Recensión de Perfilado Estadístico: Un Método para Diseñar Políticas Activas de Empleo, de Florentino Felgueroso, José Ignacio García-Pérez y Sergi Jiménez-Martín (Coordinadores)

Comenzaremos esta recensión con unos comentarios generales, combinados con comentarios sobre el contenido del capítulo 1 del libro (por cierto, capítulo que constituye un estupendo “survey”). Posteriormente, profundizaremos en el contenido de los capítulos 2 a 4 y en el de las conclusiones (conclusiones que comentaremos para cada capítulo).

El libro que nos ocupa constituye un excelente trabajo de economía laboral aplicada, en este caso a la economía española. Su objetivo es el desarrollo de herramientas (de “perfilado”) que ayuden a mejorar el conocimiento del que disponemos sobre las personas inscritas como demandantes de empleo en las bases de datos de los Servicios Públicos de Empleo (SPE). Como mostraremos en las páginas que siguen, ese objetivo es cubierto ampliamente mediante un rico despliegue analítico y empírico.

Los modelos de perfilado empiezan a emplearse en los países de la OCDE en los años noventa. En el caso que nos ocupa, hablamos de modelos o métodos de perfilado estadístico (MPE). Un objetivo importante en este campo es evitar el coste de “peso muerto” en las Políticas Activas de Empleo (PAE), como los programas genéricos de empleo. Es decir, se trata de buscar la concentración de los recursos escasos en los casos más necesarios.

Este trabajo versa sobre los MPE, en contraposición a los modelos de selección determinista, basados en algunos pocos indicadores clave (como la duración del desempleo o la edad), y a los modelos de “experto”, basados en la opinión/criterio del orientador laboral, método costoso económicamente, difícil de evaluar de forma sistemática, y que puede dar lugar además a “problemas de agencia”, como el “cream-skimming” por parte de los orientadores.

Por su parte, los MPE se basan en modelos econométricos. Se parte de intentar predecir el nivel de empleabilidad del individuo. En los modelos de elección discreta, la variable dependiente es una variable dicotómica que toma los valores (0,1). Generalmente, el valor 1 corresponde a la situación de riesgo que se desea evitar (por ejemplo, la probabilidad de incurrir en desempleo de larga duración), y el cero al caso contrario. Según la función de distribución utilizada para la estimación de la probabilidad, tendremos modelos logit o probit. El uso de estos modelos ha sido frecuente hasta la fecha en los MPE. En cuanto a la estimación de MPE a partir de modelos de duración, debemos indicar que estiman la probabilidad de que un individuo abandone la situación de riesgo en un determinado periodo, condicionado a que no lo ha hecho hasta ese momento (en este caso, se trata de la probabilidad condicionada de abandonar el desempleo).

Entre las ventajas del MPE se apunta a la alta capacidad predictiva sobre la empleabilidad del individuo y a que permite la eficiencia/coordinación/evaluación sistemática en la aplicación de las PAE. Por ejemplo, el MPE puede ser útil para la asignación de los individuos a los programas laborales. Entre otras aplicaciones, se comentan en el libro las experiencias en el uso de estos MPE en EEUU, Australia, Irlanda y Holanda.

El MPE que se plantea en este libro se construye técnicamente sobre modelos de duración, frente a la posibilidad de usar modelos de elección discreta. En este sentido, se percibe la influencia favorable de trabajos previos con modelos de duración de J. Ignacio García-Pérez y Yolanda F. Rebollo-Sanz, junto a diversos coautores.

Los autores señalan que sería necesario mejorar el campo de las variables de control en este tipo de estudios, aparte de las provenientes de los SPE. Así, se debería buscar información sobre “soft skills”, actitud, redes sociales, canales de búsqueda, etc., mediante encuestas “ad hoc”, colaboración con los orientadores laborales u otras fuentes. Las variables explicativas usadas en este estudio son de demanda de trabajo y, sobre todo, de oferta de trabajo, tratando de captar la elevada heterogeneidad de los individuos a efectos de su grado de empleabilidad. Los datos disponibles provienen hasta ahora de bases de datos administrativas (SPE), a falta aún de bases de datos creadas “ad hoc” para uso del MPE.

Es muy importante en estos análisis situar bien al desempleado en términos temporales, geográficos, de segmento laboral, etc.; es decir, conseguir una definición precisa de la denominada “referencia origen”. En cuanto al “timing”, conviene hacer el perfilado cuando el individuo entra en el desempleo, pero, por supuesto, el perfilado debería ser dinámico, con incorporación progresiva de nueva información. La elección de la variable de resultado es también muy relevante y está íntimamente ligada a la tarea que se asigne al MPE.

