EDUCACIÓN Y DISPERSIÓN SALARIAL EN URUGUAY: UN ANÁLISIS DE REGRESIÓN POR CUANTILES.

Claudia Sanguinetti

Documents de Recerca del Programa de Doctorado en Economía Aplicada

Universitat Autònoma de Barcelona

Noviembre 2007

Departament d’Economia Aplicada

Universitat Autònoma de Barcelona

E-08193 Bellaterra (Cerdanyola del Vallès)

www.ecap.uab.es

Este trabajo constituye una versión reducida del trabajo de investigación “EDUCACIÓN Y DISPERSIÓN SALARIAL EN URUGUAY: UN ANÁLISIS DE REGRESIÓN POR

CUANTILES”, dirigido por Josep Lluís Raymond y presentado como parte del Programa de Doctorado en Economía Aplicada de la Universitat Autònoma de Barcelona.

ABSTRACT

Using quantile regressions we analyze the returns to education in Uruguay over the period 2001-2005. Also we explore about the relationship between formal education and wage inequality. We find that the return of one additional year of schooling is on average 13%, but this result hides large differences between gender and education levels. Furthermore, the impact of education on wages is not constant across the conditional wage distribution. The returns are higher for individuals at the upper tail of the distribution. Consequently, education has a positive impact on wage inequality and such impact is larger in the highly educated groups.

Utilizando regresiones por cuantiles, en este artículo, se analizan los rendimientos de la educación en Uruguay para el período 2001-2005 y se indaga acerca de la relación entre educación formal y dispersión salarial. Se encuentra que el rendimiento de estudiar un año más es en promedio 13%, pero este resultado oculta grandes diferencias entre género y niveles educativos. Además, los efectos de la educación sobre el salario no son constantes a lo largo de la distribución condicional de salarios. Los rendimientos son superiores para individuos ubicados en la parte alta de la distribución. Consecuentemente, la educación tiene un impacto positivo sobre la dispersión salarial y es más evidente en los grupos con mayores niveles educativos.

1. INTRODUCCION

Después de una década de buena evolución económica, desde 1999 hasta el 2002 Uruguay asiste

a la crisis más larga de su historia, registrándose una caída del PIB real de 17.5%. A inicios de los

noventa el país experimenta importantes cambios en su estructura económica. Por un lado,

profundiza el proceso de apertura y liberalización y, por otro, comienza a consolidarse la

integración regional a través del MERCOSUR. En la primera mitad de la década de los noventa,

mientras en los diversos países de la región crecía la desigualdad de la renta, Uruguay mantenía

una distribución relativamente estable (Vigorito, 1999). Sin embargo, a partir de 1995 comenzó a

percibirse un leve aumento de la dispersión de los ingresos y con la profunda depresión

económica que comenzó en 1999, la tendencia concentradora se consolidó. Diversos estudios

señalan la diferencia en el nivel educativo de los jefes de hogar como uno de los factores más

importantes a la hora de explicar el aumento de la dispersión de ingresos entre hogares en el

período de crisis. (Bucheli y Furtado, 2004; Arim y Zopolo ,2000; Bucheli y Furtado, 2000)

A lo largo de 2003 la economía comienza a superar la larga fase recesiva y en 2005 el PIB

alcanza el nivel anterior a la crisis. La recuperación fue impulsada principalmente por el aumento

de la demanda externa.

1

A la vista de tales cambios económicos, resulta interesante observar la evolución de los

rendimientos de la educación y su papel en la dispersión salarial, siendo este un factor

fundamental en la estructura de ingresos del Uruguay. El período analizado abarca de 2001, año

anterior al final de la crisis, hasta 2005 cuando la economía uruguaya muestra señales de

recuperación.

La literatura empírica, utiliza diversos métodos para obtener estimadores fiables de los

rendimientos de la educación y aportar alguna información acerca de la conexión entre educación

y salario. La mayoría de las metodologías utilizadas suponen que los coeficientes son constantes

a través de toda la distribución condicional de salarios. Sin embargo, no hay ninguna razón a

priori que haga suponer tal uniformidad. El método de regresión por cuantiles mide el efecto de la

educación en varios puntos de la distribución. La diferencia de rendimientos en los diversos

cuantiles aporta información acerca de los efectos de la educación sobre la dispersión salarial.

Para el caso uruguayo, existen algunos estudios que estiman los rendimientos de la educación

utilizando regresiones por cuantiles. Miles y Rossi (1999) para el período 1986-1997, encuentran

una relación con forma de U entre rendimiento de la educación y cuantil. Los autores asocian la

pertenencia al quintil con el nivel educativo del trabajador, concluyendo que la rentabilidad es

mayor para los ciclos de enseñanza primaria y terciaria que para el nivel medio. González y Miles

(2001), para el mismo período, analizan cómo los cambios en el salario mínimo y en los

rendimientos de la educación afectan la estructura de salarios. Concluyen que el aumento de la

desigualdad salarial se explica sobre todo por el aumento de los rendimientos de la educación en

la cola alta de la distribución salarial más que por la caída del salario mínimo.

Sanromán (2006), para el período 2001-2005, analiza el efecto de la crisis uruguaya sobre los

rendimientos estimando por mínimos cuadrados ordinarios (mco), variables instrumentales y por

cuantiles. Encuentra que el estimador mco subestima el rendimiento de la educación y que existe

un patrón de crecimiento monótono de los rendimientos a través de los deciles de la distribución

empírica.

Este estudio, además de utilizar una muestra diferente que Sanromán (2006), se centra no sólo en

nivel de rendimiento, sino que también indaga acerca de la relación entre la heterogeneidad de

rendimientos y sus efectos sobre la dispersión salarial dentro de los diferentes niveles educativos.

2

El artículo se organiza de la siguiente manera. En el siguiente capítulo se introduce el marco

teórico que da origen a la ecuación de salarios considerando heterogeneidad individual. En el

capítulo 3 se desarrolla el marco metodológico. El capítulo 4 reseña brevemente el sistema

educativo y el capítulo 5 describe la muestra utilizada. En el capítulo 6 se presentan las

ecuaciones específicas y los resultados de las estimaciones. Por último, en el capítulo 7 se

recogen las consideraciones finales.

