ACTIVIDAD ECONOMICA Y
PARTICIPACION LABORAL
DE LAS MUJERES Y LOS JOVENES
Documento 88-10
Alfonso Novales
y
Belén Mateos
ACTIVIDAD ECONOMICA Y PARTICIPACION LABORAL DE LAS MUJERES Y LOS JOVENES
I. INTRODUCCION
En el pasado reciente, la participación femenina en el mercado de trabajo en España ha experimentado un importante aumento. Las razones que puedan explicar esta evolución son muy variadas: 1) la población española ha aumentado su capital humano (medido en términos del nivel de estudios) y la participación es una función creciente de éste, (ver García Camacho y Novales (1988)), 2) los últimos 15 años han supuesto un período de destrucción de empleo, y la mujer ha acudido al mercado de trabajo con la intención de recibir la renta perdida por los miembros de la familia que pasaron a la situación de parados (hipótesis del trabajador adicional), 3) la evolución de la participación no ha sido monótona, sino que es paralela a la de la actividad económica; disminuye en períodos de recesión (hipótesis del trabajador desanimado), y aumenta en períodos de expansión.
Este artículo analiza esta última hipótesis,
estimando la evidencia empírica existente acerca
del grado en que la actividad económica influye
sobre la participación femenina en España. Para
ello se utiliza la tasa de participación (cociente
entre población activa y población total) como
medida del grado de participación en el mercado de
trabajo, y distintos índices de actividad, como
las tasas de paro de determinados colectivos y el
índice de producción industrial.
Los condicionantes de la decisión de parti-
cipar pueden variar con las características perso-
nales de los distintos colectivos de población,
(véase García Camacho y Novales (1988)), por lo
que el análisis mencionado se lleva a cabo para
mujeres solteras y no solteras por separado.
Los jóvenes constituyen otro colectivo de
población cuyo comportamiento respecto al mercado
de trabajo ofrece un análisis interesante, por
varias razones: a) Por los diversos programas de
fomento del empleo juvenil, cuya efectividad no
sólo sobre el empleo, sino también sobre la parti-
cipación, tiene importancia conocer, b) porque el
grado de escolarización ha aumentado en gran me-
dida en los últimos años, y se supone que ello
habrá hecho descender la participación juvenil, c)
porque en períodos en que los niveles de ocupación
descienden, los jóvenes tienden a estar muy afec-
tados por el proceso de destrucción de empleo y d)
porque debe evitarse que un efecto de desánimo
aleje a los jóvenes del mercado de trabajo, para
lo que es preciso conocer la evolución de la par-
ticipación juvenil y sus causas.
El análisis de la participación de los jóve-
nes se ha realizado de modo agregado, sin estable-
cer diferencias por sexo o estado civil. Sí dis-
tinguimos, no obstante, entre los más jóvenes de
16 a 19 años, y los jóvenes de 20 a 24 años de
La metodología seguida en este artículo se
basa en el análisis estadístico de las series
trimestrales de desempleo y participación de los
distintos colectivos de población estudiados, ex-
traidas de la Encuesta de Población Activa para el
período (1976,4)-(1986,4). También se ha utilizado
la serie trimestral del Indice de Producción In-
dustrial (IPI), extraída del Boletín Estadístico
del Banco de España.
El análisis trata de estimar el posible
impacto que los diferentes índices de actividad
económica utilizados (tasas de paro, IPI), tienen
sobre la evolución de la participación de un de-
terminado colectivo de población en el mercado de
trabajo. Para ello no se ha desechado a priori, en
ninguno de los casos, la posible existencia de una
relación bivariante entre las variables de parti-
cipación y de actividad económica que se estu-
viesen analizando.
En la Sección 2 del artículo se estudia la
relación entre tasas de desempleo y de participa-
ción femeninas, distinguiendo entre mujeres solte-
ras y no solteras. La Sección 3 se dedica a un
análisis similar, aunque esta vez, realizado con
los volumenes de población femenina activa y ocu-
pada. En las Secciones 4 y 5 se analiza la posible
relación entre los indicadores de actividad econó-
mica y la participación juvenil; en la primera de
ellas se relaciona el número de jóvenes activos
con el de jóvenes empleados, mientras que en el
segundo caso se relaciona la actividad juvenil con
el empleo adulto, como indicador de coyuntura
económica.
Finalmente, en la Sección 6 se resume la
evidencia empírica existente en favor de una res-
puesta de las tasas de participación de mujeres y
jóvenes, separadamente, a variaciones en la acti-
vidad productiva en la economía, representada por
el Indice de Producción Industrial. El artículo se
cierra con un resumen de los principales resulta-
dos y las conclusiones del análisis.
II. TASAS DE DESEMPLEO Y PARTICIPACION FEMENINAS
II.a Mujeres solteras
Las tasas de desempleo y participación de las mujeres solteras tienen una estructura estocástica bastante similar. Existe, sin embargo, una cierta diferencia, puesto que mientras la variación entre trimestres consecutivos de la tasa de participación es esencialmente un ruido blanco (y, por tanto, impredecible), no puede decirse lo mismo acerca de la tasa de desempleo.
\[\begin{array}{r l r} (1 -. 2 0 \mathrm{B} & -. 3 1 \mathrm{B} ^ {2}) & \nabla \nabla_ {4} \mathrm{TDS} _ {\mathrm{t}} = (1 -. 8 5 \mathrm{B} ^ {4}) a _ {\mathrm{Dt}} \\ (. 1 6) & (. 1 7) & (. 1 1) \end{array}\]
\[\overline {{a}} _ {D} = -. 0 9 8 (. 1 1 3)\]
\[\hat {\sigma} _ {a D} = . 6 6 0 3\]
con un valor atípico en (82, I), y:
\[\nabla \nabla_ {4} \mathrm{TPS} _ {\mathrm{t}} = (1 -. 7 5 \mathrm{B} ^ {4}) a _ {\mathrm{Pt}} (\cdot 1 2)\]
\[\overline {{{a}}} _ {p} = . 0 7 1 (. 0 5 5)\]
\[\hat {\sigma} _ {\mathrm{aP}} = . 3 3 1 5\]
con un valor atípico en (78, I).
Ninguna de las variables precisó de la-transformación logarítmica, al no ser evidente la existencia de heterocedasticidad.
El modelo estimado fue:
\[\left[ \begin{array}{c} \nabla \nabla_ {4} \mathrm{TDS} _ {\mathrm{t}} \\ \nabla \nabla_ {4} \mathrm{TPS} _ {\mathrm{t}} \end{array} \right] = \left[ \begin{array}{c c c c} 1 & -. 6 8 \mathrm{B} ^ {4} & 0 \\ & (. 1 7) & \\ 0 & 1 & -. 7 8 \mathrm{B} ^ {4} \\ & & (. 1 2) \end{array} \right] \left[ \begin{array}{c} a _ {\mathrm{Dt}} \\ a _ {\mathrm{Pt}} \end{array} \right]\]
\[\overline {{a}} _ {D} = -. 1 1 6 (. 1 2 5)\]
\[\hat {\sigma} _ {a D} = . 7 5 1 0\]
\[\overline {{a}} _ {p} = . 0 7 0 (. 0 5 5)\]
\[\hat {\sigma} _ {a P} = . 3 2 9 4\]
\[\hat {\rho} = -. 1 2\]
Función de autocorrelación simple (f.a.s.) y función de autocorrelación parcial (f.a.p.) de los residuos de la tasa de desempleo de las mujeres solteras (TDS)
Funciones de autocorrelación simple y parcial de los residuos de la tasa de participación de las mujeres solteras (TPS)
Figura 2
Función de correlación cruzada (c.c.f.) de los residuos del modelo bivariante (TDS→TPS) (primer modelo)* Figura 3
* Los retardos positivos representan la relación principal (TDS→TPS) mientras que los negativos representan la relación considerada como realimentación: (TPS→TDS).
impuso a estos la restricción igualdad, obteniéndose el modelo final:
\[\left( \begin{array}{c} \nabla \nabla_ {4} \mathrm{TDS} _ {\mathrm{t}} \\ \nabla \nabla_ {4} \mathrm{TPS} _ {\mathrm{t}} \end{array} \right) = \left( \begin{array}{c c c} 1 +. 1 5 \mathrm{B} +. 2 5 \mathrm{B} ^ {2} & & 1. 0 \mathrm{B} \\ (. 1 6) & (. 1 5) & (. 2 6) \\ -. 2 7 \mathrm{B} -. 1 5 \mathrm{B} ^ {2} & & 1 \\ (. 0 8 1) & (. 0 8) \end{array} \right) \left( \begin{array}{c c c} 1 -. 6 9 \mathrm{B} ^ {4} & & 0 \\ (. 1 0) & & \\ 0 & 1 -. 6 9 \mathrm{B} ^ {4} & \\ & & (. 1 0) \end{array} \right) \left( \begin{array}{c} a _ {\mathrm{Dt}} \\ a _ {\mathrm{Pt}} \\ a _ {\mathrm{Pt}} \end{array} \right)\]
\[\begin{array}{l l} \overline {{a}} _ {D} = -. 1 0 2 (. 0 9 9) & \hat {\sigma} _ {a D} = . 5 9 6 3 \\ \overline {{a}} _ {P} = . 0 2 1 (. 0 4 8) & \hat {\sigma} _ {a P} = . 2 8 9 3 \\ \hat {\rho} = . 2 1 \end{array}\]
La disminución en las desviaciones típicas estimadas de cada uno de los términos de error con respecto a las desviaciones típicas de los modelos univariantes es apreciable (un 10% en el caso de la tasa de desempleo y un 13% en la tasa de participación).
No existe evidencia contra la hipótesis de que ambos errores son ruido blanco, lo que se comprobó tanto a través de sus funciones de auto-correlación simple y parcial, que no se muestran, como a través de la función de correlación cruzada entre ambas series (Figura 4).
