RENTABILIDAD ECONÓMICA DEL PROGRAMA DE

CAPACITACIÓN LABORAL DE JÓVENES CHILE JOVEN

por
Cristián Aedo* y Marcelo Pizarro Valdivia**

Abstract
Este trabajo presenta una estimación del impacto del Programa de Capacitación Laboral de Jóvenes
CHILE JOVEN sobre los participantes en tres variables: ingresos laborales, probabilidad de estar
ocupado y probabilidad de tener un empleo formal. Para efectuar la estimación de los impactos del
programa sobre los participantes se ha utilizado la metodología de estimadores de matching basada en
las propensiones estimadas a participar. Todas las estimaciones se han realizado para la muestra total
de participantes y para algunos cruces posibles por género y edad: Toda la muestra, Hombres,
Mujeres, Jóvenes, Adultos, Hombres jóvenes, Hombres adultos, Mujeres jóvenes y Mujeres adultas.
Los resultados obtenidos muestran impacto del programa en las variables estudiadas sólo para la
población joven. Entre éstos, el impacto en ingresos laborales, aunque mayor para los hombres en
términos absolutos, es más importante para las mujeres como porcentaje de su ingreso inicial. El
impacto en la probabilidad de estar ocupado fue especialmente importante para las mujeres, sin
embargo el impacto en la probabilidad de tener un empleo formal parece ser mayor en los hombres.

Palabras claves: Capital Humano; habilidades; diferenciales de salarios por habilidades,

capacitación, ocupación, etc.
Clasificación JEL: J24, J29, J31.

___________________________________________________
*
Director de Desarrollo y Estudios, INACAP, caedo@inacap.cl.
**
Coordinador del Proyecto de Asistencia Técnica a Chile Solidario, División Social de MIDEPLAN,
mpizarro@mideplan.cl.
1 Introducción

A partir de la década de los 90 los países de América Latina privilegiaron la capacitación

laboral como la forma de aumentar sus niveles de capital humano. Este esfuerzo se orientó
fuertemente a la población joven en situación de desventaja social. En Chile, diagnósticos
realizados por las autoridades a principios de los años 90 señalaban la existencia de un grupo de
jóvenes que habían quedado marginados de la posibilidad de obtener un empleo productivo al no
poseer un nivel mínimo de habilidades para desarrollarse en el mundo laboral. Surgen así el
Programa de Capacitación Laboral de Jóvenes "Chile Joven" en Chile, "Proyecto Joven" en
Argentina, "Projoven" en Perú, y otros.
En el caso de "Chile Joven", los once años de operación del programa significaron una
inversión de más de 107 millones de dólares (US$ de 2001) y una cobertura de casi 165.000
participantes. Este tipo de programas sigue desarrollándose en varios países de la región y
previsiblemente será replicado en otros.
La presente investigación pretende responder a tres preguntas básicas: (i) ¿Tuvo el
programa Chile Joven un impacto significativo en los ingresos laborales de los participantes?; (ii)
¿Tuvo el programa un impacto significativo en la probabilidad de estar empleado de los
participantes?; y (iii) ¿Tuvo el programa un impacto significativo en la probabilidad de los
participantes de tener un empleo formal?
A pesar del tiempo transcurrido desde el inicio del programa Chile Joven, no se ha llevado
a cabo una evaluación de éste con una metodología que intente superar los sesgos reconocidos en
la evaluación de impacto de programas sociales (Heckman y otros, 1997; Heckman y otro, 1999).
Los esfuerzos de evaluación realizados, no responden satisfactoriamente a preguntas como cuál
es el impacto del programa en la probabilidad de empleo de los participantes, ni cuál es su
impacto en los ingresos de éstos. Se han realizado algunos estudios que pretenden evaluar los
resultados del programa en algunas de sus fases (SENCE, 1996), pero en general se trata de
documentos descriptivos que no se hacen cargo de los sesgos implícitos en una simple
comparación de medias de variables de caracterización de los participantes antes y después del
programa. Finalizada la primera etapa del programa, evaluaciones realizadas por encargo del

1
parlamento concluyeron que los resultados de la Primera Fase eran satisfactorios y se recomendó
su continuidad dado el contexto laboral que se enfrentaba entonces: persistencia de altas tasas de
desempleo juvenil; una situación de menor empleabilidad de los jóvenes que los ubicaba como
grupo vulnerable; y la persistencia de un crecimiento económico sostenido que generaba un
escenario en el cual coexistía una demanda laboral que exigía algún grado de calificación, con un
alto desempleo juvenil pese a los niveles medios de desempleo. Santiago Consultores (1999)
desarrolló una evaluación de impacto del programa sobre la base de una encuesta a una muestra
de beneficiarios y a un grupo de control. La construcción del grupo de control es un aporte
interesante para la evaluación, pero la metodología utilizada no considera la existencia de sesgos
de selección. Por otra parte, Bravo y Contreras (2000) realizaron una estimación del impacto de
los incentivos monetarios a los organismos capacitadores, introducidos en el diseño del programa
a contar de 1995.
En una línea de acción más cercana a este estudio, Aedo y Nuñez (2001), realizaron una
estimación del impacto del programa Proyecto Joven de Argentina, de características muy
similares a Chile Joven, utilizando una metodología basada en las propuestas de Heckman,
Ichimura y Todd (1998) para tratar con los sesgos de selección. Los resultados de esta
investigación sugieren que el impacto del programa depende en gran medida del contexto en que
éste se desarrolle. Por su parte, Ñopo, Robles y Saavedra (2002) realizaron una evaluación
similar para Projoven en Perú, concluyendo que el programa incrementa en un 38% la masa
global de ingresos de los participantes.
En el presente trabajo, se realizará una investigación cuantitativa de tipo no experimental
basada en la metodología de Propensity Scores Matching Estimators expuesta por Heckman,
Ichimura y Todd (1998), adaptada y aplicada a datos de una muestra de participantes y controles
de los cursos correspondientes a dos llamados a licitación del programa, realizados el año 1997.

