You are on page 1of 184

ESTIMACIÓN DE LA DURACIÓN DEL EMPLEO Y DESEMPLEO EN IBAGUÉ PARA EL PERIODO 2001-2008.

TENDENCIAS A 2010

LINA PAOLA PEÑALOZA GIRALDO DIEGO FERNANDO RAMIREZ REINOSO

FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS PROGRAMA DE ECONOMÍA UNIVERSIDAD DEL TOLIMA JULIO 2012

ESTIMACIÓN DE LA DURACIÓN DEL EMPLEO Y DESEMPLEO EN IBAGUÉ PARA EL PERIODO 2001-2008. TENDENCIAS A 2010

LINA PAOLA PEÑALOZA GIRALDO DIEGO FERNANDO RAMIREZ REINOSO

Trabajo de grado para obtener el título de economista

DIRECTOR DE TRABAJO DE GRADO: JORGE HUMBERTO RENZA MELÉNDEZ Magíster en Economía

FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS PROGRAMA DE ECONOMÍA UNIVERSIDAD DEL TOLIMA JULIO 2012

[2]

[3]

[4] .

051 de Ibagué. por ello La Facultad de Ciencias Económicas y Administrativas de la Universidad del Tolima. 1. el director del trabajo de grado y el jurado calificador no son responsables de las mismas ni de los errores que aun persistan. Diego Fernando Ramírez Reinoso. con la debida cita de reconocimiento de la autoría y cede a la misma universidad de los derechos patrimoniales con fines de investigación. No. [5] . consagrados en el artículo 72 de la Ley 23 de 1982 y las normas que lo constituyan o modifiquen.” Artículo 17.Ibagué. autorizan a la Universidad del Tolima la reproducción total o parcial de este documento.C.110. docencia e institucionales.C. Tolima.483. Tolima.479.220 de Ibagué. Resolución 015 de Diciembre 18 de 1978. No. Identificada con C. Los autores Lina Paola Peñaloza Giraldo. Julio de 2012 ADVERTENCIA “Las ideas expuestas en el presente trabajo son responsabilidad del autor. Identificado con C.110. Reglamento de Trabajos de Grado. 1.

Finalmente. este triunfo también es para Alejito y Lunita. rumba y rock. Abuela Efigenia y familiares que ya no nos acompañan esto también es para ustedes. Marleny. También quiero compartir esta alegría con mi hermano Diego Peñaloza y me mejor amiga Paola Guarnizo por su apoyo incondicional y motivador que me encamina a nunca desfallecer. En segundo lugar quiero dedicar este logro a mis amigos del colegio y de la vida quienes me enseñaron que además de estudio y disciplina la vida necesita diversión. Blanca y Julia. quienes siempre se han alegrado por mis triunfos y siempre me han brindado ayuda y sincero cariño. Lina Paola Peñaloza Giraldo El presente logro.DEDICATORIA Este trabajo es resultado de un proceso de dedicación y esfuerzo. Mis tías. Mis hermanas Liliana Ramírez y Natalia Luna quienes desde niñas se han preocupado por mí y me han acompañado en cada una de mis travesías. quienes con paciencia y comprensión me han apoyado en las decisiones que he tomado en el plano personal y profesional. espero que en nuestra vida no solo nos acompañen los triunfos académicos. a mi familia encabezada por mis padres Miriam Reinoso y Fernando Ramírez quienes con amor. quiero dedicarlo en primer lugar. Diego Fernando Ramírez Reinoso [6] . a mis compañeros de luchas políticas. lo dedico con todo mi amor a mi madre Ludivia Giraldo y a mi padre Guillermo Peñaloza. A mis tíos. profesores y amigos. primos. sabiduría y comprensión me apoyaron incondicionalmente en cada una de mis victorias y han sido consuelo en mis derrotas. que mis aciertos y errores sean ejemplo para ustedes. por su solidaridad. Mary. En general dedico este importante logro de mi vida a todos mis compañeros. En tercer lugar quiero dedicar esto. producto de un gran esfuerzo y tiempo. Gladys. amistad y compañía.

todos aportaron elementos indispensables en este proceso de formación académica y personal. Un agradecimiento especial para los profesores. mejorando las falencias y potenciando las habilidades. Igualmente a Juan Fonseca y Francia Cerquera que con su sincero apoyo y generosidad nos abrieron las puertas de su casa en los momentos necesarios. Andrés Rocha. quienes no solo nos formaron en las distintas asignaturas de la carrera. nos orientó hacia la realización y el buen desarrollo del trabajo investigativo. que con su asesoría. a la Oficina Central de Investigaciones. trabajadores y especialmente a los estudiantes y en mayor medida a aquellos que fueron compañeros de clase. Germán Dulcey. conocimiento y experiencia. A nuestros amigos de debate con quienes intercambiamos ideas académicas y además nos aconsejaron sobre el desarrollo de esta investigación. profesores. A Gloria Carolina Orjuela que con paciencia y generosidad brindo el conocimiento necesario para dar finalización a la investigación. a la facultad de Ciencias Económicas y Administrativas a los directivos. sin su colaboración las cosas habrían sido más difíciles. como libres pensadores. Finalmente. Jhon Fredy Ariza. sino también contribuyeron en nuestra formación integral como ciudadanos con pensamiento crítico. [7] . Ramiro Gálvez. Enrique Ramírez.AGRADECIMIENTOS A nuestro director de trabajo de grado Jorge Renza. Roberto Díaz y Alexander Blandón. Luis Eduardo Acuña. Edwin Martínez. Gabriel Guzmán. a la Universidad del Tolima.

CONTENIDO Pág.1. PLANTEAMIENTO DEL PROBLEMA 1. INTRODUCCIÓN 20 1.2. MARCO TEORICO 5.1.1 REVISIÓN LITERARIA 5.1 Análisis de Datos 6.3 FORMULACIÓN DEL PROBLEMA 2. METODOLOGÍA 6. JUSTIFICACIÓN 21 21 25 25 26 3.2 ELECCIÓN TEORICA 6.1 Selección del modelo paramétrico 29 29 33 44 44 44 45 47 [8] .2 Modelos Paramétricos 6.2 IDENTIFICACIÓN DEL PROBLEMA 1.2 OBJETIVOS ESPECIFICOS 4.1 DISEÑO METODOLÓGICO 6.1 OBJETIVO GENERAL 3. HIPÓTESIS 27 27 27 28 5. OBJETIVOS 3.1.1 DESCRIPCIÓN DEL PROBLEMA 1.

6.2 Tasa de ocupación por edad 7.1.1.2.3 Ocupados por edad 7.1.1. DURACIÓN DEL EMPLEO 8.1 Tasa de ocupación por sexo 7.2 Ocupados por sector económico 7.4 Duración del empleo por nivel de cualificación 60 60 60 61 63 64 [9] .1 Ocupados por sexo 7.2.2.1.4 Tasa de ocupación por posición en el hogar 50 50 51 52 54 56 57 57 57 58 58 8.2 Elección del modelo de riesgo proporcional 6.3 Duración del empleo por edad 8.1.6 Ocupados por posición ocupacional 7.2 TASAS DE OCUPACIÓN EN IBAGUÉ 2001-2008 7.1.1.2 Duración del empleo por posiciones en el hogar 8.1. CARACTERIZACIÓN POBLACIÓN OCUPADA 50 7.1 CARACTERIZACIÓN POBLACIÓN OCUPADA EN LA CIUDAD DE IBAGUÉ 2001-2008 50 7.1 Duración del empleo por sexo 8.1 DURACIÓN DEL EMPLEO EN IBAGUÉ 2001-2008 8.3 Tasa de ocupación por nivel educativo 7.5 Ocupados por posición en el hogar 7.1.1.1.2.4 Ocupados por nivel educativo 7.2.3 Modelo no paramétrico 47 48 7.

5 Duración del empleo por sector económico 8.3 Desocupados por nivel educativo 11.1 Modelos no paramétricos de duración del empleo 9.1.1. HOMBRES Y MUJERES 84 11.1.4 Modelos paramétricos de duración del empleo 9.2.2.1.2. MODELOS DE DURACIÓN DEL EMPLEO 9.6 Duración del empleo por posición ocupacional 65 66 9.8.2.1 Desocupados por sexo 11.6 Desocupados por rama de actividad económica 11.1.1.4 Desocupados por posición en el hogar 11.1 CARACTERIZACIÓN POBLACIÓN DESOCUPADA EN LA CIUDAD DE IBAGUÉ 2001-2008 11.2 TASA DE DESEMPLEO (TD) DE IBAGUÉ [10] 85 85 85 86 87 88 89 89 90 .4.2.3Modelos semiparamétrico de duración del empleo 9.1 VARIABLES MODELOS DE SUPERVIVENCIA 9. CARACTERIZACIÓN POBLACIÓN DESEMPLEADA 11.5 Desocupados por posición ocupacional 11.2 Desocupados por edad 11. DETERMINANTES DE LA DURACIÓN DEL EMPLEO EN LA POBLACIÓN GENERAL OCUPADA.1 Elección del modelo paramétrico de riesgo proporcional de duración del empleo 68 68 69 69 75 76 77 77 10.2 Test de hipótesis por duración del empleo 9.1.2 RESULTADOS MODELOS DURACIÓN DEL EMPLEO EN IBAGUÉ 9.1.

4 Tasa de desempleo por posición en el hogar 90 91 91 91 12.1.1 RESULTADOS MODELOS DE DURACIÓN DEL DESEMPLEO 13.11. DURACIÓN DEL DESEMPLEO 12.1.1.2 Duración del desempleo por posición en el hogar 12.2.1.4 Duración del desempleo por nivel de cualificación 12.1 Modelos no paramétricos de duración del desempleo 13.2. RECOMENDACIONES [11] 117 .1 Duración del desempleo por sexo 12. DETERMINANTES DE LA DURACIÓN DEL DESEMPLEO EN LA POBLACIÓN GENERAL DESOCUPADA.1.1.1.1 Tasa de desempleo por sexo 11.3 Tasa de desempleo por nivel educativo 11.1. CONCLUSIONES 114 16.3 Duración del desempleo por grupos de edad 12. HOMBRES Y MUJERES 99 99 104 105 106 113 15.1 DURACIÓN DEL DESEMPLEO EN IBAGUÉ 2001-2008 12.5 Duración del desempleo por posición ocupacional 13.4 Modelos paramétricos de duración del desempleo 14.2 Test de hipótesis por duración del desempleo 13.1.3 Modelos semiparamétricos de duración del desempleo 13.2.2 Tasa de desempleo por edad 11. MODELOS DE DURACIÓN DEL DESEMPLEO 93 93 93 94 95 96 97 99 13.1.

REFERENCIAS 118 ANEXOS 122 [12] .

Función Kaplan Meier Duración del Empleo por Pareja en Ibagué. Perfiles de ganancias por edades con y sin estudios universitarios Figura 7. Función Kaplan Meier Duración del Empleo por Rango de Edad. España 38 Figura 6. 2001 y 2010 70 Figura 14. Ocupados por Posición Ocupacional Figura 12. 2001. 2001 y 2010 Figura 15. Función Kaplan Meier Duración del Empleo por Asalariados en Ibagué.2009 Figura 3. 2001 y 2010 73 Figura 17.LISTA DE FIGURAS Figura 1. Curva de Indiferencia de renta y ocio Figura 4. Maximización de la Utilidad: la elección optima entre el ocio y la renta 23 24 37 37 Figura 5. Función Kaplan Meier Duración del Empleo según Posición en el Hogar. Perfiles de ganancias por edades según el nivel de estudios.2009 Figura 2. Ocupados por Niveles Educativos Agrupados en Ibagué 2001-2008 Figura 10. Función Kaplan Meier Duración del Empleo por Nivel Educativo en Ibagué. Ocupados por posición en el Hogar en Ibagué 2001-2008 Figura 11. Función Kaplan Meier Duración del Empleo por Sexo. Tasa de Ocupación por edades para Ibagué 39 51 52 53 56 56 57 Figura 13. 2001 y 2010 71 72 Figura 16. Tasa de Desempleo Ibagué vs Total Trece Ciudades. 2001 74 Figura 18. 2001. 2001 y 2010 75 [13] . Edad de los Ocupados en Ibagué 2001-2008 Figura 9. Ocupados por principales sectores económicos en Ibagué 2001-2008 Figura 8. Indicadores del Mercado Laboral Ibagué.

Función Kaplan Meier Duración del Desempleo por Nivel Educativo en Ibagué. 2010 103 Figura 31. 2001 y 2010 102 Figura 30. 2001 y 2010 101 Figura 29. Desocupados por Edad en Ibagué 2001-2008 Figura 21. 2001 y 2010 99 Figura 27. Función Kaplan Meier Duración del Desempleo por Dependientes en Ibagué 2010 104 Figura 32. Función Kaplan Meier Duración del Desempleo por Pareja en Ibagué. Desocupados en la ciudad de Ibagué 2001 -2008 Figura 20. Función Kaplan Meier Duración del Desempleo por Posición en el Hogar en Ibagué.Figura 19. 2010 104 [14] . Tasa de Desempleo en Ibagué 2001-2008 90 Figura 26. Desocupados por Grado de Cualificación para Ibagué 2001-2008 Figura 22. Desocupados por Posición en el hogar para Ibagué 2001-2008 Figura 23. Expulsados por Posición Ocupacional para Ibagué 2001-2008 85 86 87 88 89 Figura 24. Función Kaplan Meier Duración del Desempleo por Rangos de Edad en Ibagué. 2001 y 2010 100 Figura 28. Función Kaplan Meier Duración del Desempleo por Sexo en Ibagué. Función Kaplan Meier Duración del Desempleo por Asalariados. Desocupados expulsados por Ramas de Actividad para Ibagué 20012008 89 Figura 25.

2008 y 2010 82 Tabla 15. Crecimiento de la Población Desocupada en Ibagué 2001-2008 Tabla 17. Salidas Modelos Población Femenina Ocupada en Ibagué. 2001. Promedio TD por Nivel Educativo en Ibagué 2001-2008 [15] 85 91 91 . Modelos Duración del Empleo en Ibagué. Salida Resumen Modelo Tipo Cox Duración Empleo Población en Ibagué 76 Tabla 12. 2008 y 2010 79 Tabla 14. Promedio Duración del Empleo por Nivel de Cualificación en Ibagué 2001-2008 50 57 58 58 60 62 63 64 Tabla 9. 2001. 2004. Promedio TO por Nivel Educativo para Ibagué Tabla 4. Promedio Duración del Empleo por Posición en el Hogar 2001-2008 Tabla 7. Pruebas modelos Paramétricos Duración del Empleo en Ibagué. Promedio Duración del Empleo por Posición Ocupacional en Ibagué 2001-2008 67 Tabla 11. 2001 y 2010 78 Tabla 13. Promedio TO por Posición en el Hogar para Ibagué Tabla 5. 2004. Crecimiento de la Población Ocupada en Ibagué 2001-2008 Tabla 2. Promedio de las TO por Edades para Ibagué 2001-2008 Tabla 3. Promedio TD por Edades en Ibagué 2001-2008 Tabla 18. 2001. Salidas Modelos Población Masculina Ocupada en Ibagué. Duración del Empleo por Sexo en Ibagué 2001-2008 Tabla 6. 2008 y 2010 83 Tabla 16. Promedio Duración del Empleo por Sector Económico en Ibagué 20012008 65 Tabla 10. 2004. Promedio Duración del Empleo por Rangos de Edad 2001-2008 Tabla 8.LISTA DE TABLAS Tabla 1.

2001 105 Tabla 26. Duración del Desempleo por Edades en Ibagué 2001-2008 96 Tabla 23. Promedio TD por Posición en el Hogar en Ibagué 2001-2008 Tabla 20. Pruebas modelos Paramétricos Duración del Desempleo en Ibagué. Duración del Desempleo por Nivel de Cualificación en Ibagué 20012008 96 Tabla 24. Duración del Desempleo por Posición Ocupacional en Ibagué 20012008 97 Tabla 25. 2008 y 2010 Tabla 29. 2008 y 2010 110 101 [16] . 2001. Salida Modelo Cox Duración del Desempleo en Ibagué. 2004. 2001. 2001. 2008 y 2010 107 Tabla 28.Tabla 19. 2004. 2004. Duración del Desempleo por Sexo en Ibagué 2001-2008 91 94 Tabla 21. Salidas modelo Población Femenina Duración del Desempleo en Ibagué. Duración del Desempleo por Posición en el Hogar en Ibagué. Salidas modelos Población General Duración del Desempleo en Ibagué. Salidas modelo Población Masculina Duración del Desempleo en Ibagué. 2001 y 2010 106 Tabla 27. 20012008 95 Tabla 22.

2001-2008 Anexo G. 2009 123 Anexo C. Profesionales por Posición Ocupacional en Ibagué Anexo I. Función Kaplan Meier Duración del Empleo Con Pareja. 2010 124 125 125 125 126 126 126 Anexo M. Hombre y Mujer. Test Log Rank Duración del Empleo Total General. Hombre y Mujer. Tasas de Desempleo por 13 ciudades principales en Colombia. 2010 135 Anexo O. 2009 123 Anexo B. Comportamiento Otros Sectores Económicos en los Ocupados de Ibagué 124 Anexo F. 2001 141 [17] . Promedio Tasa de Ocupación por Posición en el Hogar en Ibagué Anexo L. 2001 128 Anexo Ñ. Tasa Global de Participación de los Jóvenes en Ibagué Anexo H.LISTA DE ANEXOS Anexo A. Pirámide Población en Ibagué. Tasas de Ocupación y Desempleo para América latina. 2001 y 2010 127 Anexo N. Promedio Tasa de Ocupación por Grupos Etarios en Ibagué Anexo J. Comportamiento Tasa Global de Participación en Ibagué 123 124 Anexo E. Comportamiento Población Ocupada en Ibagué Anexo D. Modelos Semiparamétrico Tipo Cox por Total de Ocupados. Promedio Tasa de Ocupación por Niveles Educativos en Ibagué Anexo K. Test Log Rank Duración del Empleo Total General. Función Kaplan Meier Duración del Empleo Hijos Dependientes.

2001 158 Anexo A2. Tasa Global de Participación de los Jefes de Hogar Anexo V. AIC y Log Likelihood por total Desocupados. hombres y Mujeres para el 2001. Pruebas BIC. AIC y Log Likelihood por total Ocupados. Promedio Tasa de Desempleo por Grupos de Edad Anexo W. Población Económicamente Activa en Hijos Anexo U. Pruebas BIC.Anexo P. 2001 158 Anexo A3. Hombre y Mujer. 2001 157 Anexo A1. Población Económicamente Activa en los Adultos de 30 a 45 años Anexo S. Función Kaplan Meier Duración del Desempleo por Asalariados. 2001 y 2010 Anexo A6. Hombre y Mujer 2010 165 Anexo A4. hombres y Mujeres para el 2001. Hombres y Mujeres. Salidas programa Stata Modelos Paramétricos por total de Desocupados. Función Kaplan Meier Duración del Desempleo Hijos Dependientes. 2001 y 2010 142 Anexo Q. Salidas programa Stata Modelos Paramétricos por total de Ocupados. Test Log Rank Duración del Desempleo Total General. Función Kaplan Meier Duración del Desempleo Con Pareja. Modelos Semiparamétrico: Tipo Cox por Total de Desocupados. Población Económicamente Activa por Nivel de Cualificación Anexo T. 2008 y 2010 148 Anexo R. Test Log Rank Duración del Desempleo Total General. 2001 154 155 155 155 156 156 156 157 Anexo Z. 2001 172 Anexo A5. 2004. Promedio Tasa de Desempleo por Nivel Educativo Anexo X. Hombres y Mujeres. Promedio Tasa de Desempleo por Posición en el Hogar Anexo Y. 2004. 2008 y 2010 173 179 [18] .

se toman en consideración la estadística descriptiva (medidas de tendencia central) y la utilización de modelos paramétricos de supervivencia. El documento contiene los principales resultados analizados desde el marco de la teoría neoclásica del mercado laboral.RESUMEN El presente documento parte de la preocupación por investigar la crisis laboral que ha presentado la ciudad de Ibagué en la primera década del siglo XXI. la vinculación de variables personales y sociales con una mayor o menor duración del empleo y desempleo. y en concordancia con los avances en los estudios a nivel nacional. así como. teniendo como fuente la información obtenida de la Gran Encuesta Integrada de Hogares (GEIH). modelos de duración y modelos paramétricos. para una persona en la ciudad de Ibagué que esté ubicada en distintos grupos poblacionales (según características demográficas y socioeconómicas) durante el período 2001 . Weibull y Gompertz. y las probabilidades de cambiar de estado en el mercado laboral. se plantea el objetivo de estimar el tiempo promedio de duración del empleo y desempleo.2008. duración del desempleo. [19] . para lo cual. usando la función exponencial. Para tales estimaciones. encontrándose en la mayoría de los casos coherencia entre los resultados obtenidos y los planteamientos teóricos. Palabras claves: Duración del empleo. presentándose casos de personas con características específicas que ostentan altas duraciones en el desempleo y bajas duraciones en el empleo.

INTRODUCCIÓN El estudio de la economía laboral permite entender fenómenos económicos que inciden en el desarrollo de las sociedades. En el texto Economía Laboral de McConnell, Brue y Macpherson (2003 ) se afirma que: “la economía laboral nos sirve para entender las causas y consecuencias de las grandes tendencias socioeconómicas que se han producido” (p. 2). Los avances en el manejo de datos, los nuevos desarrollos econométricos y de software, complementan el estudio laboral y permiten entender mejor la realidad. De la misma manera, la microeconomía ayuda a comprender desde una perspectiva particular la toma de decisiones económicas. La investigación acerca del mercado laboral es amplia, y por lo tanto es necesario estudiar fenómenos específicos que contribuyan a explicar y predecir el comportamiento de las variables estudiadas, con el fin de ayudar en el diseño de políticas públicas. En este sentido, el mercado de trabajo podría enfocarse en dos pilares: 1) empleo, tipo y estabilidad; y 2) desempleo, características y duración. El estudio de la duración del desempleo, tal como lo plantean Castellar y Uribe (2006) “…solo es un elemento más de la estructura, en la cual la tasa de desempleo es el producto de la tasa de entrada al mismo y la duración media, de acuerdo al modelo de estado estacionario propuesto por Layard, Nickell y Jackman (1991)” (p.2). Este estudio sobre la duración se sitúa dentro del desarrollo de la teoría y modelo de búsqueda de trabajo, que se centra en el problema de optimización en el uso del tiempo. La concepción macroeconómica intenta observar y explicar el tiempo medio de búsqueda, los costos sociales asociados y la concentración de la duración según grupos vulnerables; en la perspectiva microeconómica, la preocupación radica en la relación entre características sociodemográficas y de capital humano del agente económico con su salario de reserva y el ofrecido por el mercado, relación que determina su tiempo de búsqueda (Castellar & Uribe, 2006, p.2). En ese mismo orden de ideas, el desempleo empeora cuando está acompañado de una larga duración, que produce un costo social elevado. Si adicional a esto el empleo que se genera no logra forjar la estabilidad deseada, se conduce a una mayor incidencia al desempleo. El análisis de la duración del empleo y desempleo, permite identificar el tipo de mercado laboral existente en la ciudad de acuerdo a la caracterización por grupos poblacionales. Este tipo de análisis intenta estimar cuánto tiempo permanecen las personas en desempleo y empleo, además busca analizar las relaciones entre la duración y las características de los individuos, lo que permite identificar los
[20]

grupos poblacionales más vulnerables y con las menores probabilidades para conseguir o mantener el empleo. La duración del desempleo depende de una serie de variables de la oferta laboral que determinan el salario de reserva, y de elementos de la demanda que inciden sobre la probabilidad de recibir ofertas de trabajo y se reflejan sobre el salario potencial de los individuos. Las implicaciones sociales de permanecer por largos períodos en desempleo traen como consecuencias no percibir ingresos, perdida de motivaciones, ya que puede desanimar las personas y generar un sentimiento de infortunio, la posibilidad de depreciación del capital humano, dado que, entre más duren en desempleo su productividad se reducirá. De igual forma, se reducen las posibilidades de reenganche laboral cuando las firmas prefieren trabajadores con menores tiempo de desempleo. Una mayor tasa de desempleo terminaría “castigando” a los agentes con mayores duraciones. (Orjuela, 2010, p.26). El propósito de la investigación es conocer las características del mercado laboral en la ciudad de Ibagué, analizar la evolución de la duración del empleo y desempleo, y encontrar los determinantes principales de la duración del mismo. Esto último, se realiza con una modelación econométrica en la cual se presentan las probabilidades de cambio de un estado de desempleo al empleo o del empleo al desempleo, de acuerdo a diversas características demográficas y socioeconómicas.

[21]

1. PLANTEAMIENTO DEL PROBLEMA

1.1 DESCRIPCIÓN DEL PROBLEMA El desempleo es conformado por las personas que haciendo parte de la Población en Edad de Trabajar (PET) no está empleada y lleva tiempo en busca de empleo, estando disponible para emplearse en cualquier momento. Considerando lo anterior, para integrar la lista de desempleados técnicamente es necesario ser parte de la PET y de la Población Económicamente Activa (PEA). El desempleo es un fenómeno que demanda mayor estudio hoy en día, ya que no solo es un problema económico sino que sus efectos se extienden al plano social, por lo cual, la solución sobrepasa lo económico. La persona que se encuentra desempleada no percibe ingresos y no puede participar normalmente en la economía; además, una duración elevada en desempleo genera un efecto psicológico negativo (Dornbush& Fischer, 2008). El problema del desempleo se agrava, ya sea porque tiene períodos de larga duración y grupos específicos de población no logran vincularse rápidamente a algún puesto de trabajo o porque los que logran emplearse pierden su empleo de forma rápida; sin embargo, es probable que dispongan de buenas condiciones de vinculación en el corto período. Para el año 2009, el promedio de la tasa de desempleo de Latinoamérica (TD) se acerca a 8,5%; Colombia sobrepasa esa cifra, con una TD de 12,7%, siendo lo anterior un reflejo de la crisis laboral del país. Sumado a ello, naciones vecinas como Perú y Venezuela presentan cifras de desempleo para el segundo trimestre del 2009 de 8.2 y 7.2%respectivamente. (Comisión Económica para América Latina [CEPAL] 2009, p.5). (Ver Anexo A) En relación con lo anterior, el Informe de Progreso Económico y Social (IPES) del Banco Interamericano de Desarrollo (BID), titulado Se buscan buenos empleos: Los mercados laborales en América Latina, realiza un diagnóstico del mercado laboral en América Latina, exponiendo elementos de gran interés. El primero de ellos, el infortunio que se ha presentado en este mercado, producto del fracaso de las instituciones. Este fallo no solo ha generado pérdidas productivas o bajas tasas de crecimiento, sino también ha agudizado los problemas sociales. (BID, 2004, p.13). En este sentido, el latinobarómetro muestra, que la población latinoamericana considera los problemas vinculados con el mercado laboral como uno de los más relevantes (BID, 2004, p.14). Un segundo elemento es el acelerado incremento de la participación laboral femenina, fenómeno que aún no está estabilizado y tiende a seguir presentándose en los próximos años.

[22]

Asimismo.7% (Ver Anexo B) sobresalen ciudades como Bucaramanga. Estos datos revelan el mal comportamiento que ha presentado la ciudad en materia laboral. Pereira y Pasto ostentan tasas muy por encima del promedio. que presentan unas tasas por debajo del promedio Nacional. Barranquilla y Bogotá. 2001.El IPES hace mención especial al tema de la duración del desempleo. concentrándose en la preponderancia de los desocupados de larga duración. cerca de la mitad de la población desocupada se ubica en el desempleo de larga duración. finalizando los noventa. se presenta un promedio de TD de 12. que se estiman a través de las variables “proxy” Tasa Global de Participación (TGP) y Tasa de Ocupación(TO). considerados como aquellos que llevan un año o más en búsqueda de empleo. fue mayor para Estados Unidos que para Colombia. respectivamente. Figura 1. la brecha comienza a crecer desde 2001 sin que a lo largo del período pueda detectarse una tendencia clara a reducirse. hace evidente el elevado desempleo que presenta Ibagué con relación a las trece áreas metropolitanas a lo largo de la década del 2000.19). desluciéndose Ibagué por presentar una TD cercana al 20%. Tasa de Desempleo Ibagué vs Total Trece Ciudades. Fuente: Informe Trimestral de Coyuntura laboral (2009). ciudades como Ibagué.2009. Analizando la situación de Colombia para el 2009. (BID. Los datos de incidencia del desempleo de larga duración en la década de los noventa. junto con Uruguay. Un análisis más detallado del mercado laboral Ibaguereño necesariamente debe abordar la oferta y demanda de fuerza de trabajo. 2004. p. [23] . Observatorio del Empleo del Tolima La figura 1. sin embargo. Medellín.

donde el desempleo de larga duración cayó a un 39%. (1986-1995) y tendencias recientes (1996-1999). (Renza. En 1986. con contratos de trabajo con una duración hasta de un año. los que se ubican por cuenta propia y empleo particular. Observatorio del Empleo del Tolima Si bien se presenta un comportamiento positivo de la TO (Tasa de Ocupación) a lo largo del período.720 personas es decir. [24] . el cual es definido como el trabajo esporádico o no continuo. la brecha entre oferta y demanda no tiene una clara tendencia a cerrarse. porque puede ser reflejo del incremento en la informalidad. Blandón (s.f. lo que ocasiona que el desempleo se mantenga elevado. por lo que se exhibe una tasa elevada de empleo de baja calidad o empleo basura. los más jóvenes especialmente el rango de 12 a 19 años.Figura 2. 2009) En el libro Estructura y dinámica del mercado laboral en Ibagué. 1993 y 1995. Blandón también hace referencia al empleo temporal para el período 1996 a 1999. principalmente para los que tienen educación primaria y ninguna. 2001.5% de la mano de obra empleada. por lo cual es válido establecer si el cambio genera una reversión en la tendencia de la duración del desempleo en la ciudad. el 50% de los desempleados llevaban más de 6 meses buscando trabajo.2009 Fuente: Informe Trimestral de Coyuntura laboral (2009). los operarios no agrícolas y los vinculados al sector servicios. es decir. El incremento de la TO y de la TGP es relevante. se observa que el desempleo se inclinó hacia una duración más de corto plazo. efectuado en algunas épocas o períodos. La investigación muestra un incremento del empleo temporal. López (2008) plantea que en la década del noventa el desempleo en Ibagué se comportaba de forma similar al promedio de las áreas metropolitanas y después de la crisis del 1999 este comportamiento cambia e Ibagué empeora su situación laboral. En el 2009 la informalidad alcanzó la cifra de 151. Indicadores del Mercado Laboral Ibagué. este es minimizado por el aumento de la TGP. comparado este porcentaje con el que se presenta en tres períodos de tiempo 1989.) menciona el comportamiento que presenta la duración del desempleo en distintos períodos de tiempo. el 68.

debido tanto a problemas de oferta de fuerza de trabajo. el problema puede agravarse si el desempleo es de larga duración y si los empleos que se crean no son estables. Colombia en la primera década del siglo XXI ha mantenido una de las TD más altas de Latinoamérica. y en este sentido Ibagué ha presentado por varios años las tasas más altas de desempleo en el país. Ahora bien.evidenciado en un incremento de la TGP-. 2008).1.2 IDENTIFICACIÓN DEL PROBLEMA El desempleo.3 FORMULACIÓN DEL PROBLEMA ¿Cuál es el tiempo medio de duración del empleo y desempleo para una persona económicamente activa en Ibagué. de acuerdo a diferentes características socioeconómicas durante el período 2001-2008? [25] . pobreza y desigualdad. 1. además de la violencia. como también a problemas de demanda laboral por la incapacidad de la economía de absorber la mano de obra disponible(Aldana& Arango. es una de las grandes preocupaciones de la sociedad colombiana.

donde la estimación del tiempo que una persona puede tardar para conseguir empleo o del tiempo que logra mantenerse como empleada es fundamental en este propósito y se ha ido realizando para Colombia y ciudades como Bogotá. siendo un incentivo para nuevas investigaciones que contribuyen a servir de base documental y apoyo para los creadores y ejecutores de políticas públicas en favor del progreso económico y el bienestar social. en el año 2000 se inicia la Encuesta Continua de Hogares (ECH) e Ibagué hace parte de las trece áreas metropolitanas lo que permite obtener datos más confiables. Se escoge el período de 2001 a 2008. Ibagué en lo que va de la primera década del siglo XXI. que permita establecer el tipo de desempleo y la estabilidad de los empleos existentes en la ciudad. JUSTIFICACIÓN Colombia presenta las tasas de desempleo más altas de Suramérica. este estudio de duración del empleo y desempleo permitirá encontrar a quienes golpea más el desempleo en términos de duración y quienes no logran ubicarse en puestos estables. En consonancia con lo anterior. [26] . siendo este hecho motivo y causa de la constante investigación sobre el mercado laboral. sobrepasando en algunos períodos los 20 puntos. conviniendo una investigación en este campo. debido a dos circunstancias: primero. Segundo. ha mantenido la tasa de desempleo por encima del promedio nacional. la formulación de políticas económicas y sociales. es en este período de tiempo donde Ibagué presenta los peores indicadores de empleo. la disponibilidad de los datos es esencial para la realización de un estudio de esta índole.2. Por tal motivo y para contribuir a la solución del problema. Los resultados de este estudio permitirán entender mejor la problemática. Para Ibagué se han realizado algunos estudios enfocados principalmente en canales de búsqueda sin profundizar en el tema de duración. Cali y Medellín. demanda estudios específicos sobre el mercado laboral.

3. OBJETIVOS

3.1 OBJETIVO GENERAL  Estimar el tiempo promedio de duración del empleo y desempleo, y las probabilidades de cambiar de estado en el mercado laboral, para una persona en la ciudad de Ibagué que esté ubicada en distintos grupos poblacionales según características demográficas y socioeconómicas durante el período 2001 a 2008.

3.2 OBJETIVOS ESPECÍFICOS     Caracterizar la población que se encuentra empleada y desempleada en la ciudad de Ibagué para el período 2001 a 2008. Analizar la evolución de la duración del empleo y desempleo para los ibaguereños en los diferentes grupos poblacionales. Encontrar las probabilidades de cambio de estado para los diferentes grupos poblacionales. Establecer los determinantes de la duración del desempleo y empleo para la ciudad de Ibagué.

[27]

4. HIPÓTESIS En Ibagué se presenta un importante fenómeno, de desempleo de larga duración que afecta principalmente a las mujeres, los mayores de 45 años, los que disponen de alta cualificación, los hijos y aquellos que pretenden emplearse como asalariados. Lo anterior, se explica por la existencia de un mercado laboral caracterizado por una ocupación que privilegia con altas duraciones a los Hombres, Jefes de hogar, personas con pocos niveles educativos y ubicados en sectores con poca absorción de mano de obra como el sector gobierno e industrial.

[28]

5. MARCO TEÓRICO

5.1 REVISIÓN LITERARIA Dentro de la experiencia internacional se destacan los estudios de España, Argentina y de Ros para la CEPAL, que analizan a profundidad el problema de la duración del empleo y desempleo, planteando los siguientes resultados: Arranz y Muro (2000) en el documento La duración del desempleo en presencia de altas tasas de paro: El caso de la argentina, investigan sobre los determinantes del desempleo. Los resultados de las estimaciones indican que las condiciones locales del mercado de trabajo desempeñan un papel importante en la explicación de la magnitud de las tasas de salida del paro en Argentina y muestran a Buenos Aires como la ciudad que tiene el mercado laboral más favorable y con menor desempleo. Concluyen que las condiciones familiares adversas, en términos de la situación de actividad del Jefe de familia y del número de parados en el hogar, generan una relación inversa con las tasas de salida del paro, es decir, incrementos en la condiciones familiares adversas reducen las tasa de salida del paro; sin embargo los datos utilizados no permiten avalar la influencia del efecto calendario* y de las responsabilidades familiares sobre la duración del desempleo. Ros (2005) en su trabajo titulado El Desempleo en América Latina desde 1990 , concluye que el alto desempleo presente en la región es producto, entre otros, de un lento proceso de acumulación de capital, especialización hacia el desarrollo de los sectores intensivos en recursos naturales que se caracterizan por no generar mayor cantidad empleos, el declive de sectores relacionados con la manufactura y bienes primarios, el incremento en la informalidad, el diferencial salarial, la persistencia de rigidez en el mercado laboral, y una débil reglamentación laboral y empleo. Estas son algunas de las características propias del mercado laboral latinoamericano. Bullón (2005) en su trabajo Empresas de trabajo temporal y la salida del desempleo concluye que a pesar de sufrir una alta tasa de desempleo, España presenta una alta tasa de salida del desempleo, especialmente para duraciones muy cortas, lo cual indica que aunque en un momento determinado la tasa de desempleo sea muy alta, cada mes son muchos los individuos que salen del desempleo. Sin embargo, se encuentra que cuando la estancia en el desempleo pasa un determinado umbral, 5 ó 6 meses, cada vez se hace más difícil salir del mismo, convirtiendo a estos trabajadores en parados de larga duración, con una situación difícil de solucionar, en especial para determinados grupos de población.
*

Es la influencia que sobre la duración del desempleo tiene la fecha según calendario en el que la persona entra al desempleo.

[29]

relacionando lo anterior a problemas de calificación de mano de obra. a mayor edad. nivel educativo etc. desempleo y mercados laborales en Colombia. Así mismo se encuentra que las mujeres tienen una duración del desempleo superior a 12 meses. además. La Misión Chenery o del Empleo(1986) en su estudio El problema laboral colombiano: diagnóstico. sostiene que la existencia del desempleo demuestra claramente los desajustes en el mercado laboral. finalmente los cambios en la duración a través de los años. en el estudio denominado Participación. Por un lado. para el caso de los hombres solteros se ha comportado contrario al ciclo económico. este costo se estima como el producto del número de desempleados por el tiempo medio de búsqueda y proporciona una idea sobre el desperdicio del recurso humano que implica el desempleo. Mercado Laboral y Urbano y Retos para una Política de Empleo . perspectivas y políticas.) y agrega el tipo de contrato.A continuación se presentan las principales investigaciones que se han realizado para Colombia en los últimos 25 años. 2) en coherencia con su anterior trabajo. el incremento en los años de educación ha tenido un efecto negativo en la duración. utilizan datos de la Encuesta de Hogares de los años 1988. López (1994) en su estudio Contexto Macroeconómico Colombiano. estima la duración del desempleo a partir de la Encuesta de Hogares (1976-1988).Dentro de los resultados más significativos del estudio se encuentra que después de la crisis de la economía a comienzos de la década de los ochenta se reduce la duración del desempleo pasando de 40 semanas. 3) la duración del desempleo se incrementa a mayores años de educación. 4) El modelo que utiliza el autor es Weibull y busca ajustar la función de supervivencia. ya sea permanente o temporal. la duración para las mujeres ha disminuido notablemente. si se es mujer. tienen poco que ver con cambios en las características de los desempleados y obedecen a variaciones en la actividad económica. [30] . obtiene los siguientes resultados respecto a la duración del desempleo: 1) encuentra que la probabilidad de conseguir empleo se va reduciendo a medida que se incrementa el tiempo de búsqueda. López (1988) en el trabajo La duración del desempleo y el desempleo de larga duración en Colombia. en la estructura del mercado y en las estrategias de búsqueda. en 1987. sexo. Tenjo y Ribero (1998). Por otro lado. 1994 y 1996 para el mes de junio. a partir de estos estiman la duración del desempleo. y si no se dispone de experiencia laboral previa. Los resultados más relevantes se observan cuando se compara el comportamiento a través de los años. si se es soltero. Las altas tasas de desempleo son preocupantes para una economía. incluye variables tradicionales (edad. pero lo más alarmante es el costo social que implica permanecer por largos períodos de desempleo. durante la crisis de 1981 a 1985 a 37 semanas. la duración del tiempo de búsqueda ha disminuido.

el sexo. y los trabajadores del sector formal. entre los resultados del estudio se destacan: 1) la cifra de duración de desempleo para ocupados es de 8 semanas mientras que para los desocupados es de 13. El modelo de supervivencia recoge 35 variables. De acuerdo con este modelo. para el año 1997 la duración volvió a incrementarse alcanzando 35 semanas. encontrando una relación positiva entre la tasa y duración del desempleo. gas. Por nivel educativo. Ellos elaboran un modelo econométrico que contrasta la información del área metropolitana de Cali 1988 – 1998. número de Hijos etc. la experiencia y el coeficiente de variación salarial. presentando una duración de 33 semanas para los hombres y 37 para las mujeres. los determinantes de la duración del desempleo son: la posición en el hogar. su duración del desempleo es de 38. sector económico. lo que implica que aunque existen mayores probabilidades para ciertos grupos de salir del desempleo.. utilizando los datos de la Encuesta Nacional de Hogares en el mes de septiembre para el período de 1984 a 1997. obtienen la duración del desempleo en semanas. Por edades. los que participan dentro de sectores productivos. la duración del desempleo por rama de actividad económica muestra que para la minería y petróleo la duración llega a 50 semanas. mientras que para 1994.5 semanas. posición ocupacional. las mujeres que tienen más hijos.5 meses. se registra un descenso que llega a 26 semanas. ciudad. los jóvenes de 12 a 17 años presentan la menor duración con cerca de 22 semanas. como minera. mientras en aquellos con más de15 años de educación. la duración alcanza su máximo de 38 semanas. Para todos los años de estudio la duración del desempleo fue mayor para las mujeres que para los hombres. concluyen que la teoría de la búsqueda es útil para analizar la duración del desempleo. estado civil. como edad. el nivel educativo. 3) modelo de duración en el empleo es consistente con el modelo de duración en el desempleo. 2) los grupos con menos probabilidad de salir del desempleo son los mayores de 45. quienes tienen 11 años de estudio o universidad incompleta. educación. 1976-1998. [31] . mientras que para la agricultura alcanza 29 semanas. sin embargo para 1997 la brecha se incrementa de 2 a 4 semanas. sin embargo. Martínez (2004) En su trabajo Un análisis de supervivencia: ¿cuánto duran los colombianos en el desempleo y el empleo? utiliza información de la Encuesta de Hogares para las principales 10 ciudades de Colombia. los ingresos no laborales del trabajador. comparando las cifras de duración del desempleo en 1988 con las del 2002 hay casi una duplicación en el tiempo promedio. las personas con menos años de educación tienen en promedio una duración del desempleo de 27 semanas. desempleo cíclico y estructural y la duración del desempleo. En 1985. electricidad y agua. Finalmente. Castellar y Uribe (2006) en su trabajo titulado Determinantes de la duración del desempleo en el área metropolitana de Cali 1988-1998. mientras que los adultos mayores presentan la mayor duración con 40 semanas.Núñez y Bernal (1998) en el trabajo El desempleo en Colombia: tasa natural. también duran menos tiempo empleados.

hay un incremento del desempleo friccional. (1997) en el estudio llamado Mercado laboral urbano en Ibagué: Tendencias y desafíos”. Finalmente.) en Estructura y dinámica del mercado laboral en Ibagué. sucede lo opuesto en períodos de desaceleración económica. Millán y Renza. coincidiendo con un salario de reserva más bajo.en la [32] . se encuentra que en el modelo general una mayor educación incrementa la probabilidad de salir del desempleo. influyen en una menor duración del desempleo. se incrementa considerablemente a partir de 1995 pasando de 1. mientras que.Uribe y Viáfara (2008) en su trabajo titulado Duración del Desempleo y Canales de Búsqueda de Empleo en Colombia 2006. (1986 – 1995) y tendencias recientes (1996 – 1999) encuentra que en los años de estudio el desempleo comienza a tornarse más de corta duración. En Ibagué las principales Investigaciones sobre la duración del empleo y desempleo son: Gálvez. el desempleo de larga duración se reduce pasando de 50% de la población desempleada en 1986 a 39% en 1995 y por lo tanto. menor educación. Aranzález y Osorio (2011) en su documento de trabajo de grado Análisis de los canales de búsqueda de empleo 2008 y duración del desempleo 2008. los canales de empleo más formales como convocatorias y avisos clasificados permiten al individuo conseguir empleo más rápido y estable.f. Para los años 1993 – 1995 el desempleo de largo plazo se incrementa debido a la crisis económica de 1995. 3) La proporción de trabajadores que permanecen más de un año buscando trabajo.3%. como mínimo el 35% de la población llevaba menos de un mes buscando empleo. 2) la proporción de trabajadores que duraban entre 17 y 52 semanas buscando trabajo crece para todos los años de estudio (1981 a 1995).2010. las personas que se encuentran en el rango de 30 a 39 años responden por el 37% de las personas que han buscado trabajo por más de 6 meses pero sin superar los 12 meses. Finalmente.8% a 14. estiman modelos para los cálculos de la duración a partir de modelos de supervivencia: Los autores encuentran que la variable canales de búsqueda por los individuos es determinante dentro de la duración del desempleo. hay una mayor duración del desempleo para quienes utilizan las redes sociales como canal de búsqueda. Blandón (s. las variables relacionadas con características personales del individuo como Jefes de hogar. mayor experiencia laboral. Se evidencia un incremento en número de desempleados de larga duración los cuales llevan más de 12 meses en búsqueda de empleo. Durante el período1989-1993. Hombres. presentan en. De igual forma. puesto que. Ibagué según el autor. con información de la Encuesta Continua de Hogares del segundo trimestre del 2006. relación con la duración del desempleo los siguientes resultados: 1) durante las fases expansivas de la economía la duración del desempleo disminuye. tiene una alta tasa de desempleo de mediano plazo.

expresada en tres formas: fluctuante. Dentro de los principales resultados encuentran. que en las mujeres a medida que se incrementa el nivel educativo la probabilidad de conseguir empleo se hace mayor. Ahora bien. Marx. es uno de los temas más debatidos por las escuelas de pensamiento económico. Keynes y neoclásicos han dado explicación al trabajo y al problema que conlleva la ausencia de este. expulsando fuerza de trabajo (dentro de ellos [33] .2 ELECCIÓN TEÓRICA El mercado de trabajo. Los clásicos. el trabajo cumple un papel de mediación social. con la única diferencia. se hace referencia a los diferentes aportes teóricos y conceptuales sobre el mercado de trabajo por parte de Marx y Keynes. que en el capitalismo se da a partir de la compra y venta de fuerza de trabajo. y que su precio se expresa en el salario que recibe. Antes de mencionar el soporte teórico de la investigación. Para Marx el ser humano es un ser social. Pero este reemplazo no solo es por máquinas sino por obreros más jóvenes y preparados. Estos obreros sin trabajo conforman el ejército industrial de reserva a disposición del capital. pone de manifiesto lo que hoy se entiende como mercado de trabajo. En este sentido. a medida que se incrementa el nivel educativo se reduce la probabilidad de salir del desempleo. se considera como una población relativa fluctuante. que las mujeres a mayor edad. para el total de la población sin especificar por sexo. ser jefe de hogar incrementa la probabilidad de conseguir empleo. donde los resultados obtenidos concuerdan con los derivados de las pruebas no paramétricas. sin embargo. es decir. 5. como el período de tiempo en que está el obrero semiocupado o desocupado por completo. la probabilidad de salir del desempleo se reduce. Marx concluye que la fuerza de trabajo es una mercancía peculiar. 2006) La masa de trabajadores que es consecutivamente desplazada debido a la sustitución que se presenta entre incremento de la tecnificación del capital y la reducción en la utilización de mano de obra. que es producto de la sobrepoblación relativa.Ciudad de Ibagué” utilizan modelos tipo no paramétrico Kaplan Meier para establecer las probabilidades de mantenerse desempleados. para Marx el desempleo es un fenómeno persistente en las economías capitalistas. Los autores no evalúan modelos paramétricos y estiman un modelo semiparamétrico tipo Cox para hombres y mujeres. que define. latente y estancada (citado por Neffa. Existe una masa de sobrepoblación relativa que viene de sectores no capitalistas de la producción tales como el agrícola tradicional que se ve afectado por las nuevas técnicas de producción. A diferencia de los Clásicos. subordinado a otro. dentro del capitalismo el trabajo se vuelve heterónomo.

