Rendimientos monetarios de la escolaridad.
Un análisis por grados de marginación y desigualdad educativa en México

Monetary returns of schooling.
Marginalization and educational inequality analysis for México

En este artículo se hace una estimación de la tasa de retorno de la educación en México, tanto a nivel nacional como por regiones según grado de marginación. Los resultados mostraron que los rendimientos de la educación son más bajos en las regiones de menor pobreza, lo cual puede explicarse por diversas razones, entre ellas, que la calidad o calificación de la mano de obra en los estados o regiones de bajo desarrollo, es relativamente menor en comparación a las de alto desarrollo. Esta escasez de mano de obra calificada provocará rendimientos superiores del capital humano. El resultado entonces, es que esas altas tasas de retorno son un indicativo tanto de bajas remuneraciones al trabajo como de bajos promedios de escolaridad, por lo que se precisa de intervenciones gubernamentales para generar efectos redistributivos del gasto social en educación.

Palabras Clave: retornos de la educación, desigualdad educativa, ecuación de Mincer, pobreza y marginación en México.

Abstract:

This paper provides an estimate of the rate of return of education in Mexico, both nationally and by region according to degree of marginalization is made. The results showed that the returns to education are lower in regions of less poverty, which can be explained by several reasons, such as than the quality skilled labor in the states or regions low development, is relatively minor compared to high development regions. This shortage of skilled labor will result in higher returns to human capital. The result then is that these high rates of return are indicative of the low salary and education levels, so that an government intervention is needed to generate redistributive effects of social spending on education.

Classification Jel: I24, I25, I26.

Introducción

La heterogeneidad y las características de cada región en México le imprimen al desempeño de los mercados laborales particularidades específicas, generando resultados distintos tanto en niveles de empleabilidad como en ganancias y remuneraciones al trabajo. En lo económico y social, una de esas características que distinguen a una región de otra son las condiciones de pobreza y marginación de sus habitantes. Cuando estas condiciones prevalecen, o afectan a grandes sectores de la población, el acceso al bienestar y al desarrollo se ve limitado, entre esos límites se encuentra el acceso a la educación.

En regiones de alta pobreza y marginación, el nivel de escolaridad de la población es bajo porque el costo de oportunidad de estudiar se eleva de manera considerable. En efecto, para la población pobre o en desventaja social, la decisión de estudiar está altamente correlacionada con la de trabajar. Si esa parte de la población elige estudiar, dejarían de ganar un ingreso laboral que, aunque bajo, sería indispensable para su sobrevivencia, por lo que valorarán más el trabajo. La consecuencia de ello será entonces que, en aquellas regiones de alta pobreza, la población apenas estará rebasando el nivel básico de educación, aunque también el nivel de analfabetismo será considerablemente alto.

En esas condiciones, los rendimientos individuales de la educación estarían diferenciados según los grados de pobreza y marginación. Podría esperarse que, en aquellas regiones de mayor desarrollo, dichos rendimientos, medidos por el incremento en el ingreso laboral por cada incremento en la escolaridad de los individuos, deberían de ser mayores que en las regiones de bajo desarrollo o alta marginación. El objetivo de este trabajo es precisamente medir el impacto de la escolaridad en el ingreso laboral de las personas, según grado de marginación del lugar en donde el trabajador reside.

Una de las formas más comunes de medir los impactos de la escolaridad en los ingresos salariales de las personas, es mediante la estimación de lo que los economistas llaman la tasa de retorno de la educación. Ésta mide la variación porcentual de los ingresos monetarios salariales (mensuales —generalmente-) por cada año adicional de escolaridad de la población.

Se adoptó el criterio de agrupación de las treinta y dos entidades federativas que conforman la República Mexicana de acuerdo a los índices de marginación del CONAPO para el año 2010 y 2015, y clasificarlas en los cinco estratos que define de acuerdo a su metodología: región o estados de muy baja marginación, baja, media, alta y muy alta marginación.

El trabajo se estructura en seis apartados. En el primero se hace una revisión de los trabajos realizados para México en relación al tema de la estimación de las tasas de retorno de la escolaridad. En el segundo se define la tasa de retorno de la escolaridad y se expone el método para su estimación. En el tercer apartado se explica y justifica la fuente de información utilizada, y se analiza —a nivel muy general- la estructura y comportamiento de los datos en relación a las variables de interés para este trabajo: el empleo (y su contraparte, el desempleo), los ingresos y la educación. En la cuarta sección se expone el comportamiento del índice de marginación y se relaciona con las tres variables fundamentales de esta investigación. En la quinta se presentan los resultados de las estimaciones realizadas, se explican y discuten los resultados de dichas estimaciones, y en el sexto y último apartado se analiza el tema de la desigualdad educativa. Finalmente, se presentan las conclusiones y recomendaciones de política pública en materia de promoción de la inversión en educación a nivel nacional y por región.

1. Revisión de literatura previa

En un trabajo publicado por la CEP AL en 2007, Juan Luis Ordaz hacía énfasis en la necesidad de estudiar los impactos de la escolaridad en los ingresos considerando las diferencias regionales tan fuertes que existen en México. Hizo referencia a trabajos previos que estimaron las tasas de retorno de la educación, tanto a nivel general, como por áreas metropolitanas, o comparando áreas urbanas con rurales. A continuación se citan estas referencias realizadas por Ordaz pero sólo en las que se hace alusión a las diferencias entre regiones geográficas o socioeconómicas.

El trabajo pionero sobre estimaciones de las tasas de retorno de la educación en México fue el de Carnoy (1967), pero sólo obtuvo los rendimientos a partir de una muestra de varones de tres ciudades: Distrito Federal, Monterrey y Puebla. Cabe mencionar que, en todas las estimaciones de Carnoy, éstas resultaron ser muy elevadas, de entre un 15 y hasta un 49% según grupo de interés considerado.

Posteriormente, pero hasta 1994, Bracho y Zamudio hicieron una discusión y estimación de los rendimientos económicos de la escolaridad en México con datos de la ENIGH de 1989. Encontraron que los retornos son diferentes según el género de los individuos, el ciclo escolar, y la zona de residencia, entendida ésta como la diferencia en zona urbana (poblaciones con más de 100 mil habitantes) versus rural. La tasa de retorno de la población mexicana, en general, fue de 11.7% en promedio por año de escolaridad, y cuando se distingue por zona de residencia, para la zona urbana los retornos son de 9.7% contra 10.6% para la zona rural. "Este resultado sería congruente con los obtenidos en comparaciones internacionales, en que los mayores retornos se detectan en países con menores niveles de desarrollo, en comparación con los desarrollados".

Rojas et al. (2000) analizaron el año 1992, concluyendo que mayores grados de educación están asociados con mayores ingresos salariales, y que un universitario graduado recibe, en promedio, un salario 78% superior al de una persona sin instrucción, asimismo, las personas que viven en zonas urbanas reciben en promedio un salario 11% superior al de los habitantes de zonas rurales.

López-Acevedo (2004) calculó los retornos a la educación en México en el período 1988-2002. Encontró que la desigualdad educativa explicó la mayor parte de la desigualdad en México mediante el método de regresión cuantílica. Por su parte, Rodríguez-Oreggia (2004) calculó los retornos a la escolaridad en varias regiones de México en el período 1987-2002. Empleó la ecuación de Mincer y realizó regresiones por MCO y por el método de dos etapas de Heckman (1979). Detectó que los retornos educativos aumentan al final de la década de los años ochenta, pero decrecieron después del período 1993-1994.

