Desajuste ocupacional de los egresados universitarios:
Un análisis ordinal con enfoque hacia carreras
de ciencia y tecnología
Miguel Angel Ortiz Chávez
Ponticia Universidad Católica del Perú
maortiz@pucp.edu.pe
Nuria Yanella Rodríguez Córdova
Universidad Nacional Mayor de San Marcos
10120293@unmsm.edu.pe
Carlos Rojas Quiroz
Universidad Carlos III de Madrid
carojasq@eco.uc3m.es
Recibido: 15/05/2018
Aprobado: 06/10/ 2020
ISSN: 2077-4168
10.34236/rpie.13.2020_1
R E V I S T A P E R U A N A D E I N V E S T I G A C I Ó N E D U C A T I V A
2 0 2 0 , N o . 1 3 , p p . 7 - 3 7
8 I
Miguel A. Ortiz, Nuria Rodríguez y Carlos Rojas
Resumen
El objetivo de esta investigación es explicar el desajuste ocupacional de los
recién egresados universitarios considerando las diferencias entre carreras de
Ciencias, Ingeniería, Matemáticas y Tecnología (CIMTEC) y las demás carre-
ras profesionales. Se distinguieron dos tipos de desajuste de acuerdo con su
grado de severidad. En términos generales, el desajuste ocupacional llegó a
representar el 60.7 % de los recién egresados universitarios, siendo mayor en
los trabajadores CIMTEC. Sin embargo, la mayor parte de ellos se encontraba
en desajuste leve, a diferencia de los egresados de otras carreras profesionales,
donde sucede el fenómeno contrario. Para evaluar los determinantes del des-
ajuste ocupacional se utilizó un modelo Logit Ordinal Generalizado Parcial
(LOGP). Se determinó que las características de la familia y las condiciones en
que fue recibida la educación superior inciden signicativamente en la proba-
bilidad de encontrarse en desajuste ocupacional.
Palabras clave: economía del trabajo, universidad, ciencia y tecnología.
Clasicación JEL: I21, J24 y J44
Labor Market Mismatch In University Graduates:
An Ordinal Analysis With Focus
On Science And Technology Careers
Abstract
e objective of this paper is to explain labor market mismatch in recently uni-
versity graduates considering dierences by Science, Technology, Engineer and
Mathematics (STEM) careers and other careers’ graduates. We distinguish two
types of labor mismatch: minor and major. In general, 60.7 % of graduates are in
labor market mismatch, being larger in STEM workers than in non-STEM wor-
kers. However, most STEM workers are in minor mismatch, while the opposite
phenomenon occurs in non-STEM workers. We use a Partial Generalized Ordi-
nal Logit (PGOL) model to assess its determinants. e results show that family
characteristics and the way how education was imparted have a signicant eect
on the probability of being in labor market mismatch.
Keywords: labor economics, universities, Science and Technology.
I 9
Desajuste ocupacional de los egresados universitarios
Introducción
De acuerdo con la Encuesta Nacional de Hogares (ENAHO) en el periodo
2007-2016, considerando a aquellos entre 25 y 34 años, la población con edu-
cación universitaria pasó de 481 000 a 605 000 personas, lo que signicó un
incremento promedio anual de 2.6 %, pasando de representar el 11.5 % al 14.4
% de la población general. Un tercio de ellos pertenecía a carreras de Ciencias,
Ingeniería, Matemática y Tecnología (CIMTEC). Al mismo tiempo, de acuer-
do con el Ministerio de Educación, los matriculados en universidades pasaron
de 650 000 en 2007 a 1 217 000 en 2015, lo que signicó un crecimiento pro-
medio anual de 8.2 %. Este incremento se dio principalmente en universidades
privadas, donde el crecimiento fue de 11.1 %, mientras que en universidades
públicas creció a una tasa de 3.3 %.
Por otro lado, la Encuesta Nacional de Empresas 2015 mostró que casi
un tercio de las empresas tiene dicultades para cubrir sus puestos de traba-
jo, señalando como principales motivos la falta de experiencia (51.2 %) y de
formación académica o técnica requerida (40.1 %).
Es decir, nos encontramos en un escenario donde la población profesio-
nal es cada vez mayor y el sector productivo tiene dicultades para cubrir su
demanda de personal calicado. Esto, en un contexto de constante crecimiento
económico y creación de nuevas empresas, debería ejercer presión sobre la de-
manda de profesionales. Sin embargo, este mismo escenario podría estar gene-
rando ese problema, ya que la oferta formativa podría no estar adaptándose a
la dinámica del crecimiento de los sectores productivos y a los cambios tecno-
lógicos e innovaciones que desarrollan las empresas en el proceso. Este patrón
observado es importante, ya que la educación universitaria es fundamental
para una economía y una sociedad del conocimiento; además, la formación
brindada en las universidades permite responder y anticipar necesidades
sociales (Corilloclla y Granda, 2014).
La evidencia empírica para el caso peruano muestra que parte de los tra-
bajadores con educación superior labora en ocupaciones que requieren una
menor cualicación respecto a la formación que recibieron. Esta es una cons-
tante preocupación en el análisis del mercado laboral porque “impide que los
países aprovechen todo el potencial de su fuerza de trabajo y limita el crecimiento
de la productividad” (OIT, 2014, p. 25). Esta brecha puede ampliarse si los pro-
fesionales no cumplen con los estándares exigidos por el mercado (Yamada,
2016), teniendo efectos negativos en el ingreso laboral. Estos efectos han sido
estimados en un rango entre el 8 % y el 16 % del ingreso laboral (Rodríguez,
2016)y de un panel de la misma encuesta para los años 2007 a 2011. La esti-
mación de modelos logit mostró evidencia de que vivir en zonas rurales, tra-
bajar en empresas de menos de diez trabajadores, ser asalariado, entre otras,
son características que se asocian positivamente con la probabilidad de estar
sobreeducado. Los resultados sobre los ingresos se estimaron a partir de los
modelos de Verdugo y Verdugo, y de Duncan y Homan, tanto con datos de
10 I
Miguel A. Ortiz, Nuria Rodríguez y Carlos Rojas
corte transversal como con datos de panel (mediante efectos jos y mediante
variables instrumentales.
La presente investigación tiene como población objetivo a los egresados
universitarios recientes, entendidos como aquellos que han culminado sus es-
tudios en un horizonte máximo de cinco años. Así, busca complementar otros
estudios sobre este tema que en su mayoría toman como objetivo a la pobla-
ción con educación universitaria sin considerar el tiempo de egreso (Burga y
Moreno, 2001; Herrera, 2005; MTPE, 2014; Rodríguez, 2016). El motivo de
esta elección da relieve al proceso de inserción laboral de personal calicado,
momento de la línea de carrera de los trabajadores considerado clave para un
futuro laboral exitoso (Rahona, 2008).
El análisis teórico nos lleva a concluir que el desajuste ocupacional es un
problema que tiene diversos niveles de intensidad. Sin embargo, la literatura
revisada sobre los determinantes del desajuste ocupacional se suele operacio-
nalizar principalmente en modelos dicotómicos (logit o probit), donde solo
se tiene en cuenta la probabilidad de encontrarse o no en desajuste. Por ello,
este estudio aplica un modelo logit ordinal que se ajusta mejor al fenómeno
estudiado.
Este estudio permitirá mostrar las características de los egresados de ca-
rreras CIMTEC y analizar las principales diferencias respecto al resto. Además,
buscará observar cómo los factores asociados al desajuste afectan de manera
diferenciada a los egresados según el grupo de carrera al que pertencen, me-
diante simulaciones del modelo. Ello permitirá estudiar el problema de escasez
de personal calicado en áreas de Ciencia y Tecnología.
El artículo está dividido en cinco secciones. Luego de esta introducción,
se desarrolla el marco teórico, donde se conceptualiza el desajuste ocupacional
y su medición, y se detallan las teorías que la explican y que se utilizan en el
modelo. En la tercera sección se detalla la forma en la cual se calculó el desajus-
te en sus dos niveles (leve y grave) y se explica el modelo econométrico usado
para hallar los determinantes del desajuste. En la cuarta sección se presenta
un análisis descriptivo del indicador y los resultados de las estimaciones de las
regresiones econométricas. Finalmente, en la quinta sección se presentan las
conclusiones.
Marco teórico
El desajuste ocupacional es la falta de compatibilidad entre el nivel de edu-
cación que adquiere un trabajador y el que requiere la ocupación donde se
desempeña. Especícamente, el documento se enfoca en una variante de este
problema: el fenómeno conocido como sobreeducación, que reere a la po-
sesión de un nivel educativo superior al requerido por el puesto de trabajo
(Madrigal, 2003).
Si bien no todas las cualicaciones se obtienen en la educación formal,
ya que también existen las habilidades innatas o la formación en el trabajo,
I 11
Desajuste ocupacional de los egresados universitarios
la relación entre educación y empleo ha sido ampliamente estudiada en la
literatura económica.
Diversas teorías han buscado explicar el desajuste ocupacional. Una de
ellas es la teoría del emparejamiento, según la cual los desajustes se derivan
de la existencia de información imperfecta en el mercado de trabajo (Spence,
1973). La información es imperfecta tanto para el aspirante a empleado, quien
solo tendrá algunas referencias respecto al nivel de salarios y la reputación de
la empresa, como para el empleador, que tomará el currículum de los postulan-
tes como una aproximación a sus capacidades personales y profesionales. Sin
embargo, estas “señales” no brindan una buena aproximación al empleado y al
empleador para tomar la mejor decisión; además, acceder a un nivel mayor de
información incrementa los costos de búsqueda, por lo que el resultado en el
corto plazo puede ser el desajuste. De esta manera, en un inicio puede darse un
equilibrio ineciente.
