El aprendizaje continuo en España

El aprendizaje continuo en España: ¿cuál es su impacto?
Helena Corrales-Herreroa
[email protected]
Beatriz Rodríguez-Pradob
[email protected]
a, b
Departamento de Economía Aplicada
Universidad de Valladolid
Avda. Valle de Esgueva, 6
47011 Valladolid
Resumen
En la actualidad, existe un reconocimiento generalizado de que la inversión en la formación
inicial genera beneficios significativos para la población en general y para los individuos en
particular. Sin embargo, poco se sabe de los beneficios de la formación que se realiza con
posterioridad a la entrada en el mercado de trabajo. El objetivo de este trabajo es estimar el
impacto que tienen las actividades de aprendizaje continuo, tanto educación formal como
formación no formal, sobre la empleabilidad de los individuos mediante técnicas de
emparejamiento. Para ello se toma como información de base la Encuesta sobre la
Participación de la Población Adulta en las Actividades de Aprendizaje (EADA-11). Los
resultados muestran que las actividades de formación no formal tienen un efecto positivo en la
probabilidad de estar empleado, tanto para los parados como los ocupados, siendo el efecto
mayor en el caso de los primeros. Por su parte, no encontramos un efecto significativo en el
caso de las actividades de educación formal, al menos en el periodo de tiempo analizado.
Clasificación JEL: C21, I20, J24
Palabras claves: aprendizaje continuo, técnicas de matching, mercado de trabajo, capital
humano, políticas de evaluación
1.-Introducción
En la actualidad, existe un reconocimiento generalizado a todos los niveles de que la inversión
en formación en el inicio de la vida de una persona genera beneficios significativos para la
población en general y para la persona en particular. Sin embargo, en nuestra sociedad actual,
que se caracteriza por cambios tecnológicos constantes, adquiere mayor importancia la
necesidad de actualización de la formación a lo largo de la vida para adaptarse a los nuevos
requerimientos de esa sociedad cambiante. De ahí, que desde diferentes ámbitos nacionales e
internacionales se fomente y favorezca el aprendizaje continuo (lifelong learning) como un
instrumento esencial en el crecimiento de cualquier economía. En particular, a nivel europeo,
el aprendizaje a lo largo de la vida cobra especial interés dentro de las políticas europeas en
Educación y Formación tras el Consejo Europeo de Lisboa en marzo de 2000, donde se plantea
como objetivo alcanzar la cifra del 12,5% en participación de las personas adultas de entre 25 y
64 años en el aprendizaje permanente para el año 2005. Con posterioridad, en el año 2009, se
revisó este objetivo situándolo en un 15% de participación de personas adultas en formación
permanente para al año 2020.
A pesar de que a nivel político se ha puesto especial énfasis en la importancia del aprendizaje
continuo, desde un punto de vista empírico poco se sabe sobre a) lo extendido que se haya
este tipo de aprendizaje, b) las características de los individuos que deciden ampliar su
formación a lo largo de su vida profesional y c) los beneficios de esa formación continua. El
objetivo de este trabajo es dar respuesta al último de estos interrogantes. En relación con los
beneficios del aprendizaje continuo, nos centramos en aquellos relacionados con el mercado
de trabajo, como la probabilidad de estar empleado. Para ello se toma como información de
base la Encuesta sobre la Participación de la Población Adulta en las Actividades de
Aprendizaje (EADA-11), encuesta que tiene por objeto conocer las actividades de formación y
aprendizaje realizadas por la población adulta a lo largo de la vida.
Las cifras de participación varían significativamente según la fuente de datos y la definición. En
el caso de la Encuesta de Actividades de Aprendizaje, el nivel de participación de la población
de entre 25 y 64 años se sitúa en un 37,7%, cifra superior a la observada en el año 2007
(30,9%). En concreto, un 7% participó en actividades de educación formal (6,5% y 7,6% en el
caso de hombres y mujeres, respectivamente) mientras que la participación en actividades de
educación no formal fue del 34,1%, con porcentajes muy similares en hombres y mujeres
(35,4% y 32,9%, respectivamente). La tendencia observada al comparar con el año 2007
muestra un aumento significativo en actividades de educación no formal, que se eleva casi
siete puntos.
La comunicación tiene la siguiente estructura. En el siguiente apartado se realiza una revisión
de la literatura existente a nivel nacional e internacional sobre el aprendizaje permanente y los
efectos de este aprendizaje sobre el empleo. En el tercer apartado presentamos las técnicas de
matching que se utilizan para determinar el impacto del aprendizaje continuado. A
continuación se presentan los datos y comentan los resultados obtenidos. Finalizamos con un
apartado de conclusiones.
2
2.-Revisión de la literatura
Antes de abordar el análisis de la participación en actividades de aprendizaje a lo largo de la
vida y sus efectos económicos en nuestro país, se requiere prestar atención a los factores que
la teoría señala como relevantes para explicar este fenómeno. Estos factores pueden ser de
muy diversa índole, factores poblaciones tanto de composición por sexo como por edades,
factores económicos o factores institucionales. Según la teoría del capital humano, la
participación en formación a lo largo de la vida está inversamente relacionada con la edad. La
justificación se basa en que el tiempo para recuperar la inversión se reduce cuando la
formación se realiza con posterioridad a la entrada en el mercado de trabajo. Por su parte, el
género no solamente puede tener un efecto global sobre la participación sino que el efecto
puede ser diferente dependiendo del tipo de participación (formal o informal, relacionada o no
con el empleo, etc). En esta línea, el trabajo de Simonsen y Skipper (2008) muestra que los
hombres participan, con mayor probabilidad, en actividades de formación relacionadas con la
ocupación mientras que las mujeres tienden a participar en actividades que ofrecen una
formación más general (formación básica o post-secundaria). En el caso de las mujeres, la edad
junto con el número de hijos también puede ser un factor relevante, ya que la presencia de
hijos en el hogar modifica el valor que se le da al tiempo. En cuanto al nivel educativo, el
efecto que éste puede tener sobre la participación en actividades de formación a lo largo de la
vida no está claro (Ariga y Brunello, 2006). Por un lado, los individuos con mayor nivel
educativo suelen ocupar puestos que demandan mayor formación así como un reciclaje
continuo de los conocimientos. Por otro lado, los individuos con escasa formación si quieren
mejorar sus expectativas en el empleo o conseguir un empleo, necesitan mejorar su formación
inicial. Por otra parte, como señalan algunos autores (Arulampalam et al., 2004), las nuevas
tecnologías tienen asociado un nivel de obsolescencia de la formación más elevado, lo que
puede explicar la necesidad de realizar actividades de formación continua en determinados
sectores más tecnológicos.
Ente los factores institucionales, hay que prestar atención a la incentivación que puede recibir
este tipo de formación por parte de los poderes públicos a través de subvenciones o medidas
similares, y, si la incentivación se dirige a determinados colectivos como la población ocupada
o los parados. Finalmente, entre los factores económicos que pueden animar a los individuos a
formarse a lo largo de la vida pueden señalarse la situación económica medida tanto en
términos de ingresos salariales como en términos de la situación laboral. Los individuos sin
empleo o con bajos ingresos buscan, a través de la formación, mejorar sus expectativas de
encontrar uno o incrementar sus ingresos salariales.
La literatura existente sobre el impacto económico del capital humano acumulado se ha
centrado principalmente en analizar los rendimientos de la educación inicial. No es raro
encontrar estudios en los que el número de años en la educación inicial se utiliza como un
indicador de la inversión en educación. Sin embargo, la educación inicial no es la única vía a
través de la cual los individuos pueden adquirir capital humano. Por ello, en la literatura más
reciente se pone un mayor énfasis en la necesidad de tener en cuenta la formación recibida
por el individuo a lo largo de la vida. Dentro de esta línea de investigación, se ha prestado más
atención a la formación que se recibe con posterioridad a la incorporación al mercado de
trabajo y que está relacionada con el propio trabajo (work-related training). Cabe decir, por
3
tanto, que la investigación sobre la formación que se recibe a lo largo de la vida (lifelong
learning o adult learning) es aún muy escasa. En parte, por la dificultad de contar con una
fuente de datos que permita abarcar los muy diversos aspectos a tener en cuenta. Hasta la
fecha, las principales fuentes estadísticas para estudiar la incidencia, la duración y los efectos
de la formación continua han sido: el Panel de Hogares Europeo (ECHP), la Encuesta de
Población Activa (EPA) o, su versión europea, European Labour Force Survey (ELFS) y la
Encuesta de Formación Ocupacional Continua (CVTS). A esto hay que añadir el hecho de que la
medición del aprendizaje continuo resulta una tarea de gran dificultad, siendo necesario
acotar las diferentes actividades de formación que se pueden considerar y agregarlas en un
único indicador1.
