Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
147
Artículo Científico
Análisis de los Principales Factores del Desempleo Juvenil
en Ecuador en el 2024.
Analysis of the Main Factors of Youth Unmployment in Ecuador in 2024.
Gushqui-Naula, Mishel Vanesa1; Ortega-Pullopaxi, Jazmin Lisbeth2; Sangurima-Pacheco, Miguel
Efraín3.
1 Universidad Técnica de Cotopaxi; Ecuador, Latacunga; https://orcid.org/0009-
0009-0687-9515; mishel.gushqui3746@utc.edu.ec
2 Universidad Técnica de Cotopaxi; Ecuador, Latacunga; https://orcid.org/0009-
0000-9484-4615; jazmin.ortega2182@utc.edu.ec
3 Universidad Técnica de Cotopaxi; Ecuador, Latacunga; https://orcid.org/0000-
0003-2974-1307; miguel.sangurima9868@utc.edu.ec
1 Autor Correspondencia
https://doi.org/10.63618/omd/isj/v4/n1/217
Resumen: Este estudio identifica los principales factores que explican el desempleo juvenil en
Ecuador durante 2024, a partir del análisis de microdatos de la Encuesta Nacional de Empleo,
Desempleo y Subempleo. El objetivo es determinar cómo influyen características
sociodemográficas en la probabilidad de que una persona entre 15 y 29 años se encuentre
desempleada. Para ello se aplicó un modelo econométrico logit que permitió estimar el efecto
de variables como edad, sexo, zona de residencia, asistencia educativa y nivel de instrucción.
Los resultados evidencian que la edad incrementa la probabilidad de estar desempleado,
revelando que los jóvenes experimentan mayores obstáculos para acceder a un puesto de
trabajo. El sexo muestra un efecto diferencial, indicando una mayor vulnerabilidad de las
mujeres jóvenes frente al desempleo. La zona urbana presenta una incidencia más alta del
fenómeno, lo que refleja la concentración de la oferta laboral en espacios donde la competencia
es más intensa. La asistencia a clases reduce de forma significativa la probabilidad de
desempleo. Por otro lado, el nivel educativo superior muestra un efecto inesperado al asociarse
con mayores probabilidades de desempleo, lo que apunta a la presencia de desajuste entre la
formación recibida y las necesidades del mercado laboral. Estos hallazgos permiten comprender
mejor las dinámicas laborales de la juventud ecuatoriana y ofrecen insumos para el diseño de
políticas orientadas a mejorar su inserción laboral.
Palabras clave: Desempleo juvenil; modelo logit; mercado laboral; factores sociodemográficos;
capital humano.
Abstract: This study identifies the main factors that explain youth unemployment in Ecuador
during 2024, Based on the analysis of microdata from the National Survey of Employment,
Unemployment, and Underemployment. The objective is to determine how sociodemographic
characteristics influence the probability that individuals aged 15 to 29 are unemployed. A logit
econometric model was applied to estimate the effect of variables such as age, gender, area ode
residence, school attendance, and education level. The results show that age increases the
likelihood of being unemployed, revealing that young people face greater obstacles when
entering the labor market. Gender exhibits a differentiated effect, indicating a higher vulnerability
of young women to unemployment. Urban areas show a higher incidence of this phenomenon,
reflecting the concentration of labor supply in spaces where competition is more intense. School
attendance significantly reduces the probability of unemployment. In contrast, higher education
shows an unexpected effect, as it is associated with greater probabilities of unemployment,
suggesting a mismatch between the training received and the needs of the labor market. These
finding provide a better understanding of labor dynamics among Ecuadorian youth and offer
insights for designing policies aimed at improving their employment opportunities.
Keywords: youth unemployment; logit model; labor market; sociodemographic factors; human
capital.
Cita: Gushqui-Naula, M. V.,
Ortega-Pullopaxi, J. L., &
Sangurima-Pacheco, S.-P. M. E.
(2026). Análisis de los Principales
Factores del Desempleo Juvenil
en Ecuador en el 2024. Innova
Science Journal, 4(1), 147-
158. https://doi.org/10.63618/omd
/isj/v4/n1/217
Recibido: 22/09/2025
Aceptado: 16/12/2025
Publicado: 31/01/2026
Copyright: © 2026 por los
autores. Este artículo es un
artículo de acceso abierto
distribuido bajo los términos y
condiciones de la Licencia
Creative Commons, Atribución-
NoComercial 4.0 Internacional. (CC
BY-NC).
