3.7.1 Sexo

A continuación, se detallan los estadísticos descriptivos de la variable SEXO, una variable categórica binaria que indica si el joven es mujer (1) o hombre (0). Su análisis es fundamental para identificar diferencias de género en la informalidad laboral.

library(dplyr)
library(knitr)
library(kableExtra)

data_analisis_uni$SEXO <- factor(data_analisis_uni$SEXO,
                                 levels = c(0, 1),
                                 labels = c("Hombre", "Mujer"))

#tabla de frecuencias absolutas y relativas para SEXO
tabla_sexo <- data_analisis_uni %>%
  count(SEXO) %>%
  mutate(
    Porcentaje = round(n / sum(n) * 100, 1)
  ) %>%
  rename(Frecuencia = n)

#tabla ordenada
tabla_sexo %>%
  kbl(
    caption = "Tabla 2. Distribución de jóvenes ocupados según sexo",
    col.names = c("Sexo", "Frecuencia", "Porcentaje (%)"),
    align = "lcc"
  ) %>%
  kable_classic(full_width = FALSE, html_font = "Arial") %>%
  row_spec(0, bold = TRUE, background = "#6C8EBF", color = "white")

## Warning: 'xfun::attr()' is deprecated.
## Use 'xfun::attr2()' instead.
## See help("Deprecated")

Del total de jóvenes ocupados en la muestra, el 59.8% son hombres (6,115 jóvenes). En cambio, el 40.2% son mujeres (4,115 jóvenes). Esto muestra que, para 2023, la participación laboral juvenil de hombres es significativamente mayor que la de mujeres en esta muestra.

Gráfico

library(ggplot2)
library(dplyr)

labels_sexo <- data_analisis_uni %>%
  count(SEXO) %>%
  mutate(
    pct = round(100 * n / sum(n), 1),
    label = paste0(n, " (", pct, "%)")
  )

#gráfico
ggplot(data_analisis_uni, aes(x = SEXO, fill = SEXO)) +
  geom_bar(width = 0.6, show.legend = FALSE) +
  geom_text(
    data = labels_sexo,
    aes(x = SEXO, y = n, label = label),
    vjust = -0.3,
    size = 3.5,
    color = "black"
  ) +
  scale_fill_manual(values = c("Hombre" = "#6C8EBF", "Mujer" = "#D88DBB")) +  
  labs(
    title    = "Gráfico 2. Distribución de jóvenes ocupados por sexo",
    subtitle = "Comparación de participación entre hombres y mujeres",
    x        = "Sexo",
    y        = "Número de jóvenes"
  ) +
  theme_minimal(base_size = 15) +
  theme(
    plot.title    = element_text(face = "bold", size = 16, color = "#2E2E2E"),
    plot.subtitle = element_text(size = 13, color = "#4E4E4E"),
    axis.text     = element_text(color = "black", size = 12),
    axis.title    = element_text(face = "bold")
  )

De todos los jóvenes que tienen empleo en 2023: 6,115 son hombres, lo que representa el 59.8%, mientras que 4,115 son mujeres, es decir, el 40.2%. La diferencia de casi 20 puntos porcentuales refleja una mayor participación de los varones en el mercado laboral juvenil, al menos en términos absolutos de ocupación.

Este resultado no solo representa una diferencia en número, sino una brecha estructural. La menor presencia de mujeres jóvenes en el empleo podría explicarse por los siguientes factores: sobrecarga de trabajo no remunerado (cuidado del hogar, familiares, hijos, etc.), discriminación de género en procesos de selección y contratación o segregación ocupacional, que limita su inserción a sectores menos estables o peor remunerados.

Además, es oportuno acotar que, cuando logran insertarse, las mujeres enfrentan condiciones más precarias, mayor informalidad y menores oportunidades de ascenso.

3.7.2 Edad en años cumplidos

A continuación, se detallan los estadísticos descriptivos de la variable EDAD, una variable numérica que mide la edad del joven en años, con valores entre 15 y 29. Esta variable es relevante para explorar cómo la edad influye en la probabilidad de empleo informal.

stats_edad <- data_analisis_uni$EDAD
q1_edad <- quantile(stats_edad, 0.25, na.rm = TRUE) #cuartiles y RIQ
q3_edad <- quantile(stats_edad, 0.75, na.rm = TRUE)
riq_edad <- q3_edad - q1_edad
limite_inf_edad <- q1_edad - 1.5 * riq_edad #para detectar outliers
limite_sup_edad <- q3_edad + 1.5 * riq_edad

outliers_edad <- sum(stats_edad < limite_inf_edad | stats_edad > limite_sup_edad, na.rm = TRUE)

#tabla
tabla_edad <- tibble::tibble(
  Estadístico = c("Media", "Desviación estándar", "Mínimo", 
                  "Q1 (25%)", "Mediana (50%)", "Q3 (75%)", 
                  "Máximo", "N° de valores atípicos (outliers)"),
  Valor = c(
    mean(stats_edad, na.rm = TRUE),
    sd(stats_edad, na.rm = TRUE),
    min(stats_edad, na.rm = TRUE),
    q1_edad,
    median(stats_edad, na.rm = TRUE),
    q3_edad,
    max(stats_edad, na.rm = TRUE),
    outliers_edad
  )
)

#tabla más estética
tabla_edad %>%
  kbl(caption = "Tabla 3. Estadísticos descriptivos de la variable 'Edad de los jóvenes ocupados'",
      digits = 1, align = "lc") %>%
  kable_classic(full_width = F, html_font = "Arial") %>%
  row_spec(0, bold = TRUE, background = "#00838F", color = "#E3F2FD")

