Otro enfoque para entender los factores particulares que motivaron el desplazamiento de la curva mostrado en el Gráfico 4, consiste en analizar para el periodo 1976-2012 los factores que afectan la probabilidad de un desplazamiento de la curva de
Beveridge, como se hace en el artículo de Bonthuis et al. (2013). En este caso las variables
independientes son las mismas que han sido utilizadas hasta ahora y como variable dependiente se define una dicótoma que captura la probabilidad de un desplazamiento de la curva, la cual adopta valores de uno para los trimestres donde tanto la tasa de vacantes como la de desempleo es mayor a la del trimestre anterior; por lo tanto el modelo a estimar es el siguiente:
𝑃𝑟𝑜𝑏 𝐷𝑒𝑠𝑝𝑙𝑎𝑧𝑎𝑚𝑖𝑒𝑛𝑡𝑜𝑡 = 𝛽0+ 𝛽1𝑃𝑅𝑃𝑡+ 𝛽2𝑃𝑂𝑀𝑡+ 𝐶𝑆𝑡𝛽3+ 𝑃𝑂𝐸𝑡𝛽4+ 𝐼𝑛𝑠𝑡𝑡𝛽5+ 𝜀𝑡, (5)
𝑃𝑟𝑜𝑏 𝐷𝑒𝑠𝑝𝑙𝑎𝑧𝑎𝑚𝑖𝑒𝑛𝑡𝑜𝑡 = {1 𝑠𝑖 𝑢𝑡 > 𝑢𝑡−1 ∧ 𝑣𝑡 > 𝑣𝑡−1
0 𝑒𝑛 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜
En la Tabla 5 se muestran los resultados de la regresión (5) en las columnas pares y en las impares se muestran los resultados del mismo modelo, pero se remplaza la variable
de cambio sectorial construida (𝐶𝑆𝑡) por el porcentaje de ocupados en cada sector (𝑃𝑂𝑆𝑡);
cada especificación se estima por medio de una metodología de MCO, Logit y Probit. Los resultados por MCO se muestran solamente para comprobar la consistencia de los resultados: dado que la variable dependiente es dicótoma (valores de 0 o 1), se sabe que
33
nada garantiza que las probabilidades predichas se encuentren entre 0 y 1, por lo que es necesario estimarlo por medio de un modelo Logit o Probit (Greene, 2003).
Los resultados de las estimaciones bajo todas las especificaciones muestran que el componente de ocupados en industria es significativo y de signo negativo, lo cual es consistente con lo mostrado en la Tabla 3 e indica que los trabajadores del sector industrial tienen dificultades en adaptar sus habilidades a otros sectores de la economía. Los coeficientes de las variables institucionales del mercado laboral y de educación de la fuerza de trabajo no son significativamente distintos de cero. Por otra parte, en las columnas 4 y 6 algunas variables de cambio sectorial son significativas, pero sus resultados no son consistentes entre las especificaciones planteadas.
Existe una amplia literatura que reconoce cómo un cambio en la estructura sectorial de la demanda de empleo podría generar variaciones permanentes en la tasa de desempleo, por lo que el resultado obtenido es de alta relevancia. Teóricamente, ha sido modelado cómo una gran diferenciación entre las habilidades ofrecidas por los trabajadores y solicitadas por las firmas puede generar un incremento en la tasa de desempleo natural cuando los costos de entrenamiento de la fuerza laboral son altos, como muestran Thisse y Zenou (2000).
En términos empíricos, Manacorda y Petrongolo (1999) reconocen, para algunos países de la OCDE, que desde la década de los ochentas ha habido un incremento importante en una reducción en la eficiencia de emparejamiento entre vacantes y desempleados debido a un aumento en la demanda de trabajo más calificado, que no es satisfecha por un crecimiento equivalente en la oferta de trabajo calificado.
Para Estados Unidos, Şahin, Song, Topa y Violante (2012) encuentran a partir de la aplicación de un modelo teórico semejante al expuesto en la sección 2.1.2., que el desajuste entre desempleados y vacantes entre industrias y ocupaciones explica aproximadamente un tercio del desempleo del país. Este resultado está en línea con las estimaciones de Estevão y Tsounta (2011), quienes encuentran que hubo una reducción en la eficiencia del emparejamiento como consecuencia de una desarticulación entre las habilidades
34
demandadas y ofrecidas en Estados Unidos, la cual, tras controlar por factores cíclicos, explica el incremento en 1.75% del desempleo estructural del país tras la Gran Recesión.