(https://creativecommons.org/lice
nses/by-nc/4.0/)
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
148
Artículo Científico
1. Introducción
La persistencia del desempleo juvenil tiene un gran impacto tanto en las economías
desarrolladas como en las que están en vías de desarrollo, siendo uno de los principales
problemas del mercado laboral (Assefa et al., 2015). Según la Organización
Internacional de Trabajo (OIT), una persona se considera desempleada si no tiene
trabajo, está disponible para laborar y busca activamente un empleo. En el caso de
Ecuador, el Instituto Nacional de Estadísticas y Censos (INEC) define como población
juvenil a las personas de entre 15 a 29 años; durante el tercer trimestre del 2024 la tasa
de desempleo juvenil alcanzó el 8,6% (Bernal Gómez, 2025).
Se han identificado factores similares en distintos estudios internacionales. Baah (2013)
encuentra que en Ghana la educación y la edad son componentes del desempleo
juvenil. De igual manera, la edad y la experiencia laboral tienen efectos positivos y
significativos en la empleabilidad (Tomić, 2018). Msigwa y Kipesha (2013) encontraron
que en Tanzania el género y ubicación geográfica influyeron en la probabilidad de estar
desempleado. La vulnerabilidad en la inserción laboral no afecta a todos por igual; a
nivel nacional, la falta de experiencia, el ser mujer y residir en áreas urbanas dificulta
que los jóvenes puedan encontrar un empleo.
El propósito central de la investigación busca responder a la siguiente cuestión ¿Cuáles
son los principales factores que inciden en el desempleo juvenil en Ecuador durante el
año 2024.
Con este fin se utilizó el modelo Logit con los datos proporcionados de la Encuesta
Nacional de empleo, Desempleo y Subempleo (ENEMDU) correspondiente a los cuatro
trimestres de 2024 realizado por INEC, que se rige por los criterios de la Organización
Internacional del Trabajo (OIT) (Urcuango et al., 2021). Se consideraron las variables
cuantitativas edad y cualitativas sexo, área, asistencia a clases, nivel educativo. La
muestra que se utilizó fue 82 985 jóvenes de edades entre 15 a 29 años, cuya edad
promedio es 21,5 años. Se empleó el modelo Logit para determinar el efecto marginal
de cada variable en la probabilidad de desempleo.
Los resultados indican que la edad tiene un efecto positivo y significativo, esto sugiere
que la tasa de desempleo es más elevada para el segmento juvenil. El sexo presenta
un efecto negativo, indicando que los hombres tienen una mayor probabilidad de estar
empleados en comparación de las mujeres. En cuanto a los jóvenes que se encuentran
en zonas urbanas les resulta difícil encontrar trabajo, posiblemente por la saturación y
la competencia laboral a diferencia de la zona rural. La asistencia a clases tiene un
efecto negativo y significativo, confirmando la teoría del capital humano que muestra
que mientras mayor educación adquiere una persona menor probabilidad tiene de estar
desempleado ((Becker, 1993; Sen, 1998). Para concluir, el nivel de educación superior
muestra una relación positiva con el desempleo, lo cual evidencia una disparidad entre
las habilidades demandadas y las competencias adquiridas (León-Paredes et al., 2025).
Esta investigación muestra evidencia empírica sobre los factores del desempleo juvenil
en Ecuador. Los resultados están acordes con la revisión de literatura, según Ananian
et al. (2024); Msigwa & Kipesha, (2013); Fields, (1975) muestran que, el desempleo
urbano supera al rural, haciendo una modificación en las tendencias del ámbito laboral.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
149
Artículo Científico
Este estudio, en el campo económico, contribuye a comprender la falta de alineación
entre el capital humano y la productividad laboral.
El resto del artículo está estructurado de la siguiente manera: en la sección 1 se realiza
la revisión de literatura; en la sección 2 está la metodología; en la sección 3 se describe
la estrategia empírica; la sección 4 contiene los resultados y la sección 5 muestra las
conclusiones.
El mercado laboral tiene un lado de oferta, es decir, la fuerza laboral, o más conocida
como la Población Económicamente Activa (PEA), que abarca tanto a desempleados
como a empleados, y un lado de demanda constituido por las empresas que desean
contratar los talentos humanos (Assefa et al., 2015; Mortensen & Pissarides, 1994).
Por lo general, la oferta de trabajadores es mayor que la demanda, lo que crea el
desempleo. Este es considerado un fenómeno social y económico y se distingue entre
desempleo voluntario e involuntario, y surge cuando la demanda de trabajo es escasa y
el sistema económico muestra la incapacidad de utilizar una parte de la fuerza laboral
disponible (Simionescu et al., 2014).
