Esta obra está bajo una Licencia Creative Commons Atribución-No Comercial-Sin Derivar 4.0 Internacional

Mercado laboral y pobreza en Argentina

Labour market and poverty in Argentina

José L. Navarrete

Universidad Nacional de Córdoba, Facultad de Ciencias Económicas (Argentina). Centro de Investigaciones en Ciencias Económicas (CIECS-CONICET) (Argentina) UNDEF, IUA-CRUC, Facultad de Ciencias de la Administración (Argentina)

jlnavarrete@unc.edu.ar

A. Daniela Cristina

Universidad Nacional de Córdoba, Facultad de Ciencias Económicas (Argentina). Centro de Investigaciones en Ciencias Económicas (CIECS-CONICET) (Argentina) daniela.cristina@unc.edu.ar

Valeria J. Blanco

Universidad Nacional de Córdoba, Facultad de Ciencias Económicas (Argentina)

valeria.blanco@unc.edu.ar

Luján Reyes

Universidad Nacional de Chilecito. Becaria Doctoral CONICET (Argentina)

lu.reyess@gmail.com

Resumen

El trabajo estudia el vínculo entre mercado laboral y pobreza en un panel de provincias argentinas en el periodo 1996-2018 mediante efectos fijos, GMM y modelo de efectos fijos con umbrales. Los resultados muestran que mejoras en el nivel y distribución del ingreso, el desempleo y la participación de personas con altos niveles de educación en el mercado laboral contribuyen a reducir la tasa de pobreza. Finalmente, mediante el método de umbrales de Hansen, se encuentra evidencia de efectos no lineales del ingreso, la informalidad y el desempleo sobre la pobreza, que dependen del grado de desigualdad de la jurisdicción.

Palabras clave: Mercado Laboral; Desempleo; Pobreza. Códigos JEL: I32; J3.

Abstract

This paper analyses the influence of the labour market on poverty in the Argentinean provinces for the period 1996-2018 using fixed eﬀects, GMM and threshold model. Results show that improvements in the income distribution, increases in labour market earnings or in the share of people with high education levels, and decreases in the unemployment rate contribute to the reduction of poverty at the provincial level. Finally, we use the Hansen threshold model to capture non-linearities in a non-dynamic fixed eﬀects model, finding that nonlinear eﬀects of income, informality and unemployment on poverty depend on the inequality of the province.

Keywords: Labour market; unemployment; poverty. JEL Codes: I32; J3.

Fecha de recepción: 6/3/2021 Fecha de aceptación: 6/10/2021

I. Introducción

Luego de la crisis económica posterior a la salida de la Convertibilidad, la Argentina atravesó un período de aumento de su Producto Bruto Interno que se reflejó en mejoras en la mayoría de los indicadores del mercado laboral y en una fuerte reducción de la tasa de pobreza, que llegó a alcanzar al 60 % de las personas en el año 2002. Sin embargo, la incidencia de la pobreza se mantuvo siempre por encima del 15%. A partir del año 2014 se revierte esta tendencia descendente de la pobreza hasta llegar a valores próximos al 30% en 2018.

La dificultad para reducir los niveles de pobreza en Argentina puede atribuirse a diversos factores, siendo el mercado laboral uno de los principales determinantes de los ingresos de los individuos. En este sentido, la alta tasa de informalidad, los niveles de desigualdad laboral, el grado de calificación de la fuerza laboral en las distintas provincias, entre otros factores, se espera que afecten la tasa de pobreza.

El propósito de este trabajo es indagar y analizar el efecto de los diversos indicadores del mercado laboral sobre la tasa de pobreza en las provincias argentinas entre los años 1996-2018. Este período heterogéneo abarca ciclos de crecimiento económico con mejoras en el mercado laboral y años de caída de la actividad con sus respectivos efectos sobre la tasa de pobreza. Se utilizan datos provenientes de la Encuesta Permanente de Hogares Puntual y Continua (EPH) para el tercer trimestre (onda Octubre para EPH puntual) y para la totalidad de las provincias de Argentina.

Se advierte que existen disparidades en los niveles de pobreza entre las provincias y que los efectos de las variables del mercado laboral no son homogéneos entre ellas. Para medir estos efectos, se recurre a dos técnicas econométricas: la primera es el método de datos de panel, donde se incluye como variable dependiente los niveles de pobreza de una provincia, y los diferentes indicadores del mercado laboral como variables explicativas. Alternativamente, se indaga acerca de efectos no lineales de estas variables explicativas sobre la pobreza a través del Método de Umbrales.