2
 2. El programa Chile Joven1

El Programa Chile Joven fue creado en 1991 y su propósito fue capacitar a jóvenes en
situación de riesgo social y/o desempleo estructural. Los organismos encargados de administrar
su ejecución fueron el Servicio Nacional de Capacitación y Empleo (SENCE) y el Fondo de
Solidaridad e Inversión Social (FOSIS). Los objetivos específicos fueron: que los jóvenes
participantes generen una actitud positiva hacia el trabajo de manera de alcanzar efectivamente
una inserción laboral; que los jóvenes cuenten con competencias técnicas en un oficio, en un
nivel de semicalificación, de forma de facilitar su inserción laboral; Generar una oferta técnica de
capacitación pertinente con las necesidades del mundo de la empresa
El Programa ofreció una mezcla de formación en clases y experiencia práctica en firmas y
estuvo orientado a la demanda usando instituciones capacitadoras privadas para identificar las
oportunidades del mercado.
El programa se desarrolló en dos fases. La primera fue financiada con fondos del Estado de
Chile más un crédito del BID, se desarrolló entre 1991 y 1995, tuvo como meta capacitar a cien
mil jóvenes y dio prioridad a la integración social de los jóvenes. La segunda fase, cuya meta fue
dar 70.000 oportunidades de capacitación en tres años, se orientó más hacia los requerimientos
del sector productivo y la inserción laboral; comenzó en 1996, esta vez íntegramente financiada
por el gobierno de Chile, y aunque estaba proyectada hasta 1998, fue extendida hasta el año
2002.
Los requisitos para ser beneficiario del programa fueron:
• Ser joven de escasos recursos.
• Tener entre 16 y 24 años, preferentemente
• Estar cesante, subempleado, inactivo o buscando trabajo por primera vez.
• No encontrarse cursando ningún tipo de enseñanza formal, salvo aquella que se
imparte en la modalidad vespertina.

1
Esta sección esta basada en Aedo (2001), Cinterfor (1998), Cinterfor (1999), Feedback Comunicaciones (1997),
Larrechea y Guzmán (2002), Santiago Consultores Asociados (1999), SENCE (1996), SENCE (1997), SENCE
(1999a) y SENCE (1999b).

3
 El Cuadro 1 muestra la cobertura del programa durante sus años de operación.
El programa se ejecutó a través de operadores privados denominados Organismos Técnicos
de Capacitación (OTEC), y se basó en la entrega de financiamiento, vía licitaciones públicas, a
estas instituciones externas, las que para participar tuvieron que estar debidamente incorporadas
en los registros de SENCE. Dependiendo del subprograma, las propuestas de estos organismos
debieron incluir “Compromisos de participación” de empresas que comprometieran la recepción
de alumnos del Programa.

Cuadro 1
Chile Joven: Número de beneficiarios al año 2001
Año Capacitados
1991 19.055
1992 20.764
1993 27.099
1994 19.962
1995 12.476
1996 18.439
1997 18.504
1998 14.910
1999 4.747
2000 4.260
2001 4.240
Total 164.456
Fuente: Aedo (2001)

Tras una campaña pública de difusión del programa, los jóvenes interesados debían
dirigirse a una Oficina Municipal de Información Laboral (OMIL), donde se les sometía a una
breve entrevista social para verificar si cumplían con la definición de beneficiario. Si
correspondía, aquí se les inscribía como candidato, se le informaba de las distintas alternativas de
capacitación y, de acuerdo a sus intereses, eran derivados al OTEC correspondiente, donde eran
sometidos a un proceso de selección.
El programa constó inicialmente de cuatro subprogramas, tres ejecutadas por SENCE y uno
por FOSIS.
En la Fase I los subprogramas fueron:
• Capacitación y Experiencia Laboral en Empresas (CEL)

4
 • Aprendizaje Alternado (AA)
• Capacitación para el Trabajo Independiente (TI)
• Formación y capacitación laboral (FOSIS)
En la Fase II los subprogramas fueron:
• Capacitación y experiencia laboral en empresas (CEL)
• Aprendizaje Alternado (AA)
• Habilitación para la creación de Microempresas Agrícolas y Forestales
En todos los casos, los cursos impartidos fueron absolutamente gratuitos para los jóvenes
beneficiarios, quienes dispusieron además de un subsidio de movilización y colación durante las
fases lectiva y experimental del curso, excepto si esta última contó con un contrato de trabajo.
Además, los jóvenes dispusieron un seguro contra accidentes personales.

3. Marco Teórico2

La metodología usada tiene como objetivo contar con una estimación del impacto del
programa en los ingresos laborales de quienes participaron en él. Adicionalmente se ha estimado
el impacto del programa sobre la probabilidad de estar ocupado de los participantes y sobre la
probabilidad de tener un empleo formal.

a. El modelo de matching usando propensity scores3

Dado un universo de individuos elegibles para participar en el Programa, cada uno de ellos
puede realizar una de dos acciones alternativas: participar o no participar, y tiene, por lo tanto,
dos resultados potenciales respecto de alguna variable de interés para el investigador.
Obviamente, para cada individuo sólo uno de estos estados potenciales se realizará y podrá ser

2
Además de las referencias específicas de cada sección, en la preparación de este capítulo se han usado: Ashenfelter
(1978), Ashenfelter y Card (1984), Geo Consultores (1999), Heckman (1992), Heckman y Smith (1997), Heckman y
Smith (1998), Heckman y Smith (1999), Heckman, Ichimura, Smith y Todd (1998), Heckman, Smith y Clements
(1997), Heckman, LaLonde y Smith (1999), Jalan y Ravallion (2003), LaLonde (1986) y Paredes y Riveros (1989).
3
En la elaboración de esta sección se usaron los artículos de Aedo y Núñez (2001), Becker e Ichino (2002),
Heckman, Ichimura y Todd (1998) y Ñopo, Robles y Saavedra (2002).

5
observado. Si denotamos por Di =1 y Di =0 los estados del individuo i como participante o no
participante del programa, respectivamente, por Yi(0) su resultado potencial en la variable Y si
Di=0, y por Yi(1) el resultado potencial si Di=1, el resultado observado Yi será:

Yi(0) si Di=0
Yi = (1)
Yi(1) si Di=1

El estimador del efecto promedio del programa será:

EPP = E [Yi(1) - Yi(0)] (2)

El efecto promedio del programa sobre los controles será:

EPPC = E [(Yi(1) - Yi(0))| D=0] (3)

Y el efecto promedio del programa sobre los participantes:

EPPP = E [(Yi(1) - Yi(0))| D=1] (4)

En este estudio nos centramos en el tercer estimador expuesto, EPPP. En cualquier caso,
como puede verse, el problema radica en que para realizar tal comparación se necesita conocer una
situación hipotética que nunca ocurrió. Por ejemplo, en el caso que aquí interesa, al intentar calcular
el EPPP nos encontramos que para todo i tal que Di=1, el valor de Yi(0), el estado contrafactual, no
es observable.
Para enfrentar este problema, se recurre a construir entre los individuos elegibles que no
participaron en el programa, un grupo de control, similar al grupo de participantes en algunas
variables de interés. Es decir, se construye una muestra de N0 + N1 = N individuos elegibles,
donde N0 es el tamaño de la muestra de control y N1, el de la muestra de participantes. El
estimador del efecto promedio del programa sobre los participantes será:

6
 EPPP = (1/N1) ΣDi =1 (Yi(1) - Ψi(0)) (5)

donde Ψi(0) = es el estimador de Yi(0) construido sobre la base de información pre-

programa de los miembros del grupo de control que han sido emparejados con el participante i.
La forma en que se determina el valor de Ψi(0) da origen a una variedad de métodos de
emparejamiento que se verán en el punto 3.4.
Realizar un proceso de emparejamiento, es decir, de búsqueda de distancias mínimas entre
individuos, en un espacio multidimensional, puede fácilmente llevar a un grado de complejidad
que torne el problema inabordable. Sin embargo, bajo ciertas condiciones, se puede lograr similar
resultado de manera mucho más sencilla, si en lugar de utilizar todo el set de atributos pre-
programa X, se usa la propensión estimada a participar p(X), definida por Rosenbaum y Rubin
(1983) como la “probabilidad condicional de participar, dados los valores del set de atributos pre-
programa”. Es decir

p(X) = Pr ( D=1 | X ) = E [ D | X ] (6)

Si se cumplen las condiciones de “Balancing” y “Unconfoundedness” (Nota al pie: Ver

Abadie, A., D. Drukker., J. Leber Herr y G. Imbens (2002) y Becker e Ichino (2002)) (i) y (ii),
entonces el estimador del efecto de participar en el programa para los participantes puede
expresarse como:

EPPP = E[(Yi(1) - Yi(0))| Di =1] (7)

EPPP = E[E[(Yi(1) - Yi(0))| Di =1, p(Xi)]] (8)
EPPP = E[{E[Yi(1)|Di =1, p(Xi)] - E[Yi(0)|Di =0, p(Xi)] }| Di =1] (9)

Para obtener las propensiones estimadas a participar es posible usar cualquier método de
estimación para variable dicotómica, por ejemplo PROBIT o LOGIT.
Si dada la forma de construcción de la muestra, la probabilidad poblacional de que un
individuo se encuentre en el estado de participante difiere de las probabilidad de que encontremos

7
a un individuo de ese estado en la muestra, un proceso LOGIT tradicional entregará una
estimación inconsistente de las propensiones a participar. Una alternativa de solución, que es la
utilizada en este trabajo, es usar la metodología de Manski y Lerman (1977) para tratar con el
problema de Choice Based Sampling4.

b. Métodos de matching para estimar el EPPP5.

Habiendo calculado las propensiones estimadas a participar, existe una cantidad de métodos
alternativos para estimar el valor contrafactual no observable para cada participante en la
muestra. Una clasificación posible son los métodos "Uno a uno", métodos estratificados y
métodos Kernel.
Si denotamos por C(i) el set de controles (individuos pertenecientes a la muestra de
control) emparejados al participante i, y por NC(i) el número de observaciones en C(i), podemos
definir los siguientes estimadores:

i. Métodos “uno a uno”

i) Vecino más próximo: El emparejamiento se realiza con el o los controles cuya propensión a
participar esté a la mínima distancia euclidiana de la del participante. Si hay más de un control
que cumple la condición, se toma el promedio simple. El EPPP es el promedio de las diferencias
para todos los participantes.

C(i) = min j || p(Xi) - p(Xj) || , Dj =0 (12)

EPPPVP = (1/N1) ΣD i=1 [Yi(1) - (1/NC(i)) Σj∈C(i) Yj(0)] (13)

ii) Vecino Más Próximo Restringido: Similar al anterior, pero para integrar C(i) se impone la
condición adicional de que la distancia debe ser menor que un valor arbitrario r. Asegura la
calidad de los emparejamientos, pero puede restar observaciones.

4
Ver Amemiya (1985), Manski (1995), Manski y Lerman (1977).
5
Ver Abadie, Drukker, Leber Herr e Imbens (2002), Becker e Ichino (Borrador sin fecha), Sianesi (2001) y Todd
(1999).

8
 C(i) = min j || p(Xi) - p(Xj) || < r , Dj =0 (14)
EPPPVR = (1/N1) ΣD i=1 [Yi(1) - (1/NC(i)) Σj∈C(i) Yj(0)] (15)

iii) Vecino Más Próximo con definición aleatoria: Si hay más de un control que cumple la
condición, escoge uno aleatoriamente.
Aj =1 si j ∈ min j || p(Xi) - p(Xj) || es elegido (16)
C(i) = min j || p(Xi) - p(Xj) || , Dj =0, Aj=1 (17)
EPPPVA = (1/N1) ΣD i=1 [Yi(1) - Yj∈C(i) (0)] (18)

En general los métodos del vecino más próximo operan con reemplazo, de manera que un
mismo control puede ser emparejado con varios participantes.

ii. Método por estratificación:

Divide la muestra completa (participantes y controles) en q=1,..,Q bloques en los que se

asegura el balance de los atributos pre-programa, de manera que la condición de participante o no
participante puede ser considerada una variable aleatoria. Dentro de cada bloque se calcula:

EPPPq = (1/Nq1) Σi∈I(q) Yi(1) - (1/Nq0) Σj∈I(q) Yj (0) (19)

donde I(q) es el set de unidades en el bloque q y Nq1, Nq0 son el número de participantes y
controles en I(q), respectivamente.

El estimador del efecto promedio del programa sobre los participantes se obtiene como el
promedio del efecto de los Q bloques, ponderado por la fracción de participantes de cada bloque
sobre la cantidad muestral de participantes.

EPPPQ = Σq=1...Q EPPPq Wq (20)

donde
Wq = Σi∈I(q) Di / Σi=1...N Di

9
 iii. Métodos Kernel:

Estiman el resultado contrafactual de cada participante usando el promedio ponderado de

los resultados de todos los controles, donde la ponderación es inversamente proporcional a la
distancia en propensión a participar.

EPPPK = (1/N1) ΣDi=1 [ Yi(1) - ΣDj=0 Yj(0) Wij ] (21)

donde
Wi j = K((1/h)(p(Xi) - p(Xj))) / ΣDj=0 K((1/h)(p(Xi) - p(Xj))) (22)

y K(·) es una función no negativa, simétrica y unimodal. La forma funcional que adopte la
función K(·) determina el tipo de Kernel. Los más usados son:

i) Método Kernel-Gaussian: Utiliza todas las observaciones de la submuestra de controles:

K(u) ∝ exp (-u2 / 2 )

ii) Método Kernel-Epanechnikov: Utiliza una ventana móvil dentro del grupo de control que
incluye sólo aquellas observaciones dentro de un radio h de p(Xi). es decir, todo Dj=0 que
satisface | p(Xi) - p(Xj) | < h:

K(u) ∝ ( 1 - u2 ) si | u | < 1 (0 en otro caso)

En las estimaciones del capítulo 5 utilizamos dos métodos de emparejamiento: Vecino más
próximo con reemplazo y Kernel Epanechnikov con h = 0,06.

10
 4. Descripción de la información disponible

a. Origen de la información.