Para la interpretación del modelo estimado, se descompuso la inversa del producto de las dos matrices de medías móviles, como cociente de su matriz adjunta por su polínomio determinante, obteniéndose la representación:
\[\mathrm{A} [ \theta (\mathrm{B}) ] \left[ \begin{array}{l} \nabla \nabla_ {4} \ln \mathrm{TDS} _ {\mathrm{t}} \\ \nabla \nabla_ {4} \ln \mathrm{TPS} _ {\mathrm{t}} \end{array} \right] = | \theta (\mathrm{B}) |. \left[ \begin{array}{l} a _ {\mathrm{Dt}} \\ a _ {\mathrm{Pt}} \end{array} \right]\]
donde denota el producto de las matrices de medias móviles, A[ ] su matriz adjunta, y su polinomio determinante.
Figura 4 Función de correlación cruzada de los residuos del modelo bivariante (TDS ≈ TPS) (modelo final).
La correlación contemporánea entre y requiere una interpretación; nuestra posición es que el empleo es una variable exógena desde el punto de vista de la decisión de participación. De este modo, la correlación contemporánea recoge el efecto que las fluctuaciones en la tasa de paro de un determinado colectivo tienen sobre su tasa de participación.
Bajo este supuesto, es natural extraer del término de error la parte que viene explicada por shocks en la tasa de desempleo, es decir, por . Para ello, se estima el modelo:
\[a _ {P t} = \gamma a _ {D t} + \epsilon_ {P t}\]
y se conservan los residuos como nuevo término de error de la ecuación para la tasa de participación. El coeficiente estimado será, claramente, igual a donde es el coeficiente de correlación entre y , y , son sus desviaciones típicas. La transformación lineal:
\[\left( \begin{array}{l} a _ {D t} \\ a _ {P t} \end{array} \right) = \quad \left( \begin{array}{c c c c} 1 & & 0 \\ \gamma & & 1 \end{array} \right) \left( \begin{array}{l} a _ {D t} \\ \epsilon_ {P t} \end{array} \right)\]
deja invariante , y sustituye por . Si multiplicamos el modelo anterior por la matriz
\[\left( \begin{array}{c c c} 1 & & 0 \\ - \hat {\gamma} & & 1 \end{array} \right) \quad \text {se tiene:}\]
\[\left( \begin{array}{l l} 1 & 0 \\ - \hat {\gamma} & 1 \end{array} \right) A [ \theta (B) ] \quad \left( \begin{array}{l} \nabla \nabla_ {4} \ln T D S _ {t} \\ \nabla \nabla_ {4} \ln T P S _ {t} \end{array} \right) = | \theta (B) |. \quad \left( \begin{array}{l} a _ {D t} \\ \epsilon_ {P t} \end{array} \right)\]
En realidad, en el caso que describimos, el coeficiente es practicamente despreciable, por lo que la primera etapa de la transformación que acabamos de describir puede ignorarse. Así, se llega al modelo:
\[\left( \begin{array}{c c} 1 & - 1. 0 \mathrm{B} \\ . 2 7 \mathrm{B} +. 1 5 \mathrm{B} ^ {2} & 1 +. 1 5 \mathrm{B} +. 2 5 \mathrm{B} ^ {2} \end{array} \right) \quad \left( \begin{array}{l} \nabla \nabla_ {4} \mathrm{TDS} _ {\mathrm{t}} \\ \nabla \nabla_ {4} \mathrm{TPS} _ {\mathrm{t}} \end{array} \right) =\]
\[= (1 -. 6 9 \mathrm{B} ^ {4}) (1 +. 1 5 \mathrm{B} + 5 2 \mathrm{B} ^ {2} + 1 5 \mathrm{B} ^ {3}) \quad \left( \begin{array}{l} a _ {\mathrm{Dt}} \\ a _ {\mathrm{Pt}} \end{array} \right)\]
con , lo que conduce a la función de transferencia:
\[\mathrm{TPS} _ {\mathrm{t}} = \frac {- . 2 7 \mathrm{B} - . 1 5 \mathrm{B} ^ {2}}{1 + . 1 5 \mathrm{B} + . 2 5 \mathrm{B} ^ {2}} \quad \mathrm{TDS} _ {\mathrm{t}} + \mathrm{N} _ {\mathrm{t}}\]
\[\nabla \nabla_ {4} N _ {t} = \frac {(1 - . 6 9 B ^ {4}) (1 + . 1 5 B + . 5 2 B ^ {2} + . 1 5 B ^ {3})}{(1 + . 1 5 B + . 2 5 B ^ {2})} a _ {p t}\]
que estima que cada punto de descenso en la tasa de desempleo de las mujeres solteras hace aumentar la tasa de participación de dicho colectivo en unos .30 puntos. Además este efecto se produce, casi integramente, con un desfase de un trimestre.
II.b. Mujeres no solteras
\[\begin{array}{r l} (1 +. 5 2 B ^ {4}) \nabla \nabla_ {4} T D C _ {t} & = a _ {D t} \\ (. 1 5) \end{array}\]
\[\overline {{{a}}} _ {D} = . 0 0 2 (. 0 7 5)\]
\[\hat {\sigma} _ {a D} = . 4 2 5 2\]
Como se dijo antes, al especificar un modelo bívariante para estas variables, Jenkins y Alavi (1981) sugieren comenzar acoplando los modelos univariantes. Sin embargo, a efectos de homogenizar la estructura de ambas variables, se impuso un polinomio AR (2) en ambas, y se prescindió del término MA(6) en la tasa de participación, por no tener una interpretación económica clara.
El modelo estimado fue:
\[\left( \begin{array}{c c c c c} 1 & +. 6 4 \mathrm{B} ^ {4} & +. 2 1 \mathrm{B} ^ {8} & 0 \\ & (. 1 9) & (. 1 9) \\ & 0 & 1 & +. 4 6 \mathrm{B} ^ {4} & +. 5 4 \mathrm{B} ^ {8} \\ & & & (. 1 5) & (. 1 7) \end{array} \right) \left( \begin{array}{c} \nabla \nabla_ {4} \mathrm{TDC} _ {\mathrm{t}} \\ \nabla \nabla_ {4} \mathrm{TPC} _ {\mathrm{t}} \end{array} \right) = \left( \begin{array}{c} a _ {\mathrm{Dt}} \\ a _ {\mathrm{Pt}} \end{array} \right)\]
\[\begin{array}{l l} \overline {{a}} _ {D} = -. 0 0 4 & \hat {\sigma} _ {a D} = . 4 2 7 1 \\ (. 0 8 1) & \\ \overline {{a}} _ {p} = . 0 1 5 & \hat {\sigma} _ {a p} = . 2 1 1 0 \\ (. 0 4 0) & \\ \hat {\rho} = . 0 2 & \end{array}\]
\[\left( \begin{array}{c c c c} 1 +. 5 7 B ^ {4} & & & 0 \\ (. 1 4) & & & \\ & 0 & 1 +. 7 0 B ^ {4} +. 9 2 B ^ {8} \\ & & (. 1 4) & (. 1 5) \end{array} \right) \left( \begin{array}{c} \nabla \nabla_ {4} T D C _ {t} \\ \\ \nabla \nabla^ {4} T P C _ {t} \end{array} \right) = = \left( \begin{array}{c c c c} 1 -. 1 0 B ^ {6} & & 1. 5 4 B \\ (. 1 8) & & (. 3 2) \\ & & & \\ 0 & 1 -. 9 1 B ^ {6} \\ & & (. 1 1) \end{array} \right) \left( \begin{array}{c} a _ {D t} \\ \\ a _ {P t} \end{array} \right)\]
\[\begin{array}{l l} \overline {{a}} _ {D} = -. 0 2 9; & \hat {\sigma} _ {a D} = . 3 4 3 7 \\ (. 0 6 5) & \\ \overline {{a}} _ {p} = . 0 1 1; & \hat {\sigma} _ {a p} = . 1 7 0 4 \\ (. 0 3 2) & \\ \hat {\rho} = -. 5 8 & \end{array}\]
Funciones de autocorrelación simple y parcial de los residuos de la tasa de desempleo de las mujeres no solteras (TDC).
Figura 5
Funciones de autocorrelación simple y parcial de los residuos de la tasa de participación de las mujeres no solteras (TPC).
Figura 7 Función de correlación cruzada de los residuos del modelo bivariante (TDC ≈ TPC) (primer modelo).
que representa una disminución aproximada del 19% en la desviación típica del término de error de la tasa de desempleo, pero una disminución casi imperceptible en la desviación típica de la tasa de participación.
Las funciones de autocorrelación simple y parcial, que no se muestran, así como la función de correlación cruzada (Figura 8), no indicaron evidencia de mala especificación del modelo.
Siguiendo la interpretación habitual de que la correlación contemporánea entre estas dos tasas procede del efecto que variaciones en el nivel de empleo de las mujeres casadas tienen sobre la participación, se extrajo de el efecto de , mediante el modelo:
\[a _ {P t} = \gamma . a _ {D t} + \epsilon_ {t}\]
por lo que:
\[\begin{array}{r l} & \left( \begin{array}{c c c c c c} 1 +. 5 7 B ^ {4} & & & 0 & & \\ & 0 & & 1 +. 7 0 B ^ {4} +. 9 2 B ^ {8} \end{array} \right) \left( \begin{array}{l} \nabla \nabla_ {4} T D C _ {t} \\ \nabla \nabla_ {4} T P C _ {t} \end{array} \right) = \\ & = \quad \left( \begin{array}{c c c c c c} 1 -. 1 0 B ^ {6} -. 5 3 B & & & 1. 5 4 B \\ -. 3 4 3 (1 -. 9 1 B ^ {6}) & & & 1 -. 9 1 B ^ {6} \end{array} \right) \left( \begin{array}{l} a _ {D t} \\ \epsilon_ {t} \end{array} \right) \end{array}\]
La matriz de medias móviles tiene por determinante por lo que, premultiplicando por la adjunta de dicha matriz, se llega a:
Figura 8 Función de correlación cruzada de los residuos del modelo bivariante (TDC TPC) (modelo final).