El trabajo se organiza de la siguiente manera. En la Sección 2 se presenta un breve resumen de la literatura relacionada a la interacción de crecimiento, pobreza y mercado laboral. Posteriormente, se presentan el objetivo y la hipótesis del trabajo, para continuar luego con un análisis descriptivo de la evolución de la pobreza, la desigualdad y la relación entre el mercado laboral y la pobreza en Argentina. En la Sección 7, se mide el impacto de las variables del mercado laboral en la tasa de pobreza. Se finaliza con una breve conclusión de los resultados encontrados.

II. Antecedentes

Uno de los principales referentes del estudio de la relación entre pobreza, crecimiento económico y distribución del ingreso es Bourguignon (2004), quien postula que los cambios en la tasa de pobreza se encuentran explicados no solo por cambios en el ingreso promedio, sino que también se asocian a transformaciones en su distribución. El autor afirma que para la eliminación de la pobreza absoluta se requiere una fuerte y específica combinación de políticas de crecimiento y distributivas. De esta manera, la posibilidad de reducción de la pobreza en cada país o región se encuentra dada por la evolución de la tasa de crecimiento económico y los cambios en la distribución del ingreso conjuntamente

Existen diversos trabajos que exploran el vínculo mercado laboral- pobreza, tanto a nivel internacional como a nivel nacional. Cruces et al. (2017), en un trabajo para América Latina, estudia el impacto del crecimiento económico sobre la tasa de pobreza. Específicamente, analiza cómo el mercado laboral influyó sobre los niveles de pobreza en Argentina durante la década del 2000. Los resultados sugieren que la crisis económica de los años 2001-2002 afectó negativamente el crecimiento económico y las variables del mercado laboral incrementando, además, los niveles de pobreza. En el trabajo, se puntualiza que los años posteriores a la crisis 2001-2002 se caracterizaron por una fuerte recuperación de la actividad económica, mejoras en el mercado laboral y fuerte reducción en los niveles de pobreza y desigualdad. Asimismo, la crisis internacional del año 2008 afectó negativamente solo a algunas variables del mercado laboral, como, por ejemplo, la tasa de desempleo, pero no a los niveles de pobreza.

Beccaria et al. (2011), en un trabajo sobre la dinámica de la pobreza en cinco países de América, encuentra que el mercado laboral es uno de los principales factores que influyen sobre los niveles de pobreza de un país. Estos factores están relacionados a la precariedad laboral asociada al trabajo informal, el número de miembros de una familia ocupados, los cambios en el ingreso y la tasa de desempleo. Lang (2012) estudia los vínculos entre la pobreza y el mercado laboral en Estados Unidos. Los resultados muestran que el mercado laboral tiene una fuerte influencia en la tasa de pobreza, existiendo una fuerte relación entre los salarios vigentes y la tasa de pobreza. El autor sostiene que la tasa de pobreza se encuentra estrechamente relacionada con los salarios en percentiles más bajos en la distribución salarial. Por su parte, la tasa de desempleo tiene un efecto modesto sobre los niveles de pobreza.

Existen además trabajos específicos para la realidad económica argentina. Beccaria et al. (2006) focalizan en el efecto que la segmentación en el mercado laboral (formal-informal) ejerce sobre la pobreza. Los autores sostienen que, en caso de que todos los trabajadores informales pasen al mercado formal, la disminución de la incidencia de la pobreza en Argentina sería significativa. Un análisis del impacto de la informalidad sobre la pobreza a nivel de las regiones argentinas se encuentra en Mario y García (2013). El trabajo destaca que la reducción en el salario mensual asociada a la informalidad varía entre las regiones del país: mientras que en el GBA el empleo informal reduce en un 53 % el salario mensual, en la Región Patagónica y del NEA este porcentaje asciende al 71 %. Los autores señalan que un pro- ceso de formalización generaría reducciones en los niveles de pobreza de las regiones del país, pero no sería suficiente para erradicar esta problemática.

Gasparini et al. (2001) encuentran factores del mercado laboral que afectan tanto la distribución del ingreso como la pobreza en Argentina (véase, por ejemplo, pp. 59-60), entre ellos, cambios en la demanda de trabajo que favorecieron a trabajadores con mayor nivel de educación formal, y cambios en el desempleo resultante de una disminución en la tasa de inactividad. Otros antecedentes vinculados a la relación entre el mercado laboral y la pobreza son Simpson (2016) y Sconfienza (2017).

En suma, los resultados empíricos presentados sostienen que existe una relación negativa entre crecimiento económico y pobreza, dado que el incremento del producto se condice con una disminución de la proporción de personas bajo la línea de pobreza. Asimismo, se desprende que una mejora en la distribución del ingreso y de los indicadores del mercado laboral en general también permiten disminuir los niveles de pobreza, e incluso potenciar la influencia del crecimiento. Es por ello que el estudio en profundidad de dichos procesos para las provincias argentinas cobra especial relevancia.