Por otro lado, de acuerdo con la teoría de movilidad profesional de Si-
cherman y Galor (1990), al inicio de su vida laboral los trabajadores buscan,
de manera racional, empleos que requieren un menor nivel educativo del que
tienen porque “responden a una estrategia para maximizar el ujo de ingresos
de individuos a lo largo de su trayectoria laboral” (Rahona, 2008, p. 23). Luego
de acumular experiencia y conocimientos útiles, existen altas posibilidades de
ser promovido, postular a mejores puestos de trabajo y desarrollar su carrera
laboral. Este hecho es previsto por los individuos, quienes maximizan sus in-
gresos esperados dependiendo de las probabilidades de ascenso y de los ingre-
sos observados en el mercado, teniendo en cuenta la educación adquirida, la
experiencia laboral y sus habilidades.
Para el caso peruano, ambas teorías serían complementarias, ya que el
mercado de profesionales se caracteriza por tener una oferta educativa univer-
sitaria muy heterogénea con respecto a la calidad (Yamada et al., 2014), y ade-
más existe una baja productividad laboral. Por tanto, la calidad de las universi-
dades y otras características observables pueden dar señales al mercado sobre
la productividad del trabajador. A su vez, la brecha en productividad llevaría a
los egresados a preferir en un primer momento la acumulación de experiencia,
aún en ocupaciones de menor calicación.
Ambas teorías explican el proceso que origina el desajuste; sin embargo,
no se puede concluir que el desajuste es un fenómeno temporal. La evidencia
empírica muestra que el problema puede ser persistente. Leuven y Oosterbeek
(2011) muestran que el acceso a un empleo adecuado se da solo para una pro-
porción de trabajadores en desajuste, mientras que el resto permanece en esa
situación, probablemente porque carecen de habilidades necesarias para rea-
lizar trabajos más exigentes, convirtiéndose en algunos casos en un fenómeno
permanente.
Por lo tanto, se debe explorar otras posibles determinantes. Para el caso
peruano, la evidencia muestra la importancia del rol que cumple el origen ét-
nico y socioeconómico, que puede generar discriminación en el mercado la-
12 I
Miguel A. Ortiz, Nuria Rodríguez y Carlos Rojas
boral, es decir que el postulante perteneciente a un grupo particular es tratado
de manera distinta e injusta, a diferencia de otras personas con similar nivel
educativo y de productividad. Estudios como los de Yamada et al. (2012) y
Galarza et al. (2012) muestran a través de experimentos aleatorios que, efecti-
vamente, tal discriminación existe en el mercado laboral para ser seleccionado
en un empleo. Así, el origen étnico y socioeconómico afectan negativamente
el proceso de ajuste ocupacional, ya que al tener una menor probabilidad de
encontrar un empleo adecuado rápidamente, el egresado tiene que elegir entre
opciones menos favorables o el desempleo.
Teniendo en cuenta esto, se plantea que el desajuste ocupacional tiene ni-
veles de intensidad, los cuales se pueden diferenciar en dos grupos. El primero
está formado por aquellos que se encuentran en esa situación de manera tran-
sitoria, con el n de adquirir conocimientos y habilidades mientras se ubican
en un puesto adecuado, acorde con sus estudios. Asimismo, existe un segundo
grupo que permanece en esa situación, cuyos problemas para acceder a un
empleo adecuado probablemente sean más estructurales.
Adicionalmente, se busca determinar el grado en que los egresados de ca-
rreras CIMTEC acceden posteriormente a empleos relacionados con la Cien-
cia y Tecnología. Los cambios tecnológicos de las últimas décadas han bene-
ciado, principalmente, a los trabajadores más calicados, que tienen mayor
complementariedad con el capital físico y que se adaptan mejor a los cambios
tecnológicos (MTPE, 2014). Así, el cambio tecnológico afecta al desajuste ocu-
pacional debido a que algunas empresas no son capaces de adecuarse a las
nuevas tecnologías y pueden decidir contratar personal sobrecalicado con
el n de protegerse de futuros cambios. Asimismo, los conocimientos adqui-
ridos por algunos profesionales pueden caer en desuso rápidamente (Rodrí-
guez, 2016)y de un panel de la misma encuesta para los años 2007 a 2011. La
estimación de modelos logit mostró evidencia de que vivir en zonas rurales,
trabajar en empresas de menos de diez trabajadores, ser asalariado, entre otras,
son características que se asocian positivamente con la probabilidad de estar
sobreeducado. Los resultados sobre los ingresos se estimaron a partir de los
modelos de Verdugo y Verdugo, y de Duncan y Homan, tanto con datos de
corte transversal como con datos de panel (mediante efectos jos y median-
te variables instrumentales. Debido a esto, es necesario que los trabajadores
tengan una actualización permanente en el uso de nuevas tecnologías que van
más allá de lo que comúnmente se entiende por educación formal, siendo las
personas con mayor nivel educativo las que se adaptan más fácilmente a estos
cambios. Por estos motivos, se plantea que existe un comportamiento diferen-
ciado para los egresados de carreras CIMTEC en los diferentes niveles de des-
ajuste propuesto.
Por tal motivo, nuestro interés no solo es medir un desajuste vertical,
es decir entre categorías ocupacionales, sino también analizar el desajuste
horizontal, que tenga en cuenta las diferencias del tipo de formación recibi-
da (CIMTEC o no). Por ello, para medir el desajuste ocupacional elegimos
I 13
Desajuste ocupacional de los egresados universitarios
el método de análisis del puesto de trabajo (job analysis)
1
, basado en la in-
formación contenida en las clasicaciones de ocupación y que utiliza el empa-
rejamiento entre la ocupación actual y la carrera estudiada (Rumberger, 1987).
Su principal indicador es la brecha existente entre las cualicaciones requeri-
das en cada grupo ocupacional y el nivel educativo que se necesita para cum-
plir con dichos requerimientos.
En este punto debemos aclarar, además, que con este método no se pre-
tende medir la incompatibilidad de competencias y habilidades, como señala
Halaby (1994), sino explorar diferencias relevantes que den luces a la política
educativa universitaria en general.
En el Perú, los estudios de la década del 90 enfatizaron que la crisis y las
políticas de ajuste estructural consolidaron el cuestionamiento a la educación
superior como garantía de un puesto de trabajo o una remuneración adecuada,
y arraigaron la idea del “profesional-taxista” en la sociedad. Así, las mediciones
realizadas, con el método de análisis de puestos de trabajo, mostraban que casi
la mitad de la población universitaria de Lima Metropolitana se encontraba en
desajuste (McLauchlan de Arregui, 1993; Rodríguez, 1995), siendo mayor para
las carreras de Ciencias Sociales y Humanidades. Para nales de la década, el
desajuste se había reducido a 46.5 % (MTPE, 2000).
Estudios más recientes exploraron el tema utilizando diversos métodos de
medición. Herrera (2005) señala que el desajuste se debe a la rápida expansión
de egresados de ciertas especialidades, lo cual generó una sobreoferta laboral y
trajo como consecuencia una pérdida de productividad y menor rendimiento
de la empresa, encontrando para los ocupados una sobreeducación de 38.3 %.
Por su parte, Rodríguez (Rodríguez, 2016)y de un panel de la misma encuesta
para los años 2007 a 2011. La estimación de modelos logit mostró evidencia de
que vivir en zonas rurales, trabajar en empresas de menos de diez trabajadores,
ser asalariado, entre otras, son características que se asocian positivamente con
la probabilidad de estar sobreeducado. Los resultados sobre los ingresos se esti-
maron a partir de los modelos de Verdugo y Verdugo, y de Duncan y Homan,
tanto con datos de corte transversal como con datos de panel (mediante efectos
jos y mediante variables instrumentales señala que la calidad de la educación
y las características de la demanda laboral en un contexto de cambio tecnoló-
gico serían causas importantes de la sobreeducación. Para la medición utiliza
cuatro indicadores (Clogg; De Grip; Gottschalk y Hansen; y Quinn y Rubb).
De acuerdo con sus resultados, los trabajadores con educación universitaria
tuvieron sobreeducación de 32.9 %, 49.0 %, 61.1 % y 38.5 %, según el indicador
utilizado.
1. Los otros métodos se agrupan en dos: i) de autovaloración, basados en la opinión de
los egresados acerca de los requisitos mínimos para desempeñarse adecuadamente en
su empleo; ii) métodos estadísticos que consideran como principal indicador los años
de educación promedio más/menos una desviación estándar o el nivel educativo más
frecuente (moda) que tienen los trabajadores que laboran en una ocupación.
14 I
Miguel A. Ortiz, Nuria Rodríguez y Carlos Rojas
Determinantes del desajuste ocupacional
Leuven y Oosterbeek (2011), Battu et al. (1999) y Frenette (2004) resaltan que
son cuatro los factores más preponderantes asociados al desajuste: i) el sexo,
debido a las posibilidades restringidas de las mujeres en contextos donde las
brechas salariales son altas; ii) la edad, ya que los más jovenes estarían en pro-
ceso de acumular experiencia y, por tanto, su probabilidad de insertarse en
un empleo adecuado es más limitada que la de sus pares de mayor edad; iii)
la etnia, debido a la distinta educación recibida, la diferencia de lenguas y la
discriminación; iv) las habilidades, siendo la característica más complicada de
obtener, puesto que en muchos casos se trata de variables no observadas. Otros
factores considerados son los años utilizados en completar el grado; el grupo
de carrera y la experiencia laboral; y, nalmente, el posgrado académico.
Los factores mencionados han sido corroborados para el caso peruano
(MTPE, 2000; Burga y Moreno, 2001): la probabilidad de ser subutilizado se in-
crementa con el nivel educativo, el ser mujer, la condición socioeconómica, ser
casado, estudiante de institución pública y no llevar cursos de capacitación. Un
estudio más reciente (MTPE, 2014) determinó que los principales determinantes
son: residir en la sierra, ser joven y con pocos años de experiencia, no llevar ningún
programa de enseñanza, ser independiente y tener un empleo de baja calidad.