\[\left( \begin{array}{c c} 1 -. 9 1 B ^ {6} & - 1. 5 4 B \\ . 3 4 3 (1 -. 9 1 B ^ {6}) & 1 -. 5 3 B -. 1 0 B ^ {6} \end{array} \right) \left( \begin{array}{c c c} 1 +. 5 7 B ^ {4} & 0 & \\ 0 & 1 +. 7 0 B ^ {4} & +. 9 2 B ^ {8} \end{array} \right) \left( \begin{array}{l} \nabla \nabla_ {4} T D C _ {t} \\ \nabla \nabla_ {4} T P C _ {t} \end{array} \right) =\]
\[= (1 -. 9 1 \mathrm{B} ^ {6}) (1 -. 1 0 \mathrm{B} ^ {6}) \left( \begin{array}{l} a _ {\mathrm{Dt}} \\ \epsilon_ {\mathrm{t}} \end{array} \right)\]
\[\begin{array}{l} \text { con } \operatorname{Cov} (a _ {D t}, \epsilon_ {t}) = 0, \text { lo que conduce a la función } \\ \text { de transferencia: } \end{array}\]
\[\mathrm{TPC} _ {\mathrm{t}} = -. 3 4 3 \frac {(1 - . 9 1 \mathrm{B} ^ {6}) (1 + . 5 7 \mathrm{B} ^ {4})}{(1 - . 5 3 \mathrm{B} - . 1 0 \mathrm{B} ^ {6}) (1 + . 7 0 \mathrm{B} ^ {4} + . 9 2 \mathrm{B} ^ {8})} \mathrm{TDC} _ {\mathrm{t}} + \mathrm{N} _ {\mathrm{t}}\]
\[\nabla \nabla_ {4} N _ {t} = \frac {(1 - . 9 1 B ^ {6}) (1 - . 1 0 B ^ {6})}{(1 - . 5 3 B - . 1 0 B ^ {6}) (1 + . 7 0 B ^ {4} + . 9 2 B ^ {8})}\]
\[\begin{array}{l} \text {con un efecto contemporáneo de -.343, pero con una} \\ \text {ganancia (o efecto a largo plazo), practicamente} \\ \text {nula.} \end{array}\]
\[a _ {D t} = \gamma a _ {p t} + \epsilon_ {t}, \text {con} \hat {\gamma} = \frac {\hat {\sigma} _ {p D}}{\hat {\sigma} ^ {2} {} _ {p}} = - \frac {. 0 4 4 8}{. 0 3 8 3} = - 1. 1 7\]
\[\text { por lo que: }\]
\[\left( \begin{array}{l} a _ {D t} \\ a _ {p t} \end{array} \right) = \left( \begin{array}{c c c} 1 & - 1. 1 7 \\ 0 & 1 \end{array} \right) \left( \begin{array}{l} \epsilon_ {t} \\ a _ {p t} \end{array} \right)\]
y por consiguiente:
\[\begin{array}{r l} & \left( \begin{array}{c c c c c} 1 & +. 5 7 B ^ {4} & & 0 \\ & 0 & & 1 +. 7 0 B ^ {4} +. 9 2 B \end{array} \right) \left( \begin{array}{l} \nabla \nabla_ {4} T D C _ {t} \\ \nabla \nabla_ {4} T P C _ {t} \end{array} \right) = \\ & = \left[ \begin{array}{c c c c c} 1 & & - 1. 1 7 + 1. 5 4 B \\ 0 & & 1 -. 9 1 B ^ {6} \end{array} \right] \left( \begin{array}{l} \epsilon_ {t} \\ a _ {p t} \end{array} \right) \end{array}\]
y premultiplicando por la adjunta de la matriz de medías móviles, se tiene:
\[\left( \begin{array}{c c} (1 -. 9 1 B ^ {6}) & 1. 1 7 - 1. 5 4 B \\ 0 & 1 \end{array} \right) \left( \begin{array}{c c} 1 +. 5 7 B ^ {4} & 0 \\ 0 & 1 +. 7 0 B ^ {4} +. 9 2 B ^ {8} \end{array} \right) \left( \begin{array}{l} \nabla \nabla_ {4} T D C _ {t} \\ \nabla \nabla_ {4} T P C _ {t} \end{array} \right) =\]
\[= (1 -. 9 1 \mathrm{B} ^ {6}) \left( \begin{array}{l} \epsilon_ {\mathrm{t}} \\ a _ {\mathrm{pt}} \end{array} \right)\]
por lo que se llega a las funciones de transferencia:
\[(1 + 7 0 B ^ {4} +. 9 2 B ^ {8}) \nabla \nabla_ {4} T P C _ {t} = (1 -. 9 1 B ^ {6}) a _ {p t}\]
\[\mathrm{TDC} _ {\mathrm{t}} = - \frac {(1 . 1 7 - 1 . 5 4 \mathrm{B}) (1 + . 7 0 \mathrm{B} ^ {4} + . 9 2 \mathrm{B} ^ {8})}{(1 - . 9 1 \mathrm{B} ^ {6}) (1 + . 5 7 \mathrm{B} ^ {4})} \quad \mathrm{TPC} _ {\mathrm{t}} + \mathrm{N} _ {\mathrm{Dt}}\]
\[\nabla \nabla_ {4} N _ {D t} = \frac {1}{1 + . 5 7 B ^ {4}}. \epsilon_ {t}\]
con una ganancia de 6.86; es decir, un incremento de un punto en la tasa de participación de las mujeres casadas haría aumentar la tasa de paro de dicho colectivo en 6.86 puntos. Este es un resultado bastante increíble, y constituye una justificación adicional para que la interpretación del modelo se lleve a cabo como en los párrafos ante-
II.c Principales resultados
La tasa de desempleo de las mujeres solteras
parece influir sobre la tasa de participación de
dicho colectivo, con una ganancia de -.30. Este
efecto se deja sentir, casi integramente, con un
desfase de un trimestre. En el caso de las mujeres
casadas, el efecto se extiende a varios trímes-
tres, con un efecto contemporáneo de -.34 y una
ganancia prácticamente nula. Las Figuras 9 y 10
muestran la transformación que convierte a las
variables en series estacionarias, y en ellas se
ve cómo la correlación entre tasa de paro y tasa
de participación, tanto para las mujeres solteras
como no solteras, es moderada, con rachas donde
aparece una relación más estrecha y otras donde
dicha relación no es tan clara.
En ninguno de estos casos, las funciones de
transferencia estimadas son suficientes para jus-
tificar la evolución observada de las tasas de
participación de ambos colectivos de mujeres. La
tasa de desempleo de las mujeres solteras pasó de
8.6% en (1976, IV) a 39.2% en (1986, IV), lo que de
acuerdo con la ganancia citada, podría explicar
una disminución de 9.2 puntos en la tasa de partí-
cipación de este colectivo de mujeres. Dicha tasa
ha disminuido, en efecto, de 56.2% en (1976, IV) a
49.98 en (1986, IV).
La tasa de desempleo de las mujeres no sol-
teras aumentó del 3.4% en (1976, IV) al 34.7% en
(1986, IV). De acuerdo con un efecto inicial de
-.34, este incremento en la tasa de paro podría
explicar una caída de 10.6 puntos en la tasa de
Figura 10
participación de este colectivo de mujeres, que
sin embargo, aumentó de 18.4% en (1976, IV) a
21.18 en (1986, IV). Sin embargo, la ganancia (o
efecto a largo plazo) es cero, y la tasa de parti-
cipación debió permanecer inalterada; su incre-
mento ha sido, como acabamos de ver, modesto.
La interpretación de las correlaciones esta-
dísticas que puedan detectarse entre las tasas de
participación y desempleo de un determinado colec-
tivo de población está sujeta a una dificultad,
producida por el hecho de que en las definiciones:
Población Económicamente Activa
Tasa de Participación = ____
Población Total
Población Económicamente Activa
la Población Activa aparece como numerador en una
fracción, y como denominador en la otra. Este
hecho induce una correlación contemporánea de
signo negativo entre ambas tasas, que habría que
descontar al evaluar el grado de correlación con-
temporánea entre las tasas.
En cuanto a la importancia de este fenómeno,
todo depende de la varianza relativa de las tres
variables que integran las dos tasas antes defini-
das. En un extremo, si la Población Activa fuese
de naturaleza determinista, apenas existiría co-
rrelación entre las tasas, a pesar de la presencia
del término común. En el otro extremo, si la po-
blación activa fuese mucho más variable que la
población ocupada y la población total, la correlación sería importante. Además, existiría correlación dinámica entre ambas tasas, de igual importancia y signo contrario, que la función de autocorrelación de la población activa.
En el caso de estas variables de población, parece que la población ocupada es, desde luego, más volátil que la población total, que es bastante suave, mientras que la población activa tendrá más o menos varianza, dependiendo de que evolucione según se comporta la población total o la población ocupada.
Un modo de evitar este posible sesgo es mediante el análisis del tamaño de las poblaciones activa y ocupada de un determinado colectivo, lo que pasamos a hacer en la sección siguiente.
III. ANALISIS DE LA POBLACION FEMENINA ACTIVA Y OCUPADA
III.a. Mujeres solteras
Los modelos univariantes estimados para las mujeres solteras activas y ocupadas fueron:
La Figura 11 representa la primera diferencia de ambas series y sugiere la existencia de una cierta correlación positiva entre las mismas.
Figura 11
Funciones de autocorrelación simple y parcial de los residuos de las mujeres solteras activas (ACTS) (modelo US). Figura 12
Funciones de autocorrelación simple y parcial de los residuos de las mujeres solteras ocupadas (OCUPS) (modelo US).
ciones de residuos separados 6 trimestres de los valores atípicos antes señalados, como así ocurre en ambos casos.
\[\left( \begin{array}{cccc} 1 & & & 0 \\ & & & \\ 0 & & 1 & - . 4 1 \mathrm{B} -. 3 6 \mathrm{B} ^ {2} \\ & & & (. 1 3) (. 1 3) \\ \end{array} \right)\left[ \begin{array}{c}\nabla \mathrm{ACTS} _ {\mathrm{t}} \\ \nabla \mathrm{OCUPS} _ {\mathrm{t}} \\ \end{array} \right] = \left[ \begin{array}{ccc} 1 & +. 2 9 \mathrm{B} ^ {4} & . 3 6 \mathrm{B} \\ & (. 1 3) & (. 1 9) \\ & -. 5 4 \mathrm{B} & 1 \\ & (. 1 3) & \\ \end{array} \right]\left[ \begin{array}{c}a _ {\textnormal {A} _ {\textnormal {t}}} \\ a _ {\textnormal {0 t}} \\ \end{array} \right]\]
\[\begin{array}{r l r l} \overline {{a}} _ {A} & = 4 2 0 8. 5; \\ & (3 0 4 6. 6) \\ \overline {{a}} _ {0} & = - 2 0 6. 6 \\ & (2 4 3 4. 8) \end{array} \quad \begin{array}{r l r l} \hat {\sigma} _ {A} & = 1 8 7 8 0. 6; \\ \hat {\sigma} _ {0} & = 1 5 0 0 9. 2; \end{array}\]
\[\hat {\rho} = . 4 2\]
Figura 14
Función de correlación cruzada de los residuos de las mujeres solteras activas y ocupadas.