III. Hipótesis y objetivos

En el presente trabajo se estudia la relación entre el mercado laboral y los niveles de pobreza en las provincias argentinas en el periodo 1996- 2018. Se busca indagar los principales factores que explican los cambios en la tasa de pobreza a nivel subnacional. Dado que el período analizado incluye ciclos tanto de crecimiento económico como de recesiones, se investiga si el crecimiento, a través de mejoras en el mercado laboral, contribuye a explicar la disminución de los niveles de pobreza observados.

Transmitido el propósito general del trabajo, a continuación, se presentan las hipótesis a contrastar:

● Aumentos absolutos en el ingreso laboral contribuyen a reducir la tasa de pobreza.

● La desigualdad salarial influye en el nivel de pobreza.

● Una disminución tanto en la tasa de desempleo como en la informalidad laboral reducen la tasa de pobreza.

● Una mayor participación de trabajadores con altos niveles de educación en el empleo total en el mercado laboral favorece la reducción de la pobreza.

● Existen efectos diferenciales de variables tales como la tasa de desempleo, informalidad e ingreso laboral sobre la tasa de pobreza según el nivel de desigualdad de una provincia.

IV. Evolución de la pobreza

Durante los últimos años de la década de los ’90, el porcentaje de la población con ingresos por debajo de la línea de pobreza se ubicó en alrededor del 35 %. Posteriormente, con la crisis que sufrió nuestro país a inicios de la década del 2000, la proporción de pobres pasa del 37,3 % en ese año al 59,5 % en 2002, donde alcanza el pico máximo del periodo analizado (1996-2018). A partir de allí, con la recuperación de la economía posterior a la crisis, la incidencia de la pobreza comienza a caer rápidamente, alcanzando en el año 2004 el 33,67 %. Esta reducción sostenida de la pobreza en el país hasta el año 2013 implicó que los niveles de privación monetaria disminuyeran notablemente, alcanzando un nivel del 15,52 % en el 2013.

A partir del año 2014, se observa una tendencia creciente en la tasa de pobreza, llegando en el año 2016 al 29,52 %. Si bien en el año 2017 se tiene una mejora de cuatro puntos en el indicador, para el año 2018 la pobreza vuelve a crecer hasta alcanzar el 28,72 % (Gráfico 1).

A nivel provincial, la proporción de personas con ingresos por debajo de la línea de pobreza sigue la misma tendencia en todas las regiones, se incrementa paulatinamente a fines de la década de los ’90, alcanza su pico máximo durante la crisis de la Convertibilidad y desciende de manera sostenida hasta el año 2014, evidenciando un crecimiento en los últimos años analizados. También se destaca la marcada heterogeneidad en los niveles de privación monetaria entre las distintas regiones del país[2]

La dinámica en el empleo de los sectores económicos es perceptible- mente distinta según el momento del ciclo que se considere. Muy sensibles son los sectores de la Construcción y la Industria. El sector Servicios se vio muy afectado durante la contracción económica del periodo 2001-2002, y durante el periodo 2009-2010, pero en el periodo más reciente (2017-2018) ha sido uno de los sectores que ha impulsado la creación de empleos.

En términos de participación relativa, entre los sectores impulsores del empleo registrado se destaca el de Servicios, que en casi todo el periodo considerado ha aportado un poco más del 40 % de la creación de puestos de trabajo. El Comercio es segundo en importancia en términos de creación de empleo, con el 22 % de la creación de empleo para el promedio de la serie analizada. La Industria, a pesar de ser muy procíclica, participa en un 18 % en promedio en la creación de puestos formales, en tanto que la Construcción promedia el 16 % de participación relativa en la creación de puestos formales.

La tasa de informalidad laboral aumenta en los momentos de crisis económica. El gran aumento de la tasa de informalidad laboral se observó como consecuencia de la crisis económica de 2001-2002 y, a partir de allí, a medida que se retornó a la senda de crecimiento económico, la informalidad laboral disminuyó, estabilizándose en alrededor del 35 %.

Las crisis económicas también tienen su impacto en la tasa de desempleo. En este sentido, en la crisis del año 2002, se observó una fuerte suba en el total de desocupados, llegando al máximo de la serie en mayo de 2002, cuando se encontraron desocupadas unos 3,4 millones de personas. Ninguna otra contracción económica tuvo el fuerte impacto contractivo de la crisis de 2002.

Relación entre variables seleccionadas y la pobreza

Avanzar sobre la determinación de los factores relevantes focalizando en los mercados de trabajo regionales permitirá comprender mejor los determinantes de la pobreza. A modo descriptivo, en el Gráfico 6 se presenta la relación de la incidencia de la pobreza y algunas variables del mercado laboral (ingreso promedio, tasa de desempleo, nivel de educación de los trabajadores, desigualdad e informalidad) observadas en las provincias argentinas en el período 1996-2018.

