Академический Документы
Профессиональный Документы
Культура Документы
TESIS
PROMOCIÓN 2015 - II
PUNO - PERU
2017
UNIVERSIDAD NACIONAL DEL AL TIPLANO
FACULTAD DE INGENIERÍA ECONÓMICA
TESIS
Presentada por:
INGENIERO ECONOMISTA
PRESIDENTE
PRIMER JURADO
DIRECTOR DE TESIS
¿ ...�
Dr. ERASMO MANRIQUE ZEGARRA
ÍNDICE DE FIGURAS
ÍNDICE DE TABLAS
ÍNDICE DE CUADROS
ÍNDICE DE ACRÓNIMOS
RESUMEN_________________________________________________________________ 10
INTRODUCCIÓN ___________________________________________________________ 12
CAPÍTULO I _______________________________________________________________ 15
1.1. PLANTEAMIENTO DEL PROBLEMA Y OBJETIVOS ____________________ 15
1.1.1. PLANTEAMIENTO DEL PROBLEMA_____________________________ 15
1.1.2. OBJETIVOS DE LA INVESTIGACIÓN ____________________________ 16
1.2.1. ANTECEDENTES______________________________________________ 16
CAPÍTULO II ______________________________________________________________ 26
REVISIÓN DE LITERATURA _________________________________________________ 26
2.1. MARCO TEÓRICO _________________________________________________ 26
2.1.1. MODELO OCIO-CONSUMO_____________________________________ 27
Figura N° 7: Procedencia................................................................................................ 65
ÍNDICE DE CUADROS
elección discreta “Logit” y “Probit” con lo cual se encontró que los factores que
10
ABSTRACT
One of the main problems that Peru has is to have a large part of the country
and is directly linked to the low qualification of the existing labor force and low
levels of productivity.
The present study analyzes and identifies the socioeconomic factors that
application of surveys and using discrete election models "Logit" and "Probit"
found that the factors that significantly influence underemployment in the urban
area of the city of Juliaca are: sex, age, type of institution from which the
Another very interesting result was that the probability of being underemployed
11
INTRODUCCIÓN
embargo, uno de los principales problemas que tiene el Perú, es tener a una gran
económicamente activa (PEA), que el 60% de esta mantiene empleos que no per-
miten cubrir la canasta básica de consumo y menos del 20 % de la PEA tiene ac-
comparación al 2007, para este mismo año, el departamento con menor tasa
de subempleo fue Madre de Dios (19,8%), mientras que los departamentos que
12
Como podemos observar en el cuadro anterior el subempleo ha venido
lo largo de la última década ha sido una de las economías con más rápido
Cabe resaltar que el departamento de Puno en los últimos años ha tenido el mayor
crecimiento del PBI per cápita después de Cusco con un promedio anual de 4.5%,
13
Entonces analizamos los determinantes del subempleo en el área urbana de
Juliaca teniendo en cuenta que en nuestro país para el año 2016 conto con la
14
CAPÍTULO I
PROBLEMA GENERAL
PROBLEMAS ESPECÍFICOS
Juliaca, 2016?
15
1.1.2. OBJETIVOS DE LA INVESTIGACIÓN
OBJETIVO GENERAL
Analizar cuáles son las causas que explican el subempleo en el área urbana
de Juliaca, 2016.
OBJETIVOS ESPECÍFICOS
Juliaca, 2016.
de Juliaca, 2016.
1.2.1. ANTECEDENTES
Burga & Moreno (2001), realizó una exposición sobre el subempleo profesional
embargo, este aumento ha sido cuestionado después de los años 70 cuando los
16
educación, donde los trabajadores subempleados son aquellos que se encuentran
género masculino con signo negativo, experiencia en el empleo actual con signo
subempleado; el primer efecto captura el ciclo de vida laboral que induce a los
refleja que las personas de mayor edad o encuentran puestos adecuados a sus
municipales del Valle del Cauca presentan un alto deterioro de la calidad del
empleo. Que la probabilidad de ser informal sea del 62%; que la probabilidad de
17
estar subempleado sea del 45%; y que la probabilidad de ser simultáneamente
informal y subempleado sea del 32% son indicadores que una gran proporción de
dado que es fácil de ser confundido, en la primera parte del trabajo hace una
en el subempleo; ii) los ingresos que reciben son en promedio menos de dos
salud por su carácter de subempleado. Una de las preguntas que se realiza el autor
para esto utilizan variables socioeconómicas: i) Educación ii) edad, ii) género, iii)
jefe de hogar, iv) casado, además de características del puesto del trabajo estas
con el fin de hacer diferencia entre las dos variables: i) Antigüedad en el puesto de
familia no interesa en que mercado participar porque debe mantener el hogar y así
18
puesto de trabajo, se hace la diferencia principal entre ser informal o subempleado
“A los más veteranos el ciclo de vida laboral los induce a terminar su vida laboral
sector informal y ser subempleado aumenta para el caso de las mujeres, lo que
discriminación del género. Los jefes de hogar tienen una mayor probabilidad de
no trabajar en el sector informal y de ser subempleados, con ello parece ser que la
trabajador del sector informal y ser subempleado. Los ingresos del hogar,
ser subempleado, lo que implica que el incremento del tamaño del hogar eleva
19
con el fin de cubrir sus necesidades.
región haciendo uso del modelo probitbivariado para calcular el impacto de los
probabilidad de ser un empleado de baja calidad son: genero, jefatura del hogar,
menos calificados tardan más en encontrar un nuevo empleo y tienen una alta
probabilidad de tener empleos de baja calidad; encontró que los años aprobados
actual, tienen una gran influencia en tener un empleo de baja calidad y comprueba
la teoría de capital humano en el aspecto, que quienes han tenido mayor educación
mayor expectativa a tener un empleo formal, sin embargo están más propensos a
estar subempleados.
partir del año 2000 al 2010, el desempleo varía entre un 5% a un 15%, mientras
sociedad.
desempleo es la que está conformada por las mujeres adolescentes y jóvenes, entre
Guayaquil. La tasa de desempleo afecta al quintil más pobre que está formado en
afectada es la que está conformada por las mujeres pobres, adolescentes, entre 10
Comercio.
salario real, por lo tanto la ley de Okun es aplicada al igual que el análisis de la
21
curva de Phillips.
Aproximadamente cinco años. Incluso durante los años 60, cuando el PNB creció
1965 duplico el de 1960, el desempleo en 1969-70 se mantuvo tal alto como fue
la agricultura eran una característica común en Pakistán, sin embargo, esto solo
ciudades.
22
promedio de 50 horas) era de alrededor del 17 por ciento del número total en el
en la fuerza de trabajo.
representaban más del 4,7% del número total de trabajadores, es decir, unos 500
000 personas. Una vez más, la mayoría vivía en las aldeas; tanto en el Pakistán
oriental como en el oeste, la mayor parte de las personas que trabajaban 25 horas
cuenta que los trabajadores familiares no remunerados que podría hacer estado en
categoría de status de empleo, la tasa de subempleo fue, la más alta entre los
Hogares 2010 donde buscan identificar las industrias que presenten más
23
con deseos de trabajar más y no poder hacerlo. Las industrias que presentan
la que se encuentren.
son los que previenen un correcto ajuste al equilibrio de manera rápida. El marco
demanda, las empresas ajustaras inicialmente la utilización del factor trabajo antes
referencia utilizado radica en que más costoso para una firma despedir
parciales por parte de los empleadores, generando así empleados con deseos de
24
la empresa es de esperarse que la misma reduzca sus horas de trabajo en lugar de
una aplicación de tal marco referencial sería inviable ya que descansa en el hecho
minimizar costos de ajuste. Tanto tener que pagar por prestaciones al despedir,
ajuste.
parte del trabajador. De este modo se infiere que querer trabajar más y no poder es
empleado.
informalmente son más probables de reportar deseos de trabajar más horas de las
25
CAPÍTULO II
REVISIÓN DE LITERATURA
trabaja bajo el supuesto; que las condiciones de la oferta laboral, son las
Por lo tanto, se afirma que los agentes deciden libremente si se emplean o no. No
de trabajo. Lo cual significa que debe decidir cuantas horas pretende destinar al
emplea o no, teniendo como referente para su decisión las ofertas laborales que
26
reciba, y finalmente si decide emplearse, se enfrenta al hecho de optar por un
que puede elegir entre ocio (horas dedicadas a actividades diferentes al trabajo)
cóncava con dos bienes, ocio y consumo, U(O, C), esta función de utilidad está
demostración formal del modelo O.C. ver (PERCAVEL, 1986), y para una
optimización:
(1)
(2)
27
la utilidad el individuo se enfrenta a dos restricciones, la primera establece que
todo su ingreso en bienes de consumo, la segunda plantea que los posibles usos
del tiempo deben igualar al tiempo total disponible (por ejemplo un día tiene 24
restricción de tiempo.