Las funciones de autocorrelación simple y parcial de la serie de mujeres solteras activas siguen presentando un valor de apreciable magnitud en el retardo K=6 (Figura 15); sin embargo, puede explicarse en buena parte por medio de los valores atípicos antes citados. Estas dos funciones de autocorrelación no difieren mucho de las obtenidas a partir del modelo univariante de la serie, lo cual es consistente con que sea la varianza de esta serie la que menos se ha reducido al pasar a la especificación bivariante.
Lo contrario ocurre con las funciones de autocorrelación de las mujeres solteras ocupadas, que cambían de modo apreciable (Figura 16). El valor en el retardo K=6 desaparece, mientras que es moderadamente alto el primer retardo en ambas funciones. Esta serie continúa presentando valores atípicos en el segundo trimestre de 1979 y el primero de 1986.
El modelo estimado resultó:
\[\left( \begin{array}{c c c c} 1 & & & 0 \\ & & & \\ & & & \\ 0 & 1 & - & . 1 5 \mathrm{B} \quad -. 5 1 \mathrm{B} ^ {2} \\ & & & (. 1 6) \quad (. 1 2) \end{array} \right) \left( \begin{array}{c} \nabla \mathrm{ACTS} _ {\mathrm{t}} \\ \\ \nabla \mathrm{OCUPS} _ {\mathrm{t}} \\ \end{array} \right) = \left( \begin{array}{c c c c} 1 & +. 3 4 \mathrm{B} ^ {4} & . 4 4 \mathrm{B} +. 3 3 \mathrm{B} ^ {2} \\ & (. 1 2) & (. 1 8) & (. 1 6) \\ & & & \\ -. 5 5 \mathrm{B} & 1 +. 4 6 \mathrm{B} \\ (. 1 2) & & (. 2 1) \end{array} \right) \left( \begin{array}{c} a _ {\mathrm{A} _ {\mathrm{t}}} \\ \\ a _ {0 _ {\mathrm{t}}} \\ \end{array} \right)\]
Funciones de autocorrelación simple y parcial de los residuos de las mujeres solteras activas (ACTS) (segundo modelo).
Figura 15
Funciones de autocorrelación simple y parcial de los residuos de las mujeres solteras ocupadas (OCUPS) (segundo modelo).
Figura 17 Función de correlación cruzada de los residuos del modelo bivariante (OCUPS ACTS) (segundo modelo)
\[\begin{array}{r l} \overline {{a}} _ {A} & = 4 5 2 3. 5 \\ & (2 8 5 0. 6) \end{array} ;\]
\[\hat {\sigma} _ {A} = 1 7 5 7 2. 1;\]
\[\begin{array}{r l} \overline {{a}} _ {0} & = - 7 2 3. 8 \\ & (2 3 4 9. 3) \end{array} ;\]
\[\hat {\sigma} _ {0} = 1 4 4 8 1. 9;\]
\[\hat {\rho} = . 3 8\]
La reducción en las desviaciones típicas estimadas, más apreciable, es ahora del 14% con respecto al modelo univariante para las mujeres solteras activas, y del 19.6% para las mujeres solteras ocupadas.
Los únicos valores atípicos que aún perduran son los del tercer trimestre de 1981 para las mujeres solteras activas y del segundo trimestre de 1979 para las ocupadas. Las funciones de autocorrelación de los residuos de la serie de mujeres activas tienen valores moderadamente altos en los retardos K=1 y K=6, justificables en buena parte por el valor atípico (Figura 18). Las funciones de autocorrelación de los residuos de las mujeres ocupadas no presentan ningún valor notable (Figura 19). Por último, la función de correlación cruzada de los residuos muestra tan sólo correlación contemporánea entre ambas series (Figura 20).
Para interpretar dicha correlación, se adopta el punto de vista de que el empleo de las mujeres solteras es exógeno contemporáneamente con respecto a la actividad. Es decir, la correlación contemporánea se formaliza mediante el modelo:
Funciones de autocorrelación simple y parcial de los residuos de las mujeres solteras activas (ACTS) (modelo final). Figura 18
Funciones de autocorrelación simple y parcial de los residuos de las mujeres ocupadas (OCUPS) (modelo final). Figura 19
Figura 20 Función de correlación cruzada de los residuos del modelo bivariante (OCUPS ACTS) (modelo final).
\[a _ {A t} = \gamma . a _ {0 t} + \epsilon_ {t}\]
donde: , de modo que:
\[\left( \begin{array}{c} a _ {A _ {t}} \\ a _ {0 _ {t}} \end{array} \right) = \left( \begin{array}{c c c c} 1 & & \gamma \\ 0 & & 1 \end{array} \right) \left( \begin{array}{c c} \epsilon & \\ & a _ {0 _ {t}} \end{array} \right)\]
donde Cov . El producto de la matriz de medias móviles por esta última, es:
\[\theta (\mathrm{B}) = \left\{ \begin{array}{c c c} 1 & + & . 3 4 \mathrm{B} ^ {4} \\ & -. 5 5 \mathrm{B} \end{array} \right.\]
\[\left. \begin{array}{r r r r} {. 4 8 +. 4 4 B +. 3 3 B ^ {2} +. 1 6 B ^ {4}} \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & & \\ & & = . 2 0 B \end{array} \right\}\]
cuyo determinante es:
+.18B + .34B + .16B , y su matriz adjunta:
\[\operatorname{Adj} [ \theta (\beta) ] = \left( \begin{array}{c c c c c c c} 1 & + & . 2 0 \mathrm{B} & - (. 4 8 +. 4 4 \mathrm{B} +. 3 3 \mathrm{B} ^ {2} +. 1 6 \mathrm{B} ^ {4}) \\ & . 5 5 \mathrm{B} & & 1 +. 3 4 \mathrm{B} ^ {4} \end{array} \right)\]
de modo que, premultiplicando el modelo bivariante
por esta matriz adjunta se obtiene:
\[\begin{array}{r l} & {\left[ \begin{array}{l l l} 1 + \quad . 2 0 B & - (. 4 8 + 4 4 B +. 3 3 B ^ {2} + 1 6 B ^ {4}) \\ & . 5 5 B & 1 +. 3 4 B ^ {4} \end{array} \right] \left( \begin{array}{l l l} 1 & 0 \\ 0 & 1 -. 1 5 B - 5 1 B ^ {2} \end{array} \right) \left( \begin{array}{l} \nabla \nabla_ {4} A C T S _ {t} \\ \nabla \nabla_ {4} O C U P S _ {t} \end{array} \right) =} \\ & {\qquad = | \theta (B) | \left( \begin{array}{l} \epsilon_ {t} \\ a _ {0 t} \end{array} \right)} \end{array}\]
llegándose a la función de transferencia:
\[\mathrm{ACTS} _ {\mathrm{t}} = (. 4 8) \frac {(1 + . 9 2 \mathrm{B} + 6 9 \mathrm{B} ^ {2} + 3 3 \mathrm{B} ^ {4}) (1 - 1 5 \mathrm{B} - . 5 1 \mathrm{B} ^ {2})}{1 + . 2 0 \mathrm{B}} \quad \mathrm{OCUPS} _ {\mathrm{t}} + \mathrm{N} _ {\mathrm{t}}\]
\[\nabla N _ {t} = \frac {\left| \theta (B) \right|}{1 + . 2 0 B}. \epsilon_ {t}\]
con función de respuesta al impulso:
y ganacia aproximada de .50
Las mujeres solteras activas han pasado de ser 1.826.000 a fines de 1976, a ser 1.989.000 a finales de 1986. Las mujeres solteras ocupadas han descendido de 1.670.000 a 1.208.500.
De acuerdo con el modelo de transferencia estimado, el descenso registrado en la ocupación de mujeres solteras debió haber generado un descenso de unas 230.000 mujeres solteras activas. Por el contrario, el tamaño de este colectivo ha aumentado durante el período 1976-86. Ello confirma que el fuerte incremento en actividad femenina registrado durante dicha década se ha debido en una gran parte a transformaciones sociológicas en la composición del colectivo de mujeres solteras y que no responde unicamente a variaciones en el empleo. Fundamentalmente, el importante desplazamiento hacia los niveles de educación superiores, que son los que tienen mayor tasa de participación (Véase García Camacho y Novales (1988)).
III.b. Mujeres no solteras
Las variables están especificadas en niveles,
sin logaritmos y, al contrario de lo que ocurría
en el caso de las mujeres solteras, se tomó una
diferencia de carácter estacional. Sin embargo,
los parámetros estimados de los términos de media
móvil son suficientemente elevados como para in-
terpretar estos modelos como estructuras ARIMA
(0,1,6).
Como puede verse, los modelos son muy simila-
res, lo que sugiere que la evolución histórica de
ambas variables pudiera asimismo ser muy similar
(Figura 21). Cabe esperar, por tanto, una correla-
ción exclusivamente contemporánea y además, mayor
que la detectada para mujeres solteras. El diseño
del cuestionario de la Encuesta de Población Ac-
tiva hace que determinadas personas puedan pasar
directamente de estar clasificadas como inactivas
a ocupadas, al recibir (y aceptar) una oferta de
trabajo. Posiblemente las mujeres casadas consti-
tuyen uno de los colectivos de población para el
que este fenómeno se cumple con una mayor fre-
cuencia. En efecto, al manifestar que se llevan a
cabo tareas domésticas, el encuestador tiene ten-
dencia a clasificar a la persona entrevistada como
fuera del mercado de trabajo. Esta hipótesis sería
consistente con la existencia de un estrecho para-
lelismo entre las series temporales de mujeres no
solteras activas y ocupadas.