Algunas observaciones surgen con claridad respecto a la relación entre las variables seleccionadas y la pobreza: existe una clara correlación positiva entre la pobreza y la tasa de desempleo. Se observa además una correlación negativa entre la participación de trabajadores con alta educación en el mercado laboral y la pobreza.

Con respecto a la distribución del ingreso, se observa una clara relación positiva entre el Coeficiente de Gini y la pobreza: a mayor desigualdad de los ingresos laborales, mayor incidencia de la pobreza. Finalmente, se observa una clara correlación positiva entre la informalidad laboral y la pobreza.

Dadas las hipótesis planteadas en la Sección 3, se espera que mejo- ras en los indicadores del mercado laboral de las provincias se encuentren asociadas a reducciones en los niveles de pobreza. Concretamente, se define como mejora en un indicador del mercado laboral cuando las variables seleccionadas en esta investigación muestran la siguiente performance:

Gráfico 6. Relación entre variables seleccionadas y pobreza

Ingreso de la actividad
principal- Promedio individual Tasa de desempleo

Desigualdad Informalidad laboral

Capital humano[3]

Proporción de personas pobres: Pobreza	Tasa de pobreza, calculada como la proporción de individuos cuyos ingresos son inferiores a la línea de pobreza (canasta básica total[5] ).
Tasa de informalidad laboral: Informalidad	Proporción de personas ocupadas asalariadas que no tienen descuento jubilatorio ni aportan por sí mismas a algún sistema jubilatorio.
Bajo nivel educativo de los trabajadores: B_ED	Proporción de trabajadores con 8 o menos años de educación.
Nivel educativo medio de los trabajadores: M_ED	Proporción de trabajadores que tienen entre 9 y 13 años de educación.
Alto nivel educativo de los trabajadores: A_ED	Proporción de trabajadores con más de 13 años de educación.
Ingreso laboral: Ingreso	Ingreso promedio de la actividad principal a precios de 2010 (variable P21 en la EPH).
Desigualdad de ingresos: Gini	Coeficiente de Gini calculado a partir del ingreso laboral de la actividad principal (variable P21 en la EPH).
Tasa de desempleo: TD	Proporción de la población desempleada respecto a la población económicamente activa.
Participación de ocupados que revisten la categoría de empleador: Empleador	Proporción de ocupados clasificados como empleadores o jefe (variable cat_ocup=1 en la EPH continua o P17=1 en EPH puntual).
Participación de ocupados cuentapropistas: Cuenta_propia	Proporción de ocupados clasificados como cuentapropistas (variable cat_ocup=2 en la EPH continua o P17=2 en EPH puntual).
Participación de ocupados que revisten la categoría de empleado: Empleado	Proporción de ocupados clasificados como empleados (variable cat_ocup=3 en la EPH continua o P17=3 en EPH puntual).
Participación de ocupados sin remuneración: Sin_remuneración	Proporción de ocupados sin remuneración (variable cat_ocup=4 en la EPH continua o P17=4 en EPH puntual).
Participación de rama[6] de actividad de altos ingresos: A_rama	Participación de las tres ramas con mayores ingresos laborales en el período de referencia.
Participación de rama de actividad de ingresos medios: M_rama	Participación de las tres ramas con ingresos laborales medios en el período de referencia.
Participación de rama de actividad de bajos ingresos: B_rama	Participación de las tres ramas con menores ingresos laborales en el período de referencia.

VII.1. El modelo general

Para cuantificar la influencia de diferentes variables del mercado laboral sobre la tasa de pobreza, se procedió, en una primera instancia, a estimar la siguiente ecuación:

Pobreza = α + γ ingreso + γ TD + γ Gini

+ γ informalidad + γ M_ED + γ A_ED

+ γ Empleador + γ Empleado + γ M_rama

+ γ A_rama + γ y* + μ + ε.

En la ecuación a estimar, se incluye el término μ para considerar la heterogeneidad no observada de cada provincia –típicamente se la puede tratar como efecto fijo o efecto aleatorio–. Según el Test de Hausman, el mejor estimador es el modelo de efectos fijos, ya que los μ no son inde- pendientes de los ε, por lo que la estimación por efectos aleatorios sería sesgada. El test de Hausman arroja un χ2(19)= 64.52, lo que implica al nivel de significatividad de 0,001 que se rechaza la hipótesis nula, por lo que el empleo de efectos fijos es adecuado. El test de Pesaran de correlación contemporánea indica la presencia de dependencia cross-sectional (α = 0.001) y, mediante el test de Wald modificado para groupwise heteroskedasticity, χ2 (24) = 21.65 (Prob>chi2 = 0.5999), no se rechaza la hipótesis nula de homoscedasticidad. Se estiman errores estándar Driscoll and Kraay (cfr. Hoechle: 2007), que permiten controlar por heteroscedasticidad, autocorrelación y cross sectional dependence.

