En este artículo estimamos la magnitud probable de los cambios en la distribución del ingreso, la pobreza y la pobreza extrema del país en las áreas metropolitanas del Valle de México, Guadalajara y Monterrey, así como en la Ciudad de México, de acuerdo con diferentes hipótesis de conducta del ingreso laboral basadas en información disponible hasta el inicio de la pandemia y que consideran los cierres de actividades llamadas no esenciales y el impacto de éstos en ocupaciones específicas. La pandemia apareció en el contexto de un incipiente proceso de aumento en los salarios reales y en el empleo iniciado en 2019; nuestros resultados muestran que el freno en las actividades derivado de la emergencia sanitaria, tanto en México como en el mundo, provocó el aumento de la pobreza y la extrema pobreza, además del crecimiento de la desigualdad medida por el índice de Gini.

No abstract

Esta investigación se enfoca en los empleos con condiciones laborales de precariedad extrema, que se identifican por estar en la línea de pobreza extrema por sus ingresos precarios y por ser heterogéneos con respecto a cinco condiciones adicionales de precariedad laboral: sin sindicato, jornada precaria, sin prestaciones, sin seguridad social y contrato precario. Con el objetivo de analizar la heterogeneidad se utilizó una metodología de grupos para identificar niveles y subniveles, ordenados numéricamente de menor a mayor precariedad laboral extrema. También se estimaron modelos probit-pool ordenados por niveles y subniveles de precariedad laboral extrema, explicados por un conjunto de variables del mercado laboral y de contexto, con el objetivo de elaborar simulaciones para medir los efectos marginales en los cambios en la probabilidad de ocurrencia, por nivel y subnivel de precariedad laboral extrema. Los resultados más importantes muestran que los empleos con precariedad extrema alcanzaron a 2.6 millones de trabajadores en 2018; su comportamiento se vincula con el desempleo en México, y las condiciones de precariedad laboral extrema con mayor probabilidad de ocurrencia sucedieron con ingresos precarios extremos, contrato y jornada precaria, y sin seguridad social. 

Our aim is to evaluate the efficiency of tourist destinations at a global scale, considering 140 countries and drawing on World Economic Forum 2019 data. The approach follows three stages. First, we try to solve the problem of sample heterogeneity through cluster analysis to obtain homogeneous groups of countries. Second, we apply data envelopment analysis to evaluate countries’ efficiency as tourist destinations, considering a territorially based virtual production function which optimizes the flow of revenue from international tourism grounded on a set of inputs such as accommodation capacity, employment of tourist sector and volume of tourist arrivals. Finally, we identify which external factors might determine tourism efficiency by using bootstrap truncated regression analysis. We obtain two groups of countries which evidence differential levels of competitiveness. Rather than natural resources, cultural heritage in a broad sense seems to act as factor that enhances tourism efficiency.

No abstract