Abstract:
La presente investigación examina los factores que influyen en el desempleo juvenil entre los 18 a 24 años de la región de Puno, año 2018, utilizando información secundaria de corte transversal, con una muestra total de 659 jóvenes, la misma que ha sido recopilada de la Encuesta Nacional de Hogares ENAHO del módulo 500 Empleo e Ingreso, publicada por el Instituto Nacional de Estadística e Informática INEI, se trabajó con el consolidado anual, para la obtención de los resultados se estimaron modelos de elección discreta: modelo de regresión probabilística binaria Probit y Logit, debido a que la variable dependiente (desempleo) es dicotómica, la cual opta el valor 1 si el joven está desempleado y 0 si no está desempleado, la mayoría de las variables son significativas al 1%; la variable ingreso, es estadísticamente significativa, es decir, los jóvenes que tienen mayores ingresos familiares tienen un 2.57% menor probabilidad de encontrarse en una situación de desempleo, la variable edad, es estadísticamente significativa, se observa que, a mayor edad, los jóvenes tienen 4.60% menor probabilidad de estar desempleado, la variable jefe de hogar, también es significativa, es decir, los jóvenes que son jefe de familia tienen 5.75% menor probabilidad de estar desempleados, la variable nivel de educación, tiene una relación inversa con la variable desempleado, es decir, influye negativamente en la probabilidad de estar desempleado, los jóvenes que tienen un nivel educativo mayor, tienen un 7.46% menor probabilidad de encontrarse en una situación de desempleo respecto de aquellos con un nivel educativo menor, y con relación a la variable experiencia laboral, también resultaron significativas, en donde la experiencia laboral tiene una relación inversa con la variable dependiente, es decir, un año más de experiencia laboral disminuye la probabilidad de que el joven este desempleado en 6.37%. sin embargo, las variables género, estado civil o conyugal y zona no son estadísticamente significativas, estos resultados se obtuvieron a través del modelo Logit, ya que este modelo es más significativo que el modelo Probit, porque el valor Pseudo R2 de Mc Fadden se explica en un 29.81%, con lo que el modelo analizado tiene una efectividad buena al momento de la clasificación.