En palabras de Marino Féliz y Julio C. La utilidad del salario (real) es igual a la desutilidad marginal del trabajo. encontrando una relación directamente proporcional entre la riqueza social y la sobrepoblación relativa. pero de forma irregular. Keynes no está de acuerdo con que el desempleo sea producto de la terquedad de los trabajadores. que si los salarios reales y el volumen de producción están relacionados de una sola forma. como los huérfanos e Hijos de indigentes y las que no. que hay una orientación automática hacia la ocupación plena. p. y 2). el capital encuentra fuerza de trabajo disponible para ciertas ramas de explotación.mujeres y niños) hacia las ciudades. especialmente ataca el postulado sobre la existencia del ajuste automático del mercado de trabajo. en la cual. 61) Los aportes de Keynes buscan crear una nueva teoría del empleo distinta a la que los clásicos planteaban. Este flujo Marx lo señala como latente. 2006. la desocupación se reducirá si se reducen los salarios reales. Este proceso de pauperización se deriva en el crecimiento de la diferencia entre valor de la fuerza de trabajo y la masa de valores de uso. Por fuera de la clasificación de la sobrepoblación relativa se encuentra un grupo de población que se sitúa en el pauperismo que según Marx es “el peso muerto del ejército industrial de reserva” (citado por Neffa. se considera como sobrepoblación estancada. es la demanda global la que determina el nivel de ocupación y es la ocupación la que determina el salario real. Neffa: “…la acumulación de capital genera una creciente desigualdad entre el salario obrero y la riqueza acumulada en las manos del capitalista…” (Neffa. La existencia de una población ocupada. Dentro de este grupo se encuentran dos tipos de personas: las que son aptas para el trabajo. 2006. para Pigou “La desocupación tal como existe en cualquier momento es debido íntegramente al hecho de que las condiciones de la demanda están cambiando continuamente y que las resistencias friccionales impiden que los ajustes apropiados a los salarios se hagan instantáneamente” (citado por Neffa. p. que significa que al incrementarse la productividad del trabajo se incrementa el valor real de la producción sin que se presente un incremento en el nivel de salarios. él plantea que la teoría clásica enfoca a la desocupación en dos premisas fundamentales: 1).110). donde los salarios se relacionan con el nivel de demanda. Por lo tanto. Keynes no está de acuerdo con este postulado. En el análisis de la primera premisa se encuentra. lo que pone de manifiesto que la desocupación tendría su origen en la intransigencia de los trabajadores en aceptar un determinado salario real que no corresponda a su productividad marginal. Este último [34] . cuando se incrementa la ocupación se reduce el salario real. En este sentido el efecto es inverso. Que el salario ( real) es igual al producto marginal del trabajo. como las personas incapacitadas para trabajar. Pigou plantea en su teoría del desempleo. donde las condiciones económicas de los trabajadores son inferiores al promedio. 2006.56). p.

Este desempleo se genera por una demanda efectiva insuficiente que frena el aumento de la ocupación. existen factores que influyen en esta. se puede iniciar el análisis de la Teoría de Mercado Laboral y de Búsqueda de Empleo que combina aspectos microeconómicos sobre la elección individual con variables objetivas sobre las cuales se pretende fundamentar esta investigación. 127). que no logra elevar la producción para ocupar plenamente a la fuerza de trabajo. El salario está fijado de forma exógena por los convenios colectivos de trabajo siendo un salario monetario en el que no se toma en cuenta dentro de esta fijación el volumen del empleo. Por tanto. Considerando los aportes de estos dos importantes economistas. [35] . que no reaccionan de igual manera cuando se reduce su salario real producto del incremento de los precios. sino que aumenta el desempleo involuntario producto de que al disminuir la demanda efectiva disminuye la producción y por ende la demanda de trabajo. no de las fallas del mercado -como exponían los neoclásicos. Para Keynes los tipos de desocupación que plantean los clásicos ( friccional y voluntaria) no son suficientes y falta lo más importante. que es definida como la imposibilidad de conseguir empleo a un determinado nivel de salarios vigente o incluso a un nivel de salario menor. Contrariamente. 2006. Keynes plantea que no existe un verdadero mercado de trabajo como lo entendían los clásicos. la cual está basada en que la baja de los salarios nominales no incrementa el empleo. sin olvidar las críticas y aportes de Marx y Keynes. p. esto quiere decir. La decisión de pertenecer a la PET no es una decisión autónoma. esto es producto. el mercado de trabajo no sería sino una ficción teórica para tratar de explicar los distintos fenómenos basados en las reglas de la oferta y la demanda. la decisión de pertenecer a la PEA es autónoma y por lo tanto. imposibilitando llegar a niveles de pleno empleo. puesto que son los empleadores quienes crean los empleos dependiendo del nivel de demanda de bienes de consumo e inversión. para él los trabajadores no pelean por incrementos en el salario real sino por el nominal. el trabajo no es una verdadera mercancía. Contrario a la concepción neoclásica. Del anterior razonamiento se puede desprender una de las principales discrepancias que tiene Keynes con los neoclásicos. sino que la inclusión depende de la edad. la involuntaria. Al igual que el salario no es un precio. según Barrére (citado por Neffa.planteamiento es base para los cuestionamientos que sobre la segunda premisa tiene Keynes. en este sentido. En conclusión. no hay relación entre salario y cantidad de empleo. como sucede con cualquier bien. para Keynes.sino producto de un desequilibrio propio del sistema económico. Los trabajadores asumirían deliberadamente la defensa del salario nominal con el fin de proteger el salario real frente a otros trabajadores.

considerando que se analiza al individuo y este determina la mejor combinación de una variedad de actividades sujetas a una restricción presupuestaria. 2003. como las demográficas que incluyen las tasas de mortalidad. variables no económicas de largo plazo. 16) Desagregando los factores. entran a integrar lo que se conoce como oferta laboral (McConnell et al. y por estar sujetos a fenómenos de corto y largo plazo.17). natalidad y los fenómenos migratorios. se tiene por un lado. 2003. los factores de tipo económico se caracterizan por ser de corto plazo y estar relacionados con el ciclo económico y con el nivel de ingresos de las familias. y las socioculturales.. Dentro de la decisión para distribuir el tiempo de forma óptima. Lo anterior permite a partir de curvas de utilidad encontrar el nivel de ingresos. la subjetiva del individuo.Los factores que son tomados en cuenta para pertenecer al mercado laboral se caracterizan por ser de tipo económico y no económico. los agentes con las condiciones para laborar y con disponibilidad de tiempo fijo. Por otro lado. [36] .. p. se deben considerar dos clases de variables. Según la teoría neoclásica de oferta laboral. y la objetiva del mercado (McConnell. deciden distribuir el tiempo entre su actividad laboral y su actividad de ocio. Las personas que toman la decisión de hacer parte del mercado laboral. et al. en el cual una persona prefiere destinar más horas diarias al trabajo y menos horas al ocio o viceversa. que envuelven cambios de comportamiento cultural acerca de los papeles desempeñados dentro de la sociedad por hombres y mujeres. A partir de las curvas de indiferencia (figura 3) se aborda la decisión entre ocio y renta desde un contexto microeconómico. es decir su preferencia acerca del ocio y el trabajo. p.

éste se sujeta a una restricción presupuestaria. Economía Laboral p.Figura3.. Fuente: McConnell. muchos de éstos no dedican [37] . de la teoría se desprenden explicaciones acerca de la no participación en el mercado laboral.17 Continuando con el proceso de decisión del agente. Brue & Macpherson (2003). Economía Laboral (6ta.). La figura 4 describe mejor la situación. p. Por un lado. Figura4. Curva de Indiferencia de renta y ocio. que es el salario medido en términos de horas laborales. 2003.23 Ahora bien. Ed. Maximización de la Utilidad: la elección optima entre el ocio y la renta. los estudiantes disponen de curvas de indiferencia y restricción presupuestaria particulares. et al. Fuente: McConnell. El agente maximiza su utilidad escogiendo el punto óptimo donde es tangente la curva y la restricción.

España. ya sea por herencia o por asistencia social.17) Economía Laboral. Perfiles de ganancias por edades según el nivel de estudios. De acuerdo con esto..87 * Entre más alta es la elasticidad mayor será la sensibilidad a cambios en el valor del salario. Por tal motivo. 2003. 1998). el primero llamado de decisión familiar y producción doméstica. 2003. 87). Figura 5. et al. “cuando una persona invierte en capital físico. p. situándose como Población Económicamente Inactiva (PEI). sujeta al ingreso familiar en relación con el ingreso potencial en el mercado laboral (Tenjo& Ribero. existen otros grupos poblacionales que prefieren ser inactivos. p. que buscará siempre estar ocupado sin considerar el salario que le ofrezcan. et al. Fuente: McConnell. La responsabilidad del jefe de hogar respecto al mantenimiento de su familia es tan grande. 2003.ni una hora al mercado laboral. Una explicación a este hecho se obtiene del análisis del salario de reserva. y el segundo de uso del tiempo planteado por Gary Becker. sí el salario que le ofrecen en el mercado es menor al de reserva. las esposas e hijos responden a una elasticidad mayor. La teoría también sustenta que entre mayor sea el nivel de educación... definido como el salario más alto al que una persona decide trabajar (McConnell. [38] . et al. se incrementa tanto la probabilidad de pertenecer al mercado laboral como el salario de reserva (figura 5). su salario de reserva es bajo. y su elasticidad* de oferta de participación es pequeña. p. adquiere un activo que se espera que aumente su corriente de beneficios netos en un período de tiempo”. el individuo no participará en el mercado laboral. Este último es importante para la clasificación entre miembros secundarios y primarios del hogar. De igual forma que los estudiantes. Esta inversión prevé que se incurra en algunos gastos actuales de capacitación con el fin de incrementar sus ingresos en el futuro (McConnell. p. Según el modelo de Capital Humano expuesto por Gary Becker. como lo son aquellos quienes prefieren dedicar tiempo al cuidado del hogar y los que disponen de una mayor renta no laboral.36). Dos modelos permiten ampliar el análisis de la economía laboral.

Figura6. Perfiles de ganancias por edades con y sin estudios universitarios

Fuente: McConnell; et al., 2003, p.17) Economía Laboral. p..88

La edad es otra variable de análisis, las personas con menor edad disponen -sin que se consideren estudiantes- de un salario de reserva más bajo que el resto de la población, puesto que, según la teoría del ciclo vital a medida que van aumentando sus años van incrementando sus ingresos, sin embargo, llegan a un punto donde los ingresos comienzan a reducirse (figura 6), siendo una explicación a este fenómeno la depreciación de su capital humano. Por esto es racional que las personas laboren muchas horas en su juventud, ya que el costo de oportunidad de no trabajar se va incrementando; pero a medida que envejece, este costo es disminuye, así que preferirá convertirse en inactivo (McConnell, et al., 2003, p. 75). La participación de la mujer se sustenta en el modelo de decisión familiar. Las tasas de actividad femenina presentan un aumento entre las edades de 25 y 54 años, superando al grupo de 20 a 24 años que presenta dos tendencias. La primera, el incremento de los trabajos extra-domésticos y la segunda, el deseo de prolongar e intensificar la educación. Para el caso de las mujeres casadas que pertenecen a hogares con renta baja, se ven obligadas a ingresar al mercado laboral por necesidad económica, mientras que aquellas que pertenecen a familias con una renta alta, prefieren mantenerse en el hogar. El incremento de la actividad femenina puede explicarse por las siguientes causas: a) aumento de los salarios reales de las mujeres (provocado por una mayor cualificación); b) los cambios que se han presentado en las preferencias y aptitudes (entre ellos, la disminución de la discriminación a la Mujer y los principios de igualdad de género); c) el aumento de la productividad en el hogar (la reducción de la cantidad de tiempo para la producción como para el consumo dentro del hogar); d) el descenso de las tasas de natalidad; e) el aumento de las tasas de divorcio (incremento del vínculo con el mercado laboral); f)el aumento en el acceso de la búsqueda de empleo (supeditado en gran medida con el cambio de actitud de la población); g) el intento de un alto nivel de vida (el lento crecimiento del salario real de los hombres) (McConnell, et al., 2003, p. 65).

[39]

Finalmente dentro de este análisis microeconómico, el estado civil también juega un importante papel. Los hombres casados presentan una participación laboral alta debido a que existe una predisposición social de considerarlo como el Jefe de hogar. De igual forma, se plantea que para las mujeres casadas su participación laboral depende del nivel de ingresos familiares, así mismo las Mujeres solteras o divorciadas incrementan su actividad laboral. En el caso de los Hombres solteros su salario de reserva es más alto. Las teorías de empleo buscan plantear dos cuestiones fundamentales, por un lado explicar los factores que inciden en la tasa media de desempleo en períodos de largo tiempo. Por otro lado, se refieren al comportamiento cíclico del mercado de trabajo. En este sentido, la teoría sobre fluctuaciones económicas ayuda a entender si los cambios en la demanda de trabajo generan variaciones en el nivel de empleo. La ley de Okun, estipula una relación entre desempleo y crecimiento económico, donde a menor crecimiento mayor desempleo (Romer, 2005, p. 180). Cuando se estudia la duración del empleo -desempleo- se está haciendo referencia a la duración promedio en que una persona permanece empleada – desempleada-, para lo cual se consideran tres períodos: corta, mediana y larga duración. El concepto de corta duración del desempleo puede catalogarse dentro del desempleo friccional, puesto que, las personas no consiguen empleo de manera inmediata debido principalmente a inconvenientes en la información. Como lo plantea Romer (2005) una importante porción del desempleo que se observa tiene un fuerte componente de desempleo friccional. El desempleo de larga duración está asociado al desempleo estructural, según McConnell, et al. (2003) “… el primero se diferencia en que es prolongado. Por lo tanto, puede tener grandes costes para los parados…” además: “El paro estructural se debe a los cambios de la composición de la oferta y la demanda de trabajo…” (McConnell, et al., 2003, p. 558-560). También existe el desempleo de mediana duración, que puede estar integrado por componentes friccionales, estructurales y cíclicos. Sus costos son mayores que los del desempleo de corta duración. El modelo de Stocks y Flujos plantea la existencia de una gran limitación dentro de la TD, la cual consiste en que no distingue entre personas con cortos períodos de desempleo y aquellas que presentan una larga duración. Los datos transversales de las encuestas de hogares muestran el stock de las personas que se sitúan en las categorías de la PET (Desocupados, Ocupados, Inactivos) pero no el flujo entre ellas.

[40]

Las tasas de desempleo basadas en los Stocks y los Flujos muestran en primer lugar, que la evidencia empírica indica que una cantidad de desempleo se debe a prolongados períodos de un bajo número de personas. En segundo lugar, en períodos de recesión económica, se incrementan los despidos, y se reducen las contrataciones superando la deserción voluntaria. En tercer lugar, más de un tercio de los desempleados son aspirantes y personas que salen de la inactividad. Finalmente, en las primeras fases de la recuperación económica las TD son más altas, debido a las perspectivas que estimulan a los inactivos a buscar empleo (McConnell, et al., 2003). El enfoque neoclásico supone que todas las personas deberían estar empleadas si fueran iguales y si dentro del mercado laboral no existieran imperfecciones. Pero como ya se menciona en los aportes de Marx y Keynes, la realidad es distinta, las personas no son iguales, no tienen las mismas características físicas ni intelectuales, al igual que los beneficios, los cambios en la tecnología, la rigidez en los salarios, los subsidios entre otras variables tienen un efecto distinto en la duración del desempleo. Teniendo en cuenta la revisión anterior, se asume que la duración del desempleo está en función de las características personales de cada individuo, con el ciclo económico, y con la cantidad y duración de los beneficios económicos (Núñez & Bernal, 1998, p. 45-46).Como se conoce, en períodos de auge es común que se incremente la probabilidad de ser empleado, sin embargo, puede darse un incremento del salario de reserva por parte de los desempleados y por consiguiente puede aumentar la duración del desempleo. De igual modo, los problemas de histéresis* pueden ocasionar cambios en la duración del desempleo, si se incrementa la TD puede originar una reducción en la probabilidad de encontrar empleo a las personas que presentan una alta duración. Igualmente los subsidios al desempleo pueden incrementar la duración; aunque la teoría plantea que estos beneficios pueden ayudar en la búsqueda de empleo y tener un efecto positivo en la reducción de la duración (Dornbush& Fischer, 2008). La teoría que mejor logra estudiar el fenómeno de la duración del desempleo es la teoría Búsqueda de Empleo y plantea los siguientes supuestos: Se parte de la existencia de un agente individual que está buscando empleo con el mejor salario posible, sin embargo, está sujeto a una restricción de costos de búsqueda y tiempo disponible. De los cuales existen varios inconvenientes, los problemas de desempleo friccional, la información asimétrica sobre los puestos vacantes y los salarios ofrecidos, lo que genera dificultades, ya que se debe asumir los costos que conlleva conseguir la información necesaria para tomar una decisión racional. Este proceso de búsqueda requiere de tiempo y recursos en un panorama de gran incertidumbre (Castellar & Uribe, 2006, p. 4).
*

El desempleo actual es explicado por causas del desempleo en períodos anteriores pero que aún persisten.

[41]

se debe tener en cuenta una tasa de descuento intertemporal ρ. Si no se cumple lo primero entonces la decisión se hace más compleja. La teoría plantea que la duración del tiempo que tarde en conseguir empleo depende de las características del individuo (edad. p. 2006. cuando Ue>Uu(t) la persona deseará estar empleada y aceptará la oferta que le brindan.Los análisis estadísticos de probabilidad ayudan a explicar la teoría de la búsqueda y supervivencia en el mercado laboral . 𝑉𝑒 𝑤. donde t significa la duración del desempleo y w se considera la oferta salarial. De igual forma. 2). Ahora bien. p. 2006. sector económico al que pertenece. 4). No hay restricciones en el mercado de capitales. aceptar la oferta de empleo cuando Ve >Vu. El individuo es neutral al riesgo. 5) Ahora bien. Ve = índice de utilidad ó valor esperado del vector de flujos de utilidad por permanecer empleado. 𝑈𝑒 𝑡 = 𝑓𝑙𝑢𝑗𝑜𝑖𝑛𝑠𝑡𝑎𝑛𝑡𝑎𝑛𝑒𝑜𝑑𝑒𝑢𝑡𝑖𝑙𝑖𝑑𝑎𝑑𝑑𝑒𝑒𝑠𝑡𝑎𝑟𝑒𝑚𝑝𝑙𝑒𝑎𝑑𝑜 = 𝑤 𝑡 (1) 𝑈𝑢 𝑡 = 𝑓𝑙𝑢𝑗𝑜 𝑖𝑛𝑠𝑡𝑎𝑛𝑡á𝑛𝑒𝑜 𝑑𝑒 𝑝𝑒𝑟𝑚𝑎𝑛𝑒𝑐𝑒𝑟 𝑑𝑒𝑠𝑒𝑚𝑝𝑙𝑒𝑎𝑑𝑜 = −𝑐 2 (Castellar & Uribe. Ahora es decisión del agente elegir. El horizonte de vida es infinito. Análisis matemático de la teoría. Se supone como premisa implícita que los agentes comienzan como desempleados y transitan hacia convertirse en empleados (Castellar & Uribe. nivel educativo. las ofertas de trabajo se mantienen a una tasa constante λ. 2006. el índice de utilidad de desempleo presenta el siguiente supuesto. 2006. es necesario pensar en valores esperados debido a la incertidumbre y al contexto dinámico de la realidad. 5) Donde c es el coste instantáneo de búsqueda. La oferta puede considerarse como el salario al cual están dispuestos a trabajar w. sexo. Sin incertidumbre y en un contexto estático. 𝑉 𝑢  = −𝑐 + ∞ 𝜌𝑉𝑢 𝜌 𝜆 𝑤 − 𝜌𝑉𝑢 𝑓 𝑤 𝑑𝑤 (4)(Castellar & Uribe. p. Se obtiene a partir de las variables anteriores el índice de utilidad del empleo. 8) [42] . p. 𝑐 = 𝑤 𝑝 (3)(Castellar & Uribe. 3). Vu= índice de utilidad ó valor esperado del vector de flujos de utilidad por permanecer desempleado. posición en el hogar y estado civil) y del entorno en donde se desenvuelve. estrato. La teoría para establecer el tiempo de duración del desempleo plantea tres supuestos claves: 1). Siendo este salario una variable aleatoria con distribución acumulativa F(w).

Por lo tanto. [43] .La ecuación 4muestra que Vu es creciente por sí misma. su relación con el salario ofrecido por el mercado determina la duración de la búsqueda. lo que establece la probabilidad de estar o no empleado. ρVu se conoce como salario de reserva y es el valor que iguala a w. La ecuación muestra que la permanencia en el desempleo depende de los costos de búsqueda y de la diferencia entre ofertas salariales y salario de reserva. mientras que en el lado derecho de la ecuación ρVu es decreciente .

La variable T. que existe una variable aleatoria T. que presenta características estables x(t) (puede ser Hombre o Mujer. p. El estudio sobre la estimación de la duración del empleo y desempleo comprende dos etapas: La primera.que presenta un individuo. Esto se logra a partir del cruce de las variables poblaciones con las de duración que se encuentran en los datos suministrados por el DANE de 2001 a 2008. si es un individuo cualquiera seria (t). se describe como: P{t ≤ T ≤ t + ∆ ) T ≥ t}. En primer lugar. se estiman indicadores laborales y el promedio de duración del empleo y desempleo para un individuo económicamente activo de acuerdo a una serie de características poblacionales. descriptiva (Elorza. T podría ser 8 semanas.).1 DISEÑO METODOLÓGICO 6. En la segunda etapa de la investigación se utilizan técnicas econométricas (Greene. en la literatura económica se evidencia una preferencia por los modelos de supervivencia.ti. 2004. para encontrar las probabilidades de salida del estado de empleo–desempleo. 25). sobre un intervalo pequeño de tiempo.  𝑥 𝑡 ∗ 𝑃 𝑥 𝑡 𝑑𝑡 = 𝜙 𝑥 𝑡 𝑑𝑡 5 (Martínez. etc.1 datos. la probabilidad del individuo de encontrar trabajo es(x(t)). Un dato de duración es el número de semanas.6. T es una función continua aleatoria que para el caso de la estimación es la duración del desempleo de una población considerable: Si una persona que se encuentra en desempleo por t y. puede caracterizarse debido a su distribución F(t) y a una función de densidad de probabilidad f(t). 25) Donde Λ(x(t))dtes la probabilidad que una persona salga de su estado actual y Λ(x(t))es la función de riesgo o probabilidad de salir del desempleo. que es el tiempo desde el momento en que los individuos comienzan a buscar el empleo –o están empleados-. en un período corto después de t sale del desempleo. en la que mediante el uso de técnicas estadísticas e índices. se convierte en la tasa instantánea de salida por unidad de tiempo o razón de fallo: [44] . En consecuencia. 2000). mientras que. Se asume que un evento se presenta en el tiempo t 1. puede pertenecer a un estrato en particular. METODOLOGÍA 6. en los cuales se sustenta la premisa de que los eventos que permanecen más tiempo sin ocurrir tienen una mayor probabilidad de presentarse (Martínez. la probabilidad promedio de salida de desempleo por unidad de tiempo. 2000). la probabilidad de una oferta de trabajo es P(x(t)).t3…. p.t2. puede ser casado o soltero. Si se divide en ∆.1. 2004.

p.. 2008. Modelos de Falla Acelerada. se conoce como: 𝑆 𝑡 = 1 − 𝐹 𝑡 (8) Y explica la probabilidad que le resta a una persona para permanecer en su estado actual. los modelos de métrica de riesgo proporcional conocidos como Exponencial. la estimación usa esquemas de probabilidad. que no abandone el desempleo hasta el período t. 2004. Según la parametrización: (10)DondeЄj~ no es extraño dado el contexto. Gutiérrez. 6. p. Log-logística y Gamma Generalizada. por una parte. el tiempo pasa a una tasa normal. Weibull y Gompertz. 26) Esta ecuación permite conocer la probabilidad de salida después de t con un cambio pequeño de tiempo de una persona desempleada hasta t. Esta función de fallo puede estimarse por modelos paramétricos como no paramétricos. Donde S(t) significa la probabilidad de que un individuo sobreviva. i. Encontrándose una razón de fallo: 𝐹 (𝑡 ) 𝜆 𝑡 = 𝑆 (𝑡 ) (9)(Martínez. 221). Si el parámetro es igual a 1 para el sujeto. Log-Normal.𝜆 𝑡 = limΔ→0 𝑃 𝑡≤𝑇≤𝑡 +∆ 𝑇≥𝑡 ∆ (6)(Martínez. 2004. p. Los modelos no paramétricos y los semiparamétricos comparan los sujetos en el tiempo cuando las fallas ocurren accidentalmente. 231) El segmento exp(-Xjβx) es el parámetro de aceleración. Por otra parte. 2004. Existen clases de modelos paramétricos.2 Modelos paramétricos La función de distribución de la variable aleatoria T es: 𝐹 𝑡 = 𝑡 0 𝑓 𝑠 𝑑𝑠 = 𝑃𝑟 𝑜𝑏 𝑇 ≤ 𝑡 (7)(Martínez. 2008. p. describiendo alrededor de todo el intervalo conocido acerca del sujeto durante ese tiempo (Cleves. Gould & Marchenko. el tiempo pasa más rápidamente para el sujeto y el fallo espera que ocurra antes (tiempo [45] . la distribución es asumida por: Τ𝑗 = exp −𝑋𝑗 𝛽𝑥 𝑡𝑗 (11) (Cleves. Weibull.1. 27) La ecuación 9 hacer referencia a la probabilidad de cambio de estado transcurrido un período corto de tiempo. Los métodos paramétricos no basan sus resultados en tal comparación. ln t j = Xj βx +∈j La palabra acelerada es usada para describir estos modelos. et al. p. los de métrica de tiempo de falla acelerada tales como Exponencial. 26) La función de supervivencia. si es mayor a 1.

Modelo Exponencial. En todos. [46] .(Cleves. 2008.(Cleves. el coeficiente XβX es el registro de riesgo relativo y el coeficiente βX tiene una interpretación estándar.. et al. p. La comparación directa con el Cox es la más atractiva característica de los modelos paramétricos de riesgo proporcional. Son tres modelos de riesgo proporcional: a. son directamente comparables con los resultados del Tipo Cox. et al. el conjunto de riesgo no necesita ser constante en el tiempo sino que todo cambio debe ser explicado por XjβX. ii. Si h 0(t) es constante significa que la razón de fallo es independiente del tiempo. Los modelos de riesgo proporcional. Gompertz y Exponencial. El modelo weibull asume una forma de base de riesgo: 𝑕0 𝑡 = 𝑝𝑡 𝑝−1 exp 𝛽0 (14) Donde p es alguna forma de parámetro auxiliar estimado de los datos y el parámetro escala es parametrizado como exp(β 0). Según la especificación que asuma h0(t) en los modelos de riesgo proporcional. 248249). 226). p. el tiempo pasa más lentamente y la falla podría ocurrir después (tiempo desacelerado). 2008. y si es menor a 1. et al. b. Modelos de Riesgo Proporcional.. Modelo Weibull. si no son similares es evidencia de una mala parametrización (Cleves.. et al.acelerado). asume la base de riesgo constante.. el modelo paramétrico especifica h 0(t) y por lo tanto. Sin embargo. 2008. se catalogan ya sea como tipo Weibull. 239). 2008. no estima los β de cualquier manera como sucede en el modelo Cox. p. la forma en que el conjunto de riesgo varía con el tiempo es una función de cómo XjβX varia con el tiempo. Se caracteriza por ser el más simple de los paramétricos de supervivencia. p. Son escritos de la siguiente forma: 𝑕 𝑡 𝑋 𝑗 = 𝑕0 𝑡 exp⁡ (𝑋𝑗 𝛽𝑥 ) (12) (Cleves. 𝑕 𝑡 𝑋𝑗 = exp( 𝛽0 + 𝑥𝑗 𝛽𝑥 ) (13) El modelo exponencial es la base de todos los otros modelos. 225) En comparación con el modelo Cox. En una estimación es prudente la comparación de los coeficientes con los resultados de Cox.

si es negativo decrece con el tiempo. Esto quiere decir.1. El Weibull es adecuado para modelar datos que exhiben tasas de riesgo monótonas. Se consideran tres criterios: AIC (Criterio de Información Akaike).. es monótonamente decreciente. el riesgo es constante. Y esto se realiza a partir de distintos criterios. (Cleves. et al.2Elección del modelo paramétrico de riesgo proporcional. las causas de las fallas y los cambios en las variables del modelo que alteran el riesgo. p.1Selección del modelo Paramétrico. y se calcula cuando se desea ganar percepción sobre la función de riesgo. BIC (criterio de información Bayesiano) y Log likelihood o prueba de verosimilitud. 2008. p. puesto que.. se enfocan en apreciar los cambios en la función de riesgo producto de cambios en las variables 6. 240).. 233) Lo anterior muestra que para el caso de la duración del empleo y desempleo. 2008. 𝑣𝑒𝑟𝑜𝑠𝑖𝑚𝑖𝑙𝑖𝑡𝑢𝑑 𝑋. 258) Esta distribución es adecuada para modelar datos con tasas de riesgo monótonas que incrementan o decrecen exponencialmente con el tiempo.La distribución Weibull puede proporcionar una variedad de formas monótonas de incrementos o decrecimientos de las funciones de riesgo y su estructura es determinada por la estimación del parámetro p. 6. los modelos de riesgo proporcional se ajustan mejor a lo que se pretende encontrar cuando se realizan estimaciones laborales de esta índole. 2008. El objetivo es encontrar cuál de los modelos paramétricos de riesgo proporcional se ajusta mejor a las distribuciones de riesgo o de supervivencia de los datos. El modelo de riesgo proporcional es usado de forma similar al modelo Cox. es monótonamente creciente y si es menor a 1. 2008. p. et al. et al. el modelo de falla acelerada hace énfasis en el análisis del tiempo. Sí r es positivo la función riesgo se incrementa con el tiempo. si es mayor a 1.2. considerando la revisión bibliográfica. 𝜃 + 2𝑝 (16) [47] . el parámetro auxiliar r controla la forma de la base de riesgo.2. que los efectos de las variables explicativas se producen en la función de riesgo. y si es igual a 0 es exp(β0) para todo el tiempo (Cleves. El criterio AIC consiste en seleccionar el modelo minimizando: 𝐴𝐼𝐶 𝑝 = −2𝑙𝑜𝑔𝑒 𝑚á𝑥. Por otro lado.. c. 258). Modelo Gompertz: está disponible sólo en la forma de riesgo proporcional y asume una base de riesgo: 𝑕0 𝑡 = exp 𝑟𝑡 exp 𝛽0 (15)(Cleves. et al. Cuando p es igual a 1.1. estableciendo que el efecto de las variables independientes inciden directamente sobre el tiempo de duración (Cleves. p.

155) El criterio BIC elaborado por Schwarz en 1978 basado en argumentos bayesianos es definido como: 𝒑 𝑩𝑰𝑪 = 𝒏𝒍𝒐𝒈 𝑺𝑺𝑬 𝒏 + 𝟐𝒑𝒍𝒐𝒈 𝒏 𝟏𝟕 (Acuña. Los individuos que no permanecen desempleados después de K son hk. Este criterio aumenta en función de SSE y del número de parámetros. 28). 2004. p. el segundo penaliza el número de parámetros en Ө y. Este criterio busca la disminución de distancia de Kullback-Leibler (medida para determinar la cercanía de la función de densidad de probabilidad) entre la distribución de la variable dependiente. se pueden encontrar las probabilidades que presentan los diferentes agentes pertenecientes a distintos grupos poblaciones y. entre más cercano a cero.160) Parte de que los errores del modelo son distribuidos normalmente donde SSE es la Suma de los Errores del Modelo. nk es el número que permanecen hasta después de K. 28) Esta razón de fallo se utiliza para las observaciones no censuradas. y las estimaciones [48] . denominado conjunto de riesgo. p. La prueba Log Likelihood o de Verosimilitud compara el ajuste de dos o más modelos. A partir de estos datos se elabora un estimador empírico de la función de supervivencia (Martínez. 28) Siendo la función de fallo para este estimador no paramétrico: 𝜆 𝑡 = 𝑛 𝑘 𝑕 𝑘 (19)(Martínez. por lo tanto. menor dispersión tendrá el modelo.1. 27). p es el número de parámetros del modelo. p. una variación inexplicada en la variable dependiente y en el número de variables explicativas. 2004. p. En relación con el AIC. 2001. p. el BIC penaliza más fuertemente los parámetros libres. si n es el número de personas desempleadas. En este caso existen K tiempos de permanencia distintos. Tomando el siguiente ejemplo. A partir de la aplicación del modelo y sus estimadores. 2004.3 Modelo no paramétrico. organiza a los agentes en función del tiempo de salida de forma creciente. El método de escogencia es seleccionar el menor valor de AIC que está mostrando el mejor modelo (Acuña. 2004.El primer término es una medida de bondad de ajuste. p. El Kaplan-Meier o estimador límite de producto. de esa forma estimar qué individuos tienen una mayor probabilidad de cambiar de empleo a desempleo o viceversa. 2011. 6. Un menor valor del BIC hace referencia a un mejor ajuste del modelo. 𝑆 ∧ 𝑇𝑘 = 𝑛 𝑘 −𝑕 𝑘 𝑛 𝑘 (18)(Martínez. incrementa el valor del BIC. para las observaciones censuradas se debe implementar un factor de corrección o un modelo COX de razón de fallo proporcional (Martínez.

[49] .también permitirán encontrar qué factores influyen para que el agente persista o cambie la condición en que se encuentra.

1. se presenta un incremento destacable impulsado especialmente por la mujer. comercio. Es importante mencionar que para el año 2007. (Ver Anexo D) 7. en 2007 se presenta un aumento provocado por la entrada de más de 10. H Ocu. establecimientos financieros y servicios personales.7% 2.1.6% 2004 2. minería. electricidad. cabe mencionar que el Comercio es el que más emplea desde el 2002. 2001-2008.2% 1. Ritmo de Crecimiento de la Población Ocupada en Ibagué 2002 M Ocu.2% 2003 -1.9% 2006 0. entre 2002 y 2008. 2001-2008 7. Finalmente. la Industria compensa el declive que presenta el sector Servicios Personales.000 personas. asociado a una mayor demanda de fuerza de trabajo femenina propiciada por la dinámica de los sectores servicios comunales y comercio.9% 0. construcción. Como se observa en la figura 7los sectores mencionados aglutinan el 70% de la demanda laboral en la ciudad (de forma similar dentro del PIB del Tolima agrupan más del 50% de la producción). con base en datos en ECH y GEIH. comercio e Industria*. La población ocupada crece suavemente de 184.7% 0. 3. CARACTERIZACIÓN POBLACIÓN OCUPADA EN LA CIUDAD DE IBAGUÉ.7% 2.2% 2. Este incremento coincide con el * Los sectores económicos contemplados para la caracterización de los ocupados fueron: agropecuario.2 Ocupados por sector económico.4% Total Ocu.6% 2. pero con una fuerte caída en 2002.8% Fuente: Elaboración Propia. El sector Servicios Personales presenta una elevada proporción.9% 2008 -1. La economía Ibaguereña se respalda principalmente en tres grandes sectores: servicios personales.6% 2007 11.2% 2005 1. aunque no se evidencia un incremento excepcional de la TGP femenina para estos dos años.2% 6. Ocupados por sexo. gas y agua (servicios públicos). transporte y telecomunicaciones.1% -1. Sin embargo. (Ver Anexo C) En 2002 y 2007 se presentan las mayores tasas de crecimiento de la población femenina ocupada.000 aproximadamente a 208.4% -1.2% 1.000 mujeres a la ocupación. industria. Tabla 1. El crecimiento de la población ocupada (tabla 1) se caracteriza por presentar una tendencia moderada. En total ocho sectores o ramas de actividad económica. CARACTERIZACIÓN POBLACIÓN OCUPADA 7.1. 0.7% -1.1. y de 2001 a 2002 pasa a emplear el 18% de la población ocupada.5% 3.7. Crecimiento de la Población Ocupada en Ibagué. [50] .

7. con base en datos en ECH y GEIH. de 40 a 44. la suma de la proporción de ocupados de los 3 sectores se reduce año tras año. de 35 a 39.aumento porcentual que presenta la industria dentro del PIB del Tolima en el año 2002. de 45 a 49. en contraste con el crecimiento porcentual en los Transportes y Comunicaciones. se encuentra una la tendencia al envejecimiento de la población que coincide con el envejecimiento de los ocupados. de 20 a 24 años. de 15 a 19 años. Como se muestra en la figura 8 el único grupo que tiene una tendencia a crecer dentro de los ocupados son los mayores de 45 años. En la pirámide poblacional de Ibagué para los ocho años de estudio. Fuente: Elaboración Propia. [51] . sumado al incremento de la edad de jubilación a 62 años para los hombres y 57 para las mujeres. de 30 a 34. Se agrupa a los ocupados en tres Bloques de edad: jóvenes. Este fenómeno se conoce como transición demográfica. los adultos de 30 a 44 años y mayores de 45 años.1. En período de estudio el comportamiento porcentual de los grupos etarios* fue muy estable sin presentar importantes concentraciones. 2001-2008. de 50 a 54 y de 55 o más años ** Para fines metodológicos se aglutina a los ocupados en tres bloques de edad: jóvenes de 10 a 29 años. Establecimientos Financieros y Construcción.3 Ocupados por edad. de los cuales se formaron diez grupos distribuyéndose de la siguiente forma: de 10 a 14 años. se observa una tendencia decreciente de la proporción de * Los ocupados se distribuyeron por quinquenios de edad.Ocupados por principales sectores económicos en Ibagué. (Ver Anexo E) Figura 7. Además. de 25 a 29 años. En el año 2007 se presenta una reducción porcentual de los adultos que contrasta con el incremento del porcentaje de jóvenes. producto de la disminución de las tasas de natalidad. Ahora bien. adultos y mayores de 45 años**.

está compuesto por los ocupados que presentan educación secundaria completa o incompleta. En este sentido la decisión de las personas de adquirir educación superior se basa. el primero. en comparar los costos monetarios * Con fines metodológicos. está integrado por los ocupados que presentan desde ningún nivel educativo hasta la primaria completa. En el caso de las mujeres. El gasto que una persona realiza en educación y formación ha pasado a considerarse inversión en capital humano. Fuente: Elaboración Propia. en tanto la proporción de hombres en esas mismas edades aumentó de 39.2% al 43% entre 2001 y 2009. Figura 8.2009: “El envejecimiento de la población ocupada es un fenómeno que se presenta tanto para hombres como para mujeres. según el autor mencionado.Edad de los Ocupados en Ibagué.f. El segundo.1.jóvenes dentro de la PEA. aquellas con más de 40 años aumentaron su participación del 36. conformado por ocupados de educación superior hasta posgrado. que se complementa con una reducción de la TGP juvenil. el tercer grupo de alta cualificación. llamado de baja cualificación. (Ver Anexos F y G) El envejecimiento de la población ocupada es un fenómeno nacional y así lo indica el estudio realizado por el Ministerio de Protección Social titulado Evolución de la población ocupada. con base en datos en ECH y GEIH. 7. denominado de cualificación media. Finalmente.).5%”(s. 2001-2008. Becker plantea que toda decisión racional debe tomarse analizando los costos y beneficios.4 Ocupados por nivel educativo*. se decide agrupar los niveles educativos en tres grandes bloques.4% a 43. [52] . 2001.

