Factores que influyen en las diferencias de los ingresos...

FACTORES QUE INFLUYEN EN LAS DIFERENCIAS DE LOS INGRESOS DEL TRABAJO. ENSAYO SOBRE EL CASO ESPAÑOL EN 2011

ÁREA 4: EDUCACIÓN Y MERCADO DE TRABAJO 747

Factores que influyen en las diferencias de los ingresos del trabajo.

Ensayo sobre el caso español en 2011 Mª COVADONGA DE LA IGLESIA VILLASOL

[email protected] Universidad Complutense de Madrid,

e Instituto de Análisis Industrial y Financiero

LAURA VITRIAGO VALDIVIESO [email protected]

Universidad Complutense de Madrid

El trabajo aborda el estudio de los factores socio-culturales y económicos que determinan las dife-rencias en los ingresos del trabajo (por cuenta propia o ajena), realizado a partir de la informa-ción contenida en la Encuesta de Presupuestos Familiares (EPF) del 2011 en España. Junto con estos datos y parte de la información disponible en nuestro país sobre diversos estudios que se han realizado sobre la Ecuación de Mincer, se intenta comprobar la hipótesis de que junto con factores racionales, como el nivel de educación, la experiencia, lugar de residencia o la edad, que influyen en la percepción de los ingresos del tra-bajo, se observa que hay otros factores no racio-nales, como el sexo, la nacionalidad o el estado

civil, cuyas causas deberían ser objeto de mayores reflexiones. Una aportación importante de este documento es realizar el estudio a través del mé-todo de probabilidad no lineal (Logit), en lugar de los Mínimos Cuadrados Ordinarios (MCO) utilizados en la mayoría de los estudios previos que estiman la ecuación Mincer, así como el uso de los datos de la EPF. El método econométrico elegido permite determinar un patrón de comportamiento básico y realizar a partir de él ejercicios de estática, para estudiar tanto las relaciones entre dichas variables, racionales o no, y sus probabilidades.

Keywords: Diferencias ingresos del trabajo, facto-res irracionales, Mincer, Capital Humano

INVESTIGACIONES DE ECONOMÍA DE LA EDUCACIÓN NÚMERO 9

748 TRACK 4: EDUCATION AND LABOUR MARKET

INTRODUCCIÓN

Son muchos los estudios que se han realizado para determinar las causas que afectan a las diferencias en las rentas salariales. Una de las teorías más importante es la del Capital Humano de Becker (1964), cuya contribución marcó un hito al considerar la educación/formación como inversiones que realizan individuos racionales, con el fin de aumentar su eficiencia productiva y sus ingresos. Diez años después, Mincer ahonda en dicha teoría con la especificación y esti-mación empírica de los fundamentos de Becker. Desde esta proposición inicial, muchos y va-riados estudios, con enfoques diversos, han profundizado en la relación entre el nivel de estudios, la inversión en educación y las diferencias en la renta, incorporando a su explicación factores de diversa naturaleza, no sólo económicos o culturales, sino también sociales, obser-vándose tanto comportamientos racionales como irracionales que pueden contribuir a explicar tales diferencias.

Parece sencillo explicar que la renta que un individuo puede llegar a percibir, depende de una decisión racional donde decide invertir tiempo y dinero, en educación, instrucción, formación, especialización, etc., para obtener una tasa de retorno futura. Si bien es cierto que muchas veces se ha comprobado que la educación aumenta la productividad de las personas, en los ambientes laborales, que es donde se decide el nivel rentas del trabajo que el individuo perci-be, pueden observarse cómo trabajadores por cuenta ajena con la misma cualificación y años de experiencia tienen diferencias salariales. Uno de los casos más llamativos son las diferencias en los niveles de ingresos según el sexo, justificadas en algunas ocasiones por las responsabili-dades familiares que asumen las mujeres y que les restarían productividad frente a los hom-bres, hecho éste pocas veces contrastado de forma irrefutable. Sin embargo, el estudio sobre las diferencias salariales, sus determinantes y las causas de las mismas, sigue siendo hoy en día un campo de interés.

En este estudio se aborda la hipótesis de que junto con los factores racionales que influyen en las diferencias en los ingresos del trabajo (y tanto por cuenta propia como ajena), se pueden identificar otros no racionales cuyas causas deben ser objeto de mayores reflexiones y estudio, como por ejemplo el sexo o la nacionalidad.

Para acotar el tema a estudiar, se realiza una revisión de la literatura empírica en España en los últimos años sobre diferencias en los ingresos del trabajo, en general acotados para los traba-jadores por cuenta ajena y refiriéndose a las diferencias salariales, en la que se incide en facto-res determinantes como la localización geográfica, edad, estado civil, nacionalidad, género, fuente de ingreso y nivel de estudios, y que sirven de marco para determinar el estado empíri-co de la cuestión. En segundo lugar, se realiza un doble ejercicio estadístico econométrico para estudiar las relaciones entre dichas variables y sus probabilidades para determinar niveles altos o bajos de ingresos, con los datos de las Encuestas de Presupuestos Familiares de 2011, y se revisarán las relaciones simples entre dichas variables a través de los datos de la Encuesta de Estructuras Salariales de 2010, señalando así la compatibilidad o no en los resultados obte-nidos que llevará a una reflexión final.



MARCO TEÓRICO DE LA CUESTIÓN

Una gran variedad de investigaciones han analizado la relación entre educación e ingresos, observándose en general una relación positiva entre ambas variables, lo que significa que el nivel educativo de los individuos determina en gran medida el nivel de ingresos que pueden llegar a percibir. La corriente dominante que sostiene esta teoría es la del Capital Humano, nacida de las investigaciones de Becker1 (1964), y posteriormente desarrollada y contrastada empíricamente por Mincer (1974) con su aportación, Escolaridad, Experiencia y Ganancias. Ambos autores fueron pioneros en estudiar los comportamientos racionales de los individuos para determinar la influencia, en especial el nivel de educación, en la percepción de los ingre-sos del trabajo, ya que mantienen que la educación y la experiencia laboral permiten cualificar o capacitar a las personas, y a mayor cualificación, mayor productividad y como consecuencia mayor renta salarial. Mincer se convierte así en el padre de la economía laboral moderna al aportar la evidencia empírica de los fundamentos del Capital Humano de Becker, en las reco-nocidas como Ecuaciones de Mincer, y que han sido, y siguen siendo, utilizadas en diversos entornos de investigación. En concreto, con datos del censo de 1950 y 1960, relaciona la dis-tribución del ingreso salarial en Estados Unidos y las variables de educación y formación en el puesto de trabajo, concluyendo que “…annual earnings rose by 5 to 10 percent in the 1950s and 1960s for every year of additional schooling. There was a similar, although smaller, return on investment in job training…”.

