TESIS de MA GÍSTER - Instituto Economía Pontificia Universidad

E C O N O M Í A
TESIS de MAGÍSTER
IInstituto
N S T I de
T Economía
U T O
D E
DOCUMENTO
DE TRABAJO
www.economia.puc.cl
TESIS DE GRADO
MAGISTER EN ECONOMIA
Diciembre 2007
PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE
INSTITUTO
MAGISTER EN
DE
ECONOMIA
ECONOMIA
Descripción crítica de los fundamentos de la Curva de Beveridge y de su
uso como herramienta de análisis del mercado laboral.
Rodrigo Mujica Varas
Comisión
Claudio Sapelli
Arístides Torche
Diciembre 2007
Descripción crítica de los fundamentos de la Curva de Beveridge y de su
uso como herramienta de análisis del mercado laboral.
Rodrigo Mujica Varas
Resumen
La Curva de Beveridge se define como la relación de equilibrio entre el desempleo y las vacantes, se deriva
de una función de emparejamiento o matching que entrega un flujo de contrataciones para cada
combinación de las variables mencionadas. En el último tiempo ha sido muy utilizada en el estudio del
mercado laboral ya que contiene información esencial sobre el funcionamiento de éste. Dado que no
existen datos directos de vacantes, para la estimación de la curva se usa una proxy de ellas construida a
partir de los avisos de vacantes de empleo publicados en los periódicos, y la tasa de desempleo. Este trabajo
desarrolla una discusión completa al marco teórico en el que se basa la curva, estudia los sesgos que existen
en la construcción de este índice y finalmente estima dos versiones de la Curva de Beveridge para Chile
durante el período 1986.I-2007.III. A partir de los sesgos presentes en las especificaciones de las vacantes,
se obtienen distintas representaciones de la relación vacantes-desempleo según el indicador de vacantes
utilizado. La solución a lo anterior es elaborar una encuesta a empresas que permita obtener una serie de
vacantes que no presente los problemas de representatividad ni que se vea afectada por factores ajenos al
mercado del trabajo y que alteran la medición. Aún así, la Curva de Beveridge no parece ser una
herramienta suficiente para el análisis de la totalidad del mercado laboral, pero es un buen acercamiento si
ella se estima de forma correcta.
Diciembre 2007
3
Índice
I. Introducción ……...…………………….…………………………………….…………5
II. Revisión de la literatura ...………………………..………………………………….…8
III. Marco teórico ..………..……………………………………….………………….…14
IV. Índice de vacantes ..……..………………………………………………………..….29
V. Curva de Beveridge para Santiago y Chile: 1986.I-2007.III …..……...……..………45
VI. Conclusiones ...……………………………………………..………………………..54
VII. Bibliografía …...………………………………………………………….…………58
VIII. Apéndice ……..……………………………………………………………………61
IX. Anexos ….………………………………………………………………………..….62
4
I. Introducción
Un importante debate se ha generado en torno a la institucionalidad laboral que rige al
mercado del trabajo en nuestro país. A principios de año entró en vigencia la Ley de
Subcontratación (Ley Nº 20.123) y más tarde se elevó el salario mínimo a $144.000. Así,
durante los últimos años, la legislación laboral ha aumentando su impacto sobre dicho
mercado, centrando el debate en el papel que ésta deba ejercer. Algunos sectores plantean
que esta legislación ha ido aumentando la rigidez del mercado laboral, de manera de que
la forma en que interactúan la oferta y demanda de trabajo ha perdido eficiencia. Existe
un reconocimiento explícito que la legislación, en particular la laboral, es un componente
institucional muy importante en el análisis del comportamiento de este mercado. North
(1990) afirma que las instituciones restringen el conjunto de elección de las personas al
establecer ciertas limitantes a su interacción económica.
Es de esperar que mientras mayor sea la regulación en la legislación laboral, mayor será
el grado de desajuste que acompaña al funcionamiento del mercado del trabajo. Mizala y
Romaguera (2002) revisan la legislación laboral chilena de las últimas décadas y analizan
su impacto sobre el mercado laboral. Este análisis permite concluir que aún no se ha
logrado en Chile una legislación laboral legitimada socialmente y que es necesario
conjugar mayores grados de flexibilidad laboral. ¿Pero cómo podemos medir flexibilidad
laboral? ¿Cuál es la herramienta adecuada?
En los últimos años ha tomado una creciente relevancia en el estudio del mercado del
trabajo la Curva de Beveridge, ya que contiene información esencial sobre el
funcionamiento de éste y de los shocks que le afectan. La curva se define como la
relación de largo plazo entre la tasa de vacantes y de desempleo en una economía y nos
permite evaluar la capacidad de ajuste del mercado del trabajo. Se ocupan los datos de
vacantes y desempleo porque de alguna manera reflejan la demanda y oferta de trabajo.
La curva muestra que coexiste un determinado nivel de vacantes con un cierto nivel de
desempleo, dado que la obtención de un empleo por parte de un trabajador y la cobertura
de una vacante por parte de la empresa requieren de un cierto período de búsqueda, por lo
5
tanto, tiene pendiente negativa y es convexa al origen, además es asintótica a ambas
variables para reflejar el hecho de que aún habiendo muchas vacantes van a haber
desempleados porque el matching nunca los juntará totalmente, y viceversa. La posición
de la curva refleja el grado de desajuste del mercado del trabajo, así, mientras más alejada
del origen de los ejes se encuentre implicará un menor ajuste y para cada nivel de
vacantes habría mayor desempleo. De igual forma, mientras más cerca del origen se
encuentre, el ajuste será mejor, y por lo tanto, más eficiente.
Es así como la curva ha sido utilizada en algunos trabajos como indicador del grado de
eficiencia del mercado del trabajo y para estudiar como afectan a este mercado distintos
tipos de perturbaciones, como los shocks de actividad agregada, shocks sectoriales y
shocks de fuerza laboral. Muchos concluyen luego de observar desplazamientos de la
curva que el mercado laboral ha perdido eficiencia, que la función de matching ha
cambiado, o que las rigideces son un elemento importante en el alza del desempleo, como
se planteó para explicar lo sucedido a los países del OECD en los 60s. El problema es que
en ningún caso se cuenta con un criterio para definir rigidez de manera cuantitativa, sino
que con una lista de síntomas asociados a ella.
En nuestro país, Bellani et al (2002) estimaron una Curva de Beveridge estable,
concluyendo que los shocks que han afectado al mercado laboral han sido de carácter
agregado y no sectoriales, como proponen algunos debido al gran desempleo que se vivió
en los 90s y comienzo de la presente década. De manera interna el Banco Central de
Chile estima una Curva de Beveridge, que en conjunto a otros indicadores, son tomados
en cuenta para la definición de políticas económicas. Pero, ¿es la Curva de Beveridge un
marco teórico y/o empírico adecuado para analizar la eficiencia del mercado laboral o el
ajuste de éste frente a los distintos shocks que lo afectan? Si no lo fuere, ¿qué
implicancias podrían tener la aplicación de dichas políticas?.
En base a lo anterior, este trabajo trata de enfocar una discusión y un análisis crítico de la
Curva de Beveridge y de su uso como herramienta en el estudio del mercado laboral. Una
6
vez que hayamos dominado completamente lo que hay detrás de ella seremos capaces de
obtener conclusiones más definitivas en cuanto a su uso y a lo que nos pueda decir.
Varios aspectos no son tomados en cuenta en los trabajos que usan la Curva de
Beveridge, como por ejemplo los pro y contra de la construcción teórica, o que hay detrás
del hecho de que se relacione vacantes con desempleo y no otras variables. Salvo el
trabajo de Abraham (1987), no profundizan en el estudio del índice que se usa como
proxy de las vacantes, dejando de lado posibles errores estadísticos o muestrales que
pueden llevar a conclusiones erradas. ¿Cuál es la tasa de desempleo adecuada?, etc. Otro
aspecto importante es la discusión sobre quién está detrás del desempleo, o si son los
mismos grupos de trabajadores los que están desempleados con los empleos que son
ofrecidos con los avisos de vacantes en los diarios. ¿Que hay detrás de lo anterior?.
La construcción del Índice de Vacantes para Chile, en base a los anuncios de vacantes de
empleo publicados en distintos periódicos del país, y su uso para obtener la Curva de
Beveridge requiere otra discusión importante. El hecho de que las vacantes publicadas en
los periódicos no son representativas y que la probabilidad de que una misma vacante sea
publicada en un período de tiempo no sea constante junto a otros problemas llevan a que
este índice pueda estar sesgado hacia ciertos tipos de empleos, los cuales pueden no ser
los que presenten un mayor nivel de desempleo.
En la sección II se resume brevemente los trabajos relacionados a la Curva de Beveridge
y sus principales conclusiones. En la sección III se desarrolla el marco teórico con que se
construye la Curva de Beveridge a partir de una función de matching o emparejamiento
que es usualmente utilizada en la literatura, de esta manera, una vez estudiado los
fundamentos de la curva estaremos en condiciones de analizar el sentido de usar dicha
relación. En la sección IV se presenta una discusión completa sobre el uso del índice de
vacantes como proxy de las vacantes, su construcción, sus sesgos y que debiera esperarse
de un buen índice. En lo que sigue se pretende estimar una Curva de Beveridge para la
ciudad de Santiago y el total del país con nuevos datos hasta el año 2007, usando dos
indicadores distintos para la variable vacantes, una es el índice construido por el Banco
7
Central y la otra es una medida alternativa más básica que se desarrolla en este trabajo a
partir de la función de matching teórica, la cual es la tasa de vacantes bruta respecto a la
fuerza laboral V/L (usando los datos de vacantes originales que están sin ajustes). El
objetivo es comparar los resultados que se obtienen al estimar la curva con las distintas
especificaciones de las vacantes.
Si podemos validar teórica y empíricamente la Curva de Beveridge y su uso como
herramienta de análisis del mercado del trabajo, podremos afirmar que la existencia de un
mayor grado de rigidez laboral produce una pérdida de eficiencia en el proceso de
emparejamiento entre los desempleados y las vacantes, reflejándose en una curva más
alejada del origen y desplazada hacia la derecha.
II. Revisión de la literatura
El primero en plantear la relación entre el desempleo y las vacantes de empleo fue el
economista inglés William Beveridge en “Full Employment in a Free Society” (1944),
quien definió esta relación para determinar el grado de redistribución del empleo en el
Reino Unido, y así poder determinar cuan lejos estaba la economía del “pleno empleo”1.
Posteriormente, esta curva ha sido desarrollada teóricamente como una relación de largo
plazo entre ambas variables
Lillien (1982) se basa en el hecho de que la Curva de Beveridge permite distinguir cual es
el origen de las fluctuaciones en el desempleo para argumentar que el aumento a través
del tiempo de la heterogeneidad en las habilidades de la mano de obra y de cambios
sectoriales en el sistema productivo resulta en un creciente mismatch entre vacantes y
desempleados para los EE.UU., al que correspondería a más de la mitad de las
variaciones cíclicas del empleo, generando una relación empírica positiva entre dichas
variables.
1
Definiendo pleno empleo como la situación en que las vacantes superan en todo momento al desempleo.
8
Abraham (1987) plantea los primeros problemas en la construcción de la Curva de
Beveridge al estudiar los problemas muestrales que tiene el índice de vacantes usado en
los Estados Unidos como proxy del nivel de vacantes: el Help-Wanted Index. En su
trabajo describe la construcción del índice y muestra evidencia de como ha cambiado la
relación entre éste y el desempleo. Luego ajusta el índice por los problemas muestrales
encontrados y observa cambios sustanciales en la relación índice-desempleo, por lo que
concluye que la relación subyacente entre desempleo y vacantes cambió. Finalmente trata
de interpretar el porque de los cambios, para lo cual utiliza un modelo en que se relaciona
las vacantes con el desempleo, sin encontrar evidencia concluyente acerca de las fuentes
de dicho cambio.
Jackman y Roper (1987) proponen una definición de desempleo estructural basada en sus
efectos en la tasa de contratación. Comparan esta definición con otras posibles
definiciones y examinan la relación entre desempleo estructural y cambios en la Curva de
Beveridge. Encuentran un creciente mismatch o desajuste en la industria británica durante
los últimos años pero sin que exista un desbalance regional. La evidencia en otros países
también sugiere que un incremento del desajuste es la principal causa del crecimiento del
desempleo.
Más tarde, Jackman, Layard y Pissarides (1989) muestran como datos de vacantes pueden
ser usados para interpretar desarrollos en el mercado laboral. Luego de estimar una Curva
de Beveridge para Gran Bretaña muestran como ella se ha desplazado hacia la derecha
desde mediado de los 60s y como el nivel promedio de vacantes ha caído.
En un trabajo realizado sobre catorce países de la OECD durante los años 1970-1988,
Jackman, Pissarides y Savouri (1990) introducen un modelo del mercado laboral basado
en la relación definida por la Curva de Beveridge, para analizar los aumentos del
desempleo y los efectos de las políticas implementadas para enfrentar estos aumentos
observados en países de la OECD a principio de los 70s, políticas laborales tales como
programas de entrenamiento, subsidios de empleo, etc. Usando este modelo, identifican
9
los principales factores en el cambio de la Curva de Beveridge y encuentran que las
políticas laborales tienen un efecto significante en el desempleo.
Blanchard y Diamond (1989) proponen a la Curva de Beveridge como herramienta
fundamental para el estudio del mercado de trabajo, por sobre la Curva de Phillips, dado
que la relación entre vacantes y desempleo contiene información esencial sobre el
funcionamiento de este mercado y sobre los shocks que lo afectan. A raíz de la evidencia
de Davis y Haltiwanger (1992)2, los autores desarrollan un marco conceptual para pensar
en flujos netos en el proceso de matching y en el efecto de shocks sobre las vacantes y el
desempleo. Los autores estiman la Curva de Beveridge y a partir de ella derivan
trayectorias de largo plazo para concluir que la relación entre vacantes y desempleo es
negativa. También concluyen que si bien los cambios sectoriales no tienen efecto en el
corto plazo, en el mediano y largo plazo van creciendo en importancia, desplazando la
curva hacia fuera. Este trabajo es el punto de referencia de la mayoría de los trabajos
sobre el comportamiento de esta curva, utilizan un modelo estándar de desempleo de
equilibrio desde una perspectiva de flujos laborales, descomponiendo los movimientos de
desempleo y vacantes en la economía estadounidense en términos de tres tipos de shocks:
demanda agregada, reasignación y shocks de población activa. En él se trata de capturar
la importancia de dichos shocks.
