Innova Science Journal | Vol.04 | Núm.04 | Oct – Dic | 2026 | www.innovasciencejournal.omeditorial.com
1
Artículo Cientíco
Factores que inciden en la probabilidad de empleo informal
en la población juvenil de Machala.
Factors that influence the probability of informal employment in the youth
population of Machala.
Sigsig-Cabrera, Kevin Manuel
1
; Apolo-Aguilar, Kiara Brigitte
2
; León-Serrano, Lady Andrea
3
.
1
Universidad Técnica de Machala; Ecuador, Machala; https://orcid.org/0009-0001-
7705-6841; ksigsig2@utmachala.edu.ec
2
Universidad Técnica de Machala; Ecuador, Machala; https://orcid.org/0009-0004-
9382-0354; kapolo6@utmachala.edu.ec
3
Universidad Técnica de Machala; Ecuador, Machala; https://orcid.org/0000-0001-
5472-140X; llady@utmachala.edu.ec
1
Autor Correspondencia
https://doi.org/10.63618/omd/isj/v4/n4/404
Resumen: Es un fenómeno estructural y persistente en América Latina la informalidad laboral, con especial
incidencia en la población juvenil. En el Ecuador las diferencias socioeconómicas, la cobertura limitada de la
seguridad social y la generación insuficiente de empleo formal han hecho más vulnerable el trabajo de los
jóvenes. Esa realidad se puede constatar en ciudades como Machala, donde muchos jóvenes tienen
dificultades para acceder a un empleo estable y con beneficios laborales. El objetivo general de la
investigación fue analizar los factores que influyen en la probabilidad de incorporación al empleo informal de
los jóvenes de Machala durante el periodo 2025. Para el desarrollo del estudio se utiliza una investigación se
adoptó un enfoque cuantitativo con alcance explicativo con un diseño no experimental de corte transversal.
La información fue obtenida a través de la aplicación de 387 encuestas a jóvenes entre 15 y 29 años que nos
permitió, analizar un modelo de regresión logística (logit), empleando información conseguida mediante
encuestas realizadas a jóvenes del cantón Machala y datos estadísticos del INEC. Mediante las encuestas
nacionales de empleo, desempleo y subempleo. Los resultados evidencian que el nivel educativo y
experiencia laboral reducen significativamente la probabilidad de que un joven se encuentre en el empleo
informal, asimismo el modelo presento un adecuado desempeño alcanzando un área bajo la curva ROC de
0,8182 y una precisión global de clasificación del 79,33%. Se concluye que se debe fortalecer el acceso a la
educación, promover programas que faciliten la adquisición de experiencia laboral e impulsar políticas
orientadas a la formalización del empleo juvenil.
Palabras clave: Informalidad laboral; Mercado laboral; Regresión logística; Empleo informal; Empleo juvenil.
Abstract: Informal employment remains a structural and persistent phenomenon across Latin America, with
a particularly strong effect on young people. In Ecuador, socioeconomic inequality, limited social security
coverage, and insufficient formal job creation have left youth employment especially precarious. This is evident
in cities such as Machala, where many young people struggle to find stable jobs with labor benefits. The
general objective of this research was to analyze the factors influencing the likelihood of young people in
Machala entering informal employment during 2025. The study followed a quantitative approach with an
explanatory scope and a non-experimental, cross-sectional design. Data were collected through 387 surveys
applied to young people between 15 and 29 years old, which made it possible to estimate a logistic regression
(logit) model, combining survey data from young people in the Machala canton with statistical data from
Ecuador's National Institute of Statistics and Censuses (INEC), drawn from the national employment,
unemployment, and underemployment surveys. The results show that educational attainment and work
experience significantly reduce the probability of a young person being in informal employment; the model also
showed adequate performance, reaching an area under the ROC curve of 0.8182 and an overall classification
accuracy of 79.33%. It is concluded that access to education should be strengthened, programs that facilitate
the acquisition of work experience should be promoted, and policies aimed at formalizing youth employment
should be implemented.
Keywords: Labor informality; Labor market; Logistic regression; Informal employment; Youth employment.
Cita: Sigsig-Cabrera, K. M.,
Apolo-Aguilar, K. B., & León-
Serrano, L. A. (2026). Factores
que inciden en la probabilidad de
empleo informal en la población
juvenil de Machala. Innova
Science Journal, 4(4), 1-15.
https://doi.org/10.63618/omd/isj/v
4/n4/404
Recibido: 03/03/2026
Aceptado: 17/07/2026
Publicado: 31/10/2026
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.04 | Oct – Dic | 2026 | www.innovasciencejournal.omeditorial.com
2
Artículo Cientíco
1. Introducción
La informalidad laboral es uno de los problemas estructurales más persistentes en
países con economías de desarrollo y Ecuador no es la excepción. Según la
Organización Internacional del Trabajo (2025a), más del 50% de los trabajadores de
toda América Latina consigue empleo en condiciones de informalidad, situación que se
intensifica mayormente en la población juvenil, quienes históricamente han enfrentado
mayores barreras para acceder a un empleo adecuado o formal. En el entorno
ecuatoriano factores como la escasa generación de empleo formal, las brechas
socioeconómicas y la limitada cobertura del sistema de seguridad social han diseñado
un escenario en que los jóvenes de entre los años 15 y 29 sean la población más
vulnerable frente a la inestabilidad laboral.
En la ciudad de Machala, capital de la provincia de El Oro considerada un referente
económico de la zona sur del país, esta problemática adquiere especial relevancia, dado
que su dinámica se concentra en el área comercial y agroindustrial, sectores en los que
persisten altos niveles de empleo informal, sobre todo entre la población juvenil. La
importancia de estudiar la informalidad laboral juvenil en Machala consiste en las
implicaciones que esta tiene sobre el desarrollo tanto económico como social de la
región, el empleo informal no solo limita el acceso a los jóvenes a prestaciones sociales
como lo son; el seguro de salud, fondos de reserva y jubilación, sino que también al no
conseguir un empleo formal los ciclos de pobreza continúan y por ende aumenta la
desigualdad social.