2. MARCO TEORICO Mincer (1974) es el primero en obtener una función que permite estimar los rendimientos de la

inversión en educación. En base a su desarrollo1 la ecuación de salarios a estimar es:

(1) 21 2 3ln i i i iw S Exp Exp iα β β β= + + + + μ

Donde ln es el logaritmo natural de las ganancias salariales para el individuo iésimo, son los

años de educación y es la experiencia en el mercado de trabajo. Finalmente

iw iS

iExp iμ es el término

de error que recoge factores no observables del individuo i-ésimo, se supone independiente de los

años de educación. En este contexto, 1β se interpreta como la tasa de rendimiento promedio de

los años de educación y se puede estimar por mco.

Los analistas de los determinantes de salarios han demostrado que los lugares de trabajo son

altamente heterogéneos y, como consecuencia, los rendimientos de la educación pueden variar

entre individuos con el mismo capital humano observado. Para considerar esta heterogeneidad se

suele controlar por regiones, industrias y características de los empleadores, introduciendo

variables que recojan de alguna manera esta información en la ecuación de salarios básica. Por

ejemplo Pereira y Martins (2001) recogen las diferencias entre industrias, sectores, regímenes de

negociación, ocupación y por nivel de jerarquía; por su parte Barceinas, Oliver, Raymond y Roig,

(2001) controlan por tipo de contrato, dueño de la empresa (si es público, privado o mixto),

tamaño de la empresa, sector y región. Entonces si el vector Z representa otras variables

observables2 la ecuación anterior puede reescribirse de la siguiente manera:

(2) 21 2 3ln i i i i iw S Exp Exp Z iα β β β δ′= + + + + + μ

1 Para un desarrollo completo ver Harmon, Walter y Westergard (2001) 2 De acuerdo a (Mincer,1974) estas estimaciones tienden a subestimar el verdadero rendimiento de la educación pues el cambio en las características del trabajo es uno de los mecanismos a través de los cuales los más educados alcanzan salarios más altos.

3

De todas formas cuando se controla para evitar la heterogeneidad causada por los lugares de

trabajo, una fuente de heterogeneidad más primitiva estará afectando la distribución de los

salarios. Ésta se vincula con las diferencias de los propios trabajadores no observadas por el

investigador. Los salarios de los individuos estarán afectados por la habilidad individual, los

antecedentes familiares, los factores institucionales, otros estudios, y otros factores que no son

considerados en la ecuación de salarios. La ausencia de dichos factores, junto con los supuestos

restrictivos que es necesario establecer para estimar las propuestas teóricas, genera una serie de

dificultades econométricas a la hora de interpretar las estimaciones de los rendimientos privados

de la educación. De hecho, en el modelo subyacente de Capital Humano la educación es una

variable endógena, pues es resultado de un problema de maximización al que se enfrenta cada

individuo. Sin embargo, la derivación empírica de la ecuación de salario transforma la educación

en una variable exógena.

A partir de las constataciones previas Card (1994) desarrolla un modelo considerando

heterogeneidad individual. Deduce la ecuación a estimar como resultado de un problema de

optimización. El individuo maximiza su utilidad3 eligiendo el nivel óptimo de educación:

(3) ( ) ( ), ln. ( )

MaxU s w w h ss a w w s

= −=

Donde ( )w s representa el nivel promedio de salarios (por año) que un individuo recibirá si

adquiere un nivel S de escolarización y ( )h s recoge los costos asociados a tal inversión (función

convexa creciente de la educación).

Suponiendo que es cóncava, la condición de primer orden es la que iguala el ingreso

marginal con el coste marginal de seguir estudiando un año más:

( )w s

(4) ( ) ( ) ( )w s w s h s′ ′=

3 El tipo de función de utilidad utilizado deriva de suponer que el individuo maximiza el valor presente del salario, descontando el futuro a la tasa r, que no gana nada mientras esta estudiando y que luego, al finalizar sus estudios, ganaran ( )w s por año.

4

Para hacer el modelo empíricamente operacional Card (1994) especifica ( ) ( ) 1i iw s w s b k s β′ = − =

y ( ) 2ih s r k s′ = + como la forma funcional del ingreso y el costo marginal respectivamente. Donde

y son variables aleatorias con medias ib ir b y r respectivamente, y con alguna distribución

conjunta a lo largo de la población 1,2,....i = . Además y son constantes no negativas. El

ingreso marginal (o tasa marginal de rendimiento) de un año adicional de educación disminuye

con el mayor nivel de educación mientras que el coste marginal (también llamado tasa marginal

de descuento) de educación aumenta con ésta.

1k 2k

Desde que el individuo invierte en educación hasta que el coste marginal iguala el ingreso

marginal, el óptimo de educación esta dado por:

(5) * ( i ii

b rSk−

=) Donde . 1 2k k k= +

La elección óptima de educación resulta lineal en términos de la heterogeneidad específica de

cada individuo. El óptimo puede variar entre los individuos porque tienen diferentes tasas

marginales de rendimiento de la educación a cada nivel de escolarización, o sea en

(comúnmente conocido como diferencias en la habilidad innata) o porque existen variaciones en

el costo marginal de la inversión en educación, diferencias en (comúnmente conocido como

diferencias en el acceso a fondos o diferencias en los gustos por la educación).

ib

ir

Sustituyendo el nivel óptimo de educación en la expresión del rendimiento marginal de la

escolarización e integrando ambas partes de la expresión se obtiene la ecuación log lineal de

salarios para el individuo i:

(6) 2 *1

1ln con 2i i i i i i íw b S k S Sα= + − = S

Donde iα es una constante especifica de integración. Esta es una versión más general que la

forma obtenida inicialmente por Mincer y la utilizada en estudios posteriores. En esta expresión,

la heterogeneidad individual afecta potencialmente tanto al intercepto de la ecuación de ganancias

como a la pendiente. Los factores individuales no observables influyen en los efectos de la

educación sobre el salario.

5

La consideración de estas dos fuentes de heterogeneidad produce como resultado distintos niveles

óptimos de inversión individual en educación. Además, si actúan conjuntamente se evidencia la

ambigüedad en la interpretación de los efectos causales de la educación.4 Este simple modelo

conduce a una importante cuestión conceptual para el trabajo empírico. Si los individuos tienen

distintos retornos de la educación al mismo nivel de escolarización no hay un único efecto causal

de la escolarización sobre los salarios. En esencia, cada persona tiene sus propios efectos

causales. Dentro de este marco la estimación a través de regresiones por cuantiles puede aportar

otras aproximaciones.