Berman (1997), usando un índice de vacantes, estima una función de matching entre
vacantes y desempleo3. Nuevos tests revelan una fuerte evidencia a favor de la existencia
de heterogeneidad en las vacantes y en el desempleo. Las estimaciones implican que la
dinámica del mercado del trabajo absorbe completamente los efectos de los shocks en
apenas dos meses, y que, reducciones en la tasa de contratación pueden explicar el
aumento de un 2,1% en el desempleo entre 1979 y 1990.
Bleakley y Fuhrer (1997) abordan la explicación de los cambios en la Curva de
Beveridge durante los 80s y comienzo de los 90s, y, al igual que Blanchard y Diamond
2
3
Obtienen una medida de turnover para luego trabajar con flujos.
Dado que la ley israelí lleva un registro de las tasas de vacantes, el autor dispone de datos de gran calidad.
10
(1989), la curva no es tratada como una relación económica fundamental. Con un modelo
de matching entre desempleados y vacantes estiman cambios en los flujos del mercado
laboral, encontrando un notable aumento en la eficiencia del proceso agregado de
emparejamiento durante el período estudiado. También observan caídas significativas en
la tasa de crecimiento de la fuerza laboral y en el grado de agitación o churning del
mercado laboral. Estos cambios combinados producen desplazamientos en la Curva de
Beveridge predichos por la teoría. También plantean que parece razonable que cambios
demográficos como el baby boom generation o el aumento de la participación laboral de
la mujer hayan producido desplazamientos de la curva, aunque no calzan temporalmente
con los cambios observados. Sin embargo, no dan una respuesta al por qué y cómo el
desempleo puede hacer un mejor matching con las vacantes y qué es lo que causa la
disminución en el grado de churning.
Dolado y Gómez (1997) utilizan la metodología desarrollada por Blanchard y Diamond
(1989) de los modelos VAR estructurales para analizar y cuantificar el efecto de cada uno
de los shocks de actividad, de reasignación y de población activa como factores
explicativos de la dinámica del desempleo y las vacantes en España, tanto a nivel
agregado como a nivel regional. Encuentran cuatro resultados interesantes. Primero, los
shocks de reasignación y los shocks de actividad agregada explican relativamente la
variabilidad del desempleo en el largo plazo. A su vez, los shocks de reasignación y en
menor medida los de actividad han jugado un papel fundamental en los desplazamientos
de la relación entre vacantes y desempleo a nivel agregado. Segundo, existe una fuerte
heterogeneidad en el comportamiento a nivel regional. Tercero, encuentran una alta
correlación entre el componente de reasignación en la tasa de desempleo y la proporción
de desempleados de larga duración. Finalmente, excepto en la evolución a corto plazo del
desempleo, no encuentran efectos de shocks en la población activa.
Solow (1998) argumenta que la flexibilidad laboral nunca ha sido definida con rigor, pues
simplemente se ha tendido a enumerar las posibles fuentes de rigidez, cuando lo que
realmente se necesita es un indicador agregado de la rigidez del mercado del trabajo que
permitiría analizar los trade-off resultantes de diversas alternativas de política. Para lograr
11
dicho objetivo, Solow propone el uso de la Curva de Beveridge. Esta metodología,
aunque permite realizar comparaciones agregadas del grado de rigidez laboral, llevó a
Solow a concluir que las diferencias en el desempleo entre países desarrollados no están
explicadas por diferencias en la flexibilidad de los mercados de trabajo. A la anterior
conclusión se le puede contraponer un argumento: la flexibilidad del mercado del trabajo
debe relacionarse con la persistencia del desempleo más que con la magnitud que éste
pueda exhibir. El desempleo de corto plazo simplemente refleja las condiciones variables
del mercado, mientras que el desempleo de largo plazo es el que refleja fallas en el
proceso de ajuste de los mercados.
Nickell et al (2001) hacen un análisis empírico del desempleo en los países de la OECD
para el período 1960-1990 estudiando cambios en la Curva de Beveridge, los salarios
reales y directamente las cifras de desempleo en veinte países. El objetivo es ver si dichas
variaciones pueden ser explicados por cambios en las instituciones del mercado laboral,
del cual se espera tengan impacto en el desempleo de equilibrio. Sus resultados muestran
que la Curva de Beveridge de todos los países excepto Suecia y Noruega se desplazaron
hacia la derecha entre los 60s y la primera mitad de los 80s. Luego encuentran dos grupos
de países, los que siguieron desplazándose a la derecha y los que su curva comenzó a
retroceder. También encuentran evidencia de que estos desplazamientos pueden ser
explicados en parte por cambios en la institucionalidad de los mercados laborales, sobre
todo si estos cambios afectan el esfuerzo de búsqueda de empleo y la eficiencia del
matching. Finalmente encuentran que cambios en las instituciones del mercado laboral
pueden explicar cerca del 55 por ciento del aumento del desempleo en Europa durante los
60s y mitad de los 90s.
Wall y Zoega (2002) usan datos de panel para estimar la magnitud y la persistencia de los
cambios de la Curva de Beveridge agregada para Gran Bretaña y diez regiones de ella.
Encuentran que estos cambios coinciden con el ciclo económico más que con cambios
sectoriales o regionales. Esto implicaría que la curva no es una buena herramienta para
separar los efectos de cambios estructurales con aquellos del ciclo económico.
12
En Chile, Bellani et al (2002) estimaron Curvas de Beveridge en las cinco principales
áreas urbanas y para el total del país en el período 1986-2002.II con el objetivo de
determinar las fuentes del desempleo, primero a través de la estimación simple de una
forma log-lineal y luego a través de un vector de cointegración en base a una
especificación que la define. Como la curva se mantiene estable durante el período
observado4 concluyen que los shocks que han afectado al mercado del trabajo son de
carácter agregados, atribuibles al ciclo económico y no shocks sectoriales. Luego con
análisis impulso-respuesta obtienen que innovaciones en las vacantes tienen efecto
permanente en el empleo y que las vacantes lideran en un trimestre al PIB y en dos al
empleo. Para estimar la Curva de Beveridge construyen un índice de vacantes basado en
los avisos de ofrecimientos de empleo recogidos de los diarios de mayor circulación en
cada una de las cinco regiones estudiadas. Para corregir algunos problemas muestrales
mencionados en la literatura construyen tres versiones del índice, sin embargo, aún
existen sesgos asociados a factores no relacionados con el mercado laboral que lo afectan.
En Colombia, Durán y Mora (2006) estiman una Curva de Beveridge para la ciudad de
Popayán usando datos de panel. Este trabajo se diferencia de los otros que estiman la
curva al desagregar las vacantes y el desempleo por áreas de desempeño, lo que
permitiría un seguimiento en el tiempo de las diferentes áreas estudiadas. Muy importante
es la base de datos estadísticos con que disponen los autores de la cual se extraen las
series de vacantes y desempleados por áreas de desempeño laboral la que permite ver
comportamientos cíclicos en algunas actividades y otras más estables. Al estimar una
función de matching encuentran una relación positiva entre la dinámica de las vacantes y
el desempleo, lo que implicaría un valor positivo de la Curva de Beveridge. Los autores
proponen que esto se debería a una recomposición de las actividades económicas.
Caballero en "Specificity and the Macroeconomics of Restructuring" (2007) plantea que
la pendiente negativa de la Curva de Beveridge probablemente no sólo refleje la
importancia relativa de los shocks, sino también, la existencia de un mercado del trabajo
ineficiente.
4
Excepto en dos regiones del sur del país.
13
III. Marco teórico
En un comienzo la Curva de Beveridge, planteada por William Beveridge en 1944, fue
definida como la relación entre el nivel de desempleo y las vacantes de empleo para
determinar el grado de redistribución del empleo en el Reino Unido y así poder
determinar cuan lejos estaba la economía del pleno empleo. Sin embargo, esta relación se
ha desarrollado en el tiempo como aquella construcción teórica de largo plazo entre
ambas variables, entendiéndose por relación de largo plazo aquella situación en que el
desempleo permanece estable, es decir, cuando se igualan sus flujos de entrada y salida.
Finalmente ha sido utilizada para estudiar el estado del mercado laboral y como éste se
ajusta frente a los distintos shocks que lo afectan.
Actualmente, la Curva de Beveridge muestra la relación entre la tasa de desempleo (u) y
la tasa de vacantes (v) con respecto a la fuerza laboral (L) en vez de las cifras absolutas,
ubicando a la primera en el eje horizontal y v en el eje vertical.
Como se observa en la figura 1, la principal característica de la Curva de Beveridge es su
pendiente negativa, intuitivamente, dados los procesos de búsqueda y selección, si existe
un alto número de vacantes se eleva la probabilidad de que un desempleado encuentre un
puesto de trabajo, por lo que el nivel de desempleo será bajo; por otro lado, si el número
de vacantes es bajo, la probabilidad de que un desempleado encuentre trabajo también lo
será, por lo que el nivel de desempleo será alto respecto al caso en que existen muchas
vacantes. También podemos notar en la curva, la existencia simultánea de desempleo y
vacantes, esta se origina por los costos asociados a la obtención de un empleo por parte
de un trabajador y a la cobertura de una vacante por parte de una empresa, porque se
requiere de un cierto período de búsqueda y selección, y por la existencia de información
imperfecta entre las partes. Otra característica importante es el grado de convexidad de la
curva, dado que la probabilidad de encontrar trabajo aumenta menos que
proporcionalmente con el número de vacantes la Curva de Beveridge será convexa
respecto al origen. Además, es asintótica a ambas variables para reflejar el hecho de que
14
aún habiendo muchas vacantes igual van a haber desempleados, porque el matching
nunca los juntará y viceversa.
Figura 1 - Curva de Beveridge.
v
u
La posición sobre la curva nos puede indicar cual es el estado de la economía en el ciclo
económico. Las vacantes se mueven en el mismo sentido que el ciclo, ya que en una
expansión las empresas aumentan la demanda de trabajo abriendo nuevas vacantes,
mientras que en una recesión se ven en la obligación de contraer la producción
disminuyendo el trabajo contratado, por ende la demanda por trabajo y las vacantes
ofrecidas.
Contrariamente, el desempleo se mueve en sentido opuesto al ciclo económico, ya que en
períodos de expansión aumenta la demanda por trabajo, elevando las vacantes ofrecidas y
disminuyendo el desempleo, mientras que en períodos de recesión las empresas
disminuyen su demanda por trabajo aumentando el desempleo.
Si trazamos una recta de 45° sobre el cuadrante u-v (figura 2), se debe cumplir que sobre
los puntos de dicha recta u = v, por lo tanto, en su intersección con la Curva de Beveridge
la tasa de desempleo debe ser igual a la tasa de vacantes, en este caso todo el desempleo
que existe en la economía es friccional o estructural (uf, también se denomina tasa
!
natural de desempleo), el cual se refiere a que aún en pleno empleo debe haber desempleo
porque hay "fricciones" en el funcionamiento del mercado de trabajo, como que siempre
15
será necesario un tiempo para que una persona se traslade de un empleo a otro y en el
transcurso esté desempleada; es decir, no habrá desempleo por problemas en la demanda
o por otras circunstancias. Dichas “fricciones” van desde razones puramente geográficas
hasta desajustes en las habilidades requeridas para un empleo con las ofrecidas por un
postulante.
Así, los períodos de recesión se caracterizarán por un alto nivel de desempleo y una baja
tasa de vacantes, ubicándose en un punto a la derecha de la recta de 45°, en donde la tasa
de desempleo es mayor a la de desempleo estructural.
En cambio, en períodos de expansión se observará una tasa de vacantes alta y un nivel de
desempleo bajo, representado en un punto a la izquierda de la recta de 45°, en este caso
la tasa de desempleo es menor a la de desempleo estructural, por lo que estamos frente a
un caso de “sobrecalentamiento” de la economía (generado por el ciclo) tal como se
muestra en la figura 2. Debemos notar que los desplazamientos a lo largo de la curva son
propios del ciclo económico, teniendo su origen en shocks agregados que afectan por
igual a toda la economía.
Figura 2 – Curva de Beveridge en el ciclo económico.
v
Expansión
u=v
Recesión
45°
uf
u
La posición de la curva con respecto al origen de los ejes refleja la eficiencia en el
proceso de ajuste del mercado laboral. Una curva más alejada del origen, o sea,
desplazada más hacia arriba y a la derecha de éste, muestra para cada nivel de vacantes
16
un mayor nivel de desempleo, y viceversa, para cada nivel de desempleo muestra un
mayor nivel de vacantes sin llenar, haciendo menos eficiente el proceso de reasignación
de la fuerza laboral. Como muestra la figura 3, para un nivel de vacantes dado v y
manteniendo todo lo demás constante, la curva de Beveridge CB tiene asociado un nivel
de desempleo uCB, mientras que la curva CB’ tienen asociado un nivel de desempleo uCB’,
!
donde uCB’ > uCB.
La Curva de Beverdige se deriva de la función matching o “emparejamiento”, definida
como la función generadora de contrataciones para cada nivel de desempleados y
vacantes. Ésta sintetiza la efectividad de la tecnología que empareja a los desempleados
(que por definición están buscando empleo) con las vacantes ofrecidas por las empresas
para llenar sus puestos.
Figura 3 – Posición de la Curva de Beveridge.
v
v
CB’
!
CB
uCB
uCB’
u
Figura 4 – Esquema del modelo de matching.