A partir de esta teoría del capital humano, se ha estudiado la asignación eficiente de los recur-sos humanos en una empresa, la mejora en el capital humano para medir las destrezas, habili-dades, talentos o experiencias de las personas aptas para desarrollar una actividad, o la inversión en capital humano que mejora la calidad del factor trabajo y su contribución en el crecimiento económico. De dicha teoría se extraen dos conclusiones: i) la productividad del trabajador está en función de la educación percibida: a mayor especialización, mayor producti-vidad, compensada con ingresos del trabajo más altos; y ii) la educación influye en la actitud y comportamiento de los trabajadores.

Desde el punto de vista teórico, Mincer presenta un modelo de determinación de ingresos, centrándose en la dinámica de los ciclos de vida de los salarios, la comparación entre los sala-rios observados y los potenciales, la inversión en capital humano, en educación y experiencia, y acepta que existe una relación positiva entre el número de años de escolaridad de los indivi-duos y sus ingresos futuros. La expresión tradicional de las ecuaciones de Mincer se construye a partir de los supuestos del modelo neoclásico del mercado de trabajo, en la cual las empre-sas conocen la productividad marginal de cada trabajador y el proceso competitivo permite que los salarios dependan del nivel de productividad, y asume los siguientes supuestos: i) la inversión en educación es un coste de oportunidad, debido a que se dejan de percibir ingresos por no estar trabajando; ii) el tiempo que el individuo permanece en el mercado laboral es

1 Premio Nóbel de Economía en 1992 por su aportación al determinar el crecimiento económico a través de un

factor de producción que depende no sólo de la cantidad, sino también de la calidad, del grado de formación y de la productividad de las personas en el proceso productivo.



independiente del nivel de estudios alcanzado, y iii) los individuos comienzan a trabajar des-pués de terminar sus estudios.

La especificación del modelo econométrico estimado por Mincer es una ecuación logarítmica y cuadrática:

20 1 2 3SLnY Exp Exp e

siendo Y=Ingresos, S=Años educación, Exp=Años experiencia laboral y e=Variable aleatoria.

A nivel econométrico, la ecuación de Mincer utiliza una estimación con datos de corte trans-versal a través del modelo de Mínimos Cuadrados Ordinarios (MCO) semilogarítmico, y especi-ficación cuadrática supone que conforme aumenta la experiencia, los ingresos salariales aumentan, pero cada año de experiencia tiene un efecto menor sobre el ingreso que el año anterior, debido a que los individuos con edades cercanas a la jubilación pierden productividad y en consecuencia parte de sus ingresos, debido al envejecimiento, de allí su forma cóncava, ya que los ingresos no crecen infinitamente en la misma proporción.

El trabajo de Mincer y la estimación de las tasas de rendimiento de la educación a través de las ecuaciones vistas, tiene la virtud de amoldarse a diferentes países, entornos y momentos tem-porales, dando origen a una amplia literatura empírica2, y siendo objeto continuo de discusión debido, principalmente, a diferencias metodológicas en el estudio econométrico o el manejo de la información estadística, que se pueden agrupar en varios epígrafes:

a) Excluir variables determinantes de las diferencias salariales, como las habilidades de los individuos, aporta una sobreestimación de la educación, debido a la correlación entre la va-riable aleatoria (e) y la educación, dado que las personas con mayor habilidad suelen elegir (o aportar) mayores grados educativos (Griliches, 1977).

b) Considerar una única tasa de rendimiento de la educación y una sola tasa de retorno (Sape-lli, 2009), por lo cual se debe desglosar la educación en diversos niveles educativos.

c) Considerar la educación como una variable exógena, al obviar los costes directos del proceso de educación, los costes de oportunidad, las imperfecciones del mercado, la influencia de los padres, o el tipo de ciudad de residencia, variables éstas que justificarían que la educa-ción se tratase como una variable endógena (Griliches, 1977).

d) Considerar un corte transversal, implica asumir un comportamiento estable y unas expecta-tivas estáticas en el proceso de inversión de capital humano, siendo más relevante estimar una serie que muestre una evolución temporal (Griliches, 1977).

e) Estudiar sólo las rentas de los individuos ocupados, supone un problema de selección mues-tral (Heckman, 1979).

2 Algunas referencias empíricas ineludibles son Estimating the returns to schooling: some econometric problems

(Griliches, Z., 1977), que permitió refinar la metodología, Returns to education: A further International update and implications (Psacharopoulos, G. 1985), Returns to human capital in Europe (Cohn, E. y Addison, J.T., 1998), ó The casual effect of education on earnings (Card D., 1999).



Para evitar algunos de estos sesgos, los numerosos trabajos posteriores han aplicado diversos métodos econométricos, como el Mínimo Cuadrado en dos etapas, con test de Heckman, y abordado la desagregación por sectores, regiones, género o edad.

En el caso particular de España, las aportaciones que estiman Ecuaciones de Mincer difieren tanto por la metodología econométrica, la tipología de los datos, el período temporal, la defi-nición de las variables del modelo, especialmente la dependiente y las instrumentales que tratan de caracterizar diferencias individuales, o la segmentación por tramos, de estudios, sexo o de sectores. Algunas de estas referencias españolas, muestra del interés que ha tenido y sigue teniendo el tema de la identificación de los factores explicativos de las diferencias sala-riales, más allá de los diversos niveles de educación aportados por los individuos, son por ejemplo:

Ramírez, A. y San Segundo, M. J. (1995) a través de una encuesta piloto de ingresos de 1990, que observan diferencias por género, niveles de educación, clase de los trabajadores y sector público o privado en el que trabaja el individuo, y extraen una tasa de rendimiento de la edu-cación de 7,7% en hombres y 9,7%. Vila y Mora (1996), con datos de la Encuesta de Presupues-tos Familiares (EPF) de 1990, obtienen una rentabilidad del 5,3% por cada año adicional de estudio, si bien en 1998 muestran una caída en el rendimiento de la educación entre 1981 y 1991 para los niveles educativos no universitarios, constatando que en la década de expansión de los logros educativos, la desigualdad de los ingresos por sexo disminuyó considerablemen-te. Lassibille y Navarro (1998) confirman a través de MCO dicha caída en los rendimientos para la educación secundaria y para las licenciaturas entre 1980 y 1991, mientras que quienes dis-ponían de un diploma universitario son recompensados algo más en 1991 que en 1980, y los rendimientos de la educación primaria aumentaron moderadamente.