## Warning: 'xfun::attr()' is deprecated.
## Use 'xfun::attr2()' instead.
## See help("Deprecated")

La variable “Edad de los jóvenes ocupados” presenta una media de 23.3 años y una desviación estándar de 3.9, lo que indica una dispersión moderada en torno al promedio. La edad mínima registrada es de 15 años y la máxima de 29, lo que confirma que la muestra abarca correctamente el rango de jóvenes definido en el análisis. La mediana es de 24 años, lo que significa que la mitad de los jóvenes tiene 24 años o menos. Además, el 25% más joven tiene 20 años o menos (Q1), mientras que el 25% más mayor se encuentra por encima de los 27 años (Q3). Es importante resaltar que no se detectaron valores atípicos, lo que sugiere una distribución limpia y sin registros anómalos en esta variable.

Gráfico

library(ggplot2)
#media y mediana
media_edad <- mean(data_analisis_uni$EDAD, na.rm = TRUE)
mediana_edad <- median(data_analisis_uni$EDAD, na.rm = TRUE)

#gráfico
ggplot(data_analisis_uni, aes(x = "", y = EDAD)) +
  geom_boxplot(
    fill = "#4A90E2",
    color = "#1C1C1C",
    outlier.shape = 21,
    outlier.fill = "red",
    outlier.size = 3,
    width = 0.2) +
  geom_point(aes(x = "", y = media_edad),
             color = "#FFA500", size = 4, shape = 18) +
  geom_hline(yintercept = mediana_edad, linetype = "dotted",
             color = "#00BFA6", linewidth = 0.8) +
  annotate("text", x = 0.8, y = media_edad,
           label = paste("Media =", round(media_edad, 1)),
           color = "#FFA500", fontface = "italic", size = 4, hjust = 1) +
  annotate("text", x = 1.2, y = mediana_edad + 1,
           label = paste("Mediana =", round(mediana_edad, 1)),
           color = "#00BFA6", fontface = "italic", size = 4, hjust = 0) +
  labs(
    title = "Gráfico 3. Distribución de la edad de jóvenes ocupados",
    subtitle = "Boxplot con identificación de media, mediana y valores atípicos",
    y = "Edad (en años)",
    x = NULL
  ) +
  theme_minimal(base_size = 15) +
  theme(
    plot.title    = element_text(face = "bold", size = 18, color = "#2E2E2E"),
    plot.subtitle = element_text(size = 13, color = "#4E4E4E"),
    axis.text.x   = element_blank(),
    axis.ticks.x  = element_blank(),
    panel.grid.major.x = element_blank()
  )

## Warning in geom_point(aes(x = "", y = media_edad), color = "#FFA500", size = 4, : All aesthetics have length 1, but the data has 10230 rows.
## ℹ Please consider using `annotate()` or provide this layer with data containing
##   a single row.

El gráfico muestra cómo se distribuye la edad de los jóvenes que están trabajando. La mayoría tiene entre 20 y 27 años. La edad promedio está en 23.3 años, lo que quiere decir que los datos están bastante balanceados. Además, no hay outliers, lo cual indica que las edades se agrupan de manera bastante normal dentro del rango juvenil (15 a 29 años). Esto también refleja que la mayoría de jóvenes se inserta en el mercado laboral en la segunda mitad de la juventud, probablemente porque ya terminaron el colegio o estudios técnicos, o porque necesitan generar ingresos.

3.8.1 Región

A continuación, se detallan los estadísticos descriptivos de la variable REGION, una variable categórica que indica la región geográfica donde reside el joven (Costa, Sierra, Selva). Su estudio permite analizar variaciones regionales en la informalidad laboral.

library(dplyr)
library(tibble)
library(kableExtra)

#tabla de frecuencias
tabla_region <- data_analisis_uni %>%
  count(REGION) %>%
  mutate(
    Porcentaje = round(n / sum(n) * 100, 1)
  ) %>%
  rename(Frecuencia = n)

#tabla estética
tabla_region %>%
  kbl(
    caption = "Tabla 4. Distribución de jóvenes ocupados según región geográfica",
    col.names = c("Región", "Frecuencia", "Porcentaje (%)"),
    align = "lcc"
  ) %>%
  kable_classic(full_width = FALSE, html_font = "Arial") %>%
  row_spec(0, bold = TRUE, background = "#8E24AA", color = "white")

## Warning: 'xfun::attr()' is deprecated.
## Use 'xfun::attr2()' instead.
## See help("Deprecated")

La tabla muestra que casi la mitad de los jóvenes ocupados vive en la región Costa (48.4%), seguida por la Sierra con el 29.1% y la Selva con el 22.5%. Esto indica que la mayoría de los jóvenes que trabaja se concentra en la Costa, lo cual puede explicarse por la mayor cantidad de centros urbanos, oportunidades económicas y población en esa zona. En contraste, en la Sierra y la Selva hay menos participación juvenil en el empleo, lo que también puede reflejar barreras como menor acceso a educación, conectividad o mercados laborales formales.