3. MARCO METODOLOGICO

El método de la regresión por cuantiles fue introducido por Koenker y Basset (1978). Mientras

que el método de la regresión lineal clásica permite estimar modelos de funciones de media

condicional, éste método ofrece un mecanismo para estimar modelos de funciones condicionales

en distintas partes de la distribución y no sólo en la media. Así se obtiene un análisis estadístico

más completo de la relación estocástica entre las variables aleatorias. (Koenker, 2000)

Inspirados en la misma lógica que el modelo clásico de regresión, los cuantiles pueden ser

caracterizados como la solución del siguiente problema de optimización:

(7) ( )

( )( ). .

ˆ min 1 con 0< 1k

i i i i

i i i iRi y x i y x

y x y xθ ββ β

β θ β θ β∈

′ ′ ′ ′≥ <

⎡ ⎤′ ′= − + − −⎢ ⎥

⎢ ⎥⎣ ⎦∑ ∑ θ <

Para obtener los cuantiles se minimiza la suma del valor absoluto de los residuos asimétricamente

ponderados, según sean positivos o negativos. Para cada valor de θ se estiman los parámetros de

la función condicional al cuantil y se le asigna a cada individuo el coeficiente de la función de

cuantil que, dadas sus características, minimiza la diferencia absoluta entre el valor observado de

la variable dependiente y el predicho por la regresión.

Koenker y Bassett (1978) y Buchinsky (1997) demuestran que esta metodología permite una

estimación sencilla de ˆθβ a través de técnicas de programación lineal, esto garantiza que se

4 Por simplicidad se supone que y son variables aleatorias con alguna correlación arbitraria, por ejemplo si la habilidad es heredada o esta directamente afectada por el entorno familiar, es esperable la habilidad innata y la tasa de descuento estén negativamente correlacionadas. Padres con mayor habilidad tenderán a adquirir más educación y por ende ganar mayores salarios. Suponiendo que las familias con mayores ingresos tiene menores tasas de descuento (o mayor gusto por la educación) sus hijos también tendrán menor desutilidad por la educación. En este contexto, los hijos de padres más hábiles, tendrán más habilidad y menor tasa de descuento, contrariamente los hijos de padres menos hábiles tendrán menor habilidad y mayor tasa de descuento.

ib ir

6

obtiene el estimador en un número finito de iteraciones. Además, Koenker (2000) señala que las

estimaciones son robustas a los supuestos de distribución adoptados. Mas aún, dada una solución

ˆθβ basada en las observaciones { },i iy X siempre que no se altere el signo de los residuos,

cualquiera de las observaciones de Y puede ser alterada sin cambiar la solución inicial. Por

último, se destaca que cuando el término de error no se distribuye normal, los estimadores

obtenidos a través de regresiones de cuantiles son más eficientes que los mco.

De acuerdo a esta metodología la representación econométrica de la ecuación de salarios viene

dada por la siguiente expresión:5

(8) ( ) ( )ln ln , con 0,1

i i i

i i ii

Lnw X

Q w X w X

θ θ

θθ θ

β μ

β θ

′= +

′= = ∈

Donde Xi es el vector de variables explicativas, βθ el vector de parámetros y (ln i iQ w Xθ ) es la θ-

ésima función de cuantil condicional del logaritmo del salario dado el vector X. Además, se

supone que ( ) 0Q Xθ θμ = .

La estimación por mco, al basarse en la media de la distribución condicional de la variable

dependiente considera que los rendimientos de la educación son los mismos para todos los

individuos. Sin embargo, como muestra el modelo desarrollado por Card (1994) no todos los

factores que afectan el nivel del salario del individuo pueden medirse u observarse y, por ende, no

se incluyen en el modelo econométrico utilizado para investigar la relación entre las variables

asociadas al proceso. Como consecuencia puede haber una debilidad en la relación entre la

esperanza de la variable dependiente y la medida de la variable explicativa educación. Pueden

existir relaciones útiles para predecir en otras partes de la distribución de la variable dependiente.

Koenker y Basset (1982) han advertido que cuando los errores no están idénticamente

distribuidos, como sucede en la distribución de salarios, la pendiente de los coeficientes

dependerá de alguna forma del valor de θ considerado y es esperable encontrar discrepancias en

la pendiente de los parámetros estimados para los diferentes cuantiles.

5 Se supone que tanto Lnw como se observan sin error y que la ecuación esta correctamente especificada. En este sentido, los problemas de error de medida y variables omitidas no se discuten en este artículo. De hecho si la ecuación no esta correctamente especificada, por ejemplo no es lineal, uno puede considerar el modelo como el mejor predictor lineal para el cuantil condicional. Buschinsky (1997).

X

7

Considerar el coeficiente aleatorio β β ε= +i i captura el hecho de que los salarios sean

heterogéneamente determinados y que los rendimientos de la educación puedan diferir entre

trabajadores aún con el mismo nivel de educación observado. Los parámetros varían con θ

debido a los efectos que sobre el θ -ésimo cuantil tiene la distribución desconocida del error. Por

lo tanto se gana información estimando y comparando distintas medidas de ubicaciones

condicionales para la variable dependiente.6

Entre otros, Hartog, Pereira y Vieira (2001), Fitzenberg y Kurtz (2002), Giovagnoli, Fiszbein y

Patrinos (2005), han realizado estudios empíricos para distintos países y según sus resultados

restringir el análisis a los efectos medios supone ignorar importantes características de la

estructura de salarios.

Es esperable que la cola baja de la distribución sea más propensa a tener no sólo menos

educación si no también menor dotación de calificaciones no observadas que benefician al

individuo en términos de salarios. En este marco, es interesante preguntarse si el rendimiento de

la educación es independiente de estos factores no observables o si, por el contrario, de alguna

manera los compensa o complementa.7

Al recuperar la distribución condicional del salario las regresiones por cuantiles permiten

visualizar los efectos de la heterogeneidad de los trabajadores sobre la desigualdad del salario y a

partir de ellos analizar los posibles efectos de los estudios formales sobre la desigualdad salarial.