En la Tabla 3, se incluyen los estimadores de efectos fijos con errores robustos (FE VCE), efectos aleatorios con errores robustos (RE VCE), máxima verosimilitud (MLE), estimadores between (BE), promedio poblacional con errores robustos (PA VCE) y efectos fijos con errores estándar Driscoll - Kraay (DISCROLL). Finalmente, para controlar por posible endogeneidad de la variable ingresos, se realizaron estimaciones por el método de momentos generalizados (GMM). En términos generales, se observa consistencia y relativa estabilidad en los resultados, independientemente del modelo empleado.

Los resultados obtenidos denotan que, como se esperaba, un aumento en el ingreso laboral tiende a disminuir la tasa de pobreza. Este efecto es más fuerte en el modelo GMM, que considera la posible endogeneidad de la variable. También, se puede observar que un aumento de la tasa de desempleo aumenta la tasa de pobreza. Este efecto es considerablemente más fuerte cuando se considera el modelo GMM. Una peor distribución del ingreso laboral (mayor valor del Coeficiente de Gini) empeora la situación de pobreza. Esto puede deberse a que la tendencia a la polarización se efectúe con cierta pérdida de los ingresos de los trabajadores en la parte inferior de la distribución del ingreso.

En línea con la teoría del capital humano, cuanto mayor es la participación de trabajadores con alta educación en el mercado laboral, la pobreza tiende a disminuir (siempre que la variable es significativa, tiene el signo esperado; véase Modelos 2, 3 y 5). Por su parte, la mayor participación de empleadores en el mercado laboral, que se considera una mejora en el mismo, tiende a reducir la tasa de pobreza (salvo en la estimación GMM, en la cual el coeficiente es positivo y no significativo estadísticamente).

A pesar de que una de las hipótesis del trabajo establece que se podría esperar cierto impacto de la informalidad laboral en la pobreza, principalmente debido a que los informales se encuentran precarizados en el mercado laboral –esto es, con menores ingresos esperados–, no se encontró evidencia del efecto de la informalidad sobre la pobreza. Sobre este punto se volverá en las estimaciones con umbrales.

En relación a las ramas de actividad, los resultados no son concluyentes. Sin embargo, se insinúa que, contrariamente a lo esperado, cuanto mayor es la participación de las ramas de actividad con altos o medios ingresos (lo que se considera una mejora en el mercado laboral), la pobreza tiende a ser mayor.

En la Tabla A.3 del Anexo, se presentan los resultados de estimaciones similares a las presentadas, pero con las variables en logaritmos. De allí se desprende, entre otras cosas, que la elasticidad ingreso de la pobreza se encuentra próxima a -1.17 (-1.3 si se la estima por GMM) coincidente con la evidencia empírica a nivel nacional e internacional. Asimismo, la elasticidad desigualdad se ubica en torno a 1.37 (1.7 si se la estima por GMM).

Anteriormente, se observó que la mejora de algunos indicadores del mercado laboral como, por ejemplo, un aumento del ingreso laboral de la actividad principal, una disminución de la tasa de desempleo o una reducción de la desigualdad del ingreso laboral, tienden a reducir la tasa de pobreza. Sin embargo, existen otros indicadores del mercado laboral como, por ejemplo, la tasa de informalidad, donde los resultados no son concluyentes. Puede suceder que la tasa de informalidad se relacione de manera positiva o negativa con la pobreza dependiendo de la progresividad de la distribución del ingreso (esto es, que existan efectos no lineales). Si esto fuese así, la tasa de informalidad podría resultar no significativa en las estimaciones del presente acápite que no consideran esta posibilidad, ya que, de existir cambios de signo, el promedio estimado no los captaría. Esto es lo que se tratará a continuación.

VII.2. Análisis de umbrales

Con el propósito de profundizar el análisis de los efectos del mercado laboral sobre los niveles de pobreza, se procedió a indagar posibles efectos no lineales del mercado laboral sobre la tasa de pobreza de una provincia. Para captar estos efectos no lineales o umbrales, se siguió la metodología propuesta por Hansen (1999: 345-368) para estimar un modelo de datos de panel con umbrales, no dinámico y de efectos fijos (Threshold model). La especificación del modelo es la siguiente:

Y = α + X (q < γ) β + X (q ³ γ) β + μ + ε,

siendo Y la variable dependiente que, en nuestro caso, hace referencia a la tasa de pobreza de una provincia i en el año t, α es un término constante, X es un vector de variables explicativas (entre ellas, la tasa de informalidad, desempleo, desigualdad, etc.). Por su parte, q es la variable utilizada como umbral, mientras que γ es el parámetro umbral que separa el efecto de una variable explicativa X sobre la tasa de pobreza. Finalmente, μ es el efecto individual propio de una provincia y ε hace referencia al error aleatorio. La ecuación muestra el efecto diferencial de una variable X sobre la tasa de pobreza (β o β) según el valor de la variable threshold q sea menor o mayor al parámetro γ.

