Experiment 1

Existe un número importante de jóvenes chilenos que al egresar de la educación media, según la encuesta Panel Casen 2006-2009, no participa en la fuerza laboral ni estudia en la educación superior (denominados ni-ni) durante uno a dos años y luego sí lo hacen. De acuerdo a la misma encuesta, estos jóvenes tampoco se encuentran a cargo del cuidado de su hogar o de hijos, ni ayudando en estas tareas a sus padres. Ante este hecho cabe preguntarse sobre qué pueden estar haciendo aquellos jóvenes los primeros años luego de egresar de la enseñanza media, o cómo puede entenderse tal comportamiento. Gran parte de las explicaciones encontradas en la literatura sobre este hecho, se basan en las características personales y antecedentes familiares de estos jóvenes. En efecto, la literatura sobre el fenómeno de los ni-ni ha tenido sólo un enfoque descriptivo y clasificatorio. En cuanto a la clasificación, algunos autores como Mascherini M. et al (2012) clasifican a los ni-ni, por una parte, en aquellos que se encuentran en esa situación por sus

21

El estadístico corresponde a la diferencia entre los estimadores condicionales bajo ambos modelos, ponderado por la diferencia entre sus matrices de varianzas y covarianzas. Este estadístico se distribuye Chi- cuadrado con k grados de libertad, donde k es el número de variables explicativas.

35

restricciones económicas, a quienes se denomina ni-ni vulnerables y por otra parte, en quienes permanecen brevemente en dicha situación con el fin de realizar trabajos de prueba y cursos de formación, a quienes se denomina ni-ni voluntarios.

Esta tesis, por otra parte, plantea este hecho desde la perspectiva económica de decisión racional, es decir, basada en la maximización de utilidad, al igual que todas las otras decisiones de un agente económico. De acuerdo a Becker (1975), la formación tanto en la educación como en el trabajo se considera como inversión en capital humano. La hipótesis que explora el presente trabajo es que los jóvenes que se clasifican como ni-ni voluntarios están esperando que se les revele nueva información sobre las condiciones del mercado laboral y sobre sus gustos y aptitudes, que podrían influir en la conveniencia o el momento óptimo de incurrir en el costo de su inversión en capital humano. De acuerdo a Dixit y Pyndick (1994) los jóvenes ni-ni están manteniendo una opción de inversión en capital humano. El enfoque propuesto en el presente trabajo se aplica a los ni-ni voluntarios, puesto que, y esta es nuestra conjetura, sólo ellos pueden adquirir la opción de inversión, al tener la manutención y techos asegurados.

Dado que sólo hemos encontrado trabajos descriptivos tanto a nivel internacional como nacional sobre el fenómeno de los ni-ni, este trabajo representa una contribución, por ser el primero en abordar este fenómeno como una opción de inversión. Esperamos que esto además de representar un aporte a la literatura sobre los ni-ni, represente una contribución a los hechos observados en Chile.

En relación al presente trabajo, Dixit y Pyndick (1995) mencionan la elección de carrera como un ejemplo de decisión de inversión irreversible. Si bien existe una relación, el enfoque de nuestro trabajo se diferencia del anterior, ya que abarca la opción de inversión tanto en la educación en general (y no sólo referido a una carrera determinada) como a la participación en la fuerza laboral. Por otra parte, este trabajo guarda relación con la literatura que trata sobre la relación entre la incertidumbre y la participación laboral, en el sentido de que la incertidumbre sobre las condiciones del mercado laboral afecta la decisión de los jóvenes de participar en la fuerza laboral, en concordancia con lo propuesto en el presente trabajo.

36

Para poner a prueba la hipótesis planteada, se estiman dos modelos por separado: en base a las variables que según el modelo teórico afectan la decisión de inversión en capital humano, se estima la probabilidad que un joven que es ni-ni deje de serlo, esto es que ejerza la opción de inversión, sea por una parte, en la educación superior o en el mercado laboral, por otra. Esto debe tratarse separadamente, ya que algunas variables que influyen positivamente en la decisión de estudiar tienen el efecto contrario en la decisión de participación laboral. Utilizando los datos de la Encuesta Panel Casen 2006 al 2009, se estiman ambas probabilidades mediante un modelo logit de efectos fijos.