Según la Organización Internacional del Trabajo (OIT), se consideran tres criterios para
considerar a una persona como desempleada: estar sin trabajo, estar actualmente
disponible para trabajar y estar en búsqueda de trabajo. En la OIT, el desempleo juvenil
se refiere a un grupo específico de edad de entre 15 y 24 años, pero en el contexto
nacional y según la PEA, son jóvenes de 15 a 29 años. La tasa de desempleo juvenil en
Ecuador en el tercer trimestre de 2024 fue del 8,6% (Bernal Gómez, 2025). Himali
(2020), afirma que la tasa de desempleo disminuye mientras la edad aumenta.
El capital humano se centra en los estudios, habilidades y esfuerzos que ha adquirido
un individuo a lo largo del tiempo. Esto hace que aumente la posibilidad de un
crecimiento económico que está estrechamente relacionado con la capacidad de
producción (Sen, 1998). Otro factor del capital humano es la experiencia, que se evalúa
a través de las destrezas y conocimientos adquiridos a lo largo del tiempo (Baah, 2013).
La oferta de trabajo presenta varias causas del desempleo juvenil. Es importante adquirir
las habilidades, la experiencia y las competencias necesarias para poder formar una
trayectoria profesional (Barnes et al., 2022). Un limitante para formar esta trayectoria es
estar expuestos a una mayor inestabilidad laboral; (Bernal Gómez, 2025).
Una de las causas del desempleo es que las empresas deciden pagar salarios más altos
para incentivar a los empleados a ser más eficientes en su trabajo. Según este modelo,
los salarios se mantienen altos con el propósito de impedir las conductas evasivas por
parte del personal (Baah, 2013). La informalidad es una alternativa ante la falta de
acceso a un empleo digno y estable, reflejando la vulnerabilidad en el mercado laboral
(Bernal Gómez, 2025). El nivel de educación tiene relación directa con estar empleado
o desempleado, ya que los individuos, al tener mayor formación académica, tienen
mejores oportunidades de tener un empleo digno (Mehmetaj & Xhindi, 2022).
La educación busca aumentar las oportunidades laborales, disminuyendo la
probabilidad de estar desempleado (Baah, 2013). La teoría del capital humano explica
que, las personas con niveles de educación superior tienen más oportunidades de
insertarse en el mundo laboral en comparación con personas sin educación (Baah,
2013). Para adquirir un trabajo, es necesario tener experiencia, pero es difícil sin haber
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
150
Artículo Científico
conseguido su primer empleo (Blanc et al., 2024). Por consiguiente, los jóvenes que no
estudian, no trabajan ni reciben capacitación (NEET), son más propensos al desempleo
(Rahmani et al., 2024).
En varios estudios se encuentran que la educación superior está asociada con menores
tasas de desempleo, considerando que los jóvenes que disponen de algún título de
tercer nivel o preparación superior cuentan con una tasa de empleo más alta que
aquellos jóvenes que no culminaron sus estudios (Nuñez & Livanos, 2010; Čepar et al.,
2018).
La edad se considera un indicador importante que permite medir tanto el potencial de
inserción laboral como la probabilidad de desempleo de una persona (Baah, 2013). La
edad tiene un efecto relevante en la población a nivel macroeconómico, especialmente
en los países con tasas más bajas en el desempleo, en este contexto, la edad se
establece como una variable dominante y significativa del desempleo. A medida que un
país experimenta envejecimiento poblacional, se genera un efecto demográfico en el
que los jóvenes encuentran trabajo con mayor facilidad, reduciendo la tasa de
desempleo juvenil (Tomić, 2018).
La mayor propensión para estar desempleado se mide mediante una variable dicotómica
(dummy) que identifica a la población juvenil. Si esta propensión es positiva, significa
que la tasa de desempleo juvenil es más alta que la tasa de desempleo de adultos
(Baah, 2013). De acuerdo con Himali (2020), el rendimiento del desempleo se asocia
con la duración y estabilidad del trabajo; lo que indica que los trabajadores de mayor
edad tienden a conservar sus empleos.
El lugar donde residen los jóvenes es uno de los determinantes más importantes (Mullo
& Marcatoma Tixi, 2018). Se reconoce como vulnerable y sin empleo a una parte de la
población rural (Mina & Téllez, 2022). La escasez de oportunidades en la población rural
es la razón principal por la que los jóvenes deciden migrar de una zona rural a una
urbana. Esto conlleva a que los jóvenes salgan de zonas menos desarrolladas hacia
grandes ciudades que les puedan proporcionar una oportunidad de empleo (Mina &
Téllez, 2022).
Debido a la falta de oportunidades, los jóvenes deciden migrar a otros mercados
laborales (Hall, 2023; Mina & Téllez, 2022). Las regulaciones del mercado laboral
provocan que las empresas reduzcan su oferta laboral o lleguen a un límite de
capacidad, provocando despidos (Pastore, 2015).
