Introducción

El presente trabajo se apoya en la literatura de los retornos a la educación y rescata la importancia de invertir en capital humano, en el desarrollo de competencias y habilidades con el propósito de mejorar la eficiencia productiva, lo que, a decir de Schultz (1961), mediante la escolaridad formal, capacitación y demás proyectos educativos se fomenta el desarrollo social, productivo y ambiental, y se destaca como principal factor a la educación, sea general o específica, que reclama mayor atención y apoyo en países como Ecuador. De ahí que se rescata el escenario educativo ecuatoriano con el propósito de sugerir implicaciones de política que mejoren la productividad y, de esta manera, reconsiderar aquellas políticas sociales, en especial las educativas que contribuyan a la calidad de vida y al buen vivir.

Cabe resaltar las dimensiones del desarrollo humano en las cuales se destaca la escolaridad y los niveles educativos que también juegan un rol significativo en la perspectiva del capital humano y su incidencia en el bienestar social (Becker 1964). En este sentido se trata de explicar cómo la inversión en educación influye en los diferentes niveles salariales que se identifican en el mercado laboral ecuatoriano, mediante la aplicación del modelo de capital humano a la Mincer (1958), que permite identificar los efectos de los distintos niveles de educación, de experiencia, edad, sexo, entre otras características sobre los ingresos.

Para comprender los diferentes resultados de diversos autores, en cuanto a la estimación de los retornos a la educación, se consideran los modelos y especificaciones que corrigen errores de selección y correlaciones al calcular el retorno a la educación según el método de mínimos cuadrados ordinarios (OLS) (Heckman 1979).

Así, la posible correlación se corrige identificando un conjunto de variables instrumentales que afecten la escolaridad pero que no afecten el salario. O la inclusión de variables relevantes, por ejemplo, el trimestre de nacimiento utilizados por Angrist y Krueger (1991) como variable instrumental para la educación, cuyo resultado confirma que las personas nacidas durante el primer trimestre poseen un nivel menor de educación que aquellas personas que nacen en los siguientes trimestres.

Para otro trabajo, Angrist y Krueger (1992) usaron un procedimiento diferente basado en la asignación del número de la lotería durante la guerra de Vietnam como variable instrumental, con lo cual los alumnos matriculados pueden excluirse del servicio militar, fundamentalmente aquellos que están en edad de reclutarse.

Por su parte, Butcher y Case (1994) analizan la composición del efecto de hermanos en el logro educacional. Ya que el sexo de los chicos es aleatorio, la composición del sexo en la familia de tamaño dado es aleatoria. Se ofreció evidencia de que mujeres con una o más hermanas tienen significativamente menor educación que aquellas mujeres que tienen hermanos. Ellos utilizan una variable que detecta la presencia de hermanas en el hogar como variable instrumental para la educación en una ecuación de salarios, incluyendo controles por tamaño familiar. A pesar de que la estimación del retorno a la educación es imprecisa, esta es muy superior al encontrado con métodos tradicionales.

En cambio, Card (1999) usa un indicador simple como variable de control: la presencia de establecimientos educativos en las cercanías del hogar. Las personas que crecen cerca de un colegio tienen significativamente mayor educación y, por lo tanto, más ingresos que otras personas. Cuando se utiliza la proximidad al colegio, se obtienen estimadores con el 80% más alto a los obtenidos por OLS. Al utilizar una especificación alternativa que considera la educación de los padres se obtiene un estimador con un 30% superior al OLS.

Además se destaca la alternativa en el intento de eliminar el sesgo, que se presume se da al estimar por OLS, que es el de efectos fijos en el que se obtuvo un retorno en un 28% mayor que por el método de efectos fijos (Griliches 1977). Por su parte, Angrist y Newey (1991) suponen que la existencia de correlación entre componentes de los ingresos y la educación se debe a elementos que no dependen del tiempo, por lo que los estimadores serán consistentes. Encuentran que el retorno a la educación se subestima al estimarlo mediante OLS.

Utilizando datos para mellizos idénticos encuestados simultáneamente con un supuesto similar al de Angrist y Newey (1991), Ashenfelter y Krueger (1994) suponen que los errores de la educación y los salarios se correlacionan por efectos familiares, ya que puede darse que, al menos, una pareja de mellizos tenga diferente nivel de educación, y, por tanto, encuentran un mayor retorno a la educación.

