior universitaria presenta los niveles más altos, con una gran brecha
incluso en relación con la educación superior no universitaria.
Tomando en cuenta el tipo de contrato, el Gráco 5 muestra que el 80,3%
de la PEA ocupada asalariada e independiente con educación superior uni-
versitaria contó con contrato indenido o a plazo jo, mientras que para los
empleados con secundaria completa la cifra se redujo a casi la mitad (44.2%).
Asimismo, se observa que el 82.7% de las personas sin nivel educativo labora-
ron sin contrato, cifra que disminuyó considerablemente para cada nivel edu-
cativo mayor alcanzado, hasta representar solo el 7% de los trabajadores con
educación superior universitaria.
Gráco 4. Perú: Ingreso laboral promedio mensual de asalariados e independientes,
según nivel educativo culminado, 2016
613
912
1,303
1,689
3,132
0
500
1,000
1,500
2,000
2,500
3,000
3,500
Sin nivel educativo Primaria Secundaria Superior no
universitaria
Superior
universitaria
Fuente: INEI, 2016. Elaboración propia.
Gráco 5. Perú: Asalariados e independientes por tipo de contrato
según nivel educativo culminado, 2016
82.7
76.8
50.2
22.7
7.0
2.8
2.6
5.6
7.4
12.7
14.5
20.6
44.2
69.9
80.3
0.0
20.0
40.0
60.0
80.0
100.0
Sin nivel educativo Primaria Secundaria Superior no
universitaria
Superior
universitaria
Sin contrato Otro F/ Indefinido o plazo fijo
F/ Cifra referencial para sin nivel educativo.
Fuente: INEI, 2016. Elaboración propia.
I 17
el impacto del nivel educativo alcanzado en el índice de calidad del empleo en Perú, 2016
El Gráco 6 no muestra grandes brechas ni una correlación aparente en-
tre el nivel educativo culminado y el rango de horas trabajadas a la semana.
Esto podría deberse a que este indicador toma mayor relevancia cuando se le
analiza en conjunto con los demás indicadores: no es lo mismo trabajar menos
de 48 horas con un ingreso igual a la remuneración mínima vital que trabajar
menos de 48 horas ganando más de 3 veces la remuneración mínima vital (en
este último caso, se obtiene 100 puntos en el indicador de ingresos).
Gráco 6. Perú: Asalariados e independientes por rango de horas trabajadas a la semana
según nivel educativo culminado, 2016
58.0
47.0
43.5
46.8
62.2
9.6
13.2
15.9
16.7
12.1
32.5
39.9
40.6
36.5
25.6
0.0
20.0
40.0
60.0
80.0
Sin nivel educativo Primaria Secundaria Superior no
universitaria
Superior
universitaria
Menos de 48 horas 48 horas Más de 48 horas
Fuente: INEI, 2016. Elaboración propia.
En resumen, según los grácos mostrados anteriormente, un mayor nivel
educativo culminado ha estado correlacionado positivamente con todos los
indicadores del índice de calidad del empleo (ICE), a excepción del rango de
horas trabajadas a la semana. Se esperaría, entonces, un efecto de causalidad
positivo y signicativo entre el ICE y el nivel educativo alcanzado al estimar el
modelo econométrico.
Luego de haber detectado problemas de endogeneidad entre la variable
educación y el ICE, se procedió a estimar un modelo de dos etapas siguiendo
lo planteado en la metodología
3
.
3. Para poder cumplir con el objetivo, se usó el proceso condicional mixto (CMP por
sus siglas en inglés) de David Roodman (2011).
18 I
oscar ñiquen
Tabla 5. Efectos marginales de pertenecer a un empleo de muy mala calidad
Variable dy/dx Std.
Independiente*** 0.10059 0.00402
Educación*** -0.1170641 0.00257
Sexo*** -0.042953 0.00382
Área** -0.0233524 0.00479
Edad*** -0.0233524 0.00057
Edad^2*** 0.0001723 0.00001
Industria 0.0037438 0.00738
Construcción*** 0.0264855 0.00842
Comercio*** 0.1080596 0.00645
Servicios*** -0.0277273 0.00533
Pr(ICE = 1) = 0,34389581
*** p>0.01; ** p>0.05; * p>0.1
Fuente: Elaboración propia.
Las categorías bases (x=0) usadas para la estimación de los modelos son
las siguientes: asalariado, mujer, rural y rama extractiva. Según los resultados
obtenidos, todas las variables usadas como determinantes socioeconómicas
fueron signicativas al 95% de conanza para cada categoría del índice de cali-
dad del empleo, a excepción de la variable dummy industria.
En particular, según lo observado en la Tabla 5, la probabilidad promedio
de tener un empleo de muy mala calidad es de 34.4%. Con respecto a la educa-
ción, se encuentra una relación negativa: un mayor nivel educativo alcanzado
redujo la probabilidad de tener un empleo de muy mala calidad en 11.7%.
Por otro lado, un hombre tiene 4.2% menos de probabilidad promedio de
tener un empleo de muy mala calidad en comparación con las mujeres. Cabe
resaltar que, según lo mostrado en el Gráco 7, para cada nivel educativo, se
presentó una baja brecha de probabilidades entre hombres y mujeres: una mu-
jer sin nivel educativo tiene una probabilidad de 81.2% de tener un empleo de
muy mala calidad, mientras que un hombre tiene 77.9%. De igual manera, una
mujer con estudio superior universitario completo tiene una probabilidad de
4.9% de tener un empleo de muy mala calidad, mientras que un hombre del
mismo nivel educativo presenta una probabilidad de 3.8%.
