Más allá de la tasa de desempleo: una mirada a la calidad del empleo en Salto

Los últimos datos del INE posicionan a Salto como el departamento con la tasa de desempleo más alta del país. Si bien eso refleja la grave situación del mercado de trabajo, para entender a la misma en su real alcance también se debe analizar cómo son los empleos de quienes sí cuentan con uno.

Ese es el objetivo de este artículo del Dr. Jorge Leal y la Mag. Viviana Piriz, Departamento de Ciencias Sociales, Cenur Litoral Norte, Universidad de la República; donde se expone cuál es la calidad del empleo de los ocupados en Salto.
Dicha información se obtuvo mediante la aplicación de un índice que busca medir al concepto en su multidimensionalidad. Además, y con el cometido de indagar en la complejidad del fenómeno, se explora el comportamiento de algunas variables relacionadas con la calidad del empleo y se analiza cómo es la misma en las principales ramas de la demanda laboral.

ACERCA DEL ÍNDICE DE CALIDAD DEL EMPLEO (ICE)

La calidad del empleo es un concepto amplio de difícil definición y medición. Generalmente para informar sobre esa cuestión se recurre a indicadores particulares, como por ejemplo el porcentaje de ocupados no registrados en la seguridad social (informalidad laboral), o el porcentaje de quienes trabajan menos de 40 horas semanales, deseando y estando dispuestos a hacerlo por más horas, sin conseguirlo (subempleo).
A los efectos de dar cuenta de la complejidad y multidimensionalidad del concepto calidad del empleo, y buscando ir más allá de la problemática de la informalidad laboral y/o del subempleo, se procedió a la construcción de un indicador sintéticoi. Dicho índice integra cuatro dimensiones: Ingreso, Seguridad Social, Estabilidad y Tiempo de trabajo, que comprenden los siguientes indicadores: salario; antigüedad en el empleo; horas semanales trabajadas, subempleo y, afiliación a la seguridad social. Las mismas se formalizan en un índice sumatorio ponderado que, a partir de criterios teóricos y de la técnica de Análisis de Componentes Principales (PCA), asigna pesos diferenciales en función de la contribución de cada variable a la variabilidad del conjunto.

El artículo completo se encuentra disponible como archivo adjunto para descargar debajo de la imagen.