Gráfico

library(ggplot2)

ggplot(tabla_region, aes(x = REGION, y = Frecuencia, fill = REGION)) +
  geom_bar(stat = "identity", width = 0.6, show.legend = FALSE) +
  geom_text(aes(label = paste0(Frecuencia, " (", Porcentaje, "%)")),
            vjust = -0.5, size = 3.5, fontface = "bold", color = "black") +
  scale_fill_manual(values = c("Costa" = "#42A5F5", "Sierra" = "#8E24AA", "Selva" = "#66BB6A")) +
  labs(
    title = "Gráfico 4. Distribución de jóvenes ocupados por región",
    subtitle = "Frecuencia y porcentaje según ubicación geográfica",
    x = "Región",
    y = "Número de jóvenes"
  ) +
  ylim(0, 6000) +
  theme_minimal(base_size = 15) +
  theme(
    plot.title = element_text(face = "bold", size = 17, color = "#4E342E"),
    plot.subtitle = element_text(size = 13, color = "#5D4037"),
    axis.text = element_text(color = "black"),
    axis.title.x = element_text(face = "bold"), 
    axis.title.y = element_text(face = "bold"))

El gráfico muestra cómo se distribuyen los jóvenes ocupados según la región del país. Se observa que la mayoría de jóvenes con empleo vive en la región Costa (48.4%), seguida por la Sierra (29.1%) y finalmente la Selva (22.5%). Esto indica una mayor concentración del empleo juvenil en zonas costeras, lo cual tiene sentido si se considera que en la Costa están las principales ciudades, centros industriales y polos económicos del país. Estos datos también evidencian una desigualdad territorial en el acceso al empleo. Los jóvenes que viven en la Sierra y la Selva no solo representan un menor porcentaje de la población ocupada, sino que probablemente también enfrentan más barreras para acceder a trabajos formales y estables, como menor infraestructura, menos oportunidades educativas y dificultades de conectividad. Esto sugiere que la región de residencia sigue siendo un factor determinante para las trayectorias laborales juveniles, lo que refuerza la necesidad de políticas públicas diferenciadas que aborden las brechas regionales desde una lógica de equidad territorial.

3.8.2 Nivel educativo alcanzado

A continuación, se detallan los estadísticos descriptivos de la variable NIVEL_EDUCATIVO, una variable categórica que refleja el nivel educativo alcanzado por el joven (Educación Básica o Educación Superior). Esta variable es crucial para evaluar el efecto de la educación en la informalidad.

Tabla -> NIVEL EDUCATIVO

#tabla de frecuencias 
tabla_nivel <- data_analisis_uni %>%
  count(NIVEL_EDUCATIVO) %>%
  mutate(
    Porcentaje = round(n / sum(n) * 100, 1)
  ) %>%
  rename(Frecuencia = n)

#tabla ordenada y estética
tabla_nivel %>%
  kbl(
    caption = "Tabla 5. Distribución de jóvenes ocupados según nivel educativo",
    col.names = c("Nivel educativo", "Frecuencia", "Porcentaje (%)"),
    align = "lcc"
  ) %>%
  kable_classic(full_width = FALSE, html_font = "Arial") %>%
  row_spec(0, bold = TRUE, background = "#FFA000", color = "white")

## Warning: 'xfun::attr()' is deprecated.
## Use 'xfun::attr2()' instead.
## See help("Deprecated")

La tabla muestra que el 57.4% de los jóvenes ocupados solo tiene educación básica, mientras que el 42.6% logró acceder a educación superior. Esto significa que la mayoría de jóvenes que trabajan lo hacen sin haber cursado estudios técnicos o universitarios, lo que puede estar relacionado con la necesidad de insertarse temprano en el mercado laboral por motivos económicos o falta de acceso a oportunidades educativas.

Gráfico

library(ggplot2)
ggplot(tabla_nivel, aes(x = NIVEL_EDUCATIVO, y = Frecuencia, fill = NIVEL_EDUCATIVO)) +
  geom_bar(stat = "identity", width = 0.6, show.legend = FALSE) +
  geom_text(aes(label = paste0(Frecuencia, " (", Porcentaje, "%)")),
            vjust = -0.6, size = 3.5, fontface = "bold", color = "black") +
  scale_fill_manual(values = c("Educación Básica" = "#FFA000",
    "Educación Superior" = "#66BB6A"
  )) +
  labs(
    title = "Gráfico 5. Distribución de jóvenes ocupados según nivel educativo",
    subtitle = "Frecuencia y porcentaje por nivel educativo alcanzado",
    x = "Nivel educativo",
    y = "Número de jóvenes"
  ) +
  ylim(0, 7000) +
  theme_minimal(base_size = 15) +
  theme(
    plot.title = element_text(face = "bold", size = 17, color = "#263238"),
    plot.subtitle = element_text(size = 13, color = "#37474F"),
    axis.text = element_text(color = "black"),
    axis.title.x = element_text(face = "bold"),
    axis.title.y = element_text(face = "bold"))

El gráfico muestra que la mayoría de jóvenes ocupados solo cuenta con educación básica (57.4%), mientras que un 42.6% ha accedido a educación superior. Esta diferencia revela que una parte considerable de la juventud se inserta en el mercado laboral sin haber culminado estudios técnicos o universitarios. Esto refleja una desigualdad estructural en el acceso a la educación, que luego se traduce en desigualdad de oportunidades laborales. Muchos jóvenes no logran continuar estudiando porque enfrentan barreras económicas, territoriales o familiares, y eso los obliga a incorporarse tempranamente a empleos que, en muchos casos, son informales o precarios. Además, el hecho de que casi 6 de cada 10 jóvenes trabajen con solo educación básica sugiere que el mercado laboral peruano sigue operando con baja demanda de calificación, lo que limita la movilidad social y reproduce ciclos de pobreza. Se evidencia así la necesidad de políticas públicas que no solo amplíen el acceso a la educación superior, sino que también garanticen condiciones laborales dignas para quienes no lograron alcanzarla, promoviendo un sistema más justo e inclusivo para toda la juventud.