Los resultados empíricos encontrados permiten, a la luz del modelo propuesto, dar un apoyo a la hipótesis de que los jóvenes que figuran como ni-ni mantienen una opción de inversión, ya que los cambios en las expectativas que poseen los jóvenes sobre las condiciones del mercado laboral y de la economía en general, afectan significativamente su probabilidad de dejar de ser ni-ni. En efecto, en la medida que menor es la incertidumbre sobre sus posibilidades de empleo, los jóvenes que fueron ni-ni tienen una mayor probabilidad tanto de estudiar como de participar en la fuerza laboral. Además, para ambos modelos un aumento de la confianza sobre las condiciones de la economía, aumentan la probabilidad de que los jóvenes dejen de ser ni-ni. Y en la medida que los jóvenes esperan un aumento en los salarios que recibirían en el mercado laboral, dadas sus características socioeconómicas y educativas, tienen una mayor probabilidad de dejar de esperar, es decir, de ejercer la opción, ya sea participando en la fuerza laboral o estudiando en la educación superior.

A la luz de lo encontrado en este estudio, que representa el primer paso de una visión nueva sobre el complejo fenómeno de los ni-ni, se sugiere futuras investigaciones sobre posibles extensiones más sofisticadas del modelo teórico propuesto en este trabajo. Una primera extensión posible a este estudio podría incorporar la diferenciación entre grados de especificidad de las carreras, con el fin de distinguir cómo varía la importancia de la incertidumbre respecto de las perspectivas laborales futuras de las carreras, sobre la decisión de inversión entre los distintos tipos. Se espera que en carreras donde el grado de especificidad sea mayor, el enfoque de la opción adquiera más sentido, es decir, se espera que aquellos que deseen estudiar una carrera de este tipo tengan un mayor incentivo a esperar que aquellos que no lo desean. Una segunda extensión posible es integrar este enfoque de la opción con el tema del matching entre las habilidades requeridas en

37

las carreras o trabajos y las habilidades que poseen los jóvenes. Por último, en la medida que se disponga de los datos necesarios, se pueden integrar al modelo otras medidas de incertidumbre a un nivel más desagregado, por ejemplo a nivel regional o individual. Estas extensiones permitirán avanzar en un mayor conocimiento sobre el complejo grupo de jóvenes ni-ni que aún presenta muchas interrogantes. No obstante, esperamos que este trabajo represente un aporte importante a esta temática, sirviendo de base para futuras investigaciones.

38 REFERENCIAS

Becker, G. (1975). Human Capital: a theoretical and empirical analysis, with special reference to education (2nd ed.). Nueva York: National Bureau of Economic Research.

Benati, L. (2001). Some empirical evidence on the ‘discouraged worker’effect. Economics Letters, 70(3), 387-395.

Beyer, H. (1999). Educación y desigualdad de ingresos: una nueva mirada (Vol. 297). Centro de Estudios Públicos.

Bynner, J., & Parsons, S. (2002). Social exclusion and the transition from school to work: The case of young people not in education, employment, or training (NEET). Journal of Vocational Behavior, 60(2), 289-309.

Cassen, R., & Kingdon, G. (2007). Tackling low educational achievement. York: Joseph Rowntree Foundation.

Chamberlain, G. (1980). Analysis of Covariance with Qualitative Data. Review of Economic Studies, 47(1), 225–238.

Coles, B., Hutton, S., Bradshaw, J., Craig, G., Godfrey, C., & Johnson, J. (2002). Literature review of the cost of being 'not in education, employment or training' at age 16-18. Research Report 347. Nottingham: Department for Education and Skills

Coloma, F., & Vial, B. (2003). Desempleo e inactividad juvenil en Chile. Cuadernos de economía, 40(119), 149-171.

Dixit, A. K. (1994). Investment under uncertainty. Princeton: Princeton University Press.

Dixit, A. K., & Pindyck, R. S. (1995). The options approach to capital investment. Harvard Business Review, 73(3), 105-115.

39

Franzen, E. M., & Kassman, A. (2005). Longer-term labour-market consequences of economic inactivity during young adulthood: A Swedish national cohort study. Journal of Youth Studies, 8(4), 403-424.

Furlong, A., Biggart, A., Cartmel, C., Sweeting, H., & West, P. (2003). Youth Transitions: Patterns of Vulnerability and Processes of Social Inclusion. Edinburgh: Scottish Executive.

Furlong, A. (2006). Not a very NEET solution representing problematic labour market transitions among early school-leavers. Work, employment & society, 20(3), 553-569.

