Rendimientos de la educacion en el noreste argentino evolucion reciente y estructura actual.

Fernandez, Rodrigo A.

INTRODUCCION

Una de las maneras tradicionales de abordar el estudio de la relacion entre educacion y economia consiste en tratar de establecer de que manera la educacion contribuye al bienestar de las personas, ya sea debido al incremento de su capacidad de adquirir una mayor cantidad de bienes materiales, trascendiendo la esfera monetaria y considerando la mejora en las capacidades de la persona o incluso debido al impacto que la educacion tiene en el conjunto de la economia, por ejemplo en terminos del incremento en las tasas de crecimiento. Desde hace tiempo, estas y otras explicaciones alternativas se discuten en las ciencias economicas en la denominada Teoria del Capital Humano, la cual se consolida como un campo especifico dentro de las ciencias economicas hacia la decada de 1960.

Desde el abordaje que relaciona la educacion con la capacidad de adquirir mas bienes, se puede considerar al trabajo Schooling, Experience and Earnings que Jacob Mincer publicara en 1974, como uno de los aportes seminales al estudio de la relacion entre los ingresos, la educacion y la experiencia. A partir de este trabajo se sistematiza el tratamiento de estas variables bajo el denominado enfoque de la Ecuacion de Mincer, el cual considera que la decision de obtener niveles adicionales de educacion se asemeja a una decision de inversion como cualquier otra y que surge de la comparacion de las ganancias esperadas netas del costo de la educacion adicional, respecto a las ganancias esperadas por el menor nivel de educacion. En el presente trabajo se adoptara este enfoque, con el objeto de cuantificar los beneficios de la mayor educacion, concentrando el analisis en los aglomerados urbanos del Noreste Argentino: Posadas, Resistencia, Chaco y Formosa, en el periodo 2003 a 2009. Estudios Recientes en la Literatura Economica Argentina

Cabe destacar que el estudio de la relacion entre ingresos y educacion no es nuevo en la Argentina, uno de los primeros trabajos realizados en el pais es de Del Rey et. al., (1978), publicado en los anales de la Asociacion Argentina de Economia Politica (AAEP), trabajo en el cual se estima el rendimiento de la educacion universitaria en el caso puntual de los contadores de la provincia de Salta. Sin embargo, cabe senalar que este trabajo no utiliza el enfoque propiamente minceriano para la determinacion del rendimiento. Sera recien en Ferra y Claramunt (1984), quienes aplicando especificamente la Ecuacion de Mincer con una especificacion muy elemental en la que incluyen como variables explicativas la edad y la escolaridad alcanzada, encuentran que los rendimientos privados de la educacion presentaban tasas de entre el 8% y el 19%, utilizando ya datos de la Encuesta Permanente de Hogares de 1980, para el aglomerado del Gran Mendoza.

Desde estas primeras estimaciones de los rendimientos, se ha avanzado tanto en los desarrollos teoricos como en los econometricos y en su implementacion al campo empirico. Estos avances pueden seguirse en la serie de trabajos que se publican regularmente en los anales de la AAEP, encontrandose aportes fundamentales en Paz (1992) y Paz (1993) quien realizo estimaciones econometricas en ambos trabajos, utilizando como modelo basico el de la Ecuacion de Mincer Ampliada, la cual ademas de utilizar las variables tradicionales como educacion y experiencia potencial, incluye otras variables explicativas como por ejemplo: genero, localizacion geografica y caracteristicas del sector productivo.

Mas recientemente, Paz (2007) identifica un diferencial significativo de acuerdo al modo de insercion ocupacional definido en funcion de la complejidad de la tarea realizada en el trabajo, distincion que de no ser incluida en los modelos implicaria una sobreestimacion del rendimiento educativo y posteriormente en Paz (2009), se analizan las remuneraciones de los centros urbanos de Argentina que releva la EPH en el periodo 1995 a 2003 y al comparar los rendimientos de la educacion en distintas ciudades del pais encuentra cierta uniformidad en todas ellas con una tasa media del 6% para los hombres y 4,7% para las mujeres, incluyendo en el modelo postulado una serie de refinamientos tendientes a la eliminacion de sesgos de especificacion y sesgos por tipo de muestra.

DESARROLLO

En este trabajo se adopta el enfoque de la ecuacion ampliada de Mincer y se estiman las funciones de ingresos bajo distintas especificaciones, buscando incorporar en los modelos las nuevas estrategias para dar un tratamiento adecuado a los sesgos de especificacion y de tipo de muestra, siguiendo en la medida de lo posible los recaudos metodologicos presentados sucesivamente en Paz (1992), Paz (1993), Paz (2007) y Paz (2009).

En lo que sigue del trabajo, se presentaran algunos hechos estilizados referidos a los ingresos, el nivel educativo y la experiencia, luego se caracteriza el modelo teorico que relaciona los ingresos con el nivel de educacion y la experiencia, posteriormente se detallan los resultados obtenidos y se cierra el trabajo con las conclusiones. Algunos hechos estilizados

En el Grafico 1 se muestra la relacion entre los salarios y el nivel de educacion, segun surge de la informacion de la Encuesta Permanente de Hogares correspondiente al tercer trimestre de 2009. Los salarios se evaluaron en tres niveles geograficos diferentes, tomando los valores promedio para los 31 aglomerados relevados por la EPH, para los cuatro aglomerados del NEA (Resistencia, Corrientes, Formosa y Posadas) y los valores propios del aglomerado Posadas. En el grafico puede verse la relacion directa entre el salario mensual medio y el nivel educativo alcanzado, asi como puede apreciarse que los salarios medios en los niveles Secundaria Incompleta y Superior Incompleta no difieren significativamente de los niveles medios de Primaria Completa y Secundaria Completa respectivamente, regularidad que se mantiene en los tres niveles geograficos senalados.