El trabajo informal es aquel en el que una persona desarrolla actividades económicas
sin contar con pleno acceso a derechos laborales, seguridad social, estabilidad
contractual o beneficios establecidos por ley. El INEC (2025a) en Ecuador define por
medio de la Encuesta Nacional de Empleo, Desempleo y Subempleo (ENEMDU) al
sector informal como aquel conformado por empleados de empresas que no poseen un
Registro Único de Contribuyentes o que operan con escasa formalización; esta
definición permite diferenciar el empleo formal del informal no solamente por la actividad,
sino por el nivel de registro, protección y derechos laborales que los mismos poseen.
Arredondo-Lezama y cols. (2023) afirman que el empleo informal persiste en economías
donde una porción de la fuerza laboral genera ingresos fuera de los canales laborales
totalmente regulados, situación que puede observarse en varios lugares de América
Latina y en Ecuador, donde se convive el empleo adecuado, el subempleo, el empleo
no pleno, el desempleo y el empleo informal.
Doeringer y Piore (1971), proponen en su teoría de la segmentación laboral que el
mercado se divide en un sector primario donde los empleos son estables, con salarios
fijos y posibilidad de ascensos, y un sector secundario caracterizado por la inestabilidad,
bajos salarios y falta de protección social. Al sector primario entran según la educación,
la experiencia, etc., mientras que los que no la tienen entran al sector secundario o
informal. De igual forma, la perspectiva dual de Perry et al. (2007), señala dos razones
para la informalidad: exclusión, cuando el trabajador no tiene credenciales ni
oportunidades en el sector formal, y salida, cuando el individuo elige la informalidad
porque los costos de formalizarse son mayores a los beneficios. Un joven con
responsabilidades familiares puede escoger un empleo informal no porque le falten
capacidades sino porque necesita dinero, lo que es una forma de exclusión económica.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.04 | Oct – Dic | 2026 | www.innovasciencejournal.omeditorial.com
3
Artículo Cientíco
Sobre la base de estos marcos teóricos, se seleccionan las variables para el modelo
Logit: educación y experiencia en el sector primario, y la existencia de dependientes
económicos, entendida como una presión hacia la informalidad.
En los informes internacionales, la OIT (2025a), señala que en América Latina las tasas
de participación y ocupación de jóvenes de 15 a 24 años siguen siendo menores que
las de los adultos, lo que evidencia una integración laboral desigual por edad,
experiencia y educación. Florez-Vaquiro y Hincapié-Aldana (2025), sostienen que en
Argentina, Brasil, Colombia y México la precariedad laboral juvenil combina
inestabilidad, ingresos insuficientes, desprotección social y subocupación, mientras que
la OIT (2025b) indica que los jóvenes latinoamericanos enfrentan mayores tasas de
desocupación y una elevada participación en ocupaciones informales.
En Ecuador, el INEC (2025a) reporta que, durante el primer trimestre de 2025, el sector
informal representó el 53,5 % de la población ocupada del país, con niveles más altos
en el área rural (75,6 %) que en la urbana; Bayas-Morales et al. (2026) aportan evidencia
trimestral entre 2020Q4 y 2025Q3 y muestran que la educación mantiene una relación
directa con la calidad de la inserción laboral. El comportamiento del empleo juvenil
ecuatoriano durante el periodo 2020-2025 también se relaciona con los efectos de la
pandemia y su posterior recuperación económica: Armijos Orellana et al. (2022) señalan
que la población joven de América Latina y Ecuador experimentó efectos sociales y
laborales visibles durante la crisis sanitaria, especialmente en el acceso al empleo y en
la estabilidad de las actividades productivas, mientras que Giler Macías et al. (2025)
muestran que, entre 2019 y 2023, el sector informal se mantuvo estrechamente
vinculado con la pobreza en el mercado laboral ecuatoriano.
El acceso a la seguridad social y a los beneficios laborales permite distinguir con mayor
claridad el empleo formal del informal; en Ecuador, el empleo formal se relaciona con la
afiliación al Instituto Ecuatoriano de Seguridad Social, contrato, salario básico, décimos,
vacaciones y fondos de reserva. Bernal Gómez (2025) sostiene que el empleo juvenil
en Ecuador debe analizarse desde la protección laboral y la afiliación a la seguridad
social, ya que la sola existencia de una ocupación no garantiza estabilidad ni acceso a
derechos; esta perspectiva es útil para el presente artículo porque la variable
dependiente no se limita a saber si el joven trabaja, sino a identificar si su ocupación se
ubica dentro de la formalidad o la informalidad. Por otro lado, una investigación realizada
en la ciudad de Loja por Ferie-Jiménez et al. (2025), indican que el sector de turismo se
ve afectado por la persistencia de prácticas informales obstaculizando así el crecimiento
económico, debido factores socioeconómicos como lo es falta de formación académica,
lo cual genera una competencia desleal frente a personas que trabajan en el ámbito
legal.
Un estudio realizado por Zambrano-Cedeño y Barcia-Zambrano (2023), corroboran que
el emprendimiento ilegal sigue siendo una barrera muy significativa en el crecimiento
económico, dado que este tiene un limitado acceso a financiamientos y mercados
regulados, por otro lado aseguran que el país debe fortalecer los ecosistemas
emprendedores en los cuales promuevan la formación empresarial legal; lo cual
provocaría a que el empleo informal disminuya generando así un efecto positivo en el
desarrollo económico.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.04 | Oct – Dic | 2026 | www.innovasciencejournal.omeditorial.com
4
Artículo Cientíco
A nivel local, León Serrano y Ramírez Galeano (2026), investigan el desempleo juvenil
en el sector Corralitos del cantón Machala tomando en cuenta variables como edad,
sexo, estado civil, nivel de estudios e ingresos familiares, mientras que Bustos Carpio y
cols. (2022) analizan la influencia de la economía popular y solidaria sobre los niveles
de trabajo informal en la ciudad durante el período 2020-2021. Los dos estudios son
antecedentes directos que respaldan la selección de variables sociodemográficas y
económicas en este artículo. En conjunto, la literatura revisada identifica como los
principales factores asociados a la probabilidad de empleo informal juvenil, todos ellos
respaldados por la teoría del capital humano (Becker, 1983) y por los enfoques de
segmentación y exclusión-salida anteriormente descritos, al nivel educativo, el sexo, el
estado civil, el área de residencia, la experiencia laboral previa, las características del
hogar, las condiciones del mercado laboral local y el acceso a la seguridad social.
