Sociodemographic Factors
and Their Relationship to Labor Market Participation in Ecuador: A Comparative
Analysis of the Coast and the Highlands Using Logit Models
Francisco Xavier Viera-Vaca[*]
Galo Fernando Moya-Castillo*
Dilmar Danilo Delgado Delgado*
Jaime Enrique Chusan Wong*
ABSTRACT
This
study aims to understand the factors that influence whether a person is
employed in Ecuador. Using data from the 2022 Population and Housing Census,
the analysis focuses on key sociodemographic characteristics such as
educational level, age, sex, place of residence, and employment status. The
results show that individuals with higher levels of education tend to have
greater opportunities to access employment. However, persistent inequalities
remain, particularly between men and women and between urban and rural
populations. Age also plays a role, as young adults represent the largest share
of the labor force, while older groups face challenges in labor market
inclusion. Regional differences are evident: in the Coast, urbanization
predominates, while in the Sierra rural communities have greater weight,
shaping distinct labor market dynamics. Overall, the study provides insights
into the employment situation in Ecuador and highlights the need for policies
that reduce gender and territorial gaps, strengthen the link between education
and labor demand, and promote broader access to formal employment
opportunities.
Keywords:
Employability, Logit model, 2022 Population and Housing Census, Labor market,
Ecuador, Sociodemographic factors.
RESUMEN
El presente estudio busca
comprender qué factores influyen en que una persona tenga o no un empleo en
Ecuador. Para ello se utilizaron los datos del Censo de Población y Vivienda
2022, que permiten conocer mejor la realidad social y económica de la población.
Con esta información se analizaron características como nivel de educación, la
edad, el sexo, el lugar donde viven las personas, y condición de empleo Los
resultados muestran que quienes tienen mayor nivel educativo suelen tener más
oportunidades de encontrar trabajo. Sin embargo, también se observa que todavía
existen desigualdades, especialmente entre hombres y mujeres y entre las
personas que viven en zonas urbanas y rurales. Además, al comparar la Costa y
la Sierra se identifican algunas diferencias en la forma en que funciona el
mercado laboral. En general, el estudio aporta elementos para comprender mejor
la situación del empleo en el país y para pensar en acciones que ayuden a
generar más oportunidades laborales.Principio del formularioFinal del formulario
Palabras clave: Empleabilidad, Modelo logit,
Censo 2022, Mercado laboral, Ecuador, Factores sociodemográficos
INTRODUCCIÓN
La
empleabilidad es un tema importante para entender cómo funciona el mercado
laboral, ya que se relaciona con la posibilidad que tienen las personas de
conseguir y mantener un empleo. Esta capacidad no depende solo del esfuerzo
individual, sino también de factores sociales, económicos y educativos que
influyen en las oportunidades laborales. En un país como Ecuador, analizar qué
elementos afectan la empleabilidad es fundamental para diseñar políticas
públicas que ayuden a generar más oportunidades de trabajo.
Según
Gary Becker (1993), la educación y la capacitación son parte del capital humano
y juegan un papel importante en las oportunidades laborales, ya que permiten
que las personas desarrollen habilidades que mejoran su productividad y su
adaptación al mercado de trabajo. Por otro lado, la Comisión Económica para
América Latina y el Caribe (2022) señala que en América Latina todavía existen
problemas como la informalidad y las desigualdades de género, que limitan el
acceso equitativo al empleo.
En
este contexto, el análisis de los datos del Censo de Población y Vivienda 2022,
elaborado por el Instituto Nacional de Estadística y Censos, permite conocer
mejor qué factores influyen en la empleabilidad en el país. Para ello se
utiliza un modelo econométrico logit, que ayuda a estimar la probabilidad de
que una persona tenga empleo e identificar cuáles son las variables que más
influyen en las oportunidades laborales en Ecuador.
MATERIALES Y MÉTODOS
La
investigación adopta un enfoque cuantitativo y explicativo para analizar los
determinantes de la empleabilidad en Ecuador, utilizando los datos del Censo de
Población y Vivienda 2022. El estudio hecho con el modelo econométrico logit
permite evaluar tanto la relación entre las variables sociodemográficas y la
condición de empleo, como la capacidad explicativa del modelo.
El
proceso inicia con la selección y depuración de la base de datos del censo,
considerando únicamente a la población en edad de trabajar (15 años y más). La
variable dependiente se define como dicotómica: valor 1 si la persona se
encuentra empleada y 0 si no lo está. Las variables independientes incluyen
nivel educativo, edad, género y área de residencia.
En
primer lugar, se realiza un análisis descriptivo para conocer la distribución
de los datos y explorar diferencias preliminares entre grupos. Este paso
permite reconocer tendencias territoriales y segmentaciones en el acceso al
empleo, diferenciando entre Costa y Sierra.
Posteriormente,
se especifican y estiman los modelos logit, que permiten cuantificar el efecto
de cada variable sobre la probabilidad de empleo. La interpretación de los
resultados se realizó mediante el análisis de los coeficientes y sus odds
ratios, complementados con pruebas de significancia estadística (valores p y
estadísticos z).
La
validación de los modelos se realizó mediante métricas de desempeño predictivo,
entre ellas las curvas ROC y el área bajo la curva (AUC), que permitieron
evaluar la capacidad clasificatoria del modelo.
Finalmente,
los resultados se interpretan en el contexto del mercado laboral ecuatoriano,
destacando los factores que más influyen en la inserción laboral y las
diferencias regionales entre Costa y Sierra. El análisis busca aportar
evidencia útil para el diseño de políticas públicas orientadas a mejorar la
empleabilidad, promover la equidad laboral y fortalecer el capital humano
RESULTADOS
Región
Costa
La distribución por sexo muestra una
mayor proporción de hombres (62 %) frente a mujeres (38 %).
Este resultado evidencia una ligera concentración masculina en la
población económicamente activa de la Costa. La asimetría negativa confirma que
la categoría “hombre” es la más frecuente. Este patrón puede estar asociado a
una mayor participación masculina en actividades productivas o a diferencias
estructurales en el acceso al empleo formal.
Figura
1. Distribución por sexo en la región Costa (Censo 2022)
Fuente:
Instituto Nacional de Estadística y Censos (INEC), Censo de Población y
Vivienda 2022.
