“Nota: Ponencia presentada
en el III Congreso Internacional Economía y Contabilidad aplicado a la Empresa y
Sociedad, ECAES 2022”, desarrollado en la Universidad Técnica de Ambato –
Facultad de Contabilidad y Auditoría; Ambato-Ecuador”
Resumen
La crisis y pobreza |en
América Latina es prominente, pero se ve acentuada en la zona rural, pese a que
en esta zona se direcciona a la actividad económica predilecta (Agricultura,
silvicultura y pesca), la vulnerabilidad es palpable, observable en los
indicadores de desempleo y la pobreza; por lo mencionado, el estudio tendrá
como objetivo: estimar la correlación, relación y causalidad probabilística
existente entre los indicadores laborales rurales y la generación de valor
reflejado en el Valor Agregado Bruto agropecuario; el estudio se divide en tres
etapas, las cuales se solventan en las siguientes metodologías: Correlación de
Pearson, Prueba de significación bilateral, Regresión Lineal Múltiple
Automatizada y Análisis Cuali-Cuantitativo Comparativo de Conjuntos Difusos;
los resultados y conclusiones subyacentes confieren que, la zona rural no
adjudica la estabilidad para remunerar de forma adecuada a sus trabajadores,
por lo que es necesario que no exista un empleo adecuado, haya empleo no
remunerado, subempleo y empleo no pleno para que el sector subsista.
Palabras Claves:
Empleo; Desempleo; VAB; Empleo no pleno.
Abstract
The crisis and poverty
|in Latin America is prominent, but it is accentuated in rural areas, despite
the fact that in this area the preferred economic activity is directed
(Agriculture, forestry and fishing), vulnerability is palpable, observable in
the indicators of unemployment and poverty; Due to the aforementioned, the
study will have as objective: to estimate the correlation, relationship and
probabilistic causality existing between the rural labor indicators and the
generation of value reflected in the agricultural Gross Added Value; The study
is divided into three stages, which are solved using the following
methodologies: Pearson's Correlation, Bilateral Significance Test, Automated
Multiple Linear Regression and Comparative Qualitative Analysis of Fuzzy Sets;
The underlying results and conclusions show that the rural area does not award
stability to adequately remunerate its workers, so it is necessary that there
is no adequate employment, there is unpaid employment, underemployment and not
full employment so that the sector subsist.
Key Words:
Employment; Unemployment; GVA; non-full employment.
Resumo
A crise e a pobreza |na
América Latina é proeminente, mas acentua-se nas zonas rurais, apesar de nesta
zona se dirigir a actividade económica preferencial (Agricultura, silvicultura
e pesca), a vulnerabilidade é palpável, observável nos indicadores de
desemprego e pobreza; Pelo exposto, o estudo terá como objetivo: estimar a
correlação, relação e causalidade probabilística existente entre os indicadores
de trabalho rural e a geração de valor refletida no Valor Adicionado Bruto
agrícola; O estudo está dividido em três etapas, que são resolvidas com as
seguintes metodologias: Correlação de Pearson, Teste de Significância
Bilateral, Regressão Linear Múltipla Automatizada e Análise Qualitativa
Comparativa de Conjuntos Fuzzy; Os resultados e conclusões subjacentes mostram
que o meio rural não confere estabilidade para remunerar adequadamente os seus
trabalhadores, pelo que é necessário que não haja emprego adequado, haja
emprego não remunerado, subemprego e não pleno emprego para que o setor
subsista.
Palavras-chave:
Emprego; Desemprego; GVA; emprego não pleno.
Introducción
El desarrollo de la
economía bajo el precepto de crecimiento económico y adaptabilidad a las nuevas
necesidades del entorno, son factores clave de las naciones, sin embargo,
conseguirlas dependen de un gran conjunto de elementos, entre los cuales
destacan: tecnologías verdes y participación rural, esta última adjudica gran trascendencia
en una evaluación y medición integral (Tao
& Xiang, 2022).