En este contexto es muy importante el trabajo realizado para Chile por Contreras, Bravo y Medrano (1999) en el cual se estima el retorno a la educación en su forma tradicional minceriana, para luego incorporar un considerable número de variables instrumentales que permiten corregir tanto la omisión de variables y el sesgo al seleccionar la representatividad en la muestra; obtienen que los signos de los parámetros son consistentes con la teoría que sostiene que la educación y la experiencia tienen efectos positivos sobre el nivel de ingresos, si bien la experiencia presenta retornos decrecientes. Proporciona resultados efectivos sobre la tasa de crecimiento que sufre el ingreso debido al efecto educación especialmente superior.

En sus trabajos, Psacharopoulos (1980 y 1985) analiza el hecho de cuán beneficioso es invertir en educación, para lo cual realiza estimaciones aplicando varias técnicas de las cuales la más relevante para este trabajo es el método de la estimación de la función de ingreso realizada para Venezuela y Guatemala, obteniendo que la tasa de retorno de la educación de invertir en mujeres es mayor que la correspondiente para los hombres y también reporta un nivel alto en la tasa de retorno de la primaria explicando que se debe al hecho de que una tercera parte de la fuerza de trabajo no tiene ninguna educación, por lo que tienen un pago alto en el margen cuando alguno completa el nivel primario.

Ya en el contexto ecuatoriano, Samaniego (1995) hace referencia a la importancia de la experiencia en la función de ingreso. Elabora una interpretación al estilo McKinnon, en la cual los ingresos individuales tienen dos restricciones: la instrucción, es decir, el máximo de ingreso posible en el tiempo, en un primer momento, está condicionado por el nivel de instrucción adquirido; pero, después de cierto período laboral, el máximo de ingresos no se obtiene ya en función del nivel de instrucción, sino del nivel de experiencia adquirida. Señala que desde una perspectiva económica el mercado laboral ecuatoriano presenta imperfecciones significativas en cuanto a sensibilidad de los ingresos-nivel de instrucción.

Otro aspecto de rescatar en Samaniego (1995) se presenta cuando se hace alusión a la amplia existencia de lo que Lam y Schoeni (1993) llaman nepotismo en un estudio para Brasil, o conexiones familiares, perdiéndose la característica de un mercado laboral competitivo, lo que refuerza el hecho de que las conexiones familiares pesan más que la escolaridad en el ingreso en el momento de elegir un trabajador.

Otro hecho que evidencia Mancero (1997) es que, dentro de la estructura productiva ecuatoriana, hay actividades económicas en las que una escasa calificación laboral basta y sobra para percibir ingresos superiores a los que se podría obtener con más años de esfuerzo educativo. Este es el caso del comercio, cuyo retorno por sector es más alto, aun con bajos niveles educativos. En este contexto y con los resultados obtenidos podemos concluir que una mayor preparación contribuye significativamente a mejorar los ingresos.

En el caso chileno, Bravo y Marinovic (1997) también utilizan una descomposición simple de varianza con los resultados de los retornos y encuentran que aproximadamente dos tercios del incremento en la desigualdad salarial registrado en Chile entre 1974 y 1987 puede ser atribuido a factores observables (educación y experiencia potencial).

En una aproximación de tipo no-paramétrica, concentrando la atención en características demográficas de la población, Katz y Murphy (1992) analizan la estructura salarial de Estados Unidos entre 1963 y 1987. Muestran que el importante crecimiento en la demanda por trabajadores más educados, más calificados y trabajadores de sexo femenino puede ser determinante en los cambios observados en la estructura salarial.

Finalmente, en el trabajo realizado por Bravo, Contreras y Rau (1999), en una aproximación no-paramétrica, analiza la evolución de la desigualdad salarial en Chile y los cambios en la demanda relativa de trabajo. Encuentra que la distribución de los salarios se ha mantenido estable en el período de estudio a pesar de los cambios reales y relativos para las diferentes categorías de trabajadores. Estos cambios se comportan de manera diferente para hombres y mujeres, según distintas categorías de educación, prevaleciendo un patrón común para la categoría de educación universitaria en la cual se produce un aumento en la demanda relativa de trabajo.