En cuanto al factor étnico, existe evidencia para el caso peruano de dis-
criminación en el mercado laboral. De acuerdo con Yamada y Galarza (2012),
un postulante blanco tiene una probabilidad 10.8 % mayor que la de un pos-
tulante de origen quechua de ser llamado para una vacante en un empleo de
nivel profesional. Galarza y Yamada (2012) señalan que este resultado puede
ser coherente con aspectos como la capacidad para las interacciones sociales y
la existencia de conexiones sociales, las cuales son importantes para los traba-
jos profesionales. Por su parte, Kogan et al. (2013), por medio de un estudio de
casos a grandes empresas, muestran que estas aún mantienen criterios encu-
biertos para discriminar según el nivel socioeconómico de las personas.
Adicionalmente, Yamada et al. (2014) dan cuenta de que la calidad univer-
sitaria inuye en la probabilidad de encontrarse subempleado y, a la vez, afecta
a los ingresos si se compara con los adecuadamente ocupados. Estas brechas se
mantuvieron durante el periodo 2004-2012, pese a la expansión económica ex-
perimentada en ese periodo, y tendrían su origen en la Ley de Promoción de la
Inversión en Educación de 1995, que expandió considerablemente el mercado
de educación universitaria.
I 15
Desajuste ocupacional de los egresados universitarios
Marco metodológico
Base de datos
La principal fuente de información del presente estudio es la Encuesta Nacio-
nal de Egresados Universitarios y Universidades (ENEUU) realizada en el año
2014 por el Ministerio de Educación y el INEI (Instituto Nacional de Estadís-
tica e Informática) (INEI, 2015). Esta encuesta contiene información adicional
sobre las condiciones en que se recibió la educación y la satisfacción con res-
pecto a esta, así como su desempeño educativo, que serán utiles para una mejor
especicación del modelo propuesto.
• En su elaboración, se entrevistó a 10 564 egresados de 93 universidades,
utilizando como marco muestral la población del II Censo Nacional Uni-
versitario 2010, considerando, al momento de la encuesta, a los egresados
con al menos un año de egreso, con menos de tres años de atraso de es-
tudios en el curso de su carrera y cuya edad no supere los 25 años en una
carrera de 5 años hasta los 27 años en una carrera universitaria de 7 años.
Al restringir el estudio a la población que se encuentra trabajando, la
muestra se reduce a 9216 personas, las cuales representan el 87.6 % del total de
la población.
Medición del desajuste ocupacional
Para la medición del desajuste ocupacional, primero se clasicaron las carreras
profesionales en CIMTEC y no CIMTEC, para luego denir qué ocupaciones
corresponden a cada tipo, con el n de realizar el emparejamiento entre ambas.
Para las carreras CIMTEC, se denieron las carreras de nivel terciario se-
gún la International Standard Classication of Education (ISCED) y su corres-
pondencia en el Código de Carreras de Educación Superior y Técnico Pro-
ductivas del INEI. De este modo, los egresados universitarios corresponden
a los niveles 6 y 7 de esa clasicación. Para denir qué carreras pertenecen al
grupo CIMTEC, nos basamos en los criterios de Corilloclla y Granda (Corillo-
clla Terbullino y Granda Sandoval, 2014), que consideran carreras CIMTEC a
aquellas ubicadas en los campos de Ciencias Naturales, Exactas y de la Compu-
tación; Ingeniería, Industria y Construcción; Agropecuaria y Veterinaria; y de
Ciencias de la Salud (excepto enfermería y obstetricia)
2
de nivel universitario.
Para el caso de las ocupaciones CIMTEC, primero nos basamos en las re-
comendaciones del Manual de Canberra (OECD, 1995) sobre Recursos Huma-
nos en Ciencia y Tecnología (Human Resources in Science and Technology –
HRST), que solo pueden ser realizados por trabajadores de nivel universitario
2. Se considera a las carreras de Ingeniería Civil e Ingeniería Industrial como CIMTEC.
16 I
Miguel A. Ortiz, Nuria Rodríguez y Carlos Rojas
(es decir, una ocupación que no sea técnica, intermedia o elemental). Dado que
no existe una clasicación formal de ocupaciones CIMTEC para el caso perua-
no
3
, utilizamos como referencia el listado de ocupaciones STEM de la Ocina
de Estadísticas Laborales de Estados Unidos
4
, además de las recomendaciones
de Carnivale et al. (2011) y Beede et al. (2011).
Finalmente, para el caso de trabajadores CIMTEC, se considerará que es-
tán en desajuste ocupacional si cumplen con algunos de estos dos criterios:
• Que no se encuentre en un empleo de nivel superior según los criterios del
Manual de Canberra.
• Que, aun encontrándose en empleos de nivel superior, no se encuentre
dentro de una ocupación correspondiente a CIMTEC.
Asimismo, dentro del grupo de desajuste se considerarán dos niveles (des-
ajuste leve y desajuste grave) siguiendo los siguientes criterios para el caso de
CIMTEC:
• Desajuste leve, si se encuentra en una ocupación profesional pero no
CIMTEC o una ocupación de nivel técnico CIMTEC.
• Desajuste grave, si se encuentra en una ocupación de nivel técnico no
CIMTEC o en una inferior al nivel profesional o técnico.
Similar consideración se tiene para el caso de trabajadores no CIMTEC.
Factores asociados al desajuste ocupacional
Para hallar los factores asociados a la inserción adecuada de un egresado a un
puesto de trabajo, primero se realiza un análisis que permite un ajuste a un po-
sible sesgo de selección (Heckman, 1979), dado que solo conocemos el estado
de desajuste de aquellos que tienen empleo. Para solucionarlo, se desarrolla
primero un modelo probit con una variable dependiente que asume el valor de
1 si el egresado está incorporado en el mercado laboral y 0 si no está. Esto reve-
lará los principales determinantes de la participación en el mercado de trabajo
y también servirá para calcular el ratio inverso de Mills para evitar el problema
de sesgo de selección en el modelo.
Luego, siguiendo la teoría del emparejamiento y de la movilidad profe-
sional, se emplea un modelo econométrico del tipo Logit Ordinal. La razón de
esta selección se debe a que algunos niveles de desajuste pueden ser “deseados”
3. Que utiliza el Código Nacional de Ocupaciones de 1995 (CO-95), vigente al momento
de realizarse y codicarse la encuesta.
4. La lista de ocupaciones STEM se obtuvo de la web de la Bureau of Labor Statistics
de Estados Unidos: https://www.bls.gov/oes/stem_list.xlsx. Visita del 11 de enero de
2017.
I 17
Desajuste ocupacional de los egresados universitarios
por los egresados, debido a que esperan que ello les ayude a mejorar sus ha-
bilidades técnicas e incrementar su experiencia laboral. Este tipo de desajuste
es el que se ha identicado como desajuste leve, que, además, es una situación
preferida al desajuste grave. Por lo tanto, una regresión con este tipo de modelo
se ajustaría mejor a las características de los egresados peruanos.
Utilizamos una versión generalizada del modelo, el Modelo Logit Ordinal
Generalizado Parcial (Williams, 2006). Este asume el criterio de paralelismo,
donde el efecto de las variables independientes no varía o es el mismo entre los
diferentes puntos de corte de la variable dependiente. Para ello, a las variables
elegidas para el modelamiento se les aplicó el test de Brant para determinar si
cumplían con el criterio de paralelismo. Los resultados, mostrados en el anexo
1, indican que este se cumple para la mayoría de las variables.
El modelo es generalizado parcial porque en aquellas variables en las que
se cumple el supuesto de paralelismo el cálculo de probabilidades tiene la for-
ma del logit ordinal, y se denota
(1)
Mientras que en aquellas que no cumplen este supuesto la formula (2)
cambia ligeramente para incluir coecientes no constantes (), denotándose
como
(2)
La variable dependiente del modelo es el nivel de desajuste, que tomará
tres valores: desajuste grave, desajuste leve y adecuadamente empleado, e inclu-
ye el ratio inverso de Mills para ajustar el sesgo de selección (3). La estimación
de los modelos nos permitió inferir el efecto marginal de una variable en la
probabilidad de pasar de un estado a otro.
(3)
Donde:
X
i
= Vector de variables independientes
λ = Ratio inverso de Mills
18 I
Miguel A. Ortiz, Nuria Rodríguez y Carlos Rojas
Esta propuesta econométrica fue estimada utilizando tres modelos con
diferentes vectores de variables independientes
5
. En el primer modelo se
seleccionaron las variables usuales para este caso de problemas, como la edad
(en meses), el sexo, la etnicidad (autoidenticación y lengua materna, sepa-
rando aquellos de etnias quechua, aimara y amazónicas de los otros), el nivel
socioeconómico (condición de vivienda; materiales de paredes, piso y techo;
así como acceso a agua y electricidad) y las habilidades.
Al no contar con un instrumento de medición de habilidades, se utiliza-
ron las siguientes variables para aproximarnos a ello: información del cuadro
de mérito universitario (tercio, quinto o décimo superior); nivel educativo de
los padres, dado que muchas habilidades se adquieren en etapas tempranas de
la vida (Céspedad et al., 2016); y repetición del año en educación básica.
En un segundo modelo se añadieron variables sobre características de
los egresados que la ENEUU nos permite obtener, como los años que tardó el
individuo en completar el grado (diferencia entre el año de ingreso y egreso).
Los meses empleados, en niveles y al cuadrado. Se utilizará la variable proxy
“tiempo desde que egresó”, medida como la diferencia entre la fecha de egreso
y la encuesta. Y si el egresado llevó o se encuentra estudiando maestrías, doc-
torados o cursos de especialización.