Movimiento en el
Mercado Laboral
Crecimiento de la
fuerza laboral
Proceso de Matching
Destrucción de empleo
Separaciones
Desempleados
Creación de empleo
Vacantes
Contrataciones
17
La función de matching es representada como:
M = m(U,V )
(1)
donde M es el número de matches o contrataciones, U es el número de trabajadores
!
desempleados y V el número de vacantes. La función es creciente en ambas parámetros,
por lo que MU > 0 y MV > 0; intuitivamente, si el número de trabajadores buscando
empleo y el número de vacantes ofrecidas aumentan, el número de contrataciones
también lo harán porque aumenta la probabilidad de que se encuentren y hagan un buen
match.
Otras restricciones características de la función de matching son m(0,V ) = m(U,0) = 0 y
m(U,V ) " min(U,V ) , donde M es el flujo de contrataciones durante el período, mientras
!
U y V es el stock de cada variable al comienzo del período en modelos de tiempo
!
discreto; o M es la tasa instantánea de emparejamientos y U y V los stocks instantáneos
de desempleo y vacantes en modelos de tiempo continuo; en otras palabras, no puede
ocurrir ninguna contratación sin haber al menos una vacante y un trabajador
desempleado. Finalmente, en ausencia de fricciones M = min(U,V ) en modelos de
tiempo discreto y M " # en modelos de tiempo continuo.
!
La función de matching también nos muestra que, en promedio, un desempleado se
!
empareja con una vacante disponible durante un período de tiempo “unitario” con
probabilidad igual a
m(U,V )
. De igual forma, una vacante es llenada por un
U
desempleado con probabilidad igual a
m(U,V )
. En estado estacionario, el inverso de
V
! es la duración promedio en que un trabajador está desempleado y el
cada probabilidad
tiempo promedio que pasa una vacante hasta que es llenada, respectivamente. Las
!
probabilidades y la duración promedio diferirán en el mercado laboral si es que tanto los
empleos como los trabajadores son heterogéneos, de esta forma, haciendo la probabilidad
m(U,V )
dependiente de características individuales, una función agregada de matching
U
podría ser un útil instrumento para introducir heterogeneidades entre los trabajadores.
!
18
En la literatura generalmente se supone que la función presenta rendimientos constantes a
escala, con lo que las contrataciones variarían proporcionalmente ante cambios en el
desempleo y en las vacantes. Esto punto es bastante discutible, no sólo desde el punto de
vista de la correcta construcción del modelo teórico, si no también, por las implicancias
de política que podría llegar a tener. Esta discusión se desarrollará más adelante para
poder continuar con el desarrollo del marco teórico.
Con el supuesto anterior es posible expresar la ecuación (1) en términos de tasas con
respecto a la fuerza laboral (L), así el número de contrataciones con respecto a la fuerza
laboral van a depender de la tasa de desempleo u y de la tasa de vacantes v:
m=
M
= m(u,v)
L
(2)
A menudo la función de matching se representa en la literatura como una función tipo
!
Cobb-Douglas con rendimientos constantes a escala:
M = AU "V 1#"
(3)
Otros, como Petrongolo y Pissarides (2001) y Romer (2002) la representan como:
!
M = AU " V #
(4)
con 0 " # " 1 y 0 " # " 1, la cual no muestra ningún tipo de rendimientos. Si suponemos
!
rendimientos constantes a escala para poder expresar la función de matching en términos
!
de tasas con respecto a la fuerza laboral, entonces es necesario que se cumpla " + # = 1;
!
en cambio, con rendimientos crecientes a escala (β + γ > 1), aumentar el nivel de
búsqueda hace que el proceso de emparejamiento opere de forma más eficiente puesto
!
que produce más emparejamientos por unidad de factores (desempleados y vacantes);
pero si existen rendimientos decrecientes (β + γ < 1), se presenta un efecto
“aglomeración” en el cuál el nivel de búsqueda no mejora la eficiencia.
19
En ambas ecuaciones ((3) y (4)), A es un parámetro de eficiencia tecnológica de la
función de matching, cambios en dicho parámetro provoca desplazamiento de la Curva
de Beveridge (como en la figura 3), el cual se presume estructural y que refleja la
habilidad del desempleado de emparejarse con vacantes en el proceso de búsqueda y
selección. En la literatura se ha planteado que estos cambios en A pueden deberse a
aumentos o disminuciones en el esfuerzo de búsqueda de un desempleado, en la
efectividad de la misma, en la forma de anunciar las vacantes por parte de las empresas, o
a las características del pool de trabajadores desempleados. También se ha nombrado la
existencia de un efecto de histéresis, en donde el trabajador pierde capacidad para
encontrar un empleo luego de un largo período de desempleo, el cual puede ser causado
por un deterioro en el capital humano del trabajador -Okun (1973), Layard y Bean (1989)
y Pissarides (1992)- la habilidad para buscar empleo -Layard y Nickell (1987)- o una
percepción negativa del desempleado por parte de posibles empleadores -Blanchard y
Diamond (1994).
Manteniendo las otras variables y parámetros de la ecuación (3)
inalteradas, un mayor valor de A llevará a un mayor número de contrataciones por
período, por lo tanto, una mayor eficiencia en el proceso de emparejamiento entre
desempleados y vacantes.
Si suponemos rendimientos constantes en la ecuación (4) u ocupamos directamente la
ecuación (3), podemos expresar la función de matching en términos de logaritmos de la
siguiente forma:
" U % ( " V %)
M
m=
= A$ ' $ '
# L& #L&
L
!
donde u =
ln(m) = ln(A) + " ln(u) + # ln(v)
(4’)
(5)
U
V
y v!
= . Con A y m fijos, la ecuación (5) es la Curva de Beveridge, la que
L
L
muestra una relación negativa entre la tasa de desempleo y la tasa de vacantes.
!
!
20
Partiendo de la ecuación (2), Pissarides (2000) desarrolla el modelo suponiendo tiempo
continuo y que la probabilidad de que un trabajador empleado sea despedido es " . De
esta forma la evolución en el tiempo de la tasa de desempleo será:
!
•
u = "(1# u) # m( u,v )
(6)
de aquí se observa que la tasa de desempleo u crece si la tasa de despidos " es mayor
!
que la tasa de contrataciones, y viceversa. Igualando (6) a cero, para reflejar que en el
estado estacionario la tasa de desempleo es constante, la tasa de despidos y la de
!
!
contrataciones deberán ser iguales, cumpliéndose en el equilibrio:
u* =
1
" # m( u* ,v * )
"
[
]
(7)
La ecuación (7) muestra la relación de largo plazo entre las tasas de vacantes y de
!
desempleo en una economía, que depende de la probabilidad de ser despedido " y de las
contrataciones o matches m( u,v ) . Derivando la tasa de desempleo con respecto a las
vacantes, se obtiene una primera derivada negativa y una segunda positiva, resultando
!
una curva con pendiente negativa y convexa al origen, tal como se mostró en la figura 1.
!
Determinantes de los movimientos de la Curva de Beveridge.
Una vez derivada la Curva de Beveridge a partir de la función de matching el siguiente
paso es determinar como se puede ver afectada la relación entre desempleo y vacantes.
Específicamente, se ha estudiado en la literatura el papel que juegan algunos shocks sobre
el funcionamiento del mercado laboral, y, por lo tanto, sobre la relación que determina la
curva, y se ha tratado de cuantificar la intensidad con que estas perturbaciones la afectan.
Estos son los shocks de actividad agregada (dejando constante la reasignación de factores
productivos en la economía), los shocks de reasignación de factores productivos o shocks
sectoriales (dejando constante, en este caso, la actividad agregada) y, por último, los
shocks de fuerza laboral o de población activa (dejando constante tanto la actividad
21
agregada como la reasignación). Blanchard y Diamond (1989) fueron los primeros en
determinar el papel jugado por estos shocks, utilizan un modelo estándar de desempleo de
equilibrio basado en flujos laborales descomponiendo los movimientos del desempleo y
las vacantes en términos de los tres shocks anteriores. Los shocks de actividad agregada,
los shocks sectoriales y los shocks de fuerza laboral recogen, respectivamente, el efecto
de los ciclos económicos, los cambios en el grado de desajuste que acompaña al
funcionamiento del mercado laboral y, por último, las variaciones bruscas en la fuerza
laboral.
Anteriormente vimos que el ciclo económico produce movimientos del desempleo y
vacantes en direcciones opuestas, estas últimas lo hacen en la misma dirección que el
ciclo mientras el desempleo lo hace en sentido contrario. Pero como son los shocks de
actividad agregada los que dan forma al ciclo económico, la presencia de estos shocks
producen movimientos del desempleo y vacantes en direcciones opuestas, provocando
movimientos sobre la misma curva a lo largo del ciclo. Así, en períodos de expansión
estaremos ubicados en la parte “alta” de la curva y en períodos de recesión nos
ubicaremos en la parte “baja”, tal como se mostró anteriormente en la figura 2, aunque
este análisis gráfico no nos dice nada acerca de la dinámica del movimiento.
Figura 5 – Efecto de shocks de actividad agregada.
A

B
Cuando la economía se enfrenta a un shock agregado negativo las empresas deben
contraer la producción, y, dado que el costo de cancelar una vacante es menor que el
22
costo de despedir a un trabajador, es de esperar que primero caigan las vacantes
ofrecidas por las empresas manteniendo el nivel de empleo o trabajo contratado y luego,
cuando la recesión se profundiza y ya se cancelaron la mayoría de las vacantes (o las
menos necesarias), se empiece a despedir trabajadores aumentando fuertemente el
desempleo (las vacantes siguen disminuyendo pero mucho menos que al comienzo), de
esta forma el paso de un punto como A (expansión) a un punto como B (recesión) es a
través de un arco que se encuentra por debajo de la curva. Luego, cuando desaparece el
shock transitorio y la economía vuelve a un período de expansión, el efecto anterior se
revierte con un aumento de las vacantes y una disminución del desempleo, volviendo
desde B hacia A, pero esta vez a través de un arco ubicado sobre la curva reflejando el
echo de que cuando comienza la recuperación de la economía lo primero que hacen las
empresas es aumentar fuertemente las vacantes, y como debe existir un tiempo de
búsqueda y selección tanto por parte de la empresa como del desempleado, el empleo no
aumenta inmediatamente, luego a medida que pase el tiempo de búsqueda y selección las
vacantes se irán llenando lentamente en un comienzo y fuertemente más tarde,
disminuyendo con ello el desempleo. Por lo tanto, los shocks de actividad agregada de
carácter transitorio tienden a estar relacionados con giros en torno a la Curva de
Beveridge en sentido contrario a las manillas del reloj, como se muestra en la figura 5.
Figura 6 – Efecto de shocks sectoriales.
v
v
•A
• C’
C•
•B
u
u
Los shocks de reasignación de factores productivos o shocks no simétricos entre distintos
sectores de la economía (también conocidos como shocks sectoriales), en cambio,
producen movimientos del desempleo y las vacantes en el mismo sentido, provocando
23
desplazamientos hacia fuera de la curva, por lo que las tasas de equilibrio de desempleo y
vacantes aumentan al mismo tiempo.
En el caso que la economía sufra shocks no simétricos entre los distintos sectores, por
ejemplo, si uno de ellos es afectado por un shock recesivo, disminuye su demanda por
ciertos tipos de trabajadores, por lo que disminuyen las vacantes ofrecidas y aumenta el
desempleo en ese sector (punto B de la figura 6), mientras que el otro sector puede verse
afectado por un shock expansivo, aumentando su demanda por ciertos tipos de
trabajadores, reduciendo el desempleo y aumentando las vacantes ofrecidas (punto A de
la figura 6). En el agregado se observa que se mantiene un mayor nivel de vacantes y
desempleo. En este caso, la capacidad de la economía de generar mayor contrataciones se
reduce (cambios en la función de matching) desplazando la Curva de Beveridge hacia
fuera ubicándonos en C’ en vez de C (figura 6).
Los shocks de reasignación pueden provocar también cambios estructurales en la
economía debido a la pérdida de eficiencia en el proceso de matching entre desempleados
y vacantes, debido, por ejemplo, a un aumento en la dispersión geográfica entre ambas
variables, a una disminución en la intensidad de búsqueda de los trabajadores, etc. Esta
pérdida de eficiencia en la función de matching se ve reflejada en un desplazamiento de
la Curva de Beveridge hacia fuera, o en una disminución de contrataciones (o
emparejamientos) para un mismo nivel de desempleo y vacantes, como se muestra en la
parte derecha de la figura 6.
24
Figura 7 – Efecto de histéresis y shocks de fuerza laboral.
v
v
A•
A•
•E
•E
•D
•D
•B
•B
u
u
Desplazamientos hacia fuera de la curva también se pueden deber a shocks de actividad
agregada (shocks transitorios de demanda) que dan lugar a fenómenos de histéresis, ya
que estos shocks pueden aumentar la duración del desempleo lo cual produce una pérdida
de capital humano y de eficiencia en la búsqueda de empleo por parte de esos
trabajadores desempleados, además, se produce una discriminación por parte de las
empresas sobre aquellos trabajadores que llevan un largo tiempo desemplados. En este
caso, la trayectoria del movimiento no es A-B-A (como en la figura 5), sino que termina
situándose en un punto como D, es decir, a la derecha de A (del gráfico izquierdo de la
figura 7), debido al desplazamiento de la curva posterior al shock. Así, en caso de
histéresis, los shocks de actividad agregada podrían tener efectos permanentes sobre el
desempleo y las vacantes, al igual que los shocks puros de reasignación.