Adicionalmente a los trabajos anteriores, Morales-Ramos (2011) hizo referencia a uno de los más relevantes para México, el de Psacharopoulos, et al. del Banco Mundial (1996), quienes reportaron rendimientos por año de escolaridad de 15.4, 13.4 y 15.9% para 1984, 1989 y 1992, respectivamente. Con respecto a los rendimientos por nivel de escolaridad en los resultados de este análisis, los autores afirmaron que: a) la tasa de rendimiento es más alta para países de menor desarrollo; b) la educación primaria es la contribución más valiosa para el ingreso de un individuo en un país en desarrollo; c) la tasa de rendimiento de la educación decrece con el nivel de escolaridad y con el ingreso per cápita del país.

Entre esos trabajos citados cabe destacar el realizado por Barceinas y Raymond (2005), quienes encontraron, mediante la estimación de la ecuación minceriana de la tasa de retorno de la escolaridad, que "los rendimientos de la educación tienden a ser más elevados en las zonas menos desarrolladas, frente a las más desarrolladas", lo cual pudo constatarse al estimar los rendimientos por regiones geográficas (diez en total), cuyos resultados mostraron que la región más pobre (sur del país), seguida de la península, fueron las que experimentaron tasas de retorno de la educación más altas, mientras que en las más desarrolladas —que corresponden al norte del país- se observaron tasas bajas —en particular a partir de 1994. Con base en estos resultados, Huesca et al. (2010) concluyeron que ello "demuestra que un año más de educación tiende a llevar asociado un mayor efecto en los salarios de las zonas más deprimidas que en las más prósperas, hecho que parece estar indicando la existencia de rendimientos marginales decrecientes en la dotación de factores agregados."

Los retornos de la educación estimados por Barceinas y Raymond (op. cit.) para el último año de su estudio (2002), fueron de 10.7, 11.2 y 11.7% para las regiones: norcentro, noreste y noroeste, respectivamente, y de 14.2, 15.0 y 18.8% para el centro-oeste, península y sur, respectivamente. Las cuatro regiones restantes son las que se ubican en el centro de estos dos extremos.

Ordaz (2007) obtuvo las tasas de retorno de la educación en México para el período 1994-2005. Los retornos se calculan para cada nivel educativo, tanto para el medio rural como para el medio urbano, y se diferenciaron por género. En las estimaciones se empleó el método de mínimos cuadrados ordinarios (MCO) y el método de dos etapas de Heckman (1979). Se llegó a la conclusión de que invertir en educación en México es rentable. A pesar de las grandes diferencias en términos de calidad educativa entre el medio urbano y el rural, se obtuvieron tasas más altas de rendimientos económicos a la educación en el medio rural en comparación con el urbano en todos los niveles educativos en la mayoría de los años analizados. Lo importante aquí es subrayar una de sus conclusiones más importantes: la brecha en términos de rendimiento educativo se ha incrementado a favor del sector rural, a partir de fines de la década de los años noventa. Diferenciando por género, en promedio, la educación otorga mayores tasas de retorno a las mujeres rurales que a las urbanas. Lo mismo sucede en el caso de los hombres.

Los resultados de Ordaz de la estimación del modelo básico de Mincer con base en el método de mínimos cuadrados ordinarios, mostraron que la rentabilidad de la educación varió entre 10% y 12%. No obstante, una vez que se corrigen las estimaciones, las tasas de retorno a la educación en cada uno de los años no resultan ser muy distintas de las obtenidas por MCO. En todos los años, con excepción de 2000, las tasas de retorno estimadas por el método de dos etapas de Heckman son ligeramente superiores a las estimadas por MCO.

2. El concepto de tasa de retorno de la educación

Una de las formas más comunes de medir los impactos de la escolaridad en los ingresos salariales de las personas, es mediante la estimación de lo que los economistas llaman la tasa de retorno de la educación. Ésta mide la variación porcentual de los ingresos monetarios salariales (mensuales —generalmente-) por cada año adicional de escolaridad de la población.

Tal y como se expresó en la introducción de este trabajo, la ecuación propuesta por Jacob Mincer en 1974 sigue siendo hasta la fecha un instrumento ampliamente utilizado en el campo de la economía laboral y de la educación para estimar la tasa de retorno de la educación.

]]>

"La 'teoría del capital humano' ha sido ampliamente utilizada, tanto a nivel teórico como empírico, para analizar las diferencias salariales entre individuos con diferentes stocks educativos (Becker, 1964). En base a esta teoría, las diferencias salariales observadas entre los individuos vendrían explicadas, únicamente, por diferencias en su capital humano: capital humano formal como la educación o adquirido en el puesto de trabajo como la experiencia. El planteamiento más extendido para estimar los rendimientos de la inversión en capital humano, en el marco de esta teoría, es el que utiliza la 'ecuación de ingresos de Mincer" (Salas, 2006).

"En la literatura mundial la especificación minceriana es la más utilizada para calcular los retornos a la educación. En ella se establece que el logaritmo del ingreso es función de la escolaridad, la experiencia laboral y el cuadrado de ésta" (Ordaz, 2007).

En efecto, la tasa de retorno de la escolaridad se define como el incremento porcentual de los ingresos por cada año de estudio de las personas, de esta forma suele ser considera como una medida del rendimiento monetario individual de la escolaridad.

Si se considera únicamente a la educación como variable determinante de los ingresos, la ecuación de Mincer puede expresarse como sigue:

En donde los subíndices "i" expresan al i-ésimo individuo en la muestra, la variable Exp representa la experiencia y Exp² la experiencia al cuadrado. Esta variable se incluye en forma cuadrática debido al supuesto de concavidad de la función, lo cual significa que los ingresos aumentan, pero en forma decreciente, con la experiencia. Esta será la ecuación básica que se estimará en este trabajo.

Debido a las dificultades para medir la experiencia laboral de las personas, Mincer sugirió utilizar la experiencia potencial, la cual es un estimado de la experiencia real, y se obtiene mediante la expresión:

Cada parámetro en (2), desde hasta expresa, como en cualquier función de tipo lineal, el cambio en Y con respecto al cambio en X, es decir, la derivada de Y con respecto a X ó, más exactamente (como se trata de una función en varias variables) la derivada parcial de Y con respecto a

Ahora bien, dado que Y está expresada en logaritmos, el coeficiente |3i muestra el cambio porcentual de Y (el ingreso laboral) con respecto al incremento absoluto en X (la educación), lo cual es congruente con la definición minceriana de la tasa de retorno de la educación:

La estimación de los parámetros se hace por el método de Mínimos Cuadrados Ordinarios (MCO), lo cual se obtiene al resolver la ecuación:

En donde y es un vector que contiene los valores de la variable dependiente, que en el modelo minceriano (ecuación 2) representa el logaritmo natural del ingreso laboral de las personas, y X representa la matriz que contiene las variables independientes del modelo, escolaridad, experiencia y experiencia cuadrática. La estimación MCO consiste en minimizar la suma de los residuos u_i (dados en la expresión 1 o 2) al cuadrado, es decir: y en donde u y X son variables aleatorias que se distribuyen como una normal estándar, es decir:

3. Empleo, desempleo, ingresos y educación en México

De acuerdo con el INEGI (STPS, 2016), la población total de México en los últimos diez años creció en casi 14 millones de personas, ya que en 2010 se estimó en 107 millones y, para 2015, en 120.8 millones. De igual manera ha crecido la población en edad de trabajar (de 15 años y más) hasta representar, en 2015, casi 73% de la población total. La población económicamente activa (PEA) se ha mantenido, en estos diez años, en alrededor del 60%, por lo que, su contraparte, la no económicamente activa, en 40%. En términos absolutos, la magnitud de la PEA en México fue de 52.6 millones de personas en 2015, mientras que la PNEA de 35.6 también en ese mismo año (ver cuadro 1).²

Antes de la crisis financiera de 2008-2009, el desempleo se ubicaba alrededor del 3.5%, pero con su llegada, en el tercer trimestre de 2009, alcanzó una tasa de 6.1%. A partir de ese momento comenzó a descender de manera lenta y gradual, hasta situarse en el nivel actual del 4.0 por ciento (ver gráfica 1).

