UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE CIENCIAS MATEMTICAS

E.A.P. DE. ESTADSTICA

Modelos Probit y Tobit aplicados al estudio de la oferta

laboral de los trabajadores secundarios en el Per
Captulo 5. Aplicacin de los modelos Probit y Tobit en la oferta
laboral secundaria en el Per urbano

MONOGRAFA
Para optar el Ttulo de Licenciado en Estadstica

AUTOR
Edgard Abanto Millones

LIMA PER
2003

CAPTULO V
APLICACIN DE LOS MODELOS PROBIT Y TOBIT EN LA
OFERTA LABORAL SECUNDARIA EN EL PER URBANO
5.1. MARCO TERICO
Uno de los principales problemas que tiene toda sociedad es conocer los factores
que influyen para que un individuo en formacin, ama de casa o jubilado opte
por ingresar al mercado laboral. Esta decisin de participar puede ser ajustada a
un modelo el cual considere no slo las variables individuales, sino tambin las
caractersticas familiares.
El aumento de la participacin en la fuerza de trabajo que acompaa a una
expansin econmica puede deberse al ingreso al mercado laboral de personas
que se mantenan inactivas durante la recesin o estancamiento y que vislumbran
un mejoramiento de su salario esperado o potencial. Si el flujo de oferta supera la
creacin de puestos de trabajo, puede haber un aumento del desempleo por el
denominado efecto del trabajador alentado (ETAL).
Puede ocurrir tambin que ante un aumento en los ingresos de los jefes de hogar
(ligado a una expansin de la economa), cierto grupo de trabajadores
secundarios que se encontraban ocupados regresen a la inactividad disminuyendo
la presin sobre la oferta de trabajo y, por consiguiente, haciendo disminuir el
volumen de desempleo.
En perodos de recesin puede ocurrir lo contrario: un grupo de personas
transitando hacia la inactividad por el efecto desaliento y otro grupo saliendo de

la inactividad en busca de ingresos que permitan mantener el nivel de consumo

del hogar. En este caso puede haber aumento del desempleo por el denominado
efecto del trabajador secundario (ETS).
Si bien este grupo incluye a las cnyuges, no se restringe a ellos. El problema
entonces consiste en definir esta categora terica, una interesante definicin de
trabajador secundario o de reserva considera como tal a todas las mujeres y a los
varones menores de 25 aos y aquellas personas mayores de 65 aos. El eje de
esta clasificacin es el conjunto de alternativas disponibles en cuanto al uso del
tiempo. A la tradicional decisin entre trabajo y ocio, las mujeres aaden el
trabajo domstico, los jvenes el estudio y la poblacin mayor, el retiro con algn
ingreso garantizado (jubilacin).
Por otro lado, si se tiene en cuenta que la formulacin de la hiptesis del
trabajador secundario gira en torno a las variaciones del ingreso familiar, resulta
claro plantear que una reduccin transitoria de dicho ingreso puede provenir de
otras fuentes adems del desempleo del jefe.
Ante la prdida del empleo, el jefe de hogar (varn o mujer) cuenta con otras
alternativas adems del desempleo. El empleo a tiempo parcial o el realizado
fuera del sector productivo estructurado, constituyen buenos ejemplos de tales
alternativas. Si la insercin ocupacional se orienta en esa direccin, es probable
que la reduccin del ingreso familiar tenga una duracin ms prolongada que la
provocada por un perodo de desempleo.
El ETS ser pequeo si se toma en cuenta el ciclo de vida, dado que la
disminucin del ingreso familiar que puede ser provocada por el desempleo del

principal aportante resulta despreciable si se la relaciona con el ingreso que

percibe a lo largo de toda la vida.
La reduccin transitoria del ingreso del principal aportante del hogar, aumentar
en primer lugar la oferta laboral de la esposa y con alto riesgo de desempleo a lo
largo de un gran perodo de tiempo y no justamente cuando el jefe est
desempleado.
En suma, son tres las principales razones por las que se puede esperar que la
contraccin de ingresos o desempleo del jefe provoque mayor trabajo de los
trabajadores secundarios:
a) Si el tiempo de ocio de jefes y esposas son sustitutos en la produccin
domstica. La cada en el ingreso laboral de uno de ellos provocada por el
desempleo, disminuir la cantidad de tiempo usado por la esposa y necesario para
generar un determinado nivel de mercancas hogareas.
b) Si hay restricciones de liquidez en la familia o compromisos de consumo fijo,
los cnyuges pueden no tener los recursos que le permitan nivelar el consumo
durante los perodos de desempleo del jefe de hogar, por lo que es probable que
las esposas y dems trabajadores secundarios trabajen ms durante dichos
perodos.
c) Incluso en los modelos de ciclos de vida con mercados de capitales
perfectamente competitivos, habr una respuesta del consumo de tiempo de
actividades no remuneradas tanto de los que pierden el empleo como de los que

