Los  Determinantes  de  la  Duración  de  Licencias  Médicas  en  Chile:  Evidencia  desde  FONASA  
 
 
 
Jean  Sepúlveda1,  Rodrigo  Castro2,  Liliana  Jadue3  
 
 
 
Abstract  
 
El  uso  y  abuso  de  las  licencias  médicas  ha  estado  sometido  a  una  amplia  discusión  en  el  
debate  público  chileno  en  elñ  último  tiempo,  debido  principalmente  a  los  grandes  costos  
que   éstas   significan   y   a   los   posibles   incentivos   perversos   que   puede   generar   un   marco  
regulatorio   inadecuado.   El   actual   marco   regulatorio   para   el   otorgamiento   de   licencias  
médicas  ha  generado  incentivos  perversos  en  el  sentido  que  estos  subsidios  de  salud  han  
estado   permeables   a   los   fraudes.   En   la   práctica,   como   en   todo   seguro,   el   sistema   se  
enfrenta  a  los  problemas  de  selección  adversa  y  riesgo  moral  que  encarecen  la  operación  
del  sistema  de  subsidios  por  incapacidad  laboral.    
El  presente  estudio  utiliza  la  base  de  datos  de  todas  las  licencias  médicas  que  se  otorgaron  
a  trabajadores  afiliados  a  FONASA,  en  Chile  durante  los  años  2010,  2011  y  2012.  Se  estimo  
un   modelo   para   determinar   cómo   una   serie   de   variables   afecta   a   la   duración   de   las  
licencias   médicas.   Se   descartaron   las   licencias   médicas   asociadas   a   la   maternidad   por  
responder   a   una   naturaleza   distinta   a   las   licencias   por   enfermedades   no   laborales.   Se  
usaron  dos  metodologías,  el  modelo  de  riesgo  proporcional  de  Cox  y  un  modelo  Logístico  
Ordenado.  Los  resultados  muestran  que,  una  vez  que  se  controla  por  la  enfermedad  que  
da   origen   a   la   licencia,   las   mujeres   tienen   licencias   médicas   con   una   menor   duración  
esperada,  que  en  aquellos  sectores  y  ocupaciones  con  mayores  ingresos,  la  probabilidad  
de   tener   licencias   largas   es   menor   y   que   a   mayores   tasas   de   desempleo   mayor   es   la  
probabilidad   de   tener   licencias   mas   duraderas.   Al   respecto,   se   interactuó   la   variable  
desempleo   con   el   indicador   de   enfermedades   del   sistema   nervioso   y   se   obtiene   que   en  
periodos   en   que   aumenta   la   tasa   de   desempleo,   las   licencias   por   enfermedades   como  
estrés  tienen  una  menor  probabilidad  de  extenderse  en  el  tiempo,  es  decir  tienden  a  ser  
más  cortas  que  en  periodos  de  bajo  desempleo.  Los  resultados  muestran  además  que  los  
trabajadores   del   sector   público   tienen   una   menor   probabilidad   de   tener   licencias   largas.  
Finalmente,  la  probabilidad  de  tener  licencias  largas  es  menor  el  año  2012  en  relación  al  
2010  y  2011  
 
 
 
 
                                                                                                               
1
Facultad de Economía y Negocios, Universidad del Desarrollo
2
Genesis Consultores
3
Facultad de Medicina CAS Universidad del Desarrollo
Introducción  
 
El  uso  y  abuso  de  las  licencias  médicas  ha  estado  sometido  a  una  amplia  discusión  en  el  
debate   público   chileno   en   el   último   tiempo,   debido   principalmente   a   los   grandes   costos  
que   éstas   significan   y   a   los   posibles   incentivos   perversos   que   puede   generar   un   marco  
regulatorio  inadecuado.  
 
Datos   de   la   Superintendencia   de   Salud   muestran   que   el   gasto   en   licencias   (común   o  
curativa,   reposo   maternal   y   enfermedad   grave   de   hijo   menor   de   un   año)   ascendió   a  
$758.344   millones   en   el   año   2009,   cifra   que   presentó   un   aumento   de   un   109%   con  
respecto   al   año   2001.   Esto   corresponde   a   una   tasa   compuesta   promedio   de   9.7%   de  
crecimiento  anual.    
 
En  el  año  2009  las  licencias  médicas  comunes  o  curativas  representan  un  73%  del  total  del  
gasto  en  licencias  médicas,  mientras  que  en  el  2001  estas  alcanzaban  un  69%  del  total  del  
gasto   en   subsidios   por   incapacidad   laboral.   Pezoa   (2010)   muestra   que   el   gasto   en  
subsidios   por   licencias   médicas   curativas   crece   120,1%   entre   los   años   2001   y   2009.   Lo  
anterior  se  desagrega  en  un  crecimiento  de  221,8%  en  FONASA    y  en  un  crecimiento  de  
45,8%  en  el  sistema  ISAPRE.  En  el  año  2009  FONASA  absorbe  el  61,7%  del  gasto  país  en  
licencias  curativas,  sin  embargo,  cabe  hacer  notar  que  en  el  mismo  periodo  el  número  de  
cotizantes   en   FONASA   aumenta   un   47,4%,   mientras   que   en   el   sistema   ISAPRE   estos  
aumentan  un  0,1%.    
 
El   actual   marco   regulatorio   para   el   otorgamiento   de   licencias   médicas   ha   generado  
incentivos  perversos  en  el  sentido  que  estos  subsidios  de  salud  han  estado  permeables  a  
los  fraudes  En  la  práctica,  como  en  todo  seguro,  el  sistema  se  enfrenta  a  un  problema  de  
Selección  Adversa  y  de  Riesgo  Moral    que  encarecen  la  operación  del  sistema  de  subsidios  
por   incapacidad   laboral.4  Asimismo,   cabe   destacar   que   el   otorgamiento   de   una   licencia  
médica   es   un   acto   muchas   veces   discrecional,   que   no   se   rige   necesariamente   por  
protocolos   médicos   o   pautas   objetivas,   lo   cual   se   acentúa   en   trastornos   asociados   a   la  
esfera   de   la   salud   mental,   cuya   evolución   tiene   mayor   variabilidad   que   otras  
enfermedades.    
 
Basta   señalar   que   al   evaluar   el   problema   de   sobreutilización   de   estos   subsidios   y   el  
consecuente  sobregasto  no  se  busca  desconocer  los  méritos  que  justifican  la  existencia  de  
un  seguro  de  incapacidad  laboral.  En  efecto,  este  subsidio  permite  el  debido  reposo  y  una  
adecuada  recuperación  por  enfermedades  curativas,  y  la  protección  y  disminución  de  los  
riesgos  de  salud  de  la  madre  trabajadora  y  del  niño  menor  de  un  año.  
 

                                                                                                               
4
En este contexto, Selección Adversa se refiere a que aquellos más enfermizos están más dispuestos a cotizar en el
sistema, mientras que Riesgo Moral describe la situación en que una persona que goza de buena salud y que cotiza
en el sistema puede tener un incentivo a solicitar licencias médicas ya que el sistema se las paga.
Importa   destacar   que   en   Chile   este   subsidio   cuenta   con   una   cobertura   del   100%   de   la  
remuneración  imponible  del  trabajador,  con  un  tope  de  70,3  UF5     y  con  un  deducible  de  
tres  días,  que  desaparece  cuando  la  licencia  es  de  más  de  diez  días.  Para  los  trabajadores  
del  sector  público  no  existe  deducible,  es  decir  se  paga  la  licencia  desde  el  primer  día.    
El  caso  de  las  licencias  maternales  y  la  protección  del  hijo  menor  de  un  año  cuentan  con  su  
propio   marco   regulatorio   y   un   mecanismo   de   financiamiento   diferente,   con   garantía   del  
estado,  por  lo  cual  su  evolución  ha  sido  diferente  de  las  licencias  por  enfermedad  común.  
 
