Artículo

_{DOI: 10.22167/2675-6528-20230115}
^{E&S 2024, 5: e20230115}

Jaqueline Moraes; José Erasmo Silva

Los estudios sobre la diversificación de la estructura productiva tienen como pionero el trabajo desarrollado por Frenken et al.^[1], que mide el impacto de las medidas de diversificación (relacionada y no relacionada), más exploradas adelante, sobre aquellas métricas que son tradicionales en el mercado laboral, como desempleo, productividad y nivel de empleo. Moraes^[2] propone un enfoque de la relación con la calidad del mercado laboral brasileño, midiendo cómo la diversificación relacionada (en adelante RV, de “related variety”) y la no relacionada (en adelante UV, de “unrelated variety”) afectan a los diferentes cuantiles de la distribución de la calidad en los estados. Fue posible concluir que la UV tiene más influencia en la ecualización de los mercados laborales, lo que, de cierta forma, corrobora el resultado encontrado en Hartmann et al.^[3], que señala un aumento de la prima de habilidad entre los trabajadores en regiones que se diversifican hacia actividades no relacionadas, influyendo en la distribución de ingresos del área.

A partir de estos resultados, se propuso otro enfoque, complementario e intermedio, diseñado para probar la relación entre la calidad del mercado laboral y la desigualdad de ingresos de los estados brasileños. Moraes^[4] argumenta que el impacto del aumento de la calidad es negativo para los estados más desiguales y que, al considerar los índices de Gini, Mehran y Piesch como indicadores de desigualdad, los efectos son aún mayores. Sin embargo, estos fueron análisis separados. El objetivo de este trabajo es unir los dos extremos —diversificación de la estructura productiva y desigualdad de ingresos— a través de la calidad del mercado laboral, ofreciendo un componente adicional, estructural, para explicar los efectos e impactos. Para ello, este trabajo utilizará un modelo de ecuaciones estructurales, analizando los efectos directo e indirecto de la UV, en específico, sobre la desigualdad de ingresos. El efecto indirecto es el impacto de la UV en el Índice de Calidad del Mercado Laboral (IQMT), y el efecto directo se refiere a la acción de la UV sobre los índices de desigualdad.

Para alcanzar los objetivos de este estudio, se utilizaron datos de la Encuesta Nacional por Muestra de Hogares Continua (PNADc), realizada por el Instituto Brasileño de Geografía y Estadística (IBGE), con datos trimestrales de la primera entrevista, en el período de 2012 a 2020. A partir de estos datos, se crearon los indicadores de UV y de desigualdad de ingresos (Gini, Mehran y Piesch), además del IQMT. El indicador de UV se calculó utilizando los datos de la Clasificación Nacional de Actividades Económicas Domiciliaria 2.0 (CNAE Domiciliaria 2.0), presentada en la PNAD Continua a nivel estatal. El cálculo es tal como se puede ver en la Ecuación (1):

donde: es la participación de los sectores económicos, que es la suma de las participaciones de las actividades económicas de los sectores en términos de participación en el empleo.

Los indicadores de desigualdad siguen la medición tradicional propuesta por Hoffmann^[5] y fueron calculados para los estados. Son indicadores asociados a la curva de Lorenz y a la línea de igualdad perfecta, como el índice de Gini (G), el índice de Mehran (M) y el índice de Piesch (P). El IQMT es un índice latente creado a partir de variables seleccionadas, utilizando el análisis de componentes principales (ACP). Las variables utilizadas para componer el IQMT están presentes en la Tabla 1. Se asume que el componente principal es el factor latente que mide la calidad del mercado de trabajo y será usado como el IQMT.

Tabla 1. Variables utilizadas para el cálculo del índice de calidad del empleo, divididas por dimensiones

Fuente: Datos originales de la investigación con información de la PNAD Continua.
Nota: *Esta variable trae la comparación de dos variables: salario-hora de las horas realmente trabajadas × 4,3 (salario semanal) y el salario-mínimo del año de referencia/172 (salario-mínimo semanal).

