La estratificación social en la globalidad y posmodernidad

La principal crítica a CASMIN, es el intento de estandarización bajo la conceptualización del contexto de Europa del Este del siglo XX, lo que no refleja la realidad del mercado laboral en otras regiones del mundo, una discusión académica importante citada en el trabajo de ^{Solís, et al. (2019)}. Como ^{Solís (2010)} lo remarcó, hay críticas a reducir la movilidad social a la dimensión ocupacional solamente, porque no refleja la situación social. Tiene límites al no identificar las diferencias entre propiedad y la no propiedad de los activos de producción, como medios de desigualdad y explotación. (^{Solís, 2010: 331}) derivado de las formas de contratación y delegación de responsabilidades. Tampoco refleja las complicaciones de los mercados laborales en América Latina, principalmente por su formación histórica. (^{Solís, 2010: 332})

CASMIN es útil para la comparación entre los países y sociedades, como lo vemos en diversos trabajos como ^{Solís y Boado (2016)}, ^{Solís, Chávez y Cobo (2019)}, ^{Toro & Navarro (2019)}; ^{Pla (2016b)}, ^{Serrano y Torche (2010)}, etcétera. Sin dejar de considerar que hay una complejidad en el nivel micro, por la heterogeneidad que existen entre múltiples variables de condiciones y circunstancias en cada país.

Es en este sentido, la propuesta de ^{Solís, et al (2019)} de estudiar las micro clases para reclasificación de CASMIN aporta nuevos horizontes. Distingue las características por las clases ocupacionales en relación al perfil desarrollado de cada uno de sus sectores productivos. Respondiendo al acuerdo de que las condiciones macro condicionan las oportunidades, pero las condiciones micro también influyen (^{Toro, 2015}).

Movilidad ocupacional en los egresados de la UNAM en el 2012

^{Harol Toro (2015)} distingue entre los esquemas de movilidad social y los estudios de transición a la ocupación laboral. Los primeros hacen una valoración de la estructura social lograda respecto de los hogares de origen, se expresan en tablas de doble entrada para valorar la movilidad en alguna dimensión en los análisis intergeneracionales. La transición ocupacional se acostumbra desarrollarse con indicadores del egreso de los estudios hacia los empleos en años posteriores.

La evidencia empírica se adecuó de los datos de egresados de Licenciatura, Especialidad, Maestría y Doctorado de la UNAM, de la generación 2012, de la encuesta realizada por parte del Programa de Vinculación con Egresados (PVE-UNAM). Su objetivo original fue evaluar en forma continua los resultados de la formación profesional de los egresados de la Institución, lo que llevó un gran esfuerzo de adecuación de los datos. Con una muestra representativa de toda la universidad por plantel y/o carrera, de una población total de 25,400 alumnos, con 7,482 casos, de los cuales el 55.4% fueron mujeres y 43.9% hombres. Garantiza una confianza del 95% y un margen de erro del 5% por carrera, con 7,482 casos, en las cuatro áreas de conocimiento general de la UNAM: ciencias físico matemáticas e ingeniería, ciencias químico biológicas y de la salud, ciencias sociales, así como humanidades y artes. Los datos se recolectaron entre el 2015 y 2016 con entrevistas por internet y telefónicamente, con un proceso de supervisión.

La siguiente tabla muestra la movilidad con datos adecuados por clases sociales ocupacionales. Las filas de la izquierda son las actividades que realizaban sus padres en las categorías de siete macroclases derivadas de CASMIN (^{Solís y Boado, 2016}), como origen ocupacional (Oi). Las columnas de la parte de arriba son las clases que ocuparon los egresados (Di), como destino. Al observar los promedios, el 81.3% de la movilidad ascendente llegó a la clase de servicio (I+II), incluyendo los que se regeneraron en la misma clase, es decir, de la misma clase de servicios (82.5%) de origen y destino en el área gris. La clase de servicios fue la predominante, pero se presenta la heterogeneidad al interior que no se alcanza a distinguir desde estas macro clases. Teóricamente se observa el desarrollo del capital humano en los egresados de las instituciones de educación superior que pasan a una distinción de clase. Las y los egresados salieron de distintas clases sociales ocupacionales de sus padres y llegaron en su mayoría en la clase de servicios.