El análisis de los trabajos revisados evidencia la falta de atención a los temas de educación, ingresos y empleo que se presentan en el país, no obstante también se puede inferir que en el Ecuador, al igual que en otros países, el retorno a la educación es significativo, es decir, afecta en las decisiones salariales, más aún cuando se controla por otras variables como: educación de los padres y capacitación, calidad de la educación, a más de las que plantean los estudios analizados.

Objetivo

El objetivo de esta investigación es encontrar empíricamente los retornos a la educación, midiendo la variación de los salarios según sus determinantes observables (escolaridad y experiencia) e inobservables (educación de los padres, calidad de la educación, entre otros aspectos), para la población masculina ecuatoriana.

Metodología

Con el enfoque de capital humano se estima el retorno a la educación utilizando la conocida ecuación de Mincer (1958)¹ que expresa el nivel de salario en función del nivel educativo y de la experiencia del individuo, controlando por otras características que lo identifican, e introduciendo ciertas variaciones. Para obtener los resultados esperados en esta medición, no basta examinar la relación entre educación e ingreso, ya que estas diferencias salariales no son explicadas en su totalidad por la educación, sino que involucran otros factores como: experiencia, experiencia efectiva; y otros factores que segmentan el ingreso y discriminan laboralmente como: la educación de los padres, sector económico, migración, capacitación, sindicalización, entre otros.

La encuesta de condiciones de vida (ECV-95) reporta un conjunto de características del trabajador referentes al contrato de trabajo, el tiempo de trabajo, si repitió un curso, el tipo de establecimientos educacionales a los que asistió, educación del padre, educación de la madre, lugar en donde se capacitó, migración, distancia del hogar al establecimiento educativo, entre otras. Lo cual permite incorporar al análisis diversas variables de control individual y colectivamente.

