Introducción

La frontera norte del territorio mexicano se ha caracterizado por sus vínculos comerciales con Estados Unidos. Con la implantación del modelo mexicano de sustitución de importaciones, se impulsó el desarrollo de la actividad económica en la región fronteriza, tal fue el caso de: la industria petrolera, eléctrica y manufacturera (^{Turner y Díaz, 2009}; ^{De la Rosa y Contreras, 2012}).

Particularmente, el sector manufacturero se desarrolla de manera oficial a partir de 1965 con la entrada en vigor del Programa de Industrialización Fronteriza, al incentivar la instalación de empresas maquiladoras caracterizadas por el ensamble y la transformación de productos importados. No obstante, a mediados de la década de 1980, la inflación y las altas tasas de interés orillaron al gobierno a disminuir sus tasas arancelarias y liberalizar parcialmente sus bienes intermedios, mediante el establecimiento de los programas: i) Pitex (Programa de Importación Temporal para Producir Artículos de Exportación; 1983); ii) Pronafice (Programa Nacional de Fomento Industrial y Comercio Exterior; 1984-1988); y iii) Profiex (Programa de Fomento Integral a las Exportaciones; 1985), mismos que posibilitaron la importación de insumos libres de impuestos con la finalidad de utilizarlos en la elaboración de exportaciones (^{Carabarín, 2007}).

En 1986, México disminuye sus aranceles a 10%, al apresurar su participación en el Acuerdo General sobre Aranceles Aduaneros y Comercio (GATT por sus siglas en inglés); antecesor inmediato de la Organización Mundial de Comercio (^{Dávila y Escamilla, 2013}).

Posteriormente, el Tratado de Libre Comercio de América del Norte (TLCAN) expandió considerablemente el número de empresas maquiladoras, mismas que transitaron de 600 en 1994 a 5185 en el año 2019. En donde, más del 50% de los establecimientos reside en 4 estados fronterizos: Baja California, Chihuahua, Tamaulipas y Nuevo León. En este escenario, la Industria Manufacturera, Maquiladora y de Servicios de Exportación proporciona empleo formal a 2.7 millones de personas agregadas en dos grandes bloques de acuerdo con el puesto de trabajo: empleados administrativos y operarios o personal técnico, en una relación 5 a 1 respectivamente (^{INEGI, 2021}).

La apertura económica reconfiguró la localización industrial del entramado productivo nacional. Las actividades manufactureras se descentralizaron consolidándose varios polos de desarrollo fronterizos, entre ellos: Tijuana, Mexicali, Nogales, Ciudad Juárez, Piedras Negras, Reynosa, Nuevo Laredo y Matamoros (^{Dávila y Escamilla, 2013}). Al incrementarse significativamente los vínculos con Estados Unidos en materia de comercio, la Industria Manufacturera, Maquiladora y de Servicios de Exportación se posicionó como el eje central del desarrollo económico fronterizo (^{Esqueda, 2018}).

La hegemonía de la IMMEX (Industria Manufacturera, Maquiladora y de Servicios de Exportación) ha sido esencial al dilucidar el funcionamiento económico de las localidades fronterizas, en donde el municipio de Reynosa destaca por su principal ventaja comparativa; su intersección con el Corredor Interestatal I-35 y la Autopista Federal 57 (a través de las carreteras MEX101 y MEX97), la ruta más corta entre el centro de México y el este de los Estados Unidos (^{ICCE, 2018}).

Al estimular el desarrollo fronterizo y apostar por la industria maquiladora de exportación, eje central del crecimiento económico reynosense (^{Vera y Langle, 2019}; ^{Pérez et al., 2014}), el gobierno mexicano conformó una red de infraestructura y servicios especializados con la intención de posicionar al comercial bilateral como un componente estratégico del desarrollo regional (^{Aguilar, 2007}; ^{Esqueda y Trejo, 2014}; ^{Palomares, 2000})¹. La industria maquiladora se catapultó a consecuencia de su localización geográfica, infraestructura física, fuerza laboral e índices de productividad (^{Barajas y Gutiérrez, 2012}), no obstante, las inversiones se limitaron a un reducido grupo de actividades productivas, a saber: electrónica, automotriz, textil y metalmecánica (Velásquez, et al., 2011; ^{Dávila et al., 2018})².

Al mismo tiempo, las recurrentes crisis económicas internacionales, principalmente aquellas acontecidas a finales del siglo anterior y comienzos de este, han impactado en las formas de producción de las empresas transnacionales (^{Dicken, 2011, 126}; ^{Camberos, y Bracamontes, 2015, 12}; ^{Martínez y Corrales, 2017, 44}). Ejemplo de ello es lo acontecido en el ramo manufacturero, en donde el perfil de los trabajadores, caracterizado por la participación mayoritaria de mujeres jóvenes solteras con un ciclo corto al interior del mercado laboral por su posición en el hogar, así como un insuficiente acceso a vivienda, servicios públicos y transporte público adecuado por parte del personal empleado, propicia la inestabilidad temporal en el empleo (^{Barajas y Sotomayor, 1995}; ^{Carrillo, 2014}). Dicha situación eleva los costos del departamento de recursos humanos, además de interrumpir el cumplimiento de metas de la organización al incidir negativamente en su productividad (Flores et al., 2008; ^{Hernández et al., 2013}).

