Factores que contribuyeron al incremento de la tasa desempleo durante la etapa de pandemia

1. Introducción

En México, a inicios de marzo de 2020 se estaba ante la expectativa de lo que causaría el virus que se propagaba cada vez con más velocidad a nivel mundial: el SARS-CoV-2.

A finales del mismo mes e inicios de abril ya se hablaba de consecuencias de la emergencia sanitaria por epidemia de la COVID-19.

El impacto se dejó sentir sobre la actividad económica mexicana y el mercado laboral se debilitaba por las medidas sanitarias que se habían adoptado; las empresas y negocios tuvieron que cerrar parando operaciones para aplicar el confinamiento y la sana distancia que los gobiernos decidieron accionar para evitar la propagación del virus.

Mientras que el trabajo a distancia denominado Teletrabajo o home office se incrementó, algunas personas tuvieron que enfrentarse a situaciones de bajas de sueldo o despidos cuando la crisis por la pandemia alcanzó su máximo nivel.

La Organización Internacional del Trabajo indicaba entonces un total de empleos de alto riesgo verse afectado por la pandemia rebasaba los 24 millones, lo que representa el 44% del empleo total en México.

Para Klaus y Terry (2020) el tiempo que se prolongue la recesión económica (generada por la pandemia) y su intensidad, así como su impacto sobre el crecimiento y el empleo, dependerán de tres cosas: 1) la duración y la gravedad del brote. 2) el éxito de cada país en la contención de la pandemia y la mitigación de sus efectos. 3) la cohesión de cada sociedad en la gestión de las medidas posteriores al confinamiento y las diversas estrategias de apertura.

Tamaño del archivo excel!

La pandemia provocada por la COVID-19 ha demostrado que las personas y las organizaciones son capaces de superarse, adaptarse a nuevos entornos y crecer ante situaciones imprevistas o adversas. Ahora el desafío está en mantener ese impulso para descubrir nuevas formas de trabajo que permitan crecer a largo plazo, incluso cuando la disrupción cambia constantemente el camino a seguir.

2. Marco Teórico

2.1 Tasa de desempleo

La Organización para la Cooperación y el Desarrollo Ecónomicos indica que “la tasa de desempleo se refiere a las personas en edad laboral que no tienen empleo, que están dispuestas a trabajar, y que han realizado acciones específicas para encontrar empleo”.

La aplicación de esta definición resulta en estimaciones de tasas de desempleo que son más comparables internacionalmente que las estimaciones basadas en las definiciones nacionales de desempleo.

Este indicador mide el número de personas desempleadas como porcentaje de la fuerza laboral y se ajusta de acuerdo a la temporalidad.

2.2 Fuerza laboral

Se define como el número total de personas desempleadas más aquellas que cuentan con empleo. Los datos se basan en encuestas laborales (LFS, por sus siglas en inglés). Para los países de la Unión Europea donde la información de las encuestas no está disponible mensualmente, las cifras mensuales de desempleo son calculadas por el Eurostat.

2.3 Tasa de desempleo por grupo de edad

Los desempleados son personas en edad de trabajar que no tienen trabajo, están disponibles para trabajar y han tomado medidas específicas para encontrar trabajo.

Se dice que la aplicación homogénea de esta definición da como resultado estimaciones de las tasas de desempleo que son más comparables internacionalmente que las estimaciones basadas en definiciones nacionales de desempleo.

Las tasas de desempleo se muestran para dos grupos de edad: personas de 15 a 24 años (recién egresados); y personas mayores de 25 años. Este indicador se mide en número de personas desempleadas como porcentaje de la población activa y está ajustado estacionalmente. La población activa se define como el número total de desempleados más los que tienen un empleo civil. Los datos se basan en Encuestas de Población Activa (EPA). Para los países de la Unión Europea donde no se dispone de información mensual de EPA, Eurostat estima las cifras mensuales de desempleados.

3. Recursos Metodológicos

La organización Internacional del Trabajo documentó los efectos de la COVID-19 en varios países de América Latina y el Caribe, tanto a través de informes nacionales como de análisis regionales por sector.