. En la figura 9 el mercado laboral de la ciudad está compuesto principalmente por ocupados de media calificación que agrupan alrededor del 50%.(costos directos y costos de oportunidad) que incurriría en el presente por cursar estudios superiores y los beneficios que se obtendrían a partir de ganancias futuras. debido a que la vida laboral es finita y es en esta en la que se pretende conseguir las ganancias esperadas.7% a 35. 2001. Figura 9. esto no significa que para todos los niveles educativos superiores se espere el mismo comportamiento. 88-122). menos años de vida laboral le quedan(McConnell et al. Ocupados por Niveles Educativos Agrupados en Ibagué. sin embargo. Fuente: Elaboración Propia. lo que indica la existencia de costos crecientes a medida que el individuo invierte más años en educación. la persona no cursará educación superior.5% en el caso de los hombres. Así resume el documento realizado por el Ministerio de la Protección Social para Colombia titulado Evolución de la Población Ocupada. superando en los últimos años a los de baja cualificación. si los costos calculados son mayores a los beneficios futuros esperados. p. En este sentido. 2001-2008. el porcentaje de mujeres con [53] . puesto que la tasa de rendimiento es decreciente. más bien corresponde a una tendencia nacional. por lo cual. Los ocupados de alta cualificación durante el período de estudio han ganado peso. por lo cual. 2003. entre mayor número de años de educación superior siga adquiriendo. se sugiere que entre más alto sea el nivel educativo.8% en el caso de las mujeres. En primer lugar. Asimismo. el planteamiento teórico se enfoca en que los costos tienden a ser inferiores a los rendimientos. con base en datos Observatorio de Empleo del Tolima. la proporción de individuos con educación básica primaria y secundaria se contrajo de 42. mayor es el nivel de ingresos en comparación con alguien que no presenta esa educación. y de 46% a 40. El comportamiento en el nivel educativo no es una peculiaridad exclusiva de Ibagué.2009: “El aumento del nivel educativo de la población ocupada se registró para ambos sexos.

este incremento se debe principalmente a la inclusión de los estudiantes del SENA y de los centros regionales de educación superior. el incremento se debe especialmente al auge de carreras técnicas y tecnológicas. las decisiones sobre el tiempo que toma un miembro. se encuentra que al inicio de la década anterior. Al analizar la información de profesionales por posición ocupacional. puesto que.82% a 33. Los profesionales patrones son los de menor porcentaje y presentan una tendencia decreciente. los profesionales ubicados en el sector particular son mayoría y los cuenta propia decrecen.1%”(s. Para Becker.3% cifra publicada por el Ministerio de Educación Nacional. según el Observatorio de la Universidad Colombiana. sin embargo. Sin embargo.) La cita en mención significa.f. particularmente en la órbita de acción del docente. al exagerado aumento de los centros educativos por ciclos y validaciones. la tendencia es decreciente. Según el modelo de asignación de tiempo propuesto por Becker. (Ver Anexo H) 7. [54] . cifra que para los hombres llegó a 27. que la evaluación es un instrumento represivo y que la repetición de grado es reflejo de un régimen punitivo y afecta la autoestima del estudiante.educación superior aumentó sustancialmente hasta alcanzar el 34. es más útil concebir como unidad básica de decisión el hogar. que finalmente impulsan la matricula en programas de índole netamente laboral y ocupacional. que las políticas de educación nacional han provocado la disminución de la proporción de ocupados de baja cualificación. si la familia reemplaza * Según FECODE en su artículo “No más Promoción Automática” el Decreto 230 del 2002 exhibe la retórica oficial que busca estigmatizar la evaluación para mantener vigente la promoción automática y que sostiene que las causas de la repitencia y la deserción escolar se hallan exclusivamente en la escuela. al interés del gobierno en incrementar la cobertura vía Servicio Nacional de Aprendizaje (SENA) y educación a distancia y finalmente a la reducción de la mortalidad académica en secundaria con la ley de promoción automática*. la familia es una unidad económica que produce “mercancías” y genera utilidad. tienden a influir en los demás. sin embargo. aunque en 2008 supera a los empleados del gobierno. Estas “mercancías” pueden ser de dos tipos: intensivas en tiempo o intensivas en bienes. Al finalizar el período.1% en 2009.1. los profesionales se ubican principalmente en el sector gobierno. Lo anterior se sustenta en los datos de cobertura en educación superior a nivel nacional.5 Ocupados por posición en el hogar. De 2000 a 2008 el incremento de la Tasa de cobertura pasa de 13.

*** El salario de reserva es el salario más bajo al que una persona decide trabajar.. hijos y cónyuges. La capital tolimense un compor tamiento “normal”. 2003. la decisión familiar acerca de repartir su tiempo. pariente del Jefe. participación en el sistema educativo y "ocio". la composición de ocupados muestra que los jefes. * Se define la elasticidad de la oferta de trabajo con respecto al salario. según el cual. empleado doméstico. En este sentido. debe especializarse en la actividad productiva que realice con el menor costo de oportunidad. 32 y 54). trabajador y otro no pariente. La participación laboral de otros miembros de la familia depende de su posición familiar. cónyuges e hijos aglutinan el 90% (Figura 10) de los ocupados. asimilando éste costo al salario de reserva***. como la relación entre la variación porcentual de la cantidad de trabajo ofrecida frente a la variación porcentual del salario. nietos. Ahora bien. cónyuge. [55] . se puede analizar el comportamiento familiar a partir del concepto de elasticidad de oferta *. que permite identificar a los miembros con elasticidad de oferta baja y aquellos con elasticidad de oferta alta (McConnell et al. jefe de hogar. En principio los hijos dependientes se consideran enfrentando tres opciones: participación laboral. Tenjo y Ribero (1998) sintetizan el planteamiento en los siguientes términos: “…La participación de los jefes de familia en generales la más inelástica (menos fluctuaciones a través de su vida).mercancías intensivas en tiempo por intensivas en bienes estaría dedicando una mayor cantidad de tiempo al trabajo en el mercado **. Las esposas se consideran las principales responsables por la producción de bienes domésticos y sus decisiones de trabajar o no dependen del valor de su producción doméstica en relación con el ingreso potencial en el mercado laboral. Para estos últimos.10) Los ocupados en la ciudad de Ibagué durante los años contemplados en el estudio se concentran principalmente en tres posiciones: jefes de hogar. la decisión depende tanto de las alternativas de empleo como de los retornos futuros de la educación. p. lleva a enfocarse en el principio de ventaja comparativa. pensionista. hijos. ** Los ocupados de Ibagué según posición en el hogar se agrupan en los siguientes ítems.”(p.

[56] . finalizando el primero con el mayor porcentaje de ocupados. dentro de la composición del mercado laboral. cuenta propia. con base en datos en ECH y GEIH. Figura 11.Los ibaguereños tienden a ocuparse (Figura 11) principalmente en los sectores particular y cuenta propia. con base en datos en ECH y GEIH. patrón. gobierno. Ocupados por Posición Ocupacional en Ibagué. Para el año 2008. Fuente: Elaboración Propia. ubicándose en 5%. Se destacan los sectores Patrón y Gobierno por la dinámica económica que estos generan. sin remuneración otras empresas y jornalero.6 Ocupados por posición ocupacional*. El comportamiento de los cónyuges e hijos es muy parejo con tendencia decreciente. familiar sin remuneración.Figura 10. * Los ocupados según posición ocupacional se dividieron en los siguientes grupos: particular. Fuente: Elaboración Propia. Los jefes de hogar presentan una tendencia creciente a lo largo del período de estudio llegando al 50% de los ocupados. 2001-2008.1. donde su proporción de ocupados se reduce con el paso de los años de estudio. doméstico. 2001-2008.Ocupados por Posición en el Hogar en Ibagué. 7.

(Figura 12) muestra el crecimiento del empleo del 2001 hasta el año 2008. se verifica la predicción del ciclo de vida.2 Tasa de ocupación por edad.13) [57] . a medida que se aumenta la edad se incrementa la TO (Tabla 2).2. PROMEDIO TO DE 2001 A 2008 10 a 14 15 a 19 20 a 24 25 a 29 30 a 34 35 a 39 40 a 44 45 a 49 50 a 54 > 55 H M 12% 9% 33% 24% 62% 50% 82% 60% 88% 63% 86% 67% 87% 67% 76% 83% 64% 73% 81% 56% 67% 49% 26% 37% Total 11% 29% 56% 71% 75% 76% Fuente: Elaboración Propia.Los hombres tienen una mayor TO. aunque ésta decrece levemente. Fuente: Elaboración Propia tomada de datos Observatorio de Empleo del Tolima 7. con base en datos en ECH y GEIH El comportamiento de la TO promedio tiene forma de “campana”. La Tasa de Ocupación -TO. donde la TO decrece. La TO femenina presenta un comportamiento creciente especialmente en los años 2007 y 2008.7.2. finalmente. Promedio de Las TO por Edades en Ibagué. existe una menor probabilidad de participar en el mercado laboral en los primeros rangos de edad la cual va aumentando en la medida en que la edad aumenta hasta que.1 Tasa de ocupación por sexo. esto es.2 TASAS DE OCUPACIÓN EN IBAGUÉ. Figura12. se hace negativa de los 48 años en adelante. Tabla 2. 2008) se encuentran algunas coincidencias: “…En materia de edad. 2001-2008. Tasa de Ocupación en Ibagué.”(p. 2001-2008. 2001-2008. pero este crecimiento tiene su punto inflexión de 30 a 44 años. (Ver Anexo I) Comparando las cifras anteriores con los resultados del Estudio Participación laboral en Ibagué. 7. (Aldana &Arango.

Se observa como los niveles educativos completos superan con más de 10 puntos de diferencia a los del mismo nivel educativo pero que no son titulados. 89% 87% 88% Fuente: Elaboración Propia. la mayor probabilidad de participar la tienen aquellos que presentan un nivel educativo superior completo. Cabe mencionar que. Interesante el comportamiento que presenta la TO por nivel educativo de posgrado.2. y que la probabilidad de participación es positiva a medida que se incrementa el nivel educativo (Aldana &Arango. Jefe(a) del Hogar H M 78% 58% Promedio TO Para 2001 a 2008 Pareja. 78% 74% 76% Posgra.7. C. Sup Inc. Esposo(a). 70% 43% 56% 50% 37% 43% 75% 55% 64% 56% 51% 54% Sup C. puesto que. Tabla 4. con base en datos en ECH y GEIH Según el documento “Participación Laboral en Ibagué”. Compañero(a) Hijo(a). 2008). Promedio TO por Posición en el Hogar para Ibagué. C Sec. Cónyuge .3 educativo. Sin embargo. Promedio TO por Nivel Educativo para Ibagué. H M Total 50% 27% 37% 60% 38% 49% Pri. el resultado respecto al nivel educativo muestra que.4 Tasa de ocupación por posición en el hogar. en comparación con la mujer. El comportamiento promedio de la TO para cada nivel educativo(Tabla 3). Pri. muestra que a medida que la gente incrementa su nivel de cualificación se aumenta la TO. de igual forma ser titulado en los respectivos estudios formales les representa una mayor posibilidad de obtener empleo. (Ver Anexo J) Tabla 3. para los hombres no tener secundaria completa es igualmente grave que tener ningún nivel educativo en términos de ocupación. la cual en promedio logran 88 puntos. 7. mediante trabajos típicos masculinos como la construcción. lo [58] . éstos presentan una mayor TO. Promedio TO para 2001 a 2008 Ning. In. aun sin cualificación les es más fácil emplearse. Hijastro(a) 73% 51% 45% 38% Total 72% 52% 42% Fuente: Elaboración Propia tomada de datos Observatorio de Empleo del Tolima El comportamiento del promedio de las TO por posición en el hogar revela. Sec. que los jefes de hogar (hombres o mujeres) presentan la mayor demanda laboral.2. In.

las posibilidades de acceder a un empleo es inmensamente inferior al hombre. [59] .que significa una mayor posibilidad de emplearse que el resto de los miembros del hogar (Tabla 4). por lo que a pesar de presentar igualdad de responsabilidad sobre la familia. Sin embargo la TO de las mujeres jefes de hogar es ampliamente inferior a la de los hombres jefes hogar. (Ver Anexo K).

se hace necesario analizar la evolución de la duración del empleo.6 62. et al.23 82.97 88. De igual forma. Con el fin de mejorar la interpretación. en el período de 2001 a 2008 muestra una tendencia decreciente. mediana (de 36 meses hasta 120 meses) y larga duración (mayor a 120 meses).94 81. iniciando en 77. * La censura se presenta cuando la falla del evento ocurre. permite encontrar y analizar qué características personales.2 74.11 98.3 70 69.2 74. posición en el hogar.2 Fuente: Elaboración propia. 8. siendo imposible establecer el tiempo exacto de falla.3 63. En relación a lo anterior.7 69.26 69.1 DURACIÓN DEL EMPLEO EN IBAGUÉ 2001-2008 El promedio de la duración del Empleo en Ibagué. nivel de cualificación.5 76. pero el sujeto ya no se encuentra en observación. posición ocupacional y rama de actividad económica.. [60] . Tabla 5. Aumentos en la duración del empleo no necesariamente indican mayor estabilidad sino que puede ser consecuencia de descensos en los ocupados de corta duración. sin embargo.2008 MESES EN EMPLEO IBAGUÉ HOMBRE MUJER 2001 2004 2007 2008 83. en qué sectores económicos y en qué posiciones ocupacionales se presenta la mayor estabilidad laboral. sino que se trata de una media.64 MUJER 79.3 68.1 Duración del empleo por sexo.9 77. debido a la pregunta escogida del modulo de ocupados de la ECH-GEIH ¿Cuánto tiempo lleva trabajando en este negocio o empresa de manera continua? no se puede establecer por efecto de la censura*(Cleves. Duración del empleo por sexo en Ibagué.52 73.75 89.3 meses en 2001.99 90. 2008) cuál es el tiempo real de duración del empleo. manteniendo una duración media (Tabla 5).8 DURACIÓN DEL EMPLEO 8.7 61. considerando criterios de corta (hasta 36 meses). NAL TOTAL HOMBRE 119. permite dar una aproximación.16 TOTAL 103. con base en datos de la ECH y GEIH.8 meses.8 MESES EN EMPLEO T. para finalizar en el año 2008 en 68. en relación del comportamiento las siguientes variables: sexo. reducciones en el promedio de duración pueden no sólo interpretarse como tendencia a una menor estabilidad sino también puede ser fruto del incremento en el número de ocupados.78 67. Esto no debe llevar a pensar a que las personas que se sitúen en uno u otro grupo van a presentar las duraciones estimadas. El comportamiento de la duración del empleo para la población ocupada en Ibagué. 2001. edad.1.

sobresaliendo el año 2006 en el que se presenta una diferencia de tan sólo 6. Teniendo en cuenta lo anterior.75 meses [61] . En los datos por sexo. en hombres crece de 54% a 57% y la mujer pasa de 58 a 64%. la disminución en el tiempo a nivel nacional ha sido más fuerte que en la ciudad. El comportamiento de la brecha de duración masculina y femenina es decreciente. producto de la disminución de los costos de despido sin justa causa para trabajadores con 10 o más años laborando (Gaviria. pues pasa de 20% a 17%. 8.9 meses (2008). En conclusión. 2004. Para el 2004. Las mujeres presentan tendencia decreciente. se ha evidenciado de 2001 a 2008 por un lado.Comparando los datos de Ibagué con los del total nacional se encuentra que en ambos la tendencia es decreciente. En hombres y mujeres. La explicación a la caída que presenta la duración del empleo en el 2004. tampoco es claro un incremento en la TD ni en el número de desocupados. es diferente a la de 2007.5 meses (2001) para finalizar en 74. p. Asimismo.7 meses (2008). Ibagué tiene una menor duración que el promedio nacional.1. inician en 83. 6). inician en 36. lo que se supone es que la reducción se debe primordialmente a la pérdida de empleos de larga duración. mientras la duración del empleo se ha reducido a lo largo de los años.85 meses (2001) y finalizan con 31. un incremento porcentual de la población que se encuentra con cortas duraciones del empleo. (pero de 2007 a 2008 se ha vuelto a incrementar). Los hijos son los que menor duración presentan. esto trae como consecuencia la contracción en la brecha del promedio de duración entre sexos. pero los segundos tienen una duración superior en todos los años. que puede tener su origen en la ley 789 de 2002 firmada en el gobierno de Álvaro Uribe . es asociada al incremento en el número de ocupados especialmente mujeres y jóvenes.4 meses por debajo de la enorme distancia (21 meses) que se observa en 2002. éstas se asemejan más al comportamiento nacional. iniciando con 69. aunque la brecha tiende a cerrarse ya que. ya que pasa de 56% a 60%.6 meses (2001) y finalizando en 61. la diferencia en los hombres de Ibagué frente al promedio nacional es superior a la que presentan las mujeres. pero con promedios distintos.2 Duración del empleo por posiciones en el hogar. los hombres presentan la mayor duración en el empleo. La explicación para el 2007. lo que trae consigo nuevos trabajadores con cortas duraciones que reducen el promedio de meses en empleo. en los hombres la reducción es de 22% a 19% y en mujeres la disminución pasa de 18% a 15% para el último año. En la Tabla 6 se aprecia que los principales miembros del hogar tienen tendencia decreciente de la duración del empleo. un descenso de la proporción del total de ocupados con largas duraciones de empleo. no se evidencia un incremento sustancial en los ocupados ni en la TO. Sin embargo.

los cónyuges de 21% a 18% y los hijos de 7% a 5%.(2008). Es común la corta duración del empleo de los hijos por dos razones claras.78 meses (2001) y terminan en 69. la edad y el salario de reserva. se presenta una reducción del porcentaje de estos miembros del hogar en el empleo de larga duración. los que se consideran hijos dentro de la estructura del hogar no sobrepasan en la mayoría de los casos los 30 años. PROMEDIO MESES EN EMPLEO Jefe de H Cónyuge Hijo 2001 2004 2007 103.2008.86 meses (2008) un empleo de mediana duración. cercanos a la corta duración del empleo. Los anteriores resultados ponen de manifiesto tres elementos: 1.32401 29. su bajo salario de reserva permite encontrar trabajos de larga duración.5164 92.60411 70. buscan empleos que les permita gozar de una fuerte estabilidad. El jefe de hogar es la posición de mayor duración del empleo. Ahora bien.86195 31. lo que se conoce como el empleo estacional o efecto calendario *. pero inferior a los jefes de hogar. lo que denota fallas del mercado laboral. que llevan muy poco en el mercado laboral.26 meses (2008) cerca a la larga duración. queriendo decir. En relación con la edad. los cónyuges de 53% a 59% y los hijos de 76% a 78%. 2001. buscan trabajo en determinados períodos del año. con base en datos de la ECH y GEIH.38708 31.83 meses (2001) y 91. Tabla 6.81517 2008 91.78579 36. Los cónyuges con una duración superior a los hijos en todos los años. comienzan en 80. Promedio Duración del Empleo por Posición en el Hogar. los jefes caen de 29% a 25%.8326 94.26385 69. en relación con el salario de reserva es común que los hijos dispongan de un salario de reserva más alto que el Jefe del hogar y por lo tanto. * El efecto calendario se asocia al incremento del empleo en algunos meses del año. 2.02245 80. es diciente observar que más del 40% de los jefes no llevan más 3 años empleados con el agravante que este fenómeno se acrecienta. De 2001 a 2008 se evidencia un incremento porcentual de las principales posiciones en el hogar dentro de la corta duración del empleo. Los jefes de hogar producto de su mayor importancia en la familia. perdiéndose la inversión social expresada en el aprendizaje que se obtiene con los años en una ocupación. con 103. [62] . sin embargo.85389 74. es decir. También.75898 Fuente: Elaboración propia. los jefes de hogar aumentan de 43% a 50%.

.09 Adultos 73.55 62. Implícitamente la reforma afecta a los empleados de mayor duración para reducir los costos laborales de las empresas. Los mayores de 45 años parten con un promedio de 143. La tendencia a incrementarse el empleo de corta duración. los resultados hasta ahora encontrados ponen de manifiesto el efecto contrario.3 Duración del empleo por edad*. Los jóvenes alcanzan los 26. 2001. Promedio Duración del Empleo por Rangos de Edad. En segundo lugar. se presenta una reducción del porcentaje en la larga duración del empleo. La teoría de ciclo vital pone de referencia la dificultad de los adultos por conseguir un nuevo empleo especialmente porque su capital humano se ha depreciado (McConnell et al.5 127. El primero es el comportamiento diferencial de los mayores de 45 años frente a los demás grupos. Todo sugiere que los más afectados por la reforma son los empleados de mayor duración y en este caso.3.22 60. Duración en meses Jóvenes 2001 2004 2007 2008 24.En la tabla 7.1.36 Fuente: Elaboración propia con base en datos de la ECH y GEIH. los jóvenes se incrementan de 81% a 84%. Los adultos pasan de 73. [63] . el efecto de la reforma laboral en relación con la duración del empleo. se presenta como el comportamiento del promedio de duración del empleo para los tres grupos de edad. Los resultados por edad ponen de manifiesto varios hechos. los adultos de 30 a 44 años y los mayores de 45 años. los adultos de 50% a 57% y mayores de 45 años de 34% a 40%.2008. De 2001 a 2008 se evidencia en primer lugar.55 meses (2001) a 60. en el período 2001-2008se caracteriza por ser decreciente.5 meses (2007) una corta duración del empleo. pone de manifiesto un fenómeno. Si ésta se propuso mejorar la estabilidad laboral. 8.31 20. los jóvenes pasan de 2% a 0%.65 131. * Para fines metodológicos se decide agrupar la edad en tres grupo: Los jóvenes de 12 a 29 años. si bien.72 19.36 meses (2008) una larga duración del empleo. un incremento porcentual de los tres grupos de edad dentro de la corta duración del empleo. conservan el primer lugar en porcentaje en el empleo de larga duración la tendencia es decreciente.55 21.71 meses (2008).65 meses (2001) y finalizan en 123. los adultos de 21% a 16% y los mayores de 45 de 47% a 37%. la caída en el 2004 es una clara evidencia.69 62.23 meses (2003) y se ubican en 19.57 123. 2003) Tabla 7.71 > 45 143. una mediana duración del empleo.

14 88. 2001.14 meses (2001) a 67.72 meses (2008). los de baja cualificación pasan de 23% a 22%. como no es fuerza de trabajo calificada.8. En tercer lugar. los empleos que consiguen * Para fines metodológicos se decide agrupar los niveles educativos en tres grupos de cualificación: baja cualificación que comprenden ningún nivel educativo y primaria completa e incompleta. De 2001 a 2008 se exhibe por un lado. un incremento porcentual de todos los niveles de cualificación dentro de la corta duración del empleo excepto para el nivel bajo puesto que se mantienen en 54%.14 meses (2001) y finalizan con 88. En la tabla 8. 2003). su salario de reserva no llevará inmerso retribución alguna.16 56.14 78.15 84.75 59. Teniendo en cuenta lo anterior. El bajo salario de reserva les permite conseguir más rápidamente trabajo frente a los de mayor nivel educativo. La mayor estabilidad laboral de aquellos que no gozan de altos niveles educativos. Según la teoría de capital humano.76 Fuente: Elaboración propia. la duración promedio del empleo por nivel de cualificación muestra que los de baja cualificación son los de mayor promedio de meses empleados. Meses en Empleo por Cualificación Baja 2001 2004 2007 2008 88. Cabe resaltar que el sector de baja cualificación tiene duraciones del empleo superiores a los 100 meses y que el menor promedio de duración lo tienen las personas con cualificación media. media cualificación que comprende educación media completa e incompleta y alta cualificación que comprende los niveles superior completa e incompleta y posgrados.12 56. con base en datos de la ECH y GEIH.4 Duración del empleo por nivel de cualificación * . perdiendo 21 meses.54 Alta 88.73 Media 65.Si los de baja cualificación no invierten en formación. En los de alta cualificación la duración del empleo se ubica en segundo lugar. se ubican los de media cualificación que no presentan grandes oscilaciones y se mantienen alrededor de los 60 meses. Tabla 8. Promedio Duración del Empleo por Nivel de cualificación en Ibagué.1. se presenta una reducción del porcentaje en empleo de larga duración. los de media de 17% a 14% y los de alta de 23% a 19%. pero además.89 67. toda persona que invierte en estudio espera con su salario retribuir esa inversión (McConnell et al.76 meses (2008).77 87. Los de cualificación media crecen de 60% a 64% y los de alta de 49% a 59%.2008. [64] . inician con 88. se puede deducir lo siguiente: 1.95 75.. se explica por medio del salario de reserva y los tipos de empleo que obtienen. Por otro lado. aunque con tendencia decreciente pasan de 88.

57 67. El grupo de alta cualificación dispone de una significativa duración del empleo. dato que concuerda con el incremento porcentual de desocupados con este nivel de cualificación. 2. pasando de 91.84 82. La rama servicios personales es la de mayor duración del empleo. El sector comercio ocupa la última posición en duración pero con tendencia creciente. Es este sector porcentualmente el mayoritario en Ibagué. con base en datos de la ECH y GEIH. Servicios personales e Industria.84 88. pero con tendencia a decrecer. [65] .60 meses (2001) y finaliza en 67 meses (2008). Los de media cualificación presentan altas tasas de desempleo y una menor duración del empleo.22 85. la tendencia es decreciente. lo que supondría un comportamiento diferente al presentado. 20012008.38 Fuente: Elaboración propia. Esto pone de manifiesto la existencia de una penalidad por parte del mercado laboral hacia estos trabajadores.13 59.21 69. lo que supone que no sólo se les hace más complicado conseguir cualquier trabajo y sino más aún un trabajo estable. Promedio Duración del Empleo por Sector Económico en Ibagué.5 Duración del empleo por sector económico*. 3. llevándolos a competir por vacantes laborales de menor cualificación. 91.1. las ramas que concentran la mayoría de ocupados son: Comercio. para finalizar en 67. Una explicación a la reducción de la duración se da a partir de los despidos que se han presentado en trabajadores con larga duración y del incremento en la cobertura de educación superior. Tabla 9.90 meses. Parece ser que la reforma impacta flexibilizando el mercado laboral en el sector industrial tal como se observa con el abrupto cambio de 2001 a 2004. siendo el sector por excelencia de aplicación de prácticas de círculos de calidad y aprendizaje. sin embargo.18 64.23 66.22 meses (2001) a llegar a 82.94 Servicios P.18 meses (2001). En segundo lugar.pese a ser de mayor duración no son de mejor calidad.6 62. * Según los datos de proporción de ocupados en Ibagué por rama de actividad económica.38 meses (2008).94 meses (2008) (Tabla 9). caso concreto sector la construcción con un promedio de duración del empleo 89.24 Comercio 58. 8. Duración Meses en empleo Industria 2001 2004 2007 2008 77. está la industria que inicia con una duración de 77. empezando en 58. que ha propiciado un aumento en la oferta de trabajadores que no necesariamente son absorbidos óptimamente por el mercado de trabajo.

se presenta una reducción porcentual de estos grupos en el empleo de larga duración. pero con tendencia a decrecer. los cuenta propia de 52% a 53% y los patrones de 32% a 36%. El sector cuenta propia finaliza a 2008 con una duración similar al 2001 de 82 meses. para los particulares y cuenta propia se mantiene en 8% y 21% respectivamente. [66] . acercándose a la corta duración. una mediana duración del empleo. fenómeno asociado a una mayor incidencia al desempleo. pero con poca estabilidad. * Para fines metodológicos se ha escogido al empleo particular y cuenta propia por ser los que mayor número de ocupados en Ibagué y se agregan Gobierno y patrón por su relevancia en el análisis. lo que permite conseguir más fácilmente empleo. El empleo particular no supera los 50 meses y decrece en el período de estudio.1. inicia en 139. De otra parte.81 meses (2001) y cayendo a 171. el incremento porcentual de los ocupados en los principales sectores económicos dentro de la corta duración del empleo. El sector comercio es el que mayor porcentaje de ocupados presenta y al mismo tiempo de menor duración. se exhibe un incremento porcentual de las cuatro posiciones ocupacionales dentro de la corta duración del empleo. excluyendo el comercio que crece de 13% a 16%.9 meses (2001) y decrece hasta los 121 meses (2008). En la larga duración.6 Duración del empleo por posición ocupacional *. Este sector está asociado a la informalidad y a una mayor rotación laboral. los empleados particulares aumentan de 70% a 73%. El patrón con la segunda mayor duración. los del gobierno crecen de 12% a 25%. el porcentaje para los empleados del gobierno cae de 66% a 60%. exceptuando el comercio que se reduce de 63% a 60%.49 meses (2008). 8. la industria se incrementa de 53% a 58% y servicios personales de 52% a 56%. iniciando en 184. De 2001 a 2008. igual para los patrones de 41% a 35%. por lo que es congruente que tenga una duración inferior. De 2001 a 2008 se evidencia de una parte. Estos dos primeros con larga duración del empleo.En la tabla 10 se observa que la duración del sector gobierno es la más alta. la industria decrece de 19% a 16% y los servicios comunales de 27% a 23%.Las tres principales ramas de la economía ibaguereña presentan una mediana duración del empleo. aunque vale resaltar el comercio con menor duración y tendencia creciente.

propiciado por las reformas al Estado que tocan el tiempo de duración y reducen el tamaño de la ocupación.29 2008 38. Esto quiere decir.88 C.2008.02 121. si no que se está en constante flujo de personal.84 Gob 184.9 121.94 89. lo que pone de manifiesto debilidades en el mercado laboral ibaguereño especialmente la fuerte incidencia al desempleo. El sector empleo particular. Duración en meses posición Ocupacional Parti 2001 2004 2007 44. esto genera que la duración del empleo caiga. Promedio Duración del Empleo por Posición Ocupacional en Ibagué.89 171. y cae la duración del empleo. siendo una explicación válida un crecimiento en el número de cuentapropistas con corta duración. con base en datos de la ECH y GEIH Que el sector gobierno disminuya el promedio de duración del empleo en los últimos años de estudio. [67] .31 168. En el año 2008 aumenta el número de ocupados y de expulsados en cuenta propia.33 90. Propia 82.4 121.49 83. 2001. Los cuenta propia en el año 2004. no se debe a un incremento en el número de ocupados de corta duración. es el que menor duración presenta y el que mayor proporción de ocupados tiene. sino que es producto de la reducción de empleados de larga duración.81 192.46 Fuente: Elaboración propia. por lo que se podría suponer que la reforma ataca a aquellos que llevan muchos años en esta posición. que mayoritariamente en Ibagué no se generan empleos de larga duración. presentan un incremento en el número de expulsados.3 38 39.64 Patrón 139.Tabla 10.

se le asocia una probabilidad de cambio. casadas o en unión libre. 2008). Variables Discretas:  Sexo: Mujer (variable base) o Hombre. 1. con el fin de conocer de forma más reciente el comportamiento de la duración del empleo y desempleo. tanto para la duración del Empleo como para la duración del Desempleo. 2001. Lo anterior se realiza con a partir de los resultados arrojados de las diferentes investigaciones (encuestas) suministradas por el DANE*.  Posición en el Hogar: se trabaja con las tres principales posiciones del hogar. a aquellos que solteros.DANE Esta agrupación de categorías se realizó con fines metodológicos. 9. aquellos con Baja cualificación. hay algunas que preguntas que cambiaron sus opciones de respuesta.1 VARIABLES MODELOS DE SUPERVIVENCIA Para estimar los modelos de duración del empleo y el desempleo. cónyuge e hijos. Con Pareja todos aquellos que llevan más de 2 años en una relación conyugal. otros no parientes y nietos). y se caracterizan según el análisis descriptivo por presentar importantes cambios en los indicadores laborales.9 MODELOS DE DURACIÓN DEL EMPLEO Se estiman modelos de tipo no paramétrico. Se realizan estimaciones para cuatro años.  Nivel Educativo: se agrupan en tres conjuntos. Lo anterior.  Estado Civil: Con Pareja o Sin Pareja **(variable base). divorciados. Sin pareja. Edad2 (adultos) (variable base) y Edad3 (mayores de 45 años). jefe de hogar (variable base). trabajador doméstico. se escogen las siguientes variables con sus respectivas bases necesarias para la comparación de las probabilidades (Cleves et al. semiparamétrico y paramétrico. se agrega el año 2010. Los tres primeros se encuentran dentro del período de estudio. *** Ibíd. pues debido al cambio de encuesta. 2008 y 2010. Edad1 (jóvenes). con la finalidad de estimar probabilidades de cambio de estado de una situación de empleo a desempleo o viceversa. bien demanda un amplio desarrollo. viudos o que llevan menos de 2 años conviviendo con la pareja.. ** [68] . 2004. *** * Encuesta Continua de Hogares y Gran Encuesta Integrada de Hogares . Un modelo tan importante y complejo como el de supervivencia. Media Cualificación (variable base) y Alta de Cualificación. además se utiliza la variable otros para agrupar a los demás miembros del hogar (otros parientes. A cada persona dadas ciertas características y dependiendo de si pertenece al grupo de ocupados o desocupados.  Edad: se agrupan las edades en tres bloques.

doméstico y jornalero) y no asalariados * (variable base) (cuenta propia. Por tal motivo. patrón o empleador). *** Por la característica de esta variable no se tiene una variable como base. Al correr los modelos con la variable censura los resultados de tiempos de fallo son iguales a cero. siendo los no dependientes la variable base. ** [69] . que muestra la probabilidad de * Ibíd. La interpretación de las estimaciones debe hacerse bajo esta advertencia. según la naturaleza del proceso de duración (Tiempo continuo o Tiempo discontinuo) ***** Los modelos no paramétricos permiten sin hacer ningún supuesto sobre la forma funcional de supervivencia que los riesgos se expresen por mismos. por lo cual. No hay una única forma para la función de riesgo. por su parte los modelos paramétricos suponen la existencia de heterogeneidad entre los individuos. producto de la imposibilidad de conocer la duración exacta del empleo. Dependientes**: se establece esta variable para diferenciar los hogares con niños menores de 10 años.2 RESULTADOS MODELOS DURACIÓN DEL EMPLEO EN IBAGUÉ 9. porque no es conveniente utilizar esta variable. gobierno. Esta variable permite identificar dentro de cada hogar la presencia de niños menores de 10 años.  Posición Ocupacional: en los análisis descriptivos se trabaja con la mayoría de las posiciones. Para el 2001. para la evaluación de los modelos se decide agrupar a la población en dos categorías los asalariados (empleado particular. Debido a este inconveniente no se conoce el momento de fallo. En los años siguientes. herencias. remesas. estimador de la función de supervivencia. 2. trabajador familiar sin remuneración. sólo se estiman los modelos paramétricos y para el año 2010. semiparamétricos y paramétricos. no se estima una variable censura en la duración del empleo. se estima modelos no paramétricos. subsidios entre otros. se parte del supuesto de que se trabaja con duraciones completas. Variables Continuas***:  TD del Hogar: se decide estimar la relación entre miembros de hogar sin trabajo y miembros del Hogar Activos económicamente. condicional en haber “sobrevivido” hasta el comienzo de ese intervalo. lo que permite establecer el tipo de distribución que presentan las funciones de riesgo****.2. 9.1 Modelos no paramétricos de duración del empleo: estimador Kaplan Meier (KM). se estiman además los modelos no paramétricos***** con el fin de observar cambios en las curvas de supervivencia En los modelos de duración del empleo se presenta la censura en los datos. **** La función de riesgo permite aproximar la probabilidad de salir del estado inicial dentro de un intervalo corto de tiempo. para determinar el peso de influencia en la duración del empleo y desempleo.  Ingreso No Laboral (INLAB): sumatoria de todos los ingresos recibidos por concepto distinto al trabajo.

00 Kaplan Meier-Según Sexo 2001 1. et al.25 0. 2008) La distancia vertical de la figura 13 señala diferencias entre las distribuciones de probabilidad por sexo. Se utilizan para su estimación variables dummies******(Cleves.50 0.permanecer en un determinado estado pasado el tiempo t. 2001 y 2010.25 0. En el año 2001.00 Kaplan Meier-según Sexo 2010 0. mostrando que de 2001 a 2010 las mujeres son laboralmente más inestables. se observa un incremento en la brecha de las funciones de supervivencia entre hombres y mujeres. se evidencia una superposición de las funciones de supervivencia tanto de hombres como mujeres (la diferencia no es significativa). presentando estas últimas una menor probabilidad de mantenerse empleadas. [70] .75 0. 1. En 2010. Figura 13.00 0 50 Meses sexo = Mujer 100 sexo = Hombre 150 0.75 0 50 Meses sexo = Mujer 100 sexo = Hombre 150 Fuente: Salidas del programa estadístico Stata con base en ECH y GEIH ****** Sí la variable es igual a 1 significa que cumple con la característica a la que hace referencia y sí es igual a 0 no la cumple. Función Kaplan Meier duración empleo por sexo en Ibagué.00 0..50 0.

00 0 50 Meses pos_hogar = Jefe pos_hogar = Hijo 100 150 0.50 0. que presentan funciones de supervivencia cercanas al origen y por lo tanto una probabilidad pequeña de permanecer en el empleo.50 0.25 0.25 0. Para el caso de las mujeres tanto 2001 como 2010 existe una superposición de las funciones de supervivencia de jefas de hogar y cónyuges.00 0. siendo superados por los cónyuges.75 0 50 Meses pos_hogar = Jefe pos_hogar = Hijo 100 150 pos_hogar = Cónyuge pos_hogar = Otros pos_hogar = Cónyuge pos_hogar = Otros Función Kaplan-Meier por Posición en el Hogar 2010 Kaplan Meier-Posición en el Hogar Hombres 2010 Kaplan Meier-Posición en el Hogar Mujeres 2010 1.00 0.00 0.75 0.50 0. Función Kaplan Meier duración del empleo según posición en el hogar en Ibagué. por lo cual responde a una mayor probabilidad de mantenerse empleados. es la posición que presenta la función de supervivencia más alta.50 0. aunque conservan una mayor probabilidad de mantener el [71] . Función Kaplan-Meier por Posición en el Hogar 2001 1.00 0 50 Meses pos_hogar = Jefe pos_hogar = Hijo 100 150 0.25 0.Figura 14. 2001 y 2010.75 0.25 0. pero el principal cambio es la reducción de la función de supervivencia de los jefes de hogar.00 0 50 Meses pos_hogar = Jefe pos_hogar = Hijo 100 150 pos_hogar = Cónyuge pos_hogar = Otros pos_hogar = Cónyuge pos_hogar = Otros Fuente: Salidas del programa estadístico Stata con base en ECH y GEIH El KM de 2001 por posición en el hogar muestra. frente a los demás posiciones en especial con los hijos y otros miembros del hogar.00 Kaplan Meier-Posición en el Hogar Hombres 2001 Kaplan Meier-Posición en el Hogar Mujeres 2001 0. que para hombres ser jefe de hogar.75 1. A 2010 el KM para hombres muestra una reducción en la probabilidad de todas las posiciones en el hogar. El cónyuge hombre presenta una probabilidad cercana al jefe de hogar.00 1.

25 0. que son los mayores de 45 años quienes presentan una función de supervivencia más alta. lo que demuestra que estos grupos de edad tienen una mayor probabilidad de mantener el empleo frente a los jóvenes que presentan una función de supervivencia más cercana al origen.25 0.00 0. aunque muy cercana a la función de los adultos.75 0 50 Meses rangoedad = 10 a 29 rangoedad = 45 y mas 100 150 rangoedad = 30 a 44 Funcion Kaplan-Meier por Rango de Edad 2010 Kaplan Meier-Rango de Edad Hombres 2010 Kaplan Meier-Rango de Edad Mujeres 2010 1.25 0.00 0 50 Meses rangoedad = 10 a 29 rangoedad = 45 y mas 100 150 rangoedad = 30 a 44 rangoedad = 30 a 44 Fuente: Salidas del programa estadístico Stata con base en ECH y GEIH A 2001 la figura 15 de KM por edad para hombres muestra. 2001 y 2010.00 0.75 0.00 0.empleo que las hijas y otros miembros del hogar.25 0.50 0. Función Kaplan-Meier Rango de Edad 2001 1.00 0 50 Meses rangoedad = 10 a 29 rangoedad = 45 y mas rangoedad = 30 a 44 Kaplan Meier-Rango de Edad Hombres 2001 Kaplan Meier-Rango de Edad Mujeres 2001 0. A 2010 los mayores de 45 años presentan una probabilidad mayor de mantener el empleo [72] .50 0. Función Kaplan Meier duración empleo por rangos de edad en Ibagué.00 100 150 0.50 0.75 1.00 0 50 Meses rangoedad = 10 a 29 rangoedad = 45 y mas 100 150 0.50 0.00 1. sin embargo a 2010 esta diferencia se reduce (Figura 14) Figura 15.75 0.