Al igual que el desempleo, la tasa de informalidad laboral, ha venido descendiendo desde la crisis de 2008-2009 (ver gráfica 2). No obstante su nivel es considerablemente alto, de alrededor de 59% en los últimos años. La informalidad laboral se refiere no sólo al total de personas que trabajan en unidades económicas informales, sino también a todos aquellos que, aun laborando en el sector formal, no tienen acceso a ciertos derechos, tales como seguridad social, beneficios no salariales, liquidación o finiquito al término de la relación de trabajo, entre otros. Esa falta de acceso a seguridad social y prestaciones hace que sus condiciones de trabajo sean precarias, más que los trabajadores formales. Inclusive, la brecha salarial es considerablemente amplia, porque, de acuerdo a los datos de la ENOE de 2015, mientras que el ingreso promedio mensual de un trabajador informal era de $3,783.42 ($247.1 US) el trabajador formal ganaba $7,394.50 en promedio ($482.9 US), es decir, la proporción del salario mensual de los informales con respecto a los formales, es del 51.2 por ciento.

El nivel de ingreso promedio de la población mexicana es muy bajo. En 2005, de acuerdo con los datos proporcionados por la ENOE, 15% de las personas ocupadas ganaban menos de un salario mínimo mensual, en el rango de más de 1 y hasta 2 salarios mínimos estaba el 23% de la población, y en el grupo que ganaba más de 2 pero hasta 3 salarios se encontraba el 19% de los ocupados (ver gráfica 3). Si a éstos sumamos el porcentaje de los que no recibieron ingreso alguno (trabajadores sin pago, 9%) resultaría que 66% de la población trabajadora en México ganaba, en 2005, 4 mil 126 pesos mensuales ($375.8 US) o menos. Para 2015, esta estructura de los ingresos de la población empeoró aún más. En efecto, el porcentaje de personas que recibían hasta 3 salarios mínimos mensuales (5,086.22 pesos, o $405.3 US) subió a 67.8%. Esta estructura salarial ha venido empeorando, pues en tan sólo estos últimos diez años, fue notorio que el número de ocupados que ganan menos de 3 SM ha venido en aumento, en tanto que, los que ganan más de 3, ha disminuido. Las diferencias son muy notables en el rango de los que ganan más de 5 SM, ya que, mientras que en 2005 el 10.4% ganaba más de 5 SM, en 2010 el porcentaje se redujo a 8.7, y para 2015 se situó en 6.1%, lo cual equivale a un empobrecimiento significativo de la población trabajadora en México.

La enorme desigualdad en la distribución del ingreso que existe en México provoca un sesgo hacia arriba (positivo) en el ingreso promedio. En efecto, de acuerdo a los datos de la ENOE de 2015, el ingreso promedio de la población trabajadora fue de 5 mil 291 pesos mensuales ($345.5 US), sin embargo, si se excluye al 2.3% de la población con más altos ingresos, el promedio se reduce a sólo 4 mil 748 pesos (310.1 US). Los datos muestran que ese 2.3% ganaba 18 mil pesos mensuales o más. Para observar el sesgo en la distribución de los ingresos se muestran los histogramas de frecuencia relativa en la gráfica 4. En la parte izquierda se presenta la distribución del total de la población remunerada, y en la gráfica de la derecha se muestra la parte de la población que queda al excluir ese 2.3% con más altas remuneraciones. Nótese la reducción tan grande en el sesgo de la segunda distribución respecto a la primera.

Un aspecto que llama la atención es que en 1993 se decretó en México una reforma jurídica en materia de educación, y fue que la educación secundaria (media básica) sería obligatoria para toda la población, sin embargo no fue sino hasta 16 años después, en 2009 (como se observa en la gráfica 5) que la PEA alcanzó ese nivel (9 años completos de escolaridad, 6 correspondientes a la primaria y 3 a la secundaria). Sin embargo, si se promedian los años de escolaridad de toda la población de 16 años y más (incluyendo tanto la PEA como la PNEA), aún en 2011 no pudo alcanzarse esos 9 años completos de escolaridad, éste fue alcanzado apenas hasta el paso 2015, cuando, con datos de la ENOE de ese año (segundo trimestre), se obtuvo un promedio general de escolaridad de la población de 15 años y más de 9.0 años, para la PEA de 9.6 y para la PNEA de 8.1 años.

4. Escolaridad, desempleo e ingresos según nivel de pobreza y marginación

La República Mexica se conforma de 32 entidades federativas, cada una de las cuales tiene algunas características socioeconómicas que las diferencian entre sí. La heterogeneidad y características de cada una le imprimen al desempeño de los mercados laborales sus propias particularidades, generando resultados específicos tanto en niveles de ocupación (o su contraparte, desocupación) como en ingresos y escolaridad. Sin embargo, existen entidades federativas que podrían agruparse, en unidades de análisis más amplias, debido a que poseen características más o menos homogéneas.

Una forma de justificar esta necesaria organización de las entidades federativas en unidades más amplias, o regiones, fue proporcionada, desde 1967, por Claudio Stern: "Las diferencias regionales de México en cuanto a niveles de desarrollo han sido estudiadas, principalmente, tomando como unidades de análisis regional a las entidades federativas que forman la República. Sin embargo, la división político-administrativa no permite una clara diferenciación regional, debido a que los criterios que la han ido conformando a través del tiempo han respondido casi siempre a decisiones poco vinculadas con las diferencias objetivas —ya sean geográficas, culturales, económicas o de cualquier otra naturaleza- que se dan en el país."

Posteriormente, y a manera de reafirmar el planteamiento anterior, continúa: "Hay gran heterogeneidad en las condiciones sociales y económicas que se presentan en la mayor parte de las entidades federativas, y no queda reflejada cuando se hacen estudios comparativos en que se toma como base la división en estados y territorios. Para tener mejor conocimiento de las diferencias regionales conviene basarse en unidades analíticas más homogéneas".

Resulta entonces indispensable definir el concepto de región. En un trabajo más contemporáneo, Rigoberto Román (2002) discute el concepto a partir de una compilación de trabajos relevantes en el tema. Román menciona que el concepto es un tanto ambiguo debido a que ha sido definido por geógrafos, economistas, antropólogos e historiadores, entre otros, y cada uno pone un cierto énfasis en el concepto, derivado de la disciplina en la que se especializa, pero define el concepto citando a otros autores: el concepto de región "se utiliza para identificar porciones determinadas de la superficie terrestre definidas a partir de criterios específicos y objetivos preconcebidos, los cuales pueden provenir de las ciencias naturales o de las sociales" (Palacios, 1993). Eric Van Young (1992) plantea que la región "es un espacio geográfico más grande que una localidad, pero más pequeño que un estado nacional, con una frontera determinada por el alcance efectivo de algún sistema cuyas partes interactúan más entre ellas que con el sistema externo".