Para especificar un modelo de relación entre
ambos grupos de mujeres no solteras se comenzó
(siguiendo la metodología propuesta por Jenkins y
Alavi) acoplando ambos modelos univariantes. La
función de correlación cruzada de los residuos
(Figura 22) no presentaba ninguna evidencia de
relación entre ambas variables, aunque la correla-
ción contemporánea entre las dos serie de residuos
Figura
Función de correlación cruzada de los residuos del modelo bivariante (OCUPC 2 ACTC).
fue de .94.
Siguiendo el argumento ya descrito en el caso de las mujeres solteras, tomamos el comportamiento de la ocupación como exógeno al explicar la evolución de la actividad. Al tomar la decisión de participar, una persona toma la actividad económica como dada, sin que su decisión vaya a influir sobre el mercado de trabajo. De este modo, sí denotamos por ( , ) el vector de los términos de error de ambas ecuaciones, escribimos:
\[a _ {\text { ACTC} _ {t}} = \gamma . a _ {\text { OCUPC} _ {t}} + \epsilon_ {t}\]
donde
\[\hat {\gamma} = \rho \frac {\sigma_ {\mathrm{ACTC}}}{\sigma_ {\mathrm{OCUPC}}} = . 8 9 \quad \text { siendo } \rho \text { el }\]
coeficiente de correlación entre los residuos de ambas series, y se obtiene el modelo:
\[\left( \begin{array}{c c} \nabla \nabla_ {4} & \text {ACTC} _ {\mathrm{t}} \\ \nabla \nabla_ {4} & \text {OCUPC} _ {\mathrm{t}} \end{array} \right) = \left( \begin{array}{c c} \theta_ {1} (\mathrm{B}) & 0 \\ 0 & \theta_ {2} (\mathrm{B}) \end{array} \right) \left( \begin{array}{c c c} 1 & & \hat {\gamma} \\ 0 & & 1 \end{array} \right) \left( \begin{array}{c c c} \epsilon & & \\ & t & \\ a & & \text {OCUPC} _ {\mathrm{t}} \end{array} \right)\]
\[= \left( \begin{array}{c c} \theta_ {1} (\mathrm{B}) & \hat {\gamma} \theta_ {1} (\mathrm{B}) \\ 0 & \theta_ {2} (\mathrm{B}) \end{array} \right) \quad \left( \begin{array}{c c} \epsilon & \\ t & \\ a _ {\text {O C U P C}} & \end{array} \right)\]
El determinante de la matriz de coeficientes es igual al producto , y multiplicando la ecuación anterior por la matriz adjunta, se obtiene:
\[\left( \begin{array}{c c c} \theta_ {2} (\textrm {B}) & & - \hat {\gamma} \theta_ {1} (\textrm {B}) \\ 0 & & \theta_ {1} (\textrm {B}) \end{array} \right) \left( \begin{array}{c} \nabla \nabla_ {4} \mathrm{ACTC} _ {\textrm {t}} \\ \nabla \nabla_ {4} \mathrm{OGUPC} _ {\textrm {t}} \end{array} \right) = \theta_ {1} (\textrm {B}) \theta_ {2} (\textrm {B}) \left( \begin{array}{c c c} \epsilon & & \\ & \textrm {t} & \\ a & & \\ & \textrm {o c u p c} & \end{array} \right)\]
que genera las funciones de transferencia:
\[\begin{array}{l} \nabla \nabla_ {4} A C T C _ {t} = (. 8 9) \frac {(1 - . 7 2 B ^ {4}) (1 - . 4 3 B ^ {6})}{(1 - . 6 8 B ^ {4}) (1 - . 3 0 B ^ {6})} \nabla \nabla_ {4} O C U P C _ {t} + (1 -. 7 2 B ^ {4}) (1 -. 4 3 B ^ {6}) \epsilon_ {t} \\ \nabla \nabla_ {4} O C U P C _ {t} = (1 -. 6 8 B ^ {4}) (1 -. 3 0 B ^ {6}) a _ {\text {OCUPC} _ {t}} \end{array}\]
Este modelo finalmente obtenido es consistente con la existencia de respuesta en la actividad de las mujeres casadas a variaciones en el número de mujeres casadas ocupadas, sin que haya realimentación. Sin embargo, al igual que en los casos anteriores, este resultado depende crucialmente de la interpretación que antes hicimos de la correlación contemporánea.
La ganancia de la función de transferencia de la actividad es, estrictamente hablando, de .63, aunque no puede rechazarse la hipótesis de relación exclusivamente contemporánea , que supondría una ganancia superior, de .89. Precisamente debido a esta posible interpretación, se especificó un modelo de función de transferencia, detectando unicamente correlación contemporánea, con coeficiente .91(.06).
Dado que el número de mujeres no solteras ocupadas aumentó, en términos netos, en el período (1976,4)-(1986,4) de 1.857.000 a 2.000.000, y de acuerdo con una ganancia aproximada de .90, este crecimiento debía haber hecho aumentar el número de mujeres no solteras activas en unas 129.000. Dicho número creció, aunque el incremento registrado fue de 456.000 mujeres activas.
Ya que los términos en el numerador y denominador son muy similares entre sí.
Al igual que ocurría con las mujeres solteras, este efecto es suficientemente reducido como para poder explicar los incrementos registrados en la actividad, que deben achacarse a razón de otra índole.
Al analizar la posible relación entre la decisión, por parte de los jóvenes, de tomar parte activa en el mercado de trabajo y la evolución de las condiciones económicas, estudiamos por separado la población entre 16 y 19 años, así como la población entre 20 y 24. El rango de 16 a 24 años de edad es el que se ve más afectado por variaciones en el nivel de educación de la población, distintas legislaciones de fomento del empleo juvenil, de contratación en prácticas, etc. Sin embargo, sería un error agregar estos colectivos, pues tienen un comportamiento bien diferente, en términos de su participación activa en el mercado de trabajo. Así, la tasa de participación de la población entre 16 y 19 años ha caído de 54.40% en (1976,4) a 36.10% en (1986,4). Dicha caída se ha producido de forma monótona, desde 1980. Por el contrario, la tasa de participación de la población entre 20 y 24 años ha crecido suavemente, y casi sin interrupción, desde 59.31% en (1976,4) a 63.28% en (1986,4) (Figura 23). Por otra parte, la evolución de estas tasas de participación ha sido muy similar para hombres y mujeres.
En el caso de la población de 16 a 19 años, los modelos univariantes estimados para la población activa y el empleo, fueron:
(.11) (.16) (2737.0)
Figura 23
Valor extremo: (1985, II): -2.5σ
\[\nabla \nabla_ {4} \quad \mathrm{EMP} _ {\mathrm{t}} = (1 -. 5 9 \mathrm{B} ^ {4}) a _ {\mathrm{t}} \quad \overline {{a}} = 3 4 4 6. 8; \quad \hat {\sigma} _ {a} = 1 9 1 7 4. 0 (\cdot 1 5) \tag {3059.0}\]
Valor extremo: (1986,1):2.4σa
Las variables aparecen sin transformar, por
lo que la media muestral de los residuos y su
desviación típica pueden interpretarse directamen-
te en términos de números de personas. La Figura
24 muestra cómo la evolución de los jóvenes acti-
vos y ocupados es muy parecida a lo largo del
período muestral, por lo que cabe esperar una
correlación contemporánea alta entre ambas series.
Al estimar el modelo bivariante formado por estos dos modelos se omitió el término MA(1) en el modelo de activos, no significativo, no detectándose estructura de relación entre ambas variables, aparte de la correlación contemporanea entre los residuos de ambos modelos: (Figura 25). Las desviaciones típicas estimadas pasaron a ser: 19462.5 y 19937.1 para los activos y ocupados, respectivamente, mientras que los coeficientes de los términos MA (1) fueron: .66(.11) y .48(.14), respectivamente.
Bajo el supuesto de que la correlación contemporánea entre ambas variables refleja el efecto que el empleo tenga sobre el nivel de actividad dentro del mismo trimestre, se especificó el modelo:
\[a _ {A C T} = \gamma a _ {E M P} + \epsilon_ {t}\]
Figura 24
Figura 25 Función de correlación cruzada de los residuos del modelo bivariante (EMP19 ACT19).
1..
\[\mathrm{ACT} _ {\mathrm{t}} = . 6 2 \begin{array}{c} (. 1 1) \\ (1 -. 6 6 \mathrm{B} ^ {4}) \\ - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - \\ 1 -. 4 8 \mathrm{B} ^ {4} \\ (. 1 4) \end{array} \mathrm{EMP} _ {\mathrm{t}} + \mathrm{N} _ {\mathrm{ACT} _ {\mathrm{t}}}\]
\[\nabla \nabla_ {4} \quad N _ {A C T t} = (1 -. 6 6 B ^ {4}) \epsilon_ {t}\]
\[2. - \nabla \nabla_ {4} \quad \mathrm{EMP} _ {\mathrm{t}} = (1 -. 4 8 \mathrm{B} ^ {4}) \quad \mathrm{N} _ {\mathrm{EMP} _ {\mathrm{t}}} (\cdot 1 4)\]
En efecto, si se estima el modelo bivariante con esta restricción, el parámetro estimado es de .57 (.11) y se tienen los siguientes estadísticos:
\[\begin{array}{r l} \hat {\sigma} _ {a} & = 1 9 1 0 5. 8 \\ \hat {\sigma} _ {a} & = 1 9 2 1 6. 1 \end{array}\]
lo que genera la función de transferencia:
\[\mathrm{ACT} _ {t} = . 6 3 \quad \mathrm{EMP} _ {t} + \mathrm{N} _ {t}\]
(.11)
donde es un ruido blanco ortogonal a , el término de error de la ecuación de empleo (que también es ruido blanco).
Durante el período muestral (1976,4)-(1986,4), el número de ocupados de 16 a 19 años descendió de 1.168.000 a 470.800, lo que, de acuerdo con el modelo que hemos estimado, debía haber producido un descenso de 439.236 activos en dicho rango de edades; el descenso producido fue, sin embargo, de 364.236 por lo que el modelo es consistente con la evolución seguida por esta variable.