[ ] (3)
(4)
(5)
(6)
28
Donde UmgL, es la utilidad marginal del trabajo y UmgC es la utilidad
marginal del consumo. De esta forma, la tasa de salario crítica o el salario ante el
conocido como salario de reserva (w*). Este punto se observa en el gráfico (01),
donde el individuo elige las cantidades optimas de ocio (O*) y consumo u horas
L* U
*
O
reserva.
Yi = 1 Si Wi>Wi* PARTICIPA
Yi = 0 Si Wi<Wi* NO PARTICIPA
29
2.2. MARCO CONCEPTUAL
2.2.1. SUBEMPLEO
“el subempleo es una situación del mercado laboral que refleja la subutilización
muchas ocasiones persiste así el país esté en crecimiento dado los problemas de
inclusión del mercado laboral. Por esta razón, el subempleo puede ser medido a
través de una variable conocida como “calidad de empleo” pero los componentes
genera altos costos individuales debido a que las personas no tienen el suficiente
30
En el Perú se considera dos grupos de subempleo: por horas (visible) y
2.2.2. EMPLEO
Empleo en empresas en las que los trabajadores no han firmado contrato laboral,
Este tipo de trabajo se considera como fuera de lo normal de los empleos por ser
31
de horarios flexibles, donde no existe un lugar de trabajo definido, esto no
significa que sea siempre clasificado como un trabajo malo, dado que tiene como
otros, estos son desclasificados por sus condiciones pero esto no significa que la
opciones menos formales como son las consultas con amigos o parientes, cuya
&Cardenas,2014).
32
incluye la consideración de la remuneración, el tipo de trabajo, las relaciones
movilidad laboral.
Asimismo, este documento debe quedar firmado por ambas partes a más tardar
dentro de los primeros quince días de incorporado el trabajador.
33
2.2.11. INGRESO
Remuneración salarial que el estado fija como mínimo y que las empresas están
Según Becker (1983) toda actividad que aporte aumentar la renta monetaria
futura, que ayuda a aumentar los recursos de las personas se considera inversión
personas y la sociedad; no solo basta tener educación, se debe contar con otras
aumentar la edad, aumenta los ingresos dado que la gente cuenta con mayor
educación y experiencia, ii) cuando existe una alta tasa de desempleo se relaciona
inversamente con el nivel de educación, iii) a mayor edad es más difícil recibir por
parte de la empresa capacitación, pero más seguro porque las personas jóvenes
34
nivel de ingresos. (Becker, 1983).
sus empleados por eso una parte de esos costos son descontados de sus salarios
siguiente gráfico.
la línea UU.
- Existe la inversión de las empresas específica, en este caso el menor salario que
35
2.2.14. POBLACION ECONOMICAMENTE ACTIVA-PEA
Son todas las personas de 14 años a 65 años que trabajaron al menos una hora en
bien aquellas personas que no tenían empleo pero estaban disponibles para
(INACTIVOS)
Son todas las personas que pertenecen a la población en edad de trabajar que en
Dentro de este grupo se encuentran las amas de casa, los estudiantes, los
referencia.
personas que:
36
- Tienen una ocupación remunerada, no trabajaron por encontrarse
establecimiento.
funcionando.
37
2.2.19. DESEMPLEO TOTAL
desempleados abiertos.
trabajadores del sector informal urbano, del servicio doméstico y los sobre
trabajadores con ingresos insuficientes para atender los gastos del hogar y
trabajar más horas, los subempleados invisibles trabajan por cuenta propia
38
que ganan menos del salario mínimo legal que es de 122 dólares americanos.
subempleados en el sector informal son los ocupados por cuenta propia, los
desean trabajar más horas por semana, están disponibles para hacerlo, no lo
39
- EN GUATEMALA: los subempleados visible son los ocupados que trabajan
Masa, 2000).
40
familiares no remunerados que trabajando más de 40 horas semanales,
HIPÓTESIS GENERAL
variables socioeconómicas.
HIPÓTESIS ESPECÍFICAS
41
CAPÍTULO III
MATERIALES Y MÉTODOS
Se aplicó este método desde un primer momento, ya que partimos de datos generales
(antecedentes) aceptados como válidos para plantear las hipótesis y las posibles
conclusiones, finalmente esto nos sirvió para contrastar y corroborar los postulados
3.2. DATOS
hombres de 14 a más años, para ello se tomó en cuenta los datos de población del último
- 146 941*(1+0.025) ^9
43
3.4. TAMAÑO DE MUESTRA
siguiente:
NZ 2pq
n 384encuestas
NE Z pq
2 2
Dónde:
n= tamaño de muestra
Cabe resaltar que las encuestas aplicadas se realizaron en distintas zonas del área
urbana de la ciudad de Juliaca, entre los lugares elegido fueron, municipio, gobierno
regional, empresas privadas (cajas, bancos), así como también personas elegidas
aleatoriamente.
44
3.5.TIPO DE MUESTREO
proporción que les corresponde (Vallejo, 2012). En tal sentido, dada las
3.6.IDENTIFICACIÓN DE VARIABLES
Las variables que se utilizaron para estudiar las determinantes del subempleo en la
DEPENDIENTE
SUBEMPLEADO
INDEPENDIENTES
45
EDAD EDAD Cuantitativa Edad
0= Si es mujer.
HIJOS
0= Si el individuo no es
discapacitado
INSTITUCIÓN. privada
publica
46
PROCEDENCIA Proced Dummy 1 1= Si el individuo es natural de
medio rural
laboral
TRABAJO 0= si es permanente
LABORAL empleo.
saber en el área urbana de Juliaca cuál era el género que se encuentra más
47
- Satisfacción laboral: se utilizó esta variable ya que según (Mendoza &
- Tipo de trabajo: esta variable se tomó en cuenta ya que el INEI considera que
son más propensos de estar dentro del grupo de subempleados las personas con
empleos ocasionales.
- Edad: esta es una variable muy importante ya que se sabrá cuan determinante es
porque Juliaca es una ciudad informal donde una de las principales fuentes de
contrabando, por tal motivo se quiso saber cómo influye tener un contrato
, además explicó que en los últimos años hubo en el Perú un auge de creación de
48
Para el experto, la creación de SUNEDU es un paso para cambiar esta situación
Existen numerosas situaciones en los que los agentes económicos deben elegir entre
sindicato, consumir o no un determinado bien, comprar una casa o no, estudiar o no,
entre otras. Las características común de los modelos que se utilizan en casos como
estos, es que la variable dependiente es del tipo que produce una respuesta SI o NO,
se hará una descripción de los mismos y en específico se aborda los modelos Logit y
Probit ya que son las más usadas para este tipo de investigación.
BINARIA
agentes económicos hace comportarse a los mismos de modo tal que maximicen
la utilidad esperada que les proporciona cada una de las opciones sobre las que
toca decidir. Asi pues, a la luz de tal interpretación, las probabilidades de que el
49
utilidades esperadas por cada decisión para dicho individuo, las cuales se
̅ ́ ……………….. (1)
̅ ́ ………………….(2)
del agente con respecto a las utilidades medias asociadas a cada decisión ̅ y
50
̅ ̅
{ …………….(3)
̅ ̅
̅ ̅ ̅ ̅
[ ́ ] ( ́ ) ……….
