Determinantes de la demanda de trabajo en la economía peruana, 2010-2019

• Autor: Chavesta Ayasta, Angelli Gianella
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Católica Santo Toribio de Mogrovejo
• Repositorio: USAT-Tesis
• Lenguaje: español
• OAI Identifier: oai:tesis.usat.edu.pe:20.500.12423/7496
• Enlace del recurso: http://hdl.handle.net/20.500.12423/7496
• Nivel de acceso: acceso abierto
• Materia: Mercado laboral; Determinantes de la demanda de mano de obra; Modelos econométricos; Labor Market; Determinants of Labor Demand; Econometric Models; http://purl.org/pe-repo/ocde/ford#5.02.02

El objetivo de la presente investigación es analizar los determinantes de la demanda laboral en los sectores económicos que logran insertarse dentro del mercado de trabajo peruano. Se empleó un enfoque cuantitativo y el modelo econométrico de datos de panel, estudiando la influencia que pueden generar las variables, bajo parámetros que logren explicar el crecimiento en el mercado laboral en 15 sectores económicos, utilizando datos extraídos de la Encuesta Economía Anual durante el periodo 2010-2019. Como variable dependiente se utilizó la demanda laboral medida a través del promedio de personal ocupado por cada actividad económica y como variables explicativas la remuneración, productividad, ventas y densidad de capital. Entre los principales resultados se pudo determinar que durante el periodo de análisis, las variables remuneración y ventas son estadísticamente negativas, logrando explicar la teoría de la demanda de trabajo, donde se refleja la dinámica negativa que enfrenta los cambios negativos de salario hacia el trabajo; en tanto existe una relación directa con la variable productividad estadísticamente positiva, reconociendo que un mayor proceso productivo se determina bajo los recursos de empleabilidad aplicados y por último, la densidad de capital, como un determinante adicional, aplicado y evidenciando que la inversión de las empresa para demandar mayor trabajo, causa una influencia tanto positiva como negativa para el modelo.