Professional Documents
Culture Documents
1-27
En las últimas décadas, muchos son los In the last decades, many papers have
trabajos que han puesto de manifiesto la importancia outlined the importance of adopting a dynamic
de adoptar una perspectiva dinámica a la hora de perspective to analyze social processes. That is
abordar el estudio de los procesos sociales. Por esta the reason why, for these studies, the collected
razón, de forma creciente, la información que se data increasingly report durations of episodes
recoge para realizar este tipo de estudios refiere and changes in time.
para cada individuo los tiempos transcurridos en This kind of information, the so-called
1
Parte de este artículo ha sido aceptada en las XVII Jornadas de la Asociación de
Economía de la Educación (AEDE), a celebrar los días 10 y 11 de julio de 2008 en Santiago de Compostela.
2 Análisis de Correspondencias y estudio de historias de vida:
Una aplicación a la Encuesta de Transición Educativo-Formativa e Inserción Laboral
diferentes estados o entre distintos eventos. 'event history data', is usually analyzed by
Este tipo de información dinámica, que se means of statistical methods such as survival
suele denominar "datos de historias de vida" (event analysis or regression models for transition data.
history data), habitualmente se analiza utilizando However, in this paper a different approach is
procedimientos relacionados con el análisis de outlined applying correspondence analysis, an
supervivencia o los modelos de regresión para datos exploratory multivariate method, to a super
de duración. Sin embargo, en este artículo se indicator matrix that records event history
adopta un enfoque distinto al utilizar un método data as sequences of events.
multivariante exploratorio, como es el Análisis de In order to illustrate its use, in this
Correspondencias, y aplicarlo a la super-matriz paper we apply this methodology to analyze
indicador que recoge las historias de vida de los data from an education-to-job transition survey
individuos como secuencias de eventos. (Encuesta de Transición Educativo-Formativa e
Para ilustrar la utilización de esta Inserción Laboral) conducted by the Spanish
metodología, presentaremos una aplicación de la Statistics Institute (Instituto Nacional de
misma al análisis de datos procedentes de la Encuesta Estadística) in 2005. This survey is intended to
de Transición Educativo-Formativa e Inserción study the different ways of transition from
Laboral elaborada por el Instituto Nacional de education to labour market for 45.000 young
Estadística en 2005. Dicha encuesta tiene por people during the period 2001-2005.
objetivo conocer las diferentes formas de transición
desde la educación y la formación al mercado
laboral mediante el estudio de las trayectorias
formativas y laborales de 45.000 jóvenes entre los
años 2001 y 2005.
Palabras clave: Análisis de Correspondencias, datos Key words: Correspondence Analysis, event
de historias de vida, transición al empleo. history data, job transition.
1. INTRODUCCIÓN
Aunque desarrollado inicialmente para el estudio de tablas
bidimensionales de contingencia, el Análisis de Correspondencias es una
técnica estadística cuya aplicación puede ser útil en todas aquellas
situaciones en que sea posible construir una matriz de datos positivos
donde sea de interés comparar perfiles-fila, perfiles-columna o ambas
cosas. Este hecho legitima su uso en otros ámbitos, y en particular, en el
marco del estudio de datos de historias de vida o acontecimientos (event
history data).
Este tipo de datos están siendo crecientemente utilizados
en el ámbito de las ciencias económicas y sociales puesto que permiten
adoptar una perspectiva dinámica a la hora de estudiar procesos de muy
diversa naturaleza, tal y como queda de manifiesto en la revisión
elaborada por Blossfeld et al. (1989: 14-17). Sin embargo, no es menos
cierto que en el tratamiento de este tipo de información suelen emplearse
métodos estadísticos como el análisis de supervivencia o los modelos de
2. METODOLOGÍA
En este apartado presentaremos los fundamentos teóricos del
Análisis de Correspondencias y mostraremos diferentes procedimientos que
permiten su aplicación al estudio de historias de vida.