En una tercera regresión se añaden características como residir en Lima
y Callao y estudiar en universidad privada, que en las estadísticas descripti-
vas mostraron mayor diferencia entre trabajadores con empleo adecuado y en
desajuste (ver tabla 1). También tomamos la consideración de Yamada et al.
(2014), con lo cual se crea una variable que captura el año de creación de la
universidad, tomando el valor de 1 si fue creada antes de 1995 y 0 en ese año o
posterior. Además, se agrega una variable dicotómica que toma el valor de 1 si
su universidad estaba dentro de las 10 primeras del ranking SUNEDU (2018).
Finalmente, se agrega si el trabajador nanció sus estudios trabajando, como
indicador de que no utilizó el tiempo exclusivamente para estudiar.
Esta estimación por grupos se realizó para avaluar si la incorporación de
nuevas variables, consideradas importantes en el contexto nacional, era rele-
vante en el modelo. Posteriores pruebas de robustez, como el test de Wald y de
Likelihood, mostraron que el tercer modelo, que incluye todas las variables, es
el que mejor se ajusta.
Una vez determinado el mejor modelo, se procede al análisis de efectos
marginales. Los efectos marginales muestran resultados incrementales y, por
tanto, diferentes en cada nivel. Este análisis es útil puesto que podremos ver
cómo afectan las variables independientes seleccionadas a la probabilidad de
encontrarse en cada categoría de desajuste: leve, grave, ajuste.
5. En los tres modelos se toma como variables de control el grupo de carrera (Ciencias
de la Salud; Agropecuaria y Veterinaria; Ingeniería, Industria y Construcción;
Ciencias Naturales, Exactas y de la Comunicación; Ciencias Sociales, Comerciales y
Derecho; y Humanidades y Arte) y si trabaja en el sector público.
I 19
Desajuste ocupacional de los egresados universitarios
Resultados
Análisis descriptivo
El desajuste ocupacional de todos los egresados ha sido estimado en 60.7 %
en la ocupación principal; mientras que, para el caso de egresados de carreras
CIMTEC, esta cifra asciende a 64.0 %. Sin embargo, al separar el desajuste por
niveles leve y grave, se muestra que en carreras CIMTEC el 37.3 % se encuentra
en desajuste leve y el 26.7 % en desajuste grave. En cambio, solo el 19.6 % de
egresados de carreras no CIMTEC se encuentra en desajuste leve, mientras que
39.1 % se encuentran en desajuste grave.
Analizando diversas variables (ver tabla 1), se observa que el desajuste es
más pronunciado en hombres que en mujeres (63.3 % y 58.7 %), manteniéndo-
se tanto para egresados CIMTEC como no CIMTEC. En parte, esta diferencia
se podría explicar por la menor participación de las mujeres en el mercado
laboral, en casos donde más mujeres optan por salirse del mercado laboral (de
manera temporal o permanente) ante un trabajo de baja calidad para realizar
actividades dentro del hogar, tal como lo han señalado McConnel et al. (2007).
Figura 1. Perú: Desajuste ocupacional de egresados universitarios por tipo de carrera, 2014
(porcentaje)
Nota. Elaboración propia sobre la base de la Encuesta Nacional de Egresados Universitarios
y Universidades del INEI (2014).
20 I
Miguel A. Ortiz, Nuria Rodríguez y Carlos Rojas
Por otro lado, los egresados de universidades públicas se encuentran con
un mayor porcentaje de desajuste que los egresados de universidades privadas
(62.9 contra 58,9 %). Esta diferencia llega a 15 puntos porcentuales cuando se
trata de egresados de carreras CIMTEC; caso contrario ocurre en egresados
de carreras no CIMTEC, donde los egresados de universidades privadas tie-
nen mayor nivel de desajuste, aunque esta diferencia no es estadísticamente
signicativa.
La zona geográca donde residen los egresados parece ser también una
variable relevante, puesto que aquellos que residen en Lima tienen un menor
nivel de desajuste (54.9 contra 65.1 %), siendo la diferencia mayor en egresados
CIMTEC. Este resultado es un indicador de la mayor dinámica del mercado
laboral limeño respecto al interior del país. Asimismo, nos muestra, de manera
indirecta, las diferencias en la calidad y oportunidad de las carreras CIMTEC
enseñadas en universidades de otras regiones del país, que no se estarían adap-
tando a las exigencias del mercado laboral regional.
Asimismo, aquellos egresados que realizaron cursos de posgrado tienden
a reducir su nivel de desajuste (53.3 contra 64.8 %), aunque en este caso la
diferencia es menor para el caso de egresados CIMTEC. Este resultado puede
tener dos explicaciones: por un lado, mayores años de educación mejoran la
productividad, por lo que es más probable que se acceda a mejores empleos; en
tanto, mayores niveles educativos mandan “señales” al mercado laboral de las
mejores habilidades del individuo.
Para etnicidad se muestra que también existen diferencias. Así, mientras
que un egresado de origen indígena (quechua, aimara o nativo amazónico)
tiene casi 69 % de desajuste, en el caso contrario no llega al 60 %. Sin embargo,
se muestra una mayor brecha en el caso de carreras no CIMTEC que en
CIMTEC.
I 21
Desajuste ocupacional de los egresados universitarios
Tabla 1
Perú: desajuste ocupacional por tipo de carrera según diversas variables, 2014 (porcentaje)
Variables Total CIMTEC No
CIMTEC
Diferencia CIMTEC/
No CIMTEC
Sexo
Hombre 63.3 65.8 60.4 5.4 ***
Mujer 58.7 61.2 57.7 3.4
Tipo de universidad
Público 62.9 71.0 56.3 14.7 ***
Privado 58.9 55.9 60.4 -4.5
Residencia
Lima 1/ 54.9 54.3 55.3 -1.1
Fuera de Lima 65.1 71.6 61.2 10.5 ***
Estudios de posgrado
Sí 52.7 58.8 49.1 9.8 ***
No 63.6 65.8 62.2 3.5 *
Etnicidad
Indígena 2/ 68.6 70.6 67.4 3.2
No indígena 59.6 63.1 57.3 5.7 *
Nota. Diferencia estadísticamente signicativa (*** p<0.01, ** p<0.05, * p<0.1).
1/ Incluye Callao.
2/ Incluye autoidenticados como quechuas, aimaras o nativos de la Amazonía.
Elaboración propia sobre la base de la Encuesta Nacional de Egresados Universitarios y
Universidades del INEI (2014).
Agrupando las carreras universitarias, los resultados muestran que los
grupos de carreras CIMTEC (con excepción de Ciencias de la Salud) tienen
niveles de desajuste que superan el 70 %, cifra mayor a lo mostrado en carreras
no CIMTEC. Sin embargo, al revisar el desajuste por niveles, la situación se
revierte, especialmente para el desajuste grave, que alcanza a solo el 27.3 % de
egresados en carreras de Ingeniería, Industria y Construcción y en igual por-
centaje a los egresados de Ciencias Naturales, Exactas y de la Comunicación.
22 I
Miguel A. Ortiz, Nuria Rodríguez y Carlos Rojas
Figura 2. Perú: desajuste ocupacional de los egresados universitarios por grupo de carrera,
2014 (porcentaje)
Nota. Elaboración propia sobre la base de la Encuesta Nacional de Egresados Uni-
versitarios y Universidades de INEI (2014).
Determinantes del desajuste ocupacional
Los efectos marginales del modelo
6
muestran la relevancia de las variables
escogidas en la probabilidad de pertenecer a una categoría de desajuste. Así,
signos negativos indicarán que esa variable disminuye la probabilidad de en-
contrarse en esa situación, mientras que signos positivos sugieren el aumento
de esas probabilidades.
De acuerdo con los resultados obtenidos (tabla 2), la edad tiene signo di-
ferente en cada nivel de desajuste, y en el caso de tiempo de egresado, el des-
ajuste leve no es signicativo. Esto es de esperar, ya que, como se menciona en
el marco teórico, el paso de un nivel a otro está relacionado con la experiencia
laboral, y los niveles de desajuste serían fases en las que el egresado pasa de
desajuste grave, empezando en una ocupación de nivel inferior a sus estudios y
no relacionada con su carrera, a uno leve, donde al menos ya se cumple una de
estas condiciones, para nalmente trabajar en una ocupación acorde a su nivel
educativo y tipo de carrera.
6. En el anexo 2 se muestran los coecientes del modelo (en razón de momios o razón
de probabilidades). Estos son iguales para las variables que cumplían con el supuesto
de paralelismo.
I 23
Desajuste ocupacional de los egresados universitarios
Sin embargo, esto no explica todo el desajuste existente y existen otras va-
riables relevantes. En ese sentido, el desajuste no solo se trataría de fases, sino
de estados producto de condiciones más estructurales.