lo recuperan, siempre y cuando los eventos lleven informacin acerca de las

perspectivas de vida.
Por ltimo, ya considerada la situacin de la fuerza de trabajo de reserva (no slo
las cnyuges) y la situacin laboral de los jefes de hogar (no slo el desempleo),
resulta importante destacar que la reaccin de los no jefes que interesan en este
trabajo, puede asumir al menos dos formas: a) Trnsitos entre estados (inactivoactivo); y b) modificaciones en la intensidad de la participacin (horas ofrecidas).
Ms especficamente, en lo que sigue se analizar de qu manera los ingresos del
jefe de hogar y las caractersticas del hogar impacta en la decisin de los
trabajadores secundarios en lo que atae a su participacin en el mercado de
trabajo y a su oferta de esfuerzo.
Segn los resultados registrados por la Encuesta Nacional de Hogares en el ao
2001 y mostrados en el cuadro N 1 podemos ver que el nmero de trabajadores
secundarios de sexo femenino representan alrededor del 70 % del total.
Constituido en su mayora por cnyuges. Asimismo, la tasa de desempleo en un
trabajador secundario varn es mayor a la tasa de desempleo de su similar
femenino, esto debido a que las mujeres en muchos casos son amas de casa y no
participan del mercado laboral. Contrario a los varones que en su mayora se
encuentran trabajando o buscando trabajo.

Cuadro N1
Per Urbano: Distribucin de los trabajadores secundarios segn
condicin de actividad y sexo, 2001
Decisin de
participacin
Ocupado
Desocupado
Inactivo
Total relativo
Total absoluto
Tasa de desempleo

Hombre

Mujer

Total

52.4
6.7
40.9
100.0

49.7
5.2
45.1
100.0

50.5
5.7
43.9
100.0

1,666,221

3,907,588

5,573,809

11.4

9.5

10.1

Fuente: Convenio MTPE-INEI. Encuesta Nacional de Hogares, III trimestre 2001

5.2. METODOLOGA Y FUENTE DE DATOS.

Como se mencion al inicio el propsito de la investigacin es analizar la
decisin dicotmica de participar o no en el mercado laboral y medir las horas
ofrecidas al trabajo. Para analizar el primer caso se plantea la utilizacin del
modelo Probit, en base a un conjunto de variables las cuales sern detalladas
lneas abajo.
La formulacin del modelo Probit es la siguiente:
'x

P( y = 1 / x ) = F ( ' x ) =

'x

1
1
exp( t 2 ) dt = (t )dt ,
2
2

donde:
P(y=1/x): es la probabilidad de participar en el mercado laboral.
X : es la matriz de variables consideradas.
: el vector que contiene los parmetros a estimar.

En el caso de la modelacin de la intensidad de la participacin (horas de trabajo)

se ajustar a un modelo Tobit debido a que existe censura en la variable
dependiente.
La informacin utilizada proviene de la Encuesta Nacional de Hogares del III
trimestre del ao 2001 para el mbito urbano del pas y que es ejecutada por el
INEI en convenio con el Ministerio de Trabajo y Promocin del Empleo. De
esta encuesta se tomaron todas las personas mayores de 14 aos que son
trabajadores secundarios constituido por cnyuges, hijos dependientes y
pensionistas miembros del hogar.
La muestra tiene un factor de expansin, lo cual debe considerarse al momento
de obtener estadsticas descriptivas y ajustar a los modelos planteados
El factor de expansin representa el peso relativo de cada encuestado en la
configuracin real de la poblacin; por ejemplo, si se entrevistan a muchas
personas de un determinado lugar y esta cantidad esta cercana a la realidad
poblacional, entonces el factor de expansin para estas personas ser pequeo.
La informacin de la ENAHO del III trimestre del 2001 se encuentra disponible
en la pagina Web del INEI en la seccin Microdatos.

5.3. VARIABLES UTILIZADAS

5.3.1 Variables dependientes
PROBIT

Particip. Participacin del trabajador secundario en el mercado laboral.

Codificacin :
1

Si participa del mercado laboral (empleado o desempleado).

No participa del mercado laboral (inactivo).

Escala nominal: dicotmica

TOBIT
R11h. Horas de trabajo semanales. (variable censurada).
5.3.2. Variables explicativas
Las variables que definen la matriz X y que se usan para explicar la oferta de
trabajo se dividieron en tres grupos: las denominadas principales por la
temtica abordada (jefe empleado con ingresos mayor a S/. 1,643 nuevos soles.);
las que definen las caractersticas individuales de los trabajadores secundarios
(edad, educacin, etc.) y las que definen las caractersticas familiares del hogar
(ingreso familiar, tamao de la familia, etc).
a) Variable principal
1. nr6jef_3. Se la define como dummy que identifica a los trabajadores
secundarios cuyo jefe del hogar se encuentra ocupado con ingresos mayores a
S/. 1,643 nuevos soles.
2. nr6jef_2.

Se la define como dummy que identifica a los trabajadores

secundarios cuyo jefe del hogar se encuentra ocupado con ingresos menores a
S/. 1,643 nuevos soles.

3. nr6jef_1.

Se la define como dummy que identifica a los trabajadores

secundarios cuyo jefe del hogar se encuentra desempleado.

Lo que se intenta probar es que en un hogar encabezado por un jefe con ingresos
mayores a S/.1,643.0 nuevos soles disminuye la probabilidad de participacin de
la fuerza de trabajo secundaria (esposa, hijos y otros familiares). Por ello se espera
que el coeficiente estimado para esta variable tenga signo negativo. Asimismo, su
presencia debera reducir las horas ofrecidas por el trabajador secundario al
mercado laboral.
b) Caractersticas individuales de los trabajadores secundarios
1.

