El aprendizaje y sus efectos sobre la empleabilidad de los trabajadores

TÍTULO: EL APRENDIZAJE Y SUS EFECTOS SOBRE LA EMPLEABILIDAD DE LOS TRABAJADORES AUTORES: JOSÉ MANUEL CANSINO MUÑOZREPISO Universidad de Sevilla Departamento de Análisis Económico y Economía Política Facultad de CC. Económicas y Empresariales Avda. Ramón y Cajal, nº 1 41018 Sevilla Correo electrónico: [email protected] Tfno: + 34 954 55 75 28. Fax : + 34 954 55 76 29 ANTONIO SÁNCHEZ BRAZA Universidad de Sevilla Departamento de Análisis Económico y Economía Política Facultad de CC. Económicas y Empresariales Avda. Ramón y Cajal, nº 1 41018 Sevilla Correo electrónico: [email protected] Tfno: + 34 954 55 75 29. Fax : + 34 954 55 76 29 EL APRENDIZAJE Y SUS EFECTOS SOBRE LA EMPLEABILIDAD DE LOS TRABAJADORES RESUMEN El presente artículo evalúa el efecto promedio del contrato de aprendizaje sobre la empleabilidad de los trabajadores tanto a corto (año siguiente a la finalización del contrato) y a medio plazo (en los tres años siguientes). Para ello se construye un grupo de tratamiento con 2752 individuos y un grupo de control con 5493, extraídos ambos de la MCVL. La estimación del efecto promedio se realiza mediante la técnica del “propensity score matching”. Los resultados muestran que los trabajadores que han finalizado un contrato de aprendizaje cuentan en el año inmediatamente siguiente a la finalización del contrato con 56 días menos trabajados, en promedio, que los trabajadores del grupo de control. La cifra se eleva a 105 días en los tres años siguientes. Estos resultados desfavorables para el contrato de trabajo pueden explicarse por el efecto conjunto de diversos factores, entre ellos, un posible efecto estigmatización del contrato de trabajo y un potencial efecto bloqueo. PALABRAS CLAVE: Evaluación de políticas públicas, contrato de aprendizaje, políticas de formación, propensity score matching. CÓDIGOS JEL: J24, J68. ABSTRACT This paper evaluates the average effect of the apprentice contract on the ability to find a job not only in the short term (the year after the contract was over) but also in the middle term (the following three years). To do that a treatment group is constructed with 2752 individuals and another control group is also constructed with 5493 individuals; both groups are extracted from the Spanish MCVL. The average effect is estimated by using propensity score matching. Results show that workers who have finished an apprentice contract work on average, 56 days less than control workers during the following year. This figure raises up to 105 days in the following three years. These unfavorable results to the apprentice contract could be explained through the combined action of several factors, including a possible stigmatization effect and a potential blocking effec. KEYWORDS: Public policies evaluation, apprentice contract, training policies, propensity score matching. 1 EL APRENDIZAJE Y SUS EFECTOS SOBRE LA EMPLEABILIDAD DE LOS TRABAJADORES 1. INTRODUCCIÓN La elevada tasa de desempleo juvenil es una característica del mercado laboral español. Esta tasa es particularmente elevada entre los jóvenes con menor formación1 (Blanchard y Jimeno, 1995; Dolado y Jimeno, 1997). El porcentaje de jóvenes de entre 18 y 24 años que abandona el sistema educativo sin completar la primera etapa de la ESO fue del 29.9 % en 2006; 14.6 puntos por encima de la media de la UE (Ministerio de Educación, 2009). La tasa de abandono escolar entre los 18 y los 24 años ha venido creciendo durante la última década, mostrando una divergencia con los países del entorno económico de España. Un 14 % de los jóvenes españoles de entre 16 y 24 años ni estudia ni trabaja, lo que supone la cuarta tasa más elevada de los diecinueve países analizados por la OCDE (2008). Casi una tercera parte de los jóvenes que abandonan el sistema educativo no continúa formándose. Sumado a lo anterior, Dolado et al. (2000) destacaron, como uno de los hechos estilizados del mercado de trabajo español, que la empleabilidad de los jóvenes entre 16 y 27 años con escasa formación había descendido dramáticamente a consecuencia de un efecto expulsión provocado por los mejor formados en aquellos empleos que sirven como entrada en el mercado laboral. Para reducir la tasa de desempleo juvenil y favorecer la inserción en el mercado de trabajo de los jóvenes con escasa formación, las autoridades españolas introdujeron en 1993 algunas medidas de reforma del mercado laboral. Una de estas medidas consistió en la creación de un tipo de contrato denominado “contrato de aprendizaje”. Este contrato estaba dirigido a 1 En un año de expansión económica como 2005, la tasa de paro entre los jóvenes españoles de 16 a 19 años fue del 29.2 %, elevándose hasta el 39.5 % en un año de recesión como 2008. Para los jóvenes de entre 20 y 24 años, las tasas de paro fueron del 17.1 % en 2005 y del 20.4 % en 2008, INE (2009). 