El área sombreada de verde representa la movilidad ascendente, los casos en donde la situación de clase de ocupación social destino (Di) fue mayor que la de su origen (Oi), suma el 59.8 por ciento de la muestra total. Un caso que se podría manejar como de éxito hacia el esfuerzo y apoyo de la gestión universitaria.

El área naranja identifica los casos de una movilidad social descendente, es decir, la situación ocupacional destino (Di) fue menor que su origen (Oi), representan el 25.9 por ciento de la muestra. Aquí vemos casos como la clase no manual de rutina (IIIa+b), independientes no agrícolas (IVa+b), así como manuales calificados y semicalificados (V+VI).

Regresando al área gris, la regeneración o inmovilidad de clase social ocupacional, representa el 14.3 por ciento de la muestra. Están aquí solo las clases con algún tipo de capacitación y desaparecen los puestos que en teoría no tienen una capacitación. Esto se explica porque la inversión del capital humano de los egresados generó otro tipo de posibilidades en el mercado laboral. Las clases que desaparecieron en las nuevas generaciones son los manuales de baja calificación (VIIa), los pequeños propietarios agrícolas (IVc), y los asalariados agrícolas (VIIb). Es muy clara la movilidad ocupacional por el logro de la movilidad educativa, lo que demanda diferentes actividades ocupacionales.

Sin embargo, la realidad es más compleja que la comparación de la condición de clase de origen con la de destino, conforme a su desarrollo educativo y condiciones laborales. Es decir, no se limita a las condiciones de origen, sino que incluyen las condiciones de llegada para asegurar la condición de clase social ocupacional y el bienestar social que deben de impactar en la población, como un tema de interés para la política educativa y productividad del mercado laboral.

Vinculación de la educación superior y el mercado laboral

Los agentes públicos han buscado el acercamiento de la educación superior con el mercado y la sociedad, para hacer más pertinente su intervención en el desarrollo (^{Tuirán, 2012}). En México se ha observado la tendencia de bajas tasa de desempleo-desocupación en los últimos años, pero que no refleja la calidad de éstos para ser un mecanismo de inclusión social de las personas. Destacan en algunos casos las condiciones de precariedad como es la falta de estabilidad y aporte a la seguridad social de los empleos. El desempleo también es una condición temporal, su rapidez de reinserción en las actividades productivas debería de fomentarse como un indicador de eficiencia (^{Rojas & García, 2017}). Las políticas de vinculación deberían de fomentar un sano equilibrio en esta reinserción ocupacional bajo condiciones dignas de trabajo.

Las condiciones de flexibilización del mercado laboral, derivado de la alta competencia y constante cambio en la demanda, generaron nuevas condiciones sociales del trabajo, pero también de inestabilidad e inseguridad, definido como precario (^{Guadarrama, et al.; 2012}). Esta precariedad es característica por la falta de seguridad y estabilidad en el mercado laboral, es diferente a una heterogeneidad laboral, porque esta se refiere a una diversidad de ocupaciones con alto o bajo nivel de especialización, que por su característica propia es difícil concebirla en una clase social, como lo vimos en el apartado anterior. Una heterogeneidad ocupacional es aceptable y entendible por la evolución de los mercados laborales, pero una condición de precariedad puede hacer espuria la ocupación y afectar al desarrollo social.

^{Pla (2016b; 34)}, refiriéndose a Kessler y Espinoza (2007), define a la movilidad social como espuria cuando ésta se presenta en una relación no coherente entre sus dimensiones. Por ejemplo, cuando hay un ascenso el prestigio ocupacional pero un descenso en las recompensas sociales como la remuneración o influencia. Es decir, está fuera de alguna posición de clase coherente o real. Por eso, en la última categoría del indicador que abordaremos se presentan las peores condiciones en donde los beneficios pueden caer en esta incoherencia.

