Ocupacion
Maria-Ignacia Araya, Abigail Mellado
2026-04-23
Problematizacion:
problema publico:
El problema publico es la alta tasa de desempleo juvenil en chile, asociada a barreras estructurales como la falta de experencia laboral previa , que limita el acceso al empleo formal y perpetua la desigualdad en el mercado laboral. (insercion socioeconomica de los jovenes)
Planteamiento del problema:
En Chile, la inserción laboral juvenil representa un desafío persistente, caracterizado por mayores tasas de desempleo en comparación con otros grupos etarios. Diversos factores pueden incidir en esta problemática, entre los que se mencionan frecuentemente la falta de experiencia laboral, la edad, el sexo y la disposición a trabajar. Estas variables podrían actuar como barreras u obstáculos estructurales que limitan el acceso de los jóvenes al empleo formal, aunque su peso relativo no ha sido suficientemente explorado de manera conjunta.
En este contexto, surge la necesidad de analizar si la inexperiencia, la edad, el sexo y la disposición laboral influyen de manera significativa en la obtención de un trabajo. Comprender la relación entre cada una de estas variables y la inserción laboral juvenil permitirá aportar evidencia sobre los factores que realmente condicionan las oportunidades de empleo en este grupo, evitando sobrestimar un solo elemento y reconociendo la posible multicausalidad del fenómeno.
Preguntas de investigacion:
¿De qué manera la experiencia laboral, la edad, el sexo y la disposición a trabajar influyen en la obtención de un trabajo por parte de los jóvenes?
¿Cuál de estos cuatro factores presenta una asociacion mas fuerte con la obtencion de un empleo?
Objetivo
Objetivos general
Comprender si la experiencia laboral, la edad, el sexo y la disposición a trabajar se relacionan en la obtención de un trabajo por parte de jóvenes en Chile.
Objetivos específicos
· Analizar cómo la falta de experiencia laboral es valorada por los jóvenes en su proceso de búsqueda de empleo.
· Describir el rol que asignan los jóvenes a la edad y al sexo como posibles obstáculos o ventajas en el acceso al trabajo formal.
· Identificar de qué manera la disposición laboral (disponibilidad horaria, actitud, motivación) afecta sus oportunidades de inserción.
· Comparar la relevancia relativa que los jóvenes atribuyen a cada uno de estos cuatro factores.
Unidad de análisis y población objetivo
Población objetivo: Jóvenes en edad de trabajar (por ejemplo, entre 18 y 29 años), residentes en Chile, que se encuentren en situación de búsqueda de empleo o que hayan experimentado dificultades de inserción laboral.
Unidad de análisis: Cada joven participante del estudio (sus discursos, percepciones y experiencias en torno al acceso al empleo).
Instrumento y tipo de análisis
El estudio adopta un enfoque cualitativo. El instrumento de recolección de datos consistirá en entrevistas semiestructuradas individuales o grupos focales, orientados a indagar en las narrativas de los jóvenes sobre los factores que, según su experiencia, obstaculizan o favorecen la obtención de un trabajo.
El análisis se realizará mediante análisis temático de contenido, identificando categorías emergentes relacionadas con experiencia, edad, sexo y disposición laboral.
Descripción de variables
Las variables seleccionadas para el análisis son:
Sexo: Variable categórica que distingue entre hombres y mujeres. Permite observar posibles brechas de género en la empleabilidad. Edad: Variable cuantitativa que permite identificar el grupo etario y delimitar la población joven. Condición de actividad (activ): Variable que clasifica a los individuos como ocupados, desocupados o inactivos. Es clave para identificar la situación laboral. o4: Señala si la persona ha trabajado alguna vez. Esta variable es fundamental, ya que se utiliza comoproxy de experiencia laboral. o5: Mide la disponibilidad inmediata para trabajar. Permite diferenciar entre desempleo activo y otras situaciones. o6: Identifica si la persona buscó trabajo o no, lo que ayuda a comprender si no tiene trabajo por barreras de entrada al mercado laboral o simplemente porque no a buscado trabajo.
Procesos estadísticos Para responder la pregunta de investigación, se pueden aplicar los siguientes análisis: - Estadística descriptiva: Se utilizarán frecuencias y porcentajes para describir la distribución de las variables (por ejemplo, proporción de jóvenes con y sin experiencia laboral).
- Tablas de contingencia: Se cruzará la variable de experiencia (04) con la condición de actividad (activ) para observar si existe relación entre haber trabajado antes y estar actualmente empleado o desempleado.
-Análisis comparativo: Se pueden comparar grupos (por ejemplo, jóvenes con experiencia vs sin experiencia) en términos de su situación laboral.