En tal aspecto, la
integración que debería existir para mejorar la zona rural depende específicamente
del mecanismo de vinculación urbano-rural, por una parte, se requiere la
revitalización de la zona rural y una nueva forma de concebir la urbana; desde
un enfoque de sostenibilidad, la integración coadyuva a triangular su
desarrollo y reducir la brecha de desigualdad, entre estas la precariedad y el
desempleo (Fang,
2022).
Las necesidades
personales conciben la obligación del desarrollo humano; el gran nivel de
informalidad e inseguridad laboral existente en la zona rural compromete a su
población trasladarse a la zona urbana en busca de mayores oportunidades, el
índice de desempleo, la precariedad económica, la dificultad de acceso a
educación superior, entre otros factores inducen a esta decisión (Kuralbayeva,
2018).
La crisis y pobreza en
América Latina es prominente, pero se ve acentuada en la zona rural, pese a que
en esta zona se direcciona a la actividad económica predilecta (Agricultura,
silvicultura y pesca), la vulnerabilidad es palpable; el gran reto de las
economías latinoamericanas es mitigar los altos niveles de pobreza; pese a que
han existido cambios profundos en las estructuras económicas, la desigualdad
continua (Corral
& José, 2009).
Pese a que coexisten
diversas formas de desigualdad, entre estas la tasa de desempleo, empleo no
pleno y diversas categorías, el campo sigue produciendo; son innumerables las
quejas impuestas a los gobiernos de turno que originan en ciertas
circunstancias regulaciones gubernamentales, pero con los años siguen siendo insuficientes
y la brecha sigue creciendo, las hipótesis de numerosos estudios consideran que
las políticas, tasas y apoyo financiero y no financiero no están óptimamente
direccionadas (Ball
et al., 2012).
El sector agropecuario tiene
gran incidencia en la participación laboral y dominio de la zona rural (Lasso-Valderrama,
2019). El emprendimiento agropecuario es una de
las formas de generar empleo, sin embargo, las externalidades del entorno
catapultan a dichas organizaciones a la insolvencia, lo que converge en el
aumento del desempleo y en ocasiones en empleo prorrateado, en este escenario abunda
la desigualdad; pese a que el emprendimiento en Ecuador es uno de los más
relevantes de los países Latinoamericanos, eso no significa que sean
sostenibles a largo plazo (Moina-Sánchez
et al., 2020).
El empleo en el sector
rural de las economías emergentes es un indicador clave para determinar el
crecimiento económico de las naciones; Zapata
Gómez (2021) en su estudio ratifica que mientras el desempleo
adjudique decrecimiento, el Valor Agregado Bruto agropecuario (VABa) será
creciente. Por otra parte, desde el enfoque de bienestar, Manobanda
Cañar (2022) infiere que, sí el desempleo decrece, el
bienestar tendrá un incremento sustancial.
Por lo antes argumentado,
la investigación toma como objetivo: estimar la correlación, relación y
causalidad probabilística existente entre los indicadores laborales rurales y
la generación de valor reflejado en el VABa, adicional a lo mencionado, el
estudio se subdivide en tres etapas con la finalidad de solventar significativamente
mediante coberturas metodológicas estadísticas, econométricas y algorítmicas la
relación entre variables.
Método
Diseño de la
investigación
El diseño de la
investigación es mixto; en primera instancia, el origen de los datos es
netamente cuantitativo, sin embargo, para el desarrollo de algunos modelos se
procura transformar la variable en aspectos cualitativos con la finalidad de
dar una mejor comprensión y entendimiento al problema de investigación mediante
la inducción de enfoques categóricos.
Técnicas de recolección
de datos y cronología
La recolección de los
datos tendrá criterio secundario, debido a que proviene del levantamiento de
información realizado por el Ministerio de Agricultura y Ganadería del Ecuador,
en su sistema informático, sección agroeconómico y agrosocial.
Objeciones y modelamiento
exponencial
En la base de datos
otorgada por el Ministerio de Agricultura y Ganadería se perciben recuadros
vacíos en determinados trimestres, por lo cual, se realizó una suavización
exponencial simple para brindar el tratamiento a esos datos faltantes; se
detalla la ecuación:
Donde; las variables a la
izquierda del alfa corresponden al pronóstico del periodo anterior, el alfa
infiere al coeficiente de suavización, a la derecha de este, el error de
pronóstico del periodo anterior. Con este aplicativo la base de datos tendrá
homogeneidad acorde para el tratamiento algorítmico y econométrico.