2001 y 2010.75 0 50 Meses nivel_educ = Bajo nivel_educ = Alto 100 150 nivel_educ = Medio Función Kaplan-Meier Nivel Educativo 2010 Kaplan Meier-Nivel Educativo Hombres 2010 Kaplan Meier-Nivel Educativo Mujeres 2010 1. Función Kaplan Meier duración empleo por nivel educativo en Ibagué.que los ubicados en el grupo de adultos. Figura 16.25 0.00 100 150 0.00 0 50 Meses nivel_educ = Bajo nivel_educ = Alto nivel_educ = Medio Kaplan Meier.75 1.00 1.25 0. Los jóvenes mantienen una menor función de supervivencia es decir. Función Kaplan-Meier Nivel Educativo 2001 1.75 0. Las mujeres a 2001 presentan un comportamiento similar a los hombres. A 2010 no se evidencia cambios relevantes en el comportamiento de las funciones KM para mujeres. siendo las mayores de 45 años las que ostentan una mayor probabilidad de conservar el empleo.75 0.50 0. las jóvenes son las que menor función de supervivencia exhibe. aunque con una insignificante diferencia frente al grupo de adultos.25 0.00 0.50 0.Nivel Educativo Hombres 2001 Kaplan Meier-Nivel Educativo Mujeres 2001 0.25 0.00 0 50 Meses nivel_educ = 1 nivel_educ = 3 100 150 0.00 0.00 0 50 Meses nivel_educ = 1 nivel_educ = 3 100 150 nivel_educ = 2 nivel_educ = 2 Fuente: Salidas del programa estadístico Stata con base en ECH y GEIH [73] .50 0.50 0. una menor probabilidad de mantener el empleo.00 0.

en las mujeres la brecha es un poco mayor. A 2010.00 1.00 0. no se presenta gran diferencia frente al comportamiento del 2001. las funciones de supervivencia de las mujeres se distancian observando que son las de menor nivel educativo.1 en hombres los de nivel alto y nivel bajo.75 0. Función Kaplan Meier duración empleo por pareja en Ibagué.00 Kaplan Meier Con Pareja-Hombres Kaplan Meier Con Pareja-Mujeres 0. A 2010. Las funciones de supervivencia de las mujeres a 200. En mujeres.50 0. El nivel medio presenta la función de supervivencia más cercana a cero y por lo tanto.50 0. presentan probabilidades de mantener el empleo casi iguales. En el año 2010. Función Kaplan-Meier Con pareja 2001 1. Figura 17. parece no ser una característica que cambie significativamente las funciones de supervivencia. las que mayor probabilidad de mantener el empleo muestran. se supone que tener hijos dependientes para la mujer. se presenta una reconfiguración y las funciones de supervivencia de los tres niveles de cualificación prácticamente se soslayan donde la diferencia entre estas es insignificante.75 0 50 Meses Con_pareja = 0 100 150 Con_pareja = 1 Con_pareja = 1 Fuente: Salidas del programa estadístico Stata con base en ECH y GEIH El Estado civil en la figura 17 de la función KM 2001. el principal cambio que se observa es una reducción sustancial de la distancia entre las funciones de supervivencia en hombres. 2001. las funciones se hacen casi idénticas.25 0.1 se imbrican donde es imposible encontrar qué nivel de cualificación es el que tiene mayor probabilidad de permanecer en el empleo.25 0. la menor probabilidad de mantener el empleo. existe una clara diferencia entre las funciones de supervivencia de los que tienen o no pareja. En mujeres.00 0 50 Meses Con_pareja = 0 100 150 0. mostrando el test log rank que la diferencia no es significativa para el 2010. puesto que. En el año 2010.La figura 16 de KM por nivel educativo muestra que a 200. Tener hijos dependientes en el 2001. aunque. aunque la diferencia no es significativa. muestra que en hombres. no se observa una clara diferencia. ocasiona dificultades para mantener el empleo. (Ver Anexo L). el nivel alto presento hasta los primeros 50 meses una función de supervivencia más alejada del origen. Estos resultados contrastan con la teoría. (Ver Anexo M) [74] .

2. los asalariados mantienen una probabilidad menor de conservar el empleo y se incrementa esta brecha en hombres. Figura 18.75 0.50 0.25 0.En la posición ocupacional figura 18.75 0 50 Meses Asalariado = 0 100 150 Asalariado = 1 Asalariado = 1 Fuente: Salidas del programa estadístico Stata con base en ECH y GEIH 9. para el total sin discriminar hombre y mujer.25 0.00 0.2 Test de hipótesis por duración del empleo.25 0.50 0.75 0 50 Meses Asalariado = 0 100 150 Asalariado = 1 Asalariado = 1 Función Kaplan-Meier Asalariados 2010 1. Función Kaplan Meier duración empleo por asalariados en Ibagué.50 0.50 0.25 0. muestra que si hay diferencias significativas * Es un test de hipótesis para evaluar si las funciones de supervivencia son iguales entre los grupos o variables escogidas [75] . siendo los asalariados los que exteriorizan una menor probabilidad de mantenerse empleados frente a los no asalariados.00 0 50 Meses Asalariado = 0 100 150 0.00 Kaplan Meier-Asalariados Hombres Kaplan Meier-Asalariadas Mujeres 0. El test log rank* 2001.00 0 50 Meses Asalariado = 0 100 150 0.00 Kapla Meier Asalariados-Hombres Kaplan Meier Asalariadas-Mujeres 0. se observa claramente una diferencia entre las posiciones de asalariados y los no asalariados tanto en hombres como en mujeres en el 2001. 2001 y 2010 Función Kaplan-Meier Asalariados 2001 1. En el año 2010.75 0.00 1.00 0.00 1.

sin embargo estos modelos se interpretan como una probabilidad de suceso frente a la variable base. decreciente. edad3. esta puede ser constante. creciente ó de cualquier forma. no genera confianza debido a los resultados encontrados. 2001.829791* Dependientes 1. salvo por sexo y por hijos dependientes. Sin embargo. excepto para la variable estado civil. Para la estimación de este modelo se utilizan variables independientes que se han tomado en los no paramétricos. se obtiene a partir del resultado de la prueba chi2**. La ventaja de esto. de forma individual las variables sexo.444994* 0. Lo anterior.818815* 1.26528* 0. (Ver Anexo N) Las pruebas log rank a 2010. Lo anterior evaluado al 5%. [76] . nivel * Estos modelos tienen la propiedad del riesgo proporcional la cual implica que la función de riesgo de cada individuo es una réplica multiplicativa de la función de riesgo de otro individuo. revela que el mercado laboral ya no diferencia favorablemente con mayor duración del empleo a los hombres que han conformado una familia. Ratio Sexo Edad1 Edad3 Con Pareja Nivel Bajo Nivel Alto Cónyuge Hijo Otros No Asalariado 1.066921 *significativo al 5% ** Significativo al 10% Fuente: Elaboración propia. puesto que. las diferencias absolutas en X conducen a diferencias proporcionales en el riesgo en cada período de supervivencia. (Ver Anexo Ñ) 9.027676 0. Tabla 11. El modelo a nivel de significancia global. es que no asumen una forma del riesgo a lo largo del tiempo.3 Modelos semiparamétricos de duración del empleo. Para estos modelos no se utiliza variables continuas.2.(Ver salidas Anexo O) El método de desarrollo de estos modelos se conoce como de riesgo proporcional tipo Cox*.8872299** 1. Salida Resumen Modelo Tipo Cox duración empleo Población en Ibagué. muestran diferencias significativas de las funciones de supervivencia de todas las variables.197274* 1.176133* 1. a partir de las Salidas de Stata con base en ECH y GIEH La salida muestra los Hazard Ratio o Razones de Riesgo.para todas las variables.020679 1.9404058 0. Modelo Tipo Cox Total 2001 Haz.

*** La prueba Log Likelihood o prueba de Verosimilitud se utiliza para comparar el ajuste de dos o más modelos. hombres y mujeres por separado en los años 2001 y 2010 (Tabla 12). Los modelos paramétricos se diferencian en la forma de aprovechar la información contenida en la base de datos. que está señalando el mejor modelo. El método de escogencia es mirar el menor valor de AIC. La interpretación de las razones de riesgo de modelo muestra que los de edad 1 (jóvenes) tienen una probabilidad 44% mayor a la de edad 2 (adultos) de perder el empleo.1 Elección modelo paramétrico de riesgo proporcional de duración del empleo.*AIC (Criterio de Información Akaike)** y el Log likelihood*** o prueba de verosimilitud. el criterio BIC (criterio de información Bayesiano). 9. (Ver salidas completas en el Anexo P) Se realizan pruebas para la población general ocupada. En relación con el AIC el BIC penaliza más fuertemente los parámetros libres.2. menor dispersión tendrá el modelo. se realiza la estimación de los criterios de elección. Los resultados en la población en ** Estadístico de prueba Chi2 ayuda a aceptar o rechazar las hipótesis. 9.2. El objetivo fundamental es encontrar cuál de estos modelos paramétricos de riesgo proporcional. realizándose a partir de la comparación de distintos criterios. El resultado del Link test muestra que las variables omitidas por el modelo son significativas. Se estiman todos los modelos paramétricos y a partir de ello.4 Modelos paramétricos de duración del empleo. Por lo tanto un menor valor del BIC hace referencia a un mejor ajuste del modelo. [77] . en relación con sus respectivas variables bases. ** Este criterio busca la disminución de Distancia de Kullback-Leibler (medida para determinar la cercanía de la función de densidad de probabilidad) entre la distribución de la variable dependiente. Finalmente los no asalariados tienen 18% menos de probabilidad de perder el empleo que los asalariados. Se toman en consideración tres criterios de escogencia. por lo tanto una variación inexplicada en la variable dependiente y del número de variables explicativas incrementa el valor del BIC. Las 3 posiciones tienen mayores probabilidades de perder sus empleos que el jefe de hogar.4.bajo y dependientes (el resultado de la prueba P). Los de nivel educativo alto tienen un 12% menos de probabilidad de riesgo de perder el empleo que el nivel educativo medio. no presentan diferencias significativas entre sus razones de riesgo o de probabilidad. para el caso de los modelos de supervivencia este es fundamental pues permite establecer la significancia de los coeficientes y del modelo en general. entre mayor sea el valor de éste. se ajusta mejor a las funciones de riesgo de los datos. * Este criterio aumenta en función de Suma de los errores del modelo y del número de parámetros.

35 219. a 2010 el mejor modelo según dos (AIC y Log likelihood) de las tres pruebas es el Gompertz.67 4.98 395.056.28 392.36 MASCULINA likelihood BIC 3.11 396.015. 2001 y 2010.37 184.892.012.34 3.20 183.777.59 -96.65 3.887.815.874.01 -77.891. que el mejor modelo en las tres pruebas es el Weibull.88 4.99 likelihood BIC 4.66 221.819.59 AIC 3.15 212.59 -181.901.11 182.49 4.15 3.14 FEMENINA likelihood Fuente: Elaboración propia a partir de las Salidas de Stata con base en ECH y GIEH [78] .900.47 210.32 2010 Mexp Mgompertz 434.general para el año 2001 muestran.30 -2. En las mujeres se escoge el Weibull hasta 2008 y para el 2010 las tres pruebas dan como el mejor al Gompertz.122.123.769.87 Log -2.840.93 -78.73 -3.Pruebas modelos Paramétricos duración empleo en Ibagué.27 Log -1.30 248.60 251.82 7.58 -1.58 247.36 210.895. este comportamiento se mantiene hasta el 2008.72 -95.011.72 7.123.875.68 -96.848.09 4.68 3. (Ver salidas completas Anexo Q). Pruebas para escogencia de modelos Paramétricos Ibagué 2001 Población Pruebas BIC AIC GENERAL Mweib 7. el mejor modelo según las tres pruebas en el 2001 y por dos de las tres pruebas en 2010.842.804.00 438.37 184. En hombres.67 434. siendo el modelo Weibull el mejor para esos dos años.45 -3. sin embargo. el comportamiento es similar para el 2004 y 2008.777.80 Log -3.40 7.051.66 -183.870.84 -1.94 218.19 AIC 4.052.99 mgompertz mweib 7.90 Mexp 7.18 -79. Tabla 12. en cambio para el 2001 y 2010 es el Gompertz.05 -2.

0000 2008 Weibull COE.0868** -0.0054 0. sin embargo.Tabla13. puesto que.5629* -0. producto de la coyuntura económica favorable de 2007 que al no mantenerse en el año 2008. a valores positivos (negativos) se incrementa la probabilidad de perder (mantener) el empleo. 2001.0027* 0.3136* -0. las mujeres. [79] .0256 0. esto quiere decir que no existe una diferencia demostrable entre las probabilidades de hombres y mujeres.5360** 0. El comportamiento en los años estimados a excepción del 2008.6868** 0.2697* 0. esto permite suponer que el mercado laboral ibaguereño no presenta una clara preferencia en términos de duración hacia algún sexo.0025* 0. puede ser resultado del incremento de la ocupación laboral de las mujeres.0000 *significativo al 5% ** Significativo al 10% Fuente: Elaboración propia a partir de las Salidas de Stata con base en ECH y GIEH Los coeficientes de los modelos aplicados. la variable sexo exceptuando el año 2008 no es significativa.19* 0.0289 0. la probabilidad de perder el empleo en los hombres es menor que la de las mujeres.1321* 0. en términos de probabilidad.0008 0. para el total de población ocupada en los diferentes años escogidos.0016 -0. -0.6353* 0.0712 -0. la mujer siempre mantuvo una duración inferior a los hombres. difiere de los resultados obtenidos en los análisis descriptivos. En este sentido. 0.4060 -1.1256* 0.126* 0. En 2008.2147* 0. 2004. -0.2258* 0.0122* 0. 2008 y 2010. 0.2612 -0.0342 0.4466* 0.2372* 0.000 2010 Gompertz COE.1985* 0.0574 -0.1295* 0. El comportamiento a 2008.0860 0.0077 0.0491 -0.2508* 0.2704* -0.0255 0.0048* -0.0574 0.5409** 0. 2001 Weibull Variables Sexo edad1 edad3 Con Pareja Nivel bajo Nivel Alto Cónyuge Hijo Otros No Asalariado Dependientes TD_hogar INLAB COE.0884* 0. se generan despidos de la mano de obra contratada entre esas.0064 -0. se interpretan tomando el signo del coeficiente.3985* -0.3028 -0. Modelos duración empleo en Ibagué. no se evidencia una diferencia significativa con excepción del 2008.0061 0.1173 0.0000* 2004 Weibull COE. Salidas Modelos general Población Ocupada en Ibagué.2543* 0.409* -0.065 -0.

presentando una probabilidad mayor de perder el empleo que los jefes de hogar e incrementándose esta probabilidad. La cualificación alta. clasificada en asalariados y no asalariados. por lo que podría entenderse como una reconfiguración del mercado de trabajo local. en ningún año la edad3 es significativamente diferente a la edad base. La variable estado civil sólo es significativa en el año 2001. La variable hijos. El comportamiento del coeficiente muestra que los de edad1. ésta en comparación con la variable base es significativa en los años 2004 y 2010. presenta coeficientes significativos en los años 2001 y 2004 teniendo una mayor probabilidad de perder el empleo frente al jefe de hogar. muestra que para el caso de la cualificación baja. en el 2010 la probabilidad de mantenerse empleado se hace mayor. Los anteriores resultados muestran. presentan una probabilidad menor de perder el empleo que los asalariados y esta probabilidad diferencial se incrementa sustancialmente en el año 2010. es significativa para todos los años y muestra una probabilidad mayor de perder el empleo que los jefes de hogar. La variable posición ocupacional.La variable edad muestra que solo la edad1 es significativa para todos los años en comparación a la variable base edad2. los jóvenes no presentan largas duraciones en el empleo y por el contrario sus características personales. y muestra que la probabilidad de perder el empleo de los con pareja. fuertemente ligado a la informalidad. puesto que. utilizan en más proporción canales formales (Aranzalez & Osorio. La variable otros miembros del hogar. tienen una mayor probabilidad de perder el empleo y esta probabilidad va en aumento con el paso de los años. sociales provocan que se empleen principalmente en trabajos temporales. en los años siguientes no es significativa esta diferencia. es menor a la de los sin pareja. es significativa sólo en los años 2001 y 2010. [80] . han ocasionado que el sector asalariado ofrezca empleo poco estable. presenta coeficientes significativos para todos los años. caso contrario a lo que sucede para los de menor cualificación que se emplean en sectores como la construcción y el comercio de alta rotación. La variable posición en el hogar muestra que en el caso del cónyuge. presenta coeficientes significativos para todos los años. que el jefe de hogar es el de mayor estabilidad laboral. En los análisis descriptivos. 2011) como las convocatorias públicas para encontrar empleo. e incrementándose esta probabilidad en el año 2010. presentando una mayor probabilidad de perder el empleo que los de cualificación media. Por otro lado. así como los puestos que ocupan se caracterizan por responder a un perfil específico. La variable nivel educativo. teniendo como resultado una menor probabilidad de perder el empleo frente al nivel medio. provocando que aquellas personas vinculadas al sector no asalariado. Los no asalariados. Es coherente que los de mayor cualificación presenten una probabilidad menor de perder el empleo. La característica económica de Ibagué y la flexibilización laboral.

Los coeficientes de la variable dependientes. probablemente la han perdido y las condiciones laborales se han igualado. incrementa la probabilidad de cambiar de empleo. el coeficiente es cercano a cero pero con signo positivo. teniendo una probabilidad mayor de perder el empleo que los jefes de hogar. solo presenta en el año 2001 coeficiente significativo. Por posición ocupacional la variable no asalariado es significativa para todos los años y muestra que la probabilidad de perder el empleo para estos. Por nivel educativo sólo se presenta un coeficiente significativo para el nivel alto en el 2001. no son significativos en ningún año. Finalmente la variable INLAB no es significativa para ningún año. tiene a los hijos con coeficientes significativos para todos los años. su probabilidad de no continuar en el empleo actual se acrecienta. donde la probabilidad de perder el empleo es menor frente a la variable base nivel medio. La variable posición en el hogar. es mayor que para los que no. incrementándose la diferencia a lo largo de los años de estudio. La variable INLAB es significativa en el año 2001. La variable estado civil. Para los hombres (tabla 14). las personas con INLAB alto preferirán retornar a la inactividad. a medida que se incrementa el ingreso no laboral la probabilidad de perder el empleo se aumenta. fenómeno común. El mercado laboral en los años siguientes al 2001. es menor frente a los asalariados. debido entre otras cosas a la presión de encontrar un trabajo mejor remunerado que le permita subsanar la reducción del ingreso producto del desempleo de los otros miembros del hogar. fenómeno que puede ser positivo. sin embargo. puesto que. Lo anterior.prefieran continuar laborando en estos empleos. sino que se incrementa. los sectores que disponen de una mayor estabilidad en el año 2001. La variable dependientes es significativa sólo en el 2001. no sólo es mayor. puede ser negativo ya que debido a la reducción de la duración del empleo. ha puesto en las mismas condiciones a los ocupados con hijos y sin hijos dependientes. no presenta coeficientes significativos para ningún año. donde. los resultados de los modelos son los siguientes: La variable edad sólo tiene a la edad1 como significativa hasta el 2008. mostrando que aquellas familias que tienen más miembros del hogar desempleados. mostrando que la probabilidad de perder el empleo frente a la edad2. ya que no evidencia una clara preferencia por ocupar a trabajadores (mujeres) sin hijos dependientes. 2008 y 2010. puesto que no ven buenas oportunidades en el sector asalariado. El grupo otros miembros. [81] . La variable continua TD en el hogar es significativa en los años 2004. La variable TD en el hogar es significativa en el año 2010 y muestra que una alta TD en el hogar. pero desfavoreciendo a un sector de la población. mostrando una probabilidad mayor y creciente de perder el empleo que los jefes de hogar. donde la probabilidad de perder el empleo para los que tienen hijos dependientes.

3773* 0.3703* 0.003 No Asalariado -0. donde la probabilidad de perder el empleo es mayor que los de nivel medio.02 2010 Gompertz COE.0155 -0.0005 INLAB 0.7545** 0.1355 -0. Los de nivel alto presentan coeficientes significativos hasta el 2008. la variable nivel bajo presenta coeficientes significativos en el 2001 y 2004. 0. resultado interesante. el resultado de los modelos son los siguientes: La variable edad.0447 -0. 0.1888* Dependientes 0. 2001 2004 2008 Weibull COE.0189** Gompertz Weibull Variable edad1 edad3 Con Pareja Nivel bajo Nivel Alto Cónyuge Hijo Otros COE.1085 0.4095 -1.0135* 0.3353* COE.0992 TD_hogar -0. Las hijas presentan coeficientes significativos en el 2001 2004 y 2010.6074 -0.0979 0.2483 0. Salidas Modelos para la Población Masculina Ocupada en Ibagué.2234 0.0222 -0. 2008 y 2010.Tabla 14.0000 0. presenta sólo coeficiente significativo para el año 2001.6002 -0.0124 0. gozan de los promedios de duración más altos.0000 *significativo al 5% ** Significativo al 10% Fuente: Fuente: Elaboración propia a partir de las Salidas de Stata con base en ECH y GEIH Para las mujeres (tabla 15).5221 -0. 2001. 0.3339* 0. sólo es significativa en el año 2010 y muestra una probabilidad mayor de perder el empleo que los de edad2. La variable edad3. muestra que el grupo de edad1.2214 0.5307 -0. mostrando que la probabilidad de perder el empleo es menor que la del nivel medio aunque en comparación con el 2001 la probabilidad diferencial se hizo más pequeña.000 0.6912* 0.0922 0. presentando una probabilidad mayor de perder el empleo que los de edad2 e incrementándose esta probabilidad con el paso de los años.2292 0.0361 0.0518 -0.2617 -0.Salidas Modelos Población Masculina Ocupada en Ibagué. En relación a la posición en el hogar. 2004. donde la probabilidad de perder el empleo es mayor que la [82] .3123* 0. 0. puesto que las mayores de 45 años.1020 0. Por nivel educativo.000 0.0039 -0.9038* 0.4043* -0.5027 -0.0834 -0. las cónyuges presentan coeficientes significativos sólo en el año 2010 y muestra una mayor probabilidad de perder el empleo que las jefes de hogar.3335 -0.00490 -0. es significativo para todos los años. mostrando una menor probabilidad de perder el empleo para los con pareja. La variable estado civil.0467 0.5437* -0.

Salidas Modelos para Población Ocupada Femenina en Ibagué 2001 Weibull Variable edad1 edad3 Con Pareja Nivel bajo Nivel Alto Cónyuge Hijo Otros COE.0108* 0.2706 1.1905 0.1012* 0. 0.0193 0. 2008 y 2010.0978 0.9439** 0. es significativa en los años 2001. 2004.de las jefes de hogar y en el año 2010.4452* -0.2804* -0.1151 0.1381* -0.5401* -0. y presenta una probabilidad mayor de cambiar de empleo cuando es más alta la TD del hogar.2258* Dependientes TD_hogar 0.4184 -0. Tabla 15. presentan coeficientes significativos en los años 2001 y 2004. es significativa en los años 2004 y 2008. no presentan en ningún año variables significativas.3968* -0.0000* *significativo al 5% ** Significativo al 10% Fuente: Elaboración propia a partir de las Salidas del programa estadístico Stata con base en ECH y GIEH [83] . 1. La variable posición ocupacional.0032** 2010 Gompertz COE. por lo cual a mayor ingreso no laboral mayor es la probabilidad de no continuar empleada.Salidas Modelos Población Femenina Ocupada en Ibagué. 2001.0338 0.1675** 0.0812 0.1224 0.000* 0.1596* -0.0097 No Asalariado -0.1541 0.0024** 2008 Weibull COE. y esta probabilidad se hace mayor en el año 2010. mostrando que. 2008 y 2010.2377* 0.7195* -0. El grupo dependientes.8952* -0.0915 0.000 0.1486** -0.0729 -0.1226* -0.1106 -0. es significativa para todos los años.1478* -0. 0. La variable TD en el hogar. Los otros miembros del hogar.147** -0. hay un incremento sustancial de dicha probabilidad.2157* 0.5593 -1.033 0. la probabilidad de perder el empleo es menor para las no asalariadas frente a las asalariadas.0475 0.4186 -0.0021 INLAB 0* 0.0908 -0. 0.1257* 0.2282* 2004 Weibull COE. Finalmente la variable INLAB. donde la probabilidad de perder el empleo es mayor que la de las jefes. presentando signo positivo.0279 -0.

La posición en el hogar. puesto que. en las mujeres si lo es en el año 2001. sólo es un determinante en el año 2001. Para los hombres. mientras que. Los no asalariados tienen una mayor permanencia en el empleo. para hombres y mujeres por igual. mientras que. se presenta como determinante para todos los años. en las mujeres lo es para todos los años. El estado civil. Entre menor es la TD. es un determinante de la duración del empleo para todos los años. siendo menor la permanencia en el empleo. los de más edad tienen una mayor probabilidad de conservar el empleo que los jóvenes. en las mujeres lo es hasta el año 2008. [84] . la edad es un determinante hasta el año 2008. 2008 y 2010. excepto para el año 2004. ser jefe de hogar (hombre o mujer) representa una mayor permanencia en el empleo. La posición ocupacional. La TD del hogar es un determinante de la duración del empleo en los años 2004. no es determinante. En hombres la TD del hogar sólo es determinante en el 2010. sólo es un determinante de la duración en el año 2001. mientras que. En hombres no es determinante. en las mujeres lo es para todos los años. en mujeres lo es en los años 2004 y 2008. HOMBRES Y MUJERES La variable sexo. mayor duración en el empleo tendrán los miembros del hogar.10 DETERMINANTES DE LA DURACIÓN DEL EMPLEO EN LA POBLACIÓN GENERAL OCUPADA. El ingreso no laboral altera la duración del empleo en el año 2001. no es determinante de la duración del empleo. mientras que. lo que demuestra una posible preferencia del mercado laboral por mujeres solteras. puesto que. puesto que. Tener hijos dependientes sólo es un determinante en el año 2001. se presenta como determinante de la duración del empleo. En los hombres. no disponer de ingreso no laboral acrecienta la duración. mientras que. En hombres. El nivel educativo. Aquellos con pareja. donde aquellos con cualificación alta tienen mayores duraciones en el empleo. tienen mayor permanencia en el empleo. La edad se presenta como determinante de la duración del empleo.

0% -6.4% -2.7% 19. Ritmo de Crecimiento de la Población Desocupada en Ibagué 2002 2003 2004 2005 2006 2007 2008 M Des -3. La figura 19 revela que las mujeres en Ibagué son las que padecen en mayor medida el desempleo.1 sexo. Fuente: Elaboración Propia tomada de datos Observatorio de Empleo del Tolima Tabla 16. puesto que. En los hombres.2% 8.000 concuerda con el incremento en el número de ocupados.4% Fuente: Elaboración Propia.1CARACTERIZACIÓN POBLACIÓN DESOCUPADA.5% -5.2% 32. con base en datos en ECH y GEIH.8% -24.000 desempleados. [85] .6% -4. la tendencia decreciente se debe principalmente a la reducción en la participación laboral.6% Total Des 1.000 a 39. 2001-2008 La caracterización de los desocupados se realiza considerando las variables sexo.1% 29.8% -20.1% -11. nivel educativo.4% -7. en los hombres se reduce muy levemente a 22. 2001-2008. 11. mientras que. 2001-2008. posición y sector económico.7% H Des 7. especialmente en el 2007.1.2% -11. Crecimiento de la población desocupada en Ibagué.1% -15. La reducción en el número de desocupados de 55. acercándose a las 30.5% 31. En 8 años no logran reducir significativamente su desempleo.11 CARACTERIZACIÓN POBLACIÓN DESOCUPADA 11.2% 4.000 desempleadas. los niveles de ocupación se mantienen sin grandes variaciones.1% -14. Desocupados en la Ciudad de Ibagué.7% -1. edad. lo que se puede asociar al auge económico. Figura 19.EN LA CIUDAD DE IBAGUÉ. posición en el hogar.

mientras que. 2001-2008. parece darse el fenómeno de trabajador joven desanimado*. Los desocupados en Ibagué (figura 20). su PEA es decreciente. desde el año 2004 se presentan fuertes caídas. los mayores de 45 años incrementan su proporción en ocupados y desocupados. [86] . puesto que.El ritmo de crecimiento de los desocupados es bastante volátil hasta el año 2003. su proporción gira alrededor del 50% con tendencia decreciente. 11. Los mayores de 45 años tienen tendencia creciente e igualan en el último año a los adultos. Figura 20. (Ver Anexo R) * Este efecto de trabajador desanimado se presenta cuando tiene pesimismo frente a la posibilidad de encontrar trabajo y por lo tanto. los jóvenes son los únicos que reducen el número de desocupados. sólo en el último año muestran una caída considerable contrario a lo que sucede con los otros grupos. se concentran principalmente en jóvenes. por lo tanto. presentan tendencia creciente sin mayores fluctuaciones. En los adultos se da un crecimiento de la proporción de desocupados. en especial en el año 2007. Fuente: Elaboración Propia tomada de datos Observatorio de Empleo del Tolima La reducción en los jóvenes desocupados. Desocupados por edad en Ibagué. no es producto de un incremento en los jóvenes ocupados. Los adultos. dejan de buscar trabajo activamente. producto de un aumento en la participación laboral.1.2 edad. En el año 2007. desafortunadamente a 2008 se incrementa nuevamente el número de desocupados. en caso contrario. sino que se debe a una disminución de los jóvenes económicamente activos. reflejando que pese a reducir su participación laboral no disminuyen su desempleo.

[87] . Los de alta cualificación. Desocupados por grado de cualificación para Ibagué. concordante con su reducción dentro de la PEA.1. de los que tienen primaria completa. con base en datos en ECH y GEIH. aplican la modalidad de énfasis en los grados 10 y 11. a pesar de que en la primera década del siglo XXI. han aumentado dentro de la PEA. en los años 2007 y 2008. sin embargo. La mayor concentración de población desocupada. corresponde a población con cualificación media. esta medida no ha cambiado el panorama de la desocupación por nivel educativo. Los de alta cualificación. que presentan en el transcurso del período una tendencia decreciente. Los demás grupos reducen su proporción en los desocupados. en los de baja cualificación esta disminución coincide con el incremento de la TO en el año 2005.11. producto de un incremento tanto en ocupados como en desocupados. los de menor proporción. Fuente: Elaboración Propia. 2001-2008. su tendencia ha sido levemente decreciente. son hasta el año 2006.3 Desocupados por nivel educativo. Para los de cualificación media. Figura 21. la reducción en los desocupados se presenta gracias a un incremento en la TO de aquellos que disponen de educación secundaria completa. las instituciones educativas oficiales en Ibagué. (Ver Anexo S). sobrepasan a los de baja cualificación.

Figura 22.1. (Ver Anexo U) [88] . evidenciándose un regreso a la inactividad. se han incrementado porcentualmente en ocupados y desocupados. (Ver Anexo T) Los jefes de hogar. Para el año 2008. presentan una proporción en los desocupados inferior a los hijos. estos continúan su tendencia ascendente. pero es de resaltar la reducción a lo largo de los años. mientras que.4 Desocupados por posición en el hogar. en los primeros la tendencia es creciente. especialmente de 2002 a 2003. Cabe señalar. que en el año 2004. se debe a una reducción en la PEA de los demás miembros del hogar. Fuente: Elaboración Propia. en ese mismo año se presenta un aumento en la proporción de jefes de hogar. se debe principalmente a su reducción dentro de la PEA. Los hijos son los principales desempleados. se observa una reducción de la proporción de cónyuges. con base en datos en ECH y GEIH Los jefes de hogar y cónyuges. principalmente los hijos. La disminución de la proporción de desocupados. 2001-2008. esto más que ser por un incremento en la TGP. no obstante. Desocupados por posición en el hogar para Ibagué.11.

sin embargo. su proporción dentro de los desocupados crece. genera empleo en la mayoría de las posiciones ocupacionales. producto de una reducción mayor del desempleo de sectores como el cuenta propia. con una proporción superior al 55%.11.1. Aproximadamente. Fuente: Elaboración Propia tomada de datos Observatorio de Empleo del Tolima La desocupación más alta. Fuente: Elaboración Propia tomada de datos Observatorio de Empleo del Tolima [89] . 2001-2008.5 Desocupados por posición ocupacional Figura 23. especialmente en el empleo particular.1. 11.6 Desocupados por rama de actividad económica. Expulsados por posición ocupacional para Ibagué. El crecimiento económico del año 2007. Figura 24. 20012008. Desocupados expulsados por Ramas de actividad para Ibagué. el 20% de los desocupados son expulsados del cuenta propismo. proviene de la población expulsada del empleo particular.

se encuentra que. En el año 2008 la industria presenta un incremento en la expulsión de trabajadores.2. Fuente: Elaboración Propia tomada de datos Observatorio de Empleo del Tolima Los hombres presentan las menores TD a lo largo del período de estudio. Tasa de Desempleo en Ibagué. disminuyendo por debajo de 15 puntos en el año 2007. El sector servicios comunales. esto principalmente se debe al crecimiento económico del Tolima. los expulsados disminuyen producto de un buen comportamiento económico. creciendo al final del período de estudio.1 Tasa de desempleo por sexo Figura 25. genera una reducción en los expulsados. Las mujeres exhiben la mayor TD.2008.* 11. tiene alrededor del 15% de cesantes. sobrepasando los 25 puntos hasta el año 2006. Ambos sexos incrementan su TD en el último año de estudio. Comparando los anteriores datos con el crecimiento económico de cada sector (a nivel departamental). * Datos Obtenidos de la Encuesta Manufacturera DANE. En los servicios comunales. el poco crecimiento de la industria ocasiona un incremento en la expulsión en ese año.El sector comercio y todo lo que comprende. 2001. pese al crecimiento de la producción industrial.2 TASA DE DESEMPLEO (TD) DE IBAGUÉ 11. en 2007 se reduce por debajo de los 20 puntos. En el año 2007 los tres sectores mencionados presentan una reducción en la expulsión de trabajadores. pero con tendencia decreciente. es la segunda rama que mayor desocupación genera. aunque disminuye en los años 2007 y 2008. El sector industrial. el alto crecimiento que presenta el comercio en el año 2004. [90] . es el que mayor proporción de desocupados genera. por lo que se podría mencionar la existencia de un efecto “rebote” de los indicadores producto del mejoramiento de las expectativas por conseguir empleo. de igual manera.

11. el de mayor desempleo. Promedio TD para Ibagué por posición en el hogar.2. se reduce con el avance de la edad y se incrementa después de los 44 años. En los niveles educativos superior completo y posgrados la TD promedio. 2001. menos en los mayores de 55 años. a medida que se incrementa la edad se reduce la TD. (Ver Anexo V) 11. con base en datos en ECH y GEIH.4 Tasa de desempleo por posición en el hogar. TD promedio de Ibagué de 2001 a 2008 Primaria Primaria Secundaria Secundaria Superior Ningún Inc Comp Inc Comp Inc TD H 16% 15% 15% 18% 19% 24% TD M 25% 23% 24% 28% 27% 28% TD_T 20% 19% 19% 23% 23% 26% Fuente: Elaboración Propia.que se traduce en una mayor participación laboral. en los hombres el comportamiento de la TD tiene una distribución similar a Chi 2. Superior Comp 16% 17% 16% Posgra 7% 7% 7% Los de cualificación media.2 Tasa de desempleo por edad. 2003). siendo el nivel superior incompleto con una TD de 26 puntos.2008. Promedio TD por edades en Ibagué. A excepción del primer grupo de etario. se reduce sustancialmente a 16% y 7% respectivamente. TD promedio para Ibagué de 2001 a 2008 10 a 15 a 20 a 25 a 30 a 35 a 40 a 45 a 50 a 14 19 24 29 34 39 44 49 54 > 55 TD H 18% 39% 28% 14% 10% 12% 11% 14% 14% 17% TD M 22% 48% 36% 28% 25% 22% 19% 17% 19% 15% TD T 20% 43% 32% 21% 17% 17% 15% 15% 16% 17% Fuente: Elaboración Propia tomada de datos Observatorio de Empleo del Tolima Los jóvenes son los que mayor desempleo presentan.2. 2001-2008. mientras que. que al no coincidir con una respuesta similar de la economía provoca un mayor desempleo.2. presentan una TD mayor que los de baja cualificación. (Ver Anexo W) 11.3 Tasa de desempleo por nivel educativo. Tabla 18. 2001-2008.. Promedio TD por nivel educativo en Ibagué. De análoga manera. la mujer presenta la mayor TD. coincidiendo con la teoría del ciclo vital (McConnell et al. Tabla 19. TD promedio de Ibagué de 2001 a 2008 Jefe(a) del Hogar Cónyuge Hijos TD_H 11% 15% 28% TD_M 16% 25% 33% TD_T 12% 24% 31% Fuente: Elaboración Propia tomada de datos Observatorio de Empleo del Tolima [91] . Tabla 17.

A medida que se observa posiciones en el hogar con menores responsabilidades se incrementa la TD. [92] . los hijos presentan la mayor TD de las tres posiciones principales. sino que están sujetas a características intrínsecas del individuo tales como su salario de reserva. (Ver Anexo X). no sólo se deben a problemas del mercado laboral. en este sentido. Estas altas TD para hijos.

12. En el período de estudio la mujer presenta el mayor promedio de duración. al igual que se convierte en un análisis desagregado que por medio de diversas características permite establecer qué variables intrínsecas influyen de manera negativa o positiva en las altas duraciones del desempleo. Este comportamiento. y ponen de manifiesto uno de los hechos más significativos del mercado laboral ibaguereño de la primera década del 2000. de la cual se estima el promedio de duración de una persona desocupada en Ibagué. en hombres de 24% a 60% y en mujeres de 21% a 50%. Para tal estudio se utiliza la pregunta del módulo de desocupados de la encuesta del DANE ¿Durante cuántas semanas ha estado o estuvo buscando trabajo?. una reducción porcentual del desempleo de larga duración. Ibagué presenta una mayor duración del desempleo. la cual y de acuerdo a la literatura estudiada se puede dividir en corta. la media comprende un rango entre 4 a 11 meses y la larga va de los 12 meses en adelante. al desconocerse el tiempo en que saldrán del desempleo. Para la corta se decide tomar aquellos desocupados entre 0 a 3 meses. que asociado a la jefatura del hogar masculina. media y larga duración. que en la población total pasa de 22% a 54%. un incremento porcentual en la corta duración. así como el incremento sustancial de la población desocupada que lleva en esa [93] . El primero. no es posible establecer con exactitud cuánto tiempo llevan desocupados. cruzando la información con 5 variables distintas tales como sexo. se presenta la fuerte reducción a 2008. en hombres pasa de 39% a 18% y en mujeres disminuye de 42% a 26%.1 DURACIÓN DEL DESEMPLEO EN IBAGUÉ 2001-2008 El estudio sobre la duración del desempleo en Ibagué es importante por las siguientes razones: permite entender cómo se encuentra la ciudad en materia de oportunidades laborales. posición en el hogar y posición ocupacional buscada. edad. dificulta la consecución de un trabajo por parte de la mujer. nivel educativo.12 DURACIÓN DEL DESEMPLEO 12. El segundo. De 2001 a 2008. exhibiéndose una diferencia significativa entre sexos. pues se presenta nuevamente el problema de censura.1 Duración desempleo por sexo. Las anteriores cifras son reveladoras. Sin embargo. la población total cae de 41% a 23%. En la tabla 20. hay que mencionar la segmentación de la duración. Antes de analizar el comportamiento de la duración del desempleo.1. la transición de un desempleo de larga duración a uno de mediana duración. se presentan dos cambios importantes en la proporción de desocupados por duración del desempleo. puede estar influenciado por un menor salario de reserva de los hombres. Cabe mencionar. que en comparación con el total nacional. en el número de semanas para los desempleados según su sexo.

en los años siguientes especialmente en el año 2008.situación menos de 3 meses. se reduce el porcentaje con larga duración del desempleo.9 6 5. En otras palabras.3 9. no se han creado gran cantidad de fuentes de trabajo.4 10. se presenta una fuerte caída a 6. los cónyuges de 24% a 59% y los hijos de 24% a 59%. Duración del desempleo por sexo en Ibagué.2 Fuente: Elaboración propia con base en datos de la ECH y GEIH. Este fenómeno contrasta con una TD que se mantiene superior a 15% y que pone de manifiesto la flexibilización que ha presentado el mercado laboral y que ha permitido una menor duración del desempleo con una alta tasa del mismo. Desempleo en meses Ibagué HOMBRE 2001 2004 2007 12 12.3 5. los jefes caen de 41% a 21%.8 Desempleo en meses Total Nal.75 meses.1. aunque en los años anteriores presenta duraciones similares a los demás miembros principales.8 13.2008.8 10. De 2001 a 2008 se ha presentado cambios en la proporción de desempleados por tiempos de duración. el jefe de hogar presenta duraciones superiores a los 12 meses antes del 2004. Los hijos se caracterizan por tener la menor duración en el 2008 con 6. los jefes de hogar pasan de 20% a 53%.5 9. Los cónyuges son los de mayor duración de desempleo.3 11. En relación a la posición en el Hogar (tabla 21). si no que las existentes han perdido estabilidad y se ha incrementado la rotación y competencia por los empleos disponibles. Tabla 20.2 11. 12. [94] .25 meses en el año 2008.5 meses. cayendo a 8. los cónyuges de 45% a 32% y los hijos de 38% a 19%.2 hogar. En segundo lugar.5 13. se incrementa la proporción de desempleados de corta duración.3 12.8 7 5. 2001.3 MUJER 12.6 11. En primer lugar.6 6 5.9 TOTAL HOMBRE 2008 6 7. MUJER TOTAL 12.4 11.

