Perfiles socioeconómicos y estructurales del sector informal en la pandemia de la COVID-19

• Saúl Alfonso Esparza-Rodríguez ^[1] ; Jaime Martínez-Arroyo ^[1] ; Armando Sánchez-Vargas ^[2]
  1. [1] Universidad Michoacana de San Nicolás de Hidalgo

     Universidad Michoacana de San Nicolás de Hidalgo

     México

     
  2. [2] Universidad Nacional Autónoma de México

     Universidad Nacional Autónoma de México

     México

     
• Localización: Nova scientia, ISSN-e 2007-0705, Vol. 13, Nº. Extra 0, 2021
• Idioma: español
• Títulos paralelos:
  • Socioeconomic and structural profiles of the informal sector in the COVID-19 pandemics
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 3 Citas
• Resumen
  • español

    Resumen Introducción: La crisis denominada como el “Gran confinamiento” causada por el brote de la enfermedad COVID-19 ha tenido un impacto multidimensional en la humanidad, a nivel sanitario, social, económico y político. Uno de los principales efectos se ha visto reflejado en una crisis económica sin paralelo en la historia de la humanidad. En la historia económica del ser humano, cada crisis de amplia magnitud ha mostrado una relación entre factores sociodemográficos y económicos con el crecimiento de la economía informal, tales como el nivel de ingreso, la escolaridad, la búsqueda de otro empleo, el sexo, y los niveles de desigualdad y de pobreza. Método: La base de datos se obtuvo de diversas encuestas armonizadas de INEGI y SHCP; en ellas, se identificaron datos de naturaleza cuantitativa y categórica, que corresponden a las dimensiones estructuralista e institucionalista de la informalidad. Con base en ello, se aplicó un modelo Logit para determinar la probabilidad de que una persona pertenezca al sector informal de la economía, así como un modelo Probit para identificar variables reiteradas del modelo. Resultados: Las variables que son estadísticamente significativas para determinar la probabilidad de pertenencia al sector informal de la economía, con un porcentaje global equivalente al 72.5 %, son: años de escolaridad, edad, desigualdad económica, porcentaje de pobreza por entidad federativa, grado de gasto por obligaciones fiscales, nivel de compensación fiscal por la pertenencia al RIF, tipo de ocupación, sexo y nivel de salarios mínimos percibidos. Discusión o Conclusión: Considerando los hallazgos de la investigación, es posible inferir que aquellas personas con mayor riesgo de caer en la informalidad, y de continuar en ella, muestran un perfil característico que puede considerarse como una base válida para el diseño de políticas públicas efectivas para reducir la informalidad. La presente investigación contribuye al campo, mediante la identificación de un modelo que describe el perfil de una persona con mayor probabilidad de integrarse al sector informal de la economía, considerando tanto las características sociodemográficas del individuo como la estructura del mercado, tomando en cuenta el efecto de la pandemia en las condiciones económicas actuales.

  • English

    Abstract Introduction: The crisis considered as the "Great Confinement" caused by the outbreak of the COVID-19 disease has had a multidimensional impact on humanity, on a health, social, economic, and political level. One of the main effects has been reflected in an economic crisis unparalleled in human history. In the economic history of the human being, each crisis of a wide magnitude has demonstrated a relationship between sociodemographic and economic factors and the growth of the informal economy, such as the level of earnings, scholarship, search of an extra job sex and levels of inequality and poverty. Method: Database was obtained from harmonized surveys made available by INEGI and SHCP, from where both quantitative and categorical data were identified that correspond to the structuralist and institutionalist dimension of informality. Based on that, we applied a Logit model to determine the probability of a person to belong to the informal sector of the economy, and a Probit model to identify reiterated variables of the model as well. Results: Statistically representative variables to determine the probability to belong to the informal sector, with a global percentage of 72.5 %, are the years of school, age, economic inequality, percentage of poverty in each state, the degree of spending in fiscal obligations, the level of fiscal compensations due to belonging to RIF, the type of occupation, sex and the level of minimal wages earned. Discussion or Conclusion: Considering the findings of the research, it is possible to infer that the people with higher risk of falling in the informality and continuing in it, show a characteristic profile that can be considered as a valid base to design effective public policies to reduce informality. The present research contributes trough the identification of a model that describes the profile of an individual with a higher probability of integrate to the informal sector of the economy, considering both sociodemographic and market structure factors, considering the effect of the pandemics in the current economic conditions.