A partir de lo anterior, Román define la región como una entidad compleja, "atribuida a una determinada porción espacial de la realidad, integrada por características múltiples que se circunscriben en la generalidad de un ámbito concreto de la realidad física. La región, geográficamente hablando, es un espacio dinámico que está en permanente movimiento, limitado por una frontera que varía en el tiempo, y que a su vez se determina por la influencia que tiene un sistema integrado por una serie de factores naturales y sociales que forman una estructura y que tienen entre sí, coherencia y especificidad" (Román, op. cit.).

La cuestión radica —como señala Merchand- primeramente, en construir una hipótesis; es decir, establecer el parámetro que permita la clasificación geo-referencial del tipo de región que se quiere proponer y luego detallar las propuestas para definir cualitativamente lo que debe ser una región a partir del propio interés del investigador.

La hipótesis de la que se parte en esta investigación, es que la oferta de trabajo de las familias y las personas, así como las remuneraciones al trabajo, están asociados, en forma directa, a los niveles educativos de la población, sin embargo, en cada entidad federativa y región, las propias características de sus mercados provoca que los retornos de la educación y las probabilidades de participación laboral y de ocupación de las personas difieran entre ellas, siendo el grado de desarrollo socioeconómico, medido a través, por ejemplo, de los niveles de pobreza y marginación de las entidades federativas, lo que podría distinguir a una región de otra.

En México, el CONAPO calcula cada 5 años el índice de marginación, el cual es una "medida-resumen" que permite diferenciar entidades y municipios del país según el impacto global de las carencias que padece la población como resultado de la falta de acceso a la educación, la residencia en viviendas inadecuadas, la percepción de ingresos monetarios insuficientes y las relacionadas con la residencia en localidades pequeñas (CONAPO,2011).

El índice de marginación contribuye a identificar las disparidades territoriales que existen entre las entidades federativas y los municipios del país; ha sido utilizado como criterio de las reglas de operación de diversos programas de asistencia social, lo cual es un indicativo de su aceptación y uso cada vez más generalizado, siendo calculado desde hace 25 años, aunque, cabe mencionar, ha sido sometido a constantes revisiones conceptuales y metodológicas con el objetivo de realizar estimaciones más precisas de la pobreza y la marginación en México.

La utilidad de este indicador para los fines de la presente investigación queda de manifiesto en la propia explicación del CONAPO: "El índice de marginación permite diferenciar entidades federativas en función del impacto global de las carencias que padece la población, como resultado de la falta de acceso a diferentes oportunidades, servicios o bienes. Existe una precaria estructura de oportunidades que obstruye el pleno desarrollo de las potencialidades humanas. A partir del análisis de los indicadores relacionados con la educación básica, la residencia en viviendas inadecuadas (por equipamiento o infraestructura), la residencia en localidades pequeñas, dispersas y aisladas, y la percepción de ingresos monetarios bajos, se construye el índice de referencia. La estimación del índice de marginación para las entidades federativas del país permite acercarse al conocimiento de la desigualdad regional existente de las oportunidades sociales."(CONAPO, ibídem)

El índice de marginación se construye mediante nueve indicadores socioeconómicos que expresan las privaciones que padece la población. Estos nueve indicadores se agrupan en las cuatro dimensiones que ya se mencionaron: educación, vivienda, distribución de la población e ingresos. Se construye una medida resumen con el objetivo de concentrar en una sola estimación las magnitudes y variaciones de los indicadores y las relaciones entre ellos. Es así que esa medida resumen brinda información de cada entidad federativa o municipio, permitiendo situarlas dentro del contexto nacional, de acuerdo a su nivel de marginación.

Para el cálculo del índice de marginación se recurre al análisis de componentes principales, técnica estadística que sintetiza la información en nuevas variables, creadas como resultado de una combinación lineal de las variables originales, es decir, se reduce el número de dimensiones o variables en nuevos factores o componentes principales. Esta técnica también permite analizar la variabilidad del conjunto y ordenarlo de acuerdo a su importancia. En el caso del índice de marginación, de las nueve variables que se introducen se genera un nuevo componente, factor o medida resumen, que por sus características cumple con las que se requieren para conformar el índice de marginación.

El resultado del cálculo muestra que, las entidades federativas que tengan bajos valores en los indicadores, es decir, bajo nivel de marginación, sus estandarizaciones arrojan valores negativos y de alta magnitud absoluta, en tanto que en estados con alta marginación, es decir, con indicadores altos, los valores estandarizados tienen signo positivo.

Para los años 2010 y 2015 el menor valor obtenido en el índice le correspondió a la Ciudad de México, con -1.48 y -1.45, respectivamente, y el mayor al estado de Guerrero con 2.53 y 2.56, también respectivamente. Cabe recordar que Chiapas aportaba más indicadores al conjunto de mínimos, no obstante, la composición con los demás indicadores hace que Chiapas ocupe un segundo lugar al ordenar el índice de marginación (CONAPO, op. cit.). Las cinco entidades federativas con la más alta marginación, tanto en 2010 como en 2015, ordenadas de mayor a menor, fueron: Guerrero, Chiapas, Oaxaca, Veracruz y Puebla, en tanto, las cinco entidades con menor grado, ordenadas de menor a mayor marginación: Ciudad de México, Nuevo León, Baja California, Coahuila y Aguascalientes. La distribución de las entidades federativas del país según grado de marginación se muestra en la figura 1. Se observa una característica peculiar de México, en el sur y sureste se concentran las entidades con más alta marginación, y en el norte las de más baja.

La gráfica 6 muestra una relación negativa del índice de marginación con el desempleo, los ingresos y la escolaridad, esto es, que a medida que aumenta la marginación de los estados, disminuyen la escolaridad promedio, la tasa de desempleo y el ingreso laboral mensual. En tanto que, con la informalidad laboral, se presenta una relación positiva, lo cual significa que a medida que aumenta la marginación de los estados, aumenta también el trabajo informal. La relación más fuerte, sin duda alguna, parece ser con los años de escolaridad promedio, seguida de la informalidad laboral, el ingreso mensual y luego con la tasa de desocupación. Los coeficientes de correlación presentados en el cuadro 2 corroboran los resultados.

Tal y como se observó en la gráfica, la correlación entre el índice de marginación y la escolaridad promedio es la más alta, de 0.8906 en términos absolutos, y muy significativa, al igual que el resto de los coeficientes estimados. También es muy alta la correlación del índice de marginación con la informalidad laboral, de 0.8358, siguiendo en importancia con el ingreso mensual (-0.7265) y finalmente, aunque menos "fuerte", pero no por ello altamente significativa, está la correlación entre el marginación y tasa de desocupación, que fue de -0.6745.

Todos estos resultados confirman que, a medida que aumenta el grado de pobreza y marginación en las entidades federativas del país, el promedio de escolaridad de la población, el ingreso y el desempleo, disminuyen. Tal vez los primeros dos resultados no sean tan sorprendentes como si pudiera ser la última situación, ya que pareciera contradecir la suposición más convencional del comportamiento de la oferta laboral, según la cual, las personas estarían más dispuestas a incrementar su oferta de trabajo en el mercado a medida que aumenta su ingreso real, y disminuirían su cantidad de trabajo si este ingreso baja, por consiguiente, la tasa natural de desempleo tendería a aumentar si el ingreso de mercado se redujera.