3.8.3 Acceso a internet

A continuación, se detallan los estadísticos descriptivos de la variable INTERNET, una variable categórica binaria que indica si el joven tiene acceso a internet (1 = Sí, 0 = No). Su análisis es importante para entender el rol del acceso tecnológico en el empleo informal.

Tabla -> INTERNET

tabla_internet <- data_analisis_uni %>%
  mutate(INTERNET = factor(INTERNET, labels = c("No cuenta con Internet", "Cuenta con Internet"))) %>%
  count(INTERNET) %>%
  mutate(
    Porcentaje = round(n / sum(n) * 100, 1)
  ) %>%
  rename(Frecuencia = n)

#tabla ordenada
tabla_internet %>%
  kbl(
    caption = "Tabla 6. Acceso a Internet en el hogar de jóvenes ocupados",
    col.names = c("Acceso a Internet", "Frecuencia", "Porcentaje (%)"),
    align = "lcc"
  ) %>%
  kable_classic(full_width = FALSE, html_font = "Arial") %>%
  row_spec(0, bold = TRUE, background = "#43A047", color = "white")

## Warning: 'xfun::attr()' is deprecated.
## Use 'xfun::attr2()' instead.
## See help("Deprecated")

La tabla muestra que el 94.2% de los jóvenes ocupados tiene acceso a internet en su hogar, mientras que solo un 5.8% no cuenta con este servicio. Este resultado es positivo, ya que indica que la mayoría de jóvenes ocupados tiene conectividad en su entorno doméstico, lo cual facilita su acceso a oportunidades laborales, educativas y de información.

Gráfico

ggplot(tabla_internet, aes(x = INTERNET, y = Frecuencia, fill = INTERNET)) +
  geom_bar(stat = "identity", width = 0.6, show.legend = FALSE) +
  geom_text(aes(label = paste0(Frecuencia, " (", Porcentaje, "%)")),
            vjust = -0.5, size = 3.5, fontface = "bold", color = "black") +
  scale_fill_manual(values = c("Cuenta con Internet" = "#43A047", "No cuenta con Internet" = "#EF6C00")) +
  labs(
    title = "Gráfico 6. Acceso a Internet en el hogar",
    subtitle = "Frecuencia y porcentaje de jóvenes según su acceso a Internet",
    x = "Acceso a Internet",
    y = "Número de jóvenes"
  ) +
  ylim(0, 11000) +
  theme_minimal(base_size = 15) +
  theme(
    plot.title = element_text(face = "bold", size = 17, color = "#263238"),
    plot.subtitle = element_text(size = 13, color = "#37474F"),
    axis.text = element_text(color = "black"),
    axis.title.x = element_text(face = "bold"),  
    axis.title.y = element_text(face = "bold"))

El gráfico muestra que la gran mayoría de jóvenes ocupados (94.2%) cuenta con acceso a Internet en su hogar, mientras que solo el 5.8% no tiene este servicio. Esta amplia cobertura digital es positiva, ya que el internet es hoy una herramienta clave para buscar empleo, acceder a educación virtual y mantenerse informado de la realidad peruana actual. Sin embargo, ese pequeño grupo que no cuenta con internet sigue siendo importante, ya que representa a jóvenes que enfrentan una clara desventaja digital. En un contexto donde muchas ofertas de empleo, capacitaciones y trámites son virtuales, no tener internet en casa significa estar más lejos del mercado laboral formal y de oportunidades de desarrollo personal o profesional. Esta brecha, aunque numéricamente pequeña, puede concentrarse en regiones rurales, sectores empobrecidos o zonas sin cobertura adecuada, lo que refuerza otras desigualdades ya existentes.

3.8.4 Antiguedad laboral en meses en ocupación principal

A continuación, se detallan los estadísticos descriptivos de la variable mesestrab_antiguedad, una variable numérica que mide la antigüedad laboral del joven en meses en la ocupación principal. Esta variable es esencial para evaluar cómo la experiencia laboral afecta la informalidad.

Tabla -> MESES TRABAJADOS

library(dplyr)
library(tibble)
library(kableExtra)

stats_meses <- data_analisis_uni$mesestrab_antiguedad
q1 <- quantile(stats_meses, 0.25, na.rm = TRUE)
q3 <- quantile(stats_meses, 0.75, na.rm = TRUE)
riq <- q3 - q1
limite_inf <- q1 - 1.5 * riq
limite_sup <- q3 + 1.5 * riq

outliers <- sum(stats_meses < limite_inf | stats_meses > limite_sup, na.rm = TRUE)

#tabla
tabla_vertical <- tibble::tibble(
  Estadístico = c("Media", "Desviación estándar", "Mínimo", 
                  "Q1 (25%)", "Mediana (50%)", "Q3 (75%)", 
                  "Máximo", "N° de valores atípicos (outliers)"),
  Valor = c(
    mean(stats_meses, na.rm = TRUE),
    sd(stats_meses, na.rm = TRUE),
    min(stats_meses, na.rm = TRUE),
    q1,
    median(stats_meses, na.rm = TRUE),
    q3,
    max(stats_meses, na.rm = TRUE),
    outliers))

#tabla ordenada
tabla_vertical %>%
  kbl(
    caption = "Tabla 8. Estadísticos descriptivos de la variable 'Meses trabajados en ocupación principal'",
    digits = 1, align = "lc"
  ) %>%
  kable_classic(full_width = FALSE, html_font = "Arial") %>%
  row_spec(0, bold = TRUE, background = "#7E57C2", color = "white")

