Documentos de Académico
Documentos de Profesional
Documentos de Cultura
GASTO EDUCACIÓN
En torno al “coste de oportunidad” en relación al gasto militar frente al uso, una manera de
ver esta cuestión con cierta perspectiva es comparar el gasto militar con el educativo. ¿Los
gobiernos realmente gastan tanto en la cuestión militar como en educación de su población
por citar un ejemplo?
Para comparar los gastos militares y de educación haciendo una muestra de varios países a
nivel mundial, se necesitan datos fiables. Por ende, se tomaron datos del Gasto Militar y
Gasto en Educación como % del PIB de la base de datos de indicadores del Banco Mundial.
Esto último incluye todos los niveles de gobierno: central, federal, regional, municipal, etc.
Esto es necesario si se quiere hacer comparaciones significativas; ya que en algunos países
el mayor gasto que se hace en educación es realizado en inferiores al gobierno central.
Ahora bien, con el fín de identificar el grado de significancia que tiene el hecho de ser
desarrollado o no en el analisis del Gasto en Educación en el que incurren los Paises, se ha
agregado una variable dummy a la base de datos que define si un país es desarrollado o no.
La variable DSRLL denota si un país es o no considerado como desarrollado. Para establecer
un parametro de decisión se ha agregado un valor de 1 a paises considerados desarrollados,
y 0 para paises que aún no cumplen la totalidad de condiciones para considerarse
desarrollados.
Para determinar los paises en la base de datos que son efectivamente desarrollados, se tuvo
en cuenta aquellos paises miembros de la Organización para la Cooperación y el Desarrollo
Económicos (OCDE). La lista de países oficializados como miembros puede verse en el
siguiente enlace: https://www.oecd.org/centrodemexico/paisesmiembros.htm
Las variables pertenecientes a la Base de Datos en R:
1. Primero, con fines de demostrar la relación existente entre el Gasto en Educación y
el nivel de desarrollo de un país, se realiza una regresión lineal simple, (para
comprobar la significancia de la dummy):
Al agregar una nueva variable (Gasto Militar) se explicar distintas situaciones. Primero, el
beta estimado para el Gasto Militar denota una clara relación inversa con el Gasto en
Educación. Esto se explica debido a que los Gastos que realiza un gobierno deben salir desde
el Presupuesto Nacional. Debido a la necesidad de generar un balance en el Gasto Publico,
si se realiza un gasto en un sector en especifico, es probable que sea necesario recortar gastos
en otro.
Segundo, aún con una nueva variable, y por lo tanto un nuevo coeficiente o Beta estimado
en el modelo, la relación entre el Gasto en Educación y el nivel de desarrollo de un país aún
se presenta de manera positiva. Además, el P Valor para esta nueva regresión, 0.417 sigue
siendo menor al nivel de significancia, por lo tanto la variable Dummy sigue siendo
significativa para el Modelo. Por ende, es una variables que hay que tener en cuenta a la hora
de planear y ejecutar el presupuesto para educación en los países que se encuentran dentro
de la muestra de la base de datos.
3. Una tercera regresión de prueba donde se puede analizar es la siguiente:
Para este caso en particular, la relación inversa entre la tasa de Desempleo Total tiene una
relación inversa al Gasto en Educación. Una de las posibles explicaciones, es que los paises,
en su afan por reducir el desempleo, opten por la estrategia de reducir las tasas de
participación al corto plazo. Lo anterior se logra a traves de “excluir” personas del mercado
laboral, haciendo que estas dejen de ser parte de la Población Economicamente Activa (PEA).
Esto explica un mayor gasto en educación y la creación de programas y sistemas de
transferencias que incentiven a la gente a estudiar.
Aquí el P VALOR supera levemente el nivel de significancia, si se habla de un α=0.05. Sin
embargo, se tiene en cuenta que en una regresión lineal multiple, el valores de una de las
variables independientes pueden llegar a afectar los de otra variable independiente (Sea esta
o no una Dummy) presentando así uno de los tipicos problemas de este tipo de modelos de
regresión, llamado Colinealidad.
En conclusion, se puede afirmar que el problema esta en que los valores de las demas
variables son precisamente (a parte de la colinealidad) muy heterocedasticos, es decir, sus
valores son muy dispersos logrando que al realizar una regresion multiple, empieza a afectar
el valor de la dummy (que si esta exclusivamente calculada entre 0 y 1), por lo cual, en un
principio se realizó una regresion simple entre gastedu y la dummy para comprobar la
significancia de la dummy por si sola, pero, ya al empezar a hacer regresiones multiples el
valor de esta va cambiando, aun asi cuando es gastedu contra gastmili + dummy, aún asi
sigue dando signficativa la dummy; por lo cual aun cuando el gasto militar afecta
evidentemente con una estimacion inversa al gastedu, es decir, el beta estimado, la dummy
sigue siendo positiva en el estimado y significativa; es decir, esa relación aún se explica
significativamente al determinar si un pais es desarrollado no, pero, entre más variables se
agreguen al modelo, más colinealidad empezará a aparecer, es decir mas se empiezan a
explicar las variables independientes entre si.
Por lo cual, se puede afirmar que, inclusive agregando la variable dummy para separar la
muestra de paises entre si es desarrollado o no, la significancia de la variable de gasto militar
para explicar el gasto de educacion sigue sin dar muy alta; por lo que se podría afirmar que,
el gasto militar que realice un pais sea desarrollado o no, no explicaria el monto de gasto en
educación que se realice.
4. Con fines de dar significancia a las variables dentro del modelo propuesto, se procede
a corregir la regresion sin constante