-Contexto: Este estudio analiza cómo la estructura del empleo afecta la productividad de los países. No es igual: Agricultura, Industria y Empleos informales

¿Qué sucede en el 2012?: Período posterior a la crisis financiera de 2008, las economías aún estaban en proceso de recuperación, este suceso permite observar diferencias estructurales entre países.

-Problema de investigación: ¿Cómo influye la distribución del empleo en la productividad en el año 2012?

Los países no solo se diferencian por producción también por su estructura laboral

-Objetivo general: Analizar la relación entre PIB por trabajador (variable dependiente) y la estructura del empleo (variables independientes).

Fuente: Banco Mundial

Año: 2012

Unidad: Países

Total analizado: 62 países

La clasificación de los países se realizó en Latinoamérica y el Caribe, Europa y Asia Central

-Variable dependiente: PIB por persona empleada.

-Variables explicativas: Trabajo en agricultura, trabajo en industria, trabajo tiempo parcial, trabajo independiente y trabajo familiar.

-Justificación de variables: Reflejan la estructura del mercado laboral, la cual constituye un factor determinante en el nivel de productividad económica de los países.

Mediante estas variables, se evidencia el nivel de desarrollo de los países, la formalidad vs informalidad y la productividad sectorial de cada región.

En 2012, las economías aún se ajustaban tras la crisis de 2008, presentando alta heterogeneidad entre países.

El modelo de regresión lineal es una técnica estadística y de aprendizaje automático utilizada para predecir el valor de una variable cuantitativa o dependiente (en este caso, el PIB) basándose en el valor de una o más variables independientes o explicativas (como los indicadores de empleo y sectores económicos).

En esencia, busca establecer una relación funcional que mejor se ajuste a un conjunto de datos, trazando una línea recta (hiperplano en dimensiones superiores) que minimice la distancia entre los puntos observados y la línea de predicción.

La ecuación general se expresa como:\[Y_i = \beta_0 + \beta_1 X_{1i} + \beta_2 X_{2i} + \dots + \beta_k X_{ki} + u_i\]Donde:

\(Y\): Representa la variable endógena o dependiente.

\(\beta_0\): Es el intercepto o constante del modelo.

\(\beta_1, \dots, \beta_k\): Son los coeficientes de regresión parcial, que miden el cambio en \(Y\) ante un cambio unitario en una variable \(X\), manteniendo las demás constantes (ceteris paribus).

\(u_i\): Es el término de error estocástico que captura los factores que afectan a \(Y\) pero no están incluidos en el modelo.

-Agricultura

Alta variabilidad asociada a menor desarrollo.

-Industria

Distribución más estable, mayor valor agregado.

-Tiempo parcial

Presencia moderada, efecto poco claro.

-Independiente

Alta dispersión, relacionado con informalidad.

-Familiares

Baja participación y alta desigualdad entre países.

PIB en relación con la agricultura presenta una correlación negativa (-0.70), sugiere que aquellos países con mayor participación del empleo agrícola tienden a registrar menores niveles de productividad.

En relación con el trabajo independiente se presenta una correlación negativa (-0.67) al igual que, con los trabajadores familiares (-0.47). Esto indica que una mayor presencia de formas de empleo más informales o de menor estabilidad está asociada con niveles más bajos de productividad.

El PIB presenta una correlación débilmente negativa con el empleo en la industria (-0.01). Este resultado puede explicarse por la heterogeneidad entre países en 2012.

R² = 0,7025: Las variables predictoras explican el 70,25% de la variabilidad del PIB por trabajador.

R² ajustado: Cae solo 4,5%, indicando que todas las variables aportan información relevante.

p-valor = 1,567x10⁻¹¹ (< 0,05): El modelo es globalmente significativo; las variables afectan realmente la productividad laboral.

-Agricultura: Efecto negativo (-1.933) y significativo (0,0026609), indica menor productividad.

-Industria: Efecto negativo pero inesperado (-1.952) y nivel de significancia alto (0,0067), podría reflejar baja tecnología.

-Tiempo parcial: Efecto positivo (508,6). Sin embargo, no tiene significancia (0,12804) y no explica el PIB.

-Independiente: Efecto negativo (-756,6) Sin embargo, no tiene significancia (0,20231) y no explica el PIB.

-Familiares: Efecto positivo (1160.6) Sin embargo, no tiene significancia (0,1895) y no explica el PIB.

-Por región (Referencia: Europa)

Asia Central → Menor PIB (-6.044), no significativo.

Latinoamérica → Menor PIB (-23.463), significativo.

Otros → Ligeramente menor PIB (-2.721,82), no significativo.

Europa → Mayor productividad (base).

Se evidencian diferencias importantes en la estructura del empleo entre regiones. Europa presenta mayores niveles de empleo formal e industrialización, lo que se asocia con un mayor PIB por trabajador.

En contraste, Latinoamérica y el Caribe muestran una mayor participación en agricultura, trabajo independiente y familiar, reflejando mayores niveles de informalidad y menor productividad. Asia Central presenta características intermedias, en proceso de transición.

En general, los resultados sugieren que la productividad laboral está más relacionada con la composición del empleo que con la región geográfica en sí.

H₀: Los residuos son normales.

H₁: Los residuos no son normales.

Criterio de decisión:

Se rechaza H₀ si:

Valor−p < α

1,974x10⁻⁷ < 0,05

Se rechaza H₀. El modelo no cumple con el supuesto de normalidad. Sin embargo, visualmente los residuos presentan un comportamiento cercano a la normalidad.

H₀: Existe homocedasticidad.

H₁: No existe homocedasticidad.

Criterio de decisión:

Se rechaza H₀ si:

Valor−p < α

0,1296 > 0,05

No se rechaza H₀. El modelo cumple con el supuesto de varianza constante de los errores.

##                   GVIF Df GVIF^(1/(2*Df))
## T_agricultura     5.87  1            2.42
## T_industria       1.77  1            1.33
## T_tiempo_parcial  1.52  1            1.23
## T_independiente  10.39  1            3.22
## T_familiares      4.75  1            2.18
## Region            3.39  3            1.23

H₀: No existe problema de multicolinealidad (VIF < 5).

H₁: Existe problema de multicolinealidad (VIF ≥ 5).

Criterio de decisión:

Se rechaza H₀ si:

VIF ≥ 5

Para las variables T_agricultura e T_independiente, el VIF ≥ 5, se rechaza H₀. El modelo presenta multicolinealidad moderada, lo que implica que, la relación entre el empleo agrícola y el independiente es estrecha.

Para la variable T_familiares (VIF= 4,75), no se rechaza H₀. No está altamente relacionado con el PIB.

-Interpretación general:

La estructura laboral sí influye en el PIB.

Sectores tradicionales → Menor productividad.

Informalidad → Impacto negativo.

-Conclusiones: El modelo explica bien la variabilidad (65,7%) y es globalmente significativo. Corroboran que la estructura del mercado laboral es un elemento crucial para determinar la productividad en términos económicos.

La normalidad de los residuos mostró que este supuesto no se cumple; esto se debe a la existencia de valores atípicos en naciones con productividades muy altas o muy bajas que no corresponden con la tendencia lineal general.

El modelo es válido a nivel global, aunque se descubrió que había multicolinealidad moderada-alta, sobre todo en las variables de empleo independiente y agrícola (VIF > 5).

Resultados dependen de la calidad de los datos.

A la luz de los resultados obtenidos, el modelo logró responder al objetivo de la investigación de manera parcial.

La distribución del empleo sí influye en la productividad y la forma en que se organiza el trabajo afecta el PIB por trabajador, pero no es el único factor.