En este sentido, se puede dar respuesta a aspectos como: si se considera una muestra de

individuos idénticos y se les da a todos un año más de educación,¿se volverán sus salarios más o

6 Podría considerarse que se puede alcanzar algo como las regresiones de cuantiles mediante la división de la variable dependiente en subconjuntos según su distribución incondicional y entonces hacer el ajuste de los mco sobre estas variables segmentadas. Pero vale la pena enfatizar que aún para los cuantiles extremos todas las observaciones de la muestra están activamente en juego en el ajuste de regresiones por cuantiles. Cada regresión de cuantil que se obtenga estará en última instancia determinado sólo por un par de puntos de la muestra, pero todos los puntos son necesarios para determinar cual par de puntos serán seleccionados. Con p parámetros a ser estimados, p puntos determinan el ajuste, pero cuáles p puntos depende de la muestra entera (Koenker y Hallock, 2001). 7 Frente a la evidencia de que a mayores niveles educativos mayor es la varianza del error uno puede modelar, por lo menos, dos alternativas: 1) La heterocedasticidad se debe que el error esta capturando los efectos que tiene sobre el salario alguna variable no observable o no medible. El verdadero modelo sería ln i i i iw S hβ γ υ= + + siendo posible que el coeficiente de las variables omitidas sea heterogéneo entre los individuos mientras que el rendimiento de la educación sea homogéneo. En este marco se utilizan los mco ponderados para mejorar la eficiencia de los estimadores de la media.2) La heterocedasticidad observada en el modelo especificado se interpreta como la consecuencia directa de heterogeneidades en los rendimientos de la educación. Éstas son el resultado de la interacción entre la educación y alguna variable no observable o no medible. No existe el concepto de "el rendimiento de la educación”. El modelo subyacente sería: ln w S h Shβ γ λ μ= + + + Si la habilidad no es observable, pero el coeficiente que recoge la interacción entre educación y habilidad es significativo, 0λ ≠ la variable relevante afecta los rendimientos de la educación, es decir este variará por cuantiles.

8

menos dispersos?8 En concreto, las diferencias en los rendimientos por cuantiles pueden

utilizarse como una aproximación a los efectos de la educación sobre la dispersión salarial dentro

de grupos de individuos con el mismo nivel educativo. Entre otros Buchinsky (1994), Machado y

Mata (1998), Budría y Pereira (2005) utilizando este marco teórico y metodológico han indago

sobre los efectos de la educación sobre la dispersión salarial.

4. LA EDUCACIÓN EN URUGUAY

Actualmente el sistema educativo en Uruguay esta compuesto por la educación preescolar o

inicial, la educación primaria, la educación media y la terciaria o superior.

La educación inicial atiende a la población infantil comprendida entre los 3 y 5 años inclusive. La

educación primaria tiene seis años de duración y se dirige a la población de 6 a 11 años de edad.

La educación media, se divide en dos ciclos. El ciclo básico, dirigida a la población estudiantil

egresada del ciclo de primaria (en general la población de 12 a 14 años), es común a todas las

orientaciones y su duración es de tres años. El segundo ciclo de la educación media, esta

compuesto por el bachillerato diversificado y la educación técnica. Su duración es de tres años.

Respecto al nivel terciario, sólo existió la Universidad pública, la Universidad de la República,

que durante más de ciento cincuenta años tuvo un carácter monopólico, respecto a los estudios

universitarios y terciarios del país, a excepción de la formación de maestros y profesores de

enseñanza secundaria. Por esta razón, la educación superior y terciaria ha sido históricamente

sinónimo de educación universitaria. Actualmente, se distingue entre nivel terciario universitario

y terciario no universitario. Este último grupo comprende carreras técnicas expedidos por

universidades o institutos universitarios, con una duración de tres a cuatro años. El nivel terciario

universitario comprende carreras de grado, con una duración de cuatro a ocho años dependiendo

de la orientación. Además, existen estudios de postgrado constituidos por los niveles de

especialización, maestría y doctorado.

5. LOS DATOS

Los datos utilizados provienen de la Encuesta Continua de Hogares (ECH) relevada por el

Instituto Nacional de Estadística (INE). La unidad de análisis son los hogares particulares y las

8 Para recoger las heterogeneidades individuales a veces se utilizan datos de panel. Sin embargo las técnicas convencionales de datos de panel sólo muestran los efectos de la heterogeneidad no observada sobre la media del salario. No permite analizar los efectos de las variables explicativas sobre los distintos tramos de la función de distribución de la variable dependiente.

9

personas que residen en dichos hogares, en las zonas urbanas del país. Se compone de registros

de hogares y personas. Para el presente trabajo se utilizan las bases de personas para los años

2001 al 2005.

Se restringe la muestra a las personas que trabajan como asalariados en el sector privado, de entre

18 y 65 años, que se declaren jefes del hogar y que hayan trabajado en la semana previa de

referencia entre 35 y 85 horas a la semana.9 Las bases finales incluyen 5.039, 4.730, 4.676, 4.959

y 5.192 individuos para los años 2001, 2002, 2003, 2004 y 2005 respectivamente.

La Tabla (1) resume algunos estadísticos para el total de ocupados de la muestra y para la

muestra restringida.10

Tabla 1 Resumen de variables(*)

(*) En pesos uruguayos, a precios constantes de 2005

Todos los ocupados

Muestra seleccionada

Observaciones 78.428 24.595 Media de: Ganancia salarial por hora (*) 42,7 48,4 Edad 39,2 43,5 Años de Educación 10,5 9,7 Porcentajes de: Hombres 52% 74% Jefes de Hogar 46% 100% Montevideo 58 % 59% Empleados privados 73% 100%

Fuente: Elaboración propia en base a ECH

La variable dependiente es el logaritmo neperiano de las ganancias salariales por hora11, se

reducen durante el período de análisis, aunque comienzan a recuperarse levemente a partir del

2004. Además, para todo el período la ganancia salarial por hora de las mujeres no llega al 80%

de la de los hombres.