La fuente principal de los análisis disponibles son datos provenientes de la Encuesta Nacional de Ocupación y Empleo (ENOE) y de la Encuesta Telefónica de Ocupación y Empleo (ETOE) del INEGI.

Tamaño del archivo excel!

4. Resultados

Los resultados arrojaron los siguientes datos:

x <- read.csv("DP_LIVE_08122021084503959.csv")
nrow(x)
## [1] 10
ncol(x)
## [1] 8
names(x)
## [1] "ï..LOCATION" "INDICATOR"   "SUBJECT"     "MEASURE"     "FREQUENCY"  
## [6] "TIME"        "Value"       "Flag.Codes"
head(x)
##   ï..LOCATION INDICATOR SUBJECT MEASURE FREQUENCY TIME    Value Flag.Codes
## 1         MEX       HUR     TOT   PC_LF         A 2011 5.233573           
## 2         MEX       HUR     TOT   PC_LF         A 2012 4.952769           
## 3         MEX       HUR     TOT   PC_LF         A 2013 4.929466           
## 4         MEX       HUR     TOT   PC_LF         A 2014 4.828958           
## 5         MEX       HUR     TOT   PC_LF         A 2015 4.352943           
## 6         MEX       HUR     TOT   PC_LF         A 2016 3.881356
tail(x)
##    ï..LOCATION INDICATOR SUBJECT MEASURE FREQUENCY TIME    Value Flag.Codes
## 5          MEX       HUR     TOT   PC_LF         A 2015 4.352943           
## 6          MEX       HUR     TOT   PC_LF         A 2016 3.881356           
## 7          MEX       HUR     TOT   PC_LF         A 2017 3.419046           
## 8          MEX       HUR     TOT   PC_LF         A 2018 3.328549           
## 9          MEX       HUR     TOT   PC_LF         A 2019 3.494580           
## 10         MEX       HUR     TOT   PC_LF         A 2020 4.433232          B
str(x)
## 'data.frame':    10 obs. of  8 variables:
##  $ ï..LOCATION: chr  "MEX" "MEX" "MEX" "MEX" ...
##  $ INDICATOR  : chr  "HUR" "HUR" "HUR" "HUR" ...
##  $ SUBJECT    : chr  "TOT" "TOT" "TOT" "TOT" ...
##  $ MEASURE    : chr  "PC_LF" "PC_LF" "PC_LF" "PC_LF" ...
##  $ FREQUENCY  : chr  "A" "A" "A" "A" ...
##  $ TIME       : int  2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
##  $ Value      : num  5.23 4.95 4.93 4.83 4.35 ...
##  $ Flag.Codes : chr  "" "" "" "" ...
summary(x)
##  ï..LOCATION         INDICATOR           SUBJECT            MEASURE         
##  Length:10          Length:10          Length:10          Length:10         
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##   FREQUENCY              TIME          Value        Flag.Codes       
##  Length:10          Min.   :2011   Min.   :3.329   Length:10         
##  Class :character   1st Qu.:2013   1st Qu.:3.591   Class :character  
##  Mode  :character   Median :2016   Median :4.393   Mode  :character  
##                     Mean   :2016   Mean   :4.285                     
##                     3rd Qu.:2018   3rd Qu.:4.904                     
##                     Max.   :2020   Max.   :5.234
table(x$TIME)
## 
## 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 
##    1    1    1    1    1    1    1    1    1    1

Se tienen

attach(x)
mean(x$Value)
## [1] 4.285447
median(x$Value)
## [1] 4.393088
range(x$Value)
## [1] 3.328549 5.233573
sd(x$Value)
## [1] 0.7099207

Según los indicadores de la OCDE, La media de la fuerza laboral de 2011 a 2020 fue de 4.28%, la la mediana de 4.39%, en un rango de 3.32% a 5.23% y la desviación estandar oscila en 0.70%.

