CORRELACIÓN ENTRE SALUD Y PRODUCTIVIDAD LABORAL EN LAS
REGIONES DE COLOMBIA PARA EL AÑO 2008
LIZETH CAROLINA ECHEVERRI RUSSO
HILDA MARULANDA BURITICÁ
LUZ AIDA VILLALOBOS TAMAYO
UNIVERSIDAD CATÓLICA DE PEREIRA
FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS
PROGRAMA DE ECONOMÍA
PEREIRA
2012
2
CORRELACIÓN ENTRE SALUD Y PRODUCTIVIDAD LABORAL EN LAS
REGIONES DE COLOMBIA PARA EL AÑO 2008
LIZETH CAROLINA ECHEVERRI RUSSO
HILDA MARULANDA BURITICÁ
LUZ AIDA VILLALOBOS TAMAYO
INFORME FINAL
TUTORES
ARMANDO ANTONIO GIL OSPINA
ECONOMISTA
UNIVERSIDAD CATÓLICA DE PEREIRA
FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS
PROGRAMA DE ECONOMÍA
PEREIRA
2012
3
DEDICATORIA
A Dios por la fortaleza,
perseverancia y todas las bendiciones
que ha puesto en nuestro camino
para terminar esta etapa con éxito.
Y finalmente a Edgar Ochoa, Flor María Tamayo,
John Jairo Marulanda, Sergio Ramírez,
Maritza Russo y Rodrigo Echeverri
por su apoyo incondicional.
4
AGRADECIMIENTOS
A todas las personas que participaron e hicieron posible este proyecto:
Armando A. Gil Ospina, Gerardo A. Buchelli, Harold Martínez
No bastarían las palabras para agradecerles su apoyo,
su comprensión y sus consejos.
A todos, esperamos no defraudarlos y contar siempre con
su valioso apoyo, sincero e incondicional.
5
TABLA DE CONTENIDO
Pág.
SÍNTESIS ............................................................................................................ 7
INTRODUCCIÓN ................................................................................................ 8
CAPÍTULO 1: PLANTEAMIENTO DEL PROBLEMA Y
CONTEXTUALIZACIÓN DE LA SALUD Y LA PRODUCTIVIDAD LABORAL 11
1.1. PLANTEAMIENTO DEL PROBLEMA ...................................................... 11
CAPÍTULO 2: MODELO TEÓRICO Y METODOLOGÍA .................................. 12
2.1. COMPONENTE CONCEPTUAL .............................................................. 12
2.2. MARCO TEÓRICO................................................................................... 16
2.2.1. Mincer y la función salarial de capital humano .................................. 20
CAPÍTULO 3: ESPECIFICACIÓN DEL MODELO ........................................... 21
3.1. METODOLOGÍA PARA MEDIR LA RELACIÓN ....................................... 21
3.1.1. El Modelo ........................................................................................... 22
3.1.2. Los datos ........................................................................................... 28
3.1.3. La muestra ......................................................................................... 28
3.2. SALIDAS DE STATA ................................................................................ 34
CAPÍTULO 4: RESULTADOS DE LAS ESTIMACIONES ................................ 43
6
4.1. Efectos marginales ................................................................................... 44
CONCLUSIONES ............................................................................................. 46
REFERENCIAS BIBLIOGRÁFICAS ................................................................. 47
7
SÍNTESIS
SÍNTESIS
El objetivo de este trabajo es ampliar la
evidencia sobre el efecto de la salud en
la productividad laboral. Se estima un
índice categórico del estado de salud
para atenuar problemas de subjetividad
de los indicadores. Se tiene en cuenta
la endogeneidad entre los salarios y la
salud donde se estima simultáneamente
una ecuación de salud y de salarios. El
estudio se realiza para Colombia con la
encuesta de calidad de vida del año
2008 (ECV2008), como resultados se
obtiene:
Analizando las muestras y sus
resultados se deduce que el promedio
nacional presenta un estado de salud
“bueno” en un 69,24%, promedio
bastante alto ya que para las categorías
muy bueno regular y malo , la población
colombiana presente promedios de
6,97%, 22,51% y 0.97% en el orden
anterior.
Palabras clave: Productividad laboral,
salud.
ABSTRACT
The aim of this paper is to extend the
evidence on the effect of health on labor
productivity. It is estimated a categorical
index of health status to mitigate
problems of subjectivity in the
indicators. It takes into account the
endogeneity between wages and health
where it is estimated simultaneously an
equation of health and wages. The
study was performed to Colombia
withthequality of lifesurvey of theyear
2008 (ECV2008), as results are
obtained:
Analyzing the samples and their results
suggest that the national average health
status presents a "good" in a 69.24%
average quite high as for the categories
very good average, bad, the Colombian
population present average of 6.97 %,
22.51% and 0.97% in the previous
order.
Keywords: Labor productivity, health.
8
INTRODUCCIÓN
Igual que en muchos otros países, en Colombia los responsables de formular
políticas de gobierno de orden social, están priorizando el tema de mejorar la
productividad laboral. Los problemas de una población que envejece se están
haciendo cada vez más evidentes, por lo que solo se podrá lograr un mayor
crecimiento económico, cuando se aumente la productividad. El mercado laboral
del sector de la salud está en un momento de expansión.
La investigación hecha por Ribero (2000) determinó las relaciones entre
indicadores básicos de salud y productividad laboral en Colombia, explorando
cómo el gasto público en salud podría mejorar la productividad de los individuos.
Metodológicamente, introduce indicadores de salud, en una función de ingresos de
tipo Mincer, encontrando en ello, una relación directa con los ingresos individuales
en Colombia, luego endogeniza la variable salud, utilizando variables
instrumentales para corregir los errores de medición y la posible endogeneidad de
la variable. Caso que se hará actualizado.
Se acepta que el aumento en los niveles de ingreso de una persona tiene un
impacto positivo sobre el estado de su salud; es decir, que partiendo de un nivel
relativamente bajo de ingreso, sucesivos incrementos en este, le permiten
aumentar la demanda y el uso de servicios de salud. Simultáneamente, mejores
estados de salud contribuyen al aumento de la productividad laboral.
El presente trabajo es una investigación de carácter cuantitativo, de tipo
descriptivo y analítico, basado en los datos de la Encuesta de Calidad de Vida
para el año 2008,la cual fue implementada a partir del año 1997 por el DANE, con
el fin “de obtener información básica para la medición de las condiciones de vida
9
de los colombianos y la obtención de indicadores de pobreza y desigualdad”1 así
mismo se pretende analizar la relación existente entre las variables de interés del
estudio (Salud y Productividad Laboral).
La revisión de antecedentes realizada permite, reconocer la aplicación de un
riguroso instrumental econométrico en cuanto al manejo de la información para la
realización de la estimación de las variables de los modelos elaborados.
Los aportes que se han hecho desde los años 60 han llegado a conclusiones
importantes que han permitido a través del tiempo, con el estudio de modelos y
teorías empíricas iniciar con nuevas investigaciones, de hecho más acertadas,
con respecto a los efectos o incidencia de la salud sobre la productividad laboral
en la región central de Colombia, para el año 2008.
En este sentido, los resultados serán útiles como aportes de ideas prácticas y
posibles de política económica y social/regional, principalmente, en el rubro de
inversión en salud; de todos modos, se espera que puedan llegar a ser
importantes para precisar el impacto de la productividad sobre la salud y sobre la
dinámica de la distribución de ingreso.
La preocupación del estudio es la relación salud - productividad laboral, entonces
se analiza la situación con la función de producción de tipo Mincer que introduce
el indicador de la salud como una variable endógena y se estima la ecuación con
variables instrumentales, que corrigen los errores de medición y la posible
endogeneidad de la variable, encontrando como resultado que la salud es
significativa y tiene el signo acertado. La estatura refleja la inversión nutricional
realizada por los padres en su temprana edad, lo mismo que la salud acumulada
durante la vida (Strauss y Thomas 1995; Martorell y Habiech 1986): Los cambios
1 DANE, Boletín de Prensa, Bogotá D.C; 18 de marzo de 2009. Encuesta de Calidad de Vida 2008.
10
en la estatura de la población a lo largo del tiempo, se pueden atribuir a los
cambios en la inversión en capital humano y en las características de salubridad
del ambiente (Fogel 1994): Muchos de los estudios que miden la morbilidad se
concentran en la población mayor de los países de altos ingresos (Schultz y
Tansel 1997).
El presente trabajo está estructurado en capítulos, el capítulo primero corresponde
a esta introducción, en el segundo capítulo se trata el planteamiento del problema
y contextualización de la salud y la productividad laboral, el tercer capítulo se
describe el modelo teórico y la metodología utilizada y finalmente conclusiones y
resultados obtenidos
11
CAPÍTULO 1: PLANTEAMIENTO DEL PROBLEMA Y CONTEXTUALIZACIÓN
DE LA SALUD Y LA PRODUCTIVIDAD LABORAL
1.1. PLANTEAMIENTO DEL PROBLEMA
El tema que se propone estudiar radica en la relación entre salud y productividad
laboral para el periodo 2008, dicha relación ha sido abordada por economistas
como Schultz (1959), Becker (1964), Mushkin (1962), Arrow (1963), Grossman
(1972), Preston (1975), Fogel (1993), Barro (1995), entre otros. Además la
literatura da cuenta de los últimos trabajos teóricos y empíricos de Gallego (2001),
Bloom y Canning (2000, 2001, 2004), Bhargava (2001) Mayer (2001), entre otros.