El modelo de umbrales abre la posibilidad a la existencia de más de un umbral, lo que implica que pueden existir diversos regímenes (más de dos coeficientes β) en una misma ecuación. La identificación del número de umbrales se realiza empleando las pruebas de contraste con el estadístico F.

Las estimaciones realizadas en este trabajo consideran la posibilidad de existencia de efectos no lineales de la informalidad laboral, del ingreso laboral y de la tasa de desempleo sobre la pobreza, dependiendo del thresholds para el Coeficiente de Gini. En las Tablas 4.C, 5.C y 6.C se presentan, respectivamente, los resultados de las estimaciones.

En primer lugar, se procedió a considerar efectos no lineales de la informalidad laboral sobre la tasa de pobreza según el grado de desigualdad que presente la provincia.

Los resultados sugieren la existencia de dos umbrales para el Coeficiente de Gini (véase Tablas 4.A y 4.B)[7] y, por lo tanto, se tiene que el efecto de la tasa de informalidad sobre los niveles de pobreza de una provincia depende de cuán desigual es la distribución del ingreso. Según el valor del Coeficiente de Gini de una provincia se encuentre por encima o por debajo de 46,36, la tasa de informalidad tendrá un efecto diferencial sobre la pobreza. Asimismo, cuando el valor del Coeficiente de Gini oscila entre46.36 y 50.13, habrá efectos disímiles a la situación que se produce cuando una provincia supera un valor de 50.13 del indicador de desigualdad.

Respecto a los coeficientes estimados de las otras variables, se con- firman algunos resultados obtenidos en las estimaciones de datos de panel sin considerar la posibilidad de umbrales. Por ejemplo, de la Tabla 4.C se desprende que una mejora en el ingreso laboral (Ingreso) tiende a reducir la tasa de pobreza de una provincia. De manera similar, una reducción en la tasa de desempleo (TD) o una mejora en la distribución del ingreso (Gini) –lo que se considera una mejora en las condiciones del mercado laboral– tienden a reducir la tasa de pobreza.

Un resultado llamativo está relacionado a la rama o sector de empleo. A priori, se esperaría que una mayor participación de las ramas consideradas de mayores ingresos tendería a reducir la pobreza (se espera que el coeficiente estimado sea negativo); sin embargo, los resultados obtenidos muestran que cuanto más elevada sea la participación de las ramas de mayores ingresos (lo que se considera una mejora en el mercado laboral), la tasa de pobreza tiende a aumentar, lo que contrapone la hipótesis inicial. Algo similar ocurre con las ramas de ingresos medios.

Adicionalmente, los resultados también señalan que un aumento en la participación de los empleadores en el mercado laboral (Empleador) tiende a reducir la tasa de pobreza, ocurriendo lo opuesto con la participación de los asalariados o empleados (Empleado) –recordar que se toma como base a los trabajadores cuentapropistas y a los trabajadores sin remuneración–. En relación a la incidencia del capital humano, se tiene que, cuanto mayor sea la participación en el mercado laboral de trabajadores con más de 13 años de educación (variable A_ED), la tasa de pobreza de esa provincia tiende a reducirse (el coeficiente estimado es -0.323 y significativo). Estos resultados confirman lo encontrado en las estimaciones con datos de panel sin la presencia de umbrales.

Finalmente, de la Tabla 4.C se desprende que la tasa de informalidad tiene un efecto sobre la pobreza cuando la desigualdad es baja. Aquí, el coeficiente estimado es negativo (-0.138) cuando el Coeficiente de Gini asume valores menores a 46.36. Este resultado implica que, en aquellas provincias con baja desigualdad, un incremento en la tasa de informalidad puede contribuir a reducir la tasa de pobreza de la misma.[8]