Tabla 2
Efectos marginales en el desajuste ocupacional
Variable
Desajuste grave Desajuste leve Ajuste
Sexo (1= hombre)
-0.00150 -0.0135* 0.0150**
(0.00568) (0.00345) (0.00611)
Edad
-0.0590*** -0.0370*** 0.0220
(0.0176) (0.0120) (0.0190)
Lengua nativa de la madre (1= lengua nativa)
-0.0288 0.00135** -0.0301
(0.0181) (0.000539) (0.0184)
Etnicidad (1= indígena)
0.0501*** 0.00132 -0.0514***
(0.0183) (0.000844) (0.0179)
Condición de vivienda (1= adecuada)
-0.0429*** -0.00174*** 0.0446***
(0.0155) (0.000644) (0.0156)
Mérito universitario
(1= perteneció al tercio o al quinto superior)
0.0402*** 0.00311*** 0.0433***
(0.0129) (0.00114) (0.0138)
Educación de los padres (1= si uno de los
padres estudió en la universidad)
-0.0326*** -0.00266*** 0.0353***
(0.0117) (0.00112) (0.0127)
Repitió algún año de educación básica
(1= repitió)
0.0859*** 0.00248 0.0834***
(0.0333) (0.00427) (0.0292)
Duración de la carrera
-0.0195** -0.00151** 0.0210**
(0.00758) (0.000664) (0.00818)
Tiempo de egresado
-0.0693* -0.00537 0.0747*
(0.0409) (0.00330) (0.0441)
Tiempo de egresado al cuadrado
0.00694 0.000538 -0.00748
(0.00495) (0.000392) (0.00533)
Realizó o realiza cursos de posgrado
-0.0512*** -0.00580*** 0.0570***
(0.0123) (0.00201) (0.0141)
Reside en Lima (1= Lima y Callao)
-0.0857*** -0.00806*** 0.0938***
(0.0129) (0.00203) (0.0145)
Tipo de universidad (1= pública)
0.0498*** 0.00359*** -0.0534***
(0.0128) (0.00111) (0.0136)
Creación de universidad
0.0219* 0.00146* -0.0234*
(0.0123) (0.000758) (0.0129)
Financiamiento de los estudios
(1= Financió con trabajo
-0.0381** -0.00154*** 0.0396**
(0.0167) (0.000566) (0.0168)
Ranking de la universidad donde estudió
(1= 10 primeros puestos)
-0.0361** -0.00405* 0.0401**
(0.0147) (0.00225) (0.0169)
Nota. Los errores estándar robustos se muestran en paréntesis: *** p<0.01, ** p<0.05, * p<0.1.
Elaboración propia sobre la base de la Encuesta Nacional de Egresados Universitarios y
Universidades del INEI (2014).
24 I
Miguel A. Ortiz, Nuria Rodríguez y Carlos Rojas
Se evidencia también que el lugar de residencia es una de las variables
más signicativas, siendo favorable para aquellos que residen en Lima y Callao,
donde las probabilidades de encontrarse en desajuste disminuyen. Para el caso
del desajuste leve también están relacionados con la disminución de probabili-
dad, el hecho de ser hombre, realizar cursos de posgrado y estudiar en una uni-
versidad top del ranking universitario. Estos resultados están en concordancia
con la teoría de las señales, ya que todas estas variables son observables y es
relativamente fácil de vericar por los demandantes, quienes asumen que estas
condiciones son un indicador de buen desempeño, lo cual, a su vez, revela cier-
ta exclusión hacia las mujeres, personas de otras provincias y universidades.
Sin embargo, al analizar el desajuste grave, si bien la residencia sigue sien-
do importante, las variables con mayor incidencia, como la condición de vi-
vienda y si repitió un año de educación básica, están relacionadas con la con-
dicion socioeconómica y el desempeño académico, que no son tan observables
pero que al estar relacionadas con las menores oportunidades laborales, la dis-
criminación o el desempeño laboral, terminan afectando el nivel de desajuste
mucho más que las variables observadas. Estas variables, que son más estruc-
turales, nos muestran que existen brechas tanto a nivel socioeconómico como
geográco.
En cuanto a las otras variables, tenemos que la inuencia de los orígenes
étnicos de la familia, como autoidenticación étnica y lengua de la madre, tie-
nen una mayor posibilidad de desajuste, especialmente grave. En esa línea, los
que se autoidenticaron con algún grupo nativo (quechua, aimara o indígena
amazónico) siguen un patrón similar al de la lengua materna con mayor signi-
cancia estadística para el desajuste grave.
Asimismo, aquellos egresados que nanciaron sus estudios trabajando
tendrán más probabilidad de encontrarse en desajuste. Ello porque, probable-
mente, al haber dividido su tiempo entre estudiar y trabajar, no aprovecharon
adecuadamente la enseñanza impartida en la universidad y por eso el desarro-
llo de su capital humano y habilidades especializadas ha sido limitado. Esto
se refuerza aún más si consideramos que aquellos ubicados en un cuadro de
mérito tienen menos probabilidad de encontrarse en desajuste.
Los egresados de universidades públicas también tienen mayores proba-
bilidades de encontrarse en desajuste. Sin embargo, aquellos egresados de uni-
versidades creadas luego de 1995, cuando se creó el CONAFU y se incrementó
signicativamente el número de universidades, también tienen más probabili-
dades de encontrarse en desajuste grave.
Efectos heterogéneos por grupo de carrera
Para mostrar si estos resultados se mantienen en los diferentes grupos de carre-
ra considerados, se realizó una regresión del mismo modelo propuesto para los
principales grupos de carrera (anexo 3). Para el caso del grupo perteneciente a
Ingeniería, Industria y Construcción, el sexo es una de las variables con mayor
I 25
Desajuste ocupacional de los egresados universitarios
peso, aunque con signo diferenciado según el nivel de desajuste. Mientras que
para el desajuste leve ser hombre incrementa la probabilidad de encontrarse en
esta situación, para el caso del desajuste grave la disminuye. En Ciencias de la
Salud, las variables con mayor relevancia parecen ser aquellas relacionadas con
el desempeño académico, el prestigio del centro de estudios y la experiencia
laboral.
En cambio, en el caso de las Ciencias Sociales, Comerciales y Derecho,
son más relevantes las variables de origen y socioeconómicas. Adicionalmen-
te, para el caso del desajuste grave son relevantes variables como la residen-
cia en Lima y Callao y realizar cursos de posgrado. Finalmente, en Educación
se muestran resultados similares a los encontrados en Ciencias Sociales. Otra
característica relevante de estos grupos es que la autoidenticación étnica, el
mérito universitario y realizar cursos de posgrado tienen un peso mayor que
en los otros grupos en el desajuste grave.
Conclusiones
En este estudio se ha estimado que el desajuste ocupacional de los egresados
universitarios en el año 2014 fue de 60.7 %. Este porcentaje es superior al en-
contrado en la literatura reciente y se debe a dos motivos: i) el desajuste en la
etapa de inserción laboral está signada por factores como la edad y la experien-
cia laboral previa, que se evidencian en estos resultados así como en la literatu-
ra; ii) existe una restricción adicional, considerando que la ocupación en la que
trabajan también debe ser consistente con el tipo de carrera.
Las diferencias observadas en el análisis descriptivo entre los niveles de
desajuste grave y leve dan soporte a la aproximación metodológica de dividir el
desajuste ocupacional en tres niveles, y no como una variable dicotómica que
solo considere las situaciones de ajuste y desajuste.
Respecto a los determinantes del desajuste ocupacional, los modelos em-
pleados brindan resultados interesantes. Primero, estos están acordes con la
literatura revisada, con excepción del sexo en algunos grupos de carrera, posi-
blemente porque el salario o las condiciones laborales ofrecidas en un empleo
en desajuste no superan el salario de reserva del hogar.
Si bien el tiempo, como generador de experiencia laboral, es una varia-
ble relevante para salir del desajuste y encontrarse en empleos adecuados, se
encuentran también otras variables como sexo, étnicas, socioeconómicas y de
calidad y desempeño académico, que también están relacionadas con la proba-
bilidad de salir del desajuste.
En esa línea, las variables socioeconómicas son las que tienen mayor efec-
to en el caso del desajuste grave, mientras que en el desajuste leve están más
relacionadas con variables observables como el prestigio del centro de ense-
ñanza y el sexo. Esto lleva a suponer que el desajuste grave tiene un origen
más estructural y va más allá del tema educativo y laboral. Para el desajuste
leve, en cambio, son las “señales” que el individuo transmite al mercado las
26 I
Miguel A. Ortiz, Nuria Rodríguez y Carlos Rojas
relevantes. De este modo, en el contexto de un mercado laboral con baja pro-
ductividad, los demandantes buscan estas señales para asegurarse trabajadores
más productivos.
Tanto las estadísticas descriptivas como las simulaciones realizadas mues-
tran mayor probabilidad de desajuste, especialmente grave, y mayor sensibi-
lidad ante variaciones de los principales determinantes para las carreras de
Agropecuaria y Veterinaria. Esto debe llevar a realizar un análisis exhaustivo
de los requerimientos de este tipo de profesionales y la calidad de las univer-
sidades que imparten dichas carreras. En el otro extremo, los profesionales de
Ciencias de la Salud mostraron mejores resultados.
Existen efectos heterogéneos entre los diferentes grupos de carrera. En
aquellas que se encuentran en el grupo CIMTEC, tienen mayor relevancia los
que están relacionados con el desempeño académico y el prestigio y la calidad
de la universidad. Aunque también se ha identicado brechas que afectan ne-
gativamente la posibilidad de encontrarse en un empleo adecuado, como es el
caso del sexo para las carreras relacionadas con la Ingeniería y la pertenencia a
grupos étnicos en el caso de Ciencias de la Salud. En el caso de las carreras no
CIMTEC, parece haber un mayor peso de variables socioeconómicas, como la
condición de la vivienda y la educación de los padres.
Entre las recomendaciones a la política educativa y laboral peruana, se en-
cuentra la posibilidad de utlizar la distintición entre desajuste leve y severo, así
como la metodología empleada como indicador de desempeño de programas
presupuestales y de políticas estratégicas de mediano y largo plazo.
Asimismo, el estudio sugiere que el problema del desajuste ocupacional,
especialmente el grave, empieza a formarse en etapas anteriores y se debe a
características socioeconómicas, del hogar o de la forma como realizó sus
estudios de pregrado. Por ello, se ha de plantear intervenciones en fases más
tempranas, especialmente en las mujeres de las carreras de Ingeniería o perte-
necientes a estratos socioeconómicos bajos.
Ello implica, además, un análisis más completo del problema, donde se
puedan recoger mediciones a través del tiempo que permitirán corregir sesgos
como las variables omitidas o incluso determinar causalidad e impactos de
política. Dado que la ENEUU tiene más información especializada que otras
encuestas tradicionalmente utilizadas, es recomedable que se identique una
muestra panel para realizar seguimiento en el tiempo y observar cómo cambia
la dinámica del desajuste en periodos posteriores.