-Posible prueba estadística: Se podría aplicar una prueba de chi-cuadrado para evaluar si la relación entre experiencia laboral y empleo es estadisticamente significativa.
library(haven)
base_ocupacion_2 <- read_dta("C:/Users/marcelo/Downloads/base_ocupacion_2.dta") summary(base_ocupacion_2)## folio sexo edad ecivil
## Min. :100090201 Min. :1.000 Min. : 0.0 Min. :1.00
## 1st Qu.:188700501 1st Qu.:1.000 1st Qu.: 20.0 1st Qu.:1.00
## Median :279251001 Median :2.000 Median : 38.0 Median :4.50
## Mean :279104541 Mean :1.533 Mean : 39.3 Mean :4.46
## 3rd Qu.:369850401 3rd Qu.:2.000 3rd Qu.: 58.0 3rd Qu.:8.00
## Max. :458332101 Max. :2.000 Max. :104.0 Max. :8.00
## NA's :1423
## pco1 numper esc pobreza
## Min. : 1.00 Min. : 1.000 Min. : 0.0 Min. :1.000
## 1st Qu.: 1.00 1st Qu.: 2.000 1st Qu.: 8.0 1st Qu.:3.000
## Median : 2.00 Median : 3.000 Median :12.0 Median :3.000
## Mean : 3.46 Mean : 3.545 Mean :11.2 Mean :2.914
## 3rd Qu.: 5.00 3rd Qu.: 4.000 3rd Qu.:14.0 3rd Qu.:3.000
## Max. :15.00 Max. :10.000 Max. :25.0 Max. :3.000
## NA's :1589 NA's :2
## pobreza_multi_5d activ ysub ysubh
## Min. :0.0000 Min. :1.000 Min. : 0 Min. : 0
## 1st Qu.:0.0000 1st Qu.:1.000 1st Qu.: 0 1st Qu.: 0
## Median :0.0000 Median :1.000 Median : 0 Median : 27985
## Mean :0.1704 Mean :1.903 Mean : 29984 Mean : 89480
## 3rd Qu.:0.0000 3rd Qu.:3.000 3rd Qu.: 23917 3rd Qu.: 152717
## Max. :1.0000 Max. :3.000 Max. :1849188 Max. :1849188
## NA's :143 NA's :1541
## yautcor yautcorh o2 o32
## Min. : 833 Min. : 0 Min. :1.000 Min. :-88.000
## 1st Qu.: 250000 1st Qu.: 450000 1st Qu.:2.000 1st Qu.: 1.000
## Median : 443183 Median : 840000 Median :2.000 Median : 1.000
## Mean : 661474 Mean : 1832449 Mean :1.973 Mean : 2.735
## 3rd Qu.: 721250 3rd Qu.: 1450000 3rd Qu.:2.000 3rd Qu.: 6.000
## Max. :41500000 Max. :76500000 Max. :2.000 Max. : 6.000
## NA's :3556 NA's :4879 NA's :3735
## o21 o24 o4 o6
## Min. :-88.000 Length:8367 Min. :1.00 Min. :1.000
## 1st Qu.: 1.000 Class :character 1st Qu.:1.00 1st Qu.:2.000
## Median : 1.000 Mode :character Median :1.00 Median :2.000
## Mean : 1.145 Mean :1.35 Mean :1.902
## 3rd Qu.: 1.000 3rd Qu.:2.00 3rd Qu.:2.000
## Max. : 3.000 Max. :2.00 Max. :2.000
## NA's :5817 NA's :5126 NA's :5126
## o12 o19 o16 o22
## Min. :-88.000 Min. :-88.0000 Min. :-88.0000 Min. :1.000
## 1st Qu.: 1.000 1st Qu.: 1.0000 1st Qu.: 1.0000 1st Qu.:1.000
## Median : 1.000 Median : 1.0000 Median : 2.0000 Median :1.000
## Mean : 1.106 Mean : 0.2063 Mean : 0.6592 Mean :1.109
## 3rd Qu.: 1.000 3rd Qu.: 1.0000 3rd Qu.: 2.0000 3rd Qu.:1.000
## Max. : 5.000 Max. : 3.0000 Max. : 2.0000 Max. :3.000
## NA's :4782 NA's :5817 NA's :7346 NA's :5817
## o11 o20 o7 o14
## Min. :-88.0000 Min. :-99.0000 Min. : 1.000 Min. :-88.000
## 1st Qu.: 1.0000 1st Qu.: 1.0000 1st Qu.: 6.000 1st Qu.: 3.000
## Median : 3.0000 Median : 1.0000 Median :11.000 Median : 3.000
## Mean : 0.6363 Mean : 0.7063 Mean : 9.804 Mean : 2.311
## 3rd Qu.: 3.0000 3rd Qu.: 1.0000 3rd Qu.:12.000 3rd Qu.: 3.000
## Max. : 3.0000 Max. : 4.0000 Max. :19.000 Max. : 3.000
## NA's :4782 NA's :5817 NA's :5443 NA's :4782
## o10 o29 o18 o25
## Min. :-88.00 Min. :1.00 Min. :-99.000 Min. :-88.000
## 1st Qu.: 40.00 1st Qu.:2.00 1st Qu.: 1.000 1st Qu.: 1.000
## Median : 45.00 Median :2.00 Median : 1.000 Median : 4.000
## Mean : 