¿Qué efectos tienen la formación técnica, tecnológica y el ...
Transcript of ¿Qué efectos tienen la formación técnica, tecnológica y el ...
¿Qué efectos tienen la formación técnica, tecnológica y el
contrato de aprendizaje sobre la calidad del empleo de los
egresados del SENA?1
William García2
Universidad de los Andes
02 de diciembre de 2016
Resumen
A partir de información censal de los egresados del Servicio Nacional de
Aprendizaje (SENA) en los años 2010-2013, se estiman las diferencias en
términos de calidad del trabajo en el corto plazo entre formación técnica y
tecnológica. Los egresados con título de tecnólogo reportan mayores niveles de
formalidad, mayor probabilidad de transitar hacia el sector formal y mayores
ingresos laborales que los técnicos. Por su parte, los beneficiarios de los
contratos de aprendizaje también tienen una mayor formalidad al graduarse, pero
un menor ingreso en el corto plazo tanto para técnicos como para tecnólogos. Se
simulan, en un marco de equilibrio parcial, cambios en las condiciones de la
oferta de formación con el objetivo de mejorar las condiciones de inserción
laboral formal de los egresados: aumentar la proporción de tecnólogos y
aumentar el número de egresados con contratos de aprendizaje. Estas políticas
tienen el potencial de cambiar significativamente la distribución de probabilidad
de formalidad laboral de los egresados.
Palabras clave: SENA, formación técnica y tecnológica, contrato de
aprendizaje, formalidad laboral, simulación.
Códigos JEL: I28, J48, J24
1 Este artículo se elabora como tesis para optar al título de magister en economía bajo la asesoría de la profesora
Ximena Peña, a quién agradezco su invaluable apoyo y motivación. Se agradece al Observatorio Laboral y
Ocupacional del SENA por el suministro de la información utilizada en el trabajo y a sus investigadores por sus
pertinentes y continúas sugerencias. Agradezco a Diego Amador y Carlos Ospino por sus discusiones y
sugerencias. El trabajo ha sido enriquecido con valiosos comentarios de Laura Martínez, Thibaud Deguilhem y
Angélica Morán. Las afirmaciones que se encuentran en el documento son responsabilidad exclusiva del autor
y no comprometen al SENA, la Universidad de los Andes, ni a Ximena Peña. 2 Estudiante de maestría en economía, Universidad de los Andes. [email protected],
2
1. Introducción El aumento en la cobertura de la educación superior ha sido una de las principales
transformaciones del sistema educativo colombiano durante las últimas dos décadas. La tasa
de cobertura aumentó de 14% en 1991 a 46% en 2014 con una mayor proporción de
estudiantes que ingresaron a los niveles de técnico y tecnólogo (González et.al, 2015). Este
incremento refleja la prioridad dada por la política educativa a este tipo de educación,
principalmente a través de la formación impartida por el Servicio Nacional de Aprendizaje
(SENA).
La matrícula en formación profesional del SENA, entendida como formación técnica y
tecnológica (FTyT)3, creció exponencialmente durante la última década; en el periodo 2005-
2015 la población matriculada en programas tecnológicos creció en promedio 200% por año
y la matrícula en programas técnicos creció a un ritmo de 30% anual. De acuerdo con las
estadísticas oficiales del Ministerio de Educación Nacional (MEN), el SENA es el principal
proveedor de FTyT en Colombia: en 2015 recibió el 68% de la matrícula en educación
tecnológica y 62% en formación técnica4.
Este avance en la cobertura de la FTyT ha despertado el interés en la investigación de
los resultados en el mercado laboral de sus egresados. Bornacelly (2013) usando datos de la
Encuesta de Hogares, que incluyen graduados de todas las entidades de capacitación y el
SENA, encuentra que los retornos a la educación tecnológica son mayores que los retornos
a la técnica. Por su parte González et.al (2015) usando datos del MEN, que excluyen a los
graduandos del SENA, documentan retornos heterogéneos, positivos en algunos casos y
negativos en varios programas, para las distintas titulaciones de FTyT. Dado que el SENA
es el principal proveedor, es interesante estudiar los resultados de mercado laboral de sus
egresados de los diferentes programas de FTyT.
La FTyT hace énfasis en aprendizaje teórico-práctico desarrollado en el aula y
complementada por formación metódica en empresas mediante contratos de aprendizaje, en
adelante CAP. El CAP es una forma especial de contrato de trabajo con el que se pretende
articular conocimientos teóricos de los estudiantes a prácticas laborales concretas del sector
productivo. Pueden ser beneficiarios de CAP aprendices del SENA, al igual que estudiantes
de instituciones de formación para el trabajo y estudiantes universitarios. En 2015 se
beneficiaron 300.080 estudiantes5 del SENA.
3 En la oferta de formación de Colombia existen dos títulos. En el caso del SENA, se otorgan certificados de
técnico laboral y por esto el uso del término técnico hará referencia a esta formación de aquí en adelante.
También existe el título de técnico profesional, que es otorgado por las Instituciones de Educación Superior
(IES). 4 Tasas de crecimiento calculadas con las estadísticas de SENA (2016) y MEN (2016a). La participaciones se
calcularon con base en las estadísticas oficiales de educación superior MEN (2016a), el reporte de formación
para el trabajo MEN (2016b), y las estadísticas del SENA (SENA,2016). 5 En este trabajo se utilizará el término aprendices y estudiantes indistintamente para referirse a los individuos
que se forman en FTyT en el SENA.
3
El presente trabajo estima las diferencias promedio en la probabilidad de vinculación a
un empleo formal, el ingreso laboral y las transiciones hacia la formalidad laboral de los
egresados de formación tecnológica en comparación con los que cursaron un curso de nivel
técnico. El análisis empírico se realiza a partir de información de los egresados del SENA y
sus cotizaciones al sistema de seguridad social. También se estudia el efecto del contrato de
aprendizaje sobre las mismas variables. Estos resultados son de corto plazo, ya que se observa
a los egresados un año después de graduarse.
Los resultados sugieren que los programas de nivel tecnológico, en comparación con los
programas técnicos, están asociados con mayor calidad del empleo para sus egresados en las
tres dimensiones analizadas: aumentan la formalidad en 12 puntos porcentuales (pp), los
ingresos laborales en 12% y en 13.6pp la probabilidad de transitar al sector formal de la
economía. Por su parte, los resultados indican que los egresados con CAP tienen una
probabilidad de formalidad 12.7pp más alta, mayor posibilidad de pasar al sector formal
(17pp) pero un ingreso 4% menor. Los resultados del CAP son más fuertes para egresados
de programas técnicos que para los tecnológicos.
Por otra parte, con base en las estimaciones de la distribución de probabilidad de
formalidad, se simulan los resultados de políticas hipotéticas orientadas a cambios en la
distribución de niveles de formación y aumentos en los beneficiarios de CAP en un marco de
equilibrio parcial. Las simulaciones muestran que esfuerzos por incrementar 10pp la
formación de tecnólogos, a costa de formación técnica, incrementa 1pp el empleo formal de
los egresados. Promover el acceso de los estudiantes al CAP también es relevante para
incrementar la formalidad laboral: 10pp más de aprendices que se beneficien de CAP
incrementa el empleo formal de los egresados en 1pp.
El presente trabajo contribuye a la literatura en varios aspectos. Primero, a partir de
información censal que no ha sido utilizada en análisis previos, caracteriza los determinantes
y resultados en el mercado laboral de la población egresada de los programas de FTyT del
SENA. Segundo, incorpora en el análisis los beneficiarios de CAP que no han sido
discriminados en evaluaciones o estadísticas previas de FTyT en Colombia. Finalmente, con
las simulaciones se contribuye a orientar el planteamiento de la política de formación y
evaluación de resultados de los programas del SENA.
Lo que resta de este documento se organiza de la siguiente manera: la sección 2 contiene
una breve revisión de la literatura. La sección 3 describe la estructura de la FTyT en Colombia
y el contexto institucional de la formación del SENA. En la sección 4 se describen los datos
utilizados. En la sección 5 se presentan las metodologías y en la 6 se explican los resultados.
Para finalizar, se presentan las conclusiones del trabajo y comentarios relevantes.
4
2. Revisión de la literatura Esta sección se enfoca en revisar literatura que apunta a tres objetivos. Primero, trabajos
descriptivos que analizan la relación entre la escolaridad y los resultados en el mercado
laboral de los individuos. Segundo, estudios de evaluación (ex post) de los programas SENA
y tercero investigaciones con metodologías de simulación enfocadas en la evaluación ex ante
y predicción de los efectos de distintas políticas educativas.
En Colombia han sido bastantes los esfuerzos en analizar los resultados en el mercado de
trabajo de personas formadas en FTyT y educación superior. Bornacelly (2013) investiga los
retornos de la FTyT y su incidencia en la reducción de la desigualdad salarial. Encuentra que
la educación técnica y tecnológica tiene una tasa de retorno superior a la de la educación
media, e incrementa la probabilidad de empleo con respecto a no poseer ningún título o tener
educación superior universitaria.
El Ministerio de Educación Nacional (MEN, 2013), produce a partir del cruce de
información académica de cada graduado de educación superior y sus aportes a seguridad
social, estadísticas acerca de las condiciones de vinculación laboral de los graduados en
Colombia6. Varios estudios se han realizado con esta información, que como gran ventaja,
permite superar la falta de representatividad de las muestras utilizadas estudios previos
basados en encuestas (Barón, 2012; Forero y Ramírez, 2008).
El análisis se ha centrado en analizar los determinantes de encontrar un empleo formal
(Barón, 2012) y los retornos a la educación técnica, tecnológica y superior (González et.al,
2015). González et.al (2015) encuentran que, para una proporción importante de graduados,
la educación superior representa retornos netos negativos; problema que es particularmente
marcado para los estudiantes de programas técnicos y tecnológicos. Es importante notar que
dichos resultados no incluyen a los egresados del SENA debido a que estos no estaban
incluidos en la información disponible por el MEN utilizada en el estudio.
La literatura internacional sobre el efecto en el empleo y los retornos a la educación
vocacional, como se le conoce en el mundo a la formación que incluye programas técnicos y
tecnológicos fundamentados, ya sea en clases académicas o basados en la práctica en el
trabajo, es bastante amplia y tiende a encontrar impactos positivos si se comparan los
individuos que cursaron programas vocacionales con quienes no realizaron estudios
adicionales a la secundaria; pero efectos relativamente menores al compararse con niveles
superiores de educación. En un resultado que parece más general, los programas vocacionales
basados en la práctica en el trabajo, como los contratos de aprendizaje, parecen tener una
ventaja sobre los basados en el aprendizaje en las aulas.
6 En esta información no se incluyó información de los egresados del SENA sino a partir de los últimos 3 años.
Por esta razón, los estudios realizados con esta fuente de datos no incluyen estimaciones de programas de esta
institución.
5
Hoeckel (2008) presenta una revisión de estudios que comparan los resultados en el
mercado laboral de los graduados de colegios que tomaron cursos de educación vocacional
contra graduados que no tomaron los cursos. La evidencia tiende a ser mixta, mostrando
efectos significativos en participación laboral y retornos positivos para algunos programas
de educación vocacional, pero al incluir efectos heterogéneos, no se encuentran impactos
significativos para otros, lo cual demuestra bajo valor de mercado para algunos de los
programas de este tipo.
Considerando que existen diferencias sustanciales entre países y los tipos de programas,
Carneiro et.al (2010) resumen algunos de los hallazgos consistentemente encontrados en los
estudios de la educación vocacional: los retornos salariales son menores para estos programas
que para los programas académicos, incluso del mismo nivel (Dearde et.al , 2002). En países
con sistemas de formación profesional fuertes o con sistemas de competencia para
aprendices, cómo Alemania, los retornos son más altos. Por su parte, en los países con
sistemas menos desarrollados, la proliferación de distintos programas tiende a debilitar la
señal de las cualificaciones provistas y los retornos son menores (Carneiro et.al ,2010. Pp
258). Finalmente, los autores resaltan que los programas de cualificaciones para jóvenes y
adultos provistos por el sector público tienden a ser inefectivos; principalmente porque están
orientados a individuos con menores habilidades cognitivas, y construir sobre bases de capital
humano más débiles es más difícil.
Por otra parte, los programas vocacionales basados en la práctica en el trabajo parecen
tener una ventaja sobre los del mismo tipo que están fundamentados o con un componente
mayor de aprendizaje en las aulas. Los estudios revisados por Hoeckel (2008), muestran que
los aprendices, estudiantes en las empresas, a comparación de estudiantes de otros programas
vocacionales, tienen una probabilidad mayor de ser empleados y sus retornos han aumentado
en el tiempo (McIntosh, 2007). Los aprendices se desempeñan mejor en el mercado de trabajo
que los estudiantes de las escuelas de educación vocacional, particularmente en el corto plazo
(Bonnal, 2002) y tienen mayores salarios y permanecen más en las firmas que los contratan
por primera vez (Euwals y Winkelmann, 2002).