[GRAFICO 1 OMITIR]

Ademas de las diferencias salariales atribuibles a la educacion, en la literatura que analiza el mercado laboral se han identificado diferencias salariales de acuerdo al sexo de la persona. Por ejemplo, la diferencia de remuneraciones promedio entre varones y mujeres, segun Actis Di Pascuale y Atucha (2003), en el caso de Argentina se situaba en el 2003 en 14% para el conjunto de los trabajadores y en 13% para los asalariados. En el Grafico 2 se analiza la relacion entre los salarios de varones y mujeres descomponiendo el analisis segun el nivel de educacion alcanzado. Alli puede observarse que esta regularidad empirica, de salarios de varones mayores que los de las mujeres se mantenia en el 2009, pero ademas que esta regularidad se mantiene para todos los niveles de educacion.

[GRAFICO 2 OMITIR]

En el Grafico 3 se muestra el Logaritmo Natural del Ingreso Medio Mensual segun la edad de la persona, lo cual permite establecer aproximadamente la relacion entre los salarios percibidos y la experiencia del trabajador. Como puede apreciarse en los tres niveles de educacion, al comienzo la relacion es positiva lo cual indica que el salario crece en la medida en la que los trabajadores incrementan su experiencia, luego de superados los 20 a 25 anos de experiencia potencial los ingresos tienden a caer para todos los niveles de educacion. Tal como se aclara en Rupert et. Al., (1996), respecto a la relacion entre salarios, educacion y experiencia, deberia ser claro a partir de las diferencias en las curvas de salario, que los efectos de la experiencia deben ser adecuadamente separados de aquellos de la educacion, para evitar sesgos en la medicion de los ingresos a la educacion.

[GRAFICO 3 OMITIR]

Un aspecto no considerado en los estudios internacionales es el efecto del trabajo en negro, o trabajo no registrado, en el cual los empresarios evitan el pago de las cargas sociales y otros impuestos al trabajo, en la determinacion del salario de los trabajadores asalariados o empleados en relacion de dependencia. Segun pudo comprobarse en el trabajo, la brecha salarial entre empleados registrados y no registrados es mayor al 50% en casi todos los sectores de actividad economica.

El enfoque teorico y especificacion del modelo

El modelo mas utilizado para el analisis de los ingresos, el nivel educativo y la experiencia laboral, se encuadra en la denominada Teoria del Capital Humano y se basa en Mincer (1974). Alli se considera la educacion, tanto la correspondiente a los anos de escolaridad (educacion adquirida en escuelas primarias, secundarias o universitarias) como a la formacion en el trabajo o educacion post-escolar, como una inversion en capital humano y la modelacion de la decision sobre el nivel optimo de educacion de una persona se plantea como un problema de maximizacion en el que se comparan el valor presente de los ingresos por cada ano adicional de educacion con los ingresos que resultarian en caso de no realizar ninguna educacion (inversion) adicional.

La forma convencional de especificar empiricamente un modelo de ingresos relacionados con el nivel educativo y la experiencia laboral y que a la vez permita capturar el efecto declinante de las inversiones en el tiempo, es utilizando en la funcion de ingresos un termino cuadratico en la experiencia, como por ejemplo:

[EXPRESION MATEMATICA IRREPRODUCIBLE EN ASCII]

En la anterior expresion [y.sub.i,t] es el logaritmo natural de los ingresos, ESC la cantidad de anos de escolaridad formal, EXP la cantidad de anos de experiencia laboral, Z representa un vector de variables explicativas en el cual comunmente se incluyen el sexo, lugar de residencia, tipo de empresa en la que se trabaja y otras caracteristicas observables de los trabajadores.

Finalmente [[epsilon].sub.i,t] es el termino de error que captura tanto las caracteristicas no observables de los trabajadores como los posibles errores de medicion. Esta ecuacion se estima luego por Minimos Cuadrados Ordinarios (MCO) y los valores de los coeficientes permiten obtener las tasas de rendimiento de la educacion.

Debe senalarse que en este trabajo se consideraran tiempos teoricos para la obtencion de cada grado de escolaridad y no se incluyen correcciones respecto al tiempo que efectivamente le toma a la persona adquirir dicho nivel. Los valores adoptados en el estudio son: 7 anos para la educacion primaria, 12 anos para la educacion secundaria y 18 anos para la educacion superior.

Modelacion del efecto del nivel de educacion en el ingreso

Una de las variables centrales del modelo de Mincer, es la escolaridad o el maximo nivel de educacion alcanzado, que en el modelo se denomina variable ESC, lo cual constituye la forma tradicional de introducir la educacion utilizando una variable de escala en la cual se expresan los anos de escolaridad de las personas. Como resultado de esta forma de especificacion del modelo se obtiene una tasa de variacion continua para cada ano adicional de escolaridad formal.

Aun cuando la premisa general, a mayor escolaridad mayores ingresos, que surge del modelo sea validada por las estimaciones empiricas, la manera de incorporar la escolaridad en los modelos tambien puede introducir sesgos de especificacion, en particular si no se diferencian adecuadamente la posesion de titulo de grado universitario de la posesion de titulos de postgrado, lo cual sobreestimaria el rendimiento de la educacion superior introduciendo un sesgo hacia la aceptacion de la hipotesis original.

Como se mostro en la seccion de hechos estilizados, al comparar los salarios entre quienes poseen estudios completos e incompletos, se observa que los salarios de una educacion superior incompleta no difieren significativamente de una educacion secundaria completa y que lo mismo puede concluirse al comparar secundaria incompleta con primaria completa, de forma tal que este hecho hace que al modelar los rendimientos de la educacion con una variable de anos de educacion se producira una sobreestimacion de los rendimientos para los casos en los cuales las personas no alcanzan a concluir el nivel de estudios, o en otras palabras no obtiene el titulo del grado correspondiente. En este caso se puede reemplazar la variable ESC por un vector ESC de variables cualitativas en las cuales se indiquen los logros academicos o la maxima instancia alcanzada, como por ejemplo: titulo secundario, titulo universitario, abandono de la secundaria, etc., tal como se lo releva en la EPH del INDEC. Esta especificacion tiene la ventaja de capturar los saltos discretos en los ingresos de las personas cuando acceden a una titulacion. En la elaboracion de los modelos se tuvo en cuenta esta particularidad y se reemplazo la variable ESC por un vector ESC que contiene las variables cualitativas que describen el maximo nivel alcanzado y que al utilizar la informacion de la EPH adoptara la siguiente forma:

ESC = (SININS,PRINC,PRICOM,SECIN,SUPIN,SUPCOM)

Por orden de aparicion en el vector, las variables corresponden a las categorias: Sin Instruccion, Primaria Incompleta, Primaria Completa, Secundaria Incompleta, Superior Incompleta, Superior Completa, la no inclusion del nivel Secundaria Completa, adoptado como nivel de referencia, es un requisito econometrico para evitar la multicolinealidad perfecta e implica que los otros niveles de rendimiento educativo se obtienen respecto al nivel de referencia. Cabe senalar que este vector columna estara premultiplicado por un vector fila que contendra los coeficientes de cada una de las variables mencionadas y que reemplazaria al coeficiente [[alfa].sub.1] original.