Tratándose del colectivo más joven dentro de los registrados en la EPA, cabe considerar también la hipótesis de que tanto su nivel de empleo como de actividad reaccionen de forma simultánea a otras variables como puedan ser las medidas legislativas de fomento de empleo, el incremento de escolarización juvenil, etc, lo que podría explicar la existencia de correlación puramente contemporánea.
Por otra parte, de acuerdo con nuestra estimación, de cada dos jóvenes ocupados nuevos, uno procede de la población activa, mientras que la otra persona procedería de la población catalogada como de inactiva.
Las series de activos y ocupados de 20 a 24 años no presentan evidencia clara de tener una estructura estocástica definida, de modo que la transformación de una doble diferencia ( ) convierte, aproximadamente, ambas series en ruido blanco (Figura 26). Sin embargo, la serie diferenciada de ocupados presenta un valor atípico negativo en el primer trimestre de 1984, reflejando una caída permanente en la media de la serie a partir de dicho trimestre. Dada su magnitud, se consideró preciso llevar a cabo la consiguiente intervención, estimándose un efecto escalón de una magnitud de -28.657 personas . Tras esta corrección, las desviaciones típicas de las series transformadas (mediante ) de activos y ocupados de 20 a 24 años eran de 22619.1 y 21057.3, respectivamente
La serie de activos tiene un valor atípico de en el último trimestre de 1978, y dos valores atípicos consecutivos en los dos primeros trimestres de 1982, de y , respectivamente. La serie de ocupados de este tramo de edad tiene un valor atípico de en el último trimestre de 1978, coincidiendo con el antes citado en la serie de activos, y otro de en el tercer trimestre de 1986.
La interpretación de esta caída está en el cambio que realizó el INE en la clasificación de las peronas acogidas al programa de Empleo Comunitario. Hasta 1984 se contabilizaban en Ocupados, mientras que a partir de este año se consideran como parados (Véase Informe Anual del Banco de España 1984 En la serie de ocupados de 16 a 19 años no se detectó ningún valor extremo en el primer trimestre de 1984, por tanto, no fue necesario el análisis de intervención.
Figura 26
Figura 27
Función de correlación cruzada de los residuos del modelo bivariante (EMP24 ACT24)
Este modelo no es capaz de explicar la evolución muestral seguida por el número de jóvenes de 20 a 24 años ocupados y activos. Durante dicho período, el número de ocupados descendió en 180.000 mientras que el número de activos aumentó de forma apreciable, en unos 590.000 jóvenes (un incremento del 40%). De nuevo en este caso, la participación ha obedecido a otros condicionantes diferentes del propio empleo dentro de este colectivo.
Como se muestra en García Camacho y Novales (1988), uno de los determinantes fundamentales del importante incremento en participación registrado en algunos colectivos de población española, ha sido el notable incremento en su nivel de estudios, puesto que ha existido tradicionalmente, una alta correlación positiva entre esta variable y la tasa de participación . Indudablemente, el colectivo de jóvenes aquí estudiado es el que se vería más afectado por estos cambios, que podrían explicar buena parte del incremento en participación antes citado.
La justificación reside en que ante incrementos del capital humano, el individuo busca mayor rentabilidad a dicho capital, que puede lograr si toma parte activa en el mercado de trabajo. Por tanto, la probabilidad de que una persona partícipe en dicho mercado es una función creciente de su nivel de estudios.
, I / 8 4
La variable denota una variable
escalón en el primer trimestre de 1984.
Ya se explicó en el caso de los ocupados de 20 a 24 años la razón de la intervención en el 1 trimestre de 1984.
En el caso de los activos de 16 a 19 años, se estimó el modelo
\[\left( \begin{array}{c c c c c} 1 & +. 6 5 \mathrm{B} ^ {4} & +. 3 5 \mathrm{B} ^ {8} & 0 \\ & (. 1 7) & (. 1 8) \\ & & 0 & 1 +. 3 2 \mathrm{B} ^ {4} & +. 6 8 \mathrm{B} ^ {8} \\ & & & (. 1 8) & (. 2 0) \end{array} \right) \left( \begin{array}{l} \nabla \nabla_ {4} \mathrm{ACT} _ {\mathrm{t}} \\ \\ \nabla \nabla_ {4} \mathrm{EMP} _ {\mathrm{t}} \end{array} \right) = \left( \begin{array}{l} a _ {\text {ACTt}} \\ \\ a _ {\text {EMPt}} \end{array} \right)\]
\[\begin{array}{r l r} \overline {{a}} _ {\mathrm{ACT}} & = - 1 7 7. 9 (3 6 4 7. 2) & \hat {\sigma} _ {\mathrm{a}} = 1 9. 2 9 9, 1 \\ \overline {{a}} _ {\mathrm{EMP}} & = 7 2 9 9. 8 (5 8 8 7. 5) & \hat {\sigma} _ {\mathrm{a}} = 3 1. 1 5 4, 0 \end{array}\]
con una correlación baja, . La función de correlación cruzada de los residuos (Figura 28), sugiere una relación desfasada 2 y 3 trimestres en la dirección de ocupados de 30 a 50 años, hacia activos de 16 a 19 años lo cual es consistente con el marco conceptual que hemos descrito más arriba. Una ligera indicación de un término MA(1) condujo finalmente al modelo:
\[\left( \begin{array}{c c c c c c} 1 & +. 7 1 B ^ {4} & +. 2 6 B ^ {8} & & 0 & \\ & (. 1 3) & (. 1 2) & & \\ & & 0 & 1 & +. 2 0 B ^ {4} & +. 6 8 B ^ {8} \\ & & & (. 1 2) & (. 1 3) \end{array} \right) \left( \begin{array}{c} \nabla \nabla_ {4} A C T _ {t} \\ \nabla \nabla_ {4} E M P _ {t} \end{array} \right) =\]
Figura 28 Función de correlación cruzada de los residuos del modelo bivariante (EMP ACT19) (primer modelo).
\[= \left( \begin{array}{c c c c c} 1 +. 3 0 B & . 3 5 B ^ {2} -. 4 0 B ^ {3} \\ (. 2 0) & (. 0 9) & (. 0 9) \\ 0 & 1 \end{array} \right) \quad \left( \begin{array}{l} a _ {\text {ACTt}} \\ a _ {\text {EMPt}} \end{array} \right)\]
\[\begin{array}{l l} \overline {{a}} _ {A C T} = - 1 8 7. 0 (2 3 3 6. 8) & ; \\ \overline {{a}} _ {E M P} = 6 4 8 3. 1 (5 8 9 3. 7) & ; \end{array} \quad \begin{array}{l l} \hat {\sigma} _ {a} = 1 2 7 8 7. 5 \\ \hat {\sigma} _ {a} = 3 1 4 7 8. 6 \end{array}\]
\[\hat {\rho} = -. 0 8\]
que supone una disminución del 27% en la desviación típica de la serie de activos de 16 a 19 años con respecto a su modelo univariante. La desviación típica de los ocupados varones de 30 a 50 años apenas cambia (aumenta ligeramente), por lo que el beneficio del análisis conjunto de ambas series recae sobre los activos jóvenes; esto es asímismo consistente con el supuesto de que el empleo adulto influye sobre la participación de los jóvenes, y no al revés.
La función de correlación cruzada no presenta evidencia de una posible reespecificación del modelo (Figura 29).
La correlación contemporánea es tan baja que puede ignorarse a efectos de interpretación del modelo; el coeficiente γ en la proyección de sobre es, en este caso, -.03. En consecuencia, el modelo bivariante anterior puede interpretarse directamente, generando la función de transferencia:
\[\mathrm{ACT} _ {\mathrm{t}} = \frac {(. 0 9) . 3 5 \mathrm{B} ^ {2} - . 4 0 \mathrm{B} ^ {3}}{(1 + . 2 0 \mathrm{B} ^ {4} + . 6 8 \mathrm{B} ^ {8}) (1 + . 7 1 \mathrm{B} ^ {4} + . 2 6 \mathrm{B} ^ {8}) (. 1 2) (. 1 3) (. 1 3) (. 1 2)} \cdot \mathrm{EMP} _ {\mathrm{t}} + \mathrm{N} _ {\mathrm{ACTt}}\]
Figura 29
Función de correlación cruzada de los residuos del modelo bivariante (EMP→ACT19) (modelo final).
\[\nabla \nabla_ {4} \quad N _ {A C T t} = \frac {(. 2 0)}{1 + . 3 0 B} \cdot a _ {A C T t}\]
\[\nabla \nabla_ {4} \quad \mathrm{EMP} _ {\mathrm{t}} = \frac {1}{ \begin{array}{c c c} 1 & + . 2 0 \mathrm{B} ^ {4} & + . 6 8 \mathrm{B} ^ {8} \\ (. 1 2) & & (. 1 3) \end{array} } \cdot a _ {\text {EMPt}}\]
con Cov ( , ) = 0 (aproximadamente). La ganancia con que el empleo adulto influye sobre la participación juvenil es cero, aunque parecen existir efectos a corto plazo. Un aumento en el empleo adulto parece generar un incremento en la participación juvenil con un cierto desfase, pero dicho incremento es meramente transitorio, volviendose al nivel de actividad inicial en tan sólo un trimeste.
Sin embargo, ya mencionamos en la sección anterior que el número de activos de este rango de edades disminuyó en 364.400 durante el período muestral. Como acabamos de ver dicho descenso no está motivado por la evolución del empleo adulto; en conjunción con el análisis de la sección anterior, estos resultados sugieren que la participación de los jóvenes entre 16 y 19 años en el mercado de trabajo es bastante sensible a la situación de empleo de dicho colectivo, mientras que no responde a cambios en el empleo adulto, utilizado como indicador de la situación coyuntural en el mercado de trabajo.
\[\left( \begin{array}{c c c c c} 1 +. 3 4 B ^ {4} +. 4 7 B ^ {8} & & 0 & \\ (. 1 4) & (. 1 3) & & \\ & 0 & 1 +. 3 4 B ^ {4} +. 4 7 B ^ {8} \\ & & (. 1 4) & (. 1 3) \end{array} \right) \left( \begin{array}{l} \nabla \nabla_ {4} A C T _ {t} \\ \nabla \nabla_ {4} E M P _ {t} \end{array} \right) = \left( \begin{array}{l} a _ {A C T t} \\ a _ {E M P t} \end{array} \right)\]
\[\hat {\rho} = -. 1 4\]
La función de correlación cruzada de los residuos sugiere una relación del empleo adulto sobre la actividad juvenil (Figura 30). Al igual que ocurría en el caso de los jóvenes de 16 a 19 años, parece existir un retardo de dos trimestres en dicha relación. Al incorporar el término de media móvil correspondiente, se detectó más estructura en ambas direcciones, junto con un posible término MA(6) en la actividad juvenil.