Edad.

Edad en aos cumplidos del trabajador secundario.

Variable cuantitativa continua.

2.

Edad2.

Edad en aos elevada al cuadrada.

Variable cuantitativa continua.

Manteniendo las dems variables constantes, se espera un comportamiento en
forma U invertida. Participacin baja en las edades marginales y alta en las
centrales, donde la baja participacin de los jvenes podra deberse a que este
grupo dedica su tiempo al estudio, mientras que la baja participacin de la
poblacin en las edades ms avanzadas se explicara por el retiro de la actividad
con ingreso garantizados (jubilacin). Para capturar este efecto se incluyen como
regresores el cuadrado.
3.

A_o_estu. Aos de estudio del Trabajador secundario.

Variable cuantitativa continua.

4.

5.

Estudia.

Si el individuo estudia o no.

1 :

Estudia.

0 :

No estudia.

Hijo. Se la define como dummy que identifica a los trabajadores

secundarios que son hijos.

6.

1 :

Es hijo.

0 :

Otros.

Cnyuge. Se la define como dummy que identifica a los trabajadores

secundarios que son cnyuges.

7.

1 :

Es cnyuge del jefe de hogar.

0 :

Otros.

Hijo_est.

Se la define como dummy que identifica a los trabajadores

secundarios hijos que estudian.

8.

1 :

Hijo del jefe de hogar que estudia.

0 :

Otros.

Men5_esp. Se la define como dummy que identifica a los trabajadores

secundarios que son cnyuges con hijos menores de 5 aos.

9.

1 :

Cnyuge del jefe de hogar con hijos menores de 5 aos.

0 :

Otros.

Men5_13. Se la define como dummy que identifica a los trabajadores

secundarios que son cnyuges con hijos entre 5 y 13 aos.

10.

1 :

Cnyuge del jefe de hogar con hijos entre 5 y 13 aos.

0 :

Otros.

Ln_ingresos.

Se define como el logaritmo de los ingresos de los

trabajadores por hora de labor. Esta variable tiene valores que no son conocidos,

por lo tanto, los datos faltantes son imputados utilizando la regresin de

Heckman. Slo se utiliza para explicar las horas ofrecidas al trabajo.
c) Caractersticas familiares
1.

Edu_jefe. Aos de estudio del jefe de hogar

Variable cuantitativa continua.

2.

Tot_nl. Se refiere al ingreso no laboral percibido por la familia

Variable cuantitativa continua.

3.

Ylabres. Se refiere al ingreso laboral del resto de la familia. Sin considerar

al jefe de hogar.

4.

Tamfam. Se refiere al nmero de miembros del hogar.

Variable cuantitativa discreta.

5.

Jefe_hom. Se la define como dummy que identifica a los jefes de hogar

varones de los trabajadores secundarios.

1 :

Hombre.

0 :

Mujer.

5.4. ANLISIS DESCRIPTIVO

Una de las principales razones por las cuales el trabajador secundario participa en
el mercado laboral es la situacin laboral del jefe de hogar, as un hogar con un
jefe desempleado o subempleado genera una reduccin en los ingresos familiares
lo que obliga a los no jefes decidir su participacin o no, para poder mantener
niveles normales de consumo familiar. En el siguiente cuadro podemos ver que la
decisin de participacin es mayor en aquellos casos donde el jefe de hogar se
encuentra desempleado (59 %) y empleado con ingresos menores a S/.1,643
nuevos soles (57 %). Analizando los resultados de la prueba Ji-cuadrado a partir

de las diferencias observadas y las esperadas bajo la hiptesis de independencia

entre la decisin del trabajador secundario de participar o no en el mercado
laboral y la condicin econmica-laboral del jefe de hogar se observa que el nivel
de significanca es menor a 0.05, luego, a un nivel de significancia del 5%, se
rechazar la hiptesis nula. Dado que las diferencias entre lo observado en la
muestra y lo esperado bajo la hiptesis nula son estadsticamente significativas,
no se puede aceptar que la decisin de participar o no del trabajador secundario
es independiente de la situacin laboral del jefe de hogar.

Cuadro N2
Distribucin de los trabajadores secundarios segn su participacin en el
mercado laboral y condicin del jefe de hogar (%)
Jefe de hogar
Decisin de
participacin

desempleado

empleado con ing.

menores / igual a
S/.1643

empleado con ing.

mayores a S/.1643

Total

No participacin
Participacin
Total

40.9
59.1
100.0

42.8
57.2
100.0

54.7
45.3
100.0

43.9
56.1
100.0

Cuadro N3

Chi-Square Tests
Value
Pearson Chi-Square 30223.623a
Likelihood Ratio
29969.557
Linear-by-Linear
22265.579
Association
N of Valid Cases
5573809

2
2

Asymp. Sig.
(2-sided)
.000
.000

.000

df

a. 0 cells (.0%) have expected count less than 5. The

minimum expected count is 178824.8.