El segundo grupo de estudios se ha centrado en evaluar el impacto de la formación del
SENA sobre el empleo y los ingresos de sus beneficiarios. Entre las evaluaciones de impacto
relevantes de los programas de formación del SENA más recientes se encuentran: Medina y
Núñez (2001), Gaviria y Núñez (2002), Sarmiento et al. (2009) y Fedesarrollo (2009). Los
resultados son ambiguos; por un lado, Medina y Núñez (2001) encuentran que los cursos del
SENA parecen no tener un impacto significativo sobre el ingreso comparando quienes
recibieron formación del SENA un año antes y quienes nunca recibieron formación para el
trabajo utilizando los datos de la Encuesta de Calidad de Vida de 1997. Gaviria y Núñez
(2002) estiman un impacto negativo en los salarios y en la probabilidad de emplearse
utilizando el mismo grupo de tratamiento y datos de Medina y Núñez (2001).
6
Por otro lado, los más recientes hayan evidencia de impactos positivos. Según
Fedesarrollo (2009), quienes utilizan una encuesta a los beneficiarios de programas de FTyT
del SENA, encuentran que estos tienen una mayor probabilidad de estar empleados que
quienes no recibieron la formación y la calidad del empleo es relativamente mejor. No
obstante, no evidencian diferencias significativas en cuanto al nivel de ingresos. Sarmiento
et al. (2009), utilizando la Encuesta de Calidad de Vida, concluyen que los formados de
cursos largos mejoran su probabilidad de estar empleados, su ingreso y su capital social.
Cabe resaltar que en estos estudios basados principalmente en encuestas de hogares, no
se separan técnicos y tecnólogos, y por tanto no se tienen en cuenta características
importantes de los programas y el efecto que podrían tener sobre las variables de resultados,
como ejemplo la modalidad o los contratos de aprendizaje (Medina y Saavedra, 2012). Como
menciona Barón (2012), en los estudios basados en encuestas, aunque puede encentrarse
información detallada en algunos casos, es el tamaño de muestra para los grupos particulares
lo que dificulta su análisis.
El tercer grupo de estudios se centra en modelos estructurales y simulaciones. El enfoque
dominante en las evaluaciones ex ante de política está representado por los modelos
econométricos estructurales que representan el comportamiento de los agentes y permiten
vincular instrumentos de política a resultados individuales y sociales con el objetivo de
predecir los efectos de políticas públicas.
En el campo de los retornos a la educación y los resultados en el mercado laboral de los
graduados, se han realizado trabajos con estimaciones estructurales motivados por el trabajo
de Keane y Wolpin (1997)7. En cuanto a FTyT, Reyes et.al (2016) estiman mediante un
modelo estructural los retornos netos a la educación en programas de instituciones técnicas
en Chile, esto es, programas con dos años de duración, y en general de todos los programas
de educación postsecundaria. Encuentran que los graduados de programas técnicos tienen
menores retornos que los superiores, e incluso una probabilidad media de tener retornos
negativos de 4.53, en comparación con los otros niveles que tienen una probabilidad media
de 0. En cuanto a simulación, miden el efecto de la reducción en el costo de los programas
sobre la matrícula, encontrando que la reducción de cotos no aumenta la matricula.
Cuando la estimación de modelos estructurales no es posible, para proyectar el efecto
esperado de políticas públicas, se utilizan modelos de forma reducida o no conductuales: “En
este caso, la cuestión principal es generar contrafactuales mediante la simulación de
situaciones hipotéticas con la política aplicada y sin la política. La simulación se realiza
utilizando información a nivel individual o familiar, y es por lo tanto que se le denomina
microsimulación (Bourguignon et.al ,2008. p.8)”.
7 una revisión de esta literatura dedicada a los retornos a la educación dentro de un marco estructural dinámico
puede encontrarse en Belzil (2007).
7
Con este enfoque, varios trabajos se han centrado en realizar ejercicios de
microsimulaciones basados en modelos reducidos que incluyen los retornos de la educación
y permiten proyectar o evaluar políticas educativas. Estos modelos incluyen años de
educación o diplomas en las estimaciones de los salarios, incluyendo programas de FTyT,
pero más que revisar los retornos estimados o las metodologías, se busca resaltar las bondades
de la simulación para evaluación y proyección de la política pública en educación, así como
aspectos relevantes de este tipo de modelos para la presente investigación.
Flannery y O’Donoghue, (2016) utilizan un modelo de microsimulación para estimar los
retornos sociales y de la inversión pública en Irlanda. En su estimación resaltan la necesidad
de tener modelos que permitan analizar la relación entre los retornos e instrumentos de
política pública como los sistemas tributarios, entre otros usos, para orientar las decisiones
de gasto público que, aunque representan una mayor carga fiscal, permiten aumentar el
recaudo por incremento en el ingreso agregado.
Como una de las potenciales aplicaciones en educación de estos métodos, Courtioux
(2012) utiliza un modelo de microsimulación para evaluar el efecto sobre los retornos en
Francia, ocasionado por la introducción de un crédito para la educación superior con pagos
contingentes al ingreso. Encuentra que un esquema de pago fijo proporcional a la renta hasta
pagar la deuda, no tiene impacto en las tasas de retorno exceptuando los programas de
educación técnica donde aumenta la heterogeneidad de los retornos de los programas.
La orientación de la organización de la educación ha sido guiada por cifras agregadas
como salarios o retornos promedio de los retornos a la educación. Courtioux et.al (2014),
resalta la necesidad de completar estos indicadores con la distribución de ingresos y otros
indicadores, como el riesgo de obtener retornos negativos, para mejorar la descripción de los
resultados y proveer a los hacedores de política y a los estudiantes información más detallada
para la toma de decisiones dada la heterogeneidad de las titulaciones y los resultados. Para
esto, proponen un modelo de microsimulación de trayectorias de vida de la población en el
mercado de trabajo en Francia. Este punto resulta considerable particularmente para la FTyT;
Reyes et.al (2016) atribuyen los retornos negativos de algunos de estos programas a la falta
de información para los individuos a la hora de elegir su educación.
En Colombia, Amador (2010) y Uribe (2013) simulan el efecto de diferentes escenarios
de escolaridad sobre la distribución del ingreso laboral de los individuos, y el ingreso y
consumo del hogar respectivamente. Amador (2010) encuentra que un aumento en los niveles
de educación media puede reducir la desigualdad, mientras que un aumento en los niveles de
educación secundaria a educación superior, sin aumentar la cobertura observada de
educación secundaria, lleva a aumentos en la desigualdad. Igualmente, los resultados
principales de Uribe (2013) sugieren que aumentar de manera general la educación superior
aumenta la desigualdad, y para reducirla se necesitan esfuerzos conjuntos en educación
básica, media y superior. Aunque entre los escenarios planteados en ambos trabajos se
incluyen aumentos en educación superior, no enfatizan en programas de FTyT.
8
En resumen, la literatura consultada se ha orientado a explicar los determinantes de la
vinculación laboral y los retornos salariales de la FTyT, pero no incluyen en detalle
características importantes de los programas del SENA, probablemente por falta de
información o problemas de representatividad en las encuestas que se pueden abordar con la
información censal de los beneficiarios. Este trabajo se diferencia de los anteriores pues
utiliza la información de registros administrativos censales del SENA e incluye
características de sus programas y el CAP en las estimaciones de formalidad laboral.
Por otra parte, métodos de simulación han permitido predecir los efectos de políticas
públicas en diferentes escenarios, pero no se encontraron estudios explícitamente enfocados
en FTyT en Colombia en la literatura revisada. Se destaca la utilidad de estos métodos para
interrelacionar instrumentos de política pública con los retornos y la generación de
información detallada sobre resultados heterogéneos. Este trabajo desarrolla ejercicios
empíricos de microsimulación orientados a anticipar los resultados de la implementación
programas y políticas de formación del SENA y mostrar su utilidad para proyectar las
características individuos que se beneficiarían con mayor probabilidad.
3. Formación técnica y tecnológica en Colombia La FTyT es la principal modalidad de formación profesional, entendida esta como la
educación que otorga entrenamiento a los estudiantes para el desempeño de una ocupación.
Se caracteriza por tener currículos que buscan generar y afianzar competencias básicas y
específicas relacionadas con los aprendizajes requeridos en el sector productivo (MEN,
2015).
Por la complejidad de su sistema educativo, la oferta de FTyT en Colombia es bastante
diversa. De acuerdo a la normatividad vigente en Colombia8, existen tres tipos de
instituciones que pueden ofertar programas de FTyT: 1) Universidades, Instituciones
Universitarias o Escuelas Tecnológicas, Instituciones Técnicas Profesionales, que en su
conjunto son IES que otorgan títulos de técnicos profesionales y tecnólogos; 2) Instituciones
de Educación para el Trabajo y el Desarrollo humano (IETDH), que ofrecen programas y
otorgan certificados de técnico laboral; y 3) el SENA que tiene una naturaleza especial y
entrega certificaciones en técnicos laborales y tecnólogos principalmente9.
En la última década hubo un crecimiento notable en la cobertura de la FTyT. Según las
estadísticas del MEN, el número total de matriculados en programas tecnológicos aumentó
de 158,781 estudiantes en 2005 a 623,551 en 2015. Este incremento refleja la política
reciente de educación superior en la cual se ha venido priorizando este tipo de formación.
8 La ley 30 de 1992 organiza el sistema de educación superior, el decreto 2020 de 2006 estructura el Sistema
de Formación para el Trabajo, y la ley 119 de 1994 la estructuración del SENA. 9 El SENA otorga también certificados de auxiliar, operario y especializaciones tecnológicas que de acuerdo al
número de certificados en 2015 (327,918) pesan menos del 5%. El 74% fueron certificados de técnico laboral
y el 21% tecnólogos.
9
Como documentan Melo et.al (2014), mientras la tasa de cobertura en educación técnica y
tecnológica ascendió de 4,8% en 2002 a 14,3% en 2012, en el nivel universitario esta tasa
aumentó de 19,6% a 28,1% en el mismo periodo.
Figura 1 Matrícula en FTyT 2005-2015
Notas: las cifras de técnicos del SENA se tomaron de SENA (2016). Los tecnólogos
SENA, los técnicos y tecnólogos de IES de MEN (2016a), y los técnicos de IETDH de
MEN (2016b).
Fuente: SENA y MEN. Cálculos propios
En el caso del SENA, la expansión de cupos en programas tecnológicos ha sido
vertiginosa. En el periodo 2005-2015 la población matriculada en este nivel creció en
promedio 200% anual, pasando de 19,108 a 425,847 estudiantes (Figura 1). Esto se traduce
en que del total de estudiantes en este nivel en 2005, 12% cursaba en el SENA pero a 2015
esta proporción aumento considerablemente hasta llegar a 68%. A pesar del avance
significativo, es relevante mencionar que la participación de la matrícula tecnológica
solamente pasó del 26% en 2005 al 31% en 2015, lo cual sitúa a Colombia como un caso
atípico por la baja participación de estos niveles en la educación superior. En los países
europeos la proporción es superior a 60% y en el caso Chileno más del 50% (Medina y
Saavedra, 2012).
Por otra parte, con relación a la formación técnica laboral, en el país solo se cuenta con
estadísticas consolidadas a partir de 2010 cuando entró en funcionamiento el Sistema de
Información de Educación para el Trabajo (SIET). De acuerdo con esta fuente la oferta es
bastante heterogénea, encontrándose 3,570 IETDH con licencia para ofrecer 18,142
programas en 2015 (MEN, 2016b). En términos de matrícula se evidencia un aumento
considerable, duplicándose en poco tiempo al pasar de 232,529 estudiantes en 2010 a 428,872
en 2015. Esto ha llevado convertir la ETDH en punto de atención de la política educativa,
pues aunque cuenta con un marco de regulación, no existe un sistema de aseguramiento de
la calidad (MEN, 2015), ni evidencia sobre su impacto en términos de empleabilidad,
rentabilidad y costo-efectividad de los diferentes programas (Medina y Saavedra, 2012).
0
200
400
600
800
1000
2 0 0 5 2 0 0 6 2 0 0 7 2 0 0 8 2 0 0 9 2 0 1 0 2 0 1 1 2 0 1 2 2 0 1 3 2 0 1 4 2 0 1 5
MIL
ES
Técnico SENA Tecnólogo SENA Técnico IETDH
Tecnólogo IES Técnico IES
10
En cuanto al SENA, la formación técnica constituye su principal estrategia para
incrementar cobertura y atender sobre todo a los individuos pertenecientes a los segmentos
vulnerables de la población. Como se observa en la Figura 1, en los últimos diez años la
población matriculada en programas técnicos ascendió de 258,145 estudiantes en 2005 a
837,942 en 2015, lo que significa que la oferta aumentó más de tres veces en el decenio. A
este significativo incremento contribuyó la suscripción de convenios de ampliación de
cobertura con instituciones educativas en varios municipios, la creación de nuevos centros
de formación y la consolidación de la estrategia de articulación con la educación media, que
a 2015 representaba 53% de la matrícula técnica laboral y 35% de la matrícula total.