Finalmente, cabe indicar algunas limitaciones encontradas en el presente
estudio. Medir el desajuste de la forma mencionada puede generar inconve-
nientes al momento de asignar las cualicaciones laborales a un determinado
nivel educativo o grupo de carrera. Por otro lado, al agregar las ocupaciones en
grandes grupos, estas pueden tener diferentes requerimientos, no necesaria-
mente compatibles con un mismo nivel educativo. Asimismo, una caracterís-
tica del mercado laboral es la constante creación de nuevos puestos de trabajo
producto del avance de la ciencia y la tecnología. Un supuesto asumido es que
I 27
Desajuste ocupacional de los egresados universitarios
estos cambios ocurren de manera lenta en países en desarrollo, debido al bajo
nivel de inversión en investigación y desarrollo. Desde el punto de vista me-
todológico existe el inconveniente de que el Código Nacional de Ocupaciones
utilizado en la ENEUU está basado en el CIUO de 1988, es decir, de hace 30
años, mientras que a nivel internacional está vigente el CIUO de 2008, del cual
fue tomado el listado de carreras CIMTEC.
28 I
Miguel A. Ortiz, Nuria Rodríguez y Carlos Rojas
Referencias bibliográcas
Battu, H., Beleld, C. R., y Sloane, P. J. (1999). Overeducation Among Graduates:
a Cohort View. Education Economics, 7(1), 21–38.
Beede, D., Julian, T., y Langdon, D. (2011). Women in STEM: A Gender Gap
to Innovation. U. S. Department of Commerce, Economics and Statistics
Administration Issue-Brief, nro. 4, 1–11.
Burga, C., y Moreno, M. (2001). ¿Existe subempleo profesional en el Perú
urbano? Investigaciones Breves nro. 17. CIES, GRADE.
Carnevale, A. P., Smith, N., y Melton, M. (2011). STEM: Science Technology
Engineering Mathematics. Georgetown University Center on Education
and the Workforce.
Céspedes, N., Lavado, P. y Ramírez, N. (2016). Productividad en el Perú:
medición, determinantes e implicancias. Lima: Universidad del Pacíco.
Corilloclla, P. y Granda, A. (2014). Situación de la formación de capital humano
e investigación en las universidades peruanas. Documento de trabajo.
Lima: CONCYTEC.
Frenette, M. (2004). e Overqualied Canadian Graduate: e Role of the
Academic Program in the Incidence, Persistence, and Economic Returns
to Overqualication. Economics of Education Review, 23(1), 29–45.
Galarza, F. y Yamada, G. (2012) Labor Market Discrimination in Lima, Peru:
Evidence from a Field Experiment. Documentos de discusión UP nro. 12/03.
Halaby, C. N. (1994). Overeducation and Skill Mismatch. Sociology of
Education, 67(1), 47–59.
Heckman, J. J. (1979). Sample Selection Bias as a Specication. Econometrica,
47(1), 153–161.
Herrera, J. (2005). Sobre y subeducación en el Perú urbano (1995-2002). En
J. Chacaltana, M. Jaramillo, y G. Yamada (Eds.), Cambios globales y el
mercado laboral peruano: comercio, legislación, capital humano y empleo
(pp. 181–227). Lima: Universidad del Pacíco.
Instituto Nacional de Estadística e Informática. (2015). Encuesta Nacional a
Egresados Universitarios y Universidades, 2014. Lima.
Kogan, L., Fuchs, R. y Lay, P. (2013) No… pero sí: discriminación en empresas de
Lima Metropolitana. Lima: Universidad del Pacíco.
Leuven, E., y Oosterbeek, H. (2011). Overeducation and Mismatch in the Labor
Market. IZA Discussion Paper No. 5523.
Madrigal, M. (2003). Una revisión de los métodos de medición del desajuste
educativo: ventajas e inconvenientes. Universidad de Barcelona.
McConnel, C., Brue, S. y McPerpherson, D. (2007). Economía laboral. McGraw-
Hill Interamericana de España S. L. Séptima edición.
I 29
Desajuste ocupacional de los egresados universitarios
McLauchlan de Arregui, P. (1993). Empleo, ingresos y ocupación de los
profesionales y técnicos en el Perú. Notas para el Debate, (9), 9–48.
Mincer, J. (1974). Schooling, Experience, and Earnings (vol. 53). NBER.
Ministerio de Trabajo y Promoción del Empleo. (2000). Estimación de la
compatibilidad entre la educación adquirida y la ocupación ejercida por los
trabajadores. Boletín de Economía Laboral nro. 17. Lima.
Ministerio de Trabajo y Promoción del Empleo. (2014). La inadecuación
ocupacional de los profesionales con educación superior en Perú. Boletín de
Economía Laboral nro. 42. Lima.
Organisation for Economic Co-operation and Development. (1995). Manual
on the Measurement of Human Resources Devoted to S&T “Canberra
Manual”.
Organización Internacional del Trabajo. (2014). Informe sobre el trabajo
en el mundo 2014. El desarrollo a través del empleo. Resumen ejecutivo.
Departamento de Investigaciones.
Rahona López, M. (2008). La educación universitaria en España y la inserción
laboral de los graduados en la década de los noventa. Universidad Autónoma
de Madrid.
Rodríguez Cuba, J. (1995). De profesional a taxista : el mercado laboral de
técnicos y profesionales en los 90. Lima.
Rodríguez Lozano, E. (2016). Sobreeducación en el mercado laboral :
determinantes y consecuencias en el Perú, 2001-2011. Economía, XXXIX
(semestre enero-junio), 33–101.
Rumberger, R. (1987). e Impact of Surplus Schooling on Productivity and
Earnings. e Journal of Human Resources, 22(1), 24–50.
Sicherman, N. y Galor, O. (1990). A eory of Career Mobility. Journal of
Political Economy, 98(1), 169–192.
Spence, M. (1973). Job Market Signaling. e Quarterly Journal of Economics,
87(3), 355-374.
SUNEDU (2018). Informe Bienal sobre la Realidad Universitaria Peruana.
Williams, R. (2006). Generalized ordered logit/partial proportional odds
models for ordinal dependent variables. Stata Journal, 6(1), 58–82.
Yamada, G. y Galarza F. (2012) Discriminación laboral en Lima: el rol de la
belleza, la raza y el sexo. Serie de Documentos de Discusión UP nro.
12/09. Lima.
Yamada, G., Lavado, P. y Martinez, J. J. (2014). ¿Una promesa incumplida? La
calidad de la educación superior universitaria y el subempleo profesional en
el Perú. Serie de Documentos de Trabajo UP nro. 2014–021. Lima.
Yamada, G., y Oviedo, N. (2016). Educación superior y subempleo profesional:
¿Una creciente burbuja mundial? Documentos de discusión UP nro. 1609.
30 I
Miguel A. Ortiz, Nuria Rodríguez y Carlos Rojas
Anexo 1: Test de paralelismo del modelo
Variable P-value
1 2 3
Sexo (1= hombre) 0.00089 0.00085 0.00016
Edad 0.00008 0.0001 0.00072
Lengua materna de la madre (1= lengua
nativa)
0.8531*** 0.8752*** 0.8612***
Etnicidad (1= etnia nativa) 0.9423*** 0.6796*** 0.7403***
Condición de vivienda (1= adecuada) 0.2104*** 0.2872*** 0.2499***
Mérito universitario (1= perteneció al tercio o
quinto superior)
0.4420*** 0.5965*** 0.5555***
Educación de los padres (1= si uno de los
padres estudió en la universidad)
0.4747*** 0.2280*** 0.1972***
Repitió algún año de educación básica
(1= repitió)
0.0682*** 0.0682*** 0.0696***
Duración de la carrera
(fecha de egreso - ingreso)
0.1182*** 0.1284***
Tiempo de egresado 0.3039*** 0.2765***
Tiempo de egresado al cuadrado 0.9437*** 0.9799***
Realizó o realiza cursos de posgrado 0.6652*** 0.7829***
Reside en Lima (1= Lima y Callao) 0.3694***
Tipo de universidad (1= pública) 0.5470***
Creación de la universidad (1= antes de 1995) 0.3584***
Financiamiento de los estudios
(1= nanció con trabajo)
0.4983***
Ranking de la universidad donde estudió
(1= 10 primeros puestos)
0.3887***
Grupo de carrera: Humanidades y Arte 0.0132 0.0128 0.0150
Grupo de carrera: Ciencias Sociales,
Comerciales y Derecho
0.0000 0.0000 0.0000
Grupo de carrera: Ciencias Naturales, Exactas
y de la Comunicación
0.0000 0.0000 0.0000
Grupo de carrera: Ingeniería, Industria y
Construcción
0.0000 0.0000 0.0000
Grupo de carrera: Agropecuaria y Veterinaria 0.0000 0.0000 0.0000
Grupo de carrera: Ciencias de la Salud 0.0000 0.0000 0.0000
Sector de empleo (1= sector público) 0.0123 0.0116 0.0107
Ratio de Mills 0.5080*** 0.7998*** 0.9850***
Nota. *** se le aplica criterio de paralelismo.