I 19
el impacto del nivel educativo alcanzado en el índice de calidad del empleo en Perú, 2016
Gráco 7. Perú: Probabilidad de pertenecer a un empleo de muy mala calidad por sexo,
según nivel educativo alcanzado, 2016
77.92
67.41
55.29
42.66
30.74
20.58
12.73
7.25
3.79
81.21
71.48
59.85
47.26
34.94
24.04
15.31
8.99
4.85
0.0
10.0
20.0
30.0
40.0
50.0
60.0
70.0
80.0
90.0
Sin nivel Primaria
incompleta
Primaria
completa
Secundaria
incompleta
Secundaria
completa
Superior no
universitaria
incompleta
Superior no
universitaria
completa
Superior
universitaria
incompleta
Superior
universitaria
completa
Pr(ICE="Muy mala calidad del
empleo")
Nivel educativo alcanzado
Hombre Mujer
Fuente: Elaboración propia.
Gráco 8. Perú: Probabilidad de pertenecer a un empleo de muy mala calidad
por área, según nivel educativo alcanzado, 2016
79.9
69.8
57.9
45.3
33.2
22.5
14.2
8.2
4.4
79.1
68.8
56.8
44.2
32.1
21.7
13.6
7.8
4.1
0.0
10.0
20.0
30.0
40.0
50.0
60.0
70.0
80.0
90.0
Sin nivelPrimaria
incompleta
Primaria
completa
Secundaria
incompleta
Secundaria
completa
Superior no
universitaria
incompleta
Superior no
universitaria
completa
Superior
universitaria
incompleta
Superior
universitaria
completa
Pr(ICE="Muy mala calidad del
empleo")
Nivel educativo alcanzado
Rural Urbano
Fuente: Elaboración propia.
Asimismo, según lo observado en el Gráco 8, la brecha de tener un em-
pleo de muy mala calidad entre la zona rural y urbana también es pequeña:
la diferencia de probabilidades para cada nivel educativo de pertenecer a un
empleo de muy mala calidad es de aproximadamente 1%. Del mismo modo,
una persona con secundaria completa tiene 40% menos de probabilidad de
pertenecer a un empleo de muy mala calidad en comparación con las personas
que no cuentan con ningún nivel. Además, en ambos casos, una persona sin
nivel educativo tiene 70% más de probabilidades de tener un empleo de muy
mala calidad en comparación de una persona con nivel educativo superior uni-
versitario completo.
20 I
oscar ñiquen
A diferencia de los dos grupos analizados anteriormente, en el Gráco
9, se identica que los independientes tienen mayores probabilidades de te-
ner un empleo calicado como de muy mala calidad en comparación con los
asalariados. La mayor brecha se presentó entre los trabajadores de primaria
incompleta y secundaria completa. Además, los trabajadores con mayor edu-
cación alcanzado tuvieron muy pocas probabilidades de tener un empleo de
muy mala calidad (5.5% para los independientes y 3.1% para los asalariados).
Gráco 9. Perú: Probabilidad de pertenecer a un empleo de muy mala calidad
de independientes y asalariados, según nivel educativo alcanzado, 2016
75.02
63.94
51.55
39.00
27.51
18.00
10.87
6.04
3.08
82.89
73.62
62.30
49.81
37.34
26.08
16.88
10.08
5.53
0.0
10.0
20.0
30.0
40.0
50.0
60.0
70.0
80.0
90.0
Sin nivel Primaria
incompleta
Primaria
completa
Secundaria
incompleta
Secundaria
completa
Superior no
universitaria
incompleta
Superior no
universitaria
completa
Superior
universitaria
incompleta
Superior
universitaria
completa
Pr(ICE="Muy mala calidad del
empleo")
Nivel educativo alcanzado
Asalaridos
Independientes
Fuente: Elaboración propia.
Tabla 6. Efectos marginales de pertenecer a un empleo de mala calidad
Variable dy/dx Std.
Independiente*** -0.0158066 0.00079
Educación*** 0.0190638 0.00068
Sexo*** 0.0073891 0.00072
Área** 0.0017576 0.00083
Edad*** 0.0038029 0.00015
Edad^2*** -0.0000281 0.00000
Industria -0.0006247 0.00126
Construcción*** -0.0050809 0.00186
Comercio*** -0.0265144 0.00214
Servicios*** 0.0042851 0.00079
Pr(ICE = 2) = 0.42003982
*** p>0.01; ** p>0.05; * p>0.1
Fuente: Elaboración propia.
I 21
el impacto del nivel educativo alcanzado en el índice de calidad del empleo en Perú, 2016
En la Tabla 6, se muestra que, en promedio, la probabilidad de tener un
empleo de mala calidad es de 42%. Dicha probabilidad es la más alta entre las
cuatro categorías de calidad laboral. Por el lado de la educación, un mayor nivel
alcanzado redujo la probabilidad de pertenecer a un empleo de mala calidad en
1.9%. Con respecto al género, un hombre tiene 0.7% menos de probabilidad de
pertenecer a un empleo de mala calidad en comparación con una mujer.
En el Gráco 10, se aprecia una relación no lineal entre la probabilidad
de pertenecer a un empleo de mala calidad y el nivel educativo alcanzado por
sexo. En el caso de los hombres, la educación alcanzada de los trabajadores que
mayor probabilidad tuvo de tener un empleo de mala calidad fue secundaria
completa, mientas que en el caso de las mujeres fue educación superior no
universitaria incompleta.
Gráco 10. Perú: Probabilidad de pertenecer a un empleo de mala calidad por sexo,
según nivel educativo alcanzado, 2016
19.15
26.80
34.21
39.87
42.42
41.20
36.54
29.57
21.84
16.55
23.95
31.62
38.10
41.91
42.08
38.58
32.29
24.66
10.0
15.0
20.0
25.0
30.0
35.0
40.0
45.0
Sin nivel Primaria
incompleta
Primaria
completa
Secundaria
incompleta
Secundaria
completa
Superior no
universitaria
incompleta
Superior no
universitaria
completa
Superior
universitaria
incompleta
Superior
universitaria
completa
Hombre Mujer
Fuente: Elaboración propia.