## Warning: 'xfun::attr()' is deprecated.
## Use 'xfun::attr2()' instead.
## See help("Deprecated")

Los datos muestran que, en promedio, los jóvenes han trabajado 17.1 meses en su ocupación principal, pero con una alta dispersión (desviación estándar de 25.4 meses). La mediana es de solo 6 meses, lo que indica que más de la mitad lleva menos de medio año trabajando. El primer cuartil (Q1) es de 1 mes, mientras que el tercer cuartil (Q3) es de 24 meses, lo que refleja una gran desigualdad en las trayectorias laborales juveniles. Además, llama la atención que el valor máximo registrado es de 240 meses (20 años), lo cual resulta atípico considerando que el rango de edad es de 15 a 29 años. De hecho, el análisis identifica 856 valores atípicos, lo que sugiere que muchos jóvenes declararon haber trabajado durante un tiempo que probablemente no corresponde a su edad o que arrastran ocupaciones desde edades sumamente tempranas (niñez, preadolescencia). Esta distribución revela dos cosas. Por un lado, una alta inestabilidad laboral entre la mayoría de jóvenes ocupados; y por otro, posibles condiciones de trabajo infantil o informal prolongado entre quienes acumulan más de 10 años en una misma actividad.

Gráfico

media_meses <- mean(data_analisis_uni$mesestrab_antiguedad, na.rm = TRUE)
mediana_meses <- median(data_analisis_uni$mesestrab_antiguedad, na.rm = TRUE)

ggplot(data_analisis_uni, aes(x = "", y = mesestrab_antiguedad)) +
  geom_boxplot(
    fill = "#7E57C2",  
    color = "#3E2723", 
    outlier.shape = 21,
    outlier.fill = "#FF7043", 
    outlier.size = 3,
    width = 0.2
  ) + geom_point(x = "", y = media_meses,
             color = "#FFD700", size = 4, shape = 18) +  
  geom_hline(yintercept = mediana_meses, linetype = "dotted",
             color = "#43A047", linewidth = 0.8) +
  annotate("text", x = 0.8, y = media_meses,
           label = paste("Media =", round(media_meses, 1)),
           color = "#FFD700", fontface = "italic", size = 4, hjust = 1) +
  annotate("text", x = 1.2, y = mediana_meses - 1,
           label = paste("Mediana =", round(mediana_meses, 1)),
           color = "#43A047", fontface = "italic", size = 4, hjust = 0) +

  labs(
    title = "Gráfico 8. Antigüedad en el empleo principal de jóvenes ocupados",
    subtitle = "Boxplot con identificación de media, mediana y valores atípicos",
    y = "Meses trabajados",
    x = NULL
  ) +
  theme_minimal(base_size = 15) +
  theme(
    plot.title    = element_text(face = "bold", size = 18, color = "#4E342E"),
    plot.subtitle = element_text(size = 13, color = "#5D4037"),
    axis.text.x   = element_blank(),
    axis.ticks.x  = element_blank(),
    panel.grid.major.x = element_blank())

Este gráfico muestra cómo se distribuyen los meses que los jóvenes llevan trabajando en su empleo principal. La mediana es de solo 6 meses, lo que indica que al menos la mitad de los jóvenes tiene muy poca estabilidad laboral. La media es de 17.1 meses, pero este valor está influenciado por un grupo de jóvenes que lleva muchos años trabajando, lo que se refleja en la gran cantidad de valores atípicos (puntos rojos) por encima del rango normal. El hecho de que existan jóvenes que reportan hasta 240 meses (20 años) de antigüedad en su ocupación es llamativo, considerando que el grupo analizado tiene entre 15 y 29 años. Esto puede estar relacionado con trabajo infantil o informalidad prolongada. La gran concentración de puntos fuera del boxplot refuerza que la distribución es altamente desigual, con pocos casos que arrastran trayectorias largas y la mayoría con empleos recientes o inestables. Esto evidencia la fragilidad del empleo juvenil en el Perú.

3.8.5 Ingreso mensual en ocupación principal

A continuación, se detallan los estadísticos descriptivos de la variable ingresos_jovenes, una variable numérica que representa el ingreso mensual total (dependiente o independiente) en soles de jóvenes peruanos de 15 a 29 años. Esta variable es clave para evaluar el impacto del nivel de ingresos en la probabilidad de informalidad laboral.

Tabla -> INGRESOS

library(dplyr)
library(tibble)
library(kableExtra)

stats_ingresos <- data_analisis_uni$ingresos_jovenes

q1 <- quantile(stats_ingresos, 0.25, na.rm = TRUE)
q3 <- quantile(stats_ingresos, 0.75, na.rm = TRUE)
riq <- q3 - q1

limite_inf <- q1 - 1.5 * riq
limite_sup <- q3 + 1.5 * riq


outliers <- sum(stats_ingresos < limite_inf | stats_ingresos > limite_sup, na.rm = TRUE)

#tabla
tabla_vertical_ingresos <- tibble::tibble(
  Estadístico = c("Media", "Desviación estándar", "Mínimo", 
                  "Q1 (25%)", "Mediana (50%)", "Q3 (75%)", 
                  "Máximo", "N° de valores atípicos (outliers)"),
  Valor = c(
    mean(stats_ingresos, na.rm = TRUE),
    sd(stats_ingresos, na.rm = TRUE),
    min(stats_ingresos, na.rm = TRUE),
    q1,
    median(stats_ingresos, na.rm = TRUE),
    q3,
    max(stats_ingresos, na.rm = TRUE),
    outliers))