Machala, con 306.309 habitantes según el Censo de Población y Vivienda 2022 (Censo
Ecuador, 2023), concentra una parte importante de la actividad comercial, administrativa
y agroindustrial de la provincia de El Oro, estimándose que su población entre 15 y 29
años de edad alcanza aproximadamente los 73.932 habitantes, universo dentro del cual
se ubica el presente estudio. La pregunta central que guía la investigación es la
siguiente: ¿Cuáles son los factores socioeconómicos y demográficos que influyen en la
probabilidad de que los jóvenes del cantón Machala se encuentren en empleo informal
en el 2025? Para responder la interrogante se calcula un modelo de regresión logística
binaria (Logit) incorporando variables como nivel educativo, sexo, estado civil, área de
residencia, experiencia laboral previa, ingreso del hogar, edad y dependientes
económicos, construidas a partir de encuestas a jóvenes de la ciudad de Machala y
complementadas con información del INEC y la ENEMDU.
Se estima que la educación formal y la experiencia laboral puede ser importante para
disminuir las posibilidades de entrar al sector informal, así mimo las variables género,
la ubicación geográfica, la dependencia económica y el estado civil pueden influir
estadísticamente en la probabilidad de que los jóvenes ingresen al mercado informal,
los resultados de esta investigación pretenden ser un aporte técnico para las entidades
públicas, organismos locales y tomadores de decisiones que elaboran políticas para
disminuir la informalidad laboral en Machala.
2. Materiales y Métodos
Se utilizó un enfoque cuantitativo porque facilitó medir y evaluar de manera objetiva los
factores que influyen en la probabilidad de empleo informal en jóvenes del cantón
Machala. Con este método se recolectaron y analizaron datos estadísticos que
permitieron establecer la relación entre distintas características sociodemográficas y el
empleo informal juvenil. Según Hernández Sampieri et al. (2014), el enfoque cuantitativo
parte de la medición de variables y el análisis estadístico con el fin de comprobar
hipótesis y explicar los fenómenos sociales.
El análisis fue de tipo explicativo, con un diseño no experimental y de corte transversal,
ya que la información se obtuvo en un solo momento del año 2025, sin manipular las
variables estudiadas; estas se observaron en su entorno natural, lo que permitió analizar
las características sociodemográficas y laborales de los jóvenes en relación con su
condición de empleo formal o informal en Machala. Como explica Arias-Gómez (2022),
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.04 | Oct – Dic | 2026 | www.innovasciencejournal.omeditorial.com
5
Artículo Cientíco
los diseños transversales obtienen datos en un momento concreto con el fin de describir
y analizar las relaciones entre variables.
La muestra estuvo conformada por jóvenes de 15 a 29 años, habitantes del cantón
Machala. Para delimitar el universo poblacional se empleó la información oficial del
Censo de Población y Vivienda 2022 del INEC, que reportó una población total de 306
309 habitantes para Machala; de acuerdo con la estructura por grupos de edad del
censo, se estimó que la población juvenil de entre 15 y 29 años es de aproximadamente
73 932 personas.
Los datos primarios fueron recogidos mediante una encuesta estructurada, aplicada en
el año 2025 a jóvenes del cantón Machala. El instrumento se compuso de preguntas de
opción múltiple referida a las características sociodemográficas, educativa y laboral,
entre ellas el sexo, edad, estado civil, lugar de residencia e ingresos familiares, y fue el
principal proveedor de datos para armar la base para el modelo econométrico. El modelo
Logit binario se especifica de la siguiente manera:
ln[p/(1-p)] = β0 + β1(nivel_educativo) + β2(experiencia) + β3(sexo) + β4(edad_grupo) +
β5(residencia) + β6(dependientes) + β7(estado_civil) + β8(ingreso_hogar) + ε
Donde (p) representa la probabilidad de que el joven se encuentre en empleo informal
(empleo_informal = 1), mientras que (1-p) representa la probabilidad de que el joven se
encuentre en empleo formal (empleo_informal = 0). La razón de momios es p/(1-p) y el
modelo toma como variable dependiente el logaritmo natural de esta razón, y la
relaciona linealmente con las variables explicativas.
Se prefirió el modelo Logit, en lugar del modelo de probabilidad lineal (MPL) o Probit,
porque el MPL puede dar lugar a probabilidades fuera del rango [0,1] y tiene
heterocedasticidad no corregida, mientras que el Logit asegura que las probabilidades
estimadas se mantengan dentro del rango, lo que facilita la interpretación económica de
los resultados, y porque es el modelo más utilizado en estudios previos de informalidad
laboral en Ecuador (Bayas-Morales et al., 2026).
En estudios cercanos realizados en la provincia de El Oro, Mezones Espinoza et al.
(2025), implementaron un modelo Probit para analizar las variables socioeconómicas
que afectan a los trabajadores informales del cantón Huaquillas; si bien el Probit y el
Logit son modelos de respuesta limitada con diferencias estadísticas entre sí, ambos
permiten analizar probabilidades asociadas con una condición laboral, lo que confirma
que este tipo de modelos probabilísticos se aplica con frecuencia en investigaciones
territoriales sobre informalidad en cantones de la provincia de El Oro.