Por el lado de las brechas por áreas, no se encuentran diferencias signi-
cativas. En ambos casos, los trabajadores con secundaria completa son los que
tienen la mayor probabilidad de pertenecer a un empleo de mala calidad.
En el análisis por categoría ocupacional, se encuentran brechas importan-
tes en algunos niveles de educación. Por ejemplo, un trabajador independiente
con nivel educativo superior universitario tiene 6,6% más de probabilidades de
tener un empleo de mala calidad en comparación con un asalariado del mismo
nivel. Además, un asalariado sin nivel educativo tiene 6.2% más de probabili-
dad de tener un empleo de mala calidad en comparación de un independiente
sin nivel. Esto se debe a que los independientes sin nivel tienen mayor proba-
bilidad de tener un empleo de muy mala calidad en comparación con los asala-
riados sin nivel (ver Gráco 9). De este modo, se evidencia que los asalariados
tienen una mayor probabilidad de tener un mejor empleo en comparación con
los independientes.
22 I
oscar ñiquen
Gráco 11. Perú: Probabilidad de pertenecer a un empleo de mala calidad por área,
según nivel educativo alcanzado, 2016
17.62
25.15
32.74
38.89
42.19
41.77
37.76
31.16
23.47
18.26
25.84
33.37
39.32
42.31
41.55
37.26
30.50
22.78
10.0
15.0
20.0
25.0
30.0
35.0
40.0
45.0
Sin nivel Primaria
incompleta
Primaria
completa
Secundaria
incompleta
Secundaria
completa
Superior no
universitaria
incompleta
Superior no
universitaria
completa
Superior
universitaria
incompleta
Superior
universitaria
completa
Pr(ICE="Mala calidad del empleo")
Nivel educativo alcanzado
Rural Urbano
Fuente: Elaboración propia.
Gráco 12. Perú: Probabilidad de pertenecer a un empleo de mala calidad
de independientes y asalariados, según nivel educativo alcanzado, 2016
21.36
29.08
36.14
41.00
42.46
40.14
34.64
27.29
19.62
15.19
22.40
30.12
36.97
41.42
42.36
39.55
33.71
26.23
10.0
15.0
20.0
25.0
30.0
35.0
40.0
45.0
Sin nivel Primaria
incompleta
Primaria
completa
Secundaria
incompleta
Secundaria
completa
Superior no
universitaria
incompleta
Superior no
universitaria
completa
Superior
universitaria
incompleta
Superior
universitaria
completa
Pr(ICE="Mala calidad del empleo")
Nivel educativo alcanzado
Asalaridos
Independientes
Fuente: Elaboración propia.
La Tabla 7 muestra que, en promedio, la probabilidad de pertenecer a un
empleo de buena calidad es de aproximadamente 14%. Además, un hombre
tiene 1.6% más de probabilidad promedio de pertenecer a un empleo de buena
calidad en comparación con una mujer. Asimismo, un mayor nivel educativo
alcanzado aumenta la probabilidad de pertenecer a esta categoría en 4.4%.
I 23
el impacto del nivel educativo alcanzado en el índice de calidad del empleo en Perú, 2016
Tabla 7. Efectos marginales de pertenecer a un empleo de buena calidad
Variable dy/dx Std.
Independiente*** -0.0377451 0.00162
Educación*** 0.43993 0.00098
Sexo*** 0.0160669 0.00143
Área** 0.0039345 0.0018
Edad*** 0.0087759 0.00024
Edad^2*** -0.0000648 0.00000
Industria -0.0014045 0.00276
Construcción*** -0.0098224 0.00308
Comercio*** -0.0388436 0.00224
Servicios*** 0.0104531 0.00202
Pr(ICE = 3) = 0.14048684
*** p>0.01; ** p>0.05; * p>0.1
Fuente: Elaboración propia.
Gráco 13. Perú: Probabilidad de pertenecer a un empleo de buena calidad por sexo,
según nivel educativo alcanzado, 2016
2.28
4.26
7.22
11.09
15.44
19.49
22.29
23.11
21.71
1.77
3.43
6.02
9.59
13.84
18.11
21.47
23.07
22.47
0.0
5.0
10.0
15.0
20.0
25.0
Sin nivel Primaria
incompleta
Primaria
completa
Secundaria
incompleta
Secundaria
completa
Superior no
universitaria
incompleta
Superior no
universitaria
completa
Superior
universitaria
incompleta
Superior
universitaria
completa
Pr(ICE="Buena calidad del empleo")
Nivel educativo alcanzado
Hombre Mujer
Fuente: Elaboración propia.
El Gráco 13 muestra que, tanto para hombres como para mujeres, las
personas con educación superior universitaria incompleta son las que tienen
la mayor probabilidad de tener un empleo de buena calidad. Por el contrario,
las personas sin nivel educativo tienen muy pocas probabilidades de tener un
empleo de buena calidad (2.3% para los hombres y 1.8% para las mujeres).
24 I
oscar ñiquen
Según el Gráco 14, en el caso de las brechas por área, al igual que en el
análisis por sexo, los trabajadores con educación superior universitaria incom-
pleta fueron los que tuvieron la mayor probabilidad de pertenecer a este nivel de
calidad del empleo. Además, las brechas de probabilidad son no signicativas.
