Efrén Armando Osorio Ramírez
Instituto Tecnológico de Puebla
efrenosorio@yahoo.com.mx
Resumen
En este trabajo proponemos un algoritmo que utilizamos en un modulo de un agente
inteligente en donde estudiamos los spillovers del capital humano a nivel de
empresa utilizando un encuesta de estructura salarial que contiene datos
cruzados de trabajadores y empresas. Obtenemos que el nivel medio de educación
de los trabajadores de la empresa tiene un muy significativo y cuantitativamente
importante efecto positivo sobre el salario de todos sus trabajadores. El efecto
es robusto a la inclusión de todos los controles habituales sobre
características de trabajadores y empresas, siendo más importante sobre los
trabajadores con mayor nivel de educación. Una vez tenemos en cuenta el impacto
de la educación individual sobre la educación media de la empresa contratante y
las spillovers de la educación, obtenemos una rentabilidad individual de la
educación similar a la sugerida en trabajos previos y una rentabilidad social
notablemente superior. La experiencia potencial previa y la antigüedad medias de
los trabajadores de la empresa también ejercen un significativo efecto positivo
sobre todos los salarios de la misma.
Palabras clave: Educación, Capital humano, Spillovers, Salarios.
Este texto fue presentado como ponencia al
Pulsando aquí
puede solicitar que le enviemos el Informe Completo y Actas Oficiales en CD-ROM Si usted participó en este Encuentro, le enviaremos a la vez su certificado en papel oficial. Vea aquí los resúmenes de otros Encuentros Internacionales como éste VEA AQUÍ LOS PRÓXIMOS ENCUENTROS CONVOCADOS
|
Introducción.
El análisis de los rendimientos de la educación a partir de la estimación de
ecuaciones mincerianas es un tema ampliamente estudiado en la literatura
económica (Heckman et al., 2003). Una de las principales razones que explican el
permanente interés por esta línea de investigación y el empeño por el
perfeccionamiento de sus estimaciones, es la extraordinaria importancia que
tienen los gastos educativos en los presupuestos de todos los países.
Lógicamente, uno de los elementos a tener en cuenta en el diseño de las
políticas educativas es una evaluación cuantitativa de los rendimientos privados
y sociales de la educación. Aunque el análisis de esta cuestión en nuestro país
es relativamente reciente, se puede ya encontrar una amplia gama de trabajos que
la tratan, algunos de los cuales incluyen una estimación de los rendimientos
públicos de la educación (en forma de una mayor recaudación impositiva tras el
período educativo) además de los puramente privados . La consideración de los
rendimientos impositivos futuros no agota, sin embargo, el conjunto de
beneficios sociales de la educación por cuanto es posible que también genere
spillovers cuantitativamente importantes que no son apropiadas por los
individuos que realizaron los estudios. El objetivo de este trabajo es presentar
un algoritmo que realiza la estimación de las spillovers educativas que se
producen en el ámbito de la empresa poblana dentro del ámbito del cluster
industrial de automotriz y de autopartes, así como de las que tienen que ver con
la experiencia laboral media -dentro y fuera de la empresa actual- del conjunto
de trabajadores de un establecimiento.
En primer lugar, analizamos las spillovers que surgen cuando el salario de un
trabajador depende positivamente del nivel educativo de sus compañeros. Este
tipo spillover a nivel de empresa o centro de trabajo viene recibiendo bastante
atención en los últimos años (Barth, 2002, Battu et al., 2003, y Bayard y Troske,
1999), una vez que se ha detectado ya cierta evidencia empírica acerca de los
spillovers de la educación a nivel de ciudades y regiones (Ciccone y Peri, 2002,
Moretti, 2004 y Rudd, 2000, entre otros). Cabe pensar, sin embargo, que el
establecimiento laboral es el ámbito en el que el capital humano puede generar
spillovers de manera más inmediata e importante como consecuencia de las
complementariedades productivas y de la mayor facilidad de la difusión del
conocimiento.