En Ecuador el desempleo se concentra significativamente en la zona rural debido a que
en aquellas zonas existe un nivel muy bajo de instrucción educativa (Mullo & Marcatoma,
2018).
Las personas que se encuentran en la zona urbana tienen una probabilidad más alta al
momento de encontrar trabajo, en comparación con las personas del área rural. La
probabilidad de encontrar una oferta laboral es más alta al vivir en un área urbana
(Msigwa & Kipesha, 2013).
La ubicación geográfica es importante porque las tasas de desempleo tienden a ser
mayores en las zonas periféricas. La urbanización es fundamental debido a que la
población se puede mantener en constante crecimiento, ocasionando ofertas laborales.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
151
Artículo Científico
(Msigwa & Kipesha (2013) exponen, que existía una diferencia en el desempleo en
áreas, donde en la zona rural era más evidente el desempleo en comparación con la
zona urbana. Mullo & Marcatoma (2018) exponen que en Ecuador las mujeres jóvenes
son más vulnerables al momento de encontrar trabajo, ya sea en zonas urbanas o
rurales. Ananian et al. (2024) encuentran que el desempleo está concentrado en las
áreas urbanas y sugieren que esta probabilidad de desempleo es menor en la zona
rural, debido a que los habitantes reciben mayores incentivos para mejorar su situación,
dado que existe una brecha de ingresos en relación con la zona urbana. En contraste,
Fields (1975) asume que existe más empleo en el área rural, al existir pleno empleo en
la agricultura; por el contrario, el sector urbano presenta desempleo debido a que el
salario se fija institucionalmente por encima del nivel de equilibrio del mercado.
En cuanto al género, la población femenina tiene más probabilidad de estar
desempleada (Assefa et al., 2015). En el ámbito laboral juvenil, los hombres muestran
una ventaja significativa en la tasa de empleo frente a las mujeres. Esta desigualdad
demuestra que la discriminación de género es una de las causas más importantes del
desempleo entre las jóvenes (Msigwa & Kipesha, 2013).
Las dinámicas de desempleo juvenil en el mercado laboral demostraron que las mujeres
casadas tienen poca probabilidad de encontrar empleo y mayor probabilidad de
abandonarlo que los hombres casados (Poterba & Summers, 1995). Los empleados de
género femenino tienen una trayectoria de brecha salarial y sesgos inconsistentes, en
tanto que los hombres tienen una trayectoria de empleo más digno (Verd et al., 2019).
La iniciativa empresarial a nivel mundial: las mujeres tienen una tendencia menor a
iniciar un negocio que los hombres (Pop et al., 2016). En los reportes existen diferentes
patrones financieros entre hombres y mujeres; las mujeres tienden a tener menor
autoconfianza y un optimismo más moderado sobre las perspectivas futuras que los
hombres (Pop et al., 2016). En el ámbito de la política, el varón tiene mayor probabilidad
de estar empleado. Una recomendación frecuente es que los gobiernos son
responsables de crear políticas públicas, reformular leyes y regulaciones para equilibrar
el mercado laboral en cuanto al género (Msigwa & Kipesha, 2013). En Ecuador, la falta
de oportunidades laborales también está relacionada con la inestabilidad política del
gobierno (Bernal, 2024).
En Reino Unido, los hombres han sufrido discriminación por su etnia y, como resultado,
bajas oportunidades laborales (Clark & Ochmann, 2022).
En el contexto de Estados Unidos, algunos jóvenes pertenecen a grupos vulnerables
por su color de piel, raza u origen; debido a esto, son más propensos al desempleo (Mar
et al., 2022). Durante la pandemia del Covid-19, los médicos autoidentificados como
indígenas o negros no hispanos sufrieron despidos en sus labores en comparación con
las personas blancas (Semprini, 2023).
El mercado laboral evidencia la presencia de una etnoestratificación, es decir, que las
oportunidades de empleo se distribuyen de manera desigual según el origen del
individuo (Verd et al., 2019). La desigualdad en cuanto a las oportunidades laborales se
mantiene persistente aun cuando se tiene otros factores como el nivel de instrucción, lo
que indica que posiblemente la desigualdad esta incrustada en el sistema (Phung,
2011).
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
152
Artículo Científico
El impacto del estatus NEET difiere según la población o región, lo que envidencia que
factores que factores como el nivel de educación, empleo, barreras lingüísticas y, sobre
todo, la discriminación influye significativamente en la inclusión social y laboral de los
jóvenes (Rahmani et al., 2024).
