Incidencia de los años

de escolaridad en la
ocupación plena de
las provincias del
Ecuador

Análisis Delta considerando el

coeficiente de la estimación de
una regresión directa y
comparándola con una
regresión que incluya una
variable mediadora

Ivon Lisbeth Vela Chacón

Economía
2021

Autor: Econ. Santiago Sarmiento

 UNIVERSIDAD DE CUENCA
FACULTAD DE CIENCIAS ECONOMICAS Y
ADMINISTRATIVAS

TEMA:

INCIDENCIA DE LOS AÑOS DE ESCOLARIDAD EN LA OCUPACIÓN

PLENA DE LAS PROVINCIAS DEL ECUADOR

Análisis Delta considerando el coeficiente de la estimación de

una regresión directa y comparándolo con una regresión que
incluya una variable mediadora.
PASANTE:
Vela Chacón Ivon Lísbeth
TUTOR:
Econ. Santiago Sarmiento

CARRERA:
Economía

CUENCA-ECUADOR
ENERO 2021
Contenido
Introducción.................................................................................................................................3
Objetivo general.......................................................................................................................3
Objetivos específicos................................................................................................................3
Datos Generales de la pasante..................................................................................................4
Datos Generales de la Empresa................................................................................................4
Datos generales del departamento............................................................................................5
Datos Generales de las pasantías..............................................................................................5
Metodología.................................................................................................................................5
Datos........................................................................................................................................5
Variables incluidas en el estudio..............................................................................................5
Modelo econométrico...............................................................................................................6
Modelo logit.........................................................................................................................7
Modelo de mediación simple................................................................................................7
Resultados....................................................................................................................................9
Estadísticos Descriptivos..........................................................................................................9
Modelo logit: Incidencia de los años de escolaridad en la ocupación plena de las provincias
del Ecuador............................................................................................................................15
Análisis de mediación............................................................................................................20
Conclusiones..............................................................................................................................23
Anexos.........................................................................................................................................0
 Introducción

Según el enfoque estructuralista, la mayoría de las personas que se encuentran en la

informalidad son personas con un muy bajo nivel educativo (mano de obra no calificada), ello
implica que los trabajadores informales no puedan acceder al sector moderno de la economía
moderada debido a que las empresas formales se caracterizan por una alta complementariedad
entre tecnologías (capital físico) y capital humano, lo cual las hace más productivas y
generadoras de altos ingresos para la mano de obra.

El presente estudio muestra información acerca de la incidencia de los años de escolaridad en la

ocupación plena, planteándose como objetivo dar a conocer si existe algún tipo de efecto
mediador por parte de los ingresos, a través del análisis Delta.

La investigación se realizó para determinar si existe correlación estadísticamente significativa

entre empleo adecuado y años de escolaridad tomando en cuenta datos de la Encuesta Nacional
Empleo, Desempleo y Subempleo (ENEMDU), con información de los años 2013, 2014, 2015 y
2016.

Objetivo general
 Demostrar la correlación que existe entre el empleo adecuado y los años de escolaridad

Objetivos específicos
 Comprobar la existencia de una variable de mediación dentro de la relación principal
del estudio.
 Poner en práctica de todos los conocimientos adquiridos a lo largo de la carrera dentro
del estudio que se va a realizar.
Datos Generales de la pasante
Nombres y Apellidos: Ivon Lisbeth Vela Chacón

Ciclo Académico: Noveno ciclo de la carrera de Economía de la Universidad de Cuenca.

Domicilio: Ucubamba

Cédula de Identidad:0104651849

Dirección de correo electrónico: ivon.vela2104@ucuenca.edu.ec

Telf. Convencional / Celular: 074175463 / 0992911543

Datos Generales de la Empresa

NOMBRE: Cooperativa de Ahorro y Crédito "Juventud Ecuatoriana Progresista" Ltda. (JEP,
2020)

UBICACIÓN: Mariscal Sucre, Cuenca

NÚMERO TELEFÓNICO: (07) 413-5000

MISIÓN

Satisfacer las necesidades de los socios brindando productos financieros, excelencia en el

servicio y sólidos valores.

VISIÓN

Ser la Institución Financiera más importante del Ecuador, por su excelencia en el servicio y por
socios satisfechos.

VALORES CORPORATIVOS

 Compromiso: Cumplir y superar las expectativas de la Institución.

 Trabajo en equipo: Unión de esfuerzos para alcanzar un objetivo en común.
 Honestidad: Decir y actuar transparentemente, sin perjudicar a un tercero.
 Responsabilidad: Cumplir con los compromisos y obligaciones a tiempo.
 Prudencia Financiera: Manejo eficiente y responsable de los recursos de los socios.
 Mejora Continua: Crear permanentemente valor a nuestro trabajo, haciendo mejor las
cosas todos los días.
 Cordialidad: Ser amable y con una alta disposición de servicios a nuestros socios.
 Equidad: Actuar con igualdad y justicia.
 Puntualidad: Llegar a tiempo para cumplir los compromisos y obligaciones adquiridas
con la Institución
Datos generales del departamento
Nombre: Departamento de Estudios y Proyectos

Ubicación: Calle Mariscal Lamar, Cuenca.

Director: Econ. Diego Mejía

Datos Generales de las pasantías

Fecha de Inicio: lunes, 19 de Octubre de 2020

Fecha de Finalización: lunes, 22 de Enero de 2021

Total de horas: 320 horas

HORARIO DE LAS PASANTÍAS

De lunes a viernes de 12:00 am – 17:00 pm

Total de horas realizadas por día: 5 horas

Metodología
Datos
Para el desarrollo del siguiente trabajo de investigación se tomaron como base datos secundarios
recopilados por la Encuesta Nacional Empleo, Desempleo y Subempleo (ENEMDU), tomando
en cuenta información de los años 2013, 2014, 2015 y 2016 con el objetivo de obtener el mayor
número de sectores censales.

Con el fin de estimar los modelos necesarios se utilizó el programa estadístico Stata15 y el
SPSS para el procesamiento de la base de datos.