Elaborado
por: Galo Moya
Tabla
1. Estadísticos descriptivos de la variable sexo en
la región Costa (Censo 2022)
|
Nº
Obs. |
Media |
Desv.
Est. |
Mediana |
Mínimo |
Máximo |
Asimetría |
Curtosis |
|
2 783 417 |
0.62 |
0.49 |
1 |
0 |
1 |
−0.47 |
−1.77 |
Fuente: Instituto Nacional de Estadística y
Censos (INEC), Censo de Población y Vivienda 2022.
Elaborado por: Galo Moya
La variable de residencia muestra un predominio urbano (77 %)
frente a un 23 % rural. Esto confirma que la Costa
es una región altamente urbanizada, donde la población se concentra en ciudades
y zonas metropolitanas. El entorno urbano favorece el acceso a educación,
servicios y empleo formal, aunque también puede generar desigualdades
territoriales y concentración de oportunidades en pocos centros urbanos.
Figura 2. Distribución por zona de residencia
en la región Costa (Censo 2022)
Fuente: Instituto Nacional de
Estadística y Censos (INEC), Censo de Población y Vivienda 2022.
Elaborado por: Galo Moya
La estructura etaria de la Costa
refleja una población predominantemente joven-adulta. Los grupos de 25 a 34
años (26 %) y 35 a 44 años (23 %)
concentran la mayor parte de la población, seguidos por los jóvenes de 15 a 24
años (16 %). Los grupos mayores de 55 años
tienen una participación mucho menor (17 % en conjunto). Este perfil
demográfico es favorable para la empleabilidad, ya que la mayoría se encuentra
en edad productiva. Sin embargo, la alta concentración en edades jóvenes
también puede implicar presión sobre el mercado laboral y necesidad de políticas
de inserción laboral sostenida
Figura 3. Distribución por grupos de edad en
la región Costa (Censo 2022)
Fuente: Instituto Nacional de
Estadística y Censos (INEC), Censo de Población y Vivienda 2022.
Elaborado por: Galo Moya
En la Costa, el perfil educativo de
la población revela una base sólida en educación media, que concentra casi la
mitad de los casos (44 %). Este grupo constituye el núcleo
formativo de la región y representa el estándar predominante en la fuerza
laboral.
La educación superior alcanza al 27 %
de la población, lo que evidencia un avance importante en el acceso a estudios
universitarios, aunque aún insuficiente para consolidar un mercado laboral
altamente calificado.
En los extremos, los niveles de sin
educación (2 %) y posgrado o cuarto nivel (3 %)
son minoritarios. Esto significa que la falta de escolaridad afecta a una
fracción muy pequeña de la población, mientras que la especialización avanzada
sigue siendo un privilegio de pocos.
En conjunto, el panorama educativo
de la Costa muestra una población con formación suficiente para integrarse al
mercado laboral, pero con un desafío claro: ampliar la cobertura de educación
superior y posgrado para fortalecer la competitividad regional y reducir las
brechas de especialización.
Figura 4. Distribución por nivel educativo en
la región Costa (Censo 2022)
Fuente: Instituto Nacional de
Estadística y Censos (INEC), Censo de Población y Vivienda 2022.
Elaborado por: Galo Moya
En la Costa, apenas tres de cada
diez personas (32 %) cuentan con empleo, mientras que
la mayoría, un 68 %, permanece fuera de la ocupación
formal. Este resultado revela un desajuste entre el potencial humano y la
capacidad del mercado laboral para absorberlo.
La presencia de una población joven
y con niveles educativos medios y superiores no se traduce en una inserción
laboral amplia. Más bien, el panorama sugiere que gran parte de la fuerza de
trabajo enfrenta informalidad, subempleo o desempleo abierto, lo que limita el
aprovechamiento de las competencias adquiridas.
En términos estructurales, la Costa
combina ventajas demográficas y educativas con un mercado laboral que aún no
logra responder a esa oferta de capital humano. Esto plantea la necesidad de
políticas públicas y estrategias empresariales que fortalezcan la creación de
empleo formal, reduzcan la brecha entre formación y ocupación, y promuevan una
mejor integración de los jóvenes al mundo laboral.
Figura 5. Distribución por condición de
empleo en la región Costa (Censo 2022)
Fuente: Instituto Nacional de
Estadística y Censos (INEC), Censo de Población y Vivienda 2022.
Elaborado por: Galo Moya
Región Sierra
La distribución por sexo en la
Sierra evidencia una mayor presencia masculina (53.9 %)
frente a femenina (46.1 %), lo que indica una diferencia
moderada entre ambos grupos. A diferencia de la Costa, donde la brecha es más
amplia, en la Sierra se observa una participación más equilibrada entre hombres
y mujeres dentro de la población económicamente activa.
Este resultado sugiere que la región
mantiene una estructura demográfica con mayor equidad de género, posiblemente
asociada a una inserción laboral más homogénea o a dinámicas sociales donde las
mujeres tienen una presencia más constante en actividades productivas y
comunitarias.
En términos generales, la Sierra
muestra una composición poblacional más balanceada, lo que puede favorecer
políticas de empleo y desarrollo con enfoque inclusivo y equitativo.
La distribución por zona de
residencia en la Sierra muestra una mayor concentración urbana (56.4 %),
frente a un 43.6 % de población rural. Aunque la
mayoría vive en ciudades, la proporción rural sigue siendo considerable, lo que
refleja la importancia estructural del campo en la dinámica económica y social
de la región.
Este equilibrio relativo entre lo
urbano y lo rural distingue a la Sierra de la Costa, donde la urbanización es
más marcada. En la Sierra, las comunidades rurales mantienen un papel activo en
la producción agrícola, el comercio local y la preservación cultural, mientras
que las zonas urbanas concentran servicios, educación y empleo formal.
La coexistencia de ambos espacios
evidencia una dualidad territorial: por un lado, el crecimiento urbano impulsa
la modernización y el acceso a oportunidades; por otro, la persistencia rural
plantea desafíos en infraestructura, conectividad y acceso equitativo a
servicios básicos.
En conjunto, la Sierra presenta una
estructura poblacional más equilibrada entre lo urbano y lo rural, lo que
sugiere la necesidad de políticas que integren ambos ámbitos para fortalecer el
desarrollo regional y reducir las brechas territoriales.