2 jóvenes sin formación y obligaba a los empleadores a permitir a los empleados a asistir, fuera del puesto de trabajo, a centros donde se recibía una formación teórica nunca inferior al 15 % de la jornada laboral. El contrato de aprendizaje fue diseñado como una política activa de empleo que incluía una acción formativa programada. Esta formación se inscribe dentro del la formación ocupacional2 y permite evaluar el contrato de aprendizaje en el marco de la literatura de los programas de formación. Las políticas de formación son el tipo de políticas activas de empleo más utilizadas tanto en España como en el resto de países miembros de la UE3. Esta evaluación es particularmente relevante pues, a diferencia de lo que ocurre con las políticas de formación para desempleados4, escasean en la literatura los análisis de las políticas públicas de formación para empleados. Particularmente es así en los análisis causales. Más aún, las investigaciones disponibles están más ligadas a su cantidad y a sus destinatarios que a otros aspectos relevantes como pueden ser sus efectos sobre la productividad o sobre los salarios. La investigación de los efectos causales del contrato de aprendizaje encuentra una mayor motivación para el caso español dado que el gasto destinado en España a las políticas de formación, si bien se encuentra en una situación intermedia respecto a la media de la UE, está 2 Fuera de la educación reglada existen en España tres tipos de acciones formativas: la formación para desempleados, la formación ocupacional y la formación continua. 3 Los fondos públicos destinados al conjunto de políticas activas de empleo han seguido una tendencia creciente en países como España, donde han pasado del 0.33 % del PIB en 1985 al 0.80 % en 2007, considerablemente por encima de la media de los países de la OCDE para este mismo año (0.56 %). El valor máximo para el periodo 1985-2007 fue el 0.85 % correspondiente al año 1999 (OCDE, 2009a). Para una visión panorámica de las diferentes políticas activas de empleo financiadas con recursos públicos véase OCDE (2009b). 4 Ejemplos de este tipo de investigaciones son los de Card y Sullivan (1988) y Manski y Garfinkel (1992) en EE.UU, Bonnall et al. (1997) en Francia, Andrews et al. (1999) y Blundell et al. (2004) en el Reino Unido, Bergemann et al. (2005) en Alemania y Park et al. (1996) en Canadá, entre otros. En España, la evaluación microeconómica de las políticas públicas de formación se ha realizado, fundamentalmente, a partir de microdatos suministrados específicamente para la investigación evaluatoria por las Administraciones Públicas responsables (Cansino y Sánchez, 2009, 2011a y 2011b) o a partir de encuestas realizadas ad hoc (Mato y Cueto, 2008, Cueto y Mato, 2009). 3 desequilibrado. Este desequilibrio se pone de manifiesto cuando se tiene en cuenta que el gasto en formación de empleados es uno de los más elevados, mientras que el dedicado a formación de desempleados es uno de los más bajos (García, 2007). Además, las características y el contexto económico del periodo temporal considerado, entre los años 1994 y 2000, coincidiendo con una etapa de crisis económica y una elevada tasa de desempleo, y con una muy importante incidencia del desempleo juvenil, dotan de interés y de actualidad a esta evaluación, máxime si tenemos en cuenta su similitud con el contexto y la situación económica actual. La coincidencia y semejanza de la mayoría de las propuestas actuales para atajar dicha situación de elevada tasa de desempleo juvenil con las directrices ya recogidas en el contrato de aprendizaje no hacen sino justificar aún más la necesidad de una evaluación económica de este tipo de medidas. A partir de lo anterior, el objetivo de este trabajo es evaluar, mediante un análisis microeconómico basado en la inferencia causal, la empleabilidad de los individuos que han tenido un contrato de aprendizaje. De acuerdo con esta metodología, una selección de los beneficiarios de este contrato entre los años 1994 y 2000, años de vigencia de dicho contrato, conformará el grupo de tratamiento. Como grupo de control se utilizará uno de tipo externo, formado por individuos que se han incorporado al mercado laboral mediante un contrato por obra y servicio. La base de datos empleada es la Muestra Continua de Vidas Laborales (MCVL)5. El efecto sobre la empleabilidad es evaluado tanto a corto (en el año siguiente a la finalización del contrato de aprendizaje) como a medio plazo (en los tres años siguientes). Este enfoque se 5 Las posibilidades que la MCVL ofrece para evaluaciones microeconómicas han sido señaladas por García (2008), quien ha descrito los aspectos más relevantes de la MCVL, subrayando su utilidad para estudios económicos tales como el análisis de las transiciones entre estados laborales. El mismo autor llama también la atención del interés de esta muestra para la evaluación microeconómica de políticas públicas, interés que se justifica en el hecho de que para cada individuo incluido en la muestra existe, salvo excepciones, una información retrospectiva. 