[95] . debido a su edad se encuentran en la etapa de mayor productividad y por lo tanto.25 15. Estos promedios de duración son coherentes.25 11.1. para el caso de los jóvenes han pasado de 24% a 59%. De 2001 a 2008. mientras que los hijos. alcanzando los 16. en el 2008 se presenta una fuerte reducción de la duración. puesto que. Los mayores de 45 años son los que presentan la mayor duración. se ha incrementado la proporción de desempleados de corta duración. 20012008.5 meses. su fuerza de trabajo es demandada para diferentes actividades. Sin embargo los jóvenes son los que menor duración en el desempleo tienen. los adultos crecen de 19% a 49% y los mayores de 45 de 19% a 46%.75 meses en el 2007. el primero con una menor elasticidad oferta (Tenjo y Ribero.25 6.5 meses. Por otro lado.75 meses. Por grupos de edad (tabla 22). a 2008 se reduce la duración a 5. 1998) puede conseguir empleo más rápidamente. se ha reducido el porcentaje con larga duración del desempleo.25 12 11. Duración del desempleo por posición en el Hogar en Ibagué.25 12.5 7 2008 6. se ha presentado fuertes cambios en la proporción de los desempleados por períodos de duración.75 13. los jóvenes decrecen de 36% a 17%.5 Fuente: Elaboración propia con base en datos de la ECH y GEIH.Tabla 21. en el 2008 el promedio decrece fuertemente y se ubica en 7. Los adultos presentan grandes volatilidades en la duración. el promedio de duración del desempleo muestra que todos presentan reducción del número de meses. los adultos de 46% a 26% y los mayores de 45 años de 50% a 32%.25 14. De igual forma. muchas de baja calidad que no le representan una remuneración ni estabilidad deseada.3 Duración del desempleo por grupos de edad. presentando su punto más alto en el año 2002 con 12. Duración desempleo en meses Jefe de hogar Cónyuge Hijos 2001 2004 2007 14. el jefe de hogar y los hijos debido a sus características.75 8. el cónyuge que es principalmente mujer sale en busca de trabajo con un salario de reserva más alto que el jefe de hogar y con la disyuntiva de tener que intercambiar horas de trabajo en casa por horas de trabajo en el mercado. ubicándose en 10 meses. 12. primordialmente.

son los de más baja cualificación los que ostentan una mayor reducción.75 6. los de baja cualificación son los de menor duración. puesto que.25 9 16 16. Los de alta cualificación tienen una duración del desempleo mayor a los demás. 2001.5 7. Por niveles de cualificación (tabla 23).25 11. la mejora del mercado laboral expresada en la reducción del tiempo de duración. en los años siguientes inicia una tendencia decreciente que los a ubica por debajo de los 9 meses. De 2001 a 2008. con base en datos de la ECH y GEIH.25 13.25 meses de 2001. Por lo anterior. especialmente en el año 2004 cuando alcanza la cifra cercana a los 18 meses.Duración del desempleo por Nivel de Cualificación en Ibagué.5 9 Cualificación media 12.Tabla 22.1. se ha incrementado la proporción desempleados de corta duración. se presenta para todos los niveles. los de media crecen de 22% a 56% y los de [96] .5 10 Fuente: Elaboración propia. En primer lugar.25 6. en los de cualificación media después del 2003 la duración del desempleo decrece. para el caso de los de baja cualificación pasan de 23% a 63%. Duración desempleo en meses Cualificación Baja 2001 2004 2007 12.2008. la duración del desempleo desciende a lo largo de los años. se ha presentado fuertes cambios en la proporción de los desempleados por tiempos de duración. contrario a lo que sucede con los jóvenes y adultos. Para los mayores de 45 años encontrar trabajo es complicado y por lo tanto duran más en desempleo que los demás grupos de edades.75 Fuente: Elaboración propia.5 13. 12. con base en datos de la ECH y GEIH.75 11. ubicándose alrededor de 7 meses en el año 2008.5 8. si bien. Duración del desempleo por edades en Ibagué. 20012008.25 16. Tabla 23.75 2008 5.4 Duración del desempleo por nivel educativo. Duración desempleo en meses Mayores de Jóvenes Adultos 45 años 2001 2004 2007 11 11. su nivel de productividad pierde competitividad y no resulta ser atractivo para el mercado laboral.75 2008 5. finalizando el año 2008 con un promedio de 5 meses muy inferior a los 12.5 13 9 Cualificación Alta 13 17.

5 Duración del desempleo por posición ocupacional. Duración desempleo en meses Obrero o empleado 2001 2004 2007 12.25 10. Que los de baja y media cualificación duren menos en desempleo frente a los de alta cualificación.25 13.5 13 Patrón 15. y con ello la mayor rotación laboral. el cuenta propismo vinculado con el sector informal tiende a ser una oportunidad de trabajo para aquellas personas que se les dificulta conseguir empleo en el sector asalariado. Los patrones caen de 15 meses (2001) a 10 meses (2008).5 Fuente: Elaboración propia. Las actividades económicas ligadas al sector particular son las que presentan la menor estabilidad. [97] . no es ninguna novedad. Duración del desempleo por posición ocupacional en Ibagué. los de baja cualificación decrecen de 40% a 18%. puesto que. Tabla 24. los primeros no han invertido recursos en su educación y no esperan retorno alguno. se ha reducido el porcentaje de desocupados con larga duración. recuperar y obtener retornos más elevados por la inversión realizada. Finalmente la alta duración del desempleo para patrones pone de relevancia la dificultad de crear empresa en la ciudad. la cuenta propia de 13 meses (2001) a 7. mientras que los de alta cualificación han invertido recursos en su formación y esperan con el salario de su trabajo.25 5. con base en datos de la ECH y GEIH. el comportamiento de la duración del desempleo evidencia en primer lugar.1. 12. donde la creación de empresa se convierte en la última oportunidad de emplearse para los sectores con largas permanencias en el desempleo. su salario de reserva es relativamente bajo.75 9. por lo tanto.5 meses (2008) y finalmente los obreros de 12 meses (2001) a 7 meses (2008). por lo tanto.25 2008 7.25 13.5 10. En relación a la posición ocupacional buscada* (tabla 24). una tendencia decreciente de las principales posiciones. 20012008. los de media de 41% a 23% y los de alta de 42% a 26%. De la misma forma. * Debido a inconvenientes en la encuesta continua de hogares no es posible desagregar los obreros particulares y de gobierno.25 7. debido a que está fuertemente relacionado con una mayor rotación de fuerza de trabajo. En segundo lugar. es coherente que el sector obrero sea el de menor duración del desempleo.alta lo hacen de 20% a 47%.25 Cuenta Propia 13.

[98] . los que buscan en cuenta propia de 24% a 54% y los que quieren ser patrones lo hacen de 8% a 65%. para el caso de los que buscan empleo como obreros pasan de 23% a 47%. la proporción de desocupados de larga duración se ha reducido. se ha incrementado la proporción de desempleados de corta duración. Asimismo. los que buscan empleo como obreros decrecen de 41% a 23%.De 2001 a 2008. los de cuenta propia pasan de 41% a 27% y desocupados que buscan empleo como patrones de 53% a 16%.

se evidencia que las mujeres presentan una función de supervivencia más alejada del origen.13.00 0. Para el año 2010 persiste el comportamiento y la forma de la función de supervivencia en hombres y mujeres.00 0.75 0. MODELOS DE DURACION DEL DESEMPLEO 13.50 0. Función Kaplan Meier duración del desempleo por sexo en Ibagué.1. De acuerdo con los resultados obtenidos del estimador Kaplan Meier por sexo (Figura 26).25 0. Figura 26. lo que indica que tienen una mayor probabilidad de permanecer en desempleo. es decir una probabilidad mayor de conseguir empleo.75 0 20 40 meses sexo = Mujer 60 80 sexo = Hombre 100 0 20 40 meses sexo = Mujer 60 80 sexo = Hombre 100 Fuente: Salidas del programa estadístico Stata con base en ECH y GEIH. 1. [99] . los hombres tienen una menor función de supervivencia.50 0.1 RESULTADOS MODELOS DE DURACIÓN DEL DESEMPLEO 13.00 1.1 Modelos no paramétricos de duración del desempleo. estas continúan con mayores probabilidades de permanecer en el desempleo. mientras que. 2001 y 2010.25 0.00 Función Kaplan Meier por Sexo 2001 Función Kaplan Meier por Sexo 2010 0.

00 0 20 40 60 Meses 80 100 pos_hogar = Jefe pos_hogar = Hijo pos_hogar = Cónyuge pos_hogar = Otros pos_hogar = Jefe pos_hogar = Hijo pos_hogar = Cónyuge pos_hogar = Otros Función Kaplan-Meier por Posición en el Hogar 2010 Kaplan Meier-Posición en el Hogar Hombres 2010 Kaplan Meier-Posición en el Hogar Mujeres 2010 1.25 0.50 0.00 0. se detalla que en la población masculina el jefe de hogar y cónyuge presentan una menor probabilidad de seguir desempleado.50 0. tanto en el año 2001 como en el año 2010. pues si bien ser mujer presenta una mayor probabilidad de mantenerse en desempleo. si es hija esta probabilidad se reduce y es menor que si se es hijo.25 0. En cuanto a las mujeres.00 0.00 0 20 40 60 Meses 80 100 pos_hogar = Jefe pos_hogar = Hijo pos_hogar = Cónyuge pos_hogar = Otros pos_hogar = Jefe pos_hogar = Hijo pos_hogar = Cónyuge pos_hogar = Otros Fuente: Salidas del programa estadístico Stata con base en ECH y GEIH Por posición en el hogar. 2001 y 2010 Función Kaplan-Meier por Posición en el Hogar 2001 Kaplan Meier-Posición en el Hogar Hombres 2001 Kaplan Meier-Posición en el Hogar Mujeres 2001 1. [100] . Un dato revelador es la diferencia entre funciones de supervivencia de los hijos respecto su sexo. Función Kaplan Meier duración del desempleo por posición en el hogar en Ibagué.75 1.50 0.75 1.Figura 27.75 0.00 0.50 0.25 0.00 0 20 40 Meses 60 80 100 0.75 0.00 0. Los otros miembros del hogar e hijos son los que presentan una probabilidad mayor de continuar desempleados.25 0. las hijas y jefes de hogar presentan una probabilidad menor de permanecer el desempleo respecto a las cónyuges y otros miembros.00 0 20 40 Meses 60 80 100 0.

50 0.75 1.25 0. Función Kaplan-Meier según Rangos de Edad 2001 Kaplan Meier-Rango Edad Hombres 2001 Kaplan Meier-Rango Edad Mujeres 2001 1.00 0. Figura 28.25 0.00 0.00 0. por lo que la hija podría ocuparse más rápido que el hijo. que demandan en gran medida mano de obra femenina.00 0 20 40 Meses 60 80 100 0.50 0.50 0. Sumado a ello. que las mujeres para los años 2001 y 2010.75 0.25 0.siendo una explicación a este fenómeno la demanda laboral ibaguereña que se concentra en los sectores comercio y servicios personales.00 0 20 40 Meses 60 80 100 rangoedad = 10 a 29 rangoedad = 45 y mas rangoedad = 30 a 44 rangoedad = 10 a 29 rangoedad = 45 y mas rangoedad = 30 a 44 Fuente: Salidas del programa estadístico Stata con base en ECH y GEIH La figura 28 de la función KM de los jóvenes muestra. la mayor responsabilidad femenina en situaciones de reducción del ingreso familiar.50 0. presentan una menor probabilidad de mantenerse [101] . probablemente este también asociado a un menor salario de reserva por parte de estos miembros de hogar (Figura 27).75 1. Función Kaplan Meier duración del desempleo por rangos de edad en Ibagué.25 0.00 0 20 40 Meses 60 80 100 rangoedad = 10 a 29 rangoedad = 45 y mas rangoedad = 30 a 44 rangoedad = 10 a 29 rangoedad = 45 y mas rangoedad = 30 a 44 Función Kaplan-Meier según Rangos de Edad 2010 Kaplan Meier-Rango Edad Hombres 2010 Kaplan Meier-Rango Edad Mujeres 2010 1. 2001 y 2010.00 0.75 0.00 0 20 40 Meses 60 80 100 0.

En los años 2001 y 2010.00 0. Función kaplan-Meier según Nivel Educativo 2001 Kaplan Meier-Nivel Educativo Hombre 2001 Kaplan Meier-Nivel Educativo Mujer 2001 1.75 0.25 0. se nota que en los años 2001 y 2010 (Figura 29). Para el caso de los hombres. el nivel [102] .00 0 20 40 meses 60 80 100 0. Función Kaplan Meier duración del desempleo por nivel educativo en Ibagué 2001 y 2010.50 0.75 0 20 40 meses 60 80 100 nivel_educ = Bajo nivel_educ = Alto nivel_educ = Medio Fuente: Salidas del programa estadístico Stata con base en ECH y GEIH Por nivel educativo.50 0.50 0. coincidiendo con los resultados de las hijas.00 0.00 1. tanto en hombres como mujeres.desempleadas.00 0 20 40 meses 60 80 100 nivel_educ = Bajo nivel_educ = Alto nivel_educ = Medio nivel_educ = Bajo nivel_educ = Alto nivel_educ = Medio Función kaplan-Meier según Nivel Educativo 2010 1.00 0.00 0. en hombres las funciones de supervivencia se aproximan entre sí.75 1.25 0 20 40 meses nivel_educ = Bajo nivel_educ = Alto nivel_educ = Medio 60 80 100 Kaplan Meier-Nivel Educativo Hombre 2010 Kaplan Meier-Nivel Educativo Mujer 2010 0.50 0. los mayores de 45 años exhiben la mayor probabilidad de continuar en desempleo. siendo coherente con los análisis de los capítulos anteriores y con la teoría del ciclo vital.75 0. sin embargo.25 0.25 0. Figura 29.00 0. los adultos se sitúan con la menor probabilidad de permanecer desocupados. probablemente estos en su mayoría sean también jefes de hogar.

este comportamiento se contradice con lo que se espera teóricamente. Para los de nivel bajo y medio no se presentan diferencias significativas en las funciones de supervivencia de los hombres. para el caso de Ibagué la mujer con mayor educación no solo tiene menor TD.25 0. observándose que los que no tienen hijos dependientes tienen un probabilidad levemente mayor de mantenerse desempleados. (Ver Anexo Y) Figura 30. El Estado civil (figura 30) muestra que. La probabilidad de mantenerse desempleado para los que tienen pareja es menor que para los que no tienen.00 0 20 40 meses 60 80 100 0. sino que tiene una menor duración en el. 2010. En mujeres no se observa una clara diferencia entre las funciones de supervivencia. para el año 2001 la brecha es mínima y en 2010 se hace casi nula.50 0. (Ver Anexo Z) [103] . puesto que entre mayor educación mayor salario de reserva y por lo tanto mayor tiempo de búsqueda. sobre todo en el año 2001.00 0. el grado de cualificación alto es el que tiene la menor probabilidad de permanecer en desempleo. en los hombres a 2001 y 2010 existe una clara diferencia entre las funciones de supervivencia de los que tienen o no pareja. Función Kaplan Meier duración de desempleo por pareja en Ibagué.25 0. parece ser una característica que no cambia significativamente las funciones de supervivencia de las mujeres.00 1. En las mujeres se aprecia que para los años 2001 y 2010.75 0. es decir que la educación se convierte en la mejor estrategia para superar los obstáculos que se presentan en el mercado laboral.alto es el que mayor probabilidad tiene de mantenerse desempleado.00 Kaplan Meier-Con Pareja Hombre Kaplan Meier-Con Pareja Mujer 0. En los hombres la brecha es mayor. Función kaplan-Meier Con Pareja 2010 1.50 0. en cambio la cualificación baja y media comparte la mayor probabilidad de continuar en desempleo. puesto que.75 0 20 40 meses 60 80 100 Con_pareja = 0 Con_pareja = 1 Con_pareja = 0 Con_pareja = 1 Fuente: Salidas del programa estadístico Stata con base en ECH y GEIH Tener hijos dependientes (figura 31). sin embargo.

00 0 20 40 meses 60 80 100 0. evaluado al 5%. El test log rank para el total sin discriminar hombre y mujer muestra que el único grupo donde no se presentan diferencias entre las funciones de supervivencia es en el nivel educativo.50 0. A 2010 la diferencia en mujeres asalariadas y no asalariadas no es significativa.50 0. Función Kaplan Meier duración desempleo por dependientes en Ibagué.25 0.00 0 20 40 60 Meses 80 100 0.50 0.00 Kaplan Meier-Asalariado Hombres Kaplan Meier-Asalariado Mujeres 0. mientras que. 2010. Figura 32.2 desempleo.75 0. 2010.00 1. Funcion kaplan-Meier según Dependientes 2010 1.00 0.25 0.75 0 20 40 meses 60 80 100 dependientes = 0 dependientes = 1 dependientes = 0 dependientes = 1 Fuente: Salidas del programa estadístico Stata con base en ECH y GEIH La función de supervivencia por posición ocupacional muestra que en el año 2001. en hombres se mantienen los asalariados con la mayor permanencia en el desempleo.00 Kaplan Meier-Niños Dependientes Hombre Kaplan Meier-Niños Dependientes Mujer 0.00 0. Función Kaplan-Meier por Asalariado 2010 1. los asalariados tienen una mayor probabilidad de permanecer en desempleo frente a los no asalariados (Ver Anexo A1).75 0 20 40 60 Meses 80 100 Asalariado = 0 Asalariado = 1 Asalariado = 0 Asalariado = 1 Fuente: Salidas del programa estadístico Stata con base en ECH y GEIH 13.00 1. Función Kaplan Meier duración desempleo por asalariados en Ibagué.25 0.25 0. (Ver Anexo A2) [104] .75 0.Figura 31.50 0.1.

Los de cualificación baja tienen 19% mayor probabilidad de riesgo de salir del desempleo que el nivel medio.116807 1. El cónyuge.770850* 0. y dependientes. (Ver Anexo A3) 13. excepto para el nivel educativo y dependientes. de forma individual la prueba P revela que las variables edad1. los de edad 3 (mayores de 45 años) presentan una probabilidad 42% menor a la de edad 2 (adultos) de salir del desempleo.075255 0.197483* 1. los hijos y otros miembros del hogar ostentan una menor probabilidad de salir del desempleo [105] .3 Modelos semiparamétrico de duración del desempleo(Para ver salidas completas Ver Anexo A4) Tabla 25.1896* Dependientes 1.067069 *significativo al 5% ** Significativo al 10% Fuente: Elaboración propia.587045* 1.734341* 1.717746* 0.Salida Modelo Cox duración desempleo en Ibagué. muestran que las diferencias de las funciones de supervivencia son significativas para todas las variables. Sin embargo. Ratio 1. Las razones de riesgo significativas muestran que los hombres tienen 35% mayor probabilidad de salir del desempleo que las mujeres. no presentan diferencias significativas entre sus razones de riesgo.1. nivel alto.354918* 1. es significativo por el resultado de la prueba chi2.Las pruebas log rank a 2010.086949 0. en relación con sus variables bases. El modelo muestra que a nivel de significancia global. 2001 Modelo Cox 2001 2001 Variables Sexo edad1 edad3 Con Pareja Nivel bajo Nivel Alto Cónyuge Hijo Otros No Asalariado Haz. con pareja. a partir de las salidas de Stata con base en ECH y GIEH Se emplea las mismas variables bases utilizadas en la estimación del modelo de duración del empleo.

50 -81.52 -1303. para los años 2001. el mejor modelo es el exponencial según las pruebas BIC y AIC.57 228.34 -82.23 225. para el año 2010.92 2137.47 Mexp 4864.93 2139. confirmado por las tres pruebas.28 115.03 2697.1.respecto al jefe de hogar.69 192.63 93.11 2208.42 -39. 2008 y 2010. el modelo que mejor se ajusta es el Gompertz.31 105.64 94.55 4786.13 130. los no asalariados tienen 18% mayor probabilidad de salir del desempleo.71 107. Los resultados para la población general a 2001 muestran que el mejor modelo en dos de las 3 pruebas es el Gompertz.25 129. éste comportamiento se mantiene para los años 2004 y 2008.79 95. En la población masculina el comportamiento es similar al general.80 194.68 192. a partir de salidas de Stata con base en ECH y GIEH Se realiza las pruebas para la población general. 2001 y 2010.87 Fuente: Elaboración propia.26 -82.03 -2379.15 -33.65 2632.56 2633.19 132. para el 2004 el mejor modelo es el Gompertz según AIC y log likelihood.71 118.74 Log FEMENINA likelihood -1055.96 -1055. 13. Pruebas para escogencia de modelos Paramétricos Ibagué 2001 Población Pruebas BIC AIC GENERAL Log likelihood BIC AIC Log MASCULINA likelihood BIC AIC Mweib 4870. Finalmente.01 2696.Pruebas modelos Paramétricos duración desempleo en Ibagué.28 2628. puesto que.32 -33.49 -1302.93 4786. Escogencia mejor modelo paramétrico duración del desempleo. para hombres y mujeres en los años 2001 y 2010.19 2010 Mexp Mgompertz 229.80 -2378.69 2139.96 -1055.18 4782. en cambio para el 2010 es el Weibull. (Ver salidas completas Anexo A6) [106] .75 2208.34 118.95 -42.58 mgompertz mweib 4866.05 -2376. el mejor modelo es el exponencial según dos de las tres pruebas.4 Modelos paramétricos de duración del desempleo.40 2702.82 -33.69 -38. En la población femenina en los años 2001.90 110.26 2201. 2004 y 2008.21 -1300. (Para ver salidas completas Ver Anexo A5) Tabla 26.

2004 y 2008. La variable edad muestra que solo la edad3 es significativa.4796* 0. mostrando que.10044 -0. 0. no necesariamente debe interpretarse como una discriminación laboral hacia la mujer.00000 Gompertz Gompertz Gompertz Exponencial *significativo al 5% ** Significativo al 10% Fuente: Elaboración propia a partir de las salidas de Stata con base en ECH y GIEH Los coeficientes de los modelos aplicados para la población general en los diferentes años escogidos se interpretan tomando el signo del coeficiente.0466 -0.2838* -0. como lo es.02746 -0. puesto que.0095 -0. una búsqueda de empleo con características especificas. a valores positivos (negativos) se incrementa la probabilidad de abandonar (mantener) el desempleo. 2004.00243 -0. un mayor salario de reserva. Salidas Modelos Población general Activa Cesante en Ibagué.1200** 0.05757 0.0136 -0. entre otras.00908 -0.0028 -0.47571 -0.0000 2004 COE.02717 -0. 2008 y 2010. la variable sexo es significativa en todos los años. Sin embargo.54276* 0.0219* 0. 2001 Variables Sexo edad1 edad3 Con Pareja Nivel bajo Nivel Alto Cónyuge Hijo Otros No Asalariado Dependientes TD_hogar INLAB COE. 0. puede ser producto de las características intrínsecas de la actividad femenina.27752 0.03726 0.Tabla 27. y lo es para los años 2001.2363* -0. la probabilidad de salir del desempleo de los hombres es mayor que en las mujeres.1714* 0.3199 -0.5472* -0.3469* -0.02185* 0.0747 -0. En todos los años.00153 -0.27988 -0.0227* 0.0578 -0.1530 -0. que existe una diferencia notoria entre las probabilidades de hombres y mujeres de salir del desempleo.14706 0.85125* -0.3699* 0.08320 0. 0.12946 0.0028 -0. 2001.0000 2008 COE.1178** 0.0599 0. que la edad3 [107] .3259* 0.06277 -0.02653 0.09599 -0.Salidas Población general duración desempleo en Ibagué. contrario a lo que sucede con los modelos de duración del empleo.0000* 2010 COE.4396* -0. El comportamiento del coeficiente exhibe. lo que quiere decir.0362 -0.45994* 0. En este sentido. 0.25850 0.23734* 0.0210* 0. se evidencia en el mercado laboral una mayor facilidad de ocuparse para los hombres.

muestra al cónyuge como significativo en los años 2001. que en Ibagué exista igualdad en las probabilidad de conseguir empleo. pues debido a sus características y su salario de reserva. Los no asalariados poseen una probabilidad menor de salir del desempleo que los asalariados. por lo que la igualación en las probabilidades de duración del desempleo pueden estar propiciadas por los problemas laborales en Ibagué. que los sin pareja encuentren más fácil trabajo. tienen una mayor probabilidad de emplearse que los cónyuges. La variable posición ocupacional presenta coeficientes significativos para los años 2001. por lo cual. su duración del desempleo será menor que los demás. 2004 y 2008. ya que si bien. que provocan que los sin pareja busquen ocuparse en trabajos sin considerar el salario ofrecido. estos pueden decidir emplearse en puestos de trabajo con salarios y actividades inferiores a sus expectativas o emigrar a otras ciudades.presenta una menor probabilidad de salir del desempleo frente a la edad2. La alta cualificación no presenta coeficientes significativos. presentando una probabilidad menor de salir del desempleo que los jefes de hogar. donde aquellos con mayor edad han depreciado su capital humano y son menos apetecidos por el mercado laboral. Este comportamiento es coherente con los resultados obtenidos en los análisis descriptivos y con la teoría del ciclo vital. su elasticidad oferta de salario es mayor frente a los de menor educación y esto provoca que busquen un empleo que satisfaga sus expectativas. Ahora bien. no necesariamente implica que se encuentren en mejor situación. siendo coherente con lo teoría. lo que no es tan positivo. En el año 2010. Los datos empíricos y la teoría del capital humano manifiestan que es usual que los de mayor nivel educativo duren más tiempo en búsqueda de empleo. es común que duren más tiempo en el desempleo. en este caso. La variable posición en el hogar. presentando una mayor probabilidad de salir del desempleo. que el sector no asalariado dure más en búsqueda de empleo se debe muy probablemente a la priorización de los trabajos. sólo es significativa en el año 2008 y muestra que la probabilidad de salir del desempleo es mayor para los con pareja.. aunque tienen más probabilidad de mantenerse empleados. Puesto que. 2004 y 2008. es significativa sólo en el año 2001. La variable estado civil. En cuanto al nivel educativo. donde los [108] . se encuentra que la baja cualificación en comparación con la variable base cualificación media. revelando que el mercado de trabajo coloca en la misma condición a trabajadores con pareja y sin pareja. Según la teoría de decisión familiar de Gary Becker (McConnell et al. no es significativa esta diferencia. puede ser una manifestación de un mercado laboral con pocas oportunidades atractivas para los de mayor educación y por lo cual. 2003) el jefe de hogar por su menor salario de reserva y por la responsabilidad de mantener a su familia buscará preservar el empleo y por ello. Los hijos y otros miembros del hogar no son variables significativas para ninguno de los años.

la informalidad se convierte en la última y no la primera opción que tiene el desocupado. La anterior afirmación está relacionada con el hecho de que las personas con algún INLAB. La variable dependientes no es significativa en ningún año de estudio. a medida que se incrementa el ingreso no laboral la probabilidad de salir del desempleo es mayor. La variable TD en el hogar es significativa en todos los años. por lo que no se evidencia una preferencia para alguno de los dos grupos (con hijos o sin hijos dependientes) en el mercado laboral. encontrar más rápido trabajo que aquellos que no disponen de ningún ingreso no laboral o también deciden abandonar la actividad y sobrevivir de la renta no laboral. La variable INLAB sólo es significativa en el año 2008. son también las que sufren de mayor duración en el desempleo. Por lo anterior. Esto puede entenderse como una penalidad que obtiene la familia por el mercado laboral y que puede estar muy relacionado a la larga duración del desempleo de miembros principales de hogar que obliga a los miembros secundarios a participar en el mercado de trabajo. recurrirán al sector no asalariado vinculado fuertemente a la informalidad. es decir. tienen recursos para financiar los costos de la búsqueda y con ello. [109] .desempleados buscarán primero en el sector asalariado vinculado con el empleo formal y en segundo lugar -si no consiguen empleo-. mostrando que aquellas familias que tienen más integrantes del hogar desempleados. aunque el coeficiente es cercano a cero con signo positivo. incrementando la TD del hogar.

2001 Gompertz Variable edad1 edad3 Con Pareja Nivel bajo Nivel Alto Cónyuge Hijo Otros No Asalariado Dependientes TD_hogar COE.2696* 0.0860 -0.02793 -0. 0.4211** -0. -0. Finalmente. 2004.5667* 0.0179** INLAB 0. Salidas Modelos para la Población Masculina Desocupada en Ibagué.06232 0. 2008 y 2010.0000 0. mostrando que la probabilidad de salir del desempleo es menor y se incrementa.5306 1.1716 -0. se incrementa la TD posiblemente por efecto de la participación de miembros secundarios en el mercado laboral.Salidas Hombres duración desempleo en Ibagué. lo que indica que los desocupados con pareja tienen una mayor probabilidad de salir del desempleo.1126 -0. La variable con pareja presenta coeficientes significativos del 2001 al año 2008.0977 0.0013 -0.2339 0.0275 0.0197* 2008 Gompertz COE.12588 -0.2137** 0. La variable no asalariados es significativa para el año 2008 y muestra que la probabilidad de salir del desempleo es menor que los asalariados.0000* 0. Los hijos y otros miembros del hogar no presentan coeficientes significativos.1368 -0.0123 -0. Por nivel de cualificación.1454 -0.3903* 0.5056 0.0000 *significativo al 5% ** Significativo al 10% Fuente: Elaboración propia a partir de las Salidas de Stata con base en ECH y GIEH Para los hombres se presentan los siguientes resultados: La edad solo tiene a la edad3 como variable significativa hasta el año 2008.4663* 0.7150 0. Los coeficientes de la variable dependientes no son significativos en ningún año.0181* 2004 Gompertz COE.1687** -0.0785 -0. donde la probabilidad de salir del desempleo es mayor frente a la variable base nivel medio.0506 -0.1126 -0.4391* 0.8446 -0.0185* 2010 Weibull COE.0716 -0. 0.0289 -0.0106 0.3827** 0. la variable INLAB es [110] . -0.0000 1. solo el nivel bajo en el 2001 es significativo.1134 -0.1771 -0.1112 -0.0212 -0. mostrando una probabilidad menor de salir de desempleo que los jefes de hogar.0000* 0.0696 -0. La TD en el hogar es significativa para todos los años y muestra que en los hogares con mayor duración del desempleo.1517 -0. La posición en el hogar tiene al cónyuge con coeficientes significativos para los años 2004 y 2008. agregándole un incremento diferencial al 2008. 2001.7168 1.Tabla 28.

-0.2149 1. De igual forma. -0.0233* 0. 2004.56412 -1.9123 -0.2984* -0.0108 -0.Salidas Mujeres duración desempleo en Ibagué.0248* 0.0767 -0. El grupo con pareja presenta coeficiente significativo para el 2004.1295 -0.8149 -0.00000 *significativo al 5% ** Significativo al 10% Fuente: Elaboración propia a partir de las salidas de Stata con base en ECH y GIEH Los resultados para la mujer son los siguientes: En la edad el grupo edad3 es significativo del 2001 al 2008. coherente con los resultados Kaplan Meier.20950 1. el cual muestra una menor probabilidad de abandonar su estado de desocupación [111] .05964 -0.05702 -0.6946 -0.2954* -0.00000** COE. donde la probabilidad de salir del desempleo es mayor en el año 2001 y menor en el año 2008 que los de nivel medio.0371 0. mostrando una menor probabilidad de salir del desempleo frente a las que no tienen pareja.0000 Exponencial Exponencial COE.0230 0. Las cónyuges presentan coeficiente significativo a 2008. 0.11609 -0. mostrando que la probabilidad de abandonar la desocupación es mayor que la del nivel medio.37279* 0.4617* -0.13475 -0. presentando una probabilidad menor de salir del desempleo que los de edad2 e incrementándose esta diferencia a 2008. Tabla 29. 0. el nivel alto presenta coeficiente significativo a 2010.2597* -0. Salidas Modelos para Población Desocupada Femenina en Ibagué 2001 2004 2008 2010 Exponencial Gompertz Variable edad1 edad3 Con Pareja Nivel bajo Nivel Alto Cónyuge Hijo Otros No Asalariado Dependientes TD_hogar INLAB COE.2662* -0.0368 -0.4760 -0.1626 -0. 2001.0290* 0.4547* -0.significativa para los años 2004 y 2008 lo que indica que a medida que se incrementan los ingresos no laborales aumenta la probabilidad de salir del desempleo.00000 COE.1284 -0.03215 -0.0405* 0.36655 -0.07389 0.4050* -0.34892** -0.1499 0.3849* -0. La variable edad1 solo es significativa en el 2008 y muestra una probabilidad mayor de salir del desempleo.1230 -0. lo que indica que las mujeres más Jóvenes pueden abandonar su situación de desocupación con mayor facilidad que las de mayor edad.0733 -0. 2008 y 2010.0217 0.13958 0.0015 -0. El nivel de cualificación bajo presenta coeficientes significativos en los años 2001 y 2008. pero de manera muy reducida.0480* 0.06286 -0.

[112] .que las jefes de hogar. por lo cual. mostrando que la probabilidad de salir del desempleo es menor para estos y la diferencia se hace mayor en el 2008. presentando signo positivo. La variable TD en el hogar es significativa para todos los años de estudio lo que significa la existencia de una relación positiva entre TD del hogar y duración del desempleo. Finalmente. La variable no asalariados es significativa en los años 2001 y 2008. el INLAB es significativo a 2001. Los dependientes no presentan variables significativas. el grupo de hijos y otros miembros del hogar no presentan coeficientes significativos para los años enunciados. De otro lado. a mayor ingreso no laboral mayor probabilidad de salir de la desocupación.

De igual forma en el análisis por sexo señala que tanto para Hombres como para mujeres la edad3 es un determinante del desempleo. La variable edad correspondientes a los mayores de 45 años es determinante del desempleo para el 2001. En este sentido ser Mujer incrementa la permanencia en el desempleo. El Ingreso No Laboral es una variable que altera la duración del desempleo en el 2008. Para los hombres esta variable es determinante sólo en el 2008. puesto que una persona que no sea Jefe hogar tiene una mayor permanencia en el desempleo para el 2001. donde aquellas personas con nivel bajo tienen mayores duraciones en el desempleo.14. La Posición Ocupacional correspondiente a los No asalariados es un determinante de la duración del desempleo del 2001 al 2008. 2004 y 2008. El Estado Civil sólo es un determinante de la duración en el año 2008. 2004 y 2008. HOMBRES Y MUJERES LA La variable Sexo es determinante en la duración del desempleo para todos los años. En hombres y mujeres la TD del hogar es determinante para todos los años. mientras que en las mujeres lo es sólo para el 2001. DETERMINANTES DE LA DURACIÓN DEL DESEMPLEOEN POBLACIÓN GENERAL DESOCUPADA. Adicional a lo anterior en la mujer el nivel educativo es significativo en el 2008 también. En hombres y en mujeres no ser jefe de hogar y ser cónyuge son características que incrementa la duración en el desempleo en el 2004 y 2008 para los hombres y 2008 para las mujeres. sí se dispone de un INLAB la duración del desempleo se hace menor. El Nivel Educativo se presenta como determinante para el 2001 a nivel general en hombres y mujeres. Una persona con pareja tiene menor permanencia en el desempleo. lo que indica que una persona que se encuentre en dicho rango de edad tiene mayores probabilidades de permanecer en desempleo. [113] . La TD del Hogar es un determinante de la duración del desempleo en todos los años de estudio lo que indica que entre mayor sea la tasa mayor duración en el desempleo tendrán los miembros del hogar. La Posición en el hogar se presenta como un determinante del desempleo. para hombres (2008) y mujeres (2001 y 2008) buscar empleo o estar empleado en sectores no asalariados implica tener mayor permanencia en la desocupación frente al asalariado. mientras que para las mujeres es determinante en el 2004. En Hombres es determinante en 2004 y 2008.

Los resultados de los modelos paramétricos muestran que en la edad. estar empleados ya sea en comercio. Por otro lado. el nivel educativo alto. ser hijos. En el año 2007 se presenta una coyuntura favorable en términos económicos y de empleo. el estado civil. Para este año las brechas de funciones de supervivencia entre los niveles educativos manifiesta un comportamiento contrario a la teoría. y muestra que. con un nivel de educación medio. los de alta cualificación el sector servicios personales y el empleo del gobierno. el signo es el esperado. jefes de hogar. La duración del empleo de 2001 a 2008 se ha reducido tanto en Ibagué como a nivel nacional. los adultos. siendo el promedio nacional mayor que el promedio ibaguereño. A [114] . se perjudican en alguna medida los hombres. presentar un nivel de cualificación media. servicios personales o industria. lo que evidencia. Un análisis más detenido del comportamiento del ingreso no laboral revela que el signo positivo se debe a que el ingreso no laboral ocasiona más que desempleo el retorno a la inactividad. hijos dependientes e ingreso no laboral. y por otro lado. adultos. el nivel educativo. A 2010 se presenta una diferencia significativa en las funciones de supervivencia por sexo. La mujer es la que menor probabilidad tiene de mantener empleada. sin embargo. por un lado. los mayores de 45 años. y por pertenecer a la posición ocupacional de empleado particular y/o cuenta propia. un mercado laboral con una estrecha relación entre estabilidad laboral y baja calidad del empleo. CONCLUSIONES Los ocupados en Ibagué se caracterizan por ser hombres. los jóvenes. Las variables asociadas a una mayor duración del empleo son: La jefatura del hogar. solo algunos grupos se benefician de esta coyuntura: las mujeres. los de niveles educativos completos y los cuenta propia. no es una variable que ocasione una mayor probabilidad de seguir empleado. un sector asalariado pre moderno y con una alta frecuencia al desempleo. Aquellos ocupados en sectores no asalariados permanecen más tiempo empleados. jóvenes. ser expulsados del empleo particular y de los sectores comercio o servicios comunales. los que tienen secundaria incompleta o superior incompleta y los que se ubican en el sector particular (algunos de estos los más afectados por el desempleo). La ciudad de Ibagué presenta una mayor duración del desempleo en comparación con la duración promedio del total nacional para todo el período de estudio.15. Los desocupados en Ibagué se caracterizan por ser mujeres.

En relación con la hipótesis. 2008 y 2010). puesto que. las personas no asalariadas y con nivel educativo medio persisten en el desempleo. Los no jóvenes permanecen mayor tiempo en el desempleo. sin embargo. en el transcurso del período de estudio. cónyuge. los resultados en la duración del empleo concuerdan. siendo estos últimos los que permanecen en desempleo por mayor tiempo. así mismo los mayores de 45 años permanecen mayor tiempo en desocupación en comparación a los demás grupos. 2004. el nivel educativo deja de ser una característica para una mayor duración en la ocupación. [115] . el nivel educativo. mayor duración en el desempleo tendrán los miembros del hogar o dicho de otra forma. producto de que este ingreso no asociado al trabajo. Asimismo por posición en el hogar. los no jefes. Sin embargo. Los resultados de los modelos paramétricos muestran que el sexo. los no asalariados. se evidencia una mayor duración en las mujeres que los hombres. una mayor duración provoca un incremento de la TD en el hogar producto de una mayor participación de los hijos y cónyuges. siendo los hombres los de menor duración del desempleo. en los hombres existe una clara diferencia entre las funciones de supervivencia de los que tienen o no pareja. En la agrupación denominada asalariados y no asalariados. la hipótesis de una larga duración del desempleo no se corrobora con los resultados obtenidos y se encuentra con un desempleo de mediana duración que no supera los 12 meses. el estado civil. Según el estado civil. los que no son jefes perduran más tiempo en desempleo. presentan el signo esperado y son determinantes de la duración del desempleo en la mayoría de años seleccionados para el análisis (2001. la edad. Un estudio más detenido del comportamiento del ingreso no laboral revela que el signo positivo hace referencia a que a incrementos en el ingreso no laboral disminuye la probabilidad de mantenerse en el desempleo. así como la industria y en general los sectores asalariados no tienen un claro tratamiento privilegiado en el mercado laboral en relación con una mayor duración del empleo. El análisis no paramétrico por estimador Kaplan Meier pone a la vista que son las mujeres las que mayor tiempo permanecen en desempleo. Las características asociadas a una mayor duración del desempleo son: ser mujer. favorece el retorno a la inactividad laboral. aquellos con bajos niveles educativos y ubicados en sectores como el gobierno. se evidencia que tanto para hombres como mujeres los primeros son lo que mayor tiempo permanecen desocupados. lo que indica que entre mayor sea la tasa. tener hijos dependientes e ingreso no laboral. tener alta cualificación y ser patrón. acentúense para las mujeres. Los resultados en la duración del desempleo concuerdan. los jefes de hogar. existe una preferencia en ocupar a jóvenes y adultos y a permanecer más tiempo empleados los hombres. mayor de 45 años. Un caso especial es el resultado de la TD del hogar porque es un determinante de la duración del desempleo en todos los años de estudio.nivel local se presenta una importante diferencia entre hombres y mujeres. puesto que.

[116] . que el mercado laboral se incline por una características personales y socioeconómicas. como es el caso de la reforma laboral. que esto explique el por qué unas personas presentan mayores duraciones en el desempleo.En este mismo orden. las capacidades de las personas y el crecimiento económico. no significa. de tal forma que hay variables no tenidas en cuenta tanto intrínsecas como sociales que inciden en este fenómeno.

en otras palabras. exhibieron una mayor duración en el desempleo y una menor duración en el empleo. Es sintomático que ni siquiera en el sector universitario se remunere como merece el trabajador con educación de postgrado. es hora de poner en práctica la imaginación. buscar soluciones alternas y tener voluntad política para enfrentar el problema del desempleo. [117] . para que no contraten con un período de tiempo inferior a un año y se deje a un lado la contratación vía orden de prestación de servicios. por lo tanto. sin embargo. No es conveniente seguir implementando medidas generales. RECOMENDACIONES Se necesita crear una política pública a nivel local y nacional que beneficie la estabilidad laboral en los sectores asalariados. esto es una fenómeno que va en contra de la teoría del ciclo vital. focalizando su margen de acción en determinados grupos según lo arrojado por el estudio presente. que en el momento de la búsqueda de trabajo el salario ofrecido no tenga mayor influencia en la decisión del empleo buscado. consistiría en implementar una política pública que consista en aplicar un seguro de desempleo. Una recomendación general de este trabajo es que se deben formular e implementar políticas públicas para que el mercado laboral favorezca a personas con características específicas. se debe agregar como condición suficiente.16. que como característica personal presente una elasticidad de oferta de salario baja. se presenta en la ciudad la llamada fuga de cerebros hacia regiones que si le garantizan altos niveles salariales acordes al retorno de la inversión que efectuaron en educación. Ibagué debería empezar a crear incentivos para que las empresas que lleguen a la ciudad y las que se crean en ella se enfoquen en primer lugar en el sector moderno de la economía y en segundo lugar para que se contrate mano de obra de alta cualificación con altos niveles de salario. para las personas que en el trascurso de la investigación. Esto puede hacerse vía incentivos a las empresas. Una recomendación adicional. no puede ser posible que en Ibagué la vanguardia de la duración en el empleo sea asumida por los trabajos de baja calidad.

Análisis del mercado laboral durante el periodo (1986 – 1995). (s. (Trabajo de grado no publicado). Economía.REFERENCIAS Acuña. (2005). Aldana. Informe de Progreso Social Blandón. Economía. Mayaguez. Gould. Participación laboral en Ibagué. & Osorio. (2a ed). An Introduction to Survival Analysis Using Stata. (2008). & Arango. M. F. Comisión Económica Para América Latina (2009).). Bogotá: Banco de la República.. C. (2002). J. Determinantes De La Duración Del Desempleo en el Área Metropolitana de Cali 1988-1998. Borradores De Economía. StataPress. Aranzalez. Departamento de Matemáticas. (2011). C. (2008). Coyuntura laboral en América latina y el Caribe. Gutierrez. Facultad de Ciencias Económicas y Administrativas. D. A. Revista Sociedad y Economía. Universidad de Puerto Rico.f. Universidad del Tolima. Cleves. (2011). Banco Interamericano de Desarrollo (2004).. Empresas de trabajo temporal y la salida del desempleo .Se buscan buenos empleos: Los mercados laborales en América latina. W. E. R.Ibagué: Universidad del Tolima. Bullon. & Marchenko. (1986 – 1995) y Tendencias recientes (1996 – 1999). Y. Washington. E.Texas. Estados Unidos. Análisis de Regresión. J. Castellar. Crisis en los mercados laborales y respuestas contra [118] . Análisis de los canales de búsqueda de empleo y duración del desempleo en la ciudad de Ibagué 2008. En Estructura y dinámica del mercado laboral en Ibagué. & Uribe.Madrid: Universidad Carlos III de Madrid.

cíclicas. (1993). de http://universidad. La Anatomía De La Inflación Y El Desempleo.La Duración Del Desempleo Y El Desempleo De Larga Duración En Colombia. R. (2000). W. El Mercado Laboral En Ibagué: Tendencias Y Desafíos. (4a ed). (1997). N.Recuperado 2009. Y Millán. [119] .edu. Londres: Prentice-Hall International López. Boletín CEPAL/ OIT. Y Startz. (1988).uniandes. A. (2000). Recuperado de http://economia. Serie De Estudios De Trabajo Regionales. Bogotá. J. H. México: Oxford University Press Gálvez.co/index. Aumento de la cobertura en Educación superior: ¿realidad o engaño?. López. (2008). Gaviria.pdf . R. Electrónica.co/investigaciones_y_publicaciones/CEDE/Pu blicaciones/documentos_cede/2004/ley_789_de_2002_funciono_o_no Greene.eclac. Dornbusch. S. Bogotá: Coyuntura económica.(2009). Universidad de los Andes. El observatorio de la Universidad Colombiana. (2ªed). Análisis Econométrico. mercado laboral y urbano: retos para una política de empleo . Estadística para ciencias Sociales y de Comportamiento . R. H. Ministerio De Trabajo Y Seguridad Social. Renza. Ibagué: Universidad Del Tolima.php?option=com_content&view=article&id=7 39:aumento-de-la-cobertura-en-educacion-superior-irealidad-oengano&catid=16:noticias&Itemid=198 Elorza. (2004). Macroeconomía. (10a ed). Bogotá: Fescol. Recuperado de http://www.edu. H.cl/publicaciones/xml/3/37293/2009-638-Boletin_CEPALOIT-WEB.Contexto macroeconómico colombiano. Ley 789 de 2002: ¿Funcionó o no? Documento CEDE. Fischer.