Bajo la misma hiptesis de que la decisin de participar de la oferta laboral del

trabajador secundario depende de los recursos econmicos de la familia a la que
pertenece, otra variable considerada importante para explicar nuestro modelo es
el ingreso no laboral de la familia (TOTNL) que concentra ingresos que son
generados por el trabajo remunerado, y pueden ser ingresos por alquiler de casas,
pensin, etc.. En esta variable el promedio y la mediana del ingreso no laboral de
la familia es mayor en el grupo de la fuerza laboral secundaria que no deciden
participar de la oferta laboral. Luego procedemos a verificar la diferencia a travs
del Test de muestras independientes.
Los resultados de la prueba muestran que a un nivel de significancia del 5% la
diferencia entre lo observado de la muestra y lo esperado bajo la hiptesis nula es
estadsticamente significativa, por lo tanto, no se pueden aceptar que los niveles
promedio de ingresos no laborales de la familia son iguales en los grupos de
trabajadores secundarios que deciden o no participar en el mercado de trabajo.
Cuadro N4
Ingreso no laboral familiar segn decisin de participar en el mercado
laboral del trabajador secundario

TOTNL
no participa

participa

Mean
Median
Std. Deviation
Skewness
Kurtosis
N

Valid
Missing

2444261
0
265.07
10.00
729.52
8.696
137.855
3129548
0
161.09
4.33
483.91
10.884
274.503

Valid
Missing

Mean
Median
Std. Deviation
Skewness
Kurtosis

Independent Samples Test

Levene's Test for
Equality of Variances

F
TOTNL

Equal variances
78435.168
assumed
Equal variances
not assumed

Sig.
.000

t-test for Equality of Means

df

201.653

5573807

192.231

4040195

Mean
Difference

Std. Error
Difference

.000

103.98

.52

.000

103.98

.54

Sig. (2-tailed)

Otra variable que influye en la decisin de ingresar en el mercado laboral es la

formacin de capital humano en los trabajadores secundarios, la estructura entre
la decisin de participar o no y si actualmente estudia o no, muestra que de
aquellos que no estudian, el 64.3% participan en el mercado de trabajo, a
diferencia de lo que ocurre con aquellos que estudian donde el 62.9% ha decidido
no participar del mercado laboral. La dependencia de estas variables es
significativa como lo podemos ver en los resultados de la prueba Chi-cuadrado
que concluye a un nivel de significancia del 5%, que las diferencias entre los
valores observados en la muestra y lo esperado bajo la hiptesis nula son
estadsticamente significativas, es decir, se rechaza la hiptesis: que la
probabilidad de la decisin de participar o no del trabajador secundario es

independiente de la situacin de formacin de capital humano del trabajador

secundario.
Cuadro N5
Distribucin de los trabajadores secundarios segn su participacin en el
mercado laboral y educacin del trabajador (%)
Decisin de
participacin
No participacin
Participacin
Total

No estudia

Estudia

Total

35.7
64.3
100.0

62.9
37.1
100.0

43.9
56.1
100.0

Cuadro N 6
Chi-Square Tests

Pearson Chi-Square
Continuity Correctiona
Likelihood Ratio
Fisher's Exact Test
Linear-by-Linear
Association
N of Valid Cases

Value
352360.9b
352359.8
352616.0

352360.9

df
1
1
1

Asymp. Sig.
(2-sided)
.000
.000
.000

Exact Sig.
(2-sided)

Exact Sig.
(1-sided)

.000

5573809
a. Computed only for a 2x2 table
b. 0 cells (.0%) have expected count less than 5. The minimum expected count is
734914.6.

Adems de la decisin de participar, debemos observar las horas de trabajo. En el

cuadro N7 podemos notar las diferencias entre las medias y medianas de las
horas de trabajo, segn condicin econmica-laboral del jefe de hogar. Se puede
notar que existe cierta diferencias en los grupo considerados.
La prueba de la mediana para contrastar la hiptesis nula de que las muestras
proceden de k subpoblaciones en las que la probabilidad de obtener un
resultado menor o igual que la mediana de la variable X sobre toda la poblacin,
es la misma en todas las subpoblaciones. Utilizando esta prueba el p-value

obtenido asociado al estadstico de contraste (p-value=0.00) es menor a 0.05,

luego a un nivel de significancia del 5% se rechaza la hiptesis nula.
Se puede aceptar que la probabilidad de obtener un valor de horas trabajadas a la
semana es menor o igual a la mediana es distinta en cada condicin econmicalaboral del jefe de hogar.
Las horas ofrecidas por los trabajadores secundarios es menor en el grupo con un
jefe de hogar empleado con ingresos mayores de S/. 1,643 nuevos soles.
Contrariamente a lo que ocurre en los hogares con jefe desempleados o
empleados con ingresos menores de S/. 1,643 nuevos soles, donde las horas
ofrecidas al trabajo son mayores.

Cuadro N7
Horas de trabajo semanal (*) segn condicin econmica - laboral del jefe
de hogar

Statistics
Horas normales
Desempleo

Empleados con ingresos

menores de 1643

Empleados con ingresos

mayores de 1643

N
Mean
Median
Std. Deviation
Skewness
Kurtosis
N
Mean
Median
Std. Deviation
Skewness
Kurtosis
N

Valid
Missing

Valid
Missing

Valid
Missing

Mean
Median
Std. Deviation
Skewness
Kurtosis

208988
0
44.47
46.00
25.06
.171
-.762
2370786
0
41.80
42.00
23.76
.332
-.591
233798
0
41.80
40.00
21.13
.434
.104

(*) Slo considera a los trabajadores ocupados

5.5. ANLISIS DEL MODELO PROBIT.

Para el desarrollo del Modelo Probit se utilizara el sofware STATA, el cual
contiene diferentes mdulos para el desarrollo de diferentes tcnicas estadsticas.
Este anlisis se realiza distinguiendo el sexo del trabajador secundario, de tal
manera que se analiza dos ajustes para los hombres y las mujeres.