Variables incluidas en el estudio

A continuación, se detallará las variables utilizadas para nuestro estudio.
En la tabla 1 se muestra cada una de las variables junto con su categorización y descripción.
Tabla 1: Variables del modelo
NOMBRE DE LA CATEGORIA O DESCRIPCION
VARIABLE RANGO
1 = Empleo
Variable dicotómica que toma el valor de 1 si
Empleo adecuado
la persona se encuentra en empleo pleno y 0
adecuado/pleno (adec) 0 = No empleo
caso contrario.
adecuado

Años de escolaridad
0-21 Variable numérica
1 = Hombre Variable dicotómica que indica el género del
Sexo
0 = Mujer individuo.
Estado Civil 1 = Casado (a)
 2=Separado (a)
3=Divorciado (a)
4=Viudo (a) Variable categórica
5=Unión libre
6=Soltero (a)
Variable que recoge los años cumplidos del
individuo al momento de la encuesta, esta
Edad 15-98
variable esta medida en años.
Variable dicotómica que indica el área
1 = Rural geográfica de la vivienda en donde vive el
Área
0 = Urbano individuo.
Variable dicotómica que indica si el jefe del
hogar se encuentra laborando en el sector
Sector de trabajo del 1 = Sector formal
formal u otro: (informal-empleo doméstico-
jefe del hogar 0 = Otros casos
no clasificado por sector).
1 = Los padres
tienen educación
Variable que identifica si el jefe del hogar
superior
Educación superior de cuenta o no con educación superior (superior
0 = Los padres no
los padres universitario, superior no universitario y
tienen educación
posgrados).
superior
Numero de cargas Variable que indica el número de cargas
familiares en el hogar familiares que existe en el hogar.
0-14
“Índice que captura la tenencia de activos a
nivel de hogar aplicando el Análisis Factorial
Policórico como proxy del gasto de
Índice de riqueza consumo”, empleando la metodología
0-1
descrita por Orellana M, Sarmiento J,
Sarmiento S (2019).
Variable numérica que indica el total de
dinero que recibe en un año, tomando en
Ingreso mensual cuenta todas las fuentes de donde puede
provenir este ingreso.

Es importante mencionar que el estudio tomo en cuenta solo a los individuos que pertenecen a
la población económicamente activa (PEA).

Modelo econométrico
Para la obtención del efecto directo se utilizará la metodología propuesta en el modelo logit,
tomando en cuenta los respectivos efectos marginales de cada provincia, también se realizará un
análisis de mediación para obtener posibles efectos mediadores que pueden estar involucrados
entre relación de la variable dependiente e independiente.

Modelo logit
El modelo Logit es un modelo econométrico no lineal que se utilizan cuando la variable
dependiente es binaria o dummy, es decir que sólo puede tomar dos valores.
Donde 𝚲 (.) representa la función de distribución acumulada de una variable logística. Por lo
tanto

Efectos Marginales
Dado que 𝐸(𝑌|𝒙) = 𝑃(𝑌 = 1|𝒙), el efecto marginal se define como

O simplemente

Donde 𝑓(𝒙 ′𝜷) representa la correspondiente función de densidad. Como bien se puede
observar, los efectos marginales no son constantes. De hecho, varían con cada observación.
En el modelo Logit

El efecto marginal estimado, para el individuo i-ésimo, está dado por:

Modelo de mediación simple

El modelo de mediación simple contiene dos variables consecuentes (M) e (Y) y dos variables
antecedentes (X) y (M), donde X influye causalmente en Y y M, y M influye causalmente en Y.
Un modelo de mediación simple es cualquier sistema causal en el que se propone que al menos
una variable X antecedente causal influya en un resultado Y a través de una sola variable
interviniente M. En tal modelo, hay dos vías distintas por las cuales una variable X específica se
propone como influir Y.
 Como hay dos variables consecuentes en este diagrama, se requieren dos modelos lineales,
uno para cada consecuente. Este diagrama estadístico representa dos ecuaciones:

a, b y c′ son los coeficientes de regresión dados a las variables antecedentes en el modelo en la

estimación de los consecuentes.

Los coeficientes del modelo se tratan como estimaciones de las influencias causales putativas de
cada variable del sistema sobre otras, y el objetivo analítico es estimar estos coeficientes,
unirlos e interpretarlos.

El efecto indirecto de X sobre Y a través de M es el producto de a y b.

El efecto directo cuantifica la diferencia estimada en Y entre dos casos que difieren en una
unidad sobre X independientemente de la influencia de M sobre Y.

El efecto indirecto cuantifica cuánto se estima que dos casos que difieren en una unidad en X
difieren en Y como resultado de la influencia de X en M, que a su vez influye en Y. El efecto
indirecto es relevante en cuanto a si el efecto de X sobre Y puede ser se dice que se transmite a
través del mecanismo representado por la cadena causal de eventos X → M → Y.

El enfoque de inferencia del producto de coeficientes, método delta o prueba de Sobel, se basa
en la misma teoría de inferencia utilizada para la inferencia sobre el efecto directo, así como en
otras pruebas inferenciales ampliamente utilizadas en el ámbito social.

Antes de que se pueda implementar el enfoque de la teoría normal, se necesita una estimación
del error estándar de ab.
 Resultados
Estadísticos Descriptivos
Los estadísticos descriptivos de las variables a utilizar en el estudio se muestran a continuación
en la tabla 2.