Se ha venido dando un cambio importante en la respuesta formativa del SENA. En primer
lugar, se evidencia un cambio en la composición de la matrícula: mientras que en 2005 el 7%
era tecnológica, en 2015 fue 34%. Como se mencionó anteriormente, esto puede explicarse
por la estrategia de aumentar la cobertura de la educación superior utilizando al SENA como
uno de los instrumentos de política. En segundo lugar, aunque no existe una diferenciación
conceptual clara entre el técnico laboral y el tecnólogo del SENA más allá de su duración10,
las condiciones de aseguramiento de la calidad sí difieren puesto que mientras los tecnólogos
requieren cumplir los estándares de educación superior para obtener el registro calificado del
MEN, los técnicos laborales no tienen un par evaluador externo y son flexibles a las
disposiciones del SENA en su capacidad de autoregulador. El anterior hecho debe
considerarse al momento de interpretar resultados de esta investigación, pues diferencias
encontradas podrían ser atribuidas a esta condición.
La FTyT hace énfasis en aprendizaje teórico-práctico desarrollado en el aula y
complementada por formación metódica en empresas mediante prácticas o CAP. El CAP
pretende articular conocimientos teóricos a prácticas laborales concretas determinadas en su
totalidad por las demandas del sector productivo (Medina y Saavedra, 2012). El CAP es una
forma especial dentro del derecho laboral colombiano regido por la ley 789 de 2002 cuya
finalidad es la de facilitar la formación metódica en ocupaciones. El artículo 32 establece que
las empresas privadas que realicen cualquier tipo de actividad económica diferente de la
construcción y ocupen un número de trabajadores no inferior a quince (15) se encuentran
obligadas a vincular aprendices. Adicionalmente, las empresas que no estén obligadas a tener
estudiantes en CAP bajo estos criterios normativos, pueden voluntariamente tener estudiantes
del SENA.
Para los estudiantes del SENA, el CAP se convierte en la principal modalidad de realizar
un aprendizaje práctico y obtener su certificado de FTyT, pues aunque existen alternativas
de poner en práctica el aprendizaje como realizar proyectos productivos, no conllevan a
cobertura en seguridad social ni remuneración como si es el caso del CAP. El estudiante
recibía el 75% de un Salario Mínimo Leal Mensual Vigente (SMLMV) y a partir de 2014 el
100%. La Figura 2 presenta la evolución de los estudiantes con CAP entre 2005 y 2015. En
el periodo la población con CAP creció en promedio 36% anual pasando de 75,494 a 300,080
estudiantes. No obstante el crecimiento en el número de CAP, la proporción de estudiantes
10 En promedio un programa tecnológico tiene una duración de dos años y el técnico uno.
11
que acceden a este es en promedio 22% y se ha mantenido relativamente constante, por lo
cual se convierte en un recurso escaso para la población que podría beneficiarse.
Figura 2 Estudiantes con CAP 2005-2015
Notas: cifras tomadas de los informes de gestión del SENA 2009-2015.
Fuente: SENA. Cálculos propios
4. Datos y estadística descriptiva La fuente de información para este trabajo es una base de datos construida a partir de
diversas fuentes de registros administrativos tomando como universo de estudio los
estudiantes del SENA egresados de programas de FTyT, sus características
sociodemográficas y del programa de formación. A partir de la información disponible se
restringe la población a las cohortes de individuos cuyo programa finalizó entre 2010, año
desde el cual se tiene información, y 2013. La selección del periodo está dictada por la
disponibilidad de datos: los registros de seguridad social se tienen hasta 2014 y es necesario
para estudiar la transición inicial hacia la fuerza laboral contar con al menos un año de
información de vinculación laboral formal e ingreso laboral tras culminar la formación.
En el periodo 2010-2013, en la base de datos del SENA se encontraron 824,481
estudiantes certificados en FTyT, de los cuales el 41% fueron en programas de articulación
con la educación media. Estos graduados no se incluyen en las estimaciones por limitaciones
en sus datos de identificación para vincularlos a las bases de seguridad social,
específicamente porque presentaron cambios en el número de identificación al cumplir la
mayoría de edad no registrados en la base de datos. La muestra seleccionada es de 482,738
individuos certificados en programas de formación técnica y tecnológica, lo cual corresponde
al 59 % del universo del periodo. Como se muestra en el Cuadro 1a, la proporción de
egresados de programas tecnológicos fue 34% y el 48% tuvieron CAP. El Cuadro 1b muestra
que 36% de los egresados tuvieron CAP y que la proporción es mayor en los programas
tecnológicos (50%) que en los técnicos (28%).
0%
5%
10%
15%
20%
25%
30%
0
50
100
150
200
250
300
350
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Mill
ares
CAP %CAP
12
Cuadro 1 Distribución de la muestra seleccionada
(a) Perfiles columna (b) Perfiles fila
Contrato
aprendizaje
Contrato
aprendizaje
Nivel No Si Total Nivel No Si Total
Técnico 74% 52% 66% Técnico 72% 28% 100%
Tecnólogo 26% 48% 34% Tecnólogo 50% 50% 100%
Total 100% 100% 100%
Total 64% 36% 100%
Fuente: cálculos propios
Por otra parte, la información sobre los resultados en el mercado laboral proviene de los
registros mensuales de seguridad social contenidos en la base de la Planilla Integrada de
Liquidación de Aportes (PILA). La PILA es el sistema de información en el cual el Ministerio
de Salud y Protección Social almacena el total de los aportes a los sistemas de salud,
pensiones, riesgos laborales y cajas de compensación familiar hechos por las empresas a
nombre de sus empleados y por trabajadores independientes de conformidad la normatividad.
Con esta información se construye una base longitudinal con periodicidad mensual con
información de cotizaciones a pensiones y salud desde enero de 2008 hasta diciembre de
2014 para cada beneficiario del SENA. Dado que la base de datos de PILA tiene cobertura
universal de las contribuciones, permite establecer que el individuo que aparece registrado
con aportes tiene un empleo formal. Adicionalmente, se pueden establecer entradas y salidas
del mercado de trabajo formal. Una estructura de datos similar ha sido utilizada por Attanasio
et. al (2015).
La formalidad laboral se mide con una periodicidad mensual, pero se adopta como
variable dependiente para los análisis haber realizado al menos un aporte a seguridad social
en salud y pensión por cada año11. Una transición a la formalidad laboral se establece para
aquellos egresados que no habían cotizado ni un solo mes en el año previo a su ingreso al
programa de formación y que cotizaron en el año siguiente a graduarse.
El ingreso laboral mensual se calcula a partir del promedio del Ingreso Básico de
Cotización (IBC) reportado en los aportes a seguridad social en salud y pensión en un año y
se deflactan por el Índice de Precios al Consumidor (IPC) de diciembre de 2014. El IBC es
el monto del ingreso laboral sobre el cual se aplica el porcentaje de cotización a seguridad
social: para los empleados dependientes el IBC reportado en PILA corresponde al total del
ingreso, mientras que para los independientes, aquellos que no tienen un contrato laboral con
11 Esta definición de aparecer en PILA al menos un mes es utilizada por las estadísticas del Ministerio de
Educación MEN (2013) y Attanasio et. al (2015). En promedio, los egresados en el sector formal cotizaron
durante 7.8 meses un año después, y solo 8% cotizaron un solo mes. Por esta razón los resultados son
cualitativamente similares a si se incluyeran más meses en la definición. Estos resultados no se muestran pero
pueden ser entregados por solicitud.
13
una empresa, el valor reportado es el 40% de su ingreso mensual. De esta manera, para el
grupo de independientes, el ingreso laboral se calcula cómo 𝐼𝐵𝐶/0.4, solamente para los
independientes cuyo IBC es mayor al SMLMV, de resto no se incluyen en las estimaciones
o cálculos del ingreso.
En el Anexo A1 se presentan las estadísticas descriptivas de la población en cuanto a los
principales determinantes microeconómicos de la informalidad laboral que han sido
documentados en literatura sobre el tema (Bernal, (2009); Galvis (2012); Forero y Ramírez,
(2008)); las características del programa de formación cursado por el estudiante; así como
información de línea base y seguimiento a la empleabilidad. Del total de egresados, 55 % son
mujeres y la edad promedio a la cual culminó la formación fue de 27 años. El 82 % vivía en
un estrato socioeconómico 1 o 2 y el 25 % se auto-clasificó en algún grupo de población
vulnerable12. La duración promedio de los cursos de formación fue de 2420 horas, siendo la
duración de los cursos de tecnólogos casi el doble de la de técnicos. Como característica
importante, el 58 % de la oferta fue cerrada, es decir se ofreció por convenios empresariales,
estatales o con fines sociales, particularmente el programa de técnico en atención a la primera
infancia del con el Instituto Colombiano de Bienestar Familiar (ICBF)13.
Por otra parte, se observa que el 54 % de los individuos cotizó a seguridad al año de
culminar el programa, y tuvieron en promedio un ingreso real de $844,432. 109,100
individuos (22.6%) tuvieron un empleo formal 1 año antes de ingresar al SENA lo cual tiene
implicaciones en términos de persistencia de la formalidad laboral o transición hacia el sector
formal que se describen en la Sección 6.3.
Figura 3 Cotizantes e ingreso laboral. FTyT y CAP
(a) (b)
Fuente: base de datos del estudio. Cálculos propios
12 Población vulnerable hace referencia a víctimas del conflicto, población indígena, población en condición de
discapacidad, ex reclusos y jóvenes en condición de vulnerabilidad. Estas categorías son las atendidas en
condiciones especiales por el SENA. 13 El SENA forma a las madres comunitarias que cuidan y atienen a niños en el marco del programa de Hogares
Comunitarios de Bienestar del ICBF. Este programa es uno de los de mayor participación de egresados en la
muestra (8.5%) y por sus condiciones especiales de seguridad social se modela explícitamente dentro de las
estimaciones que se plantean en la sección 5.
14
En el Cuadro 2 se presentan estadísticas descriptivas diferenciando técnicos y tecnólogos.
Los egresados de formación técnica tienen condiciones socioeconómicas menos favorables
que los tecnólogos como se refleja en una mayor proporción de estratos bajos y
pertenecientes a poblaciones vulnerables. En cuanto al programa de formación, los egresados
técnicos tienen menor acceso a CAP y los programas cursados son en mayor proporción de
oferta cerrada. Los tecnólogos parecen tener una probabilidad incondicional mayor de ser
formal y devengar un ingreso más alto que los técnicos. El 47% de los individuos de nivel
técnico tuvo un empleo formal, mientras que en los tecnólogos esta proporción fue de 68%.
Adicionalmente, se encuentran diferencias estadísticamente significativas a favor de los
tecnólogos en cuanto el tiempo transcurrido para vincularse al sector formal tras culminar la
formación (139 vs 123 días) y el tiempo trabajado al año de salir del SENA (24.3 días más).
Cuadro 2 Estadísticas descriptivas, nivel de formación
Variable Técnicos (2) Tecnólogos (3) Test de diferencia (4)
Media D.S Media D.S Diferencia t
Características de línea base
Mujeres 0.57 0.50 0.50 0.50 0.07*** (46.66)
Edad 28.36 10.68 25.63 7.64 2.73*** (102.19)
Estrato 0.84 0.36 0.78 0.41 0.06*** (48.15)
Vulnerables 0.30 0.46 0.17 0.38 0.12*** (101.15)
Contrato aprendizaje 0.28 0.45 0.50 0.50 -0.22*** (-148.34)
Características del programa
Duración (horas de
formación) 1842.00 374.70 3544.00 314.70 -1701.82*** (-1665.25)
Oferta cerrada 0.67 0.47 0.40 0.49 0.26*** (178.81)
Presencial 0.85 0.36 0.87 0.34 -0.02*** (-15.91)
Resultados mercado formal
Cotizantes 0.47 0.50 0.68 0.47 -0.21*** (-143.38)
Ingreso de enganche 781,753 375,471 928,743 504,709 -146990.83*** (-78.18)
Cotizantes antes 0.24 0.43 0.28 0.45 -0.04*** (-31.68)
Ingreso anterior 725,579 381,276 821,496 494,621 -95917.88*** (-34.45)
Días cotizados 216.20 121.70 240.50 115.30 -24.36*** (-52.15)
Días 1er trabajo 139.30 146.10 123.20 140.10 16.11*** (28.54)
Notas:(1)482,738 observaciones (2) 318,865 observaciones (3) 163,873 observaciones (4) Diferencia de medias técnicos-
tecnólogos, estadísticos t entre paréntesis * p<0.05, ** p<0.01, *** p<0.001. La variable estrato indica si el aprendiz pertenecía
al estrato 1 o 2.Vulnerables hace referencia a discapacitados, víctimas de la violencia, población carcelaria o personas en proceso de
reintegración. Oferta cerrada es la formación del SENA que se ofrece por convenios empresariales o convenios con entidades estatales
como el ICBF.