4 considera pertinente a juzgar por la opinión de expertos que señalan la escasez de estudios que analicen los efectos de la formación más allá del corto plazo (Mato, 2010). El artículo se estructura como sigue. En los apartados 2 y 3 se hace referencia a las políticas activas de empleo y se expone más detalladamente el contrato de aprendizaje. En el apartado 4 se detallan los datos y la metodología utilizada. Finalmente, en los apartados 5 y 6 se recogen los resultados obtenidos y las principales conclusiones extraídas, respectivamente. 2. LAS POLÍTICAS ACTIVAS DE EMPLEO Y EL APRENDIZAJE Desde el punto de vista del número de beneficiarios de las políticas activas de empleo, éstos representaban en España el 9.13 % de la población activa en 2002, siguiendo una tendencia creciente hasta el 19.58 % en 2007, muy por encima del promedio de la OCDE, 4.28 %. Del total de beneficiarios, los participantes en programas públicos de formación pasaron en España de representar el 0.74 % de la población activa en 2002 al 1.49 % en 2007, siendo la media de los países de la OCDE del 1.19 % (OCDE, 2009a). A pesar de los problemas que conlleva estimar la relación causal de la educación y la formación sobre la productividad del trabajo, el servicio de estudios del BBVA (2010) encuentra una fuerte correlación (0.90) entre la renta per capita y el capital humano, medido éste como el porcentaje de personas en edad de trabajar con al menos educación secundaria. Sin embargo, en la práctica, la causalidad entre niveles educativos y crecimiento económico es más clara que la generada por la formación (Mato, 2010). Desde un punto de vista teórico, los programas públicos de formación se justifican por su estímulo de la oferta de trabajo de los desempleados, contribuyendo al ajuste entre ésta y la demanda de trabajo. Así, contribuyen también a paliar las pérdidas de bienestar en los 5 individuos y en el bienestar social que el desempleo provoca, al alejar el nivel de producción efectivo del potencial (Ackum, 1991). Otros efectos potenciales de la formación son el estímulo de la innovación y la generación de efectos intergeneracionales positivos sobre el capital humano (Booth y Snower, 1996). En 1995, el número de jóvenes empleados con contrato de aprendizaje supuso el 12 % del total (Dolado et al., 2000). El gasto público en programas de formación ha pasado en España de representar el 0.03 % del PIB en 1985 al 0.15 % en 2007, prácticamente coincidiendo con la media de la OCDE (0.14 %). Más específicamente, el gasto público español en programas públicos de formación para aprendices disminuyó del 0.06 % del PIB en 1998 al 0.01% en 2007 coincidiendo con la etapa de expansión económica; un nivel muy próximo a la media de la OCDE (0.02%). Sin embargo, hasta6 2005, el gasto promedio en España fue del 0.04 % (OCDE, 2009a). La formación ocupacional asociada al contrato de aprendizaje también se financia con fondos públicos7, hecho muy valorado por las empresas españolas. Tanto el volumen de recursos públicos empleados como el número de personas beneficiadas justifican una evaluación económica del contrato de aprendizaje. Esto es especialmente interesante una vez que la literatura permite disponer de evidencias que cuestionan que los efectos de estas políticas públicas sean siempre positivos. Efectivamente, a pesar de los argumentos teóricos, las estimaciones empíricas del impacto de la formación resultan más modestas de lo que cabría esperar (Kluve, 2007, Mato y Cueto, 2008 y Card et al., 2010). La formación no es una panacea. 6 El año 2005 corresponde a un año de fuerte expansión del sector de la construcción altamente demandante de mano de obra poco cualificada. 7 Aunque la financiación de esta formación podría correr con cargo a la propia empresa Booth y Snower (1996) y Brunello y De Paola (2004) consideran que se produce un fallo del mercado en su provisión que legitima la financiación pública de la misma. 6 3. CARACTERÍSTICAS DEL CONTRATO DE APRENDIZAJE Aunque el contrato de aprendizaje contaba con precedentes8, se introdujo en España mediante el RD Ley 18/1993 coincidiendo con una etapa de crisis económica y de elevada tasa de desempleo9. Se definió como un contrato que se podía celebrar entre empleadores y jóvenes desempleados, entre 16 y 25 años, sin formación. Su duración no podía ser inferior a 6 meses ni superior a 3 años. El objetivo de este contrato era favorecer la inserción laboral de los jóvenes mediante la adquisición de los conocimientos prácticos necesarios para el desempeño adecuado de un puesto de trabajo cualificado. Este tipo de formación suele definirse como formación no reglada para empleados. A este respecto, los expertos señalan la escasez de los análisis causales de las políticas públicas de formación para empleados (Mato, 2010). Aunque el contrato era de carácter voluntario, una vez suscrito por las partes, empleado y empleador ambos quedaban obligados a recibir y permitir un programa de formación. De esta forma, la formación era obligatoria, regulando la normativa sanciones en caso de incumplimiento tanto del empleador como del empleado. El tiempo dedicado a la formación no podía ser inferior al 15 % de la jornada. En cuanto a la provisión de la