Categorías de análisis
Se precisa la variable
dependiente o de salida:
- Valor Agregado Bruto
Agropecuario (VABa): Considera una
variable macroeconómica que busca determinar el aporte que adquieren los
bienes y servicios al transformarse en procesos productivos derivados del
sector agropecuario (Cambo
Mariño, 2022).
Se puntualizan las
variables independientes o, de entrada:
- Tasa de desempleo:
Nivel de desocupación de desocupación de la Población Económicamente
Activa (PEA).
- Tasa de
empleo adecuado: Población
Económicamente Activa del territorio nacional.
- Tasa de
empleo no remunerado: Personas con
empleo no remunerado o ayudantes de trabajadores asalariados sin recibir
compensación económica.
- Tasa de
subempleo: Personas con la fuerza laboral
suficiente para aumentar su tiempo de trabajo y, equiparar al desempeño
económico de la PEA, se hace un contraste con el salario mínimo.
- Tasa de
empleo no pleno: A diferencia de
las personas en la tasa de subempleo, aquí se posicionan quienes adjudican
un empleo con ingresos inferiores al salario mínimo, con menores cargas
horarias, sin deseo o disponibilidad de aumentar su número de horas.
Etapa I. Modelos
correlacionales y descriptivos
Correlación
de Pearson
Tiene como designio
deducir la correspondencia o grado de asociatividad entre dos variables aleatorias
cuantitativas que posee un circunstancial uniforme bivariado conjunto (Lahura,
2003). Las derivaciones determinan que, sí es
cercano o igual a (-1) es inversamente
proporcional, sí es (0) indica que no hay asociatividad alguna, por otro lado,
sí es cercano a (1) es directamente proporcional; El coeficiente se define por
la siguiente ecuación:
Prueba de significación
bilateral
Se contrasta como
hipótesis nula la no existencia de asociación lineal; se determina la ecuación:
Donde; 
corresponde
a la media del conjunto de datos 
.
Etapa II. Predicción
automatizada lineal
Regresión
Lineal Múltiple Automatizada
El modelo de regresión
lineal múltiple es equiparable al modelamiento lineal simple, la diferencia deriva
que en el múltiple el tratamiento de predicción incurre el uso de más de una variable
explicativa (Abuín,
2007); el modelo es el siguiente:
El 
indica
el incremento unitario correspondiente a la variable explicativa 
;
Los supuestos que se deben cumplir para llevar a cabo este estadístico son:
- Linealidad:
exactitud de referencia y distribución.
- Homocedasticidad:
perturbaciones con la misma varianza.
- Independencia:
perturbaciones independientes entre
sí.
- Normalidad:
simetría alrededor de la media.
Etapa III. Modelo
algorítmico de lógica booleana
Análisis
Cuali-Cuantitativo Comparativo de Conjuntos Difusos
Para realizar la
metodología fsQCA es prioritario realizar una estructura balanceada de datos,
en tal aspecto, se usa el método de calibración directa, este indica que los
tipos de relaciones causales requieren asegurarse que todas las variables
contengan las mismas consideraciones escalares, los datos pueden ser
cualitativos o cuantitativos, para una calibración directa, los datos deben
estar entre 0,05 y 0,95, una vez considerado aquello se prosigue con el algoritmo.
El objetivo del QCA es
explicar la causalidad en los fenómenos complejos de la vida real a través de
la causalidad multiconjuntiva, que se refiere a la concepción no lineal, no
aditiva y no probabilística que rechaza cualquier forma de cautela permanente y
que hace hincapié en la equifinalidad (diferentes caminos pueden llevar al
mismo resultado), las combinaciones complejas de condiciones y la diversidad (Pappas
& Woodside, 2021).