Por otra parte, al comparar los resultados según la tenencia de CAP (Cuadro 3), la
evidencia muestra que en promedio los individuos con CAP tienen mayor formalidad laboral
en promedio (47 % vs 67 %), aunque los resultados en el corto plazo son mejores en promedio
para quienes no tuvieron CAP en termino de ingresos laborales (la brecha es de $102,122 en
15
el ingreso), duración en la formalidad laboral (16 días menos) y tiempo de transición hacia
la formalidad laboral (37 días más). Cabe resaltar que la formalidad laboral más alta de los
beneficiarios de CAP se evidencia tanto para los técnicos como los tecnólogos (Figura 3a),
así como el ingreso menor (Figura 3b).
Cuadro 3 Estadísticas descriptivas, contrato de aprendizaje
Variable Sin contrato (2) Con contrato (3) Test de diferencia (4)
Media D.S Media D.S Diferencia t
Características de línea base
Mujeres 0.54 0.50 0.56 0.50 -0.01*** (-9.79)
Edad 29.73 10.93 23.27 5.38 6.46*** (274.61)
Estrato 0.83 0.37 0.80 0.40 0.03*** (25.58)
Vulnerables 0.30 0.46 0.18 0.38 0.12*** (93.93)
Características del programa
Duración 2276.00 845.60 2682.00 883.00 -405.68*** (-155.11)
Oferta cerrada 0.71 0.45 0.33 0.47 0.38*** (273.14)
Presencial 0.85 0.36 0.86 0.35 -0.01*** (-7.22)
Técnico 0.74 0.44 0.52 0.50 0.213*** (148.02)
Tecnólogo 0.26 0.44 0.48 0.50 -0.21*** (-148.02)
Resultados mercado formal
Cotizantes 0.47 0.50 0.67 0.47 -0.19*** (-132.46)
Ingreso de enganche 890,475 513,587 788,353 324,036 102122.49*** (59.06)
Cotizantes antes 0.28 0.45 0.21 0.41 0.06*** (50.66)
Ingreso anterior 821,063 489,547 628,115 189,932 192948.02*** (95.35)
Días cotizados 233.60 121.00 217.40 117.30 16.12*** (34.39)
Días 1er trabajo 116.30 143.60 153.20 141.40 -36.99*** (-65.87)
Notas:(1)482,738 observaciones (2) 311,087 observaciones (3) 171,651 observaciones (4) Diferencia de medias sin contrato-
con contrato, estadísticos t entre paréntesis * p<0.05, ** p<0.01, *** p<0.001. La variable estrato indica si el aprendiz pertenecía al
estrato 1 o 2.Vulnerables hace referencia a discapacitados, víctimas de la violencia, población carcelaria o personas en proceso de
reintegración. Oferta cerrada es la formación del SENA que se ofrece por convenios empresariales o convenios con entidades
estatales como el ICBF.
5. Metodología El punto de partida para el análisis de la influencia de los programas de nivel tecnológico
a comparación de los técnicos, y el CAP, sobre los resultados de los individuos formados por
el SENA es la estimación de la probabilidad de trabajar en el sector formal. Como
documentan Attanasio et.al (2015) y Fedesarrollo (2009), los efectos de este tipo de
programas se manifiestan principalmente en una mayor probabilidad de tener un empleo
formal en lugar de incrementos en términos salariales. Se estima el modelo de regresión
logística descrito en las ecuaciones 1 y 2.
𝑝(𝐷𝑡+1|𝑋) =exp (𝜂)
1 + exp (𝜂) (1)
16
𝜂 = 𝜂(𝑥) = 𝛽0 + 𝛽1𝑆𝑒𝑥 + 𝛽2𝑒𝑥𝑝 + 𝛽3𝑒𝑥𝑝2 + 𝛽4𝑇𝑔 + 𝛽5𝐶𝐴𝑃 + 𝛽6𝑇𝑔𝐶𝐴𝑃 + 𝛽7𝐹𝑜𝑟𝐴𝑛𝑡𝑒𝑠 + 𝛽8𝐶𝑖𝑢𝑑
+ ∑ 𝜃𝑚𝑅𝑒𝑔
32
𝑚=1
+ ∑ 𝛿𝑚𝑆𝑜𝑐
3
𝑚=1
+ ∑ 𝜗𝑚𝑃𝑟𝑜𝑔
5
𝑚=1
+ ∑ 𝛾𝑚𝑂𝑐𝑢𝑝
8
𝑚=1
+ ∑ 𝜑𝑚𝐶𝑜ℎ𝑜𝑟𝑡𝑒
3
𝑚=1
(2)
𝐷𝑡+1 es una dummy que toma el valor de 1 si el individuo tuvo un empleo formal un año
después de graduarse (𝑡 + 1). 𝜂(𝑥) es una combinación lineal de las variables independientes
que incluyen: una variable dicotómica que identifica a las mujeres (𝑆𝑒𝑥) ; experiencia
potencial que se aproxima por la edad del individuo (𝑒𝑥𝑝) en forma lineal y cuadrática;
dummies para las variables de tecnólogo (𝑇𝑔) y contrato de aprendizaje (𝐶𝐴𝑃) y su interacción
(𝑇𝑔𝐶𝐴𝑃); 𝐹𝑜𝑟𝐴𝑛𝑡𝑒𝑠 es una dummy igual a 1 si el individuo cotizó al menos una vez un año
antes de ingresar del SENA14; 𝑅𝑒𝑔 y 𝐶𝑖𝑢𝑑 son controles por departamento y una indicadora
de si el individuo habita en una ciudad capital; 𝑆𝑜𝑐 son variables dicotómicas para las
características socioeconómicas: 𝑒𝑠𝑡𝑟𝑎𝑡𝑜 indica si la vivienda habitada por el estudiante era
de estrato uno o dos, pertenencia a poblaciones vulnerables y excombatientes de grupos al
margen de la ley; 𝑃𝑟𝑜𝑔 son variables dummies de modalidad del programa (presencial), oferta
en instalaciones diferentes a las del SENA (ampliación de cobertura), programas hechos con
el sector productivo (a la medida), oferta cerrada y primera infancia; 𝑂𝑐𝑢𝑝 son variables
dicotómicas del área de desempeño correspondiente al programa15 ; y 𝐶𝑜ℎ𝑜𝑟𝑡𝑒 son variables
indicadoras del año de grado del estudiante.
𝑝(𝐷𝑡+1 = 1|𝑋, 𝐷𝑡𝑖𝑛𝑖−1 = 0) =exp (𝜂)
1 + exp (𝜂) (3)
Para estudiar los flujos de las personas entre el sector formal e informal, siguiendo a
Mondragón, Peña, y Wills (2010), se plantea el modelo de la ecuación 3, el cual estima
probabilidades de transición en función de características socio-demográficas, programas de
formación e historia laboral formal de las personas. 𝐷𝑡+1 nuevamente es una dummy que
toma el valor de 1 si el individuo tuvo un empleo formal un año después de graduarse; la
matriz 𝑋 incluye todas las variables independientes descritas en (2). A diferencia del modelo
(1), la estimación se realiza sobre los individuos que no eran formales antes de comenzar el
programa de formación (𝐷𝑡𝑖𝑛𝑖−1 = 0), es decir, aquellos que no habían cotizado ni un mes el
año anterior a su ingreso al SENA.
𝑙𝑛𝑦𝑖 = 𝛽0 + 𝛽1𝑆𝑒𝑥 + 𝛽2𝑒𝑥𝑝 + 𝛽3𝑒𝑥𝑝2 + 𝛽4𝑇𝑔 + 𝛽5𝐶𝐴𝑃 + 𝛽6𝑇𝑔𝐶𝐴𝑃 + 𝛽7𝐹𝑜𝑟𝐴𝑛𝑡𝑒𝑠 + 𝛽8𝐶𝑖𝑢𝑑
+ ∑ 𝜃𝑚𝑅𝑒𝑔
32
𝑚=1
+ ∑ 𝛿𝑚𝑆𝑜𝑐
2
𝑚=1
+ ∑ 𝜗𝑚𝑃𝑟𝑜𝑔
5
𝑚=1
+ ∑ 𝛾𝑚𝑂𝑐𝑢𝑝
8
𝑚=1
+ ∑ 𝜑𝑚𝐶𝑜ℎ𝑜𝑟𝑡𝑒
3
𝑚=1
(4)
14 Se tomó esta ventana de tiempo para la variable pues los datos de PILA solamente se tienen desde 2008, lo
cual deja como opción incorporar un solo año antes para tener la misma medición para todas las cohortes de
egresados, pues la primera cohorte de grado de tecnólogos había ingresado al SENA en 2009. 15 Todos los programas del SENA tienen una salida ocupacional asociada a la Clasificación Nacional de
Ocupaciones. En esta clasificación existen diez áreas que se definen como: “Campo de actividad laboral
definido por el tipo y naturaleza de trabajo que es desarrollado (SENA, 2015, P.10)”.
17
El análisis de ingresos laborales se realiza mediante la estimación de una ecuación de
Mincer ampliada (ecuación 4). 𝑙𝑛𝑦𝑖 es el logaritmo del ingreso mensual de los individuos
medido un año después de culminar la formación. Como variables independientes se utilizan
las mismas de las regresiones de formalidad excluyendo el estrato de la vivienda16. En este
planteamiento, es posible evidenciar sesgo de selección pues los ingresos son observados
únicamente para quienes trabajan en el sector formal debido a auto-selección o el efecto del
programa de formación sobre la formalidad de los individuos investigados (Attanasio et al.,
2015). En este sentido, se corrige por sesgo de selección (Heckman, 1979), estimando los
parámetros de la ecuación de Mincer conjuntamente con la ecuación de selección, esto es, la
probabilidad condicional de tener un ingreso mayor a cero por una ocupación formal
𝑝 (𝑙𝑛𝑦𝑡+1 > 0|𝑋) mediante máxima verosimilitud. La matriz 𝑋 de variables independientes
incluye todas las variables descritas en la ecuación 2.
Cabe resaltar que en los modelos descritos no se está tratando de establecer causalidad,
sino de establecer una relación entre los diferentes niveles de formación y el CAP con las
variables que aproximan la calidad del empleo de los egresados del SENA. La principal
limitación de los modelos utilizados es que solo incluyen variables observadas, y por
consiguiente los parámetros estimados pueden incluir el efecto de variables no observables
que no se pudieron incorporar. Particularmente, estudiantes más hábiles o motivados pueden
ser quienes logran obtener un CAP, y en este sentido el efecto se estaría sobreestimando.
Por otra parte, debido a que uno de los principales objetivos de este trabajo es llevar a
cabo experimentos de políticas públicas hipotéticas, se realizan microsimulaciones para
evaluar los resultados de diferentes escenarios de la oferta de FTyT del SENA. Una política
hipotética se define como una distribución los tecnólogos o de CAP que se quiera alcanzar.
La metodología para las simulaciones de formalidad laboral es análoga a la utilizada en
estudios que simulan el efecto de políticas educativas sobre la desigualdad (Amador (2010);
Uribe (2013)).
La metodología propuesta se divide en tres partes: en primer lugar, se utiliza un modelo
de regresión logística descrita con la función de enlace (ecuación 1) y la relación lineal de
covariables (ecuación 2) para predecir si un aprendiz se vinculará al sector formal de la
economía al culminar el programa de formación. Se estima el vector de parámetros
(𝛽, 𝜃, 𝛿, 𝜗, 𝛾, 𝜑), al cual se hará referencia como �̂� en adelante, y se predice la probabilidad
condicional de formalidad 𝑝 (𝐷𝑡+1 = 1|𝑋, �̂�) a partir de las condiciones previas al grado del
estudiante.
La segunda parte consiste en variar artificialmente las columnas de la matriz 𝑋
relacionadas con la política de interés manteniendo constantes las demás variables
16 La teoría económica sugiere que las variables del hogar influyen sobre la participación laboral más no en el
salario (Puhani, 2000) y por ello no se incluye el estrato; única variable observada a nivel de hogar/vivienda en
la muestra.
