Documentos de Académico
Documentos de Profesional
Documentos de Cultura
León
Facultad de Economía
MACROECONOMIA II
umbrales de discusión entre los economistas a través del tiempo. Hipótesis como la de
Kuznets (1955), sostienen que conforme el nivel de riqueza de una economía crece, la
desigualdad también lo hace, aunque a tasa decreciente hasta alcanzar un punto máximo
Fuente: flipspagnoli.wordpress.com
Por otra parte, la observación de nuestro entorno y la propia experiencia sugieren que la
de éstos en el lugar dónde viva (T. Srinivasan, 1995), por ello, es relevante en un contexto
ingreso y de la desigualdad, para conocer y explorar las diversas razones que la explican
del ingreso y el capital humano; los economistas definen al capital humano como, “el
conjunto de cualificaciones que poseen los trabajadores en una economía” (Blanchard et.
región en particular.
Como uno de los factores del capital humano que tiene más importancia, sobresale la
educación; podemos suponer que los individuos que dedican más tiempo a su educación
reciben recompensas de ingreso mayores en promedio, que los que dedican menos
Se analiza sólo un año, el 2006; este año se escogió por ser uno en el que las
accesibles y se prestaban a menos confusión por los posibles errores, además por
país.
Al analizarse sólo un año, los datos son de corte transversal y por lo tanto tenemos
una fotografía en el tiempo que nos muestra la participación de cada una de las
menor y por tanto los ajustes de la regresión con respecto a los valores
controlar también para estas variables y evitar así un posible insesgamiento en los
parámetros.
adecuado que visualice las relaciones empíricas, es decir, las entrañas del abismo de la
desigualdad económica.
Marco teórico.
Podemos suponer que quienes tienen altos o bajos ingresos seguirán este patrón y que
este proceso es difícil de modificar. Al estudiar la distribución del ingreso nos encontramos
con diversos factores que la afectan directamente en diferentes grados; sin embargo
hemos optado por analizar más a fondo cómo el capital humano incide en la distribución
del ingreso en México, ya que desde nuestro punto de vista es uno de los factores mas
(Ramírez, 2004) y cambios en la oferta de trabajo (Popli, 2007). Para observar los
constante, o por lo menos aproximadamente constante, durante los años 2002 al 2004.
de Gini
Averiguar en qué contexto la desigualdad del ingreso decayó en el año 2006, por
educación, región donde viven, edad, entre otras. En el marco empírico procederemos a
Donde lnIT es el logaritmo natural de los ingresos totales por hogar, aj es un vector
error, en tanto que zji representa un vector renglón que incluye a las variables explicativas
β1
β2
β3
β14
1
Se estiman 16 variables explicativas, incluyendo variables dicotómicas para niveles de
instrucción del jefe de familia y región en donde se ubica el hogar de donde se tomo la i-
ésima observación. Las variables son: norte, centro, sur (base), sin instrucción (base),
posgrado, estrato, hombres viviendo en el hogar, mujeres viviendo en el hogar, estrato (es
Para el lado, derecho, sabemos que la covarianza de una variable aleatoria con respecto
3
Dividiendo la ecuación 3 entre , tenemos el importante resultado:
ingresos.
desigualdad:
Todas las ecuaciones que hemos desarrollado, proveen los cálculos necesarios para
averiguar a partir de los parámetros estimados lo que hemos estado diciendo a lo largo de
este trabajo: la participación de cada variable explicativa, con especial énfasis en las
variables más importantes de capital humano, como son los niveles de instrucción del jefe
Los datos usados para el análisis son de El Instituto Nacional de Estadística, Geografía e
(ENIGH-2006).