I 31
Desajuste ocupacional de los egresados universitarios
Anexo 2: Resultado de las regresiones del modelo de determinantes
Variables (1) (2) (3) (4) (5) (6)
Variable dependiente: desajuste entre educación y empleo (1 “Desajuste grave; 2 “Desajuste leve”; 3 “Ajuste”)
Desajuste
grave
Desajuste
leve
Desajuste
grave
Desajuste
leve
Desajuste
grave
Desajuste
leve
Desajuste
grave
Desajuste
leve
Desajuste
grave
Desajuste
leve
Desajuste
grave
Desajuste
leve
Coecientes Odds ratios
Sexo
(1=hombre)
0.00832 0.0667*** -0.0218 0.0360 0.00685 0.0637** 1.008 1.069*** 0.978 1.037 1.007 1.066**
(0.0211) (0.0209) (0.0254) (0.0254) (0.0259) (0.0259) (0.0213) (0.0223) (0.0248) (0.0263) (0.0261) (0.0276)
Edad 0.114* -0.0581 0.0818 -0.0914 0.271*** 0.0931 1.121* 0.944 1.085 0.913 1.311*** 1.098
(0.0658) (0.0657) (0.0770) (0.0766) (0.0812) (0.0802) (0.0738) (0.0620) (0.0836) (0.0699) (0.106) (0.0880)
Lengua materna
de la madre
(1=lengua
nativa)
-0.161** -0.161** -0.144* -0.144* -0.129 -0.129 0.852** 0.852** 0.866* 0.866* 0.879 0.879
(0.0793) (0.0793) (0.0796) (0.0796) (0.0801) (0.0801) (0.0676) (0.0676) (0.0690) (0.0690) (0.0704) (0.0704)
Etnicidad
(1=etnia nativa)
-0.292*** -0.292*** -0.285*** -0.285*** -0.222*** -0.222*** 0.747*** 0.747*** 0.752*** 0.752*** 0.801*** 0.801***
(0.0784) (0.0784) (0.0784) (0.0784) (0.0792) (0.0792) (0.0585) (0.0585) (0.0589) (0.0589) (0.0634) (0.0634)
Condición
de vivienda
(1=adecuada)
0.389*** 0.389*** 0.397*** 0.397*** 0.192*** 0.192*** 1.476*** 1.476*** 1.488*** 1.488*** 1.212*** 1.212***
(0.0621) (0.0621) (0.0637) (0.0637) (0.0681) (0.0681) (0.0917) (0.0917) (0.0948) (0.0948) (0.0825) (0.0825)
Mérito
universitario
(1=perteneció al
tercio o quinto
superior)
-0.119** -0.119** -0.109* -0.109* -0.183*** -0.183*** 0.887** 0.887** 0.897* 0.897* 0.832*** 0.832***
(0.0553) (0.0553) (0.0578) (0.0578) (0.0586) (0.0586) (0.0491) (0.0491) (0.0519) (0.0519) (0.0488) (0.0488)
Educación de
los padres (1=si
uno de los pa-
dres estudió en
la universidad)
0.230*** 0.230*** 0.197*** 0.197*** 0.149*** 0.149*** 1.259*** 1.259*** 1.218*** 1.218*** 1.161*** 1.161***
(0.0517) (0.0517) (0.0525) (0.0525) (0.0538) (0.0538) (0.0650) (0.0650) (0.0640) (0.0640) (0.0625) (0.0625)
32 I
Miguel A. Ortiz, Nuria Rodríguez y Carlos Rojas
Variables (1) (2) (3) (4) (5) (6)
Variable dependiente: desajuste entre educación y empleo (1 “Desajuste grave; 2 “Desajuste leve”; 3 “Ajuste”)
Desajuste
grave
Desajuste
leve
Desajuste
grave
Desajuste
leve
Desajuste
grave
Desajuste
leve
Desajuste
grave
Desajuste
leve
Desajuste
grave
Desajuste
leve
Desajuste
grave
Desajuste
leve
Coecientes Odds ratios
Repitió algun
año de educa-
ción básica
(1= repitió)
-0.399*** -0.399*** -0.389*** -0.389*** -0.372*** -0.372*** 0.671*** 0.671*** 0.677*** 0.677*** 0.689*** 0.689***
(0.137) (0.137) (0.138) (0.138) (0.138) (0.138) (0.0918) (0.0918) (0.0935) (0.0935) (0.0953) (0.0953)
Duración de la
carrera (fecha de
egreso - ingreso)
0.102*** 0.102*** 0.0891** 0.0891** 1.107*** 1.107*** 1.093** 1.093**
(0.0348) (0.0348) (0.0346) (0.0346) (0.0385) (0.0385) (0.0378) (0.0378)
Tiempo de
egresado
0.0416 0.0416 0.316* 0.316* 1.042 1.042 1.372* 1.372*
(0.183) (0.183) (0.187) (0.187) (0.190) (0.190) (0.256) (0.256)
Tiempo de
egresado al
cuadrado
-0.00689 -0.00689 -0.0317 -0.0317 0.993 0.993 0.969 0.969
(0.0223) (0.0223) (0.0226) (0.0226) (0.0221) (0.0221) (0.0219) (0.0219)
Realizó o realiza
cursos de pos-
grado
0.206*** 0.206*** 0.239*** 0.239*** 1.229*** 1.229*** 1.270*** 1.270***
(0.0573) (0.0573) (0.0585) (0.0585) (0.0705) (0.0705) (0.0742) (0.0742)
Reside en Lima
(1=Lima y
Callao)
0.396*** 0.396*** 1.486*** 1.486***
(0.0607) (0.0607) (0.0902) (0.0902)
Tipo de
universidad
(1=pública)
-0.227*** -0.227*** 0.797*** 0.797***
(0.0581) (0.0581) (0.0463) (0.0463)
Creación de
la universidad
(1=antes de
1995)
0.170** 0.170** 1.186** 1.186**
(0.0735) (0.0735) (0.0871) (0.0871)
I 33
Desajuste ocupacional de los egresados universitarios
Variables (1) (2) (3) (4) (5) (6)
Variable dependiente: desajuste entre educación y empleo (1 “Desajuste grave; 2 “Desajuste leve”; 3 “Ajuste”)
Desajuste
grave
Desajuste
leve
Desajuste
grave
Desajuste
leve
Desajuste
grave
Desajuste
leve
Desajuste
grave
Desajuste
leve
Desajuste
grave
Desajuste
leve
Desajuste
grave
Desajuste
leve
Coecientes Odds ratios
Financiamiento
de los estudios
(1=nanció con
trabajo)
-0.0995* -0.0995* 0.905* 0.905*
(0.0553) (0.0553) (0.0501) (0.0501)
Ranking de la
universidad
donde estudió
(1=10 primeros
puestos)
0.168** 0.168** 1.183** 1.183**
(0.0700) (0.0700) (0.0828) (0.0828)
Sector público
(1=trabaja en el
sector público)
0.266*** 0.408*** 0.234*** 0.378*** 0.294*** 0.441*** 1.304*** 1.504*** 1.264*** 1.460*** 1.342*** 1.555***
(0.0678) (0.0646) (0.0689) (0.0655) (0.0696) (0.0661) (0.0885) (0.0972) (0.0870) (0.0956) (0.0934) (0.103)
Grupo de
carrera:
Humanidades
y Arte
-0.131 -0.605** -0.0794 -0.557** -0.633** -1.096*** 0.877 0.546** 0.924 0.573** 0.531** 0.334***
(0.273) (0.256) (0.284) (0.270) (0.289) (0.278) (0.239) (0.140) (0.263) (0.155) (0.153) (0.0928)
Grupo de
carrera: Ciencias
Sociales,
Comerciales y
Derecho
-1.343*** -1.781*** -1.367*** -1.809*** -1.486*** -1.934*** 0.261*** 0.169*** 0.255*** 0.164*** 0.226*** 0.145***
(0.122) (0.113) (0.122) (0.113) (0.122) (0.114) (0.0317) (0.0190) (0.0310) (0.0186) (0.0275) (0.0165)
Grupo de
carrera: Ciencias
Naturales,
Exactas y de la
Comunicación
-0.323* -2.064*** -0.321* -2.064*** -0.473** -2.240*** 0.724* 0.127*** 0.726* 0.127*** 0.623** 0.106***
(0.184) (0.181) (0.187) (0.183) (0.186) (0.185) (0.133) (0.0230) (0.135) (0.0233) (0.116) (0.0197)
34 I
Miguel A. Ortiz, Nuria Rodríguez y Carlos Rojas
Variables (1) (2) (3) (4) (5) (6)
Variable dependiente: desajuste entre educación y empleo (1 “Desajuste grave; 2 “Desajuste leve”; 3 “Ajuste”)
Desajuste
grave
Desajuste
leve
Desajuste
grave
Desajuste
leve
Desajuste
grave
Desajuste
leve
Desajuste
grave
Desajuste
leve
Desajuste
grave
Desajuste
leve
Desajuste
grave
Desajuste
leve
Coecientes Odds ratios
Grupo de
carrera:
Ingeniería,
Industria y
Construcción
-0.526*** -1.924*** -0.549*** -1.946*** -0.667*** -2.083*** 0.591*** 0.146*** 0.578*** 0.143*** 0.513*** 0.125***
(0.131) (0.122) (0.132) (0.123) (0.131) (0.123) (0.0776) (0.0179) (0.0762) (0.0176) (0.0673) (0.0154)
Grupo de
carrera:
Agropecuaria y
Veterinaria
-0.966*** -2.161*** -0.955*** -2.151*** -1.127*** -2.338*** 0.381*** 0.115*** 0.385*** 0.116*** 0.324*** 0.0965***
(0.181) (0.205) (0.184) (0.208) (0.184) (0.211) (0.0689) (0.0236) (0.0710) (0.0242) (0.0595) (0.0204)
Grupo de
carrera: Ciencias
de la Salud
0.0838 -0.552*** 0.0395 -0.603*** -0.0366 -0.678*** 1.087 0.576*** 1.040 0.547*** 0.964 0.508***
(0.151) (0.129) (0.151) (0.130) (0.152) (0.131) (0.164) (0.0743) (0.158) (0.0712) (0.146) (0.0663)
Ratio inverso de
Mills
-2.690*** -2.690*** -3.006*** -3.006*** -1.012 -1.012 0.0679*** 0.0679*** 0.0495*** 0.0495*** 0.363 0.363
(0.398) (0.398) (0.583) (0.583) (0.628) (0.628) (0.0270) (0.0270) (0.0288) (0.0288) (0.228) (0.228)
Constante 1.605*** -0.322 1.829** -0.0838 0.168 -1.723** 4.978*** 0.725 6.226** 0.920 1.182 0.179**
(0.588) (0.579) (0.784) (0.781) (0.810) (0.806) (2.928) (0.420) (4.880) (0.718) (0.957) (0.144)
Observaciones 9216 9216 9216
Pseudo R2 0.0902 0.0919 0.0979
Nota. Los errores estándar robustos se muestran en paréntesis: *** p<0.01, ** p<0.05, * p<0.1.