5.5.1 AJUSTE DEL MODELO DE REGRESIN PROBIT

La estadstica Modelo Chi-Square toma valor igual a 4,311.2 para el grupo de los
hombres y 9,555.03 para el grupo de las mujeres que es igual a la diferencia entre
2 Log Likelihood que contiene slo a la constante y el modelo con las 16
variables explicativas. En este caso, las hiptesis estadsticas son:
H0 :

1 = ..... = 16 = 0.

H1 :

0 para por lo menos un i = 1,...,16.

En este caso el valor crtico es 2(17) (0.10) = 24.77 como se observa ambos
valores son mayores, por tanto se rechaza la hiptesis nula; entonces, los
coeficientes de las 16 variables explicativas del modelo son diferentes de cero.
Para evaluar el ajuste del modelo la hiptesis es:
H0 :

El modelo se ajusta perfectamente

H1 :

El modelo no se ajusta perfectamente

La estadstica se define como:

LR = - 2 [1nL r 1nL ],
y distribuye como una 2(n-p), donde p = k+1, se rechaza la hiptesis nula (H0)
para los grados de libertad mayores de 100, puede utilizarse la expresin
z= 2 x2 - 2 m 1 que sigue una distribucin normal estndar donde m son los
grados de libertad (n-p). Para este trabajo n-p es 4,190 para los hombres y 9,550
para las mujeres.

Los valores z para los hombres es 1.32 y 0.04 para las mujeres. Como se observa
los valores son menores que Z (0.1) = 1.987, por lo tanto no se rechaza la hiptesis
nula; entonces, el modelo se ajusta perfectamente.
5.5.2 PARMETROS ESTIMADOS DEL MODELO
Los parmetros del modelo son:
Cuadro N8

particip
nr6jef_2
nr6jef_3
edu_jefe
jefe_hom
ylabres
totnl
tamfam
edad
edad2
a_o_estu
estudia
hijo
conyugue
hijo_est
men5_esp
men5_13
_cons

Hombres
Coef.
Wald
0.13
-0.10
-0.04
-0.06
0.00
0.00
0.03
0.20
0.00
0.00
-0.73
-0.41
-1.18
0.07
0.80
0.15
-1.68

Mujeres
Coef.
Wald

0.99
0.30
26.26
0.43
0.00
8.73
4.13
76.50
83.61
0.00
19.43
11.00
9.47
0.15
3.67
0.15
24.10

-0.12
-0.39
-0.02
-0.08
0.00
0.00
-0.01
0.13
0.00
0.02
-0.24
0.15
-0.33
-0.38
-0.04
0.03
-1.50

2.06
10.38
6.70
0.86
0.08
9.04
1.04
127.31
133.74
5.31
4.73
2.14
9.63
8.21
0.59
0.24
49.13

Completo
Coef.
Wald
-0.03
-0.29
-0.03
-0.08
0.00
0.00
0.00
0.14
0.00
0.02
-0.37
0.00
-0.62
-0.31
-0.05
-0.02
-1.38

0.22
7.41
26.38
1.78
0.01
15.61
0.01
211.37
226.49
10.02
16.13
0.00
42.00
8.52
1.14
0.09
56.15

ESTADSTICO DE WALD
En cuanto a la prueba de hiptesis para coeficientes individuales, se efecta
mediante la estadstica de WALD.
Las hiptesis son las siguientes:

H0 :

i = 0

H1 :

0 para por lo menos un i = 1,...,16.

Esta estadstica se distribuye como una

2
(1)

si la variable explicativa es

cuantitativa y si la variable explicativa es de tipo categrica, se distribuye como

una 2(C-1), donde C es igual al nmero de categoras que toma la variable; para
nuestro caso C=2, entonces 2(C-1) = 2(2-1), = 2(1).
El valor crtico, al 10% de nivel de significancia, es 2.706, por lo tanto se rechaza
la hiptesis nula si el valor de la estadstica WALD es mayor que el valor crtico
indicado.
Para efectuar la dcima, tomamos los valores que estn debajo de la columna
etiquetada como WALD
En ambos modelos, las variables no significativas son jefe de hogar varn
(Jefe_hom), ingreso laboral del resto de la familia (ylabres), trabajador secundario
que es cnyuge con hijos entre 5 y 13 aos.
Las variables: jefe de familia con ingresos superiores a S/. 1,643 nuevos soles dcimo decil de ingresos-(nr6jef_3), aos de estudios del trabajador secundario
(a_o_estu), trabajador secundario estudiando (hijo_est), no son significativas en
el modelo ajustado para los varones.
Las variables: tamao de la familia (tamfam), trabajador secundario hijo del jefe
de hogar (hijo) y cnyuge con hijos menores de 5 aos (men5_esp) no son
significativas en el modelo ajustado para las mujeres.