Finalmente están los shocks de fuerza laboral o shocks de oferta de trabajo, son aquellos
que afectan la fuerza laboral pero sin aumentos o disminuciones simultáneas del factor
capital. Como en el gráfico derecho de la figura 7, un shock positivo de fuerza laboral
aumentará inicialmente la tasa de desempleo y disminuirá la tasa de vacantes, dado que el
nivel de éstas permanece fijo por el supuesto anterior sobre el capital, por lo tanto, en el
corto plazo se producirán trayectorias del tipo A-E. A medida que aumente la razón u/v,
aumentará la efectividad del matching, con lo que la tasa de desempleo volverá a
disminuir. A medida que una disminución del desempleo se vaya traduciendo en un
25
incremento de la utilización de la capacidad productiva, aumentará la inversión y con ello
el número de vacantes, induciendo una trayectoria de vuelta desde E hasta A. Así, los
shocks de fuerza laboral no tienen efectos permanentes sobre el desempleo y vacantes,
aunque en el corto plazo tienden a aumentar el número de desempleados.
Rendimientos a escala en la función de matching.
Se mencionó anteriormente, que generalmente en la literatura se utiliza una función de
matching bien comportada con rendimientos constantes a escala, con lo que las
contrataciones variarían proporcionalmente ante cambios en el desempleo y en las
vacantes. Es así como los modelos de búsqueda en el mercado laboral se basan en la
existencia de esta función que describe la tecnología del proceso de formación de empleo
relacionando contrataciones con desempleo y vacantes. Las propiedades del equilibrio de
dichos modelos dependen esencialmente de las características de la tecnología del
matching.
La mayoría de los trabajos que estudian empíricamente funciones de matching agregadas
y la Curva de Beveridge aceptan generalmente la existencia de una función de la forma
log-lineal con retornos constantes a escala y aplican dichas especificaciones en sus
estimaciones, por ejemplo, los trabajos de Pissarides (1986), Layard, Nickell y Jackman
(1991), van Ours (1991), Burda (1993), Berman (1997), Coles y Smith (1998), Anderson
y Burguess (2000), etc., en todos ellos la especificación utilizada encaja bien con los
datos. 5
Pissarides (2000) asume la existencia de retornos constantes a escala argumentando
razones similares a las que se dan al asumirlos en las funciones de producción agregadas:
tiene soporte empírico, plausibilidad y en una economía creciente los retornos constantes
aseguran una tasa constante de desempleo a lo largo de la senda de crecimiento. Similar
razón elude Petrongolo (2001) al afirmar que la suposición de retornos constantes en la
5
Una completa revisión de las especificaciones usadas en la estimación de funciones de matching
agregadas y desagregadas se puede encontrar en Petrongolo y Pissarides (2001).
26
función de matching es crucial para asegurar la unicidad de la tasa de desempleo a lo
largo de la senda de crecimiento de estado estacionario. En cambio, surge un equilibrio
múltiple cuando la función de matching muestra retornos crecientes. En este último caso,
aún políticas temporales pueden sacar a una economía de un nivel ineficiente de
desempleo. Un equilibrio múltiple también puede explicar por qué las economías pueden
estancarse en altos niveles de desempleo aún cuando el shock negativo inicial fuera de
carácter transitorio. Petrongolo estudia la importancia de tener retornos constantes a
escala estimando funciones de riesgo individuales en una muestra de recién
desempleados del Reino Unido. Testea la existencia de dichos retornos revisando si las
probabilidades de reempleo dependen sólo de la estrechez del mercado laboral local o si
también dependen del nivel de fuerza laboral, encontrando que el tamaño del pool de
trabajadores que están buscando empleo no afecta la tasa de matching, lo cual permite no
rechazar la hipótesis de retornos constantes.
Los retornos a escala en las funciones de matching juegan un papel más importante en
modelos con esfuerzos de búsqueda endógenos. En dichos modelos, los retornos a la
búsqueda de cada tipo de agente (trabajador y empleador) dependen de lo que hagan los
otros agentes6. Las externalidades que ocasiona la búsqueda determinan la relación entre
la eficiencia del matching y el tamaño del mercado, por lo tanto, el grado de
homogeneidad de la tecnología del matching. Estos modelos consideran dos tipos de
externalidades generadas por los agentes cuando ellos se incorporan a la búsqueda, una
positiva sobre un agente del otro tipo al aumentar la probabilidad de encontrar un match,
disminuyendo el costo de búsqueda de los otros tipos de agentes, y una externalidad
negativa en agentes del mismo tipo al aumentar el número de competidores para un
mismo match, aumentando el costo de búsqueda para agentes de su tipo7. El efecto neto
de las externalidades puede hacer a la eficiencia del matching independiente del número
de agentes en el mercado, lo que implicaría retornos constantes a escala. En el caso
particular de la función de matching presentada en (1), existe un único nivel de
desempleo y vacantes que iguala los flujos hacia y desde el desempleo. Sin embargo,
6
7
Por ejemplo, encontrar trabajo se hace más difícil cuando hay mucha gente buscando empleo.
La primera externalidad recibe el nombre de thin market y la segunda el de congestión.
27
aumentos en el esfuerzo de búsqueda por parte de un tipo de agente no sólo disminuyen
los costos de búsqueda del otro tipo, sino que llevan también a aumentar sus esfuerzos de
búsqueda, con lo que el matching podría mostrar retornos crecientes a escala.
Otros trabajos han estimado retornos crecientes a escala, aunque estas divergencias son
bastante leves. Blanchard y Diamond (1989) estimaron la siguiente función de matching:
ln( H t ) = " + # ln(U t$1 ) + % ln(Vt$1 ) + &T + 't , no pudiendo rechazar la hipótesis de retornos
constantes
!
a escala ( " + # = 1) cuando lo hicieron usando MICO, pero cuando la
estimaron usando Variables Instrumentales (VI) los retornos a escala aumentaron
ligeramente. Sin embargo, hay que tomar en cuenta que los resultados usando VI son
!
bastante sensibles al instrumento usado, con lo cual concluyen que la función de
matching estimada presenta retornos constantes a escala, o tal vez, ligeros rendimientos
crecientes. Warren (1996) estima retornos a escala usando una especificación translog de
la función de matching, rechazando la hipótesis de retornos constantes a escala a favor de
retornos crecientes. Yashiv (2000) encuentra resultados similares tanto en una función
con especificación translog como en otra log-lineal.
Baker et al (1996) argumentan que las estimaciones existentes no proveen evidencia
convincente en contra de la hipótesis de retornos crecientes en el matching y que hay
muchos problemas en la estimación de funciones de matching que probablemente llevan
a una subestimación de dichos retornos. Como en varios trabajos se supone que el pool
relevante de trabajadores que buscan empleo es proporcional al stock de desempleo, los
autores plantean que esta suposición es una potencial fuente de subestimación de los
retornos a escala. Dado que los que buscan empleo estando empleados (on-the-job
search) son una fracción significativa del flujo de contrataciones y la cual depende del
estado del ciclo económico (en períodos de recesión aumenta el on-the-job search),
puede que dicha medida esté correlacionada con la del desempleo, generando las
subestimaciones encontradas. Usando datos de flujos brutos en Canadá, estiman
funciones de matching para el agregado y cinco regiones, en cada caso, al usar como
variable dependiente las contrataciones fuera del desempleo, encontraron retornos
crecientes a escala, siendo éste el principal resultado de su trabajo. Su argumento teórico
28
para apoyar la hipótesis de rendimientos crecientes se basa en la existencia de dos
economías, las cuales combinando sus stock de desempleados y vacantes determinan un
nivel de contrataciones. Ambas economías son idénticas, pero están físicamente
separadas, con lo que los desempleados de una economía no se pueden emparejar con las
vacantes de la otra, por lo tanto, al doblar el número de desempleados y vacantes, se
doblarán las contrataciones, obteniendo retornos constantes. En cambio, si ambas
economías se pudieran mezclar, y los desempleados de una de ellas pudieran emparejarse
con vacantes de la otra, entonces habría un mayor aumento en el número de matches y,
por lo tanto, retornos crecientes.
En síntesis, dado que la literatura empírica acepta la existencia una función agregada de
matching estable, que satisface las restricciones de una función Cobb-Douglas con
rendimientos constantes a escala en vacantes y desempleo, y cuya especificación es
globalmente bien comportada8, sumado al echo de que retornos constantes aseguran la
existencia de una única tasa de desempleo en la senda de crecimiento de estado
estacionario, permiten concluir que es correcto asumir rendimientos constantes a escala
en la función de matching que da sustento a la Curva de Beveridge como la relación de
equilibrio que iguala los flujos hacia y desde el desempleo.
IV. Índice de vacantes
La Curva de Beveridge es la relación de equilibrio entre vacantes y desempleo. Como
generalmente no hay datos que reflejen la totalidad de las vacantes ofrecidas, se usa como
Proxy un índice de vacantes que contabiliza los avisos de ofrecimientos de puestos de
trabajo publicados en los periódicos de mayor circulación de las mayores zonas urbanas
de un país o región. La gran ventaja de esta metodología es que permite recurrir a una
larga serie solamente recurriendo a los archivos de los periódicos. Sin embargo, como
8
La especificación Cobb-Douglas representa adecuadamente la propiedad de que ningún trabajo puede ser
creado cuando uno de las variables es cero.
29
toda proxy, tiene problemas muestrales y de construcción, los cuales han sido tratados en
la literatura.
El Conference Board de los EE.UU. es el encargado de construir el Help-Wanted Index,
índice que contabiliza los avisos de ofrecimiento de empleo publicados en los periódicos
de las 51 zonas urbanas más importantes de ese país9. Este índice es un stock, ya que
contabiliza el número total de puestos ofrecidos en cada momento del tiempo. Se
construye desde 1964 usándose el mismo procedimiento. Estas series están disponibles en
base mensual desde 1951. El porcentaje del empleo no agrícola cubierto por estas 51
zonas urbanas es de aproximadamente 49%. Para que exista consistencia en la
información suministrada por los periódicos, el Conference Board pide incluir en los
reportes información de vacantes tanto del año como del mes anterior adicional a la
información del mes corriente. El conteo de los avisos es llevado a cabo por cada
periódico, el cual es enviado una vez al mes al Conference Board, quien los ajusta para
tomar en cuenta la diferencia en los días de semana y domingos a través de meses y luego
son ajustados por variaciones estacionales. El conteo de cada ciudad se normaliza con
base 100 a 1987. Finalmente se agregan las cifras usando las ponderaciones de la nómina
de empleos no agrícolas, y se obtiene el National Help-Wanted Index.
Este índice ha sido utilizado por muchos trabajos para la estimación de la Curva de
Beveridge y para el estudio de los shocks que afectan al mercado del trabajo. Algunos de
estos trabajos son: Abraham (1987), Schager (1987), Blanchard y Diamond (1989),
Jackman, Layard y Pissarides (1989), Feve y Langot (1996), Berman (1997), Bleakley y
Fuhrer (1997), Gross (1997), Entfort (1998), Wall y Zoega (2002), Shimer (2005), etc.
Pese a lo anterior, Abraham (1987) realiza un profundo análisis del Help-Wanted Index y
su relación con las vacantes y el desempleo, planteando una serie de problemas en la
construcción del índice, además de cambios estructurales en el mercado laboral y en la
industria de periódicos que lo llevarían a presentar sesgos, estos problemas son:
9
Se contabiliza sólo un periódico por ciudad, para evitar contar una misma vacante publicada en diferentes
periódicos.
30
-
No se toma en cuenta el número de puestos ofrecidos por aviso (si no dice el
número de vacantes, se asume que es una). De esta forma, pesa lo mismo un aviso
que ofrece quince puestos de trabajo a tiempo completo que un aviso que ofrece
un puesto de medio tiempo.
-
La contabilidad de avisos difiere levemente entre los periódicos. Por ejemplo,
algunos periódicos toman en cuenta los avisos publicados por agencias de empleo,
mientras otros no.
-
Trabajos administrativos son más propensos a ser publicados que trabajos de
planta (white-collar vs blue-collar jobs). Por lo tanto, los cambios de la
composición ocupacional en los últimos años pueden haber inducido a cambios en
el Help-Wanted Index.
-
Cambios en las prácticas de anuncio de vacantes por parte de los empleadores se
reflejarían en una mayor disposición a anunciar cualquier puesto vacante a la que
hubieran tenido en el pasado. Estos cambios se deben a una creciente “Equal
Employments Opportunity” (EEO) y “affirmative action pressures” o por alguna
otra razón. El término EEO fue creado por el presidente de los EE.UU. Lyndon
Johnson cuando firmó la Executive Order 11246 para prohibir a contratistas
federales discriminar contra trabajadores en base a la raza, sexo, credo, religión,
color, o nacionalidad. Las “affirmative action pressures” son políticas que
intentan promover el acceso a la educación o al empleo de grupos socio-políticos
históricamente no dominantes (como minorías y mujeres). Su motivación es
reparar los efectos de discriminaciones pasadas y promover instituciones públicas
como universidades, hospitales y fuerzas policiales para que sean más
representativa de la población. Esto es comúnmente alcanzado a través de
programas orientados de entrenamiento, o dando tratos preferenciales a
postulantes de grupos socio-políticos desaventajados y en otros casos a través del
uso de cuotas. Las “affirmative action pressures” tienen un efecto significativo en
las prácticas de personal de los empleadores, incluyendo sus prácticas de
reclutamiento, por lo tanto es probable que éstas y las EEO puedan causar al
menos un incremento en el volumen de avisos de vacantes de empleo, a pesar de
que los gobiernos están más preocupados de apuntar sus esfuerzos a que las
31
firmas contraten a minorías y mujeres a que las empresas publiquen sus vacantes
de empleo en los periódicos. Si bien Abraham no muestra evidencia directa de la
influencia de los EEO y “affirmative action pressures”, si tiene información de
los cambios en las prácticas de anuncio de los empleadores desde fines de los
1960s, a partir de estos datos estima que las prácticas anteriores elevaron el
volumen del índice aproximadamente 10 por ciento entre fines de los 1960 y fines
de los 1970s.
-
Una disminución de la competencia en la industria de periódicos puede haber
causado un aumento en el número de avisos publicados por encima del verdadero
volumen de vacantes, ya que al haber menos competidores, los empleadores
estarían más propensos a avisar la existencia de vacantes en las encuestas.