De este modo, se llegó finalmente al modelo:
Figura 30 Función de correlación cruzada de los residuos del modelo bivariante (EMP ⇌ ACT24) (primer modelo)
\[\left( \begin{array}{c c c c c} 1 +. 4 6 \mathrm{B} ^ {4} & +. 7 8 \mathrm{B} ^ {8} & 0 & \\ (. 1 3) & (. 1 2) & & \\ & & & \\ 0 & & 1 +. 4 6 \mathrm{B} ^ {4} & +. 7 8 \mathrm{B} ^ {8} \\ & & (. 1 3) & (. 1 2) \end{array} \right) \left( \begin{array}{l} \nabla \nabla_ {4} \mathrm{ACT} _ {\mathrm{t}} \\ \\ \nabla \nabla_ {4} \mathrm{EMP} _ {\mathrm{t}} \end{array} \right) =\]
\[= \left\{ \begin{array}{c c} 1 +. 3 6 B ^ {6} & . 4 8 B ^ {2} -. 2 6 B ^ {4} \\ (. 1 6) & (. 1 2) (. 1 1) \\ -. 5 2 B ^ {2} & 1 \\ (. 2 7) \end{array} \right\} \quad \left( \begin{array}{l} a _ {\text {ACTt}} \\ a _ {\text {EMPt}} \\ \end{array} \right)\]
\[\begin{array}{l} \overline {{a}} _ {\mathrm{ACT}} = 8 2 4. 0 (3 4 3 3. 3) \\ \overline {{a}} _ {\mathrm{EMP}} = 8 4 2 2. 6 (5 2 6 4. 1) \\ \hat {\rho} = -. 3 4 \end{array} ; \quad \begin{array}{l} \hat {\sigma} _ {a} = 1 8 3 0 7. 9 \\ \hat {\sigma} _ {a} = 2 8 7 2 3. 3 \end{array}\]
La reducción en la desviación típica de los activos de 20 a 24 años es del 19% y, por tanto, apreciable. La función de correlación cruzada de los residuos sólo muestra correlación contemporánea entre ambas series (Fígura 31). Las dos presentan residuos importantes en el segundo trimestre de 1980 (1.7σ en los activos jóvenes y-2.4σ en los ocupados adultos), que explican, por sí sólos, un coeficiente de correlación de -.16.
Si se interpreta la correlación contemporánea como venimos haciendo, es decir, como producida por la respuesta de la actividad juvenil al empleo adulto, deberíamos estimar el modelo de proyección:
\[a _ {A C T t} = \gamma a _ {E M P t} + \epsilon_ {t}\]
pero el coeficiente estimado, una vez descontado el efecto del segundo trimestre de 1980, sería tan sólo de -.12, por lo que apenas es relevante llevar a cabo la reformulación del modelo. Por el contrario, suponiendo que la correlación entre los residuos de ambas ecuaciones es despreciable, y permutiplicando el modelo por la adjunta de la matriz de medias móviles, llegamos a la función de transferencia:
Figura 31 Función de correlación cruzada de los residuos del modelo bivariante (EMP ≈ ACT24) (modelo final).
\[\mathrm{ACT} _ {\mathrm{t}} = (. 4 8 \mathrm{B} ^ {2} -. 2 6 \mathrm{B} ^ {4}) \mathrm{EMP} _ {\mathrm{t}} + \mathrm{N} _ {\mathrm{t}}\]
\[\nabla \nabla_ {4} N _ {t} = \frac {1 + . 2 5 B ^ {4} + . 2 2 B ^ {6}}{1 + . 4 6 B ^ {4} + . 7 8 B ^ {8}}. a _ {A C T t}\]
De acuerdo con este modelo , un incremento en el empleo adulto genera un aumento en el número de activos juveniles en la proporción de un activo juvenil por cada dos nuevos ocupados adultos. Este efecto se manifiesta al cabo de dos trimestres, pero desaparece en un 50% al cabo de un año; la ganancia es de .22.
De esta forma, el descenso de 188.000 ocupados adultos durante el período muestral habría generado una disminución de 41.000 activos de 20 a 24 años. Sin embargo, ya se dijo más arriba que esta cifra de activos, en realidad, aumentó en 590.000, para lo que es preciso encontrar una justificación de otro tipo, posiblemente de acuerdo con lo que se dijo al final de la sección anterior.
Estrictamente hablando, el modelo bivariante anterior generaría un efecto de activos jóvenes hacia empleo adulto que no es facilmente interpretable, especialmente porque sería de signo negativo. Este efecto desaparece si se acepta que el elemento (2,1) de la matriz de medías móviles no es significativo; en tal caso, la función de transferencia anterior no cambia, excepto por el modelo del término de error, que tendría ahora por numerador: 1 + .36B .
VI. EL INDICE DE PRODUCCION INDUSTRIAL Y LAS TASAS DE PARTICIPACION DE MUJERES Y JOVENES.
Como complemento a los análisis anteriores se examinó el posible efecto que un indicador de la actividad económica como el IPI pudiera tener sobre la participación femenina y juvenil.
\[\left( \begin{array}{c c c c} 1 & & 0 & \\ & & & \\ & & & \\ 0 & & 1 + 1. 0 3 B +. 6 5 B ^ {2} \\ & & (. 1 4) & (. 1 4) \end{array} \right) \left( \begin{array}{c c c c c} 1 & +. 4 5 B ^ {4} & +. 4 2 B ^ {8} & 0 \\ & (. 1 2) & (. 1 2) \\ & & & \\ & 0 & 1 +. 4 5 B ^ {4} & +. 4 2 B ^ {8} \\ & & (. 1 2) & (. 1 2) \end{array} \right) \left( \begin{array}{c} \nabla \nabla_ {4} \ln T P C _ {t} \\ \\ \nabla^ {2} \nabla_ {4} \ln I P I _ {t} \end{array} \right) =\]
\[\left( \begin{array}{c c c c} 1 & -. 5 6 B ^ {6} & 0 \\ & (. 1 5) & & \\ & 0 & 1 & -. 7 4 B \\ & & & (. 0 5) \end{array} \right) \quad \left( \begin{array}{c c c c} a _ {\mathrm{TPCt}} & & \overline {{a}} _ {\mathrm{TPC}} = . 0 0 1 3; & \hat {\sigma} _ {a} = . 8 5 \% \\ & & (. 0 0 1 7) & \\ a _ {\mathrm{IPIt}} & & \overline {{a}} _ {\mathrm{IPI}} = . 0 0 3 1; & \hat {\sigma} _ {a} = 1. 6 9 \% \\ & & (. 0 0 3 3) & \end{array} \right)\]
en el que se había impuesto la igualdad de los polinomios AR (2). Ello da una cierta evidencia en el sentido de que la estructura estacional de ambas variables pudiera ser, efectivamente, la misma.
A diferencia del análisis de tasas de participación y desempleo de la Sección 2, se utiliza ahora la transformación logarítmica para eliminar los ligeros indicios de heteroscedasticidad en la serie de Indice de Producción Industrial.
La correlación contemporánea entre los residuos de ambas variables fue de .50 llegándose, tras las transformaciones ya explicadas en sec- ciones anteriores, a la función de transferencia:
\[\nabla \nabla_ {4} \ln T P C _ {t} = . 2 5 \frac {(1 + 1 . 0 3 B + . 6 5 B ^ {2}) (1 - . 5 6 B ^ {6})}{(1 - . 7 4 B)} \nabla^ {2} \nabla_ {4} \ln I P I _ {t} + N _ {t}\]
\[N _ {t} = \frac {1 - . 5 6 B ^ {6}}{1 + . 4 5 B ^ {4} + . 4 2 B ^ {8}}. a _ {t}\]
Con una ganancia de 1.13. Nótese que el IPI aparece en la función de transferencia con una diferencia más que la tasa de participación de las mujeres casadas. Ello es bastante natural puesto que dicha tasa no es sino la variable de actividad deflactada por el tamaño de la población total. Al relacionar la tasa de participación con el IPI, el orden de diferenciación superior en este último debe interpretarse en el sentido de que el valor previo del IPI actúa como deflactor .
El IPI creció durante el período muestral de 130.4 en (1976,4) a 150.5 en (1986,4), con un incremento del 15.4%, mientras que la tasa de participación de las mujeres casadas pasaba de 18.4 a 21.1, un incremento del 14.7%, muy en consonancia con el modelo anterior.
Una alternativa consistiría en relacionar el número de activos con el IPI, ambos con igual número de diferencias.
\[\begin{array}{l} \ln \mathrm{TPS} _ {t} = \frac {(. 0 2 6)}{. 0 3 7} \\ \ln \mathrm{TPS} _ {t} = \frac {1 + . 9 9 \mathrm{B} + . 7 9 \mathrm{B} ^ {2}}{(. 2 3) (. 2 5)} \\ \nabla \nabla_ {4} \mathrm{N} _ {t} = (1 -. 6 6 \mathrm{B} ^ {4}) a _ {t} \\ \hat {\sigma} _ {a} = . 6 6 \% \end{array} \quad \ln \mathrm{IPI} _ {t} + N _ {t}\]
\[\begin{array}{r l} & \left[ \begin{array}{c c c c c} 1 +. 3 4 B +. 4 4 B ^ {2} & & 0 & & \\ (. 1 7) & (. 1 8) & & & \\ & 0 & 1 + 1. 0 5 B +. 6 9 B ^ {2} & & \\ & & (. 1 8) & (. 1 7) \end{array} \right] \left[ \begin{array}{c c c c} 1 +. 4 6 B ^ {4} & 0 & & \\ (. 1 7) & & & \\ & 0 & 1 +. 5 7 B ^ {4} & +. 5 0 B ^ {8} \\ & & (. 1 8) & (. 1 8) \end{array} \right] \left( \begin{array}{c} \nabla \nabla_ {4} \ln T P 1 9 _ {t} \\ \\ \nabla^ {2} \nabla_ {4} \ln I P I _ {t} \end{array} \right) = \\ & = \quad \left( \begin{array}{c c c c} 1 & . 2 2 B ^ {4} \\ & (. 1 2) \\ 0 & 1 -. 7 2 B \\ & (. 1 4) \end{array} \right) \quad \left( \begin{array}{c} a _ {T P 1 9 t} \\ a _ {I P I t} \end{array} \right) \end{array}\]
; (.0018)
La correlación contemporánea es suficientemente baja como para que la reparametrización del modelo según lo descrito en las secciones anteriores sea prácticamente equivalente a la interpretación de cada ecuación por separado .