Al   comparar   con   otros   países,   se   encuentra   que   el   régimen   de   licencias   médicas  
generalmente  consiste  en  el  pago  de  un  50%  a  75%  del  ingreso  promedio  del  trabajo  de  
los  meses  anteriores,  con  un  tope  para  los  beneficios.  El  tiempo  que  se  puede  obtener  el  
beneficio   se   limita   generalmente   a   26   semanas   en   un   año   por   una   misma   enfermedad,  
para  pasar  a  recibir  un  subsidio  por  discapacidad  (permanente)  si  la  enfermedad  continúa.  
Así  por  ejemplo,  en  Italia,  el  seguro  reembolsa  sólo  un  50%  del  salario  desde  el  día  4  al  20,  
y   luego   un   66,6%   hasta   los   180   días.   En   España   se   financia   el   60%   del   ingreso   del  
trabajador   a   partir  del   cuarto  día,   y  sólo  en  caso  que  esta  licencia  exceda  los  20  días,   el  
financiamiento  aumenta  a  un  75%  de  la  remuneración.  El  caso  mexicano  es  similar,  ya  que  
el  financiamiento  de  las  licencias  médicas  es  por  un  60%  de  la  remuneración  a  partir  del  
cuarto  día.  La  comparación  con  países  desarrollados  debe  tomar  en  cuenta  que  el  menor  
subsidio   de   las   remuneraciones   (60%   de   otros   países   contra   100%   de   Chile)   en   caso   de  
enfermedad   de   sus   trabajadores   es   compensado   por   un   elevado   financiamiento   de   las  
prestaciones  de  salud.  La  experiencia  internacional  muestra  que  las  licencias  médicas  son  
muy   sensibles   a   reducciones   en   el   porcentaje   de   reembolso   de   las   mismas,   es   decir,   las  
rebajas   en   esta   cobertura   repercuten   en   un   menor   número   de   licencias   médicas.   En   el  
caso  de  Suecia,  en  1991  se  rebajaron  los  reembolsos  para  todo  tipo  de  licencias  médicas,  y  
la  respuesta  fue  una  reducción  de  un  23%  en  el  número  de  licencias  médicas  (Brostrom  et  
al.   (1998)   y   Cassel   et   al.   (1996)).   En   la   misma   línea,   simulaciones   basadas   en   el   alza   del  
subsidio   de   ausentismo   laboral   por   enfermedad,   para   dos   estados   de   Estados   Unidos,  
muestra  diferencias  en  el  promedio  de  días  perdidos  por  ausentismo  de  hasta  un  63%  y  
diferencias   en   el   promedio   de   duración   de   licencias   por   enfermedades   similares   de   66%  
(Gilleskie,   1998).   Asimismo,   Meyer   (2005)   estima   elasticidades   tiempo   ausente   laboral  
respecto   a   beneficios   de   0.3   a   0.4.   Esto   deja   en   evidencia   que   el   sistema   chileno   tiene  
mayor   cobertura   que   los   casos   mencionados   anteriormente   y   por   tanto   podría   existir  
espacio  para  modificar  el  régimen  de  licencias  médicas.  
La   reforma   al   sistema   de   licencias   médicas   en   Alemania   durante   1996   implicó   ahorros  
aproximados   de     1.5   Billones   de   euros   por   costos   laborales   directos   e   indirectos   en   la  
disminución   de   las   ausencias.   Estimaciones   respecto   a   la   misma   reforma   señalan   la  
creación  de  50.000  nuevos  empleos  (ver  Ziebarth  et  al.,  2009).  
Estudios   realizados   en   Noruega   indican   que   variables   externas,   relativas   al   ciclo  
económico,   tienen   un   efecto   sustancial   en   el   comportamiento   de   trabajadores,  
especialmente   a   lo   que   se   refiere   a   tasas   de   solicitud   de   licencias   médicas   o   de  

                                                                                                               
5
Al año 2013.
recuperación,   por   ejemplo,   en   tiempos   de   contracción   económica   se   registran   menores  
tasas  de  recuperación  y  mayores  tasas  de  recaída  (Askildsen  et  al.,  2005)  
Estudios  en  el  mismo  país  sobre  la  evolución  de  las  tasas  de  recuperación    (fin  del  pago  de  
subsidio  por  enfermedad)  muestran  que  estas  aumentan  al  momento  de  cumplirse  el  fin  
de  los  beneficios  (Nordberg,  2003).  
Un   análisis   de   correlación   simple   muestra   una   relación   positiva   entre   la   generosidad   del  
subsidio   de   licencia   médica   y   los   días   de   ausencia.   Asimismo   se   encuentra   una   correlación  
positiva   entre   las   diferencias   de   ingreso   de   países   vecinos   y   días   de   licencias,   debido   al  
incentivo   de   buscar   trabajo   en   el   mercado   negro   del   país   con   más   ingreso,   mientras   se  
continúa  recibiendo  el  subsidio  en  el  país  de  origen  (Osterkamp,  2005).  
 
A   la   luz   de   estos   antecedentes,   creemos   que   resulta   necesario   explicar   la   duración     de  
licencias  médicas  en  términos  de  atributos  distintos  a  la  enfermedad  que  da  origen  a  esta.  
Entender   dicha   función   (duración   de   una   licencia   médica)       permitiría   identificar  
potenciales   incentivos   a   la   solicitud   de   una   licencia   médica   y   por   lo     tanto   desarrollar  
estrategias  que  permitan  la  reducción  de  las  mismas,  liberando,  de  esta  forma,  recursos  
que  podrían  usarse  en  mejorar  la  calidad  de  las  prestaciones  de  salud  especialmente  en  el  
sector  público.    
 
El   estudio   propuesto   permitirá   determinar   cuáles   son   las   variables   que   explican   la  
duración   de   una   licencia,   a   diferencia   de   Beteta   y   Willington   (2010)   que   determina   las  
variables   que   explican   la   solicitud   de   una   licencia   médica.   El   análisis   se   realizara   en   2  
partes.   En   primer   lugar   se   estudiará   cuáles   son   las   variables   que   ayudan   a   explicar   la  
probabilidad   de   que,   dado   que   a   una   persona   se   le   ha   aceptado   una   licencia   médica   en   el  
sistema   FONASA,   ésta   sea   de   3   días   o   menos,   de   entre   4   y   10   días   o   de   más   de   10   días.   Es  
decir,   se   analiza   duración   en   intervalos.   Esto   se   llevara   a   cabo   mediante   un   análisis   de  
regresión  del  tipo  Logistico  Ordenado.  
En   segundo   lugar   se   estudiará   cuáles   son   las   variables   que   ayudan   a   explicar   la  
probabilidad  que,  dado  que  una  licencia  médica  ha  sido  aceptada  en  el  sistema  FONASA,  
ésta  se  extienda  por  un  día  adicional.  Para  esto  se  utilizará  un  análisis  de  duración  del  tipo  
Cox.  
 
 
Este   análisis   hará   un   aporte   al   establecer   los   efectos   sobre   la   probabilidad   de   duración   de  
licencias   médicas   en   el   sistema   FONASA   de   variables   como   sector   productivo   en   que  
laboral  el  trabajador,  etapa  en  el  ciclo  económico  (desempleo,  crecimiento  del  PIB)  en  que  
se   encuentra   el   país   al   momento   de   la   licencia   médica   y   región   de   residencia   del  
trabajador.  Dichas  variables  nunca  han  sido  estudiadas  para  Chile.  Esto  además  de  incluir  
las  variables  género,  edad  y  tipo  de  enfermedad  por  la  que  se  genera  la  licencia  médica.    
 
