Vulnerabilidad de los hogares y transiciones del mercado laboral en Ecuador: un enfoque bayesiano de pseudo-panel a partir de la ENEMDU
DOI:
https://doi.org/10.61616/rvdc.v6i3.1163Palavras-chave:
vulnerabilidad de los hogares, transiciones laborales, pseudo-panel, enfoque bayesiano, ENEMDUResumo
El estudio analiza la vulnerabilidad de los hogares en Ecuador a partir de las transiciones del mercado laboral, utilizando un enfoque bayesiano de pseudo-panel aplicado a datos de la Encuesta Nacional de Empleo, Desempleo y Subempleo (ENEMDU). Dado que la ENEMDU corresponde a encuestas de corte transversal repetido y no a un panel longitudinal, se construyen cohortes sintéticas de hogares según su tamaño y estructura, siguiendo la metodología de pseudo-panel propuesta por Deaton. A partir de estas cohortes, se aproximan pseudo-transiciones entre estados laborales del hogar —sin perceptores, un perceptor y múltiples perceptores entre dos trimestres consecutivos. Estas transiciones se modelan mediante un modelo multinomial logit bayesiano con efectos aleatorios por cohorte, lo que permite capturar heterogeneidad no observada y obtener inferencia probabilística robusta. Los resultados muestran patrones persistentes en la estructura de las transiciones laborales, con diferencias sistemáticas entre tipos de hogares, evidenciando grados diferenciados de vulnerabilidad ante cambios en el mercado laboral. El enfoque bayesiano proporciona estimaciones estables, intervalos de credibilidad informativos y adecuados diagnósticos de convergencia, constituyéndose en una alternativa metodológica sólida para el análisis de movilidad laboral y vulnerabilidad en contextos donde no se dispone de datos panel verdaderos.
Referências
Acevedo, I., & Robles, M. (2019). Vulnerabilidad y exclusión en América Latina: Una aproximación multidimensional. Banco Interamericano de Desarrollo.
Alkire, S., & Foster, J. (2011). Counting and multidimensional poverty measurement. Journal of Public Economics, 95(7–8), 476–487. https://doi.org/10.1016/j.jpubeco.2010.11.006
Bürkner, P.-C. (2017). brms: An R package for Bayesian multilevel models using Stan. Journal of Statistical Software, 80(1), 1–28. https://doi.org/10.18637/jss.v080.i01
Carter, M. R., & Barrett, C. B. (2006). The economics of poverty traps and persistent poverty: An asset-based approach. The Journal of Development Studies, 42(2), 178–199. https://doi.org/10.1080/00220380500405261
Chaudhuri, S., Jalan, J., & Suryahadi, A. (2002). Assessing household vulnerability to poverty from cross-sectional data: A methodology and estimates from Indonesia (Discussion Paper No. 0102-52). Columbia University.
Deaton, A. (1985). Panel data from time series of cross-sections. Journal of Econometrics, 30(1–2), 109–126. https://doi.org/10.1016/0304-4076(85)90134-4
Dercon, S. (2005). Risk, poverty and vulnerability in Africa. Journal of African Economies, 14(4), 483–488. https://doi.org/10.1093/jae/eji023
Dutta, I., Foster, J., & Mishra, A. (2011). On measuring vulnerability to poverty. Social Choice and Welfare, 37(3), 743–761. https://doi.org/10.1007/s00355-011-0571-0
Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian data analysis (3rd ed.). CRC Press.
Gelman, A., & Hill, J. (2007). Data analysis using regression and multilevel/hierarchical models. Cambridge University Press.
Heckman, J. J. (1981). Heterogeneity and state dependence. In S. Rosen (Ed.), Studies in labor markets (pp. 91–140). University of Chicago Press.
Instituto Nacional de Estadística y Censos. (2024). Encuesta Nacional de Empleo, Desempleo y Subempleo (ENEMDU): Bases de datos trimestrales 2024. https://www.ecuadorencifras.gob.ec
Kutyrkin, A., & Chaley, M. B. (2020) Stochastic models for description of structural-statistical properties in DNA sequences. Journal of Theoretical Biology, 496, 110126. https://doi.org/10.1016/j.jtbi.2019.110126
Levy, S. (2008). Good intentions, bad outcomes: Social policy, informality, and economic growth in Mexico. Brookings Institution Press.
Lovetskiy, K. P., Sevastianov, L. A., & Kulyabov, D. S. (2020). A stable and effective numerical method for integrating highly oscillating functions with a linear phase. In V. V. Krzhizhanovskaya et al. (Eds.), International Conference on Computational Science (pp. 29–43). Springer. https://doi.org/10.1007/978-3-030-50417-5_3
Morales Torres, I. F. (2025). Redes neuronales para la medición y predicción de la pobreza multidimensional en Ecuador: Enfoque aplicado a encuestas de hogares. Universidad Estatal de Milagro. https://doi.org/10.62943/nrj.v4n2.2025.414
Organización Internacional del Trabajo. (2023). Panorama laboral 2023 de América Latina y el Caribe. OIT.
Rykov, V., Kozyrev, D., Filimonov, A., Ivanova, N. (2021). On the reliability function of a k-out-of-n system with general repair time distribution. Probability in the Engineering and Informational Sciences, 35(4), 885–902. https://doi.org/10.1017/S0269964820000285
Sen, A. (1976). Poverty: An ordinal approach to measurement. Econometrica, 44(2), 219–231. https://doi.org/10.2307/1912718
Shorrocks, A. F. (1978). The measurement of mobility. Econometrica, 46(5), 1013–1024. https://doi.org/10.2307/1911433
Stewart, M. B. (2007). The interrelated dynamics of unemployment and low-wage employment. Journal of Applied Econometrics, 22(3), 511–531. https://doi.org/10.1002/jae.954
Train, K. E. (2009). Discrete choice methods with simulation (2nd ed.). Cambridge University Press.
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Isidro Fabricio Morales Torres, Mayra Fernanda Romero Morales, Tania Elizabeth Tamayo Mosquera, Jefferson Xavier Romero Morales

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.


