De este modo, se tiene la función de transferencia:
\[\ln \mathrm{TP19} _ {\mathrm{t}} = \frac {. 2 2 \mathrm{B} ^ {4} (1 + 1 . 0 5 \mathrm{B} + . 6 9 \mathrm{B} ^ {2}) (1 + . 5 7 \mathrm{B} ^ {4} + . 5 0 \mathrm{B} ^ {8})}{(1 - . 7 2 \mathrm{B}) (1 + . 3 4 \mathrm{B} + . 4 4 \mathrm{B} ^ {2}) (1 + . 4 6 \mathrm{B} ^ {4})} \nabla \ln \mathrm{IPI} _ {\mathrm{t}} + \mathrm{N} _ {\mathrm{t}}\]
\[\nabla \nabla_ {4} N _ {t} = \frac {1}{(1 + . 3 4 B + . 4 4 B ^ {2}) (1 + . 4 6 B ^ {4})}. a _ {t}\]
con una ganancia de 1.71. De este modo, el incremento muestral del 15.4% registrado en el IPI podría explicar un importante crecimiento en la tasa de participación de los jóvenes de 16 a 19 años, si bien con un retardo de un año. A pesar de ello, el incremento de escolarización hizo descender su tasa de participación, por lo que no parece que la evolución del IPI sea el determinante fundamental de la decisión de participación de este
Puesto que son prácticamente independientes entre sí.
colectivo .
Cuando se intentó estimar un modelo de relación similar para la tasa de participación de los jóvenes de 20 a 24 años y el IPI, no se detectó ninguna correlación, ni siquiera contemporaneamente, entre ambas variables, por lo que se mantiene la hipótesis de independencia estadística entre ambas series.
De este modo, la participación de los jóvenes de 20 a 24 años parece insensible a variaciones en la actividad industrial, que en esta sección se ha tomado como indicador de la coyuntura económica.
Asimismo, debe observarse que la única razón para la detección de la relación presentada entre el IPI y la participación de este grupo de jóvenes proviene del término (1,2) en la matriz de medias móviles del modelo bivariante. Si se aceptase la no significación de dicho parámetro, la ausencia de correlación contemporánea entre estas variables implicaría la ausencia de efectos en ambos sentidos.
VII. CONCLUSIONES
En este artículo se analiza la evidencia
empírica existente acerca de la relación entre la
participación en el mercado de trabajo en España
de las mujeres y jóvenes y distintos índices de
actividad económica. Con independencia de otros
determinantes de la participación, como puedan ser
las mejoras en el nivel educativo de estos colec-
tivos de población, una hipótesis habitual, cono-
cida como del "trabajador desanimado", postula que
la participación se ve disminuida en períodos en
que la actividad económica y, por tanto, el empleo
son bajos; de modo análogo, algo opuesto podría
ocurrir en períodos expansivos.
El análisis de datos trimestrales de la EPA
para el período (1976,4)-(1986,4) sugiere que las
tasas de participación de las mujeres solteras y
no solteras responden a cambios en su respectivas
tasas de paro. En ambos casos la respuesta es
moderada: la tasa de participación aumenta (o
disminuye) un punto porcentual por cada 3 puntos
de reducción (o incremento) en la correspondiente
tasa de desempleo. En el caso de las mujeres no
solteras el efecto es, además, transitorio, vol-
viendo eventualmente la tasa de participación a su
valor previo. En ambos casos, las implicaciones de
los modelos estimados son muy consistentes con la
evolución de ambas variables durante el periodo
muestral.
Por el contrario, el aumento registrado en
el número de mujeres solteras desempleadas no
puede explicar el incremento que se ha producido
en el número de mujeres solteras activas; de he-
cho, de acuerdo con la hipótesis de correlación
positiva entre empleo y actividad, el número de
mujeres activas debía haber descendido. Ello su-
giere que ha existido, durante el período mues-
tral, un fenómeno que ha influido sobre la deci-
sión de participación de este colectivo de modo
más importante que su porpio empleo. Tal fenómeno
bien podría ser el generalizado aumento registrado
en el número de mujeres que han accedido a estu-
dios medios y superiores.
La evolución del empleo de las mujeres no
solteras si explica una parte del incremento re-
gistrado en el número de mujeres no solteras acti-
vas. En el colectivo de mujeres solteras se ha
producido un fuerte incremento en el número de
mujeres con niveles de estudios medio y superior,
simultáneamente un importante descenso en el nú-
mero de mujeres sin estudios o con estudios prima-
rios, lo que ha alterado sustancialmente la compo-
sición de este colectivo de población en términos
del nivel de estudios adquirido. Por el contrario,
dentro del colectivo de mujeres no solteras los
cambios han supuesto que las mujeres con estudios
medios y superiores tienen una importancia rela-
tiva doble de la que tenían en 1976, pero estos
grupos afectan tan sólo al 20% de dicho colectivo.
Por tanto, el impacto del mayor acceso a niveles
educativos superiores es menor en este grupo de
mujeres, por lo que la evolución de la actividad
podría responder a la del empleo en mayor medida
que la de las mujeres solteras.
Existe clara evidencia en el sentido de que la evolución de la actividad de los jóvenes entre 16 y 19 años responde a fluctuaciones en el nivel de empleo de los miembros de dicho colectivo. Por el contrario, si bien existe relación entre la actividad y el empleo de los jóvenes de 20 a 24 años, esta no pude explicar la evolución, en sentido opuesto, de ambas variables durante el período muestral. Sin duda que existen otros determinantes de dicho volumen de participación que son más importantes, como podría ser el importante desplazamiento ocurrido en los últimos años hacia los niveles superiores de educación, especialmente en este grupo de jóvenes.
Ninguno de los volúmenes de participación de estos dos colectivos de jóvenes parece depender de modo fundamental del empleo adulto (número de ocupados de 30 a 50 años de edad), por lo que la actividad juvenil parece ser más sensible a la situación coyuntural específica del colectivo a que pertenecen, que a la situación general del mercado de trabajo.
Como última etapa del estudio, se tomó el Indice de Producción Industrial como indicador coyuntural de la actividad económica, para analizar si el grado de participación femenina y juvenil en el mercado de trabajo pudieran depender de las condiciones de actividad productiva. Existe evidencia clara en el sentido de que la tasa de participación de las mujeres no solteras dependa de los valores del IPI. Además, el modelo de relación estimado es consistente con la evolución muestral de ambas variables. Lo contrario parece ocurrir con las mujeres solteras, cuya tasa de participación no parece depender de los valores del IPI.
Este resultado es consistente con la visión de que las mujeres no solteras se hallan en el margen de la situación de actividad, tomando la decisión de participar o no en el mercado de trabajo en función de las perspectivas de empleo. Las mujeres solteras, con un coste de oportunidad de participar en el mercado de trabajo sensiblemente inferior al de las mujeres no solteras, toman su decisión de participación con mayor independencia de las fluctuaciones en la actividad económica.
Finalmente, el análisis realizado en este artículo es consistente con el supuesto de que las tasas de participación de los jóvenes son insensibles a las variaciones en actividad productiva, al menos cuando ésta se resume en el Índice de Producción Industrial.
Cuando el nivel de participación de un co-lectivo de población responde a la evolución de la coyuntura económica, ya sea representada por las fluctuaciones en la actividad productiva, o por la situación en el mercado de trabajo, entonces medidas de política económica de carácter general, que tiendan a impulsar el crecimiento económico, tendrán un efecto positivo sobre la participación de dichos colectivos. Si ocurre lo contrario, entonces para aumentar la participación de dicho grupo de población es preciso poner en práctica medidas específicamente diseñadas al respecto. En esta situación, es importante saber si dichas medidas deben incentivar la participación directamente, o por el contrario, mediante incentivos al empleo de un determinado colectivo puede incrementarse el nivel de participación activa del mismo en el mercado de trabajo.
El análisis llevado a cabo en este artículo sugiere que las tasas de participación femeninas, tanto de mujeres solteras como no solteras, dependen de las tasas de paro específicas de dichos colectivos de población, por lo que medidas de fomento de empleo femenino que redujesen su tasas de paro tendrían un efecto positivo (si bien mode-
rado) sobre las tasas de actividad. Lo mismo ocu-
rre para los jóvenes de 16 a 19 años, cuya parti-
cipación aumentaría como consecuencia de medidas
de fomento del empleo de este colectivo. No ocurre
así con los jóvenes de 20 a 24 años, cuyo reciente
incremento en actividad parece responder a cues-
tiones como el notable aumento registrado en los
últimos años en el nivel de educación, más que a
la situación de desempleo específica de dicho
colectivo de población.
También en las mujeres solteras (un 31% de las cuales tiene entre 20 y 24 años) se observa que el factor educativo puede explicar una buena parte del incremento producido en su nivel de participación.
En definitiva, existe campo para conseguir un incremento en la participación activa en el mercado de trabajo de mujeres y jóvenes, mediante la puesta en práctica de medidas de fomento del empleo de estos colectivos. Tales medidas son tanto más precisas por cuanto que el análisis aquí presentado muestra que la participación de estos grupos parece responder a su propia situación de empleo, mientras que es bastante poco sensible a la situación general del mercado de trabajo o de la actividad productiva, al menos cuando ésta se representa por el Índice de Producción Industrial.