El QCA utiliza el álgebra
de Boole y los algoritmos de minimización booleana para captar los patrones de
causalidad multiconjuntiva y simplificar las estructuras de datos complejas de
una manera lógica y holística (Ragin,
2014). El uso del álgebra de Boole significa
que QCA tiene como entrada datos binarios (0 o 1), y utiliza operaciones
lógicas para el procedimiento, por lo que es muy importante dicotomizar las
variables de una manera útil y significativa (Rihoux
& Ragin, 2009).
Se especifica las
codificaciones booleanas:
- Dado por par
ordenado
y
que
procuran explicar a la variable 
pueden
existir diversas condiciones:
Donde; 
representa
la adición, 
la
variable invertida a la no pertenencia.
Resultados
En primera instancia, se
procede a desarrollar la Etapa I. desarrollada con la correlación de
Pearson, en conjunto con el Rho de Spearman, con la finalidad de percibir el
comportamiento lineal que adjudica el VABa agropecuario frente a los
indicadores laborales rurales (ver figura 1); se detalla:
Figura 1.
Diagrama de correlación, suavización
Loess, curvas de densidad, elipses, prueba Spearman, ajuste lineal, histogramas
e intervalo de frecuencias
Nota:
Elaborado mediante R Studio
Valorando como eje
central el VAB agropecuario, podemos mencionar lo siguiente:
- Tasa de desempleo:
adjudica una correlación de -0,15 sin presencia de dependencia lineal, una
extensa brecha en la curva de densidad y la variable no tiene un
comportamiento cercano a la normalidad.
- Tasa de
empleo adecuado: adjudica
una correlación de -0,46 con un nivel de dependencia lineal de 0,001 (**),
una ínfima brecha en la curva de densidad y la variable tiene un
comportamiento normal.
- Tasa de
empleo no remunerado: adjudica
una correlación de 0,58 con un nivel de dependencia lineal de 0,000 (***),
una ínfima
brecha en la curva de densidad y la variable tiene un comportamiento
normalidad.
- Tasa de subempleo:
adjudica una correlación de 0,56 con un nivel de
dependencia lineal de 0,000 (***), una mediana
brecha en la curva de densidad y la variable tiene un comportamiento cercano
a la normalidad.
- Tasa de
empleo no pleno: adjudica
una correlación de -0,75 con un nivel de dependencia lineal de 0,000
(***), una mediana
brecha en la curva de densidad y la variable tiene un comportamiento
cercano a la normalidad.
Por lo consiguiente, se
procede a desarrollar la Etapa II. instaurado con una modelación lineal
automatizada, tomando como variable dependiente el VAB agropecuario y, como
independientes, los indicadores
laborales rurales; se detalla:
Figura 2.
Criterios de información, factor de
explicación y delimitación de variables para el modelo
Nota:
Elaborado mediante SPSS v.21
Bajo interacción de
modelos, se selecciona aquel que adjudica menor valor absoluto de Criterio de Información
de Akaike, aquel modelo será el que se detallará en la investigación; el modelo
brinda tratamiento a las variables y las transforma basado en la conveniencia
de su distribución, con lo cual, alcanza un coeficiente de determinación (
)
de 57,9% con un mínimo error cuadrático.
Figura 3.
Predicción observada y estimación con la
variable relevante
Nota:
Elaborado mediante SPSS v.21
El modelo automatizado
cuenta con excelente nivel de predicción, alcanzando una alta composición lineal
de las variables seleccionadas, adicional a esto, la variable con mayor
significancia es la tasa de empleo no pleno, valorado mediante el nivel significancia,
esta variable adjudica una representación inversamente proporcional al VAB
agropecuario.
Se procede a demostrar
bajo un modelo gráfico:
Figura 4.
Tratamiento de los coeficientes y
estimación
Nota:
Elaborado mediante SPSS v.21
La tasa de empleo no
pleno es la variable con mayor afección al comportamiento del VAB agropecuario,
con un nivel de significancia de 0,01 (99% de nivel de confianza) y su coeficiente
estimado es negativo, mientras que, la tasa de empleo no remunerado alcanza un
nivel de significancia de 0,1 (90% de nivel de confianza) y su coeficiente
estimado es positivo.