Otros resultados interesantes son los mostrados en el Gráco 15, en que se
observa que, para cada nivel educativo, los asalariados tuvieron mayor probabili-
dad de tener un empleo de buena calidad en comparación con los independientes,
a excepción de los asalariados con niveles de educación superior universitaria. Esto
último podría deberse a que los asalariados con nivel superior universitario tie-
nen mayor probabilidad de pertenecer a una mejor categoría de calidad de empleo
(muy buena calidad) en comparación con los independientes (ver Gráco 18).
Gráco 14. Perú: Probabilidad de pertenecer a un empleo de buena calidad por área,
según nivel educativo alcanzado, 2016
1.97
3.76
6.51
10.21
14.52
18.71
21.85
23.12
22.18
2.09
3.97
6.80
10.58
14.91
19.04
22.04
23.13
22.00
0.0
5.0
10.0
15.0
20.0
25.0
Sin nivel Primaria
incompleta
Primaria
completa
Secundaria
incompleta
Secundaria
completa
Superior no
universitaria
incompleta
Superior no
universitaria
completa
Superior
universitaria
incompleta
Superior
universitaria
completa
Pr(ICE="Buena calidad del
empleo")
Nivel educativo alcanzado
Rural Urbano
Fuente: Elaboración propia.
Gráco 15. Perú: Probabilidad de pertenecer a un empleo de buena calidad por área,
según nivel educativo alcanzado, 2016
2.77
5.03
8.28
12.36
16.72
20.49
22.76
22.92
20.92
1.53
3.02
5.42
8.80
12.96
17.29
20.91
22.92
22.77
0.0
5.0
10.0
15.0
20.0
25.0
Sin nivel Primaria
incompleta
Primaria
completa
Secundaria
incompleta
Secundaria
completa
Superior no
universitaria
incompleta
Superior no
universitaria
completa
Superior
universitaria
incompleta
Superior
universitaria
completa
Pr(ICE="Buena calidad del empleo")
Nivel educativo alcanzado
Asalaridos
Independientes
Fuente: Elaboración propia.
I 25
el impacto del nivel educativo alcanzado en el índice de calidad del empleo en Perú, 2016
Tabla 8. Efectos marginales de pertenecer a un empleo de muy buena calidad
Variable dy/dx Std.
Independiente*** -0.0470383 0.0091
Educación*** 0.0540073 0.00148
Sexo*** 0.019497 0.00173
Área** 0.0047989 0.00217
Edad*** 0.0107736 0.00028
Edad^2*** -0.0000795 0.00000
Industria -0.0017146 0.00335
Construcción*** -0.0115923 0.00349
Comercio*** -0.0427015 0.00223
Servicios*** 0.012989 0.00254
Pr(ICE = 4) = 0,09557753
*** p>0.01; ** p>0.05; * p>0.1
Fuente: Elaboración propia.
Finalmente, en la última estimación de efectos marginales mostrada en
la Tabla 8, se evidencia que, en promedio, la probabilidad de tener una muy
buena calidad de empleo es de 9.6%, cifra que se constituye como la menor
probabilidad del índice de calidad. Asimismo, se observa que un mayor nivel
educativo alcanzado aumenta la probabilidad de tener una muy buena cali-
dad del empleo en 5.4%. También, se detecta que un hombre tiene 1.9% más
de probabilidad que una mujer de poseer un empleo de muy buena calidad y
que un independiente tiene 4.7% menos de probabilidad de pertenecer a un
empleo de muy buena calidad en comparación con los asalariados. Por últi-
mo, una persona del área urbana tiene 0.5% más de probabilidad de acceder
a un trabajo de muy buena calidad en comparación con una persona del área
rural.
26 I
oscar ñiquen
Gráco 16. Perú: Probabilidad de pertenecer a un empleo de muy buena calidad por sexo,
según nivel educativo alcanzado, 2016
0.66
1.54
3.27
6.38
11.39
18.73
28.44
40.07
52.65
0.47
1.14
2.51
5.05
9.30
15.77
24.64
35.65
48.02
0.0
10.0
20.0
30.0
40.0
50.0
60.0
70.0
Sin nivel Primaria
incompleta
Primaria
completa
Secundaria
incompleta
Secundaria
completa
Superior no
universitaria
incompleta
Superior no
universitaria
completa
Superior
universitaria
incompleta
Superior
universitaria
completa
Pr(ICE="Muy buena calidad del
empleo")
Nivel educativo alcanzado
Hombre Mujer
Fuente: Elaboración propia.
El Gráco 16 muestra que la probabilidad de que una persona sin nivel
educativo acceda a un empleo de muy buena calidad es muy limitada (0.7%
para los hombres y 0.5% para las mujeres). Lo mismo ocurre con los trabajado-
res con educación básica en general: ninguno supera el 12.0% de probabilida-
des de acceder a la categoría de muy buena calidad de empleo.
Tanto en hombres (52.6%) como en mujeres (48.0%), los trabajadores con
nivel educativo superior universitario completo fueron los que tuvieron mayor
probabilidad de acceder a un empleo de muy buena calidad. No obstante, se
debe anotar que, en este rubro, se presentó la mayor brecha de género en las
probabilidades (4.6%). Otro resultado importante es que un trabajador con es-
tudio superior no universitario completo tiene casi la mitad de probabilidades
(24.3% para hombres y 23.4% para mujeres) de tener un empleo de muy buena
calidad en comparación con los universitarios con estudios completos.
Con respecto al área, el Gráco 14 muestra resultados similares a los mos-
trados anteriormente (brechas no signicativas). Además, en concordancia
con el análisis por sexo, la diferencia de probabilidades entre los trabajadores
con nivel superior universitario completo y los trabajadores con educación su-
perior no universitario incompleto es muy amplia (más de 20% de diferencia).