Una forma alternativa de ver si el índice construido en base a los avisos en los periódicos
son una buena medida del verdadero nivel de vacantes de empleo es comparando el
movimiento de ambas variables durante un mismo período de tiempo. Existen datos de
vacantes de empleo para el estado de Minnesota durante el período 1972 -1981 obtenidos
de una encuesta a empresas.
La figura 8 muestra el movimiento conjunto del Conference Board’s Help-Wanted Index
normalizado (línea discontinua) junto a la tasa de vacantes para Minnesota (línea
continua) entre 1972 y 1981. Ambas parecen moverse bastante juntas a excepción del
final del período, en donde el índice cae en relación a la tasa de vacantes. Como la
encuesta usada para recolectar los datos de vacantes de empleo fue discontinuada en
1981, la discrepancia entre ambas variables al final del período comparado se podría
deber a problemas relacionados con el término de la encuesta más que a problemas con la
serie del índice. Por lo tanto, en base a esta comparación gráfica se sugiere que éste
índice es una buena Proxy de la tasa de vacantes.
32
Figura 8 – Comparación entre el Help-Wanted Index y la Tasa de Vacantes de Empleo para
Minnesota.10
Aún así, el análisis anterior presenta limitaciones:
-
La muestra es de sólo 10 años.
-
La fuerza laboral de Minnesota está compuesta por una menor proporción de
minorías (raza no blanca) que la del país en su totalidad. (1.8% vs. 12% en 1978).
-
No ha habido cambios sustanciales en la participación de mercado de los dos
principales periódicos del área metropolitana Minneapolis-St. Paul, a diferencia
del resto del país.
Como no se podemos basarnos solamente en una observación visual para determinar si el
índice es un buen predictor de las vacantes (a pesar de que su comportamiento es bastante
parecido) Abraham propone un índice ajustado por las 3 principales fuentes de problemas
estructurales que podría presentar el índice original: el “Índice Help-Wanted Ajustado”11.
El índice (normalizado) descrito anteriormente se presenta en la primera columna de la
tabla 1.A del anexo. Los problemas por los que se corrige son posibles cambios
estructurales en la demanda laboral y en la industria de periódicos, ya que pueden alterar
10
Fuente: Abraham (1987)
El objetivo inicial era para poder explicar un posible desplazamiento de la relación vacantes-desempleo
tanto en EEUU como en Europa.
11
33
el volumen de avisos. El factor de ajuste que se utiliza se presenta en la segunda columna
de la tabla, y la serie ajustada aparece en la tercera.
t
El factor es igual a:
3
" " (1+ x
ij
) , donde x ij es el flujo proporcional en el volumen de
j=1 i=1
avisos de vacantes debido al factor i en el período j. Los tres factores de cambios en los
! en la composición ocupacional, cambios en las
anuncios de vacantes son aquellos
!
prácticas de anuncio de vacantes por parte de los empleadores (EEO y “affirmative action
pressures”) y, por último, en la intensidad de la competencia entre los periódicos. Es de
mucha importancia la disminución de la competencia sobre el factor en los 60s y 1980s,
mientras los cambios en las prácticas de los empleadores tiene su mayor influencia en los
70s. Debido a estos ajustes, el índice es deflactado hasta en un 35%.
Si en los 70s fueron los “EEO” y los “affirmative action pressures” los que aumentaron
el nivel de vacantes anunciadas en los periódicos, últimamente los anuncios de vacantes
de empleo por Internet (y otros medios alternativos) han aparecido como un sustituto
cada vez más efectivo del anuncio de vacantes en los periódicos.
Es así como factores que no están relacionados con la demanda de trabajo pueden alterar
el volumen de los anuncios de vacantes en dichos medios de comunicación y el índice de
vacantes construido en base a esos anuncios, por lo que una simple extensión de los
ajustes hechos por Abraham no puede captar con precisión las tendencias en el HelpWanted Index que no están relacionadas con la demanda de trabajo.
Una forma de analizar los efectos anteriores es la que propone Shimer (2005), utilizando
un método de suavización de datos llamado “Filtro de Hodrick-Prescott” (HP), el cual
remueve las fluctuaciones de corto plazo asociadas al ciclo económico, para obtener una
buena estimación del componente de tendencia a largo plazo de una serie. La figura 9
muestra la serie del Help-Wanted Index y su tendencia.
34
Figura 9 – Tendencia del Help-Wanted Index.12
Se observa en la figura que el índice presenta bruscas oscilaciones cíclicas, mostrando
una tendencia al alza hasta 1990 y luego a la baja (tanto en la línea que muestra la
tendencia como en la cima de las oscilaciones) la que se podría asociar a la aparición de
Internet y otros medios de publicación de vacantes alternativo a los periódicos.
Usando el enfoque propuesto por Shimer, Valletta (2005) discute como se puede ajustar
el Help-Wanted Index por los factores no relacionados con la demanda de trabajo que
afectan el nivel del índice, para obtener una mejor medida de los movimientos de corto y
largo plazo de las vacantes de empleo. En un ejercicio similar al realizado por Abraham
(1987), compara el índice de vacantes ajustado con una nueva medida directa de vacantes
abiertas, recolectada por la encuesta JOLTS.13 La figura 10 muestra los valores
mensuales de vacantes abiertas, el índice de vacantes y el índice ajustado por HodrickPrescott. Cuando se remueve la tendencia de largo plazo, el índice de vacantes se ajusta
bastante bien al movimiento de apertura de vacantes medido por la JOLTS.
12
Datos trimestrales. Fuente: Shimer (2004).
Job Openings and Labor Force Turnover Survey (JOLTS), del U.S. Bureau of Labor Statistics (BLS).
Disponible desde Diciembre del 2000. Más información en: http://www.bls.gov/jlt/home.htm
13
35
Figura 10 – Vacantes (JOLTS) y Help-Wanted Index.14
Podemos observar que después de una marcada declinación, el índice se ha mantenido en
un nivel estable desde fines del 2002. La diferencia entre la medida de vacantes de la
JOLTS y el índice está dada por la tendencia a la baja mostrada por el índice en el último
tiempo, mientras que cuando se le es removida la tendencia el índice muestra un
comportamiento bastante similar al de las vacantes, con una pequeña tendencia al alza
desde mediados del 2003. Las evidencias mostradas por Valletta sugieren que el HelpWanted Index es un buen medidor de cambios en las vacantes de empleo, sobre todo
cuando se ajusta por tendencias no relacionadas con la demanda de trabajo.
Sin embargo, la serie de la JOLTS esta disponible sólo desde Diciembre del 2000, cerca
de la cima de la última expansión, lo que limitaría su uso para analizar el ciclo económico
hasta que la serie no incluya por lo menos un ciclo completo.
Índice de vacantes en Chile.
Siguiendo la metodología desarrollada en el trabajo de Bellani et al (2002), el Banco
Central de Chile construye el Índice de Vacantes en base a los avisos de ofrecimiento de
14
Cada serie es normalizada a 100 en Diciembre del 2000 para poder ser comparadas en el tiempo sobre la
misma base. Fuente: Valletta (2005).
36
empleo publicados los domingos en los periódicos más importantes de las cinco zonas
urbanas más pobladas del país, abarcando aproximadamente el 49% de la población total
(Censo 2002). Los periódicos son: El Mercurio de Antofagasta, El Mercurio de
Valparaíso, El Mercurio de Santiago, El Sur de Concepción y Austral de Temuco15. La
contabilización de vacantes considera al número de plazas que fueron ofrecidas en cada
aviso, a excepción de que su número no sea especificado, en cuyo caso se cuenta como si
fuese una. El período muestral va desde 1986 hasta la fecha en frecuencia mensual y
trimestral.
Bellani et al (2002) corrigen el número de vacantes contabilizadas en los periódicos para
considerar problemas tales como que la probabilidad de que un aviso de vacante sea
publicado difiere entre tipos ocupacionales (problemas de representatividad), además de
que dicha probabilidad no es constante en el tiempo. Otro problema es que se deja afuera
a ciertos sectores productivos que no están presentes en zonas urbanas. Para corregir por
lo anterior16:
-
Se excluyen los sectores agrícola y construcción, dado que la publicación de
avisos para estos sectores es bastante irregular.
-
Se ponderan los avisos de vacantes para que se acomoden a la distribución por
categoría y región del empleo, excluyendo a los grupos que generalmente no se
publican en los periódicos (gerentes, obreros, etc.)
Con estas correcciones, los autores de dicho trabajo construyen 3 versiones del índice17:
el primero no presenta modificaciones y los otros dos ajustan la muestra a la distribución
del empleo. Estos son:
15
En el caso de los diarios de provincia se incluyen además los avisos destacados que se encuentren en el
respectivo suplemento.
16
Para correcciones y ponderaciones fueron usados datos de empleo por región y total del país de la
Encuesta Nacional de Empleo y Ocupación del Instituto Nacional de Estadísticas (INE).
17
Bellani et al (2002) estiman Curvas de Beveridge para 5 regiones y para el total del país utilizando las
versiones (9) y (10) del Índice de Vacantes, respectivamente. En la siguiente sección de esta tesis, además,
se corrige la versión (8) del índice y con ella se estima una nueva curva para la ciudad de Santiago y para
Chile.
37
1. El primer índice no está corregido, así, las vacantes en t para cada grupo
ocupacional j son sumadas entre regiones i.
Vt = "Vit = " "Vitj
i
i
(8)
j
2. Las vacantes en t de cada región i son ponderadas por la estructura del empleo
!
según tipos ocupacionales en el momento τ, usado como referencia para luego ser
agregadas para obtener el total del país.
$ V '$ E i '
Vt = "Vit = " "& i#j )& i# )Vitj
i
i
j % Vi# (% E i# (
(9)
3. Finalmente se pondera los índices regionales obtenidos anteriormente por la
!
estructura del empleo entre regiones (los ponderadores son calculados usando
datos promedios anuales, de manera que la base cambia año a año en la serie).
# V &# E &
Vt = )% " (% i" (Vit
i $ Vi" '$ E " '
(10)
Los tres índices presentan una trayectoria similar como lo muestra la correlación simple
!
entre combinaciones de índice (tabla 2.A del anexo). Ninguna correlación es menor a
0,98, lo que implica que la distribución de vacantes entre grupos ocupacionales y
regiones en la muestra es similar a la que tiene el empleo privado (INE) corregido. Por lo
tanto, los autores plantean que los datos de puestos laborales publicados en los periódicos
chilenos son una buena representación de la distribución total de vacantes laborales en la
economía.
Una vez construido el índice, no podemos dejar de estudiar si el hecho de que factores
que no están relacionados con la demanda de trabajo pueden alterar el volumen de los
anuncios de vacantes en dichos medios de comunicación y el índice de vacantes
38
construido en base a esos anuncios, como por ejemplo, el uso de Internet como medio
alternativo de publicación de vacantes.
Usando el filtro HP18 en los datos del índice de vacantes para Chile podemos observar en
la figura 11 que el índice muestra una clara tendencia al alza desde sus inicios hasta el
año 1998 cuando comienza una tendencia a la baja hasta aproximadamente el año 2001,
dicha caída podría deberse a la crisis asiática y sus conocidos efectos sobre el producto,
empleo, etc. A partir del año 2002 el índice muestra una recuperación hasta que se
observa una leve caída a partir del año 2006. Un simple análisis gráfico no nos permite
concluir que la aparición de Internet como sustituto del periódico para publicar vacantes
haya tenido un efecto significativo en el volumen de avisos publicados en este medio de
comunicación escrito. Si es que dicho efecto realmente existió, entonces debió haber sido
neteado por otro que haya producido lo contrario, o sea, aumentar el número de vacantes
publicadas en los periódicos.
Figura 11 – Índice de vacantes (actual y tendencia).
180
160
140
120
100
80
60
40
86
88
90
92
94
Indice Vacantes
96
98
00
02
04
06
Indice Vacantes (tendencia)
Se mencionó en la sección III que las vacantes se mueven en el mismo sentido que el
ciclo económico, ya que en una expansión las empresas aumentan la demanda de trabajo
abriendo nuevas vacantes, mientras que en una recesión contraen su producción a través
18
Para una completa descripción del filtro Hodrick-Prescott ver el Apéndice.
39
de una reducción del trabajo contratado y, seguramente, disminuyendo las vacantes
ofrecidas19.
Por otro lado, cuando ocurren shocks sectoriales y se produce una reasignación de
factores productivos (como el factor trabajo), el sector que enfrentó un shock positivo ve
aumentada su demanda por trabajo abriendo nuevas vacantes y disminuyendo el
desempleo de ese tipo de trabajo. En el otro sector ocurre lo contrario, como es afectado
negativamente, disminuye su demanda por trabajo, se cancelan vacantes y aumenta el
desempleo para ese tipo de trabajo. En suma, aumentan las vacantes en el sector
favorecido pero disminuyen en el otro sector, pero tiende a primar el efecto “destrucción”
de vacantes del sector perjudicado por sobre el efecto “creación” de vacantes del sector
beneficiado ya que la destrucción de empleo (en este caso a través de la cancelación de
vacantes) reacciona de inmediato mientras que la creación (la apertura de nuevas
vacantes) se demora, por lo tanto, al menos en el corto plazo sabemos que las vacantes
disminuyen ante shocks sectoriales. Sin embargo, cuando las empresas deciden publicar
sus avisos de vacantes en los periódicos las están convirtiendo en una variable endógena
ya que pueden estar influyendo otros factores no relacionados con la demanda de trabajo
en la decisión de las empresas de publicarlas20. Así, el índice construido a partir de los
avisos de puestos de empleo en los periódicos también se verá afectado.
Entre los factores que afectan la publicación de una vacante en el periódico se encuentra
el costo de publicación, dicho costo hace que las empresas pequeñas o de escasos
recursos no puedan publicar y tengan que ofrecer sus vacantes a través de otros medios.