formación, ésta se realizaba de forma descentralizada en centros de formación. Estos centros de formación podían ser de titularidad privada o financiados con fondos públicos, directamente a través de centros de titularidad pública o 8 El contrato de aprendizaje sustituyó al “contrato para la formación” en vigor desde noviembre de 1984 con la entrada en vigor del RD 1992/1984, aunque su figura se contemplaba ya en el Estatuto de los Trabajadores de 1980. Igual que en el contrato de aprendizaje, en el contrato para la formación “el trabajador se obligaba, simultáneamente, a prestar un trabajo y a recibir formación”. También el empleador quedaba obligado por el contrato a proporcionar al trabajador una formación que le permitiera desempeñar un puesto de trabajo. Para las empresas pequeñas y medianas, los planes de formación eran elaborados por la Administración Pública e impartidos de forma descentralizada, en centros privados, públicos o privados financiados con fondos públicos mediante convenios o conciertos entre su titular y la Administración Pública. 9 RD 2317/1993, de 29 de diciembre, por el que se desarrollan los contratos en prácticas y de aprendizaje y los contratos a tiempo parcial. 7 indirectamente a través de centros propiedad de asociaciones empresariales o sindicales pero financiados con fondos públicos. Como programa de formación sui géneris, el contrato de aprendizaje no es un programa obligatorio, en el sentido de los “mandatory training programs” a los que aluden Friedlander et al. (1997), pero tampoco es un programa voluntario. Este matiz resulta relevante debido a que si en los programas obligatorios el sesgo de autoselección tiende a desaparecer, en los no voluntarios (no hay solicitud por parte del individuo), al menos puede reducirse. 4. METODOLOGÍA Y DATOS Siguiendo la línea de otros trabajos de evaluación de políticas públicas, la metodología propuesta se enmarca en el ámbito de la inferencia causal estadística, fundamentada en la estimación del efecto causal (Pearl, 2000; Holland, 1986) que una determinada política puede tener sobre una o varias variables relevantes (Dawid, 2000; Cox, 1992). Esta metodología, frente a los análisis tradicionales, permite la obtención de estimadores consistentes de los efectos de la medida evaluada (Robins y Rotnitzky, 1995), aislando y determinando los posibles efectos de variables contaminantes adicionales. Debido a lo anterior, las técnicas de inferencia causal tienen en la actualidad una amplia aplicación en diversas disciplinas científicas como la estadística (Rubin, 2008; Rosenbaum, 2002; Angrist et al., 1996), la medicina (Christakis y Iwashyna, 2003; Hirano e Imbens, 2001), la epidemiología (Oakes y Church, 2007), la sociología (Morgan y Harding, 2006; Smith, 1997), las ciencias políticas (Duch y Stevenson, 2006; Imai, 2005), la evaluación económica de programas de formación (Blundell et al., 2004; Card y Krueger, 2000; Angrist, 1998), etc. 14 miembros del par quedan recogidas por las covariables observables seleccionadas, este método proporcionará un estimador insesgado de los efectos de la medida evaluada. Así, para cada individuo i participante (con un valor estimado de su “propensity score matching”  i X  ˆ), se busca un individuo m de control (con un valor estimado de su “propensity score matching”  m X  ˆ) tal que   i X  ˆ=   m X  ˆ, o al menos,  i X  ˆ≈  m X  ˆ. A este individuo m lo denotaremos como m(i). Realizado este emparejamiento para cada uno de los individuos participantes, es posible obtener el estimador “matching” del ATET, a partir de la siguiente expresión:     1 1 )( 1 1 ˆ n i imiMATCHINGATET YY n  Donde Yi es el valor que toma la variable respuesta Y para el individuo participante i, Ym(i) es el valor que toma la variable respuesta Y para el individuo de control m(i) que le ha sido asignado como par y n1 es el número de individuos participantes. 5. RESULTADOS En la Tabla 1 aparecen recogidos la información y los estadísticos para las covariables seleccionadas a partir de la información muestral disponible extraída de la MCVL. Éstas se han estructurado en cuatro bloques de información correspondientes a las características socio-demográficas de los individuos (edad, sexo y nivel de estudios) y a características referidas al propio contrato de referencia, como es el año de finalización, la rama de actividad económica o la Comunidad Autónoma de realización del contrato. 15 Tabla 1. Covariables Variable Descripción Nº obs. Media Err. est. a) Factores socio-demográficos. Categoría base: mujer sin estudios. Sexo 1=hombre, 0=mujer. 