Haveman, R., & Wolfe, B. (1999). Economic Inactivity of Young Adults: An Intergenerational Analysis (No. 9906014). EconWPA.

Levitt, S. D., & Lochner, L. (2001). The determinants of juvenile crime. In Risky behavior among youths: An economic analysis (pp. 327-374). University of Chicago Press.

Martinez-Granado, M., & Ruiz-Castillo, J. (2002). The decisions of Spanish youth: A cross- section study. Journal of Population Economics, 15(2), 305-330.

Mascherini M., Salvatore L., Meierkord A., Jungblut J.M. (2012). NEETs —Young people not in employment, education and training: Characteristics, costs and policy responses in Europe. Dublin: European Foundation for the Improvement of Living and WorkingConditions, s. 19.

Meadows, P. (2001). Young men on the margins of work. York: Joseph Rowntree Foundation.

Neumark, D. (2002). Youth labor markets in the United States: Shopping around vs. staying put. Review of Economics and Statistics, 84(3), 462-482.

Pemberton, S. (2008). Tackling the NEET generation and the ability of policy to generate a ‘NEET’ solution - Evidence from the UK. Environment and Planning C: Government and Policy, 26(1) 243 – 259

40

Quintini, G., Martin, J., & Martin, S. (2007). The changing nature of the school-to-work transition process in OECD countries. WDA-HSG Discussion Paper, (2007-2).

Rees, A., & Gray, W. (1982). Family effects in youth employment. In The Youth Labor Market Problem: Its Nature, Causes, and Consequences (pp. 453-474). University of Chicago Press. Robson, K., & Team, M. C. E. (2008). Becoming NEET in Europe: A comparison of predictors and later-life outcomes. In Global Network on Inequality Mini-Conference (Vol. 22).

Social Exclusion Unit (1999). Bridging the Gap: New Opportunities for 16-18 year olds not in education, employment or training. London: The Stationery Office.

Wooldridge, J. M. (2002). Econometric analysis of cross section and panel data. Cambridge:

41 ANEXOS ANEXO N°1

Antecedentes de la encuesta Panel Casen 2006-2009 (Ministerio de Desarrollo Social, 2011) La encuesta Panel Casen se aplicó anualmente desde el 2007 al 2009, haciendo un seguimiento a una sub muestra nacional de más de 7.500 hogares entrevistados en la encuesta Casen del año 2006, la cual cuenta con representatividad a nivel nacional. Los individuos que conforman los hogares seleccionados en la primera ola – denominados MOM (Miembros Originales de la Muestra)-, son los individuos que son seguidos y encuestados en las olas posteriores de la encuesta, siempre que permanezcan dentro de la misma región. Se implementó el uso de cuestionarios personales, con el fin de mejorar la calidad de la información recolectada mediante un tercero.

Encuestas logradas y atrición de la muestra

La atrición en encuestas longitudinales se refiere a la no respuesta, en las olas posteriores a la primera, de los Miembros Originales de la Muestra (MOM). Desde la perspectiva del análisis de los datos, la existencia de atrición conlleva dos tipos de problemas: el primero, que disminuye el número de observaciones, lo que reduce la precisión de las estimaciones; y la segunda, que si las características de la muestra que se va perdiendo por la atrición difiere sistemáticamente de la que se mantiene (atrición selectiva), se puede producir un problema de sesgo en las estimaciones, el que debe ser corregido mediante la construcción de pesos longitudinales que den cuenta de la situación y mantengan la consistencia de la muestra a través del tiempo.

En cuanto al nivel de atrición que ha experimentado la muestra original, de manera acumulada entre 2006 y 2009 se ha perdido un 29,7% de la muestra original, siendo mayor esta pérdida (22,4%) el año 2007.

42 Pesos longitudinales

Como es de esperar, como consecuencia de la atrición y el carácter selectivo que esta puede tener, la construcción de los pesos o factores de expansión en la encuestas de tipo panel es de mayor complejidad que en aquellas encuestas que son de corte transversal. En las encuestas de corte transversal, los pesos se utilizan generalmente para compensar por las distintas probabilidades de selección. En cambio, en las encuestas de tipo longitudinal, la construcción de pesos debe considerar adicionalmente la atrición y el carácter selectivo que ésta pudiera tener; y las distintas opciones de incorporación al análisis de aquellos miembros de un hogar que no fueron inicialmente muestreados, pero que en olas posteriores a la primera viven con una persona que sí lo fue. Dado que se encontró atrición selectiva, para corregir por esto, en la estimación realizada en este trabajo se utiliza el factor de expansión longitudinal creado por el OSUAH.