#tabla ordenada
tabla_vertical_ingresos %>%
  kbl(
    caption = "Tabla 9. Estadísticos descriptivos de la variable 'Ingresos mensuales de los jóvenes ocupados'",
    digits = 1, align = "lc"
  ) %>%
  kable_classic(full_width = FALSE, html_font = "Arial") %>%
  row_spec(0, bold = TRUE, background = "#00694a67", color = "white")

## Warning: 'xfun::attr()' is deprecated.
## Use 'xfun::attr2()' instead.
## See help("Deprecated")

Los datos muestran que el ingreso mensual promedio de los jóvenes ocupados en su trabajo principal es de S/ 973.10, pero con una alta dispersión (desviación estándar de S/ 822.00), lo que indica que los montos varían bastante entre personas. La mediana es de S/ 892.50, lo que quiere decir que la mitad de los jóvenes gana menos de ese monto al mes. Además, un cuarto de los jóvenes (Q1) gana S/ 400 o menos, mientras que solo el 25% con mayores ingresos supera los S/ 1300 mensuales (Q3). El valor máximo registrado es de S/ 18,720, lo cual es muy alto para una muestra juvenil y explica la presencia de 369 valores atípicos.

Gráfico

library(ggplot2)

media_ingresos <- mean(data_analisis_uni$ingresos_jovenes, na.rm = TRUE)
mediana_ingresos <- median(data_analisis_uni$ingresos_jovenes, na.rm = TRUE)

ggplot(data_analisis_uni, aes(x = "", y = ingresos_jovenes)) +
  geom_boxplot(
    fill = "#009688",       
    color = "#1C1C1C",
    outlier.shape = 21,
    outlier.fill = "#FF5252",  
    outlier.size = 3,
    width = 0.2
  ) + geom_point(aes(x = "", y = media_ingresos),
             color = "#FF9800", size = 4, shape = 18) +
  geom_hline(yintercept = mediana_ingresos, linetype = "dotted",
             color = "#00ACC1", linewidth = 0.8) +
  annotate("text", x = 0.8, y = media_ingresos,
           label = paste("Media =", round(media_ingresos, 1)),
           color = "#FF9800", fontface = "italic", size = 4, hjust = 1) +
  annotate("text", x = 1.2, y = mediana_ingresos + 1,
           label = paste("Mediana =", round(mediana_ingresos, 1)),
           color = "#00ACC1", fontface = "italic", size = 4, hjust = 0) +

  labs(
    title = "Gráfico 10. Distribución de ingresos mensuales de jóvenes ocupados",
    subtitle = "Boxplot con identificación de media, mediana y valores atípicos",
    y = "Ingresos mensuales (en soles)",
    x = NULL
  ) +
  theme_minimal(base_size = 15) +
  theme(
    plot.title    = element_text(face = "bold", size = 18, color = "#2E2E2E"),
    plot.subtitle = element_text(size = 13, color = "#4E4E4E"),
    axis.text.x   = element_blank(),
    axis.ticks.x  = element_blank(),
    panel.grid.major.x = element_blank()
  )

## Warning in geom_point(aes(x = "", y = media_ingresos), color = "#FF9800", : All aesthetics have length 1, but the data has 10230 rows.
## ℹ Please consider using `annotate()` or provide this layer with data containing
##   a single row.

El gráfico muestra la distribución de los ingresos mensuales de los jóvenes ocupados. La mediana es de S/892.50, lo que significa que la mitad de los jóvenes gana menos de ese monto. La media es ligeramente mayor (S/973.10), pero está influenciada por un grupo reducido con ingresos muy altos, como se observa en los numerosos valores atípicos (puntos rojos) por encima de los S/10,000 mensuales.

La mayoría de los ingresos se concentra en la parte baja del gráfico, lo que revela una distribución desigual, con una gran cantidad de jóvenes que gana poco. Esta realidad refuerza la idea de que, incluso cuando trabaja, la juventud tiene ingresos limitados, lo cual condiciona su autonomía económica y sus posibilidades de ahorro o estudio. Además, resulta especialmente preocupante que más del 50% de los jóvenes gane menos que el salario mínimo vigente en 2023, que era de S/1,025 mensuales. Esto indica que la mitad de la juventud activa percibe un sueldo inferior al mínimo legal, lo cual no solo refleja precariedad, sino también que el mercado laboral está lejos de garantizar su bienestar básico.

4.1.1 Ecuación predictiva del modelo A

La ecuación predictiva para el modelo logístico A en términos de log-odds, se muestra a continuación.

\[ \text{log-oddsA} = 6.241 - 0.006 \cdot \text{SEXO} - 0.115 \cdot \text{EDAD}\\ + 0.742 \cdot \text{REGION}_{\text{Sierra}} + 0.801 \cdot \text{REGION}_{\text{Selva}} \\ - 0.818 \cdot \text{NIVEL_EDUCATIVO}_{\text{Educacion Superior}} \\ - 0.929 \cdot \text{INTERNET}_{\text{Tiene}} - 0.001 \cdot \text{ingresos_jovenes}\\ - 0.001 \cdot \text{mesestrab_antiguedad} \]

Exponentes

exp(coef(modelo_logitA)) 

##                       (Intercept)                              SEXO 
##                       513.2704224                         0.9937670 
##                              EDAD                      REGIONSierra 
##                         0.8913407                         2.1003675 
##                       REGIONSelva NIVEL_EDUCATIVOEducación Superior 
##                         2.2280972                         0.4413819 
##                     INTERNETTiene                  ingresos_jovenes 
##                         0.3948182                         0.9990465 
##              mesestrab_antiguedad 
##                         0.9993308

La interpretación de los coeficientes obtenidos en el modelo de regresión logística permite comprender el efecto de cada variable sobre la probabilidad de que un joven se desempeñe en el sector informal. Los odds ratios (OR) traducen los efectos de los coeficientes de Log-odds a cambios porcentuales para su fácil interpretación. Asimismo, la significancia de dichos coeficientes se confirmará mediante el p valor menor a 0.05, por convención de la disciplina de las Ciencias Sociales.