Tabla 1
Estadística descriptiva por regiones para Ecuador

Variables	País		REGIONES
			Costa		Sierra		Oriente
	Media	Desv.est	Media	Desv.est	Media	Desv.est	Media	Desv.est
Edad	33,88	10,64	33,73	10,29	34,12	10,96	31,82	10,45
Salario mensual (dólares)	272,95	311,61	274,15	317,72	275,93	312,51	190,00	108,85
Salario por hora (dólares)	1,40	1,56	1,37	1,54	1,45	1,60	1,04	0,71
Log. Sal / Hora (dólares)	-0,01	0,80	-0,04	0,81	0,04	0,78	-0,19	0,72
Horas	51,24	14,39	52,31	14,56	50,25	14,13	51,39	15,46
Escolaridad	8,46	5,11	8,18	5,06	8,76	5,16	7,80	4,80
Escolaridad2	97,72	103,06	92,44	99,17	103,22	106,90	83,73	89,54
Experiencia efectiva	6,81	7,66	6,59	7,65	7,01	7,68	6,73	7,45
Experiencia efectiva2	104,94	214,73	101,82	219,91	108,01	210,83	100,37	200,60
Experiencia potencial	19,42	11,19	19,55	10,83	19,37	11,54	18,02	10,85
Experiencia potencial2	502,17	546,33	499,00	515,04	508,03	575,63	441,49	505,62
(Esc-6)*D6	3,35	4,22	3,15	4,09	3,56	4,34	2,82	3,82
(Esc-12)*D12	0,85	2,03	0,75	1,90	0,96	2,15	0,56	1,57
Agricultura	0,05	0,21	0,08	0,28	0,01	0,12	0,06	0,23
Minería	0,02	0,14	0,02	0,15	0,02	0,13	0,02	0,14
Industria	0,17	0,38	0,20	0,40	0,16	0,37	0,01	0,12
Suministros	0,02	0,13	0,02	0,15	0,01	0,11	0,01	0,10
Construcción	0,04	0,19	0,02	0,15	0,05	0,21	0,08	0,27
Construcción	0,18	0,39	0,21	0,41	0,16	0,36	0,09	0,28
Transporte	0,07	0,26	0,06	0,25	0,07	0,26	0,09	0,28
Servicios financieros	0,08	0,27	0,07	0,26	0,09	0,28	0,06	0,24
Servicios comunales	0,37	0,48	0,30	0,46	0,43	0,50	0,58	0,50
Educ. padre primaria	0,48	0,50	0,47	0,50	0,49	0,50	0,62	0,49
Educ. padre secundaria	0,17	0,38	0,19	0,39	0,16	0,36	0,10	0,30
Educ. padre superior	0,06	0,24	0,05	0,23	0,07	0,25	0,01	0,12
Educ. madre primaria	0,48	0,50	0,46	0,50	0,50	0,50	0,56	0,50
Educ. madre secundaria	0,15	0,36	0,18	0,38	0,13	0,34	0,03	0,16
Educ. madre superior	0,03	0,16	0,03	0,17	0,03	0,16	0,00	0,07
Educ. madre superior	0,03	0,16	0,03	0,17	0,03	0,16	0,00	0,07
Cap. Secap	0,03	0,16	0,02	0,16	0,03	0,16	0,03	0,17
Cap. Secap	0,03	0,16	0,02	0,16	0,03	0,16	0,03	0,17
Cap. emp. trabaja	0,13	0,34	0,11	0,32	0,15	0,36	0,10	0,30
Cap. ONG	0,03	0,17	0,04	0,19	0,02	0,15	0,00	0,15
Cap. emp. especial	0,05	0,21	0,05	0,22	0,05	0,21	0,03	0,18
Cap. emp. especial	0,05	0,21	0,05	0,22	0,05	0,21	0,03	0,18
Cap. MEC	0,02	0,15	0,03	0,16	0,02	0,13	0,07	0,26
Cap. inst. oficial	0,06	0,24	0,05	0,22	0,07	0,25	0,05	0,22
Cap. otra institución	0,02	0,14	0,01	0,11	0,03	0,16	0,00	0,06
Dummy contrato	0,69	0,46	0,67	0,47	0,71	0,46	0,63	0,48
Dummy sindicato	0,21	0,41	0,18	0,38	0,24	0,43	0,35	0,48
Dummy est.fiscal	0,06	0,24	0,05	0,22	0,07	0,25	0,06	0,24
Dummy est.comicional	0,00	0,03	0,00	0,00	0,00	0,04	0,01	0,10
Dummy est.privado	0,03	0,18	0,03	0,17	0,04	0,19	0,04	0,19
Dummy ed. no presencial	0,01	0,08	0,00	0,00	0,01	0,11	0,00	0,07
Dummy cercanía a est.	0,04	0,20	0,04	0,20	0,04	0,20	0,07	0,26
Dummy repiten año esc.	0,02	0,12	0,01	0,11	0,02	0,13	0,04	0,19
Dummy migración	0,19	0,39	0,17	0,38	0,20	0,40	0,28	0,48
No. de observaciones	1093		416		559		118

Nota: se consideran hombres obreros y empleados que trabajan jornada completa.
D6: Dummy que toma el valor de 1 si la persona tiene más de 6 años de educación.
D12: Dummy que toma el valor de 1 si la persona tiene más de 12 años de educación.
Las variables monetarias se expresan en dólares de 1995.
Fuente: INEC 1995.
Elaboración propia

Considerando la disponibilidad de información, primeramente podemos escribir en forma generalizada la ecuación a estimar por OLS.

Modelo 1
LnWh = c + b₁*esc + b₂*exp + b₃*exp² + b_i *S_i + μ_i

Donde se asume que (LnWh) es el logaritmo natural del salario por hora, se explica por los años de educación del trabajador (esc), la experiencia y el sector económico en que se desempeña (Si) y finalmente los residuos (μi). Se espera encontrar un retorno positivo a la educación y la experiencia, si bien se supone que la experiencia genera retorno positivo a tasa decreciente sobre el salario.
Para comprobar si los años de educación presentan un grado de convexidad, se estima el siguiente modelo:

Modelo 2
LnWh = c + b₁*esc + b₂*esc²+ b3exp + b₄*exp² + b _i*S_i + μ_i

En los modelos anteriores se impone un retorno similar para los distintos años de educación, como se trata de estimar un modelo que permita que el retorno entre ciclos educativos se diferencie, planteamos el siguiente modelo:

Modelo 3
LnWh = c + b₁*esc + b₂*exp + b₃*exp² + b*Var1 + b₅*Var2 + b_i *S_i + μ_i

donde:	con:
Var1 = d6*(esc-6)	d6 = 1 si esc > = 6,0 en otro caso
Var2 = d12*(esc-12)	d12 = 1 si esc > = 12,0 en otro caso
Var3 = d17*(esc-17)	d17 = 1 si esc > = 17,0 en otro caso

En el modelo anterior se introducen dos dummies que permiten capturar la existencia de distintos retornos a la educación; esto es, para obtener tres tasas de retorno diferentes, que nos darán el retorno de la educación primaria (b₁), educación secundaria (b₄), y educación superior (b₅), permitiendo también comprobar la convexidad del retorno a la educación en el Ecuador.