43 ANEXO N°2

2.1. Variables utilizadas en las estimaciones de los salarios

La ecuación principal es la regresión lineal del salario mensual en función de ciertas variables explicativas. El logaritmo del salario mensual ) sólo se observa cuando la probabilidad de trabajar ) es mayor que 0. Por ello, la observación de la variable dependiente es función del valor de otra regresión: la ecuación de selección, que relaciona la variable con algunas características observadas.

Para modelar la ecuación principal se usó una ecuación de Mincer del tipo , donde es el logaritmo del salario de mercado y contiene las variables explicativas, que son: años de educación; experiencia potencial (edad – años de educación – 6)22 y su término al cuadrado; variable muda con valor 1 si el joven es hombre; variable muda con valor 1 si el joven reside en zona urbana; años de educación del jefe de hogar del joven y el logaritmo del ingreso monetario per cápita del hogar (neto del ingreso del joven). Para crear la última variable, se utiliza la diferencia entre el ingreso autónomo del hogar y el ingreso del trabajo del joven (cuando corresponda, es decir, cuando él trabaje). Se incorpora el logaritmo natural del ingreso así calculado. Las dos últimas variables pueden afectar el nivel de capital humano inicial del joven y pueden estar relacionadas con mejores contactos de él, por lo que se espera que aumenten el salario esperado. El ingreso neto actual de la familia también puede tener un efecto sobre el salario del joven, en la medida que afecte el capital humano inicial, y que se relacione con mejores contactos para el trabajo. Esto último se justifica porque una característica valorada por el mercado laboral puede ser la recomendación que trae el joven (especialmente relevante en ausencia de historia laboral), como se ve en Rees y Gray (1982). Finalmente, se controla por la situación laboral de otros miembros del hogar, pues, por una parte, la situación laboral de los otros miembros adultos del hogar puede afectar el capital humano del joven (en la posibilidad de inculcar hábitos de trabajo, por ejemplo) y por otra parte, el hecho de que haya familiares

22

Para medir la experiencia, se utiliza la aproximación de Mincer (edad – años de educación – edad en que se comienza la educación), ya que no se cuenta con la información sobre la experiencia efectiva de los individuos en el trabajo.

44

cercanos participando activamente en el mercado laboral puede también mejorar los contactos del joven.

Para modelar la ecuación de selección se usa el modelo de salario de reserva, en que el individuo decide trabajar si el salario de mercado es mayor que su salario de reserva. En esta ecuación, por tanto, se agregan a las variables anteriores que determinaban el salario de mercado, los determinantes del salario de reserva. Uno de ellos es el logaritmo del ingreso del hogar per cápita neto del ingreso del joven (también incluida arriba) al estar relacionada con el ingreso no salarial. Dado que esta variable es un proxy del nivel de capital humano inicial, debiera aumentar la probabilidad de estar empleado. Además, se incorpora una variable muda que vale 1 si el jefe de hogar del joven está desempleado (cuando el joven no es el jefe de hogar). Se espera que, si el joven vive en un hogar cuyo jefe está desempleado, sea más propenso a la búsqueda de trabajo. También se coloca una variable muda con valor 1 si el joven es jefe de hogar, lo que debiera aumentar la probabilidad de trabajar, ya que implica mayor responsabilidad de parte de los jóvenes para mantener la familia. Se agrega además el número de hijos del joven, que se relaciona con mayor responsabilidad y necesidad de generar ingresos. Y, por último, se agrega la variable del número de personas que trabajan en el hogar, que es un proxy para los contactos del joven, por lo que, por un lado, aumenta la probabilidad que él trabaje pero por otro lado es negativo, ya que el joven puede no tener necesidad de buscar trabajo por haber muchas personas en el hogar trabajando.