Modelacion del efecto de la experiencia en el ingreso

La forma de modelar la experiencia impone ciertas restricciones respecto a la forma particular en la que la inversion en educacion declina en el tiempo y condicionara de esta manera la forma concava de los ingresos en la medida en que se incrementa la edad de la persona. Al hablar de forma concava de los ingresos se esta haciendo referencia al hecho estilizado segun el cual los ingresos aumentan en los primeros 20 a 25 anos de trabajo y luego tienden a decrecer.

La especificacion de la experiencia adoptada originalmente por Mincer (1974) y por la mayoria de los trabajos de la literatura, es la de considerar la experiencia potencial de las personas, que surge de asumir que la experiencia comienza en el momento en que finaliza la escolaridad formal, de forma tal que la experiencia puede obtenerse como la diferencia entre la edad de la persona y los anos de escolaridad, cifra a la que debe restarsele seis que representa el inicio de la escolaridad formal en los ninos pequenos, este es el criterio adoptado en este trabajo.

Modelacion de otros factores que influyen en el nivel de ingreso

Ademas de las variables referidas al nivel educativo y la experiencia, se incluyeron un conjunto de variables para captar las diferencias estructurales de una muestra que abarca, como la EPH, aglomerados urbanos de todo el pais. En lineas generales, se incluyeron variables para distinguir: a) el empleo formal respecto del empleo en negro (EMPINF); b) el empleo en el sector publico (SECPUB); c) la modalidad de trabajo como Asalariado respecto de otras modalidades Patron (PATRON) y Cuenta Propia (CTAPIA); d) el sector de actividad del establecimiento; e) aglomerado urbano al que corresponden los datos Posadas, Corrientes (AGLOCOR), Formosa (AGLOFOR) y Resistencia (AGLORES); f) tipo de actividad desempenada en el establecimiento, desde los trabajadores sin calificacion hasta los profesionales (LABOPRO), con calificacion tecnica (LABTEC) y con calificacion operativa (LABOPE); g) el tamano del establecimiento mediante la cantidad de empleados, con 5 o menos trabajadores y dos niveles adicionales, establecimientos con 6 a 40 empleados (NTRAB2) y con mas de 40 empleados (NTRAB3); h) en el caso de las mujeres se agrego una variable adicional que discriminaba en estado civil (casada o en pareja) de las solteras (MUJERENP).

Correccion del sesgo muestral

Para la obtencion de la tasa de rendimiento de la educacion, consistente y confiable, es necesario que los datos utilizados en el modelo sean representativos de la poblacion total y exista una adecuacion entre los salarios observados y los salarios de reserva de los trabajadores, en tanto los ingresos se estiman para los trabajadores ocupados que son aquellos que efectivamente pueden reportar ingresos.

Del analisis de los indicadores sociodemograficos que realiza el INDEC surge que la Tasa de Actividad reportada para la poblacion masculina de los 31 aglomerados relevados en la EPH de entre 14 y 29 anos era de 58,6% y que dicha tasa para la poblacion femenina era de 40,1%, esta brecha se amplia aun mas para el rango de edades de 30 y 64 anos, en tanto la tasa de actividad de los varones es de 93,1 % que para el caso de las mujeres alcanza el 64,6%.

La menor participacion en el mercado de trabajo, tanto masculina como femenina, durante la edad que va entre los 18 y los 30 anos, se asocia a la continuacion del proceso de estudios, que desde el enfoque de la Teoria del Capital Humano se entiende como un medio de acumulacion de capital humano y que tiene un efecto directo en la fijacion del salario de reserva de los trabajadores (mayor salario a mayor inversion en educacion). Este fenomeno hace necesario acotar el limite inferior de la edad de la muestra seleccionada, habida cuenta que entre los 18 y 25 anos existira una proporcion de la poblacion que no participara activamente del mercado laboral mientras se encuentre cursando sus estudios superiores, se adopta como limite inferior la edad de 25 anos.

Una estimacion de las tasas de actividad, para los aglomerados de menos de 500.000 habitantes, mostro un descenso en la tasa de participacion una vez superada la edad de 50 anos, fenomeno relacionado con la mayor incidencia de la jubilacion de las personas, independientemente de su sexo. Por esta razon y siguiendo a Paz (2009) se adopto el criterio de acotar superiormente la muestra estableciendo como limite superior la edad de 54 anos.

Por otra parte, la brecha entre la participacion laboral de hombres y mujeres es independiente de la edad y evidencia que las mujeres estarian renunciando o condicionando su participacion en el mercado laboral para que la misma sea compatible con las tareas domesticas, lo cual desde una perspectiva historica hace a la definicion y distribucion en la familia de roles y espacios entre hombres y mujeres, que es frecuente analizar en los estudios del mercado de trabajo en terminos de una estructura de mercado laboral segmentado. En terminos de la teoria economica, esta decision implica una valorizacion implicita de las tareas domesticas o salario sombra de dichas actividades, que condiciona la participacion de la mujer en el mercado laboral y que en vista de las estadisticas hace que considerar a las mujeres ocupadas como representativas de la poblacion total sea inadecuado e introduzca un tipo de sesgo que en la literatura econometrica recibe el nombre de truncamiento selectivo.