Tabla 2: Estadísticos descriptivos de las variables del estudio

Variables Mean Std Dev Min Max

Empleo Adecuado 0.4285343 0.4948695 0 1
Años de escolaridad 9.81887 5.142004 0 21
Sexo 0.5927767 0.4913203 0 1
Estado civil (dummy) 0.2752726 0.4466544 0 1
Estado civil (p06) 3.402488 2.200442 1 6
Edad 39.72516 15.42473 15 98
Ingresos 953.6079 4788.724 0 1006416
Ingresos en logaritmo 7.176434 0.985569 0 13.82401
Educación superior de los padres 0.1961177 0.3970612 0 1
Índice de riqueza 0.3190643 0.1574392 0 1
Área 0.4298223 0.4950538 0 1
Sector de trabajo del jefe de
0.4100726 0.4918498 0 1
hogar
Numero de cargas familiares 1.82211 1.683196 0 14
Numero de observaciones 76.862
Fuente: Elaboración a partir del ENEMDU (2013-2016)
Elaboración: Autor

La ilustración 2, toma en cuenta un promedio provincial entre todos los índices de riqueza de los
hogares a los cuales pertenecen los individuos (PEA). Como se puede observar el máximo
promedio del índice de riqueza de estos hogares alcanza un 0.424021. Tomando en cuenta la
segmentación de nuestro estudio tenemos que la provincia del Pichincha junto con Galápagos,
Azuay, Guayas y Tungurahua son quienes tienen los más altos niveles en índice de riqueza.
 Ilustración 1: Índice de riqueza por provincias

Fuente: Elaboración a partir del ENEMDU (2013-2016)

Elaboración: Autor

Tabla 3: Sexo por provincias

Sexo Total
Provincias
Hombre Mujer
2,132 1,978 4,11
Azuay
51.87 48.13 100.00
1,475 1,252 2,727
Bolívar
54.09 45.91 100.00
1,381 1,218 2,599
Cañar
53.14 46.86 100.00
1,591 969 2,56
Carchi
62.15 37.85 100.00
2,414 2,289 4,703
Cotopaxi
51.33 48.67 100.00
1,509 1,462 2,971
Chimborazo
50.79 49.21 100.00
2,88 1,655 4,535
El Oro
63.51 36.49 100.00
2,396 1,247 3,643
Esmeraldas
65.77 34.23 100.00
3,677 2,066 5,743
Guayas
64.03 35.97 100.00
2,559 2,018 4,577
Imbabura
55.91 44.09 100.00
1,555 1,104 2,659
Loja
58.48 41.52 100.00
Los Ríos 2,327 1,041 3,368
 69.09 30.91 100.00
2,478 1,082 3,56
Manabí
69.61 30.39 100.00
Morona 1,189 997 2,186
Santiago 54.39 45.61 100.00
1,304 882 2,186
Napo
59.65 40.35 100.00
1,218 1,056 2,274
Pastaza
53.56 46.44 100.00
2,827 2,235 5,062
Pichincha
55.85 44.15 100.00
2,419 2,213 4,632
Tungurahua
52.22 47.78 100.00
Zamora 1,298 958 2,256
Chinchipe 57.54 42.46 100.00
626 430 1,056
Galápagos
59.28 40.72 100.00
1,191 641 1,832
Sucumbíos
65.01 34.99 100.00
1,368 773 2,141
Orellana
63.90 36.10 100.00
Santo Domingo 1,658 903 2,561
de los Sachilas 64.74 35.26 100.00
1,991 789 2,78
Santa Elena
71.62 28.38 100.00
Zonas no 99 42 141
delimitadas 70.21 29.79 100.00
45,562 31,3 76,862
Total
59.28 40.72 100.00
Fuente: Elaboración a partir del ENEMDU (2013-2016)
Elaboración: Autor
Ilustración 2: Años de escolaridad por provincias

Años escolaridad por provincias

14.00
12.00
11.52 11.56
10.00 10.45 10.21
10.77
10.26 10.3510.34 10.66
9.50 9.74 9.62 9.90 9.52
9.32 9.47 9.05
8.00 8.82 8.90 9.06 8.59 9.01 8.99 9.24
8.19
6.00
4.00
2.00
0.00
Y R R HI XI O O S S A JA S BI O O A A A PE S S A O A A
Z UA LIVA ANA RC PA RAZ OR LDA AYA BUR LO RIO NA IAG NAP TAZ NCH AHU CHI AG O BIO LAN ING LEN TAD
A O
A O C C T O E R A GU A L S A T S I R N P L E I
B CO IMB E M
B LO M S AN PA PICH GU CHI LA CUM ORE DOM TA LIM
M A E
CH ES
I
NA
N A G SU O AN D
O TU OR N T S NO
A
OR ZA
M S NA
M ZO
Fuente: Elaboración a partir del ENEMDU (2013-2016)
Elaboración: Autor

Ilustración 3:Área por nivel regional

Fuente: Elaboración a partir del ENEMDU (2013-2016)

Elaboración: Autor
Ilustración 4:Empleo adecuado a nivel regional

Fuente: Elaboración a partir del ENEMDU (2013-2016)

Elaboración: Autor
Ilustración 5:Porcentaje del empleo adecuado por provincias

Fuente: Elaboración a partir del ENEMDU (2013-2016)

Elaboración: Autor

Tabla 4: Empleo Adecuado por provincia

Empleo Adecuado
Provincias Total
0 1
1,998 2,112 4,11
Azuay
48.61 51.39 100.00
1,959 768 2,727
Bolívar
71.84 28.16 100.00
1,654 945 2,599
Cañar
63.64 36.36 100.00
1,648 912 2,56
Carchi
64.38 35.63 100.00
2,947 1,756 4,703
Cotopaxi
62.66 37.34 100.00
2,034 937 2,971
Chimborazo
68.46 31.54 100.00
2,278 2,257 4,535
El Oro
50.23 49.77 100.00
2,371 1,272 3,643
Esmeraldas
65.08 34.92 100.00
2,751 2,992 5,743
Guayas
47.90 52.10 100.00
2,647 1,93 4,577
Imbabura
57.83 42.17 100.00
1,741 918 2,659
Loja
65.48 34.52 100.00
Los Ríos 2,192 1,176 3,368
 65.08 34.92 100.00
2,236 1,324 3,56
Manabí
62.81 37.19 100.00
Morona 1,471 715 2,186
Santiago 67.29 32.71 100.00
1,318 868 2,186
Napo
60.29 39.71 100.00
1,383 891 2,274
Pastaza
60.82 39.18 100.00
1,747 3,315 5,062
Pichincha
34.51 65.49 100.00
2,489 2,143 4,632
Tungurahua
53.73 46.27 100.00
Zamora 1,504 752 2,256
Chinchipe 66.67 33.33 100.00
251 805 1,056
Galápagos
23.77 76.23 100.00
979 853 1,832
Sucumbíos
53.44 46.56 100.00
1,233 908 2,141
Orellana
57.59 42.41 100.00
Santo Domingo 1,383 1,178 2,561
de los Sachilas 54.00 46.00 100.00
1,612 1,168 2,78
Santa Elena
57.99 42.01 100.00
Zonas no 98 43 141
delimitadas 69.50 30.50 100.00
43,924 32,938 76,862
Total
57.15 42.85 100.00
Fuente: Elaboración a partir del ENEMDU (2013-2016)
Elaboración: Autor