La selección del modelo final se realizó mediante un método de eliminación hacia atrás,
manteniendo únicamente las variables estadísticamente significativas al 95 % de
confianza (p < 0,05). Las variables educación, experiencia laboral, sexo y dependientes
económicos no solo cumplen este criterio estadístico, sino que cuentan con sólido
soporte teórico: educación y experiencia se sustentan en la teoría del capital humano
(Becker, 1983) y en la teoría de segmentación del mercado laboral (Doeringer y Piore,
1971); el sexo se apoya en la literatura sobre brechas de género en el mercado laboral
juvenil (Florez-Vaquiro y Hincapié-Aldana, 2025); y los dependientes económicos se
fundamentan en el enfoque de exclusión por necesidad económica (Perry et al., 2007).
Las variables edad, residencia, estado civil e ingreso del hogar, si bien cuentan con
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.04 | Oct – Dic | 2026 | www.innovasciencejournal.omeditorial.com
6
Artículo Cientíco
respaldo teórico, no mostraron significancia estadística en la muestra analizada, por lo
que su exclusión del modelo final obedece a un criterio estadístico y no a falta de
fundamento teórico.
Para determinar el tamaño de la muestra se empleó la fórmula para poblaciones finitas
propuesta por Salazar (2022).
Donde (n) es el tamaño de la muestra, (N) el tamaño de la población, (Z) el valor crítico
de la distribución normal estándar asociado al nivel de confianza, (P) la proporción
esperada de la característica de interés (Q) la proporción complementaria (e) el margen
de error máximo admisible y (N-1) el factor de corrección para poblaciones finitas.
Para el cálculo se utilizaron los siguientes parámetros: N = 73 932; Z = 1,96 (95 % de
confianza); P = Q = 0,5, debido a que no existían estudios previos que permitieran
conocer con precisión la proporción de jóvenes en empleo informal del cantón; y e =
0,05. Con estos valores, Z² = 3,8416, pq = 0,25 y Z²pq = 0,9604; el numerador (73 932
× 0,9604 = 71 004,29) dividido para el denominador (185,7879) arroja n = 382,18, por lo
que el tamaño mínimo de muestra requerido fue de 383 encuestas. Para incrementar la
confiabilidad de los resultados se aplicaron finalmente 387 encuestas válidas, cantidad
suficiente para el análisis econométrico y la estimación del modelo de regresión logística
binaria (Logit).
La investigación también se apoyó en fuentes secundarias del Instituto Nacional de
Estadística y Censos (INEC), especialmente de la Encuesta Nacional de Empleo,
Desempleo y Subempleo (ENEMDU), cuyos datos permitieron complementar la
descripción del mercado laboral juvenil ecuatoriano, y contextualizar los resultados
obtenidos para el cantón Machala. Así, la ENEMDU, señala el INEC (2025b), monitorea
periódicamente el empleo, el desempleo, el subempleo y las características de la
población económicamente activa e inactiva, por lo que es una fuente central para
investigaciones laborales a nivel nacional o local. Con base en el proceso de selección
por significancia estadística, el modelo final se explica con tres variables nivel educativo,
experiencia laboral y existencia de dependientes económicos, ya que son los factores
que más influyen en la probabilidad de empleo informal juvenil. Según Bayas Morales y
cols. (2026), los modelos logit son de uso generalizado en estudios sobre empleo e
informalidad laboral, ya que permiten identificar y cuantificar el efecto de distintas
variables sobre la condición laboral.
3. Resultados
Con el levantamiento de información a través de las encuestas aplicadas a los jóvenes
de la ciudad de Machala, se procedió a la tabulación, procesamiento y análisis de los
datos obtenidos, los resultados obtenidos permitieron identificar qué factores inciden en
la probabilidad de que un joven se encuentre empleado en condiciones de informalidad
laboral durante el período 2025.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.04 | Oct – Dic | 2026 | www.innovasciencejournal.omeditorial.com
7
Artículo Cientíco
Tabla 1.
Variables utilizadas en el modelo Logit
Variables Cualitativas
empleo_informal
Empleo Informal
0= no;1= si
nivel_educativo
Nivel de instrucción educativa
alcanzado
1= sin instrucción; 2= primaria completa;
3= secundaria incompleta; 4= secundaria
completa;
5= educación técnica; 6= educación
superior en curso; 7= educación superior
completa;
8= posgrado
sexo
Genero del encuestado
1= masculino;2= femenino
experiencia
Tiempo total acumulado de experiencia
laboral
0= ninguna experiencia laboral; 1=
menos de 6 meses; 2= entre 6 meses y 1
año; 3= entre 1 a 3 años; 4= más de 3
años
edad_grupo
Grupo de edad del encuestado
1= 15 a 17 años;2= 18 a 20 años; 3= 21
a 24 años; 4= 25 a 29 años;
residencia
Área de residencia dentro del cantón
Machala
1= zona urbana; 2= zona periurbana; 3=
zona rural
dependientes
Tiene hijos u otras personas
dependientes económicamente
0= no;1= si
estado_civil
Estado civil del encuestado
0= casado; 1= divorciado; 2= soltero; 3=
unión libre
ingreso_hogar
Ingreso mensual aproximado del hogar
1= menos de USD 200; 2= entre USD
200 y USD 500; 3= entre USD 501 y
USD 900; 4= más de 900
Nota. Elaborado por autores, con base de resultados obtenido en stata.
En la Tabla 1 se presentan las variables utilizadas en el modelo Logit para analizar los
determinantes de la informalidad laboral juvenil, selección que se apoya en la teoría del
capital humano de Becker (1983) y en los estudios de la OIT sobre empleo juvenil e
informalidad, los cuales señalan que factores educativos, demográficos, familiares y
económicos inciden en la probabilidad de acceder a un empleo formal o informal.
Tabla 2.
Regresión logística con el conjunto completo de variables
Logistic regression
Number of obs
387
LR chi2 (8)
124.82
Log likelihood
-168.59595
Prob > chi2
0.0000
Pseudo R2
0.2702
empleo_informal
Coef.