En resumen, el método de umbrales nos permite ampliar la discusión acerca de los efectos no lineales del mercado laboral sobre los niveles de pobreza. De esta manera, cuando se incluye la posibilidad de efectos no lineales de variables como la informalidad, el nivel de ingreso y la tasa de desempleo sobre la pobreza, se tiene que estas no linealidades existen dependiendo del grado de desigualdad de una provincia. Así, por ejemplo, se tienen provincias como Chaco, Misiones, Formosa, Jujuy, Santa Fe, Santiago del Estero y Tucumán, donde se observaron niveles del Coeficiente de Gini superiores a 50,13 en varios años del período analizado (aproximada- mente en un 25 % de la muestra), donde el efecto de la tasa de desempleo sobre la pobreza es mayor respecto de otras jurisdicciones. Por otro lado, se tiene que en provincias como Catamarca, Chaco, Misiones, Santa Fe y Tucumán, la mediana del Coeficiente de Gini se ubica por encima del umbral de 46, lo que implica que, para estas jurisdicciones, el efecto de la tasa de informalidad, la tasa de desempleo e incluso el nivel de ingreso de la actividad principal podría ser diferente respecto al resto de las provincias. Esto constituye un resultado muy importante al momento de diseñar políticas públicas que busquen reducir los niveles de pobreza en una región o provincia.

VIII. Resumen y conclusiones

En este trabajo, se analiza la influencia de variables del mercado laboral como determinantes de la tasa de pobreza. Los resultados denotan que un aumento del ingreso laboral de la actividad principal, una disminución de la tasa de desempleo o una reducción de la desigualdad del ingreso laboral, que se consideran mejoras en el mercado laboral, tienden a reducir la tasa de pobreza. Esto último puede deberse a que la tendencia a la polarización se efectúe con cierta pérdida de los ingresos de los trabajadores en la parte inferior de la distribución del ingreso. Además, consistente con la teoría del capital humano, se observa que cuanto mayor es la participación de trabajadores con alta educación en el mercado laboral, la pobreza tiende a disminuir.

La mayor participación de empleadores en el mercado laboral, que se considera una mejora en el mismo, tiende a reducir la tasa de pobreza. Sin embargo, existen otros indicadores del mercado laboral como, por ejemplo, la tasa de informalidad o las ramas de actividad, donde los resultados no son concluyentes.

También se pudo observar que la elasticidad ingreso de la pobreza está próxima a -1.17 coincidente con la evidencia empírica a nivel nacional e internacional, mientras que la elasticidad desigualdad se ubica en torno a 1.37. Dichos indicadores ascienden a -1.3 y 1.7, respectivamente, si se estiman mediante GMM.

Se realizan estimaciones que consideran la posibilidad de existencia de efectos no lineales en la informalidad laboral, en el ingreso laboral y en la tasa de desempleo sobre la pobreza, dependiendo de thresholds para el Coeficiente de Gini.

Cuando se toman en cuenta efectos no lineales de la informalidad laboral sobre la tasa de pobreza según el grado de desigualdad que presente la provincia, los resultados sugieren la existencia de dos umbrales para el Coeficiente de Gini, por lo tanto, el efecto de la tasa de informalidad sobre los niveles de pobreza depende de cuán desigual es la distribución del ingreso en una provincia.

Se confirman algunos resultados obtenidos en las estimaciones de datos de panel sin considerar la posibilidad de umbrales. Por ejemplo, que una mejora en el ingreso laboral tiende a reducir la pobreza de una provincia. De manera similar, una mejora en las condiciones del mercado laboral disminuye la pobreza. En relación a la influencia del capital humano, se tiene que cuanto mayor sea la participación en el mercado laboral de trabajadores con más de 13 años de educación, la tasa de pobreza de esa provincia tiende a reducirse. Adicionalmente, un aumento en la participación de los empleadores en el mercado laboral tiende a reducir la tasa de pobreza. Un resultado llamativo está relacionado con la rama o sector de empleo. A priori, se esperaría que una mayor participación de las ramas consideradas de mayores ingresos reduciría la pobreza. Sin embargo, los resultados obtenidos muestran que cuanto más elevada sea la participación de las ramas de mayores ingresos (una mejora en el mercado laboral), la incidencia de la pobreza tiende a aumentar. Algo similar ocurre con las ramas de ingresos medios.

Finalmente, se encuentran efectos no lineales del ingreso laboral y del desempleo según el nivel de desigualdad en cada jurisdicción: cuanto mayor es el Coeficiente de Gini, los efectos diferenciales del ingreso y del desempleo sobre la tasa de pobreza son mayores.

En resumen, cuando se incluye la posibilidad de efectos no lineales de variables como la informalidad, el nivel de ingreso y la tasa de desempleo sobre la pobreza, se tiene que estas no linealidades existen dependiendo del grado de desigualdad de una provincia. Esto constituye un resultado muy importante al momento del diseño de políticas públicas que busquen reducir los niveles de pobreza en una región o provincia.