Este   estudio   representa   un   aporte   respecto   a   estudios   previos.   En   efecto,   este  
complementa  el  estudio  de  Beteta  y  Willingtom  (2010)  ya  que  mientras  ellos  estudian  la  
solicitud   de   licencias   utilizando   datos   de   una   encuesta   a   360   cotizantes   del   sistema   de  
salud  en  Santiago,  nuestro  estudia  la  duración  de  una  licencia  utilizando  la  información  de  
todas  las  licencias  otorgadas  a  cotizantes  (sin  identificación)  del  sistema  FONASA  durante  
el   periodo   2010-­‐2012   en   todas   las   regiones   del   país,   esto   corresponde   a   mas   de   10  
millones  de  observaciones  lo  que  le  da  robustez  a  los  resultados.  
La   importancia   del   estudio   radica   en   que   los   resultados   permitirán   tomar   decisiones   de  
política  pública  respecto  a  por  ejemplo  una  eventual  modificación  del  marco  regulatorio  
actual   (deducibles)   como   una   forma   de   desincentivar   el   uso   inadecuado   de   licencias  
extensas.  Su  impacto  es  a  nivel  nacional.    
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Revisión  de  la  literatura  
 
La   literatura   nacional   e   internacional   sobre   ausentismo   laboral   por   enfermedades   no  
asociadas   al   trabajo   es   escasa.   A   nivel   teórico   Allen   (1981)   desarrolla   un   modelo   que  
testea   con   datos   de   los   Estados   Unidos   y   encuentra   que   la   probabilidad   de   ausentarse   del  
trabajo  disminuye  con  el  ingreso  y  la  edad.      
A   nivel   empírico,   Ziebarth   et   al.   (2009)   estudia   los   efectos   de   la   reforma   al   sistema   de  
seguros   por   licencias   médicas   en   Alemania   y   encuentran   que   la   rebaja   en   la   cobertura  
desde   un   100%   hasta   un   80%   del   ingreso   mensual   generó   ahorros   por   cerca   de   1.5  
Billones   de   euros   por   costos   laborales   directos   e   indirectos   debido   a   la   disminución   de   las  
ausencias   laborales.   Askildsen   et   al.   (2005)   estudia   la   relación   entre   el   ciclo   económico  
noruego   y   el   nivel   de   ausencias   laborales   y   reporta   caídas   en   los   niveles   de   ausentismo  
cuando  aumenta  el  desempleo.  
Martínez  (1999)  estudia  las  variables  que  afectan  el  pedir  licencia  médica  en  Chile  con  una  
muestra  de  864  individuos  de  una  institución  de  salud  privada  en  el  año  1998  y  encuentra  
que  a  mayor  edad  e  ingreso  cae  la  probabilidad  de  pedir  licencia  médica.  Dicho  estudio  no  
investiga   la   duración   de   las   licencias   médicas   y   se   centra   sólo   en   datos   de   una   ISAPRE.  
Rodríguez  y  Tokman  (2001)  describen  el  sistema  Chileno  y  muestran  su  evolución  a  nivel  
agregado.   Castro   y   Sepúlveda   (2009)   estudian   los   determinantes   del   uso   y   duración   de  
licencias   médicas   en   Chile   en   base   a   datos   de   las   dos   más   grandes     ISAPRES   Chilenas   y  
encuentran,   que   la   probabilidad   de   uso   y   duración   de   una   licencia   aumenta   si   el  
trabajador   es   mujer   y   a   mayor   edad,   aunque   el   efecto   de   la   edad   sobre   dichas  
probabilidades  es  cuadrático.  Además  encuentran  que  la  probabilidad  de  uso  y  duración  
de   una   licencia   cae   cuando   aumenta   el   ingreso   mensual   del   trabajador   y   dicha   caída   es  
muy   pronunciada   cuando   el   trabajador   obtiene   60UF 6  o   más   de   ingreso   mensual.  
Finalmente  encuentran  que  aumentos  en  la  tasa  de  desempleo  hace  caer  la  probabilidad  
de   uso   y   duración   de   licencias   médicas   y   que   una   mayor   tasa   de   crecimiento   del   Producto  
Interno  Bruto  (PIB)  hace  aumentar  la  probabilidad  de  uso  y  duración  de  licencias  médicas.    
Beteta   y   Willington   (2010)   realizan   una   encuesta   a   360   cotizantes   del   sistema   de   salud   en  
la   ciudad   de   Santiago   para   determinar   las   variables   que   explican   la   solicitud   de   una  
licencia  médica  y  encuentran,  entre  varios  resultados,  que  trabajadores  satisfechos  en  su  
trabajo   hacen   menor   uso   de   licencias   médicas,   que   las   mujeres   con   hijos   menores   de   3  
años   presentan   más   licencias   médicas   y   que   quienes   perciben   tener   buena   salud   hacen  
menor   uso   de   licencias   médicas.   Aunque   interesante,   este   estudio   se   basa   en   las  
respuestas   a   una   encuesta   y   las   personas   pudieran   elegir   no   reportar   fielmente   su  
realidad.  Este  estudio  además  no  posee  variables  de  ingreso  y  del  ciclo  económico.  En  las  
variables   en   que   coincide   con   Castro   y   Sepúlveda   (2009),   los   resultados   son  
cualitativamente  similares.      
En   un   estudio   reciente   Miranda,   Alvarado   y   Kaufman   (2012)   exploran   las   principales  
características   de   la   duración   de   las   licencias   médicas   por   “trastornos   mentales   y   del  
comportamiento”  en  el  sistema  FONASA  durante  el  2008  y  muestran,  entre  otros  datos,  

                                                                                                               
6
60 UF era el tope de subsidio por incapacidad laboral en el año 2009.
que   la   edad   promedio   de   los   beneficiados   con   este   tipo   de   licencias   es   de   36,9   años   y   que  
las  mujeres  reciben  cinco  veces  más  licencias  de  este  tipo  que  los  hombres  en  dicho  año.  
 
Datos  
 
FONASA  facilitó  una  base  de  datos  con  10.188.362  observaciones  que  corresponden  al  
total  de  licencias  médicas  otorgadas  y  procesadas  desde  Enero  del  2010  a  Diciembre  del  
2012.  Con  esta  base  de  datos  y  otras  fuentes  se  construyen  las  variables  a  utilizar  en  este  
estudio.  La  tabla  1  a  continuación  muestra  las  variables  utilizadas  en  el  estudio.    
 
Tabla  1:  Descripción  de  variables  utilizadas  en  el  estudio.  
 
Variable   Descripción   Fuente   Observación  
Genero   Corresponde  al  genero  de   A  partir  de  esta  
la  persona  a  la  cual  se  le   información  se  construye  
otorga  la  licencia  médica.   la  variable  binaria  Mujer  
FONASA   que  toma  valor  1  si  la  
persona  a  la  que  se  le  
otorga  la  licencia  es  mujer  
y  0  si  no.  
Edad   Edad  en  años  del    
FONASA  
cotizante.  
Tipo  de  Licencia   Identifica  el  tipo  de  la  
licencia  de  entre  una  de  las  
7  siguientes  categorías:  
enfermedad  o  accidente  
No  se  utilizan  en  el  
no  del  trabajo,  prorroga  
estudio  las  licencias  
medicina  preventiva,  
FONASA   maternales  y  las  licencias  
licencia  maternal,  
por  enfermedad  grave  
enfermedad  grave  hijo  
hijo  menor  de  1  año.  
menor  de  1  año,  accidente  
del  trabajo,  enfermedad  
profesional  y  patologías  
del  embarazo.    
Fecha  de  Emisión   Fecha  en  que  se  otorga  la  
FONASA    
licencia.  
Días  Otorgados   Número  de  días  otorgados   Esta  es  la  variable  
en  la  licencia.   utilizada  para  el  modelo  
de  sobrevivencia  y  a  partir  
de  esta  variable  se  
FONASA  
construye  la  variable  
dependiente  para  el  
modelo  logístico.  
 