Std. Err.
z
P> |z|
[95% Conf. Interval]
nivel_educativo
-0.571336
0.0968049
-5.90
0.000
-0.761070
-0.381602
experiencia
-0.748420
0.1187258
-6.30
0.000
-0.981118
-0.515722
ingreso_hogar
0.0574912
0.1563999
0.37
0.713
-0.249047
0.3640294
edad_grupo
0.2056805
0.1468976
1.40
0.161
-0.082233
0.4935945
sexo
-0.591402
0.2850758
-2.07
0.038
-1.150141
-0.032664
residencia
0.3447188
0.2096535
1.64
0.100
-0.066194
0.7556322
dependientes
1.337381
0.2927835
4.57
0.000
0.763536
1.911226
estado_civil
-0.241959
0.1601945
-1.51
0.131
-0.555935
0.0720156
_cons
2.36805
0.6617021
3.58
0.000
1.071138
3.664962
Nota. Elaborado por autores, con base de resultados obtenido en stata.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.04 | Oct – Dic | 2026 | www.innovasciencejournal.omeditorial.com
8
Artículo Cientíco
La tabla 2 muestra los resultados alcanzados al aplicar el modelo logit para determinar
los factores que afectan la probabilidad de que un joven se encuentre en situación de
empleo informal, el modelo es altamente significativo (Prob > chi2 = 0.0000) y explica
un total del 0.2702 (27.02%). Las variables más importantes en el modelo son el nivel
educativo, la experiencia y el sexo, con coeficientes negativos que superan la prueba
de significancia al ser p < 0.05, lo que sugiere que un mayor nivel educativo y más
experiencia laboral tienden a reducir la informalidad. Para la variable sexo, con 1 =
masculino y 2 = femenino, el coeficiente negativo obtenido (β = -0,5914; p = 0,038)
sugiere que, controlando por educación, experiencia laboral y dependientes
económicos, ser mujer está asociado a una menor probabilidad de estar en empleo
informal en comparación con los hombres de la muestra. Por otro lado, otra variable de
igual importancia que permite observar la regresión es si el encuestado tiene algún
dependiente económico, la cual presenta un coeficiente positivo, mostrando que los
jóvenes que tienen una carga económica poseen una mayor probabilidad de insertarse
en empleos informales.
Tabla 3.
Nivel educativo, experiencia, sexo y dependientes
Logistic regression
Number of obs
387
LR chi2 (4)
117.85
Log likelihood
-172.08093
Prob > chi2
0.0000
Pseudo R2
0.2551
empleo_informal
Coef.
Std. Err.
z
P> |z|
[95% Conf. Interval]
nivel_educativo
-0.562458
0.0940423
-5.98
0.000
-0.746777
-0.378138
experiencia
-0.681713
0.1113474
-6.12
0.000
-0.899949
-0.463476
sexo
-0.576351
0.2773183
-2.08
0.038
-1.119886
-0.032817
dependientes
1.221652
0.2825207
4.32
0.000
0.6679214
1.775382
_cons
2.388408
0.463985
5.15
0.000
1.479014
3.297802
Nota. Elaborado por autores, con base de resultados obtenido en stata.
Al eliminar las variables sin aporte significativo, el modelo reestimado (Tabla 3) mantiene
el nivel educativo, la experiencia, el sexo y los dependientes económicos como
determinantes significativos, con el mismo comportamiento observado en la regresión
anterior. El Pseudo R² de McFadden disminuyó levemente de 0,2702 a 0,2551, lo que
confirma una capacidad adecuada del modelo para explicar los factores que influyen en
la probabilidad de empleo informal juvenil.
Tabla 4.
Nivel educativo, experiencia y dependientes (submuestra de mujeres)
Logistic regression
Number of obs
186
LR chi2 (3)
60.65
Log likelihood
-73.718758
Prob > chi2
0.0000
Pseudo R2
0.2914
empleo_informal
Coef.
Std. Err.
z
P> |z|
[95% Conf. Interval]
nivel_educativo
-0.694035
0.1341057
-5.18
0.000
-0.956877
-0.431193
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.04 | Oct – Dic | 2026 | www.innovasciencejournal.omeditorial.com
9
Artículo Cientíco
experiencia
-0.506067
0.1635923
-3.09
0.002
-0.826702
-0.185432
dependientes
0.6321203
0.4212183
1.50
0.133
-0.193452
1.457693
_cons
2.190922
0.6630316
3.30
0.001
0.8914041
3.49044
Nota. Elaborado por autores, con base de resultados obtenido en stata.
En la submuestra de mujeres (Tabla 4), el Pseudo R² de McFadden fue de 0,2914; el
nivel educativo (β = -0,694; p < 0,01) y la experiencia laboral (β = -0,506; p = 0,002)
influyen de manera negativa y significativa sobre la probabilidad de informalidad,
mientras que la variable dependientes presenta un coeficiente positivo (β = 0,632) pero
no significativo (p = 0,133), por lo que no hay evidencia suficiente para afirmar que el
número de dependientes afecte la probabilidad de empleo informal en las mujeres de la
muestra.
Tabla 5.
Nivel educativo, experiencia y dependientes (submuestra de hombres)
Logistic regression
Number of obs
201
LR chi2 (3)
62.06
Log likelihood
-94.728016
Prob > chi2
0.0000
Pseudo R2
0.2467
empleo_informal
Coef.
Std. Err.
z
P> |z|
[95% Conf. Interval]
nivel_educativo
-0.512903
0.1520752
-3.37
0.001
-0.810965
-0.214841
experiencia
-0.84368
0.1585524
-5.32
0.000
-1.154445
-0.532931
dependientes
1.58697
0.431522
3.68
0.000
0.7412085
2.432744
_cons
2.4187
0.655665
3.69
0.000
1.13371
3. 70387
Nota. Elaborado por autores, con base de resultados obtenido en stata.