La estimación de estos spillovers se realiza mediante la inclusión de efectos de
empresa en la ecuación de salarios. La inclusión de estos efectos resulta además
conveniente en cualquier estimación de los rendimientos salariales de la
educación con datos de corte transversal, debido a que los trabajadores más
hábiles tienden a concentrase en las empresas más productivas (Abowd et al.,
1999) y a que resulta verosímil que la habilidad y la educación individuales
estén positivamente correlacionadas. En estas circunstancias, y cuando no es
posible estimar un efecto individual debido a la inexistencia de datos
apropiados (como suele suceder en la mayoría de los casos, no solo para la
economía Poblana sino para el resto del país), la inclusión de efectos de
empresa permite reducir el sesgo de habilidad en la estimación de los retornos
de la educación.
Según los resultados obtenidos al trabajar este algoritmo, la inclusión de los
efectos de empresa en la ecuación de salarios reduce el coeficiente de la
educación individual desde un 0,081 hasta un 0,058, lo cual implicaría una
rentabilidad individual de la educación del 5,8 % que está marcadamente por
debajo de la obtenida por trabajos previos sobre la economía española (véanse
los citados en la anterior nota a pie de página). Sin embargo, cuando se
incluyen efectos de empresa, el cálculo de la rentabilidad individual de la
educación obliga a tener en cuenta que la mayor educación del individuo influye
positivamente en que sea contratado por una empresa con mayor educación media de
sus trabajadores y que el salario individual depende positivamente de ese nivel
educativo medio de la empresa. En concreto –de acuerdo con nuestros resultados–
la mayor educación individual eleva notablemente la probabilidad de trabajar en
una empresa con una alta educación media y, por tanto, de trabajar en una
empresa con un elevado nivel de spillovers positivos. Una vez estimado y tenido
en cuenta este efecto, la tasa de rendimiento individual de la educación se
sitúa en un 8 %. En consecuencia, la consideración conjunta de todos estos
factores nos reconduce a una calibración final del rendimiento privado de la
educación que es similar a la estimación del mismo obtenida en trabajos previos
que no toman en consideración los spillovers en el ámbito de la empresa. Aunque
del mencionado 8 % de rentabilidad individual de la educación, un 27,5 % no
sería un efecto directo sino que provendría de la mayor probabilidad de trabajar
en una empresa con elevados spillovers.
Ahora bien, el dato relevante desde el punto de vista de las políticas
educativas públicas no sería la rentabilidad individual de la educación, sino su
rentabilidad social. La consideración de los spillovers a nivel de empresa nos
conduce a una estimación del rendimiento social de la educación bastante
superior al individual y que alcanza un 10,5%.
Una cuestión adicional es si el efecto cuantitativo del spillover de la
educación en una determinada empresa es idéntico para todos los trabajadores de
la misma con independencia de su nivel de educación. Aunque la teoría apunta a
que estos efectos deberían ser mayores sobre los trabajadores con mayor
calificación (Kremer, 1993), trabajos como el de Battu et al. (2003) para el
Reino Unido obtienen resultados en sentido contrario. Nuestras estimaciones para
Puebla apuntan sin embargo en el sentido de la teoría, indicando que son los
trabajadores más calificados los que más se benefician de encontrarse en un
entorno laboral con una elevada calificación media.