Barceinas, Oliver, Raymnond y Roig (2000) constatan valores inferiores de rentabilidad de la educación al utilizar MCO en lugar de VI3, y confirman en 2001 al año una rentabilidad de la educación del 8,2% para los hombres y 8,3% para las mujeres con los microdatos de la Encues-ta de Estructura Salarial (EES) de 1995. Caparrós, Gamero, Marcenaro y Navarro, en 2001, con el Panel de Hogares de la Unión Europea de 1994 (PHOGUE-94), concluyen una tasa privada de rentabilidad marginal promedio de la inversión educativa del 8,1% en 1994 para los hombres y 9,5% para las mujeres, reduciéndose para los datos de 1996 a 6,6% y 9,1% respectivamente. Con el mimo panel de datos, Pons y Gonzalo, en 2002, con el foco puesto en las condiciones familiares y sociales, época de nacimiento o cambios en el sistema educativo de los encuesta-dos, con VI y MCO, obtienen resultados de 10% frente al 6% respectivamente. Arrazola, De Hevia, Risueño y Sanz (2003), de nuevo con el PHOGUE-94, estiman tasas internas de rentabili-dad privada y pública para los diferentes grados de educación, diferenciando entre pública y privada: Estudios básicos: 10% para privada y 7,7% para pública; Bachillerato: 10% y 7,7% res-pectivamente, y estudios universitarios: 9,7% y 7,6% (privada vs. pública). Agregadamente,

3 En 2002, usando la misma base de datos del 2001, seleccionan sólo a hombres asalariados y obtienen una renta-

bilidad del 6,2% en los resultados del MCO y un 8,8% en VI.



estiman una tasa de rendimiento de la inversión de 6,5%, aumentando a 8,2% al utilizar varia-bles instrumentales. Con posterioridad, Marcenaro y Navarro (2005) y con el PHOGUE-94 es-timaron modelos de ganancias por género y edad, concluyendo que el rendimiento de la educación en España se incrementa a medida que se avanza en los niveles educativos, la edu-cación en más rentable para las mujeres que para los hombres y los títulos de mayor nivel para los hombres no se deprecian con el tiempo.

Salas (2004) demuestra con los datos de la Encuesta de Condiciones de Vida de 2004 (ECV) que la función de Mincer no determina una medida exacta de la rentabilidad de la educación supe-rior, si ésta es una variable endógena, y corrige la endogeneidad a través de variables instru-mentales. Obtiene un 13,6% de rentabilidad para estudios universitarios, observando que los licenciados ganan un 57% más que los diplomados.

Con un enfoque más parcial y también más recientes, pero relevantes en las conclusiones, cabe destacar los trabajos de Freire y Teijeiro (2010), y de García A., Campos J, Sánchez J. y Marchante M (2011). El primero de ellos centra el análisis para la comunidad de Galicia y utili-za una encuesta de 2008 creada específicamente para estudiar la relación entre la educación y las rentas del trabajo de los jóvenes gallegos4, explicada positivamente por el sexo, trabajar por cuenta ajena y la Administración Pública, y negativamente por la edad, ser autónomo, trabajar en la misma localidad de residencia y pertenecer a ciertos sectores como la agricultu-ra, comercio, hostelería, transporte, comunicación o industria. El segundo trabajo citado, a partir de la Encuesta de Estructura Salarial de 2006, estima la ecuación de Mincer ampliada para el sector hostelero en las regiones turísticas más importantes de España, contrastando rendimientos de la educación inferiores en la hostelería con respecto al resto de servicios privados, y diferencias salariales significativas según las regiones de España y el género.

Dada la importancia que ha tenido y tiene el estudio de las ecuaciones de Mincer en la literatura empírica española de los últimos años, la tabla 1 muestra un ejercicio de síntesis de los trabajos citados, incidiendo en las diferencies bases de datos (el PHOGUE, la ECV, la EPA o la EES), el método econométrico (MCO y/o VI) y las principales conclusiones. El denominador común es que la mayor formación/rendimiento contribuye positivamente al capital humano (Freire y Tejeiro, 2010), de forma que a mayor nivel de estudios mayor nivel de renta o ingreso, aceptándose, por tanto, la hipótesis de Mincer.

4 El posible inconveniente de este trabajo es que utiliza un número de observaciones bajo con respecto al resto de

estudios mencionados (956 observaciones).



Tabla 1. Referencias españolas.

Autor Base de datos Método Variable destacada Conclusiones

Alba y San Se-gundo (1995) EPI 1990 MCO Orígen del ingreso

Rentabilidad en educación: hombres 7,7% y mujeres 9,7%. La tasa de retorno de la educación es mayor para los trabajadores por cuenta propia que para los asalariados. La educación secundaria es más compensada en el sector privado, mien-tras que un título universitario recibe mayor tasa de rentabilidad en el sector público.

Vila y Mora (1996) EPI 1990 MCO Diferentes grados de

educación Rentabilidad de 5,3% para cada año de educación formal.

San Segundo (1996)

EPF 1980/81 y 1990/91 MCO Centrado en estudios

universitarios La duplicación de titulados superiores no varía la rentabilidad de los estudios universitarios.

Lasibille y Nava-rro (1998)

EPF 1980/81 y 1990/91 MCO

Estudios universitarios de ciclo largo, medio y corto.

Disminución del rendimiento en hombres asala-riados, universitarios de ciclo largo. Aumento de la rentabilidad de los estudios de ciclo medio.

Barceinas (2000) PHOGUE 1994 MCO y VI Tipo de contrato de los

trabajadores

Rentabilidad de la educación para los hombres 7,5% y mujeres 8,3%. Con VI los hombres aumen-tan la rentabilidad a 9,0%.

Barceinas, et al. (2001) EES 1995 MCO y VI Género Rentabilidad de 6,2% con MCO y 8,8% con VI. Caparrós, et al. (2001)

PHOGUE 1994 MCO y VI Género MCO: 6,4% y VI: 10%

Pons y Gonzalo (2002)

PHOGUE 1994

MCO, VI con endoge-neidad

Antecedentes familia-res, cambios en el sistema educativo, época de nacimiento y disponibilidad de universidad en la misma provincia MCO con endogeneidad: 6,4% y VI 10%

Arrazola, et al. (2003)

PHOGUE 1994

MCO, VI con endogenei-dad

Diferentes grados de educación para estu-dios privados y públi-cos. Tasas internas de rentabilidad

Rentabilidad de estudios básicos: 10,3%; bachille-rato: 7,7%; estudios universitarios de ciclo largo: 9,7%. Rendimientos de la educación con endoge-neidad: (8,2% VI y 13,6% MCO).

