Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Similars in
SciELO 
Permalink
Introducción
En América Latina el nivel de desempleo es explicado por varios factores exógenos y endógenos atribuibles a cada economía. Como lo indica Ross (2005) en el año 2002 los países que registraron mayores tasas de desempleo fueron países suramericanos, como Colombia, Uruguay y Argentina con un 16.5%, 17.0% y 19.7% aparentemente por el bajo aporte del sector manufacturero a la generación del empleo, posterior a ello, para el período 2000 - 2013 la tasa de desempleo promedio de un conjunto de 18 economías de Latinoamérica, dentro de ellas Ecuador descendió del 9.3% al 6.2%; siendo el incremento de la acumulación del capital un factor determinante en la reducción de la tasa de desempleo (Judzik & Mateos, 2017).
En el Ecuador, la peor crisis que atravesó el mercado laboral, fue en la década de los noventa, especialmente el último año a raíz de una profunda recesión económica, producto de la inestabilidad del sector financiero, que finalmente desencadenó en un fuerte estancamiento productivo, haciendo que el producto interno bruto (PIB) real tuviera un crecimiento negativo de 7.3%, el cual se vio reflejado en altas tasas de desempleo que superaba el 14% registrándose como la más alta en la historia del país (Voz, 2000).
A partir de la época de la dolarización la tasa de desempleo en el Ecuador empezó a tener una tendencia decreciente y a pesar de que en la actualidad se encuentra por debajo de la media de la región, que según la (Organización Internacional del Trabajo [OIT], 2018) son valores inferiores frente a países como Brasil con una tasa de desempleo del 12.5% o 9.8% de Colombia, sigue siendo una de las problemáticas más críticas que afecta a la población ecuatoriana; puesto que el no contar con una fuente de empleo que sustente el ingreso familiar, se traduce en un incremento de la vulnerabilidad económica y social ya que se ve reducido sus niveles de consumo y por ende calidad de vida.
Adicionalmente presentan elevados problemas de subocupación e informalidad como lo indica el (Instituto Nacional de Estadísticas y Censos [INEC], 2018) el empleo adecuado en promedio para los años 2007-2017 fue de 43.42%, es decir, más del 50% de la Población Económicamente Activa (PEA) se encuentra en el sector informal, y dentro de ella el subempleo con 14.7%, encontrándose grupos de personas que no trabajan el número de horas establecidas como mínimo, ni reciben el salario mínimo establecido por ley, en su mayoría dedicándose a actividades informales e inseguras.
Por lo que, el desempleo puede ser explicado por factores determinantes, como; 1) la existencia de una estructura productiva poco diversificada (Bonilla, 2011), que, por tal motivo el mercado de bienes y servicios no puede absorber toda la mano de obra disponible, tal como lo indica Ortiz y Uribe (2006), una economía que posee un bajo grado de diversificación industrial genera una limitada demanda de trabajo. En ese sentido, en el Ecuador, el aporte del sector manufacturero al PIB es del 11.6%); lo que quiere decir, que no posee un adecuado nivel de fortalecimiento industrial y su aporte a la generación de empleo es baja; 2) la concentración de exportaciones en productos con limitado valor agregado, provoca que economías pequeñas y abiertas como la del Ecuador se exponga a cualquier tipo de shocks externos, puesto que la volatilidad de sus precios refleja un deterioro en los términos de intercambio, provocando que la tasa de desempleo incremente (Peña, 2015). Esto ocurre especialmente cuando un incremento de las importaciones termina desplazando la producción local generando una reducción en la demanda de mano de obra (Judzik & Mateos, 2017). Es decir, el desempleo tiende a reducir siempre y cuando el comercio internacional sea favorable para dicha economía 3) la deficiente acumulación del capital, que refleja la existencia de un bajo grado de inversión en un país, no genera suficientes plazas de trabajo, y es considerado como determinante del desempleo especialmente para el mediano y el largo plazo (Avendaño & Perrotini, 2015), provocando que un incremento en la inversión reduzca la tasa de desempleo, siempre y cuando la inversión este enfocado a sectores de la economía con mayor productividad (García, 2014); 4) el nivel de actividad económica (PIB), también es considerado relevante para explicar el nivel de desempleo, ya que indicadores como el PIB y desempleo suelen fluctuar en relación inversa (Lebracon, 2012).
Así lo demuestra Silva (2017), que el desempleo es causado por los ciclos recesivos; es decir, en una crisis económica se incrementa el nivel de desempleo y viceversa, además de acuerdo a Rodríguez (2018) el producto interno bruto es una variable que influye significativamente sobre el desempleo en el Ecuador; 5) por último, otro problema que podría estar asociado a la existencia del desempleo, como indica Ramos (2007), Judzik y Mateos (2017), a nivel de América Latina y economías vecinas, es la inflexibilidad de mercado de trabajo, por la presencia de salarios mínimos que resulta difícil para los empresarios poder demandar mayor cantidad de mano de obra.
En el caso particular del Ecuador los estudios enfocados a explicar el desempleo y sus determinantes desde un punto de vista macroeconómico son escasos ya que la mayoría de las investigaciones como Vera (2015), Silva (2017) han enfocado a explicarlo, desde el punto de vista de la teoría del capital humano o análisis descriptivos relacionados al crecimiento, migraciones internas del campo a la ciudad, lo que provocaría un incremento en el desempleo; en tal virtud la presente investigación pretende identificar los principales determinantes que explican el nivel de desempleo en el Ecuador para el período 2003-2018.