La relación entre informalidad y pobreza corrobora una de las hipótesis fundamentales de este trabajo: la informalidad laboral está muy asociada al grado de precarización del trabajo, medido por el índice de marginación de las entidades federativas. Sin duda este es un efecto del funcionamiento de los mercados de trabajo en zonas de bajo desarrollo: en aquellas regiones en donde priva la mayor marginación y pobreza, la población ocupada busca insertarse en el mercado laboral aún en condiciones de informalidad, y esto a su vez por la incapacidad de la economía de ofrecer empleos formales a los ocupados, lo cual es congruente con lo explicado por Rodarte desde el año 2003: "México no tiene la capacidad de ofrecer empleos bien remunerados y dentro del marco legal" (Rodarte, 2003).

Una atención especial merecen las correlaciones entre las variables: educación, desempleo, informalidad e ingresos:

]]> i. Existe una asociación positiva entre escolaridad y desempleo. En los estados de la república en donde el nivel educativo es más alto, los niveles de desempleo también son los más altos.

ii. La relación entre ingresos y escolaridad también es positiva: la población en donde el promedio de escolaridad es más alto, los ingresos mensuales también son los mayores, lo cual puede ser un indicativo a favor de la hipótesis del capital humano: a mayor escolaridad, mayores ingresos.

iii. En aquellas entidades en donde el desempleo es más alto, los ingresos también lo son. Este resultado muestra que, en las entidades con mayor desarrollo, y por lo tanto con mayores remuneraciones laborales, las posibilidades para que el mercado laboral absorba la oferta de trabajo existente, son menores. Los mercados laborales en estas entidades, por lo tanto, son más competitivos y por lo tanto, están más saturados. Esta hipótesis explica también el resultado del inciso uno. Y si bien, esta relación es la más "baja", de 0.4243, no deja de ser altamente significativa, del 1.55 por ciento.

iv. La baja capacidad de la economía de México para crear empleos formales, genera otro efecto más: la asociación negativa entre informalidad laboral y tasa de desocupación. El coeficiente fue de -0.5553, que si bien puede ser considerado como correlación "media", fue estadísticamente significativa al 0.1%. El signo negativo expresa la relación inversa entre la tasa de desocupación y la de informalidad laboral, lo cual significa que, en las regiones de mayor pobreza el desempleo es bajo porque la población busca sobrevivir en actividades laborales informales.

 

5. Tasas de retorno de la educación por tipo de región

Una vez que se ha mostrado que existe una gran heterogeneidad entre regiones en México, puede procederse a realizar una estimación de las tasas de retorno de la escolaridad al interior de cada una de ellas. El método es el que ya se explicó previamente en la sección 2, que consiste en estimar la ecuación de Mincer. La estimación de la ecuación minceriana propuesta en la expresión (2) se realiza por el método de mínimos cuadrados ordinarios (MCO). Se utilizan los datos expandidos a fin de aprovechar la información que proporciona el factor de expansión contenido en la ENOE, y se emplean métodos de estimación robustos a la heteroscedasticidad. Se obtuvieron cinco estimaciones, una para cada región de marginación de acuerdo con los niveles calculados por el CONAPO. Se presenta primeramente la estimación general, es decir, para todo el país, y luego por regiones de interés de acuerdo a la siguiente especificación (ver sección 2):

Las estimaciones se realizaron con el método de ponderación analítica con la finalidad de presentar los resultados con datos expandidos y t-estadísticas menores en comparación con la ponderación por frecuencias.⁴

La estimación para el total nacional se resume a continuación:

La tasa de retorno de la educación estimada para México, con datos del 2015, fue de 8.56%, esto significa que, por cada año de escolaridad adicional, un ocupado gana en promedio 8.56% más. Todos los coeficientes, tanto de la escolaridad como de la experiencia, son estadísticamente significativos al 1 por ciento.

El siguiente cuadro 3 muestra los resultados de las estimaciones por regiones de marginación.

En todos los casos se observa una significancia estadística del 1% para cada uno de los coeficientes estimados (estadístico t). La significancia global de los modelos (prueba F) así como los coeficientes de bondad de ajuste (R2) son adecuados. Como en el modelo general, se hace la estimación con datos expandidos y se utiliza el método robusto a la heteroscedasticidad de White.

Los tres estados con muy alta marginación, que son nuevamente Chiapas, Guerrero y Oaxaca, presentan la más alta tasa de retorno de la educación (10.26%). Y como en el caso anterior, a medida que va disminuyendo el nivel de marginación, la tasa desciende en forma significativa, hasta llegar a repuntar, nuevamente, en el grupo de entidades con el más bajo índice de marginación (Baja California, Coahuila, Distrito Federal y Nuevo León) en donde llega a ser de 7.59 por ciento. En orden de menor a mayor marginación se obtuvieron las siguientes tasas de retorno: muy baja marginación: 7.59%, baja: 7.34%, media: 7.99%, alta: 8.50%, y muy alta marginación, como ya se mencionó: 10.26 por ciento.

Estos resultados confirman los hallazgos de estudios con características similares al que aquí se presenta (ver la primera sección de este trabajo). En efecto, Ordaz (2007) llega a la conclusión de que invertir en educación en México es rentable, y que la brecha en términos de rendimiento educativo se ha incrementado a favor del sector rural, a partir de finales del decenio de los años noventa, lo cual demuestra que un año más de educación tiende a llevar asociado un mayor efecto en los salarios de las zonas más deprimidas que en las más prósperas, hecho que parece estar indicando la existencia de rendimientos marginales decrecientes en la dotación de factores agregados (Huesca, et al., op. cit.).

Algunos elementos que pueden ayudar a explicar estos resultados podrían ser los siguientes. En primer lugar, debido a que las regiones más pobres parten de niveles muy bajos de ingresos, el margen de crecimiento del salario puede variar en un rango más amplio que en el resto de las regiones del país, lo cual posibilita al mercado a ofrecer aumentos mayores por cada año de escolaridad de la población que vive en esas regiones de bajo desarrollo en comparación con la del resto de las regiones.

A la vez, y de acuerdo con una de las leyes económicas más elementales, es sabido que, cuando el mercado está saturado y abunda la mano de obra, los salarios tienden a caer por debajo de cierto nivel de equilibrio. Y bajo el supuesto de relativa escasez de mano sucede lo contrario. En las regiones o entidades de bajo desarrollo y alta pobreza, es relativamente escasa la mano de obra calificada. Las dificultades para acceder a la educación son notorias. Esto ofrece, sin duda alguna, posibilidades para que los incrementos salariales sean más altos, en estas regiones, para las personas con mayor grado de calificación.

La tendencia en el largo plazo sería entonces —si todo lo demás se mantuviera constante- a una igualación de los ingresos de las personas más educadas en las regiones de bajo y alto desarrollo; sin embargo, las personas de baja o nula escolaridad en las regiones pobres, al no aumentar tan rápido sus ingresos, seguirán rezagadas en términos absolutos, lo cual es consistente con la conclusión más general planteada por Barceinas y Raymond: "A pesar de que algunos mecanismos de convergencia regional operan, como por ejemplo, el relativo al mayor rendimiento de la inversión educativa en las regiones menos desarrolladas frente a las más desarrolladas, la evidencia disponible sugiere que en la economía ha operado un proceso de divergencia. Ciertas externalidades consustanciales al desarrollo económico, potenciadas por la liberalización y globalización, se identifican como posibles causas del proceso".