Para estudiar la relación propuesta, se utilizó el modelo de ecuaciones estructurales (MEE), siguiendo la lógica presentada en la Figura 1. Además de las variables principales (UV, IQMT y desigualdad de ingresos), se incluyeron medidas de control: proporción de personas con educación superior, proporción de mujeres en puestos de liderazgo (“proxy” del fenómeno del techo de cristal) y proporción de ocupados en la industria, en el sector público y en los servicios financieros.

Figura 1. Modelo de ecuaciones estructurales propuesto para el artículo

Fuente: Resultados originales de la investigación.

Para este estudio, se asumió la hipótesis de que la UV afecta positivamente el IQMT — efecto indirecto —, y este afecta negativamente la desigualdad. Además, la UV afecta negativamente la desigualdad — efecto directo. Así, el efecto que la UV tiene sobre la desigualdad es intermediado por el IQMT. Se espera también que las variables de control posean signos negativos en su relación con la desigualdad de ingresos. El IQMT creado tiene una estadística de prueba de esfericidad de Bartlett de 233,258, con 28 grados de libertad y un valor p de 0,000. Esto indica que el conjunto de variables es adecuado para el análisis factorial. La medida Kaiser-Meyer-Olkin (KMO) para el IQMT calculado fue de 0,8178, siendo clasificada como muy buena la adecuación global del análisis factorial^[6]. En la Figura 2 es posible ver la evolución del IQMT para los estados brasileños en el período que va del primer trimestre de 2012 al cuarto trimestre de 2020.

Los resultados acoplan algunos fenómenos importantes. Primero, que la economía brasileña de 2012 a 2020 pasó por enormes saltos. Pero, en términos de mercado laboral, entre 2016 y 2017 se produjo la Reforma Laboral, que reguló las nuevas formas de empleo, flexibilizó los mecanismos de remuneración y cambió el funcionamiento de la Justicia del Trabajo. En 2019 hubo una gran e importante expansión en el número de empleos informales y de contratos formales atípicos, parciales e intermitentes, que se regulan junto con los empleos de “home office”, a partir de la Reforma. Estos contratos se hicieron más evidentes en 2020, con la pandemia de covid-19. Por ser calculado hasta el cuarto trimestre de 2020, este índice aún no logra captar con precisión los efectos del primer año de la pandemia.

Figura 2. Evolución del IQMT para los estados brasileños del primer trimestre de 2012 al cuarto trimestre de 2020

Fuente: Resultados originales de la investigación.

Se estimó el MEE propuesto en la Figura 1 mediante dos métodos, a saber: “maximum likelihood (ML)” y “weighted least square mean and variance adjusted (WLSMV)”. Los criterios de decisión utilizados para la comparación en la elección del mejor modelo fueron el “confirmatory factor index (CFI)”, “Tucker-Lewis index (TLI)”, “root mean square error of approximation (RMSEA)” y “standardized root mean square residual (SRMR)”, además de la estadística de prueba chi-cuadrado del modelo^[7],[8]. Los valores se pueden observar en la Tabla 2.

Tabla 2. Medidas de ajuste de los modelos estimados

Patrón	Medición	Aproximador	CFI	TLI	RMSEA	SRMR	χ2	valor p
1	Gini	WLSMV	0,990	0,971	0,070	0,032	99,609	0,000
2	Piesch	WLSMV	0,990	0,971	0,070	0,032	99,609	0,000
3	Mehran	WLSMV	0,990	0,971	0,070	0,032	99,609	0,000
1	Gini	ML	0,821	0,462	0,287	0,087	243,317	0,000
2	Piesch	ML	0,813	0,438	0,287	0,082	243,317	0,000
3	Mehran	ML	0,838	0,515	0,287	0,092	243,317	0,000

Para cualquiera de las medidas de desigualdad utilizadas como variables, el estimador WLSMV es preferible en relación con el ML. A continuación se exploran los resultados obtenidos en los tres modelos estimados, que buscan explicar el índice de Gini, índice de Piesch e índice de Mehran.