Junto a la educación, la experiencia laboral conforma el otro elemento
fundamental del capital humano. Cabe pensar nuevamente que parte de los
conocimientos adquiridos mediante la experiencia dentro y fuera de la empresa,
se transmiten libremente al resto de trabajadores del establecimiento en el que
se trabaja. Además de que muchas experiencias productivamente útiles son
transmitidas eficazmente y de manera espontánea al interior de cada
establecimiento, la existencia de trabajadores con experiencia dentro de la
propia empresa parece un vehículo fundamental por el que puede crearse y
transmitirse la cultura y las pautas de funcionamiento de cada empresa. Por su
parte, la incorporación de trabajadores con experiencia previa en otras empresas
es un mecanismo importante de absorción de conocimientos procedentes del resto
de la economía que en parte se transmiten al resto de trabajadores de la
empresa. No obstante, los estudios que analizan los spillovers del capital
humano se centran exclusivamente en la educación (con alguna excepción como el
trabajo de Bayard y Troske, 1999). Nuestras estimaciones arrojan un impacto
positivo y muy significativo sobre los salarios, tanto de la antigüedad media
del conjunto de trabajadores de la empresa como de su experiencia previa media.
Todos estos resultados son robustos a la inclusión de los controles habituales
sobre características individuales y de empresa en las ecuaciones mincerianas,
así como a la utilización de dummies de educación en lugar de años de estudios
en dichas ecuaciones.
Algoritmo.
El algoritmo estimado tiene su origen en las ecuaciones mincerianas (Mincer,
1974) del tipo:
donde el subíndice i denota al individuo, w es el salario horario, S es el
número de años de educación, EP es la experiencia potencial y G es una variable
ficticia según el sexo del trabajador.
Sobre este modelo convencional, dividimos la experiencia potencial en antigüedad
en la empresa (A) y experiencia potencial previa (EPP) que el trabajador tuviera
en el momento de formalizar su relación contractual con la empresa; esto es, EPi=
Ai + EPPi. La primera es informativa de la experiencia específica del trabajador
en su empleo actual, mientras que la segunda informa de la experiencia general
acumulada por el sujeto en empleos y empresas anteriores. Esto es,
Esta separación permite considerar la posibilidad de que los efectos salariales
de una y otra sean significativamente distintos; lo cual puede ocurrir tanto
sobre el salario del individuo que ostenta la experiencia, como en el caso de
los spillovers que generan (por ejemplo, la experiencia fuera de la empresa
puede ser menos productiva desde el punto de vista del aprendizaje en las
actividades específicas que desempeña el trabajador en su empresa actual, pero
puede ser más productiva desde el punto de vista de la captación y difusión de
conocimientos procedentes de otras empresas). Finalmente, la consideración de un
efecto fijo de empresa en la determinación del salario, así como la existencia
de spillovers del capital humano dentro de ésta nos conducen a la estimación del
modelo siguiente:
donde el subíndice j indica la empresa, y S, A y EPP son la educación, la
antigüedad y la experiencia potencial previa medias de los trabajadores de la
empresa, respectivamente .
La estimación de los parámetros en una primera etapa permiten obtener las
estimaciones de los efectos fijos de empresa ( ), que son utilizados para
estimar el resto de coeficientes ligados a las variables que no muestran
variación a nivel de empresa en una segunda etapa. Inicialmente el algoritmo
también se estimó en una sola etapa bajo la hipótesis de efectos aleatorios,
pero dado que el test de Hausman rechazó dicha hipótesis (véase la sección de
resultados) frente a la especificación de efectos fijos, presentamos solamente
esta última .
Modo de Uso del algoritmo.
Los datos utilizados para realizar las estimaciones provienen de un encuesta
sobre Estructura Salarial, conteniendo una detallada información acerca de las
características laborales de los individuos en todo el ámbito del Cluster
Industrial automotriz y de autopartes de la región Angelopolis Puebla, permite
identificar el establecimiento donde se encuentra el trabajador. Esto permite
combinar las características individuales de los trabajadores con las
características propias del establecimiento, aislando de esta forma el efecto de
empresa en la determinación del salario individual.
