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

  1. Casanova, Jorge 1
  2. Felgueroso, Florentino 2
  3. García Pérez, José Ignacio 3
  4. Jiménez-Martín, Sergi 4
  1. 1 Compass Lexecon y FEDEA
  2. 2 Universidad de Oviedo y FEDEA
  3. 3 Universidad Pablo de Olavide y FEDEA
  4. 4 Universitat Pompeu Fabra y FEDEA
Mostrar afiliaciones +
Revista:
Cuadernos económicos de ICE

ISSN: 0210-2633

Año de publicación: 2021

Título del ejemplar: La evaluación de las políticas públicas en España: recursos, metodologías y algunos ejemplos

Número: 102

Páginas: 189-220

Tipo: Artículo

DOI: 10.32796/CICE.2021.102.7316 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Cuadernos económicos de ICE

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.

Referencias bibliográficas

  • 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 Employ ment Services: An international comparison. OECD Social, Employment and Migration (Working Paper No. 224).
  • 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-difference 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.
Fuente de los datos: Dialnet