AJUSTE DEL MODELO DE REGRESIN PROBIT RETIRANDO

LAS VARIABLES NO SIGNIFICATIVAS
En esta segunda corrida se procede a retirar las variable que no son significativas
en ambos modelos.
La estadstica Modelo Chi-Square toma valor igual a 4,249 para el grupo de los
hombres y 9,5584 para el grupo de las mujeres que es igual a la diferencia entre
2 Log Likelihood que contiene slo a la constante y el modelo con las 13
variables explicativas. En este caso, las hiptesis estadsticas son:
H0 :

1 = ..... = 13 = 0

H1 :

0 para por lo menos un i = 1,...,13.

En este caso el valor crtico es 2(13) (0.10) = 19.81 como se observa ambos
valores son mayores, por tanto se rechaza la hiptesis nula; entonces, los
coeficientes de las 13 variables explicativas del modelo son diferentes de cero.

Para evaluar el ajuste del modelo la hiptesis es:

H0 :

El modelo se ajusta perfectamente

H1 :

El modelo no se ajusta perfectamente

La estadstica se define como:

LR = - 2 [1nL r 1nL ],
y distribuye como un 2(n-p), donde p = k+1, se rechaza la hiptesis nula (H0) para
los grados de libertad mayores de 100, puede utilizarse la expresin
z= 2 x2 2 m 1 que sigue una distribucin normal estndar donde m son los
grados de libertad (n-p). Para este trabajo n-p es 4,193 para los hombres y 9,553
para las mujeres.
Los valores z para los hombres es 0.62 y -1.8 para las mujeres. Como se observa
los valores son menores que Z (0.1) = 1.987, por lo tanto no se rechaza la hiptesis
nula; entonces, el modelo se ajusta perfectamente.
PARMETROS ESTIMADOS DEL MODELO
Los parmetros del modelo son:
Cuadro N9

particip
nr6jef_2
nr6jef_3
edu_jefe
totnl
tamfam
edad
edad2
a_o_estu
estudia
hijo
conyugue
hijo_est
men5_esp
_cons

Hombres
Coef.
Wald
0.1341
-0.1035
-0.0449
-0.0002
0.0294
0.2009
-0.0025
-0.0002
-0.7305
-0.4134
-1.0725
0.0700
0.8330
-1.7110

1.007
0.335
27.821
8.713
3.822
76.855
84.225
0.000
19.690
11.310
10.970
0.162
4.100
24.857

Mujeres
Coef.
Wald
-0.123
-0.383
-0.018
0.000
-0.013
0.132
-0.0016
0.015
-0.242
0.1406
-0.347
-0.379
-0.042
-1.566

2.032
11.109
7.137
8.899
1.162
131.647
139.805
5.437
4.842
1.9117
11.180
8.431
0.625
58.671

Completo
Coef.
Wald
-0.035
-0.291
-0.029
0.000
-0.001
0.140
-0.002
0.019
-0.369
0.0011
-0.645
-0.312
-0.051
-1.424

0.226
8.055
28.986
15.369
0.024
216.234
234.353
10.478
15.916
0.000
51.573
8.860
0.998
62.524

ESTADSTICO DE WALD
En cuanto a la prueba de hiptesis para coeficientes individuales, se efecta
mediante la estadstica de WALD.
Las hiptesis son las siguientes:
H0 :

i = 0.

H1 :

0 para por lo menos un i = 1,...,20.

Esta estadstica se distribuye como una

2
(1)

si la variable explicativa es

cuantitativa y si la variable explicativa es de tipo categrica, se distribuye como

una 2(C-1), donde C es igual al nmero de categoras que toma la variable; para
nuestro caso C=2, entonces 2(C-1) = 2(2-1) = 2(1).
El valor crtico al 10% de nivel de significancia es 2.706, por lo tanto se rechaza
la hiptesis nula si el valor de la estadstica WALD es mayor que el valor crtico
indicado.
Para efectuar la dcima, tomamos los valores que estn debajo de la columna
etiquetada como WALD
Las variables: jefe de familia con ingresos superiores a S/. 1,643 nuevos soles dcimo decil de ingresos-( nr6jef_3), aos de estudios del trabajador secundario
(a_o_estu), trabajador secundario estudiando (hijo_est) no son significativas en el
modelo ajustado para los varones.

 Las variables: tamao de la familia (tamfam) trabajador secundario hijo del jefe
de hogar (hijo) y cnyuge con hijos menores de 5 aos (men5_esp) no son
significativas en el modelo ajustado para las mujeres.

5.6 ANLISIS DE LOS RESULTADOS

El anlisis anterior nos permite tener indicios como las caractersticas familiares
influyen sobre la decisin de oferta laboral del trabajador secundario, los efectos
de cada variable puede ser apreciados en las Tablas N 9. Se muestran all los
coeficientes estimados para la funcin de participacin por sexo cuando la
variable independiente clave es la dicotmica "jefe del hogar con empleo y con
ingresos mayores a S/. 1643 nuevos soles", el coeficiente de esta variable aparece
siempre con signo negativo para ambos sexos y considerando el modelo
completo.
Esto constituye evidencia a favor de la siguiente hiptesis: la participacin del
trabajador secundario es menor en los hogares en los que el ingreso del jefe de
hogar esta por encima de los S/. 1643 nuevos soles.
La menor participacin del trabajador secundario bajo la variable anterior se
haba visto ya en la exploracin descriptiva, pero a diferencia de aqulla, se
aprecia ahora que el efecto se mantiene an controlando el conjunto de variables
explicativas de la participacin incluidas en el modelo.