Esta encuesta ofrece una gran amplitud de tamaño muestral, pues recoge
información de 55600 asalariados. El salario horario se ha obtenido a partir del
salario bruto anual incluyendo los pagos extraordinarios recibidos. Los años de
educación se han calculado a partir de la duración teórica del nivel de estudios
alcanzado por el sujeto. La mayoría de los trabajos que utilizan esta variable
con estos mismos datos no explicitan el cómputo exacto usado para construirla (Barceinas
et al., 2001, De la Rica, 2003, Pérez e Hidalgo, 2000). El trabajo de De la
Fuente et al. (2003b) es una excepción. Para hacer comparables nuestros
resultados hemos utilizado los mismos criterios seguidos en este último trabajo
para construir la variable años de educación.
La antigüedad en la empresa se obtiene directamente de los datos y la
experiencia potencial previa se ha calculado restando a la edad del trabajador
la antigüedad y la fecha de finalización teórica de los estudios completados por
el mismo. En el anexo aparece la descripción estadística de las principales
variables utilizadas. Hay que señalar que junto a las ventajas comentadas que
presenta la encuesta de estructura Salarial para realizar este tipo de estudios
hay también otros inconvenientes, que por otro lado tampoco son ajenos a otro
tipo de datos, como son los errores de medida en determinadas variables. Por
otro lado, como se ha señalado anteriormente, para el cálculo de los años de
escolaridad y para obtener la experiencia potencial previa se considera que los
trabajadores han completado su educación según la duración teórica de cada nivel
educativo.
La estimación de efectos fijos es frecuente en aquellos estudios que analizan
los spillovers de la educación en ciudades (Ciccone y Peri, 2002 y Moretti,
2004) y en regiones (Rudd, 2000). Sin embargo, no es tan habitual en aquellos
que centran su atención en el establecimiento. Bayard y Troske (1999) realizan
una estimación de corte transversal para Estados Unidos, Battu et al. (2003)
estiman un modelo de efectos aleatorios de establecimiento con datos británicos
y Barth (2002) trabaja con un panel de individuos y establecimientos de Noruega,
realizando tanto estimaciones cross section como de efectos fijos de
establecimiento con datos longitudinales de trabajadores.
En el Cuadro 1 aparecen las estimaciones de las ecuaciones (1) y (2). En este
último caso las estimaciones corresponden al modelo con efectos fijos. No se
presentan los resultados de la estimación del modelo de efectos aleatorios ya
que la aplicación del test de Hausman rechaza la hipótesis de dicho modelo La
ecuación (1) se presenta tanto en su versión convencional como dividiendo la
experiencia potencial en antigüedad en la empresa más experiencia potencial
previa (1’). Ambas se han estimado por Mínimos Cuadrados Ponderados, utilizando
los factores de elevación que proporciona la propia encuesta de estructura
salarial.
Todas las especificaciones incluyen un control para el sexo del trabajador.
También se han reestimado todos los modelos para la submuestra de hombres para
comprobar que la discriminación salarial de la mujer no está distorsionando los
resultados, ya que podría afectar no sólo a la constante sino también al resto
de parámetros. No obstante, los resultados obtenidos son similares a los que
figuran en el Cuadro 1. También se ha comprobado que los principales resultados
no varían aunque se incluya la fracción de mujeres que trabaja en la empresa y
que suele ser habitual en los estudios de discriminación salarial por sexo.
Todos los modelos se han estimado utilizando como ponderaciones los factores de
elevación que proporciona la propia encuesta.
Notas: Estadísticos t en valor absoluto entre paréntesis. Los errores estándar
son consistentes a la presencia de heterocedasticidad; se han calculado
permitiendo la correlación entre observaciones de una misma empresa. Fuente:
elaboración propia a partir de los datos.
Ahora bien, la probabilidad de que un trabajador esté empleado en una u otra
empresa dependen a su vez de su propia educación individual; o, en otras
palabras, depende de la segregación de trabajadores por empresas en función de
su educación (Kremer y Maskin, 1996). En el cuadro A3 del Anexo podemos ver
algunos estadísticos relevantes de la distribución conjunta de la educación
individual y la educación media de la empresa. En concreto, observamos que la
educación del individuo condiciona de manera muy importante el nivel medio de
educación de la empresa. Así por ejemplo, mientras que los trabajadores con el
menor nivel educativo considerado (sin estudios o educación primaria) trabajan
en promedio en empresas cuya educación media es de 6,97 años, los licenciados
universitarios tienden a hacerlo en empresas con 12,05 años de educación media.