Para la submuestra de hombres (Tabla 5), el Pseudo R² de McFadden R² fue de 0,2467;
el nivel educativo (β = -0,513; p = 0,001) y la experiencia laboral (β = -0,844; p < 0,001)
muestran un efecto negativo y significativo sobre la probabilidad de informalidad,
mientras que los dependientes económicos presentan un coeficiente positivo y
significativo (β = 1,587; p < 0,001), lo que sugiere que a mayor número de dependientes,
mayor es la probabilidad de que los hombres recurran al empleo informal como medio
para generar ingresos.
Es preciso aclarar, sin embargo, que esta diferencia observada en la significancia del
coeficiente de dependientes económicos entre hombres (β = 1,587; p < 0,001) y mujeres
(β = 0,632; p = 0,133; Tabla 4) sugiere un comportamiento distinto entre ambos grupos,
pero no constituye, por sí sola, una prueba formal de que dicha diferencia sea
estadísticamente significativa. Que una variable sea significativa en un submodelo y no
lo sea en otro, no prueba que los dos coeficientes sean estadísticamente diferentes
entre sí. Una prueba más rigurosa pasaría por incluir un término de interacción (sexo ×
dependientes económicos) en el modelo conjunto, o bien por realizar una prueba de
Chow entre ambas submuestras, lo que se sugiere como línea complementaria de
análisis para estudios futuros sobre este mismo fenómeno.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.04 | Oct – Dic | 2026 | www.innovasciencejournal.omeditorial.com
10
Artículo Cientíco
Tabla 6.
Valores marginales (dy/dx) del modelo Logit
Delta-method
dy/dx
Std. Err.
z
P> |z|
[95% Conf. Interval]
nivel_educativo
-0.0812263
0.0114366
-7.10
0.000
-0.1036417
-0.0588109
experiencia
-0.0984482
0.012971
-7.59
0.000
-0.1238709
-0.0730256
dependientes
0.1764224
0.0375171
4.70
0.000
0.1028902
0.2499546
sexo
-0.0832327
0.0394812
--2.11
0.035
-0.1606144
-0.005851
Nota. Elaborado por autores, con base de resultados obtenido en stata.
En la Tabla 6 se presentan los efectos marginales del modelo Logit, los resultados
revelan que la educación, la experiencia y el sexo ejercen efectos negativos y
significativos (p < 0.05), lo que indica que estas variables reducen la probabilidad de que
un joven se encuentre en empleo informal. Por otro lado, la variable dependiente
muestra un efecto positivo y significativo, lo que significa que, a mayor número de
personas dependientes, mayor es dicha probabilidad, estos resultados demuestran la
importancia de la educación, la experiencia laboral y las responsabilidades familiares
como factores de la ocupación informal juvenil.
Figura 1.
Curva ROC del modelo Logit: empleo informal, nivel educativo, experiencia, sexo
y dependientes
Nota. Elaborado por autores, con base de resultados obtenido en stata.
La Figura 1 muestra la curva ROC del modelo Logit estimado; el área bajo la curva
(AUC) es de 0,8182, lo cual evidencia una muy buena capacidad predictiva para
diferenciar entre los jóvenes en situación de empleo informal y los que no lo están. La
curva se ubica claramente por encima de la línea de referencia, lo que indica un nivel
adecuado de sensibilidad y especificidad.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.04 | Oct – Dic | 2026 | www.innovasciencejournal.omeditorial.com
11
Artículo Cientíco
Tabla 7.
Matriz de clasificación del modelo Logit para empleo informal
Logistic model for empleo_informal
True
Classified
D
~D
Total
+
58
28
86
-
52
249
301
Total
110
277
387
Nota. Elaborado por autores, con base de resultados obtenido en stata.
La Tabla 7 presenta la matriz de clasificación del modelo Logit estimado; el modelo
clasificó correctamente 307 de las 387 observaciones, obteniendo una precisión global
de 79,33 %. Identificó correctamente 58 de 110 casos de empleo informal y 249 de 277
casos de empleo formal, lo que evidencia una buena capacidad predictiva y respalda la
relevancia de las variables incluidas para explicar la probabilidad de que un joven se
encuentre en empleo informal.
4. Discusión
Los resultados encontrados confirman que la informalidad laboral juvenil en Machala es
producto de la combinación de factores del capital humano y de las condiciones
socioeconómicas de los jóvenes. Los factores más importantes para acceder a un
empleo formal son la educación y la experiencia profesional, hallazgo que coincide con
la teoría del capital humano de Becker (1983) quien afirma que la educación mejora las
habilidades y la productividad de los individuos para acceder a empleos de mejor
calidad; mientras que la experiencia profesional ayuda a superar las dificultades de
contratación que tienen los jóvenes para acceder al mercado laboral.
Los efectos marginales muestran que, al aumentar el nivel educativo, la probabilidad de
estar en empleo informal disminuye aproximadamente 8,12 puntos porcentuales y, al
tener más experiencia laboral, esa probabilidad se reduce en 9,84 puntos porcentuales.
Esto indica que la educación formal y la experiencia se unen para aumentar la
empleabilidad de los jóvenes y reducir su vulnerabilidad a la informalidad. Por otra parte,
la edad, el estado civil, los ingresos del hogar y la ubicación no tuvieron significancia
estadística en el modelo general, pese a ser considerados como determinantes del
empleo informal en diversos estudios, pues en esta investigación su efecto fue menor al
del nivel educativo y la experiencia laboral, lo cual sugiere que para la juventud de
Machala son más explicativas las condiciones de formación y de trayectoria laboral que
otras características sociodemográficas.