Al incorporar un modelo menos restrictivo, en el cual se permita que el retorno de cada año sea diferente (dAl incorporar un modelo menos restrictivo, en el cual se permita que el retorno de cada año sea diferente (d_j, tenemos:), tenemos:

Modelo 4
LnWh = c + b1exp + b2*exp2 + Sbj*dj + bi*Si + μi

Al estimar esta especificación se incluyen diversas variables de control para comprobar que el retorno a la educación estimado sea confiable, o evaluar si se lo sobre o subestima.

Para evitar el posible sesgo, como primera aproximación, se reestima el retorno a la educación utilizando experiencia efectiva en lugar de experiencia potencial. Luego se introducen controles como: la educación de los padres, capacitación, cercanía al establecimiento educativo, entre otros. Luego se realiza una descomposición simple de varianza de los salarios por hora y una comparación de salarios relativos. Los resultados obtenidos se presentan en la siguiente sección.

Análisis de resultados

Atendiendo a la especificación planteada y a base de nuestra muestra disponible, al estimar los retornos a la educación, se obtiene la tasa de retorno promedio de la educación básica que fluctúa alrededor del 8 al 9%. Además se observa que el retorno a la educación media es más alto en el Oriente y la Sierra, mientras que el retorno a la educación superior es mayor en la Costa. En general, se evidencia un patrón convexo que se verifica por el hecho del aumento del retorno a la educación superior como sobre todo en la Costa que alcanza un 11,6%.

Con el objeto de evitar al posible sesgo expuesto al usar la experiencia potencial, se utilizan los datos de experiencia efectiva. Estas estimaciones nos muestran que el retorno a la educación cae 2%, resaltando el hecho de que cuando se utiliza experiencia potencial² se sobrestima el verdadero retorno a la educación.

Al controlar por otras variables no observables tales como educación de los padres, el retorno promedio a la educación se reduce de 6 a 5,7%, notando que esta caída en el retorno se debe principalmente a una disminución en el retorno de la educación superior, que cae a 10,6%, mientras la educación media cae de 6,5 a 3,5%.

Por otra parte, al incluir proxies de capacitación, se obtiene que el retorno a la educación cae en un punto porcentual, al igual que cuando incluimos la variable de contrato. Al considerar calidad de la educación a través de la dependencia de los establecimientos educacionales se encuentra que el retorno se reduce en 2% como cuando se controla por educación de los padres y capacitación de los encuestados.

El menor retorno que podemos encontrar se obtiene introduciendo todas las variables de control disponibles al mismo tiempo, en este caso el retorno promedio de la educación se reduce a 4,5%. No obstante, se rescata que la inversión en educación que cada hogar, familia o individuo hace a su capital humano y en el largo plazo mejora su bienestar vía mejores ingresos y, por lo tanto, un buen vivir digno.

Según los resultados obtenidos podemos concluir que el tipo de educación mayormente compensado con una tasa de retorno de 11,6 es el de la educación superior, como un indicativo de que en el Ecuador se demanda recursos más capacitados, especialmente en estos últimos años, lo cual va acompañado por la expansión y el mejoramiento de los establecimientos universitarios, empleos y empresas más exigentes, por lo cual los empleados y trabajadores calificados requieren un nivel superior, mientras que la educación media solo permite observar algunas características del trabajador y no un retorno significativo en sus ingresos.

El análisis de los retornos a la educación es muy importante para los países de América Latina que, en su necesidad de desarrollo, demandan recursos mejor capacitados, reconociendo la educación como generador de capital humano capaz de contribuir al desarrollo de un país. Es necesario implementar políticas de apoyo a la educación, que nos permitan de alguna manera cuantificar y calificar el valor que añade la educación al nivel de ingresos de las personas y, consecuentemente, mejorar el bienestar social.