Desde un punto de vista de la participación en actividades de formación a lo largo de la vida, la
revisión de la literatura empírica existente pone de relieve que el estudio de la incidencia
requiere tener en cuenta variables como el género, la edad y el nivel educativo, aunque los
resultados no son concluyentes. Arulampalam, Booth y Bryan (2004), utilizando la muestra de
trabajadores de entre 25 y 54 años de seis olas del Panel de Hogares Europeo, encuentran
diferencias en la participación en formación por género en algunos de los países europeos. En
concreto en España, esas diferencias en participación se explican por las características de las
mujeres. Además, mientras que la edad no es relevante para las mujeres, en el caso de los
hombres, la participación decrece con la edad. Otro trabajo a nivel europeo (Biagetti y
Scicchitano, 2009), en este caso con la Estadística europea de Renta y Condiciones de Vida (EUSILC), concluye que factores como la edad y el nivel educativo influyen en la participación en
formación a lo largo de la vida, tanto en los hombres como en las mujeres, aunque el efecto de
éste último es más importante entre las mujeres. En el trabajo de Simonsen y Skipper (2008),
con datos administrativos de una muestra de daneses de edades comprendidas entre 15 y 74
años, la participación en formación difiere entre hombres y mujeres en cuanto al tipo de
formación (básica, profesional o post-secundaria) pero el tiempo dedicado a la formación es
muy similar.
En la revisión de los trabajos empíricos de los efectos económicos de la formación a lo largo de
la vida, tampoco se obtienen resultados concluyentes. Mayoritariamente, el análisis de los
efectos se centra en la empleabilidad de los individuos y en los salarios. En general, se obtiene
un efecto positivo cuando se considera la probabilidad de estar empleado tras la formación
(Jenkins et al., 2003). En cuanto al efecto sobre los salarios, varios trabajos concluyen que hay
un efecto positivo aunque no se puede generalizar para todos los individuos (Feinstein et al.,
2004; De Coulon y Vignoles, 2008; Blanden et al., 2010; Dorsett et al., 2010, 2011) mientras
que otros apenas encuentran efecto alguno sobre el salario (Jenkins et al., 2003). No obstante,
se ha de señalar que en algunos casos no está claro que el aumento salarial sea un efecto
directo de la formación recibida. Como señalan Feinstein et al. (2004), los empresarios
seleccionan a sus trabajadores de entre los más capacitados para recibir esa formación, por lo
que el aumento salarial puede estar más relacionado con las habilidades del propio trabajador
que con la formación.
1
La preocupación mostrada a nivel europeo por conocer la importancia de este fenómeno ha propiciado
estudios que analizan la idoneidad de un indicador agregado de la formación a lo largo de la vida
(Badescu y Saisana, 2008) y la construcción de un indicador dentro de las estadísticas oficiales de
indicadores de Eurostat, European Lifelong Learning Index, (ELLI).
4
Para el caso de España, poco se sabe sobre el nivel de participación en actividades de
formación a lo largo de la vida y el efecto de esa participación sobre la empleabilidad y el
salario de los individuos, dado que mayoritariamente los trabajos se han centrado en la
formación ocupacional. Utilizando datos de la EPA, Cueto y Suárez (2011) muestran que las
personas con mayor probabilidad de formarse son las mujeres, los jóvenes y las personas con
un nivel de estudios elevado. En cuanto a los efectos, éstos muestran la existencia de un efecto
positivo en términos de reducción del tiempo en el desempleo y aumento del acceso al
empleo.
3.-Metodología
En este trabajo se emplean las técnicas de emparejamiento (matching) -diseñadas para
estimar los efectos causales de un “tratamiento” sobre otras variables-, como herramienta
estadística para obtener una estimación del efecto medio que la formación adulta tiene sobre
la empleabilidad del individuo.
El planteamiento de partida de esta metodología es el siguiente. Por una parte, se tiene una
variable que recoge si los individuos de una población participan en un programa
(tratamiento), en nuestro caso si adquieren formación o no (distinguiendo según el tipo de
formación: formal o no formal) (T = 1 tratados, 0 = no tratados). Por otra parte, se tiene otra
variable que puede verse afectada por la participación en el programa, que en nuestro caso, es
la probabilidad de estar empleado (Y). Si se dispusiera para cada individuo de esa probabilidad
bajo los dos supuestos (habiendo adquirido formación, Yi1 y no habiéndola adquirido, Yi0), se
podría evaluar si la formación tiene un efecto sobre la probabilidad de estar empleado a partir
de la diferencia (Yi1 - Yi0). Pero esto no es posible cuando se trabaja con datos no
experimentales pues para cada individuo se dispone solamente de información de la variable
output en una de las dos situaciones.
Sin embargo algunas características de la distribución de Y1 - Y0 se pueden estimar. En
particular, el efecto medio del tratamiento sobre los tratados, E(Y1-Y0/T=1), conocido como the
average treatment effect on the treated (ATET). En nuestro contexto, se trata del efecto medio
de adquirir formación adulta sobre la probabilidad de estar empleado, que se puede expresar
como,
ATET = E(Y1-Y0/T=1) = E(Y1/T=1) - E(Y0/T=1),
donde el término E(Y0/T=1), el efecto esperado para los que reciben formación bajo el
supuesto de que no la reciben, es desconocido.
Sin embargo, asumiendo la hipótesis de independencia condicionada, esto es, aceptando que
la asignación al grupo de tratamiento es aleatoria dadas unas variables X, se puede obtener un
estimador de E(Y0/T=1) a partir de E(Y0/T=0). Al reformular el problema para tener en cuenta
las variables X independientes de la participación en el programa, se obtiene que el resultado
de la participación es el mismo para los tratados y no tratados, una vez que se ha controlado
por dichas variables.
ATET = E(Y1-Y0/T=1, X) = E(Y1/T=1, X) - E(Y0/T=0, X)
5
Por tanto, para poder calcular la expresión anterior se necesita tener un grupo de comparación
o de control adecuado, que minimice el sesgo de selección que se produce por las diferencias
en las características de los tratados y no tratados. En nuestro caso, como veremos
posteriormente, el grupo de tratamiento va a estar compuesto por los individuos que realizan
alguna actividad de formación formal o no formal y el grupo de control los individuos que no
han realizado ningún tipo de formación.
Una vez definidos los dos grupos, el siguiente paso es emparejar a cada individuo del grupo de
tratamiento con alguno(s) de los individuos del grupo de control. Para emparejar buscamos
individuos en el grupo de control que sean similares, en términos de las variables X, al
individuo del grupo de tratamiento. Es decir, bajo cierta métrica, el vector de características X
debe ser un valor similar para los individuos emparejados. Si el vector X está compuesto por
muchas variables, resulta difícil establecer en la práctica el grado de cercanía entre los valores
de X. Rosenbaum y Rubin (1983) demostraron que en lugar de condicionar a un vector X
posiblemente sobredimensionado, se puede utilizar una función de X denominada propensity
score (puntuación de asignación), que reduce las características de cada persona a una única
variable, de manera que se buscan parejas del grupo de tratamiento en el grupo de control
que tengan el mismo valor de esta función (propensity score).
ATET = E(Y1-Y0/T=1, p(X)) = E(Y1/T=1, p(X)) - E(Y0/T=0, p(X))
Para la obtención del propensity score se estima un modelo de elección discreta (logit o probit)
La elección de las variables que se incluyen para obtener el propensity score es un elemento
determinante de la estimación del efecto medio sobre los tratados, de ello depende la
corrección adecuada del sesgo de selección y, por tanto, el cumplimiento de la hipótesis de
independencia condicionada.
El propensity score, así obtenido, es una variable continua por lo que resulta complicado
encontrar dos observaciones (grupo de tratamiento y de control) con el mismo valor. Esa es la
razón por la que existen diferentes métodos de emparejamiento: el denominado vecino más
cercano (nearest neighbour), por estratificación o el emparejamiento mediante una función
Kernel. En el primero, el método de emparejamiento tradicional, cada individuo del grupo de
tratamiento se empareja con un único individuo del grupo de control, aquél más cercano en
términos del propensity score. Este estimador puede refinarse suponiendo que el valor del
propensity score del individuo de control no se aleje en una determinada cantidad (caliper) del
valor del individuo de tratamiento. Esto puede dar lugar a individuos del grupo de tratamiento
no emparejados que son eliminados de la estimación del efecto del tratamiento. El método de
estratificación consiste en dividir el rango de variación del propensity score en intervalos
(estratos) de forma que en cada intervalo el grupo de tratamiento y el de control tienen el
mismo valor medio del propensity score. Partiendo de estos estratos, se calcula el valor medio
de las diferencias en el output para los individuos que pertenecen a un mismo estrato y, a
continuación, se calcula el efecto medio ponderando. El último procedimiento emplea una
función Kernel para realizar el emparejamiento, de manera que cada observación del grupo de
tratamiento se empareja con una media ponderada de todas las observaciones del grupo de
comparación, siendo las ponderaciones inversamente proporcionales a la distancia entre los
propensity score de ambos grupos.
6
4.-Datos: Muestra utilizada, variable tratamiento y variable de resultado
La fuente estadística utilizada es la Encuesta sobre la participación de la población adulta en
las actividades de aprendizaje del año 2011 (EADA-11). Se trata de una encuesta a hogares que
se enmarca en el proyecto europeo Adult Education Survey, coordinado por Eurostat y que se
realiza de forma armonizada en todos los países de la Unión Europea. La EADA-11 recaba
información sobre las actividades de aprendizaje llevadas a cabo por la población adulta (entre
18 y 65 años) durante los 12 meses previos a la entrevista, como aproximación al fenómeno
del aprendizaje a lo largo de la vida.