Si bien, el grueso de las empresas maquiladoras presenta un problema de ausentismo laboral y, en consecuencia, un alto índice de rotación, dicha problemática permanece como un campo de estudio recurrente ante la escasez de información sistematizada que permita demostrar las razones subyacentes (^{Herrera et al., 2019}). En este escenario, los efectos espaciales y sectoriales derivados de la liberalización comercial del país justifican un análisis detallado del comportamiento del mercado laboral al interior del sector manufacturero fronterizo; en materia de una de sus principales fallas: la rotación de personal.

^{March y Simon (1958}; citado en ^{Ruiz y Álvarez, 2020, 14}) definen la rotación de personal como: el retiro voluntario del individuo de la organización otorgante de un salario a cambio de una prestación de servicios laborales. Sin embargo, los costos de rotación de personal pueden significar la diferencia entre arrojar pérdidas o ganancias al cierre del año laboral, ya que comprende no sólo los gastos de reclutamiento y selección, sino también aquellos derivados de la apertura de registros administrativos, la capacitación del personal, la adscripción a instituciones de seguridad social, financieras y fiscales, así como la compra de equipo especializado (^{Baldwin y Gorecki, 1989}). Al respecto diversos autores han estimado la rotación de personal maquilador a escala nacional y subnacional (^{García, 2013}; ^{Cabrera et al., 2011}; ^{Mares y Mendoza, 2016}; ^{Aranibar et al., 2018}), mediante una relación porcentual entre altas y bajas de personal en relación al promedio de integrantes de la organización en un periodo determinado, en donde la rotación “ideal” le permite a la organización retener al personal de calidad y sustituir a las personas con un nivel de desempeño inadecuado en relación a los parámetros de la empresa (^{Chiavenato, 2007, 136}).

Bajo dicho contexto, el sector manufacturero perteneciente a la IMMEX requiere estimar los factores predictores de la rotación de personal con la finalidad de amortiguar los costos que este implica³. En este sentido, mediante la información anual de altas y bajas en una maquiladora reynosense, en el presente trabajo se estima la correlación entre la rotación y sus factores predictores, a partir de un modelo de regresión multietápico (Mínimos Cuadrados en 2 Etapas) y un modelo de respuesta binaria tipo Probit, con el objeto de identificar respectivamente, tanto el citado nivel de correlación como los factores que inciden en dicha relación⁴. Además, se sugieren estrategias de política empresarial pertinentes respecto a la variabilidad de dicho indicador⁵.

1. Contexto económico⁶

A consecuencia de la hegemonía regional de las actividades manufactureras, mismas que de acuerdo con el último Censo Económico disponible (^{INEGI, 2019}) representan para el conjunto de los citados estados fronterizos el 48.06% del Valor Agregado Censal Bruto (VACB) y el 42.88% del Personal Remunerado Total (PRT), los seis estados de la República Mexicana integrantes de la frontera norte representan en conjunto 24% de la producción bruta total de México⁷.

En cuanto a los municipios fronterizos, 80 colindan con el vecino país del norte, de ellos, ocho concentran el 18% de la producción estatal fronteriza y más de tres cuartas partes de la producción bruta municipal, tal es el caso de: Tijuana, Mexicali, Nogales, Juárez, Piedras Negras, Reynosa, Nuevo Laredo y Matamoros (^{INEGI, 2019})⁸.

Dado lo anterior, con la finalidad de profundizar el análisis referente a especialización económica laboral en los citados municipios fronterizas, se calcula el coeficiente de localización (2018) del personal remunerado total por rama de actividad económica manufacturera, al homologar la información municipal y nacional del año 2018 presente en el último Censo Económico levantado por el Instituto Nacional de Estadística y Geografía (INEGI)⁹.

Los resultados indican que en el caso de la industria manufacturera ligera, la matanza, empacado y procesamiento de carne de ganado, aves y otros animales comestibles (rama 3116) y la preparación y envasado de pescados y mariscos (rama 3117) en Nogales; confección de alfombras, blancos y similares (rama 3141) en Piedras Negras; y las ramas Juarenses correspondientes a: aserrado y conservación de la madera (rama 3211) y fabricación de laminados y aglutinados de madera (rama 3212) exhiben una fuerte presencia regional en comparación con la estructura productiva nacional en materia de personal remunerado total¹⁰. En contraste, la confección de prendas y accesorios de vestir (rama 3152 y 3159) en Matamoros, así como la impresión e industrias conexas (rama 3222) en Reynosa y la fabricación de productos de cartón y papel (rama 3231) en Nuevo Laredo destacan por su elevada especialización laboral. Por su parte, la industria de las bebidas (rama 3121) y la fabricación de otros productos de madera (rama 3219) hacen lo propio en Mexicali y Tijuana, respectivamente.