Salas (2004) ECV 2004 MCO Diferentes grados de educación y género

Diferencias salariales explicadas no sólo por el lado de la oferta del mercado de trabajo (capital humano acumulado en las personas), sino tam-bién por la demanda de trabajo (diferencias entre sectores).

Salas (2004)

Graduados Universidad de Granada

1996/97

MCO, VI con endogeneidad Rendimientos: 8,6% sin endogeneidad y 13,6%

con endogeneidad.

Marcenaro y Navarro (2005)

PHOGUE 1994

Modelo de ganancias

Ec. Mincer con correc-ción de selección muestral

Incremento de los rendimientos a medida que aumentan los niveles educativos.

Freire y Teijeiro (2010)

Encuesta en la CCAA de Galicia en

2008

MCO y VI con endogenei-dad

Particularizado para jóvenes gallegos

El rendimiento para los jóvenes es de 5,36%, inferior a otros trabajos, probablemente porque la situación laboral de los jóvenes es más defi-ciente que las del resto de las poblaciones, lo que afecta no sólo a las dificultades de inserción sino también a sus ingresos.

García et al. (2011) EES 2006 Diferencias

salariales

Sector de la hostelería. Principales regiones turísticas de España

La discriminación salarial es significativa en todas las regiones, debido a que trabajadores con características y condiciones idénticas, reciben distintos salarios según la región del empleo.

MCO: Mínimo Cuadrados Ordinarios. VI: Variables Instrumentales. EPF: Encuesta de Presupuestos Familiares. EPI: Encuesta Piloto de Ingresos. PHOGUE: Panel de Hogares de la Unión Europea. ECV: Encuesta de Condiciones de Vida. EES: Encuesta de Estructura Salarial.



Para observar la relación entre los ingresos y la educación, además de la Ecuación de Mincer, también se puede realizar a través de los perfiles Edad/Ingresos (Salas, 2007 b), que permiten distribuir la curva de ingresos se según la edad de los individuos, confirmando que a mayor a nivel de estudios, asociados a mayor edad, mayor es el ingreso o renta salarial que perciben los individuos. Estas relaciones simples se pueden estudiar con los microdatos de la Encuesta de Condiciones de Vida o la Encuesta de Estructura Salarial.

NOTA METODOLÓGICA DE LA INVESTIGACIÓN

En este apartado se exponen algunas características de la base de datos utilizada, la selección de las variables, su depuración y tratamiento, así como la referencia a las fases seguidas en la estimación econométrica a través del método de probabilidad no lineal.

Base de datos original y tratamiento

La fuente de información primaria utilizada es la Encuesta de Presupuestos Familiares (EPF) de 2011, con base de 2006, anual y para una población residenciada en España, con un tamaño muestral de unos 24.000 hogares, caracterizada porque cada hogar permanece en la muestra dos años consecutivos, renovándose cada año la mitad de la muestra5. De los tres ficheros que conforman la base de datos (hogar, miembros del hogar y gastos), en este trabajo se utiliza el fichero de hogar, debido a que el encuestado es el sustentador principal del hogar6.

De la base de datos original se han extraído finalmente las variables: Ingresos del trabajo, Co-munidad Autónoma de residencia, edad, sexo, nacionalidad, estado civil, nivel de estudio y fuente principal de ingresos, que aparecen en el modelo de estimación final. La mayoría de estas variables son de elección múltiple, recodificadas en variables binarias, según los reque-rimientos del método econométrico elegido para la aplicación econométrica (tal como se deta-lla posteriormente), a excepción de la edad que se mantiene como una variable continua.

En cuanto al tratamiento o depuración de los datos, cabe señalar que de la muestra inicial se han eliminado las observaciones: i) no responde/no contesta. ii) los individuos mayores de 65 años, al suponer que al aumentar los años no podrán aumentar su nivel de renta, iii) e igual-mente los pensionistas, según la variable de fuente de ingreso. Con las eliminaciones anterio-res la muestra pasa a ser de 13.091 observaciones, de las cuales el modelo elimina 882 por observaciones ausentes o incompletas, siendo las observaciones finales 12.2907.

5 La nueva encuesta suministra información anual sobre la naturaleza y el destino de los gastos de consumo, y

diversas características relativas a las condiciones de vida de los hogares encuestados. El objetivo principal de la encuesta es obtener estimaciones agregadas del gasto del consumo anual de los hogares, tanto nacional como por comunidades autónomas, junto con el cambio interanual del gasto y el consumo en cantidades físicas de bienes alimenticios. Persigue objetivos secundarios que consisten en estimar el gasto como instrumento para la obtención del consumo privado en la Contabilidad Nacional y la estructura de ponderaciones para el cálculo del IPC.

6 La encuesta considera una imputación a ingresos netos a todos los hogares, al considerar: 1) un valor específico de renta, 2) intervalos de ingresos del trabajo.

7 Se agradece los comentarios del Dr. Jerez, M., de la UCM, con respecto a la depuración de la base de datos, para quien “eliminar los registros incompletos es posiblemente una depuración aleatoria, que no altera la representa-



La variable dependiente original en el modelo es el Nivel de Ingresos monetarios, regulares agrupada en dos niveles: Rentas Bajas (0), entre 0 y 2000 euros, y Rentas Altas (1), para quie-nes obtienen rentas de 2000 euros y más. Esta acotación permite centrar la hipótesis y aislar las variables explicativas que determinan la probabilidad de conseguir un determinado nivel de ingresos. Para facilitar la comprensión, en adelante la variable independiente se denota como Rentas Altas (Y).

En cuanto a las variables explicativas, el proceso de selección y su tratamiento, se deriva tanto de la revisión de la literatura empírica, como de la disponibilidad de datos y los requerimientos del método econométrico. La tabla 2 recoge una caracterización de las variables, delimitando los valores que toman en su definición binaria y su referencia a la encuesta, mientras que la tabla 3 aporta los principales estadísticos que describen la submuestra de observaciones utili-zada, tras la depuración realizada.

Tabla 2. Resumen de variables.