6. El problema de la desigualdad educativa

En la sección anterior se planteó la hipótesis de que en las regiones de bajo desarrollo, la mano de obra calificada es más escasa que en las regiones de alto desarrollo, lo cual, sin duda alguna, es una consecuencia de los mecanismos distributivos de la riqueza y por ende, de la educación. En las regiones pobres, las grandes mayorías de las familias tienen dificultad para acceder a la educación, y esta dificultad se hace cada vez más grande a medida que aumenta el grado escolar. En esta sección se utilizarán algunos estadísticos para medir la desigualdad en la distribución de la educación por región socioeconómica y geográfica con los datos aportados por la ENOE, con lo cual se intentará demostrar que el acceso a la educación es más difícil, a medida que aumenta la pobreza, y que esa es la causa fundamental que fundamenta la hipótesis de la relativa escasez de recursos humanos calificados.

Para medir el grado de desigualdad en la distribución de una variable de interés, existen diversos indicadores o índices estadísticos, que van desde el simple cálculo e interpretación de la desviación estándar, hasta algunos más complejos y que integran componentes diversos, tales como el coeficiente de Gini o de Theil. En efecto, "una primera clasificación de los indicadores de desigualdad que se encuentra en la literatura los agrupa como sigue: medidas positivas, que son aquellas que no hacen referencia explícita a ningún concepto de bienestar social, y medidas normativas, que sí están basadas en una función de bienestar. Al primer grupo pertenecen los índices estadísticos que tradicionalmente se utilizan para analizar la dispersión de una distribución de frecuencias, en tanto que hay diversas medidas normativas que se han propuesto para el estudio de la concentración del ingreso y la salud" (CEPAL, 2000).

En el caso de los estadísticos que comúnmente se utilizan para estudiar la dispersión de una variable (varianza, desviación estándar y coeficiente de variación) el valor de referencia está representado por el promedio de la variable en análisis. Aunque también podría incluirse el sesgo de la distribución.

Antes de analizar estos estadísticos, podría ser útil mostrar los histogramas de la distribución de la variable escolaridad de la población de 16 años y más para cada una de las regiones construidas, ya que éstos resumen, en forma gráfica, varios de los estadísticos mencionados, en particular, la media, la desviación estándar y el sesgo.

En el gráfico 7 se muestran las distribuciones de la variable escolaridad según grado o nivel de marginación. Se observa que en la región de "Muy Baja" marginación la distribución es más normal que en el resto de las regiones. Se observa también que es en la región en donde el porcentaje de la población con nula escolaridad (primera barra en cada gráfico) es el más bajo, y va aumentando de acuerdo al grado de marginación, siendo así notoriamente grande en la región de "Muy Alta" marginación. El porcentaje de la población con más alta escolaridad también es el mayor en la región de "Muy Baja" marginación. El sesgo en las regiones de "alta" y "muy alta" marginación es muy evidente. Se observa que el grueso de la población se encuentra en los niveles de secundaria (9 años) y menos.

La desviación estándar es una medida estadística de dispersión, que utiliza todas las observaciones de la variable en estudio atribuyéndoles la misma importancia a cada una de ellas, su magnitud indicaría que, a mayor dispersión, mayor es el grado de desigualdad en la distribución. Los resultados que se muestran en el cuadro 16 confirman que, en aquellas regiones de más bajo desarrollo, es decir, las de muy alta marginación, la desviación estándar es mayor que en las de muy baja marginación. Así, en la de muy baja marginación fue de 4.20 y en la de muy alta de 4.87.

El coeficiente de variación (CV) es una medida relativa de dispersión, y por lo tanto, no está sujeta a los problemas de unidades de medida como la desviación estándar. Su magnitud también se interpreta de manera semejante que la desviación estándar: a mayor coeficiente, mayor desigualdad. Al multiplicarse por 100, su magnitud expresa el porcentaje en el que la desviación estándar se aleja de la media. En la región de más alto desarrollo el coeficiente de variación fue de 40.70%, y va creciendo hasta llegar a 65.31% en la región de muy alta marginación.

El coeficiente de sesgo es una medida estadística que proporciona información acerca de la forma de una distribución. Indica hacia dónde están concentrados los datos. Así, si el coeficiente es positivo, significa que hay relativamente pocos datos que sesgan la media hacia "arriba" (la derecha), y entonces, en realidad, los datos están concentrados en los valores "bajos" de una distribución; y viceversa, cuando es negativo, unos cuantos datos sesgan hacia "abajo" (izquierda) la media, por consiguiente, la mayoría de los datos se concentran en los niveles altos de la distribución. Los resultados reportados en el cuadro 16 son congruentes con lo esperado y mostrado por los anteriores estadísticos. En las entidades federativas de bajo desarrollo el sesgo fue positivo, es decir, la mayoría de la población se concentró en los valores bajos de escolaridad. En cambio, en las regiones de mayor desarrollo, el sesgo fue negativo, es decir, la población se concentró en los niveles de relativa alta escolaridad.

Finalmente se calculó el coeficiente de Gini. De acuerdo con la propia CEP AL (2000), "el indicador que ha tenido mayor aceptación en los trabajos empíricos es el denominado coeficiente de concentración de Gini. Este índice, de fácil interpretación, es una referencia común en los debates sobre el bienestar y la equidad; además, la opinión pública está muy pendiente de su evolución para sancionar el funcionamiento de los gobiernos en materia de desigualdad y sus efectos en el nivel de vida de población". En este trabajo, además del de Gradín y Del Río (op. cit.), se hace una discusión muy amplia del coeficiente de Gini y de otras medidas para analizar la desigualdad. Los resultados se muestran en el cuadro 16. A medida que el coeficiente es mayor (y se aproxima a 0.5), la desigualdad es mayor.

Como era de esperarse, en los estados de alta y muy alta marginación el coeficiente de educación de Gini es el más alto, de 0.3222 y 0.3695, respectivamente. Por el contrario, las entidades de muy baja marginación, baja y media, reportaron los menores coeficientes: de 0.2268, 0.2515 y 0.2785, respectivamente.

Una forma gráfica de representar la desigualdad es mediante la conocida curva de Lorenz. En términos simples, y de acuerdo a la misma CEPAL, la curva representa el porcentaje acumulado de la variable de interés, en este caso, la escolaridad en años de la población de 16 años y más (% Esc_i), recibida por un determinado grupo de población (% Pi) ordenado en forma ascendente de acuerdo a la cantidad de su escolaridad (). Es decir, suponiendo que se tiene a n individuos ordenados en forma creciente respecto a su escolaridad: , y se forman g grupos de igual tamaño, llamados percentiles (quintiles o deciles son las formas más comunes de ordenar a la población). La curva de Lorenz se define como la relación que existe entre las proporciones acumuladas de población (% Pi) y las proporciones acumuladas de su escolaridad (% Esc_i).

Para fines de ilustración, sólo se presentarán las gráficas correspondientes a las dos regiones extremas, de muy baja y muy alta marginación (gráfica 9).

Conclusiones y recomendaciones de política pública

Desde una perspectiva de la ciencia económica, la educación de las personas puede ser vista como una inversión, y por lo tanto, el estudio de su rendimiento se convierte en un elemento clave para la comprensión de sus características y su relación con la formulación de políticas públicas que promuevan su crecimiento. El enfoque regional trabajado en este artículo, pretendió contribuir al estudio de las características y determinantes de la tasa de retorno de la educación, desde una perspectiva del desarrollo desigual que se presenta en México. En cierta medida, esta desigualdad en las tasas de retorno de la educación se encuentra asociada, y por lo tanto explicada por los niveles de ocupación, ingresos y escolaridad de la población mexicana.