La encuesta define las actividades de aprendizaje como “aquellas actividades de un individuo
organizadas con la intención de mejorar o ampliar sus conocimientos, habilidades y
competencias”. Por tanto, exige verificar dos criterios para distinguir, las actividades de
aprendizaje de las actividades que no lo son: a) la acción debe ser deliberada, esto es la acción
tiene el propósito predeterminado de aprender y b) la acción debe ser organizada para
alcanzar dicho propósito de alguna manera, incluyendo la posibilidad de ser autoorganizada.
Dentro de las actividades de aprendizaje, la encuesta distingue tres categorías: educación
formal, educación no formal y aprendizaje informal. Una actividad de aprendizaje se considera
formal si conduce a la obtención de un título o cualificación incluida en el Marco Nacional de
Cualificaciones (MNC), mientras que, en caso contrario, se trata de actividad no formal.
Habitualmente, el MNC toma la forma de una disposición normativa que estipula las
titulaciones de manera jerarquizada así como los organismos que conceden o reconocen los
títulos. En la práctica, en el caso español, se adopta como MNC la relación de titulaciones que
dicta el Mapping-UOE (UNESCO/OCDE/EUROSTAT), tanto si dichas titulaciones son expedidas
por las autoridades españolas como si se trata de titulaciones extranjeras homologadas o
convalidadas por las autoridades nacionales, por entender que es la mejor aproximación. A
diferencia del aprendizaje formal, el aprendizaje no formal puede tener lugar tanto dentro
como fuera de las instituciones educativas. Puede cubrir programas educativos de
alfabetización de adultos, educación básica extra-escolar, herramientas para desenvolverse en
la vida, herramientas para el trabajo y cultura general. En definitiva, los programas de
aprendizaje no formal no deben seguir necesariamente la escalera del sistema educativo, y
pueden tener una duración distinta.
Finalmente, el aprendizaje informal se define como deliberado, pero es menos organizado y
menos estructurado y puede incluir por ejemplo eventos de aprendizaje (actividades) que
tienen lugar en la familia, en el lugar de trabajo, y en la vida diaria de cada persona. A efectos
prácticos, la encuesta considera una actividad de aprendizaje como informal, cuando no está
institucionalizada, es decir, es menos estructurado y puede tener lugar en casi cualquier lugar.
Por otra parte, la encuesta no solo clasifica y cuantifica estas actividades sino que también
incorpora preguntas que las pone en relación con otros aspectos que permiten un análisis más
eficaz como son las dificultades para aprender, la accesibilidad de la información sobre
oportunidades de aprendizaje, el motivo para emprender la actividad y la financiación de la
misma. Además, incorpora de forma detalla las características y la trayectoria educativa de la
población de referencia, para poder tomar esta información como base sobre la que sacar
conclusiones respecto a la participación en actividades de educación y aprendizaje.
7
La ventaja que presenta esta fuente estadística frente a otras como la EPA o el Panel de
Hogares es que permite un análisis más pormenorizado al ser posible separar las actividades
de aprendizaje no sólo por su tipo (formal y no formal) sino también por quién fueron
costeadas (instituciones públicas (como el INEM), el propio individuo (o su familia o el
empresario)) o el motivo por el que se realizaron. La desventaja es que no es posible construir
el historial laboral de los individuos más allá de los 12 meses anteriores a la realización de la
encuesta y que el lapso de tiempo desde que se realiza la actividad y se pueden analizar sus
efectos es relativamente corto. Del mismo modo, y al igual que en la EPA, parte de la
información recabada se refiere al momento en que se realiza la encuesta y por tanto se
desconoce cuál es la situación de esas variables antes de recibir la formación.
Nuestro análisis se va a limitar a las actividades de aprendizaje formal y no formal. Asimismo, a
la hora de analizar el impacto de las actividades formativas sobre la empleabilidad de los
individuos hemos restringido la muestra a aquellos individuos que 12 meses antes de realizar
la encuesta (y, por tanto, la actividad formativa) tenían una edad comprendida entre 25 y 63
años y se encontraban desempleados o empleados. Con ello, pretendemos eliminar las
distorsiones que pueden generar otros colectivos como son los estudiantes, los jubilados, los
incapacitados permanentes para trabajar, las personas dedicadas a sus laborales, el cuidado de
hijos y mayores y otras situaciones difíciles de clasificar. La muestra, con este criterio, está
formada por 12905 individuos. Su distribución según la situación laboral 12 meses antes y el
tipo de formación recibida aparece recogida en la Tabla 1. Los datos muestran que de los
12905 individuos, 10128 se encontraban ocupados 12 meses antes, mientras que 2777
estaban en situación de desempleo. Sólo un 6,4% de todos los individuos participaron en una
actividad de aprendizaje formal y un 37% lo hicieron en actividades no formales. Si tenemos en
cuenta la situación laboral anterior, se observa el mismo porcentaje de participación en
actividades de aprendizaje formales en ambos colectivos, si bien la incidencia de la
participación en actividades no formales es menor entre los parados (28.4%).
Tabla 1. Distribución de los individuos por situación laboral 12 meses antes y actividades de
aprendizaje realizadas.
Parados
No
Si
Total
Aprendizaje
Formal
nº
%
2,595 93.4%
182
6.6%
2,777 100.0%
Ocupados
Total
Aprendizaje
Aprendizaje
Aprendizaje
Aprendizaje
Aprendizaje
No Formal
Formal
No Formal
Formal
No Formal
nº
%
nº
%
nº
%
nº
%
nº
%
1,988 71.6% 9,483 93.6% 6,145 60.7% 12,078 93.6% 8,133 63.0%
789
28.4%
645
6.4%
3,983 39.3%
827
6.4%
4,772 37.0%
2,777 100.0% 10,128 100.0% 10,128 100.0% 12,905 100.0% 12,905 100.0%
Las acciones cuyo impacto vamos a analizar (variables de tratamiento) son: la participación en
actividades de aprendizaje formal, por un lado, y de aprendizaje no formal por otro. La variable
resultado va a ser la probabilidad de estar empleado en el momento de realizar la encuesta, es
decir, después de realizar la actividad formativa.
La base de datos de la que partimos tiene ciertas limitaciones en cuanto a la información antes
del tratamiento. Por ello, para poder reducir en la medida de lo posible el sesgo a la hora de
calcular el impacto de las actividades de aprendizaje hemos realizado el análisis de forma
separada para los que se encontraban en una situación previa de paro o de empleo. Para los
8
segundos, la información pretratamiento es mayor al poder considerar el tipo de ocupación
que se estaba desempeñando y la jornada laboral. Por otra parte, hay cierta información en la
base de datos, como el estado civil y las variables relativas al hogar, que se refieren al
momento de hacer la encuesta y, por tanto, no nos indican la situación en la que se
encontraban los individuos antes de recibir la formación. Con todo ello, el conjunto de
información disponible, aunque amplio, se ve limitado.
La Tabla 2 recoge el tamaño de las muestras antes de realizar el emparejamiento para cada
uno de los 4 colectivos analizados. A este respecto debemos señalar que para poder reducir al
máximo el sesgo hemos considerado siempre el mismo grupo de control, es decir, los
individuos que no han participado en ninguna actividad formal o informal. Esto significa que
hemos eliminado del grupo de control a los individuos que teniendo una determinada
situación laboral han realizado una actividad formativa distinta a la analizada y del grupo de
tratamiento aquellos individuos que han realizado los dos tipos de actividades formativas.
Tabla 2. Tamaño de las muestras de los grupos de tratamiento y control
Parados
G. tratamiento
Aprendizaje formal
98
Aprendizaje No formal
705
Ocupados
G. control
1890
1890
G. tratamiento
316
3654
G. control
5829
5829
5.-Resultados
Como se ha señalado el efecto de la participación en acciones formativas se ha estimado
mediante la metodología del Propensity Score Matching (PSM). La probabilidad de estar
empleado se compara para individuos similares (emparejados) que se diferencian en haber
participado o no en una actividad formativa.
La idea básica de la metodología PMS es que una observación con idéntico propensity score y
sin participar en el tratamiento representa una observación contrafactual del que sí que
participa y esto implica que el efecto de tratamiento puede ser identificado.
Para que esta hipótesis sea creíble todas las variables que afectan tanto al tratamiento como a
su resultado deben ser incluidas a la hora de estimar el propensity score. Adicionalmente, se
requiere que dichas variables no se hayan visto afectadas a su vez por el tratamiento, por lo
que es aconsejable que sean previas al mismo.