VIII. Referencias bibliográficas

Adams, R. H. Jr. (2004). Economic Growth, Inequality and Poverty: Estimating the Growth Elasticity of Poverty. World Development, 32(12), 1989-2014. doi: 10.1016/j.worlddev.2004.08.006.

Beker, V. A. (2016). Growth, Inequality and Poverty: What Do We Know? Departamento de Economía - Universidad de Belgrano, Universidad de Buenos Aires. Disponible en https://ssrn.com/abstract=2727231 or http://dx.doi. org/10.2139/ssrn.2727231.

Ben Rejeb, J. y Guiga, H. (2012). Poverty, Growth and Inequality in Developing Countries. International Journal of Economics and Financial Issues, 2(4), pp. 470- 479. Recuperado de http://www.econjournals.com/index.php/ijefi/ article/view/262/pdf

Beccaria, L., Groisman, F. y Monsalvo, P. (2006). Segmentación del Mercado de Trabajo y Pobreza en Argentina. Asociación Argentina de Economía Política. Disponible en https://aaep.org.ar/anales/works06/Beccaria_Groisman_Mon- salvo.pdf.

Beccaria, L., Maurizio, R., Fernández, A. L. y Monsalvo, A. L. (2011). Dynamics of Poverty, labor Market and Public Policies in Latin America. Poverty and Economic Policy Research Network. PMMA Working Paper 2011-0.

Bourguignon, F. (2004). The Poverty-Growth-Inequality Triangle. Proceedings of the AFD-EUDN Conference, 2003. Research Department. Agence Française de Développement.

Busso, M., Cerimedo F. y Cicowiez M. (2005). Pobreza, Crecimiento y Desigualdad: Descifrando la Última Década en Argentina. Documento de Trabajo no. 21 del Centro de Estudios Distributivos, Laborales y Sociales (CEDLAS), Universidad Nacional de La Plata.

Cruces, G., Fields, G., Jaume, D. y Viollaz, M. (2017). Growth, Employment, and Poverty in Latin America, Oxford University Press.

Fosu, A. K. (2016). Growth, Inequality and Poverty Reduction in Developing Countries: Recent Global Evidence. Research in Economics. doi: http://dx.doi. org/10.1016/j.rie.2016.05.005

Gasparini, L., Cicowiez, M. y Sosa Escudero, W. (2013). Pobreza y Desigualdad en America Latina. Conceptos, Herramientas y Aplicaciones. Editorial Temas.

Hansen Bruce, E. (1999). Threshold effects in non-dynamic panels: Estimation, testing and inference. Journal of Econometrics, 93, 345–368.

Imai, K. S. y Gaiha, R. (2014). Dynaminc and Long-term Linkages among Growth, Inequality and Poverty in Developing Countries. Economics Discussion Paper Series EDP-1410, Social School of Sciences, University of Manchester.

Lang, K. (2012). Poverty and the Labor Market. In Jefferson, Ph. N. (Ed.), The Oxford Handbook of the Economics of Poverty.

Lépore, E. y Simpson, S. (2016). Concentrated Poverty and Labour Markets: Youth Marginalization in Buenos Aires’s Informal settlements. Documentos de Trabajo Inclusión e Integración Urbana en América Latina no. 2/2016.

López, H. y Servén, L. (2006). A Normal Relationship? Poverty, Growth and Inequality. Policy Research Working Paper Series 3814, World Bank.

López,g. J. H. (2006). The Relative Roles of Growth and Inequality for Poverty Reduction. In Perry, G. E. (Ed.), Poverty Reduction and Growth: Virtuous and Vicious Circles. (pp. 57-73). Washington DC: World Bank.

Medina, F. y Galván, M. (2014). Crecimiento Económico, Pobreza y Distribución del Ingreso. Fundamentos Teóricos y Evidencia Empírica para América Latina 1997-2007. Serie de Estudios Estadísticos no. 82, Unidad de Estadísticas Sociales CEPAL, Naciones Unidas.

Ravallion, M. y Chen S. H., (1997). What Can New Survey Data Tell Us About Recent Changes in Distribution and Poverty? World Bank Economic Review, 11(2), 357-82.

Ravallion, M. (2001). Growth, Inequality and Poverty: Looking Beyond Averages. World Development, 29(11), 1803-1815.

Ravallion, M.; Chen, S. y Sangraula, F. (2008). Dollar a Day Revisited. Policity Research Working Paper Series 4620, World Bank.

Ravallion, M. (2016). The Economics of Poverty: History, Measurement, and Policy. Oxford University Press.

Sconfienza, M. E. (2017). Pobreza y Acceso al Empleo en Argentina ¿Cómo se Relacionan Demanda e Inclusión Laboral? Revista de Ciencias Sociales (CR), 4(158). Disponible en https://www.redalyc.org/pdf/153/15354921007.pdf.