La revisión de antecedentes permite afirmar que si bien, en muchos de los
trabajos referenciados se halló una correlación fuerte entre salud y crecimiento
económico, a través de sus correspondientes variables proxy (ingreso per cápita,
productividad, esperanza de vida, mortalidad infantil, y otras), también es cierto
subrayar que otros estudios no han determinado dicha relación, o ha sido bastante
débil. Incluso en algunos estudios no se encontró ninguna relación.
No obstante, se puede expresar, de acuerdo a estudios revisados a nivel nacional
e internacional que, en términos de política económica, los distintos países
evidencian aumentos importantes en el gasto social en salud para mejorar las
condiciones de salud (aumento de la expectativa de vida) e impactar
positivamente los niveles de productividad y crecimiento económico.
En general, se acepta que el aumento en los niveles de ingreso de una persona
tiene un impacto positivo sobre el estado de su salud; es decir, que partiendo de
un nivel relativamente bajo de ingreso, sucesivos incrementos en este, puede
aumentar la demanda y el uso de servicios de salud. Y, simultáneamente, mejores
estados de salud contribuyen con el aumento de la productividad laboral.
12
Por tal motivo, se pretende conocer las posibles relaciones entre la inversión en
salud y la productividad laboral para el caso de Colombia en el período referido.
Resulta interesante puntualizar que a lo largo de los últimos tres decenios, la
mayoría de los trabajos en este tópico, han usado el modelo económico de
crecimiento endógeno, aumentado en capital salud; es el caso de los trabajos de
Mankiw, Romel y Weil (MRW), Barro, Barro y Sala-i-Martin, los cuales se han
convertido en los modelos clásicos; en este sentido, se brindar recursos teóricos y
metodológicos para aplicar en este estudio para encontrar probables relaciones
desde este enfoque que concibe el capital-salud en su doble función de consumo
e inversión y considerar además que la salud es un importante determinante del
ingreso y el crecimiento de un país.
CAPÍTULO 2: MODELO TEÓRICO Y METODOLOGÍA
2.1. COMPONENTE CONCEPTUAL
Al comparar el tamaño de las estimaciones de los efectos microeconómicos de la
salud, sobre los salarios, con las estimaciones macroeconómicas de los efectos
de la salud en la productividad del trabajo, Fogel (1994) encuentra una estrecha
relación entre el índice de masa corporal y la estatura con la mortalidad de
hombres mayores y con la aparición de enfermedades crónicas, entre los hombres
de 20 a 50 años de edad. En ese estudio confirma que en Colombia la estatura
está relacionada positivamente.
Strauss y Thomas (1995, 1997) emplean datos de una encuesta realizada en la
zona urbana de Brasil que muestran que, aun después de un ajuste por
escolaridad, diferentes dimensiones de la salud, como la estatura, el (3) IMC, el
consumo de calorías y el consumo de proteínas, tienen un efecto favorable en los
13
salarios de los hombres y las mujeres, además encuentra efectos significativos y
positivos de la estatura con respecto al salario, los hombres y las mujeres de
mayor estatura reciben ingresos por hora 8% y 7% mayores por centímetro
adicional, respectivamente.
El volumen de los rendimientos en Colombia se ajusta a lo observado por Ghana
(Schultz 1996), donde un aumento de un centímetro de estatura se relaciona con
un incremento salarial, aunque también se observa que los efectos de la nutrición
en la estatura y la productividad de los adultos están sujetos a rendimientos
decrecientes. El aumento proporcional de la estatura debido a mejor nutrición
puede ser mayor para las personas con casos graves de mal nutrición, como
consecuencia, se espera que los rendimientos de capital humano sean mayores
con un menor volumen de inversión, de esta forma los programas nutricionales
dirigidos a los pobres ayudan a reducir las desigualdades del ingreso y a promover
el crecimiento eficiente.
Schultz (1996) incluye tres formas de capital humano en la regresión (índice de
masa corporal, estatura y migración), halla un efecto negativo y significativo del
número de días que un individuo estuvo incapacitado en el último mes sobre la
productividad tanto de hombres como de mujeres; para un hombre localizado en
un sector urbano el haber estado incapacitado un día en el último mes representa
para él, unos ingresos laborales del 55% menos que si hubiera estado saludable
durante ese mismo periodo de tiempo. El efectos es de menor magnitud para los
hombres en zonas rurales, es decir de 49%. De manera similar se encuentra que
la estatura esta correlacionada positiva y significativamente con los ingresos, un
hombre en zonas urbanas recibe ingresos 12% mayores por centímetro de
estatura y una mujer en zonas urbanas recibe ingresos 4.7% mayores por
centímetro de estatura.
14
Schultz (1997) analiza como la formación de capital humano se ve afectada por
formas de inversión del estado y los hogares y trata de determinar los ingresos
laborales encontrando en la estatura de los adultos un determinante importante
de la productividad, que aparece correlacionada con problemas crónicos de la
salud entre las cohortes mayores y se vincula con la mortalidad, por ende con la
longitud de la vida productiva. El autor descubre que la estatura en la edad adulta
es un determinante importante de la productividad del adulto y que resulta
inversamente correlacionada con los problemas crónicos de salud de las personas
de edad mediana y avanzada. Más aun los resultados muestran que la estatura
guarda una relación inversa con la mortalidad y como consecuencia una relación
directa con la duración de la vida productiva.
Strauss y Thomas (1997) emplearon datos sobre la estatura y el IMC de familias
de las zonas urbanas del Brasil y hallaron que la estatura tiene un efecto amplio y
significativo en el salario de los hombres y las mujeres, a partir de esa prueba este
estudio, se concentra en la relación entre la estatura y otros indicadores del estado
de salud actual de los adultos y su productividad.
Según David E Bloom, Canning (2005) la salud es una forma importante de capital
humano, que puede mejorar la productividad de los trabajadores mediante el
aumento de sus capacidades físicas como la fuerza y la resistencia, así como sus
capacidades mentales, funcionamiento cognitivo y capacidad de razonamiento. La
evidencia de esta relación es cada vez mayor a nivel microeconómico (Savedoff y
Schultz 2000; Schultz y Tansel 1992; Strauss y Thomas 1998; Schultz 1999a
1999b 2002) los científicos sociales generalmente se refieren a estas
correlaciones como el reflejo de una relación causal que va de los ingresos hacia
la salud, véase por ejemplo, Mckeown 1976, Pritchet y Summers 1996. Los
ingresos más altos promueven el acceso a muchos de los bienes y servicios que
se creen producen salud y longevidad, como por ejemplo una dieta nutritiva, agua
potable, saneamiento y buena atención en salud, pero este punto de vista
15
estándar ha sido cuestionado en los últimos años por la posibilidad de que la
correlación entre ingresos y salud se explica también por una relación causal
desde la salud a la renta.
Hay vías potenciales a través de las cuales la mejora de la salud puede influir en
el ritmo de crecimiento de los ingresos a través de sus efectos en la participación
en el mercado laboral, productividad de los trabajadores, inversión en capital
humano, ahorro, fertilidad y estructura de la población ( Bloom y Caning 2000;
Blomm, Caning y Sevilla 2002; Bloom, Caning y Graham 2003; Easterling 1999;
Hamoudi 1999; y Sachs 1999) un enfoque común empírico hacia el estudio del
efecto de la salud.
Ribero (2000) estudia los determinantes de un buen estado de salud de las
personas y su incidencia sobre la productividad laboral en Colombia, en los
sectores urbano, rural y por género; en este sentido, se tiene el interés en conocer
la relación entre dos indicadores básicos de salud y productividad; así mismo, se
analiza la manera en que el gasto público en salud podría mejorar la productividad
de las personas.
Se utiliza una función de ingresos tipo minceriana para introducir las variables e
indicadores de salud. Entre las principales fuentes de información está la Encuesta
Nacional de Hogares (ENH-91), la Encuesta de Caracterización Socioeconómica
(CASEN-93), el Ministerio de Salud y el Instituto Geográfico Agustín Codazzi.
Los resultados obtenidos se resumen en lo siguiente: la enfermedad es más
frecuente entre las mujeres, las personas mayores, en las zonas rurales y entre
las personas con menor nivel educativo. Los hombres más educados tienen 6
centímetros más de estatura en relación con aquellos sin ninguna escolaridad,
mientras que para las mujeres la diferencia es de 4 centímetros.
16
Las estimaciones de una función de ingresos por hora tipo Mincer, utilizando como
variables del capital humano el número de días incapacitado y la estatura
consideradas como endógenas y estimando el modelo con el método de variables
instrumentales, los coeficientes resultaron significativos y con los signos
acertados: negativo para la primera variable y positivo para la segunda.
Simulaciones de los modelos indican que un centímetro más de estatura
incrementaría en 12% los ingresos masculinos y en 5% los femeninos,
aproximadamente.