Tipo  de  Reposo   Puede  ser  reposo  total  o  
FONASA    
reposo  parcial.  
Profesión  Prestador   Identifica  la  profesión  de  
quien  emite  la  licencia.  
FONASA    
Puede  ser  médico,  dentista  
o  matrona.  
Código  del  Diagnostico   Código  CEI-­‐10  que   La  base  contiene  los  3  
identifica  la  enfermedad   primeros  dígitos  del  
que  causa  la  licencia.   código  con  lo  que  se  
FONASA  
identifican  los  22  
capítulos  de  
enfermedades.  
Actividad  Laboral   Describe  el  sector   A  partir  de  esta  variable  
económico  en  el  que  se   se  crean  variables  binarias  
FONASA  
desempeña  el  trabajador.     para  describir  10  sectores  
económicos.  
Ocupación   Describe  la  ocupación  del   A  partir  de  esta  variable  
trabajador  de  entre  20   se  crean  variables  binarias  
FONASA  
posibles  opciones.  Algunas   para  describir  9  posibles  
son  redundantes.   ocupaciones.  
Calidad  Trabajador   Clasifica  al  trabajador  en    
una  de  las  4  opciones  
siguientes:  trabajador  
sector  público,  trabajador  
sector  público  no  afecto  a   FONASA  
ley  18834/89,  trabajador  
dependiente  sector  
privado  y  trabajador  
independiente.  
Región   Variable  que  permite    
identificar  la  región  en  la  
FONASA  
cual  fue  presentada  la  
licencia  médica.  
Duración   Variable  que  toma  valor:  0  
si  la  licencia  es  otorgada   Corresponde  a  la  variable  
por  3  días  o  menos,  1  si  es   Construida  a  partir   dependiente  en  el  modelo  
otorgada  por  más  de  3  días   de  la  variable  Días   Logístico  Ordenado  que  se  
y  hasta  10  días,  y  2  si  es   Otorgados.   presenta  en  la  
otorgada  por  más  de  10   metodología.  
días.  
Tasa  de  Desempleo   Tasa  mensual  de    
INE  
desempleo  regional  
 
La  tabla  2  muestra  la  distribución  de  las  observaciones  por  año,  se  observa  que  cada  año  
aporta  aproximadamente  un  tercio  del  total.  La  tasa  de  crecimiento  compuesta  de  las  
licencias,  a  través  de  FONASA,  es  de  1,28%  anual.    
 
Tabla  2:  Licencias  Médicas  otorgadas  a  través  de  FONASA,  por  año.  
Año   Frecuencia   Proporción  %   Prop.  Acum  %.  
       
2010   3,337,919   32.76   32.76  
2011   3,382,097   33.2   65.96  
2012   3,468,346   34.04   100  
       
Total   10,188,362   100    
  
La  tabla  3  presenta  el  total  de  licencias  por  tipo  de  enfermedad  que  la  genera.  Este  
estudio  centrará  su  análisis  en  las  licencias  que  se  originan  por  enfermedad  o  accidente  no  
del  trabajo.    
 
Tabla  3:  Desglose  de  Licencias  FONASA,  por  Enfermedad  que  la  genera  en  el  periodo  2010-­‐
2012  
Tipo  de  Licencia   Frecuencia   Proporción  %   Prop.  Acum.  %  
ENFERMEDAD  O  ACCIDENTE  NO  DEL  TRABAJO   8,391,174   82.36   82.36  
PRORROGA  MEDICINA  PREVENTIVA   1,151   0.01   82.37  
LICENCIA  MATERNAL   463,110   4.55   86.92  
ENFERMEDAD  GRAVE  HIJO  MENOR  DE  1  AÑO   768,116   7.54   94.46  
ACCIDENTE  DEL  TRABAJO   127,855   1.25   95.71  
ENFERMEDAD  PROFESIONAL   10,596   0.1   95.82  
PATOLOGIAS  DEL  EMBARAZO   426,360   4.18   100  
       
Total   10,188,362   100    
 
 
 
Metodología  
 
Se  utilizan  dos  métodos  complementarios.  En  primer  lugar  se  realiza  un  análisis  de  
sobrevivencia  para  explicar  la  duración,  en  días,  de  la  licencia  médica.  Aquí  la  variable  de  
duración  corresponde  a  los  días  por  los  cuales  el  profesional  emitió  la  licencia  médica.    
Cuando   se   realiza   un   análisis   de   duración   donde   intervienen   varias   variables   explicativas   y  
en  particular  cuando  más  de  alguna  de  estas  es  continua,  es  común  utilizar  una     Regresión  
Cox   (Rabe-­‐Hesketh  and  Everitt,  2004).  La  función  de  riesgo  mide  la  probabilidad  de  que  un  
individuo   ‘falle’   en   un   determinado   momento,   dado   que   ha   ‘sobrevivido’   hasta   ese  
momento.   En   este   caso,   la   probabilidad   de   que   termine   la   licencia   el   día   t,   dado   que   ya  
cumple  t  días  de  licencia.  En  éste  se  toma  como  referencia  una  función  o  tasa  de  riesgo,  
que  corresponde  a  la  del  individuo  promedio  o  representativo.  Este  modelo  se  formula  en  
términos   de   la   tasa   de   riesgo,   condicionado   en   ciertas   variables.   Es   importante   recordar  
que   la   tasa   de   riesgo   no   representa   una   probabilidad   verdadera   ya   que   ésta   puede   ser  
mayor  a  1.    
En  este  análisis,  los  coeficientes  se  interpretan  como  cambios  proporcionales  de  la  función  
respecto   a   la   referencia.   Esta   referencia   en   cada   variable,   sería   aquella   categoría   que  
tenga  un  coeficiente  igual  a  1.  Los  coeficientes  del  resto  de  las  categorías  se  interpretan,  
entonces,  como  la  propensión  a  dejar  la  licencia  médica  con  respecto  a  la  referencia.  
Posterior   a   este   análisis   y   para   dar   robustez   a   los   resultados,   se   estima   un   modelo  
Logístico   Ordenado.   Aquí   los   días   de   duración   se   agrupan   en   tres   posibles   categorías   las  
cuales   tienen:   valor   0   si   la   licencia   se   otorga   por   3   días   o   menos,   valor   1   si   la   licencia   dura  
entre   4   y   10   días   y   valor   2   si   la   licencia   se   otorga   por   mas   de   10   días.    Este   método   estima  
el  impacto  de  las  variables  explicativas  sobre  la  probabilidad  de  que  la  licencia  otorgada  
pertenezca   a   una   de   las   tres   categorías   antes   definidas.   Modelamos   dichas   categoría   en  
función   de   variables   demográficas,   el   tipo   de   enfermedad,   sector   económico,   ocupación   y  
variables  macroeconómicas.  Se  utilizan  además  2  variables  binarias  que  denotan  los  años  
2011   y   2012.     El   2010   es   el   año   base   y   por   lo   tanto   es   capturado   por   el   intercepto.    
Finalmente,  se  obtienen  los  efectos  marginales  a  partir  de  los  estimadores  Logísticos,  esto  
es,  cómo  cambia  la  probabilidad  que  la  duración  de  la  licencia  médica  esté  contenida  en  
una  de  las  categorías  antes  mencionadas,  cuando  cambia  una  de  las  variables  explicativas.    
Resultados  
 
Análisis  de  Duración  
 
La  figura  1  muestra  la  estimación  de  Kaplan-­‐Meier  para  la  muestra  bajo  análisis  y  en  done  
se  ha  truncado,  para  efectos  visuales,  el  análisis  del  tiempo  de  duración  de  una  licencia  a  
50  días.  Se  presentan  aquí  los  estimadores  de  sobrevivencia  por  genero.  Se  observa  que  la  
probabilidad  de  que  la  licencia  dure  más  en  el  tiempo  es  menor,  para  cualquier  duración,  
en  la  mujer.    
 
