Trabajo Infantil. Estudio de opinión pública en el Perú, 2007

54
t r a b a j o i n fa n t i l e s t u d i o d e o p i n i ó n p ú b l i c a e n e l p e r ú . . . . . . . . . . . . .
Como parte del análisis, se construyó un conjunto de modelos de regresión múltiple
para representar la relación entre las diferentes variables que se han venido
analizando y el índice de posición del entrevistado respecto de las consecuencias del
trabajo infantil como variable dependiente (PCTI).
Como parte del análisis, se construyeron un conjunto de modelos de regresión
múltiple para representar la relación entre las diferentes variables que se han
venido analizando y el índice de percepción respecto de las consecuencias del
trabajo infantil como variable dependiente, el resultado se muestra en la tabla
1.28 Las variables independientes que presentan coeficientes positivos son: el nivel
socioeconómico, 19 el nivel educativo, la edad, el sexo (1=mujer, 0=hombre), la edad a
la que el entrevistado empezó a trabajar, si el entrevistado considera que el trabajo
es un sacrificio (1=sí, 0=otra opción), si el entrevistado justificaría que su hijo menor
de 14 años trabaje (1=no, 0=sí) y el dominio de residencia. En el análisis de regresión
se incluyeron los índices de visibilidad del trabajo infantil pero sus coeficientes de
regresión resultaron no ser significativos. 20
En total se calcularon cuatro modelos. En los modelos A y B se incluyó como variable
dependiente el nivel socioeconómico, mientras que en los C y D se tomó en cuenta
el nivel educativo. La razón para no incluir ambas variables en el mismo modelo
fue que el nivel educativo es una de las variables que se emplea para el cálculo del
nivel socioeconómico. Tener las dos variables juntas habría provocado problemas de
multicolinearidad.
19
El indicador de nivel socioeconómico usado en este análisis es el índice que suma los puntajes de las
variables y que varía entre 0 y 19, donde 0 es el nivel más bajo (E inferior) y 19 el más alto (A superior).
20
Un modelo de regresión múltiple representa cómo están relacionadas un conjunto de variables independientes
o explicativas (llamadas variables X) con una variable dependiente o que se presente explicar (llamada
variable Y), en nuestro caso el PCTI. Los coeficientes de regresión que están en las filas correspondientes
a las variables independientes se llaman «coeficientes b» o genéricamente «coeficientes de regresión», e
indican el cambio que se espera que se produzca en Y cuando X varía en una unidad. Por ejemplo, si nos
fijamos en el modelo de regresión «A», si la edad del entrevistado aumenta en 1 año, se esperaría que el
PCTI aumente en 0,001 unidades; por otro lado si el entrevistado es mujer (mujer=1, hombre=0) se espera
que el PCTI disminuya en 0,023 unidades. Ello nos permite afirmar que entre los entrevistados de mayor
edad la tendencia es que el PCTI sea más alto, mientras que entre las mujeres lo que se espera es que
el PCTI sea más bajo que entre los hombres. La significancia del coeficiente, marcada por los asteriscos
(*) tiene que ver con el error estándar que está entre paréntesis debajo de cada coeficiente. Se dice que
un coeficiente es significativo cuando existe una débil probabilidad (por lo general menos de 5%) de que
el valor del mismo sea producto del azar vinculado con el error muestral. Los coeficientes que uno busca
retener como relevantes para el análisis son los que llegan a ser significativos. Finalmente otro estadístico
en el análisis de regresión múltiple es el R 2 , que indica la «bondad de ajuste» del modelo, es decir qué tan
cercana a la realidad es la representación de la misma que nos da el modelo de regresión (a fin de cuentas
la estadística es una herramienta para representar la realidad, no la realidad misma). R 2 varía de 0 a 1,