Un mecanismo que puede estar detrás de estos efectos permanentes producidos por cambios sectoriales es ilustrado por el estudio de Medina, Posso y Tamayo (2012). Este trabajo muestra que los empleados obreros del sector industrial tienden a sufrir con mayor fuerza y persistencia frente a choques de productividad; esto se debe a que la tercerización y la preferencia por mano de obra calificada en la producción industrial perjudican el emparejamiento con los trabajadores menos calificados. Por ello recomiendan una mejora en la calificación de estos trabajadores, de forma que puedan ajustarse mejor a las demandas de empleo del sector manufacturero.
En conclusión, el principal factor que afecta la probabilidad de desplazamientos hacia fuera de la curva de Beveridge es una reducción en la importancia del sector industrial. Cuando se observa la evolución de la participación de los empleados en el sector industrial sobre el total de empleados, se ve que esta ha venido disminuyendo paulatinamente desde la década de los 80s, pasando de un nivel promedio de 23% en los últimos años de los 70s a alrededor de 17% para la primera década de los 2000s. Esta disminución es muy importante, pues como se mencionó anteriormente quienes son empleados en este sector tienen habilidades muy particulares que no son valoradas por las firmas de otros campos productivos a la hora de contratar, y por tanto, se disminuye la probabilidad de los encuentros entre las vacantes disponibles y los desempleados que poseen este tipo de habilidades.
Tabla 5. Probabilidad de desplazamientos de la curva de Beveridge1
MCO (1) MCO (2) Probit (3) Probit (4) Logit (5) Logit (6) VARIABLES Prob. Desplaz. Prob. Desplaz. Prob. Desplaz. Prob. Desplaz. Prob. Desplaz. Prob. Desplaz.
Precio real petróleo -0.00422 -0.00233 -0.00467 -0.00380 -0.00422 -0.00269
1
Se omiten las variables de porcentaje de ocupados con educación básica primaria en las regresiones para evitar problemas de multicolinealidad. También se omite la proporción de empleados en construcción en las columnas 1, 3 y 5 por el mismo motivo. Los resultados de las regresiones Logit y Probit son los efectos marginales.
35
(0.00282) (0.00233) (0.00289) (0.00255) (0.00261) (0.00216)
Proporción mujeres -6.082 0.665 -7.512 -0.505 -6.703 -0.0953
(6.105) (4.347) (6.761) (5.108) (6.052) (4.360)
Cambio sectorial industria -19.05*** -20.08*** -15.80***
(3.540) (4.797) (3.005)
Cambio sectorial electricidad, gas y agua -4.700 -4.166 -4.911
(29.91) (31.76) (27.78)
Cambio sectorial construcción -9.664 -12.26 -10.22*
(6.421) (7.499) (5.758)
Cambio sectorial comercio -3.725 -5.339* -4.541*
(2.651) (3.174) (2.592)
Cambio sectorial transporte 6.82e-07 2.80e-07 4.34e-07
(3.26e-06) (4.15e-06) (3.47e-06)
Cambio sectorial finanzas 4.96e-06 7.01e-06 5.43e-06
(1.39e-05) (1.76e-05) (1.40e-05)
Cambio sectorial servicios comunales 4.432 7.833** 6.293**
(2.893) (3.306) (2.866)
Proporción educación ninguna 4.387 2.980 5.646 7.553 5.083 5.258
(7.695) (6.321) (7.746) (7.912) (6.995) (6.697)
Proporción educación básica secundaria 1.950 -2.801 1.373 -2.191 1.370 -2.158
(8.374) (6.208) (8.792) (7.520) (8.057) (5.999)
Proporción educación media -5.920 -1.837 -5.419 -0.722 -5.030 -0.576
(4.863) (3.939) (5.219) (4.687) (4.580) (3.912)
Proporción educación superior 4.441 -1.917 4.901 -0.683 4.634 -1.018
(6.917) (5.200) (7.570) (6.381) (6.736) (5.156)
Costos laborales -0.0158 0.0279 -0.0190 0.0319 -0.0165 0.0251
(0.0262) (0.0204) (0.0297) (0.0258) (0.0276) (0.0217)
Salario real suavizado 2.98e-07 3.03e-06 6.16e-07 3.30e-06 8.13e-07 2.44e-06
36
Proporción ocupados industria -20.14** -22.15** -18.36**
(8.543) (9.556) (8.305)
Proporción ocupados electricidad, gas y agua 21.75 19.45 21.75
(43.97) (45.26) (41.85)
Proporción ocupados comercio -1.443 -2.552 -1.368
(7.087) (7.571) (7.066)
Proporción ocupados transporte 7.946 6.598 6.785
(12.32) (13.12) (11.68)
Proporción ocupados finanzas 45.17 57.04 50.29
(42.54) (44.86) (39.75)
Proporción ocupados servicios comunales 2.200 2.118 2.731