Como ya hemos señalado las selección de las variables se ha visto condicionada por la
información disponible y ha estado guiada por criterios teóricos recogidos en la literatura. Así,
entre las variables que hemos considerado que pueden incidir tanto en la probabilidad de
participar en actividades de aprendizaje de ambos y en la probabilidad de estar empleado en el
momento de la encuesta se encuentran la edad, el sexo, la comunidad autónoma de
residencia, el máximo nivel educativo alcanzado y si el individuo ha nacido en España. También
hemos incorporado información relativa a los padres como un indicativo del bagaje de los
individuos, así como de su posible red social, tan importante en España. Las variables utilizadas
han sido el máximo nivel educativo de los padres y el tipo de ocupación del padre y de la
9
madre. Finalmente la habilidad de los individuos se ha recogido mediante una variable que
toma el valor 1 si el individuo ha tardado más años que los reglamentarios para obtener su
nivel educativo. Para el colectivo que parte de una situación de empleo 12 meses antes
también disponemos de su ocupación y el tipo de jornada. Para que la hipótesis se verifique es
necesario confiar en que las potenciales diferencias en las variables no disponibles sean
controladas por las variables observadas.
El análisis lo hemos realizado de forma separada para los cuatro colectivos señalados de modo
que estimamos el efecto medio de la formación formal, por un lado, y de la no formal por otro
para el colectivo de parados 12 meses antes. Y eso mismo para el colectivo de empleados 12
meses antes.
En cada caso hemos estimado el propensity score a partir de un modelo logit donde la variable
dependiente es la participación en actividades de aprendizaje formal o no formal, según el
caso, y las variables explicativas son las descritas anteriormente. Para encontrar un propensity
score equilibrado, es decir, que permita asumir la hipótesis de independencia condicionada,
hemos seguido la estrategia sugerida por Dehejia y Wahba (1999, 2002). Esta estrategia
conlleva contrastar la igualdad de medias de las variables consideradas en los que han seguido
formación y en los que no para distintos bloques del propensity score. Más concretamente, se
divide el propensity score en bloques hasta que se verifique la igualdad de media del
propensity score en los individuos que han recibido formación y en los que no en cada uno de
ellos y, posteriormente se contrasta la igualdad de medias de las variables incluidas en la
estimación en esos dos grupos para todos los bloques detectados. De este modo, el propensity
score está equilibrado (balancing property) y el efecto medio del tratamiento sobre los
tratados queda identificado.
Por otra parte, como veremos a continuación, para los cuatro colectivos analizados hemos
eliminado los individuos del grupo de tratamiento cuyo propensity score se superior al máximo
o menor al mínimo del grupo de control, con el fin de que se verifique la hipótesis de common
support propuesta por Dehejia y Wahba (1999). Con ello conseguimos que no haya individuos
del grupo de tratamiento para los que no se pueda encontrar un emparejamiento en el grupo
de control. Hemos de señalar, que los resultado siguen siendo representativos, pues el
solapamiento es casi perfecto y, por lo tanto, apenas se han eliminado 1 o 2 individuos según
el caso.
El paso siguiente para estimar el efecto medio del tratamiento sobre los tratados (ATT) es
elegir el algoritmo (o criterio) de emparejamiento. A este respecto, la estrategia que hemos
seguido es aplicar varios métodos pues no hay ningún criterio claro que permita determinar
cuál de ellos es superior. Las variantes del vecino más cercano reducen el sesgo potencial al
permitir emparejamientos con un propensity score más cercano pero aumentan la varianza al
reducir el número de observaciones utilizadas para construir el escenario contrafactual. Por su
parte, los criterios basados en más de un vecino, un radio de distancia, una función kernel o en
estratificación, son más eficientes al considerar más de un individuo para construir el escenario
contrafactual pero reducen en menor medida el sesgo potencial al poder ser individuos menos
similares (Smith y Todd, 2005).
10
Concretamente hemos aplicado los siguientes criterios: 1x1 vecino más cercano con
reemplazamiento2; 1x1 vecino más cercano con reemplazamiento en un radio de 0.01 y 0.005,
(se restringe el emparejamiento a individuos que están en ese radio en el propensity score);
1x5 vecinos más cercanos con reemplazamiento; radio de 0.01 y de 0.05 (se empata con todos
los individuos del grupo de control que estén dentro de ese radio en el propensity socre);
kernel (se empata con todos los individuos del grupo de control pero se da más peso a los
individuos más próximos en términos del propensity score).
En cada uno de estos procedimientos hemos aplicado varios métodos para evaluar la calidad
del emparejamiento, además del procedimiento de estratificación previo al emparejamiento
anteriormente descrito. Utilizando la aproximación sugerida por Rosenbaum y Rubin (1985)
hemos comprobado que no se detectan diferencias significativas en la muestra emparejada en
las medias de las variables utilizadas entre el grupo de tratamiento y de control. También
hemos analizado la reducción en la diferencia absoluta estandarizada en la media después del
emparejamiento. Finalmente, hemos analizado la reducción en el pseudo R2 en la estimación
del propensity score y la falta de significación conjunta de las variables cuando se utiliza la
muestra emparejada.
Los resultados específicos para colectivo aparecen en las Tabla 3 a Tabla 10.
Las Tabla 3 a Tabla 6 recogen las diferencias en la media de cada una de las variables
consideradas en la estimación del propensity score equilibrado en el grupo de tratamiento y el
grupo de control antes y después de realizar el emparejamiento. Como puede comprobarse
después del emparejamiento no se detectan diferencias significativas, observándose una clara
reducción en el sesgo en todas las variables una vez que se realiza el emparejamiento. Esto nos
indica que la calidad del emparejamiento en los cuatros colectivos es muy elevada.
La estimación del efecto medio de los dos tipos de aprendizaje en los dos colectivos analizados
(ATT) aparece recogido en las Tabla 7 a Tabla 10, junto con el resto de los indicadores descritos
anteriormente para evaluar la calidad del emparejamiento.
Los resultados muestran un efecto positivo de la educación no formal sobre la empleabilidad
de los parados que se cifra en una aumento de unos 8 puntos porcentuales en la probabilidad
de estar empleado. Mientras que el 23% de los parados que ha realizado algún tipo de
aprendizaje no formal se encuentran trabajando a finales de 2011, sólo el 14% de los parados
que no han realizado formación y que tienen características similares, se encuentran en dicha
situación. Los resultados son muy robustos al criterio de emparejamiento utilizado,
observándose pequeñas diferencias entre uno y otro método. Asimismo, el resto de los
indicadores muestran una alta calidad en el emparejamiento que avala la fiabilidad de los
resultados. La diferencia absoluta estandarizada en la media se reduce desde el 11,5 para la
muestra no emparejada al 1,3 en la muestra emparejada. En la muestra no emparejada, el
pseudo R2 es 0,07 y los regresores son conjuntamente significativos al 1% mientras que en la
muestra emparejada el pseudo R2 es sólo 0,001 y los regresores son conjuntamente no
significativos a cualquiera de los niveles habituales de significación.
2
El permitir reemplazamiento evita el problema de una ordenación no aleatoria de las observaciones (Rosenbaum,
1995).
11
El efecto de las actividades de aprendizaje formal sobre la empleabilidad de los parados no es
tan claro y los resultados no son tan robustos. Los criterios en los que sólo se utiliza un
individuo para realizar el emparejamiento (1x1) arrojan un efecto estimado que varía entre un
-9,7 y un -11,2. Sin embargo el resto de los métodos proporcionan una estimación mucho
menor (-1,2 a -7,7). Por otra parte, observamos que la estimación del efecto no es significativa
lo que puede explicar la inestabilidad de los resultados. En cualquiera de los casos, la calidad
del emparejamiento se mantiene alta, tal y como recogen la reducción en el pseudo R2, la no
significación de las variables en la muestra emparejada y la reducción en el sesgo medio
mediano. A pesar de lo no significatividad del efecto medio estimado, un resultado que se
mantiene es el signo negativo del mismo, lo que indica que los parados que han realizado
actividades de aprendizaje formal tienen menos probabilidad de ocuparse que aquellos que no
han seguido ningún tipo de formación. Este resultado no debe sorprender pues la educación
reglada puede llevar aparejada una reducción en la intensidad de búsqueda de empleo e
incluso un paso a la situación de inactividad (estudiante).
El efecto de las actividades de aprendizaje no formal para los individuos que las emprenden
desde una situación de empleo es menos intenso. No cabe duda de que para este colectivo los
efectos de las actividades de aprendizaje se dejaran sentir en otros aspectos laborales como
puede ser el salario. Desafortunadamente la base de datos no dispone de dicha información y
por eso este aspecto no ha podido ser tratado.
El efecto positivo de las actividades de aprendizaje no formal se reduce a dos puntos
porcentuales. Mientras que casi el 92% de los empleados que han realizado actividades de
aprendizaje no formal siguen empleados a finales de 2011, sólo el 90% de los que no han
seguido ninguna formación y tienen características similares sigue en ese estado. Los
resultados siguen siendo robustos al método de emparejamiento, si bien se detecta una
diferencia de medio punto entre los que utilizan poca información (1x1) y el resto. A cambio la
estimación es más precisa en estos últimos. De nuevo la calidad del emparejamiento es muy
alta tal y como indica el resto de indicadores.