Los egresados de las Instituciones de Educación Superior pueden caer en un grado de precariedad por las condiciones laborales, pero también en mejores condiciones, lo que puede afectar su Movilidad Social. Por eso es importante resaltar las acciones de vinculación y procuración de la inserción y reinserción laboral por las cambiantes condiciones de ocupación que se encuentran en México. Muchos de estos, pueden ser afectados o determinados por el contexto en que se desarrolla la inserción laboral, principalmente en los aspectos macro como se expone enseguida.

Principales observaciones

La mayoría de los egresados se colocaron en la clase social de servicios (86%) de CASMIN. Al egresar en varios años, se encontraron con diversas condiciones laborales de las cuales algunos no cambiaron de su primer empleo.

La mayoría de la muestra, 66.6% en promedio, encontró condiciones bajas de ocupación, contrastada con tan solo un 8.3% en promedio en condiciones buenas y mejores. Reflejando la precariedad del mercado laboral.

El 25% de la población egresada se encontró en una situación de precariedad laboral o empleabilidad espuria en los segmentos de licenciatura completa, incompleta y especialización.

Los resultados muestran un retorno de la inversión en el capital humano en todos los segmentos. Está más acentuado en los niveles de maestría y doctorado al caer en las mejores condiciones (0.2% promedio) y salir de las peores.

Las mejores condiciones se presentaron sin pasar del 0.2% en promedio de los egresados, pero en las condiciones bajas se observa un aumento de un punto porcentual entre mayor son los años de egresos.

Gráfica 4 IOR PVE-UNAM 2012 (%) por años de egresado 

El 66% en promedio se encontraron bajas condiciones de ocupación. A los tres años de egresar un 67.1% se encontraron en esta situación, el 65.8% a los 4 años de egresados y el 68.8% a los 5 años.

Gráfica 5 IOR por área de conocimiento UNAM 2012 

En las cuatro áreas de conocimiento general se observó una concentración de las bajas condiciones ocupacionales. En el área de Ciencias Sociales hubo mayor porcentaje de bajas condiciones. En las peores condiciones, el que presenta más porcentaje es el área Ciencia Químico Biológicas y de la Salud. Las buenas condiciones ocupacionales se presentan más en Ciencias Físico Matemáticas e Ingeniería, y en las mejores condiciones destaca el área humanidades y artes, de estos dos pequeños segmentos.

Gráfica 6 Condiciones de Inserción por origen CSO 

El indicador es llamado relativo porque en la movilidad social depende de la posición de origen de los padres que les permiten el acceso a mayores recursos y experiencias de desarrollo a los hijos. Hay que recordar que en promedio el 81.3% llegó a la clase social de servicios, pero hablando laboralmente, las condiciones de ocupación que encontraron fueron muy diversas. Las clases ocupacionales asalariadas agrícolas y pequeños propietarios agrícolas, encontraron mayor retorno de su capital humano al llegar a la clase de servicios en el 83.3% y 75% en promedio respectivamente. Pero los que provienen de clases de pequeños propietarios agrícolas respondieron que tienen las peores condiciones de ocupación (50% del segmento).

Como pueden verse en el contexto macro de una recuperación económica lenta, se ven presentes en las bajas condiciones que encontraron en el nivel micro en todos los segmentos de los hogares de origen de los egresados.

Por otra parte, para mostrar la correspondencia con el modelo teórico se muestran los tres siguientes cruces estadísticos de comparación con el tamaño de la empresa, el logro educativo y los ingresos mensuales.