Variable Referencia; (Tramo Encuesta )

Tipología y valores asignados Observaciones de la encuesta

Ingresos Mone-tarios regulares (Y)

INTERINPSP; (166-167)

Binaria: 1 Rentas Altas (niveles 5, 6 y 7: 2000 € y más) y 0 Rentas Bajas (niveles 1, 2, 3 y 4: entre 0 y 2000 €)

Distingue 7 niveles de ingresos en euros: < 500; 500-1.000; 1.000-1.500; 1.500-2.000; 2.000-2.500; 2.500-3000; > 3.000 €

Comunidades Autónomas (CCAA)

CCAA; (10-11)

Binaria: 1 Norte de España y 0 Sur de España.

Distingue todas las CCAA

Edad (Ed) EDADSP; (118-119)

Continua, desde los 19 a los 65 años.

Sexo (Sx) SEXOSP; (120-121)

Binaria, 1 hombre y 0 mujer

Nacionalidad (Nac)

PAISNACIODSP; (122-123)

Binaria: 1 nacidos en España y 0 nacidos en el resto del mundo.

Distingue cuatro grupos: Españo-les, Nacidos en la Unión Europea, Resto Europa y Resto Mundo.

Estado civil (EC)

ECIVILEGALSP (130-131)

Binaria: 1 sin pareja (soltero, viudo y divorciado) y 0 con pare-ja (resto).

Distingue cinco grupos: soltero, casado, unido en pareja, viudo, divorciado o separado

Nivel de estudio (Est)

ESTUDRSP (148-149)

Binaria: 1 con estudios superio-res y 0 sin estudios o con estu-dios de 1er y 2do nivel

Distingue todos los niveles educa-tivos

Fuente de ingre-sos (FI)

FUENPRINRED (444-445)

Binaria: 1 trabajo por cuenta propia y 0 por cuenta ajena

Se han eliminado el grupo Pensio-nistas y No contesta

Fuente: elaboración propia

tividad de la muestra, y eliminar algunos grupos de edad, si bien la altera, está justificado por la finalidad del es-tudio, siendo el tamaño muestral muy satisfactorio”.



Tabla 3. Principales estadísticos.

Variables Media Desviación Típica C.V.

Nivel de Ingresos del trabajo (Y) 0,2163 0,4117 1,9034

Comunidad Autónoma (CCAA) 0,6292 0,4830 0,7676

Edad (Ed) 45,193 9,6875 0,2144

Sexo (Sx) 0,7405 0,4383 0,5919

Nacionalidad (Nac) 0,8966 0,3044 0,3395

Estado civil (EC) 0,2803 0,4491 1,6023

Nivel de estudios (Est) 0,3824 0,4860 1,2707

Fuente de ingresos (FI) 0,2052 0,4039 1,9677 Fuente: elaboración propia

Como se observa, el 62% de los individuos de la muestra reside en el norte de España, el 74% son varones, y la edad media es de 45,19 años, estando pues en plena etapa productiva, el 89,6% tiene nacionalidad española, el 28% está soltero, el 38% ha cursado estudios superiores, y el 20% tiene ingresos por cuenta propia y sólo el 21,6% percibe rentas altas.

Es importante destacar el ejercicio realizado para tratar de aminorar algunas de las críticas tradicionales a las ecuaciones de Mincer mencionadas: 1) dado que la encuesta contempla datos sobre la situación de actividad y de ocupación de los encuestados y de los integrantes del hogar, incluyendo el sustentador del hogar8 (SITUACTSP, Situación en la actividad la sema-na anterior a la entrevista; SITUREDSP, Situación en la actividad reducida; SITUACTHOG, Situa-ción del hogar respecto a la actividad), permite controlar el sesgo de incluir únicamente a personas ocupadas, y 2) respecto a la existencia de otras variables que puedan afectar al sala-rio, y en parte, su consideración como variable exógena, esta crítica se controla al contemplar la educación en dos niveles: estudios básicos y educación superior.

Método econométrico

Si bien las estimaciones para la economía española de las ecuaciones de ingresos Mincer, co-mo ya se ha expuesto, estiman por MCO [Alba y San Segundo (1995), Vila y Mora (1996), San Segundo (1996), Lasibille y Navarro (1998) y Salas (2004)], o por MCO con variables instrumen-tales [Barceinas (2000 y 2001), Caparrós (2001), Pons y Gonzalo (2001)], no se encuentran trabajos que estimen un modelo no lineal Logit, que es la línea que se realiza en este ensayo, obteniendo valores de los parámetros que minimizan el error cuadrático.

Para realizar el análisis se construye una regresión a través de un modelo no lineal Logit Orde-nado para obtener las probabilidades que nos permitirán observar si un individuo tiene más posibilidades de obtener rentas altas o no. La ecuación del modelo, expresada con el nombre simplificado de las variables, es:

CCAAY Ed Sx Nac EC Est FI1 2 3 4 5 6 7 8 Estos datos están considerados hasta una semana antes de la entrevista.



, siendo Y la probabilidad de que un residente en España, con una serie de características que definen su perfil, pueda acceder a una renta alta. Las probabilidades determinadas para cada combinación de perfil van desde 0 a 1, si bien a efectos matemáticos la regresión lineal de este tipo de ecuación permite resultados menores de 0 y mayores a 1, que por ser poco coheren-tes/interpretables se evitan aplicando los siguientes pasos, habituales en esta metodología, al objeto de codificar la probabilidad en el intervalo (0,1):

i) Utilizar la función exponencial, que garantiza valores asignados positivos:

CCAAY´ exp( Ed Sx Nac EC Est FI )1 2 3 4 5 6 7

ii) Dividir la función exponencial por algo mayor, que acota los valores entre 0 y 1:

CCAACCAA

exp( Ed Sx Nac EC Est FIY´Y´´Y´ exp( Ed Sx Nac EC Est FI

))

1 2 3 4 5 6 7

1 2 3 4 5 6 71 1 ,

que permite obtener una regresión con variables binarias (0, 1) y evita incoherencias en las respuestas, que proporciona unos coeficientes de los cuales se extraen los signos de la relación entre la variable dependiente (rentas altas) y las variables independientes del modelo9.

En una segunda fase del procedimiento de estimación, se ha definido un valor estimado para un perfil básico del sujeto, multiplicado el coeficiente por cada representación binaria de las variables independientes10, y ver así las diferencias de probabilidades para cada caso, que se presenta como resultados en el apartado siguiente.

RESULTADOS DEL MODELO Y DISCUSIÓN

En esta sección se aportan algunos de los resultados obtenidos en la estimación de la ecuación de Mincer ampliada para la economía española con datos de la EPF para el año 2011 (apartado 5.1), y se ponen en relación con los resultados que aporta el estudio de las relaciones simples de la encuesta EES de 2010 (apartado 5.2).