Modelo logit: Incidencia de los años de escolaridad en la ocupación plena de las provincias del
Ecuador
Mediante la matriz de confusión se pudo evidenciar que el modelo predice correctamente un
76.96% de las observaciones, es decir que de cada 100 individuos que se encuentran en empleo
adecuado el modelo de logit predice correctamente aproximadamente 77 individuos y mediante
la curva de Roc se valida al modelo como aceptable con un valor de 0.856.

En este apartado se presentan los resultados de la estimación del modelo logit a nivel nacional,
se observan los resultados del modelo estimado en la tabla 5 y sus efectos marginales en la tabla
6. Hay que tener en cuenta que la variable dependiente es el empleo adecuado.

Los signos de los coeficientes muestran la influencia de las variables independientes sobre las
dependientes la cual puede ser positiva o negativa y el valor de la probabilidad nos muestra si la
variable está dentro del nivel de aceptación permitido (significancia), en este estudio se utilizará
una significancia al 1%, 5% y 10%.

La estimación del modelo logit a nivel nacional muestra una alta significación de la mayoría de
sus variables explicativas a excepción de la variable “educación superior de los padres”.

En cuanto al modelo logit a nivel provincial tenemos que las variables años de escolaridad,
sexo, edad, edad al cuadrado, sector de trabajo del jefe del hogar e ingreso son significativas en
todas y cada una de las provincias del Ecuador, podemos verificar observando los anexos 1, 2 y
3.

También es importante mencionar que en el modelo logit estimado a nivel provincial, vemos
que la variable “educación superior de los padres” llega a ser no significativo todas las
provincias del Ecuador a excepción de Imbabura en la cual su significación se cumple solo a un
10%.

En cuanto al índice de riqueza, esta variable cuando se la analiza a nivel provincial vemos que
en la Sierra no es significativa en las siguientes provincias: Azuay, Bolívar, Cañar, Carchi.

Para la región Costa no es significativa para ninguna de sus provincias, en el Oriente no es

significativa para Napo, Pastaza y Zamora Chinchipe y finalmente se menciona que para
Galápagos esta variable si es significativa.

Otra variable que llama la atención cuando se analiza a nivel provincial el modelo es el “Área”;
la cual no es significativa para algunas provincias de la Sierra como es Cotopaxi, Imbabura, y
Pichincha, al igual no es significativa para las provincias de Manabí y Esmeraldas que
pertenecen a la Costa, y algo importante de mencionar es que no es significativa para ninguna
provincia del Oriente ni para Galápagos.

La variable “Cargas” no es significativa para Carchi y Tungurahua que pertenecen a la Sierra,

para Napo que pertenece al Oriente y para Galápagos.
 Tabla 5: Estimación del modelo logit a nivel Nacional

REGRESIÓN DE UN MODELO LOGIT

Log pseudolikelihood = -35837.602 Wald chi2
Número de observaciones = 76,546 =16842.76

  Estudia
Desv.
Variables Coeficientes Estandar p>z
Robusto
Años de escolaridad 0.0776266*** (0.0027) 0.000
Sexo 1.200529*** (0.0206) 0.000
Estado civil  
Separado (a) 0.3451463*** (0.0409) 0.000
Divorciado (a) 0.5056771*** (0.0618) 0.000
Viudo (a) 0.3530731*** (0.0655) 0.000
Unión libre 0.1327299*** (0.0246) 0.000
Soltero (a) -0.440259*** (0.0286) 0.000
Edad 0.1551136*** (0.0043) 0.000
Edad al cuadrado -0.0018415*** (0.0001) 0.000
Educación superior (padres) -0.0422597 (0.0308) 0.170
Índice de riqueza -0.4574654*** (0.0977) 0.000
Área -0.1616537*** (0.0209) 0.000
Sector de trabajo del jefe del hogar 0.7097391*** (0.0203) 0.000
Cargas -0.0934577*** (0.0062) 0.000
Ingreso 1.326968*** (0.0165) 0.000
Constant -14.16582*** (0.1534) 0.000
Pseudo R2: 0.3149
Prob > chi2 = 0.0000
Fuente: Elaboración a partir del ENEMDU (2013-2016)
Elaboración: Autor

Los efectos marginales son los cambios en la probabilidad del empleo adecuado, cuando se
genera algún cambio o modificación en alguna variable explicativa.

Para las variables discretas se estiman los efectos marginales por defecto ∂( y)/∂(x ), mientras
que para las variables continuas se estiman las semielasticidades de la forma ∂(lny) /∂ ( x) la
cual la representamos por e ( y )/∂(x) . En la tabla 5 presentamos los efectos marginales del
modelo logit.
 Tabla 6: Efectos marginales a nivel Nacional

Empleo adecuado
Variables
(dy/dx)

1.201***
Sexo
(0.0206)
0.345***
Separado (a)
(0.0409)
0.506***
Divorciado (a)
(0.0618)
0.353***
Viudo (a)
(0.0655)
0.133***
Unión libre
(0.0246)
-0.440***
Soltero (a)
(0.0286)
Educación superior -0.0423
(padres) (0.0308)
-0.162***
Área
(0.0210)
Sector de trabajo 0.710***
del jefe del hogar (0.0203)

Empleo adecuado
Variables
(ey/dx)

Años de 0.4422***
escolaridad (0.0016)
0.0884***
Edad
(0.0024)
-0.2606***
Índice de riqueza
(0.0556)
-0.0532***
Cargas
(0.0035)
0.7559***
Ingreso (0.0092)
Observaciones 76,546
Robust standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Fuente: Elaboración a partir del ENEMDU (2013-2016)
Elaboración: Autor
Si la persona es hombre, tiene un 120% más de probabilidad de estar en empleo adecuado que
una persona que es mujer.