́ ………..(4)
proceso de elección binaria tome una decisión especifica se calcula a través del
siguiente ecuación:
51
̅ ̅ ( ́) ́
criterio, los modelos que se han utilizado en la práctica dentro de un conjunto posible
sencillez:
́
( ́) ́
(5)
ecuación:
……………….(6)
⁄ ………(7)
52
- Las variables o características son fijas en el muestreo.
hecho: conocidos (dados) los valores de las características , se les asigna una
…………(8)
cualitativas y cuantitativas.
́
́ [ ́ ] ……………(9)
valores de X, por ejemplo en las medias de los regresores o en otros puntos que
53
3.8.2. MODELO PROBIT
∫ √
…………………(10)
es una variable “muda” de integración con media cero y varianza 1. Así pues, la
( ́) ; ……(11)
⁄ ……………(12)
⁄ ………….. (13)
cualitativas y cuantitativas.
54
El efecto marginal para una variable cuantitativa se obtiene a través de la
́
́ [ ́ ] …………….(14)
nivel internacional han sido los modelos logit y probit, estos modelos se usan
Para el presente estudio se utilizará el modelo probit, modelo que supone que los
55
diferentes escalas de coeficientes y para este tipo de modelo, la función de
∫ ∫
factor Xi.
X1, X2, X3,…X, (K) son las variables explicativas del modelo.
( )
( )
56
CAPÍTULO IV
RESULTADOS Y DISCUSIÓN
4.1. RESULTADOS
de Puno.
Nivel de Porcentaje
Frecuencia Porcentaje
educación acumulado
57
Figura N° 1: Nivel de educación.
Fuente: Base a datos de “análisis de los determinantes del subempleo en el área urbana de Juliaca, 2016”
Elaboración propia
Tabla N° 2: Ingreso.
Porcentaj Porcentaje
Ingreso Frecuencia
e acumulado
Menor a mínimo
vital de referencia 267 70% 70%
Mayor al mínimo
vital de referencia 117 30% 100%
Total 384 100%
Fuente: Base a datos de “análisis de los determinantes del subempleo en el área urbana de Juliaca, 2016”
Elaboración propia
58
Figura N° 2: Ingreso.
Fuente: Base a datos de “análisis de los determinantes del subempleo en el área urbana de
Juliaca, 2016”
Elaboración propia
Los datos de la encuesta nos muestran que los encuestados que perciben un
ingreso mayor al mínimo vital son de 30% y por consiguiente el resto percibe un
ingreso menor al mínimo vital que representa el 70%; esta variable puede ser
mínimo vital.
Experiencia Porcentaje
Frecuencia Porcentaje
laboral acumulado
Si tiene
experiencia 339 88% 88%
No tiene
experiencia 45 12% 100%
Total 384 100%
Fuente: Base a datos de “análisis de los determinantes del subempleo en el área urbana de Juliaca, 2016”
Elaboración propia
59
Figura N° 3: Experiencia laboral.
Fuente: Base a datos de “análisis de los determinantes del subempleo en el área urbana de Juliaca, 2016”
Elaboración propia
TABLA N° 4: EDAD
Porcentaje
Edad Frecuencia Porcentaje
acumulado
60
23 años 23 5.99 28.65
24 años 22 5.73 34.37
25 años 32 8.33 42.71
26 años 23 5.99 48.7
27 años 20 5.21 53.91
28 años 18 4.69 58.59
29 años 15 3.91 62.5
30 años 19 4.95 67.45
31 años 6 1.56 69.01
32 años 13 3.39 72.4
33 años 5 1.3 73.7
34 años 4 1.04 74.74
35 años 7 1.82 76.56
36 años 5 1.3 77.86
37 años 3 0.78 78.65
38 años 9 2.34 80.99
39 años 2 0.52 81.51
40 años 18 4.69 86.2
41 años 1 0.26 86.46
42 años 9 2.34 88.8
43 años 1 0.26 89.06
44 años 6 1.56 90.63
45 años 3 0.78 91.41
46 años 1 0.26 91.67
47 años 2 0.52 92.19
48 años 2 0.52 92.71
49 años 4 1.04 93.75
50 años 5 1.3 95.05
51 años 2 0.52 95.57
52 años 8 2.08 97.66
53 años 6 1.56 99.22
54 años 2 0.52 99.74
55 años 2 0.26 100
Total 384 100
Fuente: Base a datos de “análisis de los determinantes del subempleo en el área urbana de Juliaca,
2016”
Elaboración propia
61
Edad
Figura N° 4: Edad.
Fuente: Base a datos de “análisis de los determinantes del subempleo en el área urbana de Juliaca, 2016”
Elaboración propia
Al analizar los datos con respecto a la edad, observamos que casi todas
las categorías poseen una frecuencia muy parecida, pero es relativamente mayor
estos datos nos servirán para analizar a que edad una persona está más propensa
como en un artículo publicado por Gustavo Yamada, en donde dice que las
mencionado.
Tabla N° 5: Sexo.
Porcentaje
Sexo Frecuencia Porcentaje
acumulado
Femenino 201 52.34 52.34
Masculino 183 47.66 100
Total 384 100
Fuente: Base a datos de “análisis de los determinantes del subempleo en el área urbana de Juliaca, 2016”
Elaboración propia
62
Sexo
48% 52%
Femenino Masculino
Figura N° 5: Sexo
Fuente: Base a datos de “análisis de los determinantes del subempleo en el área urbana de Juliaca, 2016”
Elaboración propia
Según los datos podemos concretar que el 52% de los encuestados son
anteriormente.
63
Tipo de institucion de culminacion de
estudios
44%
56%
hasta hace poco más de tres años una universidad nacional, los resultados
existen más instituciones educativas privadas que publicas, sobre todo a nivel
superior, cabe mencionar que la Universidad Nacional del Altiplano Juliaca está
quería seguir una carrera universitaria tenía dos opciones o viajar a la ciudad de
misma ciudad,
64
Tabla N° 7: Procedencia del encuestado.
Procedencia del
Frecuencia Porcentaje Porcentaje acumulado
encuestado
Fuente: Base a datos de “análisis de los determinantes del subempleo en el área urbana de Juliaca, 2016”
Elaboración propia
Procedencia
39%
61%
la ciudad de Juliaca, esta variable nos sirve para analizar si una persona
proveniente del área rural o de la misma zona de Juliaca está más propenso a
65
Tabla N° 8: Número de hijos.
Fuente: Base a datos de “análisis de los determinantes del subempleo en el área urbana de Juliaca, 2016”
Elaboración propia
Numero de hijos
8% 2%
0%
13%
17% 60%
que un 60% de los encuestados no tiene hijos, un 17% tiene solamente un hijo,
13% de los encuestados tienen dos hijos, 8% tres hijos, 2% cuatro hijos, y
solamente un 0.5% tiene cinco hijos, esta variable nos sirve para saber por
66
ingresos por ende acepta cualquier trabajo lo cual puede hacer que se encuentre
en una situación de subempleo o no. Es por ello que esta variable es importante
situación.
Fuente: Base a datos de “análisis de los determinantes del subempleo en el área urbana de Juliaca, 2016”
Elaboración propia
Tipo de trabajo
50% 50%
Permanente Ocacional
Estado civil
Divorsiado
Viudo
0%
Casado
40% soltero
60%
Según los datos que nos muestran en la encuesta se puede observar que el 6O%
de los encuestados está soltero, y un 40% de los mismos son casados, no se pudo
68
Tabla N° 11: Posición en el hogar.
Posicion en el hogar
1%
24%
53%
22%
tenga un persona con la cual conviva, esta variable podría ser una razón por la
muestran que el 53% son hijos por lo que no tienen presión de 0, por otra parte
se tiene que un 24% y 22% son jefe de hogar y conyugue respectivamente, los
Porcentaje
Contrato laboral Frecuencia Porcentaje
acumulado
Contrato laboral
18%
82%
tendrá que determinar el tipo de contrato que tienen los encuestados, dicho
70
Tabla N° 13: Tipo de contrato.