5264 0.638 0.480 Edad Entre 16 y 27 años. - 23.099 2.735 Graduado 1=si tiene los estudios obligatorios, 0=otro. 4058 0.492 0.500 Bachillerato 1= bachillerato o equivalente, 0=otro. 2448 0.297 0.457 Superiores 1= estudios superiores, 0=otro. 334 0.041 0.197 b) Año de finalización del contrato de referencia. Categoría base: año 1994. Año 1995 1=si el contrato finalizó en 1995, 0=otro. 513 0.062 0.242 Año 1996 1=si el contrato finalizó en 1996, 0=otro. 886 0.107 0.310 Año 1997 1=si el contrato finalizó en 1997, 0=otro. 1937 0.235 0.424 Año 1998 1=si el contrato finalizó en 1998, 0=otro. 1655 0.201 0.401 Año 1999 1=si el contrato finalizó en 1999, 0=otro. 1604 0.195 0.396 Año 2000 1=si el contrato finalizó en 2000, 0=otro. 1458 0.177 0.382 c) Actividad Eca. de la empresa del contrato de referencia. Categoría base: otras actividades. Agricultura 1=agricultura y ganadería; 0=otra. 49 0.006 0.077 Extractivas 1=industrias extractivas; 0=otra. 447 0.054 0.226 Madera 1=industria de la madera, 0=otra. 749 0.091 0.287 Matelec 1=industria de material electrónico, 0=otra. 293 0.036 0.185 Energía 1=pcción y dist. de energía, gas y agua, 0=otra. 1990 0.241 0.428 Comercio 1=actividades comerciales, 0=otra. 1871 0.227 0.419 Transporte 1=tpe y comunicaciones, 0=otra. 339 0.041 0.199 ServiciosEmp 1=act. inmob. y serv. empresariales, 0=otra. 1575 0.191 0.393 Educación 1=actividades de educación, 0=otra. 530 0.064 0.245 d) Comunidad de realización del contrato de referencia. Categoría base: Comunidad de Madrid. Andalucía 1=Andalucía, 0=otra. 1462 0.177 0.382 Aragón 1=Aragón, 0=otra. 299 0.036 0.187 Asturias 1=Asturias, 0=otra. 213 0.026 0.159 Baleares 1=Baleares, 0=otra. 358 0.043 0.204 Canarias 1=Canarias, 0=otra. 463 0.056 0.230 Cantabria 1=Cantabria, 0=otra. 110 0.013 0.115 Castilla y León 1=Castilla y León, 0=otra. 446 0.054 0.226 C. La Mancha 1=Castilla-La Mancha, 0=otra. 395 0.048 0.214 Cataluña 1=Cataluña, 0=otra. 1274 0.155 0.361 C. Valenciana 1=Comunidad Valenciana, 0=otra. 796 0.097 0.295 Extremadura 1=Extremadura, 0=otra. 241 0.03 0.168 Galicia 1=Galicia, 0=otra. 522 0.063 0.244 Murcia 1=Murcia, 0=otra. 238 0.029 0.167 Navarra 1=Navarra, 0=otra. 117 0.014 0.118 País Vasco 1=País Vasco, 0=otra. 514 0.062 0.242 Rioja 1=La Rioja, 0=otra. 28 0.003 0.058 Fuente: Elaboración propia a partir de la MCVL. 16 En la Tabla 2 se recogen los resultados de la estimación del “propensity score” a partir de las covariables recogidas en la Tabla 1, siguiendo las especificaciones de los modelos Probit y Logit. Tabla 2. Estimación del “propensity score” Covariable Probit Logit Sexo -0.144 (0.056) ** -0.264 (0.103) ** Edad -0.158 (0.010) *** -0.293 (0.019) *** Graduado 0.099 (0.072) 0.217 (0.130) * Bachillerato 0.048 (0.081) 0.123 (0.147) Superiores -0.194 (0.134) -0.293 (0.243) Año 1995 -5.324 (0.409) *** -13.945 (1.000) *** Año 1996 -7.049 (0.340) *** -17.354 (0.846) *** Año 1997 -7.780 (0.337) *** -18.743 (0.842) *** Año 1998 -8.136 (0.337) *** -19.381 (0.841) *** Año 1999 -8.671 (0.340) *** -20.329 (0.845) *** Año 2000 -9.388 (0.351) *** -21.713 (0.857) *** Agricultura 0.634 (0.549) 1.001 (0.974) Extractivas -0.373 (0.141) *** -0.663 (0.261) ** Madera -0.129 (0.129) -0.272 (0.233) Matelec 0.082 (0.157) 0.166 (0.292) Energía -0.765 (0.125) *** -1.403 (0.230) *** Comercio 0.599 (0.114) *** 1.146 (0.212) *** Transporte 0.574 (0.152) *** 1.024 (0.279) *** ServiciosEmp -0.269 (0.117) ** -0.465 (0.218) ** Educación 0.250 (0.132) * 0.427 (0.242) * Andalucía -1.873 (0.092) *** -3.369 (0.175) *** Aragón -1.337 (0.120) *** -2.329 (0.217) *** Asturias 0.322 (0.146) ** 0.604 (0.274) ** Baleares -2.762 (0.197) *** -5.223 (0.393) *** Canarias -3.522 (0.462) *** -7.201 (1.050) *** Cantabria 1.132 (0.267) *** 2.036 (0.528) *** Castilla y León 0.128 (0.108) 0.228 (0.197) C. La Mancha 0.111 (0.112) 0.176 (0.202) Cataluña -3.114 (0.169) *** -5.920 (0.353) *** C. Valenciana -0.529 (0.085) *** -0.920 (0.155) *** Extremadura -0.856 (0.132) *** -1.497 (0.238) *** Galicia -3.333 (0.247) *** -6.141 (0.567) *** Murcia -0.312 (0.128) ** -0.494 (0.225) ** Navarra -2.288 (0.321) *** -4.330 (0.572) *** País Vasco -1.021 (0.101) *** -1.784 (0.182) *** Rioja 0.447 (0.447) 0.896 (0.982) Constante 12.307 (0.433) *** 27.010 (0.972) *** 17 No Observaciones 8245 8245 Log. fun. máx-verosimil. -1667.915 -1653.562 Pseudo R2 0.682 0.685 Wald Chi2 (p-valor) 2248.83 (0.000) 1959.35 (0.000) Nota: Se recogen, entre paréntesis, los valores de los errores estándares corregidos de heteroscedasticidad por el método de varianzas robustas. Uno, dos o tres asteriscos indican significatividad a unos niveles del 10%, 5% y 1%, respectivamente. Fuente: Elaboración propia. Los coeficientes obtenidos recogen la participación de cada una de las covariables consideradas en la determinación del “propensity score”. De todas formas, la significatividad de cada una de las variables individualmente consideradas carece de interés para nuestro análisis. El objetivo del “propensity score” es simplemente conseguir que los individuos del grupo de participantes y del grupo de control sean lo más homogéneos posibles en cuanto a las covariables consideradas. De los dos modelos estimados, optamos por el Modelo Logit, ya que es este modelo el que maximiza el logaritmo de la función de verosimilitud (cuyo valor es -1653.562 frente al valor -1667.915 registrado por el Modelo Probit). A partir las especificaciones de este modelo, se procede a asignar a cada individuo (participantes y de control) el valor estimado correspondiente de su “propensity score”. Finalmente, a partir de los valores asignados se procede a obtener el estimador del efecto causal aplicando el método de “matching” descrito. Dada la proporción 1:2 entre el grupo de participantes y de control, optamos por la aplicación de la técnica del “matching” radial que permite utilizar todos los individuos del grupo de control, eligiendo todos aquellos individuos de control con características similares dentro del radio de acción marcado. En la Tabla 3 se recogen los resultados obtenidos para distintos tamaños radiales, utilizando ambas variables respuesta, Y1 e Y2. 