Se sugiere que la educación formal es importante para reducir las probabilidades de
entrar al sector informal, y se sugiere que género, experiencia laboral, ubicación y
estado civil podrían influir estadísticamente. Los resultados de la presente investigación
pretenden ser un aporte técnico a las entidades públicas, organismos locales y
tomadores de decisión que diseñan políticas de disminución de la informalidad laboral
en la ciudad de Machala. Estos resultados están en concordancia con estudios previos
realizados en Ecuador y América Latina. Con un análisis econométrico basado en los
datos de la ENEMDU, encuentran que la educación eleva de forma sostenida la
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.04 | Oct – Dic | 2026 | www.innovasciencejournal.omeditorial.com
12
Artículo Cientíco
empleabilidad en Ecuador al incrementar las posibilidades de acceder a puestos de
trabajo que requieren capacidades técnicas o educación profesional.
De forma análoga, Bayas-Morales y otros. (2026) determinan que la educación aumenta
considerablemente las oportunidades de conseguir un trabajo formal, mientras que León
Serrano y Ramírez Galeano (2026), en un estudio en Machala, reconocen el nivel
educativo como uno de los factores clave para entender la situación laboral juvenil.
También, Bichara da Silva et al. (2022) afirman que la inexperiencia dificulta la entrada
de los jóvenes al trabajo formal, resultado que coincide con los coeficientes negativos
encontrados en esta investigación.
No obstante, el descubrimiento del efecto negativo y considerable del género en la
probabilidad de informalidad, donde ser mujer se relaciona con menores probabilidades
que los hombres, contrasta con lo que señalan Florez-Vaquiro y Hincapié-Aldana (2025),
quienes encuentran que las jóvenes mujeres en Argentina, Brasil, Colombia y México
se enfrentan a condiciones laborales más inestables. Esta desigualdad se debe a las
características del mercado laboral de Machala, donde los jóvenes hombres son los que
más se dedican al comercio informal, al transporte y a la carga, actividades accesibles,
pero poco formalizadas.
Estos resultados evidencian la necesidad urgente de fortalecer políticas públicas que
mejoren la empleabilidad de los jóvenes, a través de políticas que aumenten del acceso
a la educación técnica y superior, el fomento de programas de capacitaciones y la
creación de mecanismos que faciliten la experiencia laboral, mediante pasantías o
incentivos para la contratación juvenil, lo cual provocaría el crecimiento económico del
país y de las ciudades. Desde el punto de vista metodológico, el modelo econométrico
mostró resultados favorables: el área bajo la curva ROC (AUC = 0,8182) indica una
capacidad discriminatoria adecuada, y la tabla de clasificación alcanzó una precisión
global del 79,33 %, métricas que respaldan la solidez estadística del modelo y aseguran
que las variables seleccionadas explican de forma apropiada la informalidad laboral
juvenil en Machala.
Los resultados obtenidos evidencian que la educación es el principal factor de
disminución de probabilidad de empleo informal en jóvenes machaleños, seguido de la
experiencia laboral, mientras que el hecho de tener dependientes económicos aumenta
la probabilidad de acceder a empleos informales, sobre todo, en el caso de los hombres.
Estos resultados aportan pruebas empíricas para conocer la informalidad laboral juvenil
local y recursos técnicos que pueden sustentar la formulación de estrategias
institucionales para mejorar el empleo formal y las oportunidades laborales de los
jóvenes.
5. Conclusiones
En conclusión, la educación es el factor clave para reducir la probabilidad de que los
jóvenes trabajen en la informalidad, cada nivel adicional de educación reduce la
probabilidad de que los jóvenes trabajen en la informalidad en aproximadamente 8,12
puntos porcentuales (dy/dx = -0,0812; p < 0,001), lo que confirma la hipótesis de la
investigación y da soporte a la teoría del capital humano como explicación del fenómeno.
Por otro lado, la experiencia laboral es el segundo factor protector más importante,
mayor experiencia laboral implica menor probabilidad de estar en un empleo informal en
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.04 | Oct – Dic | 2026 | www.innovasciencejournal.omeditorial.com
13
Artículo Cientíco
9,84 puntos porcentuales (dy/dx = -0,0984; p < 0,001) lo que nos muestra que la
educación y la experiencia son herramientas complementarias para acceder a empleos
formales con mejores beneficios laborales. La existencia de dependientes económicos
tiene un efecto positivo y significativo sobre la informalidad laboral, los jóvenes que
tienen obligaciones familiares tienen una mayor probabilidad de incorporarse al empleo
informal de alrededor de 17,64 puntos porcentuales (dy/dx = 0,1764; p < 0,001), efecto
que resulta significativo únicamente para los hombres (β = 1,587; p < 0,001) y no para
las mujeres (p = 0,133), lo que pone de manifiesto la necesidad de obtener ingresos de
forma inmediata para hacer frente a las obligaciones familiares.
Por último, cabe resaltar que el modelo econométrico tuvo un buen desempeño y
capacidad predictiva, ya que el área bajo la curva ROC alcanzó un valor de 0,8182 y la
matriz de clasificación tuvo una precisión global del 79,33 % (307 de 387 observaciones
fueron clasificadas correctamente), lo que respalda la confiabilidad de los hallazgos y
reafirma la necesidad de ampliar la cobertura de la educación técnica y superior,
promover la inserción laboral de los jóvenes con responsabilidades familiares y fomentar
la formalización de las actividades económicas en Machala, a través de la participación
coordinada de las instituciones públicas, los gobiernos locales, las universidades y el
sector productivo.
Referencias Bibliográficas
Arias-Gómez, J. (2022). El protocolo de investigación III: La población de estudio.
Revista Alergia México. https://www.redalyc.org/articulo.oa?id=486755023011
Armijos Orellana, A. C., Maldonado-Matute, J. M., Guerrero-Maxi, P. F., & González
Calle, M. J. (2022). Informalidad laboral y criminalidad juvenil en Latinoamérica y
Ecuador. Revista Ciencias Pedagógicas e Innovación, 10(2), 144–158.
https://doi.org/10.26423/rcpi.v10i2.597
Arredondo-Lezama, L. M., Villar-Andia, P., Tasayco-Peñaloza, A. A., & Castillo-
Quintero, E. (2023). Informalidad laboral: Un análisis integral de las causas y factores
que perpetúan su existencia. Revista Arbitrada Interdisciplinaria Koinonía, 8(1), 269–
286. https://doi.org/10.35381/r.k.v8i1.2785
Bayas-Morales, A. I., Herrera-Terán, D. D., Bayas-Zamora, A. A., & Bayas-Morales, I.