Con respecto al estado civil vemos que la categoría “divorciado(a)” es aquella que presenta más
probabilidad de tener empleo adecuado sobre la categoría base “casado(a)”, por lo que si la
persona es divorciada tiene aproximadamente un 50% más de probabilidad de estar en empleo
adecuado que una persona que está casada.

Con respecto al área vemos que una persona que vive en el área rural tiene un 16.2% menos de
probabilidad de tener empleo adecuado que una persona que pertenece al área urbano.
Una persona que pertenece al sector formal de trabajo tiene un 71% más de probabilidad de
tener empleo adecuado que una persona que pertenece a cualquier otro sector
(informal/domestico).

Si los años de escolaridad de una persona se incrementan en un punto porcentual estas personas
van a tener un 44.22% más de probabilidad de estar en empleo adecuado y conforme la edad de
una persona incremente en un punto porcentual, la persona va a incrementar su probabilidad de
estar en empleo adecuado en un 8.84%.

Si el índice de riqueza de la persona incrementa en un punto porcentual, la persona tendrá un

26.06% menos de probabilidad de estar en empleo adecuado.

Si las cargas de la persona se incrementan en un punto porcentual tiene un 5.35% menos de

probabilidad de estar en empleo adecuado.

Con respecto al ingreso vemos que un incremento de un punto porcentual en el ingreso de una
persona, va a generar un aumento en la probabilidad de estar en empleo adecuado en
aproximadamente un 75%.

Tabla 7: Efectos marginales de Quito-Guayaquil-Cuenca

QUITO GUAYAQUIL CUENCA

Variables
Empleo adecuado (dy/dx) Empleo adecuado (dy/dx) Empleo adecuado (dy/dx)

1.105*** 1.043*** 1.314***

Sexo
(0.0750) (0.0735) (0.0862)
0.432*** 0.146 0.561***
Separado (a)
(0.163) (0.115) (0.205)
0.425** 0.945*** 0.446**
Divorciado (a)
(0.216) (0.287) (0.212)
0.185 0.472** 0.519*
Viudo (a)
(0.231) (0.211) (0.271)
0.121 -0.0950 0.244*
Unión libre
(0.101) (0.0882) (0.136)
-0.0505 -0.538*** -0.387***
Soltero (a)
(0.104) (0.106) (0.116)
Educación superior -0.0422 0.0621 -0.0589
(padres) (0.114) (0.103) (0.132)
0.0237 -0.395*** -0.459***
Área
(0.0831) (0.0920) (0.0978)
Sector de trabajo del 0.604*** 0.914*** 0.467***
jefe del hogar (0.0757) (0.0676) (0.0909)

Variables Empleo adecuado (ey/dx) Empleo adecuado (ey/dx) Empleo adecuado (ey/dx)

0.01968*** 0.03427*** 0.04060***

Años de escolaridad
(0.0036) (0.0046) (0.00599)
0.05634*** 0.05938*** 0.07295***
Edad
(0.0056) (0.0069) (0.0089)
 -0.4689*** -0.10331 -0.15704
Índice de riqueza
(0.1233) (0.16802) (0.19385)
-0.0217*** -0.03234*** -0.04197***
Cargas
(0.0094) (0.01139) (0.01349)
0.4014*** 0.52891*** 0.61878***
Ingreso (0.02204) (0.02773) (0.03705)
Observaciones 76,546
Robust standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Fuente: Elaboración a partir del ENEMDU (2013-2016)
Elaboración: Autor

Al elaborar una comparación de efectos marginales entre las 3 principales provincias del
Ecuador, los resultados los podemos observar en la tabla 7, en donde queda en evidencia
nuevamente que la educación superior de los padres no es significativa a ningún nivel y para
ninguna provincia.

Es importante notar que para la provincia de Pichincha la variable “área” no es significativa,

mientras que para Guayas y Azuay la variable índice de riqueza tampoco presenta significancia
dentro del modelo.

Con respecto a los signos podemos observar que en las tres provincias no existe diferencias en
su interpretación con respecto los efectos marginales presentados en el modelo general.

Análisis de mediación
A continuación, se realiza un análisis de relaciones causales “análisis de mediación”, la cual
implica una relación entre tres variables.

En este caso entre la variable dependiente “empleo adecuado” y una variable independiente
“años de escolaridad” nos vamos a encontrar con una variable mediadora (ingresos).

Análisis de mediación: Técnica estadística que permite definir los efectos mediadores de una
variable en una relación causal dada.

Se plantearán las hipótesis asociadas al modelo

Ho: Los años de escolaridad tienen un efecto positivo y directo en los ingresos del individuo
Ho: Los ingresos tienen un efecto positivo y directo sobre el Empleo adecuado del individuo

Ho: Los años de escolaridad tienen un efecto positivo y directo en el Empleo adecuado del
individuo

Ho: Los años de escolaridad tienen un efecto positivo y directo en el Empleo adecuado del
individuo cuando se incluye los Ingresos como variable mediadora
Se validarán las hipótesis a través del método de regresión y el método de ecuaciones
estructurales
 METODO DE REGRESION
Modelo teórico del Empleo Adecuado

Sistema de ecuaciones

Ingresos=β 0 +a ( Años de escolaridad ) + ε

Empleo adecuado=β 0+ b ( Ingresos ) + ε

Empleo adecuado=β 0+ c ( Años de escolaridad )+ ε

Empleo adecuado=β 0+ b ( Ingresos ) +c ℩ ( Años de escolaridad ) +ε

Resultados
Ho: Los años de escolaridad tienen un efecto positivo y directo en los ingresos del individuo

Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Desv. Error Beta t Sig.
1 (Constante) 6,340 ,008 815,545 ,000
Años de escolaridad ,082 ,001 ,389 117,096 ,000
a. Variable dependiente: Ingresos

a=0.082 , donde nos indica que los años de escolaridad tienen un efecto significativo sobre la
variable mediadora que es aproximadamente un 39% de la varianza del Ingreso, y este resultado
es estadísticamente significativo.