(2003). Núñez. Economía Laboral. Contraloría General de la República. Bogotá: PNUD McConnell. J. Brue. Martínez. [120] .López. Ministerio de Protección Social (s. (2006). H. Recuperado de http://ebookbrowse. (1ª Ed). (1987). El Problema Laboral Colombiano: Diagnóstico. Bogotá: Banco de la República.) Evolución de la población ocupada. S. J. Graw Hill. Bogotá: DNP Ocampo. Publicado conjuntamente por Servicio de aprendizaje (SENA). Recuperado el 15 marzo de 2011. 2001-2009. Perspectivas Y Políticas.com/evoluci%C3%93n-de-la-poblaci%C3%93nocupada-2001-2009-trece-%C3%81reas-pdf-d88986184 Misión Chenery o Misión del Empleo (1986). R. M. Desempleo Cíclico Y Estructural Y La Duración Del Desempleo. Un Análisis De Supervivencia: ¿Cuánto Duran Los Colombianos En El Desempleo Y El Empleo? Cuadernos PNUD – MPS. Neffa. Bogotá: Departamento Nacional de Planeación. El Desempleo En Colombia: Tasa Natural.f. El problema laboral colombiano. y Ramírez. C. (2008).. H.. Archivos de Macroeconomía. J. Economía Colombiana. Mc. Argentina. Informes de la misión Chenery. (1998). Teorías Económicas Sobre el Mercado de Trabajo: Marxistas y Keynesianos. y Bernal. Bogotá: Serie Documentos. 19761998. (2004). & Macpherson. ¿Por Qué Es Tan Alto El Desempleo En Ibagué ? Borradores De Economía. D. Madrid: Sexta Edición.

McGraw Hill. (2001). G. D. & Viáfara. Recuperado de http://www. : CEPAL. Duración Del Desempleo Y Canales De Búsqueda De Empleo En Colombia.google. Economía Institucional.Participación. R.Orjuela. & Ribero. (2006).eclac.html&ei=4lUNULXkDYL48wTQnLm4Cg&usg=AFQjCNGeSTH1sU OLR6vnesw9eUZu2-CvtQ&sig2=2a7P2K_zndAHlKggRLOr9g Romer.mintrabajo. Recuperado de http://www. F.com. Macroeconomía Avanzada. Serie Estudios y Perspectivas. Ros. J. Magazines del Mercado de Trabajo.ph p%2Fcomponent%2Fdocman%2Fdoc_download%2F117-magazin-no-2diciembre-de-2010-duracion-del-desempleo-en-las-13-areasmetropolitanas-decolombia. (2005).co/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&v ed=0CEYQFjAA&url=http%3A%2F%2Fwww. Duración Del Desempleo En Las 16 Áreas Metropolitanas Y Uso De Canales De Búsqueda De Empleo: Un Análisis De Coyuntura 2008 – 2009. Bogotá: Ministerio de la Protección Social. Archivos De Macroeconomía.co%2Findex.El desempleo en América Latina desde 1990.gov. México D. Bogotá: Universidad Externado De Colombia [121] . Berkeley: Universidad de California. Bogotá: DNP Uribe.cl/publicaciones/xml/1/20821/Serie-29. J. Desempleo Y Mercados Laborales En Colombia.pdf Tenjo. (2010). Unidad de Desarrollo Económico. I. C. (1998).

ANEXOS [122] .

Comportamiento población ocupada en Ibagué.Anexo A.000 200.000 0 2001 2002 2003 Hombre 2004 Mujer 2005 2006 Total 2007 2008 [123] .000 50. Tasas de Ocupación y Desempleo para América Latina 2009 Anexo B. Tasas de Desempleo por 13 ciudades principales en Colombia 2009 Anexo C. 250.000 150.000 100.

Anexo D. Comportamiento Otros sectores económicos en los ocupados de Ibagué. 100% 80% 60% 40% 20% 0% 2001 2002 2003 Hombre 2004 2005 Mujer 2006 Total 2007 2008 Anexo E.0% 2001 2002 2003 2004 2005 2006 2007 2008 Construccion Transporte y Comunicaciones Establecimientos Financieros Anexo F.0% 4.0% 0.0% 10.2008. 12. 2001 .0% 6. Comportamiento Tasa Global de Participación en Ibagué.0% 8.0% 2. mayor a 55 45 a 49 35 a 39 25 a 29 15 a 19 menor a 10 -25% -20% -15% -10% -5% 0% 5% 2007 Mujer 2005 Mujer 2003 Mujer 2001 Mujer 10% 15% 20% 25% 2008 Mujer 2006 Mujer 2004 Mujer 2002 Mujer 2008 Hombre 2006 Hombre 2004 Hombre 2002 Hombre 2007 Hombre 2005 Hombre 2003 Hombre 2001 Hombre [124] . Pirámide Población en Ibagué.

0% 5.0% 10.0% 2001 2002 2003 Gobierno 2004 2005 2006 2007 2008 Particular Cuenta Propia Patrón/Empleador Anexo I.0% 35. Tasa global de participación de los jóvenes en Ibagué 80% 60% 40% 20% 0% 2001 2002 2003 2004 2005 Hombre Mujer 2006 Total 2007 2008 Anexo H.0% 25. Promedio Tasa de Ocupación por Grupos etarios en Ibagué 100% 80% 60% 40% 20% 0% 10 a 14 15 a 19 20 a 24 25 a 29 30 a 34 35 a 39 40 a 44 45 a 49 50 a 54 mayor a 55 Hombre Mujer Total [125] .0% 30.0% 20.0% 40.0% 0. Profesionales por posición ocupacional en Ibagué 45.0% 15.Anexo G.

00 Kaplan Meier-Con Pareja Hombres Kaplan Meier-Con Pareja Mujeres 0.00 0 50 Meses Con_pareja = 0 100 150 0.25 0. Compañero(a) Hijo(a). Cónyuge.75 0 50 Meses Con_pareja = 0 100 150 Con_pareja = 1 Con_pareja = 1 [126] . Hijastro(a) Hombre Mujer Total otros Anexo L.50 0.Anexo J. Promedio Tasa de Ocupación por posición en el Hogar en Ibagué 80% 60% 40% 20% 0% Jefe(a)Pareja. Promedio Tasa de Ocupación por niveles educativos en Ibagué 100% 80% 60% 40% 20% 0% Hombre Mujer Total Anexo K.50 0.00 1.00 0. Función Kaplan Meier Duración del Empleo Con Pareja 2010 Función Kaplan-Meier Con pareja 2010 1.25 0.75 0. del Hogar Esposo(a).

00 0.75 0.50 0.00 0.25 100 150 0.00 0.Anexo M.50 0.75 0 50 Meses dependientes = 0 100 150 dependientes = 1 [127] . Función Kaplan Meier Duración del Empleo Hijos Dependientes 2001 y 2010 Función Kaplan-Meier Hijos dependientes 2001 1.25 0 50 Meses dependientes = 0 dependientes = 1 Kaplan Meier-Dependientes Hombres Kaplan Meier-Dependientes Mujeres 0.00 0.00 0.50 0.25 0 50 Meses dependientes = 0 dependientes = 1 Kaplan Meier Dependientes-Hombres Kaplan Meier Dependientes-Mujeres 0.75 0 50 Meses dependientes = 0 100 150 dependientes = 1 Función Kaplan-Meier Hijos dependientes 2010 1.00 1.50 0.75 0.00 1.00 0.25 100 150 0.

Hombre y Mujer 2001 [128] .Anexo N. Test Log Rank Duración del Empleo Total General.

[129] .

[130] .

[131] .

[132] .

[133] .

[134] .

Anexo Ñ. Hombre y Mujer 2010 [135] . Test Log Rank Duración del Empleo por Total General.

[136] .

[137] .

[138] .

[139] .

[140] .

000 0.11 -4.162715 0.0468046 z por Total de Ocupados 2001 Number of obs LR chi2(11) Prob > chi2 P>|z| 0.302695 .306 0.8361298 . Interval] .066921 [95% Conf.000 0. of failures = Time at risk = Log likelihood _t sexo edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes = 2361 2361 81532 -16164.0860752 .26528 .197274 1.090707 .176133 1. stcox sexo edad1 edad3 Con_pareja failure _d: analysis time _t: Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalariado 1 (meaning all fail) duracion_empleo Iteration 0: log likelihood = -16263.002 0.735158 1.349848 1.343 Refining estimates: Iteration 0: log likelihood = -16164. Err.343 Anexo O.127753 1.7631578 .0450242 .9790186 1.53 -3.9295085 .0563907 .9119916 1.8872299 1.012 0.0599374 .50 3.012837 1. .694 Iteration 1: log likelihood = -16164.020679 1.818815 1.602838 1.136211 .343 Std.444994 .0519509 .31 2.467793 . Ratio 1.77 0.902242 1.0526426 .0958446 .024773 1.140 = = = 2361 198.688 0.829791 1.37 1.64 2. of subjects = No.Breslow method for ties No.991 Iteration 2: log likelihood = -16164.021 0.40 6.0000 Haz.057686 1.343 Iteration 3: log likelihood = -16164.0764316 .02 -1.70 0..7771998 .378443 1.000 0.077 0.027676 .96 -1.48 [141] .039916 1.0826671 . Modelo Semiparamétrico tipo Cox Cox regression -.594 0.9404058 .0354399 .923771 1.

3921015 .7232 7819.17889884 -.13856727 . Hombres y Mujeres 2001 y 2010 Prueba BIC y AIC por Total de Ocupados 2001 . of subjects = No.23375293 -.13683612 -.018e-07 -3.14421707 -.22636108 .00077256 1.27701114 -.0604048 -.3161 -.50871736 .8234 8102.06902617 .073e-07 3.9874 .21703125 .43563486 -.33727585 -.03299416 -.8959 7900.27042617 -.08986818 -.9937 Number of obs LR chi2(13) Prob > chi2 = = = 2361 269.39852927 -.6775453 -. of failures = Time at risk = Log likelihood = 2361 2361 81532 -3895.07185461 -.20820665 -.08841798 .09169188 .20055275 -.log relative-hazard form No. mlnormal logist stats(bic aic) mweib mexp mgompertz Prueba Log Likelihood por Total ocupados 2001 Exponential regression -.9922 8125.log relative-hazard form No.17787384 .658 Number of obs LR chi2(13) Prob > chi2 = = = 2361 276.097e-07 3.13206746 .27872452 .7276937 mgamma logist mweib mexp mgompertz. of subjects = No.21470297 . of failures = Time at risk = Log likelihood = 2361 2361 81532 -3892.2397 8211.Anexo P.15521872 .211674 -.00071911 1.7423 8016.09197882 .4479 Gompertz regression -.8187 7815.07170819 -.27234477 -.24708276 -.4002289 .03712316 -.28275437 -. AIC y Log Likelihood por Total de Ocupados.19003669 .34 0. Pruebas BIC.14790375 -.4896 7891.41761547 .04527493 -.23961704 -.14467171 .17300465 .40407153 .23668028 .00184343 -1.00072407 -1.20786661 -.20160105 .43896803 .19845746 .03699902 -.0000 Weibull regression -.187e-07 3.06667247 -.22580732 .04910586 -.00186868 7901.0000 Log likelihood = -3887.27728859 -.079e-07 -3.22431849 -.117e-07 -3.88 0.0007933 1.04506439 .0000 [142] .85 0.14192731 .28996024 -.42098175 -.07115349 -.1859744 . of failures = Time at risk = 2361 2361 81532 Number of obs LR chi2(13) Prob > chi2 = = = 2361 236.0929 7805.26544874 1.12475504 -.00213965 -1.04791394 -.03871303 .24369656 .34002083 -. est tab mgamma mlnormal Variable _t sexo edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons ln_sig _cons kappa _cons ln_gam _cons ln_p _cons gamma _cons Statistics bic aic 7898.2092319 .0877515 .04304439 .03423638 .23401049 .log relative-hazard form No.20955661 .03683457 . of subjects = No.661058 .3985 7804.

53667996 -.53604624 .01224812 3.63195087 -.10613 395.0014 Weibull regression -.50037 438.18 0.8497739 -.37382261 -.40058378 .68677563 .58923682 -.98825563 -.19114198 -.03048974 . of failures = Time at risk = Log likelihood = 119 119 4140 -183.0390611 -.54216232 .56289599 -.30278862 -.54898927 .0023 Gompertz regression -.5703346 Variable _t sexo edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons ln_sig _cons ln_gam _cons ln_p _cons gamma _cons Statistics bic aic 446.09973767 .85690183 . of subjects = No.44033777 .0899682 mlnormal Prueba Log Likelihood por Total Ocupados 2010 Exponential regression -.0003 [143] .00765998 434.41355546 .log relative-hazard form No. est tab mlnormal logist mweib mexp mgompertz.42180008 -.59247 .22957759 -.50161436 .08597738 .04632483 -.2905661 -.33450003 .11093 404.29623 Number of obs LR chi2(13) Prob > chi2 = = = 119 38. of failures = Time at risk = Log likelihood = 119 119 4140 -183.1379337 mweib .54086274 .03415988 -.84390179 .56057231 .57908589 .383e-08 -3.28524933 -.40603277 -1.3940977 mgompertz .07082681 -1.15427186 -.10 0.62073454 -.16975091 .18723 407.6086306 .42407 449.27932 392.514e-08 3.01133515 4. of subjects = No.01168267 4. logist -.03185707 .55 0.66935 396.1984 .3641568 -.49792501 -.Pruebas BIC y AIC por Total Ocupados 2010 .0047989 -.09786153 .62727764 .log relative-hazard form No. of failures = Time at risk = Log likelihood = 119 119 4140 -181.5202279 stats(bic aic) mexp .20419376 .87776291 -.2612356 -.18440064 -.41396506 .49125 Number of obs LR chi2(13) Prob > chi2 = = = 119 32.2364618 -.808e-08 3. of subjects = No.0054072 .5992 Number of obs LR chi2(13) Prob > chi2 = = = 119 33.804e-08 -3.log relative-hazard form No.48856191 .445e-08 -3.63533316 .35338895 -.01148389 -9.0115458 -9.47241666 .39755965 .48181367 -.98249 434.

03655056 -. logist -. of failures = Time at risk = Log likelihood = 1227 1227 43170 -2015.42 0. est tab mlnormal logist mweib mexp mgompertz.079e-08 -3.3271786 -.34311036 .0000 Weibull regression -.14712149 -.6518 Number of obs LR chi2(12) Prob > chi2 = = = 1227 176.12490165 -.00031542 8.47880708 .3353233 -.44759473 -. of subjects = No.13064227 -.00197815 -8.Pruebas BIC y AIC Hombres 2001 .727 4122.07545803 -.22881484 -.32668733 -. of subjects = No.3855784 stats(bic aic) mexp .22918728 .0941 4123.08817151 .03182225 -.72 0.612e-08 -3.09793479 .6205 4123.00275178 4237 4165.047 Gompertz regression -. of subjects = No.00141776 -9.04469591 -.7072623 Variable _t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons ln_sig _cons ln_gam _cons ln_p _cons gamma _cons Statistics bic aic mlnormal -.02868688 .26922515 -.3635 Number of obs LR chi2(12) Prob > chi2 = = = 1227 169.05243024 -.3091272 -.3035 Prueba Log likelihood Hombres 2001 Exponential regression -.09981524 -.13871394 -.6105546 mgompertz .22037515 .347e-08 3.81 0. of failures = Time at risk = 1227 1227 43170 Number of obs LR chi2(12) Prob > chi2 = = = 1227 148.0000 [144] .09186233 .39793706 .26705469 -.09922422 -.644e-08 -3.20224739 -.0000 Log likelihood = -2012.1888423 .12019643 -.299923 .17915112 .log relative-hazard form No.37804583 -.13552373 -.04603997 .43653842 -.17324979 .05384461 -.1689032 mweib .16871744 -.6666 4052.18318772 .17074035 .05794681 .1873 4056.00053852 8.21191601 .04904971 -. of failures = Time at risk = Log likelihood = 1227 1227 43170 -2011.31226454 .35788882 -.8761 4051.042251 .32173602 -.09715482 -.4274 4295.1931 4223.00020315 7.14697101 -.log relative-hazard form No.310e-08 3.46883996 .28787528 .4042853 -.log relative-hazard form No.

10651106 -.Pruebas BIC y AIC Mujeres 2001 .1533 .4033 3868.16808816 .2412296 .10620092 -.0000 [145] .28150601 .24690445 .5814 3939.07132541 -.0000 Gompertz regression -.3405815 -.084 3771. of subjects = No.06183369 .23766913 .15908383 -.24172416 -.3354 3777.2412047 .196e-07 3.59787422 .00118338 3848.47300032 .34468078 -.35073843 .09418036 -.25207727 -.25488648 .33429149 .9342 3990.1011727 .126e-07 -3.6952664 .0922667 -.19050925 .log relative-hazard form No.52434131 .10368479 .6825 3842.13980922 -.207e-07 -3.16789523 -.17934078 .23893277 -. of subjects = No.8663 -.5889 3777.00211458 1.00225313 -1.7379398 mgamma logist mweib mexp mgompertz.09618285 .28050791 .16619546 -.2060253 .09664043 -. mlnormal logist stats(bic aic) mweib mexp mgompertz Prueba Log likelihood Mujeres 2001 Exponential regression -.50 0.log relative-hazard form No.0024027 -1. of failures = Time at risk = Log likelihood = 1134 1134 38362 -1870.6849365 -.16754577 . of failures = Time at risk = Log likelihood = 1134 1134 38362 -1875.22579758 .9332 Number of obs LR chi2(12) Prob > chi2 = = = 1134 110.18454257 .09597562 -.16963312 -.17946163 .22824936 -.09153667 .5766 Number of obs LR chi2(12) Prob > chi2 = = = 1134 109.17965187 -.66 0.27459507 -.4146461 .430e-07 3.10474407 .15957179 -.8413 Number of obs LR chi2(12) Prob > chi2 = = = 1134 96.6805 3920.26463887 1.75 0.25390693 -.09540373 .24230878 -.22106834 -.44518245 -.20303626 -.193e-07 3.00228886 -1.0000 Weibull regression -.16639344 -.0908359 -. of subjects = No.18071956 -.16897983 .1516 3769.2024331 -.0956348 .22819021 -.2114 3840.47793334 -.002242 1. of failures = Time at risk = Log likelihood = 1134 1134 38362 -1874.25023162 .log relative-hazard form No. est tab mgamma mlnormal Variable _t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons ln_sig _cons kappa _cons ln_gam _cons ln_p _cons gamma _cons Statistics bic aic 3847.00228058 1.20112361 .46992128 -.20334865 .188e-07 -3.036464 .

03608527 .49502487 -.8583717 .50270432 -.0134925 .65782 219.35419 251.647e-07 2.65028661 .60019166 -. of subjects = No.Pruebas BIC y AIC Hombres 2010 .54374682 -.40954834 -1. of subjects = No.28288466 .90380991 .07954333 -.69119268 .24748247 .62131 223.0250792 -1.08339689 -.00767352 248.75453102 .39598897 -. of failures = Time at risk = Log likelihood = 64 64 2481 -96.35457 247.1531878 .04777282 -.40930996 .10760008 -.39695 253.71827 .23281268 .57894 221.87040887 .9907916 mweib .01 0.81970587 -.log relative-hazard form No.796168 Number of obs LR chi2(12) Prob > chi2 = = = 64 21.53196287 -.55537941 .0502 Gompertz regression -.019427 1.31068898 -.04781177 -.24567385 .0039003 -.53069897 -.2266396 .50638606 -.log relative-hazard form No.01891971 1.log relative-hazard form No.359133 Number of obs LR chi2(12) Prob > chi2 = = = 64 24.50884166 .361e-07 -3.01243596 . of failures = Time at risk = Log likelihood = 64 64 2481 -95.02299099 -1.721e-07 2.300e-07 -3. of failures = Time at risk = Log likelihood = 64 64 2481 -96.40059012 -.01996559 1.4388475 mgompertz .63008 Variable _t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons ln_sig _cons ln_gam _cons ln_p _cons gamma _cons Statistics bic aic 253.33345639 -.10202526 .01573964 -.0203 [146] .60739865 -.0444 Weibull regression -.01 0.6268739 stats(bic aic) mexp .24828898 .52206718 -.57855 223. logist -.28416664 .78557486 -.22144898 .342e-07 -3.43 0.47807738 .03669931 .05769012 -. of subjects = No.4361947 -.49764753 -.9369152 mlnormal Prueba Log likelihood Hombres 2010 Exponential regression -.03085477 .94263 218.59234 .677287 Number of obs LR chi2(12) Prob > chi2 = = = 64 21.02216883 -.86308746 . est tab mlnormal logist mweib mexp mgompertz.

log relative-hazard form Number of obs LR chi2(12) Prob > chi2 = = = 55 25.80195705 -.61 0.0108481 .94487923 .37283376 -.0054261 .2157265 .3000978 -1.95578 185.29161935 -.00534 .080197 .22136728 -.28371934 .0122 Weibull regression -.472e-06 -3.0472502 stats(bic aic) mexp 1.46261311 -.133774 -.5446683 -.136421 Exponential regression -.87 0.43897539 -. of subjects = No. of subjects = No.27063725 1.89704204 1.1173446 mweib 1.58014775 .log relative-hazard form No.1110245 mlnormal Prueba Log likelihood Mujeres 2010 No.027e-06 -3.20153349 -. of failures = Time at risk = Log likelihood = 55 55 1659 -79.81831633 .67463437 -1.42857897 -.52844105 -.61930382 -1.0646668 .07636276 .1730302 -.36817 184.096e-06 3.89755234 -.84832371 -.15302619 -.log relative-hazard form No.93656185 1.85 0.94387648 .00717809 -2.1598 188.Pruebas BIC y AIC Mujeres 2010 . of subjects = No.00101333 2. of failures = Time at risk = Log likelihood = 55 55 1659 -77.7698848 Variable _t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons ln_sig _cons ln_gam _cons ln_p _cons gamma _cons Statistics bic aic 216.23912826 .09779584 .05714 213.12511781 .1800964 -.00973914 -2.4290441 mgompertz 1.41856539 -.2081825 .002669 Number of obs LR chi2(12) Prob > chi2 = = = 55 29.36827 210.46857923 -1.0081 Gompertz regression -. of failures = Time at risk = Log likelihood = 55 55 1659 -78.2228597 -.0029 [147] .47093 184.89092523 .24941276 .27284 .78531495 .108 182.324e-06 -4.1803749 -1.23078848 .184134 Number of obs LR chi2(12) Prob > chi2 = = = 55 26.01268648 210.41836121 -.85312 212. logist -1.305033 -.0587675 . est tab mlnormal logist mweib mexp mgompertz.00190474 2.03612635 -1.044e-06 3.89517387 -.7195417 -.55929703 -1.00913032 -2.82164116 1.

099257 .1126709 . .585964 -.6518 Coef.174288 .0552954 .043812 .85 0.207 0.112 0.338 0.65 -2. of failures = Time at risk = Log likelihood _t sexo edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons /ln_p p 1/p = 2361 2361 81532 -3887.08 2.1888423 .103807 Salida Modelo Paramétrico Gompertz Hombres 2001 Gompertz regression -.4042853 -.88 -4.0000 [95% Conf.0606331 .75 Number of obs LR chi2(12) Prob > chi2 P>|z| 0.0491059 -.43 2. Iteration 0: log likelihood = -4005.37 -0.0009451 .38 1.088418 .3341844 .1077846 .3818351 -.0732141 .74 2.2214592 .0490497 -.0000 [95% Conf.0009989 z 5.1187594 .1728299 . of subjects = No.82 3.59 -4.478 0.4479 Coef.1995 Hombres y Mujeres para el 2001.044 0.0654462 .0022583 2.1104135 .2631898 -.07 Number of obs LR chi2(13) Prob > chi2 P>|z| 0.1059145 .5551137 .0342364 .874 = -4005.0345797 .035185 .0010758 3. Interval] -.3549493 .214703 .19 -1.94 0. .940026 .log relative-hazard form No.Fitting constant-only model: Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood = -4030.874 Iteration 1: log likelihood = -3892.501 0.172 0.2954223 -.97 0.0175031 z 0. Err.0446959 -.02e-07 -3.3122645 .3044705 -.1228099 -.0666725 .71 2.0744567 .010 0.0027518 Std.003 0.0590165 .214494 -.1339189 .58 -1.42e-08 -3.002548 -.2704262 -.0703199 .001 0.0508594 .461 0.1900367 . 2008 y 2010 Iteration 2: log likelihood = -3887.006 = = = 1227 176.000 0.3686995 .046524 -.082512 .9660114 1.61e-08 -3.0623659 .0153181 .0589951 .1494924 -.400229 -.0005385 8.068945 Std.02 0.4557 Iteration 3: log likelihood = -3887.96 -4.96e-08 .1174302 .83e-08 .1984575 .000 0.0230108 -.706 0.0979348 .0029019 1.2107703 -. Interval] .9134 = -4005.1355237 -.0526066 .0013153 2.00 3.048 0.4479 Salida Modelo Weibull Total Ocupados 2001 Weibull regression -. of subjects = No.5465773 -.59 -1.20e-07 -3.4180424 -.0512807 -.0992242 -.077883 .3362818 .59 -0.1240693 -.000 0.20 1.002 0.67 7.0909659 -.095858 .0669004 . 2004.9059554 1.1803577 -.000 0.0429203 .707262 .2741589 .5016362 . Err.3300639 -.0711535 -.528671 . .26 -31.0007939 . Salidas programas Stata Modelos Paramétricos por Total Ocupados.83 3.474498 . .3985293 -.0753158 .0047097 [148] .000 0.236 0.935 = -4005.0007933 1.log relative-hazard form No.0947643 .2534569 -.518 0.22 2.2258073 .0033353 -4.000 0.005 0.000 0.0987652 .1888309 -.77e-08 -3.3353233 -.0715555 .003 0.2291873 .4479 Iteration 4: Paramétrico log likelihood = -3887.1381478 .1320675 .81 0.005 0.57 -35.0769547 .0765394 .0512185 .11 -3.0692165 .0600406 .552 0.25 -0.79e-07 -3.0163742 .874 Fitting full model: Anexo Q.9355016 1. of failures = Time at risk = Log likelihood _t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons /gamma = 1227 1227 43170 -2011.000 = = = 2361 236.001427 6.

0010916 3.8413 Coef.4465792 .039 .46 0.7416 TD_hogar .003 -.0148592 . -.0024589 6.03 0. dist(weibull) nohr Nivel_bajo . of subjects = No.51 1.038 .2282494 2.5459758 .12e-07 Iteration 3: log likelihood .087878 Std.0747901 .0736212 6.Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood = = = = -1930.9751685 1.1175058 .57 -5.68 -2.4000365 .026 1.0235619 -3.0253038 log likelihood = -4017. Interval] -.205 -.25 0.0767913 2.259951 .000 0.653 0.33e-08 2.158779 Fitting /ln_p full model: -.0311554 .0912 log likelihood = -1872.3378055 .1011727 .0809818 -2.0525461 .2257976 .140761 -.0507134 .4419256 analysis duracion Hijo .9192209 1. of subjects = No.49 0.128276 1.1392929 .1173302 .0665174 .08 0.0789477 failure -.2543259 .07e-08 2.19 -5.1207332 -0.0641606 .0288705 .61 4.6612 INLAB 1.122896 [149] .0609071 .0846028 Otros No_Asalaria Con_pareja -.4601589 -.1881431 -.0285519 .0436502 .log relative-hazard form No.06e-08 .0713254 Iteration 0: p Iteration 1/p 1: Iteration 2: Iteration 3: Iteration 4: .012 0.31008 Nivel_Alto .86 0.1105352 No_Asalari~o -.093 0.025145 .144 -.05 0.000 0.3135731 -.9311588 .93 0.024 0.402 -.0915367 .057266 .2662746 .0934362 .1058571 -.025464 -.11 -0.310 -.27 0.1905093 .053951 .5104 log likelihood = -1870.0077233 .0842288 .3008876 . Interval] edad1 .1669872 -.0912 -1919.2376691 _d: 1 (meaning all fail) Conyugetime _t: .0045984 6.3497777 -.0778294 .1593467 .911 0.log relative-hazard form No.0868058 -.323892 -.3635147 .107 0. Err.825 0.6612 .0000 log likelihood = -4142.1692071 .1018174 Iteration 0: log likelihood = -4178.0625991 1. Err. z Number of obs LR chi2(12) Prob > chi2 P>|z| = = = 1134 96.4964 dependientes .32e-08 -3.0000 Weibull regression -.0520133 .670514 -3.5894773 -.0445418 .507024 -.414646 -26.06 0.81 0.4448945 Fitting Otros constant-only model: .6612 _cons -3.000 0.50 0.1186216 .1132 Coef.45 1.1132 [95% Conf.0932761 .124688 Salida Modelo Paramétrico Weibull Total Ocupados 2004 Weibull regression -.7349 1. of failures = Time at risk = Log likelihood _t = [95% Conf. streg edad3 sexo edad1 edad3 Con_pareja Conyuge Hijo .13e-07 5.890554 1.68 0.75e-09 -3.0063822 -.22 0.0175855 z -1.8434 log likelihood = -1870.0219399 log likelihood = -4022.01 Nivel_Alto 0.270 0. .8891353 1.0021146 .57 0.0161649 .0632563 -3.000 0.000 0.3471827 -.4066 -1919.67e-08 -3.0016678 1.1248 log likelihood = -4017.000 .2142287 Iteration 1: log likelihood = -4142.1595718 .2305326 -.000 -3.1132 log likelihood = -4017.0003193 -5.000 = = = 2418 251.0727671 .0908359 .0284231 .0912 Fitting full model: Iteration 0: Iteration 1: Iteration 2: Iteration 3: Iteration 4: Salida Modelo log likelihood = -1919.0574024 .1546229 -.0145315 -.21 Number of obs LR chi2(13) Prob > chi2 P>|z| 0.0515266 .1354601 > B.84 0.1159115 .860 0.3394447 -.1295422 .05 4.22 -35.4451824 .8413 log likelihood = -1870.0011542 .130547 = -4142. Std.0895112 Nivel_bajo -1.0968819 .10 8.073931 .0090636 .16 0.9488106 1.094 -.3963905 -.0517036 .000 -.10 0.0252907 .002 -. of failures = Time at risk = Log likelihood _t sexo edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons /ln_p p 1/p = 2418 2418 83559 -4017.138 -.099986 1.0053833 Iteration 2: log likelihood = -4142.0434288 .1072 -1919.2696647 .0116043 .1675458 .18 2.8413 Paramétrico Weibull Mujer 2001 1134 1134 38362 -1870.

3772611 .1368173 .141851 = -2100.0963892 -0.051 0.73 0.63 -2.4766245 edad3 .74 0.log relative-hazard form No.088 0.0247005 Iteration 0: log likelihood = -2100.552 0.176 0. Interval] .log relative-hazard form No.1123831 2.000 0.8721295 1.0728146 4.3241 -2040.752 0.5401478 -. z Number of obs LR chi2(12) Prob > chi2 P>|z| = = = 1192 153.1486405 -. Err.0414221 .2608957 -.0225826 .332763 -.0517963 .1001637 .009 0.1425182 .59 0.4944 Paramétrico Weibull Hombres 2004 1192 1192 42955 -1963. .0609385 .03e-08 -3.9345188 .80e-07 8.47 1.0153547 .461 -.1050259 .0155071 .33 0.0925562 .0626392 .0904162 .0376573 Conyuge .261689 .0007859 -. of failures = Time at risk = Log likelihood _t = [95% Conf.124123 .1149349 .73 0.62756 -3.254582 .32 1.071514 Iteration 2: log likelihood = -2100.1910957 > sexo==0.1223841 .0205863 .0056558 8.19 0.2510779 Fitting constant-only model: .0922194 .1847 -2040.1084623 nohr . .2811387 .0774378 .0710724 0.263328 -.146 -.0482951 .4894902 -.000 -.85 -4.42e-08 .2233901 .142 0.0000 Weibull regression -.000 = = = 1226 119.04948 .21e-08 Iteration 1: log likelihood .98 1.576039 -.022736 .0008094 -4.4819559 No_Asalari~o -.0030094 .93 0.4895192 -.35 2.1638316 1.2803867 -.689 0.7156 Iteration 1: log likelihood = -2044.72e-08 -3.0016493 3.38 0.1847 log likelihood = -1967. Nivel_Altodist(weibull) -.0058918 Iteration 0: log likelihood = -2120.0024232 2.1479 Iteration 3: log likelihood = -2041.4944 log likelihood = -1963.327 0.7156 /ln_p -. Err.0726872 .1381252 -.0189 INLAB -4.119593 Salida Modelo Paramétrico Weibull Mujer 2004 Weibull regression -.71 -0.298067 .1064464 3.000 . streg edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Hijo Otros No_Asalariado de Nivel_bajo .041 .40 1.36 0.070069 .0224815 Fitting full p model: .0966998 .5444942 failure _d: 1 (meaning all fail) Hijo .5055 log likelihood = -1963.66e-08 -3.0215716 1/p 1.1387108 -.1847 Fitting full model: Iteration 0: Iteration 1: Iteration 2: Iteration 3: Iteration 4: Salida Modelo log likelihood = -2040.1287246 .0718173 .1066874 . Interval] edad1 . of subjects = No.1150668 .0633477 dependientes .0745522 -1.0181905 .54 0.1129656 -.173 -.96 0.0677236 .2195 -2040. Std.1173499 .9528526 1.3339106 .3976835 -.9777693 1.0548284 .466 Conyuge -.000127 .0247726 z 7.45 0.3450684 -.135 .1911967 .95 -1.7592 _cons -3. of subjects = No.4944 Coef.0712832 -.0977139 .Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood = = = = -2056.096975 Std. of failures = Time at risk = Log likelihood _t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons /ln_p p 1/p = 1226 1226 40604 -2041.682612 .16 0.135 Coef.05 0.349537 -23.5858921 analysis duracion Otrostime _t: .000 -3.464 -1.3599459 .4425 log likelihood = -1963.6993 Iteration 2: log likelihood = -2041.1708806 TD_hogar .0000 [95% Conf.09 0.0762394 .0517482 -.1947252 -.10 Number of obs LR chi2(12) Prob > chi2 P>|z| 0.89e-08 6.1735324 Con_pareja -.1540989 .0806266 0.0825142 .000 0.003 -.1225688 -.142 0.0467214 0.339 -.7156 Iteration 3: log likelihood = -2100.47 0.0330003 .2995966 .000 .911598 1.060828 -6.027 0.089486 -.21 -0.61 0.68e-08 -0.847 -.0230831 -2.16863 .3702986 .0014706 2.146619 [150] .0875031 .8931814 1.135 Iteration 4: log likelihood = -2041.0192736 .020 .59 -26.43 -0.

962733 -.29 -0.051558 .0654022 .0003888 -1.92 -5.1121075 .0568421 .0163453 .060756 .1657986 -. Err.9228604 1.1256398 .032722 .1260498 .65 7.54e-08 .0476171 .000 = = = 2331 205.0482411 .1026732 . of failures = Time at risk = Log likelihood _t sexo edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons /ln_p p 1/p = 2331 2331 74091 -3851.90 0.1123135 .0802773 .022 0.0649774 -.0150844 .556 0.310906 -.006072 .3562695 .59 -35.69 0.1181103 -.0529827 .48 0.39 3.03 -1.1174804 -. of subjects = No.3051161 -.0011642 6.0049522 8.359 0.04 -2.000 0.72 -0.2250514 -.0994303 -.0436666 .4089602 -.915 0.32 -4.118864 [151] .975 0.952904 1.0441844 .0255813 .070905 .Salida Modelo Paramétrico Weibull Total Ocupados 2008 Weibull regression -.0552949 . -.74 0.0026705 -3.91 Number of obs LR chi2(13) Prob > chi2 P>|z| 0.299 0.013 0. Interval] -.2703 Coef.2371899 .log relative-hazard form No.2039488 -.1026046 .0509532 -.97e-08 -2.0255076 .0262281 .0000 [95% Conf.0610923 .5128044 .0574227 -.0016215 -.1651995 .3363695 -.0739939 -.0177116 z -2.2193776 .049424 -.893764 1. .008 0.0888214 .696 0.083588 Std.564 0.0507212 .2507845 .67e-07 -3.1053364 .000 0.000 0.136819 -.000 0.86e-08 -3.11 0.1537673 .58 2.

1364124 .0811624 . z Number of obs LR chi2(12) Prob > chi2 P>|z| = = = 1139 136.44 0.8482 log likelihood = -1865.23e-08 -3.141528 .6878 Paramétrico Weibull Hombres 2008 1139 1139 38657 -1862.52e-08 -1. .0252702 -.2097853 Con_pareja -.0864298 -.000 Conyuge .9883295 Iteration 1: log likelihood = -1979.9112161 1.53 0.37 -2. Err.0836821 0.0235138 -2.3193532 .67 -0.952761 1.1477966 -.1234045 -26.0784784 .000 0.0249135 1. Interval] .40e-07 .0768627 -0.0621053 Conyuge .4124 Iteration 4: Paramétrico log likelihood = -1978.996 log likelihood = -1862.014 -.1256501 .3097154 3.2315913 .0858114 .4124 Salida Modelo Weibull Mujer 2008 Weibull regression -.9438149 . Err.0475429 .1062719 .5145913 -.1045342 failure-.043 0. stregedad1 edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Hijo Otros No_Asalariado de .074924 -1.3263266 Iteration 0: log likelihood = -2035.258 -.09 Number of obs LR chi2(12) Prob > chi2 P>|z| 0.0065972 4.000 -3.37 0.1019409 .2680811 .0227473 .30 0.46 0.080382 -.16 0.000 0. Interval] .867 log likelihood = -1930.25e-08 8.8482 Fitting full model: Iteration 0: Iteration 1: Iteration 2: Iteration 3: Iteration 4: Salida Modelo log likelihood = -1930.13e-07 -3.876 -.61 0.0192 TD_hogar .1626419 .45e-08 _cons -3.598 -.61 0. of subjects = No.88e-07 -2.5423876 .084743 _t: duracion Nivel_Alto .21 0.5703717 > sexo==0.6878 log likelihood = -1862.784 0.0613547 .0578252 .1039114 -.329389 .Iteration 1: Iteration 2: Iteration 3: log likelihood = -1930.3968095 -.0249637 z 5.2470773 -.0278814 -.0795699 . of failures = Time at risk = Log likelihood _t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons /ln_p p 1/p = 1192 1192 35434 -1978.1719191 -.55 0.0879157 .0221926 .0042228 .278 -2.2226939 .229 -.0747918 .0338232 .2687469 -.8011 .2852296 -.0729194 -.047509 -.4192264 .4141 Iteration 3: log likelihood = -1978.1813696 .2164353 .0483912 . edad3dist(weibull) .98 -4.2709276 Iteration 1: log likelihood.000 .130 0.09 0.581 0.0009423 .1182424 .035 0.7026 log likelihood = -1862. .0655202 .0701201 .0621603 -6.312748 -.109502 Iteration1/p 2: log1.03 0.172 -.0031972 2.52 0.95 -1.52 -25.569283 Fitting Hijo constant-only model:.32 0.55 1.0021719 .1386543 analysis time -.2276819 -.848016 -.0619538 .0017347 1.4779027 Otros .8482 log likelihood = -1930. of failures = Time at risk = Log likelihood _t = [95% Conf.0742759 .080679 .3927595 .049581 .1540763 .076417 .065 0.584 -.097434 Std.545 0.2371165 -.0384177 .0338247 0.34 -0.000 = = = 1192 81.1612831 Iteration 2: log likelihood = -2019.59e-07 7.0929752 .2512314 -.065031 = -2019.11 -1.log relative-hazard form No.05953 likelihood = -1978.0207277 .13 0.0936338 .571257 -3.147469 Salida Modelo Paramétrico Gompertz Total Ocupados 2010 [152] .1470415 -. Std.9013052 .0999628 1.0002029 -6.02 1.0000 [95% Conf.1375591 .110619 -.0192 INLAB -9.603 -.6878 Coef.0771164 5.1800276 1.1304032 .308 0. of subjects = No.4124 Coef.005286 Iteration 3: log likelihood = -2019.20 0.011808 1.192 -.2013577 -.0015889 1.076855 -.0103636 .1185565 .072936 -0.0451 dependientes .340 0.0192 p .log relative-hazard form No.32 0.0117391 Iteration 0: log likelihood = -2019.8714829 1.98 0.84 1.0457715 nohr .000 -.27 -2.170 0.0119938 _d: 1 (meaning all fail) Nivel_bajo .094 0.087521 Fitting full model: /ln_p -.6503 No_Asalari~o -.0000 Weibull regression -.