(5.979) (6.603) (6.179)
Constante 5.736 -1.826
(6.782) (2.645)
Observaciones 148 144 148 144 148 144
R-cuadrado 0.159 0.381
Errores estándar entre paréntesis *** p<0.01, ** p<0.05, * p<0.1
5. Conclusiones
La curva de Beveridge es la representación de la relación negativa entre la tasa de vacantes y desempleo. A partir de ella se puede conocer cómo está una economía en relación a su ciclo (a partir de movimientos sobre la curva) y es posible establecer cambios en la facilidad con la que se desarrollan los encuentros entre firmas con puestos vacantes y desempleados en búsqueda de trabajo (a partir de desplazamientos de la curva). En este trabajo se estudia la curva de Beveridge en Colombia para el periodo 1976-2012, haciendo énfasis en sus principales desplazamientos y en sus posibles causas.
Utilizando la tasa de vacantes nacional construida por Álvarez y Hofstetter (2014), calculada por medio del conteo de ofertas de empleo en los anuncios clasificados de las principales ciudades del país, al graficarla contra el desempleo, se encuentra a mediados de
37
la década de 1980 un desplazamiento de la curva de Beveridge hacia fuera respecto al nivel de 1976-1985, al cual no ha podido retornar. Un desplazamiento hacia fuera de la curva de Beveridge es importante porque implica un incremento en el desempleo natural, como se explica en la Sección 2.1.2 a la luz del modelo de Pissarides (2000), por lo tanto, los factores que explican este movimiento de la curva de Beveridge implícitamente corresponden con las causas del incremento del desempleo natural.
Para entender las causas del movimiento de la curva se utilizan variables de género, nivel educativo, sector de trabajo de la fuerza laboral, salario mínimo real, costos laborales no salariales y precios reales del petróleo. Se usan dos enfoques distintos para analizar los desplazamientos de la curva de Beveridge: por un lado se utiliza un modelo de MCO con interacciones para el periodo 1986-2012, con el objetivo de entender los factores particulares que motivaron el movimiento de la curva en los 80s. Bajo esta especificación pierde relevancia la relación negativa entre vacantes y desempleo; adicionalmente el principal resultado consiste en que el incremento en la participación femenina y una caída en el porcentaje de ocupados con educación básica secundaria son los factores fundamentales que explican el incremento en la tasa de desempleo observado para el periodo 1986-2012.
En respuesta a los resultados obtenidos con el modelo de MCO se opta por seguir la metodología de Bonthuis et al. (2013), donde se define una variable dicótoma que captura la probabilidad de un desplazamiento de la curva de Beveridge respecto al periodo anterior. Esta se toma como variable dependiente bajo tres especificaciones distintas (MCO, Logit y Probit) donde las variables explicativas son las mismas que fueron utilizadas anteriormente. Los resultados principales bajo esta especificación muestran que la principal causa de un desplazamiento hacia fuera de la curva de Beveridge es la caída en la importancia del sector industrial. Lo que este resultado significa es que los empleados industriales tienen dificultades en ser aceptados por parte de firmas de otros sectores, lo cual indica que las habilidades que tienen los empleados de este campo de la economía no se valoran por firmas de otros sectores.
La literatura relacionada con modelos de emparejamiento en el mercado laboral, tanto empírica como teórica, ha mostrado que cambios sectoriales o variaciones en las
38
habilidades de la fuerza laboral pueden generar cambios permanentes en el desempleo. Al no haber sido nunca estudiada la curva de Beveridge para Colombia, el resultado es novedoso en relación a la literatura que explica el alto desempleo natural del país, pues se tiende a asociar su magnitud a factores institucionales. Es necesario, por lo tanto, que el resultado de este estudio sea puesto a prueba bajo otras especificaciones y metodologías para establecer su robustez y completa validez.