El trabajo pretende comparar el tamaño de las estimaciones de los efectos
microeconómicos de la salud sobre la productividad de los trabajadores
2.2. MARCO TEÓRICO
La teoría neoclásica del crecimiento no brinda una respuesta satisfactoria a la
pregunta central sobre el crecimiento económico (Romer, 1990). Esta afirmación
se sustenta en varias de las conclusiones de los modelos que se han elaborado
para conocer los factores que lo determinan; por ejemplo, el débil argumento
cuando se trata de explicar las brechas entre los países a partir de las diferencias
en capital físico; si bien se reconoce que la causa estriba en los distintos niveles
de productividad del trabajo, el modelo trata esta variable como una “caja negra”;
además, su significado exacto y la naturaleza no es específica ni se modela de
forma explícita.
La teoría alternativa del crecimiento endógeno interpreta la productividad del
trabajo a partir del conocimiento y la ampliación de capital; variable que incluye,
además del físico, el aspecto humano; de esta forma la acumulación de capital,
especialmente el capital humano a través de la acumulación de conocimiento, la
educación y la salud podría tener un impacto sustancial en el crecimiento.
17
Con la incorporación del capital humano (educación y salud) en el modelo
estándar de Solow, se elaboró el nuevo modelo de Mankiw, Romer y Weil (1992)2
A partir del modelo del crecimiento endógeno y la articulación del capital humano
en el cual se explicita la salud, empezó un nuevo debate referido al sentido de la
relación entre el nivel económico de la población (medido por el ingreso per cápita)
como determinante de la situación de salud en un país -a través de sus efectos
sobre la pobreza-. Sin embargo, se reconoce que los canales causales de esa
asociación son múltiples y complejos.
A nivel microeconómico, los efectos de la salud en la productividad laboral se
pueden percibir en el corto y el largo plazo. En el primer caso, la asociación entre
salud e ingresos se evidencia en forma directa por la presencia de enfermedades
que aumentan el ausentismo y reducen su participación y productividad laboral y,
consecuentemente, la generación de ingresos; en el segundo caso, a través del
ciclo de vida de las personas o de los efectos intergeneracionales, según sean las
dotaciones iniciales de salud en el hogar; en este marco, se definirá la capacidad
de mejorar el nivel de vida de los integrantes del hogar y de las generaciones
futuras.
El debate que se mantiene en las instancias de investigación y decisión está
centrado en la pregunta ¿dónde empieza y dónde termina este círculo? La
respuesta acertada de este proceso dinámico y complejo es importante para
resolver, en primer lugar, el problema de estimación cuando se requiere una
medición empírica de la relación salud-ingreso y, en segundo lugar, la focalización
de la política económica pertinente.
Los desarrollos teóricos de mayor uso en la investigación económica relacionado
con el capital humano recaen en los autores Becker y Chiswick (1966). Estos
2Traducción de los autores.
18
autores fueron quienes propusieron, en primera instancia, la relación entre los
ingresos y el capital humano, aunque Mincer (1958) abordó dicha relación usando
diferenciales compensadas, no obstante, retomó el método de Becker y Chiswick
en las ulteriores investigaciones (Alejos, 2006).
A continuación, se indican las ecuaciones que sustentan el modelo propuesto
(1966):
Dónde:
Ct = Inversión en capacitación en e el período t
Et = Ingresos potenciales en e el período t
kt = Razón de inversión en e el período t
rt = Tasa de retorno a la inversión en capacitación en el período t
La inversión en educación o en otro tipo de competencia laboral en el período t se
representa a través de la ecuación (1) como una fracción kt de los ingresos
potenciales en el mismo período. En tanto que (2) es una relación intertemporal
entre los ingresos del siguiente período con los ingresos presentes y los retornos a
la inversión en capacitación (1966).
Ahora bien, cuando se asume que no se ha realizado inversión en educación y/o
capacitación, entonces, los ingresos correspondientes se representan por E0. Y, al
sustituir esta expresión de manera iterativa en la ecuación (2), se obtiene:
19
Luego, se aplica logaritmo natural ln a (3) para llegar a la expresión:
Se asumen constantes las tasas de retorno a la educación (ri = rs) y a la inversión
post-educación (rj = r0), así como ln (1+η) ≈ η para valores pequeños de η; por
tanto, es posible transformar la ecuación (4) en los términos que aparecen en (5):
Si se definen los ingresos observados en el período t (ingresos totales menos
costos de inversión) como wt = Et – Ct = Et (1 – kt), se obtiene la siguiente
ecuación:
En síntesis, la función de ingresos y escolaridad de Becker y Chiswick (1966) se
elaboró a partir de las ecuaciones (5) y (6), tal como se presenta enseguida:
Dónde:
Representa los retornos “ajustados” a la educación.
20
Es la razón de inversión promedio durante los años escolares
Los autores asumieron ki=1; ello se interpreta como inexistencia de costos
adicionales de la educación (costos de oportunidad). Tal simplificación implica que
los estimados de β se consideren estimados de la tasa de retornos a la
educación, de forma directa. Este supuesto se ha tratado de manera explícita e
implícitamente en las investigaciones empíricas, más allá de las distorsiones en
los estimados (valores ks alejados de 1).
2.2.1. Mincer y la función salarial de capital humano
El marco teórico expuesto anteriormente fue usado por Mincer (1974); el autor
incorpora la variable experiencia laboral en la relación que establece el modelo y
le genera una forma funcional explícita a la razón de la inversión post-escolar:
siendo θ una constante y la experiencia laboral del individuo se define como:
x=t – s ≥ 0.
La forma funcional en (8) expresa una tasa de inversión que disminuye de forma
lineal durante el período laboral.
Usando esta relación, el último término en la ecuación (5) se convierte en:
21
Que al insertarse nuevamente en la ecuación (5) permite reformularla así:
Finalmente, utilizando las ecuaciones (6), (8) y (10), se alcanza la ecuación de la
función salarial de capital humano:
Dónde:
Al igual que Becker y Chiswick (1966), Mincer supuso ki = 1; este supuesto
permite asumir que el coeficiente de la variable educación corresponde a la tasa
de retornos a la educación formal (Alejos, 2006, 22-26).
CAPÍTULO 3: ESPECIFICACIÓN DEL MODELO
3.1. METODOLOGÍA PARA MEDIR LA RELACIÓN
De acuerdo a los referentes teóricos y los antecedentes revisados, la relación
entre la productividad y el estado de la salud se puede modelar utilizando el
modelo de Becker y Chiswick (1966) ampliándolo con la inclusión de la inversión
22
en salud ( , donde y corresponden a inversión en capacitación y
salud respectivamente; por lo tanto, , llegando a la siguiente
expresión: .
Recurriendo al aporte de Mincer (1974) que asume una función explícita para la
razón de la inversión post-escolar, la ecuación a estimar se convierte en la
“función salarial del capital humano” ampliada con la variable de salud:
1.
Donde y corresponden al i-ésimo individuo3, el salario, los años de
escolaridad, el estado de la salud y la experiencia laboral respectivamente.
3.1.1. El Modelo
Como se explicó previamente, desde los desarrollos de Becker y Chiswick (1966)
y Mincer (1974), el logaritmo del salario se puede expresar en la siguiente función:
En términos econométricos, dicha función se expresa de la siguiente forma4:
2.
3 Por motivos de simplificar la notación se suprimirá la i que hace referencia al individuo i.
4 Para todos los modelos utilizados: los signos positivos no indican el signo esperado, sino una generalización.
23
Donde recoge aquellos factores no explícitos que afectan la
variabilidad del salario, y se asume que en promedio, su valor esperado es igual a
cero.
Teniendo en cuenta el desarrollo teórico y empírico revisado, se sabe que dicho
modelo presenta algunos problemas implícitos, que como resultado, generan unos
parámetros sub o sobre estimados, por lo tanto, se requiere profundizar en cada
uno de dichos problemas y en su posible solución, para obtener resultados
consistentes y adecuados; entre estos problemas se mencionan:
a) “Sesgo de habilidad”, se refiere a que aquellas personas que son más capaces
y saludables, obtienen mayores retornos de la educación e inversión en salud y,
como consecuencia, deciden permanecer más tiempo en el sistema educativo y
hacer menor inversión en cuidados de la salud, que quienes tienen menor
capacidad y salud. Además, es de esperar que los individuos con mayor
capacidad y saludables sean más productivos y, por ende, reciban mayores
salarios, independientemente de su nivel de escolaridad o inversión en salud.
Desde un punto de vista metodológico, esta autoselección crea un problema de
endogeneidad porque la capacidad y salud innatas no son observadas”5 (Alejos,
2006, 26).
b) “Errores de medición”, básicamente se refiere a la censura que ocurre en la
variable escolaridad, es decir, las personas reportan un nivel diferente al que
realmente poseen y a la subjetividad en la variable estado de la salud, ya que dos
personas pueden estar en las mismas condiciones de salud (si pudiéramos
determinarlo) pero una dice tener un estado bueno y la otra dice tener un estado
muy bueno; este problema incide negativamente en la estimación de la tasa de
retornos.