Esta encuesta ofrece, de manera adicional, información sobre las características tanto
cantidad de mujeres que viven en el hogar (mujeres), nivel de instrucción del jefe de
familia, edad del jefe de familia, ubicación geográfica; y contemplamos como variable de
estudio los ingresos totales; que consideramos apropiado ya que engloba el total de
como variables dicotómicas a fin de ser utilizados en la regresión y poder mostrar los
Los datos de la tabla 1 muestran los resultados que se estimaron al regresar el logaritmo
del ingreso total, contra las variables explicativas de región; nivel de instrucción del jefe de
familia; número de hombres y de mujeres viviendo en el hogar; estrato; edad del jefe de
p de cero. Por ello, los errores estándar se corrigieron para tomar en cuenta la presencia
del mencionado problema. Los valores p mostrados en tabla nos indican alta significancia
en las variables, aunque la R2 nos dice que sólo explicamos aproximadamente el 42% de
para realizar inferencias, pero para analizar la significancia práctica o económica de las
tiene una magnitud relevante, ¿porqué no mejor ignorarla en el análisis y enfocar nuestra
atención en las variables cuya magnitud sea lo suficientemente grande para inquirir
En los resultados que observamos en la tabla podemos ordenar las variables de menor a
mayor de la siguiente forma: estrato, edad2, edad, mujeres, hombres, centro, norte,
También, aunque la variable explicativa edad y edad2 no tienen una magnitud muy
grande, edad2 al tener un valor negativo nos indica que hay presencia de retornos
pues las personas no suelen aprender y desarrollar habilidades a una tasa constante o
La variable de estrato, al tener una participación muy pequeña en el salario, es quizá una
de las menos importantes en nuestro análisis y bien podría ser descartada del modelo sin
provocar grandes daños a los estimadores por presencia de correlación, de hecho sólo se
incluyo para evitar tal problema, pero como se puede apreciar en los resultados no tiene
una interpretación económica tan interesante como el de las variables dummy de nivel de
instrucción.
ESTÁNDAR
REGIÓN (CATEGORÍA
BASE: SUR)
INSTRUCCIÓN
INSTRUCCIÓN)
INCOMPLETA
COMPLETA
INCOMPLETA
COMPLETA
INCOMPLETA
COMPLETA
INCOMPLETA
COMPLETA
*La regresión se estimó usando datos de la ENIGH 2006, mediante el paquete computacional E-VIEWS.
***N/A: no aplica.
EN LOS INGRESOS.
logaritmo de los ingresos totales). Se pueden comprobar las propiedades de las sj(lnIT)
proporción de los residuos (que es la mayor) es aquélla que tiene que ver con si el jefe de
familia cursó un grado educacional superior pero no acabo con éste. Tanto las variable
dicotómicas primaria incompleta, primaria completa así como la variable edad tienen una
contribución negativa a la desigualdad del ingreso, lo cual sugiere que las personas que
en su tiempo, estudiaron la primaria o la empezaron, a una edad determinada, tienen, en
La variable estrato, que no tenía gran volumen en la regresión, parece sin embargo
explicar la desigualdad de los ingresos de una forma mayor al resto de las otras variables,
REGIÓN 0.93516288
ESTRATO 9.15326825
POSGRADO 5.94130243
EDAD -2.13452543
HOMBRES 1.59441001
MUJERES 1.03267643
EDAD^2 3.47021875
RESIDUOS 57.6999273
CONCLUSIONES
En el análisis que hemos presentado, utilizamos una metodología que nos permitió
de los ingresos. Aunque habíamos observado que un factor como el estrato en el que
residían los hogares, no tenía una participación intensa en el salario, sí la tiene en la
que las personas que completaron la primaria como aquéllas que por lo menos estudiaron
una parte de ella, son receptores de ingresos menos dispersos, en comparación con la
diferencia que existe entre personas que no terminaron un grado de educación superior.
Las variables de capital humano explican en proporción una gran parte de la desigualdad.
Si sumáramos las participaciones relativas del nivel de instrucción tendríamos que ésta
Una política que incentive el desarrollo de los niveles de instrucción podría aumentar la
desigualdad de los salarios para un año dado y a su vez, sin embargo, reducir (aunque no
se demuestre aquí) las brechas de ingreso con el tiempo, lo que al parecer sucede con los
valores sj de educación primaria; se tiene evidencia de que trabajadores que recibieron tal
educación en ese tiempo tienen quizá una desigualdad menor que las personas más
REFERENCIAS
Popli, Gurleen K. 2007. “Changes in Human Capital and Wage Inequality in Mexico”,
Economics.
Legovini, A., C. Bouillon and N. Lustig.2005. “Can Education Explain Changes in Income
Microeconomics of Income Distribution Dynamics: in East Asia and Latin America, (A co-
demanda calificada en México, 1993-1999” El Trimestre Económico, 2004, vol. LXXI (3),
Autor, David, Lawrence Katz y Alan Krueger. 1998. “Computing Inequality: Have
Computers Changed the Labor Market,” Quarterly Journal of Economics, vol. 113.
Card, David. 1999. “The Causal Effect of Education on Earnings,” in Orley Ashenfelter y
Card, David. 2001. “Estimating the Return to Schooling: Progress on some persistent
Juhn, Chinhui, Kevin Mrphy and Brooks Price. 1993. “Wage Inequality and the Rise in
in Orley Ashenfelter and David Card, (eds), Handbook of Labor Economics, (North
Holland), vol. 3.
Lerman, Robert and Shlomo Yitzhaki. 1989. “Improving the Accuracy of Estimates of Gini