La estructura etaria de la Sierra
muestra una predominancia de población joven-adulta, concentrada principalmente
en los grupos de 25 a 34 años (25.4 %) y 35 a 44 años (18.9 %).
Estos segmentos representan el núcleo productivo de la región y conforman la
base de su fuerza laboral.
El grupo de 15 a 24 años (14.4 %)
también tiene una presencia relevante, lo que refleja un flujo constante de
jóvenes que se incorporan al mercado de trabajo o a la educación superior. En
contraste, los grupos de 55 a 64 años (7.8 %) y 65 años y más (5.9 %)
son minoritarios, lo que evidencia una menor proporción de adultos mayores
dentro de la población total.
Este patrón etario sugiere que la
Sierra cuenta con una estructura demográfica favorable para el desarrollo
económico, sustentada en una población activa y en edad productiva. Sin
embargo, la presencia de adultos mayores, aunque reducida, plantea la necesidad
de políticas que garanticen inclusión laboral y social para este grupo,
especialmente en zonas rurales donde su participación sigue siendo
significativa.
En conjunto, la distribución por
edad revela una región dinámica y joven, con potencial para sostener el
crecimiento económico, siempre que se fortalezcan los mecanismos de empleo y
formación profesional.
La distribución del nivel educativo
en la Sierra revela una estructura formativa diversa, donde predominan los
niveles medio (31.7 %) y superior (31.7 %),
seguidos por la educación básica (24.6 %). Estos tres grupos concentran más
del 85 % de la población, lo que evidencia
una base educativa sólida y una tendencia hacia la formación técnica y
universitaria.
En los extremos, los niveles de sin
educación (1.8 %) y cuarto nivel o posgrado (5.7 %)
son minoritarios. La baja proporción de personas sin escolaridad refleja
avances significativos en cobertura educativa, mientras que el reducido
porcentaje de posgraduados sugiere que la especialización avanzada sigue siendo
un espacio limitado, probablemente concentrado en zonas urbanas o en sectores
profesionales específicos.
Este perfil educativo muestra que la
Sierra cuenta con una población preparada para integrarse al mercado laboral,
aunque persisten desafíos para ampliar el acceso a estudios de posgrado y
fortalecer la calidad de la educación media y superior. En conjunto, la región
presenta una estructura educativa equilibrada, con potencial para impulsar el
desarrollo económico y social mediante la formación continua y la
profesionalización.
El análisis de la condición de
empleo en la región Sierra, con base en los datos del Censo de Población y
Vivienda del Ecuador, evidencia la estructura laboral de la población censada.
Del total de habitantes registrados, el 62.4% se encuentra clasificado bajo la
condición de "No empleado", mientras que únicamente el 37.6% figura
como "Empleado". Esta proporción revela que más de seis de cada diez
personas en la Sierra carecen de un empleo, lo que refleja un escenario de alta
vulnerabilidad económica y dependencia en los hogares de la región. La magnitud
de esta cifra dentro del universo censal subraya la necesidad de articular
políticas públicas territoriales y programas de desarrollo productivo
orientados a la generación de empleo y al fortalecimiento del mercado de
trabajo en la Sierra ecuatoriana.
Aplicar el modelo logit para estimar
el efecto de variables como educación, edad, género y zona de residencia sobre
la empleabilidad, comparando resultados entre regiones.
Modelo Logit general
Los resultados muestran que el sexo
tiene un efecto positivo y altamente significativo (p < 0.001).
En promedio, ser hombre aumenta la probabilidad de estar empleado respecto a
ser mujer, reflejando una brecha de género persistente en el mercado laboral
ecuatoriano.
La zona de residencia también
presenta un coeficiente positivo y significativo (p < 0.001).
Vivir en áreas urbanas se asocia con una mayor probabilidad de empleo en
comparación con las zonas rurales, lo que se explica por la concentración de
oportunidades laborales y servicios en las ciudades.
En cuanto a la edad, el patrón es
claro: los jóvenes de 15 a 24 años tienen una probabilidad mucho menor de estar
empleados (p < 0.001),
mientras que la probabilidad mejora entre los 25 y 44 años. A partir de los 55
años, la tendencia vuelve a ser negativa, mostrando que los adultos mayores
enfrentan barreras para mantenerse activos laboralmente. En conjunto, el
análisis evidencia que la inserción laboral en Ecuador está determinada
principalmente por el sexo, la edad y la zona de residencia. Todos estos
factores son altamente significativos (p < 0.001),
lo que confirma su relevancia estadística en el modelo. Estos hallazgos
reflejan desigualdades estructurales que requieren políticas públicas
orientadas a la equidad de género, la inclusión juvenil y el desarrollo
económico en zonas rurales.
Tabla 2: Resultados del modelo logit
general
Fuente: Instituto Nacional de
Estadística y Censos (INEC), Censo de Población y Vivienda 2022.
|
Variable |
Coeficiente |
Error estándar |
Valor z |
Significancia |
|
Intercepto |
-11 800 000 |
52 410 000 |
-0.225 |
ns |
|
Sexo |
0.161 |
0.002 |
81.329 |
*** |
|
Zona de residencia |
0.176 |
0.002 |
80.502 |
*** |
|
Edad 15–24 años |
-1.268 |
0.007 |
-183.683 |
*** |
|
Edad 25–34 años |
-0.413 |
0.007 |
-63.109 |
*** |
|
Edad 35–44 años |
-0.173 |
0.007 |
-26.361 |
*** |
|
Edad 45–54 años |
-0.230 |
0.007 |
-34.549 |
*** |
|
Edad 55–64 años |
-0.356 |
0.007 |
-50.601 |
*** |
|
Más de 65 años |
-1.009 |
0.008 |
122.374 |
*** |
Elaborado por: Galo Moya
Modelo Logit adicional
En el modelo logit general se
incluyeron las variables sexo, edad y zona de residencia, las cuales mostraron
efectos significativos y coherentes con la estructura del mercado laboral
ecuatoriano. Sin embargo, los coeficientes asociados a la educación no resultaron
interpretables debido a problemas técnicos de colinealidad y referencia. Con el
fin de superar estas limitaciones, se estimó un modelo logit adicional sobre
una muestra representativa de 500 000 observaciones, centrado en
analizar el efecto de la educación sobre la empleabilidad. Este ejercicio
permitió obtener resultados más estables y significativos, evidenciando un
patrón claro: a medida que aumenta el nivel educativo, también se incrementa la
probabilidad de empleo.