2
Distancia χ (ji-cuadrado)
Se define la distancia entre dos puntos-fila y entre dos
puntos-columna como:
2 2
p
1 ⎛ f ij f i' j ⎞ n
1 ⎛⎜ f ij f ij' ⎞⎟
d χ 2 (i, i' ) = ∑
2
⎜ − ⎟ y d χ 2 ( j, j ' ) = ∑
2
−
j =1 f.j ⎜⎝ f i. f i'. ⎟⎠ i =1 f i. ⎜⎝ f.j f.j' ⎟⎠
i =1 i =1 j =1 f .j ⎝ f i. ⎠ i =1 j =1 f i. f .j
j =1 j =1 i =1 f i. ⎜⎝ f .j ⎟
⎠ i =1 j =1 f f
i. .j
Reglas de interpretación
Las nubes de puntos-fila y de puntos-columna se representan
en los planos formados por los primeros ejes factoriales tomados de dos
en dos, y para su interpretación es necesario tener en cuenta los
siguientes elementos:
– Tasas de inercia. Dado que la suma de las inercias asociadas a
cada una de las dimensiones extraídas es igual a la inercia total
2
de la nube (Σα λα = H = χ /k), se utiliza la tasa de inercia
τα = λα/Σα λα para medir la proporción de la inercia total de la
nube que queda explicada por la dimensión α y, por tanto, para
valorar la importancia de la misma.
- Contribuciones absolutas. Expresan en qué medida contribuye
una fila i o una columna j a la inercia proyectada sobre cada
dimensión. Se define como la proporción de la inercia explicada
2
por el factor α que corresponde a la fila i (Cα(i) = fi.ψαi /λα) o a
2
la columna j (Cα(j) = f.jϕαj /λα).
- Contribuciones relativas o cosenos cuadrados. Informan de si un
punto está bien representado sobre un eje factorial. La contribución
relativa de la dimensión α al punto-fila i (o al punto-columna j)
es el porcentaje de la inercia de a la fila i (o la columna j) que
2 2 2
queda explicado por la dimensión α (Cos α(i) = ψαi /Σαψαi y
2 2 2
Cos α(j) = ϕαj /Σαϕαj , respectivamente).
Elementos suplementarios
Una última característica interesante del Análisis de
Correspondencias es la posibilidad de representar elementos suplementarios
en los planos factoriales obtenidos del análisis. Se trata de añadir filas o
columnas a la tabla base para, una vez obtenidos los ejes factoriales,
obtener sus coordenadas factoriales y representarlas junto al resto de
elementos. A estos elementos se les denomina también ilustrativos, dado
que, a diferencia del resto de elementos –denominados activos–, no
intervienen en la determinación de los ejes factoriales, sino que se
ene feb mar abr may jun jul ago sep oct nov dic
E 2 2 2 2 2 2 1 1 1 0 0 0
T 0 0 0 0 0 0 1 1 1 2 2 2
D 1 1 1 1 1 1 1 1 1 1 1 1
3. DATOS: ETEFIL-2005
La aplicación que presentamos se ha realizado a partir de
micro-datos proporcionados por el Instituto Nacional de Estadística (INE)
2
http://www.ine.es/prodyser/micro_etefil.htm. Consultado el 17/10/2007.
4. APLICACIONES Y RESULTADOS
En este apartado se muestran los principales resultados de
la aplicación del Análisis de Correspondencias a las distintas tablas en que
se organizan los datos extraídos de la ETEFIL-2005 de acuerdo con el
procedimiento descrito en el Apartado 2.2.
SE T>20 07/2003
06/2003
08/2003
0.150
SE NT BE
07/2002 SE T<20 BE
08/2004 07/2004 08/2002
0.075
Estudia SE
06/2004 06/2002
NSE T<20 NBE NOE
Trabaja SE T<20 NBE
Trabaja >=20h/sem. 05/2003 No trabaja No busca empleo
0 Trabaja <20h/sem.
NSE T>20 NSE NT NBE NOE
05/2004
12/2004 No estudia SE NSE T<20 NBE OE
NSE T<20 BE
Busca empleo
11/2004 NSE NT BE SE NT NBE
09/2003 05/2002
10/2004 01/2002 NSE NT NBE OE
10/2002
09/2004 01/2004
-0.075
3
Dado que los autovalores del ACM dan una idea muy pesimista de la inercia
extraída en el análisis, las tasas de inercia se han recalculado de acuerdo con la fórmula propuesta
por Benzécri (1992: 411-412).