Tipo de contrato
13%
87%
Indefinido Fijo
tipo de contrato que tienen los encuestados ya es una variable importante, los
71
4.1.3. INCIDENCIA DE LA SATISFACCION LABORAL EN EL
SUBEMPLEO
Fuente: Base a datos de “análisis de los determinantes del subempleo en el área urbana de Juliaca, 2016”
Elaboración propia
Satisfaccion laboral
34%
66%
entonces analizaremos cuan significativa es esta variable para que esta persona
72
4.1.4. REGRESION
Fuente: Base a datos de “análisis de los determinantes del subempleo en el área urbana de Juliaca, 2016”
Elaboración propia con Stata 13
medir el grado de ajuste del modelo, nos toparemos con que este indicador
73
ajustado” del 39.11%, podemos decir que nuestro modelo se ajusta al real en ese
porcentaje.
Fuente: Base a datos de “análisis de los determinantes del subempleo en el área urbana de Juliaca, 2016”
Elaboración propia con Stata 13
satisfecho = 0 y no está satisfecho =1, dicha variable tiene una relación positiva
tiene una relación positiva con la variable subempleo (ingr), donde tener un
74
que tiene una trabajo ocasional tiene un 13.49% más de probabilidad de estar
un 6.82%.
decir, los individuos que si tienen contrato de trabajo tienen un 20.31% menor
probabilidad de estar subempleado que los que no tienen contrato, dicho de otra
subempleado.
egresó (institución), que también resultó ser significativa, donde ser egresado de
paso de 346 532 a 839 328 la población universitaria entre 1996 y 2010, lo que
75
representa un crecimiento de 142%; así mismo aumento el número de
Fuente: Base a datos de “análisis de los determinantes del subempleo en el área urbana de Juliaca, 2016”
Elaboración propia con Stata 13
76
Tabla N° 18: Efectos marginales del modelo Logit.
Fuente: Base a datos de “análisis de los determinantes del subempleo en el área urbana de
Juliaca, 2016”
Elaboración propia con Stata 13
situacion de subempleo.
77
Se puede observar que solamente el 30% de las observaciones estan
versus Universitario.
. mfx
78
A partir de los resultados se puede observar que, si solamente
A partir de los efectos marginales se puede decir que una persona con un
técnico.
En esta parte del trabajo, presentamos el análisis de las variables que determinan
79
suficiente evidencia estadística para decir que dicha variable es una determinante
encuentra que las mujeres se encuentran más propensas al subempleo, así como
que realiza la ENAHO para el año 2010 indica que la tasa de subempleo en el
Perú fue de 37,4% siendo mayor en el caso de las mujeres (43,5%) que de los
población femenina, esto puede ser explicado por la informalidad que existe en
Por otro lado nuestros resultados coinciden con BERNAL (2009) donde el
investigación fue significativa por lo que tiene una relación positiva con el
80
CONCLUSIONES
- Edad: la cual tiene una relación negativa con el subempleo (ingr); es decir, a
femenina.
estar subempleado.
81
La satisfacción laboral de las personas empleadas se correlacionan
subempleado en 12.18%.
82
RECOMENDACIONES
83
REFERENCIA BIBLIOGRÁFICA
Pakistan.
urbano? Lima.
OIT.
84
INEI. (2002). La estimacion del subempleo en el Perú 1997-2001. 24-27.
Mc Graw Hill.
Nicaragua.
subempleo.
85
ORTIZ QUEVEDO, C. H., URIBE GARCIA, J. I., & GARCIA CRUZ, G. A.
Colombia.
economia, 4-19.
Layard, editors.
review.
traves de la ECH.
86
ANEXOS
87
ANEXO A1: ENCUESTA
88
ANEXO B1: ESTIMACION DEL MODELO PROBIT 1, PARA DETERMINAR
89
ANEXO C1: ESTIMACION DEL MODELO PROBIT 2, PARA DETERMINAR
90
ANEXO D1: ESTIMACION DEL MODELO PROBIT 3, PARA DETERMINAR
91
ANEXO E1: ESTIMACION DEL MODELO PROBIT 4, PARA DETERMINAR
92
ANEXO F1: ESTIMACION DEL MODELO PROBIT 5, PARA DETERMINAR
93
ANEXO G1: ESTIMACION DEL MODELO PROBIT 6, PARA DETERMINAR
94
ANEXO H1: ESTIMACION DEL MODELO PROBIT 7, PARA DETERMINAR
95
ANEXO I1: ESTIMACION DEL MODELO PROBIT 8, PARA DETERMINAR
96
ANEXO J1: ESTIMACION DEL MODELO LOGIT 1, PARA DETERMINAR
97
ANEXO J2: EFECTOS MARGINALES DEL MODELO LOGIT 1
98
ANEXO K2: EFECTOS MARGINALES DEL MODELO LOGIT 2
99
ANEXO L2: EFECTOS MARGINALES DEL MODELO LOGIT 3
100
ANEXO M2: EFECTOS MARGINALES DEL MODELO LOGIT 4
101
ANEXO N2: EFECTOS MARGINALES DEL MODELO LOGIT 5
102
ANEXO Ñ2: EFECTOS MARGINALES DEL MODELO LOGIT 6
103
ANEXO O2: EFECTOS MARGINALES DEL MODELO LOGIT 7
104
ANEXO P2: EFECTOS MARGINALES DEL MODELO LOGIT 8
105
obs edad edad2 sexo sol casd viudo divor jhogar cony hijo otro Nhijos disc sec tec univ inst proced expLab trab ingr tipTRAB contr tipContr satisf
1 23 529 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 1 1 . . . .
2 42 1764 0 0 1 0 0 0 1 0 0 2 0 0 0 1 0 1 0 0 0 0 1 1 1
3 25 625 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 1 . . . .
4 28 784 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 0 1 1 0
5 28 784 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 0 1 0 1
6 24 576 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 1 0 0
7 19 361 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 1 1 . . . .
8 25 625 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 1 0 0
9 25 625 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 0 1 1 1
10 26 676 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 0 0
11 21 441 0 1 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 . . . . 1
12 16 256 1 1 0 0 0 0 0 1 0 0 0 1 0 0 0 0 1 1 . . . . 0
13 19 361 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 1 . . . . .
14 24 576 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 1 . . . . .
15 26 676 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 0 . 0
16 28 784 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 0 0 . 0
17 24 576 1 1 0 0 0 0 0 1 0 0 0 0 1 0 1 1 0 1 . . . . .
18 26 676 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 0 1 1 0
19 23 529 0 0 1 0 0 0 1 0 0 0 0 1 0 0 1 0 0 0 0 0 1 1 0
20 22 484 1 1 0 0 0 1 0 0 0 0 0 0 0 1 1 1 0 0 1 1 0 . 1
21 23 529 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 1 .
22 25 625 1 1 0 0 0 1 0 0 0 2 0 0 1 0 1 1 0 0 1 1 0 . 1
23 27 729 1 0 1 0 0 1 0 0 0 1 0 0 0 1 1 1 0 1 . . . . .
24 18 324 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 1 1 . . . . .
25 21 441 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 1 1 1 1 1
26 26 676 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 1 1 0 1
27 23 529 1 1 0 0 0 0 0 1 0 0 0 0 1 0 1 0 0 0 1 1 1 0 1
28 17 289 0 1 0 0 0 0 0 1 0 0 0 0 1 0 0 0 1 1 . . . . .
29 20 400 1 1 0 0 0 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 0 . 0
30 16 256 1 1 0 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 1 1 0 . 1
31 40 1600 0 0 1 0 0 0 1 0 0 1 0 1 0 0 1 0 0 0 0 0 1 1 0
32 32 1024 1 0 1 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 . 0
33 36 1296 1 0 1 0 0 1 0 0 0 3 0 0 0 1 1 0 0 0 0 0 1 1 0
34 49 2401 0 1 0 0 0 1 0 0 0 2 0 0 0 1 1 0 0 0 0 1 0 . 0
35 25 625 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 0 . 1
36 23 529 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 1 1 . . . .
37 40 1600 1 0 1 0 0 1 0 0 0 2 0 0 0 1 1 0 0 0 0 0 1 0 0
38 22 484 1 1 0 0 0 0 0 1 0 0 0 0 1 0 1 1 0 0 0 1 0 . 1
39 23 529 1 1 0 0 0 0 0 1 0 0 0 0 1 0 1 1 1 1 . . . .