La educación básica, media, superior
y de cuarto nivel presentan coeficientes positivos y altamente significativos
(p < 0.001),
mientras que la educación inicial no muestra un impacto estadísticamente
relevante (p > 0.05).
Los resultados del modelo adicional son consistentes y robustos: en comparación
con individuos sin educación, los niveles más altos de instrucción potencian de
manera sostenida la inserción laboral, consolidándose como el factor con mayor
impacto en el acceso al empleo. La educación inicial, en cambio, no genera
ventajas sustanciales en el mercado laboral, lo que refleja que los puestos
formales y de mayor estabilidad requieren niveles educativos más elevados. En
conjunto, el análisis confirma que la empleabilidad en Ecuador está determinada
por una combinación de factores sociodemográficos (sexo, edad, residencia) y
educativos. La magnitud relativa de estos efectos será examinada en detalle en
el siguiente objetivo, pero ya se evidencia que la formación académica
constituye la principal palanca para mejorar las oportunidades laborales en el
país, complementando los efectos de género y residencia identificados en el
modelo general.
Tabla 3. Resultados del modelo logit
adicional sobre educación y empleabilidad (Censo 2022)
|
Variable |
Coeficiente |
Error estándar |
Valor z |
p‑value |
Significancia |
|
Intercepto |
- 2.369 |
0.035 |
-67.308 |
<0.001 |
*** |
|
Sexo |
0.125 |
0.007 |
19.107 |
<0.001 |
*** |
|
Zona de residencia |
0.212 |
0.007 |
29.570 |
<0.001 |
*** |
|
Educación
Inicial |
0.124 |
0.089 |
1.391 |
0.164 |
ns |
|
Educación Básica |
0.578 |
0.036 |
16.192 |
<0.001 |
*** |
|
Educación Media |
1.256 |
0.035 |
35.649 |
<0.001 |
*** |
|
Educación Superior |
2.195 |
0.035 |
62.107 |
<0.001 |
*** |
|
Educación Cuarto
nivel |
3.797 |
0.040 |
96.028 |
<0.001 |
*** |
Fuente:
Instituto Nacional de Estadística y Censos (INEC), Censo de Población y
Vivienda 2022.
Elaborado
por: Galo Moya
Modelo
Logit Costa
En la estimación del modelo logit
para la región Costa se observa que el sexo tiene un efecto positivo y
altamente significativo (coeficiente = 0.165; p < 0.001).
Esto implica que, en promedio, ser hombre aumenta la probabilidad de estar
empleado respecto a ser mujer, confirmando la persistencia de una brecha de
género en el mercado laboral. La zona de residencia también presenta un
coeficiente positivo y significativo (coeficiente = 0.372; p < 0.001).
Vivir en áreas urbanas se asocia con una mayor probabilidad de empleo en
comparación con las zonas rurales, lo que refleja la concentración de
oportunidades laborales y servicios en las ciudades. En contraste, las
variables de edad no resultan estadísticamente significativas (p > 0.05),
lo que sugiere que en la Costa la edad no es un factor determinante en la
probabilidad de empleo. De manera similar, los coeficientes asociados a la
educación tampoco muestran significancia estadística (p > 0.05),
indicando que en esta región la empleabilidad depende principalmente de
factores sociodemográficos como género y residencia, más que del nivel
educativo. El ajuste global del modelo es adecuado (AIC = 3 082 944),
con una reducción importante de la deviance respecto al modelo nulo, lo que
confirma la capacidad explicativa de las variables incluidas. En conjunto, los
resultados para la Costa evidencian que la inserción laboral está determinada
por desigualdades estructurales relacionadas con el género y el territorio,
mientras que la edad y la educación no presentan efectos estadísticamente
robustos en este contexto regional.
Tabla 4. Resultados del modelo logit para
la región Costa (Censo 2022)
|
Variable |
Coeficiente |
Error estándar |
Valor z |
p‑value |
Significancia |
|
Intercepto |
-134 900 000 |
213 300 000 |
-0.633 |
0.527 |
Ns |
|
Sexo |
0.165 |
0.003 |
56.886 |
<0.001 |
*** |
|
Zona de residencia |
0.372 |
0.004 |
99.179 |
<0.001 |
*** |
|
Edad 15–24 años |
-33 390 000 |
250 500 000 |
-0.133 |
0.894 |
Ns |
|
Edad 25–34 años |
-33 390 000 |
250 500 000 |
-0.133 |
0.894 |
Ns |
|
Edad 35–44 años |
-33 390 000 |
250 500 000 |
-0.133 |
0.894 |
Ns |
|
Edad 45–54 años |
-33 390 000 |
250 500 000 |
-0.133 |
0.894 |
Ns |
|
Edad 55–64 años |
-33 390 000 |
250 500 000 |
-0.133 |
0.894 |
Ns |
|
Más de 65 años |
-33 390 000 |
250 500 000 |
-0.133 |
0.894 |
Ns |
Fuente:
Instituto Nacional de Estadística y Censos (INEC), Censo de Población y
Vivienda 2022.Elaborado por: Galo Moya
Como
en el modelo regional de la Costa los coeficientes de educación no resultaron
significativos, se estimó un modelo logit adicional sobre una muestra
representativa de 500 000 observaciones, considerando
únicamente la variable educación.
Los
resultados muestran un patrón claro y estadísticamente robusto:
El
intercepto es negativo y significativo (p < 0.001),
lo que refleja que, en ausencia de educación, la probabilidad de empleo es
baja.
La
educación inicial presenta un efecto positivo pero marginal (coeficiente =
0.20; p = 0.041),
lo que indica un impacto limitado en la empleabilidad.
A
medida que aumenta el nivel educativo, los coeficientes se incrementan de
manera sostenida y altamente significativa (p < 0.001).
La educación básica mejora la probabilidad de empleo, la educación media la
potencia aún más, la educación superior consolida el efecto, y el cuarto nivel
se convierte en el factor con mayor impacto (coeficiente = 3.95).