5 Cursiva de los autores.
24
c) “Decisión de participación o no en el mercado laboral”: “si los individuos que
deciden permanecer fuera del mercado laboral no son una parte aleatoria de la
población, entonces los estimados de la tasa promedio de retornos a la educación
pueden sufrir problemas de selección. En este caso, es necesario tomar en cuenta
de forma explícita la decisión de participación laboral en los modelos para corregir
el sesgo potencial” (Alejos, 2006, 28)
En la estimación del modelo 2 se utilizarán las siguientes metodologías:
1. Mínimos cuadrados ordinarios (MCO)
2. Método de variables instrumentales
3. Método Tobit para datos censurados
La utilización del método de variables instrumentales, se justifica por la
endogeneidad de la variable categórica estado de salud , que se espera sea
corregida. Por su parte, la utilización del método Tobit, se debe a que cerca del
11% de las observaciones se censuran a un salario igual a cero, por dos motivos:
i) la persona no trabaja y ii) la persona trabaja sin remuneración.
Con base a lo anterior, se puede afirmar que si se estima la productividad por
(MCO) se obtienen estimadores sesgados e inconsistentes. Lo anterior se debe al
problema “Decisión de participación o no en el mercado laboral” y a la
“endogeneidad simultánea” entre productividad y salud, es decir, la salud explica
la productividad y viceversa.
Debido a estas dificultades se establece la siguiente metodología de estimación:
a. El modelo estructural se puede expresar de acuerdo a la ecuación (3).
3.
25
Dónde:
: Se refiere al i-ésimo individuo
: es el logaritmo natural del salario del i-ésimo individuo
: es un vector de características individuales incluyendo mediciones de
habilidad como escolaridad y experiencia
: es un vector de características de la vivienda
: es una variable categórica indicando estado de la salud
b. Modelo reducido
4.
Dónde:
: Se refiere al i-ésimo individuo
: es un vector que incluye a las variables instrumentales
: es un vector de características individuales incluyendo mediciones de
habilidad como escolaridad y experiencia
: es un vector de características de la vivienda
: es una variable categórica indicando estado de la salud
Y se asume:
y
Las ecuaciones (3) y (4) componen el método de MCO en dos Etapas (2SLS por
sus siglas en inglés).
26
En términos explícitos, la función del estado de salud, se puede representar por la
ecuación (5):
5.
donde y recoge aquellos factores no explícitos que afectan la
variabilidad de la salud, y se asume que en promedio su valor esperado es igual a
cero.
La primera etapa de este método consiste en realizar una regresión por MCO en la
ecuación reducida, para después obtener los valores ajustados de ̂.
La segunda etapa consiste en hacer una regresión sustituyendo los valores
ajustados, obtenidos durante la primera etapa, en la ecuación estructural.
Sin embargo, hay que tener en cuenta que la variable Estado de la salud es
categórica y esto hace que la estimación por MCO presente problemas de
acotamiento y discretitud, por lo tanto, se recurre a la estimación de las
probabilidades de cada estado de salud a través de un modelo logit-multinomial
para calcular , por otra parte, el salario esta censurado al valor cero y la
estimación por MCO en presencia de censura no son consistentes ni eficientes,
por lo tanto, se debe recurrir a una metodología que permita solucionar dicha
dificultad. Para ello se recurre al modelo Tobit (1958).
El modelo Logit multinomial se fundamenta en el cálculo de la siguiente
probabilidad:
27
Donde i se refiere al individuo i y j a la alternativa j, que en este caso se refiere al
estado de la salud. La función de la probabilidad bajo este modelo asume
coeficientes variables para las diferentes alternativas, de la siguiente manera:
La función a maximizar, es la función de verosimilitud
La cual, se conforma desde la función de densidad multinomial
Para definir la distribución de la variable censurada, que se denominará , con un
único punto de censura inferior 0, es necesaria la utilización de la variable
aleatoria original subyacente (latente) . Entonces, la variable censurada
tomará los valores:
Si además se realiza la asunción de que la distribución de la variable subyacente
es la probabilidad de que una observación esté censurada o no lo
esté será:
Si , la distribución que aplica es:
(
) (
)
28
Si , conserva la densidad de :
, es la representación matricial de (
)
3.1.2. Los datos
En este análisis, los datos utilizados provienen de la Encuesta de Calidad de Vida
(ECV 2008) y se toma en cuenta solamente a la población entre 12 y 60 años.6 La
ECV 2008 fue diseñada y desarrollada por el Departamento Administrativo
Nacional de Estadística (DANE). Los datos son representativos a nivel nacional y
su potencial de desagregación incluye las nueve regiones geográficas de
Colombia a nivel urbano y rural.
3.1.3. La muestra
La muestra a utilizar en este estudio se extrajo de la base de datos de la
ECV2008, la cual cuenta con un total de 50.542 personas y al hacer la depuración
por edad de trabajar la muestra total es de 33.628, la cual se compone por las
siguientes variables:
En este estudio, se utiliza como variable dependiente del estado de salud , una
variable categórica que recoge la declaración de los individuos de su percepción
del estado de salud (Muy bueno, Bueno, Regular y Malo).
6 Las personas en este rango se encuentran en capacidad de trabajar según la legislación colombiana.
29
Esta variable no está libre de errores de medición, debido a los sesgos que origina
la manera que ésta se recoge en la encuesta. Estos sesgos están evidentemente
correlacionados con el nivel de educación del informante, su experiencia, su
acceso a servicios de salud, u otras variables no observadas.
Salario: corresponde al nivel de salario mensual declarado por la persona
encuestada, en éste, se incluye el salario recibido en especie y valorado en
unidades monetarias. Un porcentaje significativo de la muestra (cerca del 11%)
declara un salario igual a cero ($0.00) cuyo origen puede ser: i) la persona no
trabaja o ii) la persona trabaja sin remuneración. Este tipo de información se
incluyó en la muestra debido a que un trabajador no remunerado es productivo y
una persona que no trabaja puede hacerlo por decisión propia y no porque no sea
productivo. Al incluir esta información en la muestra se debe tener en cuenta la
censura resultante a la hora de realizar las estimaciones.
Horas laboradas: se refiere al total de horas laboradas en el mes, se construyó
teniendo en cuenta las horas laboradas en la semana pasada reportadas por la
persona el día de la encuesta y se multiplicó por cuatro (4) para aproximar su valor
mensual.
Nivel de salario: Se calculó partiendo del nivel de salario y teniendo en cuenta el
valor del salario mínimo mensual vigente en el año 2008 ($461.500), para
expresar el nivel en términos de éste.
1 = entre 0 y 1 salario mínimo
2 = entre 1 y 2 salarios mínimos
3 = entre 2 y 3 salarios mínimos
4 = entre 3 y 4 salarios mínimos
5 = entre 4 y 5 salarios mínimos
6 = más de 5 salarios mínimos
30
Zona: se refiere a la zona en que habita la persona.
0 = Rural
1 = Urbano
Región: es la región colombiana en la cual vive la persona.
1 = Atlántica
2 = Oriental
3 = Central
4 = Pacífica
5 = Bogotá
6 = San Andrés
7 = Amazonía y Orinoquia
8 = Antioquia
9 = Valle
Edad: se refiere a los años cumplidos de la persona encuestada.
Sexo: es el género sexual de la persona.
0 = Mujer
1 = Hombre
Piso: se refiere a si la vivienda cuenta con piso de tierra o arena o piso firme.
0 = Piso firme
1 = Piso en tierra o arena
Nivel de Educación: es el nivel de educación reportada por el encuestado.
31
1 = Ninguno
2 = Preescolar
3 = Primaria
4 = Secundaria y Media
5 = Técnico
6 = Tecnológico
7 = Profesional sin titulo
8 = Profesional con titulo
9 = Postgrado sin titulo
10 = Postgrado con titulo
Años de Escolaridad: se refiere a los años de escolaridad reportados por la
persona (1 a 5: primaria; 6 a 11: secundaria y media; más de 11: superior).7
Experiencia Laboral: son los años de experiencia en el campo laboral, se calculó
de acuerdo a8:
9
Enfermedad Crónica: se refiere la existencia de una patología permanente
reportada por la persona encuestada.
7 Aunque la ECV2008 contempla la secundaria y media de 6 a 13, el porcentaje de personas que reportaron
una educación media asta 12 0 13 es muy pequeño y se homogenizo a 11 para evitar problemas en la
descripción y modelación, es decir, una persona con 11, 12 o 13 en años de escolaridad se encontraba en el
nivel de educación media.
8 La edad para ingresar al sistema educativo es en promedio 6 años y se asume que una vez se termina la
época escolar, se inicia la experiencia laboral.
9 Este condicionante se usa para que la edad de iniciar laboralmente sea 12 años y no menor.
32
0 = No padece
1 = Si padece
Aseguramiento: corresponde a la vinculación a un régimen de salud, sea
subsidiado, contributivo o especial como cotizante o beneficiario.
0 = No asegurado
1 = Si asegurado
Prevención: hace referencia a que la persona encuestada haya consultado al
médico u odontólogo por prevención en el último año.
0 = No consultó
1 = Si consultó
Categoría Ocupacional: se refiere a si la persona es empleado o
empleador/independiente.
0 = Empleador / Independiente
1 = Empleado
Trabaja: se refiere a la participación o no de la persona en el mercado laboral.
0 = No trabaja
1 = Si trabaja
Estado de la Salud: es el auto-percepción del estado de la salud de la persona.
1 = Muy bueno
2 = Bueno
33
3 = Regular
4 = Malo
Agua: se refiere a que la persona accede de manera adecuada al agua que
consume.10
0 = Inadecuada
1 = Adecuada
Sanitario se refiere a que la persona accede de manera adecuada al sanitario que
usa.11
0 = Inadecuado
1 = Adecuado
Habitaciones: se refiere al número de habitaciones de la vivienda que ocupan las
personas que conforman el hogar.