1. Revisión teórica y antecedente
Se ha generado controversias sobre la hipótesis, de que, una creciente participación del sector manufacturero en una economía tiende a generar mayores plazas de trabajo, autores como Lavopa y Szirmai (2012); Athukorala y Sen (2015) consideran al creciente desenvolvimiento de las industrias manufactureras como la principal fuerza que impulsa el crecimiento económico, que mediante su contribución a la generación de empleo y valor agregado permite mejorar niveles de ingreso y reducir los niveles de pobreza.
Una clara comprobación empírica se evidencia en el estudio realizado por Szirmai y Verspagen (2015) aplicado a 88 países, 21 economías desarrolladas y 67 economías en desarrollo para el período comprendido 1950-2005, que una creciente participación de las actividades industriales tiene una relación positiva en el crecimiento y desarrollo económico, especialmente para los países que se encuentran en etapas tempranas de desarrollo, acompañados de una fuerza laboral con un alto nivel de educación. En el caso específico de América Latina (García, 1983), señala que, a partir de la intensificación del proceso de industrialización iniciado en la década de 1950, se registró una creciente transferencia de fuerza laboral desde el sector primario hacia las actividades industriales, tal es así, que, las actividades relacionadas a la manufactura generaron un 3.4% de empleo directo anual entre 1950 a 1980.
La evidencia del sector manufacturero en el dinamismo de la economía se refleja también por sus fuertes vínculos intersectoriales con los demás sectores. Los resultados de la estimación realizada por García (1983), indica que por cada plaza de trabajo creado en el sector manufacturero se crea casi dos plazas de trabajo adicional en otros sectores. Para una mayor comprensión Guisán (1994), demuestra la existencia de una incidencia significativa de la producción industrial en la creación de empleo en el sector servicios, especialmente en el sector de servicios sociales, para España, Estados Unidos, Japón y Alemania. Resultados que están de acorde a los argumentos planteados por Lavopa y Szirmai (2012); Athukorala y Sen (2015) sobre la existencia de fuertes vínculos entre el sector manufacturero y servicios.
Otra hipótesis que ha cobrado importancia es el papel que juega la apertura al comercio internacional dentro de las economías domésticas, y, en materia laboral intentar entender si estas políticas ¿Crean o destruyen fuentes de trabajo?, lo cual, derivado de ello, se ha desarrollado algunas aplicaciones empíricas, a fin de corroborar la existencia o no de efectos sobre el comportamiento de la economía en general, y especialmente sobre el desempleo. Los principales trabajos que han examinado la presente relación refieren a Uslu y Polat (2012), quienes a través de un análisis de panel de datos para las industrias manufactureras de Turquía demuestran que el sector externo presenta un efecto positivo para la economía y empleo en general, especialmente por la contribución de sectores de alto contenido tecnológico. Conclusiones similares son encontradas en la investigación desarrollada por Gozgor (2014) para Alemania, Canadá, Estados Unidos, Francia, Japón, Italia y Reino Unido más conocidas como economías del G7, que una mayor globalización y la liberalización comercial conducen a disminuir las tasas de desempleo tanto en el corto como en el largo plazo.
Mientras que Kim (2011), en su estudio empírico aplicado a 20 países de la OCDE, indica la existencia de una relación directa entre comercio y desempleo, y comprueba que solo las importaciones provenientes de economías que tienen altos niveles de ingresos inciden a que el país registre una alta tasa de desempleo. Finalmente, demuestra que países que cuentan con una excesiva presencia de instituciones que regulan el mercado laboral tienden a incrementar sus tasas de desempleo. Para el caso español los autores Dones, Heredero y Ruesga (2017) mencionan que las exportaciones que han contribuido a mejorar el crecimiento de España han sido poco intensivas en mano de obra, caracterizado por grandes empresas que importan insumos, generando así, escasas relaciones intersectoriales dentro de la economía que ayuda a generar plazas de trabajo, pero se prevé que las exportaciones de servicios tendrán un mayor aumento en el futuro.
A nivel de América Latina, los resultados de las investigaciones realizadas por Fujii y Cervantes (2010) y Bonilla (2010), para el caso específico de México y Colombia, demuestran que la liberalización comercial les permitió un crecimiento de sus exportaciones que benefició a la creación de empleo en ciertos sectores. Sin embargo, eso no trajo impactos positivos significativos debido a que las importaciones se incrementaron en mayor intensidad, dando como resultado un efecto nulo en el aporte al producto y creación de empleo. El resultado de la liberalización comercial es diferente a cada realidad económica, pues, para economías desarrolladas esta política favorece positivamente a mejorar sus indicadores laborales y económicos, mientras que en las economías en desarrollo el efecto tiende a ser nulo o negativo.
Estudios más relacionados a la temática de explicar el desempleo se realizan mediante el enfoque de la teoría de reacción en cadena, método que capta shocks, impulsos de variables tanto desde oferta laboral, fijación de salarios y especialmente de variables exógenas de demanda laboral como la acumulación de capital. Entre estas tenemos a Bande y Karanassou (2013) que afirman que el aumento de las tasas de desempleo regionales en España se debe a las contracciones de la acumulación de capital, mientras que, en los periodos de expansión, el aumento de la inversión es importante para disminuir el nivel de desempleo. Para Malley y Moutos (2001) las fluctuaciones del desempleo en Reino Unido, Alemania y Japón se relacionan a la trayectoria del stock de capital, y argumentan que solo en el caso de que el stock de capital nacional sea mayor al stock de capital internacional, o mayor al de sus principales socios comerciales proporciona un ambiente favorable para el crecimiento de la producción y empleo del país. Karanassou, Sala y Salvador (2008) también evidencian la importancia que juega la acumulación del capital al momento de explicar el desempleo, demuestra que en períodos de crisis la acumulación de capital explica cerca del 30% de tasa de desempleo en Dinamarca y 50% en Suecia. Finalmente, para Leites y Porras (2016) las bajas tasas de desempleo que ha mantenido la economía uruguaya se debe al comportamiento de la formación bruta de capital fijo que impulsó, una mayor demanda de trabajo.