En
conjunto, este modelo confirma que la formación académica es un determinante
clave de la empleabilidad en la Costa, y que los niveles más altos de
instrucción generan ventajas sustanciales en el acceso al empleo formal y
estable.
Tabla
5. Resultados
del modelo logit adicional sobre educación en la región Costa (Censo 2022)
|
Variable |
Coeficiente |
Error
estándar |
Valor z |
p‑value |
Significancia |
|
Intercepto |
-2.139 |
0.033 |
-64.716 |
<0.001 |
*** |
|
Educación
Inicial |
0.200 |
0.097 |
2.047 |
0.041 |
* |
|
Educación
Básica |
0.440 |
0.034 |
12.935 |
<0.001 |
*** |
|
Educación
Media |
1.154 |
0.033 |
34.551 |
<0.001 |
*** |
|
Educación
Superior |
2.110 |
0.034 |
62.999 |
<0.001 |
*** |
|
Educación
Cuarto nivel |
3.955 |
0.041 |
97.257 |
<0.001 |
*** |
Fuente: Instituto Nacional de
Estadística y Censos (INEC), Censo de Población y Vivienda 2022.
Elaborado
por: Galo Moya
Modelo
Logit Sierra
En
la estimación del modelo logit para la Sierra se observa que el sexo tiene un
efecto positivo y altamente significativo (coeficiente = 0.192; p < 0.001).
Esto implica que, en promedio, ser hombre aumenta la probabilidad de estar
empleado respecto a ser mujer, confirmando la persistencia de una brecha de
género en el mercado laboral.
La
zona de residencia también presenta un coeficiente positivo y significativo
(coeficiente = 0.154; p < 0.001).
Vivir en áreas urbanas se asocia con una mayor probabilidad de empleo en
comparación con las zonas rurales, reflejando la concentración de oportunidades
laborales y servicios en las ciudades.
En
cuanto a la edad, el patrón es claro y estadísticamente robusto. Los jóvenes de
15 a 24 años muestran una probabilidad mucho menor de estar empleados
(coeficiente = -1.223; p < 0.001),
lo que refleja las dificultades de inserción laboral inicial. A medida que la
edad aumenta, la probabilidad de empleo mejora, alcanzando su punto más alto
entre los 35 y 44 años (coeficiente = -0.055; p < 0.001,
efecto menos negativo). Sin embargo, a partir de los 55 años la tendencia
vuelve a ser negativa (coeficiente = -0.203; p < 0.001),
y en los mayores de 65 años el efecto es aún más marcado (coeficiente = -1.055;
p < 0.001).
Respecto
a la educación, los coeficientes no resultan estadísticamente significativos (p = 0.96
en todos los niveles), lo que indica que en la Sierra la empleabilidad está
determinada principalmente por factores sociodemográficos como género, edad y
residencia, más que por el nivel educativo.
El
ajuste global del modelo es adecuado (AIC = 3 224 976),
con una reducción importante de la deviance respecto al modelo nulo, lo que
confirma la capacidad explicativa de las variables incluidas.
En
conjunto, los resultados para la Sierra evidencian que la inserción laboral
está determinada por desigualdades estructurales relacionadas con el género, la
edad y el territorio. La educación, en cambio, no presenta efectos
estadísticamente robustos en este contexto regional, lo que sugiere que las
oportunidades laborales dependen más de factores demográficos y geográficos que
de la formación académica.
Tabla 6. Resultados del modelo logit para la región Sierra
(Censo 2022)
|
Variable |
Coeficiente |
Error
estándar |
Valor z |
p‑value |
Significancia |
|
Intercepto |
-14 410 000 |
286 400 000 |
-0.050 |
0.960 |
Ns |
|
Sexo |
0.192 |
0.003 |
70.169 |
<0.001 |
*** |
|
Zona de
residencia |
0.154 |
0.003 |
53.541 |
<0.001 |
*** |
|
Edad
15–24 años |
-1.223 |
0.008 |
-162.647 |
<0.001 |
*** |
|
Edad
25–34 años |
-0.340 |
0.007 |
-50.164 |
<0.001 |
*** |
|
Edad
35–44 años |
-0.055 |
0.007 |
-8.075 |
<0.001 |
*** |
|
Edad
45–54 años |
-0.078 |
0.007 |
-11.106 |
<0.001 |
*** |
|
Edad
55–64 años |
-0.203 |
0.008 |
-25.150 |
<0.001 |
*** |
|
Más de 65
años |
-1.055 |
0.010 |
-106.237 |
<0.001 |
*** |
|
Sin
educación |
14 410 000 |
286 400 000 |
0.050 |
0.960 |
Ns |
|
Educación
Inicial |
14 410 000 |
286 400 000 |
0.050 |
0.960 |
Ns |
|
Educación
Básica |
14 410 000 |
286 400 000 |
0.050 |
0.960 |
Ns |
|
Educación
Media |
14 410 000 |
286 400 000 |
0.050 |
0.960 |
Ns |
|
Educación
Superior |
14 410 000 |
286 400 000 |
0.050 |
0.960 |
Ns |
|
Educación
Cuarto nivel |
14 410 000 |
286 400 000 |
0.050 |
0.960 |
Ns |
Fuente:
Instituto Nacional de Estadística y Censos (INEC), Censo de Población y
Vivienda 2022.
Elaborado
por: Galo Moya
Dado
que en el modelo regional de la Sierra los coeficientes de educación no
resultaron significativos (p ≈ 0.96),
se estimó un modelo logit adicional sobre una muestra representativa de 500 000
observaciones, considerando únicamente la variable educación.
Los
resultados muestran un patrón claro y estadísticamente robusto:
El
intercepto es negativo y altamente significativo (coeficiente = -2.197; p < 0.001),
lo que indica que, en ausencia de educación, la probabilidad de empleo es baja.
La
educación inicial no presenta significancia estadística (coeficiente = -0.098;
p = 0.248),
lo que sugiere que este nivel no mejora sustancialmente la empleabilidad.
A
partir de la educación básica, los coeficientes son positivos y altamente
significativos (p < 0.001),
mostrando un incremento sostenido en la probabilidad de empleo conforme aumenta
el nivel educativo.