18 Tabla 3. Resultados Var. Respuesta radio ATET  ˆ Err. estándar t –estad. Prob. 0.01 -55.181 *** 3.743 -14.741 0.000 0.05 -56.348 *** 3.896 -14.463 0.000 0.10 -56.723 *** 3.816 -14.866 0.000 0.15 -57.555 *** 3.788 -15.192 0.000 Y1 0.20 -58.186 *** 3.714 -15.668 0.000 0.01 -102.865 *** 9.030 -11.392 0.000 0.05 -104.377 *** 9. 390 -11.116 0.000 0.10 -105.453 *** 9.200 -11.462 0.000 0.15 -107.852 *** 9.136 -11.805 0.000 Y2 0.20 -110.566 *** 8.960 -12.340 0.000 Nota: Uno, dos o tres asteriscos indican significatividad a unos niveles del 10%, 5% y 1%, respectivamente. Fuente: Elaboración propia. Como se puede observar, en todos los casos, el estimador del ATET toma un valor negativo, evidenciando un efecto causal desfavorable del contrato evaluado sobre los participantes. A corto plazo, frente a los individuos que se han incorporado al mercado laboral mediante un contrato por obra y servicio, los individuos que han suscrito un contrato de aprendizaje han trabajado, en promedio, 56 días menos a lo largo del año siguiente a la finalización de dicho contrato de aprendizaje. No obstante, este efecto a corto plazo sobre el año siguiente se duplica cuando se considera el efecto a medio/largo plazo, a lo largo de los tres años inmediatamente siguientes a la finalización del contrato de aprendizaje. En este caso, los individuos que suscribieron un contrato de aprendizaje tienen, en promedio, 105 días trabajados menos que los individuos del grupo de control a lo largo del periodo de tres años posteriores a la finalización de su contrato de trabajo. 6. CONCLUSIONES Este artículo contribuye a la literatura en la medida en que escasean los análisis causales de las políticas de formación para empleados, como es el caso de la formación asociada a un 19 contrato de aprendizaje. Por esta razón no se ha considerado oportuna la contextualización de sus conclusiones con la literatura nacional o internacional. Del mismo modo, también contribuye a la literatura en la medida en que escasean los estudios que analicen los efectos de la formación más allá del corto plazo, análisis que sí se aborda en este trabajo. La investigación desarrollada evalúa el contrato de aprendizaje utilizado en España con el objetivo de mejorar la inserción en el mercado de trabajo de los jóvenes desempleados con escasa formación. El año base de la evaluación es 1994 y el horizonte temporal de la evaluación se extiende hasta 2000, periodo de vigencia del contrato. Las características del contexto económico del periodo temporal considerado, con una etapa de crisis económica y una elevada tasa de desempleo, coincidentes con el contexto y la situación económica actual, incrementan el interés de los resultados obtenidos. Como soporte empírico se ha utilizado la mayor y más completa base de microdatos disponible en este momento en España, la MCVL. La metodología utilizada ha sido la técnica del “propensity score matching” con un grupo de tratamiento y otro de control. El análisis realizado permite afirmar que la empleabilidad de los individuos que acceden al mercado de trabajo a través de un contrato de aprendizaje es inferior, a corto plazo, que la de quienes lo hacen a través de un contrato por obra y servicio. Este resultado se acentúa cuando el periodo de referencia de la evaluación es el medio/largo plazo. Sin pretender ser exhaustivos, encontramos varias explicaciones posibles, y probablemente complementarias, a estos efectos desfavorables del contrato de aprendizaje. 20 En primer lugar, el contrato de aprendizaje puede suscitar una opinión desfavorable en los empleadores y provocar un efecto estigmatización sobre los beneficiarios, convirtiéndose en una señal negativa para el mercado de trabajo. En segundo lugar, puede ocurrir que quienes se han beneficiado de la formación asociada al contrato de aprendizaje desarrollen una expectativa de empleo futuro más elevada que quienes han tenido un contrato por obra y servicio, y que esto les lleve a ser más selectivos en el proceso de búsqueda de un nuevo empleo. En tercer lugar, los beneficiarios del contrato de aprendizaje se ven afectados por el denominado efecto bloqueo, el cual les lleva a mantener el contrato de aprendizaje hasta finalizar la formación, mientas que los individuos de control pueden adoptar una actitud más activa en la búsqueda de un nuevo y/o mejor empleo. En cuarto lugar, la explicación de este resultado también puede encontrarse en la posible mejora en la formación de los individuos del grupo de control respecto a la