3
3
SE T<20 BE
2
2
1
1
NSE T<20 BE
SE T>20
NSE NT BE
BAC H
Mujer SE T <20 NBE
CFGS H ombre ESO
0 AESO FIP 0
C FGM 1 2/04
ETCO NSE T<20 NBE OE 01/02
0 1/02
12/04 NSE NT NBE NOE
NSE NT NBE OE NSE T<20 NBE NOE SE NT NBE
NSE T>20 -1.0 -0.5 0 0.5 Factor 1 - 31. 54% -1.0 -0.5 0 0.5 Factor 1 - 31.54%
NSE T<20 BE
NSE T<20 NBE OE
-1
-1
NSE NT BE
NSE T<20 NBE NOE
NSE NT NBE OE
-2
-2
-3
10/04
-3 11/04
12/04
01/02
02/02 08/04
04/02 03/02
09/03 08/02 -4
11/03
10/03
04/04 NSE NT NBE NOE
03/04
05/04
-4 09/02
08/03
10/02
07/03
12/02 11/02
01/03 02/03
03/03 04/03 -5
05/03 06/03
0 1 2 3 4 0 1 2 3 4
Factor 3
Factor 3 - 13.68 %
SE NT BE 5
SE T<20 BE 3
2
Busca empleo
NSE T<20 BE
Trabaja <20h/sem.
NSE NT BE
SE T>20 BACH
Estudia SE
Mujer
ESO
0 CFGM FIP SE T<20 NBE 0
AESO No trabaja
No estudia SE CFGS Hombre
Tr abaja NSE T<20 NBE OE
ETCO
NSE T<20 NBE NOE SE NT NBE
NSE T>20 NSE NT NBE OE No busca empleo
NSE NT NBE NOE
Trabaja >=20h/sem.
-0.8 - 0.4 0 0.4 0.8 -1.0 -0.5 0 0.5 Fac tor 1
Factor 1
los estados "NSE T<20 BE" (no estudia en el SE, trabaja menos de 20 h.
semanales y busca empleo), con un 26,0%, y "SE T<20 BE" (estudia en el SE,
trabaja menos de 20 h. semanales y busca empleo), con un 11,1%, todos
ellos en el extremo negativo del factor.
S E T<20 NBE
TR>=20
SE T>20
NSE T>20
SE NT B E CFGS TRA B
CFGM ESE
Hombre BA CH
0 Mujer 0
SE NT NBE NBE
ESO
NES E
FIP
NTRA
A ESO ETCO
NSE NT B E
BE TR<20
-1.5
-1.5
NSE NT NB E OE
NS E T<20 NBE OE
-3.0
-4.5
-6.0
-4.5
S E T<20 B E
NSE T<20 B E
5. CONCLUSIONES
En este artículo hemos pretendido presentar el Análisis de
Correspondencias como una técnica multivariante de reducción de datos
que puede ser útil en el estudio de historias de vida. A tal fin, una vez
descritas las características generales de la técnica, se detallan los
aspectos propios de su aplicación cuando la información de partida son
datos de historias de vida. En este sentido, se plantea la idoneidad de
realizar tres análisis complementarios:
BIBLIOGRAFÍA
ANEXO
A1. Resultados del ACS de la tabla subperiodos×estados
Cumulated
Number Eigenvalue Percentage
Percentage
1 0,0765 93,09 93,09
2 0,0042 5,10 98,19
3 0,0010 1,16 99,35
4 0,0002 0,20 99,56
5 0,0002 0,19 99,75
6 0,0001 0,10 99,85
7 0,0001 0,07 99,92
8 0,0000 0,03 99,95
9 0,0000 0,02 99,97
10 0,0000 0,02 99,99
11 0,0000 0,01 100,00
Trace of matrix: 0,0821