En el caso de la industria manufacturera pesada, en Tijuana sobresale (por su concentración de PRT) la fabricación de equipo de audio y de video (rama 3343) y carrocerías (rama 3362), mientras que en Mexicali hace lo propio la fabricación de equipo aeroespacial (rama 3364), no electrónico y material desechable de uso médico (rama 3394). Por otro lado, en Nogales destaca la fabricación de accesorios eléctricos (rama 3359) y equipo agropecuario para la industria extractiva (rama 3331), y en Juárez y Piedras Negras mantienen hegemonía los componentes electrónicos (rama 3344) y las partes para vehículos automotores (rama 3363), respectivamente.

Finalmente, las ciudades fronterizas maquiladoras del estado de Tamaulipas sobresalen por su concentración de personal remunerado total, en las ramas económicas correspondientes a: fabricación de equipo de aire acondicionado y refrigeración (rama 3334) y aparatos eléctricos (rama 3352) en Nuevo Laredo; fabricación de equipo de generación y distribución de energía eléctrica (rama 3353), partes para vehículos automotores (rama 3363), equipo no electrónico y material desechable de uso médico (3391), equipo de audio y de video (rama 3343), otra maquinaria y equipo para la industria en general (rama 3339), productos metálicos forjados y troquelados (rama 3321), y productos a base de minerales no metálicos (rama 3279) en Reynosa; así como la fabricación de componentes electrónicos (rama 3344), partes para vehículos automotores (rama 3363), equipo de generación y distribución de energía eléctrica (rama 3353) y productos de vidrio (rama 3344) en Matamoros.

Si bien, en la presente investigación solo se determina el grado de correlación entre la rotación de personal remunerado total y los factores subyacentes generadores de rotación, siguiendo la información de una industria maquiladora perteneciente a la rama 3344: Fabricación de componentes electrónicos, cabe mencionar el rol hegemónico que tiene el municipio de Reynosa en la actividad económica manufacturera fronteriza. El análisis del PRT sitúa a Reynosa como el municipio de mayor diversidad económica manufacturera con un grado de especialización superior al parámetro nacional¹¹.

II. Anclaje teórico y empírico

Una vez planteado y contextualizado el objeto de estudio del presente documento, en la actual sección se aborda de forma breve las referencias teóricas y empíricas, correspondientes a los factores subyacentes al ausentismo y su incidencia en la rotación de personal en el sector secundario manufacturero, a partir de casos de estudio a escala nacional y subnacional.

Estructuralmente, si bien la flexibilización de los mercados laborales, mediante la apertura económica acontecida en América Latina durante las décadas de 1980 y 1990, ha reducido los niveles de desempleo e incrementado el salario marginalmente, dicha flexibilización también ha impulsado: i) la precarización de las condiciones laborales; ii) la informalidad; iii) la desigualdad de ingresos; y iv) la rotación laboral (^{Stiglitz, 2003}; ^{Guadarrama, 2008}; ^{Huesca et al., 2014, 290}; ^{Beck, 2021}).

La precariedad laboral, presente tanto en las actividades económicas formales como en las informales, tiene lugar aun en trabajadores pertenecientes a industrias modernas y genera inestabilidad e incertidumbre en la vida laboral. En donde, la pérdida de estabilidad del empleo genera trayectorias laborales discontinuas y diversificadas, además de debilitar la regulación y protección normativa del mercado laboral (^{Rubio, 2017, 39}). Así, una de las expresiones de la flexibilidad laboral es el incremento de la rotación de personal, es decir, una disminución temporal de la permanencia en el puesto de trabajo (^{Morales y Castro, 2014, 35}). Ejemplo de ello es el valor asignado a México (4.0%), referente al año 2020, en el indicador denominado inseguridad en el mercado laboral construido por la OCDE (Organización para el Desarrollo Económico), el cual cuantifica proporcionalmente la pérdida monetaria esperada asociada al riesgo de quedar desempleado y permanecer así en relación con los ingresos previos. Si bien, La inseguridad del mercado laboral mexicano es ligeramente inferior al promedio de los países integrantes de la OCDE (4.9%), ya que dicha medición no captura la alta incidencia del empleo informal, los costos personales de la pérdida de empleo son elevados debido a escasa seguridad social en términos laborales (^{OCDE; 2018}, ²⁰²⁰)¹².

La pérdida deliberada (renuncia) o no deliberada (despido) del empleo puede cuantificarse a través del índice de rotación de personal. La rotación de personal se caracteriza por ser un fenómeno dinámico presente en cualquier cultura empresarial independientemente del giro o tamaño de la empresa, mientras que el ausentismo es la no presencia de los empleados en momentos en los que deberían estar laborando. Así, el índice de rotación de personal se determina por la relación porcentual entre el número de trabajadores que ingresan y las separaciones del personal acumulado, respecto al promedio de integrantes de una empresa en un periodo determinado (^{Chiavenato, 2007, 135}). Los gastos asociados a la rotación incrementan los costos de producción y, consecuentemente, el precio del bien o servicio final ofertado. Además, la rotación repercute en la productividad del personal, al disminuir el ánimo y generar indiferencia hacia el proceso productivo (^{Hom et al., 2017})¹³.

