El perfilado estadístico como instrumento para la evaluación del impacto del programa Incorpora

Jorge Casanova
Florentino Felgueroso
José Ignacio García Pérez
Sergi Jiménez-Martín
Resumen

En este artículo presentamos un ejercicio de evaluación causal en el contexto del perfilado estadístico aplicado a un programa de empleo creado por la Fundación “La Caixa” y denominado Incorpora. Este programa consiste en un mecanismo de apoyo y recolocación en el mercado de trabajo de personas en riesgo de exclusión. Nuestros resultados apuntan a que la formación impartida dentro del programa contribuye a una mejora general de la empleabilidad media de los participantes en el programa, pero se observa cómo este efecto decae en el tiempo que el beneficiario está desempleado. Por otra parte, encontramos que el programa Incorpora mejora la probabilidad de encontrar y retener el empleo, así como el tiempo trabajado e incluso el salario una vez reempleado, para todos los colectivos analizados sin importar el género, nacionalidad, sector previo de empleo o experiencia laboral previa. Concretamente, la empleabilidad aumenta entre 3 y 4 puntos porcentuales gracias al programa y el efecto sobre el número de meses acumulados en el empleo se sitúa, dependiendo de la cohorte, entre 3 y 4 meses tres años después de salir del mismo.

##plugins.themes.bootstrap3.article.details##

Palabras clave:
perfilado estadístico, análisis causal, contrafactual, tratados y grupo de control
Artículos más leídos del mismo autor/a
Citas

Arellano, F. A. (2010). Do training programmes get the unemployed back to work? A look at the Spanish experience. Revista de economía aplicada, 18(53), 39-65.

Card, D., Kluve, J., & Weber, A. (2018). What works? A meta analysis of recent active labor market program evaluations. Journal of the European Economic Association, 16(3), 894-931.

Desiere, S., Langenbucher, K., & Struyven, L. (2019). Statistical Profiling in Public Employment Services: An international comparison. OECD Social, Employment and Migration (Working Paper No. 224). https://doi.org/10.1787/1815199X

Epanechnikov, V. A. (1969). Non-parametric estimation of a multivariate probability density. Theory of Probability and Its Applications, 14(1), 153–158.

Felgueroso, F., García-Pérez, J. I., & Jiménez-Martín, S. Perfilado estadístico: un método para diseñar políticas activas de empleo. FEDEA y Fundación Ramón Areces.

García-Pérez, J. I. (2008). La muestra continua de vidas laborales: una guía de uso para el análisis de transiciones. Revista de Economía Aplicada, 16(1), 5-28.

Goodman-Bacon, A. (2018). Difference-in-differences with variation in treatment timing. NBER, National Bureau of Economic Research (Working Paper Series No. 25018).

Heckman, J. J. (1979). Sample Selection Bias as a Specification Error. Econometrica, 47(1), 153-161. https://doi.org/10.2307/1912352

Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70(1), 41-55.

Rosenbaum, P.R., & Rubin, D. B. (1985). Constructing a Control Group Using Multivariate Matched Sampling Methods that Incorporate the Propensity Score. The American Statistician, 39(1), 33-38.