En esta investigación se procedió a agrupar las entidades federativas en regiones. Para construir regiones que concentraran a las entidades de acuerdo a criterios de tipo social y de bienestar, se consideró la agrupación realizada por el CONAPO, la cual divide a los estados en relación a los niveles de marginación (cinco en total, desde "muy bajo" a "muy alto").

Las mayores tasas de retorno de la educación se encontraron en las regiones más pobres o de más bajo desarrollo, en cambio, en las de mayor desarrollo o menor pobreza, se obtuvieron rendimientos de la educación más bajos. En efecto, en los estados de bajo desarrollo y mayor pobreza, como son Chiapas, Guerrero y Oaxaca, se obtuvo una tasa de retorno de 10.26% en promedio; mientras que, en el Distrito Federal, Baja California, Coahuila, y Nuevo León, entidades caracterizadas como de muy baja marginación, la tasa de retorno promedio llegó a ser de 7.59 por ciento.

Puede entonces resultar paradójico el resultado anterior, de que las mayores tasas de retorno se asocien a las regiones de bajo desarrollo o alta marginación, sin embargo, esto puede ser explicado por la configuración de los mercados de trabajo en dichas regiones. En efecto, la calidad o calificación de la mano de obra en los estados o regiones de bajo desarrollo es relativamente menor que en las de alto desarrollo. Esta escasez de mano de obra calificada provocará rendimientos superiores del capital humano, es decir, de la educación. En términos absolutos, los ingresos salariales son menores en los estados de bajo desarrollo, pero en términos porcentuales, el rendimiento será mayor. Todo ello es consistente con el planteamiento convencional del mercado de trabajo: a menor oferta laboral —manteniendo constante la demanda- aumentan las remuneraciones al trabajo, y viceversa. Estos incrementos serán ciertos tanto a nivel absoluto como relativos, es decir, a nivel de rendimientos de la escolaridad. Y es consistente también con el planteamiento de convergencia regional y capital humano que Barceinas y Raymond (2005) demostraron para el caso mexicano: el capital humano no se desplaza de las zonas ricas a las más pobres, lo que provoca que los rendimientos de la escolaridad sigan siendo más altos en las regiones de menor desarrollo en comparación con las de más alto desarrollo.

La recomendación que de ello se desprende es casi inmediata, dado que los retornos de la educación en aquellos estados y regiones de bajo desarrollo y alta marginación es comparativamente mayor que en las regiones o entidades federativas de más alto desarrollo, los gobiernos deben facilitar esta inversión a través de políticas públicas adecuadas, incrementando el gasto público en educación y mejorando la calidad de la formación escolar, que, como se sabe y se sugirió en el presente trabajo, es muy baja en ese primer grupo de entidades federativas. En este sentido podría ser relevante también, el diseño y aplicación de políticas activas sobre el mercado laboral, que promuevan la capacitación de los recursos humanos, ya sea a través de las instituciones públicas o privadas de educación y formación escolar, como de programas específicos de capacitación en y para el trabajo, a través de las propias empresas.

El grave problema con el que se enfrentan estas economías, es el círculo vicioso en el que se encuentran inmersas. Las regiones o entidades de bajo desarrollo provocan que las familias vivan en condiciones de subsistencia. Los altos niveles de pobreza y marginación determinan que las personas y los hogares atiendan prioritariamente las necesidades más elementales de alimentación y vivienda, en donde la educación pasa a los últimos planos de atención de las necesidades del hogar. La gente entonces ve reducido al máximo sus condiciones de acceso a la educación, de esa manera, las posibilidades de incrementar sus niveles de bienestar por medio de la educación es, en absoluto, muy reducida. La pobreza entonces genera una mayor pobreza, y el potencial de los rendimientos educativos son desaprovechados. De ahí entonces que, la única posibilidad de romper este círculo vicioso, es la intervención del estado como facilitador de la educación y la capacitación en y para el trabajo. El efecto redistributivo del gasto social en educación se haría evidente, y se aprovecharían los altos rendimientos de la educación en esas regiones como una vía para superar la pobreza.

Dados los hallazgos de esta investigación y del resto de los autores citados, es indiscutible que debe invertirse en la educación de las personas en las regiones de más bajo desarrollo y alta pobreza. La alta rentabilidad del capital humano en esas regiones provocará no sólo mejoría en sus niveles de bienestar, sino además generará condiciones para el crecimiento y desarrollo de las regiones. Los rezagos en la distribución del ingreso entre la población más pobre puede ayudar a reducirse si se invierte en educación "desde abajo", esto es, en educación básica; de ahí la importancia de reorientar, una vez más, el gasto público en educación hacia esas regiones, y hacia esos niveles educativos.

Notas

¹ El supuesto de que no solo u, sino también X, son variables aleatorias, es asumido por la econometría contemporánea. La aleatoriedad de X es ya incluida en libros de texto básicos, como Wooldridge (2009).

² De acuerdo a la ENOE, la PEA la constituyen las personas de 15 años o más que durante el período de referencia (la semana anterior a la aplicación de la encuesta) tuvieron o realizaron una actividad económica al menos durante un día o una hora (población ocupada), o buscaron activamente realizarla en el último mes (población desocupada). La PNEA, por su parte, la componen personas de ese mismo rango de edad que durante el periodo de referencia no tuvieron un empleo ni realizaron una actividad económica, ni buscaron desempeñar una en el último mes previo al día de la entrevista. Esta población también se divide en dos grupos: los disponibles para trabajar y los no disponibles. Los primeros son los que en la semana de referencia no trabajaron, no tenían trabajo y no buscaron activamente uno, por considerar que no tenían oportunidad para ello, pero tienen interés en trabajar. Los no disponibles son los que en la semana de referencia no trabajaron, no tenían trabajo, no buscaron activamente uno y no tienen necesidad o interés en trabajar.

³ Es por esta razón que la cantidad y proporción de la población no económicamente activa disponible sea considerablemente alta, ya que se trata de personas que llevan más de un mes buscando empleo, o bien, personas que tomarían un empleo porque tienen interés en obtenerlo, de ahí que también se les conozca, a esta parte de la población, como desocupados "encubiertos" o "trabajadores desanimados", porque se parecen mucho a los desempleados (Blanchard, 2004; p. 109).

⁴ La ponderación analítica que el software utilizado (STATA) realiza, efectúa ponderaciones inversamente proporcionales a la varianza de una observación; esto es, la varianza de la j-ésima observación se asume como: I ²/wj, donde wj son las ponderaciones. A menudo, las observaciones representan promedios, y las ponderaciones son el número de elementos que dieron lugar a ese promedio. Cuando se pondera de esta manera, se "re-escalan" estos promedios para sumar el total de datos en la población N. La ponderación por frecuencias son ponderaciones que indican el número de observaciones replicadas. Los "pesos" (ponderaciones) indican cuantas veces cada observación realmente representa (consultar manuales de STATA 14.0). En términos prácticos, la única diferencia se presenta en los tamaños de las t-estadísticas. Con el método de ponderación por frecuencias las t son igualmente ponderadas, de ahí su tamaño considerablemente grande y por lo tanto, su significancia estadística podría estar sobre valuada.