El hecho de que la mayor educación mejore las probabilidades de trabajar en una
empresa con mayores spillovers pecuniarios positivos sobre los salarios implica
que la educación tiene un componente adicional de rentabilidad individual que
hay que añadir a la rentabilidad directa anteriormente citada. A partir de la
fórmula convencional acerca del sesgo cometido en la estimación de un
coeficiente por la omisión de una variable relevante, el sesgo en la estimación
del rendimiento privado de la educación cuando se excluye la educación media de
la empresa en las ecuaciones mincerianas puede ser calculado a partir del
producto entre el coeficiente de la educación individual obtenido en una
regresión auxiliar cuya variable dependiente es la educación media de la
empresa, y el coeficiente de la educación media del establecimiento de las
ecuaciones salariales (Barth, 2002). En consecuencia, donde b se obtiene de la
siguiente regresión:
Los resultados de esta regresión auxiliar se presentan en el Cuadro A4 del
Anexo. El valor estimado de b es 0,462 (con una desviación estándar de 0,006).
En consecuencia, la tasa de rendimiento privado de la educación de acuerdo con
el modelo (2) es de 8% (0,058 + 0,462 × 0,047). Esto significa que el 27,5 % del
rendimiento privado de la educación proviene de la mayor probabilidad de
trabajar en una empresa con un elevado nivel salarial (debido a su vez a la
existencia de fuertes spillovers educativos).
Desde una perspectiva pública, el dato relevante para el análisis
coste-beneficio de las políticas educativas es el denominado, en este contexto,
rendimiento “social” de la educación, que se obtiene sumando el rendimiento
privado individual y los spillovers pecuniarios derivadas de la educación media
de la empresa comentadas anteriormente . El aumento de un año en la educación
media de los asalariados de la muestra genera un aumento del salario medio del
10,5%, que se descompone en un 5,8% de rendimiento interno más un 4,7% de
externalidad en la empresa. En consecuencia, nuestras estimaciones sugieren que
la habitual no consideración de los spillovers a nivel de empresa conduce a una
significativa infravaloración de los rendimientos de la educación (Barth, 2002).
Con respecto al resto de variables que conforman el capital humano, el Cuadro 1
muestra que la antigüedad en la empresa tiene un mayor impacto salarial que la
experiencia potencial previa, siendo el perfil de ingresos de la primera
superior y con mayor pendiente que la segunda, aunque en todo caso ambas son muy
significativas. Como señalamos al comienzo, cabe pensar que parte de los
conocimientos adquiridos mediante la experiencia dentro y fuera de la empresa se
transmiten libre, eficaz y espontáneamente al resto de trabajadores del
establecimiento en el que se trabaja. No obstante, los estudios que analizan los
spillovers del capital humano se centran exclusivamente en la educación, con
alguna excepción como el trabajo de Bayard y Troske (1999). En las estimaciones
del modelo (2) que ofrecemos en el Cuadro 1, obtenemos que las variables de
antigüedad y experiencia medias del conjunto de trabajadores también son
explicativas de la prima salarial por establecimiento y estadísticamente muy
significativas. Así pues, se detecta un carácter semi-público (al interior de
cada establecimiento) de los conocimientos adquiridos mediante la experiencia
dentro y fuera de la empresa. Hay que anotar también que, al igual que sucede a
nivel individual, el impacto salarial de la antigüedad media en la empresa es
superior al de la experiencia potencial previa media.