10
Se consideró que las alternativas acueducto público, acueducto comunal, pozo con bomba, pozo sin bomba
y agua embotellada son de acceso y calidad adecuado. Ver pregunta C20 del manual de recolección.
11 Se consideró que las alternativas inodoro conectado a alcantarillado e inodoro conectado a pozo séptico es
un acceso y calidad adecuado. Ver pregunta C9 del manual de recolección.
34
3.2. SALIDAS DE STATA
Fuente: Elaboración propia usando Stata 11.1 SE
Variable | Obs Mean Std. Dev. Min Max
-------------+--------------------------------------------------------
esc | 38048 7.004231 4.564696 0 36
esc2 | 38048 69.89516 77.63713 0 1296
exp | 38048 22.50152 19.08227 0 91
exp2 | 38048 870.4421 1173.68 0 8281
cat_ocu | 38048 1.240249 .7876301 0 2
-------------+--------------------------------------------------------
atlan | 38048 .1401125 .3471083 0 1
orien | 38048 .1348823 .3416023 0 1
paci | 38048 .1599821 .3665943 0 1
bog | 38048 .0789792 .2697098 0 1
sanan | 38048 .0253364 .1571468 0 1
-------------+--------------------------------------------------------
amaz | 38048 .0375315 .1900628 0 1
antio | 38048 .1350399 .3417707 0 1
valle | 38048 .1414529 .3484927 0 1
sexo | 38048 .4737174 .4993153 0 1
edad | 38048 36.8407 18.3807 12 103
-------------+--------------------------------------------------------
piso | 38048 .0975347 .2966884 0 1
hab | 38048 3.496347 1.431591 1 20
sanitario | 38048 .8372582 .3691348 0 1
agua | 38048 .8377576 .3686779 0 1
zona | 38048 .8500053 .357071 0 1
-------------+--------------------------------------------------------
aseg | 38048 .8782328 .4489572 0 9
prev | 38048 .5430509 .4981497 0 1
enf_cro | 38048 .1400599 .3470538 0 1
Ordered logistic regression Number of obs = 20578
Wald chi2(23) = 4244.71
Prob > chi2 = 0.0000
Pseudo R2 = 0.1289
Log pseudolikelihood = -16945.219
35
Robust
est_salud Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+--------------------------------------------------------
esc | -.0895222 .0106424 -8.41 0.000 -.1103809 -.0686635
esc2 | .0012831 .0010187 1.26 0.208 -.0007135 .0032797
exp | .0503163 .0246499 2.04 0.041 .0020033 .0986292
exp2 | .0001695 .0000549 3.09 0.002 .0000619 .0002771
cat_ocu|-.0497611 .0315438 -1.58 0.115 -.1115857 .0120636
atlan| .1096148 .058296 1.88 0.060 -.0046433 .2238729
orien| .1668425 .055376 3.01 0.003 .0583075 .2753776
paci| .679162 .0548811 12.38 0.000 .5715971 .7867269
bog| -.1297794 .0672573 -1.93 0.054 -.2616013 .0020425
sanan| -.1837123 .0852051 -2.16 0.031 -.3507113 -.0167134
amaz | .2203787 .0849077 2.60 0.009 .0539626 .3867947
antio| -.049115 .0634783 -0.77 0.439 -.1735302 .0753003
valle| -.2818706 .0586096 -4.81 0.000 -.3967434 -.1669978
sexo | -.4115943 .0314533 -13.09 0.000 -.4732416 -.3499469
edad | -.0347105 .0246883 -1.41 0.160 -.0830987 .0136778
piso | .2664913 .0540048 4.93 0.000 .1606439 .3723388
hab | -.0860742 .011483 -7.50 0.000 -.1085804 -.0635679
sanit| -.2245487 .0456354 -4.92 0.000 -.3139924 -.135105
agua | .037074 .0437451 0.85 0.397 -.0486649 .1228129
zona | .0325858 .0448827 0.73 0.468 -.0553827 .1205543
aseg | -.0318418 .0305411 -1.04 0.297 -.0917012 .0280176
prev | .0584783 .0314067 1.86 0.063 -.0030778 .1200343
enf_cro| 1.83634 .0517634 35.48 0.000 1.734886 1.937795
/cut1 | -3.530381 .3014355 -4.121183 -2.939578
/cut2 | .2435605 .2988445 -.342164 .8292849
/cut3 | 3.684135 .3033342 3.08961 4.278659
estimates store b_ologit
Ordered probit regression Number of obs = 20578
Wald chi2(23) = 4227.33
Prob > chi2 = 0.0000
Pseudo R2 = 0.1270
Log pseudolikelihood = -16982.664
36
Robust
est_salud Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+--------------------------------------------------------
esc | -.050184 .0059783 -8.39 0.000 -.0619013 -.0384666
esc2| .0005788 .0005625 1.03 0.304 -.0005237 .0016813
exp | .023158 .0136453 1.70 0.090 -.0035863 .0499023
exp2| .0000863 .000031 2.78 0.005 .0000255 .0001472
cat_ocu|-.027997 .017446 -1.60 0.109 -.0621905 .0061966
atlan| .0802991 .0320193 2.51 0.012 .0175424 .1430558
orien| .1175383 .0304476 3.86 0.000 .0578622 .1772144
paci | .3925246 .0301454 13.02 0.000 .3334408 .4516084
bog | -.0526568 .036912 -1.43 0.154 -.125003 .0196893
sanan| -.0787525 .0475447 -1.66 0.098 -.1719385 .0144334
amaz | .1427955 .0467074 3.06 0.002 .0512507 .2343403
antio| -.0095974 .0341856 -0.28 0.779 -.0766 .0574052
valle| -.1425767 .0319882 -4.46 0.000 -.2052724 -.0798811
sexo | -.23291 .0174475 -13.35 0.000 -.2671065 -.1987134
edad | -.0143347 .0136589 -1.05 0.294 -.0411057 .0124363
piso | .1575469 .0304012 5.18 0.000 .0979616 .2171322
hab | -.0472077 .0063253 -7.46 0.000 -.059605 -.0348104
sanit| -.1292893 .0255716 -5.06 0.000 -.1794087 -.0791699
agua | .0185867 .0243497 0.76 0.445 -.0291378 .0663111
zona | .0181062 .0248952 0.73 0.467 -.0306875 .0668999
aseg | -.0141349 .0172356 -0.82 0.412 -.047916 .0196462
prev | .0265552 .0173394 1.53 0.126 -.0074293 .0605397
enf_cro| 1.001221 .0289503 34.58 0.000 .9444796 1.057963
-------------+--------------------------------------------------------
/cut1 | -1.9293 .1656625 -2.253992 -1.604607
/cut2 | .2452104 .1648247 -.07784 .5682608
/cut3 | 2.037854 .1666567 1.711213 2.364495
estimates store b_oprobit
Ordered logistic regression Number of obs = 20578
Wald chi2(20) = 4240.02
Prob > chi2 = 0.0000
Pseudo R2 = 0.1288
Log pseudolikelihood = -16946.987
37
Robust
est_salud Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+--------------------------------------------------------
esc | -.0927778 .0105569 -8.79 0.000 -.113469 -.0720865
esc2| .0000886 .0005501 0.16 0.872 -.0009896 .0011668
exp | .0158218 .0032091 4.93 0.000 .009532 .0221116
exp2| .000164 .0000547 3.00 0.003 .0000568 .0002712
cat_| -.0519024 .0315142 -1.65 0.100 -.1136691 .0098642
atlan| .103188 .0580965 1.78 0.076 -.0106791 .2170551
orien| .1681079 .0552827 3.04 0.002 .0597558 .27646
paci | .6807618 .0548756 12.41 0.000 .5732077 .7883159
bog | -.1281831 .0670828 -1.91 0.056 -.2596629 .0032967
sanan| -.1847556 .0849473 -2.17 0.030 -.3512494 -.0182619
amaz | .2236266 .0846805 2.64 0.008 .0576559 .3895974
antio| -.0528632 .0633561 -0.83 0.404 -.1770388 .0713123
valle| -.2849738 .0584468 -4.88 0.000 -.3995275 -.1704201
sexo | -.4086855 .0314329 -13.00 0.000 -.4702929 -.3470782
piso | .2655128 .0540116 4.92 0.000 .159652 .3713735
hab | -.0863838 .0114743 -7.53 0.000 -.1088731 -.0638946
sanit| -.2229702 .0455677 -4.89 0.000 -.3122811 -.1336592
agua | .0355398 .0436655 0.81 0.416 -.0500431 .1211226
prev | .056236 .0313 1.80 0.072 -.0051109 .1175829
enf_c| 1.835675 .0517585 35.47 0.000 1.73423 1.93712
-------------+--------------------------------------------------------
cut1 | -3.137227 .0984975 -3.330279 -2.944176
cut2 | .6345263 .0950624 .4482074 .8208451
cut3 | 4.075963 .1072993 3.86566 4.286265
----------------------------------------------------------------------
estimates store b_ologit1
Ordered probit regression Number of obs = 20578
Wald chi2(20) = 4221.47
Prob > chi2 = 0.0000
Pseudo R2 = 0.1269
Log pseudolikelihood = -16983.797
Robust
est_salud Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+--------------------------------------------------------