I 27
el impacto del nivel educativo alcanzado en el índice de calidad del empleo en Perú, 2016
Gráco 17. Perú: Probabilidad de pertenecer a un empleo de muy buena calidad por área,
según nivel educativo alcanzado, 2016
0.55
1.30
2.81
5.58
10.15
16.97
26.20
37.49
49.97
0.59
1.39
3.00
5.90
10.66
17.70
27.14
38.57
51.10
0.0
10.0
20.0
30.0
40.0
50.0
60.0
70.0
Sin nivel Primaria
incompleta
Primaria
completa
Secundaria
incompleta
Secundaria
completa
Superior no
universitaria
incompleta
Superior no
universitaria
completa
Superior
universitaria
incompleta
Superior
universitaria
completa
Pr(ICE="Muy buena calidad del
empleo")
Nivel educativo alcanzado
Rural Urbano
Fuente: Elaboración propia.
Por último, según categoría ocupacional, se identica que un mayor nivel
educativo alcanzado aumenta las probabilidades de acceder a un empleo de
muy buena calidad. Sin embargo, a su vez, se observa que los benecios de la
educación han sido heterogéneos. La mayor brecha de probabilidades se dio en
los trabajadores de mayor nivel (10.9%).
Gráco 18. Perú: Probabilidad de pertenecer a un empleo de muy buena calidad
de independientes y asalariados, según nivel educativo alcanzado, 2016
0.86
1.94
4.02
7.64
13.32
21.37
31.73
43.75
56.39
0.39
0.96
2.16
4.42
8.28
14.27
22.66
33.29
45.47
0.0
10.0
20.0
30.0
40.0
50.0
60.0
70.0
Sin nivel Primaria
incompleta
Primaria
completa
Secundaria
incompleta
Secundaria
completa
Superior no
universitaria
incompleta
Superior no
universitaria
completa
Superior
universitaria
incompleta
Superior
universitaria
completa
Pr(ICE="Muy buena calidad del
empleo")
Nivel educativo alcanzado
Asalaridos
Independientes
Fuente: Elaboración propia.
28 I
oscar ñiquen
Conclusiones
En líneas generales, se observa que la educación ha sido una variable importante
para el acceso a una mejor calidad de empleo y que esta relación presenta no
linealidades con respecto a algunas categorías del índice. En particular, el nivel
educativo superior universitario completo mantiene grandes brechas de acceso
a un empleo de muy buena calidad comparado con otros niveles educativos: un
trabajador con estudio superior universitario completo tiene aproximadamente
el doble de probabilidades de tener un empleo de muy buena calidad en compa-
ración con un trabajador con estudio superior no universitario completo.
De igual manera, un empleado con estudio superior no universitario com-
pleto tiene aproximadamente tres veces más probabilidades de tener un empleo
de muy buena calidad en comparación con un trabajador de secundaria comple-
ta. En contraste, trabajadores que tienen como grado alcanzado hasta secundaria
completa presentan ínmas probabilidades de tener un empleo de buena o muy
buena calidad: los asalariados tienen 13.3% de tener un empleo de muy buena
calidad y 16.7% de tener un empleo de buena calidad, mientras que los indepen-
dientes tienen 8.3% y 13.0% para los mismos niveles de empleo, respectivamente.
Otro punto importante es que, aun en presencia de los mejores niveles
educativos, se encuentran brechas tanto de género como de categoría ocupa-
cional. Los hombres tienen mayor probabilidad de acceso a mejores índices de
empleo para cada nivel educativo en comparación con las mujeres. Los mismo
pasa entre asalariados e independientes, marco en que los asalariados son los
más beneciados. Es decir, el efecto de la educación ha sido diferente para
algunos segmentos de la población. Con respecto a la ocupación, trabajado-
res de actividades económicas como construcción o comercio tienen menores
probabilidades de tener un empleo de buena y muy buena calidad en compara-
ción con la rama extractiva. Asimismo, la edad (proxy de experiencia) también
aumenta la probabilidad de acceso a mejores índices de empleabilidad.
También, se debe recalcar que, si bien no se encontraron brechas signica-
tivas en el acceso a la buena calidad del empleo entre zonas urbanas y rurales, es
recomendable velar por un acceso a la educación con igualdad de oportunidades
sin importar el dominio geográco, debido a que esta fue una variable signica-
tiva para medir el mayor nivel educativo de los trabajadores (ver Anexo 2).
En resumen, podemos concluir que la educación es una herramienta clave
para acceder a una buena calidad de empleo, efectiva para reducir las proba-
bilidades de tener empleos de muy mala calidad. Sin embargo, esta no ha sido
suciente para reducir las brechas presentes en género y categoría ocupacional;
de hecho, las probabilidades han presentado considerables diferencias con res-
pecto a estas características. Se recomienda, entonces, una política de incentivo
a la educación superior universitaria y no universitaria, acompañada de una
planicación social y económica que combata las brechas de género, así como
las brechas de categoría de trabajo (asalariados, independientes o empleadores)
y rama de actividad económica.
I 29
el impacto del nivel educativo alcanzado en el índice de calidad del empleo en Perú, 2016
Referencias bibliográcas
Alva, J. (2016). Determinantes de la calidad del empleo en Colombia para el
periodo 2008-2014. Bogotá D.C.: Universidad de la Salle.
Barceinas, F. (2002). Endogeneidad y rendimientos de la educación. Ciudad de
México: Universidad Autónoma Metropolitana.
Becker, G. S. (1964). Human capital: A theorical and empirical analysis, with
special reference to education. New York: Columbia.
. (1984). El capital humano: Un análisis teórico y empírico referido
fundamentalmente a la educación. Madrid: Editorial Alianza.