El propósito fundamental de esta línea de investigación es orientar las PAE, contribuyendo también a la necesaria, e insuficiente hasta el momento, evaluación de las políticas públicas en este campo. Un reto básico que se apunta, que seguramente compartimos todos los que hemos trabajado en temas relacionados con las PAE, es conseguir involucrar a los orientadores laborales (en este caso en proyectos de MPE); es decir, que lo valoren como una herramienta útil a su servicio, y no como una amenaza o carga adicional de trabajo.

En este trabajo, los parados se segmentan y clasifican en 4 grupos, atendiendo a la tasa de salida estimada del desempleo para varios horizontes temporales (corto, medio y largo plazo en el modelo) y aplicando ciertos percentiles sobre dichas duraciones. Asimismo, se realizan pruebas fuera y dentro de la muestra para mostrar la bondad del ajuste del modelo econométrico aplicado al perfilado de los demandantes de empleo. Como es habitual en la evaluación causal del tratamiento, se configuran estadísticamente un “grupo de tratamiento” y un “grupo de control”. Los problemas de posible sesgo de selección muestral se intentan paliar usando técnicas de “propensity score matching”. En el trabajo se utilizan fundamentalmente técnicas econométricas de estimación probit sobre la tasa de salida del desempleo.

En el capítulo 3 se exponen 4 ejemplos concretos de elección entre 4 PAE con muestras de diferentes Comunidades Autónomas (CC.AA.). Por su parte, en el capítulo 4 se estudia el efecto marginal de ciertas PAE sobre la tasa de salida del desempleo (contemplando distintos periodos, parados con duración diferente, etc.).

En mi opinión, más que los resultados concretos mostrados, lo importante del presente estudio es su vertiente metodológica, que muestra un relevante y prometedor camino en el que profundizar, desde todas las perspectivas (datos, políticas a evaluar, etc.). El planteamiento general del estudio seguramente habría sido del gusto por ejemplo de Luis Toharia, aunque éste lógicamente habría matizado ciertos elementos, dado su gran conocimiento del funcionamiento en la práctica del mercado de trabajo y de las políticas laborales.

Sería interesante, como indican los autores, que alguna Comunidad Autónoma desarrollase alguna experiencia piloto en este campo. Con respecto al contenido del libro, esa experiencia podría enriquecernos con un conocimiento más específico de en qué consiste exactamente cada PAE en la práctica, aparte de poder contar con los conocimientos complementarios aportados por los orientadores de empleo, que deberían involucrarse en el proyecto.

Pasemos ahora a profundizar en el núcleo analítico y empírico del libro. Así, concretando más los comentarios generales previos, debemos comenzar apuntando que en el capítulo 2 del libro se plantea un esquema metodológico interesante a seguir: i) diagnóstico básico (con datos administrativos de los SPE); ii) diagnóstico detallado (con información complementaria, a conseguir en la siguiente etapa de esta línea de trabajo); iii) itinerarios PAE sugeridos. Los grupos de variables de control que se consideran en el estudio para el MPE corresponden a factores personales, competencias (formación y experiencia) y mercado de trabajo. Se hace una clasificación o segmentación de los desempleados en 4 grupos, desde alta empleabilidad (A) hasta baja empleabilidad (D). El criterio está basado en las probabilidades estimadas de salida del paro a corto (3 meses), medio (6) y largo plazo (12); para ello se usan determinados percentiles de la distribución de duraciones. Se pone énfasis en el análisis de 4 PAE: orientación sobre ocupaciones alternativas, posibilidad de colocación en la ocupación deseada, formación complementaria y experiencia laboral en la ocupación deseada; esto se simplifica usando los términos orientación, colocación, formación y empleo.

Profundizando en el contenido del capítulo 3, debemos señalar que se distingue entre perfilado administrativo, cualitativo y estadístico (este último, es el abordado por este trabajo). Las probabilidades estimadas de salir del desempleo a corto, medio y largo plazo generan un indicador de empleabilidad de cada demandante. En este capítulo, se comentan los datos usados procedentes de los SPE, siendo la definición de “demandante desempleado” la siguiente: individuo de alta como demandante de empleo, disponible para trabajar y sin relación laboral.

Como ya hemos indicado, para estudiar la empleabilidad individual se usa un modelo probit sobre la probabilidad de transitar al empleo considerando varios horizontes temporales y, posteriormente, se calculan percentiles que sirven de “thresholds”. Por su parte, el diagnóstico individual está basado en el análisis del efecto sobre la empleabilidad de cambios en las variables de control (probabilidades antes y después del tratamiento).

Se realizan análisis/estimaciones con la muestra nacional y con la muestra por CC.AA. También se presentan resultados de estimaciones con heterogeneidad inobservable. La capacidad predictiva del modelo MPE resulta alta; ello se comprueba con dos diseños muestrales complementarios: fuera de la muestra (se usan para ello las predicciones a distinto plazo a partir del último periodo) y dentro de la muestra (con la parte de la misma excluida de la estimación).