Del mismo modo puede afectar el precio de venta de los periódicos en los cuales se
publican las vacantes, ya que si dicho precio es muy elevado las empresas no tendrán
incentivos a publicar vacantes de ocupaciones poco productivas y de bajos salarios
porque seguramente los trabajadores a los que están dirigidos dichos puestos de empleo
no tienen los medios suficientes para comprar sistemáticamente el periódico, en cambio,
19
Sería raro pensar en el caso de una firma que, en plena recesión, disminuya el trabajo contratado, por un
lado, pero aumente su demanda de trabajo abriendo nuevas vacantes, por el otro.
20
La probabilidad de que se publique una vacante en el periódico también será endógena y diferirá entre los
distintos sectores, esto se debe a que no existe coordinación perfecta entre las variables que se están
relacionando.
40
preferirán publicar vacantes de empleos dirigidos a aquellos trabajadores que si tienen los
recursos para buscar empleo a través de los periódicos. Muy relacionado con esto último
está el echo de que, tanto en Chile como en otros países, distintos periódicos están
enfocados a distintos mercados, es así como en nuestro país El Mercurio está dirigido a
un mercado asociado a mayores recursos, mientras que El Rastro o La Cuarta lo están a
estratos más bajos, por lo tanto las empresas decidirán publicar sus vacantes en uno u otro
periódico dependiendo de estrato social al cuál más se asocia el puesto de trabajo que se
ofrece. Otro factor no relacionado con la demanda de trabajo y que afecta el volumen de
vacantes publicadas en los periódicos es la aparición de Internet como medio alternativo
de publicación, el cual ha tenido un gran auge en los últimos años y también, aunque en
menor medida, el resurgimiento de las agencias de empleo. Estos y otros factores
influyen en la decisión de publicar una vacante.
Pero también hay que ver que pasa con esta decisión cuando nos enfrentamos a shocks
agregados y sectoriales. En el caso del ciclo, dado que los shocks son agregados y afectan
por igual a todos los sectores de la economía, parece razonable pensar que el índice se
mueva de la misma forma que las vacantes ya que las empresas enfrentarían decisiones
similares de publicarlas o no en los periódicos. Pero cuando el shock es de carácter
sectorial, se produciría un mismatch entre puestos vacantes y desempleados, por lo tanto
puede que las mismas empresas ya no usen los periódicos para publicar sus vacantes y
buscar trabajadores a través de éstos ya que ahora enfrentan distintas decisiones, con lo
que el índice ya no sería tan adecuado para seguir el comportamiento de las vacantes
frente a shocks sectoriales. De esta forma, el uso del índice para discriminar entre estos
shocks y los de carácter agregado puede ser cuestionable21.
21
Un acercamiento sería estudiar la relación entre una variable que provoca reasignación de factores entre
sectores en una economía y las vacantes, esta variables es el tipo de cambio real, o el precio relativo de los
bienes del país extranjero expresado en términos de bienes locales. Cuando está depreciado (alto) se ve
favorecido el sector transable, en él encontramos actividades económicas como la agricultura, la pesca, la
minería, etc. Cuando está apreciado (bajo) se ve favorecido el sector no transable, como la construcción y
los servicios. Cualquiera sea el caso va a haber una reasignación de factores productivos desde el sector
desfavorecido hacia aquel sector favorecido. Usando funciones impulso-respuesta, ante una innovación en
el tipo de cambio real se podría ver como responden las vacantes, para ver si efectivamente se pueden usar
para discriminar entre shocks agregados o sectoriales.
41
Otro importante tema de discusión para establecer la medida correcta de vacantes que
debiera utilizarse para la estimación de la Curva de Beveridge y de la función de
matching es la relación que debiera existir entre las personas que están desempleadas con
el tipo de ocupación a las que están dirigidas estos ofrecimientos de empleo. El caso de
las vacantes publicadas en los periódicos, con las cuales se construye el Help-Wanted
Index y el Índice de Vacantes en Chile, es claramente una muestra de que dichos
ofrecimientos no siempre están dirigidos a aquellas ocupaciones que presentan una mayor
tasa de desempleo, como es el caso de los empleos menos productivos y con menores
salarios (obreros, jornaleros, etc.) y, en menor medida, a empleos muy productivos con
altos niveles de salario (altos puestos administrativos y gerenciales). Por el contrario,
puede que las vacantes ofrecidas en los periódicos estén en su mayoría dirigidas a
ocupaciones que presentan una baja tasa de desempleo, como el caso de operarios,
empleados de oficina, vendedores, etc., es decir, existe un mismatch entre la información
de sectores incluidos en ambas variables. Esta incompatibilidad entre las ocupaciones que
componen el Índice de Vacantes y aquellas que están detrás del desempleo es un
problema empírico que va más allá del problema de representatividad (dado por que la
probabilidad de que un aviso de vacante sea publicado difiere entre tipos ocupacionales),
ya que si el índice representara fielmente las vacantes ofrecidas en todos los tipos de
ocupación aún podría existir una discrepancia con las ocupaciones que muestran mayores
tasas de desempleo. Esto afecta directamente a la función de matching, puesto que aún
con la mejor tecnología sería imposible emparejar a las vacantes ofrecidas con los
desempleados porque simplemente las habilidades requeridas por una y otra parte no se
los permite.
Este problema tendrá consecuencias al estimar la función de matching o la Curva de
Beveridge. En el primer caso se tenderá a subestimar los rendimientos a escala
(obteniendo incluso rendimientos decrecientes) ya que si se aumenta el número de
vacantes y de desempleados en igual proporción, el número de matches lo hará en menor
medida debido justamente a la incoherencia en la información contenida en cada variable
que hará cada vez más difícil emparejar una vacante con un desempleado. Además se
subestimarán las probabilidades de que un desempleado haga un match con una vacante
42
m(U,V )
U
y que una vacante sea llenada por un desempleado
m(U,V )
, y con ello la
V
duración promedio en que un trabajador se encuentra desempleado y con que una vacante
!
se demora en ser llenada. A su vez, como la capacidad de emparejamiento es menor,
!
habrán mayores niveles de vacantes y desempleados, obteniendo una Curva de Beveridge
más alejada del origen, mostrándonos una economía menos eficiente en su proceso de
ajuste. La magnitud del problema dependerá del grado de incompatibilidad en la
información detrás de cada variable, es de esperar que mientras mayor y más
representativo sea el mercado, menor sea el grado de incoherencia.
Sabiendo que las vacantes publicadas en los periódicos son endógenas y que quienes
buscan empleo a través de los diarios son sólo cierto tipo de trabajadores y no todo el
pool de desempleados (no buscan empleo en los diarios los gerentes, altos cargos
administrativos, médicos, etc.), en el caso que exista un mismatch entre ambos grupos se
buscarán medios alternativos para publicar vacantes por parte de la empresa y para buscar
empleos por parte de los trabajadores desempleados.
Figura 12 – Desempleo por actividad. 22
22
Cifras correspondientes a la Encuesta Nacional del Empleo.
Fuente: INE. Cálculos: Autor.
43
Para la construcción del Índice de Vacantes elaborado por el Banco Central de Chile se
excluyen los sectores agrícolas y construcción, debido a que las vacantes ofrecidas para
dichos sectores productivos no son regularmente publicadas en los periódicos. La figura
12 muestra el peso que tienen los sectores agricultura y construcción en el total de
desempleados. Durante el período analizado, en promedio, un 8% de los desempleados
son del sector agrícola (agricultura, pesca y caza) y un 15% del sector construcción, por
lo tanto, este índice no representa a casi un cuarto de los desempleados, estando sesgado
a aquellos sectores que presentan menores tasas de desempleo que el promedio. Su uso en
estas circunstancias no parece adecuado.
Para volver coherentes a ambas variables existen dos alternativas, la primera es incluir en
el Índice de Vacantes a las sectores que no están incorporados (agrícola y construcción) y
la segunda es excluir del desempleo a estos mismos sectores. En la siguiente sección se
opta por la primera alternativa, ya que el incluir un mayor número de sectores permite
una mejor reasignación del trabajo cuando ocurren shocks sectoriales y de esta forma
podríamos captar de manera más fiel posibles desplazamientos de la curva.
Para tener una medida que refleje de mejor manera el volumen de vacantes de empleo en
el país, sin que presente los sesgos que se observan en le índice de vacantes del Banco
Central de Chile, es necesario elaborar una encuesta a empresas de la misma forma que se
obtienen las cifras de desempleo a través de una encuesta a hogares, de esta forma
estamos obteniendo ambas cifras de manera coherente bajo una misma metodología. Al
tener una medida objetiva del volumen de vacantes a través de una encuesta a empresas,
se podrá luego de un período de tiempo importante (que refleje por lo menos un ciclo
económico entero) comparar el comportamiento del volumen de vacantes de dicha serie
con el comportamiento del Índice de Vacantes que se construye actualmente en Chile. Si
ambas series se comportan igual, recién entonces podremos avalar el uso del índice de
vacantes.
44
Una buena encuesta de empresas es la JOLTS, que recolecta información de vacantes,
contrataciones y separaciones (voluntarias e involuntarias). La definición de “vacantes”
que usa esta encuesta es ideal para nuestro propósito:
(1) existe un puesto específico,
(2) el trabajador puede empezar dentro de los próximos 30 días, y
(3) el empleador esta reclutando activamente fuera del establecimiento.
Es importante recalcar que se deben contar e informar todos los tipos de vacantes,
incluyendo vacantes para empleos de tiempo completo o medio tiempo, trabajos
temporales, etc. Una base importante sería la Encuesta Nacional Industrial Manufacturera
(ENIA) elaborada por el Departamento de Estadísticas Estructurales de Industria del INE.
Esta encuesta es aplicada a los establecimientos manufactureros cuyo tamaño
corresponde a una ocupación de 10 y más personas y que realizaron actividades en un
período igual o superior a un semestre. Como es una encuesta al sector manufacturero
hay un gran número de actividades económicas que quedan fuera, por lo tanto, se puede
usar el mismo sistema de actualización del directorio de los establecimientos industriales
utilizados en la ENIA para incorporar a las otras industrias restantes, tales como los
registros de patentes, registros de contribuyentes del Servicio de Impuestos Internos y
otras informaciones.
V. Estimación de la Curva de Beveridge para Santiago y Chile: 1986.I2007.III
En esta sección se estima una Curva de Beveridge para Chile y para la ciudad de Santiago
durante el período 1986.I-2007.III, para apoyar dichas estimaciones se presentará,
además, la representación gráfica de la relación contemporánea entre desempleo y
vacantes para su análisis visual. Una vez hecho esto, se realizarán tests de cambio
estructural en la relación antes mencionada y se estudiará si ha habido cambios a lo largo
de la curva y/o desplazamientos de ella durante el período muestral. Wall y Zoega (2002)
plantean que “la mayor dificultad al estimar una Curva de Beveridge es que los cambios
45
de la curva en el tiempo son difíciles de detectar no-arbitrariamente porque sólo hay una
observación por período”, por lo que a pesar de que existen técnicas para separar los
cambios a lo largo de la curva de los desplazamientos de la curva, ninguna de ellas es
plenamente satisfactoria. Así, un análisis visual de la relación entre vacantes y desempleo
es empleado en muchos trabajos para analizar el comportamiento de la curva, y será
usado a continuación, para luego contrastarlo con el análisis econométrico.
Como se analizó en la sección anterior, el Índice de Vacantes construido por el Banco
Central de Chile contiene limitaciones en su construcción y, por ello, presenta una serie
de sesgos que limitarían su uso para estimar la curva y sacar conclusiones sobre el
comportamiento del mercado laboral. Por lo tanto, se propone usar una nueva proxy de
las vacantes construida especialmente para este trabajo y luego comparar los resultados
obtenidos al estimar la Curva de Beveridge con el Índice de Vacantes y con éste nuevo
acercamiento, con el objetivo de mostrar que diferentes especificaciones de las variables
usadas para estimar la curva pueden llevarnos a obtener diferentes resultados en el
comportamiento de la relación entre vacantes y desempleo y su ajuste frente a
perturbaciones.
Para la estimación y construcción de la curva se usan datos de empleo, desempleo y
fuerza laboral elaborados por el Instituto Nacional de Estadísticas (INE), los cuales se
encuentran en la base de datos estadísticos del Banco Central de Chile23 y del propio
INE24, se usa además el índice de vacantes elaborado por el mismo banco y disponibles
en su sitio web, y, finalmente, los datos del volumen bruto de vacantes con los que se
elabora dicho índice a partir de los avisos con ofertas de trabajo publicados los domingos
en cinco medios de prensa del país, dichos datos no son de conocimiento público por lo
que fueron conseguidos directamente con la Gerencia de Análisis Macroeconómico del
Banco Central de Chile25.
23
Disponibles: http://si2.bcentral.cl/Basededatoseconomicos/951_421.ASP?cap=040
Disponibles: http://www.ine.cl/canales/chile_estadistico/mercado_del_trabajo/estadisticas_laborales.php
25
A los datos no se les aplica el filtro de HP para la estimación de la curva, éste fue utilizado en la sección
anterior con el objetivo de analizar posibles tendencias en la publicación de vacantes en los periódicos
atribuibles a la influencia de factores no relacionados con la demanda de trabajo que pueden alterar el
volumen de anuncios en los periódicos. Si se aplica el filtro, estaríamos removiendo de las variables las
24
46
El nuevo indicador de las vacantes se construye a partir de los datos del volumen bruto de
ofrecimientos de puestos de empleo publicados en los periódicos, es decir, el número
total de vacantes incluyendo a los sectores agrícola y construcción26. Estos valores son
divididos por la fuerza de trabajo entregada por el INE, obteniéndose una medida
parecida al V/L o v de la función de matching presentada en la sección III cuando
suponemos retornos constantes a escala en ella; este nuevo indicador lo llamaremos en
adelante V/L. La razón para usar este indicador es que se pretende corregir la
!
inconsistencia en el echo de estimar una Curva de Beveridge usando, por una parte, un
índice de vacantes que excluye ciertos sectores de la economía (que pueden llegar a
representar más del 20% de ella) y, por otra, una medida de desempleo que incluye a
todos los sectores, provocando que una parte importante de desempleados nunca haga un
match con una vacante porque dicha vacante no existe. Esta inconsistencia nos puede
llevar a estimar una curva errónea o a detectar comportamientos como desplazamientos y
cambios estructurales que no corresponden.