Respecto al sexo, ser mujer reduce ligeramente los log-odds de informalidad en 0.006 unidades (β = -0.006), con un OR de 0.994, lo que sugiere una disminución del 0.6% en la probabilidad de informalidad. Sin embargo, este efecto no es estadísticamente significativo (p = 0.916), por lo que no se puede afirmar que el género tenga un impacto claro en la informalidad laboral juvenil.

En contraste, la edad muestra un efecto negativo importante y significativo (β = -0.115, OR = 0.891, p < 0.001): cada año adicional de edad reduce los log-odds de informalidad, lo que equivale a una disminución del 10.9% en la probabilidad de trabajar informalmente, indicando que los jóvenes más cercanos a los 15 años son más vulnerables a este tipo de empleo.

La región geográfica también incide significativamente. Vivir en la Sierra (β = 0.742, OR = 2.100, p < 0.001) o en la Selva (β = 0.801, OR = 2.228, p < 0.001) incrementa los log-odds de informalidad en comparación con la Costa. Esto se traduce en una probabilidad de informalidad 110% y 122.8% mayor, respectivamente, lo que evidencia disparidades regionales en el acceso a empleo formal.

En cuanto al nivel educativo, contar con educación superior se asocia con una reducción significativa de los log-odds en 0.818 unidades (OR = 0.441, p < 0.001), disminuyendo la probabilidad de informalidad en un 55.9%. Este hallazgo refuerza la importancia del acceso a la educación como mecanismo de protección ante el empleo precario.

Asimismo, el acceso a internet tiene un efecto protector considerable (β = -0.929, OR = 0.395, p < 0.001), reduciendo la probabilidad de informalidad en un 60.5%, lo cual podría relacionarse con mejores oportunidades de inserción laboral formal o acceso a información sobre empleos.

En cuanto al ingreso mensual de los jóvenes, cada sol adicional disminuye levemente los log-odds en 0.001 unidades (OR = 0.999, p < 0.001), lo que implica una reducción del 0.1% en la probabilidad de informalidad, un efecto pequeño pero estadísticamente significativo.

Finalmente, la antigüedad laboral, medida en meses, también presenta un coeficiente negativo (β = -0.001, OR = 0.999), pero el resultado no es significativo (p = 0.560), por lo que no se puede afirmar que influya de manera clara en la informalidad. En conjunto, estos resultados permiten identificar factores estructurales y sociodemográficos que inciden en el empleo informal juvenil.

4.1.2 Tabla resumen del modelo A

library(broom)
library(dplyr)
tabla_logitA <- tidy(modelo_logitA) %>%
  mutate(`Exp(B)` = exp(estimate),
         Significativo = ifelse(p.value < 0.05, "Sí", "No")) %>%
  select(Variable = term, Coef = estimate, `Error Estándar` = std.error, 
         `p-valor` = p.value, `Exp(B)`, Significativo)

knitr::kable(tabla_logitA, digits = 3, caption = "Modelo logit A: Probabilidad de ser informal")

## Warning: 'xfun::attr()' is deprecated.
## Use 'xfun::attr2()' instead.
## See help("Deprecated")

## Warning: 'xfun::attr()' is deprecated.
## Use 'xfun::attr2()' instead.
## See help("Deprecated")

Toda esta información puede observarse de forma clara en la tabla resumen del modelo logit A, donde se presentan los coeficientes, errores estándar, valores p, odds ratios (Exp(B)), y la significancia estadística de cada variable sobre la probabilidad de que un joven esté en la informalidad laboral. Como se aprecia, las variables significativamente asociadas con la informalidad son: edad, región (Sierra y Selva), nivel educativo, acceso a internet, afiliación a seguro de salud, e ingresos mensuales. Estas variables tienen efectos estadísticamente significativos y directionales coherentes con lo esperado desde un enfoque estructural: los factores que reflejan mayor capital social o acceso a servicios (como educación superior, internet o seguro de salud) están asociados con una menor probabilidad de estar en un empleo informal.

En contraste, las variables SEXO y mesestrab_antiguedad no resultan significativas en el modelo (p = 0.118 y p = 0.530, respectivamente), lo que sugiere que, al controlar por otras condiciones estructurales, ni el hecho de ser mujer ni el tiempo trabajado en la ocupación principal modifican sustancialmente la probabilidad de informalidad laboral. Esta ausencia de significancia puede deberse, en el caso del sexo, a que las desigualdades de género se expresan de forma más indirecta (por ejemplo, en tipo de ocupación o nivel de ingresos), mientras que la antigüedad podría estar reflejando una permanencia en empleos informales sin que eso implique mayor formalización con el tiempo.

En conjunto, estos hallazgos refuerzan lo que señala la literatura especializada: la informalidad no es producto de decisiones individuales aisladas, sino de condiciones estructurales que reproducen la exclusión laboral desde edades tempranas (OECD, 2020; Gálvez & Ghiardo, 2018). Factores como la educación, el acceso a tecnología, el territorio y la vinculación al sistema de salud son determinantes clave en las trayectorias laborales juveniles. Por tanto, enfrentar la informalidad juvenil no pasa solo por “insertar” a los jóvenes en el mercado, sino por transformar las condiciones materiales que limitan su acceso a un trabajo digno y protegido desde el inicio de su vida productiva.