9 Esto implica que la actividad principal (definida como la de mayores ingresos) se desarrolle en relación de dependencia en el sector privado. La edad mínima para empezar a trabajar es de 14 años, pero este grupo de individuos presenta comportamientos muy dispares, por lo que se decidió sacarlos de la muestra. La relación de parentesco Jefe de Hogar es una apreciación propia del hogar entrevistado, se eligió para evitar el posible sesgo de selectividad. 10 Se considera la media y los porcentajes de las variables seleccionadas calculado en función de un promedio ponderado por las observaciones de cada año. 11 Se define como la suma de todos los ingresos salariales que tenga el individuo por su actividad principal durante el mes anterior a la encuesta, dividido entre el total de horas trabajadas en el mismo período de referencia. Se supone que el número de horas trabajadas en la semana previa a la encuesta es la misma que para la totalidad del mes de referencia.

10

Los años de educación se mantienen prácticamente constantes a lo largo del período. Para todos

los años el nivel de educación de las mujeres es mayor que para los hombres. De acuerdo a la

estructura de la educación por niveles un 30% de la población tiene por lo menos estudios

secundarios superiores y casi un 7% de los individuos de la muestra obtienen un titulo

universitario o equivalente.

El Gráfico (1) reporta, para todos los años el ratio entre las ganancias salariales del 10% más rico

(q90) y el 10% más pobre (q10). Para todos los años la desigualdad salarial tiende a aumentar en

los grupos más educados. Esto puede insinuar que la educación esta positivamente correlacionada

con la dispersión salarial.

Figura 1

Ratio de Ganancial Salarial q90/q10. Por grupo de educación

0

2

4

6

8

10

2001 2002 2003 2004 2005

sinestudios primaria secundbasica secundsuperior diplomatura universidad

Fuente: Elaboración propia en base a ECH

6. RESULTADOS Se estimaron dos modelos. El primero considera años de educación como variable explicativa.

Este modelo supone que el rendimiento de un año más de estudio es constante para cualquier

nivel de educación, y que su impacto sobre la dispersión salarial es constante entre los distintos

niveles educativos. Para relajar este supuesto, el segundo modelo sustituye la variable años de

educación por una serie de variables dummies que se refieren a la culminación de los ciclos de

educación del sistema educativo uruguayo. Además se incorpora, en ambos modelos una dummy

que recoge el diferencial por sexo.12

12 La variable vale 1 si la observación corresponde a una mujer y 0 si es un hombre. iSexo

11

Las regresiones se estimaron por mco y para los cuantiles 0,10, 0,25, 0,50, 0,75 y 0,90. Los

errores estándar de los coeficientes para cada regresión por cuantil se obtuvieron a partir del

método de bootstrap con 20 repeticiones.

Modelo 1: i i i i iw S Exp Exp Sexo21 2 3 4ln iα β β β β= + + + + + μ

Todas las variables presentan el signo esperado y son significativas al 1%.13 La Figura (2) resume

las características principales de la distribución condicional del logaritmo de las ganancias

salariales. Para las cuatro variables se presenta además el estimador mco y el intervalo de

confianza respectivo.

Figura 2 Estimadores por mco y por regresión por cuantiles. Modelo1.

Promedio de los cinco años

-35

-30

-25

-20

-15

-1010 25 50 75 90

cuantiles

sexo

8

10

12

14

16

18

10 25 50 75 90cuantiles

educ

ació

n

1

2

3

4

5

10 25 50 75 90cuantiles

expe

rienc

ia

-0,05

-0,03

-0,01

10 25 50 75 90cuantiles

expe

rienc

ia2

Fuente: Elaboración propia en base a estimaciones

El coeficiente de la variable dummy sexo representa la diferencia salarial relativa entre hombres y

mujeres considerando todo lo demás constante. En promedio las mujeres ganan menos que sus

equivalentes hombres, este coeficiente oscila entre menos 19% y menos 26%. La información de

los coeficientes estimados por mco o por cuantiles denota que la distribución del logaritmo de la

ganancia salarial de las mujeres esta a la izquierda que la de los hombres, pues todos son

13 Excepto la variable experiencia al cuadrado para el año 2004 en el cuantil 0,90θ = que no resulta significativa y en el 2002 para 0,10θ = . En el 2001 resulta significativa al 10%.

12

negativos. 14 Las diferencias salariales por sexo encuentran su valores más altos hacia 2004,

cuando en promedio, controlando por experiencia y educación, las mujeres ganan un 26% menos

que los hombres. En este año, tanto para las estimaciones mco, como para las estimaciones por

cuantiles se presenta la situación más dispar entre géneros.

Los coeficientes de las variables de educación y experiencia son positivos en la estimación por

mco y en todos los cuantiles lo que provoca un corrimiento hacia la derecha de la distribución del

logaritmo de la ganancia salarial.

De acuerdo al estimador mco, el rendimiento de estudiar un año más en el año 2001 es en

promedio 13% y este rendimiento se mantiene constante durante el período de la muestra. El

estimador promedio oculta diferentes resultados para los distintos cuantiles, los rendimientos

(más precisamente la derivada del cuantil condicional del logaritmo de la ganancia salarial por

horas respecto a la educación) son superiores en la cola alta de la distribución, sobre todo en el

cuantil 0,90. En este sentido puede afirmarse que los trabajadores más educados ganan más, pero

la educación es relativamente más valorada en los trabajos mejores pagos, esto sugiere que la

educación puede tener un impacto positivo sobre la dispersión salarial.

Modelo2: 21 2 3 4 6 7 8ln i i i i i 5 i i iw Prim SecBas SecSup Dipl + Univ + Exp Exp sexo iα β β β β β β β β= + + + + + + +μ 15

Nuevamente los signos de todas las variables son los esperados.16 Al igual que en el modelo

anterior la distribución de salarios de las mujeres esta a la izquierda que la de los hombres, pues

para todos los años y estimaciones (por mco y cuantiles) el coeficiente 8β es negativo. Sin

embargo, existen algunas diferencias interesantes entre los resultados obtenidos a partir de esta

estimación y los presentados en el modelo anterior:

P

14 La experiencia corresponde a la experiencia potencial, por construcción no se considera posibles ausencias del mercado de trabajo, totales o parciales, que pueden haber experimentado con mayor probabilidad las mujeres. En este sentido no toda la diferencia puede atribuirse a discriminación salarial. 15 valen 1 si la observación corresponde a un individuo que haya completado primaria, secundaria básica, secundaria superior, una diplomatura, o la universidad respectivamente. es la categoría de referencia y vale 1 cuando el individuo no ha culminado el nivel primario

,i i i i irim, SecBas , SecSup Dipl , Univ

iSinest

16 Las variables son todas significativas al 1%, excepto la variable experiencia para el cuantil 0,10 del año 2002 y para el cuantil 0,90 del año 2005 que resulta significativa al 5%. El coeficiente de nivel primaria presenta algunos problemas pues no es significativo para el cuantil 0,10 del año 2002, para el cuantil 0,90 del año 2003, para el cuantil 0,10 del 2004, para los cuantiles 0,10 y 0,75 del 2005.