Empíricamente, ^{Mares y Mendoza (2016)}, ^{Aranibar et al. (2018)} y ^{Cabrera et al. (2011)} examinan, de forma respectiva, las implicaciones de la rotación laboral en el sector secundario, específicamente, en empresas pertenecientes a la industria de los alimentos (^{Mares y Mendoza 2016}; ^{Aranibar et al., 2018}) y la construcción (^{Cabrera et al., 2011}) en la zona metropolitana de Monterrey, a través de encuestas laborales en forma de entrevistas estructuradas aplicadas al personal calificado y no calificado. Los resultados muestran al índice de rotación de personal como un indicador significativo de la estabilidad de la organización, además de ser un elemento relevante de la administración del personal en términos de fomentar la productividad al interior de la firma.

Por su parte, ^{Cobos y Márquez (2020)} determinan la percepción de los trabajadores sobre la relación entre la rotación de personal y la demanda laboral en la industria maquiladora de Ciudad Juárez, mediante coeficientes de correlación y una encuesta de salida. Los citados autores señalan una relación estadísticamente débil entre dichas variables y sugieren indagar en la insatisfacción laboral como una de las causantes principales de la rotación de personal. Al respecto, Flores et al. (2008) entrevistan a 20 ejecutivos pertenecientes al ramo manufacturero mexicano mediante la metodología de marco lógico, misma que incluye la realización de panel de expertos como parte del método Delphi, e identifican la selección inadecuada del personal, el salario y la motivación del trabajador como los principales factores generadores de rotación. Dado lo anterior, ^{García (2013)} examina la relación entre el grado de compromiso laboral del trabajador (en términos de: vigor, dedicación y absorción) y la incidencia de la rotación de personal, a partir de un levantamiento de información en una empresa perteneciente a la industria de la preparación de alimentos en el estado de Veracruz. Ante la presencia de un elevado índice de rotación de personal, si bien sus resultados muestran una correlación negativa, las cifras carecen de significancia estadística. Por tanto, la citada autora sugiere: i) las remuneraciones a los asalariados, ii) la duración de la jornada laboral y iii) la escasez de movilidad laboral al interior de la empresa, como determinantes subyacentes del IRP¹⁴.

En la misma línea, ^{Herrera et al., (2019)} realizan un muestreo simple aleatorio en tres maquiladoras fronterizas situadas en Ciudad Juárez, Tijuana y Reynosa para determinar estadísticamente el nivel de rotación de personal en los citados mercados laborales. Al cuantificar la percepción tanto de la demanda del mercado laboral como del costo de oportunidad, sus resultados muestran la existencia de una relación inversa entre la percepción de alternativas de empleo y la intención de permanecer en el trabajo actual. No obstante, la intensidad de la relación disminuye conforme aumenta el costo de oportunidad referente a cambiar de empleo, en otras palabras, si el salario aumenta disminuye la rotación de personal debido al incremento en el costo de oportunidad por terminar la relación laboral (^{Erickson y Mitchell, 2007}).

Por otro lado, cabe mencionar las grandes aportaciones realizadas por ^{Carrillo (2014)} y ^{Barajas y Sotomayor (1995)}. En el primer caso, el autor reflexiona sobre los principales temas centrales de la industria maquiladora, a saber: I) la precariedad laboral; ii) la integración económica local; iii) las capacidades de decisión de las empresas; y iv) el escalamiento industrial, y señala el dinamismo, complejidad y heterogeneidad de dicha industria, para lo cual recomienda tener una perspectiva amplia tanto teórica como empírica. En el caso ulterior, se aborda la relación entre el grado de estabilidad en el empleo de las mujeres y sus condiciones materiales de vida, en una empresa del ramo maquilador con sede en la ciudad de Tijuana. Después de estimar diversos coeficientes de correlación entre la rotación y condiciones socioeconómicas del personal maquilador, los citados autores apuntan hacia factores externos a la empresa como los determinantes de la rotación en el empleo. En este sentido, ^{Bórquez (2017)} aborda la precarización laboral del personal femenino en la maquila mexicana y analiza la incidencia de la violencia de género ante la ausencia de derechos sociales. Dicha autora destaca el perfil del personal femenino de la industria maquiladora, caracterizado por su juventud, marginación y falta de escolaridad; volviéndolas susceptibles de padecer violencia laboral tanto referente a las condiciones de trabajo como de género. Sus resultados se encuentran en sintonía con la Comisión Interamericana de Derechos Humanos (CIDH), en donde la maquila se presenta como una expresión de la desigualdad estructural de género en el mercado laboral.

III. Mínimos Cuadrados en 2 Etapas (MC2E)

De acuerdo al análisis de salida proporcionado por empresa, se emplea la información del personal maquilador, desde el nivel de operario (auxiliar técnico, capturista, montacarguista, materialista) hasta los puestos de mando intermedios del proceso productivo (auditor, líder de grupo, entrenador), durante un periodo de 50 semanas correspondientes al año 2019, para identificar el nivel de correlación entre los factores generadores de ausentismo y el índice de rotación de personal en la maquiladora reynosense mediante la técnica de MC2E (véase Cuadro 1).