45

2.2. Resultados de las estimaciones de salarios a) Modelo de selección de Heckman (Año 2006)

Coef. Std. Err. z P>z [95% Conf. Interval]

Ingreso

Escolaridad .0517019 .0029589 17.47 0.000 .0459025 .0575012

Exp .0379308 .002407 15.76 0.000 .0332132 .0426483

Exp2 -.0006624 .0000472 -14.04 0.000 -.0007548 -.0005699

Ingreso per cápita .5779721 .0127625 45.29 0.000 .5529581 .6029862

D. zona .0527812 .0249053 2.12 0.034 .0039677 .1015948 D. sexo .4692875 .0187135 25.08 0.000 .4326097 .5059652 Escolaridad JH -.009313 .0017308 -5.38 0.000 -.0127053 -.0059206 _cons 3.944.464 .1453223 27.14 0.000 3.659.637 422.929 Trabaja Escolaridad .1245141 .0052047 23.92 0.000 .1143131 .1347151 Exp .1261698 .0039183 32.20 0.000 .11849 .1338496 Exp2 -.0022856 .0000796 -28.70 0.000 -.0024416 -.0021295

Ingreso per cápita .1156447 .0266247 4.34 0.000 .0634612 .1678282

D. zona -.1027691 .0493041 -2.08 0.037 -.1994033 -.0061348 D. sexo .8628182 .0380859 22.65 0.000 .7881712 .9374651 N° trabajan en el hogar .8028832 .0214093 37.50 0.000 .7609217 .8448446 N° hijos -.2335869 .0166982 -13.99 0.000 -.2663148 -.200859 D. JH .9589353 .0527487 18.18 0.000 .8555499 1.062.321 D. si JH desempleado .7464121 .1398462 5.34 0.000 .4723186 1.020.506 Escolaridad JH -.0222811 .0035144 -6.34 0.000 -.0291693 -.0153929 _cons -4.935.942 .2900745 -17.02 0.000 -5.504.478 -4.367.407 /athrho .2844267 .0332936 8.54 0.000 .2191724 .3496809 /lnsigma -.5432072 .0102876 -52.80 0.000 -.5633706 -.5230438 rho .2769971 .0307391 .2157292 .3360925 sigma .5808822 .0059759 .569287 .5927137 lambda .1609027 .0184428 .1247555 .1970498

46

b) Modelo de selección de Heckman (Año 2007)

Coef. Std. Err. z P>z [95% Conf. Interval]

Ingreso

Escolaridad .0499864 .002564 19.50 0.000 .044961 .0550118

Exp .0230103 .0019944 11.54 0.000 .0191014 .0269191

Exp2 -.0004026 .0000381 -10.56 0.000 -.0004774 -.0003279

Ingreso per cápita .4785721 .0121172 39.50 0.000 .4548227 .5023214

D. zona .045768 .0208443 2.20 0.028 .0049138 .0866221 D. sexo .4082891 .018408 22.18 0.000 .3722102 .4443681 Escolaridad JH -.0071563 .001642 -4.36 0.000 -.0103746 -.003938 _cons 5.421.816 .1415444 38.30 0.000 5.144.394 5.699.238 Trabaja Escolaridad .0283142 .0058069 4.88 0.000 .0169328 .0396955 Exp .0496672 .0039225 12.66 0.000 .0419793 .0573552 Exp2 -.0012049 .000067 -18.00 0.000 -.0013361 -.0010737

Ingreso per cápita .3747389 .0254842 14.70 0.000 .3247908 .4246869

D. zona -.0116936 .0473475 -0.25 0.805 -.1044931 .0811059 D. sexo .9575212 .0382668 25.02 0.000 .8825196 1.032.523 N° trabajan en el hogar .6082261 .0197527 30.79 0.000 .5695114 .6469408 N° hijos -.0512784 .0253769 -2.02 0.043 -.1010162 -.0015406 D. JH .8603745 .0507221 16.96 0.000 .7609611 .9597879 D. si JH desempleado .6527149 .143028 4.56 0.000 .3723851 .9330447 Escolaridad JH -.0249094 .0038964 -6.39 0.000 -.0325462 -.0172727 _cons -6.021.598 .2715572 -22.17 0.000 -655.384 -5.489.356 /athrho .1253243 .0453256 2.76 0.006 .0364877 .2141608 /lnsigma -.66274 .0102021 -64.96 0.000 -.6827357 -.6427443 rho .1246722 .0446211 .0364715 .2109456 sigma .5154371 .0052585 .5052329 .5258473 lambda .0642607 .0231393 .0189085 .1096129

47

c) Modelo de selección de Heckman (Año 2008)

Coef. Std. Err. z P>z [95% Conf. Interval]