Respecto al impacto del crecimiento económico en los indicadores del mercado laboral, más conocido como la elasticidad empleo-producto, se ha convertido en una de las relaciones más estudiadas en el ámbito macroeconómico, especialmente a partir del desarrollo de la denominada ley de Okun, que establece una relación inversa entre las fluctuaciones del crecimiento y desempleo, evidencia empírica a partir de la cual se han desarrollado varias investigaciones. Entre los principales resultados se encuentra lo siguiente, la investigación desarrollada por Pérez, Rodríguez y Usabiaga (2003) en el caso exclusivo de Andalucía, encuentra que la tasa de ocupación se muestra más sensible a épocas de expansión que a épocas recesivas, y añade que la respuesta del desempleo a las fluctuaciones del producto es menor comparado al conjunto total de la economía española. Para el mismo país, Martin y Porras (2012) señalan que la sensibilidad del desempleo con respecto del crecimiento es negativa en casi todas las regiones. Sin embargo, la sensibilidad es diferente en cada región, debido a las diferentes estructuras productivas y ocupacionales que funciona dentro cada región, pese a contar con la misma regulación laboral.
En el estudio presentado por Páez (2013) la relación de las fluctuaciones del producto y desempleo realizado a diez países de Latinoamérica, es de diferente intensidad; ya que algunos países presentan relaciones inversas contundentes para todo el período analizado y otros donde la intensidad es baja o casi nula, finalmente añade que además del nivel de producción, aumentos en costo del capital y los salarios conllevan a incrementos en la tasa de paro. Evidencia que se vuelve a comprobar para Argentina, Colombia y Chile, en la investigación de Franco (2017), quien, a través de diferentes técnicas econométricas, concluye la existencia de una relación negativa, que incrementos en la producción disminuye la tasa de desempleo, pero en diferente intensidad para cada economía. A un nivel más pequeño, Bracamontes y Camberos (2016), analizaron la relación empleo-producto del sector primario, secundario y terciario para el estado de Sonora en México, donde finalmente evidencian que, en todo el período analizado, la elasticidad empleo-producto del sector secundario y terciario incrementó positivamente, siendo más pronunciada en esta última. Se puede observar que la sensibilidad del desempleo respecto del crecimiento del producto, es diferente en cada país; puesto que esta no depende únicamente de un indicador que refleje el crecimiento de la economía, sino que está ligada a otros factores institucionales, o la existencia de sectores que impulsan el crecimiento no son intensivos en mano de obra, generando tan solo incrementos del producto sin generación de fuentes de empleo.
En algunos de los trabajos citados anteriormente se puede observar que la trayectoria del desempleo está vinculada a algunas variables del entorno macroeconómico, y a pesar de que, en algunos casos estas variables presentan un efecto positivo sobre el empleo, esta se ve perjudicado por la existencia de algún tipo de rigidez en el mercado laboral, una de ellas la rigidez salarial en el enfoque de la teoría neoclásica, argumenta que incrementos en los salarios conduce a disminuir la demanda de mano de obra por parte de las empresas (Colás, 2007). Sin embargo, los resultados obtenidos una vez aplicado al análisis de las diferentes economías difieren mucho tal postulado teórico.
Tal es el caso de Groisman (2012) quien mediante una regresión logística multinomial, comprueba que en Argentina en el período 2003-2010, los aumentos realizados en el salario mínimo legal no han generado efectos negativos sobre el empleo, incluso las personas que perciben remuneraciones y salarios que fluctúan alrededor del mínimo, quienes muchas veces resultan ser las más afectadas mostraron probabilidades adecuadas de mantener su condición laboral. Resultados similares fueron encontrados por Campos, Esquivel y Santillán (2015), para el caso de México, que a través de un análisis de corte transversal, analiza el efecto de un incremento en el salario de las personas de medios ingresos, demuestran una vez más que un incremento salarial mínimo no afecta al empleo, al contrario, este contribuyó de manera positiva la mejora salarial de las personas de medios y altos niveles de ingresos, además proporciona evidencia de que las personas que se encuentren en el sector informal tienen probabilidades de insertarse en el mercado laboral formal. Finalmente, los resultados de la investigación realizada por Canelas (2014), están de acorde a las conclusiones de autores antes mencionados, puesto que, los aumentos mínimos salariales no afectan a la destrucción de plazas de trabajo en la economía ecuatoriana.