Siguiendo a ^{Wooldridge (2010, 521-534)}, en el modelo de MC2E (ecuaciones 2 y 3), la variable y₂ es endógena debido a que está correlacionada con el término de error (v).¹⁵ De esta forma, el mejor instrumento para la variable y₂ es la combinación lineal más fuertemente correlacionada con la variable endógena. Tal es el caso de la forma reducida de y₂ : y₂ = δ₀ + δ₁ z₁ + δ₂ z₂ + δ₃ z₃ + v. Donde E(v) = 0 y Cov(z_i , v) = 0 para i = 1, 2 y 3. Así, la mejor variable instrumental es la combinación lineal de z_i , la cual se puede definir como y₂^~. Además, para que y₂^~ no esté perfectamente correlacionado con z₁, se requiere que δ₂^~ ≠ 0 y/o δ₃^~ ≠ 0, para lo cual podría realizarse una prueba de hipótesis con el estadístico F, donde: H_o: δ₂, δ₃ = 0; H_a : δ₂, δ₃ ≠ 0. Si no es posible rechazar la hipótesis nula (H_o), existe un problema de identificación del modelo¹⁶.

Por otra parte, la regresión de y₂ sobre z ₁ , z₂ y z₃ se puede estimar mediante mínimos cuadrados ordinarios, obteniéndose los siguientes valores: y₂^~ = δ₀ ^~ + δ₁^~z₁ + δ₂^~z₂ + δ₃^~z₃ + v. Se debe verificar que z₂ y z₃ sean estadísticamente significativos al 5 %; lo anterior corrige el problema de endogeneidad en y₂ . Posteriormente, se utiliza y₂^~ como instrumento de y ₂ para realizar la regresión de y₁ sobre y₂^~ y z₁, a través del método de Mínimos Cuadrados Ordinarios (MCO): y₁ = δ₀ + δ₁ y₂^~ + δ₂z₁ + ὲ + δ₁ v. Donde el componente del error es ὲ + δ₁ v, el cual tiene media cero y no está correlacionado con y₂^~ ni con z₁, así al realizar la regresión de y₁ sobre y₂^~ y z₁ los estimadores son eficientes (^{Wooldridge, 2010, 521-534})¹⁷.

En virtud de lo anterior, se analiza la base de datos proporcionada por la empresa con la intención de precisar los diversos motivos por los cuales acontece la baja. En este sentido, los modelos de MCO y MC2E para identificar el nivel de correlación entre los factores generadores de ausentismo y el índice de rotación de personal se muestran en las ecuaciones 1 (MCO), 2 (MC2E) y 3 (MC2E), respectivamente¹⁸.

En el primer caso, la variable dependiente se representa por el IRP y las variables independientes se integran por tres de los principales factores asociados al mismo (de acuerdo con su incidencia), a saber: Motivos Personales (MP), Abandono de Puesto (AP) y el Cuidado de los Hijos (CH)¹⁹. Mientras que, en el caso ulterior, ante el supuesto de endogeneidad en la variable MP, se corrige la regresión original estimada mediante MCO al instrumentar la variable Motivos Personales (MP*) con variables explicativas asociadas a dicho elemento, tal es el caso de los factores: Insatisfacción laboral (INS), Mejor Oportunidad de trabajo (MO) y Circunstancias externas a la firma (CIR).

Donde:

α1, α2, α3 = Intercepto o constante

β1,2,3,β̿1,2,3, β˙1,2,3 = Coeficientes de la regresión

u₁; u₂; u₃ = Incertidumbre o perturbación

IRP = Índice de Rotación de Personal

AP = Abandono de Puesto

CH = Cuidado de los Hijos²⁰

MO = Mejor Oportunidad de trabajo

MP = Motivos Personales²¹

MP* = Motivos Personales (variable instrumentada)

CIR = Circunstancias externas a la firma²²

INS = Insatisfacción con horas (Insatisfacción laboral) ²³

Ante la presencia de dos estimadores como MCO y MC2E, el segundo se asume más eficiente que el primero debido a su menor varianza, y se emplea la prueba de ^{Hausman (1978)} para calcular las diferencias comunes en las estimaciones de ambos modelos²⁴. Si las diferencias no son sistemáticas, en términos de un sesgo definido (hipótesis nula; valor de p mayor a 0.05), ambos estimadores son consistentes ya que la estimación muestral tiende al parámetro poblacional, sin embargo, se prefiere el estimador asumido como más eficiente, en otras palabras, el estimador de MC2E.

En caso contrario (sesgo sistemático), si el valor de p (referente a la distribución de probabilidad χ2) resulta menor a 0.05, la hipótesis nula se rechaza, ambos estimadores son inconsistentes para el modelo propuesto, por tanto, de ser el caso, es necesario volver a plantear el modelo hasta cumplir la hipótesis nula. No obstante, si los coeficientes de ambos estimadores (MCO y MC2E) no tienen errores sistemáticos generalmente se opta por utilizar el estimador de MC2E, al mostrar una menor varianza en relación al estimador de MCO.