Siendo este el primer estudio sistemático de una relación de Beveridge para Colombia, no se pretende todavía poder llegar a recomendaciones definitivas de política. Sin embargo, las enseñanzas de este trabajo permiten reafirmar la necesidad de una transformación del capital humano en Colombia como una forma de atacar los problemas estructurales del mercado laboral.
Dado que el principal factor a lo largo del periodo 1976-2012 que implica desplazamientos de la curva de Beveridge es la reducción de la importancia del sector industrial, deben buscarse mecanismos como reentrenamiento de los trabajadores industriales, capacitaciones o programas que modifiquen o incrementen sus habilidades en comparación con lo que buscan las firmas de otros sectores, de modo que se facilite el emparejamiento entre desempleados y vacantes. Esto generaría un desplazamiento de la curva de Beveridge hacia dentro, lo que implicaría a su vez un descenso en el desempleo natural en Colombia. Por otra parte, si la participación femenina también es un factor importante para explicar el movimiento de la curva de Beveridge, lo cual no es consistente bajo las distintas especificaciones planteadas en este trabajo, solamente por medio de programas de entrenamiento no será posible incrementar la eficiencia en los encuentros entre vacantes y desempleados. Adicionalmente serán necesarias políticas para que los trabajos formales sean una alternativa atractiva para las mujeres, por ejemplo fomentar el desarrollo de las actividades laborales en casa, entre otros.
Bibliografía
Álvarez, A., & Hofstetter, M. (2012). 50 Years of Job Vacancies in Colombia: The Case of
39
Álvarez, A., & Hofstetter, M. (2014). Job Vacancies in Colombia: 1976-2012. IZA Journal of Labor& Development 3:15.
Arango, L. E., García, A., & Posada, C. E. (2012). Inflación y desempleo en Colombia: Nairu y tasa de desempleo compatible con la meta de inflación 1984-2010. En L. E. Arango, & F. Hamann, El mercado de trabajo en Colombia: hechos, tendencias e
instituciones. (págs. 333-357). Bogotá: Banco de la República.
Archambault, R., & Fortin, M. (2001). The Beveridge curve and unemployment fluctuations
in Canada. The Canadian Journal of Economics Vol. 34, No. 1, pp 58-81.
Ball, L., De Roux, N., & Hofstetter, M. (2011). Unemployment in Latin America and the
Caribbean. NBER Working Paper Series.
Barnichon, R. (2010). Building a composite Help-Wanted Index. Economics Letters 109 (2010) 175-178.
Belani, D., García, P., & Pastén, E. (2002). Curva de Beveridge, Vacantes y Desempleo:
Chile 1986-2002.II. Documentos de Trabajo del Banco Central de Chile.
Benati, L., & Lubik, T. (2013). The Time-Varying Beveridge Curve. The Federal Reserve Bank of Richmond, Working Paper Series.
Bernal, R., & Cárdenas, M. (2003). Determinants of Labor Demand in Colombia: 1976-
1996. NBER Working Paper Series.
Blanchard, O., & Diamond, P. (1989). The Beveridge Curve. Brookings Papers on Economic Activity, Vol.1989, No. 1 pp.1-76.
Bleakley, H., & Fuhrer, J. (1997). Shifts in the Beveridge Curve, Job Matching and Labor
Market Dynamics. New England Economic Review (4-19).
Bonthuis, B., Jarvis, V., & Vanhala, J. (2013). What's Going on Behind the Euro Area
Beveridge Curve(s)? Working Paper Series No. 1586/ September 2013. 2012
Structural Issues Report.
Daly, M., Hobijn, B., Şahin, A., & Valletta, R. (2012). A Search and Matching Approach to
Labor Markets: Did the Natural Rate of Unemployment Rise? The Journal of
Economic Perspectives, Vol. 26, No. 3, pp-3-26.
Diamond, P., & Şahin, A. (2014). Shifts in the Beveridge Curve. Federal Reserve Bank of New York, Staff Report No. 687.
40
Durán, J., & Mora, J. J. (2006). Una aproximación empírica a la relación entre el
desempleo y las vacantes para Popayán, 2001-2005. Universidad de Antioquia,
Lecturas de Economía, 65 (julio-diciembre), pp. 209-222.
Estevão, M., & Tsounta, E. (2011). Has the Great Recession Raised U.S. Structural
Unemployment? IMF Working Paper. May 2011.
Greene, W. (2003). Econometric Analysis. New Jersey: Prentice Hall.