Para los ocupados el efecto de las actividades de aprendizaje formal tampoco es significativo,
pero los resultados son más robustos al método de emparejamiento utilizado, obteniéndose
estimaciones que van del -0,026 al -0,041. De nuevo, el signo es negativo al igual que en el
colectivo de los parados y la calidad del emparejamiento muy alta.
Los resultados aquí mostrados son preliminares y se enmarcan en un trabajo más amplio en el
que se analizan los cambios observados en el impacto de las actividades de aprendizaje
continuo entre 2007 y 2011, es decir, antes y después de la crisis, en el conjunto de países
europeos para los que se elabora la encuesta.
12
Tabla 3. Media de las variables en el propensity score antes y después del emparejamiento.
Tratamiento: Aprendizaje No Formal. Muestra de parados.
Variable
Edad
Hombre
BUP o CFGM
FPII o CFGS
Estudios Universitarios
BUP o CFGMxHombre
FPII o CFGSxHombre
Estudios
UniversitariosxHombre
Est. Padre: BachilleratoCFGM
Est. Padre: Universitarios
o CFGS
Ocu Padre: Directores y
gerentes
Ocu Padre: Prof. Cientif e
Intelectuales
Ocu Padre: Tecnicos y
prof. nivel medio
Ocu Padre: Agricultores y
trab cualifi. Agri y pesca
Ocu Padre: Ocupaciones
elementales
Ocu Madre: Directores y
gerentes
Ocu Madre: Prof. Cientif
e Intelectuales
Ocu Madre: Tecnicos y
prof. nivel medio
Asturias
Castilla y León
Extremadura
Madrid
La Rioja
Nacido en España
Mal estudiante
Muestra
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Aprendizaje
No Formal
No
Aprendizaje
%sesgo
41.80
41.80
0.47
0.47
0.25
0.25
0.08
0.08
0.18
0.18
0.11
0.11
0.04
0.04
0.06
0.06
0.10
0.10
0.10
0.10
0.06
0.06
0.05
0.05
0.09
0.09
0.18
0.18
0.06
0.06
0.02
0.02
0.03
0.03
0.04
0.04
0.04
0.04
0.05
0.05
0.04
0.04
0.12
0.12
0.03
0.03
0.81
0.81
0.59
0.59
44.81
41.44
0.43
0.50
0.17
0.23
0.05
0.08
0.06
0.18
0.07
0.12
0.02
0.04
0.02
0.06
0.05
0.10
0.05
0.08
0.03
0.05
0.03
0.06
0.05
0.09
0.23
0.16
0.10
0.06
0.01
0.02
0.02
0.03
0.01
0.04
0.02
0.04
0.03
0.06
0.05
0.02
0.08
0.10
0.01
0.03
0.85
0.79
0.45
0.60
-29.5
3.5
7.8
-6
20.9
5.2
12.6
2.3
37.1
-1.8
14.6
-6.6
14.9
0
18.9
2.2
19.4
2.6
17.5
7
13.1
6
8.2
-5.6
15.4
0.6
-13.5
3.5
-14
1.6
9.1
1.2
7.8
4.4
18
1.8
13.6
-0.8
10.3
-2.1
-9.2
6.8
12.9
5.2
9.4
-1
-10.9
4.5
27.7
-1.1
13
%reducción
|sesgo|
88.3
23.6
74.9
82
95.2
54.8
100
88.6
86.4
60.2
53.8
31.9
96.3
73.9
88.8
86.9
43.3
89.8
94
79.5
25.5
59.3
88.9
58.5
95.9
t-estad
p>|t|
-6.61
0.67
1.78
-1.12
4.91
0.93
3.02
0.39
9.41
-0.28
3.48
-1.08
3.78
0
4.8
0.34
4.73
0.44
4.26
1.21
3.17
1.05
1.95
-0.92
3.71
0.09
-3
0.71
-3.03
0.34
2.27
0.19
1.87
0.79
4.73
0.28
3.39
-0.13
2.48
-0.35
-1.99
1.6
3.05
0.94
2.31
-0.17
-2.52
0.8
6.25
-0.22
0.00
0.51
0.08
0.26
0.00
0.35
0.00
0.69
0.00
0.78
0.00
0.28
0.00
1.00
0.00
0.73
0.00
0.66
0.00
0.23
0.00
0.29
0.05
0.36
0.00
0.93
0.00
0.48
0.00
0.74
0.02
0.85
0.06
0.43
0.00
0.78
0.00
0.90
0.01
0.73
0.05
0.11
0.00
0.35
0.02
0.87
0.01
0.43
0.00
0.83
Tabla 4. Media de las variables en el propensity score antes y después del emparejamiento.
Tratamiento: Aprendizaje Formal. Muestra de parados.
Variable
Edad
EdadxHombre
Hombre
BUP o CFGM
FPII o CFGS
Estudios
Universitarios
BUP o CFGMxHombre
FPII o CFGSxHombre
Est. Padre:
Bachillerato-CFGM
Est. Padre:
Universitarios o CFGS
Ocu Padre: Prof.
Cientif e
Ocu Padre: Tecnicos y
prof. nivel medio
Ocu Padre: Ocu
Sevicios y
Ocu Padre:
Agricultores y trab
Ocu Madre:
Directores y gerentes
Ocu Madre: Prof.
Cientif e
Ocu Madre: Tecnicos
y prof. nivel medio
Ocu Madre:
Agricultores y trab
Canarias
Mal estudiante
Muestra
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
AprendizajeFo
No
rmal
Aprendizaje
37.08
37.24
19.36
19.76
0.52
0.53
0.33
0.33
0.12
0.13
0.22
0.21
0.15
0.16
0.05
0.05
0.10
0.10
0.20
0.19
0.08
0.07
0.12
0.11
0.11
0.11
0.08
0.08
0.04
0.04
0.13
0.11
0.06
0.06
0.01
0.01
0.11
0.10
0.76
0.75
44.81
36.32
19.13
22.57
0.43
0.63
0.17
0.26
0.05
0.15
0.06
0.23
0.07
0.13
0.02
0.09
0.05
0.10
0.05
0.18
0.03
0.02
0.03
0.14
0.07
0.11
0.23
0.09
0.01
0.04
0.02
0.11
0.01
0.04
0.05
0.01
0.05
0.05
0.45
0.77
14
%sesgo
-80.8
9.6
1
-13
18.3
-18.8
37.3
17.1
25.6
-7.4
48.1
-6.1
28.2
10.1
19.9
-23.3
18.4
0
46.2
3.2
20.8
22.4
33.1
-7.8
15.6
0
-41.8
-2.9
20.4
0
43.2
0
27.4
11.3
-24.6
0
22.5
19.1
64.5
-4.5
%reducción
|sesgo|
88.1
-1150.7
-2.7
54.1
70.9
87.3
64.3
-16.8
100
93.1
-7.8
76.3
100
93
100
100
58.9
100
15.2
93.1
t-estad
p>|t|
-7.17
0.77
0.09
-1.01
1.78
-1.31
4.04
1.1
3.06
-0.42
6.34
-0.35
3.32
0.62
2.66
-1.11
2.08
0
6.18
0.19
2.51
1.71
4.42
-0.43
1.69
0
-3.45
-0.25
3.01
0
6.95
0
4.32
0.65
-1.88
0
2.63
1.34
5.86
-0.34
0.00
0.44
0.93
0.32
0.08
0.19
0.00
0.27
0.00
0.68
0.00
0.73
0.00
0.54
0.01
0.27
0.04
1.00
0.00
0.85
0.01
0.09
0.00
0.67
0.09
1.00
0.00
0.80
0.00
1.00
0.00
1.00
0.00
0.52
0.06
1.00
0.01
0.18
0.00
0.74
Tabla 5. Media de las variables en el propensity score antes y después del emparejamiento.
Tratamiento: Aprendizaje No Formal. Muestra de ocupados.