40 50 2500 1 0 1 0 0 1 0 0 0 3 0 0 1 0 0 1 0 0 0 0 1 1 0
41 23 529 0 0 1 0 0 0 1 0 0 1 0 1 0 0 1 1 0 0 0 1 0 . 1
42 17 289 1 1 0 0 0 0 0 1 0 0 0 0 1 0 0 0 1 1 . . . . .
43 45 2025 0 0 1 0 0 0 1 0 0 3 0 0 0 1 0 0 0 0 0 0 1 1 0
44 38 1444 1 0 1 0 0 1 0 0 0 3 0 0 1 0 1 1 0 0 1 1 0 0
45 29 841 0 0 1 0 0 0 1 0 0 2 0 0 0 1 0 1 0 0 0 0 1 1 1
46 28 784 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 1 1 . . . . .
47 20 400 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 1 . . . . .
48 27 729 1 0 1 0 0 1 0 0 0 0 0 0 0 1 1 0 0 0 0 0 1 0 0
49 27 729 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 1 1 1 1
50 24 576 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 1 0 . 0
51 26 676 1 0 1 0 0 1 0 0 0 2 0 0 0 1 0 1 0 0 1 1 0 . 1
52 27 729 1 0 1 0 0 1 0 0 0 2 0 0 0 1 1 1 0 0 1 1 0 . 1
53 40 1600 1 0 1 0 0 1 0 0 0 1 0 0 1 0 1 1 0 0 0 1 1 1 0
54 27 729 1 0 1 0 0 1 0 0 0 1 0 0 0 1 1 1 0 0 1 0 1 1 1
55 29 841 1 0 1 0 0 1 0 0 0 2 0 0 0 1 0 1 0 0 0 1 1 1 0
56 25 625 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 1 1 1 1 0 . 1
57 30 900 0 0 1 0 0 0 1 0 0 2 0 0 0 1 0 1 0 0 0 1 1 1 0
58 26 676 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 0 . 1
59 26 676 0 0 1 0 0 0 1 0 0 0 0 0 0 1 0 1 0 0 0 1 1 1 0
60 24 576 1 0 1 0 0 1 0 0 0 1 0 0 0 1 1 0 0 0 1 1 1 1 0
61 28 784 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 1 1 1 0
62 28 784 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 0 1 1 1
63 29 841 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0
64 23 529 1 1 0 0 0 0 0 1 0 0 0 0 1 0 1 0 0 0 1 1 1 1 0
65 22 484 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 1 1 . . . . .
66 27 729 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 0 1 1 0
67 30 900 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 1 . . . . .
68 42 1764 0 0 1 0 0 0 1 0 0 3 0 0 0 1 1 0 0 0 1 0 1 1 0
69 22 484 1 1 0 0 0 0 0 1 0 0 0 0 1 0 1 0 0 0 1 1 1 1 0
70 25 625 0 0 1 0 0 0 1 0 0 1 0 0 1 0 1 0 0 0 1 1 0 . 1
71 18 324 0 1 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 1 1 0 . 1
72 23 529 0 1 0 0 0 0 0 1 0 0 0 1 0 0 1 1 1 1 1 1 0 . 1
73 34 1156 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 0
74 27 729 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 0 1 1 0
75 26 676 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 0 1 1 0
76 25 625 1 1 0 0 0 0 0 0 1 0 0 0 0 1 0 1 1 1 . . . .
77 44 1936 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 1 1 0 . 1
78 26 676 0 0 1 0 0 0 1 0 0 2 0 0 0 1 0 1 0 0 1 1 0 . 0
79 32 1024 1 0 1 0 0 1 0 0 0 1 0 0 0 1 1 1 0 0 1 1 1 1 0
80 27 729 1 1 0 0 0 0 0 0 1 0 0 0 0 1 0 1 0 0 1 1 0 . 0
81 38 1444 0 1 0 0 0 1 0 0 0 1 0 0 0 1 1 1 0 0 1 1 1 1 1
82 25 625 0 0 1 0 0 0 1 0 0 1 0 0 0 1 0 1 0 0 1 1 1 1 1
83 24 576 1 0 1 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 1 1 1 1 0
84 24 576 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 1 1 . . . . .
85 23 529 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 1 1 0
86 27 729 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 1 0 1
87 26 676 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 1 1 1 1 0
88 28 784 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 1 1 1 1 1
89 28 784 1 0 1 0 0 1 0 0 0 0 0 0 0 1 0 1 0 0 1 0 1 1 0
90 25 625 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 1 1 1 1 1
91 27 729 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 1 1 0
92 27 729 0 1 0 0 0 0 0 0 1 0 0 0 0 1 1 1 0 0 0 1 1 1 1
93 32 1024 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 1 1 1
94 25 625 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 1 1 1 0
95 26 676 0 0 1 0 0 1 0 0 0 2 0 0 1 0 1 1 0 0 0 1 1 1 0
96 30 900 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 1 0 0 0 1 1 1 0
97 41 1681 1 0 1 0 0 1 0 0 0 1 0 0 0 1 1 1 0 0 0 1 1 1 0
98 24 576 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 1 1 1 1
99 29 841 1 0 1 0 0 1 0 0 0 0 0 0 0 1 1 1 0 0 0 0 1 1 0
100 29 841 1 0 1 0 0 1 0 0 0 0 0 0 0 1 0 1 0 0 0 0 1 1 0
101 26 676 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 1 0 0 1
102 37 1369 1 0 1 0 0 1 0 0 0 1 0 0 0 1 0 1 0 0 0 1 1 1 0
103 26 676 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 1 0 0 0 0 1 1 0
104 18 324 0 1 0 0 0 0 0 1 0 0 0 0 1 0 0 1 0 1 . . . . .
105 32 1024 0 0 1 0 0 1 0 0 0 1 0 0 0 1 1 1 0 1 . . . . .
106 17 289 1 1 0 0 0 0 0 1 0 0 0 1 0 0 1 1 1 1 . . . . .
107 25 625 1 0 1 0 0 1 0 0 0 1 0 0 0 1 0 1 1 1 . . . . .
108 28 784 1 0 1 0 0 1 0 0 0 2 0 0 1 0 1 1 0 0 0 1 1 1 1
109 27 729 0 1 0 0 0 0 0 1 0 0 0 0 1 0 0 1 0 0 0 0 1 1 0
110 40 1600 1 0 1 0 0 1 0 0 0 3 0 0 0 1 1 1 0 0 0 0 1 1 0
111 23 529 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 1 . . . . .
112 20 400 1 1 0 0 0 0 0 1 0 0 0 0 1 0 1 0 0 0 1 1 1 1 0
113 25 625 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 1 1 1 1 1
114 28 784 1 0 1 0 0 1 0 0 0 3 0 1 0 0 0 0 0 0 1 0 1 1 1
115 28 784 1 1 0 0 0 1 0 0 0 0 0 0 0 1 0 1 0 0 0 1 1 1 0
116 23 529 1 1 0 0 0 0 0 1 0 0 0 0 1 0 1 1 0 0 1 0 1 1 0
117 28 784 0 0 1 0 0 1 0 0 0 2 0 0 0 1 0 1 0 0 0 1 1 1 0
118 24 576 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 1 1 1 1 1
119 30 900 0 0 1 0 0 0 1 0 0 0 0 0 0 1 1 0 0 0 0 1 1 1 1
120 25 625 1 0 1 0 0 1 0 0 0 0 0 0 1 0 1 0 0 0 0 0 1 1 1
121 25 625 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 1 0 0 0 1 1 1 1
122 29 841 0 0 1 0 0 0 1 0 0 1 0 0 1 0 0 0 0 0 0 1 1 1 0
123 22 484 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 1 1 1 1 1
124 22 484 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 1 1 . . . . .
125 26 676 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 1 . . . . .
126 23 529 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 1 . . . . .