72 1.705 -.29e-07 -4.013492 .7087939 -1.36224 dependientes -.63008 .04 1.4362 -.log relative-hazard form No.377609 Iteration 0: log likelihood = -107.4022721 1.2953486 -12.56 0.0221688 -.620665 -.273434 -2.562896 .195546 -.29623 Gompertz regression -.6073986 -.063 -.098817 -.000 0.953 0.113001 .6867756 .839 0.0859774 .0189197 1.004799 .051 -.34623 Fitting full model: Iteration Iteration Iteration Iteration Iteration 0: 1: 2: 3: 4: log log log log log likelihood likelihood likelihood likelihood likelihood = = = = = -200.3035152 Nivel_bajo -.0001706 .15737 -181.6666996 .2879635 1.029073 Iteration 2: log likelihood = -107.981 -.2674852 1.02 0.09 0.0099161 1.040 -1.36224 No_Asalari~o -1.38863 -2.000 -1.28 0.8259864 .5728458 Iteration 3: log likelihood = -107.2881435 -0.38 0.616666 -. Err. Interval] -.06 0. z P>|z| [95% Conf.06 -1.258 -. dist(gompertz) nohr sexo .86e-07 .6001917 -.0346509 1.00766 .2203883 -4.10 0.795 0.23 -0. .124 0.7531315 .8270499 analysis time -.0164194 [153] .0122481 .5027043 -.49 -0. of subjects = No.029 .359157 Iteration 4: log likelihood = -95.1020253 .29623 -181.221449 .86 0.5303966 .394976 .570335 .218 0.4060328 .372947 .085 = = = 64 24.91 0.4095483 -1.29623 Number of obs LR chi2(13) Prob > chi2 = = = 119 38.19 0. Std.80e-08 1.30285 .Iteration 2: log likelihood = -200.236015 Iteration 1: log likelihood = -107.0007976 .3584418 TD_hogar .4103189 .54 -1.91 0.51164 Hijo .969 0.83 1.086 0.086837 .0383549 5.20 0.376449 -1.792475 /gamma .1071614 -.465 0.0005154 -2.3077473 .2974416 -.359133 Salida Modelo Gompertz Hombres 2010 Gompertz regression -.012436 .36e-07 -3.0003 _t Coef.226027 0.839 -3.4112935 .36224 Iteration 1: log likelihood = -98.3178835 1. Interval] .038 .436752 -. of failures = Time at risk = Log likelihood = 119 119 4140 -181.29 0.1882471 1.0076735 Std.3524722 1.log relative-hazard form No.0145223 Iteration 2: log likelihood = -95.26 0.2170075 1.047 .20 1.031276 Conyuge .448412 edad1 .0054072 .2214727 .0203 [95% Conf.82396 .908712 1.201 -.6455369 .100444 failure _d: 1 (meaning all fail) edad3 .754531 .07 0.359133 Coef.05e-07 _cons -3.0035013 2.35161 -.5408627 -1.5360462 .4082452 .13 0.3027886 .6353332 .29e-07 4.01e-07 -2.99 0.2267487 -0.8707501 -.000 -4.064 -1.2919129 Nivel_Alto -.4010264 . Err.3230166 .34623 -183.02 -3.359133 Iteration 5: Paramétrico log likelihood = -95.4396471 .0040573 1.29794 -181.136 0.0061621 1.85 0.3064762 2. streg edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalariado d > sexo==1.991462 Iteration 0: log likelihood = -107.616223 1.95 0.001 0.0010724 1.056 0.1667401 .0044623 z 1.36253 Otros .0283519 1.87e-07 0.307 0.149207 -2.0243257 FittingINLAB full model: 3.405923 Iteration 3: log likelihood = -95. of subjects = No.381537 -1.3922138 . .4375976 .2612356 _t: duracion Con_pareja .0269751 Fitting constant-only model: .01 0.73 -8.365 -. of failures = Time at risk = Log likelihood _t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons /gamma = 64 64 2481 -95.72 Number of obs LR chi2(12) Prob > chi2 P>|z| 0.

987869 -.938932 log likelihood = -91.78 -0.6615122 .472356 -1.log relative-hazard form No.6890188 .20 1.036 = = = 55 29.4595962 . .6352248 .5650002 .525741 -1.4443064 .002669 Coef.Iteration 1: Iteration 2: log likelihood = -91.05 -0.000 0.719542 -.551267 -. of failures = Time at risk = Log likelihood _t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons /gamma = 55 55 1659 -77.5511196 .215726 .71 0.4185654 -.049406 log likelihood = -77.8571039 -.024051 1.171429 .77 -4.559297 -1.0029 [95% Conf.5816442 . 1.087 0.1084506 -.01 -0.8692747 -2.9438765 .3874092 .8878162 .59 2.0243493 -1.443 0.41 2.8951739 -.1362981 -.00e-06 .985028 .87 0.002669 Paramétrico Gompertz Mujer 2010 Gompertz regression -.7288765 .0257723 -5.556 0. of subjects = No.25 1.0757249 .913246 2.044 0.554741 .0245423 Anexo R. Err.002699 log likelihood = -77.014 0.47e-06 -3.769885 .006049 z 2.436 0.46 -9.19 -2.5376579 .028 0.304339 log likelihood = -77.44e-06 -4.801 0.0126865 Std. 40% 38% 36% 34% 32% 30% 2001 2002 2003 Hombre 2004 2005 Mujer 2006 Total 2007 2008 Tasa Global de Participación en Adultos de 30 a 44 años 120% 100% 80% 60% 40% 20% 0% 2001 2002 2003 Hombre 2004 2005 Mujer 2006 Total 2007 2008 [154] .006294 -4.09 2.010848 .4604154 .03e-07 -2.459 0. Población económicamente activa en los adultos de 30 a 45 años.234 0.4004443 .938932 Fitting full model: Iteration 0: Iteration 1: Iteration 2: Iteration 3: Iteration 4: Iteration 5: Salida Modelo log likelihood = -91.765998 .0097391 -2.74 -0.0008306 2.2706372 1.4243575 .0081803 1.037 0.0977958 .4183612 -.355728 1.000 0.6301547 1.938932 log likelihood = -80.002669 log likelihood = -77.10 Number of obs LR chi2(12) Prob > chi2 P>|z| 0. Interval] .

Población Económicamente Activa por nivel de cualificación. 60% 50% 40% 30% 20% 10% 0% 2001 2002 2003 Bajo 2004 Medio 2005 Alto 2006 2007 2008 Anexo T. Tasa Global de Participación de los Jefes de Hogar 100% 80% 60% 40% 20% 0% 2001 2002 2003 HOMBRE 2004 2005 MUJER 2006 TOTAL 2007 2008 [155] . Población Económicamente Activa en Hijos 35% 30% 25% 20% 15% 10% 5% 0% 2001 2002 2003 Hombre 2004 2005 Mujer 2006 Total 2007 2008 Anexo U.Anexo S.

Promedio tasa de desempleo por posición en el Hogar 40% 30% 20% 10% 0% Jefe(a) del Hogar TD_H TD_M TD_T Conyuge Hijos [156] . Promedio tasa de desempleo por Niveles Educativos 30% 25% 20% 15% 10% 5% 0% TD_H Prom TD_M Prom TD_T Prom Anexo X.Anexo V. Promedio tasa de desempleo por grupos de Edad 50% 40% 30% 20% 10% 0% 10 a 14 15 a 19 20 a 24 25 a 29 30 a 34 35 a 39 40 a 44 45 a 49 50 a 54 mayor a 55 TD_H Prom TD_M Prom TD_T Prom Anexo W.

00 0.25 0.00 1.25 0.Anexo Y.75 0.00 Kaplan Meier-Con Pareja Hombres Kaplan Meier-Con Pareja Mujeres 0.50 0.25 0.50 0.50 0.00 1.00 Kaplan Meier-Niños Dependientes Hombre Kaplan Meier-Niños Dependientes Mujer 0.00 0. Función Kaplan Meier duración del desempleo hijos dependientes 2001 Función kaplan-Meier según Hijos Dependientes 2001 1.75 0.25 0.75 0 20 40 meses 60 80 dependientes = 1 100 dependientes = 0 dependientes = 1 dependientes = 0 [157] .00 0 20 40 meses 60 80 100 0.00 0 20 40 meses 60 80 100 0.50 0.75 0 20 40 meses 60 80 100 Con_pareja = 0 Con_pareja = 1 Con_pareja = 0 Con_pareja = 1 Anexo Z. Función Kaplan Meier duración del desempleo con pareja 2001 Función kaplan-Meier Con Pareja 2001 1.

58 2015.Función Kaplan Meier duración del desempleo asalariados 2001 Función Kaplan-Meier por Asalariado 2001 1. sts test sexo.50 0.42 940.00 1.0000 [158] .50 0. logrank _d: _t: 1 (meaning all fail) duracion_desempleo failure analysis time Log-rank > s test for equality of survivor function sexo Mujer Hombre Total Events observed 989 1026 2015 chi2(1) Pr>chi2 = = Events expected 1074.00 Kaplan Meier-Asalariado Hombres Kaplan Meier-Asalariado Mujeres 0.23 0. Test Log Rank 2001 .75 0 20 40 60 Meses 80 100 Asalariado = 0 Asalariado = 1 Asalariado = 0 Asalariado = 1 Anexo A2.25 0.00 17.25 0.Anexo A1.75 0.00 0 20 40 60 Meses 80 100 0.00 0.

89 466.74 576. sts test pos_hogar.0055 [159] . _d: _t: logrank 1 (meaning all fail) duracion_desempleo failure analysis time Log-rank > s test for equality of survivor function rangoedad 10 30 45 a a y 29 44 mas Events observed 803 764 448 2015 chi2(2) Pr>chi2 = = Events expected 667.56 707.57 770.59 486.60 0. _d: _t: logrank failure analysis time censura duracion_desempleo Log-rank test for equality of survivor Events expected 589. sts test dependientes.46 263.71 0.0000 .68 2015.07 2015.44 1297. _d: _t: logrank 1 (meaning all fail) duracion_desempleo failure analysis time Log-rank > s test for equality of survivor function pos_hogar Jefe Cónyuge Hijo Otros Total Events observed 784 402 557 272 2015 chi2(3) Pr>chi2 = = Events expected 798.00 68.00 functions dependientes 0 1 Total Events observed 544 753 1297 chi2(1) Pr>chi2 = = 7. sts test rangoedad.69 0..00 23.0000 Total .

_d: _t: logrank 1 (meaning all fail) duracion_desempleo failure analysis time Log-rank > s test for equality of survivor function nivel_educ Bajo Medio Alto Total Events observed 575 1048 383 2006 chi2(2) Pr>chi2 = = Events expected 571.0000 Test log Rank hombres 2001 [160] . sts test Pos_Ocu.10 1049..88 385.00 0.87 2015.63 0.0314 Total .9763 . _d: _t: logrank failure analysis time 1 (meaning all fail) duracion_desempleo Log-rank > s test for equality of survivor function Estado_civil Con Sin pareja pareja Events observed 1064 951 2015 chi2(1) Pr>chi2 = = Events expected 1108. sts test nivel_edu.05 0.49 0.00 33.01 2006.31 854.69 2015.00 4.13 906. _d: _t: logrank 1 (meaning all fail) duracion_desempleo failure analysis time Log-rank > s test for equality of survivor function Pos_Ocu Asalariados No Asalariados Total Events observed 1277 738 2015 chi2(1) Pr>chi2 = = Events expected 1160. sts test Estado_civil.

0000 [161] . sts test pos_hogar _d: _t: if sexo==1.18 37.00 46.83 0. sts test rangoedad _d: _t: if sexo==1. logrank failure analysis time 1 (meaning all fail) duracion_desempleo Log-rank > s test for equality of survivor function pos_hogar Jefe Cónyuge Hijo Otros Total Events observed 562 38 283 143 1026 chi2(3) Pr>chi2 = = Events expected 599.08 380.02 251. logrank failure analysis time 1 (meaning all fail) duracion_desempleo Log-rank > s test for equality of survivor function rangoedad 10 30 45 a a y 29 44 mas Events observed 388 347 291 1026 chi2(2) Pr>chi2 = = Events expected 319.0518 .0000 Total .00 functions dependientes 0 1 Total Events observed 319 409 728 chi2(1) Pr>chi2 = = 16. sts test dependientes _d: _t: if sexo==1..46 0.19 358.73 0.84 1026.81 728.58 1026.22 138.08 326.00 7. logrank failure analysis time censura duracion_desempleo Log-rank test for equality of survivor Events expected 369.

0008 [162] .00 1. logrank failure analysis time 1 (meaning all fail) duracion_desempleo Log-rank > s test for equality of survivor function nivel_educ Bajo Medio Alto Total Events observed 342 506 172 1020 chi2(2) = Pr>chi2 = Estado_civil if _d: _t: Events expected 355.83 0.87 449. logrank failure analysis time _d: _t: 1 (meaning all fail) duracion_desempleo Log-rank > s test for equality of survivor function Pos_Ocu Asalariados No Asalariados Total Events observed 625 401 1026 chi2(1) Pr>chi2 = = Events expected 576. sts test Pos_Ocu if sexo==1.13 0. logrank .1760 Total .00 1.28 389. sts test nivel_educ _d: _t: if sexo==1.38 1020.5805 sexo==1.69 171.13 1026.. sts test failure analysis time 1 (meaning all fail) duracion_desempleo Log-rank > s test for equality of survivor function Estado_civil Con Sin pareja pareja Events observed 617 409 1026 chi2(1) Pr>chi2 = = Events expected 636.00 11.09 0.94 492.72 1026.

68 338.22 0.75 989.36 399.0000 sexo==0.32 989.33 209.20 = 0. sts test failure analysis time 1 (meaning all fail) duracion_desempleo Log-rank > s test for equality of survivor function pos_hogar Jefe Cónyuge Hijo Otros Total Events observed 222 364 274 129 989 chi2(3) Pr>chi2 = = Events expected 230.00 = 35.32 569. logrank Total .Test log Rank mujeres 2001 .92 435. sts test dependientes _d: _t: if failure analysis time censura duracion_desempleo Log-rank test for equality of survivor Events expected 230. logrank failure analysis time 1 (meaning all fail) duracion_desempleo Log-rank > s test for equality of survivor function rangoedad 10 30 45 a a y 29 44 mas Events observed 415 417 157 989 chi2(2) Pr>chi2 pos_hogar if _d: _t: Events expected 343.19 234.13 125.0067 sexo==0. *Mujeres: .00 12. logrank .5985 [163] .00 functions dependientes 0 1 Total Events observed 225 344 569 chi2(1) Pr>chi2 = = 0. sts test rangoedad _d: _t: if sexo==0.28 0.

14 989.0093 Total .7201 .66 0.53 989.65 208. sts test Pos_Ocu if sexo==0.0000 [164] .76 0. sts test Estado_civil _d: _t: if sexo==0. logrank failure analysis time 1 (meaning all fail) duracion_desempleo Log-rank > s test for equality of survivor function nivel_educ Bajo Medio Alto Total Events observed 233 542 211 986 chi2(2) Pr>chi2 = = Events expected 224. sts test nivel_educ _d: _t: if sexo==0.68 0.00 0.00 25. logrank failure analysis time 1 (meaning all fail) duracion_desempleo Log-rank > s test for equality of survivor function Estado_civil Con Sin pareja pareja Events observed 447 542 989 chi2(1) Pr>chi2 = = Events expected 484.86 408.47 504.00 6.. logrank failure analysis time _d: _t: 1 (meaning all fail) duracion_desempleo Log-rank > s test for equality of survivor function Pos_Ocu Asalariados No Asalariados Total Events observed 652 337 989 chi2(1) Pr>chi2 = = Events expected 580.39 552.97 986.

logrank _d: _t: censura duracion_desempleo failure analysis time Log-rank test for equality of survivor functions Jefe 0 1 Total Events observed 523 524 1047 chi2(1) Pr>chi2 = = Events expected 597.34 390. sts test pos_hogar.37 449.00 28.92 99.76 0.00 46. logrank _d: _t: censura duracion_desempleo failure analysis time Log-rank test for equality of survivor functions sexo Mujer Hombre Total Events observed 560 487 1047 chi2(1) Pr>chi2 = = Events expected 656. sts test Jefe. sts test sexo.0000 .73 1047.63 1047. Test log Rank total general 2010 .0000 .72 212.02 0.66 1047.AnexoA3. _d: _t: logrank censura duracion_desempleo failure analysis time Log-rank test for equality of survivor functions pos_hogar Jefe Cónyuge Hijo Otros Total Events observed 524 241 203 79 1047 chi2(3) Pr>chi2 = = Events expected 449.0000 [165] .47 0.00 25.63 284.

14 428.00 functions nivel_educ 1 2 3 Total Events observed 238 486 323 1047 chi2(2) Pr>chi2 = = 1.05 346.00 = = 7.63 321. sts test nivel_edu.21 498. _d: _t: logrank failure analysis time censura duracion_desempleo Log-rank test for equality of survivor functions rangoedad 10 30 45 a a y 29 44 mas Events observed 275 397 375 1047 chi2(2) Pr>chi2 = = Events expected 272.24 0.16 1047.6011 [166] .00 17.98 488.. _d: _t: logrank censura duracion_desempleo failure analysis time Log-rank test for equality of survivor Events expected 227.02 1047. sts test rangoedad.0002 Total .50 0. sts test Pos_Ocu.02 0.0062 chi2(1) Pr>chi2 . _d: _t: logrank censura duracion_desempleo failure analysis time Log-rank test for equality Events observed 519 528 1047 of survivor functions Pos_Ocu Asalariados No Asalariados Total Events expected 558.81 1047.

18 1047.60 0.0005 [167] .63 487.00 functions dependientes 0 1 Total Events observed 577 470 1047 chi2(1) Pr>chi2 = = 0. _d: _t: logrank failure analysis time censura duracion_desempleo Log-rank test for equality of survivor Events expected 580.37 276.05 0.8259 Test Log Rank hombres 2010 .76 1047.82 777.0007 .00 12.12 0.00 functions Estado_civil Con Sin pareja pareja Events observed 314 733 1047 chi2(1) Pr>chi2 = = Total 11.. _d: _t: logrank failure analysis time censura duracion_desempleo Log-rank test for equality of survivor Events expected 269. sts test Jefe if sexo==1.24 466. logrank failure analysis time _d: _t: censura duracion_desempleo Log-rank test for equality of survivor functions Jefe 0 1 Total Events observed 176 311 487 chi2(1) Pr>chi2 = = Events expected 210. sts test Estado_civil. sts test dependientes.

44 207.01 134. _d: _t: failure analysis time censura duracion_desempleo Log-rank test for equality Events observed 243 244 487 of survivor functions Pos_Ocu Asalariados No Asalariados Total Events expected 279.00 = = 13.00 6. logrank failure analysis time censura duracion_desempleo Log-rank test for equality of survivor functions rangoedad 10 30 45 a a y 29 44 mas Events observed 128 168 191 487 Events expected 134.30 225.72 0.62 487.0428 logrank functions nivel_educ 1 2 3 Total Events observed 124 228 135 487 .08 154. sts test rangoedad _d: _t: if sexo==1..0002 chi2(1) Pr>chi2 [168] .39 Pr>chi2 = 0.01 487. sts test chi2(2) = Pr>chi2 = Pos_Ocu if sexo==1.56 487. logrank _d: _t: censura duracion_desempleo failure analysis time Log-rank test for equality of survivor Events expected 107. sts test chi2(2) = 14.98 218.00 Total .30 0.0008 nivel_educ if sexo==1.

63 38. sts test pos_hogar _d: _t: if sexo==1. logrank failure analysis time censura duracion_desempleo Log-rank test for equality of survivor functions pos_hogar Jefe Cónyuge Hijo Otros Total Events observed 311 36 104 36 487 chi2(3) Pr>chi2 = = if Events expected 276. logrank .0079 [169] .00 functions dependientes 0 1 Total Events observed 287 200 487 chi2(1) Pr>chi2 = = 7. failure analysis time censura duracion_desempleo Log-rank test for equality of survivor Events expected 312.61 487.44 0.72 487.00 13.63 487.65 47. sts test dependientes _d: _t: if sexo==1.0000 logrank . sts test Estado_civil _d: _t: failure analysis time censura duracion_desempleo Log-rank test for equality of survivor Events expected 118.0045 sexo==1.08 0..00 124.39 174.37 368.00 functions Estado_civil Con Sin pareja pareja Events observed 164 323 487 chi2(1) Pr>chi2 = = Total 28.05 0.

05 0.0024 Total [170] . sts test Jefe if sexo==0.60 202.05 0.39 174.77 219.62 560. sts test dependientes _d: _t: if sexo==1. logrank failure analysis time _d: _t: censura duracion_desempleo Log-rank test for equality of survivor functions Jefe 0 1 Total Events observed 347 213 560 chi2(1) Pr>chi2 = = if Events expected 365. sts test rangoedad _d: _t: failure analysis time censura duracion_desempleo Log-rank test for equality of survivor functions rangoedad 10 30 45 a a y 29 44 mas Events observed 147 229 184 560 chi2(2) Pr>chi2 = = Events expected 137.61 487.08 0.00 functions dependientes 0 1 Total Events observed 287 200 487 chi2(1) Pr>chi2 = = 7.0794 sexo==0. logrank failure analysis time censura duracion_desempleo Log-rank test for equality of survivor Events expected 312.94 560.0079 Test Log Rank mujeres 2010 . logrank .00 3..06 194.00 12.

91 94.41 0. _d: _t: failure analysis time censura duracion_desempleo Log-rank test for equality Events observed 276 284 560 of survivor functions Pos_Ocu Asalariados No Asalariados Total Events expected 281. sts test nivel_educ _d: _t: if sexo==0. logrank failure analysis time censura duracion_desempleo Log-rank test for equality of survivor Events expected 121.6219 chi2(1) Pr>chi2 .24 0. sts test pos_hogar _d: _t: if sexo==0.00 5.36 273.0669 logrank functions nivel_educ 1 2 3 Total Events observed 114 258 188 560 .74 560.24 0.94 218.93 560.00 5.26 278.1552 [171] ..12 560. logrank failure analysis time censura duracion_desempleo Log-rank test for equality of survivor functions pos_hogar Jefe Cónyuge Hijo Otros Total Events observed 213 205 99 43 560 chi2(3) Pr>chi2 = = Events expected 194.71 164. sts test chi2(2) = Pr>chi2 = Pos_Ocu if sexo==0.00 = = 0.03 52.

008 0.00 0.067069 .6025375 1.94601 [172] .6861231 1.22 1.9606 .30 2.17 -6.06 P>|z| 0. of failures Time at risk Log likelihood LR chi2(11) Prob > chi2 = = 125.9280352 .203619 1.560268 1.52 410.1896 1.0777507 .0703337 .0000 _t sexo edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes Haz.00 functions dependientes 0 1 Total Events observed 290 270 560 chi2(1) Pr>chi2 = = 0.006 0.291 [95% Conf.000 0.22 0.059435 .5499 for ties Number of obs = 2015 No.3971 Anexo A4.97 -3.00 functions Estado_civil Con Sin pareja pareja Events observed 150 410 560 chi2(1) Pr>chi2 = = Total 0.9447604 .334 0.75 -3.367293 1.94 1.72 0.79 279.0467112 .7708504 . Err.354918 1.9276823 .5925154 . logrank failure analysis time censura duracion_desempleo Log-rank test for equality of survivor Events expected 149. z 4.0945503 .250537 .0655593 1.0702156 .318384 1.9460508 1.7343415 1.0810214 .197483 1.245836 .8949773 1. of subjects No. Interval] 1. logrank failure analysis time censura duracion_desempleo Log-rank test for equality of survivor Events expected 280.869445 .074119 . sts test Estado_civil _d: _t: if sexo==0. Ratio Std.7177462 .176595 .002 0.086949 .192 0.003 0.048763 .075258 .69 1.001 0.0728369 .116807 1.39 -2. sts test dependientes _d: _t: if sexo==0.000 0.0807809 ..66 0.48 560. Salidas Semi-Paramétricas Tipo Cox por total de desocupados 2001 Cox regression -= = = = Breslow method 2015 1297 26655 -8643.6405322 .06 2.0975533 .21 560.335756 1.5022753 .244 0.5870457 1.

5 09 91 11 25 72 89 1 -3 0.348493 1..1 75 08 40 51 43 79 .9 01 25 11 29 25 2 .8 .03130616 .09 06 14 34 38 05 9 . .43695613 .068706 .0283 4866. .58 edad3 . .30503121 .0 60 01 7 .1 13 36 5 chi2. t1 e5 r4 v5 a5 l5 ] .274465 . 0 No.2450521 .700334 . 0 O .6143629 .9801555 1 -.27553568 -.2 0.000 60 11 4 0.114 .7 09 60 490 44 12 5 .0000 Weibull regression _t Haz.000 .z 02 4 Conyuge He ix jo s Od ta rd o1 s e No_Asale ad ra id ~3 o deC po en_ dp ia er ne tj ea s Te Dl __ hb oa gj ao r Niv IA Nl Lt Ao B Nivel_ Conyuge /H li nj _o p Otros p No_Asalari~o 1e /s p dependient . 13 94 77 73 61 3 .0013291 5. 11 85 21 477 1 1.052 0.25139224 -..4 12 . .3 .10639009 -.02298089 -1.31646614 -.6229293 .7068755 -. 9 9 5 9 2 5 6 .05950497 -.91 5 deC po en n_ dp ia er ne tj ea s 1.02 . 92 56 278 68 22 4 1 80 50 97 65 89 4 1.0238466 -.900 .0 09 66 54 34 97 29 8 0.t 0d 7.Anexo A5.0914112 3. of subjects No.9 05 24 34 33 41 76 2 .02 -16.7018 4870. .6977489 129 .00053483 .7 90 64 75 63 84 78 7 = 0 P r c h i 2 0.1 43 59 21 5 In ] 1t ...03942205 .02270977 6.04937275 -.15119044 -.| 9z 6| 9 .05 25 15 79 21 32 3 . of failures = 1297 sexo 1.11787888 .48716944 . Ratio 201 S5 td.079e-09 -2. .0048944 -2.47802991 .15806209 -.02334718 -..15126875 -.0613061 .000 22 77 1 0. >9 |5 z7 |mber .3 52 0 -1. 2 Log likel =.3 45 9 2.6 047 87 93 8 1.5842637 -.10603632 -.155851 .132 0. 9 8 4 7 3 7 0 .7 11 2 -5 0.001 90 0.97 0.456921 2 0 1 5 I1 n.0020399 .9999999 -. -0.96 .7 65 61 e4 -9 04 8 .47525683 -.23734799 .308 0.24717402 .20094643 -.09599968 -.0000 1.5767293 0.4 16 46 88 64 41 6 1 1 5 0 8 .23636539 -.899e-10 -2. 9 8 3 . 0 5 2 7 9 3 6 2 .8581156 98 78 68 90 237 3 .02273132 -1.5 97 7 1 . 0. z5 Cof na yi ul gu eres =. .48973268 -. .05971838 -. of obs = Interval] 2015 1. -16 NiT vD e_ lh _o bg aa jr o 19 .70 0.04663928 -. Ratio Std.0871934 23 08 71 327 2 . 92 57 15 80 26 63 32665 . stats(bic aic) Variable _t sexo edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons ln_sig _cons kappa _cons ln_gam _cons ln_p _cons gamma _cons Statistics bic aic -.8 56 5 .4707 4874.12946675 .844163 1.00458094 . of subjects = 2015 No.10295146 -..57 1. 0 7 5 1 0 1 1 0 .4 59 0 N o _ A s a l a r i ~ o .1280633 .7 0498398 -5.0870028 3.11201932 -. [8 95 59 %0 C1 o1 nf= ..4 50 1 Time at r =1 s e x o .23943208 -.35989593 -.0419866 ..090 88 70 20 85 92 6 .01809904 .8552183 . .51647912 -.4 66 8 1 -0.845e-08 2.001 1.5788526 70 82 91 57 24 7 1.553532 .0088925 .06581289 .054 Exponential regression = = = = -- log 2015 1297 26655 relative-hazard form Number of obs = 2015 No. Err. (9 17 33 )7957 = 0.13 P>|z| Number [95% Conf. Err. . z No.24299537 .24263394 -.7031612 98 39 73 15 20 23 .06277094 -.1 83 71 93 72 90 79 7 .5 44 03 69 23 54 8 .17 30 4 0.000 1. 71 80 88 73 35 18 7 0 1 0 L R ( 1 3 ) 0.0 02 07 0ob > .27563703 .1519702 -.0 .51 -1.62e-08 .45994096 .24959521 .70 No.114858 0 N u o f o b9 s P.746 4814.9292 4786. .6 03 68 12 32 11 1.142l 8o 3g re . .02270891 7. 0 Haz S Nivel_Al_ tt o .0 00 00 0 19 .70 2.620di ah do 3od 02 0376.46 Time at risk = 26655 edad1 1.7 27 75 02 55 21 7 .09 Log likelihood = -2378.02323274 -1.00 00 61 74 02 92 7 1. 99R 7a 0t 6i 4o 9 . .98 10 .01844035 . 93 99 03 56 87 36 2 . of Hi is jk o .0604575 .15301644 -.04838971 -. 0.2077474 -.280402 .5456 4786.0 08 77 82 75 86 65 1 1. 99 46 07 85 01 52 1 0 0 .55 N i v e l _ A l t o .8473101 15 48 95 70 44 7 1. . .0491486 -6.7186552 0.. 9 9 9 9 9 9 P [9 n 0> .0142 -log relative-hazard form LR chi2(13) Prob > chi2 = = 516. 00 55 30 28 387 6 66 52 34 61 61 5 .472705 1.7 0678133 -3. 0.118534 .4926361 .1 04 61 17 52 36 8 .000 0.e 1r 5v 5a 8l 51 9 . Pruebas BIC y AIC total desocupados 2001 . of subj _e tctsH= az.66 -3 0.4018 Cp oe nr _t pz arr ee jg aression 1. 51E 7r 9r 8.104e-08 2.15607092 -.24781042 -. 9 9 1. of failures Time at risk Log likelihood -2379.00489437 -.l 0a 9t 6i 4v 8e 92hazard 1.5591373 mgamma mlnormal mlogist mweib mexp mgompertz 4808.34690069 -.13364962 .22183475 . 94 84 07 19 52 88 1 1 1.24252638 -.7 14 93 73 481 1.06 -3.6 58 1 I N L A B 1 5 .7 57 27 93 60 27 56 9 = 0.11 L3 R chi2. 92 76 76 56 43 67 2 1 1 .10110867 -.7 14 19 11 38 51 3 0 .9971258 .977547 1 .8 24 37 68 23 2 1.5 19 16 11 86 66 2 .1 .0008962 -.9749455 . 99 84 13 96 184 TD_hogar INLAB /gamma .9 73 89 10 46 03 25 3 . 1 .047217 10 87 48 18 5 1.00293946 -. -1 et dr ao ds 1 18 .04 -3. 91 70 48 90 44 15 1 1 96 90 91 997 97 9 . .1 0.8035 4864.351e-08 2.1 0 0.08 50 .2 58 14 17 ..0 00 81 63 73 61 99 6 3.5963 4730.48 4718.03433998 .02326461 -1.5 93 7 1 -13 6.7 .f 5o 8rm Gom Nivel_bajo 1.016 [173] .0 24 78 78 53 15 7 . 8 7 4 8 9 6 6 .00287829 -.16048806 . 50 800 36 8 11 .06 .113209 0..00408271 -.35619796 -.07 .6 0.95 1.5 8% 60C 0o 89 6f.02942682 .40 0.0 36 0.33753679 .45699941 .00 32 36 4 0.1796 4782.13254145 .5252057 Prob > chi2 = 0.4 19 0 -0 -1. est tab mgamma mlnormal mlogist mweib mexp mgompertz.000 .8274 4790. .06978605 .79 0. 6 7 e 0 8 0 . .9685334 0.13350754 .0680728 16 30 556 8 .184e-09 -2.1 31 37 2 .0790825 1.

9 7 8 0 8 6 8 -.083e-08 1.725051 .0066873 5.6 62 03 63 76 26 3 1 37 . 3 3 3 7 8 9 6 -. -1.008732 .6 04 8 4.2235426 .09074943 .4242081 mgamma mlnormal mlogist mweib mexp mgompertz 228.54525662 -.Pruebas BIC y AIC total desocupados 2010 .57302258 .0182791 0 . 8 2 el di ah do 3od 98 62 8.103e-08 -2.0450175 1 .3 56 76 47 24 64 2 . .02184997 -7.3 17 28 86 92 56 52 5 . 7 5 5 8 7 2 3 6 2 7 . 6 0 -9 81 16 .086766 .7 1 E5 r1 r. 3 3 7 4 0 9 7 0 . -.05757052 . 12 37 )9 0 0 7 = 0.3861798 -0.938887 2.75659705 -.86442 228... 0 0 5 0. 9 9 3 3 2 4 3 . 8 2 Con_pareja 1.36717947 -.6 3 R2 a4 t0 i2 o S9 t0 d2 .16314058 .514 0.1 13 80 e1 -5 09 7 .5992785 . 33 63 97 19 50 33 7 -1 ..25850326 .1470623 .1 65 3 Time at r = 2 . 4 1 3 .2 _e tc t s H= a.50 .6 95 50 6 0 0 .log _t Haz.0 02 08 5. 2 9 69 P.5545878 .01859321 2.72185346 -.09928821 .189196 1 1. of subjects = 79 .24 -4. 0 0 7 5 6 8 6 2 .105668 .7576589 . form z P>|z| [95% Conf.000 0.4 05 6 -0 0. >8 |N zu |m b e r o [f 91 5o %b C5 o9 n f= .599393 3 5.6473715 19 .0039694 -. 6 4 9 9 26 No_Asala 1 .9 45 7% 3 3C 7o 2n 3f .00163611 1.359 0 .52177087 .2 74 3 Nivel_Al_ tt o Conyuge He ix jo o s Od ta rd o1 s e No_Asale ad ra id ~3 o deC po en n_ dp ia er ne tj ea s T D _ h o g a r Nivel_bajo IA Nl Lt Ao B Nivel_ Conyuge /H li nj _o p Otros p No_Asalari~o 1e /s p dependient TD_hogar INLAB _cons /gamma Number of obs = 0.5 44 63 25 67 1 -1.80686133 -.0060 Weibull regression -.C 0o 7e 4f 7.23 1. .68200799 -.179e-08 1. 8 1 -0.z 17 -0. .8 14 62 4 0 0.005 0.873 0. 4 2 6 0.43 Log like = .t 4d 4.02215686 -8. .0 04 00 09 06 05 1 . 9 6 3 6 6 4 8 0.5730002 . 27 .582 .8 08 03 9 1.5 27 4 -0 -0 0.53 Time ated ra id s1 k =. .0078093 3.417 0.53781124 -.24411312 .31676726 -. of failures Time at risk Log likelihood 79 50 627. c5 h4 i9 28 9 4 3 = 0. .555252 -1 .927 . .26 0.27988282 -.7 3 4 3 2.424208 .4547466 0.0 80 20 70 90 11 3 2t .0 61 7 dependie n t e s .9 82 0 2 . 7 . er di a~ do 1 . .11607 190.25 0.e 4r 4v 0a 2l 1] 8 In 3. 7 2 6 1 5 0 8 .67135446 -. .9 29 69 79 49 89 03 1 0> .6 14 15 04 50 65 45 9 . 3 4 2 5 8 2 58 02 3 8 8 2 1 -0. of subjects No. 01 82 8 0 4 .87 LoC gon l_ ip ka er le ij ha ood =1 .0024379 -.97453072 -. -.807 .2 23 6 -0.8910597 19 .818 0.307029 .8150447 .1 23 4) 10 61 89 22 6 = 0 .02114561 -.1004499 -. 01 63 25 89 35 84 2 -1.38059718 .2160466 .3 43 42 84 56 51 7 .4 34 7 2 0. est tab mgamma mlnormal mlogist mweib mexp mgompertz. 31 44 2e 820 57 3 -0 0. 3 NivelI _N bL aA jB o .08499293 .01720445 -.7978 194.8 41 63 6 . . 73 59 5 4 8 6 4 edad3 . z8 .31338 224.15e-07 . of fs ae ix lo u r e s =2 .8551 189.20 -0.00919108 . 9 6E 4r 6r 3.3 25 89 17 67 32 2 0 9 5 .2712125 -.5 62 69 52 23 78 66 5 .94e-07 -3.31919269 -.log relative-hazard form Nivel_Alto 1.85125377 -.3627141 -0.4950907 34 .2 .7 00 . z1 No. 0 0 5 .593 .42 No.7 95 30 99 04 91 54 4 -. .11432741 -.01529748 3. 20 50 47 00 5 ..12901713 . .25608 Prueba Log Likelihood total desocupados 2001 Exponential regression = = = = -log relative-hazard form Number of obs = 79 No.66e-08 -2.38 P5 rob > .981 0. 6 0 si es xk o 32 7 .3 86 38 57 86 55 71 4 .9 69 99 99 29 39 59 6 .541387 -.81 -2.5 01 61 47 82 55 5 . . -. . Err. . 9 6 3 0 8 3 -1.65 -0 0.32298838 .0 68 99 05 35 48 2 -1.55 Gompertz regression -.7102742 . .475783 8 7 I3 n.0 99 94 96 90 90 91 9 .15386497 -.97 . .0091911 .82 -0. 60 90 62 14 74 81 8 . 6 -0. .01797911 3.0 10 46 81 64 71 4 -.05926 .58 L6 R c h i 2 (.68648 225.2282 192.65408666 -.3 . 2.01675205 -.7722065 .175787 0. 7 9T D _ h o g a r .54 0..431e-08 -2.10772 2.01385244 .24 Conyug e .05 37 14 .95281806 -.842 0.8 02 72 23 11 38 6 .0 18 68 64 37 37 3 -.94590047 -1.7 91 94 98 99 96 92 3 -. 0 0 7 7 1 4 4 .5734609 0 .6441739 .3075491 0.47571693 -. 55 89 95 92 61 2 . of failures = 50 Ot r o s 1.07210706 -.661074 0. stats(bic aic) Variable _t sexo edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons ln_sig _cons kappa _cons ln_gam _cons ln_p _cons gamma _cons Statistics bic aic . S .90059934 -. .1143274 10 .00884767 -.80031872 .0219932 -7.0372992 -6.0 71 05 9 0 0.2 4175887 -0.5 91 82 29 17 05 75 4 2. .4283624 .5 87 10 1 0 0.35776756 . . 2 9 0 0 9 6 1 .09291641 . 14 .02122344 -.09460015 -.27752194 .11534388 .40614 188. 13 . . 7 2 8 5 0 0 3 . Interval] No. 33 79 03 59 68 89 1 1 1.675074 4.2710716 0.5082379 .656e-08 -2.4214903 -. 37 78 8 1 . 9 9 3 3 3 4 2 5. .2 48 72 98 00 22 6 2 9 2 6 7 9 2.9 5L 0R 2 chi2( . s 0.23606254 .667249 2. -.6459569 -.04508635 .0266354 [174] .5787342 .3051632 .0 20 75 69 49 83 9 .251639 LR chi2(13) Prob > chi2 = = 29. .75 -82. of subj 7 Hijo 1. Ratio relative-hazard Std..1 .8 09 04 31 3 1. 4 8 0.2049 224. .8 71 99 9 0 0.31999762 -.. 1.5699996 .02199325 -7. .1 37 57 38 73 03 51 5 .1631406 .2 19 50 31 87 61 5 . 7 .08320619 . .6372688 .2 30 9 0 0.615 79 4. .836e-08 1.0 2.56105007 -.16 0. 2 8 3 9 6 7 2 0 .41e-07 -1.1067833 -. 6P 6r 9o b > c . 48 18 1 5 6 5 9 Nivel_bajo .493784 0 3 3 .27012919 .293348 . .3 81 59 71 39 82 77 8 -.36214871 -.06144322 -.02 -0. 5 6 2 7 7 4 2 .5 31 79 45 54 17 65 3 . 9 7 8 3 8 7 . 11 .h 2i 82 73586 = 0 .2 93 76 90 06 72 65 4 -. .22453232 .50823787 -.228971 .13860833 -.237387 17 .3229884 . [ . . 0.3006141 -.00524968 .332 .50328 229.808 0.01426829 .3 37 76 54 73 97 43 8 -0 0.016 1. t3 e9 r1 v8 a7 l9 ] 3. . .39863247 .09 No.311728 0 0.39789254 -.67555 192.| 8z 6| 3 P 0.9693224 0.9 03 90 45 70 97 7 .