Bustamante, C. D. y Arroyo, S. (2008). La raza como un determinante del
acceso a un empleo de calidad: Un estudio para Cali. Ensayos sobre Política
Económica, 26(57).
Cueto, B. y Pruneda, G. (2014). Nivel educativo y (des)empleo. Observatorio
regional. Recuperado de: http://www.uniovi.net/regiolab/enlaces2/
observatorio/
Farné, S. (2003). Estudio sobre la calidad del empleo en Colombia. Resource
document. Organización Internacional del Trabajo. Recuperado de http://
white.oit.org.pe/osra/documentos/farne_dic9.pdf
Freire, J. y Teijeiro, M. (2010). Las ecuaciones de Mincer y las tasas de
rendimiento de la educación en Galicia. Investigaciones de Economía de la
Educación (pp. 285-304), Vol. 5. Barcelona: Investigaciones de Economía
de la Educación.
Gaviria, G. y Quingua, A. (2015). Determinantes de la calidad del empleo en la
ciudad de Cali en 2012. Magazín Empresarial, 11(25), 11-21.
Gonzales, C. y Mora, J. (2011). Políticas activas para la creación de empleo
digno y de calidad en la Ciudad de Cali-Colombia. Estudios Gerenciales,
27(118).
Hanushek, E. (2008). Education production functions. In S. N. Durlauf y L.
E. Blume (Eds.), e New Palgrave Dictionary of Economics, 24(3), 1141-
1177.
Instituto Nacional de Estadística e Informática [INEI] (2016). Encuesta
Nacional de Hogares sobre Condiciones de Vida y Pobreza. Recuperado de:
http://iinei.inei.gob.pe/microdatos/
Ministerio de Trabajo y Promoción del Empleo [MTPE] (2016). Informe
Anual del Empleo en el Perú, 2016. Lima: MTPE. Recuperado de http://
www.trabajo.gob.pe/archivos/file/estadisticas/peel/enaho/INFORME_
ANUAL_EMPLEO_ENAHO_2016.pdf
Mora, J. y Ulloa, M. (2011). El efecto de la educación sobre la calidad del
empleo en Colombia. Borradores de Economía y Finanzas, 1(26).
30 I
oscar ñiquen
Pastor, J., J. Raymond, J. Roig y L. Serrano (2008) El rendimiento del capital
humano en España, Bancaja, Valencia, 2007. Valencia. Instituto Valenciano
de Investigaciones Económicas, Ivie.
Posso, C. M. (2010). Calidad del empleo y segmentación laboral: Un análisis
para el mercado laboral colombiano 2001-2006. Desarrollo y Sociedad, 65,
191-234.
Riomaña, O. (2011). Incidencia del nivel educativo en el proceso de búsqueda de
empleo y en la duración del desempleo en Colombia: Un análisis desde la
teoría de la señalización. Cali: Universidad del Valle-Cidse.
Rivera, T. (2017). Determinantes del nivel educativo alcanzado. Un análisis
multinivel para Cali. Santiago de Cali. Universidad del Valle.
Rodríguez, C. y J. Cáceres (2007). Modelos de elección discreta y especicaciones
ordenada: Una reexión metodológica. Estadística Española, 49(166),
451-471.
Roodman, D. (2011). Estimating fully observed recursive mixed-process
models with cmp. Stata Journal, 11(2), 159-206.
Rosenthal, N. (1989). More than wages at issue in job quality debate. Monthly
Labor Review, diciembre.
Schultz, T. (1961). Investment in human capital. e American Economic
Review 51(1), 1-17.
Spence, M. (2002). Signaling in retrospect and the informational structure of
markets. American Economic Review 92(3), 434-59.
Valenzuela, M. E. (2000). La calidad del empleo de las mujeres en los países del
Cono Sur. En M. E. Valenzuela y G. Reinecke, G. (Eds.), ¿Más y mejores
empleos para las mujeres? La experiencia de los países del Mercosur y Chile.
Santiago de Chile: Organización Internacional del Trabajo.
Verdera. F. (1995). Propuestas de redenición de la medición del subempleo y el
desempleo y de nuevos indicadores sobre la situación ocupacional en Lima
(documento de trabajo No. 22). Organización Internacional del Trabajo,
Lima.
Villarreal E. (2018). Endogeneidad de los rendimientos educativos en México.
Perles Latinoamericanos, 26(51), 265-299. Recuperado de: https://doi.
org/10.18504/pl2651-011-2018.
Weller, J. y Roethlisberger, C. (2011). La calidad del empleo en América Latina.
Santiago de Chile: División de Desarrollo Económico – Cepal.
I 31
el impacto del nivel educativo alcanzado en el índice de calidad del empleo en Perú, 2016
Anexos
Anexo 1. Estimación del modelo probit ordenado del índice de calidad del empleo
sin considerar endogenedidad
Variable dy/dx Std.
Independiente*** -0.29418 0.01109
Educación*** 0.243707 0.00267
Sexo*** 0.090438 0.01025
Área** 0.059002 0.01288
Edad*** 0.061319 0.00157
Edad^2*** -0.00044 0.00002
Industria 0.007514 0.02024
Construcción*** -0.06636 0.02273
Comercio*** -0.27693 0.01688
Servicios*** 0.087261 0.01480
Cut points 1 2.40483 0.03750
Cut points 2 3.542837 0.03859
Cut points 3 4.1396 0.03953
Log likelihood -63,431.2140
LR chi2(10) 17,590.0000
N 57,117
*** p>0.01; ** p>0.05; * p>0.1
Fuente: Elaboración propia.
32 I
oscar ñiquen
Anexo 2. Estimación del modelo probit ordenado de la educación
Variable Coef. Std.