18
observables. De esta manera se generan características contrafactuales al individuo y el
programa de formación cursado. En particular, se asigna un “tratamiento” variando
aleatoriamente el nivel del programa (de técnico a tecnólogo) cursado por un individuo 𝑖 o
asignando CAP a quienes no tuvieron, exceptuando por restricción institucional, los
individuos de programas de primera infancia que no cambian de nivel ni tienen CAP. En este
sentido se genera una distribución 𝑃𝑐(𝑋𝑐 , �̂�, 휀) que refleja el escenario de política con la matriz
contrafactual 𝑋𝑐, los parámetros �̂� y la distribución del error 휀. Los valores simulados
producen una nueva estimación de la media de la distribución (el estadístico de resultado de
interés).
{𝑃𝑒(𝑋, �̂�, 휀)} 𝑣𝑠 {𝑃𝑐(𝑋𝑐 , �̂�, 휀)} (6)
En tercer lugar, las políticas se comparan en términos de su diferencia con respecto al
escenario base o hipótesis de referencia en los parámetros estimados (ecuación 6).
Formalmente se contrasta la hipótesis 𝑃𝐶̅̅ ̅ > 𝑃�̅�, esto es, si la política simulada mueve la
distribución de probabilidad condicional estimada. Para el cálculo de la media, se generan 50
distribuciones de probabilidad generadas por el mismo número de simulaciones del modelo
𝑃𝐶̅̅ ̅, y se realiza un test de diferencia de medias respecto a la media estimada 𝑃�̅�.
Adicionalmente, dado que la metodología propuesta permite obtener las distribuciones
de probabilidad pronosticada y de los escenarios de política simulados, siguiendo a Huyn et
.al (2011) se implementan una batería de test de dominancia estocástica que permiten
contrastar características adicionales entre las distribuciones como cambios de posición o en
la mediana (Wilcoxon Rank test), diferencias en las distribuciones acumuladas
(Kolmogorov-Smirnov) y pruebas F para diferencias en las varianzas.
Para finalizar, es necesario resaltar los supuestos y limitaciones que obedecen a la
metodología descrita anteriormente. Las políticas de formación del SENA afectan la
probabilidad de que el egresado consiga un empleo formal, asumiendo las condiciones de la
economía que se observaron en el periodo de estudio. Como se resaltó anteriormente, aunque
no es posible estimar causalidad, es necesario asumir en estos ejercicios que el nivel de
formación y el CAP impactan en las magnitudes estimadas la probabilidad de formalidad
laboral.
En estos ejercicios se determinan efectos de equilibrio parcial asumiendo que no hay
efectos de equilibrio general: los aumentos en la participación laboral por mayor nivel de
capacitación pueden ser absorbidos perfectamente por el mercado de trabajo, la mayor
cantidad de CAP puede ser absorbida por las empresas y que las posibilidades de empleo y
los salarios de las distintas ocupaciones no cambian producto de las políticas. Este supuesto
puede ser fuerte para ocupaciones y regiones donde el SENA tiene una amplia cobertura.
19
6. Resultados
6.1. Probabilidad de formalidad laboral El Cuadro 4 muestra los efectos marginales de las estimaciones de empleo formal en el
corto plazo de los individuos. La relevancia dada a los resultados en términos de formalidad
en el corto plazo en este trabajo obedece a dos factores: en primer lugar, gran parte de los
egresados del SENA pertenecen a segmentos vulnerables, por lo cual resulta fundamental
lograr que el egresado se enganche al sector formal en un periodo de tiempo no muy largo
tras finalizar sus estudios dada la necesidad que tienen de recibir un ingreso laboral y los
beneficios que le garantizaría un empleo formal. En segundo lugar, la informalidad es un
fenómeno persistente debido a experiencias previas de informalidad. Mora y Muro (2012)
estiman que en Colombia, dependiendo de la medida utilizada de informalidad, la
probabilidad de que un trabajador que estuvo en un empleo informal en el periodo
inmediatamente anterior continúe en el sector informal varía entre 20 % y 30 %.
Los resultados presentados incluyen la estimación con una especificación reducida que
solo incluye las variables de control, y una ampliada con efectos de cohorte, regional y área
de desempeño de la ocupación del programa. Se describen los resultados de los modelos que
incluyen todos los controles17. Los parámetros deben interpretarse como efectos marginales
condicionales que las otras variables incluidas permanecen constantes. En primer lugar, se
destaca que la probabilidad de trabajar en el sector formal es en promedio 12pp más alta para
los tecnólogos en comparación con los técnicos, y dicha ganancia en términos de
probabilidad es mayor para las mujeres (12.02pp) que para los hombres cursaron programas
de este nivel (11.8pp). Controlar por los programas de primera infancia reduce la brecha entre
niveles pues estos programas son únicamente de nivel técnico y tienen elevados niveles de
formalidad laboral.
En segundo lugar, el tener CAP incrementa la probabilidad de formalidad laboral 12.7pp
puntos porcentuales. Efectos cruzados de CAP con programas tecnológicos indicarían que el
aporte del CAP es menor para este grupo (11.4pp) que sobre los técnicos (13.6pp). De
acuerdo con el signo positivo de la edad y negativo del cuadrado, así como su respectiva
significancia, se puede concluir que los individuos más jóvenes tienen mayor probabilidad
de ser informales, aunque la relación no es lineal; pues con la edad aumenta la probabilidad
de trabajar en el sector formal, pero disminuye en mayores rangos de edad.
17 Los parámetros de los controles que no se muestran en la tabla pueden facilitarse a solicitud del lector.
20
Cuadro 4 Estimaciones de la probabilidad de trabajar formalmente y transitar hacia la
formalidad
Formalidad Transición
Variables 1 2 3 4
Mujer -0.036*** -0.057*** -0.026*** -0.048***
[0.001] [0.002] [0.002] [0.002]
Edad 0.009*** 0.009*** 0.007*** 0.008***
[0.000] [0.000] [0.001] [0.001]
Edad2*100 -0.015*** -0.015*** -0.015*** -0.016***
[0.001] [0.001] [0.001] [0.001]
Formal antes 0.369*** 0.340***
[0.002] [0.002]
Estrato 1 o 2 -0.029*** -0.005*** -0.025*** 0.001
[0.002] [0.002] [0.002] [0.002]
Reintegrado -0.036*** -0.037*** -0.003 -0.01
[0.013] [0.013] [0.015] [0.015]
Población vulnerable -0.047*** -0.039*** -0.039*** -0.030***
[0.002] [0.002] [0.002] [0.002]
Tecnólogo 0.137*** 0.120*** 0.156*** 0.136***
[0.002] [0.002] [0.002] [0.002]
C.Aprendizaje 0.161*** 0.127*** 0.211*** 0.171***
[0.002] [0.002] [0.002] [0.002]
Capital departamento 0.082*** 0.049*** 0.078*** 0.049***
[0.001] [0.002] [0.002] [0.002]
Observaciones 437,797 437,797 329,902 329,902
Controles de programa Si Si Si Si
Controles regionales No Si No Si
Controles de cohorte No Si No Si
Controles de ocupación No Si No Si
Pseudo R2 0.158 0.186 0.103 0.132
Chi2 65379 75420 40520 47422
Notas: Errores estándar robustos entre paréntesis. *** p<0.01, ** p<0.05, * p<0.1. Las categorías base
para las variables de categóricas de control son respectivamente Cundinamarca, egresados en 2011 y
el área de desempeño de ciencias sociales, servicios gubernamentales y religión.
La especificación del modelo de regresión tiene dos importantes consideraciones.
Primero, se controla explícitamente por la continuidad de los egresados en estudios
superiores; podría esperarse que llevar a cabo estudios de educación superior puede inducir
a los egresados a la informalidad laboral para tener tiempo disponible para sus estudios. No
obstante se rechaza esta hipótesis, pues en promedio la probabilidad de vincularse aumenta
4 pp si el egresado decidió continuar con sus estudios. Segundo, se incorpora la trayectoria
previa en el mercado laboral formal; se encuentra que haber sido formal uno año antes de
21
ingresar al SENA, incrementa la probabilidad de ser formal al egresar del programa de
formación en 37pp; lo cual resalta la importancia de la experiencia laboral en el sector formal.
En cuanto a la dimensión social, se estima que los graduados de poblaciones vulnerables
los aprendices de estratos bajos tienen menos probabilidades de ser trabajadores formales. Se
encuentra que la probabilidad de ser formal es 4pp menor para los egresados de poblaciones
vulnerables; 3.7pp menor para los egresados que pertenecieron a grupos armados y -0.5 pp
para los individuos de estrato 1 o 2. Estos resultados están en línea con las conclusiones de
Bernal (2009) y son importantes para considerar en la atención a estos grupos poblacionales
por parte del SENA.
Con respecto a las características de la formación recibida en el SENA, los programas de
ampliación de cobertura tienen una probabilidad 9pp menor y los individuos formados en
programas de oferta cerrada tienen una probabilidad 4pp menor de ser formales, efecto que
se puede explicar por los programas sociales ofertados del gobierno como los dirigidos a
beneficiarios de la red unidos, pues los ofertados a la medida del sector empresarial aumentan
la probabilidad en 2pp.
6.2. Ingresos laborales Los resultados de las estimaciones de la ecuación de ingresos se presentan en el Cuadro
5. Se reportan conjuntamente los resultados de la ecuación de selección, primeras dos
ecuaciones, y la ecuación de Mincer. En cuanto a las variables de interés, en primer lugar,
los ingresos para el grupo de tecnólogos son 12% mayores que para los técnicos. Los efectos
del nivel tecnológico son más fuertes para quienes no tuvieron CAP (14.8%) en comparación
a con quienes sí tuvieron (6.3%). Los beneficiarios del CAP tienen un ingreso 4% menor con
respecto a los no beneficiarios, lo cual podría explicarse porque en el grupo de comparación
se encuentran personas que para graduarse tuvieron vinculación laboral. Cabe resaltar que
este es un resultado a corto plazo.
Las mujeres tienen en promedio un ingreso mensual que oscila entre 2.9 % y 5 % menos
que el de los hombres. Al igual que influye en la probabilidad de ser ocupado formal, los
ingresos mejoran con la experiencia acumulada. En específico, un año de experiencia
potencial medida por la edad implica un incremento salarial del 1,6 %, pero este se reduce
para los mayores rangos de edad como puede inferirse del coeficiente de la edad al cuadrado.
Los ingresos también dependen de las características sociales del egresado: los individuos
vulnerables reciben un ingreso aproximadamente 2.8 % menor y los reintegrados de grupos
al margen de la ley. Las características del programa de formación, al igual que con la
vinculación laboral, están relacionados con el ingreso: los programas de primera infancia
tienen un ingreso 17.3% menor que el resto de egresados, los de ampliación de cobertura
reportan retorno inferior en 8% y los individuos formados en programas de oferta cerrada
tienen un 4.6% mayor y aumenta a 5% si el programa es a la medida.
22
Cuadro 5 Estimaciones de la ecuación de ingresos
Selección Ingresos
Variables 1 2 3 4
Mujer -0.050*** -0.065*** -0.054*** -0.036***
[0.001] [0.002] [0.002] [0.002]
Edad 0.005*** 0.006*** 0.014*** 0.014***
[0.000] [0.000] [0.001] [0.001]
Edad2*100 -0.011*** -0.012*** -0.008*** -0.008***
[0.001] [0.001] [0.001] [0.001]
Formal antes 0.340*** 0.308*** 0.053*** 0.060***
[0.002] [0.002] [0.002] [0.002]
Estrato 1 o 2 -0.027*** -0.001
[0.002] [0.002]
Reintegrado -0.026** -0.027** -0.127*** -0.132***
[0.013] [0.013] [0.015] [0.015]
Población vulnerable -0.050*** -0.041*** -0.022*** -0.029***
[0.002] [0.002] [0.002] [0.002]
Tecnólogo 0.124*** 0.109*** 0.138*** 0.119***
[0.002] [0.002] [0.002] [0.002]
C.Aprendizaje 0.174*** 0.137*** -0.048*** -0.042***
[0.002] [0.002] [0.002] [0.002]
Capital departamento 0.093*** 0.062*** -0.010*** -0.005***
[0.001] [0.002] [0.002] [0.002]
Observaciones 437,797 437,797 213,404 213,404
Controles de programa Si Si Si Si
Controles regionales No Si No Si
Controles de cohorte No Si No Si
Controles de ocupación No Si No Si
Notas: Errores estándar robustos entre paréntesis. *** p<0.01, ** p<0.05, * p<0.1. En las ecuaciones
de selección se muestran efectos marginales. Las categorías base para las variables de categóricas de
control son respectivamente Cundinamarca, egresados en 2011 y el área de desempeño de ciencias sociales, servicios gubernamentales y religión.