IV. Modelo de respuesta binaria tipo Probit

Por otra parte, para analizar la no prevalencia de antigüedad laboral en la industria manufacturera reynosense, se estima la probabilidad de generar antigüedad laboral por encima del parámetro promedio correspondiente a la población total de la empresa (3.5 años), referente a los puestos de trabajo desde el nivel operador hasta los puestos de mando intermedios, de acuerdo a una serie de variables explicativas o independientes integradas por diversas condiciones socioeconómicas y laborales del trabajador, a saber: puesto de trabajo, estado civil, genero, dependientes económicos y edad.

Si bien, el modelo de probabilidad lineal sería la opción más simple para llevar a cabo la estimación, al ser una aplicación sencilla del modelo de regresión múltiple sobre una variable dependiente binaria; el modelo posee ciertas desventajas, entre ellas destacan las probabilidades ajustadas inferiores a cero o mayores a uno, además del efecto parcial constante de cualquier variable independiente. Dichas limitaciones del modelo de probabilidad lineal se superan mediante modelos de respuesta binaria más robustos; tal es el caso del modelo tipo Probit, en donde el principal interés descansa en la probabilidad de respuesta y es ampliamente utilizado en datos de sección cruzada (^{Wooldridge, 2010, 584-588}).

Siguiendo a ^{Wooldridge (2010, 584-588)}, el modelo Probit puede ser derivado a partir del modelo de variable no observada o variable latente (y∗), la cual se determina de la siguiente manera: y∗ = β₀ + xβ + €; y = ⌡[ y∗ > 0]. Se introduce la notación ⌡[*] para definir la respuesta binaria o función indicadora, misma que es igual a uno si el evento entre corchetes es verdadero (y∗ > 0) y es igual a cero en caso contrario (y∗ ≤ 0). A su vez, para incluir formas funcionales estándar entre las variables explicativas de nuestro modelo de respuesta binaria se realiza el siguiente procedimiento²⁵: P(y = 1|z) = G(β₀ + β₁z₁ + β₂z₁ ² + β₃log(z₂) + β₄z₃).

Al estimar modelos de variable dependiente limitada, como es el caso del Probit, es necesario considerar el método de máxima verosimilitud; herramienta basada en la distribución de y dado x. Así, la función logarítmica de verosimilitud para la observación depende tanto de los parámetros funcionales como de los datos (x_i; y_i) y se obtiene tomando logaritmos: l_i(β) = y_ilog[G(x_iβ)] + (1 - y_i)log[1 - G(x_iβ)]²⁶. La función logarítmica de verosimilitud para una muestra n se obtiene sumando la ecuación anterior, a través de todas las observaciones: L(β) = ∑i=1nli (β). La estimación de máxima verosimilitud de β denotada por β^ maximiza la función logarítmica de verosimilitud. Si G(*) es la función estándar de distribución acumulativa normal, entonces β^ es el estimador Probit. Si bien, el anterior problema de maximización es de tipo no lineal, una de las acepciones de la teoría subyacente a las aproximaciones mediante máxima verosimilitud implica que la estimación de máxima verosimilitud es consistente, asintóticamente normal y asintóticamente eficiente. Por tanto, cada β^_i se acompaña de un error estándar asintótico, lo cual permite construir el estadístico t y los intervalos de confianza de manera análoga al método de Mínimos Cuadrados Ordinarios (^{Wooldridge, 2010, 584-588}).

En nuestro caso, el modelo que estimamos para predecir la probabilidad de generar antigüedad superior a 3.5 años en la firma, se resume en la siguiente ecuación:²⁷

V. Resultados²⁸

La Gráfica 1 muestra el comportamiento del personal, en materia de altas y bajas, al interior de la empresa bajo estudio durante el periodo considerado (2019). En las primeras 5 semanas del citado año, los resultados muestran un crecimiento significativo en el número de altas, asociado a la promoción de vacantes por parte de la maquiladora, así como la fluctuación del mercado laboral al iniciar el año natural. Posteriormente, la contratación se estabiliza y, desde el segundo cuatrimestre del año (semana 20) hasta el cierre de este (semana 50), el número de bajas presenta cifras muy similares al número de altas, es decir, la empresa muestra una fluctuación semanal aproximada de 400 trabajadores, en donde alrededor del 50% terminan su relación de trabajo (por renuncia: 94.12%; despido: 5.75%; o defunción: 0.13%) y el resto se integra por personal de nuevo ingreso.

Fuente: elaboración propia con información de la empresa maquiladora.

Gráfica 1 Comportamiento de altas y bajas de personal 

La tendencia anterior se confirma al observar el IRP, mismo que fluctúa a consecuencia de la variación en los factores subyacentes al finalizar el vínculo laboral (véase Gráfica 2).