13

En primer lugar, el rendimiento de 13% oculta importantes diferencias entre los grupos de

educación considerados. El rendimiento promedio de la educación crece con el nivel educativo y

este orden se mantiene, en líneas generales, para los cuantiles.

La Tabla (2) muestra el promedio para los 5 años considerados. De acuerdo a las estimaciones

por cuantiles se espera que los individuos con primaria completa ubicados en el primer cuantil de

la distribución de salarios perciban un salario un 15% superior a aquellos que no tienen estudios.

Para los universitarios ubicados en el mismo cuantil se espera que esta diferencia crezca hasta un

370%. Sin embargo en la cola opuesta de la distribución, estas diferencias en relación al grupo de

referencia pasan a un 24% para los individuos con primaria y un 752% para los individuos con

universidad. Es decir, se espera que un universitario ubicado en el cuantil 0,90 obtenga un

incremento de su ganancia salarial siete veces y media superior a un individuo sin estudios

ubicado en el mismo cuantil.

Tabla 2

Diferencias relativas en el salario esperado entre grupos.

Mco 10 25 50 75 90 Primaria 21% 15% 20% 21% 20% 24% Sec bás 60% 46% 49% 57% 63% 82% Sec sup 156% 103% 121% 148% 188% 249% Diplomat 287% 228% 254% 293% 303% 357% Universid 541% 370% 468% 554% 632% 752%

En segundo lugar, mientras el modelo anterior muestra cierta estabilidad de los rendimientos, en

la estimación por grupos se observa diferente variación a lo largo del período. El promedio de los

cinco años posibilita el análisis en términos globales, pero oculta posibles variaciones al interior

del período.

La Figura (3) resume esta información para todos los grupos considerados. El rendimiento de la

educación para los individuos con estudios primarios cae para todos los cuantiles comparando el

inicio y el final del período de análisis. Para el 2003 la distribución de salarios de este grupo

experimenta una disminución de su dispersión. El grupo con educación secundaria básica

evidencia una convergencia de los rendimientos de la educación para todos los cuantiles hacia el

fin del período de análisis, principalmente explicada por el comportamiento de las colas de la

distribución. El grupo con diplomatura no presenta un patrón de evolución clara. Los

universitarios ubicados en los cuantiles del medio presentan una evolución similar entre los años

14

considerados. Sin embargo aquellos individuos que se sitúan en las colas de la distribución ven

aumentar la diferencia de sus rendimientos hacia el final del período. Esta evolución dispar de las

colas podría acentuar la disparidad salarial del grupo hacia el final del período.

Figura 3

Evolución de los rendimientos de la educación según grupos(*) a - Primaria b-Secundaria Básica

c-Secundaria Superior d-Diplomatura

e-Universidad Referencias

-202468

1012

2001 2002 2003 2004 2005

tasa

de

rend

imie

nto

-202468

1012

2001 2002 2003 2004 2005

tasa

de

rend

imie

nto

0

5

10

15

20

2001 2002 2003 2004 2005

tasa

de

rend

imie

nto

-2

3

8

13

18

2001 2002 2003 2004 2005

tasa

de

rend

imie

nto

-3

2

7

12

17

22

2001 2002 2003 2004 2005

tasa

de

rend

imie

nto

-3

2

7

12

17

22

2001 2002 2003 2004 2005

tasa

de

rend

imie

nto

-327

12172227

2001 2002 2003 2004 2005

tasa

de

rend

imie

nto

-327

12172227

2001 2002 2003 2004 2005

tasa

de

rend

imie

nto

0

10

20

30

40

2001 2002 2003 2004 2005

tasa

de

rend

imie

nto

0

10

20

30

40

2001 2002 2003 2004 2005

tasa

de

rend

imie

nto

q0.25 q0.5 q0.75

mco q0.1 q0.9

(*) Los rendimientos se calcularon en función de los coeficientes estimados, considerando el promedio de años de estudio para cada catergoría (3,6;6,8; 9,7; 13,3; 15,8 y 17,7 años para los individuos de la muestra sin estudios, con primaria, secundaria básica, secundaria superior, diplomatura o universidad respectivamente)

Por último, mientras en la estimación del modelo anterior, se verifica sistemáticamente que a

mayor cuantil mayor rendimiento, este comportamiento no se sostiene tan claramente para todos

los grupos considerados. En este sentido, puede afirmarse que el impacto de un año adicional de

educación sobre la dispersión salarial no es constante a través de los grupos. El grupo de los

universitarios muestra un claro crecimiento de los rendimientos conforme el individuo se ubica

más a la derecha en la función de distribución de las ganancias salariales. El grupo de individuos

con estudios de diplomatura no muestra un patrón claro. Figura (4a)

Dispersión Salarial A partir de las estimaciones por cuantiles fue posible obtener la distribución condicional del

logaritmo de la ganancia salarial y observar los cambios en su forma. Para analizar la dispersión

salarial entre grupos se utiliza la diferencia del coeficiente de la mediana para los distintos grupos

con j = primaria, secundaria básica, secundaria superior, diplomatura y universidad. , 0,5ˆ j θβ =

15

Como medida de dispersión dentro de cada grupo se considera: a) la diferencia entre el cuantil

0,90 y el cuantil 0,10, o sea la diferencia entre las colas de la distribución y b) la diferencia entre

el cuantil 0,75 y el 0,25. Cuándo más grande sea la diferencia mayor es el diferencial del

rendimiento para individuos aparentemente iguales, pero ubicados en diferentes puntos de la

distribución.