Resultados estimación de probabilidad no lineal

Ante la pregunta de cuál es la probabilidad de que un hombre de 30 años, con residencia en la zona norte de España, español, soltero, con estudios universitarios y trabajador por cuenta propia pueda obtener rentas altas, las estimaciones obtenidas con el modelo Logit arrojan los resultados que recoge la tabla 411.

9 La diferencia principal entre una regresión logística y una lineal es que la variable dependiente no puede ser

directamente la probabilidad de poder obtener una renta alta o no, por lo que se ha calculado la función expo-nencial (Y´´) para medir las probabilidades.

10 Para ampliar sobre el procedimiento econométrico se puede consultar Collett, (1991). Las estimaciones se han realizado con Gretl Xquarts 2.7.4.

11 Estos resultados permiten interpretar los signos, viendo la relación de cada variable explicativa con la depen-diente.



Tabla 4. Resultados del Modelo de probabilidad no lineal: Variable dependiente: Renta Alta

Coeficiente Desviación Típica

Constante - 5.53 *** (0.1849)

Norte de España 0.33 *** (0.0520)

Edad 0.04 *** (0.0028)

Hombre 0.37 *** (0.0599)

Español 0.88 *** (0.1100)

Soltero - 0.39 *** (0.0612)

Estudios Superiores 2.03 *** (0.0526)

Cuenta Propia 0.10 (0.0621) Nº de observaciones: 12209; R2 de McFadden: 0.17; Log- verosimilitud:-5284; Casos correctamente predichos:79.9%;Contraste de verosimilitud: 2170.3 [0.0000] ***significación al 99%, ** significación al 95% de significación Fuente: elaboración propia

Residir en el norte de España, ser varón, nacido en España y tener estudios superiores, aumenta la posibilidad de obtener rentas altas, frente a las alternativas binarias definidas. Sin embargo, la variable estado civil -Soltero-, muestra una relación negativa con respecto a la variable dependiente, indicando que si la persona es soltera tiene menos probabilidad de ga-nar rentas altas que una persona casada (o en pareja). Cabe pensar que puede haber una in-teracción con la edad, dada la alta correlación entre edad y estado civil, como se observa más adelante. También se observa como todas las variables son significativas al 99%, excepto la fuente de ingreso -cuenta propia-, que es no significativa.

La tabla 5 muestra los resultados definidos para el perfil base y los ejercicios de estática com-parativa en el cambio en los valores binarios de las variables lugar de residencia, el estado civil, la edad, el género, la nacionalidad o el nivel de estudios, que muestran el efecto de variaciones en las variables independientes en la regresión: Así, un hombre de 30 años, español, soltero, con residencia en el norte de España, con estudios superiores y trabajador por cuenta propia tiene una probabilidad del 0,285419 de percibir rentas altas de 2.000€ o más mensuales.

Al modificar la localidad donde el sujeto reside, pasando de la mitad del norte de España a la mitad Sur, disminuye la posibilidad de percibir rentas altas (0,223428), el cambio de estado civil del sujeto muestra que el individuo casado tiene menos probabilidad de ganar rentas altas (- 0,372076). Además, por cada año adicional de edad, la probabilidad de alcanzar una renta más alta es 0,294332. Al aumentar la edad y pasar de soltero a casado, se comprueba que la probabilidad de ganar rentas altas aumenta (0,477439). Con la misma edad y las mismas carac-terísticas que el perfil base, pero siendo mujer, la probabilidad de obtener rentas altas se re-duce (0,215446), y tener nacionalidad extranjera reduce la probabilidad de obtener rentas altas entre los encuestados (0,142289). Por último, no tener estudios superiores, desploma la probabilidad de obtener rentas altas (0,049885), siendo el segmento más perjudicado.



Tabla 5. Resultados del perfil básico y sus variantes según variables independientes

Resultados del perfil base

Resultados al comparar la residencia.

Resultados al comparar el estado civil.

Resultados al comparar la edad.



Resultados al comparar la edad y estado civil.

Resultados al comparar por sexo

Resultados al comparar por nacionalidad

Resultados al comparar por nivel de estudio

Fuente: elaboración propia

A modo de síntesis, la tabla 6 recoge un resumen de los resultados de ejercicio de estática comparativa definido según las variables independientes del modelo.



Tabla 6. Resumen de los resultados de probabilidades.

Perfil Base Nivel de estudios Nacionalidad Sexo CCAA Edad Estado civil

0,285419 0,049885 0,142289 0,215446 0,223428 0,294332 - 0,372076 Fuente: elaboración propia.

Con estos resultados, y a través del método de probabilidad no lineal estimado, se confirma que a menor nivel de estudios, menor es la probabilidad de recibir rentas altas (que toma el valor mínimo estimado), síntesis de la ecuación de Mincer ya señalada previamente.

Así mismo, se mantiene la diferencia por sexo que otros estudios han demostrado, aunque se detecta que es algo más pronunciada en la nacionalidad, es decir, ser extranjero es más perju-dicial que ser mujer, en cuanto a la probabilidad de poder recibir rentas altas.

Un resultado a estudiar es el estado civil, que a simple vista parece tener la mayor probabili-dad de conseguir rentas altas, pero debemos recordar que su coeficiente tiene relación negati-va con respecto a la renta, por lo que significa que estar casado, representa un 0,3720% menos de probabilidad de ganar rentas altas.

Relaciones simples de la Encuesta de Estructura Salarial (2010)

La observación de los resultados de las estimaciones del modelo de probabilidad no lineal para el perfil base y sus modificaciones, lleva a un ejercicio de comparación con las relaciones simples entre ingresos y educación (tal y como se ha mencionado en el marco teórico, siguien-do el trabajo de Salas 2007), extraídas de la Encuesta de Estructuras Salariales12 en España 2010, determinando algunas claras diferencias. Los individuos que no han completado los es-tudios de primaria tienen una renta menor al 25,1% del salario medio, mientras que los que tienen educación superior superan el 57,4% del mismo, cuyas desviaciones del salario medio anual en porcentaje se muestra en la Figura 1. Dichas relaciones, confirmar que para conseguir rentas altas o mayores al salario medio es necesario tener mayores niveles de estudio, tal y como lo indica el resultado de probabilidad visto previamente.

Así mismo, en general, la diferencia salarial en personas con el mismo nivel de formación pero diferente género, son más notables en las mujeres que en los hombres, ya que el ingre-so de las mujeres es más de un 20% inferior al salario medio con respecto a los hombres (Ver Anexo 2).