Fuente: elaboración propia con información de la empresa maquiladora.

Gráfica 2 Índice de Rotación de Personal 

Una vez obtenido el IRP (variable independiente tanto en MCO como en MC2E), el Cuadro 2 muestra los resultados de la regresión (MCO), además de los coeficientes de correlación y la validez estadística individual (estadístico t) y grupal (estadístico F) del modelo con un nivel de confianza del 95%. En el caso del modelo de MCO, al estimar el nivel de correlación entre el índice de rotación de personal y los factores generadores de ausentismo, se obtiene el coeficiente de determinación (R² = 0.4728) y el coeficiente de correlación (R = 0.6876).²⁹ Bajo este contexto, el coeficiente estimado para la variable AP señala un efecto positivo de 0.0087 sobre el IRP. A su vez, si un empleado(a) decide terminar su relación de trabajo con la empresa por el cuidado de los hijos o motivos personales, el IRP registra una alteración positiva similar sobre la rotación de 0.0614 y 0.0046, respectivamente. Si bien, en el último caso no se tiene significancia estadística (P > |t| menor a 0.05), el valor del estadístico F (0.0000) si muestra significancia estadística en forma grupal con un intervalo de confianza del 95%.

Si bien, la estimación a través de MCO en forma agregada es estadísticamente significativa, la no significancia estadística de la variable MP (P > |t| mayor a 0.05) sugiere la presencia de endogeneidad en dicha variable, por tanto, es necesario instrumentarla al emplear tanto la técnica de MC2E como las ecuaciones número 2 y 3 descritas en la sección de metodología. No obstante, antes de implementar dicha herramienta es pertinente verificar la validez de los instrumentos (Mejor Oportunidad; Circunstancias externas a la firma; e Insatisfacción laboral), lo anterior se confirma en el Cuadro 3, en donde, se utilizan MCO para verificar la significancia estadística de los mismos respecto a la variable instrumentada (Motivos Personales). Los resultados presentes en dicho cuadro ratifican la validez estadística de los instrumentos, al mostrar un estadístico t superior a dos (en valor absoluto) para las tres variables bajo estudio.

Dado lo anterior, las estimaciones mediante MC2E indican validez estadística tanto a nivel individual (P > |z| menor a 0.05) como a nivel grupal (Probabilidad > F menor a 0.05) (véase Cuadro 4). Así, el coeficiente estimado para la variable MP señala un impacto positivo estadísticamente significativo de 0.0087 sobre el IRP, es decir, el doble en magnitud en relación con lo estimado por MCO. Al mismo tiempo, si un empleado(a) decide finiquita su relación laboral con la firma por abandono de puesto o cuidar a los hijos, los coeficientes estimados por MC2E respecto al IRP señalan una variación positiva similar a los valores obtenidos por MCO, a saber: 0.0083 y 0.0768, respectivamente. Además, se obtiene el nivel de correlación entre el índice de rotación de personal y los factores generadores de ausentismo a través de los coeficientes de correlación múltiple (R = 0.6725) y determinación (R² = 0.4523).

Adicionalmente, se aplica la prueba de ^{Hausman (1978)} para determinar si las diferencias en las estimaciones son sistemáticas y significativas entre los dos modelos de regresión implementados en el presente trabajo (MCO y MC2E) (véase Cuadro 5). Al dudar de la consistencia de los MCO (ante la presencia de endogeneidad en la variable Motivos Personales) y asumir los MC2E como una estimación más eficiente debido a su menor varianza (condición confirmada por el nivel de significancia estadística de los regresores del modelo), la prueba calcula las diferencias comunes en las estimaciones de ambos modelos. Los resultados indican diferencias no sistemáticas en términos de un sesgo definido, en otras palabras, se cumple la hipótesis nula (Probabilidad > χ2 mayor a 0.05), por lo tanto, las estimaciones correspondientes a MC2E son consistentes bajo la hipótesis nula y la hipótesis alternativa (diferencias sistemáticas), mientras que el modelo de MCO es inconsistente bajo la hipótesis alternativa y es eficiente bajo la hipótesis nula, en consecuencia, se prefieren las estimaciones del modelo con mayor eficiencia o menor varianza, en este caso: los Mínimos Cuadrados en 2 etapas.

Finalmente, con la intención de robustecer el análisis implementado de forma previa, en donde se estima el grado de correlación entre el IRP y los factores subyacentes en materia de condiciones socioeconómicas y laborales del personal, el Cuadro 6 muestra los resultados del modelo de respuesta binaria tipo Probit para determinar la probabilidad de generar antigüedad superior a 3.5 años en la firma. Cabe destacar que en el caso de la probabilidad del estadístico z (cuarta columna) todas las variables empleadas en el modelo presentan valores inferiores a 0.05 y, en consecuencia, tienen significancia estadística para un intervalo de confianza del 95%. Dado lo anterior, los resultados señalan que desempeñar un puesto de operario u obrero (operador) si disminuye la probabilidad de generar antigüedad superior a 3.5 años en la maquiladora. En contraste, pertenecer al género femenino (mujer), estar casado o vivir en unión libre (vivir_en_pareja) y tener dependientes económicos, en este caso hijos (tener_hijos), aumentan la probabilidad de lograr una antigüedad superior a 3 años y medio dentro de la compañía. Si bien, conforme aumenta la edad del trabajador (edad) también crece la probabilidad de crear antigüedad, este resultado debe tratarse con cuidado ante la posible perturbación de no considerar en dicha variable la edad de contratación del personal maquilador.