Jefe*** -0.2447 0.0089
Casado*** -0.1634 0.0092
Miembros (<13 años)*** 0.0311 0.0042
Selva** -0.7669 0.0158
Costa norte*** -0.5516 0.0165
Costa centro*** -0.3066 0.0179
Costa sur*** -0.2635 0.0192
Sierra norte*** -0.9980 0.0207
Sierra centro*** -0.8084 0.0164
Sierra sur*** -0.6790 0.0173
Cut points 1 -2.5559 0.0170
Cut points 2 -1.7233 0.01528
Cut points 3 -1.2967 0.0148
Cut points 4 -0.9191 0.0145
Cut points 5 -0.2298 0.0141
Cut points 6 -0.0967 0.0141
Cut points 7 0.2516 0.0142
Cut points 8 0.5083 0.0144
Log likelihood -115,315.9000
LR chi2(10) 5,940.2400
N 57,522
*** p>0.01; ** p>0.05; * p>0.1
Fuente: Elaboración propia.
I 33
el impacto del nivel educativo alcanzado en el índice de calidad del empleo en Perú, 2016
Anexo 3. Estimación del modelo probit ordenado del índice de calidad del empleo
con corrección de endogeneidad de la variable educación
Variable Coef. Std.
ICE
Independiente*** -0.27463 0.01111
Educación*** 0.318112 0.00685
Sexo*** 0.116313 0.11631
Área** 0.028452 0.02845
Edad*** 0.063458 0.06346
Edad^2*** -0.00047 -0.00047
Industria -0.01016 -0.01016
Construcción*** -0.07111 -0.00711
Comercio*** -0.28485 -0.28485
Servicios*** 0.0756 0.07563
Educación
Jefe*** -0.22831 0.00899
Casado*** -0.13696 0.00949
Miembros (<13 años)*** 0.039726 0.00422
Selva** -0.78868 0.01556
Costa norte*** -0.57969 0.01636
Costa centro*** -0.34096 0.01783
Costa sur*** -0.30453 0.01919
Sierra norte*** -1.0059 0.02049
Sierra centro*** -0.83488 0.01625
Sierra sur*** -0.7052 0.01713
Cut points 1*** 2.8062 0.04873
Cut points 2*** 3.9271 0.04755
Cut points 3*** 4.5152 0.04733
Cut points 1*** -2.55566 0.01696
Cut points 2*** -1.71272 0.15350
Cut points 3*** -1.2821 0.01492
Cut points 4*** -0.9031 0.01460
Cut points 5*** -0.2164 0.01422
Cut points 6*** -0.0846 0.01420
Cut points 7*** 0.261252 0.01420
Cut points 8*** 0.5150 0.01444
Log likelihood -178,687.9600
LR chi2(10) 12,741.7800
N 57,522
*** p>0.01; ** p>0.05; * p>0.1
Fuente: Elaboración propia.
34 I
oscar ñiquen
Anexo 4. Probabilidades de pertenecer a un empleo de muy mala calidad
Nivel educativo alcanzado Hombre Std. Mujer Std. Rural Std.
Sin nivel 77.91508 0.78573 81.20947 0.81289 79.86201 0.75297
Primaria incompleta 67.40832 0.76969 71.48228 0.75135 69.79768 0.71884
Primaria completa 55.29446 0.63703 59.84811 0.57722 57.94467 0.58805
Secundaria incompleta 42.66115 0.44121 47.26164 0.36215 45.31789 0.43654
Secundaria completa 30.744 0.30601 34.94497 0.25188 33.15105 0.3814
Superior no universitaria
incompleta
20.57571 0.32287 24.04304 0.30041 22.54672 0.41768
Superior no universitaria
completa
12.72799 0.36689 15.31467 0.33945 14.18667 0.43222
Superior universitaria
incompleta
7.24953 0.35111 8.99371 0.31237 8.2252 0.38441
Superior universitaria
completa
3.79021 0.28288 4.85322 3.79021 4.38002 0.29414
Urbano Std. Asala-
riados
Std. Indepen-
dientes
Std.
Sin nivel 79.05267 0.83577 75.01754 0.94149 82.886 0.68229
Primaria incompleta 68.79819 0.79442 63.94278 0.86627 73.61621 0.66498
Primaria completa 56.82915 0.63243 51.54822 0.67486 62.3029 0.53871
Secundaria incompleta 44.19267 0.40903 39.00095 0.43998 49.81385 0.3617
Secundaria completa 32.12529 0.25281 27.51181 0.27983 37.34316 0.28623
Superior no universitaria
incompleta
21.70161 0.27263 17.99598 0.26626 26.0797 0.36459
Superior no universitaria
completa
13.55741 0.32027 10.86703 0.28242 16.87788 0.42794
Superior universitaria
incompleta
7.80174 0.30612 6.03619 0.2539 10.07809 0.41213
Superior universitaria
completa
4.12248 0.24319 3.0752 0.19202 5.53308 0.33451
Fuente: Elaboración propia.
I 35
el impacto del nivel educativo alcanzado en el índice de calidad del empleo en Perú, 2016
Anexo 5. Probabilidades de pertenecer a un empleo de mala calidad
Nivel educativo alcanzado Hombre Std. Mujer Std. Rural Std.
Sin nivel 19.14837 0.65287 16.55047 0.64827 17.624 0.61517
Primaria incompleta 26.7952 0.55444 23.95103 0.5876 25.14649 0.54207
Primaria completa 34.21304 0.39685 31.62209 44.683 32.73612 0.40686
Secundaria incompleta 39.87174 0.27939 38.10249 0.30964 38.89485 0.29173
Secundaria completa 42.41911 0.25421 41.90963 0.25442 41.77291 0.30239
Superior no universitaria
incompleta
41.20177 0.30351 42.08481 0.27762 41.77291 0.30239
Superior no universitaria
completa
36.53519 0.45939 38.58248 0.40861 37.76352 0.48159
Superior universitaria
incompleta
29.57206 0.65897 32.28937 0.61591 31.16326 0.70825
Superior universitaria
completa
21.84302 0.79223 24.66247 0.78601 23.4694 0.86587
Urbano Std. Asala-
riados
Std. Indepen-
dientes
Std.