Entender el comportamiento de los indicadores del mercado laboral, especialmente del desempleo, resulta algo complejo; ya que esta no depende únicamente de una sola variable, o alguna política en particular, por lo que relacionar el desempleo agregado a una sola variable, puede llevar a conclusiones y resultados algo alejados de la realidad. Algo que en las últimas décadas los investigadores de la ciencia económica han intentado esclarecer, centrando sus investigaciones a explicar el comportamiento del desempleo tomando en cuenta variables relacionadas no solo al comportamiento de la economía, sino también a indicadores relacionados al funcionamiento del mercado laboral, sector externo y variables claves de desarrollo, como la inversión, y el grado de desarrollo industrial. Tal es así, que, las investigaciones centradas a tratar la temática del desempleo, son analizadas mediante enfoques multivariados. Entre algunos hallazgos empíricos tenemos a Stockhammer y Onaran (2002), que demuestran que el desempleo de Francia, Estados Unidos y Reino Unido se debe al comportamiento de las variables relacionadas al mercado de bienes como la acumulación del capital y utilización de la capacidad. Trejo, Rivera y Ríos (2016) al analizar el impacto de variables macroeconómicas como la producción, oferta monetaria y sector externo sobre el desempleo en México, demostraron que las variables liquidez y Formación bruta de capital fijo (FBKF) son las que más contribuyen a explicar el comportamiento de la tasa de desempleo. Por otra parte, para Judzik y Mateos (2017) la tasa de desempleo argentina tiende a disminuir siempre y cuando exista una mejora en sus términos de intercambio, una mayor la acumulación de capital, mientras que la existencia de salarios mínimos afecta de forma negativa.
Los resultados para Colombia, según Espinoza y Vaca (2014), el desempleo en el corto plazo se ve explicado por la disminución de las ventas reales, y en el largo plazo, por la productividad. Bajo esa misma línea, para Bonilla (2011) el nivel de desempleo tiende a reducir ante un creciente desarrollo manufacturero. Mientras que para García y Soto (2014), las variables que explican las variaciones del desempleo son aquellas relacionadas al sector externo, tales como; las exportaciones, términos de intercambio e inversión extranjera directa. Finalmente, para López y Misas (2006), el desempleo de largo plazo, es explicado por impactos de demanda laboral, oferta laboral y sector externo.
En el Ecuador, las investigaciones relacionadas a explicar la problemática del desempleo son escasas, entre ellas las que más se relacionan, es de Rueda (2011) e indica que los principales determinantes del desempleo es el PIB no Petrolero; puesto que sectores como la manufactura, agricultura, servicios y construcción generan aproximadamente un 95% del empleo, y la tasa de crecimiento del PIB, esta evidencia se vuelve a comprobar en la tesis realizada por Rodríguez (2018) donde demuestra que las fluctuaciones de la tasa de desempleo se debe a la fuerte correlación con el crecimiento de la economía, además de que presenta una relación directa entre el salario básico unificado mensual (SBUM), por último Fiallos (2018) a través de la metodología vectores autoregresivos comprueba que existe una relación causal entre el ciclo económico y empleo.
En este contexto, la investigación pretende estudiar los principales determinantes del desempleo para el caso ecuatoriano desde un punto de vista macroeconómico; y en vista de que la mayoría de trabajos se realiza mediante series de tiempo con enfoque multivariado utilizando variables como el aporte del sector manufacturero al PIB como un indicador aproximado de desarrollo industrial, el índice de términos de intercambio que refleja la relación de la economía con el sector externo, la FBKF que refleja el grado de inversión o acumulación del capital, el PIB real, que refleja la actividad económica del país, y el salario mínimo como un indicador aproximado que refleja el grado de rigidez del mercado laboral.
2. Aspectos metodológicos.
El presente estudio asume un tipo descriptivo y correlativo porque describen a las variables y busca la asociación o correlación entre ellas. Se utiliza este tipo de investigación ya que se pretende describir el comportamiento y evolución de cada uno de los posibles determinantes del nivel de desempleo y su efecto sobre el mismo, por último, se analizará el comportamiento y estructura del nivel de desempleo en el Ecuador, siendo fundamental la disponibilidad de fuentes de datos estadísticos de todas las variables. Debido a la homogeneidad de los datos y para un adecuado manejo y análisis de resultados, se contempla como muestra los datos proporcionados por el Banco Central, INEC a partir del tercer trimestre el 2003 hasta el segundo trimestre del 2018.
3. Resultados.
Estimación Econométrica.
Tomando en cuenta que la mayoría de los casos de estudio empíricos detallados en la sección del estado del arte, se analiza la problemática del desempleo a través de metodologías econométricas de series de tiempo multivariado, como Vectores Autoregresivos (VAR) o Vectores de Corrección de Errores (VEC), que son series que se encuentran relacionadas a la evolución en el tiempo y que presentan algún tipo de relación entre ellas. La presente investigación pretende verificar la hipótesis sobre, sí la participación del sector manufacturero como un indicador aproximado del grado de desarrollo industrial, el índice de términos de intercambio que refleja la relación de la economía con el sector externo, la FBKF que refleja la acumulación del capital, el producto interno bruto (PIB) que refleja el nivel de producción de la economía y el salario mínimo real, que refleja los costos laborales o rigidez del mercado de trabajo son relevantes para explicar el nivel del desempleo en la economía ecuatoriana. Para lo cual, se parte de la siguiente expresión.
Donde:
Yt: Tasa de desempleo (DESEM).
X1: Participación del sector manufacturero en el PIB (MANUF).
X2: Términos de intercambio (TI).
X3: Formación bruta de capital fijo (FBKF).
X4: Producto interno bruto (PIB).
X5: Salario mínimo real (SMINR).
ut: termino de perturbación estocástica
t: trimestral
Realizando la modelación econométrica, se tiene la siguiente expresión;
Obtenida la ecuación econométrica, se procede a verificar a través del contraste de la razón de varianzas o levene, si cada una de las variables presenta homogeneidad en varianzas. Los resultados obtenidos de la estimación realizada, indica que las variables no presentan homogeneidad en varianzas, dando lugar a aplicar un proceso de transformación logarítmica a fin de estabilizarlas, obteniendo la siguiente expresión.