M. (2026). Educación, empleo e informalidad en Ecuador: Evidencia trimestral
(2020Q4–2025Q3) con modelos logit y efectos fijos. Revista Científica
Multidisciplinaria Arbitrada Yachasun, 10(18), 316–344.
https://doi.org/10.46296/yc.v10i18.0814
Becker, G. S., Casares, M., & Vergara, J. (1983). El capital humano: Un análisis teórico
y empírico referido fundamentalmente a la educación. Alianza Editorial.
Bernal Gómez, M. L. (2025). El empleo juvenil en Ecuador. Universidad Andina Simón
Bolívar. https://repositorio.uasb.edu.ec/items/6276438c-2d26-4dd2-8c33-
0c22df037f0e
Bustos Carpio, G. E., Pardo Asanza, F. A., & León Serrano, L. A. (2022). Machala:
Influencia de economía popular y solidaria en niveles de trabajo informal periodo
2020–2021. Espíritu Emprendedor TES, 6(3), 47–66.
https://doi.org/10.33970/eetes.v6.n3.2022.312
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.04 | Oct – Dic | 2026 | www.innovasciencejournal.omeditorial.com
14
Artículo Cientíco
Censo Ecuador. (2023). Resultados del Censo de Población y Vivienda 2022. Instituto
Nacional de Estadística y Censos. https://www.censoecuador.gob.ec/resultados-
censo/
Da Silva Bichara, J., Monsueto, S. E., & Lélis, M. T. C. (2022). La informalidad y la
duración del desempleo de los jóvenes en Latinoamérica: Especial referencia a
Ecuador. Revista de Economía Mundial. https://doi.org/10.33776/rem.v0i60.5470
Doeringer, P. B., & Piore, M. (1971). Internal labor markets and manpower analyses.
Heath Lexington Books.
Ferie-Jiménez, J. I., Fernández-Rodríguez, S. I., & Armijos-Tandazo, J. E. (2025).
Intrusismo profesional en el sector turístico-hotelero de Loja: Análisis a partir de una
encuesta estructurada. Innova Science Journal, 3(3), 587–597.
https://doi.org/10.63618/omd/isj/v3/n3/103
Florez-Vaquiro, N., & Hincapié-Aldana, L. A. (2025). Precariedad laboral y juventudes:
Los mercados de trabajo en Argentina, Brasil, Colombia y México. Íconos. Revista de
Ciencias Sociales, 81, 13–32. https://doi.org/10.17141/iconos.81.2025.6233
Giler Macías, S. M., Álava Rosado, D. F., & Mora Albán, V. E. (2025). Sector informal y
pobreza 2019–2023: Un análisis socioeconómico desde Ecuador. Revista InveCom,
5(1), 1–12. https://doi.org/10.5281/zenodo.10892442
Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, P. (2014).
Metodología de la investigación.
https://dialnet.unirioja.es/servlet/libro?codigo=775008
Instituto Nacional de Estadística y Censos. (2025a). Encuesta Nacional de Empleo,
Desempleo y Subempleo (ENEMDU): Indicadores laborales, I trimestre 2025.
https://www.ecuadorencifras.gob.ec/documentos/web-
inec/EMPLEO/2025/Trimestre_I/2025_I_Trimestre_Mercado_Laboral.pdf
Instituto Nacional de Estadística y Censos. (2025b). Estadísticas laborales ENEMDU.
https://www.ecuadorencifras.gob.ec/estadisticas-laborales-enemdu/
León Serrano, L. A., & Ramírez Galeano, A. (2026). Desempleo de la población juvenil
en el sector Corralitos, cantón Machala. Ciencia y Educación, 7(5), 13–23.
https://doi.org/10.5281/zenodo.20030508
Mezones Espinoza, M. A., Jimbo Chuquimarca, R. L., Mora Coello, R. A., Garzón
Montealegre, V. J., & Elizalde Orellana, M. V. (2025). Análisis de las variables
socioeconómicas que afectan a los trabajadores informales del cantón Huaquillas.
Revista InveCom, 5(2), 1–12. https://doi.org/10.5281/zenodo.12740621
Organización Internacional del Trabajo. (2025a). Jóvenes y trabajo en América Latina:
Cifras, factores estructurales y políticas.
https://www.ilo.org/es/resource/articulo/jovenes-y-trabajo-en-america-latina-cifras-
factores-estructurales-y
Organización Internacional del Trabajo. (2025b). Jóvenes en el mercado laboral: Entre
la informalidad y la falta de oportunidades.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.04 | Oct – Dic | 2026 | www.innovasciencejournal.omeditorial.com
15
Artículo Cientíco
https://www.ilo.org/es/resource/news/jovenes-entre-informalidad-y-falta-de-
oportunidades
Perry, G. E., Maloney, W. F., Arias, O. S., Fajnzylber, P., Mason, A. D., & Saavedra-
Chanduvi, J. (2007). Informalidad: Escape y exclusión. Banco Mundial.
https://documentos.bancomundial.org/es/publication/documents-
reports/documentdetail/889371468313790669
Salazar, R. (2022). Muestreo estadístico: Tipos, cálculo de tamaño de muestra.
ResearchGate.
https://www.researchgate.net/publication/379082656_Muestreo_estadistico_Tipos_c
alculo_de_muestra
Zambrano-Cedeño, J. I., & Barcia-Zambrano, I. A. (2023). La influencia del
emprendimiento en el crecimiento económico mediante un estudio bibliográfico.
Innova Science Journal, 1(2), 49–60. https://doi.org/10.63618/omd/isj/v1/n2/16
CONFLICTO DE INTERESES
“Los autores declaran no tener ningún conflicto de intereses”.