Figura  1  
Kaplan-Meier survival estimates
1.00
0.75
0.50
0.25
0.00

0 10 20 30 40 50
analysis time

Men Women
 
 
 
La  figura  2  presenta  dichos  estimadores  separados  por  trabajadores  del  sector  publico  y  
privado.  Se  observa  que  la  probabilidad  de  sobrevivencia  de  una  licencia  es  siempre  
menor  en  los  trabajadores  del  sector  público.    
 
La  figura  3  muestra  una  comparación  entre  la  región  metropolitana  y  el  resto  de  las  
regiones.  Se  observa  que  la  probabilidad  de  que  una  licencia  se  extienda  en  el  tiempo  es  
menor  para  trabajadores  de  la  región  metropolitana  para  duraciones  cercanas  a  las  10  
días  y  hasta  los  30  días.    Como  muestra  la  figura  4,  parte  importante  de  esta  diferencia  
entre  la  región  metropolitana  y  el  resto  de  las  regiones  se  explica  por  el  comportamiento  
de  las  licencias  médicas  en  la  región  del  Biobío.  En  efecto,  en  esta  región  las  licencias  
médicas  tienen  una    
 
 
Figura  2  
Kaplan-Meier survival estimates
1.00
0.75
0.50
0.25
0.00

0 10 20 30 40 50
analysis time

Non-Public Sector Worker Public Sector Worker

 
 
 
 
mayor  probabilidad  de  extenderse  en  el  tiempo  que  el  resto  de  las  regiones.  Esto  para  
cada  día  de  duración  y  hasta  los  30  días.  
Por  espacio,  no  incluimos  las  graficas  de  Kaplan-­‐Meier  para  los  distintos  sectores  
económicos,  distintas  ocupaciones  y  para  cada  uno  de  los  años.    
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Figura  3  
Kaplan-Meier survival estimates

1.00
0.75
0.50
0.25
0.00

0 10 20 30 40 50
analysis time

Non-Metropolitan Region Metropolitan Region

 
 
 
 
Figura  4  
Kaplan-Meier survival estimates
1.00
0.75
0.50
0.25
0.00

0 10 20 30 40 50
analysis time

Non-Biobio Region BioBio Region

 
 
 
 
 
 
 
 
 
Estimación  de  Cox  
 
A  continuación  presentamos  la  estimación  de  Cox  donde  se  regresan  los  días  de  duración  
de  la  licencia  en  un  conjunto  de  variables  agrupadas  en  variables  personales  (genero  y  
edad),  variables  del  trabajo  que  realiza  la  persona  (ocupación,  sector  económico,  
trabajador  publico  versus  privado)  y  variables  macroeconómicas    (tasa  de  desempleo  de  la  
región  en  la  cual  trabaja  la  persona).  Se  controla  además  por  el  profesional  médico  que  
otorga  la  licencia,  por  el  tipo  de  enfermedad  que  origina  la  licencia  y  por  cada  uno  de  los  
años  en  el  estudio,  usando  2010  como  el  año  base.      
Las  tablas  4.0  a  la  4.2  muestran  los  resultados  de  la  estimación.    Para  favorecer  la  
presentación,  se  separan  los  resultados.  En  la  primera  tabla,  el  coeficiente  positivo  en  la  
variable  de  genero  indica  que  las  licencias  médicas  extendidas  a  mujeres  tienen  un  mayor  
riesgo  de  “fallecer”  en  el  tiempo  t.  Es  decir,  las  licencias  extendidas  a  mujeres  tienen  una  
duración  esperada  menor  que  aquella  de  los  hombres.  Por  el  contrario,  aumentos  en  la  
edad  del  trabajador  tienden  a  aumentar  la  duración  esperada  de  una  licencia  médica.  
Cabe  notar  que  aunque  la  variable  edad2  presenta  un  coeficiente  significativo,  este  no  es  
económicamente  significativo.  En  efecto,  el  coeficiente  es  cero  en  los  primeros  3  
decimales.    En  la  misma  tabla  se  puede  observar  que  trabajadores  en  los  sectores  minería,  
industrial,  servicios  y  servicios  estatales  tiene  licencias  con  una  menor  duración  esperado.  
Esto  podría  ser  explicado  por  el  mayor  nivel  de  salarios  en  esos  sectores  lo  que  genera  
incentivos  a  tener  licencias  “cortas”.  
 
Tabla  4.0:  Estimación  Cox,  Características  personales  y  Sector  Laboral  
Variable   Coeficiente   Error  Estándar   Z   Prob  >  z  
Mujer   0,095   0,001   119,590   0,000  
Edad   -­‐0,015   0,000   -­‐86,210   0,000  
Edad2   0,000   0,000   -­‐3,910   0,000  
Sector          
Agrícola   -­‐0,113   0,002   -­‐57,360   0,000  
Minería   0,023   0,004   5,560   0,000  
Industria   0,089   0,002   42,410   0,000  
Construcción   -­‐0,116   0,003   -­‐45,940   0,000  
Electricidad   -­‐0,032   0,006   -­‐5,480   0,000  
Comercio   -­‐0,012   0,001   -­‐8,650   0,000  
Transporte   -­‐0,035   0,002   -­‐15,990   0,000  
Servicios   0,025   0,002   10,820   0,000  
Servicios  Estatales   0,077   0,001   76,740   0,000  
 
Al  observar  la  tabla  4.1  se  aprecia  que,  con  la  excepción  de  las  personas  que  laboran  como  
vendedores   y   aquellos   que   trabajan   en   casa   particular,   todas   las   ocupaciones   tienen   un  
coeficiente  significativo,  es  decir  el  tiempo  esperado  de  sus  licencias  médicas  es  menor.    
 
 
 Tabla  4.1:  Estimación  Cox,  Ocupación.  
Variable   Coeficiente   Error  Estándar   Z   Prob  >  z  
Ocupación          
Profesor   0,0287   0,0020   14,32   0,0000  
Ejecutivo   0,0128   0,0058   2,23   0,0260  
Profesional   0,1512   0,0018   85,24   0,0000  
Técnico   0,0499   0,0015   32,4   0,0000  
Vendedor   -­‐0,0432   0,0016   -­‐27,66   0,0000  
Administrativo   0,0517   0,0012   44,22   0,0000  
Operario   0,0142   0,0010   14,66   0,0000  
Casa  particular   -­‐0,2452   0,0028   -­‐86,55   0,0000  
 
La  tabla  4.2  muestra  que  el  efecto  sobre  la  duración  de  las  licencias  médicas  de  la  variable  
macroeconómica  tasa  de  desempleo  de  la  región  en  la  cual  se  otorga  la  licencia.  Se  
observa  que  aumentos  en  la  tasa  de  desempleo  regional  hacen  que  la  duración  esperada  
de  la  licencia  médica  sea  mayor.  Se  aprecia  además  que  el  coeficiente  de  la  interacción  
entre  la  tasa  de  desempleo  regional  y    enfermedades  del  sistema  nervioso  es  negativa.  
Esto  indica  que  las  enfermedades  de  tipo  nervioso  aumentan  la  duración  esperada  en  
períodos  con  alta  tasa  de  desempleo.    A  mayor  tasa  de  desempleo,  mayor  es  el  aumento  
en  la  duración  de  las  licencias  producto  de  enfermedades  de  tipo  nervioso.  
 