Determinada ya la ecuación del modelo econométrico y corregido los problemas de estabilidad de varianza, se procede a analizar el comportamiento de las variables de estudio.
Comportamiento de las variables.
Se puede observar que las variables LNDESEM, LNMANUF, LNTI, LNFBKF, LNPIB y LNSMINR presentan una cierta tendencia de crecimiento en todo el periodo analizado, por lo que se podría afirmar a priori que las series tal vez sean no estacionarias y cointegren, lo cual se comprobará mediante las pruebas formales de estacionariedad, previo a tal paso se realiza una regresión lineal múltiple mediante MCO a fin de verificar si las variables dentro del modelo son significativas para explicar el nivel del desempleo.
Fuente: Elaboración propia
Gráfico 1 Comportamiento de las variables LNDESEM, LNMANUF, LNTI, LNFBKF, LNPIB, LNSMINR
El análisis de regresión lineal que contempla el nivel de significancia de cada una de las variables independendientes para explicar la variable dependiente, realizado a través de mínimos cuadrados ordinarios indica que las variables independientes (LNSMANUF, LNTI, LNFBKF y LNPIB) son significativas para explicar el nivel de desempleo (LNDESEM), excepto el salario mínimo real (LNSMINR), que con una probabilidad de 0.4176, la cual es mayor al margen de error del 5%, no es significativa para explicar la variable dependiente (LNDESEM), por lo que, se la excluye de la estimación econométrica y se realiza una nueva regresión.
Los resultados de la nueva regresión reflejada en la tabla 1, indica que las variables, participación del sector manufacturero (LNSMANUF), acumulación del capital (LNFBKF), el índice de términos de intercambio (LNTI) y nivel de producción económica (LNPIB) son significativas al margen de error del 5%, es decir, todas las variables son significativas para explicar el nivel de desempleo.
Tabla 1 Regresión lineal múltiple a través de MCO.
| Variable | Coeffient | Std. Error | t-Statistic | Prob. |
| LNMANUF | -0.790906 | 0.229992 | -3.438839 | 0.0011 |
| LNTI | -0.436301 | 0.147397 | -2.960047 | 0.0045 |
| LNFBKF | 1.368865 | 0.498743 | 2.744632 | 0.0081 |
| LNPIB | -3.349018 | 0.655602 | -5.108310 | 0.0000 |
| C | 43.53296 | 7.108390 | 6.124166 | 0.0000 |
|
R-squared F - statistic Prob(F-statistic) |
0.853640 81.65479 0.000000 |
Mean dependent var Durbin-Watson stat |
1.882938 1.398155 |
|
Fuente: Elaboración propia
En cuanto a verificar si hay presencia de regresión espuria, se observa que el valor de DurbinWatson=1.39 es mayor al coeficiente de correlación R2 =0.85, se cumple la condición establecida por Granger y Newbold (1974) de que R2>DW, que afirma la condición de no existencia de regresión espuria; es decir, la regresión del modelo que indica la relación de las variables es verdadera.
Test de raíz unitaria.
Como primer paso de tratamiento a las series de tiempo, se analiza la prueba de estacionariedad, entendido por Gujarati (2010) como series estacionarias, a aquellas series de tiempo que tanto su media y varianza no cambian en el transcurso del tiempo; es decir, se mantienen constantes, mientras que las series temporales que presentan tendencias ascendentes o descendentes; es decir su media y varianza varía, se le denomina series no estacionarias. Partiendo de ello, para determinar si se cumple o no la condición de estacionariedad, mediante la prueba de raíces unitarias a través de la aplicación del estadístico de Dickey Fuller Aumentado (ADF), se establece las siguientes hipótesis:
H0: La serie no es estacionaria - Presenta raíz unitaria.
H1: La serie es estacionaria - No presenta de raíz unitaria.
Condiciones a tomar en cuenta para aceptar o rechazar la hipótesis nula H0:
Si, ADFcalculado > Valor crítico ; se rechaza H0
Si, ADFcalculado < Valor crítico ; no se rechaza H0
Previo a establecer los resultados derivado del test de Dickey Fuller Aumentado (ADF), se analiza si las series presentan problemas de autocorrelación, entendido por Gujarati (2010) como el nivel de dependencia de la variable con respecto a si misma, reflejado en el valor del estadístico Durbin Watson, el cual debe encontrarse dentro del intervalo recomendado de 1.85-2.15 para la ausencia de autocorrelación.
Los resultados obtenidos en la tabla 2 indica que las variables LNTI, LNFBKF y LNPIB no presentan problemas de autocorrelación, mientras que las variables LNDESEM y LNMANUF inicialmente presentan dicho problema, pero se procedió a corregir introduciendo especificaciones al modelo, indicando finalmente que el Test de Durbin Watson para todas las variables se encuentra dentro del margen establecido para la no presencia del problema de autocorrelación.