Adems de lo antes dicho, puede verse que la probabilidad de participacin de la

fuerza laboral secundaria est relacionada inversamente con ser el cnyuge del
jefe de hogar y, siendo esposa, el tener a cargo hijos menores de 5 aos de edad,
el estar estudiando, pertenecer a un hogar con mayores ingresos, el ser mujer en
un hogar de mayor tamao familiar. Por el contrario, afectan positivamente la
probabilidad de participacin en la actividad econmica remunerada la edad, en
el caso de los varones adems el tamao de la familia, influye, el ser hijo y estar
estudiando (a la vez), y tener nios menores de 5 aos, por el contrario en las
mujeres el tener mayor aos de estudios y el ser hija del jefe.
EFECTOS MARGINALES
El cuadro N 10 proporciona informacin acerca de los efectos marginales en los
indicadores de oferta de trabajo, provocados por los ingresos del jefe de hogar,
como se aprecia un jefe de hogar con ingresos mayores a S/. 1643 nuevos soles
reduce en 4 % la probabilidad de que el trabajador secundario varn decida
trabajar y 15% en el caso de las mujeres.
Por otro lado, la edad del trabajador secundario incrementa en 5% la
probabilidad de ingresar al mercado laboral, en el caso de los varones la
incidencia de esta caracterstica es mayor al de las mujeres.
En el caso de ser cnyuge hombre con hijos menores de 5 aos incrementa 25%
la probabilidad de participar en el mercado laboral, mientras que en el caso de las
mujeres la reduce en 1.6 %.

Cuadro N10
Efectos marginales de la funcin probit
dF/dx
particip

Hombres

Mujer

Total

nr6jef_2*

0.05203

-0.04866

-0.01370

nr6jef_3*

-0.04015

-0.15180

-0.11542

edu_jefe

-0.01725

-0.00705

-0.01144

totnl

-0.00007

-0.00005

-0.00005

tamfam

0.01126

-0.00523

-0.00057

edad
edad2

0.07710
-0.00095

0.05223
-0.00062

0.05509
-0.00067

a_o_estu

-0.00007

0.00612

0.00755

estudia*

-0.27505

-0.09622

-0.14585

hijo*

-0.15147

0.05550

0.00043

conyugue*
hijo_est*

-0.39861
0.02682

-0.13636
-0.15034

-0.25169
-0.12367

men5_esp*

0.25877

-0.01648

-0.02015

5.7 ANLISIS DE MODELO TOBIT

Para el desarrollo del Modelo Tobit se utilizar el sofware STATA, el cual
contiene diferentes mdulos para el desarrollo de este y otros modelos para
regresiones con datos censurados y truncados.
Ecuacin salarial3. Antes de analizar las horas de trabajo a la semana ofrecidas
por un trabajador secundario, se considera que slo se dispone de datos para
aquellos que trabajan. En estos casos se tiene una muestra no elegida
aleatoriamente. Por lo tanto, de la ecuacin salarial con dicha muestra no se
puede inferir el ingreso o costo de oportunidad para toda la poblacin. Esto es lo
que se conoce como sesgo de seleccin.
Heckman1 propone un procedimiento en dos etapas para identificar y especificar
el sesgo de seleccin. En la primera etapa se estima la ecuacin de ingresos
mediante el modelo Probit y se obtienen las estimaciones que permiten construir
el ratio inverso de Mill que representa el sesgo de seleccin. En la segunda etapa
se estima la ecuacin por MCO incluyendo el ratio de inversa de Mills.
Una vez que estimamos los parmetros del modelo de regresin para los ingresos
se estiman los valores de la variable independiente ingresos la cual es utilizada
para explicar las horas de trabajo semanales.

Ver anexo N 2.
En 1976 J. Heckman, The Common Structure of Statistical Model of Truncation, Sample Selection, and
Limited Dependent Variables and a Simple Estimator for Such Models, Annals of Economics and Social
Measurement, propone un sencillo mtodo de dos pasos que soluciona estos problemas.
1

Horas de trabajo semanal. Calculado el salario que los individuos pueden

percibir de acuerdo a sus caractersticas procedemos estimar las horas semanales
mediante el modelo de datos censurados Tobit.
El anlisis anterior ha permitido conocer como influye el ingreso del jefe de
hogar en la decisin de participar los trabajadores secundarios. En la presente
seccin se analiza las horas de trabajo semanal ofrecidas por fuerza laboral
secundaria al trabajo remunerado.
En la tabla N12 se muestra los coeficientes estimados para la ecuacin de oferta
laboral cuando la variable dependiente es el nmero de horas semanales
trabajadas para el mercado por el trabajador secundario.
5.7.1 AJUSTE DEL MODELO DE REGRESIN TOBIT
La estadstica Modelo Chi-Square toma valor igual a 1,114.39 para el grupo de los
hombres y 1,492.27 para el grupo de las mujeres que es igual a la diferencia entre
2 Log Likelihood que contiene slo a la constante y el modelo con las 15
variables explicativas. En este caso, las hiptesis estadsticas son:
H0 :

1 = ..... = 15 = 0

H1 :

0 para por lo menos un i = 1,...,15

En este caso el valor crtico es 2(15) (0.10) = 22.31 como se observa ambos
valores son mayores, por tanto se rechaza la hiptesis nula; entonces, por lo
menos un coeficientes de las 15 variables explicativas del modelo son diferentes
de cero.