Ingreso

Escolaridad .0487885 .0026941 18.11 0.000 .0435082 .0540688

Exp .0201177 .0019503 10.32 0.000 .0162952 .0239402

Exp2 -.000374 .0000373 -10.03 0.000 -.0004472 -.0003009

Ingreso per cápita .5465124 .0127218 42.96 0.000 .521578 .5714467

D. zona .0625812 .0207661 3.01 0.003 .0218804 .1032819 D. sexo .3847087 .0177325 21.70 0.000 .3499536 .4194637 Escolaridad JH -.0128371 .0016513 -7.77 0.000 -.0160736 -.0096007 _cons 4.765.995 .1460142 32.64 0.000 4.479.812 5.052.177 Trabaja Escolaridad .0212621 .0056615 3.76 0.000 .0101658 .0323583 Exp .0418297 .003686 11.35 0.000 .0346054 .0490541 Exp2 -.0011227 .000062 -18.10 0.000 -.0012443 -.0010011

Ingreso per cápita .4406345 .0250146 17.62 0.000 .3916068 .4896622

D. zona -.0447491 .0479085 -0.93 0.350 -.1386481 .0491498 D. sexo .8459346 .0363186 23.29 0.000 .7747514 .9171178 N° trabajan en el hogar .6419134 .0193748 33.13 0.000 .6039395 .6798873 N° hijos -.0353473 .0226562 -1.56 0.119 -.0797527 .0090581 D. JH .8110079 .0498686 16.26 0.000 .7132672 .9087487 D. si JH desempleado .6169066 .1179588 5.23 0.000 .3857116 .8481016 Escolaridad JH -.0311674 .0040094 -7.77 0.000 -.0390256 -.0233091 _cons -6.537.323 .2686258 -24.34 0.000 -706.382 -6.010.826 /athrho .1262659 .0405058 3.12 0.002 .0468759 .2056559 /lnsigma -.6280821 .0099058 -63.41 0.000 -.6474971 -.6086671 rho .1255991 .0398669 .0468416 .2028048 sigma .5336142 .0052859 .5233541 .5440756 lambda .0670215 .0214106 .0250574 .1089856

48

d) Modelo de selección de Heckman (Año 2009)

Coef. Std. Err. z P>z [95% Conf. Interval]

Ingreso

Escolaridad .0560222 .0026348 21.26 0.000 .0508581 .0611864

Exp .0193427 .0019408 9.97 0.000 .0155388 .0231466

Exp2 -.0003393 .000037 -9.17 0.000 -.0004118 -.0002668

Ingreso per cápita .507398 .0127888 39.68 0.000 .4823325 .5324636

D. zona .0644565 .0206722 3.12 0.002 .0239399 .1049732 D. sexo .3756579 .0168636 22.28 0.000 .3426058 .40871 Escolaridad JH -.0102384 .0015734 -6.51 0.000 -.0133221 -.0071546 _cons 5.141.734 .1477373 34.80 0.000 4.852.174 5.431.294 Trabaja Escolaridad .0300908 .0057762 5.21 0.000 .0187697 .0414119 Exp .0498403 .0039039 12.77 0.000 .0421887 .0574918 Exp2 -.0012553 .0000675 -18.61 0.000 -.0013875 -.0011231

Ingreso per cápita .436946 .0257765 16.95 0.000 .386425 .487467

D. zona .0561088 .0483893 1.16 0.246 -.0387324 .15095 D. sexo .8370007 .0369006 22.68 0.000 .764677 .9093245 N° trabajan en el hogar .6729148 .019705 34.15 0.000 .6342938 .7115358 N° hijos -.0966122 .0240166 -4.02 0.000 -.1436838 -.0495407 D. JH .8840552 .0507884 17.41 0.000 .7845117 .9835986 D. si JH desempleado .6266139 .1284896 4.88 0.000 .3747789 .8784489 Escolaridad JH -.0345985 .0039926 -8.67 0.000 -.0424239 -.0267731 _cons -6.797.551 .2784179 -24.41 0.000 -734.324 -6.251.862 /athrho .1259504 .0382265 3.29 0.001 .0510279 .2008729 /lnsigma -.6454288 .0097041 -66.51 0.000 -.6644484 -.6264091 rho .1252886 .0376264 .0509837 .1982141 sigma .5244376 .0050892 .5145573 .5345077 lambda .0657061 .0198555 .0267901 .1046221