Tabla 2 Prueba de raíz unitaria-en niveles.
| Variable en niveles | ADFCalculado | Valor critico 5% | DW | Retardos | p-valor | Diagnostico |
| LNDESEM | -2.116498 | -2.912630 | 1.8895 | 1 | 0.2391 | I(1) |
| LNMANUF | -2.323733 | -2.911730 | 1.9013 | 1 | 0.1681 | I(1) |
| LNTI | -2.832882 | -2.911730 | 1.8796 | 0 | 0.0598 | I(1) |
| LNFBKF | -2.062735 | -2.912631 | 1.9056 | 0 | 0.1808 | I(1) |
| LNPIB | -1.673869 | -2.911730 | 2.0488 | 0 | 0.4391 | I(1) |
Fuente: Elaboración propia
En cuanto al test de raíces unitarias se puede observar que el ADFCalculado del LNDESEM, LNMANUF, LNTI, LNFBKF y LNPIB es mayor al valor crítico del 5%, además de que se presenta una probabilidad ADF mayor al nivel de significancia de 0.05, evidencia suficiente para no rechazar la hipótesis nula H0 de que todas las series no son estacionarias en sus niveles, poseen raíces unitarias, por lo tanto, se procede a diferenciar las series y aplicar el mismo proceso.
Los resultados de la prueba de raíces unitarias en primeras diferencias reflejada en la tabla 3 indica que el valor del estadístico ADF. Calculado de las variables LNDESEM, LNMANUF, LNTI, LNFBKF y LNPIB es menor al valor crítico del 5%, además indica que no existe el problema de presencia de autocorrelación, por lo que existe suficiente evidencia para rechazar la hipótesis nula y afirmar que las series son estacionarias en primeras diferencias, y que poseen un nivel de integración de orden (I).
Tabla 3 Prueba de raíz unitaria-Primeras diferencias.
| Variable | ADFCalculado | Valor critico 5% | DW | Retardos | p-valor | Diagnostico |
| LNDESEM | -9.858209 | -2.911730 | 1.9057 | 0 | 0.0000 | (0) |
| LNMANUF | 8.170301 | -2.911730 | 1.9515 | 0 | 0.0000 | (0) |
| LNTI | -6.622396 | -2.912631 | 2.0447 | 0 | 0.0000 | (0) |
| LNFBKF | -4.187709 | -2.911730 | 1.9585 | 0 | 0.0015 | (0) |
| LNPIB | -4.848695 | -2.911730 | 2.0968 | 0 | 0.0002 | (0) |
Fuente: Elaboración propia
El contraste de estacionariedad también se aplica a los residuos del modelo, para el cual se establece las mismas hipótesis y condiciones de aceptación, los resultados reflejados en la tabla 4 indica que el ADFcalculado = -10,87 es menor al valor de la tabla de Davidson y Mackinnon de -4,41, que indica que los residuos del modelo son estacionarios en niveles, por lo que podría decir a priori que las variables estén cointegradas y se estimaría a través de un modelo Vector Error Correction (VEC).
Tabla 4 Prueba de estacionariedad-Residuos.
| Variable | ADFCalculado | Tabla davidson y mackino | DW | Retardos | p-valor | Diagnostico |
| Resid001 | -10,8792 | -4,4185 | 1.9167 | 0 | 0.000 | (0) |
Fuente: Elaboración propia
Test de Cointegración de Johansen.
Una vez verificado que todas las variables del modelo no son estacionarias y poseen el mismo nivel de integración I (1), se procede a realizar la prueba de cointegración a través del método de Johansen, estadístico que determina la existencia o no de relaciones estables en el largo plazo de todas las variables consideradas en el modelo. Es decir, las variables están cointegradas cuando existe una combinación lineal. Para lo cual se considera dos juegos de hipótesis;
H0: No hay un vector de cointegración (1)
H1: A lo sumo hay un vector de cointegración
H1: Hay un vector de cointegración (2)
H2: A lo sumo hay dos vectores de cointegración
Tabla 5 Test de Cointegración.
| Variables | Test estadístico de la Traza | Test estadístico de autovalor máximo | ||||
|
Estadístico de la traza |
Prob** | Vector |
Estadistico de Autovalor máximo |
Prob** | Vector | |
| Ninguno | 71.34039 | 0.0376 | 1 vector | 25.16179 | 0.0374 | 1 vector |
| A lo sumo 1 | 46.17860 | 0.0713 | 1 vector | 19.03958 | 0.4115 | 1 vector |
| A lo sumo 2 | 27.13902 | 0.0983 | 15.78798 | 0.2375 | ||
| A lo sumo 3 | 11.35104 | 0.1908 | 7.046007 | 0.4837 | ||
| A lo sumo 4 | 4.305029 | 0.3413 | 4.305029 | 0.0380 | ||
*** Nivel de confianza al 5%.
Fuente: Elaboración propia
De acuerdo a los resultados del estadístico de la traza y autovalor máximo reflejada en la tabla 6, existe 1 vector de cointegracion, debido a que en el primer juego de hipótesis el valor de significancia de “Ninguno” es menor a la probabilidad de 0.05, permitiendo rechazar la hipótesis nula y afirmar que a lo sumo existe 1 vector de cointegración.
En el segundo juego de hipótesis el valor de significancia del estadístico de la traza y autovalor máximo de “A lo sumo 1” es mayor a 0.05, por lo cual se acepta la hipótesis nula y afirma que existe 1 vector de cointegración, con ello se confirma la existencia de relación en el largo plazo, y el modelo correcto a estimar es el de vector de corrección de errores (VEC).
Retardos óptimos del modelo.
La determinación de retardos óptimos del modelo es una prueba adicional que se realiza a fin de identificar cuantos valores rezagados son adecuados para realizar la estimación mediante el modelo Vector de Corrección de Errores (VEC). El valor de la segunda fila del criterio bayesiano Schwarz (SC), el criterio de Hannan-Quinn (HQ), el test de la razón de verosimilitud (LR), el estadístico error de predicción final (FPE) y criterio de información de AKAIKE (AIC), reflejado en la tabla 6 índica que es óptimo introducir 1 retardo.