6.3. Flujos hacia la formalidad laboral La muestra para esta sección es de 329,902 estudiantes quienes no habían aportaron a
seguridad social un año antes de ingresar al SENA. El Cuadro 6a muestra, por un lado, que
el 44 % de los aprendices que no tuvieron un empleo formal previo a su formación en el
SENA se vincularon a un empleo formal un año después, mientras que el 20 % de quienes
fueron formales antes no lo fueron después. Los valores de la diagonal indican un grado de
persistencia mayor para quienes ya eran formales (80%), mientras que para los no formales
fue de (56%). Por su parte, el Cuadro 6b muestra que continuar en la informalidad es el estado
23
con más cambios como porcentaje del total de flujos. Los flujos desde y hacia la formalidad
laboral antes y después de finalizado programa no son estadísticamente independientes ya
que hay una asociación estadística significativa entre los estados18.
Cuadro 6 Transiciones entre formalidad y no formalidad
(a) Perfiles fila (b) Participación en total de flujos
Después Después
Antes
No
formal Formal Total Antes No formal Formal Total
No
formal 56% 44% 100%
No
formal 41% 32% 73%
Formal 20% 80% 100% Formal 5% 22% 27%
Total 46% 54% 100% Total 46% 54% 100%
Fuente: cálculos propios
Con respecto a la probabilidad de transición condicional, el Cuadro 4 muestra los efectos
marginales derivados de los resultados de diferentes especificaciones de los modelos de la
transición a la formalidad. Las estimaciones reportadas miden los efectos del nivel de
formación, el CAP y las otras variables condicional a no haber sido formal antes de la
formación.
De los resultados presentados se puede destacar que los individuos que tuvieron CAP
tienen una probabilidad 17pp más alta de pasar a la formalidad laboral. Con respecto al nivel
de formación, existe una mayor probabilidad de transitar hacia el sector formal para los
individuos de programas tecnológicos (13.6pp en comparación con los técnicos). La
indicarían que la ganancia del CAP en términos de probabilidad es menor en 3.2pp para los
tecnólogos que para los técnicos.
Por otro lado, también se pueden observar los resultados de las variables de características
socio-demográficas y del programa de formación. Los efectos marginales muestran que la
probabilidad de transición aumenta con la edad y es menor para las mujeres. La probabilidad
es mayor para los programas de modalidad presencial y de primera infancia. Todos los
resultados en esta sección están en línea con los encontrados en la Sección 6.1.
6.1. Experimentos de política pública Los ejercicios de simulación nos ayudan a evaluar de manera ex ante de los resultados que
tendría la implementación de cambios en la composición de los niveles de formación y
políticas orientadas a que el estudiante realice sus prácticas con CAP. Los escenarios
alternativos que se evalúan con simulación se definen a partir de una proporción de egresados
18 El test de independencia rechaza la hipótesis de independencia al 1 % (Pearson χ2 = 3600). La asociación
medida por la V de Cramer es 0.3335.
24
con CAP o formación tecnológica (objetivo de la política)19. Las líneas base para ambos
indicadores, es decir las proporciones observadas, son 34% y 32% respectivamente; y se
incrementan a proporciones de 40%, 50% y 60% cada uno como escenarios contrafactuales.
Los resultados de las simulaciones se presentan a dos niveles: a nivel poblacional, o el
cambio en la distribución de probabilidad de formalidad completa del SENA que incluye a
todos los individuos, tanto tratados aleatoriamente como los que mantienen sus condiciones
de nivel y CAP observadas. Por otra parte, se presentan cambios sobre los individuos
tratados, esto es, efectos sobre el promedio de la distribución de probabilidad en los
individuos a quienes aleatoriamente se les asigna un nivel o CAP contrafactual.
Cuadro 7 Simulaciones de políticas. Total SENA
Simulación
Media de la
probabilidad
condicional
IC 95%(3) Diferencia (4) Var %
(5)
Escenarios sin focalizar (1)
Contrato de Aprendizaje
L.B=34% 0.534 40% 0.540 0.540 0.540 0.006*** 1.16%
50% 0.553 0.553 0.553 0.018*** 3.45%
60% 0.565 0.565 0.565 0.031*** 5.75%
Tecnólogos
L.B=32% 0.534 40% 0.543 0.543 0.543 0.009*** 1.71%
50% 0.555 0.555 0.555 0.021*** 3.92%
60% 0.567 0.567 0.567 0.033*** 6.13%
Escenarios focalizados (2)
Contrato de Aprendizaje
L.B=34% 0.534 40% 0.541 0.541 0.541 0.007*** 1.33%
50% 0.555 0.555 0.555 0.021*** 3.95%
60% 0.569 0.569 0.569 0.035*** 6.58%
Tecnólogos
L.B=32% 0.534 40% 0.544 0.544 0.544 0.01*** 1.91%
50% 0.558 0.557 0.558 0.023*** 4.37%
60% 0.571 0.571 0.571 0.036*** 6.83%
Notas: La tabla reporta la media de la distribución estimada y de las distribuciones de los escenarios simulados. (1) Escenarios simulados
sobre toda la población posiblemente a beneficiar de la política. (2) Escenarios cuyos potenciales beneficiarios se encuentran en el
primer o segundo cuartil la distribución estimada. (3) Intervalos de confianza estimados con 50 replicaciones. (4) *** La media estimada
difiere de la simulada al 1% de significancia (significancia del t-test de igualdad de medias). H1: media simulada mayor a la predicha.
(5) Variación porcentual respeto a escenario base.
Debido a que hay individuos y programas a los que las políticas podrían potencialmente
beneficiarlos en mayor medida, se realizan dos bloques de simulaciones: escenarios sin
focalizar, consiste en asignar el “tratamiento” aleatoriamente entre toda la población que
podría beneficiarse, es decir quienes no son beneficiarios de CAP o son técnicos y no estudian
19 Nótese que los cambios y los resultados deben interpretarse en términos de egresado, la unidad de
observación, en lugar de estudiantes.
25
en programas de primera infancia. En el segundo, escenarios focalizados, se plantean los
mismos escenarios pero para asignar el contrafactual y simular las distribuciones alternativas
se toman muestras aleatorias entre los egresados cuya probabilidad de formalidad predicha
por el modelo se encuentra en el primer o segundo cuartil de toda la distribución para asignar
el tratamiento.
De acuerdo a como se describió en la sección 5, para evaluar estas políticas, la media de
la distribución simulada en cada escenario se compara con la media de la probabilidad
condicional estimada con los datos observados (escenario base). En el Cuadro 7 se resumen
los resultados de estas simulaciones. En el primer enfoque, aumentar el CAP, se obtienen
cambios estadísticamente significativos en la distribución de probabilidad; la media aumenta
entre 0.6pp y 3.1pp con respecto a la estimación de línea base. Esto traduce en que el impacto
poblacional de 10pp más de CAP es de 1pp en promedio sobre la media de formalidad laboral
del SENA dadas como constantes las demás variables del modelo. Por su parte, aumentar la
participación de programas de nivel tecnólogo aumenta la media en un rango de entre 0.7pp
y 3.3pp. La media de la distribución sería 1pp más alta con 10 pp más de tecnólogos.
Como se ilustra en la Figura A.1, los distintos escenarios de política, además de impactar
sobre la media, mueven la distribución poblacional. Este resultado se soporta formalmente
con los test de distribución y de medianas que rechazan la hipótesis nula de igualdad de la
política simulada con el escenario base (Cuadros A2 y A3), además de una reducción
estadísticamente significativa en la varianza (Cuadro A4). Los resultados comparados entre
tecnólogo y CAP indican que, aunque resultan en incrementos cercanos en la media, las
políticas del nivel de formación dominan las de CAP en cuanto a promedio, mediana y
distribución, aunque no se evidencian diferencias en varianzas (Cuadro A6).
Interesantemente, para las políticas con mayor incremento respecto al escenario base, las
diferencias en mediana y distribución a favor del tecnólogo no son significativas; lo cual
podría asociarse a que, aunque los efectos totales de las políticas de nivel son mayores para
el tecnólogo, el efecto marginal sería mayor para el CAP en estos escenarios sin focalizar.
Por su parte, se encuentra que cuando se realizan los cambios de acuerdo a la focalización
se mueve la distribución más a la derecha en relación a la distribución no focalizada, lo cual
se traduce en un incremento relativamente mayor del porcentaje de egresados trabajando
formalmente: aumentar el número de egresados con CAP a 40% y 60%, incrementa la media
entre 0.7pp y 3.5pp. Para el cambio de nivel de los programas el aumento oscila entre 1pp y
3.6pp. Los resultados poblacionales de esta estrategia son 1.4 y 1.3 por 10pp adicionales de
CAP y tecnólogos respectivamente.
De acuerdo con lo ilustrado en la Figura A.2, el cambio en la distribución se observa
desde los niveles más bajos, siendo estadísticamente significativo en cuanto a distribución
(Cuadros A2 y A3) y reducción de varianza (Cuadro A4). Este resultado revela que
concentrar los esfuerzos por mejorar las condiciones de oferta de los programas que reciben
a aprendices que a priori tienen menos posibilidades de trabajo formal, puede ser una política
26
adecuada para alcanzar mayores niveles de inserción de los egresados a la formalidad laboral.
Comparando los resultados de tecnólogos y CAP en los escenarios hipotéticos de políticas
focalizadas (Cuadro A7), se muestra que la varianza de los resultados de CAP es mayor y
aunque los resultados en promedio y distribución son favorables al tecnólogo, el CAP tiene
una mediana mayor en los escenarios de 50% y 60%.
Cuadro 8 Simulaciones de políticas. Tratados
Simulación
Media de la probabilidad
condicional
IC 95%(3) Diferencia (4) Var % (5)
Escenarios sin focalizar (1)
Contrato de Aprendizaje
L.B=34% 0.463 40% 0.586 0.583 0.588 0.122*** 26.43%
50% 0.586 0.584 0.587 0.122*** 26.44%
60% 0.586 0.585 0.587 0.122*** 26.42%
Tecnólogos
L.B=32% 0.462 40% 0.579 0.578 0.582 0.118*** 25.56%
50% 0.580 0.578 0.581 0.118*** 25.54%
60% 0.580 0.579 0.581 0.118*** 25.56%
Escenarios focalizados (2)
Contrato de Aprendizaje
L.B=34% 0.294 40% 0.434 0.433 0.436 0.14*** 47.64%
50% 0.434 0.433 0.435 0.14*** 47.65%
60% 0.434 0.434 0.435 0.14*** 47.65%
Tecnólogos
L.B=32% 0.305 40% 0.437 0.435 0.438 0.132*** 43.12%
50% 0.436 0.436 0.437 0.132*** 43.12%
60% 0.437 0.436 0.437 0.132*** 43.11%
Notas: La tabla reporta la media de la distribución estimada y de las distribuciones de los escenarios simulados. (1) Escenarios simulados
sobre toda la población posiblemente a beneficiar de la política. (2) Escenarios cuyos potenciales beneficiarios se encuentran en el
primer o segundo cuartil la distribución estimada. (3) Intervalos de confianza estimados con 50 replicaciones. (4) *** La media estimada
difiere de la simulada al 1% de significancia (significancia del t-test de igualdad de medias). H1: media simulada mayor a la predicha.
(5) Variación porcentual respeto a escenario base.
En el Cuadro 8 se presentan los efectos sobre los egresados tratados, es decir, la
probabilidad contrafactual que hubiesen tenido los individuos con un nivel de formación
superior o si hubiesen realizado prácticas con CAP. Los resultados cualitativos de las
políticas sin focalizar son similares a los encontrados en la distribución poblacional: se
encuentran cambios significativos en la distribución y en la mediana (Cuadro A3), y una
varianza menor (Cuadro A5)20. Los resultados indican que aumentar el nivel de los
programas tiene un efecto promedio de 11.8pp y aumentar el CAP 12pp independientemente
del esfuerzo de política. Aunque por su parte, las políticas focalizadas de nivel y CAP tienen
20 Véase en las figuras A3 y A4 las densidades de la probabilidad de formalidad laboral estimadas y simuladas
bajo los distintos escenarios.
27
un efecto promedio de 12pp y 14pp respectivamente; y tienen efectos positivos sobre la
distribución y la mediana, aunque con una mayor varianza (Cuadro A5).
En resumen, los resultados sugieren que esfuerzos por incrementar el nivel de formación
de los programas, cambia significativamente la distribución de probabilidad e incrementa la
formalidad laboral de los egresados. Promover el acceso de los egresados al CAP también
afecta positivamente la formalidad. Aunque los resultados de los esfuerzos para mover la
distribución de probabilidad a nivel poblacional pueden tener resultados modestos, los
efectos sobre quienes recibirían un mayor nivel de formación o la posibilidad de CAP son
considerables. Aunque no se mostraron resultados en términos de simulación en estas
dimensiones, cabe resaltar que estas políticas no solamente tienen efecto sobre la
probabilidad, sino también sobre movilidad hacia el sector formal y ganancias en salario en
el caso de los tecnólogos.