Groenewold, N. (2003). Long-Run Shifts of the Beveridge Curve and the Frictional
Unemployment Rate in Australia. University of Western Australia.
Gujarati, D. (1972). The Behaviour of Unemployment and Unfilled Vacancies: Great
Britain, 1958-1971. The Economic Journal, Vol. 82, No. 325 (Mar. 1972) pp.195-
204.
Henao, M. L., & Rojas, N. (1998). La tasa natural de desempleo en Colombia.
Departamento Nacional de Planeación. Archivos de macroeconomía. Documento 089.
Hobijn, B., & Şahin, A. (2013). Beveridge Curve Shifts across Countries since the Great
Recession. Federal Reserve Bank of San Francisco, Working Paper Series.
Hofstetter, M. (2012). Otra mirada a los datos laborales urbanos colombianos: Muchas
respuestas y algunas respuestas tentativas. Banco de la República. Borradores de
Economía. No. 739.
Llano, J., & Urrutia, M. (2012). Los Actores en la Crisis Económica de fin de Siglo. Bogotá, D.C.: Universidad de los Andes. Facultad de Economía.
Manacorda, M., & Petrongolo, B. (1999). Skill Mismatch and Unemployment in OECD
Countries. Economica (1999) 66, 181-207.
Marcillo, E. V. (2012). Cambio estructural y demanda de trabajo calificado en Colombia
en el periodo 1950-2007. Departamento Nacional de Planeación. Archivos de
Economía. Documento 390.
Medina, C., Posso, C., & Tamayo, J. (2012). Dinámica de la demanda laboral en la
industria manufacturera colombiana 1993-2009: una estimación panel VAR. En L. E. Arango, & F. Hamann, El mercado de trabajo en Colombia: Hechos, tendencias
e instituciones (págs. 289-326). Bogotá: Banco de la República.
Mortensen, D. T., & Pissarides, C. A. (1994). Job Creation and Job Destruction in the
41
Nickell, S., Nunziata, L., Ochel, W., & Quintini, G. (2002). The Beveridge Curve,
Unemployment and Wages in the OECD from the 1960s to the 1990s. Centre for
Economic Performance, London School of Economics and Political Science. July 2002.
Ocampo, J. A., Pérez, M. J., Tovar, C., & Lasso, F. (1998). Macroeconomía, ajuste estructural y equidad en Colombia. 1978-1996. En E. Ganuza, L. Taylor, & S. Morley, Política macroeconómica y pobreza en América Latina y el Caribe (págs. 255-310). Madrid: Ediciones Mundi-Prensa.
Ortiz, C. H., Uribe, J. I., & Vivas, H. (2009). Transformación industrial, autonomía
tecnológica y crecimiento económico: Colombia 1925-2005. Departamento
Nacional de Planeación. Archivos de Economía. Documento 352.
Petrongolo, B., & Pissarides, C. (2001). Looking into the Black Box: A Survey of the
Matching Function. Journal of Economic Literature, Vol XXXIX (June 2001),
pp.390-431.
Pissarides, C. (2000). The Labor Market. En C. Pissarides, Equilibrium Unemployment
Theory (págs. 3-36). Cambridge, Massachusetts: The MIT Press.
Şahin, A., Song, J., Topa, G., & Violante, G. (2012). Mismatch Unemployment. NBER Working Paper Series. August 2012.
Sánchez, F., Duque, V., & Ruiz, M. (2009). Costos laborales y no laborales y su impacto
sobre el desempleo, la duración del desempleo y la informalidad en Colombia, 1980-2007. Documentos CEDE.
Santa María, M., García, F., & Mujica, A. V. (2011). Los costos no salariales y el mercado laboral: impacto de la reforma a la salud en Colombia. En S. María, & Mauricio,
Efectos de la Ley 100 en Salud: Propuestas de Reforma (págs. 311-381). Bogotá
D.C.: Fedesarrollo.
Shibata, I. (2013). Is Labor Market Mismatch a Big Deal in Japan? IMF Working Paper. WP/13/196.
Tamayo, J. A. (2008). La tasa natural de desempleo en Colombia y sus determinantes. Banco de la República. Borradores de Economía. No.491.
Thisse, J.-F., & Zenou, Y. (2000). Skill Mismatch and Unemployment. Economics Letters 69 (2000) 415-420.