Tabla  4.2:  Estimación  Cox:  Macroeconomía,  Años  y  Otros.  
Variable   Coeficiente   Error  Estándar   Z   Prob  >  z  
Macroeconómicas          
Tasa  Desempleo   -­‐0,019   0,000   -­‐64,040   0,000  
Desempleo  x  Sistema  Nervioso   -­‐0,004   0,002   -­‐2,410   0,016  
Años          
Año  2011   -­‐0,001   0,001   -­‐1,000   0,319  
Año  2012   0,016   0,001   16,390   0,000  
Otros          
Médico   -­‐0,017   0,003   -­‐6,820   0,000  
Sector  Público   0,271   0,001   236,080   0,000  
 
La  misma  tabla  además  muestra  que  en  el  año  2011  la  duración  esperada  de  una  licencia  
es  mayor  que  el  2010  y  que  en  el  2012  la  duración  esperada  es  menor  que  en  el  año  2010.    
Finalmente,  se  observa  que  cuando  la  licencia  es  extendida  por  un  médico,  esta  tiene  una  
duración  esperada  mayor  y  que  cuando  el  trabajador  labora  en  el  sector  público,  la  
duración  esperada  de  la  licencia  es  menor.  
 
 
 
 
 
Modelo  Logístico  Ordenado  
 
Aquí  la  variable  dependiente  toma  el  valor  0  si  la  licencia  otorgada  dura  entre  1  y  3  días,  
valor   1   si   la   duración   es   de   entre   4   y   10   días   y   valor   2   si   ésta   dura   11   días   o   mas.   Las  
variables   explicativas   son   las   mismas   que   en   el   modelo   de   riesgo   proporcional   de   Cox.   Por  
motivos   estéticos,   los   resultados   de   la   estimación   se   presentan   por   separado   en   las   tablas  
5.0  a  la  5.2,  sin  embargo,  al  igual  que  con  la  regresión  de  Cox,  esta  se  estima  de  una  vez.  
Por   espacio,   no   se   muestran   los   efectos   marginales   por   categoría   de   la   variable  
dependiente.    
Se   observa   en   la   tabla   5.0   que   las   licencias   otorgadas   a   una   mujer   tienen   una   menor  
probabilidad   (coeficiente   negativo)   de   pasar   a   los   valores   superiores   de   la   variable  
dependiente.  Es  decir,  tienen  una  menor  probabilidad  de  obtener  licencias  largas.  Esto  es  
concordante  con  el  resultado  del  modelo  de  Cox.    
También  concordante  con  el  modelo  de  Cox  es  el  efecto  de  la  variable  edad,  a  mayor  edad  
aumenta   la   probabilidad   de   licencias   con   mayor   duración.   Se   observa   que   los   coeficientes  
de  los  distintos  sectores  conllevan  la  misma  información  encontrada  con  la  regresión  de  
Cox;   coeficientes   negativos   indican   que   las   licencias   en   esos   sectores   duran   menos  
(minería,  industria,  servicios  y  servicios  estatales).    
 
Tabla  5.0  :  Estimación  Logística  Ordenado,  Características  personales  y  Sector  Laboral  
 
Ordered  Logistic  Regression   Number  of  observations   8219828  
 
 
LR  Chi2(44)   3247484,45   Pseudo  R2   0,198    
Prob  >  Chi2   0.0000  
     
Log-­‐Likelihood   -­‐6693008  
     
       
 Duración   Coeficiente   Error  Estándar   z   Prob.>z  

       
 Mujer   -­‐0,117   0,001   -­‐72,33   0,000  
Edad   0,013   0,000   35,67   0,000  
Edad2   0,000   0,000   39,85   0,000  
Sector          
Agrícola   0,288   0,004   69,34   0,000  
Minería   -­‐0,018   0,008   -­‐2,25   0,024  
Industria   -­‐0,207   0,004   -­‐48,64   0,000  
Construcción   0,252   0,005   47,14   0,000  
Electricidad   0,054   0,012   4,53   0,000  
Comercio   0,014   0,002   5,05   0,000  
Transporte   0,127   0,004   27   0,000  
Servicios   -­‐0,061   0,004   -­‐12,94   0,000  
Servicios  Estatales   -­‐0,160   0,002   -­‐76,34   0,000  
 
 
La  tabla  5.1  muestra  las  variables  de  ocupación.  Se  observa  que  sólo  los  vendedores  y  los  
trabajadores  de  casa  particular  tienen  una  mayor  probabilidad  de  tener  licencias  de  mayor  
duración.    
 
 
Tabla  5.1  :  Estimación  Logística  Ordenado,  Ocupación.  
Duración   Coeficiente   Error  Estándar   z   Prob.>z  
Ocupación  
       
Profesor   -­‐0,1402   0,0042   -­‐33,58   0,0000  
Ejecutivo   -­‐0,0576   0,0123   -­‐4,67   0,0000  
Profesional   -­‐0,3786   0,0036   -­‐104,86   0,0000  
Técnico   -­‐0,1378   0,0031   -­‐44,52   0,0000  
Vendedor   0,1372   0,0033   41,05   0,0000  
Administrativo   -­‐0,1437   0,0024   -­‐59,38   0,0000  
Operario   -­‐0,0065   0,0020   -­‐3,23   0,0010  
Casa  particular   0,6488   0,0065   99,34   0,0000  
 
 
La   tabla   5.2   muestra   que   a   mayor   tasa   de   desempleo   regional,   mayor   probabilidad   de  
tener  licencias  mas  largas.  El  coeficiente  de  la  interacción  entre  la  tasa  de  desempleo  y  las  
enfermedades  de  tipo  nervioso  muestra  la  única  discordancia  con  la  estimación  de  Cox,  en  
efecto   ahora   se   obtiene   un   coeficiente   negativo   que   indica   que   a   mayor   tasa   de  
desempleo  las  enfermedades  de  tipo  nervioso  tendrían  una  menor  duración.    
La  misma  tabla  muestra  que  sólo  en  el  año  2012  la  probabilidad  de  tener  licencias  largas  
disminuyó  respecto  al  año  2010.    
Finalmente,   y   al   igual   que   en   el   modelo   de   Cox,   se   observa   que   cuando   la   licencia   la  
extiende   un   médico,   aumenta   la   probabilidad   de   que   sea   mas   larga   y   que   si   la   persona  
trabaja  en  el  sector  publico,  cae  la  probabilidad  de  tener  licencias  largas.    
 