En la primera dimensión sobre el tamaño de la empresa, se observó que hubo mejores condiciones laborales entre mayor fue el tamaño de la empresa, o mayores posibilidades de encontrarlas. La suposición está en encontrar un grado mayor de formalidad y garantía de la relación laboral. Por el contexto del tamaño de empresas en México, que la mayoría son micro y pequeñas.

En el caso de la dimensión del logro educativo, se observó una correspondencia con las mayores oportunidades de contar con mejores condiciones al tener mayor capacitación. En promedio un 0.2% logró acceder a mejores condiciones laborales con niveles de posgrado, pero un 66.6% permaneció con bajas condiciones de ocupación laboral. Contrariamente, el 25% del promedio de la muestra cayó en un grado de precariedad con niveles de licenciatura y especialización, con las peores condiciones de ocupación, a pesar de haber egresado en diversos años.

La heterogeneidad de condiciones se muestra mayormente en la relación de ingresos, pues aquí hay una distribución de los mayores a menores ingresos en las bajas y buenas condiciones de ocupación laboral.

Método

Del modelo teórico de ^{Solís et al. (2019)} para identificar un trabajo formal, y poder clasificarlo en categorías reales, se retomaron: la existencia de una condición contractual, que supone una presencia del aporte a la seguridad social de la persona, un grado de especialización y un nivel de ingreso adecuado. De forma similar el tamaño de la empresa puede ser referente, a falta de la definición contractual, porque supone la existencia de una relación más formal y estable de ocupación entre otras condiciones. En ese sentido, se buscaron variables parecidas en la encuesta de la PVE-UNAM para poder distinguir las que se adecuen a describir el grado de mejores condiciones laborales para las y los egresados, como evidencias plausibles para distinguirlas de la heterogeneidad que existe en el mercado laboral.

En el primer paso, delimitó la Población Económicamente Activa de las y los egresados. Siguiendo la metodología de construcción de indicadores de ^{Vélez, Vélez & Stabridis (2015)} se procedió a la identificación de componentes más adecuados para el modelo teórico con Análisis de Componentes Principales, discriminando los factores que no fueron adecuados. Posteriormente con el Análisis de Correspondencias Múltiples se ajustó la carga factorial de cada variable para el indicador. Pero por la naturaleza de los datos se tuvieron que rotara para encontrar el modelo más adecuado de componentes. Se corrieron varios ejercicios con diferente número de variables, de ellas resultaron tres factores más coherentes con la lógica del modelo teórico. El resultado marcó una relación lineal de las condiciones laborales que suponemos favorecen la movilidad social. dicho procedimiento se marca a continuación.

Delimitación a pea de egresados

Se ajustó la muestra original de los 7,482 casos, a 6,457 definidos como pea, que es la población egresada de 3 a 5 años de la educación superior de un rango de edad de 25 a 65 años, que se declararon en alguna ocupación productiva o que se consideraron desempleados, pero en búsqueda de otra ocupación. Se descartaron los que se dedicaron a una actividad educativa y a los que se declararon abiertamente no estar buscando ocupación.

Análisis de Componentes Principales para identificar los componentes del factor

Para identificar los mejores componentes para el modelo, se utilizó el Análisis de Componentes Principales, discriminando los factores que no fueron adecuados dentro de la base de datos del PVE-UNAM 2012 en cinco categorías parecidas al modelo teórico de ^{Solís et al. (2019)}: la condición en el trabajo Empleado/asalariado; el tamaño de la empresa, definida en micro, chica, mediana y grande; la credencialización para el trabajo, que es el nivel educativo alcanzado; el tipo de contratación, referido a ser de tiempo y obra determinada, o indeterminada: así como el rango de ingresos mensuales definido en salarios mínimos de ese año.

Se procesó una correlación múltiple entre cinco variables nominales y categóricas. Para observar las interacciones y relación entre ellas. Fueron la condición en el trabajo Empleado/asalariado; X2) Tamaño de la empresa; X3) Credencialización para el trabajo; X4) Tipo de contratación; X5) Rango de ingresos mensuales.