39.65 Mean :1.95 Mean : -2.305 Mean : -0.923
## 3rd Qu.: 45.00 3rd Qu.:2.00 3rd Qu.: 2.000 3rd Qu.: 5.000
## Max. : 84.00 Max. :2.00 Max. : 3.000 Max. : 6.000
## NA's :4782 NA's :4782 NA's :5817 NA's :4782
## o5
## Min. :1.000
## 1st Qu.:2.000
## Median :3.000
## Mean :2.527
## 3rd Qu.:3.000
## Max. :3.000
## NA's :5126library(dplyr)##
## Adjuntando el paquete: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(haven)
# Crear nueva base para gráficos
base_ocupacion_grafico <- base_ocupacion_2 %>%
mutate(
sexo = ifelse(is.na(sexo), "Sin información", as.character(as_factor(sexo))),
edad = ifelse(is.na(edad), "Sin información", as.character(edad)),
o4 = ifelse(is.na(o4), "Sin información", as.character(as_factor(o4))),
o5 = ifelse(is.na(o5), "Sin información", as.character(as_factor(o5))),
activ = ifelse(is.na(activ), "Sin información", as.character(as_factor(activ))),
o6 = ifelse(is.na(o6), "Sin información", as.character(as_factor(o6)))
)categorizar las variables
base_ocupacion_grafico$activ <- factor(
base_ocupacion_grafico$activ,
levels = c(1, 2, 3),
labels = c("Ocupado", "Desocupado", "Inactivo")
)Pasamos los datos NA de cada variable como una categoria “Sin informacion” para poder graficar y comprender de mejor manera.
library(dplyr)
library(haven)
# Crear nueva base para gráficos
base_ocupacion_grafico <- base_ocupacion_2 %>%
mutate(
sexo = ifelse(is.na(sexo), "Sin información", as.character(as_factor(sexo))),
edad = ifelse(is.na(edad), "Sin información", as.character(edad)),
o4 = ifelse(is.na(o4), "Sin información", as.character(as_factor(o4))),
o5 = ifelse(is.na(o5), "Sin información", as.character(as_factor(o5))),
activ = ifelse(is.na(activ), "Sin información", as.character(as_factor(activ))),
o6 = ifelse(is.na(o6), "Sin información", as.character(as_factor(o6)))
)**Hacemos un grafico para ver la experencia vs la actividad laboral* 1. Experiencia laboral vs condición de actividad
library(ggplot2)
ggplot(base_ocupacion_grafico,
aes(x = o4, fill = activ)) +
geom_bar(position = "fill") +
labs(
title = "Condición laboral según experiencia previa",
x = "Experiencia laboral",
y = "Proporción",
fill = "Condición laboral"
) +
theme_classic()
- Sexo vs condición laboral Sirve para identificar brechas.
ggplot(base_ocupacion_grafico,
aes(x = sexo, fill = activ)) +
geom_bar(position = "fill") +
labs(
title = "Condición laboral según sexo"
) +
theme_classic()
- Grupo de edad vs condición laboral
library(dplyr)
base_ocupacion_grafico <- base_ocupacion_grafico %>%
mutate(
edad_num = as.numeric(edad),
grupo_edad = case_when(
is.na(edad_num) ~ "Sin información",
edad_num >= 15 & edad_num <= 29 ~ "Joven",
edad_num >= 30 ~ "Adulto"
)
)ggplot(base_ocupacion_grafico,
aes(x = grupo_edad, fill = activ)) +
geom_bar(position = "fill") +
labs(
title = "Condición laboral según grupo etario"
) +
theme_classic()
- Disponibilidad para trabajar vs condición laboral
ggplot(base_ocupacion_grafico,
aes(x = o5, fill = activ)) +
geom_bar(position = "fill") +
labs(
title = "Condición laboral según disponibilidad para trabajar"
) +
theme_classic()
- Búsqueda de empleo (o6) vs condición laboral
ggplot(base_ocupacion_grafico,
aes(x = o6, fill = activ)) +
geom_bar(position = "fill") +
labs(
title = "Condición laboral según búsqueda de empleo"
) +
theme_classic()