2. Materiales y Métodos
En la presente investigación se tuvo como objetivo saber cuáles son los principales
factores de desempleo juvenil en Ecuador en 2024, mediante la estimación del modelo
econométrico logit. Los datos provinieron de la Encuesta de Empleo, Desempleo y
Subempleo en Ecuador (ENEMDU); se tomaron todos los trimestres del año 2024. La
ENEMDU es una encuesta trimestral que se realiza en los meses de marzo, junio,
septiembre y diciembre. La encuesta está referenciada por la Organización Internacional
del Trabajo (OIT) (Urcuango et al., 2021).
La metodología de la encuesta ENEMDU estaba diseñada para representar
instrumentos estadísticos importantes que estudian la situación del empleo a nivel
nacional, la fuente de ingreso, la actividad económica de los ecuatorianos y la
caracterización del mercado laboral, permite identificar la relevancia de fenómenos
sociodemográficos al proporcionar datos e indicadores que muestran la situación que
viven los hogares (Urcuango et al., 2021).
Para el estudio, se utilizaron las variables cualitativas como el nivel de educación, área,
sexo y variables cuantitativas como la edad.
La variable edad tuvo 82 985 observaciones que cumplen el criterio de 15 a 29 años. La
edad promedio del grupo fue de aproximadamente 21,5 años y su desviación estándar
es de 4,26 años. El sexo, estado civil y el área son variables dicotómicas que toman
solo dos valores. En este caso, las variables que cumplen la función dicotómica son:
sexo donde 0 hace referencia a las mujeres y 1 a los hombres; el estado civil, donde 0
es soltero y 1 es casado o en unión libre; y en el área, 0 es urbano y 1 rural.
Tabla 1
Variables Cualitativas
Frecuencia
Porcentaje
176 565
51,72
164 829
48,28
91 825
26,90
249 569
73,10
68 633
82,71
14 352
17,29
1 136
1,38
16 567
20,12
64 646
78,50
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
153
Artículo Científico
6 552
7,90
4 52
5,45
71 913
86,66
Nota. Esta información fue tomada de los cuatros trimestres del 2024, de acuerdo a la
disponibilidad de la información.
Fuente: Encuesta Nacional de Empleo, Desempleo y Subempleo (ENEMDU, 2024).
En la tabla 1 se muestran las variables determinantes del desempleo juvenil. En la base
de datos existen 51,72% mujeres y 48,28% hombres. La variable área mostró que el
26,90% de los jóvenes pertenecen a la zona rural y el 73,10% a la zona urbana. En
cuanto al estado civil, el 82,71% de las personas se encuentran sin pareja y el 17,29%
están casados o en unión libre. En el nivel de educación, el 1,38% tiene primaria o
menos, el 20,12% secundaria y el 78,50% nivel superior. Con respecto a la etnia, el
7,90% de las personas se consideran indígenas, el 5,45% afro u otros, y el 86,88%
mestizos y blancos.
Tabla 2
Edad
Variable
Observaciones
Promedio
Desviación
Estándar
Mínimo
Máximo
Edad
82 985
21.5040
4.260.702
15
29
Nota. Esta información fue tomada de los cuatro trimestres del 2024.
Fuente. Encuesta Nacional de Empleo, Desempleo y Subempleo (ENEMDU, 2024).
El promedio de las edades de los jóvenes es de 21,5 años, con una desviación estándar
de 4,2, teniendo en cuenta que las edades fluctúan entre los 15 y 29 años, con un total
de 82 985 personas que se encuentran en este rango.
En la estimación del modelo logit se utilizaron 42 622 observaciones, a pesar de que la
base inicial contiene 82 985 jóvenes entre 15 y 29 años. Esta diferencia se explica
porque el modelo solo puede incluir a los casos que presentan información completa en
todas las variables analizadas. Por ello, Stata aplica una eliminación por lista,
descartando automáticamente a las observaciones que poseen datos faltantes como
etnia, nivel educativo, estado civil. Además, únicamente se considera jóvenes
pertenecientes a la PEA, es decir, empleados o desempleados, lo cual excluye a
estudiantes no buscadores de empleo o inactivos. Como resultado, el número final de
casos válidos para el análisis econométrico se reduce a 42 622.
3. Resultados
La Regresión Logística (logit) es un modelo estadístico utilizado para la predicción de
probabilidades; este asigna la probabilidad de una variable dependiente binaria, permite
datos cualitativos y cuantitativos, lo que es conveniente para los análisis (Espinosa,
2013).
La técnica del modelo logit es determinar si hay resultado de sí o no a partir de un
conjunto de datos (Martínez, 2008).
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
154
Artículo Científico
󰇛 󰇜



 
: Variable numérica que representa la edad y su término cuadrático, que
permite analizar los posibles efectos no lineales en la probabilidad de empleo.