Al igual que los trabajos que utilizan esta metodología, vale la pena aclarar que las
simulaciones intentan reflejar escenarios fuera de muestra, por lo cual los resultados deben
tomarse con cautela. Como resalta Amador (2010), aunque se reportan los valores
cuantitativos de los cambios, es responsable concentrarse más en los efectos relativos que en
los absolutos. En este sentido, el principal mensaje que emerge de estos ejercicios es que los
resultados del aumentar el nivel los programas tiene efectos relativamente mayores a los
contratos de aprendizaje; y que se tiene un mayor efecto si se focalizan estos esfuerzos en la
población que tiene condiciones menos favorables para la formalidad laboral y no contaron
con estos programas. Los modelos aquí presentados pueden ser utilizados tanto para simular
otros escenarios, como la introducción de nuevos programas, o para realizar focalización en
las políticas de formación.
7. Conclusiones La literatura sobre FTyT que ha generado recomendaciones de política sugiere que la
evaluación y acreditación de los programas incorpore los resultados en el mercado de trabajo
de los graduados; así como que la planeación de la oferta de FTyT tenga un componente de
anticipación de los resultados. Esta investigación contribuye en ambos sentidos a la
orientación de las políticas de FTyT del SENA.
Los resultados muestran que los programas de nivel tecnológico, a comparación de los de
nivel técnico, generan acceso a trabajos de mejor calidad: incrementan la probabilidad de
trabajar formalmente en 12pp, se asocian con un ingreso laboral 12% más alto y favorecen
la entrada a la formalidad en 13.6pp. Una potencial explicación que se puede abordar en
estudios posteriores, es que parte de los resultados puede ser atribuible a las condiciones de
aseguramiento de la calidad, puesto que los tecnólogos requieren cumplir los estándares de
educación superior para obtener el registro calificado del MEN mientras este no es el caso en
los técnicos.
28
Por su parte, los contratos de aprendizaje también fomentan la formalidad laboral,
incrementando la probabilidad 12.7pp y favorecen la transición de los egresados al sector
formal de la economía en 17pp. Sin embargo, el CAP tiene el costo de un ingreso promedio
3% menor en el corto plazo. Se encuentra que los resultados del CAP se dan para ambos
niveles de formación, pero tienen un mayor beneficio para los programas técnicos. Se
recomienda entonces potenciar el CAP entre los programas técnicos.
Desde el punto de vista de la evaluación ex ante de políticas de formación del SENA, los
resultados de las simulaciones sugieren que esfuerzos por incrementar el nivel de formación
de los programas y promover el acceso de los estudiantes al CAP tienen potencial para
incrementar la formalidad laboral de los egresados. Las simulaciones muestran que esfuerzos
por incrementar 10pp la participación de los tecnólogos en la oferta incrementan 1pp el
promedio de la distribución de probabilidad de formalidad laboral de los egresados.
Promover el acceso al CAP incrementa la formalidad laboral de los egresados: 10pp más de
egresados que se beneficien de CAP mejoraría la formalidad en 1pp en promedio.
A pesar de que las ganancias en el resultado total del SENA pueden ser modestos, los
beneficios en términos de probabilidad para los individuos que se beneficien de un mayor
nivel de los programas (11.8pp) o lograr conseguir un CAP (12.2pp) son considerables. Estas
acciones tienen un mayor efecto si se focalizan en la población propensa a la informalidad
laboral (con menor probabilidad de ser formal). Esta es la recomendación de política de este
ejercicio.
En cuanto a las limitantes del estudio, es importante señalar que en este no se analizaron
los resultados de los egresados de técnicos formados en los colegios (articulación con la
educación media) por limitaciones en los datos. Factores adicionales como la infraestructura
y condiciones de estudio de los aprendices que, dadas las características de los programas de
FTyT, pueden dar indicios adicionales del efecto de las políticas del SENA sobre los
resultados posteriores de los egresados, tampoco fueron incluidos. Se anima a realizar
ejercicios que permitan analizar la relación entre los instrumentos de política de formación y
evaluar y proyectar los resultados en términos de empleabilidad de los egresados. Técnicas
de simulación como la utilizada en este trabajo pueden contribuir en este sentido.
Finalmente, en cuanto a recomendaciones para futuros estudios, los ejercicios de
simulación se pueden utilizar para identificar los programas de formación que requieren
mayor esfuerzo de política para promover la formalidad de sus egresados y proyectar los
individuos que se beneficiarían con mayor probabilidad de los programas. Así mismo, se
recomienda hacer un análisis costo beneficio de las políticas. Un punto importante a
considerar en estos estudios y resaltado en la literatura, es que la FTyT tiene impacto sobre
la transición a estudios superiores y esto influye sobre los resultados en el mercado laboral
(Surette, 1997) y constituye otro beneficio de los programas. Se recomienda incluir esta
variable en futuras evaluaciones de los programas.
29
Los resultados aquí presentados se midieron en el corto plazo, de forma estática, en un
marco de equilibrio parcial y asumiendo constantes las condiciones de la economía que
podrían influenciar el comportamiento de las ocupaciones y los salarios de los programas de
FTyT. Como preguntas abiertas quedan incorporar la estructura y tendencia de la economía
y los distintos sectores, analizar la dinámica temporal, evaluar potenciales efectos de
equilibrio general y evaluar si los resultados encontrados se mantienen en el largo plazo. Una
agenda futura de investigación podría dar una mirada más profunda a estas cuestiones.
Referencias
[1] Amador, D. (2010). Imagining Education: Educational Policy and the Labor Earnings
Distribution. Revista Desarrollo y Sociedad, 65, 7–42.
[2] Attanasio, O., Guarín, A., Medina, C., y Meghir, C. (2015). Long term impacts of
vouchers for vocational training: Experimental evidence for Colombia (Working Paper n.o
21390). National Bureau of Economic Research. doi: 10.3386/w21390
[3] Barón, J. D. (2012). Primeras experiencias laborales de los profesionales
colombianos: probabilidad de empleo formal y salarios. Lecturas de Economía, 76, 55-86.
[4] Belzil, C. (2007). The return to schooling in structural dynamic models: a survey.
European Economic Review, 51(5), 1059 - 1105. doi: 10.1016/j.euroecorev.2007.01.008
[5] Bernal, R. (2009). The informal labor market in Colombia: Identification and
Characterization. Revista Desarrollo y Sociedad, 63, 145-208.
[6] Bonnal, L., Mendes, S., y Sofer, C. (2002). School to work transition: apprenticeship
versus vocational school in france. International Journal of Manpower, 23(5), 426-442. doi:
10.1108/01437720210436046
[7] Bornacelly, I. (2013). Educación técnica y tecnológica para la reducción de la
desigualdad salarial y la pobreza. Revista Desarrollo y Sociedad, 71, 83-121.
[8] Bourguignon, F., Bussolo, M., y Pereira da Silva, L. A. (2008). The Impact of
Macroeconomic Policies on Poverty and Income Distribution: Macro-Micro Evaluation
Techniques and Tools. Washington, D.C.: World Bank and Palgrave Macmillan.
[9] Carneiro, P., Vignoles, A., y Dearden, L. (2010). The economics of vocational
education and training. En International encyclopedia of education (3rd ed., p. 255-261).
[10] Courtioux, P. (2012). How income contingent loans could affect the returns to higher
education: a microsimulation of the french case. Education Economics, 20(4), 402-429. doi:
10.1080/09645290903546538
[11] Courtioux, P., Gregoir, S., y Houeto, D. (2014). Modelling the distribution of returns
on higher education: A microsimulation approach. Economic Modelling, 38, 328 - 340. doi:
10.1016/j.econmod.2014.01.010
30
[12] Dearden, L., McIntosh, S., Myck, M., y Vignoles, A. (2002). The returns to academic
and vocational qualifications in britain. Bulletin of Economic Research, 54(3), 249–274. doi:
10.1111/14678586.00152
[13] Euwals, R., y Winkelmann, R. (2002). Mobility after Apprenticeship Evidence from
Register Data. Applied Economics Quarterly, 48(3), 256-278.
[14] Fedesarrollo. (2009). Evaluación de impacto de dos programas de formación del
SENA: Formación de Técnicos y Tecnólogos y Formación Especializada del Recurso
Humano Vinculado a las Empresas (Documento de trabajo n.o 52). Bogotá: Autor.
[15] Flannery, D., y O’Donoghue, C. (2016). Utilizing microsimulation to estimate the
private and fiscal returns to education: Ireland 1987-2011. The Manchester School, 84, 55–
80. doi: 10.1111/manc.12088
[16] Forero, N., y Ramirez, M. (2008). Determinantes de los ingresos laborales de los
graduados universitarios durante el periodo 2001-2004. Universidad del Rosario Documento
de trabajo, 31.
[17] Galvis, L. A. (2012). Informalidad laboral en las áreas urbanas de Colombia.
Coyuntura económica: investigación económica y social, XLII, 15–51.
[18] Gaviria, A., y Nuñez, J. (2003). Evaluating the Impact of SENA on Earnings and
Employment (Archivos de economía n.o 220). Departamento Nacional de Planeación.
[19] González-Velosa, C., Rucci, G., Sarzosa, M., y Urzua, S. (2015). Returns to Higher
Education in Chile and Colombia (IDB Working Paper Series n.o 587). Inter-American
Development Bank.
[20] Heckman, J. J. (1979). Sample selection bias as a specification error. Econometrica,
47(1), 153-161. doi: 10.2307/1912352
[21] Hoeckel, K. (2008). Costs and Benefits in Vocational Education and Training
(EDU/EDPC/CERI n.o 3). OECD Education.
[22] Huynh, K. P., Jacho-Chávez, D. T., y Voia, M. C. (2011). Nonlinear difference-in-
difference treatment effect estimation: A distributional analysis. En Missing data methods:
Cross-sectional methods and applications (p. 247-268). doi: 10.1108/S0731-
9053(2011)000027A012
[23] Keane, M. P., y Wolpin, K. I. (1997). The career decisions of young men. Journal of
Political Economy, 105, 473–522. doi: 10.1086/262080
[24] McIntosh, S. (2007). A cost-benefit analysis of apprenticeships and other vocational
qualifications (Research Report RR n.o 834). Sheffield University Management School.
[25] Medina, C., y Nuñez, J. (2001). The Impact of Public and Private Job Training in
Colombia (Documento CEDE). Bogotá: Universidad de los Andes.
[26] Medina, C., y Saavedra, J. E. (2012). Formación para el trabajo en Colombia
(Documentos CEDE n.o 35). Facultad de Economía: Universidad de los Andes.
31
[27] Melo, L. A., Ramos, J. E., y Hernández, P. O. (2014). La Educación Superior en
Colombia: Situación Actual y Análisis de Eficiencia (Borradores de economía n.o 808).
Bogotá: Banco de la República.
[28] MEN. (2013). Perfil académico y condiciones de empleabilidad: graduados de
educación superior (2001 a 2012) y certificados de educación para el trabajo y el desarrollo
humano (2010 a 2012) (Artículo Observatorio Laboral para la Educación). Bogotá:
Ministerio de Educación Nacional.
[29] MEN. (2014). Caracterización de la educación para el trabajo y el desarrollo humano
en Colombia. Descargado 2016-04-14, de http://www.mineducacion.gov.co/1759/w3-
article-343616.html
[30] MEN. (2015). Bases para la construcción de los lineamientos de política pública del
Sistema Nacional de Educación Terciaría (SNET) (Viceministerio de Educación Superior).
Bogotá: Ministerio de Educación Nacional.
[31] MEN. (2016a). Estadísticas de educación superior.
Descargado 2016-04-14, de
http://www.mineducacion.gov.co/sistemasdeinformacion/1735/w3-article-212350.html
[32] MEN. (2016b). Informes estadísticos del SIET (sistema de información de educación
para el trabajo y el desarrollo humano). Descargado 2016-09-06, de
http://www.mineducacion.gov.co/1759/w3-article-353023.html
[33] Mondragón, C., Peña, X., y Wills, D. (2010). Labor market rigidities and informality
in Colombia (Documentos CEDE n.o 7). Facultad de Economía: Universidad de los Andes.
[34] Mora, J. J., y Muro, J. (2012). Persistence of informality in a developing country
(Borradores de Economía y Finanzas n.o 29). Departamento de Economía: Universidad
ICESI. doi: 10.2139/ssrn.2049980
[35] Puhani, P. (2000). The heckman correction for sample selection and its critique.