esc | -.0515923 .0059076 -8.73 0.000 -.063171 -.0400136
esc2| .0000867 .0003075 0.28 0.778 -.0005159 .0006893
exp | .0089007 .0017856 4.98 0.000 .005401 .0124003
exp | .0000842 .0000309 2.73 0.006 .0000237 .0001448
cat | -.0287913 .0174234 -1.65 0.098 -.0629406 .0053579
atl | .077038 .0319105 2.41 0.016 .0144947 .1395814
ori | .1183141 .0303833 3.89 0.000 .0587639 .1778643
paci| .3930627 .0301365 13.04 0.000 .3339963 .4521292
bog | -.0514189 .0367808 -1.40 0.162 -.123508 .0206702
anan| -.0787053 .0473929 -1.66 0.097 -.1715937 .0141831
38
amaz| .1446902 .0465667 3.11 0.002 .0534211 .2359593
anti| -.0110571 .0341166 -0.32 0.746 -.0779244 .0558101
vall| -.1442736 .031901 -4.52 0.000 -.2067985 -.0817487
sexo| -.2316672 .0174235 -13.30 0.000 -.2658166 -.1975179
piso| .157168 .0303919 5.17 0.000 .097601 .216735
hab | -.0472596 .0063214 -7.48 0.000 -.0596493 -.0348698
sani| -.128437 .0255335 -5.03 0.000 -.1784817 -.0783924
agua| .0177122 .0243022 0.73 0.466 -.0299193 .0653437
prev| .0256164 .0172819 1.48 0.138 -.0082555 .0594883
enf_| 1.001196 .0289624 34.57 0.000 .944431 1.057962
-------------+--------------------------------------------------------
/cut1 | -1.770669 .0543969 -1.877285 -1.664053
/cut2 | .4034049 .0528189 .2998819 .506928
/cut3 | 2.196353 .0575821 2.083494 2.309212
----------------------------------------------------------------------
estimates store b_oprobit1
Tabla resumen de los cuatro modelos
----------------------------------------------------------
Variable | b_ologit b_opro~t b_olog~1 b_opro~1
-------------+--------------------------------------------
est_salud |
esc | -0.090 -0.050 -0.093 -0.052
| 0.0000 0.0000 0.0000 0.0000
esc2 | 0.001 0.001 0.000 0.000
| 0.2078 0.3035 0.8721 0.7779
exp | 0.050 0.023 0.016 0.009
| 0.0412 0.0897 0.0000 0.0000
exp2 | 0.000 0.000 0.000 0.000
| 0.0020 0.0054 0.0027 0.0064
cat_ocu | -0.050 -0.028 -0.052 -0.029
| 0.1147 0.1085 0.0996 0.0984
atlan | 0.110 0.080 0.103 0.077
| 0.0601 0.0121 0.0757 0.0158
orien | 0.167 0.118 0.168 0.118
| 0.0026 0.0001 0.0024 0.0001
paci | 0.679 0.393 0.681 0.393
| 0.0000 0.0000 0.0000 0.0000
bog | -0.130 -0.053 -0.128 -0.051
| 0.0537 0.1537 0.0560 0.1621
sanan | -0.184 -0.079 -0.185 -0.079
| 0.0311 0.0976 0.0296 0.0968
amaz | 0.220 0.143 0.224 0.145
| 0.0094 0.0022 0.0083 0.0019
antio | -0.049 -0.010 -0.053 -0.011
| 0.4391 0.7789 0.4041 0.7459
valle | -0.282 -0.143 -0.285 -0.144
| 0.0000 0.0000 0.0000 0.0000
sexo | -0.412 -0.233 -0.409 -0.232
39
| 0.0000 0.0000 0.0000 0.0000
edad | -0.035 -0.014
| 0.1597 0.2940
piso | 0.266 0.158 0.266 0.157
| 0.0000 0.0000 0.0000 0.0000
hab | -0.086 -0.047 -0.086 -0.047
| 0.0000 0.0000 0.0000 0.0000
sanitario | -0.225 -0.129 -0.223 -0.128
| 0.0000 0.0000 0.0000 0.0000
agua | 0.037 0.019 0.036 0.018
| 0.3967 0.4453 0.4157 0.4661
zona | 0.033 0.018
| 0.4678 0.4670
aseg | -0.032 -0.014
| 0.2971 0.4122
prev | 0.058 0.027 0.056 0.026
| 0.0626 0.1256 0.0724 0.1383
enf_cro | 1.836 1.001 1.836 1.001
| 0.0000 0.0000 0.0000 0.0000
-------------+--------------------------------------------
cut1 |
_cons | -3.530 -1.929 -3.137 -1.771
| 0.0000 0.0000 0.0000 0.0000
-------------+--------------------------------------------
cut2 |
_cons | 0.244 0.245 0.635 0.403
| 0.4151 0.1368 0.0000 0.0000
-------------+--------------------------------------------
cut3 |
_cons | 3.684 2.038 4.076 2.196
| 0.0000 0.0000 0.0000 0.0000
-------------+--------------------------------------------
Statistics |
N | 20578 20578 20578 20578
ll | -1.7e+04 -1.7e+04 -1.7e+04 -1.7e+04
aic | 3.4e+04 3.4e+04 3.4e+04 3.4e+04
bic | 3.4e+04 3.4e+04 3.4e+04 3.4e+04
r2_p | 0.129 0.127 0.129 0.127
----------------------------------------------------------
legend: b/p
40
Prueba de Razon de Verosimilitud
lrtest C D, stats
Likelihood-ratio test LR chi2(20) = 5011.31
(Assumption: D nested in C) Prob > chi2 = 0.0000
----------------------------------------------------------------------
Model | Obs ll(null) ll(model) df AIC BIC
-------------+--------------------------------------------------------
D | 20578 -19452.64 -19452.64 3 38911.28 38935.08
C | 20578 -19452.64 -16946.99 23 33939.97 34122.41
----------------------------------------------------------------------
Note: N=Obs used in calculating BIC; see [R] BIC note
EFECTOS MARGINALES
Marginal effects after ologit
y = Pr(est_salud==1) (predict, outcome(1))
= .06973721
----------------------------------------------------------------------
variable | dy/dx Std. Err. z P>|z| [ 95% C.I. ] X
---------+------------------------------------------------------------
esc | .0060189 .00067 9.00 0.000 .004708 .007329 7.40592
esc2| -5.75e-06 .00003 -0.17 0.866 -.000073 .000061 78.8737
exp | -.0010264 .0002 -5.02 0.000 -.001427 -.000626 23.6899
exp2| -.0000106 .00000 -3.10 0.002 -.000017 -3.9e-06 799.028
cat_ocu*|.003353 .00201 1.67 0.095 -.000584 .00729 .595247
atlan*|-.0064789 .0035 -1.85 0.064 -.013337 .000379 .12975
orien*|-.010363 .00321 -3.23 0.001 -.016653 -.004073 .143503
paci*| -.0367385 .00246 -14.91 0.000 -.041567 -.03191 .168821
bog*| .0087104 .00475 1.83 0.067 -.000596 .018017 .081592
sanan*| .0129236 .0074 1.75 0.081 -.001587 .027434 .028185
amaz*| -.0132866 .00459 -2.90 0.004 -.022281 -.004292 .039654
antio*| .0034886 .00389 0.90 0.369 -.004127 .011104 .125231
valle*| .020253 .00441 4.60 0.000 .011617 .028889 .132958
sexo*| .0256377 .00195 13.15 0.000 .021816 .029459 .607445
piso*| -.0157256 .00296 -5.32 0.000 -.021524 -.009927 .096316
hab | .0056041 .00072 7.78 0.000 .004193 .007015 3.4481
sanit| .0135773 .00261 5.19 0.000 .008454 .0187 .835067
agua*| -.0023296 .00291 -0.80 0.424 -.008036 .003377 .837642
prev*| -.0036523 .00203 -1.80 0.072 -.007635 .00033 .521188
enf_cro*|-.0698124 .00179 -38.94 0.000 -.073326 -.066298 .11177
(*) dy/dx is for discrete change of dummy variable from 0 to 1
41
Marginal effects after ologit
y = Pr(est_salud==2) (predict, outcome(2))
= .695394
----------------------------------------------------------------------
variable | dy/dx Std. Err. z P>|z| [ 95% C.I. ] X
---------+------------------------------------------------------------
esc | .0106538 .00118 9.00 0.000 .008333 .012975 7.40592
esc2| -.0000102 .00006 -0.17 0.866 -.000129 .000108 78.8737
exp | -.0018168 .00036 -4.99 0.000 -.002531 -.001103 23.6899
exp2| -.0000188 .00001 -3.10 0.002 -.000031 -6.9e-06 799.028
cat_ocu*|.0059985 .00363 1.65 0.099 -.001121 .013118 .595247
atlan*|-.0124382 .00726 -1.71 0.087 -.026676 .0018 .12975
orien*|-.0207979 .00725 -2.87 0.004 -.035015 -.00658 .143503
paci*|-.0992909 .00929 -10.69 0.000 -.117497 -.081085 .168821
bog*| .0136667 .00657 2.08 0.038 .000781 .026553 .081592
sanan*|.0187343 .00865 2.17 0.030 .001779 .03569 .028185
amaz*|-.0290608 .01223 -2.38 0.017 -.053028 -.005094 .039654
antio*|.0059112 .0063 0.94 0.348 -.006433 .018255 .125231
valle*|.0280988 .00471 5.97 0.000 .018867 .03733 .132958
sexo*| .0494548 .00409 12.10 0.000 .041446 .057463 .607445
piso*|-.0346521 .00797 -4.35 0.000 -.050272 -.019032 .096316
hab | .0099196 .00128 7.73 0.000 .007406 .012433 3.4481
sanita~o*|.0280581 .00625 4.49 0.000 .015814 .040302 .835067