Volviendo a la externalidad de la educación, una cuestión adicional es si dicha
externalidad afecta por igual a todos los trabajadores de una misma empresa, con
independencia de su nivel de cualificación. Battu et al. (2003) argumentan que,
de acuerdo con los planteamientos de Kremer (1993) sobre la fuertes
complementariedades productivas de la habilidad, un aumento en el nivel
educativo medio en la empresa irá aparejado a un aumento de los salarios de
todos los trabajadores pero sobre todo, de los de aquéllos con mayores niveles
de habilidad; lo cual, a su vez, tiende a coincidir con los de mayor nivel
educativo. Sin embargo, sus resultados apuntan en la dirección contraria.
Utilizando la especificación propuesta por Idson y Kahane (2000) contrastan los
distintos efectos salariales de la externalidad de la educación según el nivel
educativo del trabajador a través de la interacción entre la propia educación
del sujeto y la educación media en el establecimiento. Tras varios análisis de
sensibilidad para verificar la robustez de sus estimaciones obtienen un
resultado que contradice la predicción teórica anterior, pues el coeficiente
asociado a dicha interacción es negativo (aunque, por otro lado, obtienen
parámetros positivos para las variables de educación propia y educación media
del establecimiento). Según el razonamiento que proponen para explicar este
resultado, la elevada competencia que pueda existir entre los trabajadores
universitarios dentro de la empresa podría deprimir sus salarios en las empresas
donde los universitarios son relativamente más abundantes.
La ecuación a estimar para contrastar con nuestros datos esta cuestión es:
La especificación (2’) solamente se diferencia de la (2) en que incluye una
interacción entre la educación individual y la media por empresa En el Cuadro 2
presentamos los resultados obtenidos para las variables educación individual,
educación media de la empresa y el producto de ambas. El resto de variables
apenas sufre cambios respecto de los presentados en el cuadro anterior. El
coeficiente de la interacción de la educación individual y la media por empresa
es positivo y muy significativo, al igual que los coeficientes asociados a ambas
variables por separado. En consecuencia, la externalidad de la educación no es
idéntica para todos los trabajadores sino que, aunque existe un impacto positivo
común para todos dado por el coeficiente de la educación media, la externalidad
aumenta con el nivel educativo de los trabajadores tal y como sugieren los
planteamientos de Kremer (1993) y en contraposición a los resultados obtenidos
por Battu et al. (2003).
Notas: Estadísticos t en valor absoluto entre paréntesis. Los errores estándar
son consistentes a la presencia de heterocedasticidad y se han calculado
permitiendo la correlación entre observaciones de una misma empresa.
La inclusión de la interacción entre la educación individual y la media de la
empresa reduce los coeficientes de estas dos últimas variables respecto de los
obtenidos con el sistema (2). No obstante, los efectos marginales de la
educación, calibrados en las medias de las dos variables educativas –la
educación individual y la educación promedio en la empresa- son similares. De
acuerdo con esta nueva estimación (2’), el rendimiento privado de la educación
para un trabajador con una educación igual a la media, en una empresa también
media, es del 7,7 % (0,027 + 0,462×0,016 + 0,0033×8,771 + 0,462×0,0033×9,058);
frente al incremento del 8% obtenido con la especificación (2) para cualquier
trabajador. Mientras que el aumento que se produce en el salario de un
trabajador con una educación media que trabaja en una empresa media, cuando se
incrementa en una año la educación (promedio) de la empresa es de un 4,6 %
(0,016 + 0,0033×9,058); frente al incremento del 4,7 % obtenido con la
especificación (2) para cualquier trabajador, con independencia de su educación.
Fuente: elaboración propia a partir de los resultados presentados en los cuadros
1, 2, A2 y A4.
El Cuadro 3 sintetiza todos los resultados sobre los rendimientos de la
educación –privados y sociales- obtenidos con las especificaciones (1), (1’),
(2) y (2’). Las dos últimas permiten distinguir entre el rendimiento privado
“directo” –que sólo incluye el efecto generado por los años de escolaridad del
propio trabajador- y el rendimiento privado “total” –que suma al directo, el
efecto derivado de que la mayor educación incrementa la probabilidad de trabajar
en una empresa con mayores spillovers educativas sobre sus trabajadores.
