Predicción de la probabilidad de inserción ocupacional de los desocupados en Argentina (2003-2019)
Palabras clave:
Género; Empleo; Desigualdad; Machine Learning.Resumen
Pese a su creciente participación en el mercado laboral, las mujeres que deciden salir a buscar un puesto de trabajo enfrentan mayores dificultades para alcanzarlo. La participación de las mujeres en la fuerza laboral es considerablemente menor, inclusive, de ingresar al mercado laboral la posibilidad de encontrar efectivamente un trabajo es también menor a la chance que tienen los varones de hacerlo (CIPPEC, 2019). Poder predecir la probabilidad de inserción ocupacional de varones y mujeres, e indagar sobre los factores que influyen sobre dicha probabilidad, resulta fundamental en pos de entender las brechas de género en el mercado laboral, contribuyendo a mejorar el diseño e implementación de políticas públicas con perspectiva de género, y en última instancia lograr una mayor igualdad de oportunidades. En este marco, el presente trabajo buscará predecir la probabilidad de transición del desempleo al empleo de desocupados en Argentina para los años 2003 a 2019, utilizando la Encuesta Permanente de Hogares, a partir de técnicas tradicionales de predicción y de Machine Learning, con el objetivo de encontrar el modelo más robusto que logre el menor error de predicción.Citas
Banco De Desarrollo de América Latina (CAF). (2019). Brechas de Género en América Latina. Un Estado de Situación. CAF.
Beccaria, L., Maurizio, R., Trombetta , M., & Vázquez, G. (2016). Una evaluación del efecto scarring en Argentina. Buenos Aires: Revista Desarrollo y Sociedad.
Centro de Implementación de Políticas Públicas para la Equidad y el Crecimiento (CIPPEC); Organización de las Naciones Unidas . (2019). El Género del Trabajo. Buenos Aires: Fundación CIPPEC.
Cerruti Marcela. (2000). Determinantes de la participación intermitente de las mujeres en el mercado de trabajo del Area Metropolitana de Buenos Aires. Buenos Aires: Desarrollo Económico, Vol. 39, No. 156 (Jan. - Mar., 2000), pp. 619-638.
Fabrizi, E., & Mussida, C. (2009). The Determinants of Labour Market Transitions. Giornale degli economisti e annali di economia.
Favata, F. (2020, junio). Duración del desempleo en Argentina (2003-2019).
Freeman, R., & Ballen , J. (1986). Transitions between Employment and Nonemployment.
Friedman, J., Hastie, T., Narasimhan, B., Tay, K., Simon , N., & Qian, J. (2020). Package ‘glmnet’: Lasso and Elastic-Net Regularized Generalized Linear Models.
Goldin, C. (2006). The Quiet Revolution That Transformed Women’s Employment, Education, and Family. American Economic Review, 96(2), 1–20.
Instituto Nacional de Estadísticas y Censos . (2003). La Nueva Encuesta Permanente de Hogares de Argentina. . Buenos Aires: INDEC.
Instituto Nacional de Estadísticas y Censos . (2011). Encuesta Permanente de Hogares. Conceptos de Condición de Actividad, Subocupación Horaria y Categoría Ocupacional. Buenos Aires.
Iturriza , A., Bedi, A. S., & Sparrow, R. (2008). Unemployment Assistance and Transition to Employment in Argentina. IZA.
James, G., Witten, D., Hastie, T., & Tibshirani. (2013). An Introduction to Statistical Learning. Springer.
Kütük, Y., & Güloglu, B. (2019). Prediction of Transition Probabilities from Unemployment to Employment for Turkey via Machine Learning and Econometrics: a Comparative Study . Istanbul: İktisat Araştırmaları Dergisi • Journal of Research in Economics; ss/pp. 58-75.
Ministerio de Trabajo, Empleo y Seguridad Social . (2018). Las Mujeres en el Mundo del Trabajo. Buenos Aires: Presidencia de la Nación Argentina.
Mullainathan , S., & Spiess, J. (2017). Machine Learning: An Applied Econometric Approach . Journal of Economic Perspectives—Volume 31, Number 2—Spring 2017—Pages 87–106.
Mussida, C., & Fabrizi , E. (2009). The Determinants of Labour Market Transitions.
Pereira, J., Basto, M., & Ferreira da Silva, A. (2016). The logistic lasso and ridge regression in predicting corporate failure. Procedia Economics and Finance 39 634 – 641.
Russell, H., & O'Connell, P. J. (2001). Getting a Job in Europe: The Transition from Unemployment to Work among Young People in Nine European Countries. The Economic and Social Research Institute, 1-24.
Varian , H. (2014). Big Data: New Tricks for Econometrics . Journal of Economic Perspectives—Volume 28, Number 2—Pages 3–28.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Agustín Staudt, Juan Luis HerediaAtribución-NoComercial 2.5 Argentina (CC BY-NC 2.5 AR)
Usted es libre de:
- Compartir - copiar y redistribuir el material en cualquier medio o formato
- Adaptar - remezclar, transformar y construir a partir del material
La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia
Bajo los siguientes términos:
- Atribución - Usted debe dar crédito de manera adecuada, brindar un enlace a la licencia, e indicar si se han realizado cambios. Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
- NoComercial - Usted no puede hacer uso del material con propósitos comerciales.
- No hay restricciones adicionales - No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
Avisos:
No tiene que cumplir con la licencia para elementos del material en el dominio público o cuando su uso esté permitido por una excepción o limitación aplicable.
No se dan garantías. La licencia podría no darle todos los permisos que necesita para el uso que tenga previsto. Por ejemplo, otros derechos como publicidad, privacidad, o derechos morales pueden limitar la forma en que utilice el material.