Como se aclara en Greene (2003), el truncamiento se produce cuando la muestra relevada constituye solo una parte de la poblacion total y comenta como ejemplo el de estudios sobre niveles de ingresos basados en aquellas personas con ingresos superiores al nivel de la linea de pobreza, en cuyo caso no se podria utilizar dicha informacion para extraer conclusiones respecto de la poblacion total. Como se aclara en Heckman (1979), el sesgo de seleccion muestral puede originarse de dos maneras: uno debido a la propia decision de los individuos de la muestra y otro debido a decisiones de los investigadores o encuestadores. En este caso particular, el truncamiento no se debe a una caracteristica de la encuesta, sino que se origina en la propia decision de las mujeres de no realizar actividades rentadas en tanto el salario de mercado seria inferior a su salario de reserva.

De estimar los rendimientos de las mujeres sin realizar la correccion de este problema de seleccion muestral se estaria introduciendo un sesgo, en particular una sobreestimacion del rendimiento de la educacion femenina. Para corregir este problema Greene (2003) propone dos alternativas, las cuales permiten la estimacion de los parametros del modelo de seleccion muestral o Inverse Mills Ratio (IMR): una estimacion por maxima verosimilitud, o un enfoque en dos etapas propuesto en el trabajo de Heckman (1979).

De las dos alternativas propuestas, la mas utilizada en la literatura empirica y tambien utilizada en este trabajo, es la de Heckman (1979), que consiste en introducir en la ecuacion a estimar una correccion de los ingresos femeninos ponderados por la probabilidad de participacion en la Poblacion Economicamente Activa de las mujeres. Este procedimiento, siguiendo la metodologia del autor, consiste en estimar por maxima verosimilitud un modelo PROBIT de participacion femenina, e introducir dichos parametros en la estimacion de los rendimientos de educacion o Ecuacion de MINCER, los cuales podrian estimarse mediante minimos cuadrados ordinarios; estrategia utilizada en este trabajo.

Caracterizacion de la informacion

Los datos utilizados en este trabajo corresponden a la informacion que surge de los propios cuestionarios de la Encuesta Permanente de Hogares, que realiza el Instituto Nacional de Estadisticas y Censos (INDEC) en 31 aglomerados urbanos de la Argentina, para todos los trimestres que abarcan desde el tercer trimestre del 2003 al tercer trimestre del 2009, unicos disponibles al momento de realizacion del trabajo.

En la definicion de la muestra a estudiar se adopto el criterio utilizado en Paz (2009), de manera que se limita al estudio de una poblacion compuesta por adultos de entre 25 y 54 anos de edad, por ser este el grupo en el cual se verifica la mayor tasa de actividad. Se hicieron estimaciones separadas para cada ano y a su vez se elaboraron modelos alternativos por genero, con muestras de: 1360 hombres y 1050 mujeres para el 2003, 2804 hombres y 2306 mujeres para el 2004, 2879 hombres y 2354 mujeres para el 2005, 3689 hombres y 2850 mujeres para el 2006, 3081 hombres y 2318 mujeres para el 2007, 4065 hombres y 3131 mujeres para el 2008, 3093 hombres y 2207 mujeres para el 2009.

Para el analisis de la participacion femenina en la poblacion economicamente activa se elaboro una rutina para la obtencion de la cantidad de hijos por hogar, de forma tal que esta variable pudiera incorporarse en el modelo. Ademas se considero de relevancia el estado civil de la mujer (concubina o esposa), como condicionante de la decision de participar en el mercado de trabajo.

Resultados obtenidos

Este trabajo se concentra en el analisis de la informacion referida a la evolucion de los retornos a la educacion desde el 2003 y hasta el tercer trimestre del 2009, por ser el ultimo disponible al momento de realizar el trabajo. Se pretende contribuir en la identificacion de las diferencias que existen entre los valores promedios de los rendimientos de la educacion para cada aglomerado urbano del NEA. A continuacion se detallan los resultados encontrados:

Tasas similares a otros estudios

Los primeros antecedentes en la literatura economica argentina sobre aplicacion de la Ecuacion de Mincer a la estimacion del rendimiento de la educacion pueden rastrearse hasta mediados de la decada de 1980, cuando Ferra y Claramunt (1984), regresando el logaritmo natural de los ingresos respecto de la escolaridad y la experiencia, estiman que los rendimientos privados de la educacion presentaban tasas de en el 8% y el 19%, utilizando ya datos de la Encuesta Permanente de Hogares de 1980 del aglomerado Gran Mendoza. Otra estimacion aplicada a la Ciudad de Cordoba puede hallarse en Gertel et. al., (1987), quienes calculan que el rendimiento medio de la educacion formal es de 9% y ademas encuentran un mayor rendimiento de los trabajadores varones que los de las mujeres con niveles de capacitacion equivalente. Estudios mas recientes, como Fiszbein et al. (2005) estima funciones basadas en la Ecuacion de Mincer, para el periodo 1992 a 2002 y encuentra tasas medias de retorno de entre 8,6% y 11,4%, con valores levemente mas elevados para los hombres comparados con las mujeres. En tanto que en un estudio dedicado a establecer diferencias regionales, Paz (2009) para el periodo 1995-2003, se muestra una tasa de rendimiento medio de los trabajadores varones de 6% para todo el pais, con una tasa levemente menor para la region NEA de 5,4%, mientras que las mujeres muestran un rendimiento de 4,5% para toda la Argentina y un 4,2% para la region NEA.

En el Grafico 4 puede observarse que como resultado de la investigacion se obtuvieron tasas similares a los estudios con tasas proximas al 6% para los varones y rendimientos menores para las mujeres, bastante proximas a las encontradas en Paz (2009), con una leve tendencia a la baja en los dos ultimos anos, respecto de lo ocurrido entre 2003 y 2007.