: Variable dicotómica que muestra el género: 1=masculino, 0=femenino
: Variable dicotómica que define el lugar de residencia de un individuo:
1=urbano, 0=rural
: Identifica su asistencia a una institución de educativa en la actualidad: 1=si,
0=no
: Variable categórica que indica cómo se identifica la persona: 1=indígena,
2=afrodescendiente, 3=mestizo/blanco.
: Variable que clasifica el estado civil de un individuo: 1=Con pareja, 2=Sin
pareja.
: Variable categórica que muestra el nivel de instrucción.
: Variables indicadoras dummies que captura lo efectos fijos por ciudad,
representado por .
  Parámetros a estimar.
Tabla 3
Resultados del modelo Logit y efectos marginales
VARIABLE
LOGIT
EFECTOS MARGINALES
Edad
0.282***
0.025***
(0.065)
(0.006)
Edad2
-0.008***
-0.001***
(0.001)
(0.000)
Sexo
-0.621***
-0.055***
(0.033)
(0.003)
area_
0.837***
0.074***
(0.047)
(0.004)
Asiste a clases
-1.010***
-0.089***
(0.055)
(0.005)
Nivel de educación básica
0.000
0.000
(.)
(.)
Nivel de educación media
0.350
0.021*
(0.242)
(0.012)
Nivel de educación superior
0.797***
0.056***
(0.239)
(0.012)
Constante
-5.942***
(0.767)
Observaciones
42622,00
42622,00
Nota. Los errores se indican entre paréntesis* p < 0.10, ** p < 0.05, *** p < 0.01
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
155
Artículo Científico
4. Discusión
Los resultados del modelo de regresión logística y los efectos marginales expuestos en
la tabla 2, analizan los determinantes del desempleo, con una población de 42 622
personas, de edades entre 15 y 29 años incluidos, en Ecuador en 2024, de acuerdo con
los datos de la ENEMDU. Las observaciones coinciden con la revisión literaria, lo cual
destaca el rol de las variables sociodemográficas. A continuación, se interpreta cada
variable con la revisión literaria y estudios previos.
En la edad el coeficiente marginal es positivo 0,282 y significativo; esto sugiere que, en
promedio, aumenta el desempleo juvenil al disminuir la edad, El término cuadrático de
la edad sugiere una relación no lineal al ser negativo 0,025. Esto concuerda con Baah
Boateng (2013) y Tomic (2018), quienes vinculan que, a mayor edad, el empleo refleja
la vulnerabilidad de 15 a 18 años por la falta de experiencia y de 15 a 29 años por la
saturación laboral, como relaciona Bernal Gómez (2025).
La variable género refleja un efecto marginal negativo y significativo; esto implica que
los hombres tienen menor probabilidad de estar desempleados en comparación con las
mujeres. Esto confirma una brecha de género, lo cual se alinea con Assefa & Mbaka
(2015) y Mullo & Marcatoma (2018), que señalan que en mujeres hay mayor
vulnerabilidad a la discriminación.
En el área urbana, el coeficiente marginal es positivo y significativo, con una probabilidad
del 7,4% mayor de estar desempleados en comparación con los de la zona rural. Esto
contrasta con la literatura (Mullo & Marcatoma, 2018), lo que explica que los mercados
laborales en la ciudad se saturan por la migración rural-urbana, al aumentar la
informalidad y la competencia urbana que afecta a la población (Mina & Téllez, 2022).
Asistir a clases tiene un coeficiente negativo y significativo de -1,010; los jóvenes que
asisten a instituciones educativas tienen menos probabilidad de estar desempleados. El
nivel de educación, por el contrario, tiene un efecto positivo que indica mayor
probabilidad de desempleo entre aquellos que tienen un nivel de educación superior.
Asistir a clases tiene un efecto negativo de acuerdo con la teoría del capital humano.
Esta teoría dice que la educación reduce la probabilidad de estar desempleado y
aumenta las habilidades. Además, en la teoría, la variable experiencia aporta al capital
humano; de esta forma, las personas con poca experiencia tienen más probabilidades
de estar desempleadas (Blanco et al., 2024).
Por último, la variable estado civil tiene un efecto negativo de -0,0285; las personas sin
pareja tienen mayor probabilidad de estar empleadas que las personas con pareja. Esto
concuerda con Poterba y Summers (1995), quienes explican que las mujeres casadas
abandonan su empleo.
5. Conclusiones
En esta investigación hemos estimado la influencia de las variables edad, sexo, área,
asistir a clases, y nivel de educación sobre el desempleo en los jóvenes. Siguiendo la
literatura acerca de este tema, podemos encontró que la variable edad tiene una
probabilidad de desempleo: cada año adicional de edad incrementa ligeramente la
probabilidad de estar desempleado en 0,065 puntos. Esto muestra que los jóvenes,
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
156
Artículo Científico
dada la falta de experiencia y la limitada trayectoria, son más vulnerables en el mercado
laboral. A su vez, las mujeres presentan una mayor probabilidad en la tasa de
desempleo, lo que está ligado a las brechas de género en el desempleo juvenil.