Para comprobar la adecuada utilización de las variables en el modelo, se corrieron tres pruebas. La de esfericidad de Bartlett que evalúa la aplicabilidad de las variables estudiadas cuando hay una correlación hacia algún punto que altere el modelo. Como es menor a 0.05 entonces se rechaza la hipótesis nula (H₀) de correlación de los datos de origen, por lo que se puede aplicar el análisis factorial. Por otro lado, la Chi cuadrada constata la independencia de las variables, y el test Kaiser, Meyer y Olkin constataron que no están correlacionadas las variables.

En este primer ejercicio se vio una interacción mayormente negativa como se puede ver en la Gráfica 11 sobre la sedimentación, la mayoría de las variables propuestas está ligeramente por debajo del 1. Esto nos marca que no son muy referentes para explicar un modelo de correlación principal entre ellos.

Gráfica 11 Sedimentación de cinco variables 

Como solamente contamos con estas variables, para explorar una mayor posibilidad de correlación entre estas, se procedió a rotar los datos con el método Varimax. Se encontró una correlación más referente al modelo teórico.

Las matrices original y rotada mostraron una relación más clara en el modelo 1, explicado con tres variables positivas y dos negativas que definen la condición del trabajo, es decir la relación al definirse como empleador o asalariado (Cuadros 13 y 14).

La varianza del componente acumulado sugiere la interacción de tres variables para explicar el modelo. Pero la varianza total (Tabla 14), representa por orden de importancia para explica el modelo en 46% en las dos primeras variables.

Por eso se realizaron diversos ejercicios las variables con cuatro combinaciones, sin embargo, se concluyó que la discriminación más optima la presentó el modelo de tres variables con las cargas más positivas. Porque es aceptable tener un modelo con un mínimo número de tres (^{Morales Vallejo, P. M. 2013: 16}).

Discriminar las variables menos referentes para el modelo de indicador

En la construcción de índices de mayor explicación se utilizan análisis multivariados que junten los mayores datos posibles sobre el fenómeno que se quiere explicar (^{Vélez, et al. 2015}) en nuestro caso, la encuesta de los egresados (PVE-UNAM 2012) solo recogió un numero pequeño, pero que son bastos para exponer las mejores condiciones de ocupación a la que se enfrentaron los egresados.

En ese primer ejercicio se observó el error de heterogeneidad (^{Morales: 2013}) (^{Gujarati & Porter: 2010}) utilizando las cinco variables para considerar las mejores condiciones de actividad en su condición ocupacional de vida (Gráficos 16 y 17). Su gráfico de dispersión nota como los casos se ubican en una concentración en la dimensión 1, pero todavía hay casos dispersos en la dimensión 2.

Gráfica 15 

Gráfica 16 

Gráfica 17 

Gráfica 18 

Con el ACM se discriminó el tipo de contratación y condición en el trabajo. Se conformaron la mejor correlación explicativa sobre las condiciones ocupacionales y más parecidas al modelo teórico de ^{Solís et al. (2019)}, con tres variables: el destino educativo, el rango de ingresos y el tamaño de la empresa (ver Gráfica 17).

Los factores se consideran bien definidos cuando al menos tres variables que tienen sus mayores pesos. Se recomienda que el peso factorial de cada tema que lo componen sea mayor de 0.50 (^{Morales, 2013: 16}), como lo vemos en las variables transformadas de correlaciones en la Tabla 19.

Entonces, para el índice se debería descartar la variable de educación por lo menos en este supuesto, para evitar la heterogeneidad de los datos (^{Gujarati & Porter: 2010}), pero la adecuación de la variable por los datos originales no permite eliminarla del todo. Por otro lado, por el número de variables disponibles no fue diseñado para comprobar la propuesta teórica. Pero nos permiten un análisis exploratorio (Morales: 2013) sobre las mejores condiciones de empleabilidad que lograron, para pensar en un Indicador de Ocupación Relativa, entendida que no es determinada en el tiempo y es indicativa de su posición en ese momento. Entonces, las tres variables dentro del factor (dimensión 1) son apropiadas para describir y explorar las condiciones ocupacionales.