El año 2002 presenta un importante crecimiento de la dispersión salarial entre grupos pues

mientras los rendimientos de los niveles primaria, secundaria básica, y secundaria superior se

mantienen relativamente estables, el rendimiento de un año más de estudio para los universitarios

registra un crecimiento de un 25%. Además el grupo de diplomatura presenta una reducción en

sus rendimientos. Figura (4b)

Figura 4 a. Rendimientos para los diferentes grupos (*) b. Desigualdad salarial entre grupos. (**)

0

5

10

15

20

25

30

35

primaria secund basica sec superior diplomatura universidad

tasa

de

rend

imie

nto

2001 2002 2003 2004 2005

0

5

10

15

20

25

30

35

mco 10 25 50 75 90

tasa

de

rend

imie

nto

primaria secund basica secund superiordiplomatura universidad

(*) Promedio simple para las tasas de rendimiento del período

(**) Tasas de rendimiento del cuantil 0,5 Fuente: elaboración propia en base a estimaciones

Para el final del período la dispersión entre grupos aumenta. Del año 2001 al 2005 los

rendimientos del cuantil 0,50 se redujeron para el grupo con estudios primarios un 36% mientras

que para los individuos con estudios universitarios aumentaron un 12%. Para los demás grupos

los cambios fueron leves, los rendimientos de la educación para los individuos con estudios de

secundaria básica aumentaron un 7% y los de secundaria superior se redujeron en un 6%.

La Figura (5) muestra las medidas de desigualdad dentro de los grupos para todos los años del

período. En general todos los grupos, excepto el nivel diplomatura, presentan un diferencial

positivo entre los individuos ubicados en los puntos considerados.

La dispersión salarial de los individuos con primaria, excepto para 2003, tuvo lugar

principalmente en las colas de la distribución, puesto que esta brecha es siempre positiva y

superior a la brecha del cuantil 0.75 y 0.25. Las diferencias en el nivel secundario básico y

16

superior varían año a año pero en todos los casos son positivas, y en general es superior en los

extremos superior e inferior de la distribución. Para el grupo con educación secundaria básica se

evidencia una convergencia de los rendimientos de la educación para todos los cuantiles hacia el

fin del período de análisis.

Figura 5 a. Primaria y secundaria b. Diplomatura y Universidad

-15

-10

-5

0

5

10

15

20

25

2001 2002 2003 2004 2005

dipl q0.9-q0.1 dipl q0.75-q0.25

univ q0.9-q0.1 univ q0.75-q0.25 Fuente: elaboración propia en base a estimaciones

-15

-10

-5

0

5

10

15

20

25

2001 2002 2003 2004 2005

prim q0.9-q0.1 prim q0.72-q0.25sec bas q0.9-q0.1 sec bas q0.75-q0.25sec sup q0.9-q0.1 sec sup q0.75-q0.25

El panel (b) muestra que el nivel de diplomatura ha revertido la dispersión salarial pues el

diferencial ente el cuantil superior y el inferior resulta para todos los años negativo. El nivel

universitario es el que más aporta a la dispersión salarial y salvo para el 2004 este proceso se

verificó en los extremos de la distribución. El año 2005 es el que presenta este fenómeno de

forma más pronunciada. La función de distribución de los universitarios no sólo esta más a la

derecha que la de los demás grupos, cómo indican los mayores coeficientes estimados, sino que

también está más dispersa, presenta diferente forma.

Este hecho implica que si dos individuos ubicados en distintos puntos de la distribución de

salario, con estudios universitarios completos, y aparentemente iguales en todo lo demás reciben

un año adicional de estudio, su dispersión salarial aumentará pues al que pertenece al cuantil

mayor le rendirá más que al que pertenece al cuantil inferior.

De acuerdo al análisis precedente el impacto de la educación sobre la dispersión salarial es más

claro para el grupo universitario. Además esta mayor dispersión salarial se profundiza hacia el fin

del período, mientras los rendimientos de los universitarios pertenecientes al primer cuantil

experimentan una fuerte caída, los rendimientos de aquellos pertenecientes al cuantil 0,90

registran su aumento más importante, expandiendo la función de distribución de salarios de este

grupo.

17

7. COMENTARIOS FINALES

A través de las regresiones por cuantiles este artículo explora, no sólo el nivel de los rendimientos

de la educación en Uruguay para el período posterior a la crisis, sino también la conexión entre

educación y desigualdad salarial entre e intra grupos.

En Uruguay existen fuertes incentivos a estudiar, aunque según los resultados se concluye que el

rendimiento promedio oculta importantes heterogeneidades, tanto a nivel de género como por

nivel educativo considerado. La función de distribución del logaritmo de la ganancia salarial de

las mujeres esta a la izquierda que la de los hombres y en cuánto al nivel de educación, el

rendimiento de un año más de estudio crece con el nivel educativo y este resultado se mantiene

tanto para el individuo promedio como para el ubicado en otros puntos de la distribución de

salarios.

Para el final del período la dispersión entre grupos aumenta de acuerdo a las diferencias entre los

rendimientos de los individuos ubicados en la mediana de la distribución de salarios para los

distintos niveles educativos.

Por último, se encuentra que los efectos de la educación sobre el salario no son constantes a lo

largo de la distribución condicional de salarios. Los rendimientos son mayores para individuos

ubicados en la cola alta de la distribución y menores para quienes se encuentran en la cola baja.

No sólo difiere el rendimiento entre los grupos, sino también su impacto sobre la dispersión

salarial al interior de cada grupo. Mientras en el grupo de primaria los rendimientos son

homogéneos a lo largo de la distribución de salarios, el grupo de secundaria superior y el de los

universitarios (salvo algunas excepciones) muestra un claro crecimiento de los rendimientos

conforme el individuo se ubica más a la derecha en la función de distribución de las ganancias

salariales. La función de distribución de los universitarios no sólo esta más a la derecha que la de

los demás grupos, sino que también está más dispersa. Este hecho se interpreta como un impacto

positivo de la educación sobre la dispersión salarial dentro de los grupos de educación superior.

Una expansión de la educación en los niveles superiores, ceteris paribus, conduce a un aumento

de la desigualdad dentro del grupo. En este sentido, la decisión de invertir en educación, más que

asegurar cierto nivel de salario, da acceso a una distribución de salarios. Desde que los individuos

no son conscientes de cual será su ubicación dentro de la distribución de salarios, el rendimiento

18

de estudiar un año más en el nivel universitario es en gran medida imprevisible lo que lo

convierte en una inversión con más riesgo.