Ho: Los ingresos tienen un efecto positivo y directo sobre el Empleo adecuado del individuo

Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Desv. Error Beta t Sig.
1 (Constante) -1,094 ,011 -104,053 ,000
Ingreso_A ,213 ,001 ,467 146,485 ,000
a. Variable dependiente: Empleo Adecuado
b=0.213 , nos indica que los ingresos tienen un efecto significativo sobre el empleo adecuado
que es aproximadamente un 47% de la varianza de esta, y este resultado es significativo

Ho: Los años de escolaridad tienen un efecto positivo y directo en el Empleo adecuado del
individuo

Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Desv. Error Beta t Sig.
1 (Constante) ,093 ,004 25,745 ,000
Años de escolaridad ,034 ,000 ,356 105,448 ,000
a. Variable dependiente: Empleo adecuado

c=0.034 , los años de escolaridad tiene un efecto significativo sobre la variable Empleo
adecuado que es aproximadamente un 35% de la varianza de esta, y este resultado es
significativo cuando no se controlan los efectos de la variable mediadora.

Ho: Los años de escolaridad tienen un efecto positivo y directo en el Empleo adecuado del
individuo cuando se incluye los Ingresos como variable mediadora

Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Desv. Error Beta t Sig.
1 (Constante) -1,028 ,010 -99,507 ,000
Años escolaridad ,020 ,000 ,205 60,529 ,000
Ingresos ,177 ,002 ,388 114,569 ,000
a. Variable dependiente: Empleo adecuado

c ´=0.020 , los años de escolaridad tiene un efecto significativo sobre la variable Empleo
adecuado que es aproximadamente un 20% de la varianza de esta, y este resultado es
significativo cuando se controlan los efectos de la variable mediadora.
No se cumple la cuarta hipótesis en la cual la presencia de los Ingresos en el mismo modelo con
los años de escolaridad, anula el efecto de la variable independiente sobre la variable
dependiente, en este caso estamos en un efecto de mediación parcial.

El efecto de mediación parcial se caracteriza porque la presencia de la variable de mediación

“Ingresos” no anula el efecto que tiene la variable independiente sobre la variable dependiente.

En conclusión, los Ingresos tienen efectos mediadores parciales en la relación entre Años de
escolaridad y el empleo adecuado.

Test de Sobel

a∗b
Valor z=
√¿¿ ¿

0.082∗0.213
Valor z=
√ ¿ ¿¿

Valor z=76.52

H o :C' =0 hay un efecto mediador

Se rechaza la hipótesis nula con un p=0.00 por lo tanto no existe un efecto mediador lo
cual nos confirma con el valor de Z.

La presunta influencia del ingreso no está funcionando como mediador del efecto de
“años de escolaridad” sobre “empleo adecuado” de acuerdo con la prueba de Sobel o el
“enfoque de la teoría normal” para la inferencia sobre el efecto indirecto.
 Conclusiones

Se demostró que tanto a nivel nacional como provincial la variable “años de escolaridad”, es
significativa evidenciando así que existe una correlación positiva entre empleo adecuado y años
de escolaridad. El análisis Delta que se aplicó en el estudio demostró que la variable “ingresos”
no está funcionando como mediador del efecto de “años de escolaridad” sobre “empleo
adecuado” de acuerdo con la prueba de Sobel a nivel Nacional.

Es importante mencionar que se puedo observar que la provincia de Azuay, Guayas, Pichincha
Y Galápagos cuentan con el porcentaje de empleo más alto a nivel nacional y también son las
provincias que mayores años de escolaridad en promedio tienen.

-------------------------------------------------
Validado por tutor: Econ. Esteban Idrovo
Anexos

Tabla 8: Efectos marginales a nivel provincial de la región Sierra

SIERRA
Variables explicativas
AZUAY BOLIVAR CAÑAR CARCHI COTOPAXI CHIMBORAZO
(0.012 (0.016 (0.016 (0.012
Años de escolaridad 0.0837*** ) 0.0826*** (0.018) 0.113*** ) 0.0926*** ) 0.0816*** ) 0.0660*** (0.018)
(0.086 (0.124 (0.119 (0.087
Sexo 1.314*** ) 1.001*** (0.129) 1.594*** ) 1.074*** ) 1.651*** ) 1.626*** (0.121)
Estado civil                        
(0.205 (0.325 (0.270 (0.208
Separado (a) 0.561*** ) -0.355 (0.252) -0.0505 ) -0.0100 ) 0.871*** ) 0.0774 (0.321)
(0.212 (0.380 (0.320 (0.294
Divorciado (a) 0.446** ) 0.853** (0.424) 0.649* ) 0.675** ) 0.857*** ) 0.751** (0.318)
(0.271 (0.355 (0.374 (0.318
Viudo (a) 0.519* ) 0.526 (0.414) 0.335 ) 0.570 ) 0.580* ) -0.169 (0.383)
(0.136 (0.177 (0.169 (0.111
Union libre 0.244* ) 0.100 (0.177) 0.320* ) 0.233 ) 0.193* ) 0.00286 (0.216)
(0.116 (0.164 (0.158 (0.132
Soltero (a) -0.387*** ) -0.825*** (0.187) -0.492*** ) -0.371** ) -0.551*** ) -0.295* (0.172)
(0.018 (0.023 (0.024 (0.019 (0.0312
Edad 0.150*** ) 0.109*** (0.025) 0.220*** ) 0.121*** ) 0.206*** ) 0.259*** )
(0.000 (0.000 (0.000 (0.000
Edad2 -0.00191*** ) -0.00116*** (0.000) -0.00244*** ) -0.00136*** ) -0.00251*** ) -0.00300*** (0.000)
(0.132 (0.188 (0.198 (0.148
Educación superior (padres) -0.0589 ) 0.273 (0.212) -0.309 ) -0.0903 ) 0.136 ) 0.0965 (0.188)
(0.400 (0.511 (0.575 (0.428
Indice de riqueza -0.324 ) -0.536 (0.699) -0.794 ) -0.488 ) -1.231*** ) -1.741*** (0.588)
(0.098 (0.123 (0.119 (0.098
Area -0.459*** ) -0.395*** (0.143) -0.259** ) -0.410*** ) -0.0987 ) -0.340** (0.140)
(0.091 (0.123 (0.123 (0.088
Sector de trabajo del jefe del hogar 0.467*** ) 0.679*** (0.151) 0.453*** ) 0.829*** ) 0.592*** ) 0.702*** (0.127)
(0.028 (0.037 (0.041 (0.028
Cargas -0.0865*** ) -0.0739* (0.040) -0.0798** ) -0.0216 ) -0.108*** ) -0.0995*** (0.036)
(0.077 (0.094 (0.095 (0.072
Ingreso 1.275*** ) 1.769*** (0.106) 1.465*** ) 1.400*** ) 1.416*** ) 1.604*** (0.100)
(0.678 (0.869 (0.857 (0.681
Constant -13.28*** ) -16.72*** (0.951) -17.01*** ) -14.48*** ) -15.71*** ) -18.19*** (0.999)
                         