Obviamente, la simplicidad de las especificaciones (1) y (1’) no permite
analizar los spillovers de la educación y, por tanto, tampoco distinguen entre
rendimiento privado directo y total.
Conclusiones.
En este trabajo se presenta un algoritmo que evalúa la importancia de los
spillovers del capital humano a nivel de empresa (o del establecimiento) dado
que esto es parte de un sistema mas grande multiagente que evalua por medio de
redes el cluster automotriz y de autopartes de la región Angelopolis Puebla.
Bueno, respecto a la educación, constatamos que tanto la educación media de los
trabajadores de la empresa, como el porcentaje de universitarios en la misma,
influyen positiva y muy significativamente en el salario de todos sus
trabajadores, corroborando los resultados obtenidos por otros autores en Estados
Unidos (Bayard y Troske, 1999), Reino Unido (Battu et al., 2003) y Noruega (Barth,
2002). La consideración de un efecto de empresa en la determinación del salario,
además de servir para la estimación de los spillovers del capital humano al
mencionado nivel de empresa, permite también corregir parte del posible sesgo de
habilidad en la estimación de los rendimientos de la educación. La razón es que
los trabajadores más hábiles tienden a concentrarse en las empresas más
productivas (Abowd et al.,1999).
La inclusión de los efectos de empresa en la ecuación de salarios reduce, en
principio, la rentabilidad individual estimada de la educación hasta un 5,8 %.
Esto implicaría un valor marcadamente inferior al obtenido en trabajos previos.
Sin embargo, cuando se incluyen efectos de empresa, el cálculo de la
rentabilidad individual de la educación obliga a tener en cuenta que la mayor
educación del individuo influye positivamente en que sea contratado por una
empresa con mayor educación media de sus trabajadores. Una vez estimado y tenido
en cuenta este efecto junto con los spillovers de la educación, la tasa de
rendimiento individual de la educación se sitúa en un 8%. En consecuencia, la
consideración de los efectos de empresa y el spillover educativo –pese a su
significatividad estadística y su elevada importancia cuantitativa– apenas
afecta la estimación final del rendimiento privado de la educación en
comparación con el obtenido en otros trabajos, una vez se tienen en cuenta los
efectos indirectos sobre el empleo del individuo.
El efecto de el spillover de la educación no es, sin embargo, idéntico para
todos los trabajadores de una misma empresa o establecimiento. En concreto, el
spillover educativo tiene un mayor impacto positivo sobre los trabajadores con
mayor nivel educativo, corroborando de esta forma las implicaciones del modelo
de Kremer (1993) y a diferencia de lo obtenido por Battu et al. (2003) para el
Reino Unido. Todos estos resultados son robustos a la inclusión de los controles
habituales sobre características individuales y de empresa en las ecuaciones
mincerianas, así como a la utilización de dummies de educación en lugar de años
de estudios en dichas ecuaciones.
Por su parte, el dato relevante para el análisis costo-beneficio de las
políticas educativas es el del rendimiento social de la educación (suma del
rendimiento individual y los spillovers).
Obtenemos que tanto la antigüedad media de los trabajadores de la empresa como
–en menor medida- su experiencia potencial previa, ejercen también un efecto
positivo sobre todos los salarios de la empresa; especialmente cuando esa
antigüedad procede de los trabajadores universitarios de la empresa. Esto es
indicativo de la relevancia productiva de los conocimientos adquiridos mediante
la experiencia y del carácter semi-público de los mismos al interior de cada
empresa. La antigüedad en la empresa y la experiencia previa son también
individualmente más rentables para los titulados universitarios que para el
resto de empleados.
Referencias bibliográficas
Abowd, J.M., Kramarz, F. y Margolis, D.N. (1999): “High wage workers and high
wage firms”, Econometrica, 67 (2), págs. 251-333.