[GRAFICO 4 OMITIR]

En el Grafico 4 aparecen dos estimaciones para las mujeres, una estimacion que muestra que durante el periodo 2006 a 2008 el rendimiento de las mujeres habria superado al de los varones y una estimacion corregida en la cual se obtienen valores sistematicamente inferiores para las mujeres respecto de los varones; debe recordarse que anteriormente se habia comentado el efecto del Sesgo de Muestral y que la teoria predice una sobreestimacion del rendimiento como se estaria observando al correr el mismo modelo para hombres que para mujeres.

Un hecho similar habia sido reportado en Paz (2007), quien establecia que la aplicacion de modelos con las variables basicas de la ecuacion de Mincer mostraba como resultado mayor rendimiento en mujeres, fenomeno que se eliminaba cuando se especificaba un modelo en el cual se incluyera la dimension de Complejidad de la Tarea.

En el Cuadro 1 se presentan, para cada uno de los anos comprendidos en el periodo de estudio 2003 a 2009, los coeficientes y los estadisticos obtenidos mediante la utilizacion del modelo en que se utiliza la educacion en terminos de los anos de estudio, adicionalmente se incorporan los p-Value que permite evaluar la significatividad individual del parametro obtenido en el modelo, donde los bajos valores p-Value senalan que todos los parametros de rendimiento son significativos al 1%.

En esta investigacion, como se especifico anteriormente, se realizaron las estimaciones minimo-cuadraticas tradicionales, pero en el caso del modelo aplicado al rendimiento de las mujeres se realizo una correccion de sesgo muestral para captar adecuadamente el fenomeno de la division sexual del trabajo, segun la cual en la edad reproductiva, muchas mujeres abandonan transitoriamente el mercado laboral y se abocan prioritariamente a la educacion de los hijos y quehaceres domesticos.

Cabe senalar que en la especificacion del modelo corregido para las mujeres se obtuvieron los resultados esperados, en tanto la presencia de menores en el hogar tendia a afectar negativamente la participacion femenina en el mercado de trabajo. Un segundo resultado obtenido en la ecuacion de participacion de las mujeres en el mercado de trabajo es la relacion directa entre el Ingreso Total Familiar (el esperado signo positivo) y la participacion en la PEA, lo cual apoya la hipotesis de que los quehaceres domesticos elevarian el salario de reserva de las mujeres. Los resultados de esta modificacion, que permite la correccion del Sesgo Muestral en el caso de las mujeres se muestra en el Cuadro 2, donde se detallan las variables utilizadas en la ecuacion que modela la participacion femenina en el mercado de trabajo en funcion de su edad y de la cantidad de hijos.

En el Cuadro 2 se observa que el modelo utilizado para la participacion femenina es bastante robusto y que con la excepcion del ano 2003, los coeficientes muestran bajos p-Value. Merece un comentario especial el coeficiente de la variable cantidad de hijos de 0 a 6 anos (KIDS (0 a 6)), que justamente en el ano 2003 es en si mismo muy bajo y ademas es llamativamente baja la significatividad de su estadistico, siendo solo significativo al 10% pero en el limite (p-Value = 0,0982), lo cual podria estar indicando que la crisis economica del 2002 habria tenido un fuerte impacto en las familias que habria obligado a las madres de ninos menores a incorporarse al mercado laboral, fenomeno que desaparece a partir del 2004.

En tanto la estimacion de una tasa de rendimiento por ano puede dar la idea de una relacion lineal entre la educacion formal y su rendimiento, se procedio a la estimacion de los rendimientos de la educacion utilizando el maximo nivel educativo alcanzado como variable explicativa. En el Grafico 5, se observa otro resultado convencional en la literatura, la evidencia de una tasa de rendimiento decreciente en la medida que se incrementan los anos de educacion.

Fuente: Elaboracion propia en base a Informacion EPH-INDEC Al analizar el Grafico 5, resulta interesante que en el ano 2003, cuando todavia predominaban en el mercado laboral los resultados de la crisis economica del 2002, se observe para el caso de los varones un mayor rendimiento de los niveles Superior Completo respecto del nivel Superior Incompleto. Este resultado, aun cuando contradice el habitual supuesto de rendimientos decrecientes, seria compatible con la evidencia encontrada en Pessino (1995) sobre las consecuencias del cambio tecnologico operado durante el periodo de Convertibilidad, y que habria implicado un incremento de la intensidad de capital fisico y humano. Estas nuevas tecnologias habrian llevado a las empresas a sustituir niveles de calificacion en sus planteles laborales incrementando la demanda de trabajo calificado y disminuyendo la de trabajo no calificado; asi en el contexto aun cercano al periodo de la crisis, la mayor valoracion de los trabajos calificados, mejor adaptados a las nuevas tecnologias, estaria operando como un elemento de proteccion contra el desempleo de los trabajadores mas capacitados y contra el deterioro del nivel de ingresos de esos mismos trabajadores.

Para un analisis mas detallado de la modelacion de la educacion en funcion del maximo nivel educativo alcanzado, en el Cuadro 3 se presentan los coeficientes y los estadisticos asociados, para las variables Niveles de Educacion Primaria Completa, Secundaria Incompleta, Superior Incompleta y Superior Completa. Del Cuadro 3 se destaca que la utilizacion de estas variables en los modelos es adecuada, en tanto la significatividad de los parametros estimados dada por el p-Value nunca sobrepasa 0,1 lo cual implica que como minimo los estadisticos obtenidos son significativos al 10%. Debe tenerse en cuenta que por la extension del trabajo no se presentan los estadisticos del resto de las variables utilizadas en el modelo de Nivel Educativo, sin embargo como criterio general, los indicadores de las variables no difieren demasiado de los obtenidos con el modelo de educacion en terminos de los anos de estudio.

Una aclaracion adicional, las estimaciones de los coeficientes del Cuadro 3 no pueden interpretarse directamente como rendimientos, en el caso de utilizar el vector de variables cualitativas, para obtener los rendimientos para cada nivel educativo se debe realizar el siguiente calculo:

[EXPRESION MATEMATICA IRREPRODUCIBLE EN ASCII]

Donde [TRE.sub.NE] representa la tasa de los rendimientos de la educacion para el nivel educativo NE alcanzado, e es la constante matematica que representa la base de los

logaritmos naturales, [[alfa].sub.NE] es el coeficiente del respectivo nivel educativo y [t.sub.ne] es el tiempo medido en anos para alcanzar el referido nivel educativo.