Por otro lado, los jóvenes que residen en áreas urbanas registran una mayor tasa de
desempleo en comparación con los del área rural, probablemente por la saturación del
mercado laboral.
La variable sexo sigue siendo un problema persistente en el mercado laboral
ecuatoriano, donde las mujeres presentan mayores riesgos al acceder a un empleo
formal.
En cuanto a la asistencia a clases, se observa que se reduce de manera significativa en
la probabilidad de desempleo que está directamente relacionada con el capital humano,
dado que la educación mejora las oportunidades laborales y sus habilidades. No
obstante, los jóvenes que estudian presentan una menor probabilidad de desempleo,
dado que no buscan activamente trabajo. Finalmente, se estima que un mayor nivel de
educación no garantiza la inserción laboral debido al desajuste entre la formación
académica y el mercado laboral.
Referencias Bibliográficas
Ananian, S., Dellaferrera, G., & International Labour Organization, Research
Department. (2024). Employment and wage disparities between rural and urban
areas. ILO. https://doi.org/10.54394/LNZT9066
Assefa, D., Nganwa, P., & Mbaka, P. (2015). La naturaleza y los determinantes del
desempleo juvenil urbano en Etiopía. Nature, 5(3), 197–203.
https://core.ac.uk/download/pdf/234669633.pdf
Baah, W. (2013). Determinants of unemployment in Ghana. African Development
Review, 25(4), 385–399. https://doi.org/10.1111/1467-8268.12037
Barnes, N., du Plessis, M., & Frantz, J. (2022, January). Career competencies for
academic career progression: experiences of academics at a South African
university. In Frontiers in Education (Vol. 7, p. 814842). Frontiers Media SA.
https://www.frontiersin.org/journals/education/articles/10.3389/feduc.2022.814842/f
ull
Blanc, J., García, J., & Coronado, K. (2024). Guía para la reducción del desempleo
juvenil en la ciudad de Cúcuta. Revista Investigación & Gestión, 7(1), 31–40.
https://doi.org/10.22463/26651408.4432
Čepar, Ž., Ojsteršek, M., & Milost, F. (2018). Youth Unemployment and Higher
Education, the Case of Slovenia. Sotsialno-ekonomichni problemy i derzhava
[Socio-Economic Problems and the State], 18(1), 4–16.
https://doi.org/10.33108/sepd2018.01.004
Clark, K., & Ochmann, N. (2022). Good job, bad job, no job? Ethnicity and employment
quality for men in the UK. SSRN Electronic Journal.
https://doi.org/10.2139/ssrn.4114645
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
157
Artículo Científico
Cruz-Macías, B. A., Guerrero-Calero, J. M., Navarro-Saltos, G. E., & Mieles-Giler, J. W.
(2025). Interpretación bibliométrica del crecimiento anual de la producción científica
en educación para el desarrollo sostenible. Innova Science Journal, 3(4), 138–301.
https://doi.org/10.63618/omd/isj/v3/n4/138
Fields, G. S. (1975). Rural urban migration, urban unemployment and underemployment,
and job search activity in LDCs. Journal of Development Economics, 2(2), 165–187.
https://doi.org/10.1016/0304-3878(75)90014-0
Hall, S. (2023, noviembre). Youth, migration and development: A new lens for critical
times. Case studies from Colombia, Jordan, Kenya, Mexico, Pakistan, Senegal,
Thailand, and Tunisia (KNOMAD Working Paper No. 53). Global Knowledge
Partnership on Migration and Development (KNOMAD), The World Bank.
https://documents1.worldbank.org/curated/en/099747308202494701/pdf/IDU146436ad
b17fb2140ae1a87a154b142e6a308.pdf
Himali, L. P. (2020). Determinants of unemployment and unemployment duration.
International Research Journal of Advanced Engineering and Science, 5(4), 113–
119. Recuperado de https://irjaes.com/wp-content/uploads/2020/10/IRJAES-
V5N4P120Y20.pdf
León-Paredes, G. F., López-Arboleda, M. C., Montoya-Vargas, L. M., Heredia-Sáenz, F.
D., & Inga-Aguagallo, C. F. (2025). Herramientas de Información y Comunicación
en la Vinculación con la Sociedad para la Educación Superior. Innova Science
Journal, 3(3), 433–445. https://doi.org/10.63618/omd/isj/v3/n3/92
Mar, D., Ong, P., Larson, T., & Peoples, J. (2022). Racial and ethnic disparities in who
receives unemployment benefits during COVID-19. SN Business & Economics, 2(8),
102. https://doi.org/10.1007/s43546-022-00283-6
Martínez, E. (2008). Logit model como modelo de elección discreta: Origen y evolución.