ESTADSTICO DE WALD
En cuanto a la prueba de hiptesis para coeficientes individuales, se efecta
mediante la estadstica Chi cuadrado.
Las hiptesis son las siguientes:
H0 :

i = 0.

H1 :

0 i = 1,...,15.

Esta estadstica se distribuye como una

2
(1)

si la variable explicativa es

cuantitativa. El valor crtico al 10% de nivel de significancia es 2.706, por lo tanto

se rechaza la hiptesis nula si el valor de la estadstica WALD es mayor que el
valor crtico indicado.
Para efectuar la dcima, tomamos los valores que estn debajo de la columna
etiquetada como WALD.

Los parmetros del modelo son:

Cuadro N11

Horas de
trabajo
ln_ingresos
nr6jef_2
nr6jef_3
edu_jefe
totnl
tamfam
edad
edad2
a_o_estu
estudia
hijo
conyugue
hijo_est
men5_esp
_cons

Hombres
Coef.

Mujeres
Wald

18.0
5.4
2.0
-1.0
0.0
0.8
4.0
0.0
-1.5
-9.0
-0.3
-11.4
-10.6
4.8
-51.4

244,316.8
1,862.7
150.1
16,251.3
8,771.3
3,589.9
33,313.2
36,414.8
10,915.5
3,195.7
7.8
1,489.3
3,937.9
176.3
21,146.5

Coef.

Completo
Wald

19.8
-2.5
-13.3
-1.1
0.0
-0.2
2.5
0.0
-1.2
-5.5
6.4
-4.4
-11.0
-1.0
-31.1

608,920.5
770.0
12,738.2
25,081.9
7,273.2
290.8
33,119.2
40,495.9
24,780.4
1,326.0
2,967.3
1,062.6
4,015.7
217.1
15,654.4

Coef.

Wald
19.6
0.0
-9.0
-1.2
0.0
0.2
2.7
0.0
-1.2
-7.3
3.5
-10.1
-12.0
-1.0
-33.4

918,987.5
0.0
8,684.4
46,667.8
13,982.6
271.7
59,486.9
71,198.5
32,652.5
4,386.7
1,852.9
9,593.0
9,337.7
245.3
27,501.3

5.8 ANLISIS DE LOS RESULTADOS

Se estiman dos modelos para el trabajador secundario segn el sexo del
trabajador.
La variable salario imputado, que refleja el costo de oportunidad, es
estadsticamente significativa y presenta signo positivo, mientras mayor es el
ingreso que puede obtener un trabajador secundario estar dispuesto a trabajar
ms horas.

Se observa tambin que el coeficiente de la variable jefe del hogar con empleo y
con ingresos mayor a S/.1643 nuevos soles aparece con signo negativo y
significativo en el caso de las mujeres. Si se observan estos resultados con los
obtenidos para la participacin de la poblacin en la actividad econmica, se
deduce que un jefe de hogar con ingresos altos no slo retiene a los trabajadores
en la inactividad sino que tambin reduce la oferta de trabajo, medida en horas.
Asimismo, la variable edad influye de manera positiva a la decisin de trabajar
ms horas a la semana. El ser cnyuge con nios menores de 5 aos incide
incrementando las horas de trabajo semanal para los hombres, mientras que para
las mujeres reduce la decisin de trabajar ms.
EFECTOS MARGINALES
El siguiente cuadro proporciona informacin acerca de los efectos marginales de
las variables independientes sobre las horas ofrecidas al trabajo. El ingreso o
costo de oportunidad incide con mayor importancia, as por cada unidad en el
logaritmo de los ingresos el nmero de horas laboradas puede variar en 10 horas
para los hombres y para las mujeres. Por otro lado, un hogar con jefe de hogar
con ingresos por encima de los S/. 1643.0 nuevos soles puede incrementar en los
varones una hora ofrecida al trabajo, mientras que se reduce 6 horas en el caso de
las mujeres.
La edad del trabajador secundario incrementa el nmero de horas ofrecidas al
trabajo aproximadamente 2 en el caso de los hombres y 1 en las mujeres. En el
caso de ser cnyuge hombre con hijos menores de 5 aos las horas ofrecidas al

trabajo se incrementan, aproximadamente, en 3 mientras que en las mujeres se

reduce casi media hora.

Cuadro N11
Efectos marginales de la funcin Tobit
dF/dx
particip
ln_ingresos

Hombres

Mujer

Total

10.19578

10.0308

10.2473

nr6jef_2

2.95304

-1.2829

-0.0021

nr6jef_3

1.17053

-6.0494

-4.3680

edu_jefe

-0.57639

-0.5655

-0.6054

totnl

-0.00347

-0.0021

-0.0024

tamfam
edad

0.47855
2.27582

-0.1105
1.2630

0.0829
1.4332

edad2

-0.02756

-0.0157

-0.0178

a_o_estu

-0.85154

-0.6279

-0.6248

estudia

-5.06012

-2.6824

-3.7193

hijo
conyugue

-0.16722
-5.73809

3.3415
-2.2262

1.8134
-5.1872

hijo_est

-5.91157

-5.2098

-5.9053

men5_esp

2.846781

-0.4844

-0.4940