Referencias

Almendarez, Marco A. (2004). Un análisis económico de la relación ingresos-educación. Una aproximación de capital humano para México. Tesis de Maestría, El Colegio de la Frontera Norte, Tijuana.        [ Links ]

Barceinas Paredes, Fernando y J. Raymond (2005). "Convergencia regional y capital humano en México, de los años 80 al 2002", en Estudios Económicos, vol. 20, núm. 2 (40).        [ Links ]

Barro, Robert y Sala-i-Martin, Xavier (2009).Crecimiento Económico.Reverté.        [ Links ]

Becker, Gary (1964) .Human Capital: A Theoretical and Empirical Analysis with Special Reference to Education. University of Chicago Press, Chicago.        [ Links ]

Blanchard, O. (2004). Macroeconomía. Segunda edición. Madrid: Pearson Prentice Hall.        [ Links ]

Bracho, Teresa y Zamudio, Andrés (1994). "Los rendimientos económicos de la escolaridad en México, 1989", Economía Mexicana, vol. III, núm. 2.        [ Links ]

Carnoy, Martin (1967). "Rates of Return to Schooling in Latin America", Journal of Human Resources, vol. 2, núm. 3.        [ Links ]

CEPAL (1992). Educación y conocimiento: Eje de la transformación productiva con equidad.        [ Links ]

CEPAL División de Estadística y Proyecciones Económicas (2000). Consideraciones sobre el índice de Gini para medir la concentración del ingreso, en Programa para el mejoramiento de las encuestas y la medición de las condiciones de vida en América Latina y el Caribe, Buenos Aires, Argentina, 15-17 de noviembre, 2000, Taller 6, http://www.eclac.cl/deype/mecovi/home.htm, marzo de 2013.        [ Links ]

CEPAL (2006). México: Crecimiento agropecuario, capital humano y gestión del riesgo (LC/MEX/L.686), Sede Subregional en México.        [ Links ]

CONAPO (2011 y 2016). Índices de marginación 2010 y 2015, www.conapo.gob.mx, julio de 2016.        [ Links ]

CONASAMI (2016). Salario mínimo general promedio de los Estados Unidos Mexicanos, 1964-2016, http://www.conasami.gob.mx, julio de 2016.        [ Links ]

Goerlich, Francisco (1998). Desigualdad, diversidad y convergencia: (Algunos) Instrumentos de medida, Universidad de Valencia, Departamento de Análisis Económico, http://www.uv.es/-goerlich, octubre de 2012.        [ Links ]

Gradín, Carlos y Del Río, Coral (2001). La medición de la desigualdad, http://decon.edu.uy/~mito/nip/desigualdad.pdf, marzo de 2013.        [ Links ]

Heckman, James (1979). "Sample Selection Bias as a Specification Error", Econometrica, vol. 47, núm. 1, enero.        [ Links ]

Huesca Reynoso, Luis; Castro Lugo, David y Rodríguez Pérez, Reyna E. (2010). Economía, Sociedad y Territorio, vol. X, núm. 34.        [ Links ]

INEGI (2011 y 2015). Encuesta Nacional de Ocupación y Empleo (ENOE) 2011 y 2015, http://www.inegi.org.mx/est/contenidos/Proyectos/encuestas/hogares/regulares/enoe agosto 2011 y julio 2016.        [ Links ]

López-Acevedo, G. (2004). "Mexico: Evolution of earnings inequality and rates of returns to education (1988-2002)", Estudios Económicos, vol. 19, núm. 2.        [ Links ]

Mancero, Xavier-CEPAL (2000). Revisión de algunos indicadores para medir la desigualdad, en Programa para el mejoramiento de las encuestas y la medición de las condiciones de vida en América Latina y el Caribe, Buenos Aires, Argentina, 15-17 de noviembre, 2000, Taller 6, http://www.eclac.cl/deype/mecovi/home.htm, marzo de 2013.        [ Links ]

Merchand, Marco A. (2009). Teorías y conceptos de economía regional y estudios de caso, Centro Universitario de la Costa, Universidad de Guadalajara, México.        [ Links ]

Mincer, Jacob (1974). "Schooling experience and earnings", National Bureau of Economic Research, Columbia University Press.        [ Links ]

Ordaz, Juan Luis (2007). México: capital humano e ingresos. Retornos a la educación, 1994-2005, Serie Estudios y Perspectivas, núm. 90, CEPAL.        [ Links ]

Ordaz, Juan Luis (2009). México: impacto de la educación en la pobreza rural, en Serie Estudios y Perspectivas, núm. 105, CEPAL.        [ Links ]

Palacios Lara, Juan J. (1993). "El concepto de región", en Héctor Ávila Sánchez (comp.), Lecturas de análisis regional en México y América Latina, México. Universidad Autónoma de Chapingo.        [ Links ]

Psacharopoulos, George; Velez, Eduardo; Panagides, Alex y Yang, Hongyu (1996). "Returns to education during economic boom and recession: México, 1984, 1989 and 1992", Education Economics, 4, 3.        [ Links ]

Rodarte, R. (2003). Experiencias en la medición del sector informal en México, (23), 70.        [ Links ]

Rodríguez-Oreggia, Eduardo (2004). Institutions, geography and the regional evolution of returns to schooling in México, Instituto de Investigaciones sobre Desarrollo Sustentable y Equidad Social, Universidad Iberoamericana, México, inédito.        [ Links ]

Rojas, Angulo y Velásquez (2000). "Rentabilidad de la inversión en capital humano en México", Economía Mexicana, vol. IX, núm. 2, México.        [ Links ]

Román Alarcón, Rigoberto A. (2002); "La región y su análisis: teorías para su estudio", en Clío, Nueva Época, vol. 1, número 28.        [ Links ]

Salas, Manuel (2006).Educación superior y mercado de trabajo, Grupo Editorial Universitario, España.        [ Links ]

Salas, Rafael (2001). La medición de la desigualdad económica, Papel de Trabajo No. 14, Instituto de Estudios Fiscales, España.        [ Links ]

Stern, Claudio (1967); "Un análisis regional de México", en Demografía y Economía I: 1, El Colegio de México.        [ Links ]

STPS (2016). Encuesta Nacional de Ocupación y Empleo (ENOE). Indicadores Trimestrales, en www.stps.gob.mx/bp/secciones/conoce/areas_atencion/ areas_atencion/web/menú_infsector.html, julio.        [ Links ]

STPS (2012). Glosario de Términos de la ENOE, en http://www.stps.gob.mx/bp/secciones/conoce/areas_atencion/areas_atencion/web/Glosario/glosario.htm#p, enero.        [ Links ]

Urciaga, J. (2004). "Los impactos del territorio sobre los salarios: una aproximación empírica para México", en Prospectiva Económica, núm. 4, UMSNH, ININEE, enero-junio.        [ Links ]

Van Young, Eric (1992).Mexico's region comparative history and development, San Diego, Center for U.S. Mexican Studies.        [ Links ]

Villarreal Peralta, Edna María (2008). "Evolución histórica de los rendimientos educativos en México: 1987 — 2004", en Estudios Sociales, volumen 16, número 32. Centro de Investigación en Alimentación y Desarrollo, México.        [ Links ]

Wooldridge, Jeffrey (2009). Introducción a la econometría. México. Thomson Editores.        [ Links ]

ANEXOS

Anexo 2. Entidades Federativas según Índice de Marginación, 2010 y 2015*