 
Tabla  5.2  :  Estimación  Logística  Ordenado,  Macroeconomía,  Años  y  Otros.  
Duración   Coeficiente   Error  Estándar   z   Prob.>z  
Macroeconómicas  
       
Tasa  Desempleo   0,0639   0,0006   113,06   0,0000  
Desempleo  x  Sistema  Nervioso   -­‐0,0148   0,0014   -­‐10,34   0,0000  
Años          
Año  2011   -­‐0,000   0,001   -­‐0,170   0,865  
Año  2012   -­‐0,044   0,002   -­‐21,56   0,000  
Otros          
Médico   0,1512   0,0053   28,55   0,0000  
Sector  Público   -­‐0,6804   0,0023   -­‐294,99   0,0000  
         
 
 
 
Discusión  
Los   resultados   de   ambas   metodologías   son   en   general   concordantes   y   muestran   que   las  
mujeres  tienen  una  menor  probabilidad  de  tener  licencias  (no  asociadas  a  la  maternidad)  
largas.  Este  resultado  es  interesante  ya  que  indicaría  que  al  sacar  las  licencias  asociadas  a  
la  maternidad,  las  mujeres  contraerían  enfermedades  con  períodos  de  recuperación  mas  
cortos   que   los   hombres.   Esto   podría   ser   concordante   con   el   hecho   que   las   mujeres   tienen  
una  esperanza  de  vida  mayor  a  la  de  los  varones.    
Se  obtiene  además  que  a  mayor  edad,  mayor  la  probabilidad  de  obtener  licencias  largas.  
Lo   anterior   se   asociaría   al   proceso   normal   de   envejecimiento   de   una   persona   que  
inevitablemente  conlleva  la  aparición  de  enfermedades  de  tratamientos  mas  largos.  
Los   resultados   respecto   a   los   sectores   económicos   en   los   que   se   desempeña   el   trabajador  
coinciden   con   la   intuición   económica.   En   efecto,   aquellos   sectores   que   presentan   una  
mayor  probabilidad  de  tener  licencias  cortas  (minería,  industria  y  servicios)  son  en  general  
aquellos  sectores  que  presentan  rentas  más  altas  y  por  lo  tanto  el  costo  de  oportunidad  
de  tener  licencias  largas  es  mayor.  
En   el   mismo   sentido   anterior,   los   resultados   respecto   a   la   ocupación   del   trabajador  
revelan  que  en  aquellas  ocupaciones  con  mayores  ingresos  promedio,  la  probabilidad  de  
tener  licencias  largas  es  menor.    
En  este  estudio  se  incluye  la  tasa  de  desempleo  existente  en  la  región  y  en  el  momento  en  
la   cual   se   otorga   la   licencia   y   se   observa   que   a   mayor   tasa   de   desempleo,   mayor  
probabilidad  de  tener  licencias  largas.  Esto  podría  indicar  que  en  períodos  en  que  peligra  
la  estabilidad  laboral,  las  personas  tienden  a  obtener  licencias  mas  largas  como  una  forma  
de   mantener   el   trabajo.   Esto   podría   suceder   en   aquellos   casos   de   enfermedades   con  
síntomas   fáciles   de   replicar   o   difíciles   de   comprobar   como   por   ejemplo   el   lumbago   y   la  
depresión   y   estrés.     Dado   esto,   se   generó   una   variable   de   interacción   entre   la   tasa   de  
desempleo   y   el   indicador   de   enfermedades   del   sistema   nervioso   con   el   objetivo   de  
verificar   si   en   períodos   de   mayor   desempleo   las   enfermedades   del   sistema   nervioso  
aumentan  la  probabilidad  de  tener  licencias  largas.  Los  resultados  son  mixtos,  por  un  lado  
el  modelo  de  riesgo  proporcional  de  Cox  arroja  que  dicha  probabilidad  aumenta  y  por  otro  
el   modelo   Logística   indica   que   dicha   probabilidad   cae.   Cabe   notar   que   el   nivel   de  
significancia  de  esta  interacción  en  el  modelo  de  Cox  es  baja  en  comparación  al  nivel  del  
resto   de   las   variables.   Esto   es   relevante   en   un   modelo   que   se   estima   con   mas   de   8  
millones   de   observaciones.   Por   lo   tanto,   aquí   nos   inclinamos   por   utilizar   el   resultado   de   la  
estimación   Logística.   El   coeficiente   negativo   muestra   que   efectivamente   el   efecto   positivo  
de  la  tasa  de  desempleo  sobre  la  probabilidad  de  tener  licencias  largas  se  torna  negativo  
cuando  se  trata  de  licencias  por  enfermedades  del  sistema  nervioso.  Cabe  recordar  que  es  
muy   difícil   para   el   facultativo   determinar   con   certeza   la   veracidad   de   la   existencia   de  
stress  que  imposibilite  el  trabajo    Hay  muchas  causas  de  licencias  por  problemas  de  salud  
mental   que   se   basan   en   criterios   clínicos   y   no   hay   protocolos   para   regular   su   duración.  
Como   el   juicio   clínico   puede   tener   variabilidad   y   el   paciente   puede   fingir   los   síntomas,    
estas   causas   están   entre     las   más   usadas   para   obtener   licencias   fraudulentas,   entonces  
cuando  aumenta  la  tasa  de  desempleo  relevante,  la  persona  tendría  menos  motivación  a  
inventar   síntomas   debido   a   que   en   esos   tiempos   la   probabilidad   de   perder   el   trabajo   es  
mas  alta.    
Un  resultado  que  no  esperábamos  es  que  los  trabajadores  del  sector  público  tienen  una  
menor  probabilidad  de  tener  licencia  largas.  Esto  podría  explicarse  porque  en  dicho  sector  
estos   trabajadores   no   están   afectos   a   deducible   y   por   lo   tanto   no   existe   incentivo   a   tratar  
de  obtener  licencias  de  mas  de  10  días  para  obtener  el  pago  total  de  esta.  Otro  factor  que  
podría  incidir  aquí  es  la  existencia  de  los  5  días  de  permiso  administrativo  al  que  tienen  
derecho  los  trabajadores  en  el  sector  publico.    
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Conclusiones  
 
El  presente  estudio  utiliza  la  base  de  datos  de  todas  las  licencias  médicas  que  se  otorgaron  
a   trabajadores   afiliados   a   FONASA,   en   Chile   durante   los   años   2010,   2011   y   2012.     Se  
estimo  un  modelo  para  determinar  cómo  una  serie  de  variables  afecta  a  la  duración  de  las  
licencias   médicas.   Se   descartaron   las   licencias   médicas   asociadas   a   la   maternidad   por  
responder   a   una   naturaleza   distinta   a   las   licencias   por   enfermedades   no   laborales.   Se  
usaron  dos  metodologías,  el  modelo  de  riesgo  proporcional  de  Cox  y  un  modelo  Logístico  
Ordenado.  Los  resultados  muestran  que,  una  vez  que  se  controla  por  la  enfermedad  que  
da   origen   a   la   licencia,   las   mujeres   tienen   licencias   médicas   con   una   menor   duración  
esperada,  que  en  aquellos  sectores  y  ocupaciones  con  mayores  ingresos,  la  probabilidad  
de   tener   licencias   largas   es   menor   y   que   a   mayores   tasas   de   desempleo   mayor   es   la  
probabilidad   de   tener   licencias   mas   duraderas.   Al   respecto,   se   interactuó   la   variable  
desempleo   con   el   indicador   de   enfermedades   del   sistema   nervioso   y   se   obtiene   que   en  
periodos   en   que   aumenta   la   tasa   de   desempleo,   las   licencias   por   enfermedades   como  
estrés  tienen  una  menor  probabilidad  de  extenderse  en  el  tiempo,  es  decir  tienden  a  ser  
mas   cortas   que   en   periodos   de   bajo   desempleo.     Los   resultados   muestran   además   que   los  
trabajadores   del   sector   publico   tienen   una   menor   probabilidad   de   tener   licencias   largas.  
Finalmente,  la  probabilidad  de  tener  licencias  largas  es  menor  el  año  2012  en  relación  al  
2010  y  2011.      
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Bibliografía    
 
Aedo  C.,  G.  Bastías  y  C.  Sapelli  (1999).  “Subsidio  de  Incapacidad  Laboral  en  Chile”.  Mimeo,  
Pontificia  Universidad  Católica.  
 
Allen,   S.   (1981).   “Compensation,   Safety,   and   Absenteeism:   Evidence   from   the   Paper  
Industry”.  Industrial  and  Labor  Relations  Review,  Vol.  34,  No.  2  (Jan.,  1981),    207-­‐218.  
 