de los individuos del grupo de tratamiento ya que, aunque éstos se han beneficiado de un periodo de enseñanza, aquellos también han podido estar formándose paralelamente, beneficiándose de cursos de formación no reglada. Finalmente, no debe pasarse por alto el efecto de un posible uso fraudulento de ambos contratos. Esto ocurre en especial con el contrato por obra y servicio, utilizado en ocasiones para concatenar contratos temporales, evitando la contratación indefinida del trabajador, lo que eleva la probabilidad de empleo de éste al finalizar el contrato vigente. En definitiva, la conjunción de todos estos factores acaban determinando que la empleabilidad de los individuos que acceden al mercado de trabajo con un contrato de aprendizaje acabe siendo considerablemente inferior, tanto a corto como a medio/largo plazo, que la de aquellos 21 que lo hacen a través del contrato temporal más común, el contrato por obra y servicio. Así, de acuerdo con los resultados obtenidos y dados estos factores, el impacto de la formación para empleados incluida en el contrato de aprendizaje sobre el grado de empleabilidad y los episiodios de empleo posteriores puede acabar siendo mucho más limitada y modesta de lo que, en principio, cabría esperar. REFERENCIAS Abadie, A. e Imbens, G. W. (2006): “Large Sample Properties of Matching Estimators for Average Treatment Effects”, Econometrica, 74 (1), 235-267. Ackum, S. (1991): “Youth unemployment, labor market programs and subsequent earnings”, Scandinavian Journal of Economics, 93 (4), 531-543. Andrews, M., Bradley, S. y Upward, R. (1999): “Estimating Youth Training Wage Differentials During and After Training”, Oxford Economic Papers, 51(3), 517-544. Angrist, J. D., Imbens, G. W. y Rubin, D. B. (1996): “Identification of Causal Effects Using Instrumental Variables”, Journal of the American Statistical Asociation, vol. 91 (nº 434), 444-454. Angrist, J. D. (1998): “Estimating the Labor Market Impact of Voluntary Military Service Using Security Data on Military Applicants”, Econometrica, 66 (2), 249-288. Ashenfelter, O. C. (1978): “Estimating the Effect of Training Programs on Earnings”, Review of Economics and Statistics, 60(1), 47-57. Banco de España (2011): Boletín Estadístico, julio-agost 2011. www.bde.es Barnow, B., Cain, G. y Goldberger, A. (1980): “Issues in the Analysis of Selectivity Bias”, en Stromsdorfer, E. W. y Farkas, G. (eds.), Evaluation Studies Review Annual, vol. 5, 43-59, Beverly Hills, California, Ed.: Sage Publications. BBVA (2010): “Situación en España. Cuarto Trimestre de 2010”, BBVA Research. Bergemann, A., Fitzenberger, B. y Speckesser, S. (2005): “Evaluating the Dynamic Employment Effects of Training Programs in East Germany Using Conditional Difference– in–Differences”, Documento de trabajo nº 1848 del “Institute for the Study of Labor (IZA)”, Noviembre, 2005. Blanchard, O. y Jimeno, J. F. (1995): “Structural Unemployment. Spain and Portugal”, American Economic Review (Papers and Proceedings), 85 (2), 212-218. Blundell, R., Costa, M., Meghir, C. y Van Reenen, J. (2004): “Evaluating the Employment Impact of a Mandatory Job Search Program”, Journal of the European Economic Association, 2 (4), 569-606. Bonnall, L., Fougère, D. y Sérandon, A. (1997): “Evaluating the Impact of French Employement Policies on Individual Labour Market Histories”, Review of Economic Studies, 64 (4), 683-713. Booth, A. y Snower, D. (1996): “Acquiring skills. Market failures, their symptoms and policy responses”, Cambrige, Centre for Economic Policy Research. 22 Brunello, G. y De Paola, M. (2004): “Market failures and the under-provision of training”, CESifo Working paper series, nº 1286. Cameron, A. C. y Trivedi, P. K. (2005): “Microeconometric. Methods and Applications”, New York, Ed.: Cambridge University Press. Cansino, J. M. y Sánchez A. (2009): “Evaluación del programa de Escuelas Taller y Casas de Oficios a partir de su efecto sobre el tiempo de búsqueda del primer empleo. El caso de Sevilla”, Estudios de Economía Aplicada, 27 (1), 277(22 pp.). Cansino, J. M. y Sánchez A. (2011a): “Evaluación del Impacto de un Programa de Formación Sobre el Tiempo de Búsqueda de un Empleo”, Investigaciones Regionales, 19, 51-74. Cansino, J. M. y Sánchez A. (2011b): “Effectiveness of public training programs reducing the time needed to find a job”, Estudios de Economía Aplicada, 29 (1), 391(26 pp.). Card, D. y Krueger. A. (2000): “Minimum Wages An Employment: A Case Study of the Fast- Food Industry in New Jersey and Pennsylvania: Reply”, American Economic Review, 90 (5), 1397-1420. Card, D., Kluve, J. y Weber, A. (2010): “Active Labor Market Policy Evaluations: A Meta Analysis”, The Economics Journal, 120 (548) F452-F477. Card, D. y Sullivan, D. (1988): “Measuring the Effects of Subsidized Training Programs on Movements In and Out of Employment”, Econometrica, 56 (3), 497-530. Christakis, N. A. y Iwashyna, T. I. (2003): “The Health Impact of Health Care on Families: A Matched Cohort Study of Hospice Use by Decedents and Mortality Outcomes in Surviving, Widowed Spouses, Social