Journal of Economic Surveys, 14, 53–68. doi: 10.1111/1467-6419.00104
[36] Rodriguez, J., Urzua, S., y Reyes, L. (2016). Heterogeneous economic returns to post-
secondary degrees: Evidence from Chile. The Journal of Human Resources, 51, 416–460.
doi: 10.3368/jhr.51.2.0213-5474R1
[37] Sarmiento, A., González, J., Mina, L., Marcelo, D., Álvarez, S., Alonso, C., y Plazas,
E. (2009). Evaluación del impacto del SENA en el capital social de los egresados.
Coyuntura Económica, 39(2), 99-127.
[38] SENA. (2015). Clasificación Nacional de Ocupaciones C.N.O (Documento técnico
C.N.O n.o V. 2015). Bogotá: Observatorio Laboral y Ocupacional.
[39] SENA.(2016). Series estadísticas de formación titulada 2003-2012.
Descargado 2016-04- 14, de http://www.sena.edu.co/transparencia/gestion-de-
planeacion/Series%20Estadsticas/Ind_gest_titulada_nivel.pdf
[40] Surette, B. (1997). The Effects of Two-Year College on the Labor Market and
Schooling Experiences of Young Men. Board of Governors of the Fed Reserve System
Finance and Economics Discussion Series, 44(1).
32
[41] Uribe, J. P. (2013). ¿Puede una expansión educativa reducir la desigualdad? Un
ejercicio de microsimulaciones para Colombia. Coyuntura económica: investigación
económica y social, XLIII, 95-142.
A. Anexos
A.1 Estadística descriptiva
Cuadro A. 1: Estadísticas descriptivas
Variable N Media D.S
Características de línea base
Mujer 482,738 0.548 0.498
Edad 482,734 27.43 9.842
Estrato 1 o 2 466,829 0.822 0.382
Población vulnerable 482,738 0.255 0.436
Características del programa
Duración programa 482,738 2,420 880.8
Oferta cerrada 481,379 0.576 0.494
Presencial 482,738 0.855 0.352
Técnico 482,738 0.661 0.474
Tecnólogo 482,738 0.339 0.474
C. Aprendizaje 482,738 0.356 0.479
Resultados mercado formal
Cotizantes 482,738 0.541 0.498
Ingreso de enganche 238,530 844,432 441,326
Cotizantes antes 482,738 0.226 0.418
Ingreso anterior 113,110 762,148 430,570
Días cotizados 261,372 226.5 119.6
D. 1er trabajo 261,370 132.4 143.8
Notas: La variable estrato indica si el aprendiz pertenecía al estrato 1 o 2. Vulnerables
hace referencia a discapacitados, víctimas de la violencia, población carcelaria o personas en
proceso de reintegración.
Fuente: cálculos propios
33
A.2. Experimentos de política
A.2.1.Pruebas de dominancia estocástica
Cuadro A.2: Test de Kolmogorov-Smirnov
Simulación Total SENA
(3) Tratados
(3)
Escenarios sin focalizar (1)
Contrato de Aprendizaje L.B=34 %
40 % 0.013*** 0.248***
50 % 0.038*** 0.253***
60 % 0.063*** 0.25***
Tecnólogos
L.B=32 %
40 % 50 %
0.018***
0.039***
0.227***
0.221***
60 % 0.062*** 0.222***
Escenarios focalizados (2)
Contrato de Aprendizaje
L.B=34 %
40 % 50 %
0.02***
0.06***
0.395***
0.397***
60 % 0.099*** 0.396***
Tecnólogos L.B=32 %
40 % 0.027*** 0.353***
50 % 0.063*** 0.356***
60 % 0.098*** 0.355***
Notas: (1) Escenarios simulados sobre toda la población posiblemente a beneficiar de la política. (2) Escenarios cuyos potenciales beneficiarios se encuentran en el primer o segundo cuartil la distribución estimada. (3) La columna reporta el estadístico de prueba D: máxima diferencia entre la distribución simulada y la predicha por el modelo. H0: la distribución simulada es igual a la predicha H1: la distribución simulada es estocásticamente mayor que la predicha *** 1 % de significancia.
34
Cuadro A.3: Cambios en la mediana. Test de Wilcoxon
Total SENA Tratados
Simulación
Mediana de la
probabilidad
predicha
Mediana de la
probabilidad
Simulada W
Mediana de la
probabilidad
predicha
Mediana de la
probabilidad
Simulada W
Escenarios sin focalizar (1)
Contrato de Aprendizaje L.B=34 %
40 % 0.529 0.535 2.46E+10*** 0.398 0.559 2.46E+10*** 50 % 0.529 0.548 21.7E+10*** 0.397 0.558 21.7E+10***
60 % 0.529 0.558 60.2E+10*** 0.400 0.561 60.2E+10***
Tecnólogos
L.B=32 %
40 % 50 %
0.529
0.529 0.540
0.553 5.75E+10***
30.1E+10*** 0.423
0.425 0.572
0.574 5.75E+10***
30.1E+10*** 60 % 0.529 0.566 73.7E+10*** 0.424 0.573 73.7E+10***
Escenarios focalizados (2)
Contrato de Aprendizaje L.B=34 %
40 % 50 %
0.529 0.529
0.539 0.553
2.46E+10*** 21.7E+10***
0.288 0.290
0.441 0.443
2.46E+10*** 21.7E+10***
60 % 0.529 0.566 60.2E+10*** 0.290 0.442 60.2E+10***
Tecnólogos L.B=32 %
40 % 0.529 0.544 5.75E+10*** 0.302 0.446 5.75E+10***
50 % 0.529 0.559 30.1E+10*** 0.302 0.447 30.1E+10***
60 % 0.529 0.571 73.7E+10*** 0.302 0.447 73.7E+10***
Notas: la tabla reporta las medianas de la distribución predicha por el modelo y de las distribuciones de los escenarios simulados. (1) Escenarios simulado sobre toda la población posiblemente a beneficiar de la política. (2) Escenarios cuyos potenciales beneficiarios se encuentran en el primer o segundo cuartil la distribución estimada. (3) Presenta la estadistica W del “Wilcoxon signed rank testçon observaciones emparejadas H0: cambio de ubicación igual 0. H1: cambio es mayor a 0 *** 1 % de significancia
35
Cuadro A.4: Test F de razón de varianzas. Total SENA
Simulación
Varianza de la
probabilidad
condicional (3) Razón de varianzas
(4)
Escenarios sin focalizar (1)
Contrato de Aprendizaje L.B=34 %
40 % 0.058 0.057 0.989***
50 % 0.056 0.963***
60 % 0.054 0.935***
Tecnólogos
L.B=32 % 40 % 50 %
0.058 0.057 0.056
0.986*** 0.964***
60 % 0.054 0.936***
Escenarios focalizados (2)
Contrato de Aprendizaje L.B=34 %
40 % 50 %
0.058 0.056 0.051
0.962*** 0.882***
60 % 0.046 0.796***
Tecnólogos L.B=32 %
40 % 0.058 0.055
0.947*** 50 % 0.051 0.874***
60 % 0.046 0.795***
Notas: (1) Escenarios simulados sobre toda la población posiblemente a beneficiar de la política. (2) Escenarios cuyos potenciales beneficiarios se encuentran en el primer o segundo cuartil la distribución estimada. (3) La columna reporta la varianza de la distribución estimada y de las distribuciones de los escenarios simulados. (4) Razón entre la varianza de la distribución simulada y la varianza de la distribución predicha por el modelo. Ho: La razón de varianzas es igual a 1 *** 1 % de significancia.
Cuadro A.5: Test F de razón de varianzas. Tratados
Simulación
Varianza de la
probabilidad
condicional (3) Razón de varianzas (4)
Escenarios sin focalizar (1)
Contrato de Aprendizaje L.B=34 %
40 % 0.064 0.055 0.86***
50 % 0.054 0.858***
60 % 0.054 0.855***
Tecnólogos
L.B=32 % 40 % 50 %
0.055 0.049 0.050
0.888*** 0.888***
60 % 0.050 0.889***
Escenarios focalizados (2)
Contrato de Aprendizaje L.B=34 %
40 % 50 %
0.013 0.019 0.019
1.406*** 1.408***
60 % 0.019 1.408***
Tecnólogos L.B=32 %
40 % 0.014 0.019
1.342*** 50 % 0.019 1.343***
60 % 0.020 1.343***
Notas: (1) Escenarios simulados sobre toda la población posiblemente a beneficiar de la política. (2) Escenarios cuyos potenciales beneficiarios se encuentran en el primer o segundo cuartil la distribución estimada. (3) La columna reporta la varianza
36
de la distribución estimada y de las distribuciones de los escenarios simulados. (4) Razón entre la varianza de la distribución simulada y la varianza de la distribución predicha por el modelo. Ho: La razón de varianzas es igual a 1 *** 1 % de significancia.
Cuadro A 6: Pruebas de dominancia estocástica. Políticas CAP vs tecnólogo
Test (1) Escenario (2) CAP>TG (3) CAP<TG (4)
F 40% 0.128 0.872
F 50% 0.540 0.460
F 60% 0.695 0.305
KS 40% 0.959 0.000
KS 50% 0.083 0.000
KS 60% 0.000 0.000
t 40% 1.000 0.000
t 50% 1.000 0.000
t 60% 1.000 0.000
w 40% 1.000 0.000
w 50% 1.000 0.000
w 60% 0.482 0.518
Notas: la tabla reporta los p-values para la hipótesis nula de igualdad de varianzas,
distribuciones, medias y medianas entre los escenarios de cambio de tecnólogo y CAP. Se muestran los resultados de la iteración aleatoria número 50, siendo estos
robustos a tomar otra iteración aleatoria o la distribución de las 50 iteraciones o (1)
F:Test F de razón de varianza; KS: test de Kolgomorov Smirnov; t: test t de igualdad de medias: w: test de Wilcoxon para cambios en posición (medianas) (2)
Escenarios simulados. Se comparan las políticas al mismo nivel, por ejemplo, una
proporción de 50% de CAP vs 50% de tecnólogo (3) Los resultados de la política de CAP dominan estocásticamente a los de tecnólogo (4) Los resultados de la
política de tecnólogo dominan estocásticamente a los de CAP.
Cuadro A 7: Pruebas de dominancia estocástica. Políticas focalizadas CAP vs tecnólogo
Test (1) Escenario (2) CAP>TG (3) CAP<TG (4)
F 40% 0.000 1.000
F 50% 0.001 0.999
F 60% 0.319 0.681
KS 40% 0.932 0.000
KS 50% 0.173 0.000
KS 60% 0.005 0.000
t 40% 1.000 0.000
t 50% 1.000 0.000
t 60% 0.998 0.002
w 40% 1.000 0.000
w 50% 0.000 1.000
w 60% 0.000 1.000
Notas: la tabla reporta los p-values para la hipótesis nula de igualdad de varianzas,
distribuciones, medias y medianas entre los escenarios de cambio de tecnólogo y CAP. Se muestran los resultados de la iteración aleatoria número 50, siendo estos robustos a tomar
otra iteración aleatoria o la distribución de las 50 iteraciones o (1) F:Test F de razón de
varianza; KS: test de Kolgomorov Smirnov; t: test t de igualdad de medias: w: test de Wilcoxon para cambios en posición (medianas) (2) Escenarios simulados. Se comparan las
políticas al mismo nivel, por ejemplo, una proporción de 50% de CAP vs 50% de tecnólogo
(3) Los resultados de la política de CAP dominan estocásticamente a los de tecnólogo (4) Los resultados de la política de tecnólogo dominan estocásticamente a los de CAP.
37
A.1.2.Densidades de la probabilidad de formalidad laboral
Figura A.1: Densidad de la probabilidad de formalidad laboral. Total SENA sin focalización
Probabilidad Probabilidad
Notas: estimación kernel de la densidad de la probabilidad condicional de formalidad
laboral. Escenario base corresponde a la probabilidad predicha por el modelo 1. Los
escenarios alternativos reflejan los objetivos de política.
Figura A.2: Densidad de la probabilidad de formalidad laboral. Total SENA con focalización
Probabilidad Probabilidad
Notas: estimación kernel de la densidad de la probabilidad condicional de formalidad
laboral. Escenario base corresponde a la probabilidad predicha por el modelo 1. Los
escenarios alternativos reflejan los objetivos de política.
38
Figura A.3: Densidad de la probabilidad de formalidad laboral. Tratados sin focalización
Probabilidad Probabilidad
Notas: estimación kernel de la densidad de la probabilidad condicional de formalidad
laboral. Escenario base corresponde a la probabilidad predicha por el modelo 1. Los
escenarios alternativos reflejan los objetivos de política.
Figura A.4: Densidad de la probabilidad de formalidad laboral. Tratados con focalización
Probabilidad Probabilidad
Notas: estimación kernel de la densidad de la probabilidad condicional de formalidad
laboral. Escenario base corresponde a la probabilidad predicha por el modelo 1. Los
escenarios alternativos reflejan los objetivos de política.