En la figura 13 se presenta el comportamiento de ambas indicadores durante el período
1986.I-2007.III para Santiago y el total del país, la correlación simple entre el Índice de
Vacantes y V/L es de 0,86 para la ciudad de Santiago y 0,82 para Chile. Podemos ver que
ambos se mueven de manera muy parecida pero difieren en su valor, salvo en los años
1995 y 1996, donde la igualdad se debe a la base utilizada para poder compararlos
directamente. En un principio el Índice de Vacantes subestima a V/L, a partir del año
1995 se revierte la tendencia y sobreestima el valor de V/L. La diferencia en los valores
llega a ser de más de dos puntos porcentuales en los últimos años y de aproximadamente
un punto porcentual en los primeros años de la muestra.
fluctuaciones de corto plazo asociadas al ciclo económico, y con ello, la estimación de la Curva de
Beveridge no captaría algunos movimientos sobre la curva causados justamente por el ciclo.
26
Recordemos que el Índice de Vacantes ajusta estos datos según la información de ocupación por grupo
ocupacional y región que entrega el INE.
47
Figura 13 – Indicadores de vacantes: Índice de Vacantes y (V/L).27
En primer término se estimará la curva para la ciudad de Santiago y para el total del país
usando como indicador de vacantes la medida alternativa construida en este trabajo, es
decir, la razón de vacantes brutas con respecto a la fuerza laboral, o V/L. En el caso de
Chile, como sólo se contabilizan las vacantes publicadas en periódicos de cinco regiones
del país, tanto la fuerza laboral como el volumen de desempleo28 corresponden al
agregado de esas cinco zonas o regiones29. En el caso de Santiago, tanto las vacantes
como la fuerza laboral y los desocupados corresponden a la Región Metropolitana. En
segundo término se repetirá la estimación utilizando ahora como indicador de vacantes el
27
En base 10 = 1995.I. Fuente: Autor.
Con estos valores obtenemos la tasa de desempleo, medida como la razón entre desocupados y la fuerza
laboral (desocupados/L).
29
Estas son: Región Metropolitana, IIª Región de Antofagasta, Vª Región de Valparaíso, VIIIª Región del
Bío-Bío y IXª Región de la Araucanía.
28
48
Índice de Vacantes del Banco Central, para Santiago y el total del país30. En ambos casos,
la estimación de la curva es de la siguiente forma:
logv t = " + # log ut + $t
(11)
donde ut es la tasa de desempleo y v t es el indicador de vacantes. A continuación se
!
grafica la estimación de la ecuación (11), con el valor de la tasa de desempleo en el eje x
!
y la de vacantes en el eje y, las curvas van acompañadas de una línea de tendencia
!
logarítmica.
La figura 14 muestra las Curvas de Beveridge para Santiago y Chile usando como
indicador de vacantes V/L, en ambos gráficos se observa una relación negativa y convexa
al origen entre las variables, tal como supone la teoría, también se advierte que la
mayoría de los desplazamientos sobre la curva se hacen a través de giros en torno a ella
en sentido contrario a las manillas del reloj, implicando que primero reaccionan las
vacantes y luego lo hace el empleo. Ambas curvas parecen estables a lo largo del período
estudiado, lo que implicaría que el mercado laboral no se ha visto afectado por shocks
sectoriales, cambios en la función de matching o efecto histéresis, sino que sólo por
shocks agregados relacionados al ciclo económico.
Estadísticamente, la relación entre las variables es negativa y significativa en ambos
casos. El análisis para evaluar la presencia de cambio estructural a través de los tests de
estabilidad CUSUM y CUSUM CUADRADO31 muestran que durante el año 1992 podría
existir un cambio de estructura ya que en esa fecha los valores calculados superan los
límites de significatividad o se acercan a ellos, para ver si estos cambios son
significativos se realizan tests de Chow los cuales confirman lo anterior32.
30
Para el caso de Santiago se utiliza la versión del índice correspondiente a la ecuación (9), mientras que
para Chile se utiliza la versión de la ecuación (10), al igual que en Bellani et al (2002).
31
En primera instancia, como no sabemos a priori cuando ocurre el quiebre estructural en el modelo, se
usan tests de estabilidad de tipo recursivo.
32
Ver anexos 3 y 4.
49
Figura 14 – Curva de Beveridge para Chile y Santiago (1986.I-2007.III) usando como
indicador de vacantes V/L.
50
El siguiente paso es estimar la Curva de Beveridge usando esta vez como indicador de
vacantes el índice desarrollado en Bellani et al (2002) y construido por el Banco Central
de Chile, para luego comparar los resultados con los obtenidos recientemente. En ambos
gráficos de la figura 15 se observa que la relación es negativa y convexa al origen, pero
ya no es tan claro a simple vista su estabilidad, especialmente en el caso de Chile donde
la curva parece haberse desplazado hacia arriba y la derecha.
Estadísticamente, la relación es negativa y significativa para ambas curvas. Al realizarse
los tests de estabilidad CUSUM y CUSUM CUADRADO encontramos para Santiago la
posible existencia de cambio estructural durante el año 1992 y en menor medida en el año
2002, para el total del país también se observa la posibilidad de un cambio para las
mismas fechas, para comprobar si dichos cambios son significativos se realizan tests de
Chow, confirmando su existencia. En los anexos 3 y 4 se resume los resultados de la
regresión y las pruebas de cambio estructural realizadas a la curva estimada en (11).
El cambio estructural de 1992 podría asociarse con el de 1993 encontrado por otros
trabajos y que reflejaría la fuerte caída en el crecimiento del empleo a partir de esa fecha.
Una explicación del cambio estructural del año 2002 puede ser la persistencia de altas
tasas de desempleo vividas a partir de la crisis asiática y que produjeron un efecto
histéresis, como este efecto no es instantáneo con la aparición del shock agregado, el
cambio debió ocurrir un tiempo después, el tiempo que demore depende de la capacidad
de los trabajadores de retener su capital humano y la eficiencia en el proceso de
búsqueda.
51
Figura 15 - Curva de Beveridge para Chile y Santiago (1986.I - 2007.III) usando como
indicador de vacantes el índice de vacantes del Banco Central.
52
Usando como indicador de vacantes el Índice de Vacantes, Bellani et al (2002)
encuentran que aparentemente la Curva de Beveridge para el agregado del país se ha
mantenido estable, esto se debe en gran parte al peso de la Región Metropolitana sobre el
total, concluyendo a partir de estos resultados que lo shocks que han afectado a la
economía en Santiago y en el promedio del país entre 1986.I y 2002.II han sido de
carácter agregado, respondiendo a las fluctuaciones propias del ciclo económico en vez
de cambios sectoriales, en el sentido de los efectos que tienen éstos sobre el mercado del
trabajo. Sin embargo, los resultados a los que llegan los autores no fueron contrastados
estadísticamente con tests de cambio estructural en la muestra, limitando el análisis sólo a
un carácter visual, por lo que dichos resultados no son del todo concluyentes. Si bien ese
período muestral sólo llega hasta el segundo semestre del año 2002, es posible ver en la
curva para Chile un importante aumento del índice de vacantes en aproximadamente
cuatro puntos a partir del año 2000 para un nivel de desempleo relativamente estable, lo
que podría ser el inicio de un desplazamiento de la curva hacia arriba y la derecha, tal
como el encontrado anteriormente usando como indicador de vacantes el índice del
Banco Central de Chile. De esta forma, no podríamos decir que existen marcadas
diferencias entre lo encontrado en ese trabajo con lo encontrado anteriormente en éste.
Del análisis de las Curvas de Beveridge presentadas en esta sección podemos concluir
que una mala elección, especificación o uso de los datos (en este caso el uso de distintos
indicadores de la variable vacantes) puede llevar a estimar erróneamente la relación entre
vacantes y desempleo, y a partir de esto, podríamos hacer análisis incorrectos del
comportamiento del mercado laboral e implementar equívocamente políticas orientadas a
solucionar los problemas que afectan a este mercado. Por ejemplo, si usamos V/L para
estimar la curva, concluimos que a partir de 1993 el mercado laboral sólo se ha visto
afectado por shocks agregados por lo que sería necesario tomar medidas de política que
vayan orientadas a suavizar el efecto del ciclo económico sobre el desempleo y/o las
vacantes. En cambio, si usamos el índice de vacantes y concluimos que el mercado
laboral ha sufrido una pérdida de eficiencia, por ejemplo a través de un deterioro en la
tecnología del matching provocando un desplazamiento de la curva hacia la derecha,
53
podríamos enfocar las políticas a flexibilizar el mercado laboral, facilitar el acceso a
grupos que quedan fuera o son marginados (mujeres y jóvenes), etc.
Mientras no exista en nuestro país una medida realmente representativa de las vacantes
de empleo y que refleje fielmente su comportamiento, cualquier acercamiento o
estimación de la curva va a estar sujeta a sesgos y distintas interpretaciones.
VI. Conclusiones
Este trabajo presentó la relación entre las vacantes y el desempleo conocida como la
Curva de Beveridge, en honor a su creador William Beveridge. Dicha relación ha tomado
mayor relevancia en el último tiempo al ser utilizada en el estudio del mercado laboral y
de los shocks que enfrenta. Es así como muchos autores la han usado y han tratado de
explicar, a través de ella, como es la capacidad de ajuste en un mercado entre quienes
buscan trabajo y quienes quieren llenar sus puestos vacantes. Los más osados han llegado
a plantear que la posición de esta curva refleja con precisión el grado de rigidez existente
en un mercado laboral, y que el alto persistente desempleo de Europa es entera o
principalmente una cuestión de rigideces en este mercado. Sin embargo, a pesar de que
las grandes economías continentales muestran un desplazamiento de la curva hacia la
derecha a partir de los años 70s, no parecen haber sufrido de una notablemente mayor
rigidez a partir de esta época.
Cuando se estima la curva para Chile, se usa dos especificaciones para la variable
vacantes: una aproximación a la tasa de vacantes con respecto a la fuerza laboral (V/L),
usando directamente el número bruto de vacantes publicadas en los avisos clasificados de
los periódicos de mayor circulación en cada una de las cinco mayores zonas urbanas del
país (estos datos no presentan ningún ajuste) y la fuerza laboral entregada por el INE, la
otra medida es el índice de vacantes construido por el Banco Central de Chile siguiendo
la metodología de Bellani et al (2002), encontrándose que tanto para Santiago como para
el total de país la curva muestra una relación negativa estadísticamente significativa y
54
convexa hacia el origen, tal como predice la teoría, además la relación es estable a partir
del año 1993, por lo que podemos concluir que la curva no se ha desplazado y sólo
presenta movimientos a lo largo de ella, los cuales están relacionados al ciclo económico.
Una segunda estimación usa el Índice de Vacantes construido por el Banco Central como
indicador para dicha variable. En este caso, la relación presenta las mismas propiedades,
es decir, pendiente negativa estadísticamente significativa y convexa al origen, pero en el
caso de la curva estimada para Chile muestra un desplazamiento hacia la derecha y
arriba. Usando tests de estabilidad se detectó un cambio estructural en el año 2002. La
explicación de porque ocurren estos cambios pueden deberse a un empeoramiento de la
tecnología en la función de matching, devolviendo menores cantidades de
emparejamientos para un mismo nivel de vacantes y desempleo, o a un shock sectorial
que afecta negativamente a un sector más de lo que afecta positivamente a otro y que
reasigna los factores productivos (en este caso el trabajo) entre los sectores. Una tercera
opción, y la que podría explicar de mejor manera lo ocurrido en el caso de Chile en el año
2002, es la aparición de un fenómeno de histéresis a partir de shocks de actividad
agregada, en los que la persistencia de altos niveles de desempleo producen una pérdida
de capital humano y de eficiencia en el proceso de búsqueda de empleo en los
trabajadores que se mantienen desempleados por un largo período de tiempo. Por lo
tanto, tenemos dos resultados distintos a partir de dos indicadores distintos de vacantes
pero que provienen de una misma fuente de información, indicándonos por lo menos en
el caso chileno, que los resultados y conclusiones obtenidos de la estimación de una
Curva de Beveridge van a estar muy ligados a como se definen las variables. La
inconsistencia entre ambas estimaciones de este trabajo se debe a los sesgos que provoca
usar una u otra especificación de la variable vacantes basadas en los anuncios de puestos
de empleo en los periódicos, puede que una sea más representativa de todas las
ocupaciones y la otra muestre un mayor ajuste a la verdadera distribución de la
publicación de las vacantes, pero ninguna de ellas refleja el verdadero comportamiento de
ellas.
Es así como un importante problema presente en la literatura empírica, y en este trabajo
como se da cuenta en el párrafo anterior, es como lograr una correcta estimación de la
55
curva. Dado que generalmente no existen datos directos de vacantes de empleos
obtenidos a través de encuestas a empresas, se construye un índice de vacantes en base a
los avisos de vacantes abiertas publicados en los periódicos más importantes de las
mayores zonas urbanas, en EEUU es el Help-Wanted Index y en Chile el Índice de
Vacantes. Pero dicho índice presenta problemas de representatividad ya que no todas las
ocupaciones tienen la misma probabilidad de ser publicadas, y más importante aún,
existen factores que no están relacionados con la demanda de trabajo que alteran el
número de anuncios publicados en estos medios de comunicación llevando a calcular un
índice que no refleja de manera adecuada lo que sucede con el verdadero nivel de
vacantes ofrecidas por las empresas, un ejemplo de ello son los anuncios de vacantes a
través de Internet, que aparecen como el mayor sustituto de los avisos de vacantes
publicados en los periódicos. Mientras no se logre controlar por estos factores, el índice
presentará sesgos que no permitirán reflejar la verdadera evolución de las vacantes, y
llevará a estimar incorrectamente tanto Curvas de Beveridge como funciones de
matching. Para ellos el primer paso es obtener una serie de vacantes obtenidas
directamente de la fuente de ellas, o sea, a través de una encuesta a empresas, tal como en
otros países. Una vez teniendo una serie lo bastantemente larga (por lo menos un ciclo
económico en su totalidad) podremos estimar correctamente una función de matching y la
curva.