Los Retornos de la Experiencia

En los modelos construidos en la presente investigacion se encontro evidencia de una mayor valorizacion de la experiencia de los varones, con una tasa media del 2% por ano de experiencia, mientras que en el caso de las mujeres que en los modelos minimo-cuadraticos ya presentaban una tasa levemente superior al 1%, la introduccion de la correccion de sesgo muestral implica una tasa de rendimiento de la experiencia cercana a cero y un signo positivo no esperado en el termino cuadratico, como puede observarse en el Cuadro 4.

La forma de interpretar el rendimiento de la experiencia se realiza en el Grafico 6, donde se muestra la evolucion del rendimiento de la experiencia potencial para hombres y para mujeres. En el grafico se evidencia que cuando la correccion del modelo, segun la participacion en el mercado de trabajo de las mujeres, implica que para las mujeres el rendimiento de la experiencia practicamente desaparece; este hallazgo podria indicar la necesidad de redefinir el concepto de Experiencia Potencial para las mujeres, cuyo dato deberia ser neto de los anos pasados fuera del ambito laboral, hipotesis que se explorara en trabajos posteriores.

[GRAFICO 6 OMITIR]

Diferencias en los retornos por aglomerado

En el modelo se incluyeron variables para captar diferencias geograficas en las tasas de rendimiento educativo, adoptando como aglomerado de referencia a la Ciudad de Posadas. En el Grafico 7 se puede observar que tanto Resistencia, como Corrientes y Formosa presentan para el periodo bajo analisis un menor rendimiento promedio de la educacion y que a su vez existen diferencias regionales en cuanto a las tasas de rendimiento clasificadas por sexo, en el caso de los varones la menor diferencia se observa en Formosa y en el caso de las mujeres en Resistencia, en tanto que Corrientes muestra las mayores diferencias en ambos casos.

[GRAFICO 7 OMITIR]

CONCLUSION

En el presente trabajo se han estimado los rendimientos privados de la inversion en educacion, mediante modelos continuos se estimaron las tasas anuales de rendimiento, para los aglomerados del Noreste Argentino (NEA), entre el tercer trimestre del 2003 y tercer trimestre de 2009, utilizando la base de micro-datos de la Encuesta Permanente de Hogares (EPH).

En la estimacion del rendimiento se propusieron modelos diferentes para los hombres y mujeres, de forma de corregir en este ultimo los problemas de sesgo muestral, evidenciados en su menor participacion en la Poblacion Economicamente Activa (PEA). Incluso se realizaron estimaciones con las tasas de rendimiento que resultan de introducir la educacion como maximo nivel de escolaridad alcanzado, donde se observa que la escolarizacion estaria sujeta a rendimientos decrecientes.

Los resultados obtenidos muestran un rendimiento de la educacion mayor para los hombres que para las mujeres, un rendimiento diferencial en el aglomerado Posadas superior a la media del NEA, una elevada penalizacion por desempenarse en el sector informal de la economia (trabajo en negro), una relacion directa entre el tamano de la empresa y los rendimientos de los varones, que a la vez reportaria una menor volatilidad en su evolucion temporal.

BIBLIOGRAFIA

ACTIS DI PASCUALE, E., ATUCHA, A. "Brechas salariales: discriminacion o diferencias de productividad", Momento Economico, Marzo-Abril 2003, No 126, pp. 23 - 33.

BECCARIA, L., et al.; (2006). "Segmentacion del mercado de trabajo y pobreza en Argentina". Asociacion Argentina de Economia Politica. Anales XLI Reunion Anual, Salta, 2006. http://www.aaep.org.ar/anales/works/ works2006/Beccaria_Groisman_Monsalvo.pdf [Consultada el 02/07/2010].

BLAUG, M. (1980). La metodologia de la economia. Madrid, Alianza Universidad.

DEL REY, E. C.; et al., (1978), "El capital humano Universitario de la Provincia de Salta - Caso: Contadores Publicos". Asociacion Argentina de Economia Politica. Anales XIII Reunion Anual, Rio Tercero (Cordoba), 1978, Vol. II. http://www.aaep.org.ar/anales/works/works1978/delrey.pdf [Consultada el 02/07/2010].

FERRA, C.; et al., (1984), "Rentabilidad de la Educacion Primaria en Mendoza". Asociacion Argentina de Economia Politica. Anales XIX Reunion Anual, Posadas (Misiones), 1984. http://www.aaep.org. ar/anales/works/works1984/ferra.pdf [Consultada el 02/07/2010].

FISZBEIN, Ariel, et al., "Estimating the Returns to Education in Argentina Using Quantile Regression Analysis: 1992-2002", ECONOMICA, LIII, 2007, issue 1-2, p. 53-72, http://econpapers.repec.org/ RePEc:lap:journl:555 [Consultada el 04/10/2010].

GERTLE, H. R., et al.; (1987), "Educacion y distribucion de ingresos en la ciudad de Cordoba". Asociacion Argentina de Economia Politica. Anales XXII Reunion Anual, Cordoba (Cordoba), 1987. http://www.aaep.org.ar/ anales/works/works1987/gertel.pdf [Consultada el 02/07/2010].

GREENE, W. (2003). Econometric Analysis, 5th Edition, Prentice Hall.

HECKMAN, J., (1979), Sample Selection Bias as a Specification Error, Econometrica, ECONOMICA, 47, issue 1, p. 153-61, http://econpapers.repec.org/RePEc: ecm:emetrp:v:47:y:1979:i:1:p:153-61 [Consultada el 17/05/2010].

MINCER, JACOB A., (1974), Schooling, Experience, and Earnings, National Bureau of Economic Research, Inc, http://econpapers.repec.org/ RePEc:nbr:nberbk:minc74-1. [Consultada el 06/06/2008].