4.2.1 Ecuación predictiva del modelo B

La ecuación predictiva para el modelo logístico B en términos de log-odds, se muestra a continuación.

\[ \text{log-oddsB} = 6.255 - 0.116 \cdot \text{EDAD} \\ + 0.744 \cdot \text{REGION}_{\text{Sierra}} + 0.800 \cdot \text{REGION}_{\text{Selva}} \\ - 0.815 \cdot \text{NIVEL_EDUCATIVO}_{\text{Educación Superior}} \\ - 0.928 \cdot \text{INTERNET}_{\text{Tiene}} - 0.001 \cdot \text{ingresos_jovenes} \]

Exponentes

exp(coef(modelo_logitB))

##                       (Intercept)                              EDAD 
##                       520.6819663                         0.8901513 
##                      REGIONSierra                       REGIONSelva 
##                         2.1039765                         2.2246273 
## NIVEL_EDUCATIVOEducación Superior                     INTERNETTiene 
##                         0.4427405                         0.3954989 
##                  ingresos_jovenes 
##                         0.9990467

Al exponenciar los coeficientes del modelo logit B, obtenemos los odds ratios (OR), que indican en cuánto se multiplica la probabilidad de informalidad cuando una variable cambia manteniendo las otras variables constantes.

Así, se puede interpretar que la variable edad presenta un coeficiente negativo de -0.116, lo cual indica que, por cada año adicional, se reduce en 0.116 los log-odds de estar en informalidad. Esto equivale a una disminución de la probabilidad en aproximadamente 11.0%.

Por otro lado, residir en la región Sierra incrementa significativamente los log-odds en 0.744. Este resultado implica que las personas que viven en esta región tienen una probabilidad 110.4% mayor de encontrarse en el sector informal respecto a quienes viven en la región de referencia. De manera similar, habitar en la Selva también tiene un efecto positivo sobre la informalidad, aumentando los log-odds en 0.800, lo que se traduce en una probabilidad 122.5% mayor de informalidad.

En cuanto al nivel educativo, se observa que contar con educación superior reduce los log-odds en 0.815, lo cual se traduce en una menor probabilidad de informalidad de aproximadamente 55.7%. Esta relación negativa sugiere que mayores niveles educativos se asocian con una menor participación en el empleo informal.

Asimismo, el acceso a internet muestra un coeficiente negativo de -0.928. Esto indica que tener acceso a internet reduce la probabilidad de informalidad en 60.5%, lo que podría relacionarse con una mayor inclusión digital y acceso a oportunidades laborales formales.

Finalmente, el ingreso mensual de los jóvenes también influye negativamente en la informalidad. Por cada sol adicional, los log-odds disminuyen en 0.001, lo que representa una reducción de la probabilidad en un 0.1%. Aunque este efecto es pequeño, resulta estadísticamente significativo y sugiere que ingresos más altos pueden estar asociados con una menor propensión al trabajo informal.

4.2.2 Tabla resumen del modelo B

library(broom)
library(dplyr)

# Tabla resumen con odds ratios
tabla_logitB <- tidy(modelo_logitB) %>%
  mutate(`Exp(B)` = exp(estimate),
         Significativo = ifelse(p.value < 0.05, "Sí", "No")) %>%
  select(Variable = term, Coef = estimate, `Error Estándar` = std.error, 
         `p-valor` = p.value, `Exp(B)`, Significativo)

knitr::kable(tabla_logitB, digits = 3, caption = "Modelo logit B: Probabilidad de ser informal")

## Warning: 'xfun::attr()' is deprecated.
## Use 'xfun::attr2()' instead.
## See help("Deprecated")

## Warning: 'xfun::attr()' is deprecated.
## Use 'xfun::attr2()' instead.
## See help("Deprecated")

Al observar los resultados del modelo logit B, se confirma que todas las variables incluidas son estadísticamente significativas (p < 0.05), lo que refuerza la solidez del modelo. En comparación con el modelo A, se pueden identificar ligeros ajustes en los coeficientes, aunque se mantiene la misma dirección (positiva o negativa) en todos los casos. Esto permite concluir que los factores estructurales analizados tienen efectos robustos sobre la probabilidad de informalidad juvenil, controlando por las demás variables del modelo.

Al comparar los odds ratios (OR) entre los modelos A y B, se observa una gran similitud en los efectos estimados de las variables comunes. En ambos modelos, por ejemplo, los OR para REGIONSierra (2.10 en A y 2.10 en B) y REGIONSelva (2.23 en A y 2.22 en B) indican que vivir en estas regiones aumenta sustancialmente la probabilidad de informalidad laboral respecto a la región Costa. Asimismo, NIVEL_EDUCATIVO muestra un efecto protector en los dos modelos, con OR cercanos a 0.44, lo que sugiere que tener educación superior reduce la probabilidad de informalidad en aproximadamente un 56% en comparación con solo tener educación básica. También se mantienen prácticamente constantes los efectos de contar con acceso a INTERNET, con OR en torno a 0.39 en ambos casos, lo que implica que tener acceso a internet disminuye la probabilidad de informalidad en alrededor de un 60% en comparación con no contar con este acceso a internet. En cuanto a EDAD, los OR son muy similares entre modelos (0.891 en A y 0.890 en B), lo cual confirma que cada año adicional de edad reduce de manera constante la probabilidad de informalidad en un 11%. Para la variable ingresos_jovenes, el OR es prácticamente idéntico (0.9990), indicando que su efecto es marginal en ambos casos.