Variable
Edad
Hombre
Directores y gerentes
Prof. Cientif e
Intelectuales
Tecnicos y prof. nivel
medio
Prof Apoyo
Adminsitrativos
Ocu Sevicios y
Vendedores
Agricultores y trab
cualifi. Agri y pesca
Oficiales, operarios,
artesanos
Operadores de
instalacion y maquinas
Directores y
gerentesxHombre
Prof. Cientif e
IntelectualesxHombre
Tecnicos y prof. nivel
medioxHombre
Prof Apoyo
AdminsitrativosxHombr
Ocu Sevicios y
VendedoresxHombre
Agricultores y trab
cualifi. Agri y
Oficiales, operarios,
artesanosxHombre
Operadores de
instalacion y maquinas
Tiempo Parcial
BUP o CFGM
FPII o CFGS
Estudios Universitarios
BUP o CFGMxHombre
FPII o CFGSxHombre
Est. Padre: ESO o
equivalente
Est. Padre: BachilleratoCFGM
Muestra
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Aprendizaje
No Formal
No
Aprendizaje
%sesgo
42.90
42.90
0.54
0.54
0.05
0.05
0.26
0.26
0.20
0.20
0.07
0.07
0.15
0.15
0.02
0.02
0.14
0.14
0.05
0.05
0.04
0.04
0.11
0.11
0.09
0.09
0.03
0.03
0.05
0.05
0.01
0.01
0.13
0.13
0.05
0.05
0.03
0.03
0.24
0.24
0.12
0.12
0.39
0.39
0.13
0.13
0.07
0.07
0.11
0.11
0.14
0.14
44.21
42.81
0.56
0.53
0.06
0.05
0.10
0.26
0.14
0.20
0.06
0.08
0.20
0.14
0.05
0.02
0.19
0.14
0.06
0.05
0.04
0.03
0.05
0.11
0.07
0.09
0.02
0.03
0.07
0.05
0.04
0.01
0.16
0.13
0.06
0.05
0.05
0.03
0.24
0.23
0.10
0.13
0.17
0.39
0.12
0.12
0.05
0.07
0.12
0.11
0.08
0.14
-13.6
1
-3.5
1
-1.7
1.3
43.6
-0.6
15.4
-0.5
4
-2
-13.6
2.5
-17.5
-0.2
-12.1
0.8
-5.4
-0.8
-1.6
0.9
24.2
0.8
9
0.8
3.3
-0.7
-8.3
3
-14.4
0.5
-8.1
0.2
-4.8
-1.2
-9
0.1
-1.4
2.5
6.2
-2.8
51.8
0.6
1.6
2.1
5.8
-0.8
-3.6
0.8
19.3
-0.4
15
%reducción
|sesgo|
92.8
71.9
20.7
98.7
96.7
50.6
81.8
99.1
93.3
84.9
45.7
96.6
90.9
78.5
63.8
96.4
98.1
74.4
98.4
-83.4
54.2
98.8
-28.8
86.4
78.7
98.2
t-estad
p>|t|
-6.39
0.42
-1.67
0.42
-0.79
0.58
21.64
-0.21
7.4
-0.21
1.92
-0.81
-6.36
1.14
-7.89
-0.09
-5.66
0.37
-2.55
-0.37
-0.75
0.38
11.99
0.3
4.33
0.33
1.6
-0.29
-3.88
1.44
-6.51
0.29
-3.81
0.07
-2.24
-0.54
-4.17
0.07
-0.65
1.08
2.94
-1.14
25.33
0.24
0.76
0.88
2.8
-0.32
-1.71
0.34
9.39
-0.14
0.00
0.67
0.09
0.67
0.43
0.56
0.00
0.83
0.00
0.84
0.06
0.42
0.00
0.25
0.00
0.93
0.00
0.71
0.01
0.71
0.45
0.70
0.00
0.77
0.00
0.74
0.11
0.77
0.00
0.15
0.00
0.77
0.00
0.94
0.03
0.59
0.00
0.95
0.52
0.28
0.00
0.25
0.00
0.81
0.45
0.38
0.01
0.75
0.09
0.73
0.00
0.89
Tabla 5. Media de las variables en el propensity score antes y después del emparejamiento.
Tratamiento: Aprendizaje No Formal. Muestra de ocupados. (continuación)
Variable
Muestra
Ocu Padre: Tecnicos y
prof. nivel medio
Ocu Padre: Prof Apoyo
Adminsitrativos
Ocu Padre: Ocu Sevicios
y Vendedores
Ocu Padre: Agricultores
y trab cualifi. Agri y
Ocu Padre: Oficiales,
operarios, artesanos
Ocu Padre: Operadores
de instalacion y
Ocu Madre: Directores y
gerentes
Ocu Madre: Prof. Cientif
e Intelectuales
Ocu Madre: Tecnicos y
prof. nivel medio
Ocu Madre: Prof Apoyo
Adminsitrativos
Ocu Madre: Ocu
Sevicios y Vendedores
Ocu Madre: Agricultores
y trab cualifi. Agri y
Ocu Madre: Oficiales,
operarios, artesanos
Ocu Madre: Operadores
de instalacion y
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Castilla y León
Castilla La Mancha
Cataluña
Com. Valenciana
Murcia
Pais Vasco
Nacido en España
Mal estudiante
Aprendizaje
No Formal
No
Aprendizaje
%sesgo
0.12
0.12
0.02
0.02
0.07
0.07
0.14
0.14
0.31
0.31
0.09
0.09
0.03
0.03
0.04
0.04
0.04
0.04
0.01
0.01
0.07
0.07
0.04
0.04
0.04
0.04
0.01
0.01
0.07
0.07
0.05
0.05
0.12
0.12
0.06
0.06
0.05
0.05
0.08
0.08
0.91
0.91
0.62
0.62
0.08
0.13
0.02
0.02
0.07
0.07
0.20
0.14
0.32
0.30
0.10
0.09
0.02
0.03
0.03
0.04
0.02
0.04
0.01
0.01
0.06
0.06
0.05
0.04
0.04
0.04
0.00
0.00
0.05
0.07
0.06
0.05
0.13
0.12
0.07
0.06
0.04
0.05
0.06
0.07
0.87
0.92
0.52
0.62
14.4
-2.7
2.2
0.2
0.6
2.4
-16.2
-1.4
-1.9
1
-3.2
-1.4
5.4
-3
9.5
1.3
8
-1.6
4.2
3.2
4.2
3.7
-7.1
0.4
0.4
1.6
4.1
5.2
6.4
0
-7
-0.1
-4.4
-0.1
-5.3
1.9
3.8
0.1
6.6
1.5
13.3
-1
20
-0.6
16
%reducción
|sesgo|
81.1
90.7
-340.3
91.4
46.3
56.5
45.4
86.1
79.7
25.1
11.7
94.3
-312.3
-28.8
100
98.3
98.1
64.7
96.6
77.1
92.7
97.2
t-estad
p>|t|
6.99
-1.05
1.07
0.09
0.26
1.06
-7.55
-0.64
-0.89
0.43
-1.52
-0.61
2.61
-1.12
4.64
0.52
3.89
-0.62
2.05
1.32
2.02
1.58
-3.29
0.19
0.19
0.7
1.99
2.34
3.08
0
-3.28
-0.06
-2.09
-0.04
-2.47
0.85
1.84
0.05
3.19
0.62
6.2
-0.46
9.44
-0.24
0.00
0.29
0.28
0.93
0.79
0.29
0.00
0.52
0.38
0.67
0.13
0.54
0.01
0.26
0.00
0.61
0.00
0.54
0.04
0.19
0.04
0.11
0.00
0.85
0.85
0.48
0.05
0.02
0.00
1.00
0.00
0.96
0.04
0.97
0.01
0.40
0.07
0.96
0.00
0.53
0.00
0.64
0.00
0.81
Tabla 6. Media de las variables en el propensity score antes y después del emparejamiento.
Tratamiento: Aprendizaje Formal. Muestra de ocupados.
Variable
Edad
Hombre
EdadxHombre
Tecnicos y prof. nivel
medio
Prof Apoyo
Adminsitrativos
Agricultores y trab
cualifi. Agri y pesca
Operadores de
instalacion y
Tecnicos y prof. nivel
medioxHombre
Prof Apoyo
AdminsitrativosxHom
Ocu Sevicios y
VendedoresxHombre
Agricultores y trab
cualifi. Agri y
Oficiales, operarios,
artesanosxHombre
Tiempo Parcial
BUP o CFGM
FPII o CFGS
Estudios
Universitarios
BUP o CFGMxHombre
FPII o CFGSxHombre
Est. Padre: Est.
Primarios o menos
Est. Padre: ESO o
equivalente
Est. Padre:
Bachillerato-CFGM
Ocu Padre: Directores
y gerentes
Ocu Padre: Prof.
Cientif e
Ocu Padre: Tecnicos y
prof. nivel medio
Muestra
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Aprendizaje
No
Formal
Aprendizaje
38.32
38.39
0.43
0.43
16.47
16.58
0.24
0.24
0.10
0.11
0.00
0.00
0.02
0.02
0.09
0.09
0.03
0.03
0.06
0.06
0.00
0.00
0.07
0.07
0.08
0.08
0.27
0.27
0.15
0.15
0.42
0.42
0.13
0.13
0.06
0.06
0.51
0.51
0.17
0.17
0.13
0.13
0.08
0.08
0.11
0.11
0.14
0.14
44.21
38.92
0.56
0.43
24.80
16.41
0.14
0.23
0.06
0.10
0.05
0.00
0.06
0.02
0.07
0.08
0.02
0.02
0.07
0.06
0.04
0.00
0.16
0.07
0.05
0.10
0.24
0.27
0.10
0.12
0.17
0.48
0.12
0.14
0.05
0.06
0.71
0.51
0.12
0.19
0.08
0.13
0.06
0.05
0.05
0.13
0.08
0.13
17
%sesgo
-61.6
-5.5
-25.8
0.6
-38.1
0.8
25.6
4.1
15.8
2.3
-29
2
-20.8
1.6
8.4
4.8
2.6
4.2
-7.1
0
-28
0
-29.1
-2
14.4
-7.8
5.9
0
16.1
10.6
58.2
-14.6
1.8
-1.9
2.2
1.4
-43
1.3
15.1
-4.5
16.9
-1
10.2
11.3
24.6
-7.1
18.1
3.1
%reducción
|sesgo|
91.1
97.5
98
84
85.4
93
92.4
43.1
-64.5
100
100
93
46.1
100
34
75
-8.3
39.1
96.9
70.1
93.8
-10.9
71.3
83
t-estad
p>|t|
-10.34
-0.74
-4.46
0.08
-6.2
0.1
4.91
0.47
3.1
0.26
-3.75
1
-3.02
0.28
1.55
0.58
0.46
0.54
-1.17
0
-3.52
.