La diversificación no relacionada, al menos directamente, impacta positivamente la desigualdad de ingresos. Sin embargo, su efecto mucho más positivo sobre la calidad del mercado laboral logra indirectamente, a través de este, impactar negativamente el índice de Gini, como se puede ver en la Figura 3. Así, la UV afecta positivamente el IQMT (como ya se encontró antes^[2]) — efecto indirecto —, y este afecta negativamente la desigualdad. Sin embargo, se esperaba que la UV afectara negativamente la desigualdad — efecto directo —, y esto no sucedió. Sin embargo, se puede entender que, al estar este efecto permeado entre trabajadores, ocurre dentro del mercado laboral y no dentro de la estructura productiva de la región. Es decir, cuando los autores^[10] exponen que en economías más diversificadas los individuos tienen más oportunidades de aprender y de elegir sus ocupaciones — contribuyendo no solo al portafolio, sino también a hacer la economía menos desigual —, esto está relacionado con el aumento de la calidad del mercado laboral de la región.

Figura 3. Modelo de ecuaciones estructurales para el índice de Gini

Fuente: Resultados originales de la investigación.

Además, tal resultado consigue unir los puntos de lo que fue estudiado anteriormente^[2], demostrando que la UV afecta más positivamente a mercados de trabajo de menor calidad asociada y que el aumento de la calidad de los puestos de trabajo generados en un estado parece ser capaz de disminuir su desigualdad de renta^[3]. Todo esto a través del impacto indirecto de la diversificación de la estructura productiva en el mercado de trabajo, actuando en la desigualdad de renta.

En relación con las variables de control, todas señalaron efectos contrarios a los esperados. Para este modelo, la proporción de ocupados en la industria no fue significativa. La interpretación de los coeficientes es tal que el aumento de una unidad en la medida de UV lleva a un aumento de 0,09 unidades en el Gini, y de 0,59 en el IQMT, que a su vez disminuye el índice de Gini en 0,20 unidades, en promedio, ceteris paribus. El aumento de un punto porcentual en la proporción de personas con educación superior causa un aumento en el Gini de 0,25 unidades, y el aumento de un punto porcentual en la proporción de mujeres en puestos de liderazgo causa un crecimiento en el Gini en 0,23.

Para el índice de Piesch, buena parte de las conclusiones se mantienen, inclusive la no significancia de la proporción de ocupados en la industria, como puede ser visto en la Figura 4. Lo que cambia son las magnitudes de los coeficientes estimados. Siendo así, el aumento de una unidad en la medida UV lleva a un aumento de 0,07 unidades en el índice de Piesch, y de 0,59 en el IQMT, que, a su vez, disminuye el índice de Piesch en 0,17 unidades, en promedio, ceteris paribus. El aumento de un punto porcentual en la proporción de personas con enseñanza superior aumenta el índice de Piesch en 0,25 unidades, y el aumento de un punto porcentual en la proporción de mujeres en cargos de liderazgo aumenta el índice de Piesch en 0,31.

Figura 4. Modelo de ecuaciones estructurales para el índice de Piesch

Fuente: Resultados originales de la investigación.

En el modelo de la Figura 5, ni la variable de proporción de ocupados en la industria ni la de proporción de mujeres en puestos de liderazgo resultaron significativas. Siguiendo la misma lógica explorada anteriormente, el aumento de una unidad en la medida UV conduce a un aumento de 0,12 unidades en el índice de Mehran, y de 0,59 en el IQMT, que, a su vez, disminuye el índice de Mehran en 0,27 unidades, en promedio, ceteris paribus. El aumento de un punto porcentual en la proporción de personas con educación superior aumenta el índice de Mehran en 0,25 unidades.

Figura 5. Modelo de ecuaciones estructurales para el índice de Mehran

Fuente: Resultados originales de la investigación.

Sobre el ajuste de estos modelos, se puede decir que presentaron buenas medidas de calidad. El CFI y el TLI por encima de 0,9 indican que el modelo puede mejorar en más de 90% la capacidad explicativa de la variabilidad de la desigualdad de ingresos. En los modelos estimados, el CFI fue 0,991 y el TLI 0,973. El RMSEA y el SRMR menores que 0,08 indican que el modelo está bien ajustado, en el sentido de que los residuos dejados por él son bajos, otorgándole buena capacidad predictiva. En los modelos estimados, el RMSEA fue de 0,070 y el SRMR de 0,032. Además, el p-valor de los modelos les confiere significancia global.