Por último, mediante el
software fsQCA, se desarrolla el Análisis Cuali-Cuantitativo Comparativo de
Conjuntos Difusos, con la finalidad de determinar la variable necesaria y la
combinación de variables bajo un efecto booleano, dando solución a la Etapa
III. se detalla:
Tabla 1.
Analysis of Necessary Conditions
|
Imput
|
Consistency
|
Coverage
|
|
Tasa de Desempleo
|
0,460928
|
0,808152
|
|
Tasa de Empleo Adecuado
|
0,767699
|
0,688387
|
|
Tasa de Empleo no
Remunerado
|
0,943527
|
0,724445
|
|
Tasa de Subempleo
|
0,947836
|
0,719755
|
|
Tasa de Empleo no Pleno
|
0,962174
|
0,651804
|
Nota:
Elaborado mediante fsQCA
Basados en los resultados
de la (Tabla 1.) se determina que, la variable tasa de empleo no pleno es
considerada la variable necesaria para la consecución de Valor Agregado Bruto
del sector agropecuario, debido a que su nivel de consistencia es superior a 0,95.
Por lo consiguiente, se
detalla la combinación entre variables adjudicando las perspectivas de la
lógica booleana, denominada tabla de la verdad, solución intermedia; se puntualiza:
- Primera solución:
Para generar Valor Agregado Bruto Agropecuario es pertinente que no exista
un empleo adecuado, se adjudique un significativo nivel de empleo no
remunerado, subempleo y empleo no pleno; este análisis posee una
consistencia de 0,9203 y, se presenta en el 2,21% y su composición
presenta una probabilidad de 52,85%.
- Segunda
solución: Para generar Valor Agregado
Bruto Agropecuario es pertinente que no exista desempleo, se adjudique un
significativo nivel de empleo no remunerado, subempleo y empleo no pleno;
este análisis posee una consistencia de 0,9203 y, se presenta en el 34,38%
y su composición presenta una probabilidad de 85,02%.
Conclusiones
- La participación del
sector agropecuario en la economía de las naciones es relevante, además,
se formula como la base de los demás sectores económicos que transforman
materias primas, por ende, si su funcionamiento adjudica un declive se
percibirá incidencia. Adicional a lo mencionado, este sector en particular
necesita significativa mano de obra y operabilidad, no obstante, a lo
largo de los años han existido excesivas demandas por la desigualdad
subyacente, que hasta la actualidad en Ecuador no han logrado ser
satisfechas.
- Con lo antes
mencionado, se procede a discernir con los resultados obtenidos. Mediante un
estudio correlacional se percibe una dependencia lineal entre variables,
la de mayor significancia es la tasa del empleo no pleno, en el acto, es
cuando dicho empleado percibe ingresos inferiores al salario mínimo,
reducida jornada laboral frente al estándar legal, pero, no tienen el
deseo ni la disponibilidad de trabajar una jornada proporcional adicional
para satisfacer esta brecha de ingreso. Entre las variables argumentadas
existe una relación inversamente proporcional.
- Bajo la elaboración
de un modelo lineal automatizado se ratifica lo observado en la
correlación, especificando por la tasa de empleo no pleno una dependencia
inversa con el VABa. Por otro lado, la que adjudica relación directa es la
tasa de empleo no remunerado, aunque resulte irónico, afirmar que es
necesario que los trabajadores operen sin percibir ingreso o sueldo por su
esfuerzo, es decir, la sostenibilidad en términos de generación de valor
necesita empleados no remunerados.
- Las premisas
metodológicas obtenidas por correlación y modelo lineal automatizado no
tienen vínculo con las teóricas bosquejadas, específicamente con las
argumentadas por Zapata
Gómez (2021), el cual infiere que mientras
menor sea el desempleo, mayor es la generación de valor, esta relación no
se percibe en el estudio.
Sustentado en una
metodología de causalidad algorítmica obtenemos respuestas similares a lo
adjudicado en los modelos antes argumentados, en primera instancia, para
existir una combinación probabilística con el VAB agropecuario es necesario la
tasa de empleo no pleno; sin embargo, las combinaciones existentes son más
preocupantes, dando a entender que no debe existir empleo adecuado para generar
valor, en tal aspecto, la desigualdad de la zona donde más abunda el sector agropecuario,
es decir, zona rural, no posee la estabilidad para remunerar de forma adecuada
a sus trabajadores, por lo que es necesario que no exista un empleo adecuado,
haya empleo no remunerado, subempleo y empleo no pleno para que el sector subsista.