La información utilizada proviene de una encuesta realizada el año 1998 por Santiago
Consultores Asociados (SCA), en el marco de un estudio de evaluación de impacto del
programa6, por mandato del Servicio Nacional de Capacitación y Empleo, organismo dependiente
del Ministerio del Trabajo y Previsión Social de Chile.
El universo de beneficiarios del estudio de SCA estuvo constituido por todos los inscritos
en el Programa Chile Joven de las regiones V, VIII y Metropolitana, que egresaron durante el año
1997 de cursos pertenecientes a los subprogramas Capacitación y Experiencia Laboral en
Empresas (CEL), Aprendizaje Alternado (AA) y Formación de Jóvenes para el Trabajo (FJT).
Cada subprograma tuvo muestras independientes y representativas del universo de inscritos en el
Programa y sus respectivas muestras de comparación.
Desde este universo SCA construyó su muestra de "beneficiarios" utilizando un muestreo
aleatorio simple para generar una conformación proporcional al universo. Por otro lado, generó
una muestra de comparación conformada por vecinos de una submuestra aleatoria de la muestra
de beneficiarios. Se empadronó a vecinos de beneficiarios aplicando una encuesta de filtro para
asegurar que los grupos de beneficiarios y de control fueran comparables. La comparabilidad de
ambos grupos estuvo dada por la combinación de las siguientes variables de caracterización o
restricciones del Programa: sexo, edad, escolaridad, experiencia laboral y nivel socioeconómico.
Con el objeto de evitar sesgos hacia poblaciones inactivas o desocupadas, la realización del
trabajo de campo, tanto para el grupo de comparación como para los beneficiarios, se efectuó
completamente durante los fines de semana. En el Cuadro 2 se detallan los tamaños muestrales
sobre los que se aplicó la encuesta de SCA.

6
Santiago Consultores Asociados, (1999)

11
 Cuadro 2
Tamaños muestrales estudio SCA. Total Programa.
Muestra Muestra Total Universo
Beneficiarios Controles Muestra Beneficiarios
N % N % N % N %
V Región 178 14% 98 15% 276 14% 1.414 19%
VIII Región 342 27% 164 25% 506 27% 2.108 28%
R. M. 726 58% 396 60% 1.122 59% 3.994 53%
Total 1.246 100% 658 100% 1.904 100% 7.516 100%
Fuente: Santiago Consultores Asociados, (1999).

Por razones de disponibilidad y calidad de la información, en el presente trabajo solamente se

ha utilizado información del subprograma CEL, cuyos correspondientes tamaños muestrales en el
estudio de SCA se muestran en el Cuadro 3.

Cuadro 3
Tamaños muestrales estudio SCA. Subprograma C.E.L.
Muestra Muestra Total Universo
Beneficiarios Control Muestra Beneficiarios
N % N % N % N %

V Región 99 17% 50 12% 149 15% 854 18%

VIII Región 133 23% 73 18% 206 21% 1.229 26%
R. M. 336 59% 284 70% 620 64% 2.669 56%
Total 568 100% 407 100% 975 100% 4.752 100%
Fuente: Santiago Consultores Asociados, (1999).

b. Construcción de las muestras

A partir de la información del estudio de SCA recién descrita, se han construido una
muestra de "participantes", que corresponde a quienes se estima recibieron el tratamiento del
programa y sobre quienes se medirá el impacto de éste, y una muestra de "controles" desde la

12
cual se extraerán los individuos que serán emparejados con los participantes para efectos de
comparación. Los encuestados por SCA pueden clasificarse en inscritos en los cursos del
programa, y no inscritos que pertenecen al grupo de encuestados para efectos de comparación,
elegidos según se describió en el capítulo anterior. A su vez, los inscritos en el programa se
pueden clasificar en los siguientes estados secuenciales y mutuamente excluyentes:

a) Sólo Inscritos: aquellos que se inscribieron pero no asistieron a los cursos en su fase lectiva.
b) Curso incompleto: Inscritos que asistieron a la fase lectiva pero no la terminaron.
c) Curso completo sin práctica: completaron la fase lectiva pero no iniciaron práctica laboral.
d) Práctica incompleta: Iniciaron la práctica laboral pero no la completaron.
e) Programa completo: Completaron todo el ciclo del programa, i.e., fases lectiva y práctica.

Las muestras de participantes y controles que utilizamos aquí difieren de los grupos de
beneficiarios y controles del estudio de SCA. En nuestro caso se definió la siguiente clasificación
de los individuos encuestados:
Participantes: Inscritos que al menos completaron la fase lectiva. Es decir, inscritos
pertenecientes a las categorías c, d y e del listado anterior.
Controles: No inscritos y Sólo Inscritos. Es decir, quienes pertenecen al grupo de comparación
de la encuesta o que, habiéndose inscrito, no asistieron a los cursos (categoría a del listado
anterior)
Los Inscritos pertenecientes a la categoría b, es decir, aquellos jóvenes pertenecientes a la
muestra de beneficiarios de SCA que, habiendo iniciado los cursos, no los terminaron, no fueron
incorporados en ninguna de las muestras.

13
 Cuadro 4
Definición de participación en el programa
Categorías
Participantes (c) Inscritos con curso completo sin práctica:
(d) Inscritos con Práctica incompleta
(e) Inscritos con programa completo
Controles Encuestados no inscritos
(a) Sólo inscritos

c. Descripción de la información

La muestra total es de 916 individuos de los cuales 504 son participantes y 412 pertenecen
al grupo de control. La distribución por regiones de ambas muestras se presenta en el Cuadro 5.

Cuadro 5
Tamaños muestrales de participantes y controles.

Muestra Muestra Total Universo

Participantes Control Muestra Beneficiarios
N % N % N % N %
V Región 91 18% 52 13% 143 16% 854 18
VIII Región 120 24% 74 18% 194 21% 1,229 26
R. M. 293 58% 286 69% 579 63% 2,669 56
Total 504 100% 412 100% 916 100% 4,752 100
Fuente: Elaboración propia sobre la base de datos de Santiago Consultores Asociados, (1999).

La muestra de participantes de este estudio se extrae de la muestra de beneficiarios del

subprograma CEL construida por SCA y corresponde al subconjunto de ésta que satisface la
condición de haber completado la fase lectiva del programa. En total suman 504 individuos, de
los cuales el 64% son mujeres. Geográficamente se distribuyen en 18% en la V Región, 24% en
la Región VIII y 58% en la Región Metropolitana. Su edad promedio un mes antes del inicio de
los cursos era de 20.84 años y un 86% de ellos cumplía el requisito de edad exigido por el
programa (entre 16 y 24 años).

14
 La muestra de control está compuesta por la muestra de comparación del estudio de SCA,
más aquellos individuos de la muestra de beneficiarios que no iniciaron los cursos. Esta muestra
contiene 412 individuos, de los cuales el 50% son mujeres. Su distribución geográfica es 13% en
la V Región, 18% en la VIII Región y 69% en la Región Metropolitana. Tenían una edad promedio,
un mes antes del inicio de los cursos, de 21.44 años y un 82% de ellos satisfacía la exigencia de
edad del programa.
Ambas muestras poseen información completa para todas las variables utilizadas en la
estimación de las propensiones a participar y todas las variables de resultado sobre las que se
medirá el impacto, excepto para ingreso laboral, cuyos tamaños muestrales válidos se presentan
en el Cuadro 6. Las variables se describen en el ANEXO 1.