PAZ, A.; (1992), "Atributos personales y ocupacion: impactos sobre la distribucion del ingreso". Asociacion Argentina de Economia Politica. Anales XXVII Reunion Anual, Victoria (Entre Rios), 1992. http://www.aaep.org.ar/anales/ works/works1992/PazJorge.pdf [Consultada el 02/07/2010].

PAZ, A.; (1993), "Estimacion de funciones de ingreso para la ciudad de Salta". Asociacion Argentina de Economia Politica. Anales XXVIII Reunion Anual, Tucuman, 1993. http://www.aaep.org.ar/anales/works/ works1993/paz.pdf [Consultada el 02/07/2010].

PAZ, A. "Retornos laborales a la educacion en la Argentina. Evolucion y estructura actual," CEMA Working Papers: Serie Documentos de Trabajo. 355, 2007, Universidad del CEMA.

PAZ, A. "Cambios en el ingreso del hogar y sus efectos sobre la escolaridad de menores (Argentina, 1995-2003)," Working Papers 2, Instituto de Estudios Laborales y del Desarrollo Economico (IELDE)--Universidad Nacional de Salta--Facultad de Ciencias Economicas, Juridicas y Sociales , 2008.

PAZ, A. "Retornos a la educacion en Argentina. Estructura regional," Working Papers 4, Instituto de Estudios Laborales y del Desarrollo Economico (IELDE)--Universidad Nacional de Salta Facultad de Ciencias Economicas, Juridicas y Sociales, 2009.

PESSINO, C. "Returns to Education in Geater Buenos Aires 1986-1993: From Hyperinflation to Stabilization", No 104, CEMA Working Papers: Serie Documentos de Trabajo, Universidad del CEMA, 2009, http://econpapers.repec.org/ RePEc:cem:doctra:104 [Consultada el 05/10/2008].

RUPERT, P., et al. "Earnings, education and experience", Economic Review, issue Q IV, 1996, p. 2-12, http://econpapers.repec.org/ RePEc:fip:fedcer:y:1996:i:qiv:p:2-12 [Consultada el 06/06/2008].

Fernandez, Rodrigo A.

Universidad Nacional de Misiones

Facultad de Ciencias Economicas

Ruta Nacional No. 12, Km 7 (C.P. 3304)

Miguel Lanus, Misiones, Argentina

E-mail: rafernandez@fce.unam.edu.ar

Cuadro 1: Estadisticos para la variable EDUCACION

                           Estadisticos para la variable EDUCACION
                       Modelos con Educacion por Anos - Hombres MCO

Variable   2003      2004       2005      2006      2007

ESC        0,0615    0,0542     0,0594    0,0569    0,0602

p-Value    -0,0065   -0,0042    -0,0040   -0,0034   -0,0040

                       Modelos con Educacion por Anos - Mujeres MCO

Variable   2003      2004       2005      2006      2007
ESC        0,0500    0,0376     0,0378    0,0576    0,0625
p-Value    -0,0072   -0,0046    -0,0049   -0,0043   -0,0048

                       Modelos con Educacion por Anos - Mujeres HMV

Variable   2003      2004       2005      2006      2007
ESC        0,0303    0,0222     0,0165    0,0354    0,0410
p-Value    -0,0078   -0,0050    -0,0052   -0,0048   -0,0054

Variable   2008      2009

ESC        0,0424    0,0492

p-Value    -0,0033   -0,0037

Variable   2008      2009
ESC        0,0585    0,0485
p-Value    -0,0041   -0,0049

Variable   2008      2009
ESC        0,0322    0,0179
p-Value    -0,0046   -0,0056

Fuente: Elaboracion propia en base a Informacion EPH-INDEC

Cuadro 2: Estadisticos para la Correccion del Sesgo Muestral

               Estadisticos para la Correccion del Sesgo Muestral
               Modelos con Educacion por Anos - Mujeres HMV

Variable         2003      2004      2005      2006      2007
EDAD           0,1149    0,1795    0,2040    0,2222    0,1954
p-Value        -0,0307   -0,0224   -0,0218   -0,0202   -0,0220
EDADA2         -0,0014   -0,0022   -0,0025   -0,0027   -0,0023
p-Value        -0,0004   -0,0003   -0,0003   -0,0003   -0,0003
ITF            0,0003    0,0002    0,0003    0,0002    0,0001
p-Value        0,0000    0,0000    0,0000    0,0000    0,0000
KIDS (0 a 6)   -0,0086   -0,0161   -0,1119   -0,0755   -0,0253
p-Value        -0,0982   -0,0548   -0,0510   -0,0619   -0,0512
KIDS (6 a18)   -0,0379   -0,0803   -0,0646   -0,0220   -0,0154
p-Value        -0,0258   -0,0225   -0,0240   -0,0267   -0,0258

Variable         2008      2009
EDAD           0,1742    0,1479
p-Value        -0,0189   -0,0214
EDADA2         -0,0021   -0,0017
p-Value        -0,0002   -0,0003
ITF            0,0002    0,0001
p-Value        0,0000    0,0000
KIDS (0 a 6)   -0,0161   -0,0447
p-Value        -0,0362   -0,0504
KIDS (6 a18)   -0,0653   -0,0772
p-Value        -0,0239   -0,0255

Fuente: Elaboracion propia en base a Informacion EPH-INDEC

Cuadro 3: Estadisticos para la Correccion del Sesgo Muestral

           Estadisticos para la variable NIVEL DE EDUCACION
           Modelos con Educacion por Anos--Hombres MCO

Variable     2003      2004      2005      2006      2007

PRICOM     -0,2235   -0,2184   -0,2525   -0,2372   -0,2190
p-Value    -0,0614   -0,0388   -0,0362   -0,0314   -0,0361
SECINC     -0,0558   -0,1700   -0,1661   -0,1620   -0,0886
p-Value    -0,0612   -0,0395   -0,0376   -0,0327   -0,0366
SUPINC      0,2322    0,0813    0,1129    0,1280    0,2308
p-Value    -0,0773   -0,0465   -0,0451   -0,0376   -0,0426
SUPCOM      0,5940    0,4731    0,4463    0,4553    0,5014
p-Value    -0,0733   -0,0478   -0,0437   -0,0371   -0,0431