agua*|-.0040164 .00489 -0.82 0.411 -.013596 .005563 .837642
prev*|-.0064471 .00358 -1.80 0.072 -.013459 .000564 .521188
enf_cro*|-.3406875 .01058 -32.19 0.000 -.361431 -.319944 .11177
(*) dy/dx is for discrete change of dummy variable from 0 to 1
Marginal effects after ologit
y = Pr(est_salud==3) (predict, outcome(3))
= .22513582
----------------------------------------------------------------------
variable | dy/dx Std. Err. z P>|z| [ 95% C.I. ] X
---------+------------------------------------------------------------
esc | -.0157785 .00173 -9.11 0.000 -.019174 -.012383 7.40592
esc2 | .0000151 .00009 0.17 0.866 -.00016 .00019 78.8737
exp | .0026908 .00054 5.02 0.000 .001641 .003741 23.6899
exp2 | .0000279 .00001 3.10 0.002 .00001 .000046 799.028
cat_ |-.0088488 .00533 -1.66 0.097 -.019305 .001607 .595247
atlan*|.0178842 .01016 1.76 0.078 -.00203 .037798 .12975
orien*|.0294407 .00986 2.99 0.003 .010122 .048759 .143503
paci*| .1277019 .01077 11.85 0.000 .106584 .14882 .168821
bog*| -.0212042 .01073 -1.98 0.048 -.042244 -.000164 .081592
sanan*|-.030021 .01524 -1.97 0.049 -.059894 -.000148 .028185
amaz*| .0399587 .01581 2.53 0.011 .008978 .070939 .039654
antio*|-.0089 .00965 -0.92 0.356 -.027804 .010004 .125231
valle*|-.0458652 .00861 -5.32 0.000 -.06275 -.02898 .132958
sexo*| -.0709533 .00557 -12.75 0.000 -.081864 -.060042 .607445
42
piso*|.0475276 .01025 4.64 0.000 .02744 .067615 .096316
hab| -.0146911 .00188 -7.82 0.000 -.018371 -.011011 3.4481
sanit|-.0393187 .00832 -4.72 0.000 -.055635 -.023002 .835067
agua*|.0060074 .00738 0.81 0.416 -.008466 .020481 .837642
prev*|.009558 .00531 1.80 0.072 -.000842 .019958 .521188
enf_c*|.3706511 .00992 37.37 0.000 .351212 .39009 .11177
----------------------------------------------------------------------
(*) dy/dx is for discrete change of dummy variable from 0 to 1
Marginal effects after ologit
y = Pr(est_salud==4) (predict, outcome(4))
= .00973296
----------------------------------------------------------------------
variable | dy/dx Std. Err. z P>|z| [ 95% C.I. ] X
---------+------------------------------------------------------------
esc |-.0008942 .00011 -8.35 0.000 -.001104 -.000684 7.40592
esc2|8.54e-07 .00001 0.17 0.866 -9.1e-06 .000011 78.8737
exp| .0001525 .00003 4.81 0.000 .00009 .000215 23.6899
exp2|1.58e-06 .00000 3.10 0.002 5.8e-07 2.6e-06 799.028
cat_o*|-.0005027 .0003 -1.65 0.099 -.0011 .000095 .595247
atlan*| .0010329 .0006 1.72 0.085 -.000144 .00221 .12975
orien*| .0017202 .0006 2.87 0.004 .000544 .002896 .143503
paci*| .0083275 .0009 9.21 0.000 .006555 .0101 .168821
bog*| -.0011729 .00058 -2.01 0.044 -.002316 -.00003 .081592
sana*| -.0016369 .0008 -2.03 0.042 -.003214 -.00006 .028185
amaz*| .0023887 .001 2.38 0.017 .000421 .004357 .039654
antio*|-.0004998 .00054 -0.93 0.352 -.001553 .000554 .125231
valle*|-.0024866 .00047 -5.34 0.000 -.0034 -.001574 .132958
sexo*| -.0041392 .00039 -10.48 0.000 -.004913 -.003365 .607445
piso*| .0028502 .00067 4.29 0.000 .001547 .004154 .096316
hab | -.0008326 .00011 -7.30 0.000 -.001056 -.000609 3.4481
sanio*|-.0023167 .00052 -4.43 0.000 -.003342 -.001292 .835067
agua*| .0003386 .00041 0.82 0.413 -.000473 .00115 .837642
prev*| .0005415 .0003 1.80 0.073 -.00005 .001133 .521188
enf_cro*|.0398488 .00252 15.80 0.000 .034906 .044791 .11177
(*) dy/dx is for discrete change of dummy variable from 0 to 1
43
CAPÍTULO 4: RESULTADOS DE LAS ESTIMACIONES
Se utiliza un modelo logit ordenado con variables explicativas como:
)_,,,,,,tan,,,(
),,,,,,,
,,exp,exp,,(
2
22
1
croenfprevntoaseguramiezonaaguasanitarioteshabipisoedadsexofY
ValleantioquiaAmazonasSanAndresBogotáPacificoOrienteAtlantico
cupacionalcategoríaoaboralericencialboraleriencialadescolaridadescolaridafX
i
i
1
1
UPLYiH
UHXiPL
iiiI
iiii
iii
UUXYHH
UUHXYH
UUHXYH
)(1
ii
iiii
XYH
UUXYH
211
111
Las variables anteriores contienen información a nivel microeconómico, las cuales
capturan los efectos que tiene la dinámica de la salud en la productividad laboral
siendo la salud caracterizada por categorías cuyos valores corresponden al estado
de la misma, para ello la variable dependiente (salud), toma cuatro valores de la
siguiente manera:
Categoría 1: muy bueno
Categoría 2: bueno
Categoría 3: regular
Categoría 4: malo
Las variables como la escolaridad, categoría ocupacional, ciudades como:
Bogotá, San Andrés, Antioquia, Valle, otras variables como: el sexo, la edad, el
44
número de habitaciones, sanitarios, aseguramiento, son variables independientes
de donde se obtiene una relación indirecta frente al estado de salud, ya que al
aumentar un año de escolaridad, la disminución de la distribución de la población
ocupada según su inserción en el mercado de trabajo ya sea como patrón cuenta
propia o asalariado, al disminuir el número de habitaciones, si el sexo es hombre o
mujer, si la edad oscila entre la etapa joven o adulta, la cantidad de sanitarios
por casa, hacen que el estado de salud se aproxime a su categoría más alta,
obteniendo como resultado un estado de salud regular o malo.
Por otro lado algunas de las variables del conjunto tienen efectos diferentes para
las categorías de la salud tales como: escolaridad2, experiencia laboral,
experiencia laboral2, regiones como: Atlántico, Oriente, Pacifico, Amazonas, y las
características de la vivienda como: el piso, agua, zona, prev, enf_cro.
El impacto de estas variables sobre el estado de salud es positivo y directo y se
acerca más a las categorías inferiores, por tanto se asume que la clasificación del
estado de salud es buena o muy buena.
En la tabla de resumen de los 4 modelos se presentan los t-estadístico de
significancia individual para las diversas variables, ellos indican que algunas de
estas tienen significancia del 5% y 10%, como la región del Pacifico, el Valle y
algunas de las características de la vivienda presentan un mejor ajuste para el
modelo.
4.1. Efectos marginales
Para el caso de la escolaridad, si aumenta en un año, la probabilidad de que el
estado de salud sea muy buena aumenta en un 0.6% pero al analizar la
experiencia laboral se obtiene que si esta aumenta en un año, la probabilidad de
que el estado de la salud sea muy buena disminuiría en un 0.10%.
45
Ahora bien, si se cambia de categoría ocupacional existe la probabilidad de que el
estado de salud muy bueno aumente en 0.33%.
Por otro lado se obtiene que si el número de habitaciones aumenta la probabilidad
del estado de salud muy bueno, aumenta en 0.56%.
Analizando la categoría 2 del estado de salud, es decir, una salud buena, la
escolaridad, aumentando en un año, aumenta a su vez la probabilidad de esta en
un 1.065%.
Si la experiencia laboral aumenta en un año, hace que la probabilidad de un buen
estado de salud disminuya en un 0.18%. Y si se cambia de categoría ocupacional
la probabilidad de que el estado de salud sea bueno aumenta en 0.59%.
Desde el estado de salud regular a nivel nacional se tiene un promedio del 22% y
se visualiza notablemente como el aumento de un año en la escolaridad y en la
categoría ocupacional hacen que la probabilidad de un estado de salud
disminuyan en un 15 % y 0.8% respectivamente.