127 26 676 1 0 1 0 0 1 0 0 0 1 0 0 0 1 1 1 0 0 0 0 1 1 0
128 19 361 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 1 1 0 1
129 25 625 1 1 0 0 0 0 0 1 0 0 0 0 1 0 1 1 1 0 1 1 0 1
130 39 1521 0 0 1 0 0 1 0 0 0 2 0 0 0 1 0 0 0 0 0 0 1 1 1
131 28 784 1 1 0 0 0 0 0 1 0 0 0 0 1 0 1 1 0 0 0 0 1 1 1
132 35 1225 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 1 1 0
133 42 1764 0 0 1 0 0 0 1 0 0 3 0 0 0 1 1 1 0 0 0 0 1 1 1
134 38 1444 1 0 1 0 0 1 0 0 0 2 0 0 0 1 0 1 0 0 0 0 1 1 1
135 24 576 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 1 0 0 0 1 1 0
136 27 729 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 1 1 . . . . .
137 32 1024 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 0 1 1 1
138 35 1225 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 0 1 1 1
139 33 1089 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 1 . . . . .
140 24 576 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 1 0 1 1 1
141 27 729 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 0 1 1 1
142 30 900 1 1 0 0 0 0 0 1 0 0 0 0 1 0 0 1 0 0 0 0 1 1 1
143 37 1369 0 0 1 0 0 0 1 0 0 3 0 0 0 1 1 1 0 0 0 0 1 1 0
144 26 676 0 1 0 0 0 0 0 1 0 0 0 0 1 0 0 1 0 0 0 0 1 1 1
145 29 841 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 0 1 1 0
146 26 676 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 0 1 1 0
147 30 900 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 0 1 1 1
148 37 1369 1 0 0 0 1 1 0 0 0 3 0 0 0 1 0 1 0 0 0 1 0 . 0
149 26 676 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 1 1 1 1 1
150 28 784 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 1 1 1
151 26 676 1 1 0 0 0 0 0 1 0 0 0 0 1 0 1 1 0 0 1 0 1 1 1
152 35 1225 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 1 0 0 1 1 0
153 27 729 1 1 0 0 0 0 0 1 0 0 0 0 1 0 1 1 0 0 0 0 1 1 0
154 21 441 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 1 0 1 0 1 1 1
155 25 625 0 1 0 0 0 0 0 1 0 0 0 0 1 0 1 0 0 1 1 1 0 . 1
156 30 900 1 0 1 0 0 1 0 0 0 3 0 1 0 0 0 1 0 0 0 0 0 . 0
157 25 625 1 0 1 0 0 1 0 0 0 1 0 0 1 0 1 1 0 0 0 0 1 1 0
158 52 2704 1 0 1 0 0 1 0 0 0 4 0 1 0 0 0 1 0 0 0 0 1 1 0
159 31 961 1 0 1 0 0 1 0 0 0 1 0 0 0 1 0 1 0 1 . . . . .
160 35 1225 1 0 1 0 0 1 0 0 0 3 0 1 0 0 1 0 0 0 0 0 1 1 0
161 22 484 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 1 1 . . . . .
162 24 576 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 1 1 0
163 40 1600 1 1 0 0 0 0 0 0 1 0 0 0 0 1 0 1 0 0 0 0 1 1 0
164 20 400 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 1 1 . . . . .
165 28 784 1 1 0 0 0 1 0 0 0 0 0 0 0 1 0 1 0 0 1 1 0 . 1
166 25 625 0 1 0 0 0 0 0 1 0 0 0 0 1 0 1 0 0 0 1 1 0 . 0
167 19 361 0 1 0 0 0 0 0 1 0 0 0 1 0 0 0 1 1 1 . . . . .
168 32 1024 0 0 1 0 0 0 1 0 0 2 0 0 0 1 0 0 0 0 0 0 1 1 0
169 48 2304 1 0 1 0 0 1 0 0 0 4 0 1 0 0 1 0 0 0 0 0 1 1 0
170 38 1444 1 0 1 0 0 1 0 0 0 1 0 0 1 0 0 0 0 0 0 0 1 1 0
171 24 576 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 1 0 0 . 1
172 30 900 1 0 1 0 0 1 0 0 0 3 0 1 0 0 0 1 0 0 0 1 1 1 0
173 25 625 0 0 1 0 0 0 1 0 0 1 0 1 0 0 0 1 0 0 0 0 0 . 1
174 30 900 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 0 . 0
175 31 961 1 0 1 0 0 1 0 0 0 2 0 0 1 0 0 1 0 0 0 0 1 1 0
176 24 576 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 1 1 . . . . .
177 25 625 1 1 0 0 0 0 0 0 1 0 0 0 1 0 0 1 0 0 0 0 1 1 0
178 23 529 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 1 . . . . .
179 27 729 1 0 1 0 0 1 0 0 0 2 0 0 0 1 0 1 0 0 0 0 1 1 1
180 29 841 1 0 1 0 0 1 0 0 0 2 0 1 0 0 0 1 0 0 0 1 1 1 1
181 38 1444 1 1 0 0 0 1 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 . 0
182 25 625 0 1 0 0 0 0 1 0 0 0 0 0 0 1 0 1 0 0 0 0 1 1 0
183 38 1444 1 1 0 0 0 0 0 1 0 1 0 0 0 1 0 1 0 0 0 1 1 0 0
184 24 576 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 1 0 0
185 32 1024 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 1 1 0 0
186 40 1600 0 0 1 0 0 1 0 0 0 3 0 0 0 1 1 1 0 0 0 0 1 0 0
187 29 841 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 1 1 0 0
188 30 900 1 1 0 0 0 0 1 0 0 0 0 0 0 1 1 0 0 0 0 1 1 0 0
189 45 2025 1 0 1 0 0 1 0 0 0 2 0 0 1 0 0 1 0 0 0 1 1 0 0
190 43 1849 0 0 1 0 0 0 1 0 0 3 0 0 1 0 0 1 0 0 0 0 1 1 0
191 22 484 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 1 1 1 1 1
192 25 625 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 1 1 1 0
193 27 729 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 1 1 1
194 26 676 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 1 1 0
195 28 784 1 0 1 0 0 1 0 0 0 1 0 0 0 1 1 1 0 0 0 1 1 1 1
196 28 784 0 1 0 0 0 0 1 0 0 0 0 0 0 1 0 1 0 0 0 0 1 1 0
197 29 841 1 0 1 0 0 1 0 0 0 2 0 0 0 1 1 1 0 0 0 0 1 1 0
198 31 961 0 0 1 0 0 0 1 0 0 2 0 0 0 1 0 1 0 0 0 0 1 1 0
199 23 529 1 1 0 0 0 0 0 1 0 0 0 0 1 0 1 1 0 0 0 1 1 1 1
200 25 625 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 1 1 1 1
201 27 729 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 1 0 0 0 1 1 1 0
202 18 324 1 1 0 0 0 0 0 1 0 0 0 1 0 0 0 0 1 1 . . . . .
203 21 441 1 1 0 0 0 0 0 1 0 0 0 0 1 0 1 0 0 0 1 1 0 . 1
204 26 676 0 0 1 0 0 0 1 0 0 2 0 0 1 0 0 1 0 0 0 1 1 1 0
205 23 529 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 1 0 0 . 0
206 17 289 1 1 0 0 0 0 0 1 0 0 0 1 0 0 0 0 1 1 . . . . .
207 20 400 1 1 0 0 0 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 0 . 1
208 16 256 0 1 0 0 0 0 0 1 0 0 0 1 0 0 0 1 1 1 . . . .
209 40 1600 0 0 1 0 0 0 1 0 0 3 0 0 0 1 1 1 0 0 0 0 1 0 0
210 32 1024 1 0 1 0 0 1 0 0 0 2 0 0 1 0 0 1 0 0 0 0 1 1 0
211 36 1296 0 0 1 0 0 0 1 0 0 1 0 0 1 0 1 0 0 0 0 0 1 1 0
212 49 2401 0 0 1 0 0 0 1 0 0 5 0 0 0 1 0 1 0 0 0 0 1 1 0
213 25 625 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 1 1 1
214 23 529 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 1 1 1 1 0
215 40 1600 1 0 1 0 0 1 0 0 0 3 0 0 0 1 1 1 0 0 0 0 1 0 0
216 22 484 0 1 0 0 0 0 0 1 0 0 0 0 1 0 1 0 1 1 . . . . .
