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