-4.38
-0.31
2.85
-0.85
1.04
0
3.04
1.28
11.62
-1.61
0.31
-0.23
0.4
0.17
-7.81
0.16
2.8
-0.52
3.26
-0.12
1.92
1.42
5.26
-0.73
3.53
0.35
0.00
0.46
0.00
0.94
0.00
0.92
0.00
0.64
0.00
0.79
0.00
0.32
0.00
0.78
0.12
0.56
0.65
0.59
0.24
1.00
0.00
.
0.00
0.76
0.00
0.39
0.30
1.00
0.00
0.20
0.00
0.11
0.76
0.82
0.69
0.87
0.00
0.87
0.01
0.60
0.00
0.91
0.06
0.16
0.00
0.46
0.00
0.72
Tabla 6. Media de las variables en el propensity score antes y después del emparejamiento.
Tratamiento: Aprendizaje Formal. Muestra de ocupados. (continuación)
Variable
Muestra
Ocu Padre: Prof
Apoyo
Ocu Padre: Ocu
Sevicios y
Ocu Padre:
Agricultores y trab
Ocu Padre: Oficiales,
operarios, artesanos
Ocu Padre:
Operadores de
Ocu Madre:
Directores y gerentes
Ocu Madre: Prof.
Cientif e
Ocu Madre: Tecnicos
y prof. nivel medio
Ocu Madre: Prof
Apoyo
Ocu Madre: Ocu
Sevicios y
Ocu Madre:
Agricultores y trab
Ocu Madre: Oficiales,
operarios, artesanos
Ocu Madre:
Operadores de
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Sin emparejar
Emparejada
Unmatched
Matched
Unmatched
Matched
Unmatched
Matched
Unmatched
Matched
Unmatched
Matched
Aragón
Asturias
Baleares
Canarias
Cantabria
Castilla y León
Castilla La Mancha
Cataluña
Com. Valenciana
Galicia
Madrid
Murcia
País Vasco
La Rioja
Nacido en España
Mal estudiante
Aprendizaje
No
Formal
Aprendizaje
0.03
0.03
0.09
0.09
0.08
0.08
0.32
0.32
0.07
0.07
0.03
0.04
0.07
0.07
0.05
0.04
0.03
0.03
0.09
0.09
0.02
0.02
0.05
0.05
0.01
0.01
0.06
0.06
0.02
0.02
0.04
0.04
0.05
0.05
0.03
0.03
0.04
0.04
0.04
0.04
0.19
0.19
0.07
0.07
0.06
0.06
0.07
0.07
0.02
0.02
0.04
0.04
0.03
0.03
0.91
0.90
0.73
0.73
0.02
0.04
0.07
0.07
0.20
0.09
0.32
0.32
0.10
0.09
0.02
0.03
0.03
0.05
0.02
0.07
0.01
0.03
0.06
0.11
0.05
0.04
0.04
0.05
0.00
0.00
0.05
0.05
0.03
0.02
0.03
0.03
0.04
0.04
0.03
0.03
0.05
0.05
0.06
0.04
0.13
0.21
0.07
0.06
0.06
0.08
0.10
0.07
0.04
0.02
0.06
0.07
0.03
0.03
0.87
0.89
0.52
0.73
%sesgo
10.3
-2.1
6.4
8.2
-35.4
-1.9
1.5
0
-9.2
-6.8
10.1
4
21.2
8.8
13.5
-12.1
12.8
-2.5
13
-8.5
-15.5
-8.5
5.2
1.5
4.4
4.6
4
2.9
-9.1
2
4
7
4
3
-0.6
-1.9
-4.4
-6.1
-11.4
-2.9
15.4
-4.3
-0.4
6.1
-0.3
-6.7
-8
1.1
-15.4
-1.9
-10.2
-14.8
0.5
1.8
10.2
4.1
44.4
-0.7
18
%reducción
|sesgo|
79.7
-29.3
94.7
100
26.1
60.9
58.3
10.2
80.8
34.7
45
71.3
-3.8
28.6
78.2
-75.3
24.4
-210.2
-37
74.3
71.8
-1277.7
-1952.5
85.7
87.6
-45.4
-239.9
60.2
98.5
t-estad
p>|t|
2.12
-0.22
1.15
1.04
-5.3
-0.29
0.25
0
-1.51
-0.87
2.05
0.45
4.72
0.98
2.81
-1.22
2.94
-0.25
2.5
-0.92
-2.31
-1.16
0.94
0.18
0.91
0.58
0.72
0.35
-1.42
0.3
0.72
0.91
0.72
0.37
-0.11
-0.23
-0.74
-0.75
-1.79
-0.4
2.85
-0.5
-0.08
0.81
-0.06
-0.79
-1.32
0.15
-2.27
-0.3
-1.61
-1.76
0.09
0.23
1.67
0.53
7.32
-0.09
0.03
0.83
0.25
0.30
0.00
0.77
0.80
1.00
0.13
0.39
0.04
0.65
0.00
0.33
0.01
0.22
0.00
0.81
0.01
0.36
0.02
0.25
0.35
0.86
0.36
0.56
0.47
0.73
0.16
0.76
0.47
0.36
0.47
0.71
0.92
0.82
0.46
0.46
0.07
0.69
0.00
0.62
0.94
0.42
0.96
0.43
0.19
0.88
0.02
0.76
0.11
0.08
0.93
0.82
0.09
0.60
0.00
0.93
Tabla 7. Efecto medio del aprendizaje No formal (ATET) sobre la probabilidad de estar empleado. Muestra de parados.
Aprendizaje
Sin
No Formal Aprendizaje
0.233
0.120
ATT
0.113
S.E *
0.016
t-stad
7.20
Pseudo R2
0.07
LR chi2**
216.70
p>chi2
0.00
Media
Sesgo
15.50
Antes del emparejamiento
Después del emparejamiento con:
NN (1x1)
0.233
0.149
0.084
0.025
3.41
0.01
20.37
0.73
3.30
NN (1x1) caliper (0.01)
0.232
0.148
0.084
0.025
3.42
0.01
20.29
0.73
4.00
NN (1x1) caliper (0.005)
0.231
0.147
0.084
0.025
3.40
0.01
18.73
0.81
3.80
NN (1x5)
0.233
0.155
0.078
0.020
3.92
0.01
9.79
1.00
2.80
Radio (0.01)
0.232
0.151
0.081
0.019
4.32
0.00
2.64
1.00
1.40
Radio (0.005)
0.231
0.148
0.082
0.019
4.33
0.00
4.38
1.00
1.80
Kernel (epan,bw=0.06)
0.233
0.148
0.085
0.019
4.57
0.00
2.11
1.00
1.30
Fuente: Elaboración propia. * Boostrap 100 repeticiones ** Contraste de significación conjunta de las variables incluidas en el propensity socre.
Mediana
Sesgo
13.60
Fuera de
soporte
2.60
4.10
3.80
2.90
0.80
1.50
0.90
0
3
11
0
3
11
0
Mediana
Sesgo
26.50
Fuera de
soporte
Tabla 8. Efecto medio del aprendizaje formal (ATET) sobre la probabilidad de estar empleado. Muestra de parados.
Aprendizaje
Sin
Formal Aprendizaje
0.153
0.120
ATT
0.033
S.E *
0.034
t-stad
0.97
Pseudo R2
0.18
LR chi2**
136.32
p>chi2
0.00
Media
Sesgo
31.90
Antes del emparejamiento
Después del emparejamiento con:
NN (1x1)
0.146
0.250
-0.104
0.063
-1.66
0.04
9.90
0.97
8.80
NN (1x1) caliper (0.01)
0.151
0.247
-0.097
0.063
-1.54
0.03
7.10
1.00
7.40
NN (1x1) caliper (0.005)
0.135
0.247
-0.112
0.063
-1.78
0.02
5.99
1.00
7.20
NN (1x5)
0.146
0.158
-0.013
0.043
-0.29
0.01
2.25
1.00
4.50
Radio (0.01)
0.151
0.184
-0.034
0.041
-0.82
0.01
1.69
1.00
3.30
Radio (0.005)
0.135
0.212
-0.077
0.041
-1.87
0.01
1.28
1.00
2.70
Kernel (epan,bw=0.06)
0.146
0.158
-0.012
0.039
-0.32
0.02
4.47
1.00
5.60
Fuente: Elaboración propia. * Boostrap 100 repeticiones ** Contraste de significación conjunta de las variables incluidas en el propensity socre.
19
7.60
6.60
6.90
4.50
2.70
2.30
4.60
2
5
9
2
5
9
2
Tabla 9. Efecto medio del aprendizaje no formal (ATET) sobre la probabilidad de estar empleado. Muestra de ocupados.