Tomado de la Encuesta Nacional de Egresados Universitarios y Universidades del INEI (2014).
I 35
Desajuste ocupacional de los egresados universitarios
Anexo 3: Efectos marginales por grupo de carrera
Variable Ciencias Sociales Educación Ingenieria Ciencias de la salud
Desajuste
grave
Desajuste
leve
Ajuste Desajuste
grave
Desajuste
leve
Ajuste Desajuste
grave
Desajuste
leve
Ajuste Desajuste
grave
Desajuste
leve
Ajuste
Sexo
(1=hombre)
-0.0587** 0.0518*** 0.00686 0.0206 0.108*** -0.129*** -0.0916** 0.0972*** -0.00560 0.00959 0.00681 -0.0164
(0.0266) (0.0163) (0.0245) (0.0383) (0.0324) (0.0492) (0.0368) (0.0347) (0.0363) (0.0309) (0.0215) (0.0525)
Edad 0.00778 -0.0137*** 0.00587 -0.0335** -0.00901** 0.0425** -0.0168* -0.000592 0.0174* 0.00668 0.00483 -0.0115
(0.00931) (0.00491) (0.00853) (0.0149) (0.00432) (0.0190) (0.00963) (0.000822) (0.0100) (0.00947) (0.00687) (0.0163)
Lengua
materna de
la madre
(1=lengua
nativa)
0.0692** -0.0103 -0.0589** 0.0709 0.0171 -0.0881 0.0111 0.000166 -0.0113 -0.0292 -0.0227 0.0519
(0.0332) (0.00632) (0.0270) (0.0511) (0.0114) (0.0622) (0.0287) (0.000493) (0.0286) (0.0292) (0.0246) (0.0537)
Etnicidad
(1=indígena)
0.0539* -0.00748 -0.0464* 0.118** 0.0267** -0.145** -0.00350 -0.000146 0.00364 0.0849* 0.0482** -0.133**
(0.0300) (0.00511) (0.0249) (0.0551) (0.0107) (0.0649) (0.0290) (0.00141) (0.0304) (0.0460) (0.0203) (0.0656)
Condición
de vivienda
(1=adecuada)
-0.0714*** 0.0578*** 0.0135 0.0664* -0.0392* -0.0272 -0.0212 -0.0806*** 0.102*** -0.0324 -0.0217 0.0540
(0.0276) (0.0177) (0.0257) (0.0342) (0.0219) (0.0415) (0.0324) (0.0303) (0.0293) (0.0303) (0.0187) (0.0489)
Mérito
universitario
(1=perteneció
al tercio
o quinto
superior)
0.0541*** -0.00581** -0.0483*** 0.0633** 0.0170** -0.0803** -0.00600 -0.000212 0.00621 -0.00220 -0.00159 0.00379
(0.0203) (0.00236) (0.0181) (0.0304) (0.00826) (0.0382) (0.0204) (0.000774) (0.0211) (0.0393) (0.0285) (0.0678)
Educación
de los padres
(1=si uno de
los padres
estudio en la
universidad)
-0.0474** 0.0390** 0.00839 0.0277 0.0911*** -0.119** -0.0389* -0.00146 0.0403* 0.00706 -0.0988*** 0.0917**
(0.0207) (0.0160) (0.0192) (0.0451) (0.0350) (0.0515) (0.0199) (0.00192) (0.0209) (0.0256) (0.0289) (0.0367)
36 I
Miguel A. Ortiz, Nuria Rodríguez y Carlos Rojas
Variable Ciencias Sociales Educación Ingenieria Ciencias de la salud
Desajuste
grave
Desajuste
leve
Ajuste Desajuste
grave
Desajuste
leve
Ajuste Desajuste
grave
Desajuste
leve
Ajuste Desajuste
grave
Desajuste
leve
Ajuste
Repitió
algún año de
educación
básica (1=
repitió)
0.0626 -0.00953 -0.0531 0.0874 0.0195 -0.107 0.108* -0.0182 -0.0901** 0.176** 0.0681*** -0.244***
(0.0521) (0.0102) (0.0420) (0.0662) (0.0128) (0.0786) (0.0614) (0.0206) (0.0413) (0.0715) (0.0127) (0.0809)
Duración de la
carrera (fecha
de egreso -
ingreso)
-0.0472*** 0.00506*** 0.0421*** 0.0515** 0.0138* -0.0653** 0.0167 0.000589 -0.0173 -0.0360*** -0.0260*** 0.0621***
(0.0127) (0.00154) (0.0114) (0.0258) (0.00726) (0.0327) (0.0135) (0.000857) (0.0140) (0.0132) (0.00983) (0.0227)
Tiempo de
egresado
-0.0715 0.00767 0.0638 -0.0941 0.147** -0.0529 -0.0521 0.301*** -0.248** -0.126* -0.0910* 0.217*
(0.0622) (0.00674) (0.0556) (0.113) (0.0634) (0.130) (0.0946) (0.0921) (0.0996) (0.0665) (0.0489) (0.115)
Tiempo de
egresado al
cuadrado
0.00385 -0.000413 -0.00343 0.0153 -0.0179** 0.00260 0.0107 -0.0400*** 0.0293** 0.0144* 0.0104* -0.0248*
(0.00747) (0.000803) (0.00667) (0.0138) (0.00797) (0.0157) (0.0116) (0.0112) (0.0121) (0.00778) (0.00576) (0.0134)
Realizó o
realiza cursos
de posgrado
-0.0878*** 0.00646*** 0.0814*** -0.102*** -0.0299*** 0.132*** 0.0376 -0.000464 -0.0371* -0.0573*** -0.0436** 0.101***
(0.0206) (0.00158) (0.0198) (0.0295) (0.0102) (0.0385) (0.0237) (0.00214) (0.0222) (0.0214) (0.0177) (0.0385)
Reside en Lima
(1=Lima y
Callao)
-0.0841*** 0.00853*** 0.0756*** -0.0964*** -0.0276*** 0.124*** -0.100*** -0.00618 0.106*** -0.0205 -0.0149 0.0354
(0.0210) (0.00226) (0.0192) (0.0309) (0.00984) (0.0398) (0.0253) (0.00506) (0.0279) (0.0236) (0.0176) (0.0411)
Tipo de
universidad
(1=pública)
0.0570*** -0.00682** -0.0502*** 0.0550* 0.0155 -0.0705* 0.0334 0.00113 -0.0345 0.0379 0.0264* -0.0643*
(0.0214) (0.00300) (0.0186) (0.0327) (0.00975) (0.0422) (0.0206) (0.00162) (0.0213) (0.0235) (0.0155) (0.0388)
Financiamiento
de los estudios
(1=nanció con
trabajo)
0.00748 -0.000816 -0.00666 0.0444 0.0117 -0.0561 0.00924 0.000251 -0.00949 0.0222 0.0153 -0.0375
(0.0202) (0.00224) (0.0179) (0.0307) (0.00823) (0.0387) (0.0205) (0.000568) (0.0209) (0.0262) (0.0173) (0.0434)
I 37
Desajuste ocupacional de los egresados universitarios
Variable Ciencias Sociales Educación Ingenieria Ciencias de la salud
Desajuste
grave
Desajuste
leve
Ajuste Desajuste
grave
Desajuste
leve
Ajuste Desajuste
grave
Desajuste
leve
Ajuste Desajuste
grave
Desajuste
leve
Ajuste
Creación de
la universidad
(1=antes de
1995)
-0.0214 0.00255 0.0189 -0.103 -0.0224* 0.125 -0.0519* 0.00226 0.0497** -0.0510 -0.0332* 0.0843*
(0.0249) (0.00325) (0.0216) (0.0702) (0.0123) (0.0820) (0.0284) (0.00400) (0.0250) (0.0324) (0.0189) (0.0509)
Ranking de la
universidad
donde estudió
(1=10 primeros
puestos)
-0.0535** 0.00410*** 0.0494** -0.0548 -0.0159 0.0707 0.0221 1.00e-04 -0.0222 -0.0587** -0.0491* 0.108**
(0.0261) (0.00145) (0.0249) (0.0349) (0.0106) (0.0451) (0.0271) (0.00120) (0.0264) (0.0266) (0.0257) (0.0518)
Sector (1 =
sector público)
-0.0598** -0.0463*** 0.106*** 0.0398 -0.147*** 0.108*** -0.0218 -0.00164 0.0234 -0.0795*** -0.0605*** 0.140***
(0.0239) (0.0172) (0.0232) (0.0497) (0.0321) (0.0406) (0.0238) (0.00291) (0.0266) (0.0201) (0.0159) (0.0348)
Ratio inverso
de Mills
0.455** -0.0489* -0.407** -0.362* -0.335*** 0.697*** 0.0712 0.762*** -0.833*** 0.191 0.138 -0.329
(0.224) (0.0254) (0.200) (0.189) (0.109) (0.243) (0.237) (0.216) (0.279) (0.270) (0.197) (0.466)
Nota. Los errores estándar robustos se muestran en paréntesis: *** p<0.01, ** p<0.05, * p<0.1.
Tomado de la Encuesta Nacional de Egresados Universitarios y Universidades del INEI (2014).