Cuadro 6
Tamaños muestrales válidos para variables de ingreso laboral
Variable Descripción N
Controles Participantes
WPOST Salario bruto post programa (*) 356 463
WPRE Salario bruto pre programa (*) 122 265
WDIF Diferencia WPOST-WPRE 107 242
(*) Toma valor igual a cero en caso de estar desocupado.

Por último, en el Cuadro 7 se presentan los valores promedio de las variables de resultado.
Como se mencionó, estos valores se obtienen de la muestra completa en los casos de formalidad
y ocupación, mientras que en el caso de ingreso laboral las observaciones válidas se reducen a las
presentadas en el Cuadro 6.
Las variables WPOST y WPRE corresponden al salario bruto proveniente del empleo
principal del encuestado después y antes del programa respectivamente, sin corregir por el
número de horas semanales trabajadas. Aunque se cuenta con información de jornadas y de otros
ingresos además del principal, la calidad de ella no hizo recomendable su utilización. Además,
estas variables toman el valor cero si el individuo no estaba trabajando. Por estas razones, al
estimar la rentabilidad del programa se debe tener presente que el efecto en salario bruto está
recogiendo todos los efectos sobre ingresos laborales de los participantes.

15
 Cuadro 7
Valores promedio de variables de Resultado
Variable Media
Controles Participantes
WPOST 33.004 70.281
WPRE 136.005 123.170
WDIF -82.903 -44.979
OCUPADO_POST 0,3447 0,5893
OCUPADO_PRE 0,3374 0,4841
OCUPADO_DIF 0,0073 0,1052
FORMAL_POST 0,1019 0,3115
FORMAL_PRE 0,1966 0,3353
FORMAL_DIF -0,0947 -0,0238
Fuente: Elaboración propia.

5. Estimación de Impacto

En este capítulo se presentan los resultados obtenidos de la aplicación de la metodología,

usando la información descrita en la sección anterior.

a. Propensión a participar

El programa había atendido, a la fecha del inicio de los cursos cubiertos por esta
investigación, a aproximadamente 120.000 jóvenes de un universo de elegibles que alcanzaba a
180.000 individuos. Por lo tanto, la probabilidad poblacional de que un individuo se encuentre en
el estado de participante es 0,67 mientras que para el estado de no participante es de 0.33. Por su
parte, la muestra total, compuesta por 916 casos, se distribuía en 504 participantes y 412
controles, por lo que las probabilidades de que encontremos en ella a un individuo de cada estado
son 0,55 y 0,45 respectivamente. Por lo tanto, variable de ponderación wcbs utilizada para
obtener una estimación consistente de las propensiones a participar fue construida como sigue:

(67/33)/(55/45) = 1,63 si i=1 (participantes)

WCBSi = (23)
(33/67)/(45/55) = 0,61 si i=0 (controles)

16
 Para obtener las propensiones a participar se usaron procesos LOGIT, incorporando o
eliminando las variables disponibles de acuerdo a su significancia estadística y mejor ajuste del
modelo. Sin embargo, aquellas variables relacionadas con las condiciones de elegibilidad del
programa fueron siempre incorporadas, independientemente de su significancia estadística.
Se obtuvieron las propensiones a participar para la muestra completa y para submuestras
definidas por género y edad, dando origen a 9 modelos: Muestra completa, hombres, mujeres,
jóvenes (hasta 21 años el mes anterior al inicio de los cursos), adultos (más de 21 años el mes
anterior al inicio de los cursos), hombres jóvenes, mujeres jóvenes, hombres adultos y mujeres
adultas. Los resultados de los procesos de estimación LOGIT para cada modelo se presentan en el
ANEXO 2.
Se ha restringido la estimación de los impactos sólo a las observaciones cuyos propensity
scores pertenecen al dominio común.

b. Estimación de Impacto

Una vez obtenidas las propensiones a participar y definidos los dominios comunes, se
dispone de una variedad de estimadores y métodos de estimación para el cálculo del impacto del
programa. En este estudio nos hemos centrado en el Efecto Promedio de la Participación sobre
los Participantes, sobre tres variables de resultado: Ingreso laboral mensual, probabilidad de estar
ocupado y probabilidad de tener un empleo formal.
Para cada modelo se han utilizado estimadores de corte transversal y de diferencias en
diferencias. Para el caso del efecto en ingreso laboral, el estimador de diferencias en diferencias
se calcula sobre un número reducido de observaciones debido a deficiencias en la calidad de la
información de salarios preprograma. Esta información fue recogida en una encuesta más de un
año después del inicio de los cursos. En las demás variables, ambos estimadores se calculan con
un número similar de observaciones.
Por último, hemos utilizado para todas las estimaciones, dos métodos alternativos de
emparejamiento, ambos explicados en el capítulo 3: Método del vecino más cercano con
reemplazo y método Kernel- Epanechnikov. En este último caso se utilizó un valor de h = 0,06.

17
 Los resultados de las estimaciones se presentan en los ANEXOS 3 al 5, donde EPPP es el
Efecto Promedio del Programa sobre los Participantes y t es el valor del tradicional test t de
significancia estadística.

i. Impacto sobre Ingresos Laborales

Todos los estimadores de impacto calculados muestran un efecto positivo y
estadísticamente significativo sobre los ingresos laborales de los participantes, cuando se utiliza
información de la muestra completa (modelo1). El impacto estimado global es de entre un 26% y
un 27%.
Al calcular el impacto para las submuestras, el estimador de diferencias en diferencias,
utilizando el método de vecino más próximo, que usa sólo una observación de comparación, es el
resultado de significancia estadística más débil. El método Kernel Epanechnikov incorpora más
información al utilizar toda la muestra de controles en cada emparejamiento, sin embargo, no
logra resultados robustos para las submuestras que crucen sexo y edad (modelos 6 al 9) ni para
las mujeres. Esto puede deberse a la falta de información de ingresos pre programa para una
cantidad importante de observaciones. Los estimadores que presentaron mayor significancia
estadística fueron los de corte transversal usando el método de emparejamiento Kernel
Epanechnikov, por lo tanto usaremos estos para el análisis de impacto en esta variable. El Cuadro
8 muestra los impactos como porcentaje del salario bruto promedio inicial. Los impactos
estadísticamente significativos se muestran destacados.