La
educación media (coeficiente = 1.427; p < 0.001)
y la educación superior (coeficiente = 2.327; p < 0.001)
consolidan el efecto positivo, mientras que el cuarto nivel alcanza el mayor
impacto (coeficiente = 3.795; p < 0.001).
En
conjunto, este modelo confirma que en la Sierra, al igual que en la Costa, la
formación académica es un determinante clave de la empleabilidad, y que los
niveles más altos de instrucción generan ventajas sustanciales en el acceso al
empleo formal y estable.
Tabla
7. Resultados
del modelo logit adicional sobre educación en la región Sierra (Censo 2022)
|
Variable |
Coeficiente |
Error
estándar |
Valor z |
p‑value |
Significancia |
|
Intercepto |
-2.197 |
0.036 |
-61.762 |
<0.001 |
*** |
|
Educación
Inicial |
-0.098 |
0.085 |
-1.154 |
0.248 |
Ns |
|
Educación
Básica |
0.681 |
0.036 |
18.752 |
<0.001 |
*** |
|
Educación
Media |
1.427 |
0.036 |
39.730 |
<0.001 |
*** |
|
Educación
Superior |
2.327 |
0.036 |
64.772 |
<0.001 |
*** |
|
Educación
Cuarto nivel |
3.795 |
0.039 |
97.512 |
<0.001 |
*** |
Fuente:
Instituto Nacional de Estadística y Censos (INEC), Censo de Población y
Vivienda 2022.
Elaborado
por: Galo Moya
El
análisis realizado mediante modelos logit generales y regionales permite
comprender de manera integral los determinantes de la empleabilidad en Ecuador.
Los resultados muestran que las variables sociodemográficas —sexo, edad y zona
de residencia— son altamente significativas y explican gran parte de las
desigualdades estructurales en el acceso al empleo. En promedio, ser hombre
incrementa la probabilidad de estar empleado respecto a ser mujer, confirmando
la persistencia de una brecha de género en el mercado laboral. Asimismo, vivir
en áreas urbanas se asocia con mayores oportunidades laborales en comparación
con las zonas rurales, reflejando la concentración de servicios y actividades
económicas en las ciudades. La edad también presenta un patrón claro: los
jóvenes enfrentan dificultades de inserción, mientras que los adultos mayores
encuentran barreras para mantenerse activos laboralmente.
En
contraste, los modelos regionales de Costa y Sierra evidenciaron que la
educación no resultaba significativa, lo que inicialmente podría sugerir un
papel limitado de la formación académica en la empleabilidad. Sin embargo, al
estimar modelos adicionales sobre muestras representativas, se confirmó que la
educación sí constituye un factor determinante. Los resultados muestran un
incremento sostenido en la probabilidad de empleo conforme aumenta el nivel
educativo, siendo la educación superior y el cuarto nivel los que generan el
mayor impacto. La educación inicial, en cambio, no presenta efectos
estadísticamente relevantes, lo que refleja que los puestos formales y estables
requieren niveles más elevados de instrucción.
En
conjunto, la investigación confirma que la empleabilidad en Ecuador está
determinada por una combinación de factores sociodemográficos y educativos.
Mientras el género, la edad y la residencia explican desigualdades
estructurales, la formación académica emerge como la principal palanca para
mejorar las oportunidades laborales. Estos hallazgos refuerzan la necesidad de
políticas públicas orientadas a la equidad de género, la inclusión juvenil, el
desarrollo rural y la expansión del acceso a educación de calidad, como
estrategias fundamentales para potenciar la inserción laboral y reducir las
brechas existentes en el mercado de trabajo ecuatoriano
Evaluar
la capacidad explicativa y predictiva de los modelos, determinando la
importancia relativa de los factores analizados
En
un modelo logit, cada coeficiente representa el cambio en los logs‑odds de
estar empleado. Para convertir esos valores en algo más intuitivo, aplicamos la
función exponencial:
En
cuanto a la edad, los coeficientes negativos se traducen en OR menores que 1,
lo que refleja desventajas en la probabilidad de empleo. Para los jóvenes de 15
a 24 años, el coeficiente es -1.268, de modo que
Respecto
a la educación, los resultados del modelo adicional muestran un patrón
ascendente muy claro. La educación inicial tiene un coeficiente de 0.124, con
OR = 1.132, pero no es estadísticamente significativa, lo que indica un efecto
marginal. La educación básica, con coeficiente 0.578, da OR = 1.783, lo que
implica que quienes alcanzan este nivel tienen odds de empleo 78.3 %
mayores que los sin educación. La educación media, con coeficiente 1.256,
produce OR = 3.513, es decir, más de tres veces los odds de empleo. La
educación superior, con coeficiente 2.195, genera OR = 8.975, multiplicando por
nueve los odds. Finalmente, el cuarto nivel, con coeficiente 3.797, alcanza un
OR de 44.5, lo que significa que los odds de empleo son más de cuarenta veces
mayores respecto a quienes no tienen educación.
En
conjunto, la interpretación de los odds ratios confirma que el género y la
residencia urbana son factores positivos, pero de magnitud moderada, la edad
refleja un patrón de desventaja en los extremos del ciclo laboral, y la
educación emerge como el factor más influyente, con un efecto exponencial en la
probabilidad de empleo conforme se avanza en los niveles educativos.
Tabla
8. Odds Ratios
del modelo logit general y adicional de educación (Censo 2022)
|
Variable |
Coeficiente |
Odds
Ratio (OR) |
Significancia |
|
Sexo (hombre) |
0.161 |
1.175 |
*** |
|
Zona
de residencia (urbana) |
0.176 |
1.192 |
*** |
|
Edad 15–24 años |
-1.268 |
0.281 |
*** |
|
Edad
25–34 años |
-0.413 |
0.662 |
*** |
|
Edad 35–44 años |
-0.173 |
0.841 |
*** |
|
Edad
45–54 años |
-0.230 |
0.795 |
*** |
|
Edad 55–64 años |
-0.356 |
0.700 |
*** |
|
Más
de 65 años |
-1.009 |
0.365 |
*** |
|
Educación Inicial |
0.124 |
1.132 |
Ns |
|
Educación
Básica |
0.578 |
1.783 |
*** |
|
Educación Media |
1.256 |
3.513 |
*** |
|
Educación
Superior |
2.195 |
8.975 |
*** |
|
Educación Cuarto nivel |
3.797 |
44.5 |
*** |
Fuente:
Instituto Nacional de Estadística y Censos (INEC), Censo de Población y
Vivienda 2022.