           Modelos con Educacion por Anos--Mujeres MCO

Variable     2003      2004      2005      2006      2007

PRICOM     -0,1019   -0,1472   -0,1137   -0,2694   -0,2079
p-Value    -0,0702   -0,0454   -0,0451   -0,0415   -0,0471
SECINC     -0,0648   -0,0935   -0,0823   -0,2426   -0,1243
p-Value    -0,0698   -0,0453   -0,0448   -0,0420   -0,0462
SUPINC      0,3049    0,1714    0,0863    0,1097    0,2256
p-Value    -0,0868   -0,0513   -0,0505   -0,0433   -0,0487
SUPCOM      0,4746    0,3248    0,3927    0,4234    0,4317
p-Value    -0,0724   -0,0470   -0,0467   -0,0422   -0,0437

           Modelos con Educacion por Anos--Mujeres HMV

Variable     2003      2004      2005      2006      2007

PRICOM      0,0057   -0,0767   -0,0293   -0,1659   -0,1087
p-Value    -0,0694   -0,0455   -0,0446   -0,0421   -0,0480
SECINC      0,0040   -0,0574   -0,0361   -0,1860   -0,0652
p-Value    -0,0675   -0,0447   -0,0436   -0,0414   -0,0462
SUPINC      0,2765    0,1262    0,0298    0,0541    0,1666
p-Value    -0,0857   -0,0514   -0,0502   -0,0432   -0,0489
SUPCOM      0,3826    0,2268    0,2532    0,3013    0,3117
p-Value    -0,0727   -0,0480   -0,0478   -0,0433   -0,0460

           Estadisticos para la variable NIVEL DE EDUCACION
           Modelos con Educacion por Anos--Hombres MCO

Variable     2008      2009

PRICOM     -0,1514   -0,1945
p-Value    -0,0296   -0,0336
SECINC     -0,0886   -0,1925
p-Value    -0,0288   -0,0335
SUPINC      0,2001    0,1430
p-Value    -0,0356   -0,0395
SUPCOM      0,3792    0,3646
p-Value    -0,0354   -0,0381

           Modelos con Educacion por Anos--Mujeres MCO

Variable     2008      2009

PRICOM     -0,1981   -0,2399
p-Value    -0,0395   -0,0465
SECINC     -0,1386   -0,1621
p-Value    -0,0384   -0,0461
SUPINC      0,1838    0,0000
p-Value    -0,0391   -0,0485
SUPCOM      0,4331    0,3675
p-Value    -0,0359   -0,0431

           Modelos con Educacion por Anos--Mujeres HMV

Variable     2008      2009

PRICOM     -0,0677   -0,0834
p-Value    -0,0397   -0,0472
SECINC     -0,0627   -0,0630
p-Value    -0,0376   -0,0454
SUPINC      0,1257   -0,0609
p-Value    -0,0391   -0,0481
SUPCOM      0,3022    0,2279
p-Value    -0,0374   -0,0447

Fuente: Elaboracion propia en base a Informacion EPH-INDEC

Cuadro 4: Estadisticos para la variable EXPERIENCIA POTENCIAL
Estadisticos para la variable EXPERIENCIA POTENCIAL

Modelos con Educacion por Anos--Hombres MCO

Variable      2003      2004      2005      2006      2007

EXP          0,0213    0,0237    0,0340    0,0176    0,0188
p-Value     -0,0096   -0,0057   -0,0054   -0,0046   -0,0051
EXPA2       -0,0002   -0,0002   -0,0005   -0,0002   -0,0002
p-Value     -0,0002   -0,0001   -0,0001   -0,0001   -0,0001

Modelos con Educacion por Anos--Mujeres MCO

Variable      2003      2004      2005      2006      2007

EXP          0,0158    0,0130    0,0134    0,0050    0,0116
p-Value     -0,0089   -0,0055   -0,0057   -0,0050   -0,0054
EXPA2       -0,0001   -0,0002   -0,0002    0,0000   -0,0001
p-Value     -0,0002   -0,0001   -0,0001   -0,0001   -0,0001

Modelos con Educacion por Anos--Mujeres HMV

Variable      2003      2004      2005      2006      2007

EXP          0,0044   -0,0011   -0,0080   -0,0137   -0,0026
p-Value     -0,0092   -0,0057   -0,0059   -0,0053   -0,0057
EXPA2        0,0001    0,0001    0,0002    0,0004    0,0002
p-Value     -0,0002   -0,0001   -0,0001   -0,0001   -0,0001

Modelos con Educacion por Anos--Hombres MCO

Variable      2008      2009

EXP          0,0131    0,0283
p-Value     -0,0043   -0,0049
EXPA2       -0,0001   -0,0004
p-Value     -0,0001   -0,0001

Modelos con Educacion por Anos--Mujeres MCO

Variable      2008      2009

EXP          0,0172    0,0130
p-Value     -0,0046   -0,0056
EXPA2       -0,0003   -0,0002
p-Value     -0,0001   -0,0001

Modelos con Educacion por Anos--Mujeres HMV

Variable      2008      2009

EXP          0,0010   -0,0055
p-Value     -0,0048   -0,0059
EXPA2        0,0000    0,0001
p-Value     -0,0001   -0,0001

Fuente: Elaboracion propia en base a Informacion EPH-INDEC

Grafico 5: Rendimiento de la Educacion por Sexo

Rendimiento de la Educacion por Sexo
Aglomerados del NEA-Periodo 3er Trimestre 2003-3er
Trimestre 2009 Variable Educacion: Nivel de Educacion
Alcanzado-Base Secundario Completo

                Primerio     Primario   Secundario
                Incompleto   Completo   Incompleto

Varon 2003      22%          11%        10%
Varo  2009      22%          12%         9%
Mujer 2003      28%          14%        11%
Mujer 2009      30%          13%        10%

                 Superior     Superior
                 Incompleto   Complete

Varon 2003       9%          10%
Varo  2009       8%           8%
Mujer 2003       9%           8%
Mujer 2009       6%           7%

Nota: Tabla derivada de grafico de barra.