Cuadro 8
Impactos estimados en ingreso laboral. Corte transversal (%)
Kernel Epanechnikov Vecino mas próximo
JÓVENES ADULTOS TOTAL JÓVENES ADULTOS TOTAL
HOMBRES 32% 6% 25% 31% -2% 22%
MUJERES 35% 21% 28% 33% 16% 25%
TOTAL 31% 19% 26% 32% 20% 27%

18
 Los mayores impactos se presentan en el grupo de jóvenes. En términos absolutos, el
impacto es especialmente importante entre los varones, para quienes su participación en el
programa significó un aumento de más de $ 40.000 mensuales. Para las mujeres jóvenes, los
impactos son algo menores, pero superiores a $ 32.000 por mes. Sin embargo, en términos
relativos al ingreso inicial, el impacto es mayor para las mujeres, para quienes alcanza entre un
33% y un 35%, mientras para los hombres jóvenes asciende a entre un 31% y un 32%; estos
resultados son estadísticamente significativos cualquiera sea el método de emparejamiento
utilizado.
En el caso de los adultos, los resultados son menos concluyentes y no permiten afirmar que
exista un efecto sobre los ingresos laborales de los participantes. El menor impacto se da entre los
adultos hombres, para quienes los resultados están lejos de ser estadísticamente significativos.

ii. Impacto estimado en probabilidad de estar ocupado

Si se considera el conjunto completo de los participantes, todos los estimadores muestran

un impacto en la probabilidad de estar empleado superior a 0,21, resultados que tienen una alta
significancia estadística independientemente del tipo de estimador y del método de
emparejamiento usado. En general, el método Kernel-Epanechnikov ha arrojado estimadores con
mayor significancia estadística, razón por cual se muestran estos resultados en el Cuadro 9. Como
antes, las celdas destacadas con negrita y fondo señalan impactos estadísticamente significativos.
Todos los resultados calculados se presentan en el ANEXO 4.

Cuadro 9
Impactos en probabilidad de estar ocupado. Kernel-Epanechnikov
Corte transversal Diferencias en diferencias
JÓVENES ADULTOS TOTAL JÓVENES ADULTOS TOTAL
HOMBRES 0,272 0,126 0,211 0,305 -0,015 0,221
MUJERES 0,293 0,174 0,231 0,268 0,148 0,175
TOTAL 0,270 0,204 0,217 0,279 0,180 0,216

19
 Similarmente a lo ocurrido en el caso de los ingresos laborales, es para los jóvenes para
quienes los efectos son mayores y la significancia estadística es más alta. Dependiendo del tipo
de estimador, cambia el orden de magnitud de los impactos entre hombres y mujeres, pero en
todo caso, los impactos estimados oscilan aproximadamente entre 26 y 30 puntos porcentuales.
Aunque se obtiene un impacto estimado significativo para los adultos en conjunto, que va
de 18 a 20,4 puntos porcentuales, los resultados para los hombres adultos y mujeres adultas por
separado no son estadísticamente significativos.

iii. Impacto estimado en formalidad

Si bien los resultados para el total de participantes tomados en conjunto, muestra un

impacto estadísticamente significativo de entre 0,181 y 0,201 sobre la probabilidad de tener un
empleo formal, al igual que en los casos anteriores los resultados son mucho menos robustos en
el caso de los adultos, especialmente de los hombres. Nuevamente el método Kernel–
Epanechnikov ha producido los estimadores con mayor significancia estadística, cuyos valores se
muestran en el Cuadro 10.

Cuadro 10
Impactos en probabilidad de empleo formal. Kernel-Epanechnikov
Corte transversal Diferencias en diferencias
JÓVENES ADULTOS TOTAL JÓVENES ADULTOS TOTAL
HOMBRES 0,201 0,190 0,177 0,344 0,070 0,228
MUJERES 0,189 0,160 0,189 0,188 0,139 0,143
TOTAL 0,190 0,174 0,181 0,269 0,136 0,201

Es notable que dentro del grupo de jóvenes, el impacto sobre la probabilidad de que el
empleo sea formal es mayor para los hombres. Todos los impactos estimados se presentan en el
ANEXO 5.

20
 6. CONCLUSIONES

En este trabajo se ha utilizado la metodología “matching” para estimación de impactos,

usando propensity scores con el objeto de responder a tres preguntas: (i) ¿Tuvo el programa Chile
Joven un impacto significativo en los ingresos laborales de los participantes?; (ii) ¿Tuvo el
programa un impacto significativo en la probabilidad de estar empleado de los participantes?; (iii)
¿Tuvo el programa un impacto significativo en la probabilidad de los participantes de tener un
empleo formal?
Respecto a la primera interrogante, los resultados sustentan la hipótesis de que el programa
tiene impacto sobre los ingresos de los participantes en el caso de los jóvenes. Es decir, el
programa efectivamente tendría un impacto para este grupo, tanto hombres como mujeres a un
nivel de confianza de 95%. En términos relativos a la situación de origen, el mayor impacto se
observa sobre la mujeres jóvenes. En el caso de los adultos, no se puede rechazar la hipótesis
nula, por lo tanto no existiría un impacto sobre ingresos laborales para este grupo etareo. En
general, sin embargo, el estudio sugiere la existencia de un impacto del programa sobre los
ingresos laborales de los participantes de alrededor de un 26,5%.
En relación con la segunda pregunta, los resultados sugieren de manera contundente, que el
programa, en general, tuvo un impacto sobre la probabilidad de estar ocupado de los
participantes. La magnitud del impacto, de alrededor de 23 puntos porcentuales, es importante
teniendo en cuenta que el 51,59 % de los participantes no estaba ocupado el mes anterior el inicio
de los cursos. Los resultados son especialmente robustos par el caso de la mujeres y los jóvenes.
En cambio, los resultado indican una respuesta negativa a la pregunta planteada para los adultos,
especialmente los hombres.
En cuanto al tema de la probabilidad de tener un empleo formal, los resultados sugieren, en
general, una respuesta positiva. El impacto sería de alrededor de 19 puntos porcentuales. En esta
variable, también se obtienen resultados robustos para los jóvenes, pero para los adultos no
existen impactos estadísticamente significativos.

21
 7. Referencias bibliográficas

Abadie, A., D. Drukker., J. Leber Herr y G. Imbens (2002): “Implementing Matching Estimators
for Average Treatment Effects in STATA”.
http://emlab.berkeley.edu/pub/users/imbens/wp.html

Aedo, Cristián (2001): "Job Training Programs: The Cases of Chile Joven and Argentina
Proyecto Joven". Presentación preparada para el Seminario sobre Protección Social para los
Pobres en Asia y Latinoamérica, Mimeo.

Aedo, Cristián y Sergio Núñez (2001): "The Impact of Training Policies in Latin America and the
Caribbean: The Case of Programa Joven". ILADES/Georgetown University. Graduate Program
in Economics. RePEc:ila:ilades:inv131

Amemiya, Takeshi (1985): Advanced Econometrics, Harvard University Press.

Ashenfelter, Orley (1978): “Estimating the Effect of Training Programs on Earnings”, The
Review of Economics and Statistics 6 (1), pp. 47-57.

Ashenfelter, Orley y David Card (1984): “Using the Longitudinal Structure of Earnings to
Estimate the Effect of Training Programs”, Working Paper N°174. Industrial Relations Section.
Princeton University.

Becker, S. y A. Ichino (2002) “Estimation of Average Treatment Effects Based On Propensity

Scores”, Mimeo.