Elaborado
por: Galo Moya
Odds
Ratios del Modelo Logit Costa y Adicional de Educación
El
intercepto del modelo general, con coeficiente extremadamente grande y
negativo, tiende a cero y no es interpretable. El sexo masculino (coef. 0.165)
se traduce en
Las
variables de edad presentan coeficientes tan grandes y negativos que al
exponenciarse tienden a cero, lo que significa que no son estadísticamente
significativas en este modelo.
En
cuanto a la educación, el efecto es claramente creciente y exponencial: la
educación inicial apenas incrementa los odds en un 22.2 %,
la básica los aumenta en 55.3 %, la media los multiplica por más
de tres, la superior por ocho y el cuarto nivel por más de cincuenta veces.
En
conjunto, se muestra que en la Costa la educación es el factor más determinante
en la empleabilidad, mientras que el género y la residencia urbana tienen
efectos positivos moderados y la edad no resulta significativa.
Tabla
9. Odds Ratios
del modelo logit Costa y adicional de educación (Censo 2022)
|
Variable |
Coeficiente |
Odds
Ratio (OR) |
Significancia |
|
Intercepto |
-134 900 000 |
≈ 0(no interpretable) |
Ns |
|
Sexo
(hombre) |
0.165 |
1.179 |
*** |
|
Zona
de residencia (urbana) |
0.372 |
1.451 |
*** |
|
Edad
15–24 años |
-33 390 000 |
≈ 0(no interpretable) |
Ns |
|
Edad
25–34 años |
-33 390 000 |
≈ 0(no interpretable) |
Ns |
|
Edad
35–44 años |
-33 390 000 |
≈ 0(no interpretable) |
Ns |
|
Edad
45–54 años |
-33 390 000 |
≈ 0(no interpretable) |
Ns |
|
Edad
55–64 años |
-33 390 000 |
≈ 0(no interpretable) |
Ns |
|
Más
de 65 años |
-33 390 000 |
≈ 0(no interpretable) |
Ns |
|
Educación
Inicial |
0.200 |
1.222 |
* |
|
Educación
Básica |
0.440 |
1.553 |
*** |
|
Educación
Media |
1.154 |
3.171 |
*** |
|
Educación
Superior |
2.110 |
8.25 |
*** |
|
Educación
Cuarto nivel |
3.955 |
52.0 |
*** |
Fuente:
Instituto Nacional de Estadística y Censos (INEC), Censo de Población y
Vivienda 2022.
Elaborado
por: Galo Moya
Odds
Ratios del Modelo Logit Sierra y Adicional de Educación
En
la Sierra, el sexo masculino incrementa los odds de empleo en un 21.2 %
(OR = 1.212), y la residencia urbana los aumenta en 16.6 %
(OR = 1.166). La edad muestra desventajas claras: los jóvenes de 15–24 años
tienen OR = 0.294 (reducción del 70.6 %), y los mayores de 65 años OR =
0.348 (reducción del 65.2 %). Los grupos intermedios también
presentan reducciones moderadas.
En
cuanto a la educación, la inicial no es significativa (OR = 0.907), pero desde
la básica en adelante el efecto es exponencial: la básica casi duplica los odds
(OR = 1.976), la media los multiplica por 4.17, la superior por 10.25 y el
cuarto nivel por 44.5.
En
conjunto, la Sierra muestra que la educación es el factor más determinante en
la empleabilidad, con un patrón creciente muy marcado, mientras que la edad
penaliza especialmente a los jóvenes y adultos mayores.
Tabla
10. Odds Ratios
del modelo logit Sierra y adicional de educación (Censo 2022)
|
Variable |
Coeficiente |
Odds
Ratio (OR) |
Significancia |
|
Intercepto |
-14 410 000 |
≈ 0(no interpretable) |
Ns |
|
Sexo
(hombre) |
0.192 |
1.212 |
*** |
|
Zona
de residencia (urbana) |
0.154 |
1.166 |
*** |
|
Edad
15–24 años |
-1.223 |
0.294 |
*** |
|
Edad
25–34 años |
-0.340 |
0.712 |
*** |
|
Edad
35–44 años |
-0.055 |
0.947 |
*** |
|
Edad
45–54 años |
-0.078 |
0.925 |
*** |
|
Edad
55–64 años |
-0.203 |
0.816 |
*** |
|
Más
de 65 años |
-1.055 |
0.348 |
*** |
|
Educación
Inicial |
-0.098 |
0.907 |
Ns |
|
Educación
Básica |
0.681 |
1.976 |
*** |
|
Educación
Media |
1.427 |
4.17 |
*** |
|
Educación
Superior |
2.327 |
10.25 |
*** |
|
Educación
Cuarto nivel |
3.795 |
44.5 |
*** |
Fuente:
Instituto Nacional de Estadística y Censos (INEC), Censo de Población y
Vivienda 2022.
Elaborado
por: Galo Moya
El
análisis comparativo de los modelos logit aplicados a la Costa y la Sierra
permite identificar los principales determinantes de la empleabilidad en ambas
regiones. En la Costa, los resultados muestran que el sexo masculino y la
residencia urbana tienen efectos positivos moderados sobre la probabilidad de
empleo, mientras que las variables de edad no resultan significativas debido a
coeficientes extremos que tienden a cero al exponenciarse. El hallazgo más
relevante corresponde a la educación, cuyo impacto es claramente creciente y
exponencial: desde un efecto leve en la educación inicial hasta un incremento
extraordinario en el cuarto nivel, donde los odds de empleo se multiplican más
de cincuenta veces respecto a la categoría base. Esto confirma que en la Costa
la educación es el factor más determinante en la empleabilidad, por encima de
las demás variables sociodemográficas.