Alba-Ramírez, A. y San Segundo, M.J. (1995): “The returns to education in Spain”,
Economics of Education Review, 14, págs. 155-166.
Barceinas, F., Oliver, J., Raymond, J.L. y Roig, J.L. (2001): “Spain” en
Education and Earnings in Europe, C. Harmon, I. Walker y N. Westergaard-Nielsen
editores, Edward Elgar, UK, págs. 234-264.
Barth, E. (2002): “Spillover Effects of Education on Co-Worker Productivity.
Evidence from the wage structure”, ESPE conference (Bilbao 2002).
Battu, H., Belfield C.R. and Sloane, P.J. (2003): “Human Capital Spill-Overs
Within the Workplace”, Oxford Bulletin of Economics and Statistics, 65 (5),
págs. 575-594.
Bayard, K. And Troske, K.R. (1999): “Examining the Employer-Size Wage Premium in
the Manufacturing, Retail Trade, and Service Industries Using Employer-Employee
Matched Data”, American Economic Review, Papers and Proceedings, 89 (2), págs.
99-103.
Ciccone, A. and Peri, G. (2002): “Identifying Human Capital Externalities:
Theory with an Application to US Cities”. Mimeo.
De la Fuente, A. (2003a) “Human capital in a global and knowledge-based economy,
part II: assessment at the EU country level”, European Commission Report,
Employment and Social Affairs.
De la Fuente, A., Doménech, R. y Jimeno, J.F. (2003b): “Human capital as a
factor of growth and employment al the regional level. The case of Spain”, UFAE
and IAE Working Papers 610.04.
De la Rica, S. (2003): “Decomposing the Gender Wage Gap: The effects of Firm,
Occupations and Job Stratification”. Mimeo.
García, J., Hernández, P.J., López-Nicolás, A. (2001) “How wide is the gap? An
investigation of gender wage differences using quantile regression”, Empirical
Economics, 26, págs. 149-167.
Heckman, J.J., Lochner, L.J. y Todd, P.E. (2003): “Fifty years of Mincer
earnings regressions”, NBER Working Paper 9732
Idson, T.L. and Kahane, L.H. (2000): “Team effects on compensations: an
application to salary determination in the National Hockey League”, Economic
Inquiry, 38, págs. 345-357.
Kremer, M. (1993): “The o-ring theory of economic development”, Quaterly Journal
of Economics, 107, págs. 551-575.
Kremer, M. y Maskin, E. (1996): “Wage Inequality and Segregation by Skill”, NBER
Working Paper 5718.
Mincer, J. (1974): Schooling, experience and earnings, NBER, New York.
Moretti, E. (2004): “Estimating the Social Return to Higher Education: Evidence
From Longitudinal and Repeated Cross-Sectional”, Journal of Econometrics, 121,
págs. 175-212.
Raymond, J.L. (2002): “Covergencia real de las regiones españolas y capital
humnao”, Papeles de Economía Española, 93, págs. 109-121.
Rudd, J. (2000): “Empirical Evidence on Human Capital Spillovers”, Federal
Reserve Board, Finance and Economics Discussion Paper 2000-46.
Anexo
Notas: Estadísticos t en valor absoluto entre paréntesis. La variable
dependiente es la educación media por empresa. La estimación se ha realizado por
Mínimos Cuadrados Ponderados
Pulsando aquí puede solicitar que
le enviemos el
Informe Completo en CD-ROM |
Los EVEntos están organizados por el grupo eumed●net de la Universidad de Málaga con el fin de fomentar la crítica de la ciencia económica y la participación creativa más abierta de académicos de España y Latinoamérica.
La organización de estos EVEntos no tiene fines de lucro. Los beneficios (si los hubiere) se destinarán al mantenimiento y desarrollo del sitio web EMVI.
Ver también Cómo colaborar con este sitio web