03 -1.02836734 -.0181376 -1.92 -1.3 75 8 T_ Dp _a hr oe gj aa r -.2137166 -.16876568 -.2565685 .41 -1. 02 10 89 20 88 34 02 02 15 78 46 01 4 -11 0.0963603 .log Coef.8 380 e3 -7 04 8 -1.11733545 -.52010268 -.38190469 -.2668289 .15 -15.120899 .0106743 .75 -1303. of subjects = 1026 ea di al du 1res =.082 0. relative-hazard Std.000 0.0037366 -3.17717683 -.48921514 .47 No.1 Log like = Il Ni Lh Ao Bod -.188 0. -.4936 2696.16C 5o 4e 7f 5.014 -.027279 .0850984 .12898802 .6 391 e3 -0 00 7.440e-08 2.5615 2633..341268 5.000 0.0290167 .33 -4.16Nivel_Alto -.894 0.298 0.4595495 0> .4 04 19 43 84 78 24 3 0 43 .46 0.90 Time ater = Con_pareja .06e-07 -2.2599 -.06667365 -.1372914 .51 z -1.07356743 .0074502 .1534107 .185304 -d 0.17930114 -.0860174 -.4545234 -.16724806 -.1456651 1.417635 -.0216401 -.085313 .11331597 -. 3 81 9 5 2 -.185099 .12658 .0539806 . 11 .| 2z 6| 0 -[ .01067427 .29 -0.1023263 .0 6 0 .08 .0260665 -.642 0.19387491 .0269136 .1517358 -.320e-07 -2.1038599 . (0 13 21 )4446 = 0.8 0880731 1.088013 9.1 47 933 85 04 9 59 21 534 36 5 -11 6.09011466 .1845521 . T i s k =.16564511 -.i 02 05372 = 0.1690815 .0147339 7.48 1.1670137 .01814165 8.00745019 -.4273973 mlnormal mlogist mweib mexp mgompertz 2656.01828342 -1.055 0. form z LR chi2(12) Prob > chi2 = = 215.0 4.18839056 -.9 16 95 46 845 9 .74 Number of obs = 0.085e-08 2.303 0.02606648 .4663128 .1134196 -2.2796 2628.t 1d 4.3573162 -.198 0.113316 . of failures Time at risk Log likelihood 1026 728 12323.744 0.47337819 -.1N 6u 9mber-o .49951 62 93 723.3369 2692.45e-08 -2.0017366 9.16180174 -.4938093 .09969118 -.1016099 -.0282051 .2086387 .1822454 -.315 0.0182312 .35768298 -.11265561 -. Interval] 1026 .03 1804 i 1P 3r 8ob >-c 3h 22 36 e9 -05 7 = 0.1228629 . of subjects No. 0.0 0 08 02 0 -3 23 .11341961 -. _Ao sf alf aa ri il ~u ores = -. 90 80 60 80 1 .2 31 4 .6668686 -.8 1040353 1.46 -1.44 -1.12089901 -.15173584 -.5198 2697.03185608 .5 16 89 71 71 29 4 0.179 0.1474656 . 0.0924957 .7 5 di em pe ena dt ier n t e s 4 9 4 .33 -10.1771768 -.37 N 72 No o.417635 .1695552 .1618017 -.000 -.1883906 .603 -.09929179 .4468494 -.08 L9 R chi2.11 Gomper t z r e g r e s s i o n l o g r e l a t i v e h a z a r Conyuge -.0796846 . stats(bic aic) Variable _t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons ln_sig _cons ln_gam _cons ln_p _cons gamma _cons Statistics bic aic -.125081 No. -1.9734453 -.27677 .1126556 1. 20 .0940134 Coef.44 28 17 12 .1542458 -0.Pruebas BIC y AIC Hombres 2001 .1 -.21371658 .612 P>|z| 0.0929905 .1372802 .56 1.0850201 .12191692 .01868002 6.0534737 -. 0 cl ot no s 21 .0667412 -.2801057 .4488048 -.1687657 -1. . 0 8 5 1 1 8 9 dad3 .41 0 e d a d 1 .1 72 93 25 74 7 0.0017393 . of f 72 di as dk 3 -.2792919 1.1471363 .3 .14e-08 .8 01 70 94 50 252 9 -1 0.0845121 .09401345 -.13682054 -.t 1e 2r 2v 7a 1l 2] 6 In .0000 Weibull regression _t P>|z| [95% Conf.03239208 .11968977 .02223055 .32 -0.0836483 -. P 0.185 0.158 0.16547544 -.749957 -.265757 .4570554 [95% Conf.18455207 -.268 -.1 04 37 10 82 563 1 . 0 2 -.08601743 -.9 45% 36C 6o 3n 4f.09636028 -.20863875 .9720312 .9197547 -.1002451 -2.0274162 .271 0.0821 2623.427397 .5 1018581 -4.0141 2702.3270843 -2.49956972 .1375906 .6543 2632.8 48 Nivel_ b a j o 5 6 4 5 1 .f 5o 2rm Hi_ jt o -.22e-08 .2 -.3347885 0.20908403 .0215413 -2. 70E 3r 7r 4.1090146 .10 -1.250 0. 2 8 1 7 7 9 8 134 5 2 0 7 .0270902 -.0P 5r 8ob > c -h . Err.4892151 10229 6 -1 4. 4 .1371195 -1.0 07 07 0 65 81 98 78 10 66 7 L R 2(12 )6946 = 08 0 chi21 0.0797665 .70 Nil vi ek le _l bi ah jo ood 71 23 40 82 1.90 Log =.11491 2 3 23.04550509 -.10 Conyuge _t Hijo Otros edad1 No_Asalari~o edad3 dependientes Con_pareja TD_hogar Nivel_bajo INLAB Nivel_Alto _cons Conyuge Hijo /ln_p Otros No_Asalari~o p dependientes 1/p TD_hogar INLAB _cons -.36e-08 . -.000 0.87e-07 -2.14702634 -.7 51 Con .1 -.4536163 -.140 -.105 98 .2116 Prueba Log Likelihood hombres 2001 Exponential regression = = = = -log relative-hazard form Number of obs = 1026 No.2690285 Interval] .08792859 .391e-07 -2.0134057 -.11494942 -.11500083 -.729714 /gamma -.1091293 -1.0283673 -.746 .35349897 .34 1. e0 -0 00 8 .1301125 -.000 -.z 13 S No.32e-07 -.1852289 Std.4049 2587.0504948 0.1368205 -.45 0.0014947 [175] .087246 -. of s u b j e c t s = 1 0 2 6 Otros -. .2999314 .0148223 .33 1.74 -10.f 45o 7b 1s 398 = 65 88 9 -0 .01 -1.0 38 5 Nivel_A -.0181376 -1.3403823 .13 1.0030386 -2.01823123 -1.4501835 -.26 -0.183 0.1224937 1.7 .30 3. est tab mlnormal mlogist mweib mexp mgompertz.06816503 .04 -14.028774 -.0801 30 52 86 7 15 20 49 06 14 16 8 .061e-07 -2.699208 0.440763 -. Err.000 0.15e-07 -.46631281 .15341069 -.

1464462 0.1461859 5 0.029 -0 17 07 52 5.35812662 .2721836 . 9132689 =.1301025 -. -1 . of subjects = 989 No.56 .4 27 10 35 17 61 03 1 0 0 -. 0 6 1 6 . 4 4 e 0 7 7 . 6002195 .37536116 -.2 51 7 .0977791 1.3 86 53 67 27 12 9 0 0.10292255 .13958071 .7682973 .544368 .37192268 .21478196 .6373 Prueba Log Likelihood mujeres 2001 Exponential regression = = = = -log relative-hazard form Number of obs = 989 No.42e-07 -2. 00 26 48 77 86 72 5 2. Std.004 -. .1 19 1 -3 2.3424324 . 0 3 1 3 3 7 6 .02926279 -1.2525 . -1 .0014907 .93e-07 -2.9165 2201.9274 2208.3184911 Interval] 96 83 9 .1697799 .0 03 23 66 92 52 4 -.301 0 0.0628687 -.00 0.37279396 .68e-08 .13 -0.921e-08 1.5845 2137.001 -.397236 .. .842 -.8 05 88 38 21 88 1 0 0.17 -3.1 43 1 1.13931738 .5878692 .0 10 12 01 19 24 58 7 1 .0982531 =.2904985 .15110514 .4668 2217.6469289 LR chi2(12) = 0.1464605 0.9 04 31 39 37 85 31 6 -9.21313583 .0367451 .789473 -.02089655 . z No.0628533 . .2724017 7 -.0 00 00 1 .46947 Prob > chi2 = 0.06285335 -.00 0.02 . of failures Time at risk Log likelihood 989 569 14331.9637 -log relative-hazard form LR chi2(12) Prob > chi2 = = 290.0232467 .1086449 11 .88 Con_pareja -.13 z 1.1577187 0.0 03 02 23 12 92 27 9 7.29 0. (2 11 23 )2994 = 0..1160909 .092 -.0 93 94 62 62 42 38 4 -.0631081 . 6 9 e 0 .32824189 . . -1 . . .3849176 -.0321584 5.39964 .3077345 -. .0069466 [176] . of sH ui bjo ects No.2 39 74 55 31 65 17 2 .4764822 0.0321584 -.00336224 -.0503284 .2847085 0.265 -2 . 20 .1497595 .42558099 .03 -0 0.40 -0.444e-07 -2.38e-09 -2.1207819 0 .02940119 -8.4723521 .1497595 .56 -0.364664 P>|z| [95% Conf.11507858 -.4692989 P0 rob >-.04817945 .3994167 .29544 16 45 331.5209866 mlnormal mlogist mweib mexp mgompertz 2195.02324671 .0 13 62 12 81 84 42 8 .3 65 84 4 -.1393174 .1696251 0.1630333 =. .03133764 -.. -.4702 2139.1336817 -2. .1 12 16 15 13 52 8 .1342323 -..294 -.405 2208.19 Time at risk = 14331.20625171 .0 09 30 21 15 05 66 1 .0205 2126.556 -.5338414 .000 0.0 .38 1.1 10 7 -3.1 28 19 15 43 66 4 .00149074 -.13 z 1.0 35 49 47 27 46 24 3 -. =.11867754 .0368436 .358 -.818.3849176 .417e-07 -2. .241 -. 00 20 93 03 86 58 5 1. 8 4 6 . .88 0.2721672 -2.0900301 -.0774939 0.05 0 .11609091 -.3719227 . .36747734 . c0 h3 i3 23794 = 0.358 -. e1 l0 a6 t7 i9 v5 e3 -hazar0 d. 1.3 34 08 25 55 97 81 7 -. 11 36 98 73 86 81 7 -.5443684 .29451569 -.000 -2. .5 f9 orm Conyuge _t No.20 -2.23628661 -.95e-07 .704 0.1742775 Coef.2 52 34 30 89 42 1 .45886315 .004 -.38364181 -.39791708 -. est tab mlnormal mlogist mweib mexp mgompertz.84 -18. 8 0. Err. 0.7 18 38 47 8 -.289372 .10965885 -.002 0. .9587 2149.92 Log likelihood = -1055.682 0.1499225 . 20 5923669 -.1067848 4 -.76e-09 0.86 -0.1 06 92 09 09 35 99 6 . of failures = 569 edad1 .06310807 -.3076511 -.0027837 -0.0 32 69 70 47 75 73 3 . .7757754 .45e-07 7. -.38 -13.191 2139.03668568 -.0000 .25 -1055.54 0.25 edad3 -. 23 . 0.799365 0.71e-08 .2 35 4 1 .555 -.235 -.894 -. Std.0 26 96 05 30 30 49 4 -. 3 8 e 0 0. . .1327061 .3836418 .1229063 289.58 9 -10 5. of O ft ar io ls ures edad1 To i_ mA esal tari~ so k N edad3 dependientes Con_pareja Log T lD i_ kh eo lg ia hr ood Nivel_bajo INLAB Nivel_Alto _cons Conyuge _t Hijo O t r edao ds 1 No_Asala er di a~ do 3 deC po en n_ dp ia er ne tj ea s NiT vD e_ lh _o bg aa jr o I N L A Nivel_AltB o _y cu og ne s Con Hijo / Ol tn r_ op s No_Asalari~o p dependientes TD_ho1 g/ ap r INLAB _cons /gamma P>|z| Number [95% Conf.0 52 84 37 37 13 96 8 2 .02908554 1.592 -.27931156 -.1096589 .1067947 -2.4 07 07 05 0 -.116e-07 1. Std.07084498 .066 0.04895807 .448e-07 -2. 61 9616697 .1630375 -0.41 -0.26 1.11660968 -.11634268 -.02308648 .02907526 1.0 13 53 13 67 36 49 9 0 . o0 n62 -8 -68 l7 og r.556 -.1097343 3.2 91 30 59 62 64 24 1 -. .372794 . .29544648 -.1395807 98.5876042 2. stats(bic aic) Variable _t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons ln_sig _cons ln_gam _cons ln_p _cons gamma _cons Statistics bic aic -. 0.4 02 64 17 58 98 9 .1562411 0.3647989 P>|z| [95% Conf. .1 05 31 61 60 85 51 7 . .1 17 64 41 46 87 19 2 . 9 5 e 0 . of obs = Interval] 989 .0000 Weibull regression _t Coef.520987 -.14992246 .132703 .20 1.38104671 -.0927841 .2904985 -.02695397 -.0755526 0.1144107 -. .03684362 -. . Err. . N3 umber-.059 -5.3183055 Interval] . .02240919 .4 67 36 93 57 68 41 3 0.1742645 Coef.03422281 -.6467322 L R c h i 2.05 0. Err.1369856 .13 .1229502 -.92 -13.1150786 .001 .001 .40 GoN mi pv ee rl t_ zAl rt eo gressi.1 06 91 88 44 49 06 5 .0039652 -.1371429 -.9583 Nivel_bajo .Pruebas BIC y AIC Mujeres 2001 .1 77 8 -0 0.000 0.8 09 08 0 -2.0 00 02 5 -.3490253 .1205514 29 86 91 .895 -. .9 43 1 -13 3. of subjects No.1100436 1.9 81 67 8 0.0290772 1.59 -19.0230865 .13714293 . . . o1 f20 o4 b8 s49 = 0.25 3.

02296812 2.71685287 1.5 05 91 74 14 54 79 5 .25 -.1 7059231 -1.02637504 .62 Nil vi ek le _l bah jo 7153 06.228194 0.97 ea dal d1res = -.4088447 .6755472 .10214258 .7069265 -. 2 77 1 99 89 67 6 0. of failures edad1 Time at risk edad3 Con_pareja Log likelihood Nivel_bajo 0. of failures Time at risk Log likelihood 39 31 232.7839767 .924969 0.0435897 -5.6 03 07 15 29 1 9 2.056e-07 -2..88293811 -.7268717 2 .7865686 21 23 033 836 8 . 0.50561586 -.0095016 -1.175993 0. 65 93 65 33 17 64 7 2 2.3377096 mlnormal mlogist mweib mexp mgompertz 127.6 83 Con Ib Na Lj Ao B 26 .349 -2.06e-07 -2.8082658 1. Err.127261 0.040701 LR chi2(12) = 0. 48 04 92 510 89 7 .0139505 -2.9 85 0% 2 6C 4o 5n 4f . 03 13 75 90 20 99 8 ..563005 0.23 0.0 93 73 984 31 3 93 11 87 42 04 11 2 3.29667 106.0C 0o 0e 9f 7.753533 . 49 8 3 47 13 75 7 -1 -.13357845 -.111063 P>|z| [95% Conf.7 -.7 07 21 82 98 45 72 .232 -2.77339173 -. stats(bic aic) Variable _t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons ln_sig _cons ln_gam _cons ln_p _cons gamma _cons Statistics bic aic .65e-07 0.027543 .3 40 12 9 -2 1..t 9d 2.344079 LR chi2(12) Prob > chi2 = = 11.9 71 23 07 5 39 4 .244844 Interval] 1.9 87 0 0 1. 0.4973363 .00681 129.65390814 -.227 -.8109707 0.67554723 . 0 7 5 53 69 8 .72901192 .568861 .n 06689l 0o 2g re 1l .31446 110. 1 54 7 .1021426 1.21 = -38. 1 .8446106 .418066832. P 0.49733626 -.0132483 .598 .5306151 1.0 83 1 T_ Dp _a hr oe gj aa r -1 . est tab mlnormal mlogist mweib mexp mgompertz.01169786 -2.9 12 .7262924 -.436 -1.6793915 0.3 06 16 e4 -7 03 7 69 4 Nivel_ .f 7 0o 2b 7s 797 = 0.0229681 2.33 2.. .86328 129. of subjects No.f 0o 6r m _t Coef..78 = 232.5180118 Prob > chi2 = 0.748205 0.53 Nivel_Alto .6011402 0.962e-07 1.6 -0 Conyuge /H li nj _o p Otros p No_Asalari~o 1e /s p dependient TD_hogar INLAB _cons /gamma .04710759 .84210896 .49 TD_hogar -.Pruebas BIC y AIC hombres 2010 .41238982 .01538725 1.739 0.634809 .6461979 0..584163 -0. of s u b j e c t s = 3 9 Otros ..596 -1.802704 .1 01 6 dependied na td e3 s -.40951874 -.180433 2. of obs = Interval] 39 . 00 49 e7 -7 01 6 -2 10 .31224425 .11207 N u m b e r 0.997 -1.03384096 .667762 .2 72 37 12 73 68 6 00 63 8 06 37 5 17 53 83 7 0.218 0.023 -1.21517945 . 08 01 97 86 15 09 8 -1. . 820860 .3P 4r 2ob > -c .02894717 -.00 7 1.1 02 4 83 84 77 0.6382103 -0.53 No.510308 2.60 2.4123898 .006 -2.72 Con_pareja 1.852195 1.9514657 .8 16 43 69 326 88 2 .0506368 -.6 11 35 06 55 61 9 -.18 0. 1.8727147 .9798331 -.) 03401 0.4 13 71 95 8 1. 1 0R 5 .2 96 55 6 -2 1.332 -2.7 64 24 555 97 85 1 -1 0.278 0.53 -3.47 Hi_ jt o 1.61644659 .52061221 .25 .686394 .2 57 15 9 -5. 0 0 36 2 39 55 2 .20 N 3 No o.9 -1 0.002 0.238982 0. 60 66 392 66 95 7 -. 7 e5 .0022197 .3350088 . 0 5 00 66 36 45 9 1 86 89 48 58 12 01 6 .2339484 .572984 19 . 81 5 3.91e-07 . of subjects No.17452347 .5050114 2. 2. _Ao sf alf ari i~u o .0153873 .217682 0.25 -42.4729 Weibull regression -- log relative-hazard form P>|z| Number [95% Conf.5 -.96668008 -. Std.a 1t 1i 1v 2e 21h a z a r d 0 .0009711 1.37269547 .68816 130.7i 605605 = 0.333 -o .50095792 .1902598 Coef.6888449 1.726292 .4786911 0.474 -1.21054 .77 Conyuge .7528856 0. z = 39 = 31 -.0449586 0.7777997 0.623114 -2.950357 .0 1 91 0 62 97 9 .444 -.68639403 .06923001 -.84461062 -.53061508 1.5 98 95 07 97 86 25 4 .19058 105.4 54 05 65 00 92 3 .1 -.233948 .599 0.60e-07 -3.5206122 .53 89 e0 -8 01 7 47 .6896062 17.194 -.1283 1.826142 1.61719956 .24456238 . 02E 2r 9r 4.04455019 -.1 32 852602 = 0 .71506822 .0105214 3. INi LABod 1.97 .03 edi adk 3 -.77128516 -.5h .7087751 0.00221973 .9686622 10 .e 8r 0v 4a 5l 8] 8 In 2.8 cl ot no s -2.8 -.70708 107.09 -2.3726955 . 7 28 9 e8 -9 04 7 0.050637 . 0. Std.740006 2t .638 -1.7657434 -0.11788659 .09 -1.294068 -.67 0.120513 .6 . z Hijo .269e-07 1.94 T = di em pe ena dt ier nts es -.90071 132.2493486 -.584e-07 -2.0023465 9.3 03 00 5 0.4384579 -. Err. 57 06 57 69 13 52 9 .0 25 4 Nivel_A .6965197 -0.5335351 0.z 09 S Otros 1.86188182 -.00 Gomper Ct oz nyr ue gg eressio .182211 0.83209949 .931 0.15315 103.96866225 .05445808 .27 _t No.7168522 9 .029 0.6 59 22 039 811 8 -1 0.30 No_Asale ad ra id ~1 o -.9147314 -.8320995 .978 -.966 -1.936849 2 .04 _cons -1.33771 .41806682 -.678776 0> .82347 15 21 21 75 26 04 8 .0140253 [177] . 22 3e-07 0.7474601 .5389732 .06689017 .71e-07 -.952 -2.92e9 -07 7 3.02754296 ..41721 Prueba Log Likelihood hombres 2010 Exponential regression = = = = -log relative-hazard form Number of obs = 39 No.13 2.1L 35 chi2 -( .01792984 2.920e-07 -1.947573 0.77 Nivel_Alto .| 2z 7| 7 -[ .3 05 07 1 4..01324833 -.76793198 1.95 Log =.

Pruebas BIC y AIC mujeres 2010
. est tab mlnormal mlogist mweib mexp mgompertz, stats(bic aic) Variable _t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons ln_sig _cons ln_gam _cons ln_p _cons gamma _cons Statistics bic aic .02203046 .21324358 -.54853413 .10474508 -.02601904 .91704719 -1.187353 -.07252395 -1.0984113 1.0306244 1.9812588 1.5901019 -1.083462 1.0017831 .03005361 1.893e-06 1.2250615 -.00973047 1.0457465 -1.2800727 -.43664784 -1.0525836 .93654103 1.7637408 1.7355253 -.80840458 1.0462471 .02990016 2.011e-06 1.0894138 -.40992767 -.1225121 1.9791067 -1.6930633 1.58446 -.85261305 -.16238505 -.52742175 -.2411876 -1.1014814 -.04794628 1.009e-06 -2.5218824 -.36655982 -.20950357 1.5641221 -1.2149322 1.3489221 -.814947 -.47604298 -.69465484 -.01083944 -.91236395 -.04052958 4.592e-07 -1.9273791 -.43715893 -.07843518 1.7896074 -1.6785387 1.4418108 -.79368946 -.14010073 -.44330014 -.11548496 -1.0123442 -.04371397 9.679e-07 -2.1990152 mlnormal mlogist mweib mexp mgompertz

117.64674 94.002429

116.1855 92.541187

118.27799 94.633681

115.69334 93.737904

118.79065 95.14634

Prueba Log Likelihood mujeres 2010
Exponential regression = = = = -log 40 19 395.5 -33.868952 relative-hazard form Number of obs = 40 No. of subjects No. of failures Time at risk Log likelihood

LR chi2(12) Prob > chi2

= =

16.88 0.1542

regression -- log relative-hazard form _t Coef. Std. Err. z No. of subjects = 40 No. of f 19 ea di al du 1res = -.3665598 .257497 -0.29 Time ater = di as dk 3 -.2095036395.5 .963478 -0.22 Con_pareja 1.564122 1.472127 1.06 Log = Nil vi ek le _l bi ah jood -1.213 43 9. 33 21684 .1 8483209 -1.43 Nivel_Alto 1.348922 .7575772 1.78 Gomper Ct oz nyr ue gg eressio -n . 814 9l 4o 7g r e 1l .a 4t 8i 1v 2e 45h a z a r -d 0 .f 5o 5r m S Hi_ jt o -.4C 7o 6e 0f 4. 3 1t .d 4. 01E 3r 2r 5. -0.z 34 No. of subjects = 40 Otros -.6946548 1.163736 -0.60 No. of f ai lu res = 1 9307192 -.4 1 -0.3 No_Asale ad ra id ~1 o 00 19 09 82 37 97 4 .. 8531877 01 Time ater is k = 395. -. .5 9 -0 dependi d na td e3 s -1 .2 92 15 21 32 61 4 68 67 53 8208 1 1.1 32 7 Con T_ Dp _a hr oe gj aa r -1 .. 09 47 09 51 20 97 6 .1 0. 16 59 11 06 97 -1 2.1 67 8 Log l i k e l i h o o d = 3 3 . 5 7 3 1 7 Nivel_ -1 . -1 Ib Na Lj Ao B 4.6 593 e0 -6 03 7 19 .7 427 e6 -4 02 6 0.7 34 2 Nivel_A .8 cl ot no s -11 .. 95 28 74 34 76 9 71 79 82 69 34 24 6 -1 2.9 43 8 Conyuge -.852613 1.637105 -0.52 S Hi_ jt o -.16C 2o 3e 8f 5. 1 1t .d 5. 0 5E 4r 1r 5. - 0 .z 11 Otros -.5274217 1.169097 -0.45 1.2 No_Asale ad ra id ~1 o -. .4 23 47 11 15 88 79 6 .7 98 17 34 92 2 -0 0. .3 24 6 e d a d 3 . 0 7 8 4 3 5 2 . 9 9 6 1 7 2 dependientes -1.101481 .7214802 -0 1. .0 58 3 Con _ p a r e j a 1 . 7 8 9 6 0 7 1 . 6 3 7 9 0 7 1 . 0 9 TD_hogar -.0479463 .0182967 -2.62 Nivel_ -1 1 -1 Ib Na Lj Ao B 1. .6 07 18 e5 -3 09 6 1. .0 56 56 e9 -6 05 6 0. .5 67 5 Nivel_ . _A cl ot no s -1 2. .4 54 21 18 81 81 2 17 .6 07 01 37 47 38 1 -1 2. .8 58 1 Conyuge -.7936895 1.612936 -0.49 H i j o . 1 4 0 1 0 0 7 1 . 5 1 1 2 6 0 . 0 9 /ln_p .2132436 .195122 1.09 Otros -.4433001 1.207633 -0.37 No_Asalari~o . 1 1 5 4 8 5 . 8 8 1 7 8 3 0 .13 p 1.237686 .2414998 dependient -1 . -1.46 1e /s p .. 80 01 72 93 54 94 3 .6 19 52 74 67 54 01 6 TD_hogar -.043714 .016368 -2.67 INLAB 9.68e-07 1.59e-06 0.61 _cons -2.199015 .8680151 -2.53
/gamma .0220305 .0285546 0.77

Weibull

P>|z| [95% Conf. Number of obs = 0.771 -2.831209 0.828 -2.097886 0 . 2L 8R 8 chi2 -( 11 .2 3) 21194 = 0 . 1P 5r 2o b > -c 2h .i 82 77611 = 0.075 -.135902 0.582 -3.718135 P 0> .| 7z 3| 4 -[ 39 .5 2% 2 2C 5o 8n 9f . Number of obs = 0.551 -2.975535 0.7 -2 95 94 0 1. 9 67 81 39 07 57 0.9 -2.0 10 71 25 17 6 32 45 7 LR chi2 12) = 0.2 -( 1 04 02 7 -. 3 03 76 05 10 46 4 P r o b > c h i 2 = 0.0 -3 78 42 7 2. 5 39 39 e6 -4 06 0.05 -. 13 30 .2 41 53 2 47 5 1 0.603 -4.06128 P 0> .| 9z 1| 4 -[ 39 .5 1% 1 2C 9o 4n 5f .
0.652 0 0. .7 73 92 2 0 0. .9 13 27 7 0 . 2 7 5 0.009 0 0. .1 51 16 5 0 0. .0 06 10 2 0.623 0 . 9 2 6 0.274 0.714 0.896 0.144 0.008 0.544 0.011
0.440

-2.818811 -2 2. .9 04 33 24 44 37 8 -2 2. .0 53 10 58 59 56 7 1 . 4 2 0 6 3 2 -.0838071 -3 2. .7 06 39 e7 -5 02 6 -. -0 46 .1 48 83 80 51 7 -3.954985 3 . 1 0 2 1 1 5 -.1691885 -2.810218 -1 .. 88 44 43 37 44 98 7 -2.3 .6 59 55 16 18 9 -.0757946 -2.16e-06 -3.900293
-.0339355

Interval] 40 2.098089 1.678879 4 . 41 47 9. 49 38 8 . 40 4. 71 71 46 63 2 2.833746 2.088241 In 2t .e 2r 7v 0a 5l 0] 3 40 1.586225 2 1. 1 65 62 11 32 72 8 1 .. 38 91 22 66 10 91 6 1 7 . 4 7 - .5 0. 12 09 94 17 52 2 0 . 1 3 2 9 . 32 .1 23 55 e1 -9 05 6 -3 .. 41 09 10 22 84 77 3 2.356054 In 2t .e 7r 8v 8a 1l 7] 5 1.763967 2 1. .0 56 59 01 02 69 3 1 .. 38 17 24 50 92 36 8 4 . 9 9 9 8 4 6 -.0120854 . 44 .1 02 56 e7 -4 08 6 -2 .. 59 54 55 14 95 42 7 2.367606 2 . 8 2 1 9 1 4 .5956757 1.923618 1 1. .6 81 12 47 27 58 6 . 13 .4 14 88 48 30 41 3 -.0116333 4.09e-06 -.497737
.0779964

[178]

Anexo A6.Salidas modelos Paramétricos Duración del Desempleo Gompertz total general coeficientes 2001
Gompertz regression = = = = -log relative-hazard form Number of obs = 2015 No. of subjects No. of failures Time at risk Log likelihood 2015 1297 26655 -2376.027

LR chi2(13) Prob > chi2

= =

508.99 0.0000

_t sexo edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons /gamma

Coef. .237348 .0959997 -.459941 .1294668 .2363654 -.0028783 -.3469007 -.0466393 -.1530164 -.1178789 .0627709 -.0227089 7.08e-09 -2.559137 -.0048944

Std.

Err.

z 3.32 1.35 -5.71 1.53 3.46 -0.04 -3.57 -0.49 -1.51 -1.95 1.02 -16.70 0.13 -24.84 -2.40

P>|z| 0.001 0.176 0.000 0.126 0.001 0.970 0.000 0.627 0.132 0.052 0.308 0.000 0.900 0.000 0.016

[95%

Conf.

Interval] .3774112 .2348924 -.3019601 .2951895 .3701338 .1448365 -.1563985 .1412998 .0461362 .0007873 .1835058 -.0200441 1.17e-07 -2.357253 -.0008962

.0714621 .0708649 .080604 .084554 .0682504 .0753661 .0971968 .0958891 .1016104 .0605451 .0616005 .0013596 5.62e-08 .1030042 .0020399

.0972848 -.042893 -.6179219 -.036256 .102597 -.150593 -.5374029 -.2345784 -.3521691 -.236545 -.0579639 -.0253737 -1.03e-07 -2.761022 -.0088925

Gompertz hombres 2001
Gompertz regression = = = = -log relative-hazard form Number of obs = 1026 No. of subjects No. of failures Time at risk Log likelihood 1026 728 12323.75 -1300.1058

LR chi2(12) Prob > chi2

= =

207.02 0.0000

_t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons /gamma

Coef. .1368205 -.4663128 .2137166 .1687657 -.1134196 -.0860174 -.1517358 -.1771768 -.0106743 .1126556 -.0181376 -1.06e-07 -2.427397 -.0074502

Std.

Err.

z 1.32 -4.56 1.74 1.92 -1.04 -0.46 -1.03 -1.29 -0.13 1.33 -10.44 -1.15 -15.74 -2.45

P>|z| 0.188 0.000 0.082 0.055 0.298 0.642 0.303 0.198 0.894 0.185 0.000 0.250 0.000 0.014

[95%

Conf.

Interval] .3403823 -.265757 .4545234 .341268 .1002451 .27677 .1372914 .0924957 .1456651 .2792919 -.0147339 7.45e-08 -2.125081 -.0014947

.1038599 .1023263 .1228629 .088013 .1090146 .185099 .1474656 .1375906 .0797665 .0850201 .0017366 9.22e-08 .1542458 .0030386

-.0667412 -.6668686 -.0270902 -.0037366 -.3270843 -.4488048 -.440763 -.4468494 -.1670137 -.0539806 -.0215413 -2.87e-07 -2.729714 -.0134057

[179]

Exponencial mujeres 2001
Exponential regression = = = = -log relative-hazard form Number of obs = 989 No. of subjects No. of failures Time at risk Log likelihood 989 569 14331.25 -1055.9637

LR chi2(12) Prob > chi2

= =

290.00 0.0000

_t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons

Coef. .1160909 -.3849176 -.1499225 .372794 .0628687 -.0230865 .1395807 .0321584 -.2954465 -.0368436 -.0290772 1.45e-07 -2.544368

Std.

Err.

z 1.19 -2.88 -0.92 3.40 0.59 -0.13 1.05 0.20 -3.20 -0.41 -13.25 1.88 -19.56

P>|z| 0.235 0.004 0.358 0.001 0.556 0.895 0.293 0.842 0.001 0.682 0.000 0.059 0.000

[95%

Conf.

Interval] .3077345 -.1229063 .1696251 .5878692 .2721836 .3184911 .3996463 .3490253 -.1144107 .1396121 -.024775 2.95e-07 -2.289372

.0977791 .1336817 .1630375 .1097343 .1067953 .1742775 .132689 .1616697 .0923669 .0900301 .002195 7.68e-08 .1301025

-.0755526 -.6469289 -.46947 .1577187 -.1464462 -.364664 -.1204849 -.2847085 -.4764822 -.2132994 -.0333794 -5.76e-09 -2.799365

Gompertz coeficientes total general 2004
Gompertz regression = = = = -log relative-hazard form Number of obs = 1933 No. of subjects No. of failures Time at risk Log likelihood 1933 1220 26853.5 -2282.5259

LR chi2(13) Prob > chi2

= =

504.73 0.0000

_t sexo edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons /gamma

Coef. .3259042 .0015357 -.3699081 .0372643 .0265351 .0274699 -.4396963 -.0362313 -.0095145 -.1200487 .0271714 -.0219002 -9.74e-08 -2.438624 -.0080753

Std.

Err.

z 4.61 0.02 -4.69 0.45 0.36 0.38 -4.41 -0.39 -0.09 -1.89 0.44 -16.91 -1.59 -23.34 -4.19

P>|z| 0.000 0.983 0.000 0.650 0.717 0.707 0.000 0.699 0.929 0.059 0.659 0.000 0.111 0.000 0.000

[95%

Conf.

Interval] .4643274 .1449224 -.2154597 .1980586 .169918 .1708894 -.2441253 .1477238 .2012144 .0044922 .1478881 -.0193624 2.24e-08 -2.23382 -.0043017

.0706254 .0731578 .0788016 .0820394 .0731559 .0731746 .0997829 .0938563 .1075167 .0635425 .0615913 .0012948 6.11e-08 .104494 .0019253

.1874809 -.141851 -.5243564 -.12353 -.1168478 -.1159497 -.6352673 -.2201863 -.2202434 -.2445897 -.0935453 -.0244379 -2.17e-07 -2.643429 -.0118489

[180]

3332266 . Err.782 0.0767638 -.50e-07 -2.33 -0. .0974708 -.86e-07 .02 -2.30e-08 .0231198 -8.02 2.285598 -.1400051 .000 [95% Conf.1595757 .2208794 -.0195179 Gompertz mujeres 2004 Gompertz regression = = = = -log relative-hazard form Number of obs = 1005 No.2842412 -.1084449 .000 0.0371371 .1501363 -.1012632 .453713 -.009 0.Gompertz hombres 2004 Gompertz regression = = = = -log relative-hazard form Number of obs = 928 No.183 0.000 0.196747 .0089603 -.2025856 -.000 0.639 0.0570468 -.0003587 .8172079 -.511 0.02 -1.0015659 -.1061478 .0265774 -.439 0.298459 -.64e-08 -2.0212886 -.2940753 -.1482088 . of failures Time at risk Log likelihood 928 623 10793 -1136.28 1.73 0.0738911 .0016968 1.5303701 .2865589 -.0197941 -4.4391369 .1659367 .1189526 .0209154 8.1330151 .102563 . of failures Time at risk Log likelihood 1005 597 16060.66 1.1994539 -.34 -3.071 [95% Conf.4928632 -.0637179 -.128483 -.2905609 .078513 -.0586747 .0971672 .044 0.071693 -.0023709 -.043 0.1340146 .2255266 .145769 .13 -1.1258852 -.0032878 -.0977581 .2216763 .1123409 .388 0. -.3600886 .87 0.86 -12.29 -1.03 1.33 -0.597918 -.588514 -.60e-07 -2.2251267 .0130739 Std.36 -0.195 0.58 -17.4753889 .195 0. z 0.3331381 -.0858538 . Interval] .14799 .1493 LR chi2(12) Prob > chi2 = = 253.67 -2.1112236 -.0888968 .0000 _t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons /gamma Coef.3827304 .47 -0.308 0.694578 -.0696046 -.77 -0.30 -11.66 0.18 -2.02 -0.81 P>|z| 0.1347544 -.1091909 . Err.0164683 -1.653147 .2794941 -. z -0.0752724 .0066298 .1593497 .11 1.563 0.74 -4.2707885 -.000 0.0042882 Std.3163295 . of subjects No.008404 . Interval] .1230109 -.0926984 .000 0.5 -1125.2597203 -.62 -14.1408551 .30 -0.98 P>|z| 0.0645591 -.146293 .084 0.268 0.1626263 -.0089351 [181] .2998008 -.70e-08 -2.0248589 -3.1285 LR chi2(12) Prob > chi2 = = 227.0882825 .0288025 -1. of subjects No.0517472 .460 0.66 -1.185 0.0000 _t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons /gamma Coef.509 0.129533 -.3046965 -.029 0.1591098 .002012 6.87e-07 -2.973278 -.2509983 -.2696652 .988 0.420173 -.23e-07 -1.894 0.

0181085 -9.1454234 -.7286064 -.51 0.1027953 .3253612 -.0224123 -9.0019823 .000 0.1617345 -.1945646 -.0345143 .049563 -.112603 -.81 0.5861008 .92e-07 -1.03 0.0121985 Gompertz hombres 2008 Gompertz regression = = = = -log relative-hazard form Number of obs = 811 No.0675905 .000 0.70e-07 -2.0044765 .47 0.204279 -.95e-07 -1.1101635 .0240215 -6.0000 _t sexo edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons /gamma Coef.3471987 .0000 _t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons /gamma Coef.000 0.21 -13.0995696 .3903327 . Err.058 0.61 -3.Gompertz coeficientes total general 2008 Gompertz regression = = = = -log relative-hazard form Number of obs = 1756 No.000 0.01 -1.3133234 .000 0.119381 .830 0.125 0.0623235 .0643066 .004 0.5427685 .53 -5.000 0.12736 LR chi2(12) Prob > chi2 = = 208. z 8.1771017 . -. Interval] .010 0.386 0. of subjects No.509824 -.0998835 .51e-07 -2.2172286 -.0978678 -.01e-08 -2.0139385 .002 [95% Conf.5472193 -.566726 .2574485 -.96 2.014 0.2219706 .3219369 . z -1.0925462 .93e-07 -1.1106671 -.05 -0.0019828 2.91 -0.0122617 Std.425 0.000 0. Err.19352 -.0634147 .96 -2.0083133 Std.5 -2018.0695024 .113 0.34 -2.63 0.198671 -.75 -953.41 -0. of failures Time at risk Log likelihood 811 570 6817.8561704 -.002804 -.1578295 .0599298 .421116 -.6752435 .12 -5.3017488 -.43e-07 .3230737 .1120058 .59 -22.58 -0.06 3.90 -0.3909864 -.0804823 .0013122 -.2436695 -.0725484 .09 P>|z| 0.0843755 -.90 -14.122158 .894 0.0924297 .1435637 -.6374216 .0861832 .0941625 .19 -1. of failures Time at risk Log likelihood 1756 1139 20024.0200469 [182] .610 0.461 0.171615 -.000 0.4099069 -.2190966 .000 0.05e-07 .19 P>|z| 0.3658321 .0279374 -.13 -9.294 0.0123611 -.1687978 -. of subjects No.439869 -.1806 LR chi2(13) Prob > chi2 = = 489.848 0.990 0.80 -5.0578169 -.1456078 .0015084 1.1379138 -.107385 .1714579 .743807 -.87 -0.1119263 . Interval] .0747535 -.0039721 -.000 0.0136233 -.0352357 -.000 [95% Conf.081209 .91 1.4102935 -.907 0.0185261 -5.977789 -.4796792 . .021065 -3.0044282 .0778836 .74 0.7862533 .03 -4.0477564 -.978 0.0918067 .54 -4.2838682 -.2000092 -.0146399 -1.3076801 .0090854 -.099237 -.2146042 .244716 -.

8246 LR chi2(12) Prob > chi2 = = 224.002358 1.41e-07 -1.0186799 1.2515061 -.280765 1.3570555 -.5097014 .000 0.251639 LR chi2(13) Prob > chi2 = = 29.4547513 -.016 0.4464622 -.1146414 .24 -0.5640364 .738445 .314262 Std.593 0.807 0. of subjects No. .1342753 .212 0.0911516 . z 2.0217036 .709 0.3328751 -.086457 -.326 0.4050067 -.566 0.0733011 -.75 -1048. of failures Time at risk Log likelihood 79 50 627.2300583 . Err.0832062 .49 P>|z| 0.0024379 -.221386 1.813 0.090219 .413 0.02185 -7.1470623 .312082 [183] .0480157 . Interval] 1.8512538 -.98 -17.1004499 -.305163 Std.3910581 .1287262 .24 -4.0000 _t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons Coef.7335692 -1.5232186 .1374631 -.57 -3.4112866 .4800092 -.75 -82.1037325 .015 0.80e-07 -2.4757169 -.2344053 .24 P>|z| 0.0992287 .0066881 5. of subjects No.25 -0.1090422 .582 0.2798828 -.2377683 -.44 -3.0570215 -. .3199976 -.515511 -1.204283 .7456067 .15 0.17912 -.0525718 -.3755207 .1295632 -.276518 -.3003143 -.90e-07 -3.98 -1.55 0.1035249 -.005 0.09 0.2662905 -.01 -0.43e-08 -2.000 0.0060 _t sexo edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons Coef.165624 -1.2585033 .3516983 .37 0.000 [95% Conf. Interval] . of failures Time at risk Log likelihood 945 569 13206.54 0.83e-07 .866 0.586 0.7214744 1.39e-07 -2.2311921 .21 0.14 0.305372 -1.Exponencial mujeres 2008 Exponential regression = = = = -log relative-hazard form Number of obs = 945 No.188697 .5836606 -.385 0.833 0.022285 -.81 -9.417 0.051087 .44 -0.0575705 .0737488 .0596436 -.2745994 -.000 [95% Conf.927 0.2501271 -.1159868 .9065569 1.883 0.000 0.298244 .79e-07 -2.4617354 -.39 -4.6982009 .7056571 -1.5478397 .14e-07 .97 -0.26 0.1290308 .54057 .87 -0.0370118 -6.5137436 .17 0.549463 .995 0.000 0.0279233 -5.82 -0.0233016 -1.6621139 .53 -0.577436 Exponencial coeficientes total general 2010 Exponential regression = = = = -log relative-hazard form Number of obs = 79 No.6240904 .694 0.1517436 . z 2.5980292 -1.6794442 -.1619378 -1.2775219 .42 -0.6890654 -. Err.88 -0.2263528 .4697112 .0077358 3.82 -2.

0405296 4.070144 -2.135902 -3.8845106 .476043 -.163736 .975535 -1.007 0.5389732 . of subjects No.8531877 .005 [95% Conf.7059231 .88 0.0151097 1.401325 1.7575772 1. of subjects No.5056159 -.868952 relative-hazard form Number of obs = 40 No.233948 .586225 1.Weibull hombres 2010 Weibull regression = = = = -log relative-hazard form Number of obs = 39 No.37 -2.0179298 2.8446106 -.135 0.8483209 .04e-06 -1.453471 [184] .4095187 1.94 1.956 0.232 0.833746 2.277 0.06 -0.8082658 .42e-06 .740006 2.294068 2.22 1.006349 .0109152 3.6461979 1.7657434 .7528856 .564122 -1.47 1.826142 .60 -0.718135 -3.270503 1. z -0.1227208 1.228194 -2.152 0.678879 4.32 -2.238982 -1.7786326 -2.127261 .013 [95% Conf.48 P>|z| 0.828 0. Err. Interval] .720534 .217347 -.634809 .7605605 -1.098089 1.20 -0.2095036 1.519 0. -.06 -1.5 -33. of failures Time at risk Log likelihood LR chi2(12) Prob > chi2 = = 16.49 0.419 0.95 0.30 -0.6255981 .6639697 Std.877611 -.28e-07 -4.349 0.001299 1.0971575 -2.0098108 4.472127 .33e-06 -3.348922 -.779866 .217682 -.001 0.950357 LR chi2(12) Prob > chi2 = = 17.831209 -2.1463282 .979833 .81 -1.088241 2.68 0. Interval] 2.075 0.288 0.78 -0.804588 2.55 -0.1542 _t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons Coef.027543 .5306151 1.0108394 -.734 0.342 0.927379 Std. z -1.3665598 -.58e-07 -2.321194 -2.966 0.963478 1.990 0.771 0. Err.6963167 2.0371587 -5.59e-07 -1.097886 -1.582 0.5335351 -1.64 -3.7839767 2.29 -0.34 -0.731766 -.9184012 .1283 _t edad1 edad3 Con_pareja Nivel_bajo Nivel_Alto Conyuge Hijo Otros No_Asalari~o dependientes TD_hogar INLAB _cons /ln_p p 1/p Coef.678776 -.7168529 1.6946548 -.050637 -.638 0.43 1.04 0.09 1.190697 1.25e-06 -.912364 -. of failures Time at risk Log likelihood 39 31 232.130569 .449438 .171 0.4477462 2.4984177 Exponencial mujeres 2010 Exponential regression = = = = -log 40 19 395.222589 -2.1798 .4012873 1.25 -38.7150682 .551 0.6658201 .481245 1.3852602 -.661378 .9909824 .068 0.853157 2.9202294 .8026454 -.194 0.747 0.048877 -1.01 -1.506093 .2203838 .83 0.683057 -2.0289472 -.60 0.80 P>|z| 0.3926196 -. -.257497 .814947 -.214932 1.5203818 .01e-07 .24 2.000971 1.