attach(x)
## The following objects are masked from x (pos = 3):
## 
##     Flag.Codes, FREQUENCY, ï..LOCATION, INDICATOR, MEASURE, SUBJECT,
##     TIME, Value
chisq.test(TIME&Value)
## Warning in chisq.test(TIME & Value): Chi-squared approximation may be incorrect
## 
##  Chi-squared test for given probabilities
## 
## data:  TIME & Value
## X-squared = 0, df = 9, p-value = 1

Para evaluar el indice de correlación se tiene que p value es igual a 1, lo cual indicaría una correlación positiva perfecta, entre el año y la tasa de desempleo, sin embargo de acuerdo a lo que se observó en el data frama no se tiene una variable factor el cual es una variable categórica con un número finito de valores o niveles.

MX <- read.csv("Employment-Indicators_2021.csv")
attach(MX)
class(MX)
## [1] "data.frame"
str(MX)
## 'data.frame':    15 obs. of  15 variables:
##  $ ï..Survey           : chr  "Mexico 2006" "Mexico 2006" "Mexico 2006" "Mexico 2006" ...
##  $ Short.name          : chr  "MEX" "MEX" "MEX" "MEX" ...
##  $ Year                : int  2006 2006 2006 2006 2010 2010 2010 2010 NA NA ...
##  $ Income.Group        : chr  "UMI" "UMI" "UMI" "UMI" ...
##  $ Region              : chr  "LAC" "LAC" "LAC" "LAC" ...
##  $ Size                : chr  "All" "Small (1-19)" "Medium (20-99)" "Large (100+)" ...
##  $ Indicator           : chr  "100.0%" "22.0%" "34.8%" "43.1%" ...
##  $ Expanded            : chr  "46.1%" "42.6%" "53.9%" "70.4%" ...
##  $ Expansion           : chr  "8.3%" "5.3%" "7.4%" "10.7%" ...
##  $ Share.in.Expansion  : chr  "100.0%" "15.0%" "31.5%" "53.5%" ...
##  $ Contracted          : chr  "13.5%" "14.3%" "11.7%" "7.7%" ...
##  $ Contraction         : chr  "1.3%" "2.1%" "1.2%" "0.8%" ...
##  $ Share.in.Contraction: chr  "100.0%" "38.0%" "34.7%" "27.3%" ...
##  $ Net.Change          : chr  "7.0%" "3.3%" "6.2%" "9.8%" ...
##  $ Share               : chr  "100.0%" "10.9%" "31.0%" "58.2%" ...
data("iris")
head(iris)
##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1          5.1         3.5          1.4         0.2  setosa
## 2          4.9         3.0          1.4         0.2  setosa
## 3          4.7         3.2          1.3         0.2  setosa
## 4          4.6         3.1          1.5         0.2  setosa
## 5          5.0         3.6          1.4         0.2  setosa
## 6          5.4         3.9          1.7         0.4  setosa

5. Conclusiones

El mercado laboral mexicano muestra brechas en términos de acceso al trabajo y de la cantidad de empleos disponibles, desde antes de la pandemia mundial, sobre todo para ciertos grupos específicos de población, aunque los indicadores globales parezcan estables.

La pandemia provocada por la COVID-19 ha demostrado que las personas y las organizaciones son capaces de superarse, adaptarse a nuevos entornos y crecer ante situaciones imprevistas o adversas. LA meta es mantener ese impulso para descubrir nuevas formas de trabajo que permitan crecer a largo plazo, aún con los cambios constantes.

De acuerdo con la encuesta realizada por la firma Price Waterhouse Coopers (PWC) Nueva Normalidad, nuevas formas de trabajo (2021) los empleadores se enfrentan a nuevos retos relacionados con el personal; otra forma de conservar los empleos es adaptarse a las nuevas formas de ejecutar los trabajos: evaluar la estrategia de trabajo remoto, incluido el solicitar a los empleados que dejen de trabajar temporalmente o que se reubiquen, atender las presiones sobre la tecnología informática existente de la empresa y su infraestructura de comunicación con el propósito de apoyar el trabajo remoto durante la crisis.