La no significancia de la variable de ocupación en la industria, en los servicios públicos y en los servicios financieros puede ser explicada por la caída en la participación de estos sectores en la generación de empleos en Brasil. A pesar de que el gran “driver” generador de puestos de trabajo en el país sea el sector terciario, estas vacantes no se concentran mayoritariamente en las ocupaciones de esta área, sino en vacantes de los sectores de alojamiento, alimentación y servicios domésticos. Los principales resultados de este estudio logran juntar los cabos de lo que ya había sido estudiado, a través del análisis del impacto indirecto de la diversificación de la estructura productiva en el mercado laboral actuando en la desigualdad de ingresos.

Es importante destacar que este trabajo enfrentó algunas limitaciones, naturales en estudios de esta naturaleza. En primer lugar, es posible repensar las variables consideradas en la creación del IQMT, así como proponer mejores formas de clasificación en la composición de las binarias. En segundo lugar, es importante repensar la desigualdad en un formato multidimensional —como ya ocurre con las medidas de pobreza—, que tenga en cuenta no solo métricas de renta. En tercer lugar, posiblemente estos resultados serían diferentes si se aislaran para grandes grupos de clasificación de ocupación, lo que sería altamente relevante, considerando que las participaciones en el empleo total son diferentes entre los grupos, como fue posible percibir en los resultados del trabajo. En cuarto lugar, y esto se vincula a cualquier trabajo econométrico, se puede repensar la metodología aplicada.

Referencias

[1] Frenken K.; Oort F.V.; Verburg,T. Related variety, unrelated variety and regional economic growth. Regional Studies, Taylor & Francis. 2007;  41(5): 685–697. DOI: https://doi.org/10.1080/00343400601120296.

[2] Moraes J. Diversificação econômica e qualidade do mercado de trabalho no Brasil: uma abordagem de regressão quantílica para dados em painel (2012–2019) [Tese de Doutorado], Campinas (SP): Universidade Estadual de Campinas; 2020. Disponível em: https://repositorio.unicamp.br/acervo/detalhe/1128687. Acesso em: 31 out. 2023.

[3] Hartmann D; Guevara M.R.; Jara-Figueroa C.; Aristarán M.; Hidalgo C.A. Linking Economic Complexity, Institutions, and Income Inequality. World development. 2017; 93: 75–93. DOI: http://dx.doi.org/10.1016/j.worlddev.2016.12.020.

[4] Moraes J. Labor Market Quality and Income Inequality: An Approach of Quantile Regression for Panel Data for Brazil (2012–2018). In: Anais do IX Congreso de la Asociación Latinoamericana de Poblacion (ALAP); 2020. Disponível em: https://congresosalap.com/alap2020/resumos/0001/PPT-eposter-trab-aceito-0078-1.PDF. Acesso em: 31 out. 2023.

[5] Hoffmann R. Decomposition of Mehran and Piesch inequality measures by factor components and their application to the distribution of per capita household income in Brazil. Brazilian Review of Econometrics. 2004; 24(1): 149–171. DOI: https://doi.org/10.12660/bre.v24n12004.2706.

[6] Fávero L.P.; Belfiore P. Manual de análise de dados: estatística e modelagem multivariada com Excel, SPSS e Stata. Rio de Janeiro (RJ): Elsevier Brasil, 2017. 1187 p.

[7] Brown T.A. Confirmatory factor analysis for applied research. 2ed. Nova York (NY): Guilford Publications. 2015. 462 p.

[8] Kline R.B. Principles and practice of structural equation modeling. 4ed. Nova York (NY): Guilford Publications. 2015. 532 p.

Como citar

Moraes, J.; Silva, J. E. Qualidade do mercado de trabalho: intermediário da relação entre diversificação produtiva e desigualdade de renda. Revista E&S. 2024; 5: e20230115.

Sobre los autores

Jaqueline Moraes , Sebrae Nacional – Unidad de Gestión Estratégica – Avenida Imperatriz Leopoldina, 550 – Vila Nova; CEP 13073-035 – Campinas/SP, Brasil.

José Erasmo Silva , Profesor Orientador MBA Data Science e Analytics – Rua Maria Társia, 51 – Jardim Elite; CEP 13417-440 – Piracicaba/SP, Brasil.

Enlace para descarga: PDF