217 23 529 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 1 1 1 1
218 21 441 0 1 0 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 1 1 0 . 0
219 18 324 0 1 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 1 1 0 . 1
220 16 256 0 1 0 0 0 0 0 1 0 0 0 1 0 0 1 0 1 1 . . . . .
221 26 676 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 0 1 1 0
222 25 625 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 0 1 1 1
223 29 841 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 1 0 0 0 0 1 1 1
224 52 2704 0 0 1 0 0 0 1 0 0 4 0 0 0 1 0 1 0 0 0 0 1 0 0
225 55 3025 1 0 1 0 0 1 0 0 0 4 0 1 0 0 0 0 0 0 0 0 1 0 0
226 49 2401 1 0 1 0 0 1 0 0 0 3 0 1 0 0 1 0 0 0 0 0 1 0 0
227 50 2500 1 0 1 0 0 1 0 0 0 2 0 0 1 0 1 0 0 0 0 0 1 0 0
228 51 2601 0 0 1 0 0 0 1 0 0 1 0 1 0 0 0 1 0 0 0 0 1 0 0
229 42 1764 1 0 1 0 0 1 0 0 0 2 0 0 1 0 1 1 0 0 0 0 1 1 1
230 40 1600 0 1 0 0 0 1 0 0 0 0 0 0 0 1 0 1 0 0 0 0 1 1 0
231 39 1521 0 0 1 0 0 0 1 0 0 1 0 0 0 1 0 0 0 0 0 0 1 1 1
232 36 1296 0 1 0 0 0 1 0 0 0 0 0 0 0 1 1 1 0 0 0 0 1 1 1
233 23 529 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 1 1 1 0
234 17 289 1 1 0 0 0 0 0 1 0 0 0 1 0 0 0 1 1 1 . . . . .
235 20 400 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 1 1 0 . 1
236 16 256 0 1 0 0 0 0 0 1 0 0 0 1 0 0 0 0 1 0 1 1 0 . 1
237 40 1600 0 0 1 0 0 0 1 0 0 2 0 0 0 1 1 1 0 0 0 0 1 1 0
238 32 1024 0 0 1 0 0 0 1 0 0 3 0 0 0 1 0 0 0 0 0 1 1 1 0
239 36 1296 0 0 1 0 0 0 1 0 0 2 0 0 0 1 0 0 0 0 0 1 1 1 0
240 49 2401 1 0 1 0 0 1 0 0 0 2 0 0 0 1 1 0 0 0 0 0 1 0 0
241 25 625 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 0 1 1 0
242 23 529 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 0 1 1 0
243 40 1600 0 0 1 0 0 0 1 0 0 2 0 0 0 1 0 0 0 0 0 0 1 1 0
244 22 484 0 1 0 0 0 1 0 0 0 1 0 0 0 1 1 0 0 0 1 1 1 1 1
245 23 529 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0 0 1 1 1 0
246 21 441 1 1 0 0 0 0 0 1 0 0 0 0 1 0 1 1 0 0 1 1 1 1 0
247 18 324 0 1 0 0 0 0 0 1 0 0 0 0 1 0 0 1 1 1 . . . . .
248 16 256 0 1 0 0 0 0 0 1 0 0 0 1 0 0 1 1 1 1 . . . . .
249 26 676 1 0 1 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 1 1 0
250 25 625 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 0 0 0 0 1 1 1 1
251 29 841 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 0 1 1 0
252 30 900 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 1 1 1 0
253 23 529 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 0 . 1
254 33 1089 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 1 1 1 0
255 24 576 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 1 1 0
256 29 841 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 0 1 1 0
257 24 576 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 0 1 1 0
258 32 1024 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 1 1 1 0
259 42 1764 1 0 1 0 0 1 0 0 3 0 0 1 0 1 0 0 0 0 1 1 1 0
260 16 256 0 1 0 0 0 0 1 0 0 0 1 0 0 0 1 1 1 . . . . .
261 24 576 1 0 1 0 0 1 0 0 0 1 0 0 1 0 1 0 0 0 0 0 1 1 0
262 55 3025 0 0 1 0 0 0 1 0 0 3 0 0 0 1 1 1 0 0 0 0 1 0 0
263 18 324 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 1 1 0 . 1
264 30 900 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 1 1 1 1 0
265 17 289 0 1 0 0 0 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 0 . 1
266 56 3136 0 1 0 0 1 0 0 0 4 0 0 0 1 0 1 0 0 0 0 1 1 0
267 30 900 1 1 0 0 0 0 0 1 0 0 0 0 1 0 1 1 0 0 0 0 1 1 0
268 51 2601 0 0 1 0 0 0 1 0 0 2 0 0 0 1 1 0 0 0 0 1 1 1 0
269 30 900 0 0 1 0 0 0 1 0 0 2 0 0 0 1 0 0 0 0 0 0 1 1 0
270 40 1600 0 0 1 0 0 0 1 0 0 3 0 0 0 1 1 1 0 0 0 0 1 1 0
271 22 484 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 1 1 1
272 21 441 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 1 1 0 1 1
273 30 900 1 0 1 0 0 1 0 0 0 1 0 0 0 1 1 0 0 0 0 1 1 1 0
274 17 289 0 1 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 1 1 0 . 1
275 22 484 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 1 1 1 1 0
276 40 1600 0 0 1 0 0 0 1 0 0 2 0 0 0 1 0 1 0 0 0 0 1 1 0
277 25 625 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 1 1 1 0
278 19 361 1 1 0 0 0 0 0 1 0 0 0 1 0 0 1 1 1 1 . . . . .
279 32 1024 1 1 0 0 0 0 0 1 0 0 0 0 1 0 1 0 0 0 0 0 1 1 0
280 15 225 1 1 0 0 0 0 0 1 0 0 0 1 0 0 0 1 1 1 . . . . .
281 30 900 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 1 0 0 0 0 1 1 0
282 20 400 0 1 0 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 . 1
283 29 841 1 0 1 0 0 1 0 0 0 1 0 0 0 1 1 0 0 0 0 0 1 1 0
284 20 400 0 1 0 0 0 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 0 1
285 44 1936 0 0 1 0 0 0 1 0 0 3 0 0 0 1 0 1 0 0 0 0 1 0 0
286 18 324 0 1 0 0 0 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 0 . 1
287 24 576 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 1 1 0
288 33 1089 1 0 1 0 0 1 0 0 0 2 0 0 0 1 0 0 0 0 0 0 1 1 0
289 44 1936 0 0 1 0 0 0 1 0 0 2 0 0 0 1 1 1 0 0 0 0 1 1 0
290 17 289 0 1 0 0 0 0 0 0 0 0 0 1 0 0 1 1 1 0 1 1 0 . 0
291 55 3025 0 0 1 0 0 0 1 0 0 3 0 0 0 1 0 1 0 0 0 0 1 1 0
292 19 361 0 1 0 0 0 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 1 1 1
293 22 484 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 1 1 1 1 1
294 42 1764 1 0 1 0 0 1 0 0 0 2 0 0 0 1 1 0 0 0 0 0 1 1 0
295 52 2704 1 0 1 0 0 1 0 0 0 2 0 0 0 1 1 1 0 0 0 0 1 0 0
296 35 1225 0 0 1 0 0 0 1 0 0 1 0 0 0 1 0 0 0 0 0 0 1 1 0
297 20 400 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 1 1 1 1
298 40 1600 1 0 1 0 0 1 0 0 0 2 0 0 0 1 1 1 0 0 0 0 1 0 0
299 38 1444 0 1 1 0 0 1 0 0 0 3 0 0 0 1 0 1 0 0 0 0 1 1 0
300 24 576 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 1 1 0
301 20 400 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 1 1 1 1 0
302 42 1764 0 0 1 0 0 0 1 0 0 3 0 0 0 1 0 1 0 0 0 0 1 1 0
303 31 961 0 0 1 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 0 1 1 0
304 52 2704 1 0 1 0 0 0 1 0 0 1 0 1 0 0 0 0 0 0 0 0 1 0 0
305 16 256 1 1 0 0 0 0 0 1 0 0 0 1 0 0 1 0 1 1 . . . . .