Lo que muestra los anteriores gráficos en términos de estado de salud malo y
teniendo un promedio nacional de dicho estado en un 0.97%, evidencia de igual
manera que el aumento en la escolaridad y el número de habitaciones hace que
este disminuya en 0.089% y 0.083%.
Los anteriores resultados muestran que cuando los indicadores de salud son más
altos, el estado de la salud empeora por la misma categoría con la que se
identifica, por las relaciones y efectos marginales que los datos arrojaron,
capturando así el efecto que tiene la salud sobre la productividad de los individuos
y por ende la calidad de vida.
46
CONCLUSIONES
En el presente estudió se analizó los determinantes de la salud, a su vez se midió
de manera categórica el estado de la misma, para analizar la relación de la
variable dependiente salud sobre la productividad laboral de la población
Colombiana para el año 2008.
Analizando las muestras y sus resultados se deduce que el promedio nacional
presenta un estado de salud “bueno “ en un 69,24%, promedio bastante alto ya
que para las categorías muy bueno regular y malo , la población colombiana
presente promedios de 6,97%, 22,51% y 0.97% en el orden anterior.
La etapa 1 del modelo indica que los individuos con más años de escolaridad, con
más número de habitaciones en la casa, con mejor acceso a servicios públicos,
ciertas características de la vivienda y localización en regiones como: Bogotá, San
Andrés, Antioquia y Valle están asociados con un mejor estado de salud.
Recurriendo a la base de datos de la ECV 2008, y tomando como referencia las
características de las viviendas de los individuos y la manera como estas afectan
la calidad de vida y por ende el estado de salud de los mismos, se puede
implementar un mejor un mejor asesoramiento de políticas que mejore aún más el
estado de salud de los colombianos para así contribuir a una mejor productividad
laboral que garantice un mayor crecimiento económico.
47
REFERENCIAS BIBLIOGRÁFICAS
Alejandro (2006). La elección del sector laboral y los retornos a la educación en
Guatemala. Estudios Sociales / Instituto de Investigaciones Económicas y Sociales
(IDIES). Guatemala: Universidad Rafael Landívar, Revista Estudios Sociales No.
75
Albert, Cecilia y Dávila, María (2004). Salud, salarios y educación. Revista de
Economía Pública, Nº 169. Hacienda Pública Española. Instituto de Estudios
Fiscales. España.
Ávila, Óscar (2009). Salud y crecimiento económico: expectativa de vida
endógena y capital humano. Serie Documentos de Trabajo Nº 60. Facultad de
Economía. Universidad del Rosario.
Barro, Robert & Xavier Sala-i-Martin (1995). Economic Growth. Nueva York:
McGraw-Hill, Inc.
Becker, Gary & Chiswick, Barry (1966). Education and the distribution of earnings.
En: American Economic Review, Vol. 56, No. 1/2. Citado por Alejandro (2006), en:
La elección del sector laboral y los retornos a la educación en Guatemala. Revista
Estudios Sociales No. 75.
Bloom, David & Jeffrey Sachs (1998). “Geography, Demography, and Economic
Growth in Africa”, en Brookings Papers on Economic Activity, Nº 2. Washington,
D.C.: The Brookings Institution. En: Joaquín Mould (2005). “Salud y Crecimiento
Económico. Revista Economía y Sociedad, 55. México.
48
Bloom, David; Canning, David & Sevilla, Jaypee (2001). The effect of health on
economic growth: theory and evidence. Working Paper 8587. National Bureau of
Economic Research. NBER WORKING PAPER SERIES.
http://www.nber.org/papers/w8587
Curráis, Luis y Rivera, Berta (1999a). “Income variation and Health expenditure:
evidence for OECD countries. Forthcoming in Review of Development Economics.
Citado por Berta Rivera (1999) en: Convergencia y capital humano: una
convergencia empírica. Consultado en
www.ucm.es/BUCM/revistas/emp/.../CESE9999110249A.PDF
Curráis, Luis & Rivera, Berta (1999b). “Economic Growth and Health: direct impact
or reverse causation. Forthcoming in Applied Econmomics Letters. Citado por
Berta Rivera (1999) en: Convergencia y capital humano: una convergencia
empírica. Consultado en
www.ucm.es/BUCM/revistas/emp/.../CESE9999110249A.PDF
Espinosa, Jaime (2001). Programa de mejoramiento de las encuestas de
condiciones de vida en América Latina y el Caribe. Mecovi-Nicaragua. Estado de
salud y productividad en los hogares nicaragüenses.
Fuchs, Victor (1982). “Time Preference and Health: An Exploratory Study”, en
Fuchs, Victor R. (editor). Economic Aspects of Health. Chicago: The University of
Chicago.
Giménez, Gregorio y Simón, Blanca (2002). Comparación entre indicadores de
capital humano en un modelo de crecimiento económico. Ekonomiaz, 57(3).
González-Páramo, José (1994). Sanidad, desarrollo y crecimiento económico. En:
Gregorio Giménez y Blanca Simón (2002). Ekonomiaz, 57(3).
49
Grossman, Michael(1972a) “The Demand for Health: a Theoretical and Empirical
Investigation”. National Bureau of Economic Research, Occasional paper 119.
Jablonski, Mary; Rosenblum, Larry, & Kunze, Kent (1988). “Productivity, Age, and
Labor Composition Changes in the U. S. », Monthly Labor Review, 111(9).
Mankiw, Gregory; Romer, David & Weil, David (1992). “A contribution to the
empirics of economic growth”, Quarterly Journal of Economics. En: Antonio Pulido
y Julián Pérez (2006). Las causas del crecimiento económico. Un tema para
debate.
Mayer, David(2001a). “The Long-Term Impact of Health on Economic Growth in
Mexico, 1950-1995”, en Journal of International Development, 13 (1).
Mayer, David(2001b). “The Long-Term Impact of Health on Economic Growth in
Latin America. World Development, 29 (6).
Mincer, Jacob (1958). Investment in human capital and personal income
distribution. En: Journal of Political Economy, Vol. 66, No. 4. pp. 281-302. Citado
por Alejandro (2006), en: La elección del sector laboral y los retornos a la
educación en Guatemala. Revista Estudios Sociales No. 75
Mincer, Jacob (1974). Schooling, experience, and earnings. New York: National
Bureau of Economic Research. Citado por Alejandro (2006), en: La elección del
sector laboral y los retornos a la educación en Guatemala. Revista Estudios
Sociales No. 75.
Mould, Joaquín (2005). “Salud y Crecimiento Económico. Unidad de Investigación
en Economía de la Salud. Instituto Mexicano del Seguro Social”. En: Revista
Economía y Sociedad, 55. México. 45-50.
50
Ogunleye, Eric & Eris, Bilge (2008). A human capital and economic growth:
comparative analysis of the impact of knowledge and health on economic growth in
Nigeria and Turkey. The Journal of Knowledge Economy & Knowledge
Management, Volume III Spring. Consultado en:
www.beykon.org/2008/EOgunleye-BEris.pdf
Pulido, Antonio y Pérez, Julián (2006). Las causas del crecimiento económico.
Un tema para debate. Estudios de Economía Aplicada; vol. 24-1. Consultado en:
redalyc.uaemex.mx/src/inicio/ArtPdfRed.jsp?iCve=30113179004
Ribero, Rocío (2000). Salud y productividad laboral en Colombia. Revista
Desarrollo y Sociedad, Nº 45. CEDE. Universidad de Los Andes.
Rivera, Berta (2000). Estado de salud, gasto sanitario y sus implicaciones sobre
la productividad: teoría y evidencia. Tesis Doctoral. Barcelona. España.
www.revistasice.com/.../ICE_804_13-22__.
Rivera, Berta y Currais, Luis (2005). La inversión en salud como gasto público
productivo: un análisis de su contribución al crecimiento económico. Universidad
de La Coruña. Presupuesto y Gasto Público. Secretaría General de Presupuestos
y Gastos. Instituto de Estudios Fiscales. España. Consultado en:
www.ief.es/.../publicaciones/...gasto_publico/39_InversionSalud.pdf
Romer, Paul (1990). Endogenous Technical Change. En: Journal of Political
Economy; vol. 98, Nº 5 (parte 2). Chicago. The University Chicago Press. En:
Joaquín Mould (2005). “Salud y Crecimiento Económico. Revista Economía y
Sociedad, 55. México.
Sachs, Jeffrey (2001). Macroeconomics and Health: Investing in Health for
Economic Development. Report of the Commission on Macroeconomics and
Health. Ginebra, Suiza: World Health Organization. En: Joaquín Mould (2005).
“Salud y Crecimiento Económico. Revista Economía y Sociedad, 55. México.
51
Sachs, Jeffrey (2002): Macroeconomics and Health: Investing in Health for
Economic Development, Report of the Commission on Macroeconomics and
Health, WHO. Citado por Rivera y Currais (2005), en: La inversión en salud como
gasto público productivo: un análisis de su contribución al crecimiento económico.
Tobin, James (1958), “Estimation of Relationships for Limited Dependent
Variables”, Econometrica, 26.
Weil, David (2005). Accounting for the effect of health on economic growth.
Working Paper 11455. National Bureau of Economic Research. NBER WORKING
PAPER SERIES. http://www.nber.org/papers/w11455
Top Related