PseudoR2 0.3366 0.4379 0.3807 0.3218 0.3551 0.4270
Loglikelihood ratio -1885.4136 -905.56243 -1054.4699 -1121.0114 -2002.2548 -1059.4741
Observations 4,103 2,697 2,597 2,528 4,697 2,963
Robust standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
 SIERRA
IMBABURA LOJA PICHINCHA TUNGURAHUA SANTO DOMINGO
(0.011 (0.017 (0.011 (0.011 (0.014
0.0698*** ) 0.0854*** ) 0.0588*** ) 0.102*** ) 0.0788*** )
(0.079 (0.123 (0.075 (0.075 (0.118
1.120*** ) 1.403*** ) 1.105*** ) 1.091*** ) 1.588*** )
                   
(0.196 (0.282 (0.163 (0.189 (0.198
0.483** ) 0.453 ) 0.432*** ) 0.598*** ) 0.440** )
(0.202 (0.296 (0.216 (0.196 (0.410
0.497** ) 0.0641 ) 0.425** ) 0.252 ) 0.792* )
(0.212 (0.388 (0.231 (0.304 (0.325
0.257 ) 0.926** ) 0.185 ) 0.718** ) 0.213 )
(0.123 (0.193 (0.101 (0.129 (0.126
0.245** ) -0.00373 ) 0.121 ) 0.328** ) 0.246* )
(0.112 (0.177 (0.104 (0.105 (0.164
-0.350*** ) -0.705*** ) -0.0505 ) -0.208** ) -0.738*** )
(0.019 (0.025 (0.017 (0.017 (0.021
0.183*** ) 0.180*** ) 0.168*** ) 0.150*** ) 0.108*** )
- (0.000 - (0.000 - (0.000 - (0.000 - (0.000
0.00222*** ) 0.00207*** ) 0.00216*** ) 0.00184*** ) 0.00126*** )
(0.126 (0.169 (0.114 (0.113 (0.181
0.229* ) 0.124 ) -0.0422 ) 0.115 ) 0.134 )
(0.390 (0.556 (0.368 (0.358 (0.550
-0.968** ) -2.018*** ) -1.400*** ) -0.858** ) -1.663*** )
(0.092 (0.143 (0.083 (0.084 (0.106
0.0184 ) -0.423*** ) 0.0237 ) -0.282*** ) -0.471*** )
(0.083 (0.134 (0.076 (0.081 (0.104
0.488*** ) 0.397*** ) 0.604*** ) 0.468*** ) 0.713*** )
(0.024 (0.036 (0.028 (0.030 (0.035
-0.0908*** ) -0.0698* ) -0.0648** ) -0.0488 ) -0.0781** )
(0.066 (0.097 (0.066 (0.061 (0.093
1.394*** ) 1.658*** ) 1.199*** ) 1.001*** ) 1.134*** )
(0.612 (0.907 (0.607 (0.585 (0.830
-14.84*** ) -16.93*** ) -12.09*** ) -11.78*** ) -11.63*** )
                   
0.2931 0.3928 0.2212 0.2748 0.2473
-2196.1508 -1039.9685 -2474.9273 -2314.0623 -1329.0942
4,560 2,657 4,984 4,621 2,557
Tabla 9:Efectos marginales a nivel provincial de la región Costa

COSTA
Variables explicativas
EL ORO ESMERALDAS GUAYAS LOS RIOS MANABI STA. ELENA
Años de escolaridad 0.0715*** (0.011) 0.0617*** (0.013) 0.0719*** (0.009) 0.0632*** (0.013) 0.0743*** (0.012) 0.0961*** (0.014)
Sexo 1.319*** (0.079) 0.938*** (0.105) 1.043*** (0.074) 1.242*** (0.110) 0.949*** (0.107) 1.002*** (0.113)
Estado civil                        
Separado (a) 0.427*** (0.154) -0.0653 (0.212) 0.146 (0.115) 0.105 (0.169) 0.449*** (0.165) -0.188 (0.193)
Divorciado (a) 0.655*** (0.213) 0.509 (0.395) 0.945*** (0.287) 0.294 (0.442) -0.236 (0.316) 1.275** (0.529)
Viudo (a) -0.0561 (0.264) 0.0846 (0.287) 0.472** (0.211) -0.150 (0.294) -0.152 (0.334) 0.172 (0.312)
Union libre 0.102 (0.093) 0.0130 (0.123) -0.0950 (0.088) 0.0659 (0.122) -0.0782 (0.116) -0.224* (0.124)
Soltero (a) -0.472*** (0.109) -0.465*** (0.154) -0.538*** (0.106) -0.650*** (0.165) -0.826*** (0.149) -0.899*** (0.142)
Edad 0.125*** (0.015) 0.158*** (0.020) 0.124*** (0.015) 0.134*** (0.018) 0.120*** (0.020) 0.153*** (0.022)
Edad2 -0.00147*** (0.000) -0.00177*** (0.000) -0.00156*** (0.000) -0.00148*** (0.000) -0.00138*** (0.000) -0.00183*** (0.000)
Educación superior (padres) 0.0753 (0.114) -0.174 (0.146) 0.0621 (0.103) -0.0900 (0.155) -0.112 (0.149) -0.105 (0.187)
Indice de riqueza -0.0837 (0.410) 0.421 (0.527) -0.216 (0.352) -0.571 (0.570) 0.383 (0.505) -0.210 (0.534)
Area 0.163** (0.079) -0.0295 (0.103) -0.395*** (0.092) -0.184* (0.095) -0.136 (0.109) 0.491*** (0.105)
Sector de trabajo del jefe del
hogar 0.583*** (0.072) 0.714*** (0.099) 0.914*** (0.068) 0.858*** (0.093) 0.936*** (0.099) 0.768*** (0.106)
Cargas -0.0783*** (0.026) -0.0919*** (0.026) -0.0677*** (0.024) -0.0926*** (0.029) -0.0765** (0.031) -0.117*** (0.029)
Ingreso 1.126*** (0.064) 1.490*** (0.077) 1.107*** (0.059) 1.224*** (0.081) 1.488*** (0.078) 1.252*** (0.080)
Constant -12.29*** (0.576) -15.60*** (0.747) -11.63*** (0.549) -13.29*** (0.714) -14.98*** (0.738) -13.57*** (0.744)
                         