Aprendizaje
Sin
Media
No Formal Aprendizaje
ATT
S.E *
t-stad
Pseudo R2 LR chi2**
p>chi2
Sesgo
Antes del emparejamiento
0.918
0.870
0.047
0.007
7.12
0.09
1072.78
0.00
9.40
Después del emparejamiento con:
NN (1x1)
0.918
0.903
0.015
0.009
1.61
0.00
27.90
0.99
1.30
NN (1x1) caliper (0.01)
0.918
0.903
0.015
0.009
1.61
0.00
27.10
0.99
1.30
NN (1x1) caliper (0.005)
0.918
0.903
0.015
0.009
1.61
0.00
27.26
0.99
1.30
NN (1x5)
0.918
0.897
0.020
0.008
2.58
0.00
14.59
1.00
1.00
Radio (0.01)
0.918
0.896
0.022
0.007
3.00
0.00
5.72
1.00
0.60
Radio (0.005)
0.918
0.897
0.021
0.007
2.88
0.00
5.96
1.00
0.60
Kernel (epan,bw=0.06)
0.918
0.896
0.022
0.007
3.04
0.00
6.74
1.00
0.70
Fuente: Elaboración propia. * Boostrap 100 repeticiones ** Contraste de significación conjunta de las variables incluidas en el propensity socre.
Mediana
Sesgo
6.30
Fuera de
soporte
1.00
1.00
1.00
0.80
0.40
0.30
0.50
0
1
2
0
0
2
0
Tabla 10. Efecto medio del aprendizaje formal (ATET) sobre la probabilidad de estar empleado. Muestra de ocupados.
Aprendizaje
Sin
Media
Mediana
Formal Aprendizaje
ATT
S.E *
t-stad
Pseudo R2 LR chi2**
p>chi2
Sesgo
Sesgo
Antes del emparejamiento
0.846
0.870
-0.024
0.020
-1.22
0.14
333.32
0.00
15.50
11.40
Después del emparejamiento con:
NN (1x1)
0.847
0.889
-0.041
0.028
-1.46
0.03
28.54
1.00
4.40
3.40
NN (1x1) caliper (0.01)
0.847
0.889
-0.041
0.028
-1.46
0.03
28.54
1.00
4.40
3.40
NN (1x1) caliper (0.005)
0.847
0.889
-0.041
0.028
-1.46
0.03
28.54
1.00
4.40
3.40
NN (1x5)
0.847
0.883
-0.036
0.023
-1.58
0.01
5.59
1.00
1.80
1.60
Radio (0.01)
0.847
0.875
-0.028
0.022
-1.31
0.00
0.60
1.00
0.60
0.50
Radio (0.005)
0.847
0.877
-0.030
0.022
-1.39
0.00
0.85
1.00
0.80
0.60
Kernel (epan,bw=0.06)
0.847
0.873
-0.026
0.021
-1.23
0.01
8.78
1.00
2.90
2.00
Fuente: Elaboración propia. * Boostrap 100 repeticiones ** Contraste de significación conjunta de las variables incluidas en el propensity socre.
20
Fuera de
soporte
2
2
2
2
2
2
2
6.-Conclusiones
Actualmente los cambios tecnológicos y la globalización económica exigen una renovación
continua de los conocimientos y las habilidades, y por ello el aprendizaje continuo en la vida
adulta se convierte en una necesidad. En este contexto, este trabajo trata de analizar el
impacto que tienen las actividades de aprendizaje continuo en la empleabilidad de los
individuos. Utilizando una muestra muy amplia de trabajadores estimamos el efecto medio de
la formación formal y no formal en la probabilidad de encontrar un empleo en el caso de los
parados y en la probabilidad de mantenerse en el empleo para los ocupados.
La metodología empleada (propensity score matching) se encuadra dentro de las técnicas de
evaluación del impacto de políticas públicas en las que un grupo de tratamiento (en nuestro
caso, los individuos que han realizado actividades de aprendizaje) se compara con un grupo de
individuos que no han recibido el tratamiento y que tienen características similares a los que sí
lo han hecho (grupo de control). La similitud en las características de los individuos de los
grupos es lo que permite estimar correctamente el impacto de la medida, en este caso, del
aprendizaje.
Los resultados muestran que las actividades de educación no formal tienen un efecto positivo
en la empleabilidad y que ese efecto es mayor en el caso de los parados. Por su parte las
actividades de formación formales no tienen un efecto significativo si bien es preciso señalar
que el efecto de este tipo de aprendizaje puede dejarse sentir en un periodo temporal más
amplio que el analizado.
El trabajo es uno de los primeros trabajos empíricos en este campo y se enmarca en un
proyecto más amplio en el que se analizan los cambios observados en el impacto de las
actividades de aprendizaje continuo entre 2007 y 2011, es decir, antes y después de la crisis,
en el conjunto de países europeos para los que se elabora la encuesta que sirven de base al
estudio (EADA).
Bibliografía
Ananiadou, K., Jenkins, A. y Wolf, A. (2004) Basic skills and workplace learning: what do we
actually know about their benefits?, Studies in Continuing Education, 26(2), 289-308.
Ariga, K. y Brunello, G. (2006) Are more educated receiving more training? Evidence from
Thailand. Industrial and Labor Relations Review, 59(4), 613-629.
Arulampalam, W., Booth, A. L. y Bryan, M. L. (2004) Training in Europe. Journal of the European
Economic Association, 2, 346-360.
Badescu, M. y Saisana, M. (2008) Participation in lifelong learning. What can be measured and
compared? Research on lifelong learning, European Commission.
Biagetti, M. y Scicchitano, S. (2013) Inequality in workers’ lifelong learning across European
countries: evidence from EU‐SILC data‐set, Acta Oeconomica, 63(1), 77-97.
21
Blanden, J., Buscha, F., Sturgis, P. y Urwin, P. (2010) Measuring the returns to lifelong learning,
Centre for the Economics of Education, London School of Economics, London
http://cee.lse.ac.uk/ceedps/ceedp110.pdf
Blundell, R., Dearden, L. y Meghir, C. (1996) The determinants and effects of work related
training in Britain, Institute for Fiscal Studies, London.
Cueto, B. y Suárez, P. (2010) Formación para el empleo en España ¿Quién se forma?, Moneda y
Crédito, 233, 73-106.
De Coulon, A. y Vignoles, A. (2008) An Analysis of the benefit of NVQ2 qualifications acquired
at age 26-34, Centre for the Economics of Education, London School of Economics, London.
Dehejia, R. H. y Wahba, S. (1999) Causal effects in nonexperimental studies: reevaluating the
evaluation of training programs, Review of Economics and Statistics, 94, 1053-1062.
Dehejia, R. H. y Wahba, S. (2002) Propensity score-matching methods for nonexperimental
causal studies, Review of Economics and Statistics, 84(1), 151-161.
Dorsett, R., Liu, S. y Weale, M. (2010) Economic benefits of lifelong learning. National Institute
of Economic and Social Research, London.
Dorsett, R., Liu, S. y Weale, M. (2011) Estimating the effect of lifelong learning on women’s
earnings using a switching model, Centre for Learning and Life Chances in Knowledge
Economies and Societies at: http://www.llakes.org
European Commission (2001) Making a European area of lifelong learning a reality, Bruselas.
Feinstein, L., Galindo-Rueda F. y Vignoles, A., (2004) The labour market impact of adult
education and training: a cohort analysis, Scottish Journal of Political Economy, 51(2), 266-280.
Field, J. (2011) Researching the benefits of learning: the persuasive power of longitudinal
studies, London Review of Education, 9(3), 283-292.
Holmlund, B., Liu, Q. y Skans, O. (2008) Mind the gap? Estimating the effects of postponing
higher education, Oxford Economic Paper, 60, 683-710.
INE (2012) Encuesta sobre la participación de la población adulta en las actividades de
apendizaje 2011 (EADA-11). Informe metodológico. Subdirección general de estadísticas
sociales sectoriales.
Jenkins, A. (2006) Women, lifelong learning and transitions into employment, Work,
Employment & Society, 20(2), 309-328.
Jenkins, A., Vignoles, A., Wolf, A. y Galindo-Rueda, F. (2003) The determinants and labour
market effects of lifelong learning, Applied Economics, 35, 1711-1721.
Rosenbaum, P. R. (1995) Observational studies. Series in Statistics. Springer, New York.
Rosenbaum, P. R. y Rubin, D. B. (1983) The central role of the propensity score in observational
studies for causal effects, Biometrika, 70(1), 41-55.
22
Rosenbaum, P. R. y Rubin, D. B. (1985) Constructing a control group using multivariate
matched sample methods that incorporate the propensity score, American Statistician, 39(1),
33-38.
Simonsen, M. y Skipper, L. (2008) The incidence and intensity of formal lifelong learning.
Economics working paper, nº 7, University of Aarhus.
Smith, J. A. y Todd, P. E. (2005) Does matching overcome Lalonde's critique of
nonexperimental estimators, Journal of Econometrics, 125(1–2), 305-353.
23