Anuario Jurídico y Económico Escurialense, 41, 469–484. ISSN 1133-3677.
https://documat.unirioja.es/descarga/articulo/2652092.pdf
Mehmetaj, N., & Xhindi, N. (2022). Public expenses in education and youth
unemployment rates, a vector error correction model approach. Economies, 10(12),
293. https://doi.org/10.3390/economies10120293
Mina Hernández, Y. A., & Téllez Iregüi, G. (2022). Oportunidades laborales y la
migración rural-urbana juvenil. Juventud rural araucana. Estudios Políticos
(Medellín), 65, 89–118. https://doi.org/10.17533/udea.espo.n65a03
Mortensen, D. T., & Pissarides, C. A. (1994). Job creation and job destruction in the
theory of unemployment. The Review of Economic Studies, 61(3), 397–415.
https://doi.org/10.2307/2297896
Msigwa, R., & Kipesha, E. F. (2013). Determinants of youth unemployment in developing
countries: Evidences from Tanzania. Journal of Economics and Sustainable
Development, 4(14), 1–12. ISSN 2222-1700 (impresa), ISSN 2222-2855 (en línea).
Recuperado de https://www.iiste.org/Journals/index.php/JEDS/article/view/7823
Mullo, H. S. M., & Marcatoma, J. A. M. (2018). Desempleo juvenil Ecuador, 2017:
Magnitud y construcción de perfiles sociodemográficos. Revista Caribeña de
Ciencias Sociales, (3), 1–9. ISSN 2254-7630.
https://www.eumed.net/rev/caribe/2018/03/desempleo-juvenil-ecuador.html
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
158
Artículo Científico
Pop, C., Balint, C., Georgescu, M.-A., & Nistor, I. A. (2016). RASDAQ: El telón final.
Economía Teórica y Aplicada, 23(3), 5–40. ISSN 1582-6260.
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2898222
Poterba, J. M., & Summers, L. H. (1995). Unemployment benefits and labor market
transitions: A multinomial logit model with errors in classification. The Review of
Economics and Statistics, 77(2), 207–216. https://doi.org/10.2307/2109860
Phung, V.-H. (2011). Ethnicity, migration and employment disadvantage under New
Labour: reviewing the evidence from the United Kingdom. Policy Studies, 32(5),
497–513. https://doi.org/10.1080/01442872.2011.581905
Rahmani, H., Groot, W., & Rahmani, A. M. (2024). Unravelling the NEET phenomenon:
A systematic literature review and meta-analysis of risk factors for youth not in
education, employment, or training. International Journal of Adolescence and Youth,
29(1), Article 2331576. https://doi.org/10.1080/02673843.2024.2331576
Romero Espinosa, F. (2013). Variables financieras determinantes del fracaso
empresarial para la pequeña y mediana empresa en Colombia: Análisis bajo modelo
Logit. Pensamiento & Gestión, (34), 235–277. Universidad del Norte.
https://rcientificas.uninorte.edu.co/index.php/pensamiento/article/view/5647
Sen, A. (1998). Capital humano y capacidad humana. Cuadernos de Economía,
XVII(29), 67–72. ISSN 0120-3584.
https://dialnet.unirioja.es/descarga/articulo/4934956.pdf
Semprini, J. (2023). Examining Racial Disparities in Unemployment Among Health Care
Workers Before, During, and After the COVID-19 Pandemic. Journal of Patient-
Centered Research and Reviews, 10(3), 136–141. https://doi.org/10.17294/2330-
0698.2021
Simionescu, M., Cantemir, A., & Popovici, O. (2014). Investigating FDI inflows in
Romania through an ARMA model. Internal Auditing and Risk Management, 35(1),
55–72. ISSN 2344-4676
Tomić, I. (2018). What drives youth unemployment in Europe? Economic vs non
economic determinants. International Labour Review, 157(3), 379–408.
https://doi.org/10.1111/ilr.12113
Urcuango, A., Villavicencio, W., & Fonseca, A. (2021). Metodología de la Encuesta
Nacional de Empleo, Desempleo y Subempleo (ENEMDU) (pp. 1–39). Instituto
Nacional de Estadística y Censos (INEC).
Verd, J. M., Barranco, O., & Bolíbar, M. (2019). Youth unemployment and employment
trajectories in Spain during the Great Recession: What are the determinants?
Journal for Labour Market Research, 53(1), Article 4.
https://doi.org/10.1186/s12651-019-0254-3
CONFLICTO DE INTERESES
“Los autores declaran no tener ningún conflicto de intereses”.