Tabla 6 Retardos óptimos del modelo.
| Retardos | Log L | LR | FPE | AIC | SC | HQ |
| 0 | 325.3284 | NA | 7.40e-12 | -11.44030 | -11.25946 | -11.37019 |
| 1 | 605.7982 | 500.8389* | 8.10e-16* | -20.56422* | -19.47921* | -20.14356* |
| 2 | 629.1774 | 37.57382 | 8.77e-16 | -20.50634 | -18.51715 | -19.73513 |
| 3 | 647.0615 | 25.54868 | 1.20e-15 | -20.25220 | -17.35884 | -19.13045 |
| 4 | 675.4108 | 35.43660 | 1.19e-15 | -20.37181 | -16.57428 | -18.89952 |
| 5 | 702.6763 | 29.21303 | 1.33e-15 | -20.45272 | -15.75102 | -18.62988 |
Fuente: Elaboración propia
Estimación a través vector de corrección de errores (VEC).
Tomando en cuenta que se cumple con las características de que todas las series son estacionarias en primeras diferencias y poseen el mismo orden de integración, además de que se cumple con el supuesto de que los residuos son estacionarios en niveles, y existe un vector de cointegración en el largo plazo de todas las variables, se puede decir que existe información suficiente para estimar un modelo VEC y con ello verificar si la relación del desempleo (LNDESEM) con las variables explicativas LNMANUF, LNTI, LNFBKF y LNPIB en el largo plazo se cumple.
Prueba de Causalidad de Granger.
La causalidad de Granger desarrollado en el marco de las series de tiempo, parte su análisis de que, un suceso B sucede después de que se dé un acontecimiento en A, intentando explicar bajo la noción estadística como los valores pasados y presentes de una variable o conjunto de variables precede algún efecto en otra variable o conjunto de variables (Gujarati, 2010). Definido de manera sintetizada por Granger citado en Balacco (1986), que, una variable X causa a Y, indicando la influencia que tiene el comportamiento temporal de la serie Xt sobre Yt, debido a que la información del pasado y presente de la primera variable es relevante para explicar porque sucede la segunda. Así, para verificar el cumplimiento de que X (LNMANUF, LNTI, LNFBKF y LNPIB) causa a Y (LNDESEM), indicando causalidad en el sentido de granger se considera las siguientes hipótesis:
Condiciones para aceptar o rechazar la hipótesis nula (H0):
Los resultados de la prueba de causalidad en el sentido de Granger, indica que la probabilidad de los términos de intercambio (LNTI)=0.0567, la acumulación del capital (LNFBKF)=0.0253 y el nivel de producción de la economía (LNPIB)=0.0351 son significativos al margen de error de 0.05, permitiendo así, rechazar la hipótesis nula H0 y, afirmar que, se predice, qué, tanto los términos de intercambio, la acumulación del capital y el nivel de actividad económica, causan en el sentido de Granger en el desempleo (LNDESEM), mientras que la participación del sector manufacturero (LNMANUF) con una probabilidad =0.1314, la cual no es significativa al margen de error de 0.05, predice que no causa en el sentido de Granger en el desempleo (LNDESEM). Concluyendo así, que, el comportamiento pasado y presente de todas las variables predictoras excepto la participación del sector manufacturero juegan un papel importante para explicar el desempeño del desempleo.
Adicional a ello, los resultados reflejan que el (LNMANUF) causa en el sentido de granger a (LNFBKF) y (LNPIB) con una probabilidad de 0.0030 y 0.0126 respectivamente, y el (LNPIB) con una probabilidad = 0.0482 causa en el sentido de granger a (LNFBKF) y el (LNFBKF) con una probabilidad = 0.0089 causa en el sentido de granger a (LNPIB). Lo cual permite deducir que, la participación del sector manufacturero es relevante para explicar el comportamiento de la acumulación del capital y el nivel de actividad económica, mientras que el nivel de actividad económica es relevante para explicar a la participación del sector manufacturero y este al nivel de actividad económica, teniendo una causalidad bidireccional.
Tabla 7 Test de causalidad de Granger.
| Hipótesis Nula | F-Statistic | Prob. |
|
LNMANUF does not Granger Cause LNDESEM LNDESEM does not Granger Cause LNMANUF |
2.34325 1.77224 |
0.1314 0.1884 |
| LNTI does not Granger Cause LNDESEM | 3.52282 | 0.0567 |
| LNDESEM does not Granger Cause LNTI | 0.06818 | 0.7950 |
|
LNFBKF does not Granger Cause LNDESEM DESEMPLEO does not Granger Cause LNFORMK |
5.27559 0.35059 |
0.0253 0.5561 |
|
LNPIB does not Granger Cause LNDESEM LNDESEM does not Granger Cause LNPIB |
4.66207 2.00669 |
0.0351 0.1620 |
|
LNTI does not Granger Cause LNMANUF LNMANUF does not Granger Cause LNTI |
0.9010 3.28064 |
0.3363 0.0754 |
|
LNFBKF does not Granger Cause LNMANUF LNMANUF does not Granger Cause LNFBKF |
1.45626 9.60354 |
0.2325 0.0030 |
|
LNPIB does not Granger Cause LNMANUF LNMANUF does not Granger Cause LNPIB |
1.86689 6.64128 |
0.1772 0.0126 |
|
LNFBKF does not Granger Cause LNTI LNTI does not Granger Cause LNFBKF |
0.01413 25.8382 |
0.9058 4.E-05 |
|
LNPIB does not Granger Cause LNTI LNTI does not Granger Cause LNPIB |
0.05896 19.3293 |
0.8090 5.E-05 |
|
LNPIB does not Granger Cause LNFBKF LNFBKF does not Granger Cause LNPIB |
4.07476 7.33404 |
0.0482 0.0089 |
Fuente: Elaboración propia
Función impulso-respuesta.