La Curva de Beveridge no parece ser una herramienta definitiva para el estudio de la
totalidad del mercado del trabajo ni para analizar completamente los shocks que lo
afectan dado la dinámica que presenta este mercado y la multiplicidad de factores que
influyen en él, que no forman parte de ella y que difícilmente puedan ser abarcados todos
bajo un mismo modelo. Sin embargo, la simplicidad de sus postulados, del desarrollo
teórico y de su estimación la han llevado últimamente a ser muy utilizada ya que aporta
información concreta de como reacciona el mercado laboral frente a ciertos fenómenos.
Para Chile, cualquier estimación que se haga de la curva no será la más concluyente, por
lo menos, hasta que se encuentren disponibles datos de calidad que representen fielmente
la evolución de las vacantes, sin dejar de lado ninguna ocupación y que nos permita
además estimar la función de matching. Finalmente, no sería adecuado usar esta curva
56
como parámetro definitivo de rigidez del mercado si es que no se llega a un consenso
general en la definición de ésta o por lo menos a un acercamiento en ciertos aspectos.
Además, puede que una economía sea más flexible en comparación a otras, pero su
tecnología de emparejamiento, o las fricciones en el mercado hagan que el desempleo y
las vacantes se mantengan en un nivel bastante alto.
57
VII. Bibliografía
-
Abraham,
K.G.
(1987).
“Help-Wanted
Index,
Job
Vacancies,
and
Unemployment”. Brooking Papers on Economic Activity, Vol. 1: 207-248.
-
Anderson, P. y S. Burguess. (2000). “Empirical Matching Functions: Estimation
and Interpretation Using Disaggregate Data”. Review of Economics and Statistics,
Vol. 82: 93-102.
-
Baker, S., S. Hogan y C. Ragan. (1996). “Is There Compelling Evidence Against
Increasing Returns to Matching in the Labour Market?”. Canadian Journal of
Economics, Vol. 29 (4): 976-93.
-
Bellani, D., P. García y E. Pastén. (2002). “Curva de Beveridge, Vacantes y
Desempleo: Chile 1986-2002.II”. Revista Economía Chilena, Vol. 5 (3): 105-119.
-
Berman, E. (1997). “Help-Wanted, Job Hended: Estimates of a Matching
Function from Employment Service Data”. Journal of Labour Economics, Vol. 15
(1): S251-292.
-
Beveridge, W.H. (1944). “Full Employment in a Free Society”. Allen & Unwin,
London.
-
Blanchard, O.J. y P.A. Diamond (1989). “The Beveridge Curve”. Brooking
Papers on Economic Activity, n.1.
-
_________ (1994). “Ranking, Unemployment Duration and Wages”. Review of
Economics Studies, Vol. 61: 417-434.
-
Bleakley, H. y J.C. Fuhrer. (1997). “Shifts in the Beveridge Curve, Job Matching,
and Labor Market Dynamics”. New England Economic Review, Sept: 3-19.
-
Burda, M. (1993). “Unemployment, Labour Markets and Structural Change in
Eastern Europe”. Economic Policy, Vol. 8 (16): 101-137.
-
Burda, M. y C. Wyplosz. (1994). “Gross Worker and Job Flows in Europe”.
European Economic Review, Elsevier, Vol. 38(6): 1287-1315.
-
Burguess, S. (1993). “A Model of Competition Between Unemployed and
Employed Job Searchers: An Application to the Unemployment Outflow Rate in
Britain”. The Economic Journal, Vol. 103 (420): 1190-1204.
58
-
Caballero, R, 2007. “Specificity and the Macroeconomics of Restructuring”. 126131. The MIT Press.
-
Cahuac, P. Y A. Zylberberg. (2004). “Labor Economics”. The MIT Press 2004.
-
Coles, M. y E. Smith. (1996). “Cross-Section Estimation of the Matching
Function: Evidence from England and Wales”. Economica, New Series, Vol. 63
(252): 589-597.
-
Davis, S. y J. Haltinwager. (1992). “Gross Job Creation, Gross Job Destruction,
and Employment Reallocation”. Quarterly Journal of Economics, Vol. 107 (3):
819-863.
-
Dolado, J.J. y R. Gómez. (1997). “La Relación entre Desempleo y Vacantes en
España: Perturbaciones Agregadas y de Reasignación”. Investigaciones
Económicas, Vol. 21 (3): 441-472.
-
Durán, J. y J.J. Mora. (2006). “Una aproximación empírica a la relación entre el
desempleo y las vacantes para Popayán, 2001-2005”. Universidad de AntioquíaLecturas de Economía, Vol. 65: 209-222.
-
Entorf, H. (1998). “Mismatch Explanations of European Unemployment: A
Critical Evaluation”. Springer.
-
Feve, P. y F. Langot. (1996). “Unemployment and the Business Cycle in a Small
Open Economy: G.M.M. Estimation and Testing with French Data”. Journal of
Economic Dynamic and Control, Vol. 20: 1609-1639.
-
Gross, D. M. (1997). “Aggregate Job Matching and Returns to Scale in
Germany”. Economic Letters, Vol. 56 (2): 243-248.
-
Jackman, R., R. Layard y C. Pissarides. (1989). “On Vacancies”. Oxford Bulletin
of Economics and Statistics, Vol. 51 (4): 377-394.
-
Jackman, R., C. Pissarides y S. Savouri. (1990). “Labour Market Policies and
Unemployment in the OECD”. Economic policy, Vol. 5 (2): 449-490
-
Jackman, R. y S. Roper. (1987). “Structural Unemployment”. Oxford Bulletin of
Economics and Statistics, Vol. 49 (1): 9-36.
-
Layard, R. y C. Bean (1989). “Why Does Unemployment Persist?”. Scandinavian
Journal of Economics, Vol. 91: 371-396.
59
-
Layard, R. y S. Nickell (1987). “The Labor Market”, en The Performance of the
British Economy de R. Dornbusch y R. Layard, Oxford University Press.
-
Lillien, D.M. (1982). “Sectorial Shifts and Cyclical Unemployment”. Journal of
Political Economy, Vol. 90 (4):
-
Nickell, S., L. Nunziata, W. Ochel y G. Quintini. (2001). “The Beveridge Curve,
Unemployment and Wages in the OECD from the 1960s to the 1990s”. ISBN.
-
Okun, A.M. (1973). “Upward Mobility in a High-Pressure Economy”. Brooking
Papers on Economic Activity, Vol. 1: 207-252.
-
Petrongolo, B. (2001). “Reemployment Probabilities and Returns To Matching”.
Journal of Labour Economics, Vol. 19 (1): 716-741.
-
Petrongolo, B. y C. Pissarides. (2001). “Looking into the Black Box: A Survey of
the Matching Function”. Journal of Economic Literature, Vol. 39 (2): 390-431.
-
Pissarides, C.A. (1986). “Unemployment and Vacancies in Britain”. Economic
Policy, No. 1: 499 -559.
-
_____________ (1992). “Loss of Skill During Unemployment and the Persistence
of Employment Shocks”. Quarterly Journal of Economics, Vol. 107: 1371-1392.
-
_____________ (2000). “Equilibrium Unemployment Theory”. 2nd Edition. The
MIT Press.
-
Schager, N. (1987). “Unemployment, Vacancies Duration and Wage Increases:
Application of Markov Processes to Labor Market Dynamic”. Research Report
29. Stockholm: Industrial Institute for Economics and Social Research.
-
Shimer, R. (2005). “The Cyclical Behavior of Equilibrium Unemployment
Unemployment and Vacancies¨. The American Economic Review, Vol.95 (1): 2549(25).
-
Solow, R. (1998). “What is Labour-Market Flexibility? What is it Good For?”.
Proceedings of the British Academy, Vol. 97: 189-211.
-
Valletta, R. (2005). “Help-Wanted Advertising and Job Vacancies”. FRBSF
Economic Letter.
-
Van Ours, J.C. (1991). “The Efficiency of the Dutch Labour Market in Matching
Unemployment and Vacancies”. De Economist, Vol. 139 (3): 358-78.
60
-
Wall, H. Y G. Zoega (2002). “The British Beveridge Curve: A Tale of Ten
Regions”. Oxford Bulletin of Economics and Statistics. Forthcoming.
-
Warren, R. (1996). “Returns to Scale in a Matching Model of the Labour
Market”. Economic Letters 50: 135-42.
-
Yashiv, E. (2000). “The Determinants of Equilibrium Unemployment”. American
Economic Review, Vol. 90 (5): 1297-1322.
VIII. Apéndice
Filtro de Hodrick-Prescott
La serie yt para t = 1,2,3...T denota los logaritmos de una serie variable. yt está
conformada por un componente tendencial representado por ! y un componente cíclico
representado por c , tales que yt = ! + c . Dado un valor positivo λ, adecuadamente
escogido, en el cual el componente tendencial será minimizado:
T
T "1
2
[
min % ( y t " # t ) + $% (# Tt +1 " # t ) " (# t " # t"1 )
t=1
!
t= 2
2
]
Según Hodrick y Prescott el componente tendencia de una serie es el que minimiza tal
ecuación.
Siempre:
T
" (y
t
! # t ) = 0 es decir, que la tendencia calculada pasa por el "centro" de la
t =1
serie básica.
El primer término de la ecuación es la suma de las desviaciones de la serie respecto a la
tendencia al cuadrado d t = yt " ! t , y es una medida del grado de ajuste, las cuales
penalizan el componente cíclico. El segundo término es un múltiplo ! de la suma de los
cuadrados de las segundas diferencias de los componentes de tendencia, y es una medida
del grado de suavidad. Este segundo término penaliza variaciones en la tasa de
crecimiento del componente tendencial. Cuanto más grande sea el valor de ! , más alta es
61
la penalidad. La elección de λ es aleatoria, pero Hodrick y Prescott estiman que, para
datos trimestrales, un valor de λ = 1.600 es razonable, bajo el supuesto de que cualquier
perturbación que tiene efectos durante 8 o más años tiene carácter permanente. Para
series mensuales se suele utilizar 14.400 y para series anuales se recomienda un valor
igual a 100. La medida de las fluctuaciones cíclicas está dada por ct = yt " ! t .
IX. Anexos
Anexo 1: Help-Wanted Index Ajustado33
Tabla A.1 – Help-Wanted Index Ajustado
Factor de Ajuste
(1)
(2)
1960
0,9253
1,0000
0,9253
1961
0,8569
1,0116
0,8471
1962
0,9458
1,0232
0,9244
1963
0,9300
1,0352
0,8984
1964
1,0268
1,0472
0,9805
1965
1,2394
1,0593
1,1700
1966
1,4505
1,0648
1,3622
1967
1,3562
1,0703
1,2671
1968
1,4493
1,0758
1,3472
1969
1,5481
1,0814
1,4316
1970
1,1915
1,0869
1,0962
1971
1,0659
1,0964
0,9722
1972
1,2905
1,1058
1,1670
1973
1,5165
1,1154
1,3596
1974
1,3045
1,1476
1,1367
1975
0.9565
1,1807
0,8101
1976
1,1060
1,2135
0,9114
1977
1,3262
1,2473
1,0633
1978
1,5967
1,2821
1,2454
1979
1,6409
1,2919
1,2701
Año
33
Help-Wanted
Help-Wanted Index
Index ajustado
(3)=(1)/(2)
Fuente: Abraham (1987). Todos los índices están normalizados.
62
1980
1,3353
1,3019
1,0257
1981
1,2202
1,3120
0,9300
1982
1,8950
1,3223
0,6769
1983
0,9903
1,3326
0,7431
1984
1,2899
1,3430
0,9605
1985
1,3326
1,3535
0,9846
Anexo 2: Correlaciones34
Tabla A.2 – Correlación simple entre los índices.
Niveles
Primeras Diferencias
Diferencia 12 meses
(8)/(9)
0,99
0,99
1
(9)/(10)
0,99
0,98
0,99
(8)/(10)
0,95
0,96
0,98
Anexo 3: Regresión35
Tabla A.3 – Resultados de la regresión.
Variable dependiente: log V/L
Método de estimación: MICO
Muestra: 1986.I 2007.III
Observaciones: 87
Coeficiente
Error Estándar
Estadígrafo t
Variable
Santiago
Chile
Santiago
Chile
Santiago
Chile
C
3,1484
3,3256
0,1445
0,1635
21,7909
20,3392
Log desempleo
-0,5195
-0,6060
0,0658
0,0746
-7,8997
-8,1274
Variable dependiente: log índice vacantes
Método de estimación: MICO
Muestra: 1986.I 2007.III
Observaciones: 87
Coeficiente
Error Estándar
Estadígrafo t
Variable
Santiago
Chile
Santiago
Chile
Santiago
Chile
C
3,6823
3,4885
0,1846
0,2548
19,9495
13,6925
Log desempleo
-0,7610
-0.6811
0,0840
0,1196
-9,0584
-5,6946
34
Fuente: Bellani et al (2002).
La relación para las submuestras 1986.I – 2001.IV y 2002.I – 2007.III mostradas en la figura 15 también
son estadísticamente significativas.
35
63
Anexo 4: Tests de cambio estructural
Figura A.4.1 – CUSUM.
a. Para Santiago y Chile usando V/L.
b. Para Santiago y Chile usando el índice de vacantes.
Figura A.4.2 –CUSUM CUADRADO.
a. Para Santiago y Chile usando V/L.
b. Para Santiago y Chile usando el índice de vacantes.
64