Bravo, David y Dante Contreras (2000): "The Impact of Financial Incentives to Training
Providers: The Case of Chile Joven”. Departmento de Economía, Universidad de Chile, Mimeo.

CINTERFOR (1997): “CHILE JOVEN: Una Experiencia Pionera Revisada”, Boletín Cinterfor
139-140, Abril-Septiembre.

22
CINTERFOR (1999): “Programas de Capacitación y Empleo de Jóvenes en América Latina”.
Documento elaborado por solicitud de OIT.
http://www-ilo-mirror.cornell.edu/public/spanish/region/ampro/cinterfor/publ/sala/poldev/vi.htm

Feedback Comunicaciones (1997): “Expectativas y Estrategias Laborales de Jóvenes de Escasos

Recursos”, Mimeo.

Geo Consultores (1999): “Estudio Econométrico de Diferenciales de Salarios”, Mimeo.

Heckman, James (1992): “Randomization and Social Policy Evaluation”. En: C. Mansky e I.
Garfinkel, eds., Evaluating Welfare and Training Programs, Harvard University Press,
Cambridge, pp. 201-230.

Heckman, James y Jeffrey Smith (1997): “The Sensitivity of Experimental Impact Estimates:
Evidence from the National JTPA Study”. Working Paper 6105. National Bureau of Economic
Research.
http://www.nber.org/papers/w6105

Heckman, James y Jeffrey Smith (1998): “Evaluating the Welfare State”. En: Steiner Strom,
editor. Econometrics and Economic Theory in the 20th Century: The Ragnar Frisch
Centennial. Cambridge, United Kingdom. Cambridge University Press for Econometric Society.
pp. 241-318

Heckman, James y Jeffrey Smith (1999): “The Pre-Program Dip and the Determinants of
Participation in a Social Program: Implications for Simple Program Evaluation Strategies”,
Economic Journal, 109 (143), pp. 1-37.

Heckman, J., H. Ichimura, y P. Todd. (1998): “Matching As an Econometric Evaluation

Estimator”, Review of Economic Studies 65 (2), pp. 605-654.

Heckman, J., H. Ichimura, J. Smith y P. Todd (1998): “Characterizing Selection Bias Using
Experimental Data”, Econometrica 66 (5), pp 1017-1098.

23
Heckman, J., J. Smith y N. Clements (1997): “Making the Most Out of Programme Evaluations
and Social Experiments: Accounting for Heterogeneity in Programme Impacts”, Review of
Economic Studies 64 (4), pp. 487-535.

Heckman, J., R. LaLonde, y J. Smith (1999): “The Economics and Econometrics of Active Labor
Market Programs”. En: O. Ashenfelter and D. Card, editors, Handbook of Labor Economics III
(A), pp. 1865-2097.

Jalan, Jyotsna y Martin Ravallion (2003): “Estimating the Bene’t Incidence of an Antipoverty
Program by Propensity-Score Matching”, Journal of Business & Economic Statistics, Enero,
pp.20-30.

LaLonde, Robert. (1986): “Evaluating the Econometric Evaluations of Training Programs with
Experimental Data”, American Economic Review 76 (4), pp. 604-620.

Larraechea, Ignacio y Andrea Guzmán (2002): “Desempleo Juvenil en Chile: Desafíos y

Respuestas a la Luz de la Evolución en los Años 90”, Mimeo.

Manski Charles F. (1995): “Learning about Social Programs from Experiments with Random
Assignment of Treatments”, Journal of Human Resources 31 (4), pp. 707-733.

Manski, C. F., y S.R. Lerman (1977): “The Estimation of the Choice Probabilities from Choice-
Based Samples”, Econometrica 45 (8), pp. 1977-1988.

Ñopo, H., M. Robles y J. Saavedra (2002): “Una medición del impacto del programa de
capacitación laboral juvenil Projoven”, Lima, GRADE. Documento de Trabajo Nº 36.

Paredes, R. y L. Riveros (1989): “Sesgo de Selección y el Efecto de los Salarios Mínimos”,

Universidad de Chile, Cuadernos de Economía, año 26, 79, pp. 367-383.

Rosenbaum, P.R. y D.B. Rubin (1983): “The Central Role of Propensity Score in Observational
Studies for Causal Effects”, Biometrika 70 (1), pp.41-55.

Santiago Consultores Asociados (1999): "Evaluación Ex-Post Chile Joven Fase II”, Mimeo.

24
Servicio Nacional de Capacitación y Empleo (1996): “Presentación y Análisis de Resultados.
Programa de Capacitación Laboral de Jóvenes. Fase I”, Mimeo.

Servicio Nacional de Capacitación y Empleo (1997): “Programa de Capacitación Laboral de

Jóvenes. Bases Generales Subprograma Capacitación y Experiencia Laboral en Empresas”,
Departamento de Programas Sociales.

Servicio Nacional de Capacitación y Empleo (1999a): “Anuario Estadístico”, Departamento de

Estudios.

Servicio Nacional de Capacitación y Empleo (1999b): “Bases Generales Subprograma

Capacitación y Experiencia Laboral en Empresas”, Departamento de Programas Sociales.

Sianesi, Barbara (2001): “Implementing Propensity Score Matching Estimators with STATA”,
documento preparado para el VII Encuentro del UK Stata Users Group, Londres, Mayo, Mimeo.

Todd, Petra (1999): “A Practical Guide to Implementing Matching Estimators”. Documento

presentado a reunión del BID en Santiago de Chile, Octubre, Mimeo.

25
 ANEXO Nº 1:

DESCRIPCIÓN DE LAS VARIABLES

Nombre Descripción
Particip Dummy de participación (participante=1; control=0)
Wcbs Ponderador para corregir Choice Based Sampling
r1_fefd Requisito de entrada: Fuera de la educación formal diurna (Cumple requisito=1)
r2_sel Requisito de entrada: Sin experiencia laboral (Cumple requisito=1)
r3_des Requisito de entrada: Desempleado (Cumple requisito=1)
r3_in_ne Requisito de entrada: Inactivo no estudiante (Cumple requisito=1)
r3_in_e Requisito de entrada: inactivo estudiante (Cumple requisito=1)
r4_joven Requisito de entrada: Menor de 24 años (Cumple requisito=1)
Edadj97 Edad el mes anterior al inicio del programa
mujer Dummy de sexo (Mujer=1; Hombre=0))
Region5 Dummy de región (5ª región=1; 8ª región ó R.M.=0))
Region8 Dummy de región (8ª región=1; 5ª región ó R.M.=0))
Psm# Propensity scores en el modelo #
edad_pre Dummy de edad pre programa (mayor de 21 años = 1)
Wpost Salario bruto post programa
Wpre Salario bruto pre programa actualizado
Wdif Wpost menos wpre
Ocupado_post Dummy: ocupado al momento de la encuesta=1
Ocupado_pre Dummy: ocupado el mes anterior al inicio de los cursos=1
Ocupado_dif Ocupado_post menos Ocupado_pre
Formal_post Dummy: tenía contrato de trabajo al momento de la encuesta=1
Formal_pre Dummy: tenía contrato de trabajo el mes anterior al inicio de los cursos=1
Formal_dif Formal_post menos formal_pre