Conclusiones y reflexiones finales

La hegemonía de la IMMEX ha sido esencial al dilucidar el funcionamiento económico de las localidades mexicanas fronterizas con Estados Unidos, en donde, Reynosa sobresale como el municipio fronterizo de mayor diversidad económica manufacturera con un grado de especialización superior al parámetro nacional.

Si bien, el grueso de las empresas maquiladoras presenta un problema de ausentismo laboral mismo que deriva en un alto índice de rotación, dicha problemática permanece como un campo de estudio recurrente ante la escasez de información sistematizada que permita demostrar las razones subyacentes (^{Herrera et al., 2019}). Bajo dicho contexto, el sector manufacturero perteneciente a la IMMEX requiere estimar el impacto de los factores generadores de ausentismo en la rotación de personal, con la finalidad de amortiguar los costos que este implica.

A partir de la información anual de altas y bajas en una maquiladora reynosense, en el presente trabajo se determina la correlación entre la rotación de personal y sus factores subyacentes a través de diversos modelos de regresión (MCO y MC2E) y un modelo de respuesta binaria tipo Probit.

Entre altas y bajas, la empresa muestra una fluctuación semanal equitativa cercana a 400 trabajadores, en donde nueve de cada diez empleados deciden terminar su relación laboral con la maquiladora. Si bien, al estimar el nivel de correlación entre el índice de rotación de personal y los factores generadores de ausentismo se obtienen valores muy similares mediante MCO (0.6876) y MC2E (0.6725), en el segundo caso, la significancia estadística de las estimaciones con MC2E tanto a nivel individual como a nivel grupal, además de la prueba de ^{Hausman (1978)}, sugieren una mayor eficiencia o menor varianza respecto a los MCO.

Bajo dicho contexto, los resultados indican una relación positiva y estadísticamente significativa entre las variables correspondientes a Cuidado de los hijos, Abandono de puesto y Motivos personales, aunque en los últimos dos casos el efecto estimado sobre el IRP es marginal. En contraste, el modelo de respuesta binaria para determinar la probabilidad de generar antigüedad superior a 3.5 años en la firma indica que pertenecer al género femenino, estar casado o vivir en unión libre y tener hijos (dependientes económicos temporales) aumentan la probabilidad de superar dicha antigüedad. No obstante, los resultados se encuentran en línea con ^{Carrillo (2014)} respecto al perfil del trabajador maquilador, caracterizado por la participación mayoritaria de mujeres jóvenes solteras con un ciclo discontinuo al interior del mercado laboral, debido principalmente a su posición en el hogar y su posterior reincorporación a la actividad económica después de un periodo de maternidad.³¹

En virtud de lo anterior, es pertinente elaborar estrategias que permitan comprender el ausentismo y las implicaciones de este sobre la rotación de personal manufacturero, tanto en factores externos como internos a la empresa. En este último caso será necesario evaluar la motivación del trabajador en su posición laboral, en donde el empleado considere el salario percibido en función del nivel de responsabilidad y esfuerzo aplicado (^{McGrath y Bates, 2014, 34}). Empresarialmente, ^{Millán (2006)} señala cuatro principales aspectos a tratar para disminuir la rotación de personal: i) definir la valuación de puestos para determinar el sueldo adecuado; ii) aplicar la calificación de méritos para poder evaluar el desempeño del trabajador y la influencia en su entorno; iii) transparentar la dinámica de promociones y descensos; y iv) fomentar un ambiente de cordialidad y armonía en la organización con la intención de incrementar la satisfacción laboral del personal.

A su vez, será necesario implementar mecanismos en donde la empresa pueda identificar e incidir sobre las condiciones socioeconómicas de sus trabajadores, más allá del salario asignado, y con ello disminuir la rotación del personal mediante su responsabilidad social empresarial. No obstante, la presente recesión económica, agudizada por la expansión mundial del virus SARS - CoV2, permea inevitablemente sobre las estructuras productivas regionales con diferentes grados de intensidad. Particularmente, el factor trabajo de la IMMEX no puede hacer frente por sí mismo a las constantes y severas contracciones en la demanda del sector externo (^{Dávila y Valdés, 2020}). Las industrias necesitan del apoyo del Estado y sus correspondientes instituciones económicas para suavizar las externalidades negativas derivadas de la flexibilización del mercado laboral, al articular apropiadamente los límites entre los intereses públicos y privados e impulsar una asignación eficiente de recursos; en este caso: el personal de trabajo perteneciente al sector maquilador (^{North, 1998}; ^{Dicken, 2011, 186}; ^{Schwab, 2020}).