Sin nivel 18.26155 0.67678 21.35706 0.73339 15.19392 0.57236
Primaria incompleta 25.84295 0.59109 29.0842 0.60835 22.39881 0.52182
Primaria completa 33.36856 0.43235 36.14306 0.42512 30.12304 0.39808
Secundaria incompleta 39.32404 0.2965 40.99788 0.28949 36.96948 0.28253
Secundaria completa 42.30523 0.25487 42.45574 0.25748 41.41608 0.24501
Superior no universitaria
incompleta
41.55145 0.28733 40.13929 0.30822 42.35834 0.27102
Superior no universitaria
completa
37.25842 0.42104 34.64413 0.45296 39.55176 0.40999
Superior universitaria
incompleta
30.49636 0.61544 27.29199 0.62388 33.71406 0.64024
Superior universitaria
completa
22.77974 0.76037 19.61823 0.72362 26.22933 0.83879
Fuente: Elaboración propia.
36 I
oscar ñiquen
Anexo 6. Probabilidades de pertenecer a un empleo de buena calidad
Nivel educativo alcanzado Hombre Std. Mujer Std. Rural Std.
Sin nivel 2.27659 0.12487 1.76665 0.10865 1.96874 0.10909
Primaria incompleta 4.25878 0.15296 3.42605 0.14151 3.76052 0.1391
Primaria completa 7.21968 0.15886 6.02089 0.15671 6.50934 0.15496
Secundaria incompleta 11.09188 0.15543 9.58903 0.15747 10.21117 0.16884
Secundaria completa 15.44415 0.18313 13.8406 0.17783 14.51719 0.20729
Superior no universitaria
incompleta
19.48988 0.2302 18.10575 0.22502 18.70567 0.25273
Superior no universitaria
completa
22.29207 0.24823 21.46697 0.25123 21.84531 0.26035
Superior universitaria
incompleta
23.10965 0.26673 23.06882 0.2528 23.123 0.25674
Superior universitaria
completa
21.71399 0.38511 22.46897 0.33288 22.18367 0.36814
Urbano Std. Asala-
riados
Std. Indepen-
dientes
Std.
Sin nivel 2.09444 0.12402 2.76927 0.15812 12.52785 0.08857
Primaria incompleta 3.96554 0.1561 5.03138 0.19191 3.0223 0.11513
Primaria completa 6.80403 0.16594 8.28415 0.19941 5.41766 0.12634
Secundaria incompleta 10.57992 0.15937 12.36144 0.19139 8.80095 0.12982
Secundaria completa 14.90969 0.17622 16.71732 0.20479 12.95716 0.16433
Superior no universitaria
incompleta
19.04317 0.22163 20.49056 0.23664 17.28895 0.22576
Superior no universitaria
completa
22.04473 0.24632 22.7635 0.25029 20.90827 0.25768
Superior universitaria
incompleta
23.1298 0.26047 22.92065 0.28271 22.91747 0.24954
Superior universitaria
completa
21.99593 0.36041 20.91789 0.40496 22.76765 0.3157
Fuente: Elaboración propia.
I 37
el impacto del nivel educativo alcanzado en el índice de calidad del empleo en Perú, 2016
Anexo 7. Probabilidades de pertenecer a un empleo de buena calidad
Nivel educativo alcanzado Hombre Std. Mujer Std. Rural Std.
Sin nivel 0.65995 0.03611 0.47342 0.04533 0.54525 0.03772
Primaria incompleta 1.5377 0.05996 1.14065 0.0709 1.29531 0.0617
Primaria completa 3.27282 0.08518 2.50891 0.09401 2.80987 0.08981
Secundaria incompleta 6.37524 0.11084 5.04684 0.11755 5.57609 0.13333
Secundaria completa 11.39273 0.17484 9.30479 0.19827 10.14598 0.23847
Superior no universitaria
incompleta
18.73264 0.34144 15.7664 0.39609 16.9747 0.4486
Superior no universitaria
completa
28.44475 0.61872 24.63588 0.69657 26.2045 0.75879
Superior universitaria
incompleta
40.06877 0.96021 35.6481 1.03755 37.48855 1.11495
Superior universitaria
completa
52.62578 1.28209 48.01533 1.32818 49.96691 1.42756
Urbano Std. Asala-
riados
Std. Indepen-
dientes
Std.
Sin nivel 0.59133 0.04371 0.85613 0.06155 0.39222 0.02821
Primaria incompleta 1.39332 0.0702 1.94464 0.09538 0.96269 0.04696
Primaria completa 2.99826 0.09518 4.02457 0.12556 2.15639 0.06729
Secundaria incompleta 5.90336 0.11495 7.63974 0.14795 4.41572 0.09436
Secundaria completa 10.6598 0.17346 13.31514 0.21084 8.2836 0.1728
Superior no universitaria
incompleta
17.70377 0.34493 21.37418 0.39056 14.27302 0.3552
Superior no universitaria
completa
27.13944 0.62699 31.72534 0.67377 22.6621 0.64718
Superior universitaria
incompleta
38.5721 0.96219 43.75117 0.98834 33.29037 10.0816
Superior universitaria
completa
51.10185 1.26235 56.38868 1.24197 45.46994 1.35645
Fuente: Elaboración propia.
38 I
oscar ñiquen