PseudoR2 0.2157 0.3138 0.2517 0.2391 0.3229 0.2276
Loglikelihood ratio -2458.7885 -1614.6104 -2967.4006 -1653.9859 -1590.8179 -1460.4647
Observations 4,523 3,634 2,729 3,356 3,56 2,779
Robust standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Tabla 10:Efectos marginales a nivel provincial de la región Oriente

ORIENTE
Variables explicativas
MORONA SANTIAGO NAPO PASTAZA ZAMORA CHINCHIPE SUCUMBIOS ORELLANA
Años de escolaridad 0.113*** (0.019) 0.129*** (0.022) 0.0905*** (0.018) 0.0890*** (0.019) 0.0838*** (0.017) 0.115*** (0.019)
Sexo 1.457*** (0.143) 0.978*** (0.132) 1.500*** (0.128) 1.143*** (0.130) 1.115*** (0.143) 1.339*** (0.144)
Estado civil                        
Separado (a) 0.465 (0.289) 0.312 (0.278) 0.823*** (0.310) 0.588** (0.282) 0.487* (0.292) 0.594* (0.322)
Divorciado (a) 0.845** (0.360) -0.105 (0.455) 0.392 (0.329) 0.455 (0.345) 1.381*** (0.409) 0.947** (0.439)
Viudo (a) 0.436 (0.492) -0.430 (0.591) 0.543 (0.464) 0.517 (0.341) 0.260 (0.676) 0.464 (0.464)
Union libre 0.374** (0.170) 0.161 (0.169) 0.173 (0.153) 0.311* (0.165) 0.477*** (0.152) 0.469*** (0.152)
Soltero (a) -0.177 (0.211) -0.476** (0.195) -0.262 (0.187) -0.650*** (0.198) 0.0103 (0.202) 0.104 (0.180)
Edad 0.205*** (0.032) 0.164*** (0.027) 0.237*** (0.032) 0.151*** (0.027) 0.226*** (0.033) 0.255*** (0.030)
Edad2 -0.00234*** (0.000) -0.00182*** (0.000) -0.00273*** (0.000) -0.00166*** (0.000) -0.00271*** (0.000) -0.00304*** (0.000)
Educación superior (padres) -0.238 (0.200) -0.109 (0.209) -0.124 (0.176) -0.213 (0.190) 0.173 (0.201) 0.0388 (0.215)
Indice de riqueza -1.538** (0.645) -0.603 (0.707) -0.623 (0.619) 0.0776 (0.647) -1.822** (0.723) -2.144*** (0.676)
Area -0.166 (0.151) 0.00576 (0.145) -0.205 (0.139) -0.127 (0.148) -0.0447 (0.131) 0.0413 (0.135)
Sector de trabajo del jefe del
hogar 0.888*** (0.147) 1.050*** (0.138) 0.735*** (0.135) 0.683*** (0.139) 0.924*** (0.133) 1.017*** (0.128)
Cargas -0.157*** (0.038) -0.0334 (0.033) -0.129*** (0.036) -0.0849** (0.033) -0.173*** (0.038) -0.124*** (0.036)
Ingreso 1.720*** (0.123) 1.525*** (0.101) 1.264*** (0.092) 1.513*** (0.118) 1.376*** (0.098) 1.533*** (0.107)
Constant -18.37*** (1.195) -16.69*** (0.943) -15.69*** (0.966) -16.05*** (1.054) -15.58*** (0.987) -17.89*** (1.124)
                         
PseudoR2 0.4318 0.4144 0.3930 0.3616 0.3256 0.3815
Loglikelihood ratio -784.26768 -854.9562 -919.28791 -915.46346 -847.11679 -898.3736
Observations 2,182 2,169 2,258 2,251 1,817 2,129
Robust standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Tabla 11:Efectos marginales a nivel provincial de la región Insular

REGIÓN INSULAR
Variables explicativas
GALAPAGOS
Años de escolaridad 0.0296 (0.024)
Sexo 1.815*** (0.185)
Estado civil    
Separado (a) 0.878*** (0.318)
Divorciado (a) 1.135** (0.481)
Viudo (a) 2.709*** (0.687)
Union libre 0.129 (0.211)
Soltero (a) -0.623** (0.260)
Edad 0.0694** (0.029)
Edad2 -0.000870*** (0.000)
Educación superior (padres) 0.247 (0.245)
Indice de riqueza -2.919*** (0.916)
Area -0.181 (0.179)
Sector de trabajo del jefe del
hogar 0.646*** (0.203)
Cargas -0.0280 (0.084)
Ingreso 1.006*** (0.167)
Constant -8.685*** (1.327)
     
PseudoR2 0.1896
Loglikelihood ratio -466.98033
Observations 1,054
Robust standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1