Referencias
1. Abuín,
J. R. (2007). Regresión lineal múltiple. IdEyGdM-Ld Estadística, Editor, 32.
2. Ball,
L., De Roux, N., & Hofstetter, M. (2012). El desempleo en América Latina y
el Caribe. https://repositorio.uniandes.edu.co/handle/1992/41016
3. Cambo
Mariño, M. E. (2022). El valor agregado bruto del sector primario agricultura
en la economía del Ecuador.
https://repositorio.uta.edu.ec:8443/jspui/handle/123456789/35422
4. Corral,
P. del, & José, J. (2009). Crisis y pobreza rural en América Latina: El
caso de Colombia [Working Paper]. RIMISP - Centro Latinoamericano para el
Desarrollo Rural, Santiago, CL.
https://idl-bnc-idrc.dspacedirect.org/handle/10625/39844
5. Fang,
C. (2022). Theoretical analysis on the mechanism and evolution law of
urban-rural integration development. Dili Xuebao/Acta Geographica Sinica,
77(4), 759–776. Scopus. https://doi.org/10.11821/dlxb202204001
6. Kuralbayeva,
K. (2018). Unemployment, rural–urban migration and environmental regulation.
Review of Development Economics, 22(2), 507–539. Scopus.
https://doi.org/10.1111/rode.12360
7. Lahura,
E. (2003). El coeficiente de correlación y correlaciones espúreas.
http://cendoc.esan.edu.pe/fulltext/e-documents/DDD218.pdf
8. Lasso-Valderrama,
F. (2019). Deterioro en el mercado laboral rural a mayo continúa impulsando el
desempleo. Reporte del Mercado Laboral - Julio de 2019. No. 11.
https://repositorio.banrep.gov.co/handle/20.500.12134/9738
9. Manobanda
Cañar, C. M. (2022). El estado de bienestar y el desempleo en el Ecuador.
https://repositorio.uta.edu.ec:8443/jspui/handle/123456789/34632
10. Moina-Sánchez,
P., Morales-Carrasco, L., Córdova-Pacheco, A., Moina-Sánchez, P.,
Morales-Carrasco, L., & Córdova-Pacheco, A. (2020). Crecimiento económico
en una región emprendedora en el Ecuador. RETOS. Revista de Ciencias de la
Administración y Economía, 10(19), 65–80.
https://doi.org/10.17163/ret.n19.2020.04
11. Pappas,
I. O., & Woodside, A. G. (2021). Fuzzy-set Qualitative Comparative Analysis
(fsQCA): Guidelines for research practice in Information Systems and marketing.
International Journal of Information Management, 58, 102310.
https://doi.org/10.1016/j.ijinfomgt.2021.102310
12. Ragin,
C. C. (2014). The Comparative Method: Moving Beyond Qualitative and
Quantitative Strategies. Univ of California Press.
13. Rihoux,
B., & Ragin, C. (2009). Configurational Comparative Methods: Qualitative
Comparative Analysis (QCA) and Related Techniques. SAGE Publications, Inc.
https://doi.org/10.4135/9781452226569
14. Tao,
Z., & Xiang, G. (2022). Empirical measurement and evaluation of rural green
development: Take Hunan Province, China as an example. Environmental Earth
Sciences, 81(9). Scopus. https://doi.org/10.1007/s12665-022-10398-6
15. Zapata
Gómez, N. E. (2021). Crecimiento del sector agrícola y su impacto en el
desempleo rural empleando ley de Okun para el Ecuador período 2009-2019.
https://repositorio.uta.edu.ec:8443/jspui/handle/123456789/32993
©2023 por
los autores. Este artículo es de acceso abierto y distribuido según los
términos y condiciones de la licencia Creative Commons
Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) (https://creativecommons.org/licenses/by-nc-sa/4.0/).