Askildsen,   J.   E.,   E.   Bratberg   and   O.A.   Nielsen   (2005).   “Unemployment,   Labor   Force  
Composition   and   Sickness   Absence:   A   Panel   Data   Study”.   Health   Economics,   14,   1087-­‐
1101.  
 
Beteta  E.  y  Willington  M.  (2010).  “Determinantes  del  Uso  y  Abuso  de  Licencias  Médicas  en  
Chile”.  Working  Paper,  Universidad  Alberto  Hurtado,  Junio.  
 
Breslow,  N.  (1970).  “A  generalized  Kruskal-­‐Wallis  test  for  comparing  K  samples  subject  to  
unequal  patterns  of  censorship".  Biometrika  57,  579-­‐594.  
 
Broström,  G.,  Johansson,  P.  &  Palme,  M.  (1998):  “Assessing  the  Effect  of  Economic  
Incentives   on   Incidence   and   Duration   of   Work   Absence”.   Working   paper   series   in  
economics  and  finance,  Stockholm  School  of  Economics.  
 
Cassel,  C.,  P.  Johansson  and  M.  Palme.  (1996)  "A  Dynamic  Discrete  Choice  Model  of  Blue  
Collar   Worker   Absenteeism   in   Sweden   1991".   Stockholm   School   of   Economics,   Working  
Paper  No.  129.  
 
Castro   R.   y   Sepúlveda   J.   (2009).   “Análisis   de   los   determinantes   del   uso   y   duración   de  
licencias   médicas   en   el   sistema   ISAPRE”.   Working   Paper,   Universidad   del   Desarrollo,  
Noviembre.  
 
Cid,   Camilo   (2001).   “Microeconomía   del   Subsidio   de   Incapacidad   Laboral:   evaluación   y  
propuestas   de   política   sobre   la   base   de   un   modelo   de   seguro   con   presencia   de   riesgo  
moral'.  Tesis  Programa  de  postgrado  en  Economía  Ilades/Georgetown  University.  
 
Gertler,   Paul,   (1999).   “Insuring   the   Economic   Costs   of   Illness”.   Conference   on   Social  
Protection  and  Poverty.  Inter-­‐American  Development  Bank.  
 
Gilleskie,  Donna,  (  1998).  “A  Dynamic  Stochastic  Model  of  Medical  Care  Use  and  Work  
absence".    Econometrica,  vol.  66(1),    1-­‐46.  
 
Johansson,  Per  and  Palme,  Marten  (1998).  “Assessing    the  Effect  of  a  Compulsory  Sickness  
Insurance   on   Worker   Absenteeism.   Stockholm   School   of   Economics   Working   Paper   No.  
287.  Dec.  
 
Jones,  Andrew  (2008).    “Applied  Econometrics  for  Health  Economists".  3a  Edición;  OHE.  
 
Kiefer,   Nicholas   (1998).   “Economic   Duration   Data   and   Hazard   Functions".   Cornell  
University,  1988.  
 
Krause,   N.,   Lynch,   J.,   Kaplan,   G.A.,   Cohen,   R.D.,   Goldberg,   D.E.,   Salonen,   J.T.(1997).  
“Predictors   of   disability   retirement".   Scandinavian   Journal   of   Work,   Environment   &   Health  
23,  403-­‐413.  
 
Krause,  N.,  Frank,  J.W.,  Dasinger,  L.K.,  Sullivan,  T.J.,  and  Sinclair,  S.J.  (2001).  ”Determinants  
of   duration   of   disability   and   return-­‐to-­‐work   after   work-­‐related   injury   and   illness:  
Challenges  for  future  research".  American  Journal  of  Industrial  Medicine  40,  464-­‐484.  
 
Mantel,   Nathan   (1966).   “Evaluation   of   survival   data   and   two   new   rank   order   statistics  
arising  in  its  consideration".  Cancer  Chemotherapy  Reports.  
 
Martinez,   Eduardo   (1999).   “Determinación   de   las   Variables   que   Afectan   el   Evento   de  
Solicitar  Licencia  Médica".  FACEAPUC.  
 
Melgarejo,   Marisol   (2006).   “Las   Licencias   Médicas   y   su   Utilización   Fraudulenta".   Tesis   de  
Grado,  Universidad  Arturo  Prat.  
 
Miranda,   Gonzalo,   Alvarado,   Sergio   y   Kaufman,   Jay   (2012).   “Duración   de   las   licencias  
médicas   FONASA   por   trastornos   mentales   y   del   comportamientos”,   Revista   Médica   de  
Chile,  140,  2,  207-­‐213.  
 
Murray,   John   (2006).   “Moral   Hazard   in   Progressive-­‐Era   Health   Insurance".   University   of  
Toledo;  1st  ed.,  2006.  
 
Norberg,  M.,  and  Roed,  K.  (2003).  ”Absenteeism,  Health  Insurance,  and  Business  Cycles”.  
Health  Economics  Research  Programme  (HERO)  working  paper  17,  University  of  Oslo,  May.  
 
Osterkamp,  R.,  and  Rohn,  O.  (2005)  “  Being  on  Sick  Leave  –  Possible  Explanations  for  
Differences   of   Sick-­‐leave   Days   Across   Countries”.   Ifo   Institute   for   Economic   Research  
Working  Paper  19,  University  of  Munich,  November.  
 
Peto,   Richard;   Peto,   Julian   (1972).   “Asymptotically   Efficient   Rank   Invariant   Test  
Procedures".  Journal  of  the  Royal  Statistical  Society  135,  2,  185-­‐207.  
 
Pezoa,   Marcela   (2010).   ”Licencias   Médicas:   Gasto   por   Subsidio   por   Incapacidad   Laboral  
(S.I.L.)”.  Departamento  de  Estudios  y  Desarrollo,  Superintendencia  de  Salud.  Mayo.  
 
Rabe-­‐Hesketh,   Sophia   &   Everitt,   Brian   (2004).   “A   Handbook   of   Statystical   Analyses   using  
Stata".  3a  Edición;  CHAPMAN  &  HALL/CRC.  
  
Rodríguez,  J.  y  M.  Tokman  (2001).  “Análisis  del  Gasto  en  Subsidios  por  Incapacidad  Laboral  
y   sus   Determinantes”.   Serie   Estudio   de   Finanzas   Públicas   N°   2,   Dipres,   Ministerio   de  
Hacienda.  

Rodríguez,  Jorge  &  Tokman,  Marcelo  (2003).  “Licencias  médicas:  ¿Chilenos  enfermizos?".  
Expansiva.  2003.  
 
SAF  (1986).  “Time  Allocation  Survey".  Swedish  Employers  Federation,  Stockholm.  Spierdijk.  
 
Laura   &   Van   Lomwell,   Gijsbert   &   Peppelman,   Wilko   (2008).   “The   Determinants   of   Sick  
Leave  Durations  of  Dutch  Self-­‐Employed".  University  of  Groningen.  
 
Superintendencia   de   Salud   (2006).   “Evaluación   del   subsidio   por   incapacidad   laboral   por  
enfermedad  común  en  Chile:  1990-­‐2000”  Documento  de  Trabajo.  
 
Superintendencia   de   Seguridad   Social   (2008).   “Aumento   del   gasto   en   subsidios   por  
incapacidad  laboral”  Documento  de  Trabajo.  
 
Therneau,   T.M.   y   Grambsch,   P.M.   (2000).   “Modeling   Survival   Data:   Extending   the   Cox  
Model".  N.Y.:  Springer-­‐Verlag.  
 
Therneau,   T.M.,   Grambsch,   P.M.   y   Fleming,   T.R.   (1990).   “Martingale-­‐based   residuals   for  
survival  models".  Biometrika,  77:  147-­‐160.