Science & Medicine, 57 (3), 465-475. Cox, D. R. (1992): “Causality: Some Statistical Aspects”, Journal of the Royal Statistical Society, Series A (Statistics in Society), 155 (2), 291-301. Cueto, B. y Mato, F. J. (2009): “A Nonexperimental Evaluation of Training Programmes: Regional Evidence for Spain”, Annals of Regional Science, 43 (2), 415-433. Dawid, A. P. (1979): “Conditional Independence in Statistical Theory”, Journal of the Royal Statistical Society, Series B (Statistics Methodological), 41 (1), 1-31. Dawid, A. P. (2000): “Causal Inference Without Counterfactuals”, Journal of the American Statistical Association, 95 (2), 407-448. Dehejia, R. H. y Wahba, S. (1999): “Causal Effects in Non-Experimental Studies: Reevaluating the Evaluation of Training Programs”, Journal of the American Statistical Association, 94 (448), 1053-1062. Dehejia, R. H. y Wahba, S. (2002): “Propensity Score Matching Methods for Nonexperimental Causal Studies”, Review of Economics and Statistics, 84 (1), 151-161. Dolado J. J. y Jimeno, J. F. (1997): “The causes of Spanish Unemployment: A Structural VAR Approach”, European Economic Review, 41 (7), 1281-1307. Dolado, J. J., Felgueroso, F. y Jimeno, J. F. (2000): “Youth Labour Markets in Spain: Education, training, and crowding-out”, European Economic Review, 44 (4-6), 943-956. Duch, R. M. y Stevenson, R. (2006): “Assesing the Magnitude of the Economic Vote Over Time and Across Nations”, Electoral Studies, 25 (3), 528-547. Friedlander, D., Greenberg, D. H. y Robins, P. K. (1997): “Evaluating Government Training Programs for the Economically Disadvantaged”, Journal of Economic Literature, vol. 35 (diciembre), 1809-1855 García, C. (2007): “Las Políticas del Mercado de Trabajo: Desempleo y Activación Laboral”, Política y Sociedad, 44 (2), 135-151. 23 García, J. I. (2008): “La Muestra Continua de Vidas Laborales: Una Guía de Uso para el Análisis de Transiciones”, Revista de Economía Aplicada, vol. 16, nº E-1, 5-28. Hahn, J. (1998): “On the Role of the Propensity Score in Efficient Semiparametric Estimation of Average Treatment Effects”, Econometrica, 66 (2), 315-331. Hahn, J., Hirano, K. y Karlan, D, (2008): “Adaptative Experimental Design Using the Propensity Score”, Unpublished. Heckman, J. J., Ichimura, H. y Todd, P. E. (1997): “Matching As an Econometric Evaluation Estimator: Evidence from Evaluating a Job Training Programme”, Review of Economics Studies, 64 (4), 605-654. Heckman, J. J., Ichimura, H., Smith, J. y Todd, P. E. (1998a): “Characterizing Selection Bias Using Experimental Data”, Econometrica, 66 (5), 1017-1098. Heckman, J. J., Ichimura, H., Smith, J. y Todd, P. E. (1998b): “Matching as an econometric evaluation estimator”, Review of Economic Studies, 65 (2), 261-294. Heckman, J. J. y Robb, R. (1985): “Alternative Methods for Evaluating the Impact of Interventions”, en J. Heckman y B. Singer (eds.), Longitudinal Analysis of Labour Market, 156-245, New York, Ed.: Cambridge University. Heckman, J. J. y Vytlacil, E. (2005): “Structural Equations, Treatment Effects, and Econometric Policy Evaluation”, Econometrica, 73 (3), 669-738. Heckman, J., Smith, S., y Taber, C. (1998): “Accounting for Dropouts in Evaluations of Social Programs”, Review of Economics and Statistics, 80 (1), 1-14. Hirano, K. e Imbens, G. (2001): “Estimation of Causal Effects Using Propensity Score Weighting: An Application to Data on Right Heart Catheterization”, Health Services & Outcomes Research Methodology, 2(3-4), 259-278. Hirano, K., G. Imbens, y Ridder, G (2003): “Efficient Estimation of Average Treatment Effects Using the Estimated Propensity Score”, Econometrica, 71(4), 1161-1189. Holland, P. W. (1986): “Statistics and Causal Inference” (with discussion), Journal of the American Statistical Association, 81 (396), 945-970. Hotz, V. J., G. W. Imbens y Mortimer, J. H. (2005): “Predicting the Efficacy of Future Training Programs Using Past Experiences at Other Locations”, Journal of Econometrics and Statistics, 125 (1-2), 241-270. Imai, K. (2005): “Do Get-Out-The Vote Calls Reduce Turnout? The Importance of Statistical Methods for Field Experiments”, American Political Science Review, 99 (2), 283-300. INE (2009): Encuesta de población activa, III T 2009. www.ine.es Kluve, J. (2007): “The Effectiveness of European ALMP’s”, en Kluve, J. et al. (eds.), Active Labor Market Policies in Europe: Performance and Perspectives, Berlín y Heidelberg, Ed.: Springer, 153-203. Lechner, M. (1999): “Earnings and Employment Effects of Continuous Off-the-Job Training in East Germany after Unification”, Journal of Business and Economic Statistics, 17 (1), 74-90. Manski, C. y Garfinkel, I. (1992): “Evaluating Welfare and Training Programs”, Cambridge, Massachusetts, Ed.: Harvard University Press. Mato, F. J. (2010): “La Formación Continua en España desde una Perspectiva Comparada. Balance y propuestas de mejora”, Papeles de Economía Española, 124, 266-280. Mato, F. J. y Cueto, B. (2008): “Efectos de las Políticas de Formación a Desempleados”, Revista de Economía Aplicada, vol. 16, nº 46, 61-84.