En
la Sierra, el patrón es distinto. El sexo masculino incrementa los odds en un
21.2 % y la residencia urbana en 16.6 %,
lo que refleja efectos positivos, pero más moderados que en la Costa. La edad,
en cambio, adquiere un rol central: los jóvenes de 15–24 años y los adultos
mayores de 65 años presentan reducciones significativas en los odds de empleo,
lo que evidencia una penalización clara en los extremos del ciclo laboral. En
cuanto a la educación, la inicial no es significativa, pero a partir de la
básica el efecto se vuelve exponencial: la básica casi duplica los odds, la
media los multiplica por más de cuatro, la superior por diez y el cuarto nivel
por más de cuarenta veces.
En
conjunto, ambos modelos confirman que la educación es el factor más influyente
en la empleabilidad, aunque con matices regionales: en la Costa incluso la
educación inicial aporta un efecto positivo, mientras que en la Sierra no
resulta significativa y la edad penaliza especialmente a jóvenes y adultos
mayores.
CURVA
ROC
La
comparación de las curvas ROC para los modelos de la Costa y la Sierra
evidencia un comportamiento similar, con ambas líneas prácticamente
coincidentes sobre la diagonal de referencia. Los valores del área bajo la
curva (AUC) 0.4989 para la Sierra y 0.5036 para la Costa indican que los
modelos no presentan capacidad discriminante significativa. En términos
estadísticos, esto implica que las variables incluidas no permiten distinguir
adecuadamente entre individuos empleados y no empleados. Por tanto, se recomienda
revisar la especificación del modelo, incorporar nuevas variables explicativas
o explorar interacciones que mejoren la capacidad predictiva.
CONCLUSIONES
La inserción
laboral en Ecuador está determinada por una combinación de factores
sociodemográficos y educativos Los resultados de los modelos logit muestran que
el género, la edad y la zona de residencia son variables altamente
significativas en la probabilidad de empleo. Ser hombre, vivir en áreas urbanas y encontrarse en
edades productivas (25–44 años) incrementa las posibilidades de estar empleado,
mientras que los jóvenes y adultos mayores enfrentan mayores barreras de
acceso.
La
educación se confirma como el factor más determinante: a medida que aumenta el
nivel de instrucción, la probabilidad de empleo se incrementa de manera
sostenida, consolidándose como la principal palanca de movilidad laboral. Estos
hallazgos coinciden con la teoría del capital humano (Becker, 1993; Schultz,
1961) y con estudios recientes en Ecuador que señalan que la educación superior
es el motor más fuerte de empleabilidad, aunque su impacto se ve limitado por
el desajuste con las demandas del mercado (Zambrano et al., 2025).
Sin
embargo, este potencial educativo se ve restringido por desigualdades
persistentes. La brecha de género continúa siendo significativa: las mujeres
enfrentan mayores tasas de desempleo y menores ingresos, lo que coincide con lo
señalado por la CEPAL (2022) y Villalta (2025). Asimismo, la residencia urbana
ofrece mayores oportunidades que la rural, reflejando la concentración de
empleo y servicios en las ciudades. Según el INEC (2025), el empleo adecuado
urbano alcanza el 46 %, mientras que en el área rural apenas llega al 20 %,
confirmando la persistencia de desigualdades territoriales (Primicias, 2025).
Las
diferencias regionales refuerzan esta lectura. En la Costa, la urbanización y
el predominio de población joven no se traducen en una inserción laboral
amplia, lo que refleja problemas de informalidad y subempleo (Cruz et al.,
2026). En la Sierra, aunque existe mayor equilibrio entre lo urbano y lo rural
y una base educativa más diversa, más del 60 % de la población no tiene empleo,
mostrando una vulnerabilidad estructural que limita el desarrollo económico.
En
definitiva, la empleabilidad en Ecuador es el resultado de una interacción
compleja entre educación, género, edad y territorio. Las políticas públicas no
pueden quedarse en diagnósticos: deben enfocarse en tres ejes concretos y
humanos. Primero, fortalecer la educación superior y técnica para que los
jóvenes encuentren un camino real hacia el empleo. Segundo, reducir las brechas
de género y territoriales que siguen frenando a miles de mujeres y comunidades
rurales. Y tercero, promover empleo formal que absorba el capital humano
disponible, transformando el esfuerzo educativo en oportunidades reales. Solo
con una estrategia integral será posible convertir el potencial demográfico y
educativo en un futuro más justo y sostenible para las familias ecuatorianas.
REFERENCIAS
Becker, G. S. (1993). Human capital: A theoretical and empirical analysis, with special
reference to education. Chicago:
University of Chicago Press.
Comisión
Económica para América Latina y el Caribe (CEPAL). (2022). Empleo informal en América Latina: grupos
más propensos. Santiago de Chile: Naciones Unidas.
Instituto
Nacional de Estadística y Censos (INEC). (2023). Censo de Población y Vivienda 2022: Resultados preliminares. Quito, Ecuador:
INEC.
Instituto
Nacional de Estadística y Censos (INEC). (2025). Encuesta Nacional de Empleo, Desempleo y
Subempleo (ENEMDU): Resultados anuales.
Quito, Ecuador: INEC.
Primicias. (2025). Solo dos de cada diez trabajadores rurales
tienen empleo adecuado en Ecuador. Quito,
Ecuador.
Schultz, T. W. (1961). Investment in human capital. The American Economic Review, 51(1), 1–17.
Villalta, M. (2025). Brecha
salarial y desigualdad de género en el mercado laboral ecuatoriano.
Universidad Nacional de Loja.
Zambrano, P., Cedeño, L., & Torres, J. (2025). Educación superior y empleabilidad en
Ecuador: análisis de los determinantes del empleo formal. Revista Ibero Research, 12(3), 45–62.
Cruz, R., & Molina, D. (2026). Informalidad y subempleo en la región
Costa del Ecuador. Escuela Politécnica Nacional.
* Msc.
fviera@uagraria.edu.ec Universidad
Agraria del Ecuador
https://orcid.org/0000-0001-9336-0213
* Msc.
moya@uagraria.edu.ec Universidad Agraria
del Ecuador
https://orcid.org/0000-0002-3962-5230
* Msc.
ddelgado@uagraria.edu.ec Universidad Agraria del Ecuador
https://orcid.org/0000-0001-9915-2730
* Msc. jchusan@uagraria.edu.ec Universidad Agraria del Ecuador