306 18 324 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 1 1 0 . 1
307 22 484 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 1 1 1 1 1
308 52 2704 1 0 1 0 0 1 0 0 0 3 0 0 0 1 1 0 0 0 0 0 1 0 1
309 17 289 1 1 0 0 0 0 0 1 0 0 0 1 0 0 0 1 1 1 . . . . .
310 34 1156 0 0 1 0 0 0 1 0 0 1 0 0 1 0 1 1 0 0 0 0 1 1 0
311 44 1936 0 0 1 0 0 0 1 0 0 3 0 0 0 1 1 1 0 0 0 0 1 0 0
312 34 1156 0 0 1 0 0 0 1 0 0 2 0 0 0 1 0 0 0 0 0 0 1 1 0
313 50 2500 1 0 1 0 0 1 0 0 0 5 0 0 0 1 1 1 0 0 0 0 1 0 0
314 20 400 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 1 1 1 1 1
315 33 1089 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 1 0 0 0 1 1 1 0
316 20 400 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 1 1 1 1 0
317 28 784 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 0 1 1 0
318 55 3025 0 0 1 0 0 0 1 0 0 2 0 0 0 1 1 0 0 0 0 0 1 1 0
319 20 400 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 1 1 1 0
320 48 2304 0 0 1 0 0 0 1 0 0 2 0 0 0 1 0 0 0 0 0 0 1 1 0
321 31 961 1 0 1 0 0 1 0 0 0 1 0 0 0 1 1 1 0 0 0 0 1 1 0
322 25 625 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 1 0 0 0 0 1 1 0
323 35 1225 0 0 1 0 0 0 1 0 0 1 0 0 0 1 0 1 0 0 0 0 1 1 0
324 20 400 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 1 1 1 1 0
325 40 1600 0 0 1 0 0 0 1 0 0 1 0 0 0 1 0 0 0 0 0 0 1 1 0
326 40 1600 0 1 0 0 0 1 0 0 0 2 0 0 0 1 1 0 0 0 0 0 1 1 0
327 19 361 0 1 0 0 0 0 0 1 0 0 0 0 1 0 1 1 0 0 1 1 1 1 1
328 33 1089 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 1 1 1 0
329 20 400 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 1 1 1 1
330 29 841 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 1 1 1 1 0
331 17 289 0 1 0 0 0 0 0 1 0 0 0 1 0 0 0 0 1 1 . . . . .
332 20 400 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 1 1 0 . 1
333 52 2704 1 0 1 0 0 1 0 0 3 0 0 0 1 0 1 0 0 0 0 1 1 0
334 18 324 1 1 0 0 0 0 0 1 0 0 0 0 1 0 1 1 0 0 1 1 1 1 1
335 55 3025 0 0 1 0 0 0 1 0 0 1 0 1 0 0 0 1 0 0 0 0 1 1 0
336 44 1936 1 0 1 0 0 1 0 0 0 2 0 0 0 1 1 0 0 0 0 0 1 1 0
337 25 625 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 1 1 1 0
338 42 1764 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 1 0 0 0 0 1 1 0
339 30 900 1 1 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 1 1 0
340 35 1225 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 1 0
341 17 289 1 1 0 0 0 0 0 0 0 0 0 1 0 0 1 1 1 1 . . . . .
342 52 2704 1 0 1 0 0 1 0 0 0 2 0 0 0 1 0 0 0 0 0 0 1 0 0
343 20 400 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 1 1 0 . 1
344 50 2500 1 0 1 0 0 1 0 0 0 3 0 0 0 1 1 0 0 0 0 0 1 0 0
345 22 484 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 1
346 20 400 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 1
347 18 324 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 1 0 0 1 1 1 1
348 47 2209 0 0 1 0 0 0 1 0 0 3 0 0 0 1 0 1 0 0 0 0 1 1 0
349 21 441 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 1 1 1 1 1
350 32 1024 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 0 0 0 0 1 1 1 0
351 23 529 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0
352 42 1764 0 0 1 0 0 0 1 0 0 3 0 0 0 1 0 1 0 0 0 0 1 1 0
353 18 324 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 1 0 . 1
354 27 729 0 1 0 0 0 0 1 0 0 1 0 0 0 1 1 0 0 0 0 1 1 1 0
355 52 2704 0 0 1 0 0 0 1 0 0 1 0 1 0 0 0 0 0 0 0 0 1 1 0
356 17 289 0 1 0 0 0 0 0 1 0 0 0 1 0 0 0 1 1 1 . . . . .
357 30 900 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 1 1 1 0
358 56 3136 1 0 1 0 0 1 0 0 0 2 0 0 0 1 1 0 0 0 0 0 1 0 0
359 22 484 0 1 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 1 1 1 1 0
360 38 1444 0 0 1 0 0 0 1 0 0 2 0 0 0 1 1 0 0 0 0 0 1 1 0
361 47 2209 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 1 0 0 0 0 1 0 0
362 50 2500 0 0 1 0 0 0 1 0 0 2 0 0 0 1 0 1 0 0 0 0 1 0 0
363 27 729 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 0 0 0 1 1 1 1 1
364 55 3025 1 0 1 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0 0 1 1 0 0
365 18 324 1 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 1 . . . . .
366 25 625 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 0 0 0 1 1 1 1 0
367 40 1600 1 0 1 0 0 1 0 0 0 2 0 0 0 1 0 1 0 0 0 0 1 1 0
368 44 1936 0 0 1 0 0 0 1 0 0 2 0 0 0 1 0 0 0 0 0 0 1 1 0
369 32 1024 1 0 1 0 0 1 0 0 0 1 0 0 0 1 1 0 0 0 0 1 1 1 0
370 24 576 0 0 1 0 0 0 1 0 0 1 0 0 0 1 0 0 0 0 0 0 1 1 0
371 19 361 1 1 0 0 0 0 0 1 0 0 0 1 0 0 0 0 1 1 . . . . .
372 46 2116 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 1 0 0 0 0 1 0 0
373 19 361 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 1 1 1 1 1
374 30 900 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 1 0 1 1 0
375 36 1296 1 0 1 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 1 1 0
376 58 3364 0 0 1 0 0 0 1 0 0 4 0 0 1 0 1 1 0 0 0 0 1 0 0
377 24 576 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 1 0 0 1 1 0
378 38 1444 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 0 0 0 0 0 1 1 0
379 40 1600 0 0 1 0 0 0 1 0 0 2 0 0 1 0 0 0 0 0 0 0 1 1 0
380 31 961 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 1 0 0 1 0 1 1 0
381 20 400 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 1 1 1 1 1
382 45 2025 0 0 1 0 0 0 1 0 0 1 0 0 0 1 0 0 0 1 0 0 1 1 0
383 34 1156 0 0 1 0 0 0 1 0 0 1 0 0 0 1 1 1 0 0 0 0 1 1 0
384 22 484 1 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 1 1 1 1 1
ANEXO R: MATRIZ DE CONSISTENCIA
¿Cuáles son la variables Analizar cuáles son las causas El subempleo en el área urbana
que explican el subempleo en de Juliaca 2016, está relacionada
socioeconómicas que explican el el área urbana de Juliaca, con variables socioeconómicas.
2016.
subempleo en el área urbana de
Juliaca, 2016?
ESPECIFICO
¿Cómo influyen las características Analizar la incidencia de las Las características -(14-29,30-39,40-49, Tasa de Incidencia
socioeconómicas: sexo, edad, tipo características socioeconómicas: sexo, edad, tipo 50-59, -60 + años) de las variables
de institución de la cual egresó, tipo socioeconómicas: sexo, edad, de institución de la cual egresó, -sex, tipIns, tipTrab, mencionadas en la
de trabajo, contrato laboral, tipo de institución de la cual tipo de trabajo, contrato laboral,
satisfacción laboral en el egresó, tipo de trabajo, satisfacción laboral se
contrLab, satisLab. probabilidad de ser
subempleo en el área urbana de contrato laboral, satisfacción correlacionan positivamente y subempleado.
Juliaca, 2016? laboral en el subempleo en el negativamente con el subempleo
área urbana de Juliaca, 2016. en el área urbana de Juliaca,
2016.