Aunque los resultados observados están en línea con la evidencia empírica encontrada para otros

países, cabe profundizar en las razones subyacen bajo éstos, en particular indagar las posibles

causas de la tendencia a una mayor dispersión salarial entre los más educados.

La existencia de fuerza de trabajo sobre cualificada podría ser consistente con la obtención de

rendimientos crecientes a lo largo de la distribución salarial. Aunque Buchelli y Casacuberta

(2001) no encuentran evidencia de sobre educación en Uruguay para el período 1991- 1998,

debería testearse para el período de análisis. Como consecuencia de la gran crisis anterior puede

verificarse un proceso de sobre cualificación provocando un aumento de la dispersión salarial

entre los más educados.

Otra explicación, es que la educación no es homogénea, de hecho existen diferentes calidades y

tipos de calificaciones, con diferentes reconocimientos en el mercado de trabajo, lo que puede ser

consistente con la heterogeneidad de los rendimientos estimados. En este sentido, podría

intentarse otras aproximaciones a los grupos definidos, con el fin de hacerlos más homogéneos.

Alternativamente, habría que indagar acerca de cuáles son estos factores no observables o

medibles por el investigador que repercuten positivamente en el salario del individuo, actuando

de forma complementaria con la educación. Y porqué el grupo de los más educados es más

heterogéneo en relación a estas características conduciendo a que la dispersión de sus

rendimientos entre los cuantiles sea mayor.

BIBLIOGRAFIA Arim R. y Zoppolo G. (2000) “Remuneraciones relativas y desigualdad en el mercado de trabajo. Uruguay: 1986-99” Trabajo monográfico presentado en la Facultad de Ciencias Económicas y Administración, UDELAR. Barceinas, F.; Oliver J.; Raymond J. L.; Roig J.L.(2001) “Unemployment and Returns to Education in Europe” En R. Asplund (ed.), Education and Earnings, Further Evidence from Europe, Helsinki: ETLA. Bucheli M. y Casacuberta C. (2001) “Sobreeducación y prima salarial de los trabajdaroes con estudios universitarios en Uruguay” Documento nº06/01. Departamento de Economía, Facultad de Ciencias Sociales, UDELAR, Uruguay. Bucheli M. y Furtado M. (2000) “La evolución de la Participación de las fuentes de ingreso en Uruguay 1986-1997” Ponencia presentada en el “Seminario de Economía Social” organizado por la Red de Economía Social y el Capítulo uruguayo LACEA/BID/BM, 20 a 22 de marzo de 2000, Uruguay. Bucheli M., Furtado M.(2004) “Uruguay 1998-2002: ¿quiénes ganaron y quiénes perdieron en la crisis” Trabajo de Consultoria realizado par CEPAL, Oficina de Montevideo.

19

Buchinsky, M. (1994) “Changes in U.S. Wage Structure 1963–1987: An Application of Quantile Regression.” Econometrica, March, 62:2, 405–58. Buchinsky, M. (1997) “Recent Advances in Quantile Regression Models: A practical guideline for empirical Research”. The Journal of Human Resources, Winter, Vol 33, 1, 88-126. Budría S. y Pereira P. (2005) “Educational Qualifications and Wage Inequality: Evidence for Europe“, IZA, Discussion Paper nº 1763, setiembre. Card, D. (1994) “Earnings, Schooling, and Ability Revisited” National Bureau of Economic Research, Working Paper 4832. Fitzenberg, B. y Kurtz , C. (2002) “New Insights on Earnings Trend Across Skill Groups and Industries in West Germany”. Discussion paper nº 38, Centre for International Labor Economics, university of Konstanz. Giovagnoli, P.I; Fizbein, A. y Patrinos, H.A (2005).: “Estimating the Returns to Education in Argentina: 1992-2002”, World Bank Policy Research Working Paper 3715, Septembre 2005. González X. y Miles D. (2001) “Desigualdad salarial en los países en desarrollo: caída en el salario mínimo o incremento de los rendimientos de la educación” Empirical Economics 26 , 135 -148. Hartog, J.; Pereira, P. y Vieira J.A.C (2001) ‘Changing Returns to Education in Portugal During the 1980s and early 1990s: OLS and Quantile Regression Estimators’, Applied Economics, nº 33, pp 1021-1037. Harmon, C.; Walter I.y Westergard N. (2001) “Education and Earnings in Europe. A Cross Country Analysis of the Returns to Education” Helsinki: ETLA Koenker, R. (2000).“Regression Quantiles” Disponible en http://www.econ.uiuc.edu/~roger/research/rq/rq.pdf. Koenker, R. y Bassett, G. (1978) ‘Regression Quantiles’, Econometrica, 46, 33-50. Koenker, R. y Bassett, G. (1982) ‘Robust Tests for Heteroscedasticity Based on Regression Quantiles’, Econometrica, 50, 43-61. Koenker, R. y Hallock, K (2001) “Quantile Regression” Journal of Economic Perspectives, Volume 15, nº 4, fall 2001, 143-156. Machado, J. F. y Mata, J. (1998) “Earnings Function in Portugal, 1982-1994: Evidence from Quantile Regressions”, Banco de Portugal, Working Paper 2-98. Miles D. y Rossi M. (1999) “Geographic concentration and structure of wages in developing countries: the case of Uruguay” Documento nº13/99. Departamento de Economía, Facultad de Ciencias Sociales, Uruguay. Mincer, J. (1974) “Schooling, Experience and Earnings”, New York: Columbia University Press for the National Bureau of Economic Research. Pereira, P y Martins, P (2001) “Education and Earnings in Europe. A Cross Country Analysis of the Returns to Education” Helsinki: ETLA. Capítulo 12, en Harmon, C.; Walter I.y Westergard N.(2001) Sanromán G (2006) “Returns To Schooling in Uruguay” Documento nº 14/06. Departamento de Economía, Facultad de Ciencias Sociales, UDELAR, Uruguay. Vigorito, A. (1999). “Una distribución del ingreso estable. El caso de Uruguay 1986-1997”. Revista de Economía del Banco Central del Uruguay. Volumen 6, Nº2.

20