26
 ANEXO Nº 2:
MODELOS DE ESTIMACIÓN DE LAS PROPENSIONES A PARTICIPAR

MÉTODO LOGIT
Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6 Modelo7 Modelo8 Modelo 9
Todos Hombres Mujeres Jóvenes Adultos Hombres Hombres Mujeres Mujeres
Jóvenes Adultos Jóvenes Adultas
Constante 3,48386 1,07651 0,94200 3,22322 -3,76336 -0,01602 -4,54618 2,51123 -4,40470
(1,62250) (2,03904) (1,26224) (1,87924) (1,58715) (2,28291) (2,72577) (2,03503) (2,08670)
r1_fefd -3,28583 -2,66529 -2,75041 -2,02064
(1,31623) (1,33109) (1,33108) (1,34281)
r2_sel -0,93242 -0,61625 -1,22901 -0,79627 -1,13616 -0,61126 -0,27798 -1,12650 -1,50826
(0,16958) (0,25897) (0,23472) (0,22678) (0,26347) (0,32147) (0,48625) (0,33617) (0,34641)
r3_des 0,73464 0,50958 0,98171 0,57239 0,97438 0,38816 0,70209 0,84234 1,14962
(0,20746) (0,29097) (0,30330) (0,28117) (0,31960) (0,38827) (0,46416) (0,42551) (0,45391)
r3_in_ne 0,27624 0,07380 0,50262 -0,13592 0,89280 -0,41033 2,04069 0,08646 1,01680
(0,21992) (0,35258) (0,30055) (0,28697) (0,36608) (0,42399) (1,35473) (0,41175) (0,46590)
r3_in_e -0,18274 -0,33759 -0,06098 -0,21617 -0,78082 -0,12667 -1,27010 -0,14021 -0,55343
(0,32340) (0,46656) (0,46728) (0,39255) (0,67269) (0,58103) (0,88868) (0,56769) (1,04576)
r4_joven 0,12726 0,65280 -0,14117
(0,30521) (0,54328) (0,37643)
Edadj97 0,05001 0,11308 0,00783 0,04557 0,21945 0,17443 0,25572 -0,07063 0,21913
(0,03496) (0,05637) (0,04519) (0,06961) (0,06580) (0,10029) (0,11259) (0,10103) (0,08605)
Mujer -0,39875 -0,29261 -0,67208
(0,16452) (0,20643) (0,28708)
Region5 0,57249 0,71647 0,42674 0,64524 0,45049 1,05427 -0,17582 0,30716 0,66857
(0,22539) (0,35022) (0,29887) (0,28093) (0,38857) (0,44328) (0,61829) (0,37360) (0,51585)
Region8 0,46232 0,37185 0,53174 0,80265 -0,08019 1,12475 -0,77767 0,58519 0,32185
(0,19760) (0,29454) (0,27293) (0,27669) (0,30114) (0,42275) (0,47601) (0,38614) (0,41202)
Nota: El primer valor de cada celda corresponde al coeficiente estimado y el segundo (abajo), al error estándar.

27
 ANEXO 3. Efecto estimado en ingreso laboral de los participantes
($/MES)

Corte transversal Diferencias en d

Vecino más próximo Kernel Epanechnikov Vecino más próximo
EPPP t EPPP t EPPP t
Modelo 1 Todos 33,466 4.340 32,385 4.595 31,220 2.218

Modelo 2 Hombres 30,118 1.825 33,466 3.020 26,222 0.990

Modelo 3 Mujeres 26,249 3.097 29,330 3.252 29,130 1.750

Modelo 4 Jóvenes 37,900 4.674 37,049 6.437 39,577 2.797

Modelo 5 Adultos 25,866 1.614 24,340 1.630 28,400 0.921

Modelo 6 Hombres 40,746 2.901 42,238 4.337 22,266 1.009

Jóvenes
Modelo 7 Hombres -3,071 -0.074 7,911 0.217 4,487 0.079
Adultos
Modelo 8 Mujeres 32,353 3.151 34,437 4.674 37,496 1.899
Jóvenes
Modelo 9 Mujeres 18,250 1.385 23,493 1.605 13,429 0.531
Adultas

28
 ANEXO 4
Impacto estimado en probabilidad de estar ocupado
Corte transversal Diferencias en diferencias
Vecino más próximo Kernel Epanechnikov Vecino más próximo Kernel Epan
EPPP t EPPP t EPPP t EPPP
Modelo 1 Todos 0,247 5,169 0,217 5,512 0,231 3,758 0,216

Modelo 2 Hombres 0,188 2,549 0,211 3,403 0,176 1,724 0,221

Modelo 3 Mujeres 0,227 3,689 0,231 4,665 0,242 2,986 0,175

Modelo 4 Jóvenes 0,280 4,764 0,270 7,662 0,357 4,677 0,279

Modelo 5 Adultos 0,225 2,688 0,204 3,001 0,152 1,381 0,180

Hombres
Modelo 6 0,228 2,475 0,272 3,818 0,297 2,357 0,305
Jóvenes
Hombres
Modelo7 0,002 0,012 0,126 1,079 -0,118 -0,550 -0,015
Adultos
Mujeres
Modelo8 0,292 3,644 0,293 4,370 0,305 3,149 0,268
Jóvenes
Mujeres
Modelo 9 0,160 1,721 0,174 2,096 0,089 0,706 0,148
Adultas

29
 ANEXO 5
Impacto estimado en probabilidad de ocupación formal

Corte transversal Diferencias en diferencia

Vecino más próximo Kernel Epanechnikov Vecino más próximo Kernel Ep
EPPP t EPPP t EPPP t EPPP
Modelo 1 Todos 0,193 5,599 0,181 5,596 0,184 3,635 0,201

Modelo 2 Hombres 0,219 3,794 0,177 3,674 0,247 2,877 0,228

Modelo 3 Mujeres 0,132 2,942 0,189 4,707 0,123 1,960 0,143

Modelo 4 Jóvenes 0,180 4,185 0,190 6,213 0,330 5,317 0,269

Modelo 5 Adultos 0,156 2,561 0,174 2,745 0,027 0,305 0,136

Hombres
Modelo 6 0,221 3,370 0,201 4,818 0,409 3,836 0,344
Jóvenes
Hombres
Modelo 7 0,094 0,682 0,190 1,916 0,019 0,102 0,070
Adultos
Mujeres
Modelo 8 0,148 2,410 0,189 3,486 0,173 2,330 0,188
Jóvenes
Mujeres
Modelo 9 0,091 1,552 0,160 2,506 0,004 0,039 0,139
Adultas

30