La respuesta de una variable a un impulso en otra variable, conocido como la función impulso respuesta, intenta explicar las interacciones entre las variables de un sistema, permitiendo identificar si existe alguna reacción en una variable con respecto a un choque especifico o innovación producida en otra (Luthkepohl, 2005). Es decir; mide el efecto en el tiempo de los valores de las variables de un sistema dinámico, provocadas por choques que se han dado en un momento del tiempo (Pesaran, 1997). Es así que los resultados de las funciones de respuesta de LNDESEM, al impulso (IRF) de (LNMANUF, LNTI, LNFBKF y LNPIB), en un horizonte de 12 periodos, equivalentes a tres años ilustrados en el gráfico 2, permiten concluir lo siguiente.
Los resultados de la función impulso-respuesta, indica que la respuesta del desempleo a un choque en sí misma provoca una disminución en los primeros dos periodos, empieza a tener una tendencia ascendente hasta el tercer periodo, manteniéndose invariable en el resto del tiempo. Mientras que un choque en el LNMANUF provoca que el LNDESEM se incremente durante los primeros dos períodos, disminuya en el tercer periodo, vuelva incrementarse para el cuarto periodo, a partir del cual empieza a tener una leve caída hasta el séptimo periodo. Por su parte un choque positivo en el LNTI conduce a disminuir el nivel de desempleo durante los primeros tres períodos, a partir del cual empieza a tener un leve incremento hasta el sexto período, manteniéndose invariable en el resto del tiempo. Un choque positivo en la LNFBKF conduce a disminuir el nivel de desempleo después del segundo período hasta el sexto periodo. Por último, un choque positivo en el LNPIB conduce a disminuir el desempleo hasta el sexto periodo.
Se puede concluir que ante choques o innovaciones positivas de las variables explicativas (LNMANUF, LNTI, LNFBKF y LNPIB), el desempleo tiende a disminuir hasta un máximo de seis periodos, siendo todas ellas relevantes para explicar el desempeño del nivel de desempleo.
Descomposición de Varianza.
Para Seymen (2008) la descomposición de varianza es la contribución de un choque, o innovación de una variable a la varianza de error de pronóstico de otra variable para un horizonte de pronóstico dado. Es un análisis complementario a la función impulso-respuesta, que proporciona información sobre el porcentaje de volatilidad que registra la variable explicada ante los choques exógenos producidos en las variables explicativas, lo cual permite medir la magnitud del efecto e importancia relativa a explicar la variable de estudio.
Los resultados de la descomposición de varianza referente a identificar la magnitud del efecto provocado en el desempleo ante choques de las variables (LNMANUF, LNTI, LNFBKF y LNPIB) en un horizonte de tiempo de 12 períodos, equivalente a tres años, reflejados en la tabla 8, indica que; en el corto plazo las variaciones de un 75.82% del desempleo es explicada por choques en la misma variable, mientras que un el 4,12% de la variación del desempleo se debe a un choque positivo en (LNMANUF), por otro lado un choque positivo en el índice de términos de intercambio (LNTI) explica el desempleo en un 21.14%, por su parte el (LNFBKF) explica en un 4.40% la variación del desempleo, por último el 12.49% de variación del desempleo se debe a un choque producido en el (LNPIB). Mientras que, en el largo plazo, el 70.45% de la variación del desempleo se debe a un choque en la misma variable, el 4.67% a un choque positivo de (LNMANUF), el 40.36% a un choque positivo de (LNTI), el 3.65% a un choque positivo de (LNFBKF) y el 28.65% a un choque positivo de (LNPIB).
Tabla 8 Descomposición de Varianza.
| Periodo | LNDESEM | LNMANUF | LNTI | LNFBKF | LNPIB |
| 3 | 75.82 | 4.12 | 21,14 | 1.47 | 12,49 |
| 12 | 70.45 | 4.67 | 40.36 | 3.65 | 15.88 |
Fuente: Elaboración propia
De acuerdo al orden de importancia relativa para explicar el error de pronóstico del desempleo, se tiene como principal factor que determina las fluctuaciones del desempleo al comportamiento mismo de la variable desempleo, en segundo lugar esta explicado por el comportamiento del índice de términos de intercambio, seguido de ello por el nivel de actividad económica y por ultimo con porcentajes que no superan el 5% de variabilidad se encuentra explicado por la participación del sector manufacturero y la acumulación del capital.
Conclusiones.
Los determinantes del desempleo, participación del sector manufacturero, índice de términos de intercambio, acumulación del capital, nivel de actividad económica y salario mínimo, presentan un comportamiento creciente en todo el período considerado de estudio. Los resultados de la aplicación econométrica VEC multivariado demostró que existe una relación de equilibrio en el largo plazo entre los determinantes del desempleo, y el desempleo, mediante las estimaciones y análisis de resultados de la causalidad de granger, función impulso-respuesta y descomposición de varianza se comprueba empíricamente la hipótesis planteada al inicio de la investigación de que las variables participación del sector manufacturero, el índice de términos de intercambio, la acumulación del capital y el nivel de actividad económica determinan el nivel del desempleo en el Ecuador, a excepción del salario mínimo real que resulta ser no significativa al realizar una regresión lineal previo a la estimación econométrica.