Esta aclaración es importante porque marcar el alcance de los datos para no falsear los resultados. La propuesta sirve de base de discusión crítica y probablemente de empleabilidad de instrumentos más adecuados que nos permitan tener una lectura mejor de la realidad.

Comprobación del Indicador de Ocupación Relativa (IOR) de la evidencia de la UNAM 2012

La propuesta de Indicador de Ocupación Relativa (IOR) expone las condiciones de ocupación que encontraron las y los egresados de la UNAM, para la empleabilidad con los datos disponibles, infiriendo que son mejores o peores con la factorización antes elaborada. Ahora se determinará la carga neta y después se clasificará en su carga factorial de cada calificación.

Índice de Ocupación Relativa Neta (IOR_neta)

Con el análisis multivariado de las tres variables elegidas que se cumple en un modelo que permite exponer las condiciones de laborales e identificar salvedades que se presenten en casos particulares. En el tratamiento de los datos del análisis multivariado se presentan diversos errores como la multicoliedad, (^{Gujarati y Porter: 2010}) que se corrigieron con el ACM y la discriminación de variables que no ayudaban a explicar el modelo teórico, da una inferencia de las mejores condiciones ocupacionales que encontraron las y los egresados. Así que el factor se compone de la sumatoria de las tres variables determinadas en una escala menor. Fi=a + b + c en donde Fi es el factor del indicador por fila, compuesta por la sumatoria de: “a” la variable del tamaño de la empresa + “b” es destino educativo + “c” es rango de ingreso mensual. La escala nominal está estandarizada de forma ascendente, en donde el menor número es la mejor posición.

La sumatoria de los ítems (it) da 20 puntos, es decir, las opciones de respuesta de las tres variables sumadas dan como máximo 20 puntos, entonces ∑_Fi=20. Por lo que al correr la matriz con los datos empíricos nos da una distribución de frecuencia media en 15 puntos. Por tal motivo se debe de clasificar sobre una escala de valor ordinal para distinguir las condiciones ocupacionales en que se encontraron los egresados.

Índice de Ocupación Relativa Clasificada (IOR_Clas)

Para la escala de clasificación de las condiciones ocupacionales de los egresados se decidió dividir en cuatro puntos las valoraciones de la siguiente manera: de 1 a 5 puntos se expresan las mejores condiciones de Ocupación, de 6 a 10 puntos se consideran buenas condiciones de ocupación, de 11 a 15 puntos se ven bajas condiciones de ocupación, y de 16 a 20 puntos se encuentran las peores condiciones de Ocupación, lo que podríamos considerar incluso como espuria o falsa.

Ajuste del Indicador de Ocupación Relativa

Para tener una referencia más consistente (^{Vélez, et al. 2015}) con la realidad, se tiene que ajustar el modelo a distancias más equilibradas por su carga factorial o de importancia de cada variable para la condición laboral. Es decir, no se puede considerar del mismo peso de importancia a cada variable para explicar esa condición.

Para ajustar la carga factorial de cada variable, se respetó a cada una de estas dimensiones, dejando a la suma del factor (indicador) con una distribución que no perturbe la importancia de cada variable. Para ello se retomó del análisis multivariado la carga factorial de la matriz de medidas discriminatorias para sacar el porcentaje del factor y así poder multiplicarlo por el resultado de cada item, así formar una matriz ajustada del Indicador de Ocupación Relativa. Con eso se ponderó cada resultado y la sumatoria de la misma se ajustó a Fî = a (^afi/_∑fi X 100) + b (^bfi/_∑fi X 100) + c (^cfi/∑fi X 100) es decir ȓ= aP+bP+cP.

De los casos en las variables originales, la muestra se ajustó a 5,597 casos en el indicador ajustado.