12 La Encuesta de Estructura Salarial aporta datos de la estructura y distribución de los salarios, con periodicidad

cuatrienal, para homogeneizar dicha información en todos los Países Miembro de la Unión Europea (UE), en cumplimiento del reglamento del Consejo de la UE nº 530/1999.



Figura 1. Desviación del salario medio en porcentaje anual por niveles de estudio

Fuente: Encuesta de Estructuras Salariales 2010. INE

Según la nacionalidad, la encuesta aclara que los datos del 2010 no son muy significati-vos porque solo un 6,1% de la muestra es de nacionalidad extranjera; sin embargo, los datos disponibles indican que los trabajadores españoles disponen de un salario superior al medio que los extranjeros, observándose igualmente desviaciones salariales entre hombres y mujeres tanto nacionales como extranjeros. En este caso, a pesar de que la muestra de la EES no es muy significativa, los resultados obtenidos en el ejercicio de este ensayo, también confirman la probabilidad de que surjan diferencias salariales por diferencias raciales.

Figura 2. Distribución del salario bruto anual por nacionalidad, en euros


Según el género, las diferencias salariales se pueden observar en todos los estratos de la en-cuesta; directamente el salario de los hombres es de 25.479,74 euros y el de las mujeres 19.735,22 euros, es decir éste último, corresponde a un 77,5% de la renta masculina. Sin em-bargo, como esta diferencia está en función del tipo de trabajo, jornada, ocupación, antigüe-dad..., lo más acertado es comparar las ganancias por hora. Para ello, se utiliza el indicador Brecha Salarial entre Mujeres y Hombres13, cuyo diferencia en el 2010 para España era de 15,3% a favor de los hombres. Es importante destacar que este indicador en los últimos años ha continuado aumentando, colocándose en 16,1% en el 2011. En este ensayo la probabilidad 13 La Brecha Salarial Mujeres/Hombres, indicador de Eurostat que representa la diferencia salarial como porcentaje

de la ganancia hora de los hombres. Este indicador contiene los datos de las empresas de 10 o más trabajadores, incluye los pagos por hora extra, pero no las gratificaciones extraordinarias.



de la diferencia salarial por cuestiones de sexo no es la más significativa, sin embargo, la dife-rencia siempre está presente al analizar el resto de variables junto con el sexo.

Figura 3. Distribución del Número de trabajadores por salario bruto anual por género, en euros


La diferencia salarial por género sigue siendo un caso de estudio porque si en un principio puede entenderse por razones de falta de tiempo o constancia en la actividad laboral, no se comprende cuando se observa el indicador de brecha salarial entre sexos.

Según la edad, tal y como he mencionado anteriormente, el perfil edad-ingresos que puede obtenerse de las relaciones simples de los datos de la encuesta, muestra que a mayor edad, mayor nivel de ingresos, demostrando la relación positiva entre ambas variables. Esto sucede básicamente por la antigüedad laboral. Es importante, observar en la figura que la diferencia entre ambos es menor entre los jóvenes, quizás explicado por la mayor cantidad de mujeres con estudios y mejor cualificadas con respecto a mujeres de más edad. En este caso, así como en el resto, el resultado de probabilidad que muestra de probabilidad no lineal es similar, indi-cando que existe mayor probabilidad de aumentar el salario con un año adicional.

Figura 4. Distribución del salario bruto anual versus edad de los trabajadores, en euros


En resumen, las relaciones simples de la Encuesta de Estructuras Salariales del 2010, confirman la misma tendencia de las probabilidades obtenidas en este ensayo a través del método de probabilidad no lineal. Las relaciones simples muestran la situación empírica de los participan-



tes de la encuesta y los resultados de este ensayo confirman las probabilidades de poder obte-ner rentas altas o diferencias según la variable estudiada y segmentada.

CONCLUSIONES Y COMENTARIOS FINALES

Los ingresos del trabajo, las variables que los afectan y las diferencias que surgen entre los individuos han sido desde hace décadas un tema de interés para muchos economistas, psicó-logos, sociólogos, entre otros académicos, quienes han intentado comprobar relaciones y pro-babilidades entre estas variables. En este trabajo se toma como partida los estudios de Becker y Mincer, y algunas de las referencias empíricas posteriores, internacionales como nacionales, que amplían y revisan la especificación original. Para el caso particular de España, la revisión de la literatura española de los últimos quince años, muestra diferencias en la definición de las variables, metodología, base de datos y período temporal, y extrae como denominador común que los rendimientos son positivos al capital humano. Esta revisión de información justifica la especificación de las variables que se consideran en el ejercicio econométrico de las relaciones entre los ingresos percibidos y las variables que pueden afectarle a través de los datos de la Encuesta de Presupuestos Familiares de 2011, utilizando para ello el método de probabilidad no lineal.

Tras seleccionar las observaciones, definir la ecuación y estudiar el método para calcular la probabilidad de obtener rentas altas (mayores a 2.000 €/mes) en España en 2011, se puede concluir que las personas con más probabilidad de recibir rentas altas son aquellas que están bajo el perfil básico: hombre, residente en la parte norte de España, de nacionalidad española, casado y con estudios superiores.

Así mismo, la variable de fuente principal de ingresos, es no significativa, y que la relación de las variables explicativas con respecto a la variable dependiente, es por lo general positiva, con la única excepción del estado civil, hecho que podría significar que las parejas al tener inten-sión de constituir una familia y buscarán aumentar su renta con el fin de cubrir las necesidades de todo el núcleo familiar, aspecto que debería ser objeto de un estudio en mayor profundi-dad. Igualmente, se puede extraer como conclusión que al aumentar un año más de edad, la probabilidad de obtener renta alta aumenta.

Así como en las referencias utilizadas, se utilizaron relaciones simples, a través de la Encuesta de Estructuras Salariales de 2010, para proporcionar más validez a la especificación de en este ensayo. Se comprobó lo importante de tener estudios superiores a la hora de desear obtener rentas altas, porque si se comparan dos personas iguales en todo salvo que la primera es uni-versitaria y el otro no, el segundo tiene tan sólo 0,049% de probabilidad frente al primero que tendría 0,285% más de probabilidades con estudios cursados.

Por tanto, la hipótesis que se plantea al principio de este documento indica la necesidad de continuar estudiando y reflexionando sobre las causas de estas relaciones, ya que apuntan a motivos, dentro de las sociedades, que no son racionalmente económicos.



REFERENCIAS

ALBA RAMÍREZ, A. Y SAN SEGUNDO, M.J. (1995). The Returns to Education in Spain, Economics of Educa-tion Review, vol 14, pp. 155-166.