Uribe, J. D. (2012). Curva de Beveridge para Colombia: elementos para su construcción y
42
Valletta, R. (2005). Why Has the U.S. Beveridge Curve Shifted Back? New Evidence Using
Regional Data. Federal Reserve Bank of San Francisco.
Valletta, R., & Kuang, K. (2010). Is Structural Unemployment on the Rise? FRBSF Economic Letter. November 8, 2010.
Webster, E. (1999). Labour Market Programs and the Australian Beveridge Curve: 1978 to
1997. The Economic Record, Vol.75, No. 231, December 1999, 405-416.
Wooldridge, J. (2001). Introducción a la Econometría. México, D.F.: Thomson Learning.
Anexos
Análisis de multicolinealidad entre las variables utilizadas bajo las distintas especificaciones econométricas realizadas:
Con el objetivo de verificar si las regresiones y los modelos utilizados en este trabajo están correctamente especificados, se desarrollan pruebas de multicolinealidad que permiten medir el efecto sobre la varianza de los estimadores. Para ello se utilizan pruebas de factor de inflación de la varianza (VIF) sobre las variables utilizadas a lo largo de este trabajo, se encuentra que en efecto hay una alta colinealidad entre las variables usadas para el estudio.
La VIF es un indicador donde para cada variable independiente que se tenga en un determinado modelo, se calcula una nueva regresión donde cada variable 𝑗 se regresa contra las demás variables independientes de la especificación inicial. A partir de esta regresión se
encuentra el 𝑅𝑗2, y el indicador VIF es 𝑉𝐼𝐹
𝑗 =1−𝑅1
𝑗2. De esta manera, a mayor colinealidad
entre las variables se tendrá un indicador 𝑉𝐼𝐹𝑗 más alto, debido a que 𝑅𝑗2 es más alto (Greene, 2008).
Cuando se utilizan las variables de proporción de ocupados por sector se tienen los resultados mostrados en la Tabla 6. De la tabla se observa que existe una alta relación entre las variables, esto quiere decir que hay importantes problemas de multicolinealidad, lo cual
modificaría la varianza de los coeficientes estimados, dado que Var(β̂j) = σ
2
STCj(1−Rj2) ,
donde σ2 es la varianza del error del modelo estimado y STC
43
variable j. La multicolinealidad puede generar problemas de cometer error tipo 2, pero no
perjudica ni el signo de los estimadores ni su sesgo (Wooldridge, 2001).
Tabla 6: VIF para especificaciones que utilizan la proporción de ocupados por sector: Variable VIF
𝑣 61.82
𝑣2
61.14 Precio real petróleo 4.66 Proporción mujeres 51.52 Proporción ocupados
industria 28.47 Proporción ocupados
electricidad, gas y agua 1.88 Proporción ocupados comercio 38.75 Proporción ocupados transporte 29.34 Proporción ocupados finanzas 13.47 Proporción ocupados servicios comunales 23.58 Proporción educación ninguna 35.2 Proporción educación básica secundaria 13.53 Proporción educación media 79.26 Proporción educación superior 135.06 Costos laborales 18.59 Salario real suavizado 11.1
Media VIF 37.96
En la Tabla 7 se muestran los resultados de los indicadores VIF utilizando la variable de cambio sectorial construida. En este caso se observa que las variables de cambio sectorial no tienen una relación lineal con las demás variables explicativas utilizadas en el estudio.
Tabla 7: VIF para especificaciones que utilizan la variable de cambio sectorial: Variable VIF
44 𝑣2
56.1 Precio real petróleo 4.22 Proporción mujeres 38.03
Cambio sectorial
industria 1.67
Cambio sectorial
electricidad, gas y agua 1.13 Cambio sectorial construcción 1.23 Cambio sectorial comercio 1.64 Cambio sectorial transporte 1.17 Cambio sectorial finanzas 1.11 Cambio sectorial servicios comunales 1.16 Proporción educación ninguna 18.97 Proporción educación básica secundaria 280.44 Proporción educación media 253.42 Proporción educación superior 86.7 Costos laborales 14.2 Salario real suavizado 6.67
Media VIF 48.67
Los problemas de multicolinealidad son difíciles de resolver y son una dificultad clásica que rodea la mayoría de estimaciones econométricas cuando se utilizan datos macroeconómicos cuando no se dispone de un panel de datos, debido a que se tienen pocas observaciones a disposición. El efecto de la multicolinealidad consiste en hacer más imprecisos los estimadores en razón del incremento en la varianza. A pesar de esto, en el