En este capítulo 3 se exponen 4 ejemplos de diagnósticos con muestras de diferentes CC.AA. (por ejemplo, para hombres, 40-44 años, Barcelona, 24-35 meses en desempleo, formación de menos de ESO y experiencia en la construcción –colectivo 1–), distinguiéndose 4 fases en el proceso seguido: i) estimación del modelo para la muestra autonómica para obtener los grupos de empleabilidad de referencia; ii) estimación de los parámetros para la muestra de la celda que engloba al colectivo de referencia dentro de la Comunidad Autónoma escogida; iii) simulación individual para un demandante desempleado, utilizando sus características individuales y los parámetros del colectivo al que pertenece; iv) formulación del diagnóstico individual: es decir, indicación de cómo afecta cada PAE evaluada a la probabilidad de salida del desempleo a 3, 6 y 12 meses, y cuáles son las PAE (orientación, colocación, formación, empleo) más recomendables por tanto en cada caso.

Un aspecto al que habría que prestar mucha atención es que se observa que el diagnóstico puede variar ampliamente entre individuos y colectivos, incluso “cercanos” (que varían solo en una o pocas características). Por tanto, las políticas genéricas no serían aconsejables en este campo.

Profundizando más en nuestra explicación del capítulo 4, podemos comentar que para la evaluación se usa un modelo probit de transición al empleo. Se estudia el efecto instantáneo de la política y se estudia también el efecto post-política, con sus componentes permanente y variable (dinámico). Se comparan individuos tratados versus individuos del grupo de control. Se trabaja con una muestra aleatoria de 250.000 desempleados inscritos en los SPE entre junio de 2011 y junio de 2015. Lógicamente, en este tipo de análisis nos enfrentamos a un posible problema de sesgo de selección muestral. Dado que nos movemos en el marco de la literatura de evaluación causal, se desarrolla un análisis “contrafactual”. Estimamos así el efecto medio de la política sobre los individuos tratados. Se complementa el análisis con un modelo “propensity score” de asignación al tratamiento. En cuanto a los datos, se usa el Sistema de Información de los Servicios Públicos de Empleo (SISPE), el cual sigue un procedimiento de registro común para todas las CC.AA. Más específicamente, para este ejercicio se usan el fichero de demandas y el de historiales de servicios recibidos por los demandantes de empleo. Por otro lado, se realiza una clasificación de los servicios SPE y se eligen 4 servicios de la “cartera común”: itinerario personalizado, orientación profesional, técnicas de búsqueda de empleo y tutoría individual.

En este capítulo 4 se ofrecen los resultados para todas las observaciones y también considerando el “propensity score” entre p10 y p90 (para tratar el sesgo de selección). Asimismo, se muestran gráficos del efecto marginal, en cada trimestre, sobre la tasa de salida del desempleo, de la política en cuestión. Se amplía el análisis distinguiendo entre los parados de corta y larga duración, y también entre los sub-periodos 2011-2013 y 2013-2015. En cuanto a los resultados obtenidos del ejercicio descrito, señalaremos que el mayor impacto se aprecia para los servicios de técnicas de búsqueda de empleo y los de orientación laboral, sobre los parados de larga duración, y para el sub-periodo 2013-2015. Como indican los autores, este tipo de evaluación constituye solo una primera etapa, susceptible de completarse o enriquecerse desde varias perspectivas. Como línea de extensión futura, también se apunta hacia la “time to event approach”, aproximación centrada en el diferente periodo de tiempo en que cada individuo recibe los distintos tratamientos (en nuestro caso, las PAE).

Para finalizar, aparte de felicitar a los coordinadores y a los colaboradores del estudio por su trabajo, y a las instituciones financiadoras y a las suministradoras de datos, debemos indicar que unas preguntas que surgen espontáneamente a lo largo de toda la lectura del texto son las siguientes: ¿Hay ya alguna experiencia práctica de todo esto en España? ¿Se ha “lanzado” ya el proyecto en alguna Comunidad Autónoma? En caso negativo, ¿A qué esperan? Considero que ello sería de mucho interés social, laboral y económico, aparte de académico, y bien implementado el sistema permitiría emplear los fondos para las políticas activas de forma más eficiente. Seguro que todos aprenderíamos mucho de dichas experiencias y este interesante libro puede servir de orientación en ese sentido.

(Libro editado por FEDEA-Fundación Ramón Areces, Madrid, 2018)

Agradecimientos

Agradezco las sugerencias de los Editores y Evaluadores de esta revista y las de Fernando Núñez Hernández.