ARRAZOLA, M., DE HEVIA, J., RISUEÑO, M. Y SANZ, J.F. (2003). Returns to education in Spain: some evi-dence of the endogeneity of schooling, Education Economics, vol. 11 (3), pp. 293-304.

ANDRÉS M., ROS M., PUENTE M. y MÚGICA M. (2012): La brecha salarial entre hombres y mujeres se sitúa en el 16% en España y supera el 17% en la UE. Parlamento Europeo y Comisión Europea.

http://ec.europa.eu/spain/pdf/np-la-brecha-salarial-entre-hombres-mujeres-en-espanha_es.pdf

BARCEINAS, F., OLIVER, J., RAYMOND, J.L. Y ROIG, J.L. (2000). Los rendimientos de la educación y la in-serción laboral en España, Papeles de Economía Española, no 86, pp. 128-148.

BARCEINAS, F., OLIVER, J., RAYMOND, J.L. Y ROIG, J.L. (2001). Spain, en Harmon, C., Walker, I. y Westergaard-Nielsen, N. (eds.); Education and Earnings in 17 Europe. A Cross Country Analysis of the Returns to Education, Edward Elgar, Cheltenham, pp. 234-264.

BARCEINAS, F., OLIVER, J., RAYMOND, J.L. Y ROIG, J.L. (2002). Rendimientos de la educación y efecto tratamiento. El caso de España, Moneda y Crédito: Revista de Economía, vol. 215, pp. 43-68.

BECKER, G.S. (1964): Human Capital: A theoretical and Empirical Analysis, with Special Reference to Education. National Burear of Economic Research, New York. Traducción en castellano: El Capital Humano. Alianza Universidad, Madrid. 1983.

CARD, D. (1999): The Causal Effect of Education on Earnings, Handbook of Labor Economics, Nueva York.

CAPARRÓS, A., GAMERO, C., MARCENARO, O.D. Y NAVARRO, M.L. (2001). Un análisis comparativo del rendimiento de la educación en España, X Jornadas de la Asociación de Economía de la Educa-ción, Murcia.

COLLETT, D. (1991). Modelling Binary Data. Chapman and Hall / CRC.

COHN, E. y Addison, J.T. (1998): The economics returns to lifelong learning in OECD countries Education Economics, vol. 6. Pp. 253-307

GARCÍA, A., CAMPOS, J., SÁNCHEZ, J., MARCHANTE, M. (2011). Capital humano y salarios en la hostelería española: Un análisis regional, Revista de Estudios Regionales Nº 91, pp. 71-95.

GRILICHES, Z. (1977). Estimating the Returns to Schooling: Some Econometric Problems, Econométrica, 45, pp. 1-22.

FREIRE M. J. y TEIJEIRO M. (2010): La inversión en capital humano de los jóvenes gallegos ¿sigue siendo rentable la educación? Cuadernos de Economía. Vol. 33, Núm. 92, mayo-septiembre de 2010, Págs. 045-070.

HECKMAN, J. (1979). Sample selection bias as a specification error, Econométrica 47(1). Heckman y Cacurdi, 1980

HEREDIA J., RODRÍGUEZ A. y VILALTA J. A. (2012): Empleo de la regresión logística ordinal para la predic-ción del rendimiento académico. Revista Investigación Operacional. Vol. 33, No. 3, 252-267. Inst. Sup. Pol. José Antonio Echeverría, La Habana, Cuba.

INE (2010): Encuesta de Estructura Salariales (EES). Instituto Nacional de Estadística, Madrid.

INE (2011): Encuesta de Presupuestos Familiares (EPF). Instituto Nacional de Estadística, Madrid.

INE (2010, 2009 y 2008): Estadística de la Enseñanza Universitaria en España. Instituto Nacional de Esta-dística, Madrid.

LASSIBILLE, G. Y NAVARRO, M.L. (1998). The Evolution of Returns to Education in Spain 1980-1991, Edu-cation Economics, vol. 6, pp. 3-9.



LLINÁS, H. (2006): Precisiones en la teoría de los modelos logísticos. Revista Colombiana de Estadística, 29, 239-265.

MARCENARO, O.D. Y NAVARRO, M.L. (2005). Nueva evidencia sobre el rendimiento del capital humano en España, Revista de Economía Aplicada, nº 37, pp. 69-88.

MINCER, J. (1974): Schooling, Experience and Earnings. National Bureau of Economic Research, New York.

PSACHAROPOULOS, G. (1985): Returns to education: A further International update and implications. Journal of human resources, vol. 20, pp. 583-604.

PONS, E. Y GONZALO, M.T. (2002). Returns to Schooling in Spain: How Reliable are Instrumental Variable Estimates?, Labour, vol. 16, pp. 747-770.

SALAS, M. (2004): Rendimientos privados de las inversiones en educación superior a partir de las ecua-ciones de ingresos. Hacienda Pública Española / Revista de Economía Pública, nº 169, 87-117.

SALAS, M. (2007 a): Educación y salarios de los trabajadores en España: Nueva evidencia. Reportaje de Universia del 15 de abril de 2007. http://noticias.universia.es/ciencia-nn-tt/reportaje/2007/04/15/651273/educacion-salarios-trabajadores-espana-nueva-evidencia.html

SALAS, M. (2007 b): La elaboración del proyecto docente. El método de la economía de la educación y programación de la asignatura. Editorial UOC.

SAPELLI, C. (2009). Los Retornos a la Educación en Chile: Estimaciones por Corte Transversal y por Cohortes, Documento de trabajo 349, Instituto de Economía, Pontificia Universidad Católica de Chile.

VILA, L. Y MORA, J.G. (1996). Educación e ingresos de los trabajadores en España: Evolución en los años ochenta, en Grao, J., e Ipiña, A. (eds.): Economía de la educación. Temas de estudio e investiga-ción, Servicio Central de Publicaciones del Gobierno Vasco, Colección Estudios y Documentos, no 22, pp. 233-257.

VILA, L. Y MORA, J.G. (1998). Changing Returns to Education in Spain Turing the 1980s, Economic of Education Review, vol. 17, pp 173-178.



ANEXO

Output del Modelo Logit – Binario

Tabla 1. Distribución del salario bruto anual por nivel de estudio y sexo

Mujeres Hombres

Fuente: Encuesta de Estructura Salarial, 2010. INE

Factores que influyen en las diferencias de los ingresos...

Documents

Transcript of Factores que influyen en las diferencias de los ingresos...